Data, Information, Knowledge and Wisdom (DIKW Model)

📊 Data — आँकड़े📋 Information — सूचना🧠 Knowledge — ज्ञान💡 Wisdom — विवेक

DIKW HierarchyRussell AckoffKnowledge PyramidUGC NET Unit 1LIS Hindi Notes

Table of Content (toc)

DKIW - Data, Information, Knowledge and Wisdom

UGC NET Library & Information Science के Unit I Topic 1.1 — Data, Information, Knowledge and Wisdom, जिसे संक्षेप में DIKW कहा जाता है।

DIKW एक क्रमानुक्रम (Hierarchy) है जो बताता है कि कच्चे आँकड़े (Data) किस प्रकार उपयोगी सूचना (Information) बनते हैं, सूचना से ज्ञान (Knowledge) उत्पन्न होता है, और अनुभव से परिपक्व विवेक (Wisdom) का सृजन होता है। यही सूचना विज्ञान की नींव है।

इस लेख में आप पढ़ेंगे: DIKW के चारों घटकों की परिभाषा, विशेषताएँ और उदाहरण; DIKW Pyramid; प्रमुख विद्वानों के योगदान; तुलनात्मक तालिका; परीक्षा के महत्वपूर्ण बिंदु और 10 FAQs।

⭐ Featured Snippet — Google Optimized Definition

DIKW Hierarchy क्या है? DIKW (Data-Information-Knowledge-Wisdom) एक क्रमानुक्रम (Hierarchy) है जो बताता है कि कच्चे तथ्य (Data) → संदर्भ में अर्थयुक्त सूचना (Information) → अनुभव और समझ से ज्ञान (Knowledge) → विवेकपूर्ण निर्णय (Wisdom) में रूपांतरित होते हैं। इसे "Knowledge Pyramid" या "Knowledge Hierarchy" भी कहते हैं। Russell Ackoff (1989) ने इसे अपने प्रसिद्ध लेख में व्यवस्थित रूप दिया।

1. DIKW पिरामिड (DIKW Knowledge Pyramid)

🔺 DIKW Knowledge Hierarchy — ज्ञान क्रमानुक्रम

W — WISDOMविवेक"Why?"

▲ अधिक अमूर्त, कम मात्रा

K — KNOWLEDGEज्ञान"How?"

▲

I — INFORMATIONसूचना"Who? What? When? Where?"

▲

D — DATAआँकड़े / डेटा"Raw Facts"

↑ ऊपर जाने पर: अधिक अमूर्त, कम मात्रा, अधिक मूल्य | ↓ नीचे जाने पर: अधिक ठोस, अधिक मात्रा, कम संदर्भ

मूल सिद्धांत DIKW Pyramid में नीचे से ऊपर जाने पर सूचना की मात्रा घटती है परंतु मूल्य और उपयोगिता बढ़ती है। Data सबसे कच्चा रूप है जिसमें संदर्भ नहीं होता, जबकि Wisdom सर्वोच्च स्तर है जिसमें अनुभव, नैतिकता और दूरदर्शिता समाहित होती है।

2. Data — आँकड़े (डेटा)

D

Data — डेटा / आँकड़े

कच्चे तथ्य — Raw, Unprocessed Facts & Figures

Level 1 — Base

Data वे कच्चे, असंसाधित तथ्य और आँकड़े हैं जिनका अपने आप में कोई विशेष अर्थ नहीं होता। ये संख्याएँ, अक्षर, प्रतीक या अवलोकन हो सकते हैं जो किसी संदर्भ (Context) के बिना अधूरे हैं।

परिभाषाएँ (Definitions)

• Russell Ackoff (1989): Data = Symbols। ये तथ्यों और घटनाओं के प्रतीकात्मक प्रस्तुतीकरण हैं।
• Harlan Cleveland (1982): Data = Raw Material of Information। सूचना का कच्चा माल।
• सामान्य परिभाषा: Data वे असंसाधित तथ्य, संख्याएँ या प्रतीक हैं जिनसे सूचना उत्पन्न होती है।

🔍 Data की विशेषताएँ

• असंसाधित (Unprocessed/Raw)
• संदर्भ-रहित (Context-free)
• स्वयं अर्थहीन (Meaningless alone)
• Objective (वस्तुनिष्ठ)
• सर्वाधिक मात्रा में उपलब्ध
• Quantitative या Qualitative

📍 Data के उदाहरण

• 37, 92, 15, 68 (संख्याएँ)
• A, B, C, D (अक्षर)
• Census raw figures
• Temperature readings: 38°C
• Library barcode numbers
• Election vote counts (uncounted)

📊 Data के प्रकार (Types)

• Quantitative — संख्यात्मक (42 books)
• Qualitative — गुणात्मक (Colour, Opinion)
• Structured — Database rows/columns
• Unstructured — Emails, Videos, Tweets
• Primary Data — सीधे एकत्रित
• Secondary Data — Published Sources

📍 भारतीय संदर्भ

• Census of India — Raw Population figures
• NCRB Crime raw statistics
• RBI daily transaction figures
• Library OPAC barcode numbers
• CSIR Lab experimental readings
• ISRO satellite raw telemetry

UGC NET TipData = Symbols (Ackoff) | Data स्वयं अर्थहीन है — Context मिलने पर Information बनता है। "38°C" = Data; "दिल्ली में आज 38°C तापमान है" = Information।

3. Information — सूचना

I

Information — सूचना / जानकारी

संसाधित डेटा — Processed Data with Context & Meaning

Level 2 — Processed

Information वह संसाधित और संदर्भयुक्त डेटा है जिसका एक स्पष्ट अर्थ होता है और जो किसी प्रश्न का उत्तर देती है। सूचना, Data को संगठित और अर्थपूर्ण बनाने की प्रक्रिया का परिणाम है।

परिभाषाएँ (Definitions)

• Russell Ackoff (1989): Information = Data + Context + Meaning। यह "Who, What, Where, When" प्रश्नों का उत्तर देती है।
• Claude Shannon (1948): Information = Reduction in Uncertainty। सूचना अनिश्चितता को कम करती है (Information Theory)।
• Norbert Wiener: Information = "Content of the Message"। संदेश की सामग्री।

🔍 Information की विशेषताएँ

• संसाधित (Processed Data)
• संदर्भयुक्त (Contextual)
• अर्थपूर्ण (Meaningful)
• उपयोगी (Useful / Actionable)
• अनिश्चितता कम करती है
• Who, What, When, Where का उत्तर

📍 उदाहरण

• "दिल्ली की जनसंख्या 1.9 करोड़ है" (Census Data → Info)
• "आज 38°C तापमान है" (Temperature → Info)
• Library Catalogue entry
• Exam Result (Marks → Grades)
• Weather Forecast
• Annual Report Statistics

Information के गुण (Properties)

✅ अच्छी Information के लक्षण

• Accuracy — सटीकता
• Timeliness — समयोचितता
• Relevance — प्रासंगिकता
• Completeness — पूर्णता
• Reliability — विश्वसनीयता
• Accessibility — सुगमता

🌐 Information के प्रकार

• Factual (तथ्यात्मक)
• Analytical (विश्लेषणात्मक)
• Subjective (व्यक्तिपरक)
• Objective (वस्तुनिष्ठ)
• Explicit (स्पष्ट)
• Tacit (अंतर्निहित)

UGC NET TipClaude Shannon कीInformation Theory (1948)— Information = Reduction of Uncertainty. Shannon-Weaver Communication Model इसी पर आधारित है। यह Unit 1.5 (Communication) से जुड़ा है।

4. Knowledge — ज्ञान

K

Knowledge — ज्ञान

अनुभव + सूचना = Understanding & Comprehension

Level 3 — Applied

Knowledge वह स्थिति है जब सूचना को अनुभव, विश्लेषण और समझ से आत्मसात किया जाता है। यह "How?" प्रश्न का उत्तर देता है। ज्ञान केवल सूचना का संग्रह नहीं है — यह उसे समझकर उपयोग करने की क्षमता है।

परिभाषाएँ (Definitions)

• Russell Ackoff (1989): Knowledge = Application of Information। यह "How" प्रश्न का उत्तर देता है।
• Davenport & Prusak: Knowledge is a flowing mix of framed experience, values, contextual information and expert insight.
• Nonaka & Takeuchi: Knowledge = Justified True Belief। सत्यापित सच्चा विश्वास।

🔍 Knowledge की विशेषताएँ

• अनुभव से उत्पन्न (Experience-based)
• व्यावहारिक उपयोग योग्य
• व्यक्ति में निहित (Personalized)
• "How" प्रश्न का उत्तर
• Explicit या Tacit हो सकता है
• Transfer योग्य (सीखाया जा सकता है)

📍 उदाहरण

• Doctor का Medical Knowledge
• Librarian का Cataloguing Knowledge
• Engineer का Design Knowledge
• Teacher का Pedagogical Knowledge
• DDC Classification की समझ
• Research Methodology का ज्ञान

Explicit vs Tacit Knowledge (Nonaka)

📄 Explicit Knowledge (स्पष्ट ज्ञान)

• Documents, Books में लिखा जा सकता है
• Share और Transfer करना आसान
• Codified (संकेतबद्ध)
• उदाहरण: Manuals, Procedures
• Library में संग्रहित होता है

🤫 Tacit Knowledge (अंतर्निहित ज्ञान)

• व्यक्ति के मन/अनुभव में छिपा
• Share करना कठिन
• Skills, Intuition, Expertise
• उदाहरण: Expert Librarian की अनुभव-युक्त सूझ
• Knowledge Management से निकाला जाता है

UGC NET TipNonaka & Takeuchi का SECI Model — Socialization, Externalization, Combination, Internalization। यह Tacit से Explicit Knowledge के रूपांतरण को बताता है। Knowledge Management (Unit 6) में महत्वपूर्ण।

5. Wisdom — विवेक / प्रज्ञा

W

Wisdom — विवेक / प्रज्ञा

Knowledge + Ethics + Foresight = Right Judgment

Level 4 — Highest

Wisdom DIKW Hierarchy का सर्वोच्च स्तर है। यह ज्ञान को नैतिकता, दूरदर्शिता और विवेकपूर्ण निर्णय के साथ उपयोग करने की क्षमता है। Wisdom "Why?" प्रश्न का उत्तर देती है — अर्थात् किसी कार्य को करना उचित है या नहीं।

परिभाषाएँ (Definitions)

• Russell Ackoff (1989): Wisdom = Knowledge with Understanding of Consequences। परिणामों की समझ के साथ ज्ञान।
• सामान्य परिभाषा: Wisdom = अनुभव + ज्ञान + नैतिकता + दूरदर्शिता से लिया गया सही निर्णय।

🔍 Wisdom की विशेषताएँ

• सर्वोच्च स्तर (Highest level)
• दीर्घकालिक दृष्टिकोण
• "Why?" प्रश्न का उत्तर
• नैतिकता और मूल्यों से युक्त
• अनुभव का सार (Essence)
• Judgment & Decision-making

📍 उदाहरण

• अनुभवी Doctor का Clinical Judgment
• Senior Librarian की Collection Policy
• न्यायाधीश का न्यायिक निर्णय
• National Library Policy बनाना
• IPR नीति में नैतिक निर्णय
• Open Access vs Copyright Balance

UGC NET TipWisdom DIKW का सर्वोच्च स्तर है। यह केवल अनुभव से आती है — किताबों से नहीं। Library Science में — Wisdom = National Information Policy बनाने की क्षमता।

.6. प्रमुख विद्वानों का योगदान (Key Thinkers)

👨‍🎓

Russell L. Ackoff (1919–2009)

American Systems Theorist — "From Data to Wisdom" (1989)

Russell Ackoff ने 1989 में अपने लेख "From Data to Wisdom" में DIKW को व्यवस्थित रूप दिया। उन्होंने पाँच श्रेणियाँ बताईं: Data, Information, Knowledge, Understanding और Wisdom। उनके अनुसार:

📋 Ackoff का DIKW Framework

• Data = Symbols (प्रतीक)
• Information = Data + Meaning (अर्थ)
• Knowledge = Application (उपयोग)
• Understanding = Appreciation (समझ)
• Wisdom = Ethical Judgment (विवेक)

🔑 प्रमुख प्रश्न

• Data — "What is?" (क्या है?)
• Information — "Who, What, When, Where?"
• Knowledge — "How?" (कैसे?)
• Understanding — "Why?" (क्यों?)
• Wisdom — "What for?" (किस लिए?)

📡

Claude Shannon (1916–2001)

Father of Information Theory — "A Mathematical Theory of Communication" (1948)

Claude Shannon ने Information Theory की स्थापना की। उनके अनुसार Information = Reduction in Uncertainty (अनिश्चितता में कमी)। उन्होंने Bit (Binary Digit) को सूचना की मूल इकाई बताया। Shannon-Weaver Model — Communication का प्रथम Mathematical Model।

UGC NET TipShannon की Information Theory — Information Entropy = -Σ p(x) log p(x)। परीक्षा में यह सिद्धांत Unit 1 (Information) और Unit 1.5 (Communication) दोनों में महत्वपूर्ण है।

🏢

अन्य महत्वपूर्ण विद्वान

DIKW से संबंधित प्रमुख योगदान

📚 विद्वान और योगदान

• Harlan Cleveland (1982) — "Information as a Resource"
• Nonaka & Takeuchi — Explicit vs Tacit, SECI Model
• Norbert Wiener — Cybernetics, Information as Message
• T.S. Eliot (1934) — DIKW का काव्यात्मक उल्लेख (Chorus)
• Peter Drucker — Knowledge Worker, Knowledge Economy

📖 महत्वपूर्ण ग्रंथ

• Ackoff — "From Data to Wisdom" (1989)
• Shannon & Weaver — "Mathematical Theory of Communication" (1949)
• Nonaka & Takeuchi — "The Knowledge Creating Company" (1995)
• Cleveland — "Information as a Resource" (1982)
• Drucker — "Post-Capitalist Society" (1993)

7. तुलनात्मक तालिका — DIKW Comparison

← स्क्रॉल करें →

पहलू	D — Data (डेटा)	I — Information (सूचना)	K — Knowledge (ज्ञान)	W — Wisdom (विवेक)
हिंदी नाम	आँकड़े / डेटा	सूचना / जानकारी	ज्ञान	विवेक / प्रज्ञा
परिभाषा	Raw, Unprocessed Facts	Processed Data with Context	Applied Information + Experience	Knowledge + Ethics + Foresight
Ackoff अनुसार	Symbols	Meaningful Data	Application	Ethical Judgment
मुख्य प्रश्न	"What is?" (क्या है?)	Who? What? When? Where?	"How?" (कैसे?)	"Why?" (क्यों / किस लिए?)
संदर्भ	Context-free (संदर्भहीन)	Contextual (संदर्भयुक्त)	Experiential (अनुभव-आधारित)	Value-laden (मूल्य-आधारित)
स्वरूप	Numbers, Symbols	Messages, Reports	Skills, Understanding	Judgment, Ethics
उदाहरण	38°C, 1.9 करोड़	"दिल्ली 38°C, दिल्ली जनसंख्या 1.9 करोड़"	Doctor रोग पहचाने (Clinical Knowledge)	National Health Policy बनाना
Library उदाहरण	Book Accession Numbers	Library Catalogue Entry	Cataloguing & Classification Skill	National Library Policy
मात्रा	सर्वाधिक (Most)	अधिक	मध्यम	सबसे कम (Least)
मूल्य	सबसे कम (Least)	अधिक	उच्च	सर्वाधिक (Most)
Transfer	आसान	आसान	मध्यम कठिन	बहुत कठिन

8. DIKW का रूपांतरण — Transformation Process

Data से Wisdom तक की यात्रा एक क्रमिक रूपांतरण प्रक्रिया है। प्रत्येक चरण में कुछ अतिरिक्त तत्व जुड़ते हैं:

रूपांतरण सूत्र Data + Context + Meaning → Information
Information + Experience + Understanding → Knowledge
Knowledge + Ethics + Foresight + Values → Wisdom

8.1 Library Science में DIKW का व्यावहारिक उपयोग

← स्क्रॉल करें →

DIKW Level	Library में उदाहरण	Library Activity	Tool / System
Data	Accession Numbers, ISBN, Call Numbers	Data Entry in Library Software	SOUL, Koha
Information	Catalogue Entry, Bibliographic Record	Cataloguing & Classification	MARC 21, AACR2
Knowledge	Reference Service, User Advisory	Reader's Advisory, Research Help	Reference Databases
Wisdom	Collection Development Policy	Library Planning & Evaluation	TQM, SWOT Analysis

भारतीय संदर्भ National Knowledge Commission (NKC) 2005–2009: भारत सरकार ने Knowledge Economy के लिए NKC की स्थापना की। इसका उद्देश्य था भारत में Data से Knowledge तक की प्रक्रिया को सुदृढ़ करना — Libraries, Education और Research को मजबूत बनाकर। यह DIKW Hierarchy का राष्ट्रीय स्तर पर अनुप्रयोग है।

8.2 DIKW और Knowledge Society

आज का युग Knowledge Society (ज्ञान समाज) या Information Society (सूचना समाज) कहलाता है। इसमें DIKW के सभी स्तर महत्वपूर्ण हैं:

• Data Economy — Big Data, IoT, Digital Transactions (हर स्तर पर Data उत्पन्न होता है)
• Information Society — Internet, Social Media, Mass Communication
• Knowledge Economy — Universities, R&D Centers, Think Tanks, Libraries
• Wisdom Governance — Policy Making, Ethical AI, Sustainable Development Goals

📋 परीक्षा के लिए महत्वपूर्ण बिंदु (UGC NET Important Points)

• DIKW का पूर्ण रूप: Data → Information → Knowledge → Wisdom — यह क्रम परीक्षा में अनिवार्य रूप से पूछा जाता है।
• Russell Ackoff (1989) ने "From Data to Wisdom" में DIKW को व्यवस्थित Framework दिया। Data = Symbols, Information = Meaningful Data, Knowledge = Application, Wisdom = Ethical Judgment।
• Claude Shannon (1948) — Information Theory: Information = Reduction in Uncertainty। "A Mathematical Theory of Communication" — Shannon-Weaver Model।
• Explicit Knowledge vs Tacit Knowledge — Nonaka & Takeuchi का SECI Model (Socialization, Externalization, Combination, Internalization)।
• Data = Context-free, Most in Quantity, Least in Value। Wisdom = Value-laden, Least in Quantity, Most in Value।
• Information के गुण: Accuracy, Timeliness, Relevance, Completeness, Reliability, Accessibility।
• Harlan Cleveland (1982) — "Information as a Resource": Data = Raw Material of Information।
• Peter Drucker — Knowledge Worker, Knowledge Economy अवधारणा दी।
• Library में DIKW: Data = Accession No. → Information = Catalogue Entry → Knowledge = Reference Service → Wisdom = Collection Policy।
• National Knowledge Commission (NKC) 2005 — भारत सरकार का Knowledge Society के लिए प्रयास; इसी Topic से सीधे जुड़ा है।

DIKW (Data-Information-Knowledge-Wisdom) Hierarchy Library & Information Science का वह आधारभूत सिद्धांत है जो बताता है कि सूचना का मूल्य केवल उसकी मात्रा में नहीं, बल्कि उसके उपयोग में है। Data की विशाल मात्रा तब तक निरर्थक है जब तक वह संदर्भ और अर्थ के साथ Information न बने; Information तब तक अधूरी है जब तक अनुभव से Knowledge न बने; और Knowledge तब तक अपूर्ण है जब तक नैतिकता और विवेक से Wisdom न बने।

UGC NET परीक्षा में इस Topic से Russell Ackoff के Framework, Claude Shannon की Information Theory, Explicit vs Tacit Knowledge, DIKW के उदाहरण और Library में DIKW का व्यावहारिक उपयोग नियमित रूप से पूछा जाता है।

एक Library Scientist की भूमिका DIKW के प्रत्येक स्तर पर है — Data को Catalogue करना, Information प्रदान करना, Knowledge का प्रसार करना और Wisdom से National Information Policy बनाना।

10. DKIW FAQs — अक्सर पूछे जाने वाले प्रश्न

Q1. DIKW क्या है और इसका पूर्ण रूप क्या है?+

DIKW का पूर्ण रूप है — Data (डेटा), Information (सूचना), Knowledge (ज्ञान) और Wisdom (विवेक)। यह एक Hierarchy (क्रमानुक्रम) है जिसे "Knowledge Pyramid" या "Knowledge Hierarchy" भी कहते हैं। Russell Ackoff ने 1989 में इसे व्यवस्थित Framework दिया। यह बताता है कि कच्चे Data से कैसे क्रमशः Information, Knowledge और अंततः Wisdom उत्पन्न होती है।

Q2. Data और Information में मुख्य अंतर क्या है?+

Data असंसाधित (Raw), संदर्भहीन (Context-free) तथ्य और आँकड़े हैं जिनका स्वयं कोई विशेष अर्थ नहीं होता। उदाहरण: "38°C" एक Data है। Information वह संसाधित और संदर्भयुक्त Data है जिसका स्पष्ट अर्थ होता है। उदाहरण: "दिल्ली में आज का तापमान 38°C है" — यह Information है क्योंकि इसमें Context (दिल्ली, आज) जुड़ा है। Data + Context + Meaning = Information।

Q3. Russell Ackoff का DIKW में क्या योगदान है?+

Russell Ackoff (1919–2009) अमेरिकी Systems Theorist ने 1989 में "From Data to Wisdom" नामक लेख में DIKW को व्यवस्थित Framework दिया। उन्होंने 5 श्रेणियाँ बताईं: Data = Symbols, Information = Data with Meaning, Knowledge = Application of Information, Understanding = Appreciation of Why, Wisdom = Ethical Judgment। प्रत्येक स्तर एक प्रश्न का उत्तर देता है: Data = "What is?", Information = "Who/What/When/Where?", Knowledge = "How?", Wisdom = "Why/What for?"।

Q4. Claude Shannon का Information Theory में क्या योगदान है?+

Claude Shannon (1916–2001) को "Father of Information Theory" कहा जाता है। उन्होंने 1948 में "A Mathematical Theory of Communication" प्रकाशित की। Shannon के अनुसार Information = Reduction in Uncertainty (अनिश्चितता में कमी)। उन्होंने Bit (Binary Digit) को सूचना की मूल इकाई बताया। Shannon-Weaver Communication Model (Source, Transmitter, Channel, Receiver, Destination) Library Science में Communication के आधारभूत Model के रूप में जाना जाता है।

Q5. Explicit Knowledge और Tacit Knowledge में क्या अंतर है?+

Nonaka & Takeuchi के अनुसार — Explicit Knowledge वह है जिसे Documents, Books, Manuals में लिखा जा सकता है और आसानी से Share किया जा सकता है। जैसे: DDC Classification Rules, Library Procedures। Tacit Knowledge व्यक्ति के मन और अनुभव में छिपा होता है — इसे Codify करना कठिन है। जैसे: अनुभवी Librarian की Reference Interview Skill। SECI Model (Socialization, Externalization, Combination, Internalization) Tacit को Explicit में बदलने की प्रक्रिया बताता है।

Q6. Wisdom DIKW का सर्वोच्च स्तर क्यों है?+

Wisdom DIKW का सर्वोच्च स्तर है क्योंकि यह केवल ज्ञान का उपयोग नहीं बल्कि उसे नैतिकता, दूरदर्शिता और मूल्यों के साथ सही कार्य के लिए उपयोग करने की क्षमता है। Wisdom "Why?" और "What for?" प्रश्न का उत्तर देती है। यह केवल अनुभव से आती है — पुस्तकों से नहीं। Library Science में Wisdom = National Library Policy बनाना, Open Access vs Copyright में नैतिक संतुलन स्थापित करना।

Q7. DIKW Hierarchy में ऊपर जाने पर मात्रा और मूल्य पर क्या प्रभाव पड़ता है?+

DIKW Pyramid में ऊपर जाने पर (Data → Wisdom) — मात्रा (Quantity) घटती जाती है परंतु मूल्य (Value) और उपयोगिता (Utility) बढ़ती जाती है। Data सर्वाधिक मात्रा में होता है परंतु सबसे कम मूल्यवान होता है। Wisdom सबसे कम मात्रा में होती है परंतु सर्वाधिक मूल्यवान होती है। Data concrete (ठोस) है, Wisdom abstract (अमूर्त) है।

Q8. National Knowledge Commission (NKC) क्या है और DIKW से कैसे जुड़ा है?+

National Knowledge Commission (NKC) भारत सरकार ने 2005 में PM Manmohan Singh के नेतृत्व में गठित की (अध्यक्ष: Sam Pitroda)। इसका उद्देश्य था भारत को Knowledge Economy (ज्ञान अर्थव्यवस्था) में परिणत करना — Libraries को मजबूत करना, Open Access बढ़ाना, Education में Reform करना। DIKW से संबंध: NKC Data को Information में, Information को Knowledge में बदलने की राष्ट्रीय व्यवस्था बनाने के लिए कार्य करती है।

Q9. Library Science में DIKW का व्यावहारिक उपयोग क्या है?+

Library Science में DIKW का व्यावहारिक उपयोग: Data = Accession Numbers, ISBN, Barcode (OPAC में Data Entry) → Information = Catalogue Entries, Bibliographic Records (MARC 21, AACR2) → Knowledge = Reference Service, Reader's Advisory, Research Assistance (Subject Knowledge) → Wisdom = Collection Development Policy, National Library Policy, Information Ethics (Open Access vs Copyright Balance)। एक पूर्ण Librarian DIKW के प्रत्येक स्तर पर कार्य करता है।

Q10. Information के कौन से गुण (Properties) परीक्षा में महत्वपूर्ण हैं?+

अच्छी Information के 6 प्रमुख गुण हैं: (1) Accuracy (सटीकता) — सही और त्रुटिमुक्त, (2) Timeliness (समयोचितता) — सही समय पर उपलब्ध, (3) Relevance (प्रासंगिकता) — उपयोगकर्ता की आवश्यकता के अनुसार, (4) Completeness (पूर्णता) — सम्पूर्ण जानकारी, (5) Reliability (विश्वसनीयता) — विश्वसनीय स्रोत से, (6) Accessibility (सुगमता) — आसानी से उपलब्ध। Library का मुख्य कार्य इन गुणों से युक्त Information उपयोगकर्ता तक पहुँचाना है।

🔗 संबंधित विषय — Topics Suggestions

🔄 सूचना जीवन चक्र — DIKW का अगला चरण (Unit 1.2)📡 Communication Models — Shannon-Weaver (Unit 1.5)🌐 Information Society & Knowledge Society (Unit 1.4)🧩 Knowledge Management — SECI Model (Unit 6.9)