Βασικές Έννοιες της Πληροφορικής Εικόνα Λέξεις-Κλειδιά Δεδομένα (Data), Πληροφορία (Information), Επεξεργασία (Processing), Υπολογιστής (Computer), Πληροφορική (Informatics) εικόνα Εισαγωγή Στις μέρες μας καθημερινά ακούμε να γίνεται λόγος για Νέες Τεχνολογίες, για τη Λεωφόρο των Πληροφοριών και για μια νέα επιστήμη την Πληροφορική. Συχνά η κοινωνία μας χαρακτηρίζεται ως Κοινωνία της Πληροφορίας. Τι είναι οι πληροφορίες στις οποίες βασιζόμαστε, για να παίρνουμε αποφάσεις ή για να οργανώνουμε καλύτερα τις δραστηριότητές μας; Τι μελετά η επιστήμη της Πληροφορικής; Γιατί ο υπολογιστής χαρακτηρίζεται ως ψηφιακή μηχανή; Τι σχέση έχει ο υπολογιστής με όλα όσα αναφέραμε; Στο Κεφάλαιο αυτό θα ασχοληθούμε με έννοιες όπως οι παραπάνω, για να μπορέσουμε να κατανοήσουμε καλύτερα τον συναρπαστικό κόσμο της Πληροφορικής. 1.1 Από τα δεδομένα στην πληροφορία Στο σχολείο μας αποφασίστηκε να γίνει μια εκπαιδευτική εκδρομή. Ο καθηγητής μας ανέθεσε στον Κωστή και στη Χρύσα να συγκεντρώσουν τα χρήματα. Στο διάλειμμα ο Κωστής συναντήθηκε με τη Χρύσα και ακολούθησε ο παρακάτω διάλογος: Κωστής: Χρύσα, πόσα χρήματα μας είπε ο κύριος ότι θα κοστίσει συνολικά η εκδρομή; Χρύσα: 200 €. Νομίζω, όμως, ότι πρέπει να ρωτήσουμε τους συμμαθητές μας, για να μάθουμε πόσοι θα έρθουν. Κωστής: Ναι, βέβαια, όταν μάθουμε κι αυτό θα έχουμε όλα τα στοιχεία, για να βρούμε πόσα χρήματα πρέπει να ζητήσουμε από τον καθένα. Χρύσα: Πάμε να τους ρωτήσουμε και στο επόμενο διάλειμμα το ξανασυζητάμε. Στο επόμενο διάλειμμα ο Κωστής και η Χρύσα είχαν συγκεντρώσει όλα τα στοιχεία που χρειάζονταν, δηλαδή το κόστος ενοικίασης του λεωφορείου (200 €), καθώς και ότι 25 μαθητές θα έπαιρναν μέρος στην εκδρομή. Με βάση τα στοιχεία αυτά βρήκαν ότι πρέπει να ζητήσουν 8 € από κάθε μαθητή που θα συμμετείχε στην εκδρομή. Ο Κωστής και η Χρύσα έλυσαν το πρόβλημα, δηλαδή βρήκαν πόσα χρήματα έπρεπε να ζητήσουν, ώστε να μαζέψουν το ποσό που χρειαζόταν, για να πραγματοποιηθεί η εκδρομή. Ποια «διαδρομή» όμως ακολούθησε η σκέψη τους, ώστε να φτάσουν στη λύση του προβλήματος; Στα παρακάτω βήματα φαίνεται μία πιθανή πορεία των συλλογισμών που ακολούθησαν, ώστε να φτάσουν στη λύση. Βήμα 1: Τι είναι αυτό που μας ζητείται; Βήμα 2: Ποια στοιχεία έχουμε στη διάθεσή μας και τι άλλο χρειάζεται, για να φτάσουμε στην απάντηση; Βήμα 3: Συλλέγουμε τα απαραίτητα στοιχεία. Βήμα 4: Με ποιο τρόπο μπορούμε να συνδυάσουμε τα στοιχεία που γνωρίζουμε, για να βρούμε αυτό που μας ζητείται; Βήμα 5: Εκτελούμε τους συλλογισμούς και τις πράξεις που σχεδιάσαμε στο προηγούμενο βήμα. Βήμα 6: Προκύπτει το αποτέλεσμα των πράξεων ως απάντηση στο πρόβλημά μας. Το αποτέλεσμα αυτό μας δίνει την απαραίτητη γνώση, για να συγκεντρώσουμε τα χρήματα της εκδρομής. Τα στοιχεία που συνέλεξαν ο Κωστής και η Χρύσα, είναι τα απαραίτητα δεδομένα που τους βοήθησαν να μάθουν ποιο ποσό πρέπει να καταβάλει κάθε μαθητής. Στη συνέχεια, αφού έκαναν τους απαιτούμενους συλλογισμούς, επεξεργάστηκαν τα δεδομένα εκτελώντας τις απαραίτητες αριθμητικές πράξεις (200 € : 25 μαθητές = 8 € ανά μαθητή). Το ποσό των 8 € που πρέπει να πληρώσει ο κάθε μαθητής, για να πραγματοποιηθεί η εκδρομή, είναι μια πληροφορία, που δημιουργήθηκε από την κατάλληλη επεξεργασία των δεδομένων. Σχηματικά μπορούμε να αναπαραστήσουμε την παραπάνω διαδικασία ως εξής: Δεδομένα Εικόνα ΕπεξεργασίαΕικόνα Πληροφορία 200 € στοιχίζει η ενοικίαση του λεωφορείου. 25 μαθητές θα συμμετάσχουν στην εκδρομή. 200 €: 25 μαθητές = 8 € ανά μαθητή Το ποσό που αντιστοιχεί σε κάθε μαθητή είναι 8 €. Εικόνα Δραστηριότητα Περιγράψτε τα βήματα που είναι απαραίτητα, ώστε από τα δεδομένα του πρώτου από τους πίνακες που ακολουθούν να καταλήξουμε στην πληροφορία που ψάχνουμε. Δεδομένα Εικόνα ΕπεξεργασίαΕικόνα Πληροφορία Η ομάδα Α έχει 7 νίκες, 3 ισοπαλίες και 2 ήττες. Άλλα δεδομένα: _____________________ _____________________ _____________________ ; Η ομάδα Α έχει …… βαθμούς στο πρωτάθλημα. Τα δεδομένα δεν είναι μόνο αριθμοί, όπως στα προηγούμενα παραδείγματα, αλλά μπορεί να είναι εικόνες, σύμβολα, λέξεις, ήχοι. Έτσι, «δεδομένα» είναι μια φωτογραφία, ένα σήμα της τροχαίας, τα ονόματα ενός τηλεφωνικού καταλόγου ή ο ήχος μιας μουσικής νότας. Με δεδομένα τα σήματα της τροχαίας, τη διεύθυνση του σπιτιού μας και του σχολείου μας μπορούμε με την κατάλληλη επεξεργασία να βρούμε μια σύντομη διαδρομή, για να πηγαίνουμε στο σχολείο. Η καταγραφή της σύντομης διαδρομής για το σχολείο αποτελεί μια χρήσιμη πληροφορία για μας. Η επεξεργασία των παραπάνω δεδομένων δεν απαιτεί αριθμητικές πράξεις. Γενικά, μπορούμε να ονομάσουμε Δεδομένα (Data) τα στοιχεία που χρησιμοποιούμε για επεξεργασία. Τα αποτελέσματα που παίρνουμε από την επεξεργασία των δεδομένων και μας μεταδίδουν κάποια επιπρόσθετη γνώση, τα χαρακτηρίζουμε ως Πληροφορία (Information). Η επεξεργασία των δεδομένων έχει ποικίλες μορφές, χωρίς να είναι πάντοτε απαραίτητη η εφαρμογή αριθμητικών πράξεων. Εικόνα Εικόνα 1.1. Κύκλος Επεξεργασίας των Δεδομένων Εικόνα Εικόνα 1.1. Κύκλος Επεξεργασίας των Δεδομένων Εικόνα 1.2. Η μηχανή του Χόλλεριθ Εικόνα 1.2. Η μηχανή του Χόλλεριθ Η μηχανή που κατασκευάστηκε από το Χόλλεριθ δεν είχε σχέση με τους σημερινούς υπολογιστές. Την εποχή εκείνη, όμως, έγινε κατανοητό ότι η επεξεργασία πολλών δεδομένων πρέπει να εκτελείται από υπολογιστικές μηχανές, για να γίνεται σε σύντομο χρονικό διάστημα. Αν και αρχικά τα δεδομένα δε φαίνεται να έχουν τόση σημασία για μας, αποτελούν πολύτιμα στοιχεία, για να πάρουμε χρήσιμες πληροφορίες. Η πληροφορία, σε αντίθεση με τα δεδομένα, είναι κάτι που έχει σημασία για μας, κάτι που θέλουμε να μάθουμε. Οι πληροφορίες προκύπτουν από τα επιλεγμένα δεδομένα μετά από κατάλληλη επεξεργασία. Με άλλα λόγια, η πληροφορία ή οι πληροφορίες που παίρνουμε εξαρτώνται και από το είδος της επεξεργασίας που εφαρμόζουμε στα δεδομένα τα οποία διαθέτουμε. Αν, για παράδειγμα, τα δεδομένα είναι μουσικές νότες, η διαφορετική παράθεσή τους, δηλαδή η διαφορετική επεξεργασία τους, μας δίνει ως αποτέλεσμα μια διαφορετική σύνθεση, δηλαδή ένα διαφορετικό αποτέλεσμα. 1.2 Ο Κύκλος Επεξεργασίας των Δεδομένων Πληροφορίες που έχουν προκύψει ως αποτέλεσμα μιας επεξεργασίας, μπορούν να χρησιμοποιηθούν οι ίδιες ή σε συνδυασμό με άλλα δεδομένα για την παραγωγή νέων πληροφοριών. Η διαδικασία αυτή, δηλαδή πληροφορίες να αποτελούν στη συνέχεια δεδομένα σε μία νέα επεξεργασία, χαρακτηρίζεται ως Κύκλος Επεξεργασίας των Δεδομένων (Εικόνα 1.1). Στο παράδειγμα της σχολικής εκδρομής μπορούμε να χρησιμοποιήσουμε την πληροφορία για το τελικό κόστος ανά μαθητή σε συνδυασμό με τα χρήματα του κουμπαρά μας (δεδομένο), ώστε να μάθουμε αν διαθέτουμε αρκετά χρήματα, για να πάμε τελικά στην εκδρομή. Δεδομένα Εικόνα ΕπεξεργασίαΕικόνα Πληροφορία Το ποσό που πρέπει να δώσει κάθε μαθητής είναι 8 €. Έχω στον κουμπαρά μου 15 €. Συγκρίνω τα χρήματα που έχω στον κουμπαρά μου με το ποσό που πρέπει να διαθέσω. Διαθέτω αρκετά χρήματα, ώστε να πάω στην εκδρομή. Εικόνα 1.3 Η ανάγκη για μηχανές επεξεργασίας δεδομένων Η επεξεργασία των δεδομένων ενός προβλήματος μπορεί να είναι μια αρκετά πολύπλοκη διαδικασία και να χρειάζεται πολύ χρόνο, για να ολοκληρωθεί. Το 1880 ξεκίνησε η απογραφή του πληθυσμού των Η.Π.Α., με σκοπό να καταγραφούν στοιχεία σχετικά με το συνολικό πληθυσμό αλλά και τον πληθυσμό κάθε περιοχής ξεχωριστά καθώς και στοιχεία για τις ασχολίες των κατοίκων, τη σύνθεση της κάθε οικογένειας κ.λπ. Οι πληροφορίες που θα προέκυπταν θα βοηθούσαν την κυβέρνηση να σχεδιάσει με μεγαλύτερη αποτελεσματικότητα νέες σιδηροδρομικές γραμμές, να ιδρύσει σχολεία και να οργανώσει καλύτερα τις κρατικές υπηρεσίες. Πλήθος στοιχείων θα έπρεπε να συλλεχτούν από όλες τις περιοχές του κράτους και να συνδυαστούν κατάλληλα, ώστε να προκύψουν οι επιθυμητές πληροφορίες. Ωστόσο, εξαιτίας της μεγάλης αύξησης του πληθυσμού, εκτιμήθηκε ότι η διαδικασία επεξεργασίας των δεδομένων θα ολοκληρωνόταν σε 12 χρόνια, δηλαδή το 1892, ενώ η νέα απογραφή έπρεπε να ξεκινήσει το 1890. Το πρόβλημα της αργής επεξεργασίας των δεδομένων, με χειρογραφική μέθοδο, λύθηκε από τον Χέρμαν Χόλλεριθ (Herman Hollerith) με την κατασκευή υπολογιστικών μηχανών (Εικόνα 1.2). Με τη χρήση αυτών των μηχανών η επεξεργασία των στοιχείων –δεδομένων– ολοκληρώθηκε σε, μόλις, 6 εβδομάδες. 1.4 Ο υπολογιστής και η επεξεργασία δεδομένων