مکانیک آماری

مکانیک آماری، یکی از مباحث مطرح در فیزیک است که به سیستم‌هایی با تعداد متغیرهای بسیار زیاد می‌پردازد. این متغیرها می‌توانند ذراتی چون اتم‌ها، مولکول‌ها، یا ذرات بنیادی باشند که تعداد آن‌ها می‌تواند هم‌مرتبه با عدد آووگادرو باشد.





در این مبحث، با استفاده از خاصیتهای میکروسکوپی این ذرات مانند ساختار اتمی و برهمکنش بین آن‌ها، اطلاعاتی در مورد خواص ماکروسکوپی سیستم مانند فشار، انتروپی و انرژی آزاد گیبس، از طریق محاسبات و روش‌های آماری به دست می‌آید. مثلاً معادله‌های حالت در ترمودینامیک توسط مدل‌های میکروسکوپی-آماری مشتق می‌شوند.

مکانیک آماری شکوفایی خود را قبل از همه، مدیون دانشمندان کلاسیکی نظیر لودویگ بولتزمان، جوسایا ویلارد گیبز و جیمز کلرک ماکسول می‌باشد.





میانه‌ها و شاخص‌های آماری
میانه‌ها وشاخص‌های آماری ترتیبی

iامین شاخص آمار ترتیبی یک مجموعه n عضوی، iامین عضو کوچک است. به عنوان مثال، مینیمم یک مجموعه از اعضا، اولین شاخص آمار ترتیبی (i=۱)است و ماکزیمم، nامین شاخص آمار ترتیبی (i=n)است. میانه، به طور غیر رسمی، نقطهٔ میانی مجموعه‌است. هنگامی که n فرد است، میانه منحصر به فرد است که در i=(n+۱)/۲ رخ می‌دهد. وقتی n زوج است، دو میانه وجود دارند که در i=n/۲ و i=n/۲+۱ رخ می‌دهند. این مقاله انتخاب iامین شاخص آمار ترتیبی از یک مجموعه با n عضو مجزا را بیان می‌کند. مسئله انتخاب می‌تواند به طور رسمی به شکل زیر تعیین شود: ورودی: مجموعه A با n عدد(مجزا) و عدد i، که i بزرگتر یا مساوی ۱ و کوچکتر یا مساوی با n است. خروجی: عضو x در A که بزرگتر از دقیقا i-۱ عضو دیگر A می‌باشد. مسئله انتخاب می‌تواند در زمان (O(nlgn حل شود، چون می‌توانیم اعداد را با استفاده از مرتب سازی دودویی (heap sort) یا مرتب سازی ادغام مرتب کنیم و سپس به سادگی iامین عنصر در آرایه خروجی را مشخص کنیم اما الگوریتم‌های سریع تری وجود دارند. ابتدا مسئله انتخاب مینمم و ماکزیمم یک مجموعه از اعضا را بررسی می‌کنیم. مسئله جالب تر، مسئله انتخاب کلی است، که دردوقسمت بررسی می‌شود.قسمت اول یک الگوریتم عملی را تحلیل می‌کند که در حالت میانگین به زمان اجرای (O(n می‌رسد. قسمت بعد یک الگوریتم است که جنبه‌های نظری بیشتری داشته و در بدترین حالت به زمان اجرای (O(n می‌رسد.






مینیمم و ماکزیمم

چه تعداد مقایسه برای تعیین یک مجموعه n عضوی لازم است؟ می‌توانیم به سادگی به حد بالای n-۱ برای مقایسه‌ها برسیم: هر عضو مجموعه را به ترتیب بررسی کرده و کوچکترین عضوی که تا کنون دیده شده‌است را نگه می‌داریم. در روال زیر، فرض می‌کنیم مجموعه در آرایه A قرار دارد، که طول آرایه n است. قطعا یافتن ماکزیمم می‌تواند با n-۱ مقایسه نیز انجام شود. آیا این بهترین کاری است که می‌توانیم انجام دهیم؟ بله، چون می‌توانیم به حد پایین n-۱ برا مقایسه‌ها برای مینممم برسیم. الگوریتم را در نظر بگیرید که مینیمم را به صورت مسابقه‌ای بین عناصر تعیین می‌کند. هر مقایسه یک بازی در مسابقه‌است که در آن عنصر کوچکتر از میان دو عنصر، برنده می‌شود. نگرش اصلی این است که هر عنصر به جز برنده باید حداقل یک بازی را ببازد. از این رو n-۱ مقایسه برای تعیین مینیمم لازم است.






مینیمم و ماکزیمم هم زمان

در برخی کاربردها، باید هم مینیمم و هم ماکزیمم یک مجموعه از n عضو را پیدا کنیم. ارائه الگوریتمی که بتواند هم مینیمم و هم ماکزیمم n عضو را با استفاده از (θ(nمقایسه، که به طور مجانبی بهینه‌است، پیدا کند سخت نیست. به سادگی مینیمم و ماکزیمم را به طور مستقل، با استفاده از n-۱ مقایسه برای هر یک پیدا می‌کند، که در کل ۲n-۲ مقایسه انجام می‌دهد. در حقیقت، حداکثر ۳n/۲ مقایسه برای پیدا کردن مینیمم و ماکزیمم کافی است. استراتژی این است که اعضای مینیمم و ماکزیمم را که تا این جا دیده شده‌اند نگه داریم. به جای این که هر عضو ورودی را با مقایسه با مینیمم و ماکزیمم فعلی پردازش کنیم، که هزینه ۲ مقایسه برای هر عضو را صرف می‌کند، اعضا را جفت به جفت مقایسه می‌کنیم. ابتدا جفت عضوها را از ورودی با یکدیگر مقایسه می‌کنیم و سپس عضو کوچکتر را با مینیمم جاری و عضو بزرگتر را با ماکزیمم جاری مقایسه می‌کنیم که هزینه ۳ مقایسه برای هر دو عضو را موجب می‌شود.






انتخاب در زمان خطی مورد انتظار

مسئله انتخاب کلی نسبت به مسئله پیدا کردن یک مینیمم سخت تر به نظر می‌آیدو هم چنان که به صورت شگفت آوری زمان اجرای مجانبی هر دو مسئله یکی است: (θ(n.در این بخش یک الگوریتم تقسیم و حل را برای مسئله انتخاب ارائه می دهیم. الگوریتم Randomized-Select بعد از الگوریتم مرتب سازی سریع مدل می‌شود. همانند مرتب سازی سریع ایده آن است که آرایه ورودی را به طور بازگشتی تقسیم کنیم. ولی برخلاف مرتب سازی سریع که هر دو طرف تقسیم بندی را به صورت بازگشتی پردازش می‌کند، Randomized-Select فقط روی یک طرف تقسیم بندی عمل می‌کند. این تفاوت در تحلیل آشکار می‌شود. در حالی که زمان اجرای مورد انتظار مرتب سازی سریع (θ(nlgn است، زمان مورد انتظار این الگوریتم (θ(nاست. Randomized-Select از روال Randomized-Partition که در بخش مرتب سازی سریع معرفی شد استفاده می‌کند.






انتخاب در بدترین حالت زمان خطی

اکنون الگوریتمی را بررسی می کنیم که زمان اجرای آن در بدترین حالت (O(nاست. مانند Randomized-Select، الگوریتم Select عنصر مورد نظر را با تقسیم بندی بازگشتی آرایه ورودی پیدا می‌کند. اما ایده‌ای که پشت این الگوریتم وجود دارد، این است که یک قسمت خوب را در هنگامی که آرایه تقسیم می‌شود تضمین می‌کند. Select از الگوریتم تقسیم بندی قطعی Partition مربوط به مرتب سازی سریع استفاده می‌کند که طوری تغییر یافته است که عنصری که تقسیم بندی حول آن انجام می‌شود را به عنوان پارامتر ورودی بگیرد. این الگوریتم iامین عنصر کوچک از آرایه ورودی با n>1 عنصر را با اجرای مراحل زیر تعیین می‌کند.(اگر n=1باشد آن گاه Select به طور مطلق، تنها ورودیش را به عنوان iامین عنصر کوچک برمی گرداند.)

n عنصرآرایه ورودی را بهn/5 گروه 5 عنصری تقسیم کنید و حداکثر یک گروه از n mod 5 عنصر باقیمانده ساخته می‌شود.
میانه هر یک از n/5گروه را ابتدا با مرتب ساز درجی عناصر هر گروه (که حداکثر 5 عنصر در هر یک وجود دارد)و سپس انتخاب میانه از لیست مرتب شده عناصر گروه پیدا کنید.
از Select به صورت بازگشتی برای پیدا کردن میانه x از n/5میانه‌ای که در مرحله 2 پیدا شدند استفاده کنید.
آرایه ورودی را حول میانهٔ میانه‌ها (یعنی x)با استفاده از نسخه تغییر یافته Partition تقسیم کنید. فرض کنید k یک واحد بیشتر از تعداد عناصر در طرف کم تر تقسیم بندی باشد، بنابراین k، x امین عنصر کوچک است و n-k عنصر در طرف بیشتر تقسیم بندی موجود است.
اگر i=k باشد، x را برگردانید در غیر این صورت اگر i<k باشد از Select به صورت بازگشتی برای پیدا کردن iامین عنصر کوچک در طرف کم تر استفاده کرده یا اگر i>k باشد، از آن برای پیدا کردن (i-k)امین عنصر کوچک در طرف بیشتر استفاده کنید.

برای تحلیل زمان اجرای Select، ابتدا یک حد پایین روی تعداد عناصر بزرگتر از عنصر تقسیم کنندهٔ x تعیین می کنیم. حداقل نصفی از میانه‌های پیدا شده در مرحله 2 بزرگتر از x یعنی میانهٔ میانه‌ها هستند. بنابراین در حداقل نصف n/5گروه، 3 عنصر وجود دارند که از x بزرگترند، به جز برای گروهی که اگر5 به n قابل قسمت نباشد، کم تر از 5 عنصر دارد و گروهی که خود شامل x است. با منظور نکردن این دو گروه ثابت می‌شود که تعداد عناصر بزرگتر از x حداقل برابر است با

3(2-1/2n/5)

که این عبارت بزرگتر یا مساوی با 3n/10-6 است. به طور مشابه عناصری که کوچک تر از x هستند حداقل 3n/10-6 است. بنابراین در بدترین حالت، Select برای حداکثر 7n/10+6 عنصر در مرحلهٔ 5 به طور بازگشتی فراخوانی می‌شود.





توان آماری

توان یک آزمون آماری احتمال رد کردن فرض صفر اشتباه می‌باشد (احتمال آنکه تست آماری مرتکب خطای نوع دوم نشود). هر چه توان یک تست بیشتر باشد احتمال وقوع خطای نوع دوم کمتر خواهد بود.

محققان همیشه نگران این بوده اند که نکند فرضیه صفر را رد کنند در حالی که در واقع درست بوده است (تست آماری مرتکب خطای نوع یک شود) یا اینکه نتوانند فرضیه صفر را رد کنند در حالی که این روش های استفاده شده بوده اند که اثری واقعی داشته‌اند (تست آماری مرتکب خطای نوع دو شود). توان آماری یک تست، احتمال آن است که منجر به این میشود که شما فرضیه صفر را رد کنید وقتی فرضیه در واقع غلط است. چون بیشتر تست های امری در شرایطی انجام میشوند که عامل اصلی(treatment)، حداقل کمی اثر روی نتیجه دارد، توان آماری به صورت احتمال اینکه آن تست "منجر به نتیجه گیری درستی در مورد فرضیه صفر میشود"، تعبیر میشود.

توان یک تست آماری عبارت است از: یک، منهای احتمال ایجاد خطای نوع دو. یا به عبارتی، احتمال اینکه شما از خطای نوع دو دوری میکنید.

در مطالعات با توان آماری بالا، خیلی کم پیش میاید که در تشخیص اثرات تمرین اشتباه کنند.

توان یک تست آماری، شامل عملکردِ: حساسیت، اندازه اثر در جمیعت آماری، و استاندارد های استفاده شده برای اندازه گیری فرضیه آماری است. - ساده ترین راه برای افزایش حساسیت یک تحقیق، افزایش تعداد آزمودنی هاست. - در مورد استاندارد، ساده تر آن است که فرضیه صفر را رد کنیم اگر سطح معناداری، ۰.۰۵ باشد تا ۰.۰۱ یا ۰.۰۰۱.

سه قدم برای تعین توان آماری: ۱- مشخص کردن حد، برای معنی دار بودن آماری. فرضیه چیست؟ سطح معناداری چقدر است؟

۲- حدس زدن اندازه اثر. انتظار دارد که درمان(treatment)، دارای اثری کم، زیاد، یا متوسط باشد؟





احتمالات

بطور ساده، احتمالات (به انگلیسی: Probability) به شانس وقوع یک حادثه گفته می‌شود.

احتمال معمولا مورد استفاده برای توصیف نگرش ذهن نسبت به گزاره هایی است که ما از حقیقت انها مطمئن نیستیم. گزاره های مورد نظر معمولا از فرم "آیا یک رویداد خاص رخ می دهد؟" و نگرش ذهن ما از فرم "چقدر اطمینان داریم که این رویداد رخ خواهد داد؟" است. میزان اطمینان ما، قابل توصیف به صورت عددی می باشد که این عدد مقداری بین 0 و 1 را گرفته و آن را احتمال می نا میم. هر چه احتمال یک رویداد بیشتر باشد، ما مطمئن تر خواهیم بود که آن رویداد رخ خواهد داد. درواقع میزان اطمینان ما از اینکه یک واقعه (تصادفی) اتفاق خواهد افتاد.






نظریهٔ احتمالات

نظریهٔ احتمالات به شاخه‌ای از ریاضیات گویند که با تحلیل وقایع تصادفی سروکار دارد.

مانند دیگر نظریه ها، نظریه احتمال نمایشی از مفاهیم احتمال به صورت شرایط صوری (فرمولی) است – شرایطی که می‌تواند به طور جدا از معنای خود در نظر گرفته شود. این فرمولبندی صوری توسط قوانین ریاضی و منطق دستکاری، ونتیجه های حاصله، تفسیر و یا دوباره به دامنه مسئله ترجمه می شوند.

حداقل دو تلاش موفق برای به بصورت فرمول دراوردن احتمال وجود دار : فرمولاسیون کولموگروف و فرمولاسیون کاکس. در فرمولاسیون کولموگروف (نگاه کنیدبه )، مجموعه ها به عنوان واقعه و احتمالات را به عنوان میزانی روی یک سری از مجموعه ها تفسیرمی کنند. در نظریه کاکس، احتمال به عنوان یک اصل (که هست، بدون تجزیه و تحلیل بیشتر) و تاکید بر روی ساخت یک انتساب سازگار از مقادیر احتمال برای گزاره ها است. در هر دو مورد، قوانین احتمال یکی هستند مگر برای جزئیات تکنیکی مربوط به آنها.

روشهای دیگری نیز برای کمی کردن میزان عدم قطعیت، مانند نظریه Dempster-Shafer theory یا possibility theory وجود دارد ، اما آن ها به طور اساسی با آنچه گفته شد، تفاوت دارند و با درک معمول از قوانین احتمال سازگار نیستند.






تاریخچه

مطالعه علمی احتمال، توسعه ای مدرن است. قمارنشان می دهد که علاقه به ایده های تعیین کمیت برای احتمالات به هزاران سال می رسد، اما توصیفات دقیق ریاضی خیلی دیرتر به وجود آمد. دلایلی البته وجود دارد که توسعه ریاضیات احتمالات را کند می کند. در حالی که بازی های شانس انگیزه ای برای مطالعه ریاضی احتمال بودند، اما مسائل اساسی هنوز هم تحت تاثیر خرافات قماربازان پوشیده می شود.

به گفته ریچارد جفری، "قبل از اواسط قرن هفدهم، اصطلاح ‘’ احتمالی’’ به معنای قابل تایید (تصویب) و در آن معنا چه برای عقیده افراد و چه برای عمل مورد استفاده بود. در واقع افکار یا اقدام احتمالی، رفتاری بود که مردم معقول درآن شرایط از خود نشان می دادند." البته به خصوص در زمینه های قانونی ،احتمالی (به انگلیسی: Probability) همچنین می تواند به گزاره ای که شواهد خوبی برای اثبات آن وجود دارد، اطلاق شود.

گذشته از کار ابتدایی توسط Girolamo Cardano در قرن 16 اصول احتمالات به مکاتبات پیر دو فرما و بلز پاسکال (1654). کریستین هویگنس (1657) اولین مدل شناخته شده علمی از این موضوع را داد. یاکوب برنولی ARS Conjectandi (منتشرشده پس ازمرگ،1713) و اصول شانس Abraham de Moivre (1718) این موضوع را به عنوان شاخه ای از ریاضیات مطرح می کند. برای تاریخچه ای از توسعه های اولیه مفهوم احتمال ریاضی، ظهور احتمال هک ایان و علم حدس جیمز فرانکلین را ببینید.

تئوری خطاها ممکن است از Roger Cotes's Opera Miscellanea (منتشرشده پس ازمرگ،1722) سرچشمه گرفته باشد، اما شرح حالی که توماس سیمپسون در سال 1755 آماده کرد(چاپ 1756)، برای اولین بار اعمال این نظریه به بحث در مورد خطاهای مشاهده است. چاپ مجدد (1757) این شرح حال نشان می دهد که خطاهای مثبت و منفی هر دو به یک اندازه قابل پیشبینی هستند، و با اختصاص برخی از محدودیت های معین، بازه ای برای تمام خطاها ارائه می دهد.سیمپسون همچنین در مورد خطاهای پیوسته بحث می کند و یک منحنی احتمال را توصیف می کند.

پیر سیمون لاپلاس(1774) برای اولین بار سعی دراستنتاج قانونی برای توصیف مشاهدات از نظر اصول تئوری احتمالات کرد. او قانون احتمال خطاها را با یک منحنی به صورت y = \phi(x), x ، x هر نوع خطا و y احتمال آن معرفی می کند و 3 خاصیت برای این منحنی وضع می کند:

نسبت به محور y متقارن است
محور x مجانب است، احتمال خطا در \infty صفر است
مساحت زیر نمودار آن برابر 1 است.

او همچنین، در سال 1781، یک فرمول برای قانون امکان خطا ( اصطلاحی که لاگرانژ سال 1774 مورد استفاده قرار داد) ارائه کرد، اما به معادلات منظمی منجر نشد.

به طور کلی پیدایش فنون و مفاهیم مربوط به احتمالات را باید به آغاز مدل‌سازی ریاضی و استخراج و اکتشاف دانش در زمینه‌های پیچیده تر علوم نسبت داد.






تفسیرها و تحلیل‌های مفاهیم احتمالات

کلمه احتمال تعریف مفرد مستقیم برای کاربرد عملی ندارد. در واقع، چندین دسته گسترده از تفسیر احتمال، که پیروان دارای دیدگاه های مختلف (و گاهی متضاد) در مورد ماهیت اساسی احتمال وجود دارد.

Frequentists
Subjectivists
Bayesians







کاربردها

نظریه احتمال در زندگی روزمره در ارزیابی ریسک و در تجارت در بازار کالاها اعمال می شود. دولت ها به طور معمول روش های احتمالاتی را در تنظیم محیط زیست اعمال می کنند، که آن را تجزیه و تحلیل مسیر می نامند. یک مثال خوب اثر احتمال هر گونه درگیری گسترده در خاورمیانه بر قیمت نفت است، که اثرات موج واری روی اقتصاد کل جهان می گذارد. ارزیابی که توسط یک معامله گر کالا زمانیکه احتمال جنگ بیشترباشد، در مقابل حالتی که احتمال کمتری دارد، قیمت ها را بالا و پایین می فرستد و معامله گران دیگر را نیز از نظرات خود آگاه می کند. در واقع، احتمالات (در تجارت) به طور مستقل ارزیابی نمی شوند و لزوما عقلانی نیستند. تئوری های رفتار مالی برای توصیف اثر فکر گروهی در قیمت گذاری ، در سیاست، و در صلح و درگیری ظهور کردند.

می توان گفت که کشف روش های جدی برای سنجش و ترکیب ارزیابی های احتمال، عمیقا جامعه مدرن را تحت تاثیر قرار داده است. مثلا اکثر شهروندان اهمیت بیشتری به اینکه چگونه ارزیابی های احتمال وشانس ساخته می شوند، می دهند واینکه تاثیر آنها در تصمیم گیری ها بزرگتر و به ویژه در دموکراسی چگونه است.

یکی دیگر از کاربردهای قابل توجه نظریه احتمال در زندگی روزمره، قابلیت اطمینان می باشد. بسیاری از محصولات مصرفی، از جمله خودروها و لوازم الکترونیکی مصرفی، در طراحی خود به منظور کاهش احتمال خرابی(شکست) از نظریه قابلیت اطمینان استفاده می کنند. تولید کننده با توجه به احتمال خرابی یک محصول، آنرا گارانتی می کند.






علوم اجتماعی

نقش پایه و اساس را برای بیشتر علوم اجتماعی داراست. آزمونهای آماری فواصل اطمینان شیوه‌های رگرسیون (پس رفت)





توزیع احتمال
در نظریه احتمال و آمار تابع توزیع احتمال بیانگر احتمال هر یک از مقادیر متغیر تصادفی (در مورد متغیر گسسته) و یا احتمال قرار گرفتن متغیر در یک بازه مشخص (در مورد متغیر تصادفی پیوسته) میباشد. توزیع تجمعی احتمال یک متغیر تصادفی تابعی است از دامنهٔ آن متغیر بر بازهٔ 0,1. به طوری که احتمال رخدادن پیشامدهای با مقدار عددی کمتر از آن را نمایش می‌دهد.





روش‌های آمارگیری
در آمار کاربردی، روش‌های آمارگیری روش‌هایی برای نمونه‌برداری از یک جامعه آماری هستند که به منظور بهبود میزان پاسخ و دقت پاسخ به آمارگیری تدوین می‌شوند. سنجه‌های اندازه‌گیری شده آماره نام دارند که به منظور استنباط آماری در مورد کل جامعه طراحی می‌شوند. گه‌گاه آماره‌هایی توصیفی نیز گردآوری می‌شوند. نظرسنجی‌ها، پرسشنامه‌ها، و سرشماری‌ها در مورد وضعیت سلامت یا بازار مثال‌هایی از آمارگیری هستند. آمارگیری ابزار مهمی برای تحقیق در مورد جنبه‌های مختلف جامعه است و اطلاعات مهمی را در اختیار می‌گذارد؛ از جمله زمینه‌هایی که آمارگیری در آن کاربر دارد به بازاریابی، روانشناسی، سلامت عمومی، و جامعه‌شناسی اشاره کرد.





داده

به طور کلی، می‌توان همهٔ دانسته‌ها، آگاهی‌ها، داشته‌ها، آمارها، شناسه‌ها، پیشینه‌ها و پنداشته‌ها را داده یا دیتا (به انگلیسی: Data) نامید. انسان برای ثبت و درک مشترک هر واقعیت و پدیده از نشانه‌های ویژهٔ آن بهره گرفته‌است.

انسان برای نمایاندن داده‌ها نخست از نگاره و در ادامهٔ سیر تکاملی آن از حروف، شماره‌ها و نشانه‌ها کمک گرفت. برای بازنمودن داده‌ها از این موارد کمکی یا ترکیبی از آن‌ها استفاده می‌شود
در رایانه

به اعداد، حروف و علائم که جهت درک و فهم مشترک از انسان‌ها یا رایانه سرچشمه می‌گیرند داده می‌گویند. داده‌ها معمولاً از سوی انسان‌ها بصورت حروف، اعداد، علائم و در رایانه به صورت نمادهایی (همان رمزهای صفر و یک) قراردادی ارائه می‌شوند. اصطلاح داده یک عبارت نسبی است یعنی اگر موجب درک و فهم لازم و کامل دراین مرحله شده‌است به عنوان آگاهی یا اطلاعات از آن نام می‌برند و چنانچه موجب درک و فهم کامل نگردد به عنوان همان داده به شمار می‌آیند و چون هدف نهایی آگاهی و اطلاعات است باید از سوی دست‌اندرکاران (انسان یا رایانه) دستکاری یا پردازش شوند. منظور از دستکاری یا پردازش داده‌ها انجام عملیاتی از قبیل جمع، تفریق، ضرب، تقسیم، مقایسه وغیره‌است.

داده‌ها مجموعه‌ای از نمادها (برای انسان حروف، اعداد، علائم و برای رایانه رمزهای صفر و یک) هستند که حقایق را نشان می‌دهند و برای انسان از طریق رسانه‌های وی (بینایی، شنوایی، چشایی، بویایی، بساوایی) و برای رایانه از طریق لوازم ویژه (صفحه کلید موس و غیره) به دست می‌آیند.

داده‌ها امروزه فقط از سوی انسان یا رایانه پردازش می‌شوند یعنی کارهایی روی آن‌ها صورت می‌گیرد. در پردازش داده‌ها (داده‌پردازی) در رایانه ابتدا داده‌ها به رایانه وارد می‌شوند. این داده‌ها درابتدا ذخیره شده و روی آن‌ها عملیاتی (جمع، تفریق، ضرب، تقسیم و...) صورت می‌گیرد. پس از این که این عملیات (پردازش) صورت گرفت معمولاً داده‌ها به یک رایانه دیگر یا دوباره به انسان‌ها منتقل می‌شود. در اغلب گزارش‌ها و یادداشت‌های سازمانی، داده‌ها به چشم می‌خورند. برای نمونه، تاریخ و مقدار یک صورت‌حساب یا چک، جزئیات فهرست حقوق، تعداد وسایل نقلیه‌ای که از نقطهٔ خاصی در کنار جاده گذشته‌اند،... نمونه‌هایی از داده‌ها هستند.
انواع داده‌ها از نظر ساخت‌یافتگی

داده‌های ساخت‌یافته
داده‌های نیمه‌ساخت‌یافته







داده‌های زمانی
در بسیاری از کاربردهای مبتنی بر داده‌ها و اطلاعات ذخیره‌سازی و بازیافت حالا ت و وضعیت‌های سیستم در طی زمان اهمیت می‌یابد.





قضاوت

قضاوت در بافت حقوقی ، به معنی کشف حقیقت در نزاع چند طرف که در نهایت به ارائه حکمی از سوی نهاد متصدی قضاوت و لازم الاجراء از سوی حکومت برای پایان دادن به اختلاف میان آنها منجر می شود .





بیانیه
بیانیه متنی است که یک شخص یا گروه از آن برای بیان اصول، عقاید و اهداف خود به عموم استفاده می‌کند. رسمیت بیانیه‌ها، با توجه به بیان‌کنندهٔ آن‌ها و مطالب بیان‌شده، به دو دستهٔ رسمی و غیررسمی طبقه‌بندی می‌گردد.





استدلال

استدلال، ترکیب قانون‌مند قضیه(های) معلوم برای رسیدن به قضیه(های) تازه است. در استدلال، ذهن بین چند قضیه، ارتباط برقرار می‌کند تا از پیوند آن‌ها، نتیجه زاده شود و به‌این‌ترتیب نسبتی مشکوک و مبهم به نسبتی یقینی تبدیل شود.






انواع استدلال

تمثیل

تمثیل سرایت دادن حکم یک موضوع به موضوع دیگر به دلیل مشابهت آن دو به یکدیگر است.







استقرا

استقرا نوعی استدلال است که در آن ذهن از جزء به کل سیر می‌کند. یعنی چند مورد جزئی را مشاهده می‌کند و سپس یک حکم کلی می‌دهد. مثلا در چند مورد آب را حرارت می‌دهیم و می‌بینیم که در صد درجه سلسیوس می‌جوشد و از این نتیجه می‌گیریم که هر آبی در صد درجه سلسیوس می‌جوشد.







قیاس (استنتاج)

اما وقتی ذهن از قضیه‌های کلّی به نتیجه‌های جزئی می‌رسد و به عبارت مختصرتر از کلّ به جز می‌آید، آن را قیاس می‌نامند. مثال:

«۱. سقراط انسان است.

۲. هر انسان فانی است.

۳. پس سقراط فانی است.»

در استدلال قیاسی از حداقل دو قضیهٔ درست، ضرورتا و بدون هیچ تردیدی قضیهٔ درست دیگری به نام نتیجه به دست می‌آید.





حقیقت
حقیقت مفهوم و اصطلاحی است برای اشاره به اصل هر چیز استفاده می‌شود.






واژه‌شناسی

واژه حقیقت وام‌واژه‌ای است که از واژه عربی حقیقة وارد فارسی شده‌است. معادل انگلیسی واژه حقیقت واژهٔ Truth می‌باشد.






تفاوت حقیقت و واقعیت

حقیقت شامل ذات هر چیزی بوده و غیر قابل تغییر است و به همین دلیل بر خلاف واقعیت امری است که لزوماً با برهان‌های علمی قابل اثبات نیست. در بسیاری موارد حقیقت ( به دلیل اینکه از دسترس انسان به حیطه ذات به دور است )به نوع نگرش افراد بستگی پیدا میکند. بطور مثال واقعیت و حقیقت واقعه کربلا را می‌توان به این دو صورت بیان کرد.

واقعیت: حسین و یارانش به سمت کوفه حرکت کردند، لشکریان یزید در محلی به نام کربلا بر آنها حمله کردند، و حسین کشته شد. و یزید پیروز این جنگ بود.

اما حقیقت می‌تواند این باشد:

در واقعه کربلا امام حسین و یاران با وفایش برای نجات دین اسلام تصمیم به هجرت به کوفه گرفتند. اما لشکریان یزید ملعون به آنان حمله کردند و در این واقعه امام حسین به شهادت رسید. و امام حسین توانست با نثار خون خود اسلام را زنده نگاه دارد و به حق او پیروز این میدان بود.


اگر در ریشهٔ واژگان حقیقت و واقعیت دقیق شویم، تفاوت‌هایی را مشاهده می‌کنیم. ریشهٔ کلمهٔ حقیقت، "حق" به معنای راستی و درستی است و ریشهٔ کلمهٔ واقعیت، "وَقَعَ" به معنای رویدادن و یا اتفاق افتادن است. حقیقت، اشاره به ماهیت راست و درست دارد و واقعیت اشاره به امور عینی و یا اموری که اتفاق می‌افتند.

یک نگرش افراطی حقیقت یک واقعه تاریخی را جز بیان عواطف و احساسات گوینده در رابطه با آن واقعه نمی‌داند و هدف آن جذب باور به حقیقت گفته شده است.






حقیقت و واقعیت در اندیشه‌های متفکران و فلاسفه

در یونان باستان، نوعی تفکر اسطوره‌ای نسبت به مقولهٔ حقیقت و واقعیت وجود داشته که طی سیر تحول به مذهب و باورهای مذهبی تبدیل شده است. این مساله در هر تمدن دیگری نیز مشاهده می‌شود. تمدن‌های بین‌النهرین، هند و چین همگی چنین سیر تحولی را طی کرده‌اند.

تفکر اسطوره‌ای، طی تکاملش به صورت مثالی افلاطونی رسید که گونه‌ای تفکر مذهبی است. در اندیشه‌های مذهبی مانند سه مذهب زرتشتیت، مسیحیت و اسلام تمایز و جدایی واقعیت مادی و حقیقت وجود دارد.

دیدگاه عرفاً پیرامون حقیقت و واقعیت، شکل متکامل تفکرات دینی است.

آراء و اندیشه‌های متفکرین دوران مدرن و همچنین تحولاتی که در نوع نگاه انسان‌ها در جامعهٔ مدرن نسبت به حقیقت حاصل شده، باعث شده است تا مسیر گسست از اندیشه‌های اسطوره‌ای به اندیشه‌های دینی در دوران مدرن دچار واگشت و یا تغییر مسیر شود. یعنی تمایز و گسست حقیقت و واقعیت دوباره به اتحاد آن دو منجر شده است. در اصل، ظهور رئالیسم جدید و همچنین اومانیسم مدرن، نمایانگر گونه‌ای بازگشت به اصول کلاسیک یونانیان است. بشر در دوران مدرن اعتقاد یافت که طی سالیان درازی، دچار خطا شده است، از این رو دوباره به تفکر یونانی رجعت کرد.

در اندیشه‌های ماتریالیست‌ها و مارکسیست‌ها از جمله فوئرباخ، مارکس و انگلس و پیروان آن‌ها، ماده‌گرایی که خود یکی از ثمرات مدرنیته است، نمایشگر رجعت انسان به یکی انگاشتن حقیقت و واقعیت است. با این تفاوت که از نگاه ماتریالیست‌ها، حقایق، قوانینی هستند که بر واقعیات حاکم‌اند. به طور مثال، نیروی محرکهٔ تاریخ که بر وقایع تاریخی احاطه دارد، حقیقتی دربارهٔ جهان و هستی است.

اندیشه‌های فردریش ویلهلم نیچه، فیلسوف نامدار آلمانی دربارهٔ حقیقت از اهمیت بسیار بالایی برخوردار است. چون او، نوع نگاه انسان به حقیقت را دگرگون کرد و با وهمی خواندن حقیقت، به تبیین یک نگاه کاملاً نسبی‌گرایانه پرداخت. نسبیت حقیقت که با نیچه آغاز شد در نهایت به مکاتب و تفکراتی از جمله هرمنوتیک، مکتب فرانکفورت و پست‌مدرنیسم منجر شد.

اندیشه‌های نسبی‌گرایانهٔ نیچه در باب حقیقت و واقعیت به شکلی رادیکال در آراء متفکران پست مدرنی چون ژان فرانسوا لیوتار، ژاک دریدا، ژیل دلوز، میشل فوکو و ژان بودریار دوباره مطرح شد.

طراح

طراح به کسی می‌گویند که طراحی می‌کند.بخش‌های اصلی طراحی شامل نقاشی، مجسمه سازی و معماری است که هنر‌های بزرگی هستند.

عامل اصلی طراحی حالات روحی روانی فرد است و یکی از عوامل مهم در پدید آمدن آن خط است . خط و حرکت دو پدیده ای هستند که همیشه با هم ایجاد می شوند و به هم مربوطند.هر گونه جلوه ی بصری که با خط ایجاد می شود به حالات روانی و فیزیکی طراح مربوط می شود .





حالات هیجانی طراح ،شادی و نشاط ، غم و تاثر،آرامش و ضعف و حتی دعا و نیایش .پس می توان نتیجه گرفت که خط وسیله ی ثبت و ضبط هیجانات درونی طراح و عکس العمل های او نسبت به جهان خارج است . مطلب دیگر اینکه دستگاه بینایی همه ی افراد مشابه است اما، ما طرحهای متنوعی از هنرمندان را مشاهده می کنیم که این امر ناشی از حالات روانی و سیستم عصبی هر فرد می باشد که دنیا را به نحوی خاص خود می بیند.


طراحی
طراحی به دانش ایجاد یک طرح یا نمایه از هر تصویر ذهنی یا واقعی گفته می‌شود.

در هنرهای تجسمی، طراحی یا به‌صورت یک اثر مستقل و یا به‌عنوان پیش‌ طرحی برای اثر اصلی انجام می‌شود که در این صورت طرح
مقدماتینیز خوانده می‌شود. طراحی به دو حوزهٔ کلی تقسیم می‌شود. یکی حوزهٔ drawing (رسم) است که شامل برداشت‌های شخصی یا تجربه‌های آزاد طراح از موضوعات گوناگون با بیان مستقل و به روش‌ های متنوع می‌باشد و دیگری حوزهٔ design (طراحی) است که شامل مراحل ترکیب عناصر بصری و فضا بر پایهٔ اصول طرح است و جنبهٔ کاربردی دارد، مانند رشته‌های طراحی صنعتی، طراحی معماری و طراحی لباس.نقشی که فقط با خط رسم شود و سایه‌روشن یا لکه‌های رنگی نداشته باشد طرح خطینامیده می‌شود. مهم‌ترین موضوع در طرح‌های خطی، خطوط پیرامونی اشیاء است.طراحی فنی و مهندسی با خط‌کش، پرگار، گونیا و ابزارهایی مانند آنها انجام می‌شود.



الگوی طراحی
الگوی طراحی مستنداتی هستند که از راه‌حل‌های موفق برای رده خاصی از مشکلات بوجود آمده و از آن‌ها در حل مسائل آتی استفاده می‌شود. در ابتدا یک مهندس معمار به نام کریستوفر الکساندر از الگوهای طراحی در زمینه کاری خود استفاده نمود، بعدها این ایده در زمینه‌های کاری دیگر نیز گسترش یافته و مخصوصا در برنامه‌نویسی بسیار پررنگ گردید.



الگوی طراحی در مهندسی نرم‌افزار

انواع الگوهای طراحی
در ابتدا چندین الگوی طراحی زیربنایی در زمینه مهندسی کامپیوتر مطرح گشت که تعداد آنها حدود ۲۰ عدد بود. ولی اکنون الگوهای طراحی به بیش از ۱۰۰ عدد رسیده به طوری که دیگر نمی‌توان تمامی آنها را در یکجا نام برد.

تعدادی از معروفترین الگوهای طراحی را در زیر نام می‌بریم:
الگوی طراحی آداپتور
الگوی طراحی دستور
الگوی طراحی پل
الگوی طراحی دکوراتور
الگوی طراحی کارخانه
الگوی طراحی وارونگی کنترل


هسته تفکری
با وجود اینکه تعداد الگوهای طراحی در طول زمان افزایش یافته و همچنان افزایش می‌یابد، تفکر اصلی‌ای که برروی تمامی آن‌ها سایه افکنده و مانند موتور محرکه برای الگوهای طراحیست دو قانون کلی مهندسی نرم‌افزار است:

پیاده‌سازی را از واسط برنامه(interface) جدا کنید.
هیچگاه پیاده‌سازی را استفاده نکرده بلکه تنها از واسط‌های برنامه استفاده کنید. همچنین عده‌ای بر این نظرند که الگوهای طراحی به دلیل مشکلاتی که نوع تفکر در یک زبان برنامه‌نویسی دارد بوجود آمده‌اند و اگر به طرز تفکری ایده‌آل در زمینه زبان‌های نرم‌افزاری برسیم دیگر نیازی نیست تا راه‌کارهایی غیرمعمول برای مشکلات استفاده کنیم.در هر حال تا رسیدن به آن نقطه آرمانی می‌توان از الگوهای طراحی برای حل مشکلات خاص استفاده نمود.



طراحی رایانه‌ای
طراحی رایانه‌اییا کَد، به انگلیسی (Computer Aided Design) به استفاده از فناوری رایانه در فرایند طراحی و مستندسازی طراحی گفته می‌شود.

امروزه بسیاری از مراحل طراحی قطعات و اجزاء مختلف توسط رایانه انجام می‌شود. بسیاری از قطعات تحت شرایط مختلف باید آزمایش شوند و اگر بخواهیم تحت آزمایش واقعی قرار دهیم مستلزم هزینه‌های بسیار زیاد می‌شود. با نرم‌افزارهای بسیار متنوع می‌توان این شبیه سازی را انجام داد.

نرم‌افزارهای طراحی رایانه‌ای، به نرم‌افزارهایی اطلاق می‌شود که کار ایجاد و ویرایش اشکال را به کمک رایانه انجام می‌دهند. امروزه بیش‌تر نرم‌افزارهای طراحی به کمک رایانه، نه تنها توانایی ایجاد و ویرایش نقشهٔ دوبعدی و سه‌بعدی قطعات را دارند، بلکه توانایی وارسی (تحلیل) قطعات از نظر مسائل تنش، گرما و مسائل مکانیکی با استفاده از روش المان محدود را دارند
.تمام رشته‌های مهندسی برای طراحی از نرم‌افزارهای مناسب خود استفاده می‌کنند. نرم‌افزارهای مورد استفاده در طراحی معماری و طراحی صنعتی اغلب نرم‌افزارهای گرافیکی هستند. از نرم‌افزارهای سه بعدی که بیشتر در طراحی معماری و طراحی صنعتی استفاده می‌شوند می‌توان به اتوکد، سالیدورکس، اینونتور، سالید اج و مکانیکال دسکتاپ اشاره کرد. علاوه بر این موارد، نرم‌افزارهای گرافیکی دو بعدی مانند فتوشاپ، کورل‌دراو و فری‌هند نیز بسیار پر کاربرد هستند. کتیا ، یونیگرافیکس و پرو/اینجینیر هم از بهترین نرم‌افزارهای گرافیکی مورد استفاده‌است که با امکان محاسبات پیچیده مهندسی از قبیل محاسبات تنشهای محوری وهزاران قابلیت حرفه‌ای دیگر به طراحان کمک کرده‌اند.



طراحی هوشمند

طراحی هوشمند (به انگلیسی: Intelligent design) یا آفرینش هوشمند، ایده‌ای است که هواداران آن معتقدند، بهترین توضیح برای جهان و موجودات زنده با فرض وجود علتی هوشمند محقق می‌شود، و جهان آن‌چنان ساده نیست که توسط طبیعت ساخته شود.

طرفداران این مدل می گویند می‌بایست وجودی هوشمند بر این جهان احاطه داشته باشد. آفرینش هوشمند بیانگر آن است که جهان تنها با تکامل شکل نگرفته است.

این مدل -که قرائت جدیدی از برهان نظم است- توسط گروهی از متفکران دارای صبغهٔ دانشگاهی پیش کشیده شده است. این متفکران عقیده دارند که شواهد تجربی علم زیست‌شناسی و نیز برهان‌های ریاضی موید ادعاهای آن‌هاست. آنها بر خلاف طرفداران سنتی آفرینش به وقوع تغییرات بسیار جزیی در موجودات در طول زمان‌های طولانی معتقدند و نیز به عمر طولانی حیات در کرهٔ زمین (و نه ۶۰۰۰ سال که در کتاب مقدس آمده) اذعان دارند.

اما آنچه که سبب شهرت سریع و گستردهٔ این نظریه شد، جنجال رسانه‌ای موافقان و مخالفان گنجاندن این نظریه در برنامهٔ درس علوم مدارس امریکا و سپس کشیده شدن این مسئله به دادگاه در سال ۲۰۰۵ بود.



نظریه‌پردازان
ویلیام دمبسکی و جان جونز از نظریه پردازان مشهور حوزهٔ آفرینش هوشمند هستند.از اصلی‌ترین کتبی که اخیراً در این خصوص نگاشته شده، می توان به امضا در سلول:DNA و شواهدی بر طراحی هوشمند، تالیف استفان مایر اشاره نمود.


استدلال ها
پیچیدگی‌های مشخص شده

این مفهوم که برای اولین بار توسط ویلیام دمبسکی ارایه شد، بر وجود دو خصیصه همزمان در دستگاه‌های کاینات تاکید می‌کند که به زعم مبدع آن- دمبسکی- نشانگر آفرینش جهان توسط طراح هوشمندی است. دمبسکی این دو خصیصه را اولاً وجود پیچیدگی و ثانیاً کاملاً مشخص بودن آن بر می‌شمرد.

او پیچیدگی را امری می‌داند که احتمال وقوع آن به خودی خود بسیار کم است و مشخص بودن آنرا در آن میداند که شما بتوانید آن امر را با توصیفاتی بسیار کوتاه، بطوری که برای همگان قابل فهم باشد مشخص کنید. به عنوان مثال‌هایی که هر دو این خصیصه را در خود دارند میتوان به دنباله طولانی‌ای از اعداد اول اشاره کرد که طولانی بودن آن نشانه پیچیدگی و اول بودن آن نشانه مشخص بودنش است، یا یک غزل از شکسپیر که از کنار هم قرار گرفتن بسیاری حروف الفبا تشکیل شده است که طولانی بودنش دلیلی بر پیچیدگی‌اش و با معنی بودنش نشانه‌ای از مشخص بودنش است.

دمبسکی می‌گوید که اگر شما یک گیرنده رادیویی برای دریافت امواج فضایی داشته باشید و روزی مثلاً امواجی به شکل دنباله اعداد اول را از فضا دریافت کنید مطمئناً ارسال کننده آنرا یک موجود هوشمند خواهید شمرد.



ثوابت فیزیکی تنظیم شده

نظریه‌پردازان آفرینش هوشمند استدلال می‌کنند که ثوابت فیزیکی جهان هستی به شکلی کاملاً دقیق تنظیم شده‌اند. به نحوی که اگر در مقادیرشان، کوچکترین تغییری وجود می‌داشت، حیات به شکل کنونی‌اش ابداً قابل شکل‌گیری نمی‌بود.

از جمله این ثوابت می‌شود ثابت کیهانشناختی، ثابت گرانش، ثابت ساختار ریز، سرعت نور، ثابت پلانک و برخی دیگر را نام برد .
پیچیدگی‌های غیر قابل فروکاست و اجزای مرتبط

بعضی دستگاه‌های دارای اجزای متعدد، دارای این ویژگی هستند که فقط و فقط در صورت وجود تک تک اجزای‌شان قادر به کار کردن هستند، به شکلی که شما نمی‌توانید یکی از اجزای آنها را از آنها جدا کرده و دستگاه کماکان قادر به کار کردن باشد. بعنوان مثال می‌توانید یک موتور خودرو را در نظر بگیرید که برای حرکت نیازمند تمامی اجزای خود است.

پیچیدگی‌های موجود در این دستگاه‌ها را اصطلاحاً پیچیدگی‌های کاهش‌ناپذیر می‌نامند. طرفداران نظریه آفرینش هوشمند معتقدند که دستگاه‌های دارای پیچیدگی‌های کاهش‌ناپذیر، نمی‌توانند از تکامل تدریجی و انتخاب طبیعی به وجود آمده باشند چرا که هر تغییر جزیی در آنها به قیمت از کار افتادنشان تمام می‌شود.

ریچارد داوکینز در پاسخ می‌نویسد:

«این پرسش‌ها که «نصف یک چشم به چه کار می‌آید؟» و یا «نصف یک بال به چه کار می‌آید؟» نمونه‌هایی از برهان «پیچیدگی فرونکاستنی» هستند. یک واحد کارکردی را هنگامی دارای پیچیدگی فرونکاستنی می‌دانیم که برداشتن یکی از اجزای آن واحد، موجب اختلال کلی در کارکرد آن شود. این برهان فرض می‌گیرد که چشم و بال پیچیدگی فرونکاستنی دارند. اما همین که یک لحظه بیندیشیم، بی درنگ مغالطه را درمی یابیم. اگر عدسی چشم یک بیمار مبتلا به آب مروارید را با جراحی برداریم، او دیگر بدون عینک نمی‌تواند تصاویر را به وضوح ببیند، اما آن قدر بینایی دارد که با درخت برخورد نکند و یا از صخره فرونیفتد. درست است که داشتن نصف بال، به خوبی داشتن یک بال کامل نیست، اما مسلماً از بال نداشتن بهتر است. موقع سقوط از درختی به ارتفاع معین، بال نصفه می‌تواند شدت ضربهٔ برخوردتان به زمین را تخفیف، و جان تان را نجات دهد. و اگر ۵۱ درصد از یک بال را داشته باشید، می‌توانید از درختی اندکی بلند تر بیافتید و باز زنده بمانید. هر کسری از بال را که داشته باشید، ارتفاعی هست که با داشتن آن بال، جان تان نجات می‌یابد، در حالی که اگر بال تان اندکی کوچک تر بود از آن ارتفاع معین جان بدر نمی‌بردید. این آزمایش فکری دربارهٔ سقوط از درخت‌هایی با ارتفاع‌های معین، یک شیوهٔ درک این مطلب است که، به لحاظ نظری، منحنی مزیت بال باید شیب ملایمی داشته باشد که از ۱ تا ۱۰۰ درصد امتداد می‌یابد. جنگل‌ها پر از جانوران هواسُر یا چَترباز هستند. این جانوران عملاً مراحل مختلف این شیب صعودی بال به قلهٔ محال را نشان می‌دهند.

اگر بخواهیم برای کاربرد چشم هم مثالی مشابه کاربرد بال‌های ناقص هنگام افتادن از درختان با ارتفاعات مختلف بزنیم، به راحتی می‌توانیم موقعیت‌هایی را تصور کنیم که در آنها نصف یک چشم، جان جانور را نجات می‌دهد، در حالی که ۴۹ درصد آن چشم چنین نمی‌کند. این شیب‌های ملایم تکاملی چشم را می‌توان در تغییرات شرایط نوری، و تغییرات فاصلهٔ تشخیص شکارچی – یا شکار– یافت. و درست مانند وضعیت بال‌ها و سطوح پروازی، حالت‌های میانی چشم هم نه تنها قابل تصور اند، بلکه در سراسر دنیای وحش فراوان اند. کِرم پَهن، چشمی دارد که با هر معیار معقولی، محقرتر از نصف چشم انسان است. حلزون دریایی ناوتیلوس چشمی دارد که در میانهٔ راه چشم کرم پَهن و چشم انسان است. برخلاف چشم کرِم پَهن که فقط نور و سایه را تشخیص می‌دهد، اما تصاویر را نمی‌تواند ببیند، چشم ناوتیلوس شبیه دوربینی بی عدسی است که می‌تواند یک تصویر حقیقی بسازد؛ اما تصویر آن در مقایسه با تصویر چشم ما تیره و تار است. هیچ آدم عاقلی نمی‌تواند انکار کند که چشم داشتن برای این جانور بی مهره و بسیاری جانواردان دیگر، بهتر از چشم نداشتن است و همگی این چشم‌ها در جایی روی این شیب پیوسته و ملایم به سوی قلهٔ محال جای می‌گیرند. بر روی این شیب، چشم ما نزدیک به یک قله‌است – هرچند نه مرتفع ترین قله، اما یکی از مرتفع ترین قله‌ها. در کتاب صعود به قلهٔ محال من یک فصل کامل را به چشم و یک فصل را نیز به بال اختصاص داده‌ام، و نشان داده‌ام که این دو به چه سادگی توانسته‌اند آهسته (وحتی شاید نه چندان آهسته) این مراتب صعودی را بپیمایند. در اینجا این موضوع را ختم می‌کنم .»


انتقاد نسبت‌به حوزه‌هایی که هنوز بی‌پاسخ‌اند
با پیشرفت زیست شناسی، منتقدان توجه خود را به سیستم‌های پیچیده سلولی مانند سیستم ایمنی و ساختارهای پیچیده مولکولی مانند موتور تاژک باکتری‌ها معطوف کردند. با اینکه شیوهٔ فرگشت پیچیده‌ترین سیستم‌های زیستی شناخته شده یا در دست تحقیق است.در مقابل مدافعان فرگشت، این انتقاد را نوعی مغالطه توسل به جهل می دانند.



واکنش‌ها و تاثیرات

انتقادات دانشمندان
بسیاری گفته اند که تا کنون، مبنای علمی چندان مستحکمی برای این مدل ارائه نشده است.دانشمندان از این مدل با عناوینی همچون junk science و semi science یاد می کنند؛ زیرا مبنای علمی ندارد.


دادگاه
در سپتامبر سال ۲۰۰۵، والدین ۱۱ دانش‌آموز مدرسه‌ای در منطقه داور در ایالت پنسیلوانیا از مسوولان مدرسهٔ منطقه‌ای داور بسبب گنجاندن نظریه آفرینش هوشمند در برنامه درسی دانش‌آموزان و تدریس آن به عنوان نظریه‌ای علمی در کنار نظریه تکامل شکایت کردند.

قاضی دادگاه فدرال، جان جونز، در نهایت مسوولان مدرسه داور را به علت تخلف از متمم اول قانون اساسی امریکا مجرم شناخت. دادگاه همچنین حکم به خارج کردن تدریس این نظریه از برنامه درس علوم دانش‌آموزان مدرسه داد.



طراحی وب

طراحی وب به مهارت ساخت و راه‌اندازی صفحات وب گفته می‌شود.

تیم برنرز لی، مخترع وب، با برپایی یک سایت وب در اوت ۱۹۹۱، نام خود را به عنوان نخستین سازندهٔ وب در تاریخ نگاشت. او در نخستین وب‌سایتش، از اَبَرمتن و پیوندی برای ایمیل (پست الکترونیک) استفاده کرده بود.

در آغاز، سایتهای وب با کُدهای ساده «اچ‌تی‌ام‌ال» نوشته می‌شدند، گونه‌ای از زبان کُدنویسی که ساختار ساده‌ای به وب‌گاه‌ها می‌داد، شامل سرتیتر و پاراگراف، و توانایی پیوند دادن به صفحه‌های وب دیگر، با اَبَرمتن. در مقایسه با روش‌های دیگر، این راه تازه و متفاوتی بود که کاربران به سادگی می‌توانستند با یک مرورگر، صفحه‌های پیوند خورده را باز کنند.


با پیشرفت وب و هنر طراحی آن، زبان کُد نویسی اش، اَبَرمتن یا اچ‌تی‌ام‌ال، پیچیده‌تر و پرانعطاف‌تر شد. ابزاری مانند جدول‌ها که بیشتر برای نمایش نمودارهای داده‌ای بودند، بزودی مورد استفاده نادرست، برای چیدمان‌های پنهان در صفحه‌های وب قرار گرفتند. با پیدایش الگوهای آبشاری وب یا «CSS»، روش نادرست طراحی با جدول‌های پنهان در صفحه از گردونه خارج، و بجای آن استفاده مناسب از زبان کمکی «CSS» جایگزین شد.

فناوری‌های یکپارچه سازی داده‌گاه‌ها (Database)، مانند زبان‌های کُدنویسی سمت سرور (Server-Side Scripting) مانند CGI، PHP، ASP.NET، ASP، JSP و ColdFusion، و استانداردهای طراحی مدرن با الگوها (CSS)، ساختار سایت‌های وب را باز هم تغییر داده و آنرا پیشرفته تر کرده اند.

همچنین با آمدن نگاره‌های جاندار و فناوری‌های پویانمایی به صفحه ها، مانند فلَش (Flash)، چهره وب بیشتر از پیش تغییر کرد و توانمندی‌های تازه به سازندگان رسانه و طراح‌های وب داده شد، و توانایی‌های بیشتر و کارایی‌ها تازه مرورگرها برای اچ‌تی‌ام‌ال.