Российская академия наук институт проблем управления им. В. А. Трапезникова
 Скачать 1.88 Mb.
|
|
2. Тестирование и его результаты Для определения того, к какому из двух типов ЧД или ЧН принадлежит испытуемый, был разработан специальный тест [5].В тесте две группы вопросов. На вопросы одной группы предполагаются положительные ответы представителей группы ЧД. Вопросы другой группы ориентированы соответственно на представителей ЧН. Отрицательный ответ на вопрос одной группы автоматически плюсует балл к другой группе. Количест- во баллов, набранных в одной группе, относится к общему ко- личеству вопросов, как часть к единице. Получаемые два пара- метра можно обозначить как h – часть ЧН, и g – часть ЧД. Сум- ма этих частей даёт единицу, или 100%. Выборка испытуемых состояла из 31 человека. Возраст тес- тируемых составил 17-20 лет. Испытуемому предъявлялся бланк теста, содержащий 40 вопросов и поля для ответа. Участвовав- шие в эксперименте разделились следующим образом: 9,68% (3 человека) – можно в равной степени отнести как к группе людей дела, так и к людям настроения. 19,35% (6 человек) – относятся к группе людей настроения. 70,97% (22 человека) – относятся к группе людей дела. Для того, чтобы исследовать динамику поведения испытуе- мых во всех трех выделенных группах, было проведено иссле- дование той же группы испытуемых на стенде «Адаптивная Мо- дель Совмещённой Деятельности Человека-Оператора» (здесь и далее - АМСДЧО), разработанном под руководством проф. И.Г.Городецкого (МАТИ). Адаптивная модель совмещённой операторской деятельно- сти представляет собой совокупность двух задач: задачи пресле- дования, связанной с удержанием визира в заданной области и логической задачи, связанной с решением математической зада- чи в установленных временных рамках. Адаптивность этих за- дач заключается в том, что сложность этих задач возрастает в случае их успешного выполнения и понижается в противном случае. 27 На рис. 1 представлен типичный график, характерный для испытуемых, отнесённых к группе ЧД: 0 10000 20000 30000 40000 50000 60000 70000 0 18064 36188 54092 72672 9058010844812618814407216246417913619731221531223293625075226856428602830281632015233711 2 353476369576386848404744421908439620455640471828489552506960523524539424555888572964590568 LogicsGroup:t_full Рис. 1. График изменения успешности вероятности достижения цели для типа ЧД Качественно этот график совпадает с теоретической кривой [4,с.20, рис 8б, кривая P1]. Для второй группы – представителей ЧН на графике скоро- сти решения логической задачи (рис. 2) можно увидеть относи- тельно долгий подъём до стандартного уровня. 0 10000 20000 30000 40000 50000 60000 70000 0 1798 8 36 25 6 544 28 7232 4 9035 6 1078 68 1260 40 14 34 48 161 032 1792 56 1969 68 2146 52 23 24 60 250 332 2674 28 2840 44 30 19 00 318 200 3345 36 3510 84 36 84 80 385 868 4038 24 4207 80 43 68 92 454 252 4710 68 4881 76 50 43 08 520 368 5373 12 5544 52 5721 96 58 79 28 LogicsGroup:t_full Рис. 2. График изменения успешности вероятности достижения цели для типа ЧД Такое поведение свойственно больше людям настроения, что можно увидеть, обратившись к математической модели эмо- ций [4, с.20, рис 8б, кривая P2]. 28 Литература 1. СИМОНОВ П.В. Мотивированный мозг. М.: Наука, 1987. 2. СИМОНОВ П.В. Созидающий мозг. М.: Наука, 1993. 3. Психология мотиваций и эмоций / Под ред. Ю.Б. Гиппенрей- тера и М.В. Фаликмана, изд. 2-е, стереотипное. – М.: ЧеРо, МПСИ, Омега-Л, 2006. 4. КАПУСТИН М.А., КОПЫЛОВА А.Г. Математическое мо- делирование эмоциональной динамики. – М.: Ин-т. прикл. математики им. М.В.Келдыша РАН, 1998. 5. ЛИЗУНОВА М. Влияние эмоциональной компоненты на эф- фективность деятельности человека-оператора.– М.: МАТИ им. К.Э.Циолковского. Дипломная работа по специ- альности «Эргономика» под руководством БЕЛЯЕВА И.П., 2007. 29 СИТУАЦИОННАЯ СЕМИОТИЧЕСКАЯ МОДЕЛЬ КАК ОСНОВА ОБЪЕКТИВИЗАЦИИ ЗНАНИЙ В СИСТЕМАХ КОГНИТИВНОГО МОДЕЛИРОВАНИЯ Болотова Л.С. (Московский институт радиотехники, электроники и автоматики (Технический университет) Москва) Еbolotov@infoline.su Ключевые слова: ситуационное управление, системы под- держки принятия решений, семиотическая модель, когни- тивная модель. Введение В настоящее время все большую популярность набирает подход к формализации и структурированию знаний о проблем- ных ситуациях при управлении сложными социальными систе- мами с позиций когнитивного моделирования (КМ). Трудно переоценить те принципиально новые возможности, которые дает когнитивная карта (КК) и КМ. Если учесть еще и простоту парадигмы КМ, её достаточно высокую понимаемость всеми участниками процесса проектирования и исследования, а также простоту лежащего в её основе теоретического аппарата, то рост числа приверженцев данного подхода, становится совершенно понятным. Однако, при разработке КМ возникает целый ряд принципиальных трудностей, от качества преодоления которых зависит все остальное. Это, в первую очередь, субъективность подхода при выборе факторов и, чрезвычайно высокая роль экспертов при построении матрицы весов взаимовлияния факто- ров. Естественно задаться вопросом. А нельзя ли снизить субъ- ективность КМ? Это помогло бы существенно улучшить качест- во КМ и её результаты. 30 В данном докладе предлагается подход к решению постав- ленной проблемы с позиций ситуационных семиотических моделей. 1. Ситуационная семиотическая модель Как известно, в 70 –х годах ХХ-го века Поспеловым Д.А. и Клыковым Ю.И. был разработан метод ситуационного управле- ния большими системами [1,2]. В его основе лежали идеи по- строения ситуационной модели (СМ) объекта управления и процессов его функционирования; формирования единого языка описания и фиксации любых возможных ситуаций и классов ситуаций; разбиения множества ситуаций на классы, при кото- ром каждому классу ситуаций соответствовало решение, наибо- лее целесообразное с точки зрения заданных критериев функ- ционирования и управления. Данный подход был возможен, когда множество классов ситуаций существенно превышало множество допустимых решений по управлению. Случай, когда множества ситуаций и решений были, либо соизмеримы по мощности, либо слишком большими, был рассмотрен и разрабо- тан в работах Л.С. Загадской - Л.С. Болотовой [3,4]. Было пред- ложено: все множество ситуаций разбивать на классы таким образом, чтобы каждому классу соответствовала своя концепту- альная структура решения (КСР). На следующих этапах эта структура доопределяется в процессе интерпретации и конкре- тизации с учетом имеющихся ограничений, для каждой структу- ры выявляется или проектируется необходимый контекст - пласт знаний, включающий правила интерпретации ситуаций в преде- лах данной структуры и множество процедур для их трансфор- мации и экстраполяции. На множестве КСР могут быть опреде- лены теоретико-множественные операции объединения, пересечения, дополнения, и другие. В результате формируется единый язык описания пространства ситуаций и решений, а также семиотическая ситуационная модель (ССМ) предметной области (ПО). В общем виде ССМ ПО представляется в виде совокупности множеств: {X, C, R, G, F}, где: X = {x 1 , x 2 , ... x n } - 31 множество имен объектов (предметов и сущностей) данной предметной области; C = {c 1 , c 2 , ... c m } - множество имен свойств X, R = (r 1 , r 2 , ... r n ) - множество имен отношений, в которые могут вступать объекты моделируемой предметной области (ПО); G = (g 1 , g 2 , ... g k ) - имена действий (решений), которые допустимы над объектами множества Х. F - отобра- жение пространства ситуаций ПО во множество действий (S ПО (t) → G). При этом, X, R, G, сами являются достаточно разветвлен- ными иерархиями. Данная модель содержит минимально необ- ходимую и достаточную систему знаний для вывода вариантов принятия решений. 2. Предлагаемый подход В его основе лежит представление о ССМ ПО рассматри- ваемой системы управления и тех действий, которые ЛПР может осуществлять над её объектами (сущностями). В нашем подходе действия отождествляются с возможными решениями по управ- лению. Они могут быть как конкретными, так и абстрактными (воображаемыми). Очевидно, что свойства каждого объекта ПО могут быть как статическими, так и динамическими. Последние могут задаваться в виде лингвистических переменных со свои- ми областями значений и рассматриваться как факторы, влияющие на изменение ситуаций в данной ПО. Проблемные ситуации возникают тогда, когда значения динамических свойств (одного или нескольких) выходят за заданные пределы и требуется вмешательство со стороны ЛПР. На основе ССМ ПО могут быть определены: множество про- блемных ситуаций и дискретная ситуационная сеть (ДСС). Под ДСС понимается семантическая сеть, вершинами которой явля- ются проблемные ситуации, а дугами – отношения причины и следствия между ними. ДСС может рассматриваться как аналог КК с дальнейшим переходом на когнитивное моделирование. При этом значения весов матрицы взаимовлияния факторов могут задаваться, также исходя из контекста ССМ ПО. 32 Литература 1. ПОСПЕЛОВ Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986. – 385 с. 2. КЛЫКОВ Ю.И. Ситуационное управление большими сис- темами. М.: Энергия, 1974. – 251 с. 3. ЗАГАДСКАЯ Л.С., КЛЫКОВ Ю.И. Практическое примене- ние ситуационной модели управления / Известия АН СССР. Техническая кибернетика, № 6, 1974. –53-57 4. БОЛОТОВА Л.С., КУКОР Б.Л. Интеллектуальные инфор- мационные технологии поддержки принятия решений в му- ниципальном управлении / Сб. материалов международной научно – практической конференции «Устойчивое развитие муниципального образования: теория, методология, практи- ка». – М.: «Муниципальный мир», 2006. – 116-125 с. 33 КОГНИТИВНЫЕ МЕТОДЫ СТРУКТУРНОГО АНАЛИЗА В ЗАДАЧЕ ОЦЕНКИ ЭФФЕКТИВНОСТИ СЛАБОФОРМАЛИЗОВАННЫХ РЕГИОНАЛЬНЫХ СИСТЕМ Дорофеюк А.А., Гольдовская М.Д., Покровская И.В (Институт проблем управления РАН, Москва) adorof@ipu.ru, lab55@ipu.ru, ivp@ipu.ru Ключевые слова: когнитивная структуризация, оценка эф- фективности, слабоформализованные региональные системы Введение В докладе рассмотрены когнитивные методы структуриза- ции информации применительно к задачам анализа, прогнозиро- вания и оценки эффективности слабоформализованных регио- нальных систем управления. Основная проблема, с которой сталкиваются разработчики алгоритмов структурного анализа подобных данных – это получение «сжатого» представления исходной информации, содержательно хорошо интерпретируе- мого и пригодного для подготовки и обоснования принимаемых управленческих решений. Необходимо учитывать также боль- шую размерность и многопрофильность исходной информации, - число объектов доходит до нескольких тысяч, а число показа- телей - до двух сотен, при этом используются не только число- вые, но и ранговые, номинальные, экспертные показатели. Кро- ме того, обычно ставится задача динамического анализа информации за несколько лет. Это приводит к тому, что оказы- вается малоэффективным использование классических методов статистической обработки и анализа подобных данных. Всё сказанное говорит о том, что для таких задач и таких объектов необходимо разрабатывать когнитивные методы структуриза- ции, позволяющие учитывать огромный интуитивный опыт управленцев по фильтрации и «сжатому» (структурному) пред- ставлению информации для принятия качественных решений. 34 1. Когнитивные методы структуризации данных В докладе для разработки когнитивных методов структури- зации предлагается использовать алгоритмы классификационно- го анализа данных [1], дополненных экспертными процедурами коррекции. В докладе описаны подобные методы для структури- зации исходных параметров; множества объектов, входящих в исследуемую систему; траекторий объектов (изменение значе- ний характеристик объектов во времени). 1.1. Когнитивные методы структуризации параметров Практика использования алгоритмов структуризации пока- зывает, что структуризация объектов с учётом всех исходных параметров редко приводит к хорошим результатам. Именно поэтому для структуризации объектов используются не исход- ные, а информативные параметры, которых обычно существенно меньше. Структуризацию параметров предлагается проводить с по- мощью алгоритмов экстремальной группировки [1]. При этом используются специальные экспертно-корректирующие проце- дуры для выбора конкретного типа алгоритма и основных его характеристик, таких как: выбор типа группировки - с фоновой группой или без неё, алгоритма фильтрации (в зависимости от уровня «зашумлённости» параметров), вида меры связи между параметрами и др. Результатом экстремальной группировки являются группы параметров и факторы – синтезированные параметры-характеристики групп, каждый из которых является линейной комбинацией исходных параметров соответствующей группы и, в определённом смысле, её «центром». На базе ре- зультатов экстремальной группировки строятся интегральные показатели. В качестве таковых выбираются либо сами факто- ры, либо параметры близкие к факторам, здесь также использу- ются процедуры экспертной коррекции. 1.2. Когнитивные методы структуризации объектов Классификация объектов производится в пространства X интегральных показателей, полученных на предыдущем этапе. Как и в предыдущем разделе используются специальные экс- 35 пертно-корректирующие процедуры для: выбора конкретного алгоритма структуризации объектов; определения вида критерия качества структуризации; выбора типа фильтрации (например, классификация строится с фоновым классом или без такового); выбора типа размытости – четкая, размытая, с размытыми границами, четкая с размытым фоном, размытая с четким фоном и т.д. Результатом классификации является вектор функций принадлежности объектов к классам 1 ( ( ), . . . , ( )), r h x h x r – число классов, а также описание самих классов (например, эталонов) [1]. Для того чтобы результаты структуризации можно было использовать в практических задачах, важно не только насколько экономно она представляет исходную информацию, но и насколько эта структуризация удобна для интерпретации в содержательных терминах. В этой связи в приложениях в по- следнее время широко используются экспертно-классификаци- онные алгоритмы построения так называемых «хорошо интер- претируемых классификаций» [2]. 2. Оценка эффективности слабоформализованных региональных систем В докладе описан пример использования разработанных когнитивных методов структурного анализа для сравнительной оценки социального развития регионов России. Для этого ис- пользовались значения 47 показателей для 79 регионов за 3 года. В работе экспертно-корректирующих процедур принимали участие более 20 специалистов Минэкономразвития, Минздрав- соцразвития, ряда ВУЗов и НИИ социально-экономической направленности. Алгоритм структуризации параметров позво- лил отобрать из 47 исходных 6 информативных показателей. Дальнейшее исследование структуры регионов происходило в этом шестимерном пространстве. Была построена последовательность классификаций регио- нов на 2, 3, …, 12 классов. С помощью специальной экспертно- классификационной процедуры была выделена классификация на «оптимальное» число классов - 7. На базе этой классифика- 36 ции был получен рейтинг социального развития регионов для каждого из 3 лет, проанализирована динамика рейтингов регио- нов по основным показателям. Для укрупненной оценки соци- ально-экономической ситуации в регионах был построен линей- но упорядоченный рейтинг регионов по наиболее важной паре показателей (среднедушевой доход - уровень безработицы). Для этого с помощью алгоритма построения хорошо интерпретируе- мых классификаций [2] было получено 16 классов регионов, которые с помощью экспертной процедуры были линейно упо- рядочены. Кроме того, каждый рейтинговый класс получил интегральную характеристику по всем основным показателям. На этом же материале, с помощью алгоритма, разработан- ного в [3], было проведено структурное прогнозирование оценок социального развития регионов. Этот алгоритм позволяет учесть особенности всей прошлой траектории изменения положения каждого объекта в шестимерном пространстве информативных параметров. В докладе обсуждаются результаты решения этой задачи, которые свидетельствуют о высокой эффективности разрабо- танных методов и прогнозной модели. Литература 1. БАУМАН Е.В., ДОРОФЕЮК А.А. Классификационный анализ данных. / Труды Международной конференции по проблемам управления. Том 1. – М.: СИНТЕГ, 1999. - С. 62- 67. 2. ДОРОФЕЮК А.А., ЧЕРНЯВСКИЙ А.Л. Алгоритмы по- строения хорошо интерпретируемых классификаций / Про- блемы управления. 2007 №2. – С. 83-84. 3. ДОРОФЕЮК А.А., ДОРОФЕЮК Ю.А. Методы структур- но-классификационного прогнозирования многомерных ди- намических объектов / Искусственный интеллект. 2006. № 2. - C. 138-141. 37 ПРИНЦИПЫ, ОРИЕНТИРОВАННЫЕ НА ДОСТОВЕРНОСТЬ ПОСТРОЕНИЯ МОДЕЛЕЙ НА ОСНОВЕ КОГНИТИВНЫХ КАРТ Коврига С.В. (Институт проблем управления РАН, Москва) maxi@ipu.ru Ключевые слова: слабоструктурированная проблемная си- туация, формализация первичных знаний, когнитивная карта. В ходе анализа рисков для достоверности моделей на основе когнитивных карт и практики применения таких моделей сфор- мированы принципы, ориентированные на повышение досто- верности их построения. Принцип нисходящего проектирования. Процесс “погруже- ния” в слабоструктурированную проблемную ситуацию целесо- образно начинать с предварительного определения общей на- правленности исследований, построения концептуальной модели (схемы) и последующей ее детализации. Концептуальное структурирование проблемной ситуации направлено на когнитивное преобразование первичного пред- ставления субъекта о ситуации в новое, с более четкой концеп- туальной структурой. Построение общей концептуальной модели обеспечивает формирование необходимого целостного и обозримого пред- ставления о проблемной ситуации Отличительной особенностью сложных слабоструктуриро- ванных ситуаций и проблем является то, что они часто затраги- вают процессы и явления различной природы (свойство много- аспектности), что обусловливает необходимость привлечения экспертов – носителей знаний из разных предметных областей. (Как правило, эксперт не является носителем знаний многих 38 областей, а специализируется на одной или ограниченном про- странстве предметных областей.) Наличие общей концептуальной схемы, обладающей свой- ствами целостности и обозримости, ограничивает исследуемую предметную область и позволяет обеспечить целенаправленный отбор экспертов. Принцип разделения на смысловые блоки. Согласно данному принципу последующая детальная структуризация представле- ний о ситуации в рамках принятой концептуальной схемы сво- дится к построению частных когнитивных карт, отражающих отдельные смысловые блоки (фрагменты) схемы, с последую- щей интеграцией частных когнитивных карт в общую. Каждая частная когнитивная карта есть формализованное представление отдельного аспекта исследуемой сложной ситуации. Построение когнитивной карты сопровождается уточнением концептуальной схемы ситуации посредством углубления представлений экспер- тов (аналитиков), уточнения того содержания, которое связыва- ется с понятиями выбранного типа модели на основе когнитив- ной карты, и его согласования. Следование принципам нисходящего проектирования и раз- деления на смысловые блоки при построении когнитивной карты позволяет блокировать типичный вид ошибок, обнару- женных психологом Д. Дёрнером [5], когда субъект выстраивает целостное представление о сложной проблемной ситуации путем построения редуцирующих 1 гипотез. Такие гипотезы приводят к формированию упрощенного представления о слож- ной или непривычной ситуации, не отражающего многообразия взаимосвязей ее различных аспектов. Суть такой гипотезы в том, 1 Редукция (от лат. reductio - возвращение, приведение обратно), восстановление прежнего состояния, сведение сложного к более простому. Редуцирование – в различных отраслях науки и техники наименование процессов, ведущих к уменьшению размеров какого- либо объекта, упрощению его структуры или к ослаблению напряже- ния, силы, иногда к полному исчезновению чего-либо [4]. 39 что один фактор делают “определяющим”, а все остальное “при- вязывают” к нему. Общий принцип согласованности понимания. Важной со- ставной частью построения когнитивной карты является поня- тийно-структурная формализация, т.е. структурирование пер- вичных представлений экспертов (аналитиков и др. специалистов) о сложной проблемной ситуации путем формиро- вания понятий, представляющих факторы. Слабая согласованность представлений участников процес- са построения и исследования моделей сложных слабострукту- рированных ситуаций выделена как характерный тип помех, ухудшающих качество этого процесса, его сходимость и резуль- тативность. Указанный тип помех связан с особенностями чело- веческого коллектива [7]. Исходя из этого, определены частные принципы, позволяющие управлять процессами согласования понятий, концептуальных представлений участников коллектив- ной деятельности и в значительной мере компенсировать нега- тивное воздействие понятийных помех [2]. К числу этих прин- ципов относятся принцип “статусного знания”, принцип единой системы понятий и принцип приемлемого согласования. Принцип “статусного знания” состоит в необходимости считаться с согласованными представлениями при наличии различных точек зрения на слабоструктурированную проблем- ную ситуацию. Статусное знание – это знание, которое согласо- вано на каком-то этапе работы и требует определенной процеду- ры для его изменения с оповещением заинтересованных сторон. Опираясь на статусное знание, удается заметно влиять на схо- димость процесса получения результатов в дискуссиях и про- цессах поиска решений. Принцип единой системы понятий. С одной стороны, от- сутствие единого языка при обсуждениях нередко затрудняет совместную работу экспертов (носителей знаний различных предметных областей), что неизбежно отражается на результа- тивности разрешения сложной проблемной или непривычной ситуации. Указанный принцип предопределяет необходимость сформировать согласованную систему понятий, рабочий язык 40 для общения внутри коллектива. В качестве инструмента фор- мирования согласованного понятийного аппарата служат техно- логии согласования понятий [7]. С другой стороны, разработчики методов и технологий под- держки интеллектуальной деятельности, при разработке соот- ветствующих средств должны ориентироваться на цели, интере- сы и язык взаимодействия заказчиков – носителей проблемных ситуаций. В этом случает необходимо формирование подходов к разработке интерфейса, обеспечивающего мягкого интеллекту- ального управления целенаправленным процессом порождения формализованных знаний [3]. Учитывая невозможность достижения цели действительного согласования в деятельности специалистов разных профилей, особенно в условиях ограниченных сроков работы вновь органи- зованного коллектива, следует говорить о принципе приемлемо- го согласования в контексте поставленных целей. В этом случае в качестве цели согласования предлагается вполне коллективное (вполне согласованное) понятие [1,7]. Такое понятие позволяет пользоваться им без учета различия в его понимании разными членами коллектива 2 Принцип контекстной зависимости при определении от- ношения влияния между парой факторов. Указанный принцип ориентирован на определенный тип когнитивных карт – при- чинно-следственные (каузальные) когнитивные карты. Суть принципа состоит в том, что определение влияния фактора x i на x j (x i → x j ) необходимо рассматривать в контексте факторов (x i → x j → x k ) в соответствии с критерием соразмерности объемов понятий факторов [6]. Накопленный практический опыт показывает, что следова- ние перечисленным выше принципам способствует более эф- фективному управлению процессом разработки модели на осно- ве когнитивной карты применительно к конкретной проблемной 2 Работа с “вполне” (но не “действительно”) согласованным поняти- ем типична в деятельности неоднородного коллектива. |