Da bi se razumjelo i analiziralo ponašanje složenog sistema, gradi se strukturni dijagram uzročno-posljedičnih veza. Takve šeme koje tumače mišljenje i stavove donosioca odluke nazivaju se kognitivna mapa.

Termin "kognitivna mapa" skovao je psiholog Tolman 1948. godine. Kognitivna mapa je vrsta matematičkog modela koji vam omogućava da formalizirate opis složenog objekta, problema ili funkcioniranja sistema i identifikujete strukture uzročno-posljedičnih odnosa između elemenata sistema, složenog objekta koji čine problem i procijeniti posljedice kao rezultat utjecaja na te elemente ili promjene u prirodi odnosa. Engleski naučnik K.Idei predložio je korištenje kognitivnih mapa za kolektivni razvoj i donošenje odluka.

Kognitivna mapa situacije je usmjereni graf čiji su čvorovi neki objekti (koncepti), a lukovi su veze između njih koje karakteriziraju uzročno-posljedične veze.

Razvoj modela počinje izgradnjom kognitivne mape koja odražava situaciju „kakva jeste“. Na osnovu generisane kognitivne mape radi se simulacija samorazvoja situacije u cilju identifikacije pozitivnih trendova razvoja.Samorazvoj vam omogućava da uporedite subjektivna očekivanja sa modelskim.

Glavni koncept u ovom pristupu je koncept "situacije". Situaciju karakteriše skup tzv osnovni faktori, uz pomoć kojih se opisuju procesi promjene stanja u situaciji. Faktori mogu uticati jedni na druge, a takav uticaj može biti pozitivan, kada povećanje (smanjenje) jednog faktora dovodi do povećanja (smanjenje) drugog faktora, i negativan, kada povećanje (smanjenje) jednog faktora dovodi do smanjenja (povećanje) u drugom faktoru.

Matrica međusobnih uticaja predstavlja pondere samo direktnih uticaja između faktora. Redovi i kolone matrice preslikavaju se na faktore kognitivne mape, a označena vrijednost na presjeku i-tog reda i j-ro kolone označava težinu i smjer utjecaja i-ro faktora na j-ti faktor. Za prikaz stepena (težine) uticaja koristi se skup jezičkih varijabli kao što su "jako", "umjereno", "slabo" itd.; takav skup lingvističkih varijabli uspoređuje se s brojčanim vrijednostima iz intervala: 0,1 - "veoma slab"; 0,3 - "umjeren"; 0,5 - "značajno"; 0,7 - "jako"; 1.0 - "veoma jak". Smjer utjecaja je dat predznakom: pozitivan, kada povećanje (smanjenje) jednog faktora dovodi do povećanja (smanjenje) drugog faktora i negativan, kada povećanje (smanjenje) jednog faktora dovodi do smanjenja (porasta ) u drugom faktoru.

Identifikacija početnih trendova

Početne tendencije date su jezičkim varijablama tipa

"jako", "umjereno", "slabo" itd.; takav skup lingvističkih varijabli uspoređuje se s numeričkim vrijednostima iz intervala . Ako za neki faktor nije postavljen trend, to znači da ili nema primjetnih promjena u faktoru koji se razmatra, ili nema dovoljno informacija za procjenu postojećeg trenda na njemu. Pri modeliranju se smatra da je vrijednost ovog faktora 0 (tj. da se ne mijenja).

Izbor ciljnih faktora

Među svim odabranim faktorima potrebno je odrediti ciljne i kontrolne faktore. Ciljni faktori su faktori čija se dinamika mora približiti traženim vrijednostima. Osiguravanje potrebne dinamike ciljnih faktora rješenje je kojem se teži prilikom izgradnje kognitivnog modela.

Kognitivne mape se mogu koristiti za kvalitativnu procjenu uticaja pojedinačnih koncepata jednih na druge i na stabilnost sistema u cjelini, za modeliranje i evaluaciju upotrebe različitih strategija u donošenju odluka i predviđanju odluka.

Treba napomenuti da kognitivna mapa odražava samo činjenicu da faktori utiču jedni na druge. Ne odražava ni detaljnu prirodu ovih uticaja, ni dinamiku promena uticaja u zavisnosti od promena situacije, niti privremene promene samih faktora. Uzimanje u obzir svih ovih okolnosti zahtijeva prijelaz na sljedeći nivo strukturiranja informacija prikazanih u kognitivnoj mapi, odnosno kognitivni model. Na ovom nivou, svaki odnos između faktora kognitivne mape otkriva se odgovarajućom jednačinom, koja može sadržavati i kvantitativne (mjerene) varijable i kvalitativne (ne mjerene) varijable. U isto vrijeme, kvantitativne varijable ulaze na prirodan način u obliku svojih numeričkih vrijednosti, budući da je svaka kvalitativna varijabla povezana sa skupom jezičkih varijabli, a svaka jezička varijabla odgovara određenom numeričkom ekvivalentu na skali [-1, 1]. Akumulacijom znanja o procesima koji se dešavaju u situaciji koja se proučava, postaje moguće detaljnije otkriti prirodu odnosa između faktora.

Postoje matematičke interpretacije kognitivnih mapa, kao što su meki matematički modeli (čuveni Lotka-Volterra model borbe za postojanje). Matematičkim metodama se može predvidjeti razvoj situacije i analizirati stabilnost dobivenog rješenja. Postoje dva pristupa izgradnji kognitivnih mapa – proceduralni i procesni. Procedura je radnja koja je diskretna u vremenu i ima mjerljiv rezultat. Matematika je značajno koristila diskretnost, čak i ako smo mjerili jezičkim varijablama. Procesni pristup više govori o održavanju procesa, karakterišu ga koncepti „poboljšati“, „aktivirati“, bez pozivanja na merljive rezultate. Kognitivna mapa ovog pristupa ima gotovo trivijalnu strukturu – postoji ciljni proces i okolni procesi koji na njega utječu pozitivno ili negativno.

Postoje dvije vrste kognitivnih mapa: tradicionalne i nejasne. Tradicionalne karte su postavljene u obliku usmjerenog grafa i predstavljaju modelirani sistem kao skup koncepata koji prikazuju njegove objekte ili atribute, međusobno povezane uzročno-posljedičnim vezama. Koriste se za kvalitativnu procjenu uticaja pojedinih koncepata na stabilnost sistema.

Kako bi se proširile mogućnosti kognitivnog modeliranja, u brojnim radovima koriste se fuzzy kognitivne mape. U nejasnoj kognitivnoj mapi, svaki luk određuje ne samo pravac i prirodu, već i stepen uticaja povezanih koncepata.

Kognitivno modeliranje

Uvod

1. Koncepti i suština "kognitivnog modeliranja" i "kognitivne mape"

2. Problemi kognitivnog pristupa

Zaključak

Spisak korišćene literature

UVOD

Sredinom 17. vijeka, čuveni filozof i matematičar René Descartes izgovorio je aforizam koji je postao klasik: "Cogito Ergo Sum" (mislim, dakle jesam). Latinski korijen cognito ima zanimljivu etimologiju. Sastoji se od dijelova "co-" ("zajedno") + "gnoscere" ("Znam"). AT engleski jezik postoji čitava porodica termina sa ovim korenom: "spoznaja", "spoznaja" itd.

U tradiciji koju smo označili pojmom "kognitivna" vidljivo je samo jedno "lice" misli - njena analitička suština (sposobnost da se cjelina razloži na dijelove), razloži i reducira stvarnost. Ova strana razmišljanja povezana je sa identifikacijom uzročno-posledičnih veza (uzročnosti), što je karakteristično za razum. Očigledno, Descartes je apsolutizirao razum u svom algebarskom sistemu. Drugo "lice" misli je njena sintetizujuća suština (sposobnost konstruisanja cjeline iz cjeline bez predrasuda), sagledavanje stvarnosti intuitivnih oblika, sintetiziranje rješenja i predviđanje događaja. Ova strana mišljenja, otkrivena u filozofiji Platona i njegove škole, inherentna je ljudskom umu. Nije slučajno da u latinskim korijenima nalazimo dvije osnove: ratio (racionalni odnosi) i razum (razuman uvid u suštinu stvari). Racionalno lice misli potiče od latinskog reri ("misliti"), vraćajući se do starog latinskog korijena ars (umjetnost), a zatim se pretvorilo u moderni koncept umjetnosti. Dakle, razum (razumni) je misao srodna djelu umjetnika. Kognitivno kao "razum" znači "sposobnost razmišljanja, objašnjavanja, opravdavanja akcija, ideja i hipoteza".

Za "jaku" spoznaju bitan je poseban, konstruktivan status kategorije "hipoteza". To je hipoteza koja je intuitivna polazna tačka za dedukciju slike rješenja. Sagledavajući situaciju, donosilac odluke otkriva u situaciji neke negativne veze i strukture („prelome“ situacije) koje treba zamijeniti novim objektima, procesima i odnosima koji otklanjaju negativan utjecaj i stvaraju jasno izražen pozitivan učinak. Ovo je suština upravljanja inovacijama. Paralelno sa otkrivanjem „preloma“ situacije, često kvalificiranih kao „izazovi“ ili čak „prijetnje“, subjekt menadžmenta intuitivno zamišlja neke „pozitivne odgovore“ kao integralne slike stanja buduće (harmonizovane) situacije. .

Kognitivna analiza i modeliranje su fundamentalno novi elementi u strukturi sistema za podršku odlučivanju.

Tehnologija kognitivnog modeliranja omogućava vam da istražite probleme s nejasnim faktorima i odnosima; - uzmete u obzir promjene u vanjskom okruženju; - koristite objektivno utvrđene trendove u razvoju situacije u vlastitim interesima.

Takve tehnologije stiču sve više povjerenja od struktura uključenih u strateško i operativno planiranje na svim nivoima iu svim oblastima upravljanja. Upotreba kognitivnih tehnologija u ekonomskoj sferi omogućava da se u kratkom roku razvije i opravda strategija ekonomskog razvoja preduzeća, banke, regiona ili cijele države, uzimajući u obzir uticaj promjena u vanjskom okruženju. U oblasti finansija i berze, kognitivne tehnologije omogućavaju da se uzmu u obzir očekivanja učesnika na tržištu. U vojnoj oblasti i oblasti sigurnost informacija upotreba kognitivne analize i modeliranja omogućava odupiranje strateškom informacijskom oružju, prepoznavanje konfliktnih struktura bez dovođenja sukoba u fazu oružanog sukoba.

1. Koncepti i suština "kognitivnog modeliranja" i "kognitivne mape"

Axelrod je predložio metodologiju kognitivnog modeliranja dizajniranu za analizu i donošenje odluka u loše definiranim situacijama. Zasniva se na modeliranju subjektivnih ideja stručnjaka o situaciji i uključuje: metodologiju za strukturiranje situacije: model za predstavljanje stručnog znanja u obliku potpisanog digrafa (kognitivne mape) (F, W), gdje je F a skup faktora situacije, W je skup uzročno-posledičnih veza između faktora situacija; metode analize situacije. Trenutno se metodologija kognitivnog modeliranja razvija u pravcu poboljšanja aparata za analizu i modeliranje situacije. Ovdje se predlažu modeli za predviđanje razvoja situacije; metode za rješavanje inverznih problema

Kognitivna karta (od latinskog cognitio - znanje, spoznaja) - slika poznatog prostornog okruženja.

Kognitivne mape nastaju i modificiraju se kao rezultat aktivne interakcije subjekta sa vanjskim svijetom. U tom slučaju se mogu formirati kognitivne karte različitog stepena uopštenosti, „razmera“ i organizacije (na primer, pregledna karta ili mapa putanja, u zavisnosti od kompletnosti prikaza prostornih odnosa i prisutnosti izražene referentne tačke ). Ovo je subjektivna slika, koja ima, prije svega, prostorne koordinate, u kojima su lokalizirani pojedinačni percipirani objekti. Karta puta se izdvaja kao sekvencijalni prikaz veza između objekata duž određene rute, a pregledna karta kao simultani prikaz prostornog rasporeda objekata.

vodeći naučna organizacija Institut za probleme upravljanja Ruske akademije nauka, odjeljenje: Sektor-51, naučnici Maksimov V.I., Kornoušenko E.K., Kachaev S.V., Grigoryan A.K., bavi se razvojem i primjenom tehnologije kognitivne analize. i drugi. Na njima naučni radovi u oblasti kognitivne analize i zasnovano je na ovom predavanju.

Tehnologija kognitivne analize i modeliranja (slika 1) zasniva se na kognitivnom (kognitivno-ciljanom) strukturiranju znanja o objektu i njegovom vanjskom okruženju.

Slika 1. Tehnologija kognitivne analize i modeliranja

Kognitivno strukturiranje predmetnog područja je identifikacija budućih ciljnih i nepoželjnih stanja objekta upravljanja i najznačajnijih (osnovnih) faktora kontrole i okruženja koji utiču na prelazak objekta u ta stanja, kao i utvrđivanje uzroka. -efektivni odnosi između njih na kvalitativnom nivou, uzimajući u obzir faktore međusobnog uticaja jedni na druge.

Rezultati kognitivnog strukturiranja se prikazuju pomoću kognitivne mape (modela).

2. Kognitivno (kognitivno ciljano) strukturiranje znanja o objektu koji se proučava i njegovom vanjskom okruženju na osnovu PEST-analize i SWOT-analize

Odabir osnovnih faktora vrši se primjenom PEST-analize, koja razlikuje četiri glavne grupe faktora (aspekata) koji određuju ponašanje objekta koji se proučava (slika 2):

P olicy - politika;

E privreda - privreda;

S društvo - društvo (sociokulturni aspekt);

T tehnologija - tehnologija

Slika 2. Faktori analize PEST

Za svaki konkretan složeni objekat postoji poseban skup najznačajnijih faktora koji određuju njegovo ponašanje i razvoj.

PEST-analiza se može posmatrati kao varijanta sistemske analize, budući da su faktori koji se odnose na navedena četiri aspekta generalno usko povezani i karakterišu različite hijerarhijske nivoe društva kao sistema.

U ovom sistemu postoje određujuće veze usmerene od nižih nivoa hijerarhije sistema ka višim (nauka i tehnologija utiču na privredu, ekonomija utiče na politiku), kao i obrnute i međunivoske veze. Promjena nekog od faktora kroz ovaj sistem veza može uticati na sve ostale.

Ove promjene mogu predstavljati prijetnju razvoju objekta, ili, obrnuto, pružiti nove mogućnosti za njegov uspješan razvoj.

Sljedeći korak je analiza situacijskog problema, SWOT analiza (Slika 3):

S trendovi- snage;

W eaknesses - nedostaci, slabosti;

O prilike - prilike;

T hreats - prijetnje.

Slika 3. Faktori SWOT analize

Uključuje analizu snaga i slabosti razvoja objekta koji se proučava u njihovoj interakciji s prijetnjama i prilikama i omogućava vam da odredite stvarna problematična područja, uska grla, šanse i opasnosti, uzimajući u obzir faktore okoline.

Prilike se definišu kao okolnosti koje doprinose povoljnom razvoju objekta.

Prijetnje su situacije u kojima može nastati šteta na objektu, na primjer, njegovo funkcionisanje može biti poremećeno ili može izgubiti postojeće prednosti.

Na osnovu analize različitih mogućih kombinacija snaga i slabosti sa prijetnjama i mogućnostima formira se problemsko polje objekta koji se proučava.

Problemsko polje je skup problema koji postoje u modeliranom objektu i okruženje, u njihovom međusobnom odnosu.

Dostupnost ovakvih informacija je osnova za određivanje ciljeva (pravaca) razvoja i načina njihovog ostvarivanja, te izradu strategije razvoja.

Kognitivno modeliranje na osnovu sprovedene situacione analize omogućava pripremu alternativnih rešenja za smanjenje stepena rizika u identifikovanim problemskim područjima, predviđanje mogućih događaja koji mogu najteže uticati na položaj objekta koji se modelira.

Hostirano na http://www.allbest.ru/

Ministarstvo obrazovanja i nauke Ruske Federacije

Federalna državna budžetska obrazovna ustanova

visoko stručno obrazovanje

„Kuban Državni univerzitet"(FGBOU VPO "Kubu")

Katedra za teoriju funkcija

Završni kvalifikacioni rad prvostupnika

Matematički model kognitivna struktura prostora za učenje

Uradio sam posao

V.A. Bakuridze

naučni savetnik

cand. Phys.-Math. nauka, vanredni profesor

B.E. Levitsky

normokontroler,

Art. laboratorijski asistent N.S. katchina

Krasnodar 2015

• Sadržaj
• Uvod
• 2. Vještine
• 4. Minimalna karta vještina
• 7. Oznake i filteri
• 7.1 Primjeri označavanja
• Zaključak
• Uvod
• Rad je apstraktne prirode i posvećen je proučavanju jednog od odjeljaka monografije Zh-Kl. Falmazh i Zh-P. Duanon (vidi), čije je ime na ruski prevedeno kao "prostori za učenje". Monografija je posvećena konstrukciji sažetka matematička teorija, koji razvija formalne metode za proučavanje međuodnosa i odnosa stanja znanja subjekata u određenoj predmetnoj oblasti.
• U radu je dat prilagođeni prijevod na ruski dio jednog od poglavlja monografije pod nazivom „Mape vještina, oznake i filteri“. Ovo poglavlje razvija formalni aparat za istraživanje odnosa između stanja znanja i onoga što se obično naziva "vještine". Pretpostavlja se da je za postizanje određenog nivoa znanja potrebna određena količina vještine.
• Ideja autora je da se svakom pitanju (problemu) q iz domene Q poveže podskup vještina iz S koji se može koristiti za odgovor na pitanje q (rješenje problema q). Uz primjere objašnjenja koje su dali autori u radu, dati su slični primjeri iz predmeta "Kompleksna analiza".
• Prvi dio diplomskog rada sadrži potrebne podatke iz prvih poglavlja monografije, čiji je prilagođeni prijevod urađen u tezama T.V. Aleinikova i N.A. Ralco.
• U drugom odeljku napravljen je prilagođeni prevod odgovarajućeg dela monografije sa primerom (videti paragraf 2.1), na osnovu čega se u trećem delu uvodi formalizovan koncept „mape veština“. Po analogiji sa ovim primjerom, samostalno je konstruiran primjer iz predmeta "Kompleksna analiza" (vidi odjeljak 2.2.).
• Četvrti dio se bavi konceptom minimalne mape vještina. Model konjunktivne mape vještina razmatran je u Odjeljku 5.
• Odjeljak 6 daje formaliziranu definiciju modela kompetencija. Posljednji dio diplomskog rada posvećen je problemu opisa (označavanja) elemenata i integracije (filtera) odgovarajućih pozadinske informacije sadržane u stanjima znanja.
• 1. Osnovne oznake i preliminarne informacije
• Definicija 1 (vidi ) Struktura znanja je par (Q, K), u kojem je Q neprazan skup, i K-porodica podskupova od Q, koja sadrži najmanje Q i prazan skup. Skup Q se naziva domenom strukture znanja. Njegovi elementi se zovu pitanja ili pozicije i podskupovi porodice. K se nazivaju stanjima znanja.
• Definicija 2 (vidi). Struktura znanja (Q, K) naziva se prostorom za učenje ako su ispunjena sljedeća dva uslova:
• (L1) Glatkoća učenja. Za bilo koja dva stanja K, L takva da
• , postoji konačan lanac stanja
• (2.2)
• za koje |Ki\ Ki-1| = 1 za 1 ? ja? p i |L \ K| = r.
• (L2) Dosljednost učenja. Ako su K, L dva stanja znanja takva da je i q pitanje (pozicija) tako da je K + (q)K, tada
• Definicija 3 (vidi) Porodica skupova K se naziva zatvorena u odnosu na uniju ako je FK za bilo koji FK. Konkretno, K, jer je unija praznih potfamilija prazan skup. Ako je porodica K strukture znanja (Q, K) zatvorena pod unijom, tada se par (Q, K) naziva prostor znanja. Ponekad u ovom slučaju kažu da je K prostor znanja. Kažemo da je K zatvoren u odnosu na konačnu uniju ako je za bilo koje K i L iz K skup KLK.
• Imajte na umu da u ovom slučaju prazan skup ne pripada nužno porodici K.
• Dualna struktura znanja na Q u odnosu na strukturu znanja K je struktura znanja koja sadrži sve dodatke stanja K, tj.
• Dakle, Ki imaju isti domen. Očigledno je da ako je K prostor znanja, onda je struktura znanja zatvorena u odnosu na presek, odnosno F za bilo koji F, štaviše, Q.
• Definicija 4 (vidi ) Pod kolekcijom na skupu Q podrazumijevamo porodicu od K podskupova domene Q. Da bismo označili kolekciju, često se piše (Q, K). Imajte na umu da kolekcija može biti prazna. Kolekcija (Q, L) je zatvoreni prostor kada porodica L sadrži Q i zatvorena je pod presjekom. Ovaj zatvoreni prostor naziva se jednostavnim ako pripada L. Dakle, zbirka K podskupova domene Q je prostor znanja na Q ako i samo ako je dualna struktura jednostavan zatvoreni prostor.
• Definicija 5 (vidi ) Lanac u djelimično uređenom skupu (X, P) je bilo koji podskup C skupa X takav da je cPc? ili c?Pc za sve c, c"C (drugim riječima, red koji je induciran relacijom P na C je linearni red).
• Definicija 6 (vidi ) Putanja učenja u strukturi znanja (Q,K) (konačna ili beskonačna) je maksimalni lanac C u djelimično uređenom skupu (K,). Prema definiciji lanca, imamo cc "ili c" c za sve c, c "C. Lanac C je maksimalan ako iz uslova CC` za neki lanac stanja C` proizlazi da je C \u003d C` Dakle, maksimalni lanac nužno sadrži i Q.
• Definicija 7 (vidi ) Opseg porodice skupova G je porodica G? koja sadrži bilo koji skup koji je unija neke podfamilije G. U ovom slučaju pišemo (G)=G? i reci da je G pokriveno G?. Po definiciji, (G) je zatvoren pod unijom. Baza familije F zatvorene unijom je minimalna podfamilija B od F koja obuhvata F (ovde je "minimalno" definisano s obzirom na uključivanje skupova: ako je (H)=F za neki HB, onda je H=B). Uobičajeno je pretpostaviti da je prazan skup unija praznih potfamilija iz B. Dakle, budući da je baza minimalna potfamilija, prazan skup ne može pripadati bazi. Očigledno, stanje K koje pripada nekoj bazi B iz K ne može biti unija drugih elemenata iz B. Osim toga, struktura znanja ima bazu samo ako je prostor znanja.
• Teorema 1 (). Neka je B baza za prostor znanja (Q, K). Tada BF za neku potporodicu stanja F koja pokriva K. Dakle, prostor znanja dopušta najviše jednu bazu.
• Definicija 8 (vidi). Udaljenost simetrične razlike ili kanonska udaljenost na skupu svih podskupova skupa konačnog skupa E je vrijednost:
• definisano za bilo koje A, B 2E. Ovdje označava simetričnu razliku skupova A i B.
• 2. Vještine

Kognitivne interpretacije gornjih matematičkih koncepata ograničene su na upotrebu riječi povezanih s procesom učenja, kao što su "struktura znanja", "stanje znanja" ili "put učenja". To je zbog činjenice da su mnogi rezultati dobijeni u potencijalno primjenjivi na širok spektar naučnih područja. Može se vidjeti da su uvedeni fundamentalni koncepti u skladu s takvim tradicionalnim konceptom psihometrijske teorije kao što je "vještine". Ovo poglavlje istražuje neke od mogućih odnosa između stanja znanja, vještina i drugih karakteristika predmeta.

Za bilo koju strukturu znanja (Q, K), pretpostavlja se postojanje nekog osnovnog skupa "vještina" S. Ove vještine se mogu sastojati od metoda, algoritama ili tehnika koje su u principu prepoznatljive. Ideja je da se sa svakim pitanjem (problemom) poveže q iz domena Q vještine iz S koje su korisne ili od pomoći u odgovoru na to pitanje (rješavanju problema) i zaključivanju kakvo je stanje znanja. Naveden je sljedeći primjer.

Primjer 2.1 kompajliranja programa u UNIX jeziku.

Pitanje a): Koliko redova datoteke "lilac" (lila) sadrži riječ "ljubičasta" (ljubičasta)? (Dozvoljena je samo jedna komandna linija.)

Objekt koji se provjerava odgovara UNIX komandnoj liniji koja se unosi. Na ovo pitanje se može odgovoriti na različite načine, od kojih su tri navedena u nastavku. Za svaku metodu pružamo komandnu liniju za ispis nakon znaka ">":

>greppurplelilac | toalet

Sistem odgovara sa tri broja; prvi je odgovor na pitanje. (Naredba "grep" praćena dvije opcije `purple" i `lilac" izdvaja sve redove koji sadrže riječ `purple' iz datoteke `lilac"; naredba "|" (separator) usmjerava ovaj izlaz na naredbu za brojanje riječi "wc", koji ispisuje broj redova, riječi i znakova u ovom izlazu).

>catlilac | greppurple | toalet

Ovo je manje efikasno rješenje koje postiže isti rezultat. (Komanda "cat" zahtijeva da se datoteka "lilac" navede, što nije neophodno.)

>morelilac | greppurple | toalet;

Slično prethodnom rješenju.

Proučavanje ove tri metode sugerira nekoliko mogućih tipova odnosa između vještina i pitanja i odgovarajuće načine za određivanje stanja znanja koja odgovaraju ovim vještinama. Jednostavna ideja je tretirati svaku od ove tri metode kao vještinu. Kompletan set vještina S bi sadržavao ove tri vještine i neke druge. Veza između pitanja i vještina, stoga, može biti formalizirana funkcijom

f (a) = ((1); (2); (3)).

Razmotrite objekat koji uključuje određeni podskup T vještina, koji sadrži neke vještine iz f(a) plus neke druge vještine povezane s drugim pitanjima; na primjer,

T = ((1); (2); s; s").

Ovaj skup vještina pruža rješenje za problem a), budući da je T?f(a) = (1; 2) ? . U stvari, stanje znanja K koje odgovara ovom skupu uključuje sve one zadatke koji se mogu riješiti korištenjem barem jedne od vještina sadržanih u T; to je

Ovaj odnos između vještina i stanja istražuje se u sljedećem odjeljku, pod nazivom "disjunktivni model". Vidjet ćemo da je struktura znanja inducirana disjunktivnim modelom nužno prostor znanja. Ova činjenica je dokazana u teoremi 3.3. Također ćemo ukratko, radi kompletnosti, razmotriti model koji ćemo nazvati "konjunktivnim" i koji je dual disjunktivnog modela. U disjunktivnom modelu, samo jedna od vještina povezanih sa zadatkom q je dovoljna za rješavanje ovog zadatka. U slučaju konjunktivnog modela, potrebne su sve vještine koje odgovaraju ovom elementu. Dakle, K je stanje znanja ako postoji skup T vještina takav da za svaki element q imamo q K samo ako je φ(q) (za razliku od zahtjeva φ(q)T? za disjunktivni model) . Konjunktivni model formalizira situaciju u kojoj, za bilo koje pitanje q, postoji jedinstvena metoda rješenja predstavljena skupom f(q) koji uključuje sve potrebne vještine. Rezultirajuća struktura znanja je zatvorena u odnosu na raskrsnicu. Također će se uzeti u obzir različite vrste odnose između vještina i stanja. Disjunktivni i konjunktivni modeli izvedeni su iz elementarne analize primjera 2.1, koja je sama tri metode tretirala kao vještine, iako je u svakom slučaju bilo potrebno više naredbi.

Detaljnija analiza bi se mogla dobiti razmatranjem svake naredbe kao vještine, uključujući naredbu "|" ("separator"). Kompletan set vještina S bi izgledao

S = (grep; wc; mačka, |, more, s1, …,sk),

gdje, kao i ranije, s1, ..., sk odgovaraju vještinama koje se odnose na druga pitanja u razmatranom domenu. Za odgovor na pitanje a), može se koristiti odgovarajući podskup od S. Na primjer, objekt koji odgovara podskupu vještina

R = (grep; wc; |; više; s1; s2)

može biti rješenje za pitanje a) korištenjem metode 1 ili metode 3. U stvari, dva relevantna skupa komandi su uključena u R skup vještina; naime, (grep; wc; |) ?R i (više, grep, wc,|) ?R.

Ovaj primjer ukazuje na više složena veza između pitanja i vještina.

Postuliramo postojanje funkcije koja povezuje svako pitanje q sa skupom svih podskupova skupa vještina koji odgovaraju moguća rješenja. U slučaju pitanja a), imamo

m(a) = ((grep; |; wc); (mačka; grep; |; wc); (više; grep; |; wcg)).

Općenito, objekt koji uključuje neki skup vještina R je sposoban riješiti neko pitanje q ako postoji barem jedan element C u m(q) takav da je C R. Svaki od podskupova C u m(q) će biti naziva "kompetentnost za" q. Ovaj konkretan odnos između vještina i stanja će se pozvati pod nazivom "model kompetencije".

Primjer 2.1 mogao bi navesti nekoga na pomisao da se vještine povezane s određenim domenom (određenim fragmentom područja znanja) mogu lako identificirati. Zapravo, daleko je od očiglednog kako je takva identifikacija uopće moguća. Veći dio ovog poglavlja ostavit ćemo skup vještina nespecificiranim i tretirati S kao apstraktni skup. Naš fokus će biti na formalnoj analizi nekih od mogućih veza između pitanja, vještina i stanja znanja. Kognitivne ili obrazovne interpretacije ovih vještina bit će odložene na posljednji dio ovog poglavlja, gdje se raspravlja o mogućem sistematskom označavanju elemenata koji bi mogli dovesti do identifikacije vještina, i šire do opisa sadržaja stanja znanja. sebe.

Primjer 2.2 iz teorije funkcija kompleksne varijable.

Razmotrimo problem izračunavanja integrala:

Postoje tri načina za rješavanje problema.

Prvi način (rješenje korištenjem Cauchyjeve teoreme o ostatku):

Algoritam za izračunavanje konturnih integrala pomoću ostataka:

1. Pronađite singularne tačke funkcije

2. Odredite koje se od ovih tačaka nalaze u području ograničenom konturom. Da biste to učinili, dovoljno je napraviti crtež: nacrtati konturu i označiti posebne točke.

3. Izračunajte ostatke na onim posebnim tačkama koje se nalaze u tom području

Sve singularne tačke integranda nalaze se u krugu

Pronalazimo korijene jednadžbe:

Pol višestrukosti 2.

Korijeni jednadžbe se nalaze po formuli:

Stoga, prema Cauchyjevom teoremu ostatka:

Korištene vještine:

1) Pronalaženje singularnih tačaka (A)

2) Sposobnost izdvajanja korijena kompleksnog broja (B)

3) Obračun odbitaka (C)

4) Sposobnost primjene Cauchyjeve teoreme o ostatku (D)

Drugi način (rješenje korištenjem Cauchy integralne formule za derivate):

Algoritam za izračunavanje konturnih integrala koristeći Cauchyjevu integralnu formulu za izvode:

N = 0,1,2,….

1. Naći singularne tačke funkcije.

2. Odredite koje se od ovih tačaka nalaze u području ograničenom konturom: . Da biste to učinili, dovoljno je napraviti crtež: nacrtati konturu i označiti posebne točke (vidi sliku 1).

3. Izračunajte sljedeće integrale koristeći Cauchyjevu integralnu formulu za izvode:

gdje je r > 0 dovoljno mali, zk (k = 1,2,3,4) su singularne točke integrala smještene unutar kruga:

, (vidi sliku 1).

Slika 1 - Izračunavanje integrala pomoću Cauchy integralne formule

1) Pod pretpostavkom, nalazimo:

2) Pod pretpostavkom, nalazimo:

3) Pod pretpostavkom, nalazimo:

4) Pod pretpostavkom, nalazimo:

Korištene vještine:

1) pronalaženje singularnih tačaka (A)

2) sposobnost izdvajanja korijena kompleksnog broja (B)

3) sposobnost primjene Cauchy integralne formule (E)

4) mogućnost primene Cauchy integralne formule za prod. (Ž)

treći način:

Prema teoremi ukupnog ostatka:

Korištene vještine:

1) Sposobnost pronalaženja posebnih tačaka (G)

2) Istraživanje funkcije u beskonačnosti (H)

3) Pronalaženje ostatka u beskonačno udaljenoj tački (I)

4) Sposobnost primjene teoreme o ukupnom ostatku (J)

Analizirajući tri rješenja prethodnog integrala, napominjemo da je najefikasnije rješenje posljednje, jer ne treba računati ostatke na krajnjim tačkama.

3. Mape vještina: disjunktivni model

Definicija 3.1 Mapa vještina je trostruka (Q;S;), gdje je Q neprazan skup elemenata, S je neprazan skup vještina, a φ je mapiranje od Q do 2S \ (). Ako su skupovi Q i S jasni iz konteksta, mapa vještina naziva se funkcija f. Za bilo koji q iz Q, podskup φ(q) iz S će se smatrati skupom vještina preslikanih na q (mapa vještina). Neka je (Q; S; φ) mapa vještina i T podskup S. Kaže se da K Q predstavlja stanje znanja formirano skupom T unutar disjunktivnog modela ako

K = (q Q | f (q) T?).

Imajte na umu da prazan podskup vještina formira prazno stanje znanja (jer φ(q)? za svaki element q), a skup S formira stanje znanja Q. Porodica svih stanja znanja formiranih pod skupovima S je struktura znanja formirana mapom vještina (Q ;S;φ) (disjunktivni model). Kada se izraz "formiran" mapom vještina koristi bez upućivanja na određeni model, podrazumijeva se da se razmatra disjunktivni model. U slučaju kada su sve nejasnoće eliminisane sadržajem konteksta, porodica svih stanja formirana od podskupova S naziva se formirana struktura znanja.

Primjer 3.2 Neka je Q = (a, b, c, d, e) i S = (s, t, u, v). Hajde da definišemo

Pretpostavljam

Dakle (Q;S;f) je karta vještina. Stanje znanja formirano skupom vještina T = (s, t) je (a, b, c, d). S druge strane, (a, b, c) nije stanje znanja, jer ga ne može formirati nijedan podskup R od S. Zaista, takav podskup R bi nužno sadržavao t (jer mora sadržavati odgovor na pitanje); tako bi stanje znanja koje formira R takođe sadržalo d. Formirana struktura znanja je skup

Imajte na umu da je K prostor znanja. Ovo nije slučajno, jer se dešava sljedeći rezultat:

Teorema 3.3. Svaka struktura znanja formirana mapom vještina (unutar disjunktivnog modela) je prostor znanja. Suprotno tome, svaki prostor znanja formira se od najmanje jedne mape vještina.

Dokaz

Pretpostavimo da je (Q; S; T) mapa vještina i neka (Ki) i? I je neki proizvoljan podskup formiranih stanja. Ako, za nekoga i?I, stanje Ki formira podskup Ti od S, onda je lako provjeriti šta je formirano; odnosno to je takođe stanje znanja. Dakle, struktura znanja koju formira mapa vještina uvijek je prostor znanja. Obrnuto, neka (Q; K) bude prostor znanja. Napravit ćemo mapu vještina odabirom S = K i postavljanjem φ(q) = Kq za bilo koji q ? P. (Stanja znanja koja sadrže q su stoga određena vještinama koje odgovaraju q; imajte na umu da φ(q) ? ? slijedi iz činjenice da q ? Q ?K). Za TS = K, provjerite da stanje K formirano od T pripada K. Zaista, imamo

odakle slijedi da je K? K, pošto je K prostor znanja. Konačno, pokazaćemo da bilo koje stanje K od K formira neki podskup od S, naime, podskup (K). Označavajući sa L stanje formirano podskupom (K), dobijamo

Odatle slijedi da je prostor K formiran sa (Q; K; φ).

4. Minimalna karta vještina

U posljednjem dokazu napravili smo posebnu mapu vještina za proizvoljni prostor znanja koji formira ovaj prostor. Takvo predstavljanje je primamljivo smatrati mogućim objašnjenjem za organizaciju skupa stanja, u smislu vještina koje se koriste za ovladavanje elementima tih stanja. U nauci, objašnjenja fenomena obično nisu jedinstvena, i postoji tendencija da se favorizuje „ekonomsko“. Materijal u ovom odeljku inspirisan je istim razmatranjima.

Počet ćemo ispitivanjem situacije u kojoj se dvije različite vještine razlikuju samo jednostavnim preimenovanjem vještina. U takvom slučaju, govorit ćemo o "izomorfnim mapama vještina, a ponekad ćemo govoriti o takvim mapama vještina da su u suštini iste" u odnosu na bilo koji q element. Ovaj pojam izomorfizma dat je u sljedećoj definiciji.

Definicija 4.1. Dvije mape vještina (Q; S;) i (Q; ;) (sa istim skupom Q elemenata) su izomorfne ako postoji jedno-prema jedan preslikavanje f skupa S na koje, za proizvoljno, zadovoljava stanje:

Funkcija f se naziva izomorfizmom između (Q; S;) i (Q; ;).

Definicija 4.1. Određuje izomorfizam kartica vještina sa istim skupom elemenata. Općenitija situacija je razmatrana u Zadatku 2.

Primjer 4.2 Neka je Q = (a; b; c; d) i = (1; 2; 3; 4). Hajde da definišemo mapu veština.

Mapa vještina (Q; ;) je izomorfna karti prikazanoj u primjeru 3.2: izomorfizam je dat sa:

Sljedeći rezultat je očigledan.

Teorema 4.3. Dvije izomorfne mape vještina (Q; S;) i (Q; ;) formiraju iste prostore znanja na Q.

Napomena 4.4. Dvije kartice vještina mogu formirati iste prostore znanja, a da nisu izomorfne. Kao ilustraciju, imajte na umu da uklanjanjem vještine v iz skupa S u primjeru 2.2 i redefiniranjem φ postavljanjem φ(b) = (c; u), dolazimo do istog formiranog prostora K. Vještina v je stoga od najveće važnosti za formaciju Slika K. Kao što je pomenuto u uvodu ovog odeljka, u nauci je uobičajeno tražiti štedljiva objašnjenja za fenomene u toku istraživanja. U našem kontekstu, ovo je predstavljeno sklonošću prema malim, možda minimalnim skupovima vještina. Preciznije, mapu vještina ćemo nazvati "minimumom" ako uklanjanje bilo koje vještine promijeni formirano stanje znanja. Ako je ovaj prostor znanja konačan, minimalna karta vještina uvijek postoji i sadrži najmanju od mogući broj vještine. (Ova izjava proizilazi iz teoreme 4.3.) U slučaju kada prostor znanja nije konačan, situacija je nešto složenija, jer minimalna mapa vještina ne postoji nužno. Međutim, mapa vještina koja formira prostor znanja i ima minimalni kardinalni broj uvijek postoji, budući da je klasa svih kardinalnih brojeva dobro uređena. Treba napomenuti da takva mapa vještina s minimalnim brojem vještina nije nužno jednoznačno definirana, čak ni do izomorfizma.

Primjer 4.5. Razmotrimo familiju O svih otvorenih podskupova skupa R realnih brojeva i neka je J proizvoljna porodica otvorenih intervala iz zatvorenog O. Jer, postavimo. Tada mapa vještina (R; J;), formira prostor (R; O). Zaista, podskup T od J formira stanje znanja, a osim toga, otvoreni podskup O formira porodica intervala iz J koji su sadržani u O (poznato je da postoje prebrojive porodice J koje zadovoljavaju Imajte na umu da takve familije koje se mogu prebrojati generiraju vještine grafikona sa minimalnim brojem vještina, odnosno sa skupom vještina minimalne snage (minimalni kardinalni broj. Međutim, ne postoji minimalna mapa vještina. Ovo se može dokazati direktno ili izvesti iz teoreme 4.8.Što se tiče jedinstvenosti, minimalne mape vještina koje formiraju dati prostor znanja su izomorfne.To će biti prikazano u teoremi 4.8.Ova teorema također karakterizira prostore znanja koji imaju bazu (u smislu definicije 5).Takvi prostori znanja potpuno su isti kao i prostori znanja koji se mogu formirati bilo kojim minimalnim kartografskim vještinama.

Definicija 4.6 Mapa vještina (Q"; S"; f") nastavlja (strogo nastavlja) mapu vještina (Q; S; f) ako su ispunjeni sljedeći uslovi:

Mapa vještina (Q; S"; f") je minimalna ako ne postoji mapa vještina koja formira isti prostor koji se striktno nastavlja (Q; S"; f").

Primjer 4.7. Uklanjanje vještine v iz mape vještina u primjeru 3.2 daje:

Može se potvrditi da je (Q; S; f) minimalna karta vještina.

Teorema 4.8. Prostor znanja formira se nekom minimalnom mapom vještina ako i samo ako ovaj prostor ima bazu. U ovom slučaju, snaga (kardinalni broj) baze jednaka je snazi ​​skupa vještina. Osim toga, bilo koje dvije minimalne mape vještina koje formiraju isti prostor znanja su izomorfne. Isto tako, svaka mapa vještina (Q; S; f), koja formira prostor (Q; K), koja ima bazu, je nastavak minimalne mape vještina koja formira isti prostor.

Dokaz

Uzmite u obzir proizvoljnu (ne nužno minimalnu) mapu vještina (Q; S; f) i označite (Q; K) prostor vještina formiran ovom mapom. Za bilo koji sS, označiti sa K(s) stanje znanja iz K formirano od(ova). Tako dobijamo

qK (s)s φ (q).(1)

Uzmimo bilo koje stanje K K i razmotrimo podskup vještina T koji formira ovo stanje. Na osnovu (1) za bilo koji element q imamo:

Odakle to sledi. Prema tome, pokriva K. Uz pretpostavku da je mapa vještina (Q, S, φ) minimalna, onda familija A mora biti baza. Zaista, ako A nije baza, onda se neki K(s)A može predstaviti kao unija drugih elemenata A. Uklanjanje s iz S bi rezultiralo mapom vještina koja se striktno nastavlja s mapom vještina (Q, S, φ ) i još uvijek se formira (Q, K), što je u suprotnosti s pretpostavkom o minimalnosti (Q, S, φ). Zaključujemo da svaki prostor znanja formiran minimalnom mapom vještina ima bazu. Osim toga, snaga (kardinalni broj) baze jednaka je snazi ​​skupa vještina. (Kada je (Q, S, φ) minimalan, imamo |A| = |S|).

Pretpostavimo sada da prostor (Q,K) ima bazu B. Iz teoreme 3.3 slijedi da (Q,K) ima barem jednu mapu vještina, na primjer, (Q,S,φ). Prema teoremi 1 () baza B. za (Q,K) mora biti sadržana u bilo kojem zatvorenom podskupu od K. Stoga imamo BA= gdje je opet K(s) formiran od (s). Uz pretpostavku B:K(s) = B) i zaključujemo da je (Q,) minimalna mapa vještina.

Imajte na umu da je karta minimalnih vještina (Q, S, φ) za prostor znanja sa bazom B izomorfna karti minimalnih vještina (Q, B,), gdje je (q)=Bq. Izomorfizam je definisan korespondencijom sK (s)B, gdje je K (s) stanje znanja koje formira s. Dvije minimalne karte vještina su stoga uvijek izomorfne jedna drugoj.

Konačno, neka (Q, S, φ) bude proizvoljna mapa vještina koja formira prostor znanja K sa bazom B. Definiranjem K(s), S" i φ" kao prije, dobijamo minimalnu mapu vještina koja se može proširiti pomoću (Q, S , f).

5. Mape vještina: konjunktivni model

U konjunktivnom modelu, strukture znanja koje se formiraju pomoću mapa vještina su jednostavni zatvoreni prostori u smislu Definicije 3 (vidjeti teoremu 5.3 ispod). Budući da su ove strukture znanja dualne u odnosu na prostore znanja formirane u okviru disjunktivnog modela, nema potrebe za dubljim detaljima.

Definicija 5.1. Neka je (Q,S,) mapa vještina i neka je T podskup S. Stanje znanja K, formirano od T u okviru konjunktivnog modela, određeno je pravilom:

Rezultirajuća porodica svih takvih stanja znanja formira strukturu znanja formiranu u okviru konjunktivnog modela pomoću mape vještina (Q,S,).

Primjer 5.2. Neka je, kao u primjeru 3.2, Q = (a, b, c, d, e) i S = (s, t, u, v), gdje je definirano relacijama:

Tada T =(t, u, v) formira stanje znanja (a, c, d, e), u okviru konjunktivnog modela. S druge strane, (a, b, c) nije stanje znanja. Zaista, ako je (a, b, c) stanje znanja formirano nekim podskupom T od S, onda bi T također uključivao; tako bi d i e takođe pripadali formiranom stanju znanja. Struktura znanja formirana ovom mapom vještina je

Imajte na umu da je L jednostavan zatvoreni prostor (vidi definiciju 4). Dualna struktura znanja poklapa se sa prostorom znanja K formiranim od iste mape veština u okviru disjunktivnog modela; ovaj prostor K je dobijen u primjeru 3.2.

Teorema 5.3. Strukture znanja formirane u okviru disjunktivnog i konjunktivnog modela istom mapom vještina su međusobno dualne. Kao posljedica toga, strukture znanja formirane u okviru konjunktivnog modela su jednostavni zatvoreni prostori.

Napomena 5.4. Konačno, teoreme 3.3 i 5.3 su jednostavno parafrazirane poznati rezultat o "Galoisovim rešetkama" odnosa. Možemo preformulisati mape veština (Q, S, T), sa konačnim Q i S, kao odnos R između skupova Q i S: za q Q i sS, definišemo

Tada je stanje znanja formirano podskupom T od S unutar konjunktivnog modela skup:

Takvi skupovi K se mogu smatrati elementima "Galoisove rešetke" u odnosu na R.

Dobro je poznato da se svaka konačna familija konačnih skupova, zatvorena pod presjekom, može dobiti kao elementi "Galoisove rešetke" u nekoj relaciji. Teoreme 3.3 i 5.3 generalizuju ovaj rezultat na slučaj beskonačnih skupova. Naravno, postoji direktan analog Teoreme 4.8 za porodice skupova koji su zatvoreni pod presekom.

6. Mape više vještina: model kompetencija

Posljednja dva odjeljka bavila su se formiranjem struktura znanja koje su zatvorene u odnosu na uniju ili ukrštanje. Međutim, opšti slučaj nije razmatran.

Formiranje proizvoljne strukture znanja moguće je uz pomoć generalizacije koncepta mape vještina. Intuitivno, ova generalizacija je sasvim prirodna. Sa svakim q pitanjem povezujemo kolekciju (q) podskupova vještina. Bilo koji podskup vještina C u (q) može se smatrati metodom, koja se u sljedećoj definiciji naziva "kompetencija" za rješavanje pitanja q. Dakle, prisustvo samo jedne od ovih kompetencija je dovoljno za rješavanje pitanja q.

Definicija 6.1. Multimapa vještina je trostruka (Q, S,), gdje je Q neprazan skup elemenata (pitanja), S je neprazan skup vještina i mapiranje koje se povezuje sa svakim elementom q neprazan porodica (q) nepraznih podskupova od S. Dakle, - preslikavanje skupa Q u skup. Svaki skup koji pripada (q) naziva se kompetencijom za element q. Podskup K od Q naziva se generirani podskup vještina T ako K sadrži sve elemente koji imaju barem jednu kompetenciju iz T; formalno:

Uz pretpostavku T = i T = S, vidimo šta je formirano praznim skupom vještina, a Q je formirano od S. Skup K svih podskupova Q formiranih na ovaj način formira strukturu znanja. U ovom slučaju se kaže da je struktura znanja (Q, K) formirana višemapom vještina (Q, S,). Ovaj model se naziva model kompetencija.

Primjer 6.2. Neka je Q = (a, b, c, d) i S = (c, t, u). Definirajmo mapiranje navođenjem kompetencija za svaki element iz Q:

Primjenjujući definiciju 6.1, vidimo da ova karta više vještina formira strukturu znanja:

Imajte na umu da struktura znanja K nije zatvorena ni u odnosu na uniju ni u odnosu na presek.

Teorema 6.3. Svaka struktura znanja je formirana od najmanje jedne mape više vještina.

Dokaz

Neka je (Q,K) struktura znanja. Definiramo multimapu vještina postavljanjem S = K i KKq) za.

Dakle, svako stanje znanja M, koje sadrži pitanje q, odgovara kompetenciji K za q. Imajte na umu da K nije prazan jer sadrži, kao element, prazan podskup Q. Da bismo pokazali da (Q, S,), formira strukturu znanja K, primjenjujemo definiciju 6.1.

Za bilo koji K, razmotrite podskup K od K i izračunajte stanje L koje ga formira:

Dakle, svako stanje u K je formirano nekim podskupom S. S druge strane, ako je S = K, formirano stanje L je određeno pravilom:

mapa vještina matematičkog znanja

što implicira da L pripada K. Dakle, K je zaista formiran multimapom vještina (Q, S,).

Nećemo nastaviti proučavanje mape više vještina.Kao iu slučaju jednostavne mape vještina, može se istražiti postojanje i jedinstvenost minimalne mape više vještina za datu strukturu znanja. Moguće su i druge opcije za formiranje struktura znanja. Na primjer, može se definirati stanje znanja kao podskup K od Q, koji se sastoji od svih elemenata q za koje kompetencije pripadaju određenom podskupu S (u zavisnosti od K).

7. Oznake i filteri

Za bilo koji predmet u prirodnom području znanja, kao što su aritmetika ili gramatika, obično postoje bogate mogućnosti za opisivanje relevantnih vještina i povezane strukture znanja. Ove mogućnosti se mogu koristiti da se roditelju ili nastavniku opiše stanje znanja učenika.

stvarno, puna lista Elementi sadržani u studentovom stanju znanja mogu imati stotine elemenata i mogu biti teško probavljivi čak i za stručnjaka. Može se sastaviti lista značajnih informacija koje se ogledaju u pitanjima koja formiraju stanje znanja učenika. Ova lista može biti mnogo više od vještina koje učenik ima ili mu nedostaje, a može uključivati ​​značajke kao što su predviđanje uspjeha na predstojećem testu, predlaganje smjernica za istraživanje ili rješavanje problema.

Ovaj odjeljak opisuje program za opisivanje (označavanje) elemenata (pitanja) i integraciju (filtriranje) relevantnih referentnih informacija sadržanih u stanjima znanja.

Navedeni primjeri preuzeti su iz sistema učenje na daljinu ALEKS (vidi http://www.ales.com).

7.1 Primjeri označavanja

Pretpostavimo da je odabran veliki skup pitanja koji pokriva sve osnovne koncepte matematičkog programa srednja škola u nekoj zemlji.

Detaljne informacije o svakom od ovih pitanja mogu se prikupiti pomoću sljedećih oznaka:

1. Opisno ime pitanja.

2. Razred u kojem se pitanje proučava.

3. Tema (odjeljak standardne knjige) na koju se pitanje odnosi.

4. Poglavlje (standardne knjige) u kojem se postavlja pitanje.

5. Pododjeljak programa kojem pitanje pripada.

6. Koncepti i vještine potrebne za odgovor na pitanje.

7. Vrsta pitanja (tekstualni problem, proračun, obrazloženje, itd.).

8. Vrsta traženog odgovora (riječ, rečenica, formula).

Nepotrebno je reći da je gornja lista samo u ilustrativne svrhe. Stvarna lista bi mogla biti mnogo duža i proširena kao rezultat saradnje sa stručnjacima u ovoj oblasti (u ovom slučaju iskusnim nastavnicima). Dva primjera pitanja s pripadajućim oznakama prikazana su u Tabeli 1.

Svako pitanje u grupi bi bilo označeno na isti način. Zadatak je razviti skup kompjuterskih rutina koje omogućavaju analizu stanja znanja u smislu oznaka. Drugim riječima, pretpostavimo da je određeno stanje znanja K dijagnosticirano nekim programom procjene znanja. Oznake pitanja ukazuju na to da će stanje znanja biti određeno skupom "filtera" koji prevode skup iskaza na običan jezik u smislu obrazovnih koncepata.

7.2 Odraz nivoa znanja kroz evaluaciju

Pretpostavimo to na početku školske godine nastavnik želi da zna koji razred (matematika, na primjer) je najbolji za učenika koji je upravo stigao stranoj zemlji. Korišteni program za provjeru znanja utvrdio je da je stanje znanja učenika K. Odgovarajući set filtera može se dizajnirati na sljedeći način. Kao i ranije, sa Q označavamo područje znanja (domen). Za svaku klasu n (1n12 u SAD), filter izračunava podskup Gn od Q koji sadrži sva pitanja proučavana na ili prije tog nivoa (označeno 2. na listi iznad). Ako a obrazovni sistem razumno, trebalo bi

Tabela 1 - Dva uzorka pitanja i njihova povezana lista oznaka.

Spisak oznaka
(1) Mjera ugla koji nedostaje u trouglu (3) Zbir uglova ravnog trougla (4) Geometrija trougla (5) Elementarna euklidska geometrija (6) Mjera ugla, zbir uglova trougla, sabiranje, deljenje, oduzimanje (7) Obračun (8) Numerička notacija	U trouglu ABC, ugao A je X stepeni, a ugao B je Y stepeni. Koliko stepeni iznosi ugao C?
(1) Sabiranje i oduzimanje dvostrukih brojeva s prijenosom (3) Sabiranje i oduzimanje (4) Decimale (5) Aritmetika (6) sabiranje, oduzimanje, decimale, transfer, valuta (7) Tekstualni problem i proračun (8) Numerička notacija	Mary je kupila dvije knjige u vrijednosti od X dolara i Y dolara. Dala je službeniku Z dolare. Koliko će ona dobiti kusur?

Možemo naći

za neki n, što implicira da učenik može biti dodijeljen razredu n-1.

Međutim, ovo nije najbolje rješenje ako ih ima vrlo malo. Potrebno je više informacija. Osim toga, moramo predvidjeti situacije u kojima ne postoji takav n. Zatim, filter izračunava standardnu ​​udaljenost za svaku klasu n i fiksira skup

Dakle, S(K) sadrži sve klase koje minimiziraju udaljenost do K. Pretpostavimo da S(K) sadrži jedan element nj, a GnjK. Razumno je onda preporučiti da učenik prihvati ne +1 u razred, ali S(K) može sadržavati više od jednog elementa. Još nam treba više informacija. Konkretno, sadržaj K, sa svojim prednostima i nedostacima u odnosu na njegovu blizinu Gnj, u konačnici bi trebao biti koristan. Ne ulazeći u tehničke detalje takvog zaključka, dajemo u kratkim crtama primjer izvještaja koji bi sistem mogao napraviti u takvoj situaciji:

Učenik X je najbliži 5. razredu. Međutim, X bi bio neobičan učenik u ovom razredu. Poznavanje elementarne geometrije značajno prevazilazi znanje učenika 5. razreda. Na primjer, X zna za Pitagorinu teoremu i sposoban je da je koristi. S druge strane, X ima iznenađujuće slabo poznavanje aritmetike.

Opisi ovog tipa zahtevaju razvoj različitih skupova novih filtera, pored onih koji se koriste za izračunavanje S(K). Pored toga, sistem mora biti u stanju da konvertuje kroz generator prirodnog jezika i izlazne filtere u gramatički ispravne izjave na običnom jeziku. Nećemo o ovome raspravljati ovdje. Svrha ovog odjeljka je bila da ilustruje kako elementi označavanja, uvelike šireći koncept vještina, mogu dovesti do poboljšanih opisa stanja znanja koja mogu biti korisna u različitim situacijama.

Zaključak

U radu je dat prilagođeni prijevod na ruski dio jednog od poglavlja monografije Zh-Kl. Falmazh i Zh-P. Duanon, koji se zove "Kartice vještina, oznake i filteri".

Potrebne informacije date su iz prvih poglavlja monografije, čiji je prijevod izvršen u tezama i . Uz primjere objašnjenja koje su dali autori u monografiji, dati su i slični primjeri iz predmeta "Kompleksna analiza".

Spisak korištenih izvora

1. J.-Cl. Falmagneand, J.P. Doignon. Prostor za učenje Berlin Heidelberg. 2011, 417 str.

2. N.A. Ralco. Matematički modeli prostora znanja. Diplomski rad, KubSU, 2013, 47 str.

3. T.V. Aleinikov. Ontološki inženjering u sistemima upravljanja znanjem. Teza, Kubu, 2013, 66 str.

Hostirano na Allbest.ru

Teorija stvaranja organizacijskog znanja I. Nonakija i H. Takeuchija.

Individualno i organizacijsko učenje.

Kognitivna analiza i modeliranje u strateškom menadžmentu

Suština pojma spoznaje. kogniciju organizacije.

TEMA 5. KOGNITIVNOST KAO PREDUSLOVA ZA STRATEŠKI RAZVOJ PREDUZEĆA.

5.1. Suština koncepta "kognitivnosti". kogniciju organizacije.

kognitivna nauka- interdisciplinarni (filozofija, neuropsihologija, psihologija, lingvistika, informatika, matematika, fizika i dr.) naučni pravac koji proučava metode i modele formiranja znanja, spoznaje, univerzalne strukturne sheme mišljenja.

Kognitivnost (od lat. sognitio - znanje, proučavanje, svest) u okviru nauke o menadžmentu označava sposobnost menadžera da mentalno percipiraju i obrađuju eksterne informacije. Proučavanje ovog koncepta zasniva se na mentalnim procesima pojedinca i tzv. mentalna stanja(pouzdanje, želja, uvjerenje, namjere) u smislu obrade informacija. Ovaj termin se takođe koristi u kontekstu proučavanja takozvanog „kontekstualnog znanja“ (apstrakcija i konkretizacija), kao i u oblastima u kojima se razmatraju pojmovi kao što su znanje, veštine ili učenje.

Termin "spoznaja" se također koristi u više širokom smislu, znači sam "čin" znanja ili samospoznaje. U ovom kontekstu, može se tumačiti kao nastanak i "postajanje" znanja i pojmova povezanih s tim znanjem, koji se odražava iu mislima i u akcijama.

Organizacijska kognitivnost karakteriše ukupnost kognitivnih sposobnosti pojedinaca u kompaniji i efekte koji proizlaze iz kombinacije individualnih kognitivnih sposobnosti. Primena ovog koncepta u odnosu na kompaniju (organizaciju, firmu, preduzeće) podrazumeva nameru da se ono posmatra u ravni koju karakteriše specifičan aparat za analizu i poseban ugao gledanja na interakciju preduzeća ili njegovih komponenti. sa spoljnim okruženjem.

Termin kogniciju organizacije omogućava vam da procenite sposobnost kompanije da asimilira informacije i pretvori ih u znanje.

Jedno od najproduktivnijih rješenja problema koji se javljaju u oblasti upravljanja i organizacije je primjena kognitivne analize.

Metodologiju kognitivnog modeliranja, dizajniranu za analizu i donošenje odluka u loše definiranim situacijama, predložio je američki istraživač R. Axelrod.

Kognitivnu analizu istraživači ponekad nazivaju "kognitivno strukturiranje". Kognitivna analiza se smatra jednim od najmoćnijih alata za proučavanje nestabilnog i polustrukturiranog okruženja. Doprinosi boljem razumijevanju problema koji postoje u okruženju, identifikaciji kontradiktornosti i kvalitativnoj analizi tekućih procesa.

Suština kognitivnog (kognitivnog) modeliranja je ključni trenutak kognitivna analiza - je da se u modelu u pojednostavljenom obliku reflektuju najsloženiji problemi i trendovi u razvoju sistema, da se istraže mogući scenariji za nastanak kriznih situacija, pronađu načini i uslovi za njihovo rešavanje u modelskoj situaciji. Upotreba kognitivnih modela kvalitativno povećava validnost usvajanja upravljačke odluke u složenom okruženju koje se brzo mijenja, spašava stručnjaka od "intuitivnog lutanja", štedi vrijeme za razumijevanje i tumačenje događaja koji se dešavaju u sistemu. Upotreba kognitivnih tehnologija u ekonomskoj sferi omogućava da se u kratkom vremenu razvije i opravda strategija ekonomskog razvoja preduzeća, uzimajući u obzir uticaj promena u spoljnom okruženju.

Kognitivno modeliranje- ovo je metoda analize koja omogućava određivanje jačine i smjera utjecaja faktora na prijenos kontrolnog objekta u ciljno stanje, uzimajući u obzir sličnosti i razlike u utjecaju razni faktori na kontrolni objekat.

Kognitivna analiza se sastoji od nekoliko faza, od kojih svaka implementira određeni zadatak. Dosljedno rješavanje ovih zadataka vodi do postignuća glavni cilj kognitivna analiza.

Možemo izdvojiti sljedeće faze koje su tipične za kognitivnu analizu svake situacije:

1. Formulacija svrhe i ciljeva studije.

2. Proučavanje složene situacije sa stanovišta cilja: prikupljanje, sistematizacija, analiza postojećih statističkih i kvalitativnih informacija o objektu upravljanja i njegovom vanjskom okruženju, određivanje zahtjeva, uslova i ograničenja svojstvenih situaciji koja se proučava.

3. Identifikacija glavnih faktora koji utiču na razvoj situacije.

4. Utvrđivanje odnosa između faktora razmatranjem uzročno-posledičnih lanaca (izgradnja kognitivne mape u obliku usmjerenog grafa).

5. Proučavanje jačine međusobnog uticaja različitih faktora. Za to se koriste oba matematička modela koji opisuju neke precizno utvrđene kvantitativne odnose među faktorima, kao i subjektivne stavove stručnjaka o neformalizabilnim kvalitativnim odnosima među faktorima.

Kao rezultat prolaska faza 3-5, gradi se kognitivni model situacije (sistema), koji se prikazuje u obliku funkcionalnog grafa. Stoga možemo reći da su faze 3 - 5 kognitivno modeliranje.

6. Provjera adekvatnosti kognitivnog modela realne situacije (verifikacija kognitivnog modela).

7. Korištenjem kognitivnog modela utvrditi moguće opcije razvoja situacije (sistema), pronaći načine, mehanizme uticaja na situaciju u cilju postizanja željenih rezultata, spriječiti neželjene posljedice, odnosno razviti strategiju upravljanja. Postavljanje cilja, željenih pravaca i jačine promjene trendova procesa u situaciji. Odabir skupa mjera (skup kontrolnih faktora), određivanje njihove moguće i željene snage i smjera utjecaja na situaciju (konkretna praktična primjena kognitivnog modela).

U okviru kognitivnog pristupa, termini "kognitivna mapa" i "usmjereni graf" se često koriste naizmjenično; iako je, strogo govoreći, pojam usmjerenog grafa širi, a pojam "kognitivna mapa" označava samo jednu od primjena usmjerenog grafa.

Klasična kognitivna mapa je usmjereni graf u kojem je privilegirani vrh neko buduće (obično ciljno) stanje kontrolnog objekta, preostali vrhovi odgovaraju faktorima, lukovi koji povezuju faktore sa vrhom stanja imaju debljinu i predznak koji odgovara jačini i smjeru uticaj ovog faktora na prelazak kontrolnog objekta u dato stanje, a lukovi koji povezuju faktore pokazuju sličnost i razliku u uticaju ovih faktora na objekat upravljanja.

Kognitivna mapa se sastoji od faktora (elemenata sistema) i veza između njih.

Da bi se razumjelo i analiziralo ponašanje složenog sistema, gradi se blok dijagram uzročno-posledičnih veza elemenata sistema (situacijskih faktora). Dva elementa sistema A i B su prikazana na dijagramu kao zasebne tačke (vrhove) povezane orijentisanim lukom, ako je element A povezan sa elementom B uzročno-posledičnom relacijom: A à B, gde je: A uzrok, B je posljedica.

Faktori mogu uticati jedni na druge, a takav uticaj, kao što je već pomenuto, može biti pozitivan, kada povećanje (smanjenje) jednog faktora dovodi do povećanja (smanjenje) drugog faktora, i negativan, kada povećanje (smanjenje) jednog faktora faktor dovodi do smanjenja (povećanja) drugog faktora. Štaviše, uticaj može imati i promenljiv predznak, u zavisnosti od mogućih dodatnih uslova.

Slične šeme za predstavljanje uzročno-posledičnih veza se široko koriste za analizu složeni sistemi u ekonomiji i sociologiji.

Primjer. Kognitivni blok dijagram za analizu problema potrošnje energije može izgledati ovako (slika 5.1):

Rice. 5.1. Kognitivni blok dijagram za analizu problema potrošnje energije

Kognitivna mapa odražava samo činjenicu prisutnosti utjecaja faktora jedni na druge. Ne odražava ni detaljnu prirodu ovih uticaja, ni dinamiku promena uticaja u zavisnosti od promena situacije, niti privremene promene samih faktora. Uzimanje u obzir svih ovih okolnosti zahtijeva prijelaz na sljedeći nivo strukturiranja informacija, odnosno na kognitivni model.

Na ovom nivou, svaki odnos između faktora kognitivne mape otkriva se odgovarajućim zavisnostima, od kojih svaka može sadržavati i kvantitativne (mjerene) varijable i kvalitativne (ne mjerene) varijable. U ovom slučaju, kvantitativne varijable su predstavljene na prirodan način u obliku svojih numeričkih vrijednosti. Svaka kvalitativna varijabla povezana je sa skupom lingvističkih varijabli koje odražavaju različita stanja ove kvalitativne varijable (na primjer, potražnja potrošača može biti „slaba“, „umjerena“, „žurna“ itd.), a svaka lingvistička varijabla odgovara određeni brojčani ekvivalent u skali. Akumulacijom znanja o procesima koji se dešavaju u situaciji koja se proučava, postaje moguće detaljnije otkriti prirodu odnosa između faktora.

Formalno, kognitivni model situacije može, poput kognitivne mape, biti predstavljen grafom, ali svaki luk u ovom grafu već predstavlja određeni funkcionalni odnos između odgovarajućih faktora; one. kognitivni model situacije predstavljen je funkcionalnim grafom.

Primjer funkcionalnog grafa koji odražava situaciju u uslovnoj regiji prikazan je na sl. 5.2.

Sl.5. 2. Funkcionalni graf.

Imajte na umu da je ovaj model demonstracijski model, tako da mnogi faktori okoline nisu uzeti u obzir u njemu.

Takve tehnologije sve više stiču povjerenje kod struktura koje se bave strateškim i operativnim planiranjem na svim nivoima iu svim oblastima upravljanja. Upotreba kognitivnih tehnologija u ekonomskoj sferi omogućava da se u kratkom vremenu razvije i opravda strategija ekonomskog razvoja preduzeća, uzimajući u obzir uticaj promena u spoljnom okruženju.

Upotreba tehnologije kognitivnog modeliranja omogućava proaktivno djelovanje i ne dovođenje potencijalno opasnih situacija do prijeteće i konfliktne razine, a u slučaju njihovog nastanka, donošenje racionalnih odluka u interesu poduzeća.

Individualni rad

Kognitivno modeliranje

Uvod

1. Koncepti i suština "kognitivnog modeliranja" i "kognitivne mape"

2. Problemi kognitivnog pristupa

Zaključak

Spisak korišćene literature

UVOD

Sredinom 17. vijeka, čuveni filozof i matematičar René Descartes izgovorio je aforizam koji je postao klasik: "Cogito Ergo Sum" (mislim, dakle jesam). Latinski korijen cognito ima zanimljivu etimologiju. Sastoji se od dijelova "co-" ("zajedno") + "gnoscere" ("Znam"). U engleskom jeziku postoji čitava porodica termina s ovim korijenom: "cognition", "cognize" itd.

U tradiciji koju smo označili pojmom "kognitivna" vidljivo je samo jedno "lice" misli - njena analitička suština (sposobnost da se cjelina razloži na dijelove), razloži i reducira stvarnost. Ova strana razmišljanja povezana je sa identifikacijom uzročno-posledičnih veza (uzročnosti), što je karakteristično za razum. Očigledno, Descartes je apsolutizirao razum u svom algebarskom sistemu. Drugo "lice" misli je njena sintetizujuća suština (sposobnost konstruisanja cjeline iz cjeline bez predrasuda), sagledavanje stvarnosti intuitivnih oblika, sintetiziranje rješenja i predviđanje događaja. Ova strana mišljenja, otkrivena u filozofiji Platona i njegove škole, inherentna je ljudskom umu. Nije slučajno da u latinskim korijenima nalazimo dvije osnove: ratio (racionalni odnosi) i razum (razuman uvid u suštinu stvari). Racionalno lice misli potiče od latinskog reri ("misliti"), vraćajući se do starog latinskog korijena ars (umjetnost), a zatim se pretvorilo u moderni koncept umjetnosti. Dakle, razum (razumni) je misao srodna djelu umjetnika. Kognitivno kao "razum" znači "sposobnost razmišljanja, objašnjavanja, opravdavanja akcija, ideja i hipoteza".

Za "jaku" spoznaju bitan je poseban, konstruktivan status kategorije "hipoteza". To je hipoteza koja je intuitivna polazna tačka za dedukciju slike rješenja. Sagledavajući situaciju, donosilac odluke otkriva u situaciji neke negativne veze i strukture („prelome“ situacije) koje treba zamijeniti novim objektima, procesima i odnosima koji otklanjaju negativan utjecaj i stvaraju jasno izražen pozitivan učinak. Ovo je suština upravljanja inovacijama. Paralelno sa otkrivanjem „preloma“ situacije, često kvalificiranih kao „izazovi“ ili čak „prijetnje“, subjekt menadžmenta intuitivno zamišlja neke „pozitivne odgovore“ kao integralne slike stanja buduće (harmonizovane) situacije. .

Kognitivna analiza i modeliranje su fundamentalno novi elementi u strukturi sistema za podršku odlučivanju.

Tehnologija kognitivnog modeliranja omogućava vam da istražite probleme s nejasnim faktorima i odnosima; - uzmete u obzir promjene u vanjskom okruženju; - koristite objektivno utvrđene trendove u razvoju situacije u vlastitim interesima.

Takve tehnologije stiču sve više povjerenja od struktura uključenih u strateško i operativno planiranje na svim nivoima iu svim oblastima upravljanja. Upotreba kognitivnih tehnologija u ekonomskoj sferi omogućava da se u kratkom roku razvije i opravda strategija ekonomskog razvoja preduzeća, banke, regiona ili cijele države, uzimajući u obzir uticaj promjena u vanjskom okruženju. U oblasti finansija i berze, kognitivne tehnologije omogućavaju da se uzmu u obzir očekivanja učesnika na tržištu. U vojnoj oblasti i oblasti informacione bezbednosti, upotreba kognitivne analize i modeliranja omogućava suprostavljanje strateškom informacionom oružju, prepoznavanje konfliktnih struktura bez dovođenja sukoba u fazu oružanog sukoba.

1. Koncepti i suština "kognitivnog modeliranja" i "kognitivne mape"

Axelrod je predložio metodologiju kognitivnog modeliranja dizajniranu za analizu i donošenje odluka u loše definiranim situacijama. Zasniva se na modeliranju subjektivnih ideja stručnjaka o situaciji i uključuje: metodologiju za strukturiranje situacije: model za predstavljanje stručnog znanja u obliku potpisanog digrafa (kognitivne mape) (F, W), gdje je F a skup faktora situacije, W je skup uzročno-posledičnih veza između faktora situacija; metode analize situacije. Trenutno se metodologija kognitivnog modeliranja razvija u pravcu poboljšanja aparata za analizu i modeliranje situacije. Ovdje se predlažu modeli za predviđanje razvoja situacije; metode za rješavanje inverznih problema

Kognitivna karta (od latinskog cognitio - znanje, spoznaja) - slika poznatog prostornog okruženja.

Kognitivne mape nastaju i modificiraju se kao rezultat aktivne interakcije subjekta sa vanjskim svijetom. U tom slučaju se mogu formirati kognitivne karte različitog stepena uopštenosti, „razmera“ i organizacije (na primer, pregledna karta ili mapa putanja, u zavisnosti od kompletnosti prikaza prostornih odnosa i prisutnosti izražene referentne tačke ). Ovo je subjektivna slika, koja ima, prije svega, prostorne koordinate, u kojima su lokalizirani pojedinačni percipirani objekti. Karta puta se izdvaja kao sekvencijalni prikaz veza između objekata duž određene rute, a pregledna karta kao simultani prikaz prostornog rasporeda objekata.

Vodeća naučna organizacija u Rusiji koja se bavi razvojem i primjenom tehnologije kognitivne analize je Institut za probleme upravljanja Ruske akademije nauka, odjeljenje: Sektor-51, naučnici Maksimov V.I., Kornoushenko E.K., Kachaev S.V., Grigoryan A.K. i drugi. Ovo predavanje je zasnovano na njihovim naučnim radovima iz oblasti kognitivne analize.

Tehnologija kognitivne analize i modeliranja (slika 1) zasniva se na kognitivnom (kognitivno-ciljanom) strukturiranju znanja o objektu i njegovom vanjskom okruženju.

Slika 1. Tehnologija kognitivne analize i modeliranja

Kognitivno strukturiranje predmetnog područja je identifikacija budućih ciljnih i nepoželjnih stanja objekta upravljanja i najznačajnijih (osnovnih) faktora kontrole i okruženja koji utiču na prelazak objekta u ta stanja, kao i utvrđivanje uzroka. -efektivni odnosi između njih na kvalitativnom nivou, uzimajući u obzir faktore međusobnog uticaja jedni na druge.

Rezultati kognitivnog strukturiranja se prikazuju pomoću kognitivne mape (modela).

2. Kognitivno (kognitivno ciljano) strukturiranje znanja o objektu koji se proučava i njegovom vanjskom okruženju na osnovu PEST-analize i SWOT-analize

Odabir osnovnih faktora vrši se primjenom PEST-analize, koja razlikuje četiri glavne grupe faktora (aspekata) koji određuju ponašanje objekta koji se proučava (slika 2):

P olicy - politika;

E privreda - privreda;

S društvo - društvo (sociokulturni aspekt);

T tehnologija - tehnologija

Slika 2. Faktori analize PEST

Za svaki konkretan složeni objekat postoji poseban skup najznačajnijih faktora koji određuju njegovo ponašanje i razvoj.

PEST-analiza se može posmatrati kao varijanta sistemske analize, budući da su faktori koji se odnose na navedena četiri aspekta generalno usko povezani i karakterišu različite hijerarhijske nivoe društva kao sistema.

U ovom sistemu postoje određujuće veze usmerene od nižih nivoa hijerarhije sistema ka višim (nauka i tehnologija utiču na privredu, ekonomija utiče na politiku), kao i obrnute i međunivoske veze. Promjena nekog od faktora kroz ovaj sistem veza može uticati na sve ostale.

Ove promjene mogu predstavljati prijetnju razvoju objekta, ili, obrnuto, pružiti nove mogućnosti za njegov uspješan razvoj.

Sljedeći korak je analiza situacijskog problema, SWOT analiza (Slika 3):

S trendovi - prednosti;

W eaknesses - nedostaci, slabosti;

O prilike - prilike;

T hreats - prijetnje.

Slika 3. Faktori SWOT analize

Uključuje analizu snaga i slabosti razvoja objekta koji se proučava u njihovoj interakciji s prijetnjama i prilikama i omogućava vam da odredite stvarna problematična područja, uska grla, šanse i opasnosti, uzimajući u obzir faktore okoline.

Prilike se definišu kao okolnosti koje doprinose povoljnom razvoju objekta.

Prijetnje su situacije u kojima može nastati šteta na objektu, na primjer, njegovo funkcionisanje može biti poremećeno ili može izgubiti postojeće prednosti.

Na osnovu analize različitih mogućih kombinacija snaga i slabosti sa prijetnjama i mogućnostima formira se problemsko polje objekta koji se proučava.

Problemsko polje je skup problema koji postoje u modeliranom objektu i okruženju, u njihovom međusobnom odnosu.

Dostupnost ovakvih informacija je osnova za određivanje ciljeva (pravaca) razvoja i načina njihovog ostvarivanja, te izradu strategije razvoja.

Kognitivno modeliranje na osnovu sprovedene situacione analize omogućava pripremu alternativnih rešenja za smanjenje stepena rizika u identifikovanim problemskim područjima, predviđanje mogućih događaja koji mogu najteže uticati na položaj objekta koji se modelira.

Faze kognitivne tehnologije i njihovi rezultati prikazani su u tabeli 1:

Tabela 1

Faze kognitivne tehnologije i rezultati njene primjene

Scensko ime	Obrazac za prezentaciju rezultata
1. Kognitivno (kognitivno ciljano) strukturiranje znanja o objektu koji se proučava i njegovom vanjskom okruženju na osnovu PEST-analize i SWOT-analize: Analiza početne situacije oko objekta koji se proučava sa izdvajanjem osnovnih faktora koji karakterišu ekonomske, političke i druge procese koji se dešavaju u objektu i njegovom makro okruženju i utiču na razvoj objekta. 1.1 Identifikacija faktora koji karakteriziraju snage i slabosti objekta koji se proučava 1.2 Identifikacija faktora koji karakterišu prilike i prijetnje iz vanjskog okruženja objekta 1.3 Konstrukcija problemskog polja objekta koji se proučava	Izvještaj o sistemskoj konceptualnoj studiji objekta i njegovog problematičnog područja
2. Izgradnja kognitivnog modela razvoja objekta - formalizacija znanja dobijenog u fazi kognitivnog strukturiranja 2.1 Identifikacija i opravdanje faktora 2.2 Uspostavljanje i opravdavanje odnosa između faktora 2.3 Izgradnja modela grafa	Kompjuterski kognitivni model objekta u obliku usmjerenog grafa (i matrice faktorskih odnosa)
3. Studija scenarija trendova razvoja situacije oko objekta koji se proučava (uz podršku softverskih sistema "SITUATION", "KOMPAS", "KIT") 3.1 Utvrđivanje svrhe studije 3.2 Specificiranje scenarija studija i njihovo modeliranje 3.3 Identifikacija trendova u razvoju objekta u njegovom makro okruženju 3.4 Tumačenje rezultata studije scenarija	Izvještaj o studiji scenarija, sa tumačenjem i zaključcima
4. Izrada strategija upravljanja situacijom oko objekta koji se proučava 4.1 Definicija i opravdanost cilja kontrole 4.2 Rješenje inverznog problema 4.3 Odabir strategija upravljanja i njihovo uređenje prema kriterijima: mogućnost postizanja cilja; rizik od gubitka kontrole nad situacijom; rizik od hitne slučajeve	Izvještaj o izradi strategija upravljanja sa obrazloženjem strategija za različite kriterije kvaliteta upravljanja
5. Traženje i opravdavanje strategija za postizanje cilja u stabilnim ili promenljivim situacijama Za stabilne situacije: a) izbor i opravdanje cilja kontrole; b) izbor mjera (menadžmenta) za postizanje cilja; c) analiza fundamentalne mogućnosti postizanja cilja iz trenutna drzava situacije sa upotrebom odabranih aktivnosti; d) analiza stvarnih ograničenja u sprovođenju odabranih aktivnosti; e) analizu i opravdanje realne mogućnosti postizanja cilja; f) razvoj i poređenje strategija za postizanje cilja prema: bliskosti rezultata menadžmenta planiranom cilju; troškovi (finansijski, fizički, itd.); po prirodi posljedica (reverzibilnih, nepovratnih) od implementacije ovih strategija u realnoj situaciji; rizikom od hitnih slučajeva Za promjenjive situacije: a) izbor i opravdanje trenutnog cilja kontrole; b) u odnosu na trenutni cilj važe prethodni stavovi b-e; c) analizu promjena koje se dešavaju u situaciji i njihov prikaz u grafičkom modelu situacije. Idite na korak a.	Izvještaj o razvoju strategija za postizanje cilja u stabilnim ili promjenjivim situacijama
6. Izrada programa za implementaciju strategije razvoja objekta koji se proučava na osnovu dinamičke simulacije (uz podršku softverskog paketa Ithink) 6.1 Raspodjela resursa po pravcima iu vremenu 6.2 Koordinacija 6.3 Praćenje	Program za realizaciju strategije razvoja objekta. Računarski simulacijski model razvoja objekata

2. Problemi kognitivnog pristupa

Danas mnoge napredne zemlje "promovišu" ekonomiju zasnovanu na znanju i efektivnom upravljanju. Intelektualna svojina postaje najvrednija roba države. Suština modernog budući rat postaje sukob između intelektualaca. U takvim uslovima, indirektne i netradicionalne akcije su najprikladniji načini za postizanje geopolitičkih ciljeva, pa je informaciono oružje od velikog značaja. Postoje dva koncepta za razvoj strateškog oružja sa različitim ulogama strateškog informacionog oružja (SW). Prva generacija SPI je sastavni dio strateško oružje zajedno sa drugim vrstama strateškog oružja i konvencionalnog oružja.

Druga generacija SIS-a je nezavisna, radikalno nova vrsta strateškog oružja koje je nastalo kao rezultat informatičke revolucije i koristi se u novim strateškim pravcima (primjerice, ekonomskim, političkim, ideološkim itd.). Vrijeme izlaganja takvom oružju može biti mnogo duže - mjesec, godinu ili više. Druga generacija SIO će biti sposobna izdržati mnoge druge vrste strateškog oružja i činit će jezgro strateškog oružja. Situacije koje nastaju kao rezultat primene SIO-2 predstavljaju pretnju bezbednosti Rusije i karakterišu ih neizvesnost, nejasna i nejasna struktura, uticaj veliki broj heterogeni faktori i prisustvo mnogih alternativnih razvojnih opcija. To dovodi do potrebe primjene netradicionalnih metoda koje omogućavaju proučavanje geopolitičkih, informacionih i drugih procesa koji se odvijaju u Rusiji i svijetu, u zbiru i interakciji kako među sobom tako i sa vanjskim nestabilnim okruženjem. za strukturiranje, analizu i donošenje menadžerskih odluka u složenim i neizvjesnim situacijama (geopolitičkim, unutarpolitičkim, vojnim itd.), u nedostatku kvantitativnih ili statističkih informacija o tekućim procesima u takvim situacijama.

Kognitivno modeliranje omogućava u ekspresnom modu

u kratkom vremenu na visokom nivou kvaliteta:

- procijeniti stanje i analizirati međusobni uticaj postojećih faktora koji određuju moguće scenarije razvoja situacije;

- identifikuju trendove u razvoju situacija i stvarne namjere njihovih učesnika;

- razviti strategiju korišćenja trendova u razvoju političke situacije u nacionalnim interesima Rusije;

- utvrditi moguće mehanizme interakcije između učesnika u situaciji kako bi se postigao njen svrsishodan razvoj u interesu Rusije;

- razvijaju i potkrepljuju pravce upravljanja situacijom u interesu Rusije;

- identificirati moguće scenarije razvoja situacije, uzimajući u obzir posljedice donošenja najvažnijih odluka i uporediti ih.

Korištenje tehnologije kognitivnog modeliranja omogućava proaktivno djelovanje i ne dovodi potencijalno opasne situacije u prijeteće i konfliktne situacije, au slučaju njihovog nastanka, donositi racionalne odluke u interesu subjekata Rusije.

Za zadatke koji se odnose na organizacioni sistemi, problem nesigurnosti u opisu i modeliranju funkcija učesnika nije metodološki, već inherentan samom predmetu istraživanja. Moguće razne produkcije zadaci upravljanja situacijom u zavisnosti od potpunosti dostupnih informacija učesnicima o situaciji i o ostalim učesnicima, posebno traženje rezonantnih i sinergijskih efekata, kada se poboljšanje situacije uz istovremeni uticaj više učesnika na veći je od „kombinacije“ pozitivnih efekata svakog od učesnika posebno.

Sa stanovišta nauke o menadžmentu, danas je posebno važno korišćenje mekog rezonantnog upravljanja složenim socio-ekonomskim sistemima, čija umetnost leži u metodama samoupravljanja i samokontrole sistema. Slabe, takozvane rezonantne pojave, izuzetno su efikasne za "odmotavanje" ili samoupravu, jer odgovaraju unutrašnjim trendovima u razvoju složenih sistema. Osnovni problem je kako gurnuti sistem na jedan od svojih i povoljnih puteva razvoja sa malim rezonantnim uticajem, kako osigurati samoupravu i samoodrživi razvoj (samopromocija).

Zaključak

Upotreba kognitivnog modeliranja otvara nove mogućnosti za predviđanje i upravljanje u različitim područjima:

u ekonomskoj sferi, to omogućava da se u kratkom roku razvije i opravda strategija ekonomskog razvoja preduzeća, banke, regiona ili čak cele države, uzimajući u obzir uticaj promena u spoljnom okruženju;

u oblasti finansija i berze - uzeti u obzir očekivanja učesnika na tržištu;

u vojnoj oblasti i oblasti informacione bezbednosti - suprotstaviti se strateškom informacionom oružju, unapred prepoznajući konfliktne strukture i razvijajući adekvatne mere odgovora na pretnje.

Kognitivno modeliranje automatizira neke od funkcija kognitivnih procesa, pa se mogu uspješno primijeniti u svim oblastima u kojima je samospoznaja tražena. Evo samo nekih od ovih područja:

1. Modeli i metode inteligentnog informacione tehnologije i sistemi za kreiranje geopolitičkih, nacionalnih i regionalnih strategija društveno-ekonomskog razvoja.

2. Modeli opstanka "mekih" sistema u promenljivim okruženjima sa nedostatkom resursa.

3. Situaciona analiza i upravljanje razvojem događaja u kriznim okruženjima i situacijama.

4. Praćenje informacija društveno-političke, društveno-ekonomske i vojno-političke situacije.

5. Razvoj principa i metodologije za kompjutersku analizu problemskih situacija.

6. Izrada analitičkih scenarija za razvoj problemskih situacija i njihovo upravljanje.

8. Praćenje problema u društveno-ekonomskom razvoju preduzeća, regiona, grada, države.

9. Tehnologija kognitivnog modeliranja svrsishodnog razvoja regiona Ruske Federacije.

10. Analiza razvoja regiona i praćenje problematičnih situacija u ciljanom razvoju regiona.

11. Modeli formiranja državne regulacije i samoregulacije potrošačkog tržišta.

12. Analiza i upravljanje razvojem situacije na potrošačkom tržištu.

Tehnologija kognitivnog modeliranja može se široko koristiti za jedinstvene projekte razvoja regiona, banaka, korporacija (i drugih objekata) u kriznim uslovima nakon odgovarajuće obuke.

Spisak korišćene literature

1. http://www.ipu.ru

2. http://www.admhmao.ru

3. Maksimov V.I., Kornoušenko E.K. Znanje je osnova analize. Bankarske tehnologije, br. 4, 1997.

4. Maksimov V.I., Kornoušenko E.K. Analitičke osnove za primjenu kognitivnog pristupa u rješavanju polustrukturiranih problema. Zbornik radova IPU, broj 2, 1998.

5. Maksimov V.I., Kachaev S.V., Kornoushenko E.K. Konceptualno modeliranje i praćenje problematičnih i konfliktne situacije sa ciljanim razvojem regiona. On Sat. " Moderne tehnologije menadžment za uprave gradova i regiona". Fond "Problemi upravljanja", M. 1998.