ГЛАВА 7. ОПЫТ И ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ АСК- АНАЛИЗА

В данной главе дан краткий обзор опыта использования предложенных технологий и подробные численные примеры их применения в четырех предметных областях: решение ряда задач управления качеством подготовки специалистов (на примере данных Краснодарского юридического института России, 7-летний лонгитюд); прогнозирование развития сегмента рынка (на примере фондового рынка доллара США, 5-летний лонгитюд); прогнозирование и управление урожайностью сельскохозяйственных культур; синтез системы автоматического управления (САУ) фотоветроэлектроэнергетическими установками (ФВЭУ). Рассмотрены перспективы развития и применения АСК-анализа в социально-экономических исследованиях и в ряде других областей.

7.1. КРАТКИЙ ОБЗОР ОПЫТА ПРИМЕНЕНИЯ АСК-АНАЛИЗА ДЛЯ ИССЛЕДОВАНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ

Впервые предложенная модель была практически применена автором в 1981 году для разработки оптимальной методики тестирования и диагностики специальных способностей в Краснодарской краевой секции биоэлектроники при НТОРЭС им.Попова. В данном исследовании была применена максимальная анкета, состоящая из 650 вопросов, обучающая выборка составляла 150 человек из которых около 40 по результатам независимых оценок обладали выраженными способностями к специальным видам деятельности. Было сформированы обобщенные образы двух классов распознавания: "годен" и "не годен". На основе определения ценности признаков для решения задачи идентификации путем исключения незначимых признаков из максимальной анкеты был получен оптимальный опросник, содержащий всего 25 вопросов и обеспечивающий валидность 95% при 15-кратной информационной избыточности. Высокая значимость выявленных в этом исследовании вопросов подтвердилась и в дальнейших исследованиях.

Имеются акты об успешном проведении исследований с помощью данной системы в области социологии, политологии и прикладной психологии по заказам НИИ культуры Российской Федерации и Краснодарского государственного института культуры (ноябрь 1987г.), Академии общественных наук под руководством доцента Б.И.Бессалаева (март 1987г.), Института социологических исследований АН СССР под руководством доктора социологии профессора А.А.Хагурова (май 1987г. и сентябрь 1987г.).

В 1994 году система "Эйдос" была представлена в ВЦ РАН в присутствии иностранных специалистов (в основном из Японии) и получила положительную оценку председателя комитета по искусственному интеллекту Российской Академии наук академика Д.А.Поспелова (рекомендована для применения в социологических и психологических исследованиях), имеются положительные отзывы о Системе от Северо-Кавказской поисково-спасательной службы МЧС России (начальник В.М.Нархов) и Министерства Труда Российской Федерации (зам.нач. Управления, профессор Е.В.Белкин), прошла экспериментальную эксплуатацию в отделе информационного взаимодействия Аналитического центра при Президенте РФ (начальник отдела доктор технических наук, академик МАИ профессор А.Н.Райков), а также приобретена Аналитическим центром администрации Ярославской области (руководитель А.В.Бушуев), Информационно - аналитическим центром администрации Краснодарского края (директор С.Б.Лисицын), АО "Новороссийское морское пароходство" (вице-президент, капитан 1-го ранга, к.т.н. доцент В.А.Бобыр), Краснодарским юридическим институтом МВД России (начальник генерал-майор, доктор философских наук, профессор Ю.А.Агафонов).

Работы в МЧС и АО "Новошип" проводились совместно с Научно - производственной фирмой "ЭВРИТОП" (директор Б.В.Гауфман) под научным руководством кандидата технических наук, доктора биологических профессора О.А.Засухиной. Под ее же руководством Кубанским Агроуниверситетом совместно с НПП "Эйдос" была разработана методика прогнозирования урожайности и качества сельскохозяйственных культур в зависимости от вида почв, культуры-предшественника, применяемой агротехнологии (нормы высева, удобрения, вспашка и т.п.). Данная методика позволяет "просматривать" различные варианты технологии, прогнозировать последствия их применения, и, на этой основе, вырабатывать научно обоснованные рекомендации по выбору возделываемой культуры и оптимальной для поставленных целей агротехнологии. Это исследование показательно как само по себе, так и в качестве примера применения Системы для выявления взаимосвязей между различными технологиями и хозяйственными результатами. Материалы этих и других работ были представлены на международной конференции "Партнерство во имя прогресса", проходившей в конце мая 1994 года в г.Анапе. Совместно с канд.мед.наук. Г.А.Авакимяном на базе системы "Эйдос" была разработана методика диагностики избыточности и недостаточности меридианов, основанная на внешней симптоматике и анамнезе.

Для строительной фирмы "ЭКСТЕРН" (директор В.Г.Очередько) была разработана методика прогнозирования профессиональной пригодности сотрудников для работы по должностям, имеющимся в фирме. Кроме того прогнозируется возможность криминогенных проявлений. Данная методика является автоматизированным рабочим местом (АРМом) менеджера по персоналу и эксплуатировалась несколько лет в адаптивном режиме, обеспечивающем постоянное повышение качества прогнозирования на основе роста представительности обучающей выборки.

Таким образом, опыт применения АСК-анализа подтверждает эффективность его использования в следующих предметных областях:

– идентификация и анализ макроэкономических состояний городов и районов Краснодарского края и края в целом на основе оценки значимости индикаторов макроэкономики и применения методов статистической теории информации и искусственного интеллекта (Департамент экономики и прогнозирования администрации Краснодарского края);

– социологические и политологические исследования, анализ общественного мнения (Краснодарский сектор Института социологических исследований АН СССР, Краснодарский краевой агропромышленный комитет, Академия государственной службы при Президенте РФ, Краснодарский государственный институт культуры, Информационно-аналитический центр администрации Краснодарского края, Аналитический центр администрации Ярославской области и др.);

– проектирование адаптивных АСУ сложными техническими объектами (Государственное предприятие особое конструкторское бюро "Икар", Кубанский государственный технологический университет);

– решение ряда задач управления качеством подготовки специалистов (Краснодарский юридический институт МВД РФ);

– прогнозирование результатов применения агротехнологий и управление выращиванием сельскохозяйственных культур (Кубанский государственный аграрный университет);

– прогнозирование успешности будущей профессиональной деятельности в экстремальных ситуациях в условиях высокой ответственности и дефицита времени (Северокавказская региональная поисково-спасательная служба Государственного комитета РФ по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий МЧС, АО "Новошип" Новороссийское морское пароходство);

– решение задач Центра Правительственной связи в Краснодарском крае.

Это подтверждается 17 актами внедрения предлагаемых технологий за период с 1987 по 2002 годы (приложение 4).

7.2. АНАЛИЗ ДИНАМИКИ МАКРОЭКОНОМИЧЕСКИХ СОСТОЯНИЙ ГОРОДОВ И РАЙОНОВ НА УРОВНЕ СУБЪЕКТА ФЕДЕРАЦИИ В ХОДЕ ЭКОНОМИЧЕСКОЙ РЕФОРМЫ (НА ПРИМЕРЕ КРАСНОДАРСКОГО КРАЯ)

В 1993 году в Департаменте экономики и прогнозирования администрации Краснодарского края по заказу заместителя Главы администрации Краснодарского края доктора экономических наук профессора Р.А.Попова с применением технологии АСК-анализа был проведен анализ макроэкономических состояний городов и районов Краснодарского края и всего края в целом в ходе экономической реформы на основе оценки значимости индикаторов макроэкономики и применения методов статистической теории информации и искусственного интеллекта. Данная работа проведена по закрытой теме и получила положительную оценку, что подтверждается актом внедрения.

7.3. ПРОГНОЗИРОВАНИЕ УРОВНЯ БЕЗРАБОТИЦЫ (НА ПРИМЕРЕ ЯРОСЛАВСКОЙ ОБЛАСТИ)

В 1994 году в Аналитическом центре администрации Ярославской области было разработано приложение (ДСП), обеспечивающее:

1. Программный интерфейс межу базами данных Аналитического центра, созданных в среде MS Works.

2. Анализ данных мониторинга, содержащих помесячную информацию по ряду социально-экономических показателей за 5 лет (5-летний лонгитюд) представленных Аналитическим центром, с целью выявления причинно-следственных зависимостей между ними и последующим уровнем безработицы.

3. Прогнозирование уровня безработицы на основе новых данных по социально-экономическим показателям и знания ранее выявленных причинно-следственных зависимостей.

Разработанное приложение показало высокую эффективность на ретроспективных данных и получило положительную оценку. Имеется акт внедрения.

7.4. ПРОГНОЗИРОВАНИЕ РАЗВИТИЯ РАЗЛИЧНЫХ СЕГМЕНТОВ РЫНКА (НА ПРИМЕРЕ ФОНДОВОГО РЫНКА РФ)

7.4.1. Предыстория исследования

В 1993-1994 годах, автором совместно с Б.Х.Шульман (США) были проведены исследования Российского фондового рынка [159, 233]. При этом были применены предложенные технологии и специальный программный инструментарий АСК-анализа – базовая система "Эйдос" [152] и специально

Рисунок 7. 1. Титульная видеограмма системы окружения "Эйдос-фонд"

созданная система окружения "Эйдос-фонд" (рисунок 7.1).

Было разработано несколько вариантов приложений для различных сегментов фондового рынка и с различной детализацией прогнозов. В дальнейшем данная разработка была усовершенствована (усилены графические возможности анализа данных), разработаны исследовательские режимы и др.

7.4.2. Когнитивная структуризация и формализация предметной области

Одним из основных требований системного анализа является требование полноты и всесторонности рассмотрения, а также необходимость исключения из рассмотрения несущественной информации. При когнитивной структуризации предметной области были выявлены 300 ситуаций на фондовом рынке, которые описывались 1500 показателями (таблица 7.1). В соответствии с разработанной методикой причинно-следственные взаимосвязи между ситуациями на фондовом рынке выявлялись на основании анализа биржевых баз данных, содержащих сведения примерно за 1993-1994 годы. Позже эти базы были дополнены и в настоящее время содержат данные за 1393 дня с 1992 по 1998 годы.

Таким образом, размерность модели составила: 300 прогнозируемых ситуаций на фондовом рынке, 1500 градаций факторов, 1393 прецедента за 1992 по 1998 годы, 1765907 фактов.

В соответствии с разработанной методикой, путем анализа биржевых баз данных, содержащих сведения за 1393 дня с 1992 по 1998 годы, выявлялись причинно-следственные взаимосвязи между ситуациями на фондовом рынке.

При этом были применены математические модели и технологии, а также специальный программный инструментарий АСК-анализа: когнитивная аналитическая система "Эйдос" [152]. Реализованные в данной системе когнитивные технологии основаны на системной автоматизации 10 базовых когнитивных операций с применением системного обобщения семантической меры целесообразности информации, предложенной академиком А.А.Харкевичем [330].

Таблица 7. 1 – КЛАССИФИКАЦИОННЫЕ И ОПИСАТЕЛЬНЫЕ
ШКАЛЫ И ГРАДАЦИИ ПРИ ИССЛЕДОВАНИИ ФОНДОВОГО РЫНКА

7.4.3. Исходные данные для прогноза: биржевые базы данных

Система "Эйдос-фонд" относится к окружению системы Универсальной когнитивной аналитической системы "Эйдос" и представляет собой по сути дела программный интерфейс между биржевыми базами данных и базовой системой "Эйдос".

Система "Эйдос-фонд" обеспечивает прогнозирование динамики курсов валют и ценных бумаг на 1-й 2-й, 3-й, ... , 30-й день от текущего дня с достоверностью около 85%. Преобразование данных из стандартов биржевых баз данных в стандарт Системы "Эйдос" осуществляется автоматически с помощью специально для этого созданного автором программного интерфейса. В таблице 7.2 приводится фрагмент биржевой базы данных:

Таблица 7. 2 – ФРАГМЕНТ БИРЖЕВОЙ БАЗЫ ДАННЫХ

При этом также осуществляется преобразование первичных параметров, т.е. чисел из временных рядов, характеризующих предметную область, во вторичные параметры - характеризующие наступление тех или иных экономических ситуаций (событий). Система "Эйдос" выявляет взаимосвязи между прошлыми и будущими событиями, и, на этой основе, позволяет осуществлять прогнозирование ситуаций. Технические решения, реализованные в данном программном интерфейсе, являются типовыми и могут быть использованы в других приложениях, где необходимо преобразование временных рядов, характеризующих динамику предметной области, в события, анализируемые системой "Эйдос". При использовании данного приложения были "вновь открыты" многие "сильнодействующие" закономерности валютного и фондового рынка, давно известные специалистам и вписывающиеся в так называемые "фундаментальные" (т.е. содержательные аналитические модели) и "технические" (т.е. феноменологические аналитические) модели [1]. В то же время необходимо подчеркнуть, что было открыто много новых, как правило "более слабых" и специфических закономерностей валютного и фондового рынка, характерных именно для ММВБ на момент проведения работ. Была также обнаружена определенная динамика этих закономерностей. Подход, реализованный на базе системы "Эйдос" во многом является синтезом подходов фундаментальной и технической школ и имеет определенную новизну.

7.4.4. Формирование точечных прогнозов

На приведенных ниже диаграммах, которые выдает данная система, приводится фактический курс $ США, а также множество точечных прогнозов и средневзвешенный прогноз динамики курса $, рассчитанный с учетом достоверностей точечных прогнозов. Дело в том, в данном приложении на каждый конкретный день получается 30 прогнозов, первый из которых "с позиции во времени" на 30 дней назад, второй - на 29 дней назад, и т.д.

Фрагмент карточки результатов прогнозирования, получающейся на основе данных, имеющихся на текущий день, приводится в таблице 7.3:

Таблица 7. 3 – КАРТОЧКА РЕЗУЛЬТАТОВ ПРОГНОЗИРОВАНИЯ
("ТОЧЕЧНЫЕ ПРОГНОЗЫ")

Любой прогноз основан на использовании ранее выявленных закономерностей в предметной области. Так как эти закономерности вообще говоря изменяются при прохождении активной системой точки бифуркации, то следует ожидать, что сразу после прохождения системой этой точки адекватность модели будет резко снижаться, а затем плавно возрастать со скоростью, которую называют "скоростью сходимости" за счет синтеза и адаптации новой модели (фактически исследование зависимости адекватности модели от объема выборки показывает, что погрешность модели после прохождения системой точки бифуркации уменьшается по закону близкому по форме к "затухающим колебаниям").

Из этого следует, что выявление причинно-следственных связей между событиями, между которыми было несколько точек бифуркации, вряд ли имеет смысл. Поэтому увеличение объема фактографической базы для принятия решений само по себе еще не гарантирует повышения их качества. Более того, учет данных, подчиняющихся закономерностям уже потерявшим силу, вполне может и ухудшить характеристики модели. Свойство модели сохранять адекватность при прохождении точки бифуркации будем называть устойчивостью. Результаты взвешивания "точечных прогнозов" приведены на рисунках 7.2 – 7.3.

Рисунок 7. 4. Сходимость модели по атрибуту: 1246, класс: 219

Устойчивость модели, скорость ее сходимости и повышение степени адекватности при изменении объема обучающей выборки являются важнейшими характеристиками модели и определяются ее способностью к выявлению и учету новых закономерностей в предметной области, вступивших в действие после прохождения системой точки бифуркации.

Атрибут 1246: "Количество банков, участвующих в торгах сегодня по сравнению с ним же, 5 дней назад: существенно не отличается (95-105%)".

Класс 219: "На 9-й день понижение курса $ (1-3%)".

Из рисунка 7.3 видно, что погрешность прогнозирования и разброс точечных прогнозов сильно корреллируют. Таким образом, разброс точечных прогнозов может быть использован как количественный измеритель степени неопределенности состояния системы и позволяет оценить степень близости этого состояния к "детерминистскому" или "бифуркационному".

Из сравнения рисунков 7.2.и 7.3 видно, что после прохождения активной системой каждой точки бифуркации начинается колебательный процесс приближения атрибута к новому оптимальному значению, минимизирующему ошибку прогнозирования. После достижения этого состояния значение атрибута практически не изменяется до достижения системой новой точки бифуркации.

Когда разброс точечных прогнозов незначителен (рисунок 6.6), средневзвешенному прогнозу можно доверять, т.к. система находится на детерминистском участке своего развития, на котором ее поведение хорошо прогнозируется, т.к. закономерности, управляющие этим поведением на детерминистском этапе известны и не изменяются. Если же разброс точечных прогнозов велик, то средневзвешенному прогнозу доверять нельзя, т.к. система находится в бифуркационном состоянии, на котором ее дальнейшее поведение неопределенно, т.к. закономерности, управляющие этим будущим поведением только формируются, еще не определены и не отражены в модели.

7.4.5. Формирование средневзвешенного прогноза

Каждый точечный прогноз может быть представлен в форме вектора, параллельного оси Y (величина курса доллара США), имеющего определенную направленность, т.е. знак ("+" повышение, "–" понижение), а также величину, модуль, отражающую скорость изменения курса. Кроме того, каждый точечный прогноз имеет свою достоверность, нормированную от 0 до 1. Было принято, что вклад каждого точечного прогноза в средневзвешенный зависит не только от знака и модуля вектора, но от достоверности, которая просто умножается на модуль и уменьшает его пропорционально достоверности. Таким образом, средневзвешенный прогноз является векторной суммой всех точечных прогнозов с учетом их достоверностей. Так как вектора всех точечных прогнозов параллельны оси Y, то векторную сумму можно заменить их скалярной суммой в координатной форме, в которой направление вектора учитывается просто его знаком:

(6. 1)

где:

i	– дата, с которой сделан прогноз.
j	– внутренний номер прогноза, сделанного с *i-й* даты.
N	– количество прогнозов, сделанных с *i-й* даты на дату D.
*P_D*	– средневзвешенный прогноз курса доллара США на дату D.
*P_ij*	– модуль и знак *j-го* точечного прогноза курса доллара США, сделанного с *i-й* даты на дату D.
*a_ij*	– оценка достоверности *j-го* точечного прогноза курса доллара США, сделанного с *i-й* даты на дату D (формируется системой "Эйдос" автоматически на основе данных, представленных системой окружения "Эйдос-фонд")

Необходимо отметить, что учитываются только те точечные прогнозы, которые имеют положительное сходство с ситуацией, реально сложившейся на фондовом рынке. В результате средневзвешенный прогноз показывает, что "скорее всего произойдет на фондовом рынке".

Прогнозы, имеющие отрицательное сходство, также могут быть обобщены по аналогичной методике, но полученный средневзвешенный прогноз будет означать "чего точно не произойдет на фондовом рынке".

7.4.6. Оценка адекватности модели

Адекватность модели определяется несколькими способами:

1. Путем численного эксперимента, т.е. ретроспективного прогнозирования по данным обучающей выборки (внутренняя валидность).

2. Путем экспериментально сопоставления прогнозируемого и фактического развития активного объекта (внешняя валидность).

И внутренняя, и внешняя валидность может определяться в разрезе по классам (дифференциальная) или как средневзвешенная по всем классам (интегральная валидность). При исследовании системно-когнитивной модели было обнаружено, что ошибка прогнозирования курса Российского рубля по отношению к доллару США зависит от прогнозируемой ситуации, т.е. дифференциальная валидность существенно отличается от интегральной.

Фрагмент отчета по результатам измерения внутренней дифференциальной и интегральной валидности приведены в таблице 7.4.

Таблица 7. 4 – ИЗМЕРЕНИЕ ВНУТРЕННЕЙ ДИФФЕРЕНЦИАЛЬНОЙ И ИНТЕГРАЛЬНОЙ ВАЛИДНОСТИ СЕМАНТИЧЕСКОЙ ИНФОРМАЦИОННОЙ МОДЕЛИ ФОНДОВОГО РЫНКА

Прохождение системой точек бифуркации изменяет значения атрибута, но не изменяет его смысла по отношению к рассмотренным классам, т.е. не изменяет семантического портрета атрибута, поэтому данный вид устойчивости предлагается называть "Семантическая устойчивость".

Из рисунков 7.2 – 7.3 хорошо видно, что погрешность прогнозирования и разброс точечных прогнозов резко возрастают синхронно с "обвалами" рубля. При искусственном (волевом) "удержании" курса рубля, которое обычно следует за периодами его "обвала", прогноз сильно отличается от фактического курса. Это можно объяснить тем, что фактически прогнозируется рыночный, а не искусственно установленный курс. Таким образом, разброс точечных прогнозов является количественным измерителем степени неопределенности состояния системы и позволяет классифицировать это состояние как "детерминистское" или "бифуркационное" или оценить степень близости к этим состояниям.

Продолжим глубокую и плодотворную квантовомеханическую аналогию. Высокая степень согласованности точечных прогнозов соответствует высокой степени редукции волновой функции, т.е. состоянию объекта с высокой степенью редукции, в котором плотность вероятности его наблюдения близка к 1 для одного состояния или в некоторой точке и очень мала для остальных. Большой разброс точечных прогнозов соответствует виртуальному состоянию объекта, при котором плотность вероятности его наблюдения распределена по различным состояниям таким образом, что для любого из них достаточно далека от 1. Объект не может находиться одновременно и в полностью виртуальном, и в полностью редуцированном состояниях, при этом количественное соотношение между "степенями редукции и виртуальности" определяется известным соотношением неопределенностей Гейзенберга [25, 30, 323].

Когда разброс точечных прогнозов незначителен, средневзвешенному прогнозу можно доверять, т.к. система находится на детерминистском участке своего развития, на котором ее поведение хорошо прогнозируется, т.к. закономерности, управляющие этим поведением на детерминистском этапе известны и не изменяются. Если же разброс точечных прогнозов велик, то средневзвешенному прогнозу доверять нельзя, т.к. система находится в бифуркационном состоянии, на котором ее дальнейшее поведение неопределенно, т.к. закономерности, управляющие этим будущим поведением только формируются и еще не определены.

Таким образом, развитые методика, технология и программный инструментарий АСК-анализа позволяют либо надежно прогнозировать развитие активного объекта, либо надежно прогнозировать его переход в бифуркационное состояние, что само по себе также чрезвычайно ценно.

7.4.7. Детерминистские и бифуркационные участки траектории

При исследовании динамики среднеквадратичного отклонения точенных прогнозов от средневзвешенного (разброс точечных прогнозов от среднего) было обнаружено, что эта характеристика позволяет выделить два основных типа периодов, которые сменяют друг друга:

1. Относительно длительные периоды, характеризующиеся "высокой кучностью точечных прогнозов". Это детерминистские периоды, для которых характерна высокая точность прогнозов, высокое совпадение средневзвешенного прогноза с фактическим курсом доллара США (на уровне 90-95%).

2. Относительно короткие периоды, характеризующиеся высокой степенью разброса точечных прогнозов. Это бифуркационные периоды, для которых характерна низкая точность прогнозов, относительно слабое совпадение средневзвешенного прогноза с фактическим курсом доллара США (на уровне 50-60%).

Необходимо специально отметить, что сам факт наступления бифуркационного периода прогнозируется по величине разброса точечных прогнозов с очень высокой достоверностью (около 95%), а что произойдет конкретно в бифуркационный период с курсом доллара США и рубля спрогнозировать вообще не представляет проблемы, т.к. всегда происходило одно и то же: во все эти "черные вторники и четверги" происходил катастрофический курса обвал рубля по отношению к доллару.

7.4.8. Прогнозирования времени перехода системы в бифуркационное состояние

Остановимся подробнее на прогнозе перехода активного объекта в бифуркационное состояние. Прежде всего, если говорить о Российском фондовом рынке, то многолетний опыт его исследования убедительно свидетельствует, что в точках бифуркации неизменно происходит "обвал" рубля. Но в возможности прогнозирования сроков перехода системы в состояние бифуркации содержится и значительно более глубокий смысл, состоящий в том, что имеется теоретическая и практическая возможность определения сроков окончания любого дела на основании сроков его начала и данных о ходе реализации. Это и прогнозирование срока окончания ВУЗа по данным о сдаче сессий, прогнозирование сроков безотказной эксплуатации различных технических систем (от мобильной энергоустановки до сложной территориально распределенной энергосистемы), "сроков жизни" различных организмов, а также экономических, общественных, военных, политических и государственных организаций, и т.п. и т.д. Примерно также по изучению участка траектории снаряда специалисты по баллистике определяют точку его вылета и предполагаемую цель.

7.4.9. Исследование семантической информационной модели

Рассмотрим каким образом в предложенной технологии решаются некоторые проблемы, сформулированные в теоретической части данного исследования:

Кратко рассмотрим на примере исследования фондового рынка основные параметры семантической информационной модели предметной области:

1. Способ взвешивания точечных прогнозов.

2. Ослабление влияния факторов со временем

3. Старение информации и периоды эргодичности процессов в предметной области.

4. Время реакции системы на изменение факторов (ригидность).

5. Автоколебания системы.

6. Детерминистские и бифуркационные участки траектории.

7. Управление фондовым рынком на детерминистских участках траектории и в точках бифуркации.

Ослабление влияния факторов со временем

Разработка методики прогнозирования основывалась на предположении о том, что факторы в среднем должны оказывать тем меньшее воздействие на текущую ситуацию на фондовом рынке, чем больше прошло времени со времени окончания их действия. Поэтому в реализованной методике учитывались факторы, действующие в течение прошедшего месяца. Специальное исследование, проведенное после разработки методики, показало, что факторы, действующие примерно 30 дней до возникновения текущей ситуации на фондовом рынке, незначительно отличаются по силе влияния на фондовый рынок от факторов, действующих 10 или 20 дней назад. Это означает, что в принципе оправдано было бы взять и значительно больший предстоящий период, например 6 месяцев, в течение которого учитывалось бы действие факторов на текущую ситуацию. Для определения длины предстоящего периода необходимо проведение специального исследования с очень большим предстоящим периодом, составляющим, например, несколько лет.

Старение информации и периоды эргодичности процессов в предметной области

В то же время при исследовании зависимости валидности методики от продолжительности предстоящего периода, в течение которого учитывается действие факторов, было обнаружено, что при увеличении этого периода валидность методики сначала возрастает, а затем начинает плавно, а иногда и скачком снижаться. Рост валидности объясняется увеличением статистики базы примеров, что повышает ее представительность и адекватность. Последующее уменьшение валидности может быть объяснено тем, что закономерности в предметной области изменяются с течением времени, и, поэтому, очень старые данные основаны на иных закономерностях, чем действующие в настоящее время, и значит они уже не повышают адекватность методики, а снижают ее, по сути искажают картину.

Периоды времени, в течение которых закономерности в предметной области существенно не меняются, называются периодами эргодичности. Именно на эр годичных периодах неадаптивные АСУ сохраняют свою адекватность. Эргодичность процессов нарушается либо в результате длительного действия эволюционных изменений в предметной области, которые в конце концов приводят к ее качественному изменению, или в результате действия кратковременных революционных (качественных, скачкообразных) изменений.

Для каждой методики должны быть определены периоды эргодичности, т.к. при выходе за эти периоды необходима адаптация старой или разработка новой методики.

Автоколебания фондового рынка

При исследовании чередования детерминистских и бифуркационных этапов в развитии активных объектов методами корреляционного анализа и конечных разностей были обнаружены автоколебания средневзвешенного прогноза, разброса точечных прогнозов и ошибки средневзвешенного прогноза на фондовом рынке с периодичностью около одной недели и одного месяца (рисунок 7.5).

Рисунок 7. 5. Автоколебания фондового рынка (ММВБ, 1993-1995)

В качестве варианта содержательного объяснения полученных результатов (т.е. их интерпретации) можно предположить, что именно с этой периодичностью на фондовом рынке в 1993-1994 годах осуществлялись принятие и реализация решений. Причем в субботу и воскресенье принимаются решения на следующую неделю, а в конце месяца – на следующий месяц. Таким образом можно говорить об уровнях бифуркаций: для достижения цели месяца как закон реализуется некий план, для реализации которого необходимо каждую неделю принимать и реализовать решения так сказать 2-го уровня, подчиненные главному плану и цели месяца.

Предложенные методология, технология, методика и специальный программный инструментарий обеспечивают системно-когнитивный анализ детерменистско-бифуркационной динамики активных объектов и в других предметных областях [271, 281]. Однако необходимо отметить, что одной из предпосылок для формирования точечных прогнозов с различных точек во времени является наличие данных мониторинга за достаточно длительный период времени, т.е. отдельных точечных исследований для этого недостаточно.

Изучение графика средневзвешенного прогноза курса доллара США показало, что его автокорреляция имеет ярко выраженную недельную периодичность, т.е. ММВБ в 1994 году имела период собственных колебаний, составляющий одну неделю. Скорее всего это связано с отсутствием торгов в выходные дни.

Время реакции системы на изменение факторов (ригидность)

Исследование, проведенное после разработки методики, показало, что наиболее сильное влияние на текущую ситуацию оказывают факторы, действующие неделю назад, а более поздние факторы практически не оказывают на нее никакого влияния. Это означает, что в ММВБ в 1994 году имела высокую "инерционность", "время реакции", "ригидность", составляющую примерно одну неделю. По некоторым данным аналогичный параметр для Лондонской биржи в этот же период времени составлял около 32 секунд.

Управление фондовым рынком на детерминистских участках траектории

Из факторов, существенно влияющих на динамику курса доллара США лишь некоторые зависят от решений крупных финансовых негосударственных руководителей, да и то, если они будут действовать скоординировано. Прежде всего это количество банков, участвующих в торгах, а также объем первоначального спроса и предложения. На второй параметр может оказывать существенное влияние Центральный банк, путем крупных интервенций или закупок доллара США.

Управление фондовым рынком в точках бифуркации

Однако, в точках бифуркации обычные закономерности фондового рынка нарушаются или практически теряют силу, в игру вступают совсем другие факторы, которые имеют в основном не экономическую, а психологическую природу. Изучение этих факторов и разработка тактики оперативных действий требует прогнозирования динамики курса в течение суток буквально по часам. Такая работа была проведена совместно с Б.Х.Шульман (США). На первом этапе была разработана универсальная формальная классификация, включающая очень большое (заранее избыточное) количество вариантов суточной динамики курса доллара США, которая генерировалась автоматически. Затем было изучено влияние факторов, действующих на фондовом рынке в течение предшествующего месяца. Проведенная работа показала, что:

– не все теоретически-возможные варианты суточной динамики курса фактически реализуются;

– существует возможность надежного прогнозирования суточной динамики курса доллара не только в детерминистские периоды, но и в точках бифуркации.

Это позволяет участникам рынка сознательно и спокойно принимать ответственные решения не только заблаговременно, но и точно привязываясь к времени в течение дня.

7.5. ПРОГНОЗИРОВАНИЕ РЕЗУЛЬТАТОВ ВЫРАЩИВАНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР И ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПО РАЦИОНАЛЬНОМУ ВЫБОРУ АГРОТЕХНОЛОГИЙ

Исследование проведено совместно с О.А.Засухиной на базе Кубанского государственного аграрного университета в 1993-1996 годах [88, 152, 157]. Предложенные технологии АСК-анализа реализовывалась на базе системы "Эйдос". С помощью сформированной содержательной информационной модели прогнозировались результаты выращивания сельскохозяйственных культур и вырабатывались научно-обоснованных рекомендации 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. На основе предложенной технологии АСК-анализа разработано конкретное приложение, обеспечивающее управление урожайностью и качеством сельскохозяйственных культур путем выбора и применения оптимальной агротехнологии в зависимости от поставленной цели и вида почв, культуры–предшественника, а также ряда других параметров объекта управления и окружающей среды, например, таких как: нормы высева, виды и нормы внесения удобрений, методы вспашки, ротация и др.

При создании методики выполнялись следующие работы:

	1. Формулировка целей методики и в соответствии с ними разработка перечня прогнозируемых хозяйственных ситуаций, т.е. результатов выращивания (например, для классификации будущих состояний, в том числе целевых, могут быть использованы "шкала качества" и "шкала количества", рисунок 7.6):
Рисунок 7. 6. Будущие состояния объекта управления: количественные и качественные результаты выращивания сельхозкультуры (зерновые колосовые)
	2. Разработка формализованного паспорта результатов выращивания сельхозкультур, позволяющего описать в пригодной для компьютерной обработки форме результаты выращивания конкретной сельхозкультуры на конкретном поле и по конкретной
Рисунок 7. 7. Видеограмма с фрагментом справочника описательных шкал (факторы)

технологии. Формализованный паспорт может состоять из двух частей: первая из них содержит шкалы, описывающие не зависящие от воли человека факторы, вторая – технологические факторы, которые можно рассматривать как средство достижения желаемых хозяйственных результатов (рисунок 7.7).

3. Использование бумажного архива по выращиванию сельхозкультур для заполнения формализованных паспортов и ввода в программную инструментальную систему в качестве примеров выращивания (обучающей выборки) (рисунок 7.8).

Рисунок 7. 8. Интерфейс ввода обучающей выборки

4. Выявление (на основе предъявленных реальных примеров выращивания сельхозкультур) взаимосвязей между применяемыми технологиями и полученными результатами и формирование информационных портретов по каждому возможному результату выращивания. Информационный портрет хозяйственной ситуации представляет собой перечень технологических факторов с количественным указанием того, какое влияние оказывает каждый из них на осуществление данной ситуации (рисунок 7.9):



Рисунок 7. 9. Примеры информационных портретов результатов выращивания "высокое количество" и "высокое качество"

5. Каждый из технологических факторов на основе приведенных примеров характеризуется тем, какое влияние он оказывает на осуществление каждой (целевой или нежелательной) хозяйственной ситуации (рисунок 7.10):


Рисунок 7. 10. Семантический портрет признака: "Предшественники – бобовые многолетние травы"

6. Сравнение различных хозяйственных ситуаций и формирование групп наиболее сходных из них (кластеров), а также определение кластеров, наиболее сильно отличаются друг от друга (конструктов). При этом на экспериментальной базе данных был выявлен конструкт "качество–количество", означающий, что для получения высокого качества и большого количества необходимы совершенно противоположные и несовместимые (т.е. невозможные одновременно) почвы: предшественники и агротехнологические приемы (рисунок 7.11):


Рисунок 7. 11. Конструкт классов: "Качество – количество" и семантическая сеть классов по шкалам: "Качество – количество"

7. Группировка технологических факторов в кластеры и конструкты. 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 (рисунок 7.12):


Рисунок 7. 12. Конструкт факторов: "Предшественники бобовые … – Ротация первая…" и семантической сети факторов: "Предшественники – Глубина обработки почвы"

8. Проверка способности созданного приложения правильно прогнозировать хозяйственные результаты на массиве уже введенных формализованных паспортов показала, что валидность оказалась недостаточно высокой для практического применения: на уровне 58%. Причиной этого являются артефакты, из-за которых некоторые хозяйственные ситуации оказались слабо детерминированными (рисунок 7.13). Удаление артефактов привело к повышению интегральной валидности до 80%, что достаточно для практического использования методики (рисунок 7.14)

Таким образом, были решены две основные задачи:

	*1. Прогнозирование* того, какие хозяйственные результаты наиболее вероятны (а какие практически невозможны) на данном виде почв и с данными предшественниками, а также при условии применения имеющихся в распоряжении
Рисунок 7. 15. Пример карточки прогнозирования для конкретных условий выращивания

агротехнологий (рисунок 7.15). Указана мера сходства прогнозируемой ситуации с каждым будущим состоянием.

2. Разработка рекомендаций по управляющим воздействиям, т.е. консультирование по вопросам о том, какие виды почв, предшественники и агротехнологии должны быть, чтобы можно было рассчитывать с определенной уверенностью на заданный хозяйственный результат (рисунок 7.15).

Таким образом, данная методика позволяет "просматривать" различные варианты технологии, прогнозировать последствия применения различных технологических приемов, и на этой основе вырабатывать научно обоснованные рекомендации по выбору возделываемой культуры и оптимальной для поставленных целей агротехнологии.

7.6. СОЦИАЛЬНО–ЭКОНОМИЧЕСКИЕ ИССЛЕДОВАНИЯ

Все эти исследования проводятся примерно по одной технологии:

- разрабатывается и тиражируется опросный лист;

- проводится массовый опрос общественного мнения;

- данные опроса вводятся в компьютер и обрабатываются с помощью специальных программных систем;

- результаты компьютерной обработки анализируются, разрабатывается аналитический отчет, содержащий как описание ситуации, так и рекомендации по управлению.

Различие состоит в том, к какой сфере относится информация, собираемая с помощью опросного листа:

- в случае маркетинговых исследований – это потребительские предпочтения различных групп населения (имеется успешный опыт проведения подобных исследований по закрытой тематике);

- в рекламных исследованиях нас интересует, из каких источников информации различные группы населения получают информацию о приобретаемых ими товарах, а также то, каким образом они реагируют на различные виды и методы рекламы (имеется успешный опыт проведения подобных исследований по закрытой тематике);

- при социально–психологических исследованиях для нас важны психологические качества личности и точка зрения людей на те или иные преобразования (имеется успешный опыт проведения подобных исследований по закрытой тематике).

Различают разовые (точечные) и периодические исследования. Разовые исследования дают возможность выявить картину на момент проведения опроса, тогда как периодические – обеспечивают изучение динамики процессов. Во втором случае со временем появляется возможность прогнозирования развития ситуации.

Исследования могут иметь также различный "территориальный охват", т.е. могут ограничиваться лишь одним населенным пунктом или включать сбор информации по району или краю. Во втором случае имеется возможность выявления территориальной специфики, а также возможность выявления регионов, сходных в том или ином отношении.

Использование информации, получаемой в результате маркетинговых, рекламных и социально–психологических исследований, позволяет принимать точные и эффективные решения в области планирования закупок и продвижения на рынок (адресной реализации) различных товаров, а также управлять кадрами, обеспечивая сплоченную, согласованную и надежную работу коллектива.

7.6.1. Маркетинговые исследования

Актуальность

Маркетинговые исследования проводятся в целях получения полной и достоверной информации, необходимой для определения объема и номенклатуры закупаемых товаров и организации их адресной реализации конкретным группам потребителей.

Предлагаемый подход

Опросный лист разрабатывается таким образом, чтобы с помощью него можно было получить необходимую информацию о потребителях. В опросный лист могут входить фирменные товарные знаки и каталоги товаров как изготовленные типографским способом, так и с изображения товаров, снятые с их фотографий при помощи сканера и отпечатанные на цветном принтере. Опросный лист может служить одновременно и бланком для заполнения, но могут использоваться и специальные бланки для ответов (что более рационально).

Вопросы делятся на несколько групп:

- социальный и гражданский статус потребителя (пол, возраст, образование, состоит ли в браке, сколько имеет детей, форма занятости, если работает, то руководитель он или исполнитель и т.п.);

- уровень достатка в семье потребителя;

- товары, реально приобретенные потребителем за последнее время;

- товары, которые потребитель приобрел бы, если бы у него была финансовая возможность;

- частота приобретения товаров по их видам;

- какие потребительские и стоимостные характеристики товаров привлекают потребителя и какие его не устраивают;

- где потребитель реально приобретает товары: у частных лиц, в магазинах (каких), на рынках (каких);

- какие места приобретения товаров потребитель знает: наименования магазинов и рынков;

- какую роль в выборе товара играет сервис и способ обслуживания в магазине или на рынке.

Результаты и перспективы

В результате проведения маркетингового исследования выявляются потребительские предпочтения различных групп населения в определенном секторе рынка. Выясняется, "что, где, когда", кем и по каким причинам приобретается.

Например, выясняется, что данная категория населения приобретает такие–то виды товаров в таких–то местах, а приобрела бы и такие, но если бы цена на них была более приемлемая.

На основе этой информации может быть разработан план закупок или производства товаров, определена потенциальная емкость рынка на данный момент и перспективу, а также спрогнозирована его динамика, товар может поставляться адресно в те торговые точки, которые пользуются популярностью у конкретных категорий потребителей.

Регулярное проведение маркетинговых исследований позволяет постоянно "держать руку на пульсе" и строить свою работу используя достоверное знание предпочтений возможностей и желаний своих потребителей.

Имеется положительный опыт подобных исследований (по закрытой тематике).

7.6.2. Рекламные исследования

Актуальность

Рекламные исследования проводятся в целях получения полной и достоверной информации, необходимой для адресного управления формой и содержанием информации, на основе которой конкретными группами потребителей принимаются решения о приобретении тех или иных товаров. Подобные исследования проводились автором по закрытой тематике на основе применения технологии АСК-анализа.

Предлагаемый подход

Опросный лист разрабатывается таким образом, чтобы с помощью него можно было выяснить, какими источниками информации реально пользуются различные категории потребителей, а также какие формы подачи информации они предпочитают и лучше воспринимают.

В опросный лист могут быть включены фирменные знаки, ключевые слова и рекламные фразы, а также наименования источников информации, выполненные их фирменными стилями (которые можно снять с помощью сканера и отпечатать на цветном принтере). Опросный лист может служить одновременно и бланком для заполнения, но могут использоваться и специальные бланки для ответов.

Вопросы делятся на несколько групп:

- наиболее популярные телевизионные программы и передачи;

- наиболее популярные радиопрограммы и передачи;

- отношение к рекламе, включаемой в состав радио и телепередач;

- наиболее популярные журналы и рубрики;

- наиболее популярные газеты и рубрики;

- отношение к внешней рекламе;

- роль форм, методов и фирменных стилей рекламы;

- иные источники и формы информации, на основе которой потребителями принимаются решения.

Результаты и перспективы

В результате проведения рекламного исследования выясняется, какими источниками информации пользуются различные потребительские группы населения и какие формы подачи информации для них предпочтительны.

Например, выясняется, что определенная группа населения в основном слушает "Радио Рокс" и именно определенную передачу, которая идет с 18 до 19. Кроме того, известно, что эту группу населения раздражает, когда любимая передача прерывается рекламой товаров, которые представителями данной группы в принципе не могут быть куплены. Известно, также, что эта группа предпочитает юмор политике.

На основе этой информации может быть разработан план использования этой передачи "Радио Рокс" для адресного сообщения данной группе населения информации о "ее товарах", причем в такой форме, которая будет воспринята этой группой эмоционально положительно.

Регулярное проведение рекламных исследований позволяет строить свою работу, используя достоверное знание источников и форм информации, которыми реально пользуются различные категории потребителей.

Имеется положительный опыт подобных исследований (по закрытой тематике).

7.6.3. Управление персоналом

Актуальность

Социально–психологические исследования проводятся с целью организации эффективного использования кадров на основе достоверного знания индивидуальных характеристик членов коллектива и учета их взаимодействия в группах. Подобные исследования проводились автором, акты имеются.

Предлагаемый подход

Такие исследования проводятся в два основных этапа.

На первом этапе на основе применения систем комплексного психологического тестирования, а также специальных опросников и методов обработки информации выявляются индивидуальные социальные ориентации, мотивации, психологические и профессиональные характеристики членов коллектива:

- разрабатываются профессиограммы, содержащие психологические и иные требования к работникам различных должностей данного предприятия;

- производится оценка действующего персонала;

- на основе индивидуального подхода оптимизируются назначения на должности;

- осуществляется антикриминальная профилактика.

На втором этапе изучается взаимодействие членов коллектива в группах и решается задача реструктуризации коллектива:

- изучаются вопросы совместимости членов коллектива в группах;

- выявляются внутренние коалиции и их лидеры;

- оптимизируется или строится многоуровневая система управления коллективом, в которой лидеры каждого иерархического уровня одновременно наиболее совместимы как со своим начальством, так и с подчиненными руководителями, а также конкретными исполнителями.

Опросный лист разрабатывается на основе стандартных тестов и опросников, что позволяет измерить индивидуальные психологические характеристики членов коллектива. Кроме того, он содержит оценки членов коллектива их непосредственными руководителями, если последние имеют полномочия приема на работу и увольнения своих подчиненных. Опросный лист может служить одновременно и бланком для заполнения, но могут использоваться и специальные бланки для ответов.

Вопросы делятся на несколько групп:

- профессиональная и личностная оценка члена коллектива руководителем;

- социальный и гражданский статус члена коллектива (пол, возраст, образование, состоит ли в браке, сколько имеет детей и т.п.);

- опросник 16PF Р. Б. Кеттелла;

- тест, выявляющий уровень самоактуализации (САТ);

- опросник по определению стиля управленческой деятельности;

- анкета "Ориентация на развитие";

- анкета "Опосредующие развитие факторы".

Результаты и перспективы

Регулярное проведение социально–психологических исследований позволяет эффективно управлять кадрами с учетом как индивидуальных возможностей членов коллектива, так и их совместимости в группах.

7.7. СИНТЕЗ И РЕШЕНИЕ ЗАДАЧ УПРАВЛЕНИЯ КАЧЕСТВОМ ПОДГОТОВКИ СПЕЦИАЛИСТОВ (НА ПРИМЕРЕ КЮИ МВД РФ)

7.7.1. Вводные замечания

Решение задач АСУ качеством подготовки специалистов было продемонстрировано в Краснодарском юридическом институте МВД России (КЮИ МВД РФ) на данных 7-летнего лонгитюда. Исследование проведено совместно с Третьяком В.Г. [124, 161, 165, 313, 314], и Лаптевым В.Н. [120–128, 161–164, 286] на основе данных по абитуриентам и учащимся КЮИ МВД РФ за 1995–2002 годы.

Социально-экономический эффект данного исследования обусловлен повышением эффективности вложения средств, направляемых на подготовку и переподготовку кадров, а также на их профессиональную деятельность.

В соответствии с типовой моделью РАСУ АО, представленной на рисунке 6.9, 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 (рисунок 6.10). В проведенном исследовании основное внимание было уделено 1-му уровню РАСУ КПС.

7.7.2. Некоторые теоретические аспекты постановки задачи

Эффективность функционирования правоохранительной системы Российской Федерации во многом зависит от профессионализма сотрудников ОВД. Поэтому особый интерес представляет разработка методов моделирования профессиональных траекторий [165], позволяющих прогнозировать поступление абитуриента в вуз, показатели его академической успеваемости в период обучения по различным специальностям, дисциплинам и циклам дисциплин, а также то, закончит ли он обучение в вузе, как и сколько он мог бы работать после окончания вуза по различным специальностям.

Для решения этой проблемы предлагается двухуровневая модель предметной области, уровни которой отличаются объектом управления, целями управления, управляющей системой и факторами, характеризующими объект управления, управляющую систему и окружающую среду. На первом уровне объектом управления является учащийся, который характеризуется текущим состоянием и предысторией; управляющей системой является педагогический процесс, а средой – образовательная среда вуза. На втором уровне объектом управления является сам педагогический процесс и даже образовательная среда вуза в целом, а также профессиональная среда; управляющей системой – вышестоящие организации.

В данной работе основное внимание сосредоточено на первом уровне. На этом уровне учащийся рассматривается как активный объект управления, имеющий собственные цели и мотивы их достижения, а также модель окружающей среды, включая управляющую систему. Педагогический процесс рассматриваются как способ управления учащимся. Учитываются все категории факторов, влияющих на характеристики выпускника и молодого специалиста. Это факторы, характеризующие текущее состояние учащегося, его предысторию, факторы педагогического процесса, другие факторы образовательной и профессиональной среды. Цели объекта управления вообще говоря не совпадают с целями управления, в частности они могут полностью не совпадать, а также частично или полностью совпадать. Управление активным объектом предполагает коррекцию его целей и мотиваций в направлении, сближающим их с целями управления, что может быть достигнуто обучением, стимулированием и другими воздействиями на его систему моделирования, целеполагания и принятия решений.

Одним из основных требований системного анализа является требование полноты и всесторонности рассмотрения предметной области. Исходя из этого требования в качестве факторов, характеризующих текущее состояние учащегося, были выбраны следующие: общая интернальность (по УСК); Интернальность в области достижений (по УСК); Интернальность в области неудач (по УСК); Интернальность в семейных отношениях (по УСК); Интернальность в области служебных отношений (по УСК); Интернальность в области межличностных отношений (по УСК). Интернальность в отношении здоровья (по УСК); Факторы по 16pf опроснику Кэттела; Эргичность предметной деятельности (по Руссалову); Социальная эргичность (по Руссалову); Пластичность в предметной деятельности (по Руссалову); Социальная пластичность (по Руссалову); Темп предметной деятельности (по Руссалову); Социальный темп (по Руссалову); Эмоциональность предметной деятельности (по Руссалову); Социальная эмоциональность (по Руссалову); Склонность к соглашательству; "Шизоидность"; Экстраверсия; Сила процессов возбуждения; Сила процессов условного торможения; Подвижность нервных процессов; Общая активность (по Ямпольскому); Интеллект; Мотивация к достижению цели - к успеху (по Т.Элерсу); Пол; Тип активности личности.

Данные комплексного психологического тестирования учащихся по перечисленным параметрам вводились в систему "Эйдос" вручную. В последующем с учетом опыта подобных исследований совместно с С.Д.Некрасовым была разработана и успешно применена система комплексного психологического тестирования "Эйдос-Y" [142], обеспечивающая: проведение психологического тестирования респондентов с помощью психологических тестов, накопление базы данных результатов тестирования, формирование психологических портретов различной детализации произвольных групп респондентов, автоматизированный транспорт исходных данных для углубленного анализа в универсальную когнитивную аналитическую систему "Эйдос".

В модели учтено три варианта образовательных технологий, применяемых по отношению к лицеистам, студентам (слушателям) и экстернам. Эти технологии отличаются набором учебных дисциплин. Другие факторы образовательной среды не учитывались, т.к. были для всех учащихся общими в связи с тем, что на данном этапе исследование проводилось на примере одного вуза: Краснодарского юридического института МВД РФ (КЮИ МВД РФ).

В качестве прогнозируемых состояний учащихся рассматривались: Поступление в вуз; Успеваемость; Окончание вуза; Успешность профессиональной деятельности; Работает в ОВД; Уволен из ОВД по собств.желанию; Уволен из ОВД за нарушение условий контракта, а также большое количество различных вариантов их детализации.

Для решения поставленной проблемы необходимо накопить данные мониторинга за достаточно длительный период, провести анализ данных мониторинга с целью выявления и изучения "причинно-следственных взаимосвязей" между прогнозируемыми состояниями активного объекта управления и непосредственно или опосредованно измеряемыми факторами, оказывающими влияние на его развитие, построить математическую модель предметной области, обеспечивающую решение задачи прогнозирования развития активного объекта управления под влиянием различных сочетаний факторов, а также обратной задачи прогнозирования, т.е. задачи выработки оптимального многофакторного управляющего воздействия на активный объект управления для перевода его в заданное целевое состояние.

Ключевым при построении математической модели является выбор количественной меры, обеспечивающей учет степени причинно-следственной взаимосвязи исследуемых параметров. Эта мера должна удовлетворять следующим требованиям: 1. Эффективная вычислимость на основе эмпирических данных, полученных непосредственно из опыта. 2. Универсальность, т.е. независимость от предметной области. 3. Единый для различных предметных областей принцип содержательной интерпретации и измеримость в единых единицах измерения. 4. Учет понятий "цели объекта управления", "цели управления". 5. Учет понятий "мощность множества будущих состояний объекта управления". 6. Сопоставимость в пространстве и во времени. 7. Возможность введения метрики и функции принадлежности на базе выбранной количественной меры. В качестве количественной меры, удовлетворяющей всем этим условиям, была предложена модифицированная мера семантической целесообразности информации А.Харкевича [330].

Математическая модель должна удовлетворять следующим требованиям: содержательная интерпретируемость; эффективная вычислимость на основе эмпирических данных (наличие эффективного численного метода); универсальность; адекватность; сходимость; семантическая устойчивость; сопоставимость результатов моделирования в пространстве и времени; непараметричность; формализация базовых когнитивных операций системного анализа (прежде всего таких, как обобщение, абстрагирование, сравнение классификация и др.); корректность работы на фрагментарных, неточных и зашумленных данных; возможность обработки данных очень больших размерностей (тысячи факторов и будущих состояний объекта управления); математическая и алгоритмическая ясность и простота, эффективная программная реализуемость.

Модель, удовлетворяющая этим требованиям, основанная на предложенной количественной мере причинно-следственных взаимосвязей событий, была разработана и реализована в универсальной когнитивной аналитической системе "Эйдос" [152].

На основе данных по абитуриентам и учащимся КЮИ МВД РФ за 1995 – 2002 годы [124, 161, 165, 313, 314] (7-летний лонгитюд) разработано соответствующее приложение системы "Эйдос", позволяющие продемонстрировать возможность решения сформулированной выше проблемы.

Одним из результатов применения системы "Эйдос" были профессиограммы специальностей, в которых отражены требования предъявляемым к сотрудникам ОВД. Ориентируясь на эти профессиограммы и осуществляется психологическое сопровождение учебного и воспитательного процесса вуза как составной части процесса подготовки квалифицированных кадров для МВД.

Кроме того, были сформированы информационные модели, позволяющие решать следующие задачи прогнозирования:

– поступления в ВУЗ; успешности обучения в вузе по различным дисциплинам и комплексам дисциплин; успешности окончания ВУЗа и причин отчисления; успешности профессиональной деятельности после окончания ВУЗа, продолжительности профессиональной деятельности по специальности, полученной в ВУЗе, а также причин ухода из ОВД, а также задачу выбора оптимального управления, для перевода активного объекта управления из заданного текущего состояния в заданное целевое состояние.

На этой основе можно заблаговременно принимать решение о целесообразности обучения по тем или иным специальностям для конкретных обучаемых.

С помощью системы "Эйдос" обеспечивается также кластерно-конструктивный анализ предметной области, в т.ч. синтез, адаптация и применение конструктов, отображение результатов анализа в наглядной графической форме семантических сетей и когнитивных диаграмм, в т.ч. диаграмм Вольфа Мерлина [143, 152, 189, 313].

Средневзвешенная достоверность прогнозирования на данных, используемых для синтеза модели (внутренняя интегральная валидность), составила в данном исследовании 83%. Внутренняя дифференциальная валидность при решении перечисленных задач колебалась при прогнозировании различных будущих состояний учащихся от 71 до 100% (при этом по двум состояниям корректные обобщенные образы не были сформированы).

Внешняя дифференциальная валидность при прогнозировании успешности службы в ОВД и продолжительности профессиональной деятельности в ОВД (т.е. при прогнозировании на данных, не входящих в обучающую выборку) составила около 80%, что подтверждает работоспособность предлагаемых технологий и их перспективность.

7.7.3. Характеристика источников информации, исходных данных и организационно-юридических форм их получения

В 1994 году на уровне руководства КЮИ МВД РФ и УВД Краснодарского края было принято решение о начале исследований, краткое описание которых приведено в данном разделе. Были разработаны и утверждены соответствующие документы. Таким образом были созданы организационные и юридические условия для сбора и накопления баз данных мониторинга. Ниже приводятся некоторые документы организационно-юридического обеспечения данного исследования:

1. Приказ о начале работ.

2. Приказ о создании экспертного Совета.

3. Ведомости экспертного Совета.

4. Календарный план проведения работ.

5. Письмо, с просьбой предоставить исходную информацию "обратной связи": служебные характеристики на выпускников КЮИ МВД РФ и приложение к нему (для заполнения формализованной служебной характеристики).

6. Сводная учебная ведомость с данными академической успеваемости.

7. Справочники классов и факторов.

Следует отметить сложность решения организационных и юридических вопросов, связанную прежде всего с новаторским характером проводимых работ. Эти вопросы были решены только благодаря пониманию и поддержке со стороны первых лиц.

7.7.4. Мониторинг качества подготовки специалистов

В результате мониторинга были получены данные о психологических свойствах личности учащихся, их академической успеваемости по различным дисциплинам и циклам дисциплин (таблица 7.5), а также данные, характеризующие их как специалистов в период несения службы после окончания института. Необходимо отметить, что решение перечисленных и других вопросов организационного и юридического обеспечения данного исследования потребовало доброй воли и неординарных решений на уровне руководства КЮИ МВД РФ и ГУВД Краснодарского края и оказалось едва ли не сложнее, чем создание научно-технологического и инструментального обеспечения этой работы (что подтверждают приведенные документы организационно-юридического обеспечения и рисунок 7.16):

Рисунок 7. 16. Письмо с просьбой предоставить служебные характеристики

на выпускников КЮИ МВД РФ и приложение к нему

Затем эти данные были преобразованы в коды (с помощью специально созданного программного интерфейса, т.е. без ручного ввода) и введены в систему "Эйдос" для последующих обработки и анализа. Необходимо отметить, что использование программного интерфейса для выполнения этих трудоемких и рутинных работ обеспечивает решение подобных задач практически на любых объемах исходных данных.

Таблица 7. 5 – ДАННЫЕ АКАДЕМИЧЕСКОЙ УСПЕВАЕМОСТИ

7.7.5. Изучение влияния факторов на качество подготовки специалистов и прогнозирование

В соответствии с предложенной моделью 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.

В качестве классов распознавания были выбраны 318 будущих состояний учащихся и выпускников института. В таблице 7.6 приведены 41 из них, представляющие особый интерес для прогнозирования. Разработана классификация факторов, потенциально влияющих на качество подготовки специалистов и определен полный набор факторов, оказывающих влияние на качество подготовки специалистов (в рамках проводимого исследования) (таблица 7.7).

На основе данных по абитуриентам и учащимся КЮИ МВД РФ за 1995 – 2002 годы (7-летний лонгитюд) с помощью системы "Эйдос" был 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. Для каждого фактора определены величина и направление его влияния на качество подготовки специалистов.

Таблица 7. 6 – СПРАВОЧНИК КЛАССОВ – БУДУЩИХ СОСТОЯНИЙ УЧАЩИХСЯ И ВЫПУСКНИКОВ КЮИ МВД РФ	Таблица 7. 7 – СПРАВОЧНИК ФАКТОРОВ ВЛИЯНИЯ НА УЧАЩИХСЯ И ВЫПУСКНИКОВ КЮИ МВД РФ

Особый интерес представляет изучение влияния форм обучения и типа активности личности на учебные и профессиональные достижения (рисунок 7.17) и выявление факторов, играющих определяющую роль в детерминации состояния "Успешность профессиональной деятельности – отличная" (рисунок 7.18):

Определение минимального набора относительно независимых факторов, оказывающих определяющее влияние на качество подготовки специалистов осуществляется путем Парето-оптимизации.

Созданное приложение системы "Эйдос" позволило решить следующие задачи (рисунок 7.19):

4. Прогнозирование успешности будущей профессиональной деятельности в разрезе по должностям и специальностям.

5. Прогнозирование продолжительности деятельности по специальности после окончания ВУЗа.

6. Исследование влияния активности и мотивации на учебные и профессиональные успехи.

7. Изучение влияния образовательных технологий на учебные и профессиональные достижения и выработка рекомендаций по управлению образовательными технологиями.

7.7.6. Анализ результатов и перспективы развития предложенной технологии

Предлагаемая модель профессионально-значимых личностных качеств сотрудников ОВД, представленная в виде развернутой характеристики индивидуальных свойств и особенностей их взаимосвязи, отраженная в профессиограммах, необходима для повышения эффективности профессионального отбора и последующей целенаправленной подготовки будущих офицеров милиции, а также выявления степени соответствия выпускников юридического института требованиям профессии следователя, оперативного работника, инспектора ГИБДД и т.д. Каждая из сторон профессиограмм, представляющих важнейшие элементы модели психологических качеств личности сотрудников милиции, отражает, во-первых, определенный цикл профессиональной деятельности, а во-вторых, в ней заложены эталонные личностные качества, навыки, умения и знания, обеспечивающие успех на различных уровнях правоприменительных отношений.

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;

6) продолжительность профессиональной деятельности по специальности, полученной в вузе;

7) 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.

Таким образом проведенное исследование показало, что определяющую роль в успешности обучения и профессиональной деятельности играет мотивация. Следовательно и мета-управление, направленное на повышение качества подготовки специалистов прежде всего должно быть сориентировано на формирование адекватных мотиваций, а следовательно, ценностей, систем самооценки и оценивания. По-видимому, для этих целей целесообразно применить весь арсенал средств морально-политического воспитания и богатые отечественные традиции патриотического воспитания, а также сравнительно новые методы коррекции систем целеполагания, мотивации, внутреннего и внешнего стимулирования, оценки и самооценки, такие, например, как нейролингвистическое программирование (НЛП). Необходимо также отметить, что полные и достоверные данные об учащихся могут быть получены без их непосредственного тестирования на основе личных дел (в т.ч. фотографий, подчерка), а также с применением компьютерных Y-технологий [161, 290] без сознательного участия респондента.

Проведенное исследование подтверждает эффективность применения АСК-анализа для создания рефлексивных АСУ активными объектами.

Перспективно применение данного инструментария и технологии в режиме адаптации и периодического синтеза модели 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.

7.8. ИНТЕЛЛЕКТУАЛЬНОЕ УПРАВЛЕНИЕ СЛОЖНЫМИ ТЕХНИЧЕСКИМИ СИСТЕМАМИ

7.8.1. Общие положения и постановка задачи

Рассмотрим применение предложенной методологии для синтеза операционного уровня систем автоматического управления (САУ) автономными комбинированными фотоветроэлектроэнергетическими установками (ФВЭУ), представляющими собой типичный пример сложной технической системы [146, 271, 277].

Для создания автономных энергосистем малой мощности, которые могут быть использованы на удалении от линий электропередач и теплотрасс, а также в аварийных ситуациях, когда традиционные источники или системы транспорта энергии выходят из строя, в качестве резервных целесообразно использовать возобновляемые источники энергии, в первую очередь энергию солнечной радиации и ветрового потока. Однако эти источники энергии обладают недостатками, основным из которых являются высокая стоимость энергии, малая мощность, непостоянство во времени в течение суток и года, непредсказуемость.

Стоимость энергии не является определяющей в аварийных ситуациях. В то же время по данным метеостатистики недостатки таких возобновляемых источников энергии, как солнечная радиация и ветровой поток удачно компенсируют друг друга: при длительной последовательности облачных дней отсутствие солнца компенсируется обычно наличием ветра; отсутствие солнечной радиации в ночные часы суток также компенсируется обычно наличием ветра; ветер по статистике обычно бывает сильнее в зимние месяцы, тогда как солнечная радиация – в летние. Поэтому совмещение преобразователей нескольких источников энергии в единую энергосистему позволяет повысить устойчивость и эффективность выработки электроэнергии за счет уменьшения мощностей преобразователей и емкости накопителей.

Наиболее перспективными для использования в качестве системы электроснабжения удаленных потребителей малой и средней мощности в настоящее время представляются автономные комбинированные фотоветроэлектрические установки (ФВЭУ), которые и рассмотрены нами в качестве примера технического применения предложенных в данной работе методологии и технологии синтеза РАСУ АО. Система автоматического управления (САУ) автономной энергосистемой с возобновляемыми источниками энергии значительно повышает ее эффективность.

Синтез САУ проводится с учетом анализа ФВЭУ на двух уровнях: уровне компонентов энергосистемы, на котором решается задача оптимального управления отдельными устройствами ФВЭУ; операционном уровне, на котором решается задача оптимального распределения энергии между потребителями и накопителем. На уровне компонентов ФВЭУ САУ осуществляет оптимальное управление по техническим критериям эффективности. Соответствующие технические решения известны и не являются предметом рассмотрения в данной работе, которой развивается метод синтеза САУ ФВЭУ на операционном уровне [277]. Рассматриваемые ФВЭУ включают следующие установки: фотоэлектроэнергетическую установку (ФЭУ) – солнечные элементы (СЭ); ветроэлектроэнергетическую установку (ВЭУ); аккумуляторную батарею (накопитель); потребитель; систему автоматизированного управления (САУ) (рисунок 7.20):

Рисунок 7. 20. Обобщенная схема комбинированной ФВЭУ

Реальные ФВЭУ могут отличаться друг от друга структурой, типом используемых устройств (преобразователей, накопителей, потребителей), родом вырабатываемого тока.

Цель САУ заключается в автоматическом обеспечении технологических требований работоспособности компонентов энергосистемы, снижении вероятности аварийных ситуаций, связанных с недоотпуском потребителю энергии. Данная цель достигается автоматическим поддержанием работы электрогенераторов в режиме максимальной мощности, автоматической защитой устройств от аварийных ситуаций, координацией работы отдельных установок в целях приведения хода производства электроэнергии в заданный, нормальный режим.

Существование операционного уровня означает, что эффективная работа автономных ФВЭУ возможна только при использовании систем автоматического управления (САУ), т.е. зависит не только от эффективной работы компонент ФВЭУ, рассматриваемых отдельно, но и от способа их взаимодействия.

Вследствие вышеприведенных особенностей автономных ФВЭУ в качестве метода их управления на операционном уровне целесообразно принять комбинированный метод с накоплением избыточной энергии и распределением нагрузки. При этом в условиях существующего или прогнозируемого дефицита энергии осуществляется распределение нагрузки с учетом приоритета, а при избытке вырабатываемой энергии – ее накопление.

В настоящее время не существует четкого оптимального алгоритма управления энергораспределением автономных ФВЭУ в условиях дефицита вырабатываемой мощности. Кроме того, из-за большой изменчивости поступления возобновляемой энергии данный оптимальный алгоритм управления для условий различных климатов может не совпадать. На операционном уровне САУ осуществляется оперативное управление распределением энергопотоков между элементами энергосистемы посредством координации функционирования отдельных управляющих устройств на первом уровне.

Цель рассматриваемого уровня САУ – наиболее полное и бесперебойное снабжение потребителей электроэнергией при ее неравномерном поступлении в условиях нормального эксплуатационного режима всех элементов энергосистемы. Таким образом, 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.

Выбор режима энергораспределения осуществляется на основе анализа информации о текущем состоянии ФВЭУ и прогнозируемом будущем состоянии первичных энергоресурсов (таблицы 7.8 – 7.9):

Таблица 7. 8 – ВАРИАНТЫ УПРАВЛЕНИЯ ФВЭУ

Таблица 7. 9 – ВЫБОР РЕЖИМА ЭНЕРГОРАСПРЕДЕЛЕНИЯ ФВЭУ

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.

7.8.2. Синтез модели, оценка ее адекватности и использование для поддержки принятия решений

В соответствии с приведенным выше общим алгоритмом АСК-анализа, который рассматривается как алгоритм синтеза и эксплуатации РАСУ АО (рисунок 2.16) и основываясь на результатах работы [277] рассмотрим пример синтеза САУ ФВЭУ.

Шаг 1–й: формализация предметной области (БКОСА-1): разработка описательных и классификационных шкал и градаций, необходимых для формализованного описания предметной области. Описательные шкалы описывают факторы различной природы, влияющие на поведение АОУ (таблица 7.10), а классификационные – все его будущие состояния, в том числе целевые (таблица 7.11):

Таблица 7. 10 – ОПИСАТЕЛЬНЫЕ ШКАЛЫ (ФАКТОРЫ)

Таблица 7. 11 – КЛАССИФИКАЦИОННАЯ ШКАЛА
(РЕЖИМЫ ЭНЕРГОРАСПРЕДЕЛЕНИЯ ФВЭУ)

Шаг 2–й: формирование обучающей выборки (БКОСА-2): с использованием приведенных выше шкал представим экспертные оценки целесообразности выбора различных режимов энергораспределения из работы [277] в форме, соответствующей требованиям обработки информации в автоматизированных системах [152] (таблица 7.12):

Таблица 7. 12 – ОБУЧАЮЩАЯ ВЫБОРКА

Шаг 3–й: обучение (БКОСА-3): обучающая выборка обрабатывается обучающим алгоритмом, в результате чего формируются решающие правила (обобщенные образы состояний АОУ, отражающие весь спектр будущих возможных состояний объекта управления), а также определяется ценность факторов для решения задач подсистем идентификации, мониторинга, прогнозирования и выработки управляющих воздействий, представленные в матрице информативностей (таблица 7.13), показывающую количество информации о целесообразности выбора того или иного режима энергораспределения получает САУ, если установлено действие некоторого фактора. Данная матрица информативностей и представляет собой конкретную информационную модель ФВЭУ, на основе которой САУ может принимать решения о выборе наиболее целесообразного режима энергораспределения. Выбирается тот режим, о котором в системе факторов {X, Y, Z} содержится максимальное количество информации.

Таблица 7. 13 – МАТРИЦА ИНФОРМАТИВНОСТЕЙ

Таким образом, размерность модели составила: 11 прогнозируемых состояний ФВЭУ, 11 градаций факторов, 40 прецедентов в обучающей выборке, 531 факт.

Шаг 4–й: оптимизация (БКОСА-4): оптимизация модели в данном примере не осуществлялась, т.к. оптимальная система факторов была выбрана на основе содержательных представлений.

Шаг 5–й: верификация модели (БКОСА-5): показала ее 100% внутреннюю дифференциальную и интегральную валидность.

Шаг-6: принятие решения об эксплуатации модели или ее пересинтезе. С учетом результатов верификации модели есть основания принять ее к эксплуатации.

Шаг 7-й: идентификация и прогнозирование состояния АОУ (БКОСА-7). В таблице 7.14 приведен пример отчета по выбору режима ФВЭУ по факторам:

Таблица 7. 14 – ВЫБОР РЕЖИМА ФВЭУ (ПРИ X=1, Y=1, Z=1)

7.8.3. Исследование модели

Взвешенное обобщение экспертных оценок рациональности режимов энергораспределения (БКОСА-2, БКОСА-3)

В обучающей выборке (таблица 7.12), мнения экспертов по выбору рационального режима энергораспределения сведены в одну таблицу. При этом возникает задача определения средней силы влияния каждого фактора на принятие решения о выборе режима энергораспределения. В предлагаемой технологии результатом решения данной задачи является таблица 7.13, представляющая собой результат взвешивания экспертных оценок на основе математической модели, предложенной в данной работе.

Автоматизация экспертных оценок и их замена оценками непосредственного пользователя ФВЭУ (БКОСА-2, БКОСА-3)

В предложенной технологии нет необходимости привлекать экспертов для построения модели ФВЭУ и разработки алгоритмов принятия решений в САУ. Имеется возможность поставки "не обученной" ФВЭУ пользователю. В этом случае ему предлагается самому сформировать классификационные и описательные шкалы и градации (возможно, вместе с поставщиком) и некоторое время самостоятельно принимать решения о выборе режимов энергораспределения, формируя на этой основе обучающую выборку. С использованием режима адаптации САУ возможна имитация автоматизированных решений с оценкой их эффективности без фактической реализации. Если их качество устраивает заказчика, то система может быть переведена в автоматизированный режим реального принятия решений о выборе режима энергораспределения. В дальнейшем, при необходимости, обучающая выборка может дополняться, а также могут изменяться оценки, приведенные в ней, в результате чего через некоторое время после переобучения САУ будет принимать решения, наиболее приемлемые для пользователя.

Определение дифференцирующей мощности факторов относительно режимов энергораспределения и контролируемое снижение размерности модели (БКОСА-3, БКОСА-4)

Анализ обучающей выборки в соответствии с математической моделью показывает, что различные факторы имеют различное влияние на перевод АОУ в различные будущие состояния.

Дифференцирующей мощностью фактора называется среднее количество полезной информации, которое САУ получает для выбора режима, если установлено, что данный фактор действует (таблица 7.15):

Таблица 7. 15 – ДИФФЕРЕНЦИРУЮЩАЯ МОЩНОСТЬ ФАКТОРОВ

Итак, факторы имеют различную дифференцирующую мощность, которая может быть установлена. Из этого следует два важных вывода: во–первых, нет необходимости перед построением модели ФВЭУ пытаться решить задачу выбора наиболее существенных факторов (как это обычно предлагается в факторном анализе); можно исследовать все факторы, о которых имеется систематическая информация; во–вторых, незначимые факторы всегда можно удалить из модели ФВЭУ без ущерба для ее эффективности и адекватности, тем самым сократив эксплуатационные расходы на сбор и обработку информации САУ.

Определение силы влияния факторов на принятие решения о переключении ФВЭУ в различные режимы энергораспределения (БКОСА-3.2, БКОСА-4.1, БКОСА-9.2)

Как видно из таблицы 7.13, различные факторы содержат различное среднее количество информации для принятия решения о выборе режима энергораспределения. Каждый режим может быть охарактеризован единственной последовательностью факторов, в которой они ранжированы в порядке убывания количества информации в пользу выбора данного режима. Такая последовательность называется информационным портретом режима ФВЭУ [152]. Аналогично каждый фактор может быть охарактеризован единственной последовательностью режимов, в которой они ранжированы в порядке убывания количества информации в пользу их выбора, содержащейся в данном факторе [152].

Информационные портреты режимов и факторов могут быть представлены в графическом виде.

Определение степени детерминированности режимов энергораспределения ФВЭУ (БКОСА-3.3, БКОСА-4.2, БКОСА-9.1)

Различные режимы отличаются друг от друга средним количеством информации о выборе или не выборе данного режима, содержащейся в факторах. Если выбор некоторого режима однозначно, т.е. детерминистским образом, определяется некоторым фактором, то этот фактор будет содержать максимально-возможное количество информации о выборе данного режима и этот режим будет иметь высокую степень детерминированности (определенности). Если же наоборот, в обобщенном образе режима все факторы содержат небольшое количество информации, то данный режим будет слабодетерминированным, а его выбор – неопределенным (таблица 7.16).

Слабодетерминированные режимы, как правило, являются сходными сразу с несколькими сильнодетерминированными. В инструментальной системе реализован режим, обеспечивающий удаление из модели тех классов, которые сводятся к суперпозиции некоторого минимального количества слабо коррелирующих друг с другом классов.

Таблица 7. 16 – ДЕТЕРМИНИРОВАННОСТЬ РЕЖИМОВ ФВЭУ

Определение фактической приоритетности нагрузок

В технологии, предлагаемой в данной работе, нет необходимости искусственно вводить группы приоритетности нагрузок, так как модель обеспечивает обработку данных большой размерности. Это означает, что все нагрузки могут быть перечислены как градации – факторы в соответствующей описательной шкале. В результате после формирования обучающей выборки на основе решений пользователя ФВЭУ выясняется порядок, в котором нагрузки обслуживаются в случае дефицита внешних энергетических ресурсов.

Исследование сходства и различия режимов ФВЭУ и факторов (БКОСА-10)

Данная задача решается в два этапа: формирование кластеров и конструктов режимов ФВЭУ и факторов; содержательное сравнение режимов ФВЭУ и факторов. Кластеры формируются инструментальной системой, на основе сравнения векторов режимов энергораспределения и факторов, представленных в таблице 7.13. Конструкт представляет собой систему наиболее сильно отличающихся кластеров (со спектром промежуточных кластеров). На рисунках 7.21 – 7.22 приведены диаграммы семантических сетей, построенных по результатам кластерно–конструктивного анализа режимов энергораспределения ФВЭУ и факторов, влияющих на принятие решений о выборе этих режимов.

Рисунок 7. 21. Семантическая сеть классов

Рисунок 7. 22. Семантическая сеть признаков

Содержательное сравнение режимов (факторов) друг с другом представляет собой информационные портреты двух режимов, в которых факторы соединены друг с другом линиями, цвет и толщина которых соответствуют знаку и величине их вклада в сходство или различие данных двух режимов (факторов). Графическое отображение этой информации называется когнитивной диаграммой [152]. Примеры когнитивных диаграмм классов и признаков приведены на рисунках 7.23 и 7.24.

Рисунок 7. 23. Когнитивная диаграмма классов

1. В разделе обоснована актуальность применения автономных комбинированных фотоветроэлектроэнергетических установок (ФВЭУ), основанных на использовании таких возобновляемых источников энергии, как солнечная радиация и поток ветра.

Рисунок 7. 24. Когнитивная диаграмма признаков

2. Показано, что КПД ФВЭУ существенно повышается при использовании систем автоматического управления (САУ). Рассматриваются два уровня САУ ФВЭУ: уровень компонент системы и операционный уровень. Технические проблемы управления ФВЭУ на уровне компонент решаются разработчиками этих компонент. Операционный уровень САУ обеспечивает выбор наиболее эффективного режима энергораспределения ФВЭУ в зависимости от состояния ФВЭУ и краткосрочного прогноза мощности первичных возобновляемых энергоресурсов. Поэтому для разработчиков ФВЭУ наибольший интерес представляет эффективный синтез именно операционного уровня САУ. Однако решение этой проблемы связано со значительными сложностями, обусловленными тем, что ФВЭУ представляет собой сложную техническую систему.

3. Приводится численный пример использования разработанной методологии синтеза РАСУ АО для синтеза операционного уровня САУ ФВЭУ. Показано, что предлагаемая методология не только обеспечивает синтез адаптивных САУ, настраивающихся на локальные особенности места установки ФВЭУ и потребности пользователя, но и позволяет поставить и решить целый комплекс взаимосвязанных задач, представляющих интерес в связи с теорией и практикой управления сложными системами, в частности при эксплуатации ФВЭУ: взвешенное обобщение экспертных оценок рациональности режимов энергораспределения; автоматизация экспертных оценок и их замена оценками непосредственного пользователя ФВЭУ; определение дифференцирующей мощности факторов относительно режимов энергораспределения и контролируемое снижение размерности модели; определение силы влияния факторов на принятие решения о переключении ФВЭУ в различные режимы энергораспределения; определение степени детерминированности режимов энергораспределения ФВЭУ; определение фактической приоритетности нагрузок; исследование сходства и различия состояний ФВЭУ и факторов.

Разработанная методика, технология и инструментарий синтеза рефлексивных АСУ активными объектами могут быть применены и в других областях.

7.9. ОГРАНИЧЕНИЯ ПРЕДЛОЖЕННОЙ ТЕХНОЛОГИИ И ВОЗМОЖНОСТИ ОБОСНОВАННОГО РАСШИРЕНИЯ ОБЛАСТИ ЕЕ ПРИМЕНЕНИЯ НА ОСНОВЕ НАУЧНОЙ ИНДУКЦИИ

Необходимо отметить, что ряд материалов данного раздела носят в определенной степени проблемно–дискуссионный характер.

Предложенные и развитые в данной работе математическая модель, методология и конкретная технология синтеза РАСУ АО основаны на фундаментальных положениях теории информации, распознавания образов и принятия решений, имеющих весьма общий характер. Они разрабатывались в общем виде без привязки к специфике какого–либо конкретного объекта управления. По этим причинам методы, развитые в данной работе и детализированные в главе 6 данной работы, обладают высокой универсальностью и применимы для синтеза РАСУ АО в самых различных предметных областях, в частности таких как: техника (управление сложными техническими системами); технология (управление технологиями в целях получения заданных хозяйственных и финансовых результатов); психология (разработка и применение профессиограмм, идентификация, мониторинг, прогнозирование и управление психологическими состояниями); обучение (прогнозирование успешности профессиональной деятельности, управление индивидуальным обучением, исследования влияния учебной активности на качество обучения и т.д.); другие применения (социология, политология, реклама, маркетинг, правоохранительная сфера и др.).

Рассмотрим перспективы применения методики и технологии АСК-анализа в некоторых из этих предметных областей более подробно. Многие из рассмотренных ниже применений технологии АСК-анализа описаны в работах: [14, 69, 70, 136–165, 230–233, 237, 270, 273–286, 314, 320, 329, 366].

Предложенная технология АСК-анализа продемонстрировала эффективность в различных предметных областях: это и синтез систем управления сложными техническими системами, и решение задач управления качеством подготовки специалистов; и прогнозирование ситуаций на фондовом рынке; и прогнозирование результатов выращивания сельскохозяйственных культур; и выбор оптимальных агротехнологий.

На первый взгляд эти области имеют мало общего между собой, между тем с математической точки зрения и с точки зрения технологии интеллектуальной обработки информации во всех этих областях решались одни и те же задачи. В этой связи возникает закономерный вопрос о существовании ограничений предложенной технологии и возможном корректном расширении области ее применения на другие предметные области.

Очевидно, ограничения АСК-анализа должны существовать, а значит они должны быть изучены, чтобы, с одной стороны, пользователь обоснованно пользовался этой технологией в областях ее оптимального, уверенного и рискованного применения, а с другой стороны, не возлагал необоснованных надежд на ее применение в тех предметных областях и для решения тех задач, для которых она не предназначена.

При решении вопроса о расширении области применения АСК-анализа целесообразно основываться на методе научной индукции.

В данном контексте этот метод научной индукции состоит в следующем:

1. Применить АСК-анализ для синтеза рефлексивной АСУ активными объектами на одном примере, в нашем случае – на примере управления качеством подготовки специалистов в КЮИ МВД РФ.

2. Выявить факторы, которые являются причинами успешности, т.е. обусловили успех применения АСК-анализа в данном случае.

3. Выдвинуть гипотезу, что и в других случаях, когда сформулированные факторы (причины) успешности применения АСК-анализа действуют, т.е. имеют место, применение этой технологии будет успешным, и наоборот, при отсутствии хотя бы одного из этих факторов – на успех надеяться нет оснований.

4. Применить АСК-анализ в других предметных областях, обеспечив в обязательном порядке действие факторов успешности.

5. Проверить, успешным ли оказалось применение АСК-анализа в этих других случаях.

6. Если да, т.е. успешным, то считается, что такой результат получен за счет действия факторов успешности, и что на этом основании можно обоснованно утверждать, что и в других случаях, в которых будут присутствовать факторы успешности, можно надеяться на успешное применение АСК-анализа, и наоборот, в тех случаях, когда один или несколько факторов не соблюдаются, надеяться на успех нет оснований.

Примечание к п.6: если для какого-либо фактора успешности неизвестно, действует он или нет в данном конкретном случае, то результат применения АСК-анализа может быть положительным и отрицательным, в зависимости от того, действует ли данный фактор или нет и от того, является ли данный фактор детерминистским. В этом случае мы имеем дело с рискованным применением АСК-анализа.

Выполним эту программу.

1. АСК-анализ успешно применен для синтеза рефлексивной АСУ активными объектами: качеством подготовки специалистов в КЮИ МВД РФ.

2. Этот результат обусловлен следующими факторами:

– семантическая информационная модель адекватна предметной области;

– информация в обучающей выборке полна и достоверна: 1) достоверны тесты, применяемые для получения вторичных параметров (качественны и сами тесты и процедуры их использования), 2) достоверны и согласованны (объективны) независимые экспертные оценки объектов обучающей в выборки, (эксперты компетентны, процедуры сбора и обобщения экспертных оценок корректны и эффективны); 3) ввод информации в автоматизированную систему произведен качественно;

– в предметной области существуют реальные закономерности;

– обучающая выборка обладает общей и структурной репрезентативностью;

– методические и технологические этапы АСК-анализа реализованы корректно;

– специальный программный инструментарий выполняет возложенные на него функции автоматизации БКОСА.

3. Выдвигается гипотеза (т.е. предполагается), что когда обязательные факторы успешности применения АСК-анализа, приведенные в п.2 действуют, его применение будет успешным.

4. АСК-анализ реально эффективно применялся в десятках различных предметных областей с обязательным соблюдением факторов успешности.

5. Успешность применения АСК-анализа подтверждена актами внедрения (всего имеется 17 таких актов, подтверждающих успешность применения). О некоторых из этих применений информация приведена в данном разделе (ниже). При этом необходимо отметить, что примерно треть применений не документировались по ряду причин.

6. Это подтверждает гипотезу, сформулированную в п.3 и означает, что на основании принципа научной индукции АСК-анализ должен сохранять адекватность и эффективность и в других новых предметных областях при условии действия факторов успешности.

7.10. МОНИТОРИНГ, ПРОГНОЗИРОВАНИЕ И УПРАВЛЕНИЕ В ФИНАНСОВО-ЭКОНОМИЧЕСКОЙ СФЕРЕ

7.10.1. Актуальность

Повторяющиеся с завидной периодичностью межбанковские кризисы заставили участников финансового рынка всерьез задуматься о необходимости серьезной организации социально–экономического мониторинга, а также аналитических исследований. Наиболее дальновидные банки и финансовые компании, в том числе и кубанские, начали создавать и оснащать необходимым инструментарием свои аналитические службы.

Руководители давно поняли нехитрое правило: "Хочешь заработать сто миллионов – вложи в аналитика сто тысяч".

7.10.2. Предлагаемый подход

Рассмотрим службу мониторинга и прогнозирования, основная цель которой – прогнозирование и выработка рекомендаций по управлению на основе централизованного сбора, обработки и анализа разноплановой информации, необходимой для принятия управленческих решений.

Для достижения этой цели служба мониторинга непрерывно ведет исследование следующих объектов управления:

1. Ценообразование по всем секторам рынка.

2. Ход экономической реформы по ее направлениям.

3. Инвестиционные процессы в экономике.

4. Кредитно–финансовая система.

5. Предприятия различных форм собственности, направлений и объемов деятельности.

6. Социально–психологический статус управленческого и вспомогательного персонала, а также населения.

Рассмотрим эти направления подробнее.

Ценовой мониторинг

Ценовой мониторинг обеспечивает непрерывный сбор и накопление баз данных по ценам на основные товары всех секторов рынка, а также по основным финансово–экономическим показателям (факторам), влияющим на цены, что позволяет выявить и изучить зависимости между ценами на разные товары, между ценами и факторами, и на этой основе осуществлять краткосрочное и перспективное прогнозирование динамики цен.

Данная функция не дублирует ведомственный ценовой мониторинг, который уже организуется некоторыми департаментами, так как:

во–первых, акцентирует внимание на взаимосвязи динамических закономерностей цен на товары различных секторов рынка;

во–вторых, изучает влияние макроэкономических и других показателей на динамику цен;

в–третьих, держит в поле зрения лишь основные товары каждого сектора рынка, тогда как в ведомственных системах перечень товаров по соответствующему сектору рынка значительно шире;

в–четвертых, перед ведомственными службами ценового мониторинга не ставится задача сбора и обобщения информации по ценовому мониторингу различных секторов рынка в комплексе.

Мониторинг хода экономической реформы

Существует ежеквартальная отчетность регионов края по ходу экономической реформы. Однако эта отчетность слабо стандартизирована и формализована, не накапливается в компьютерных базах данных, содержит лишь абсолютные значения экономических показателей, а не информацию об экономических событиях и их динамике. В результате автоматизированный анализ этой информации с помощью интеллектуальных методов не проводится.

Предлагаемая методология и технология обеспечивают организацию этих работ, что позволяет в соответствии с установленным регламентом:

– получить аналитические отчеты о ходе реформы по ее направлениям (приватизация, фондовый рынок, земельная реформа, финансовая сфера, производство, услуги, и т.д.);

– выявить и изучить взаимосвязи темпа реформы в различных направлениях;

– выявить и изучить пути движения инвестируемых средств между различными предметными областями и направлениями реформы.

Мониторинг инвестиционных проектов

Конечно, в каждом инвестиционном проекте дается экономическое обоснование целесообразности инвестиций в выбранном направлении. Однако данное обоснование часто страдает некоторой односторонностью, так как обычно разработчики инвестиционной программы не в состоянии учесть обобщенный опыт инвестирования в ту или иную сферу в конкретных условиях рынка Кубани, так как просто не владеют необходимой информацией. Этот обобщенный опыт может быть формализован и накоплен лишь в специально созданной и уполномоченной на получение соответствующей информации структуре. Такая структура может дать независимую комплексную (а не только экономическую) оценку каждого инвестиционного проекта, т.е. сделать по нему заключение типа: "Опыт осуществления 25 подобных проектов показывает, что такого рода проекты, как правило, (в 85% случаев) в условиях Кубани приводят к тому–то и тому–то". Это заключение может быть отрицательным даже в том случае, если его экономическое обоснование является блестящим, но... проведенным по неадаптированным западным методикам, слабо учитывающим специфику России вообще и Кубани в частности.

Кредитно–финансовый мониторинг

На основе непрерывно ведущихся баз данных по динамике цен на ценные бумаги, ставкам банковских кредитов, курсам валют и т.д. позволяет выявлять и изучать закономерности кредитно–финансового и фондового рынка, и на этой основе прогнозировать его развитие, разрабатывать обоснованные рекомендации по управлению им.

Мониторинг предприятий

Основные цели организации мониторинга предприятий – прогнозирование целесообразности инвестирования в данное предприятие, оценка рисков его кредитования и страхования, выявление предприятий, попадающих в различные "зоны риска".

Для достижения этих целей необходимы следующие виды работ:

1. Классификация предприятий, например, по трем шкалам:

– форма собственности;

– направление деятельности;

– объем деятельности.

2. Организация ведения базы данных, которая содержит и накапливает в формализованном виде информацию по предприятиям, необходимую для достижения сформулированных целей.

3. Формирование обобщенных информационных портретов предприятий различных категорий.

4. Выдача характеристики на основании запроса в необходимых аспектах по любому предприятию, по которому имеется заполненный формализованный паспорт.

Социально–психологический мониторинг

Предлагаемая методология и технология обеспечивает сбор и обработку данных мониторинга по тем срезам социума, которые приняты как объекты постоянного контроля и управления:

– общественное и индивидуальное сознание;

– национально–этнические проблемы;

– культурно–религиозные проблемы;

– демографические проблемы;

– проблемы возрастных групп (молодежи, трудоспособного населения и пенсионеров);

– проблемы профессиональных групп;

– проблемы безработицы;

– проблемы групп населения с различным образовательным уровнем;

– классовые проблемы (профсоюзы, забастовки, приватизация и национализация, группы различного уровня достатка);

– политические ситуации;

– криминогенные ситуации;

– экономические ситуации;

– рейтинг политических лидеров, партий и движений.

Кроме того, может быть дан психологический анализ различных типов управленческого и вспомогательного персонала, разработаны фотороботы этих типов и автоматизированные методики их идентификации.

7.10.3. Результаты и перспективы

Таким образом, предлагаемый подход позволяет решить следующие задачи:

1. Разработка выводов о состоянии и динамике объекта управления на основе сбора и анализа информации.

2. Разработка рекомендаций по способам и содержанию управляющих воздействий на объект управления.

3. Подготовка регламентных тематических и сводных аналитических отчетов (ежедневных, недельных, месячных, квартальных и годовых отчетов), а также заказных отчетов по ранее проведенным исследованиям.

7.11. ОЦЕНКА РИСКОВ СТРАХОВАНИЯ И КРЕДИТОВАНИЯ ПРЕДПРИЯТИЯ

7.11.1. Актуальность

Известны зарубежные методики оценки рисков страхования и кредитования предприятий (РСК). Однако эти методики основаны на предположении о существовании определенных экономических реалий (макро– и микро–экономических законов и закономерностей), которые в экономике переходного периода, каковой в настоящее время является экономика России, действуют слабо или вообще не имеют места. Поэтому зарубежные методики в наших условиях не должны эффективно работать.

Эффективность адаптации зарубежных методик к нашим условиям также выглядит проблематичной, так как даже если ее и осуществить, то все равно из–за высокой динамичности нашей экономики и ее законодательно–правового аспекта эти адаптированные методики достаточно быстро потеряют свою адекватность. Возникает также вопрос о том, насколько для Южно–Российского региона, имеющего свою ярко выраженную специфику, годятся методики, адаптированные для Москвы или С.Петербурга и насколько они лучше, чем, например, Кембриджские или Стэндфордские.

Как правило, технология адаптации является весьма сложной, наукоемкой и интеллектуальной, и стоит на несколько порядков дороже самих методик или вообще не поставляется ее разработчиком.

Следовательно, весьма актуальной является разработка отечественных методик и технологий, обеспечивающих как оценку РСК, так и позволяющих разработать рекомендации по управлению предприятием, которые изменяли бы эти оценки в желательном направлении (санация).

7.11.2. Традиционные подходы к решению проблемы: фундаментальный и технический подход (содержательные и феноменологические модели)

Существуют два основных подхода к решению сформулированной выше проблемы:

– фундаментальный, основанный на выявлении взаимосвязей между внутренними и внешними по отношению к предприятию факторами и (событиями) и уровнем целесообразности инвестиций в данное предприятие;

– технический, основанный на анализе временных рядов различных параметров предприятия и его окружения средствами регрессионного анализа и математической статистики.

Фундаментальный подход оперирует средствами многомерного факторного анализа и содержательным аналитическим аппаратом математической экономики. Технический подход основан на статистических феноменологических моделях, отражающих внешнюю сторону явлений. Первое выглядит более обоснованным, однако наталкивается на технические трудности сбора и подготовки исходной информации. Технический подход более технологичен в плане сбора информации и ее обработки, но является более поверхностным в ее анализе и дает менее качественные прогнозы.

7.11.3. Предлагаемая методология и технология как синтез технического и фундаментального подхода. Общие принципы решения проблемы

В данной работе автор предлагает методологию и технологию, сочетающие глубину, содержательность и интерпретируемость фундаментального подхода с технологичностью технического подхода. Суть этой технологии состоит в том, что, как в техническом подходе, на основе анализа временных рядов определенных параметров, характеризующих как само предприятие, так и экономическую и правовую среду, в которой оно действует, выделяется информация о событиях в этих областях. После этого, как в фундаментальном подходе, анализируются причинно–следственные взаимосвязи между событиями, и на основе этого разрабатываются прогнозы и рекомендации по управлению.

В самом общем виде принцип решения сформулированной выше проблемы с помощью инструментальной программной системы состоит в следующем:

– классифицируются изучаемые типы предприятий;

– классифицируются параметры как самих предприятий, так и окружения, в котором они действуют;

– выбираются и описываются предприятия, относящиеся к различным категориям;

– описанные предприятия представляются инструментальной системе в качестве образцов, т.е. конкретных реализаций, относящихся к тем или иным категориям;

– формируются обобщенные образы различных категорий предприятий и определяется ценность выбранных параметров описания для идентификации типа и прогнозирования развития предприятий и уровня РСК;

– исключаются наименее ценные параметры описания;

– выводятся в текстовом и графическом виде развернутые характеристики различных уровней РСК;

– осуществляется кластерно–конструктивный анализ сходства и различия предприятий с разными уровнями РСК;

– проводится содержательный структурно–функциональный анализ сходства и различия всевозможных предприятий с отличающимися уровнями РСК;

– по параметрам: дается их смысловая характеристика, анализируется сходство и различие по смыслу, проводится их содержательное сравнение;

– создается инфраструктура разработки, применения и развития методик, основанных на предложенных интеллектуальных технологиях.

Подробнее эти этапы рассмотрены в работе [277].

7.12. АНАЛИЗ ОБЩЕСТВЕННОГО МНЕНИЯ (СОЦИОЛОГИЯ И ПОЛИТОЛОГИЯ)

С применением предложенной методологии и технологии может быть выполнен ряд работ в области социологии и политологии:

– определение социальной базы (структуры электората) партий, их блоков и объединений, конкретных кандидатов в разрезах по краевому центру, городам и районам края (социальный, возрастной, профессиональный, национальный, образовательный, половой и т.п. Состав, поддерживающих и отвергающих программные лозунги предвыборной борьбы);

– изучение социальных запросов различных групп населения и формирование на этой основе предвыборной программы блока, партии, кандидата;

– выявление объективных союзников и оппозиции, как в среди партий, блоков и кандидатов, так и среди различных групп населения;

– изучение динамики и территориальных особенностей по всем этим аспектам.

Имеется положительный опыт исследований по данной проблематике, подтвержденный рядом актов (ДСП).

В настоящее время работы, проводящиеся различными группами и организациями по этим проблемам не основаны на использовании автоматизированных систем искусственного интеллекта, позволяющих разрабатывать и использовать оптимальные методики получения социологической информации и ее анализа. Обычно применяемое для компьютерной обработки результатов анкетирования программное обеспечение позволяет получить лишь простейшие характеристики исследуемой выборки, вроде процентного распределения голосов по районам или различным группам населения.

Рассмотрим подробнее вопросы применения АСК-анализа для выявления конфликтующих коалиций в сложных организационных системах.

В теории конфликтов традиционно считается, что конфликтующие стороны известны, т.е. заданы априорно, и, таким образом, вопрос об их обнаружении и выявлении в рамках этой теории не стоит.

Однако в ряде предметных областей, таких, например, как психология общения, социально-экономические и политологические системы, которые представляют собой сложные организационные системы, перед применением методов теории конфликтов часто бывает необходимо предварительно выявить сами конфликтующие стороны и их возможные коалиции, определить содержание и источники конфликтов, и уже только после этого конкретизировать типы конфликтов и применять стандартные методы их разрешения или компромиссного согласования интересов. Более того, именно в обнаружении конфликтующих сторон, а не в дальнейшем анализе, зачастую и состоит основной смысл интеллектуальной обработки данных в этих предметных областях.

Таким образом проблема выявления конфликтующих сторон и коалиций является актуальной научно-технической проблемой, относящейся к области, непосредственно смежной с теорией конфликтов и как бы подготавливающей исходные данные для ее применения.

Авторы предлагают применить для выявления конфликтующих коалиций в сложных организационных системах методы кластерно-конструктивного анализа и теории информации, реализованные в адаптивной системе анализа и прогнозирования состояний сложных систем "Эйдос".

Теория конструктов возникла в 1955 году (Дж.Келли) в области когнитивной психологии. Конструктом называется понятие, имеющее семантические полюса и шкалу промежуточных смысловых значений (градаций). В частности, конструктом является и система из двух наиболее сильно отличающихся кластеров со спектром объектов, занимающих между этими полюсами промежуточные положения.

Более конкретно суть предлагаемой авторами технологии состоит в следующем.

Осуществляется формализация предметной области, которая состоит в том, что каждой относительно самостоятельной компоненте системы ставится в соответствие некоторая обобщенная категория и все компоненты описываются в одной системе свойств и качеств (атрибутов).

На основе описаний компонент формируются обобщенные образы категорий, которые соответствуют конфликтующим или вступающим в коалицию сторонам. Для этой цели применяются методы теории информации, в частности апостериорная семантическая мера информации А.А.Харкевича.

Каждый из обобщенных образов представляет собой список атрибутов, расположенных в порядке убывания их характерности для данной категории. Кроме того, каждый атрибут описывается количеством информации, которое он содержит о принадлежности обладающего данным атрибутом компонента системы к каждой из категорий.

Обобщенные образы непосредственно сравниваются между собой методами корреляционного анализа, на основе чего формируется матрица сходства, которая является непосредственной основной для расчета конструктов и кластеров.

Важно, что в предложенной математической модели при формировании конструктов одновременно формируются и кластеры, причем если для формирования кластеров по классическим алгоритмам необходимо произвести число операций, равное количеству сочетаний из "n по m", то для формирования конструктов, всего n², т.е. в предложенной модели в данном случае снимается проблема комбинаторного взрыва.

Результаты кластерно-конструктивного анализа представляются в наглядной графической форме в виде семантических сетей, которые представляют собой ориентированные графы, в вершинах которых находятся обобщенные категории, а ребрами являются вектора, величина и направление которых соответствуют величине сходства или различия каждой пары категорий.

Конкретное содержание конфликтов и основа для коалиций раскрывается в форме когнитивных диаграмм, представляющих собой по сути дела графическое изображение обобщенных образов двух категорий в форме списков наиболее характерных и нехарактерных для них атрибутов с указанием в форме векторов вклада каждой пары атрибутов в сходство или различие данных категорий.

Таким образом, предложенные математические модели, основанные на теории информации, и конкретная технология интеллектуальной обработки информации, реализованная на базе адаптивной системы анализа и прогнозирования состояний сложных систем "Эйдос", обеспечивают успешное выявление конфликтующих коалиций в сложных организационных системах, в частности коллективах, социально-экономических и политологических системах.

7.13. ЭКОЛОГИЧЕСКИЙ МОНИТОРИНГ, АНАЛИЗ И ПРОГНОЗИРОВАНИЕ

Предложенные математические модели и программный инструментарий предлагается применить для аналитической обработки данных экологического мониторинга (на примере Черного моря):

– разработка оптимального формализованного паспорта для экологического мониторинга и экологического зонирования (районирования) побережья Черного моря;

– экологическая паспортизация и зонирование побережья Черного моря;

– разработка информационных портретов экологических зон побережья;

– классификация экологических зон, обобщение и сопоставительный анализ;

– комплексные и специальные, регламентные и инновационные аналитические исследования по данным экологического мониторинга побережья Черного моря;

– исследование влияния факторов различного происхождения (геофизических и биосферных, антропогенных, рекреационных и других экологических мер и технологий) на экологическое состояние побережья Черного моря;

– исследование динамики экологического состояния побережья Черного моря в связи с динамикой влияющих на него факторов;

– оперативное и долгосрочное прогнозирование развития экологического состояния побережья Черного моря;

– разработка методик подбора персонала экологических служб: оценка индивидуальных качеств сотрудников; оптимальный подбор групп по совместимости; прогнозирование успешности профессиональной деятельности в различных областях; прогнозирование рисков нежелательных проявлений;

– косвенная оценка рисков инвестирования, страхования, кредитования, бизнеса, других форм деятельности и взаимодействия юридических и физических лиц, в том числе в области экологической деятельности;

– организация Информационно–аналитического центра Public Relations, для проведения систематических (регламентных) и заказных исследований по изучению и формированию мнения различных групп населения по вопросам экологии ("экологического сознания", "экологической экномики"), а также для участия в выполнении работ по вышеупомянутым проектам;

– изучение аудитории и роли различных средств массовой информации в освещении экологической проблематики и формировании экологического сознания у различных групп населения.

7.14. НЕКОТОРЫЕ ПЕРСПЕКТИВЫ РАЗВИТИЯ И ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ АСК-АНАЛИЗА

7.14.1. Перспективные области применения

Краткое перечисление перспективных областей применения АСК-анализа

В перспективе предложенные методология, технология и инструментальная программная система могут быть применены, в частности, в следующих областях:

1. В медицине для диагностики заболеваний по их симптоматике; сжатия диагностической информации, содержащейся в медицинской литературе и архивах историй болезни; проведения научных исследований по выявлению причинно–следственных зависимостей между применяемыми средствами (например, лекарственными) и методами лечения, с одной стороны, и лечебным эффектом, с другой на основе данных мониторинга.

2. В профессиональной диагностике и профориентации в учебных заведениях, на предприятиях в отделах кадров, в центрах занятости населения (на биржах труда и в службах трудоустройства). Для психосоциальной диагностики и анализа общественного мнения, компьютерной обработки и интерпретации результатов социологических исследований (public relations). Для тестирования предметной обычности учащихся и определения решаемости контрольных заданий.

3. Для выявления и прогнозирования "зон риска", в том числе в налоговых, финансовых и других контролирующих органах, для криминалистической и психофизиологической идентификации личности. Для классификации и типологизации преступлений, формализации фабулы (почерка), нахождения аналогов преступлений, а также автоматизированного поиска ранее проведенных проверок, в которых были получены аналогичные результаты.

4. Для диагностики способностей, косвенного измерения уровня развития сознания, интеллектуальной и эмоциональной сферы, способностей к специальным видам деятельности, связанных с риском, высокой ответственностью, работой на высоте, под землей, под водой, с применением оружия, в экстремальных ситуациях, в измененном темпе времени и т.п. Для автоматизированного синтеза образа объекта по его фрагментам, полученным с помощью подсознательного информационного канала, в том числе при получении одной и той же информации многими людьми, ни один из которых в явной и целостной форме не осознает ее и не способен осуществить сознательный синтез целостного образа; для количественного сравнения и идентификации образов, полученных в результате дистанционной перцепции, ретрогниции и прекогниции, с образами – мишенями. Для синтеза образа объекта – мишени по его вербальным описаниям и количественного его сравнения с оригиналом при индивидуальном и коллективном подсознательном восприятии.

5. Для атрибуции анонимных и псевдонимных текстов, т.е. для установления вероятностного авторства текста, времени его написания, места рождения (воспитания) автора, тематической или иной принадлежности текста, по его незначительным, поврежденным, неполным и несвязанным фрагментам. В этом случае система распознавания работает как дескрипторная информационно-поисковая система с автоматическим формированием дескрипторов и поиску по нечеткому или некорректному запросу (на естественном языке, причем какой этот язык: русский, английский или какой-либо другой – роли не играет).

6. Для автоматической классификации, элементарных частиц, химических элементов и веществ по их составу или внешним признакам. Для вероятностной идентификации элементов в смесях и при неполном или некачественном их анализе с помощью химических тестов, спектральных методов, ядерно-магнитного резонанса, для интерпретации результатов, полученных с помощью этих и других подобных методов физического и химического исследования.

7. Для формирования обобщенных образов различных видов недвижимости и сопоставления конкретных объектов с этими образами в целях оценки недвижимости (развитие метода сравнительных продаж). Для разработки и применения стандарта земель в земельном кадастре.

8. Для автоматической классификации сортов растений и пород животных по их внешним, анатомическим, физиологическим и другим признакам, а также на основе измерения генетического расстояния. Для изучения влияния генотипа на фенотип (в том числе расшифровка и содержательная интерпретация генома; выявление зависимости фенотипа от генотипа и окружающей среды; выявление генотипических инвариантов, т.е. ансамблей генов, поддерживающих один и тот же фенотипический признак при различных условиях окружающей среды (адаптивность генома, лимитирующие факторы)). Применение системной теории информации в генетике.

9. Для прогнозирования характеристик месторождений полезных ископаемых (углеводородного сырья и др.) и самих ископаемых по внешним сопутствующим признакам в том числе и установленным с помощью биолокации. Для интерпретации данных аппаратной геофизической разведки.

10. Для долгосрочного и оперативного прогнозирования изменений погодных факторов, для регионов, для которых известны суточные значения этих факторов за достаточный период времени.

11. Для выявления влияния любых технологических приемов и условий на качество и количество хозяйственных результатов. Для анализа и прогнозирования ситуаций на сельскохозяйственном секторе натурального и фондового рынка: ценовой мониторинг и прогнозирование цен и объемов продаж продукции растениеводства, птицеводства и животноводства, а также ценных бумаг; макроэкономический анализ.

12. Косвенная профессиональная идентификация, прогнозирование успешности работы и совместимости сотрудников службы безопасности, других служб банка (при этом выявляются сотрудники – "опора фирмы" и "зоны риска"). Прогнозирование остатков и движения средств на счетах филиалов банка и на счетах клиентов. Прогнозирование развития фондового рынка, других сегментов рынка. Косвенная оценка рисков страхования, кредитования, инвестирования, бизнеса, других форм взаимодействия юридических и физических лиц. Косвенная профессиональная идентификация, прогнозирование успешности работы и совместимости сотрудников различных служб фонда (при этом выявляются сотрудники – "опора фирмы", а также "зоны риска"). Косвенная профессиональная идентификация и прогнозирование успешности работы клиентов фонда по распределяемым профессиям и специальностям.

13. Прогнозирование развития рынка труда и уровня безработицы, других сегментов рынка.

14. Для решения задач распознавания объектов и их состояний по признакам, в том числе и при неполном или искаженном описании. Для изучения динамики и территориальных зависимостей обобщенных образов классов распознавания. Для выявления и исследования причинно – следственных связей между событиями (признаками, технологией, составом) и их следствиями (объектами, состояниями, свойствами, эффективностью) и др.

Многоагентные распределенные системы обнаружения, накопления и использования знаний в Internet

Является перспективным создание на базе предложенной технологии и методологии АСК-анализа новой многозадачной версии системы "Эйдос", обеспечивающей (после регистрации пользователей на сайте при выполнении ими заданных условий) доступ пользователей Internet к базам данных системы как в режиме синтеза новых моделей, так и в режиме их эксплуатации в адаптивном режиме по направлениям, которые определят сами пользователи и разработчики. Это позволит "интеллектуализировать" Internet, создать в нем активные сервисы, способные стать со временем накопителями, хранилищами и анализаторами знаний и опыта по самым различным направлениям деятельности человека (например, автоматизированные консалтинговые службы). Эти сервисы могли бы предоставлять услуги по интеллектуальной обработке данных пользователям независимо от их локализации, и, таким образом, стать реальной технической базой для интеграции знаний, что может стать еще одним шагом на пути развития ноосферы (В.И.Вернадский, Ле Руа, Тейяр де Шарден, 1923). В настоящее же время Internet используются, в основном, просто для получения или просмотра готовых, созданных кем-либо файлов, т.е. просто для обмена информацией.

Развитие АСК-анализа с применением теории нечетких множеств и неклассической логики

Весьма перспективным является развитие результатов, полученных в данном исследовании, с применением аппарата нечетких множеств Заде-Коско [17, 85, 364, 365] и основанной на этом аппарате нечеткой логики (которую иногда более удачно называют непрерывной или континуальной, в отличие от дискретной бинарной Аристотелевской логики или дискретной многозначной логики).

Эта перспектива основана на том, что матрицу информативностей (таблица 3.12) вполне можно рассматривать как обобщенную (в смысле нечеткой логики) таблицу решений, в которой входы (факторы) и выходы (будущие состояния АОУ) связаны друг с другом не с помощью классических (Аристотелевских) импликаций, принимающих только значения: "Итина" и "Ложь", а различными значениями истинности, выраженными в битах и принимающими значения от положительного теоретически-максимально-возможного ("Максимальная степень истинности"), до теоретически неограниченного отрицательного ("Степень ложности").

Фактически это означает, что предложенная модель АСК-анализа позволяет осуществить синтез обобщенных таблиц решений для различных предметных областей непосредственно на основе эмпирических исходных данных и продуцировать на их основе огромное количество прямых и обратных правдоподобных (нечетких) логических рассуждений по неклассическим схемам с различными расчетными значениями истинности, являющимся обобщением классических импликаций. Некоторые примеры подобных рассуждений приведены в таблице 7.17:

Таблица 7. 17 – ПРЯМЫЕ И ОБРАТНЫЕ ПРАВДОПОДОБНЫЕ ЛОГИЧЕСКИЕ
ВЫСКАЗЫВАНИЯ С РАСЧЕТНОЙ (В СООТВЕТСТВИИ С СТИ)
СТЕПЕНЬЮ ИСТИННОСТИ ИМПЛИКАЦИЙ

При этом в прямых рассуждениях как предпосылки рассматриваются факторы, а как заключение – будущие состояния АОУ, а в обратных – наоборот: как предпосылки – будущие состояния АОУ, а как заключение – факторы. Степень истинности i-й предпосылки – это просто количество информации I_ij, содержащейся в ней о наступлении j-го будущего состояния АОУ. Если предпосылок несколько, то степень истинности наступления j-го состояния АОУ равна суммарному количеству информации, содержащемуся в них об этом. Количество информации в i-м факторе о наступлении j-го состояния АОУ, рассчитывается в соответствии с выражением (3.28) СТИ.

Прямые правдоподобные логические рассуждения позволяют прогнозировать степень достоверности наступления события по действующим факторам, а обратные – по заданному состоянию восстановить степень необходимости и степень нежелательности каждого фактора для наступления этого состояния, т.е. принимать решение по выбору управляющих воздействий на АОУ, оптимальных для перевода его в заданное целевое состояние.

Число вариантов подобных логических формул определяется по сути дела произведением числа сочетаний предпосылок на число сочетаний заключений. Однако, реально из этих формул имеет смысл использовать только полные, т.е. включающие все заданные предпосылки или все заданные заключения. В простейшем случае заданными могут считаться все предпосылки, или предпосылки, соответствующие факторам определенной группы, и т.д. Для развития этого направления, по-видимому, целесообразно задействовать логику предикатов.

Необходимо также отметить, что предложенная модель, основывающаяся на теории информации, обеспечивает автоматизированное формирования системы нечетких правил по содержимому входных данных, как и комбинация нечеткой логики Заде-Коско с нейронными сетями Кохонена. Принципиально важно, что качественное изменение модели путем добавления в нее новых классов не уменьшает достоверности распознавания уже сформированных классов. Кроме того, при сравнении распознаваемого объекта с каждым классом учитываются не только признаки, имеющиеся у объекта, но и отсутствующие у него, поэтому предложенной моделью правильно идентифицируются объекты, признаки которых образуют множества, одно из которых является подмножеством другого (как и в Неокогнитроне К.Фукушимы).

Динамика взаимодействующих семантических пространств и создание континуального АСК-анализа

Следующим чрезвычайно перспективным направлением развития полученных в данном исследовании результатов представляется развитие теории динамики взаимодействующих семантических пространств классов и атрибутов. С этой целью для семантических пространств и объектов в этих пространствах, т.е. векторов классов и факторов, на основе понятия "информация" предлагается определить понятия, являющиеся аналогами понятий геометрии, кинематики и динамики: это метрика, система отсчета, скорость и ускорение, путь, масса, сила, импульс и энергия, закон (в частности законы сохранения), и т.д. Предлагается получить соответствующие аналитические выражения и дать их содержательную интерпретацию и способы численного расчета.

Высказывается гипотеза, состоящая в том, что физическая картина мира (и не только физическая) является не более чем подмножеством некоторой информационной модели, в какой-то мере аналогичной той, которая предложена в данном исследовании. Это позволяет подойти к исследованию природы реальности с пониманием того, что в действительности мы исследуем не реальность, а лишь содержательные информационные модели этой реальности, основанные на нашем ограниченном опыте. Например, если прогноз поведения системы, сделанный на основании некоторой модели, адекватен, то мы получаем информацию об адекватности модели, если же нет – то новую информацию о системе, не отраженную в модели. Вторая ситуация возможна при исследовании систем после прохождения ими точки бифуркации и систем, качественно отличающихся от описываемых моделью. Учет этой новой информации в модели повышает ее адекватность и качественно расширяет область адекватного применения модели. Таким образом, количество информации о системе, полученное в процесс познания, можно измерять по степени модификации модели системы при учете в ней этой информации и приведении модели в адекватное состояние (аналогично, количество информации, записанное в структуре предмета труда, можно измерять по степени его модификации). При учете в модели незначительного количества информации происходит ее адаптация, а при учете значительного количества – синтез. Учет в теории информации эффектов системного взаимодействия альтернативных состояний (явление интерференции последствий выбора квантовых и активных объектов) приводит к обобщению понятия "информация" в рамках системной теории информации, один из вариантов которой предложен в данной работе. Подобные идеи в свое время привели к возникновению специальной теории относительности (учет свойств релятивистских свойств объектов), квантовой механики (учет квантовых свойств объектов) и нейролингвистического (НЛП) программирования. В принципе философы знали это всегда (правда не всегда признавали), но предложенный в данном исследовании подход позволяет перейти в этой области от умозрительных рассуждений к строгим расчетам, и это соответствует внутренней логике развития науки, которую здесь неуместно рассматривать подробнее [10, 25, 117, 260, 323].

Придание модели онтологического статуса (гипостазирование) – ошибка которая часто совершается (после этого начинают считать, что как в модели, "так все и есть в действительности". Например придание онтологического статуса объектам – дело решенное для материалистов, но для последователей остальных философских направлений этот вопрос остается открытым. Если объективное существование объектов мало у кого вызывает сомнение, то вопрос об объективном существовании интегративных структур 2-го и более высоких порядков остается открытым. Но что это за структуры? В предложенной когнитивной концепции, кластер, например, представляет собой своего рода "объект, состоящий из объектов", т.е. объект 2-го порядка (рисунки 2.14 и 4.1). Если объект выполняет интегративную функцию по отношению к атрибутам, то кластер – по отношению к объектам. Необходимо подчеркнуть, что термин "класс" используется не только для обозначения образов уникальных объектов, но и для обозначения их кластеров, т.е. классу может соответствовать не уникальное, а обобщающее имя, в этом случае мы имеем дело с обобщенным классом. Да и кластеры могут быть не только кластерами уникальных объектов, но и обобщенных классов.

Возникает вопрос об онтологическом статусе понятия "кластер". В некоторых философских системах подобным объектам приписывался даже более высокий статус существования, чем самим объектам, например обычные объекты рассматриваются лишь как "тени" "Эйдосов" (Платон). Известны и другие понятия для обозначения объектов высоких порядков, например "архетип" (Юм), "эгрегор" (Андреев) и др. Нельзя не отметить, что в современной физике (специальной и общей теории относительности) есть подобное понятие пространственно-временного интервала, который проявляется на практике как движение объекта. Являясь объектами 2-го порядка сами кластеры в результате выполнения когнитивной операции "генерация конструктов" могут быть классифицированы по степени сходства друг с другом. Для обозначения системы двух противоположных кластеров, с "спектром" промежуточных кластеров между ними, будем использовать термин "бинарный конструкт", при этом сами противоположные кластеры будем называть "полюса бинарного конструкта". Таким образом конструкт представляет собой объект 3-го порядка. Словом "бинарный" определяется, что в данном случае полюсов у конструкта всего два, но этим самым подчеркивается, что в принципе их может быть 3, 4 и больше. Бинарный конструкт можно формально представить в виде порядковой шкалы или даже шкалы отношений, на которой градациям соответствуют кластеры, а значит и сами классы и соответствующие объекты. Конструкты с количеством полюсов больше 2 могут быть представлены графически в форме семантических сетей в которых полюса являются вершинами, а дуги имеют цвет и толщину, соответствующие степени сходства-различия этих вершин. Семантические сети можно считать также просто графической формой представления результатов кластерного анализа. По-видимому, статус существования структуры реальности, отображаемой некоторой когнитивной структурой определенного уровня интеграптивности тем выше, чем выше этот уровень интегративности, т.е. наивысшим статусом существования обладает мир-в-целом.

Аналогично кластерам и конструктам классов формируются кластеры и конструкты атрибутов. В кластеры объединяются атрибуты, имеющие наиболее сходный смысл. В качестве полюсов конструктов выступают кластеры атрибутов, противоположных по смыслу.

Бинарные конструкты классов и атрибутов представляет собой когнитивные структуры, играющие огромную роль в процессах познания. Не будет преувеличением сказать, что познание представляет собой процесс генерации, совершенствования и применения конструктов. Будем считать, что конструкт тем более совершенен и тем выше его качество, чем сильнее отличаются его полюса, т.е. чем больше диапазон его области значений.

Однако, возникает вполне закономерный вопрос о том, по какой причине в мышлении современного человека при обычных формах сознания используются лишь бинарные конструкты, причем, как правило, при их использовании редко кто вспоминает про нечеткую логику Заде, т.е. на практике промежуточные между полюсами значения вообще не рассматриваются. Представляется весьма перспективным исследовать и формализовать законы мышления, характерные для измененных (прежде всего, высших) форм сознания, разработать теорию конструктов с большим чем два дискретным количеством полюсов (многозначные конструкты), а также теорию конструктов с любым иррациональным количеством полюсов. Таким образом, будущим исследователям и разработчикам возможно предстоит обобщить предложенную в данном исследовании когнитивную концепцию и разработать на ее основе более общие математические модели "многозначного а затем и континуального АСК-анализа", в рамках которых предложенная модель получит статус частного случая – "бинарного АСК-анализа". Возможно в рамках континуального АСК-анализа удастся обнаружить новые базовые когнитивные операции и интегративные когнитивные структуры более высоких порядков, чем в предложенной когнитивной концепции и построить их математические модели.

7.14.2. Технология (РАСУ индивидуального управления лечением)

Типичным примером активной системы является человек – пациент. Систему "врач-пациент" можно рассматривать как рефлексивную систему управления активным объектом, цель которой состоит в переводе пациента из некоторого текущего состояния "болезнь", более или менее далекого от оптимального, в некоторое будущее состояние "здоровье", более близкое к оптимальному, причем это осуществляется с помощью лечебных управляющих воздействий.

Целевые состояния сложной системы в данном случае представляют собой подмножество пространства будущих состояний, в которых пациент более или менее здоров.

Входными параметрами сложной системы являются: история болезни пациента и его биография (траектория перехода пациента в текущее состояние); факторы внешней среды; лечебные воздействия врача.

Выходными параметрами сложной системы в нашем примере являются симптомы и синдромы (комплексы взаимосвязанных симптомов), т.е. клиническая картина, характеризующая, в частности, целевые состояния.

На основе предлагаемой методологии и технологии может быть разработано конкретное приложение, обеспечивающее управление лечением путем выбора и применения оптимальных лечебных воздействий в зависимости от цели лечения, предыстории больного, его текущего состояния, а также ряда других параметров как объекта управления, так и окружающей среды.

При разработке методики выполняются следующие виды работ: формулировка целей и в соответствии с ними разработка перечня прогнозируемых состояний, т.е. результатов лечения; разработка формализованного паспорта результатов лечения (формализованной истории болезни), позволяющего описать в пригодной для компьютерной обработки форме результаты лечения заболеваний определенными методами. Формализованный паспорт может состоять из двух частей: первая из них содержит шкалы, описывающие не зависящие от воли человека факторы, вторая – факторы (лечебные воздействия), которые можно рассматривать как средство достижения желаемых результатов лечения; использование бумажного архива историй болезни для заполнения формализованных паспортов и ввода в программную инструментальную систему в качестве примеров лечения (обучающей выборки); выявление (на основе реальных примеров лечения) взаимосвязей между применяемыми медицинскими технологиями и полученными результатами лечения и формирование информационных портретов по каждому возможному результату лечения (независимо от их оценки как успешных или нет). Информационный портрет результата лечения представляет собой перечень лечебных факторов с количественным указанием того, какое влияние каждый из них оказывает на осуществление данного результата.

Сравнение различных результатов лечения и формирование групп наиболее сходных из них (кластеров), а также определение кластеров наиболее сильно отличающихся друг от друга (конструктов). Группировка лечебных факторов в кластеры и конструкты, показывающих, что некоторые различные по своей специфической природе лечебные факторы имеют сходное влияние на результаты лечения. Это позволяет утверждать, что, лечебные факторы объединяются в кластеры с учетом не только их специфического, но и неспецифического эффекта.

Проверка способности созданного приложения правильно прогнозировать результаты лечения на массиве уже введенных формализованных паспортов (историй болезни), т.е. определение внутренней интегральной и дифференциальной валидности. На экспериментальных примерах валидность оказалась достаточно высокой, что позволяет сделать вывод о возможности практического использования созданного приложения. При этом были выявлены как высокодетерминированные лечебные результаты, которые можно уверенно формировать применением вполне определенных лечебных воздействий, так и слабодетерминированные результаты лечения, которые наиболее сложно как получить, так и достоверно прогнозировать. Кроме того, каждый из лечебных факторов на основе приведенных примеров автоматически характеризуется тем, какое влияние он оказывает на осуществление каждого результата лечения.

Разработанное приложение позволяет решать три основных задачи: диагностика (нозологическая идентификация), осуществляется на основе симптоматики (клинической картины) с учетом данных истории болезни, отражающей предысторию больного, а также факторов внешней среды; прогнозирование того, какие результаты лечения наиболее вероятны (а какие практически невозможны) на данном состоянии пациента и при его предыстории, а также при условии применения имеющихся в распоряжении врачей лечебных технологий и факторов окружающей среды; разработка рекомендаций по управляющим воздействиям, т.е. консультирование по вопросам о том, какие лечебные технологии должны быть применены, чтобы можно было рассчитывать с определенной уверенностью на желаемый результат лечения.

Система позволяет оценивать степень достоверности своих прогнозов и рекомендаций по управлению, т.е. она не просто дает рекомендацию, но и количественно оценивает степень ее надежности. Кроме того, система дает характеристику каждого лечебного воздействия (на что он влияет), а также выдает рекомендации по замене желательных лечебных воздействий, но очень дорогих, болезненных или опасных для пациента или которых нет в распоряжении врачей, другими, более дешевыми, щадящими и которые есть в распоряжении врача, и при этом имеют сходное влияние на результаты лечения. Таким образом, данная методика позволяет "просматривать" различные варианты применения медицинских технологий, прогнозировать последствия применения различных лечебных факторов, и на этой основе вырабатывать научно обоснованные рекомендации по выбору оптимальной в каждом конкретном случае медицинской технологии.

7.14.3. Психология

В данном исследовании не ставится задача подробно раскрывать возможности применения АСК-анализа в психологии. Отметим лишь, что эти возможности довольно развитые и включают такие направления, как: разработка оптимальных адаптивных тестов и профессиограмм (в том числе реализация тестов с известными ключами без какого-либо программирования, интеграция известных тестов в супертесты без программирования и опросов респондентов и т.д.); комплексное психологическое тестирование и прогнозирование (в том числе возможности применения системы окружения "Эйдос-Y"); управление персоналом; транспортная психология; когнитивная психология; компьютерные Y–технологии и т.д. Подробнее эти вопросы освещены в работе [286] и ряде других работ автора с соавторами: [14, 69, 70, 136–165, 230–233, 237, 270, 273–286, 314, 320, 329, 366].

Разработка оптимальных адаптивных тестов и профессиограмм

Актуальность

Сама жизнь ставит перед нами следующие непростые вопросы: пригоден ли вообще данный абитуриент для учебы в вузе? Если он пригоден, то по какой специальности в перспективе он сможет проявить себя наилучшим образом? Как показывает практика, каждая ошибка в ответах на эти вопросы очень дорого обходится как личности, так и государству, поэтому разработка перспективных технологий заблаговременного получения максимально точных ответов на эти вопросы является весьма актуальной.

Отсюда следует проблема № 1: разработать профессиограммы по базовым специальностям данного вуза. Отметим, что в настоящее время они не разработаны, более того, работы в этом направлении не ведутся. Профессиограммой называется перечень психофизиологических и других свойств и качеств личности, с количественным указанием степени их необходимости для успешного выполнения определенных учебных и профессиональных задач.

Но даже если бы эти профессиограммы уже существовали, то возникла бы проблема № 2, т.е. проблема разработки и внедрения способа практического применения этих профессиограмм.

Проблема № 3 состоит в том, что со временем профессиограммы теряют адекватность вследствие изменения закономерностей в предметной области. Следовательно, необходима их периодическая адаптация и локализация.

Предлагаемый подход

Разработка профессиограмм – это длительный, трудоемкий процесс весьма значительной сложности и наукоемкости. В целом этот процесс в настоящее время не формализован и практически не оснащен адекватным техническим и методическим инструментарием. Осуществляется он, как правило, на основе экспертных оценок или путем применения значительного количества нелокализованных по месту и времени применения тестов зарубежного производства, не адаптированных для тех целей, которые ставятся перед разработчиками профессиограмм.

Проблема № 2 возникает редко, так как у практических психологов обычно просто нет профессиограмм. Но даже если они есть, то, как правило, решение принимается психологами на неформальном уровне: на основе личного опыта и интуиции, так как у них в распоряжении редко есть способы количественно сравнить респондента с профессиограммами.

Автор предлагает конкретные, успешно апробированные методики и интеллектуальные компьютерные технологии решения сформулированных выше проблем, воплощенные в инструментальной программной системе "Эйдос" и системах окружения. Кратко, суть этих методик и технологий заключается в следующем: проектируется представительная по количеству респондентов выборка; респонденты тестируются с применением батареи стандартных тестов с помощью системы обработки данных комплексного психологического тестирования "Эйдос"; система "Эйдос" позволяет провести предварительный анализ данных; классификаторы и результаты тестирования экспортируются в когнитивную аналитическую систему "Эйдос" для дальнейшей интеллектуальной обработки.

Результаты и перспективы

Когнитивная аналитическая система "Эйдос" обеспечивает: автоматическое взвешивание или ремонт исходных данных, т.е. выборку из массива респондентов такого подмножества, которое в наибольшей степени соответствует заданной генеральной совокупности (обеспечение структурной репрезентативности обучающей выборки); формирование обобщенных образов исследуемых профессиональных категорий респондентов, т.е. автоматизированную разработку профессиограмм; определение вклада психологических свойств, измеряемых с помощью стандартных тестов, в различие профессиограмм; исключение тех психологических свойств, которые вносят наименьший вклад в различие профессиограмм (абстрагирование); вывод сформированных профессиограмм и профилей психологических качеств в удобной для восприятия и анализа текстовой и графической форме; сравнение индивидуальных интегральных образов респондентов с профессиограммами и определение спектра профессиональных предпочтений для данного респондента; сравнение профессиограмм (и профилей психологических качеств) друг с другом, формирование кластеров и конструктов, автоматическое построение семантических сетей классов и признаков; содержательное сравнение профессиограмм (и профилей психологических качеств) друг с другом, автоматическое построение когнитивных диаграмм, в том числе стандартных и инвертированных (термин авт.) диаграмм В.С.Мерлина;

– расчет частотных распределений профессиограмм и психологических, а также двумерных матриц сопряженности на основе критерия c² и коэффициентов Пирсона, Чупрова и Крамера.

Адаптивность обеспечивается тем, что связь с тестируемыми не прерывается, и когда становится известным, оправдались или не оправдались прогнозы, сделанные по ним, или изменяется экспертная оценка респондентов обучающей выборки, то эта информация вводится в систему и решающие правила переформировываются с учетом этого.

В качестве примера успешного применения на практике предложенной технологии можно привести ряд исследований.

Комплексное психологическое тестирование и прогнозирование

Актуальность

Первая группа проблем связана с необходимостью получения комплексной картины предметной области с помощью узкоориентированного, т.е. специализированного психометрического инструментария.

В настоящее время психологи–практики все чаще обращаются к комплексному психологическому тестированию. Основная причина этого очевидна: каждый из стандартных психологических тестов или опросников позволяют исследовать лишь какой–либо один из уровней или аспектов личности, или достаточно узкий их спектр, тогда как основной интерес представляет именно получение и исследование целостной картины, которая определяется характером взаимосвязей разноуровневых свойств личности.

Например, самоактуализационный тест (САТ) измеряет прежде всего социально–обусловленные качества респондентов, тогда как опросник 16 PF Р.Б.Кеттелла – конституционные психические качества, детерминируемые более фундаментальными и устойчивыми генотипическими факторами.

На определяющую роль изучения межуровневых взаимосвязей индивидуальных, психодинамических и социально–психологических свойств личности для интегрального исследования индивидуальности указывал В.С.Мерлин.

Вторая группа проблем, связана с тем, что практически все стандартные психодиагностические тесты, опросники и процедуры (далее: "тесты") обладают целым рядом принципиальных недостатков, ограничивающих их корректное и методологически оправданное применение: эти тесты разработаны и нормированы на выборке разработчика, а должны применяться на выборке пользователя (которые, вообще говоря, относятся к разным генеральным совокупностям и не являются взаимно–репрезентативными); они созданы для одних целей, а используются не совсем для тех или совсем не для тех целей.

Предлагаемый подход

На первый взгляд кажется, что проблема № 1 решается адаптацией тестов, однако это не совсем так. Дело в том, что необходимо еще подтвердить специальным исследованием, что адаптированный, например, С.Петербургской психологической школой (в частности, известной фирмой "Иматон") тест применим на Кубани, т.е. учитывает Южно–Российскую региональную специфику.

По мнению автора, адаптировать тесты необходимо на репрезентативной выборке, представляющей ту генеральную совокупность, на которой они будут применяться. Иначе даже "адаптированные" где–то и для кого–то тесты не будут учитывать региональной специфики, в которой работают конкретные пользователи, и практически ничем не будут отличаться в этом отношении от "неадаптированных".

Но даже у тестов, учитывающих региональную специфику (локализованных), из–за динамичности предметной области со временем уменьшается надежность и валидность. Поэтому необходима периодическая адаптация тестов к изменившимся условиям, а лучше – работа тестов в адаптивном режиме. На сегодняшний день, по литературным данным, известна лишь одна система, обеспечивающая не только автоматизированную разработку, но и эксплуатацию тестов в адаптивном режиме – это система "Эйдос".

Известно, что работы по адаптации тестов являются весьма трудоемкими и наукоемкими, а также сложными в организационно–юридическом отношении, поэтому в настоящее время в России научные центры, способные решать эти задачи, можно буквально пересчитать по пальцам одной руки. Очевидно, мощности этих центров не обеспечивают потребностей регионов в стандартизированном психометрическом инструментарии.

Из этих предпосылок часто делается вывод о том, что необходимо дать психологам технологию создания и адаптации тестов, чтобы они сами на местах могли решать эту проблему. Однако в настоящее время этот вывод представляется автору необоснованным, несмотря на то, что ранее и он придерживался этой точки зрения. Дело в том, что дать психологу подобный инструмент – это все равно, что дать рядовому бухгалтеру систему программирования Turbo C++ for Windows9X и предложить ему, чтобы он сам создал, а затем модернизировал такую систему бухучета, которая отражала бы специфику его предприятия. Однако рядовой бухгалтер не имеет для решения этой задачи ни сил, ни времени, ни соответствующей квалификации, да это и не входит в его должностные обязанности. Также и рядовой психолог не сможет, да и не должен заниматься выработкой своего инструментария. Этот инструментарий, причем стандартный и сертифицированный, ему должен быть предоставлен.

Но если предположить, что психологи все же займутся не своим прямым делом, а разработкой инструментария, и что у них это получится, то это будет означать одновременно конец какой–либо сопоставимости в их исследованиях, так как каждый будет пользоваться своим собственным инструментарием. По сути мы сталкиваемся в этой ситуации с метрологической проблемой. И мы знаем, что существуют центры и лаборатории стандартизации и метрологии, которые занимаются поверкой и, если надо, настройкой измерительных приборов. Опыт метрологических служб является весьма ценным в нашем случае и им целесообразно воспользоваться.

Следовательно, весьма актуальным является создание региональных ведомственных и межведомственных психологических центров, которые могли бы решать задачу оснащения практических психологов в своих регионах новыми, адаптированными и сопоставимыми психометрическими методиками.

Проблема нецелевого применения тестов, по мнению автора, является даже еще более острой, чем проблема их неадекватности. Вызывает по меньшей мере удивление, с какой легкостью "специалисты" некоторых частных фирм, изучив всего лишь одно, отдельно взятое психологическое свойство, например, "общительность", выносят рекомендации о том, может ли данный кандидат быть, например, бухгалтером-кассиром, сотрудником службы безопасности или инкассатором банка. Спрашивается, зачем банку нужен общительный бухгалтер? Однако отсутствие элементарной методологической корректности применения тестов характерно не только для коммерческих фирм, живущих за счет рекламы, вводящей в заблуждение.

Конечно, ясно, что результаты тестирования с помощью этих тестов каким–то образом связаны с успешностью или неуспешностью профессиональной деятельности на различных должностях. Но ведь вопрос как раз и заключается в том, что эта взаимосвязь еще никем не исследовалась и фактически никому не известна. А ведь на пути к практическому применению этих знаний необходимо еще создать соответствующий инструментарий, апробировать его, сертифицировать и стандартизировать как пригодный для решения данных конкретных задач. Забегая вперед, отметим, что инструментарий и методика для создания двухступенчатого теста на базе тестов Кеттела и Люшера (а также других) имеются: базовая когнитивная система "Эйдос" и система обработки данных комплексного психологического тестирования "Эйдос–Y".

Результаты и перспективы

1. Для проведения исследований интегральной индивидуальности на современном технологическом уровне необходимо применение соответствующих автоматизированных систем, реализующих адекватные данной задаче методологические концепции и математические модели. Задача создания и применения подобных систем является весьма актуальной.

2. Актуальной является задача создания научно–методического психологического Центра, способного решать как задачи разработки новых сопоставимых психометрических методик специального назначения, так и адаптации уже имеющихся и практически использующихся для психологических служб края. Все практически применяемые психометрические методики должны пройти сертификацию и стандартизацию в Центре. Выводы и рекомендации, которые даются на основе применения не сертифицированных и не стандартизированных Центром методик должны быть признаны научно–методически не обоснованными и юридически ничтожными. В перспективе этот Центр мог бы выполнять функции регионального ведомственного психологического центра.

Автоматизированная система комплексной обработки данных психологического тестирования "Эйдос-Y"

Для решения задач комплексной обработки данных психологического тестирования и получения как комплексных индивидуальных психологических портретов респондентов, так и их групп, автором совместно с С.Д.Некрасовым (Государственная аттестационная служба) была разработана система "Эйдос-Y" [41, 142, 211, 270].

Назначение системы "Эйдос-Y"

Система "Эйдос-Y" относится к окружению системы "Эйдос" т.е. она с одной стороны представляет собой расширяемый супертест (аналогично MMPI), а с другой стороны является программным интерфейсом между реализованными в ней стандартными тестами и системой "Эйдос", обеспечивающей интеллектуальную обработку результатов тестирования.

Функции системы "Эйдос-Y":

– ввод и обработка первичных данных о респондентах;

– экспорт данных в универсальную когнитивную аналитическую систему "Эйдос" для их содержательного углубленного анализа и для разработки двухступенчатых тестов и тестов прямого действия;

– объединение баз первичных данных, введенных на разных компьютерах.

Основные отличия и преимущества системы "Эйдос-Y" по сравнению с аналогами

Данная система предназначена не для опроса респондентов непосредственно за компьютером, а для ввода и обработки данных тестирования. Автор считает нецелесообразным применение компьютеров непосредственно для тестирования респондентов в наших условиях, т.к. для большинства респондентов использование компьютера само по себе является сильным стрессовым фактором, что искажает результаты тестирования. Кроме того, как показывает опыт, ввод данных опроса в систему "Эйдос-Y" осуществляется практически на порядок быстрее, чем тестирование за компьютером, что обеспечивает соответствующую экономию машинного времени. Например, вместо использования 50 компьютеров для тестирования 50 респондентов в течение 1 часа, мы тестируем этих респондентов "за столом", а потом на одном компьютере вводим данные для обработки в течение 5 часов, что не представляет организационно-технических сложностей.

Системой сохраняются в базах данных не только результаты интерпретации ответов респондентов (стены, факторы и т.п.), но и сами первичные данные опроса. Это позволяет в дальнейшем использовать непосредственно первичные данные как для их анализа различными методами с помощью различных статистических систем, так и для разработки тестов прямого действия с помощью системы "Эйдос".

Система обеспечивает автоматизированное применение ключей и автоматизированную интерпретацию результатов тестирования, как по каждому тесту отдельно, так и по всем тестам совместно в их взаимосвязи, причем виды изучаемых взаимосвязей очень гибко задаются самим исследователем.

Система обеспечивает экспорт первичных данных и результатов их стандартной интерпретации в универсальную когнитивную аналитическую систему "Эйдос", что позволяет осуществить их совместный содержательный углубленный анализ, а также получить новые оптимальные двухступенчатые тесты и тесты прямого действия.

Система позволяет получить психологические характеристики не только конкретных индивидуумов, но и различных групп респондентов, соответствующих градациям шкал, введенным самими исследователями.

В настоящее время система "Эйдос-Y" обеспечивает комплексную (совместную) обработку данных по следующим опросным процедурам одновременно:

– тест выявляющий уровень самоактуализации (САТ);

– опросник 16 PF Р.Б.Кеттелла;

– опросник по определению стиля управленческой деятельности;

– анкета "Ориентация на развитие";

– анкета "Опосредующие развитие факторы (стимулирующие и препятствующие)".

Принцип организации системы обеспечивает расширение перечня совместно используемых опросных процедур. Добавление новой опросной процедуры реализуется разработчиками системы и требует около одного-двух человеко-дней.

Математические модели, реализуемые системой "Эйдос-Y" являются упрощением и конкретизацией моделей системы "Эйдос" для данного специального случая.

Настройка системы на способ совместной обработки результатов тестирования

В режиме "Шкалы классификации респондентов" исследователь имеет возможность ввести наименования некоторого количества шкал и по каждой шкале указать определенное количество градаций с их наименованиями. Количество шкал и количество градаций по разным шкалам может быть различное (в отличии от многих других систем), но не более некоторого максимального количества, определяемого при генерации системы (в настоящее время до 99).

В режиме "Ведение справочника респондентов" исследователь может добавлять новых респондентов, вводить и корректировать их фамилию, имя и отчество (в остальных же режимах данный список респондентов лишь используется и не может быть скорректирован). Правее фамилий есть столбцы, соответствующие шкалам, введенным в справочник шкал. В каждом столбце исследователь задает код той градации соответствующей шкалы, к которой относится респондент. В данном режиме на экране отображаются и наименования шкал, и наименования градаций.

Таким образом в системе "Эйдос-Y" каждый респондент характеризуется не только всей совокупностью его ответов на вопросы батареи тестов, как в большинстве статистических систем (например: SPSS, STATGRAPHICS, STATISTICA), но и принадлежностью к определенным группам, соответствующим градациям шкал. Решение о принадлежности респондента к тем или иным группам принимается исследователями на основе результатов тестирования или(и) экспертных оценок. Это позволяет изучать не только индивидуальные личностные особенности респондентов, но и получать обобщенные психологические характеристики произвольных групп респондентов, задаваемых пользователем, а также изучать зависимости между психологическими характеристиками различных групп. Данная особенность системы сближает ее с интеллектуальной системой "Эйдос" и позволяет организовать полноценный (т.е. без упрощения и потери данных) экспорт данных о респондентах в последнюю. Имеется успешный опыт анализа баз данных системы "Эйдос-Y" с помощью системы STATGRAPHICS.

Средства обеспечения надежности обработки информации в системе

– все режимы ввода данных организованы таким образом, что исключается возможность ввода некорректных данных;

– система автоматически ведет архивы баз данных;

– автоматически переиндексирует все базы данных в случае отсутствия индексных массивов.

Выходные формы системы

Каждая опросная процедура, входящая в состав системы, выдает результаты в виде двух таблиц:

– в первой против фамилии каждого респондента содержатся данные интерпретации его ответов;

– во второй содержатся усредненные результаты интерпретации для каждой градации каждой шкалы.

Последнее и обеспечивает совместный анализ результатов тестирования респондентов с помощью опросников, реализованных в системе.

Тест САТ и анкета "Ориентация на развитие", кроме того выдают частотные распределения стандартизированных баллов (стенов), разделенные на три зоны, такие, что вероятность попадания стена в каждую из них одинакова. Система сама определяет границы этих зон, что обеспечивает оценку конкретных респондентов и их групп не только относительно "генеральной совокупности", но и относительно самой группы респондентов.

Кроме того, система выдает по каждому респонденту итоговые данные по его тестированию с помощью всех тестов в виде одной сводной карты. Имеется также около 80 специальных форм, предназначенных для различных форм анализа.

Все выходные формы записываются системой в виде текстовых файлов в поддиректорию TXT, что позволяет печатать их с использованием любого текстового редактора и на любом принтере, имеющемся у пользователя.

По опроснику 16 PF Р.Б.Кеттелла системой выдаются также в графическом виде стандартные профили респондентов и их групп (группы соответствуют градациям шкал) по факторам, причем профили групп выдаются в двух видах (рисунок 7.25):

– одна группа на одной диаграмме;

– все группы одной шкалы на одной диаграмме.


Рисунок 7. 25. Примеры психологических профилей групп

Эти профили записываются системой в виде PCX-файлов в поддиректорию PCX, причем имена файлов соответствуют кодам респондентов, кодам шкал и групп. Эти графические данные легко могут быть вставлены в сводную карту респондента и распечатаны, например с использованием популярного редактора Winword.

Необходимо отметить, что приведенные характеристики системы не являются окончательными, т.к. она непрерывно совершенствуется.

Управление персоналом

Актуальность

Данный вид работ проводится с целью обеспечения оптимального подбора и расстановки руководящих, административных и профессорско-преподавательских кадров с учетом профессиональной компетентности и индивидуальных психологических свойств и качеств, а также психологической совместимости в коллективах.

Предлагаемый подход

Для достижения цели данного вида работ, создается и внедряется адаптивная автоматизированная система управления персоналом Кубанского государственного технологического университета (ААСУ "Персонал"), входящая в адаптивную автоматизированную систему управления университетом в качестве подсистемы.

В процессе создания системы выполняются следующие работы:

1. Разрабатывается концепция и стратегия управления персоналом Кубанского государственного технологического университета:

2. Определяются принципы и методы построения ААСУ "Персонал".

3. Выполняется разработка ААСУ "Персонал":

– конкретизируются цели и задачи системы, выполняется функциональное проектирование;

– разрабатывается математическое обеспечение АСУ "Персонал";

– разрабатываются алгоритмы и структура баз данных системы;

– разрабатывается программное, информационное, техническое, а также кадровое, делопроизводственное, организационное, юридическое, нормативное, научное, методическое, этическое обеспечение системы.

Результаты и перспективы

В результате в практику работы университета внедряется адаптивная система управления персоналом, обеспечивающая:

– разработку, адаптацию и применение профессиограмм, адаптивных оптимальных тестов и супертестов;

– формирование оперативного плана работы с персоналом и контроль его выполнения;

– маркетинг персонала;

– определение потребности в персонале;

– планирование и анализ показателей по труду, расходов на персонал;

– нормирование и учет численности персонала;

– профессиональный и личностный отбор, наем и прием персонала;

– деловая оценка персонала;

– оценка личностных характеристик персонала;

– профориентация и трудовая адаптация персонала;

– организация системы обучения и повышения квалификации персонала;

– управление деловой карьерой персонала;

– управление служебно-профессиональным продвижением персонала;

– высвобождение персонала;

– управление социальным развитием организации;

– управление поведением личности в профессиональных группах;

– управление мотивацией трудовой деятельности;

– управление нововведениями в кадровых системах;

– управление конфликтами и стрессами;

– управление безопасностью;

– оценка результативности труда руководителей, специалистов, профессорско-преподавательского состава, аттестация персонала;

– оценка эффективности деятельности подразделений управления персоналом;

– оценка экономической эффективности адаптивной автоматизированной системы управления персоналом.

Транспортная психология

Актуальность

С применением предложенной методологии и технологии, а также инструментальной системы, автором, совместно с УГАИ МВД по Краснодарскому краю успешно проведено исследование по выявлению психологических и иных причин нарушения ПДД водителями, имеющими различный психологический статус и относящимися к различным группам населения в разрезе: причины, виды и время суток нарушения ПДД [68, 152].

Предлагаемый подход

Водители, как представители своих национальных, культурных, религиозных, возрастных, образовательных, социальных и других групп населения испытывают с их стороны влияние, формирующее на подсознательном уровне всю систему их отношений, в том числе и к выполнению ПДД. С применением предложенных в данной работе технологий могут быть выявлены зависимости между индивидуальными качествами водителей и видами совершаемых ими нарушений ПДД.

Результаты и перспективы

Детально зная все эти и другие особенности различных групп населения и имея индивидуальный прогноз совершения нарушений ПДД по каждому конкретному водителю, психолог может оказать адресное индивидуальное корректирующее (управляющее) влияние на тех водителей, для которых риск нарушения ПДД выше принятого в качестве допустимого.

Когнитивная психология

Актуальность

В данном разделе автор приводит в порядке обсуждения когнитивную концепцию, которая представляет определенный интерес в связи с реализацией основных когнитивных операций в предложенных интегральной математической модели и инструментальной программной системе (когнитивная аналитическая система "Эйдос").

Предлагаемый подход

Прежде всего процесс познания начинается с процесса восприятия объектов и явлений. Процесс восприятия осуществляется с помощью органов восприятия: зрения, а также слуха, осязания и др. Органы восприятия дают человеку чувственную информацию о признаках наблюдаемых объектов.

На самых первых этапах жизни человека эти признаки объектов не образуют устойчивых взаимосвязанных комплексов, т.е. целостных образов объектов. Но опыт взаимодействия человека с реальными объектами приводит к выявлению взаимосвязей между признаками. Так в результате опыта обнаруживается, что некоторые признаки наблюдаются как правило вместе друг с другом (наличие пространственно–временных корреляций), другие же наоборот, вместе практически не встречаются. Могут быть также признаки, которые встречаются как бы случайным образом и, по–видимому, никак не связаны с другими.

Существование устойчивых взаимосвязей между признаками говорит о том, что они не являются самостоятельной реальностью, а отражают нечто стоящее за ними и их объединяющее, т.е. реальные объекты. Это означает, что признаки не генерируются из ничего, а имеют объективное содержание. Каждому Реальному объекту или явлению Реальности в сознании человека соответствует некоторая своя устойчивая взаимосвязь признаков (этого объекта), т.е. свой определенный образ, а именно конкретный чувственный образ данного конкретного (этого) объекта. Конкретный чувственный образ объекта представляют собой совокупность всех его воспринимаемых признаков, как общих с другими объектами, так и в большей или меньшей степени специфических именно для данного конкретного объекта.

Следующий этап познания Реальности состоит в том, что некоторый взрослый человек – учитель (обычно мать или отец) показывает ребенку окружающие его объекты и произносит их названия на некотором символическом языке, т.е. дает им некоторые условные наименования или имена.

Если чувственно воспринимаемые признаки конкретного объекта имеют объективное происхождение, то наименование объекта устанавливает его принадлежность к некоторой категории объектов, включающей в общем случае много различных объектов, объединенных по их назначению или иной функциональной роли в природе или обществе с точки зрения познающего человека (общества), или роль данного объекта для самого познающего человека.

Необходимо также отметить, что у животных, в отличие от человека, сам набор обобщенных образов довольно жестко фиксирован (свой для каждого вида) и количественно очень ограничен.

На этом этапе весьма существенным обстоятельством является то, что самые различные объекты одного функционального назначения получают одинаковое название, например, все различные мячи получают наименование "Мяч", столы – "Стол" и так далее.

При этом ребенок устанавливает (корреляционные) взаимосвязи:

- между наблюдаемыми признаками данного конкретного объекта и наименованием социально–обусловленной обобщенной категории, к которой данный объект относится;

- между наименованиями признаков и наименованиями обобщенных категорий объектов.

Благодаря существованию этих связей и становится возможным говорить о смысле признаков, т.е. о том, что каждое физическое свойство конкретного объекта несет определенную информацию о роли этого объекта в природе, обществе или для конкретного человека.

Таким образом, введение в обиход наименований объектов становится важнейшей предпосылкой для формирования их абстрактных обобщенных образов, причем сама возможность обобщения связана с классификацией объектов по их социальной роли (назначению).

Среди различных окружающих объектов совершенно аналогично формируется предметный образ и такого специфического для каждого конкретного человека объекта, как его собственное физическое тело. Так формируется "образ Я", характерный для физической формы сознания, формируется предметное сознание и самосознание.

Когда абстрактные обобщенные образы объектов сформированы, то становится возможным узнавание конкретных объектов, т.е. их идентификация. Операция узнавания состоит в сравнении конкретного чувственного образа определенного объекта с обобщенными абстрактными образами и определение степени сходства и различия между данным конкретным чувственным образом и обобщенными образами. В результате, когда конкретный объект узнан, человек может назвать его наименование, т.е. может восстановить его функциональную роль в природе, обществе или лично для себя. Если человек в состоянии это сделать, то считается, что он понимает смысл того, что он воспринимает.

Таким образом, узнавание – это процесс установления соответствия между объективным описанием объекта как дискретной совокупности признаков и его единым и неделимым (континуальным) именем, т.е. наименованием той обобщенной категории, к которой данный объект относится по своей социально–обусловленной роли. У человека интенсиональное (дискретное) и экстенсиональное (континуальное) описания объектов обрабатываются двумя различными взаимно–дополнительными системами отражения, работа которых обеспечивается различными полушариями мозга, и лишь взаимодействие этих двух систем обеспечивает обработку смысла.

По мере накопления опыта выясняется, что некоторые специфические признаки практически однозначно позволяют идентифицировать объекты, т.е. отнести их к определенным обобщенным категориям, другие же встречаются примерно с одинаковой вероятностью у самых различных объектов и для целей идентификации являются практически бесполезными. Умение человека определить ценность тех или иных признаков для решения задачи идентификации уже говорит о накоплении достаточно большого опыта восприятия и обобщения.

Когда такой достаточно значительный опыт накоплен, то следующим совершенно естественным этапом познания является выделение всего наиболее существенного путем отбрасывания случайных и не несущих существенной информации признаков, а также дублирующих и избыточных признаков, имеющих очень сходный друг с другом смысл. В результате этой операции, называющейся "абстрагирование", первоначальное описание объекта на языке признаков, включающее все его чувственно воспринимаемые признаки, заменяется значительно более сжатым и экономным описанием, содержащим только наиболее существенные для идентификации объекта признаки. После этой операции процесс ориентации в предметной области становится более экономным по затратам всех видов ресурсов, более легким и быстрым, чем до этого, причем при сохранении необходимого высокого качества.

Высвобождение сил познающего человека после исключения из анализа второстепенной и несущественной информации позволяет подойти к решению более сложных задач, таких как выявление сходств и различий между обобщенными образами различных видов объектов Реальности, а также выявление смысловых взаимосвязей между различными признаками этих объектов. Кроме того, использование сжатых и высокоинформативных образов объектов позволяет быстро и с минимальными внутренними затратами относить конкретные чувственно–наблюдаемые объекты к тем или иным обобщенным категориям, функции и свойства которых уже известны, и таким образом эффективно ориентироваться в некоторой предметной области (окружающей среде).

В дальнейшем, применяя на практике ранее сформированные модели Реальности, человек получает новую достоверную информацию о степени их эффективности и, соответственно, адекватности. Эта информация обратной связи используется для уточнения и развития конкретной чувственно–эмоциональной и обобщенной, абстрактной (формальной) модели Реальности, в чем и состоит ее адаптивность.

Результаты и перспективы

Математическая модель и реализующая ее инструментальная программная система, разработанная на основе многокритериального подхода и теории информации, обеспечивает достаточно адекватное для практического применения формальное описание и поддержку реализации 10 базовых когнитивных операций, психологическое описание которых дано в базовой когнитивной концепции:

1) присвоение имен (экстенсиональное (континуальное) представление чувственного образа конкретного объекта в форме принадлежности к некоторым градациям определенных смысловых шкал);

2) восприятие (интенсиональное (дискретное) представление чувственного образа конкретного объекта в форме совокупности признаков);

3) обобщение (синтез, индукция) (формирование обобщенных образов различных категорий объектов на основе одновременного использования экстенсиональных и интенсиональных описаний конкретных объектов, которые используются в качестве примеров);

4) абстрагирование (определение для каждого признака его вклада в различие друг от друга обобщенных образов; контролируемое и корректное удаление незначимых признаков с сохранением всей существенной информации);

5) оценка адекватности модели;

6) сравнение, идентификация и прогнозирование (сравнение чувственного образа конкретного объекта со всеми обобщенными образами);

7) анализ (дедукция и абдукция) (выявление общего и особенного, характерного и нехарактерного, для каждого обобщенного образа; выявление общего и особенного, характерного и нехарактерного в смысловом содержании каждого признака);

8) классификация и генерация конструктов (определение сходств и различий обобщенных образов друг с другом; объединение сходных образов в кластеры; формирование биполярных систем наиболее непохожих кластеров, т.е. конструктов образов; построение семантических сетей классов; определение сходств и различий признаков по их смыслу; объединение сходных по смыслу признаков в кластеры; формирование биполярных систем наиболее непохожих кластеров, т.е. конструктов признаков; построение семантических сетей признаков);

9) содержательное сравнение (определение признаков, по которым любые два заданных образа несопоставимы, сходны или отличаются друг от друга; построение много–многозначных когнитивных диаграмм, в том числе диаграмм Вольфа Мерлина; определение элементов смысла, по которым любые два заданных признака несопоставимы, сходны или отличаются друг от друга; построение много–многозначных когнитивных диаграмм, в том числе инвертированных диаграмм Вольфа Мерлина);

10) планирование и принятие решений об управлении.

Компьютерные Y–технологии

Актуальность

Круг возможных областей применения предложенных методологии, технологии и инструментальной системы для исследований в пограничных и малоисследованных областях науки включает следующие направления:

- диагностика потенциальных сверхспособностей (в том числе, обеспечивающих адекватное поведение в экстремальных ситуациях);

- развитие, адаптация и привязка (локализация), разработка новых профессиональных методик специального назначения;

- выявление и изучение характера влияния факторов, связанных с переходами в осознанные сновидения и измененные формы сознания;

- прогнозирование способности человека адекватно действовать в экстремальных ситуациях и оптимально выйти из них, решив при этом поставленные задачи;

- прогнозирование места и времени аномальных и экстремальных ситуаций.

Рассмотрим подробнее возможность применения предложенной технологии для дистанционной невербальной подсознательной диагностики и коррекции социально–психологического и профессионального статуса учащихся.

В настоящее время, в соответствии с Государственным образовательным стандартами, проблемы обеспечения информационной безопасности решаются правовыми, организационными, экономическими, инженерно-техническими, математическими и программно-аппаратными средствами. Однако, по мнению автора, этими мерами возможности по защите информации не исчерпываются. Важный резерв повышения эффективности охранных мероприятий заключается в специальном профессиональном отборе и особой психологической подготовке специалистов, призванных обеспечить мероприятия по защите информации и работающих с закрытой информацией.

Предлагаемый подход

Задача оптимального профессионального отбора традиционно решается профессиональными психологами, использующими существующий инструментарий. При этом в качестве источника первичной информации о кандидатах, как правило, используются их ответы на вопросы определенных тестов (опросников). На основе обработки этих ответов выявляются психологические свойства кандидатов, которые сравниваются с ранее разработанными профессиограммами. На этой основе принимаются решения о профессиональной пригодности кандидата. О коррекции личностных свойств традиционно вопрос не ставится, так как считается, что подготовка специалиста сводится к передаче ему определенного объема знаний и навыков. В то же время именно социально–психологическими свойствами личности, ее мотивацией и другими пока неконтролируемыми параметрами определяется эффективность, более того, сама направленность использования полученных специальных знаний и навыков.

Традиционный подход имеет ряд ограничений, обусловленных следующим: ответы на вопросы кандидаты дают в условиях специально организованной процедуры анкетирования, смысл и значение которой им заранее известен; стимульный материал и ответы даются в словесной форме, т.е. предполагают участие сознательного критического мышления кандидата, что искажает исходные данные представлениями кандидата о том, как должен выглядеть наилучший вариант ответов; процедура анкетирования требует значительного времени, а также согласия на ее проведение со стороны кандидата, что затрудняет ее использование в реальных условиях; профессиограммы учитывают значение только психологических свойств кандидатов для успешности их профессиональной деятельности, в то время как остальные, часто не менее значимые их свойства игнорируются; ставится лишь задача определения статуса кандидата, тогда как задача подготовки профессионала требует и решения задачи коррекции, т.е. по сути задач управления.

Некоторые из названных ограничений снимаются технологиями, основанными на использовании полиграфа, который позволяет регистрировать подсознательную реакцию на те или иные стимулы, как правило осознаваемые кандидатом. Однако дистанционность съема первичной информации обеспечивается при этом в очень ограниченной мере (на минимальных расстояниях). Дистанционные каналы передачи первичной информации являются электромагнитными, что позволяет блокировать возможность их использования стандартными средствами. Кроме того, с одной стороны, полиграф является лишь системой съема информации и не может быть использован для коррекции состояния кандидата за счет использования обратной связи, а, с другой стороны, анализ первичной информации и принятие решения об отнесении кандидата к тем или иным диагностическим категориям осуществляется человеком-экспертом, что не позволяет объективировать эти оценки и добиться их сопоставимости для различных диагностических групп кандидатов, регионов и времени проведения исследований.

Предлагается создать автоматизированную систему с человеко-зависимым дистанционным интерфейсом, обеспечивающим:

- подсознательную диагностику текущего состояния человека–оператора и его профессионального, а также социального и психологического статуса;

- целенаправленную коррекцию его состояния от текущего к целевому (оптимальному).

Для этой цели на этапе получения исходной информации предлагается применить дистанционные датчики разработки лаборатории PEAR Princeton university (NJ, USA), а также отечественные и собственные разработки. Для анализа исходной информации и принятия решений об отнесении кандидатов к тем или иным диагностическим категориям, а также для выработки корректирующего (управляющего) воздействия, предлагается использовать автоматизированные системы принятия решений, основанные на многокритериальном подходе и теории информации. По этим направлениям в ТУ КубГТУ имеется научный и практический задел (данное направление является базовым научным направлением кафедры компьютерных технологий и информационной безопасности КубГТУ).

Результаты и перспективы

Полученные результаты позволяют создать:

1) скрытую технологию раннего выявления оптимальных кандидатов для подготовки по различным специальностям;

2) компактный аппаратно–программный комплекс бесконтактной идентификации пользователя и коррекции его состояния, действующий без его ведома и сознательного участия, встраиваемый в компьютер или действующий автономно.

7.14.4. Правоохранительная сфера

В правоохранительной сфере предложенная методология и технология может быть применена, в частности, для решения следующих задач: ранняя криминогенная профилактическая идентификация лиц по статьям уголовного кодекса; прогнозирование и профилактика нарушений правил дорожного движения (ПДД); поиск аналогов преступлений (или аналогов фабул); поиск аналогов проверок; тестирование на допуски к специальным видам деятельности (сотрудников МЧС, ОВД, работников служб безопасности банков и коммерческих структур и др.); тестирование на право применения оружия; тестирование на совместимость в оперативных группах; разработка обобщенных фотороботов, типичных для лиц различных направлений криминальной и некриминальной деятельности; выявление взаимосвязей между характеристиками фоторобота ("физиогномика"), отпечатков пальцев ("дерматоглифика"), почерка ("психографология"), другими характеристиками, с одной стороны, и типами правонарушений, с другой стороны; количественная идентификация изображений с вербальными описаниями; оперативное и долгосрочное прогнозирование динамики правонарушений по видам; изучение влияния политических, экономических, правовых и других факторов на динамику правонарушений; типология оперативных ситуаций и идентификация сложившейся оперативной ситуации; поиск наиболее схожих с поступившим состоящих на учете лиц на основе количественного сравнения индивидуальных фотороботов; методики оценки потенциала абитуриента, слушателя специальных учебных заведений и сотрудников ОВД по всему спектру должностей и специальностей; типология и косвенное выявление сфер криминальных интересов; оценка риска при залоге и кредитовании, выявление случаев неоправданной кредитной политики; паспортизация участков дорог, типология аварийно–опасных участков дорог по видам аварий; прогнозирование аварийной опасности участков дорог; выработка мер по переоборудованию аварийно–опасных участков дорог в целях снижения их аварийной опасности; количественное сравнение словесных (вербальных) описаний изображений (местности, интерьеры, лица и др.) с фотографиями; управление составом элитных групп; типология и косвенная идентификация криминальных типов экономической и финансовой деятельности на уровне предприятий (выявление зон риска для налоговой полиции); автоматизированная интерпретация данных полиграфа. Использование полиграфа для получения информации о тестируемом, необходимой для оценки перспектив его обучения и профессиональной деятельности по различным направлениям (компьютерные Y-технологии); разработка и применение профессиограмм на основе ретроспективных верифицированных данных, создание адаптивных и рефлексивных методик оценки перспектив обучения и профессиональной деятельности по различным направлениям.

7.15. ВЫВОДЫ

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.


	Рисунок 7. 2. Точечные прогнозы курса Российского рубля к доллару США, средневзвешенный прогноз и фактический курс (1993-1995)

Рисунок 7. 3. Зависимость погрешности средневзвешенного прогноза курса рубля от разброса точечных прогнозов (ММВБ, 1993-1995)


Рисунок 7. 13. Интегральная и дифференциальная валидность методики до исключения артефактов	Рисунок 7. 14. Интегральная и дифференциальная валидность методики после исключения артефактов


Рисунок 7. 17. Семантический портрет влияния фактора: "Тип активный, гармоничный"	Рисунок 7. 18. Информационный портрет класса: "Успешность профессиональной деятельности – Отличная"