1. Продемонстрирована
возможность применения АСК-анализа для синтеза операционного уровня САУ ФВЭУ и
эксплуатации системы в адаптивном режиме. Цель
САУ на операционном уровне дуальна: наиболее полное обеспечение как текущих,
так и будущих потребностей потребителя в электроэнергии. Это
обеспечивается выбором рационального режима
энергораспределения ФВЭУ: в условиях существующего или прогнозируемого дефицита
энергии осуществляется распределение нагрузки с учетом приоритетов; при избытке
вырабатываемой энергии осуществляется ее
накопление. В соответствии с предложенным подходом, на основе обучающей
выборки, представляющей собой экспертные оценки целесообразности выбора тех или
иных режимов энергораспределения в различных ситуациях, описанных факторами,
выявляются причинно-следственные взаимосвязи между факторами и выбором режимов
энергораспределения. Адаптивность обеспечивается тем, что в процессе
эксплуатации системы в качестве эксперта может выступать и сам пользователь,
т.е. обучающая выборка может пополняться его решениями, после чего
осуществляется адаптация или синтез новой модели. Размерность модели составила: 11 прогнозируемых состояний ФВЭУ, 11 градаций факторов, 40 прецедентов в обучающей
выборке, 531 факт.
2. Подробно описано решение ряда задач рефлексивной АСУ качеством
подготовки специалистов на основе данных по
абитуриентам и учащимся Краснодарского юридического института МВД России
(КЮИ МВД РФ) за 1995 – 2002 годы
(7-летний лонгитюд). В соответствии с типовой моделью РАСУ АО, предложена 2-х уровневая модель предметной
области. На 1-м уровне активным объектом управления являлся учащийся, который
характеризовался текущим состоянием и предысторией; управляющей системой
являлся педагогический процесс, а средой – образовательная среда вуза. На 2-м
уровне активным объектом управления был педагогический процесс и образовательная
среда вуза в целом, а также профессиональная среда. Учащийся рассматривался как
активный рефлексивный объект управления, имеющий собственные цели и мотивы их
достижения, а также модель окружающей среды, включая модель себя (адекватная и
неадекватная самооценка), а также модель учебной среды и управляющей системы.
Педагогический процесс рассматриваются как способ управления учащимися (управляющая
система). Были учтены все категории
факторов, влияющих на характеристики выпускника и молодого специалиста. Это факторы, характеризующие текущее
состояние учащегося и его предысторию, факторы педагогического процесса, другие
факторы образовательной и профессиональной среды. Цели АОУ в общем случае
не совпадают с целями управления. Управляющие воздействия на учащегося включают
коррекцию его целей и мотиваций в направлении, сближающим
их с целями управления, а также обучение, стимулирование и другие законные
воздействия на систему моделирования, целеполагания и принятия решений.
Осуществлен синтез семантической информационной модели,
отражающей информационные взаимосвязи между индивидуальными личностными
особенностями учащихся и их учебными и профессиональными достижениями. Размерность модели составила: 318 прогнозируемых состояний учащихся и
выпускников КЮИ МВД РФ, 129 градаций
факторов, 69 прецедентов в обучающей выборке, 76128 фактов. С помощью модели решены следующие задачи прогнозирования,
входящие в состав рефлексивной АСУ качеством подготовки специалистов: 1) поступление
в вуз; 2) успешность обучения в вузе по различным дисциплинам и циклам
дисциплин; 3) успешность окончания вуза; 4) причины отчисления; 5) успешность
профессиональной деятельности после окончания вуза; 5) продолжительность профессиональной
деятельности по специальности, полученной в вузе; 6) причины ухода из ОВД (средневзвешенная
достоверность прогнозирования составила 83%). Система "Эйдос", как
специальное программное средство (инструментарий интеллектуальной обработки
информации), продемонстрировала возможность решения задач выбора оптимальной
педагогической технологии для перевода учащегося из текущего состояния в заданное
целевое состояние. Технология применения системы "Эйдос",
разработанная автором для КЮИ МВД РФ, позволяет заблаговременно принимать
обоснованные решения о целесообразности обучения конкретных курсантов по тем
или иным специальностям. Перспективно применение данного инструментария и
технологии в адаптивном режиме на систематической основе на выборках
значительно большего и постоянно увеличивающегося объема по широкому спектру
специальностей, в том числе и на межвузовском и межведомственном уровне. Развитие данного направления исследований и разработок
целесообразно осуществить за счет включения в модель данных, характеризующих
динамику личностных свойств учащихся, т.е. путем учета данных, полученных в
процессе обучения, а не только перед его началом (как в проведенном
исследовании), а также путем более детального учета влияния педагогических
технологий, учебной, бытовой и профессиональной среды.
3. Прогнозирование развития одного из сегментов фондового рынка РФ
проведено в 1993-1998 (5-летний лонгитюд). При этом были применены оригинальные
авторские технологии и специальный программный инструментарий АСК-анализа (система
"Эйдос"), а также созданный программный интерфейс с биржевыми базами
данных (система "Эйдос-фонд"). Размерность
модели составила: 300 прогнозируемых ситуаций на фондовом рынке, 1500
градаций факторов, 1393 прецедента за 1992 по 1998 годы, 1765907 фактов.
Обнаружено, что ошибка прогнозирования курса Российского рубля по отношению к
доллару США является периодической величиной и сильно коррелирует с разбросом
точечных прогнозов: чем больше разброс точечных прогнозов, тем больше ошибка
средневзвешенного прогноза. Таким образом, разработанные
в данном исследовании методология и технология АСК-анализа позволяют прогнозировать
как развитие активного объекта, так и его переход в бифуркационное состояние.
Средневзвешенная достоверность прогнозирования составила около 87%.
4. Прогнозирование результатов и управление выращиванием
сельскохозяйственных культур выполнено в 1993-1996 годах на базе Кубанского
государственного аграрного университета. С помощью системы "Эйдос"
была сформирована семантическая информационная модель, обеспечивающая прогнозирование
результатов выращивания сельскохозяйственных культур и выработку
научно-обоснованных рекомендаций по управлению урожайностью и качеством
сельскохозяйственной продукции. Созданная модель включала:
объект управления (сельскохозяйственную культуру); классы (будущие состояния объекта
управления, т.е. количественные и качественные результаты выращивания); факторы
управляющей системы (агротехнологии, т.е. нормы высева, виды и нормы внесения
удобрений, методы вспашки, ротация севооборота и т.п.); факторы окружающей
среды (вид почв, культуры–предшественники по предшествующим годам и др.).
Размерность модели составила: 35
прогнозируемых результатов выращивания, 188 градаций факторов, 217 прецедентов
в обучающей выборке, 18594 факта. Для каждого технологического фактора
получена количественная информация о его влиянии на
осуществление всех желаемых и не желаемых хозяйственных ситуаций.
Кластерно-конструктивный анализ факторов показал, что некоторые различные по своей природе факторы имеют сходное влияние на
хозяйственные результаты. Эти факторы предложено использовать для замены друг друга в случае необходимости.
Проведено количественное сравнение различных хозяйственных ситуаций и
формирование групп наиболее сходных из них (кластеров), а также определены
кластеры, наиболее сильно отличаются друг от друга (конструкты). Получен конструкт
"качество–количество" показывающий, что для получения высокого
качества и большого количества продукции необходимы совершенно противоположные
и практически несовместимые (т.е. одновременно неосуществимые) агротехнологии,
почвы и предшественники.
В данном исследовании в
количественной форме были обнаружены как уже известные закономерности по
влиянию предшественников, почв, удобрений, способов вспашки и т.д. на
результаты выращивания сельхозкультур, так и новые, ранее неизвестные. Система
оценивает степень достоверности своих прогнозов и рекомендаций по управлению.
Внутренняя интегральная валидность модели составила около 83%, что достаточно
для практического применения. В то же время были выявлены некоторые слабо
детерминированные хозяйственные ситуации, которые наиболее сложно как вызывать,
так и достоверно прогнозировать.
Были решены две основные задачи: 1) прогнозирование хозяйственных
результатов с учетом видов почв, предшественников и применяемых агротехнологий;
2) разработка научно-обоснованных
рекомендаций по управлению выращиванием сельхозкультур, т.е.
консультирование аграриев по вопросам о том, какие виды почв, предшественники и
агротехнологии должны быть
использованы для достижения заранее заданного хозяйственного результата.
Приведенные примеры практического применения предложенной технологии и
инструментария, а также успешный опыт их применения в других предметных
областях, подтверждают правильность принятых научно-технических решений и их
пригодность для решения проблемы, поставленной в данной работе.
5. Приведенные численные примеры спешного практического применения предложенной технологии АСК-анализа в различных предметных областях подтверждают правильность принятых научно-технических решений и их адекватность для решения проблемы, поставленной в данной работе, т.е. обеспечивают синтез семантической информационной модели и устойчивое управление активными объектами как на детерминистских, так и бифуркационных этапах их развития за счет адаптации и синтеза модели в режиме реального времени непосредственно в процессе эксплуатации РАСУ АО.
6. В порядке обсуждения предлагается рассматривать автоматизированный системный анализ, структурированный до уровня базовых когнитивных операций системного анализа, как автоматизированный системно-когнитивный анализ (АСК-анализ).
7. На основе метода научной индукции обоснована возможность корректного
расширения области применения АСК-анализа.
8. Описаны перспективы
применения предложенных технологий АСК-анализа в следующих предметных областях:
– управление технологиями
– экономика;
– психология;
– социология и политология;
– маркетинговые, рекламные,
социально-психологические исследования;
– правоохранительная сфера;
– Internet (создание многоагентных распределенных систем
обнаружения, накопления и использования знаний по различным предметным
областям).
Приведены другие перспективные области. В частности отмечаются перспективные
применения для:
– атрибуции анонимных и псевдонимных текстов (реализовано в системе
"Эйдос");
– контент-анализа (реализовано в системе "Эйдос");
– синтеза интеллектуальных дескрипторных информационно-поисковых систем
с интерфейсом запросов на естественном языке (реализовано в системе
"Эйдос");
– идентификации и классификации изображений по их вербальным описаниям;
– формирования обобщенных фотороботов лиц по направлениям деятельности
и идентификации с ними;
– применения в области психографологии и дерматоглифики, и т.д..
Кроме того рассматриваются ограничения
предложенного варианта АСК-анализа и рассматриваются вопросы его развития
(путем преодоления указанных ограничений) с применением теории нечетких
множеств и неклассической логики. В частности выдвигается идея обобщения понятия конструкта путем введения
многополюсных конструктов.
9. Основной вывод, по результатам данной главы, состоит в том, что оправданным и обоснованным выглядит предположение об очень высокой универсальности предложенной методологии, технологии и специального программного инструментария АСК-анализа, о возможности его применения в самых различных предметных областях, в которых накапливаются факты и производятся их обобщение и анализ, а также выполняются другие операции, связанные с процессом познания, получившие в данном исследовании аббревиатуру БКОСА.