Kako bi se razumjelo i analiziralo ponašanje složenog sustava, izgrađen je strukturni dijagram uzročno-posljedičnih odnosa. Takve sheme koje tumače mišljenje i stavove donositelja odluka nazivamo kognitivnom mapom.

Pojam "kognitivna mapa" skovao je psiholog Tolman 1948. godine. Kognitivna mapa je vrsta matematičkog modela koji vam omogućuje da formalizirate opis složenog objekta, problema ili funkcioniranja sustava i identificirate strukture uzročno-posljedičnih odnosa između elemenata sustava, složenog objekta koji čine problem i procijeniti posljedice kao rezultat utjecaja na te elemente ili promjene u prirodi odnosa. Engleski znanstvenik 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, karakterizirajući uzročno-posljedične odnose.

Razvoj modela započinje izgradnjom kognitivne mape koja odražava situaciju "kakvu jest". Na temelju formirane kognitivne karte provodi se simulacija situacije samorazvoja kako bi se identificirali pozitivni razvojni trendovi.Samorazvoj omogućuje usporedbu subjektivnih očekivanja s modelskim.

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

Matrica međusobnih utjecaja predstavlja težine samo izravnih utjecaja između faktora. Redovi i stupci matrice preslikani su na faktore kognitivne mape, a vrijednost s predznakom na sjecištu i-tog retka i j-ro stupca označava težinu i smjer utjecaja i-ro faktora na j-ti faktor. Za prikaz stupnja (težine) utjecaja koristi se skup lingvističkih varijabli kao što su "jak", "umjeren", "slab" itd.; takav skup lingvističkih varijabli uspoređuje se s numeričkim vrijednostima iz intervala: 0,1 - "vrlo slabo"; 0,3 - "umjereno"; 0,5 - "značajno"; 0,7 - "jako"; 1,0 - "vrlo jak". Smjer utjecaja dat je predznakom: pozitivan, kada povećanje (smanjenje) jednog čimbenika dovodi do povećanja (smanjenje) drugog čimbenika, i negativan, kada povećanje (smanjenje) jednog čimbenika dovodi do smanjenja (povećanje ) u drugom faktoru.

Identifikacija početnih trendova

Početne tendencije daju jezične varijable tipa

"jako", "umjereno", "slabo" itd.; takav skup lingvističkih varijabli uspoređuje se s brojčanim 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).

Odabir ciljanih čimbenika

Između svih odabranih čimbenika potrebno je odrediti ciljne i kontrolne čimbenike. Ciljni faktori su faktori čiju dinamiku je potrebno približiti traženim vrijednostima. Osiguravanje potrebne dinamike ciljanih čimbenika rješenje je kojem se teži pri izgradnji kognitivnog modela.

Kognitivne mape mogu se koristiti za kvalitativnu procjenu utjecaja pojedinih koncepata jednih na druge i na stabilnost sustava u cjelini, za modeliranje i evaluaciju korištenja različitih strategija u odlučivanju i predviđanje odluka.

Treba napomenuti da kognitivna mapa odražava samo činjenicu da čimbenici utječu jedni na druge. Ne odražava niti detaljnu prirodu tih utjecaja, niti dinamiku promjena utjecaja ovisno o promjenama situacije, niti privremene promjene samih čimbenika. Uzimanje u obzir svih ovih okolnosti zahtijeva prijelaz na sljedeću razinu strukturiranja informacija prikazanih u kognitivnoj mapi, odnosno kognitivni model. Na ovoj razini, svaki odnos između čimbenika kognitivne karte otkriva se odgovarajućom jednadžbom, koja može sadržavati i kvantitativne (mjerene) varijable i kvalitativne (nemjerene) varijable. Pritom, kvantitativne varijable prirodno ulaze u obliku svojih numeričkih vrijednosti, budući da je svaka kvalitativna varijabla povezana sa skupom jezičnih varijabli, a svakoj jezičnoj varijabli odgovara određeni numerički ekvivalent u ljestvici [-1,1]. S akumulacijom znanja o procesima koji se odvijaju u situaciji koja se proučava, postaje moguće detaljnije otkriti prirodu odnosa između čimbenika.

Postoje matematičke interpretacije kognitivnih mapa, poput mekih matematičkih modela (poznati Lotka-Volterra model borbe za opstanak). Matematičkim metodama moguće je predvidjeti razvoj situacije i analizirati stabilnost dobivenog rješenja. Postoje dva pristupa izradi kognitivnih mapa – proceduralni i procesni. Postupak je radnja koja je diskretna u vremenu i ima mjerljiv rezultat. Matematika je značajno koristila diskretnost, čak i ako smo mjerili lingvističkim varijablama. Procesni pristup više govori o održavanju procesa, karakteriziraju ga koncepti “poboljšati”, “aktivirati”, bez pozivanja na mjerljive 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 postavljene su u obliku usmjerenog grafa i predstavljaju modelirani sustav kao skup koncepata koji prikazuju njegove objekte ili atribute, međusobno povezane uzročno-posljedičnim vezama. Koriste se za kvalitativno ocjenjivanje utjecaja pojedinih koncepata na stabilnost sustava.

Kako bi se proširile mogućnosti kognitivnog modeliranja, u nizu radova koriste se neizrazite kognitivne mape. U nejasnoj kognitivnoj mapi, svaki luk određuje ne samo smjer i prirodu, već i stupanj utjecaja povezanih koncepata.

Kognitivno modeliranje

Uvod

1. Pojmovi i suština "Kognitivnog modeliranja" i "Kognitivne mape"

2. Problemi kognitivnog pristupa

Zaključak

Popis korištene literature

UVOD

Sredinom 17. stoljeća slavni filozof i matematičar René Descartes izrekao je aforizam koji je postao klasik: "Cogito Ergo Sum" (Mislim, dakle postojim). Latinski korijen cognito ima zanimljivu etimologiju. Sastoji se od dijelova "co-" ("zajedno") + "gnoscere" ("znam"). NA Engleski jezik postoji cijela obitelj izraza s ovim korijenom: "spoznaja", "spoznati" itd.

U tradiciji koju smo označili pojmom "spoznajna" vidljivo je samo jedno "lice" mišljenja - njegova analitička bit (sposobnost rastavljanja cjeline na dijelove), razlaganja i reduciranja stvarnosti. Ova strana mišljenja povezana je s identifikacijom uzročno-posljedičnih veza (kauzaliteta), što je svojstveno razumu. Očigledno je Descartes apsolutizirao razum u svom algebarskom sustavu. Drugo "lice" misli je njezina sintetizirajuća bit (sposobnost da se iz nepredrasuđene cjeline konstruira cjelina), sagledava stvarnost intuitivnih oblika, sintetizira rješenja i anticipira događaje. Ova strana razmišljanja, otkrivena u Platonovoj filozofiji i njegovoj školi, svojstvena je ljudskom umu. Nimalo slučajno u latinskim korijenima nalazimo dvije osnove: ratio (racionalni odnosi) i reason (razumno pronicanje u bit stvari). Racionalno lice misli potječe od latinskog reri ("misliti"), vraćajući se starolatinskom korijenu ars (umjetnost), zatim pretvorenom u moderni koncept umjetnosti. Dakle, razum (razuman) je misao srodna djelu umjetnika. Kognitivno kao "razum" znači "sposobnost razmišljanja, objašnjavanja, opravdavanja radnji, ideja i hipoteza".

Za "jaku" spoznaju bitan je poseban, konstruktivan status kategorije "hipoteza". Upravo je hipoteza intuitivno polazište za dedukciju slike rješenja. Pri razmatranju situacije donositelj odluke otkriva u situaciji neke negativne poveznice i strukture („prekide“ u situaciji) koje treba zamijeniti novim objektima, procesima i odnosima koji eliminiraju negativan utjecaj i stvaraju jasno izražen pozitivan učinak. Ovo je bit upravljanja inovacijama. Paralelno s otkrivanjem situacijskih "lomova", često kvalificiranih kao "izazovi" ili čak "prijetnje", subjekt upravljanja intuitivno zamišlja neke "pozitivne odgovore" kao cjelovite slike stanja buduće (usklađene) situacije.

Kognitivna analiza i modeliranje temeljno su novi elementi u strukturi sustava za potporu odlučivanju.

Tehnologija kognitivnog modeliranja omogućuje vam da istražite probleme s nejasnim čimbenicima i odnosima; - uzmete u obzir promjene u vanjskom okruženju; - koristite objektivno utvrđene trendove u razvoju situacije u vlastitom interesu.

Takve tehnologije dobivaju sve više povjerenja struktura uključenih u strateško i operativno planiranje na svim razinama iu svim područjima upravljanja. Korištenje kognitivnih tehnologija u gospodarskoj sferi omogućuje vam da u kratkom vremenu razvijete i opravdate strategiju gospodarskog razvoja poduzeća, banke, regije ili cijele države, uzimajući u obzir utjecaj promjena u vanjskom okruženju. U području financija i burze kognitivne tehnologije omogućuju uzimanje u obzir očekivanja tržišnih sudionika. Na vojnom polju i području sigurnost informacija korištenje kognitivne analize i modeliranja omogućuje otpor strateškom informacijskom oružju, prepoznavanje sukobljenih struktura bez dovođenja sukoba u fazu oružanog sukoba.

1. Pojmovi i suština "Kognitivnog modeliranja" i "Kognitivne mape"

Axelrod je predložio metodologiju kognitivnog modeliranja dizajniranu za analizu i donošenje odluka u loše definiranim situacijama. Temelji se na modeliranju subjektivnih predodžbi eksperata o situaciji i uključuje: metodologiju za strukturiranje situacije: model za reprezentaciju ekspertnog znanja u obliku potpisanog digrafa (kognitivne mape) (F, W), gdje je F skup čimbenika situacije, W je skup uzročno-posljedičnih odnosa između čimbenika situacija; metode analize situacije. Trenutno se metodologija kognitivnog modeliranja razvija u smjeru poboljšanja aparata za analizu i modeliranje situacije. Ovdje se predlažu modeli za predviđanje razvoja situacije; metode za rješavanje inverznih problema

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

Kognitivne karte nastaju i modificiraju se kao rezultat aktivne interakcije subjekta s vanjskim svijetom. U tom slučaju mogu se formirati kognitivne karte različitog stupnja općenitosti, "razmjera" i organiziranosti (na primjer, pregledna karta ili karta puta, ovisno o cjelovitosti prikaza prostornih odnosa i prisutnosti izražene referentne točke ). Ovo je subjektivna slika, koja ima, prije svega, prostorne koordinate, u kojima su pojedini percipirani objekti lokalizirani. Izdvaja se karta puta kao sekvencijalni prikaz poveznica između objekata na određenoj ruti, a pregledna karta kao istovremeni prikaz prostornog rasporeda objekata.

Vodeći znanstvena organizacija Institut za probleme upravljanja Ruske akademije znanosti, pododjel: Sektor-51, znanstvenici Maksimov V.I., Kornoushenko E.K., Kachaev S.V., Grigoryan A.K., bavi se razvojem i primjenom tehnologije kognitivne analize. i drugi. Na njima znanstvenih radova u području kognitivne analize i temelji se ovo predavanje.

Tehnologija kognitivne analize i modeliranja (Slika 1) temelji 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 ciljanih i nepoželjnih stanja objekta upravljanja i najznačajnijih (osnovnih) čimbenika upravljanja i vanjskog okruženja koji utječu na prijelaz objekta u ta stanja, kao i uspostavljanje uzročne veze između njih na kvalitativnoj razini, uzimajući u obzir međusobni utjecaj čimbenika na druge.

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

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

Odabir osnovnih čimbenika provodi se primjenom PEST-analize, koja razlikuje četiri glavne skupine čimbenika (aspekata) koji određuju ponašanje proučavanog objekta (slika 2):

P olicy - politika;

E ekonomija - ekonomija;

S ociety - društvo (sociokulturni aspekt);

T eknologija – tehnologija

Slika 2. Čimbenici PEST analize

Za svaki pojedini složeni objekt postoji poseban skup najznačajnijih čimbenika koji određuju njegovo ponašanje i razvoj.

PEST-analiza se može smatrati varijantom sistemske analize, budući da su čimbenici koji se odnose na navedena četiri aspekta općenito usko povezani i karakteriziraju različite hijerarhijske razine društva kao sustava.

U ovom sustavu postoje određujuće veze usmjerene od nižih razina hijerarhije sustava prema višima (znanost i tehnologija utječu na ekonomiju, ekonomija na politiku), kao i obrnute i međurazinske veze. Promjena bilo kojeg čimbenika kroz ovaj sustav veza može utjecati na sve ostale.

Te 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 pportunities - mogućnosti;

T hreats - prijetnje.

Slika 3. Čimbenici SWOT analize

Uključuje analizu prednosti i slabosti razvoja predmeta koji se proučava u njihovoj interakciji s prijetnjama i prilikama te vam omogućuje da odredite stvarna problematična područja, uska grla, šanse i opasnosti, uzimajući u obzir čimbenike okoliša.

Mogućnosti se definiraju kao okolnosti koje doprinose povoljnom razvoju objekta.

Prijetnje su situacije u kojima se objektu može oštetiti, na primjer, može se poremetiti njegovo funkcioniranje ili izgubiti postojeće prednosti.

Na temelju analize različitih mogućih kombinacija snaga i slabosti s prijetnjama i prilikama formira se problemsko polje proučavanog objekta.

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

Dostupnost takvih informacija temelj je za utvrđivanje ciljeva (pravaca) razvoja i načina za njihovo postizanje te izradu strategije razvoja.

Kognitivno modeliranje na temelju provedene situacijske analize omogućuje pripremu alternativnih rješenja za smanjenje stupnja rizika u identificiranim problematičnim područjima, predviđanje mogućih događaja koji mogu najteže utjecati na položaj objekta koji se modelira.

Domaćin na http://www.allbest.ru/

Ministarstvo obrazovanja i znanosti Ruske Federacije

Savezna državna proračunska obrazovna ustanova

visoko stručno obrazovanje

"Kuban Državno sveučilište"(FGBOU VPO "Kubu")

Zavod za teoriju funkcija

Završni kvalifikacijski rad prvostupnika

Matematički model kognitivna struktura prostora za učenje

Obavio sam posao

V.A. Bakuridze

znanstveni savjetnik

kand. fiz.-matem. znanosti, izvanredni profesor

BITI. Levitsky

normokontrolor,

Umjetnost. laborant N.S. katchina

Krasnodar 2015

• Sadržaj
• Uvod
• 2. Vještine
• 4. Kartica minimalnih vještina
• 7. Oznake i filtri
• 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 prevedeno na ruski kao "Prostori za učenje". Monografija je posvećena izgradnji sažetka matematička teorija, koji razvija formalne metode za proučavanje međuodnosa i odnosa stanja znanja predmeta u određenom predmetnom području.
• U radu je dat prilagođeni prijevod na ruski jezik dijela jednog od poglavlja monografije pod nazivom „Mape vještina, oznake i filtri“. Ovo poglavlje razvija formalni aparat za istraživanje odnosa između stanja znanja i onoga što se obično naziva "vještinama". Pretpostavlja se da je za postizanje određenog stupnja znanja potrebna određena količina vještine.
• Ideja autora je da svakom pitanju (problemu) q iz domene Q pridruže podskup vještina iz S koje se mogu koristiti za odgovor na pitanje q (rješenje problema q). Uz pojašnjavajuće primjere koje su autori dali u radu, navedeni su i slični primjeri iz kolegija "Kompleksna analiza".
• Prvi dio diplomskog rada sadrži potrebne podatke iz prvih poglavlja monografije, čiji je prilagođeni prijevod učinjen u diplomskim radovima T.V. Aleinikova i N.A. Ralco.
• U drugom dijelu napravljen je prilagođeni prijevod odgovarajućeg odjeljka monografije s primjerom (vidi paragraf 2.1), na temelju čega se u trećem dijelu uvodi formalizirani koncept "karte vještina". Analogno ovom primjeru, samostalno je konstruiran primjer iz kolegija "Kompleksna analiza" (vidi odjeljak 2.2.).
• Četvrti dio bavi se konceptom karte minimalnih vještina. O modelu konjunktivne karte vještina raspravlja se u odjeljku 5.
• Odjeljak 6 daje formaliziranu definiciju modela kompetencija. Posljednji dio diplomskog rada posvećen je problemu opisa (označavanja) elemenata i integracije (filtara) odgovarajućih popratne informacije sadržana u stanjima znanja.
• 1. Osnovna notacija i preliminarne informacije
• Definicija 1 (vidi) Struktura znanja je par (Q, K), u kojem je Q neprazan skup, i K-obitelj podskupova od Q, koja sadrži najmanje Q i prazan skup. Skup Q se naziva domena strukture znanja. Njegovi elementi nazivaju se pitanjima ili pozicijama, a podskupovi obitelji. K se nazivaju stanja znanja.
• Definicija 2 (vidi). Struktura znanja (Q, K) naziva se prostorom za učenje ako su ispunjena sljedeća dva uvjeta:
• (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 (položaj) takvo da je K + (q)K, tada
• Definicija 3 (vidi) Familija skupova K naziva se zatvorenom u odnosu na uniju ako je FK za bilo koji FK. Konkretno, K, jer je unija praznih podfamilija prazan skup. Ako je obitelj K strukture znanja (Q, K) zatvorena prema uniji, tada se par (Q, K) naziva prostorom 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 koji K i L iz K skup KLK.
• Imajte na umu da u ovom slučaju prazan skup ne mora nužno pripadati obitelji 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 istu domenu. Očito je da ako je K prostor znanja, onda je struktura znanja zatvorena u odnosu na presjek, odnosno F za bilo koji F, štoviše Q.
• Definicija 4 (vidi ) Pod zbirkom na skupu Q podrazumijevamo obitelj od K podskupova domene Q. Za označavanje zbirke često se piše (Q, K). Imajte na umu da zbirka može biti prazna. Kolekcija (Q, L) je zatvoreni prostor kada familija L sadrži Q i zatvorena je ispod presjeka. Ovaj zatvoreni prostor se naziva 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 djelomično uređenom skupu (X, P) je bilo koji podskup C skupa X takav da cPc? ili c?Pc za sve c, c"C (drugim riječima, poredak induciran relacijom P na C je linearni poredak).
• Definicija 6 (vidi ) Putanja učenja u strukturi znanja (Q,K) (konačna ili beskonačna) je maksimalni lanac C u djelomično uređenom skupu (K,). Prema definiciji lanca imamo cc "ili c" c za sve c, c "C. Lanac C je maksimalan ako iz uvjeta CC` za neki lanac stanja C` slijedi da je C \u003d C` Dakle, maksimalni lanac nužno sadrži i Q.
• Definicija 7 (vidi ) Opseg obitelji skupova G je obitelj G? koja sadrži bilo koji skup koji je unija neke podfamilije od G. U ovom slučaju pišemo (G)=G? i reći da je G pokriveno G?. Po definiciji, (G) je zatvoren prema uniji. Baza unijsko zatvorene obitelji F je minimalna podfamilija B od F koja obuhvaća F (ovdje je "minimalna" definirana s obzirom na uključivanje skupova: ako je (H)=F za neki HB, tada je H=B). Uobičajeno je pretpostaviti da je prazan skup unija praznih podfamilija iz B. Dakle, budući da je baza minimalna potfamilija, prazan skup ne može pripadati bazi. Očito, 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.
• Teorem 1 (). Neka je B baza za prostor znanja (Q, K). Zatim BF za neku podfamiliju stanja F koja pokriva K. Prema tome, prostor znanja dopušta najviše jednu bazu.
• Definicija 8 (vidi). Udaljenost simetrične razlike ili kanonička udaljenost na skupu svih podskupova skupa konačnog skupa E je vrijednost:
• definiran za bilo koji A, B 2E. Ovdje označava simetričnu razliku skupova A i B.
• 2. Vještine

Kognitivna tumačenja gore navedenih matematičkih koncepata ograničena su na korištenje riječi povezanih s procesom učenja, kao što su "struktura znanja", "stanje znanja" ili "put učenja". To je zbog činjenice da su mnogi od rezultata dobivenih u potencijalno primjenjivi na širok raspon znanstvenih područja. Može se vidjeti da su uvedeni temeljni pojmovi u skladu s tako tradicionalnim konceptom psihometrijske teorije kao što su "vještine". Ovo poglavlje istražuje neke od mogućih odnosa između stanja znanja, vještina i drugih značajki predmeta.

Za bilo koju strukturu znanja (Q, K) pretpostavlja se postojanje nekog osnovnog skupa "vještina" S. Te se vještine mogu sastojati od metoda, algoritama ili tehnika koje se u načelu mogu identificirati. Ideja je pridružiti svakom pitanju (problemu) q iz domene Q vještine iz S koje su korisne ili od pomoći u odgovoru na to pitanje (rješavanju problema) i zaključivanju o stanju znanja. Naveden je sljedeći primjer.

Primjer 2.1 prevođenja programa u UNIX jeziku.

Pitanje a): Koliko redaka datoteke "lilac" (lila) sadrži riječ "purple" (ljubičasta)? (Dopuštena je samo jedna naredbena linija.)

Objekt koji se provjerava odgovara UNIX naredbenom retku koji se unosi. Na ovo pitanje može se odgovoriti na različite načine, od kojih su tri navedena u nastavku. Za svaku metodu nudimo naredbeni redak koji se može ispisati nakon znaka ">":

>greppurplelilac | zahod

Sustav odgovara s tri broja; prvi je odgovor na pitanje. (Naredba "grep" nakon koje slijede ove dvije opcije `purple" i `lilac" izdvaja sve retke koji sadrže riječ `purple" iz datoteke `lilac"; naredba "|" (razdjelnik) usmjerava ovaj izlaz na naredbu brojanja riječi "wc", koji daje broj redaka, riječi i znakova u ovom izlazu).

>mačka | greppurpurna | zahod

Ovo je manje učinkovito rješenje koje postiže isti rezultat. (Naredba "cat" zahtijeva da datoteka "lilac" bude navedena, što nije potrebno.)

>morelilac | greppurpurna | zahod;

Slično prethodnom rješenju.

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

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

Razmotrimo objekt 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 daje rješenje za problem a), budući da je T?f(a) = (1; 2) ? . Zapravo, 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 naslovom "disjunktivni model". Vidjet ćemo da je struktura znanja inducirana disjunktivnim modelom nužno prostor znanja. Ova činjenica je dokazana u teoremu 3.3. Također ćemo ukratko, radi cjelovitosti, razmotriti model koji ćemo nazvati "konjunktivni", a koji je dual disjunktivnog modela. U disjunktivnom modelu, samo jedna od vještina povezanih sa zadatkom q dovoljna je 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 raskrižje. Također će se uzeti u obzir različiti tipovi odnosi između vještina i stanja. Disjunktivni i konjunktivni modeli izvedeni su iz elementarne analize primjera 2.1, u kojoj su same tri metode tretirane kao vještine, iako je u svakom slučaju bilo potrebno nekoliko naredbi.

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

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

gdje, kao i prije, s1, ..., sk odgovaraju vještinama koje se odnose na druga pitanja u razmatranoj domeni. 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) korištenje bilo Metode 1 ili Metode 3. Zapravo, dva relevantna skupa naredbi uključena su u R skup vještina; naime, (grep; wc; |) ?R i (more, grep, wc,|) ?R.

Ovaj primjer govori više složena veza između pitanja i vještina.

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

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

Općenito, objekt koji sadrži neki skup vještina R sposoban je riješiti neko pitanje q ako postoji barem jedan element C u m(q) takav da C R. Svaki od podskupova C u m(q) bit će upućen kao "nadležnost za" q. Ovaj poseban odnos između vještina i stanja nazivat će se pod nazivom "model kompetencija".

Primjer 2.1 može navesti na pomisao da se vještine povezane s određenom domenom (određenim fragmentom područja znanja) mogu lako identificirati. Zapravo, daleko je od očitog kako je takva identifikacija uopće moguća. Veći dio ovog poglavlja ostavit ćemo skup vještina nespecificiranim i tretirat ćemo S kao apstraktni skup. Naš fokus bit će na formalnoj analizi nekih od mogućih veza između pitanja, vještina i stanja znanja. Kognitivna ili obrazovna tumačenja ovih vještina bit će odgođena do posljednjeg odjeljka ovog poglavlja, gdje raspravljamo o mogućem sustavnom označavanju elemenata koji bi mogli dovesti do identifikacije vještina, i šire do opisa sadržaja stanja znanja. se.

Primjer 2.2 iz teorije funkcija kompleksne varijable.

Razmotrimo problem izračunavanja integrala:

Postoje tri načina za rješavanje problema.

Prvi način (rješenje korištenjem Cauchyjevog teorema o ostatku):

Algoritam za izračunavanje konturnih integrala korištenjem ostataka:

1. Naći singularne točke funkcije

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

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

Sve singularne točke integranda nalaze se u kružnici

Nalazimo korijene jednadžbe:

Višestruki pol 2.

Korijeni jednadžbe nalaze se formulom:

Stoga, prema Cauchyjevom teoremu o ostatku:

Korištene vještine:

1) Pronalaženje singularnih točaka (A)

2) Sposobnost izdvajanja korijena kompleksnog broja (B)

3) Izračun odbitaka (C)

4) Sposobnost primjene Cauchyjevog teorema o ostatku (D)

Drugi način (rješenje pomoću Cauchyjeve integralne formule za derivacije):

Algoritam za izračun konturnih integrala pomoću Cauchyjeve integralne formule za derivacije:

N = 0,1,2,….

1. Naći singularne točke funkcije.

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

3. Izračunajte sljedeće integrale koristeći formulu Cauchyjevog integrala za derivacije:

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

, (vidi sliku 1).

Slika 1 - Izračun integrala pomoću formule Cauchyjevog integrala

1) Uz pretpostavku, nalazimo:

2) Pod pretpostavkom nalazimo:

3) Pod pretpostavkom nalazimo:

4) Pod pretpostavkom nalazimo:

Korištene vještine:

1) nalaženje singularnih točaka (A)

2) sposobnost izvlačenja korijena kompleksnog broja (B)

3) sposobnost primjene Cauchyjeve integralne formule (E)

4) sposobnost primjene Cauchyjeve integralne formule za proizv. (F)

Treći način:

Prema teoremu o ukupnom ostatku:

Korištene vještine:

1) Sposobnost pronalaženja posebnih točaka (G)

2) Istraživanje funkcije u beskonačnosti (H)

3) Pronalaženje ostatka u beskonačno udaljenoj točki (I)

4) Sposobnost primjene teorema o ukupnom ostatku (J)

Analizirajući tri gornja rješenja integrala, primjećujemo da je najučinkovitije rješenje posljednje, budući da ne trebamo izračunavati ostatke na krajnjim točkama.

3. Mape vještina: disjunktivni model

Definicija 3.1 Mapa vještina je trojka (Q;S;), gdje je Q neprazan skup elemenata, S je neprazan skup vještina, a φ je preslikavanje iz Q u 2S \ (). Ako su skupovi Q i S jasni iz konteksta, mapa vještina naziva se funkcija f. Za bilo koji q iz Q, podskup od φ(q) iz S smatrat će se skupom vještina mapiranih u q (mapa vještina). Neka je (Q; S; φ) mapa vještina i T je podskup od S. Kaže se da K Q predstavlja stanje znanja koje tvori skup T unutar disjunktivnog modela ako

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

Primijetite da prazan podskup vještina tvori prazno stanje znanja (budući da je φ(q)? za svaki element q), a skup S tvori stanje znanja Q. Obitelj svih stanja znanja formiranih pod skupovima S je struktura znanja formirana mapom vještina (Q ;S;φ) (disjunktivni model). Kada se izraz "formirano" mapom vještina koristi bez pozivanja na određeni model, podrazumijeva se da se razmatra disjunktivni model. U slučaju kada su sve dvosmislenosti eliminirane sadržajem konteksta, obitelj svih stanja koju tvore podskupovi S naziva se formirana struktura znanja.

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

Pretpostavljajući

Stoga je (Q;S;f) karta vještine. 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 bilo koji podskup R od S. Doista, takav podskup R bi nužno sadržavao t (jer mora sadržavati odgovor na pitanje); stoga bi stanje znanja koje tvori R također sadržavalo d. Formirana struktura znanja je skup

Imajte na umu da je K prostor znanja. Ovo nije slučajnost, jer dolazi do sljedećeg rezultata:

Teorem 3.3. Svaka struktura znanja formirana mapom vještina (unutar disjunktivnog modela) je prostor znanja. Suprotno tome, svaki prostor znanja formiran je barem jednom mapom vještina.

Dokaz

Pretpostavimo da je (Q; S; T) mapa vještina i neka (Ki) i? I je neki proizvoljni podskup formiranih stanja. Ako je za nekoga i?I stanje Ki formirano podskupom Ti od S, tada je lako provjeriti što je formirano; odnosno to je i stanje znanja. Stoga je struktura znanja koju oblikuje mapa vještina uvijek prostor znanja. Obrnuto, neka je (Q; K) prostor znanja. Konstruirat ćemo mapu vještina odabirom S = K i postavljanjem φ(q) = Kq za bilo koje q ? Q. (Stanja znanja koja sadrže q su stoga određena vještinama koje odgovaraju q; primijetite da φ(q) ? ? slijedi iz činjenice da q ? Q ?K). Za TS = K, provjerite da stanje K koje tvori T pripada K. Doista, imamo

odakle slijedi da je K? K, budući da je K prostor znanja. Konačno, pokazat ćemo da je svako stanje K od K formirano nekim podskupom od S, naime podskupom (K). Označavajući s L stanje koje tvori podskup (K), dobivamo

Odatle slijedi da prostor K tvore (Q; K; φ).

4. Kartica minimalnih vještina

U posljednjem dokazu izgradili smo posebnu mapu vještina za proizvoljni prostor znanja koji tvori ovaj prostor. Primamljivo je smatrati takav prikaz mogućim objašnjenjem za organizaciju skupa stanja, u smislu vještina korištenih za svladavanje elemenata tih stanja. U znanosti objašnjenja fenomena obično nisu jedinstvena i postoji tendencija favoriziranja "ekonomskih". Materijal u ovom odjeljku inspiriran 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 za takve mape vještina reći da su u biti iste" s obzirom na bilo koji element od q. Ovaj pojam izomorfizma dan je u sljedećoj definiciji.

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

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

Definicija 4.1. Određuje izomorfizam karata vještina s istim skupom elemenata. Općenitija situacija razmatra se u problemu 2.

Primjer 4.2 Neka je Q = (a; b; c; d) i = (1; 2; 3; 4). Definirajmo mapu vještina.

Mapa vještina (Q; ;) je izomorfna mapi prikazanoj u primjeru 3.2: izomorfizam je dan sa:

Sljedeći rezultat je očit.

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

Napomena 4.4. Dvije kartice vještina mogu formirati iste prostore znanja, a da nisu izomorfne. Kao ilustraciju, primijetite 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 formiranje Slika K. Kao što je spomenuto u uvodu ovog odjeljka, u znanosti je uobičajeno tražiti škrta objašnjenja za fenomene tijekom istraživanja. U našem kontekstu, to je predstavljeno preferiranjem malih, možda minimalnih skupova vještina. Točnije, mapu vještina ćemo nazvati "minimumom" ako uklanjanje bilo koje vještine mijenja formirano stanje znanja. Ako je ovaj prostor znanja konačan, karta minimalnih vještina uvijek postoji i sadrži najmanji od mogući broj vještine. (Ova izjava slijedi iz teorema 4.3.) U slučaju kada prostor znanja nije konačan, situacija je nešto kompliciranija, jer minimalna mapa vještina ne mora nužno postojati. Međutim, mapa vještina koja tvori 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 jedinstveno definirana, čak ni do izomorfizma.

Primjer 4.5. Razmotrimo obitelj O svih otvorenih podskupova skupa R realnih brojeva i neka J bude proizvoljna obitelj otvorenih intervala iz O. Jer, postavili smo. Zatim mapa vještina (R; J;), formira prostor (R; O). Doista, podskup T od J tvori stanje znanja, a, dodatno, otvoreni podskup O formiran je od obitelji onih intervala iz J koji su sadržani u O (Poznato je da postoje prebrojive obitelji J koje zadovoljavaju gore navedene uvjete. Imajte na umu da takve prebrojive obitelji generiraju karte vještina s minimalnim brojem vještina, to jest, sa skupom vještina minimalne snage (minimalni kardinalni broj. Međutim, ne postoji minimalna karta vještina. To se može dokazati izravno ili izvesti iz teorema 4.8. Što se tiče jedinstvenosti, minimalne mape vještina koje tvore dati prostor znanja su izomorfne. To će biti prikazano u teoremu 4.8. Ovaj teorem 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 kojom minimalnom vještinom mapiranja.

Definicija 4.6 Karta vještina (Q"; S"; f") nastavlja (striktno nastavlja) mapu vještina (Q; S; f) ako su ispunjeni sljedeći uvjeti:

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

Primjer 4.7. Uklanjanje vještine v s karte vještina u primjeru 3.2 daje:

Može se potvrditi da je (Q; S; f) karta minimalne vještine.

Teorem 4.8. Prostor znanja formira neka minimalna mapa vještina ako i samo ako taj prostor ima bazu. U ovom slučaju, snaga (kardinalni broj) baze jednaka je snazi ​​skupa vještina. Osim toga, bilo koje dvije minimalne mape vještina koje tvore isti prostor znanja su izomorfne. I također svaka mapa vještina (Q; S; f), koja tvori prostor (Q; K), koja ima bazu, nastavak je minimalne karte vještina koja tvori isti prostor.

Dokaz

Razmotrimo proizvoljnu (ne nužno minimalnu) mapu vještina (Q; S; f) i označimo (Q; K) prostor vještina formiran ovom mapom. Za bilo koji sS, označite s K(s) stanje znanja iz K formirano od(s). Time dobivamo

qK (s)s φ (q).(1)

Uzmimo bilo koje stanje K K i razmotrimo podskup vještina T koji tvori to stanje. Na temelju (1) za bilo koji element q imamo:

Odakle slijedi da. Prema tome, pokriva K. Pod pretpostavkom da je mapa vještina (Q, S, φ) minimalna, tada obitelj A koja je obuhvaća mora biti baza. Doista, ako A nije baza, tada se neki K(s)A može predstaviti kao unija drugih elemenata od A. Uklanjanje s iz S rezultiralo bi mapom vještina koja se striktno nastavlja s mapom vještina (Q, S, φ ) i dalje se formiraju ( Q, K), što je u suprotnosti s pretpostavkom 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 teorema 3.3 slijedi da (Q,K) ima barem jednu mapu vještina, na primjer, (Q,S,φ). Prema teoremu 1 () baza B. za (Q,K) mora biti sadržana u bilo kojem podskupu K koji ga okružuje. Stoga imamo BA= gdje opet K(s) formira (s). Uz pretpostavku da je B:K(s) = B) i zaključujemo da je (Q,) karta minimalnih vještina.

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

Konačno, neka je (Q, S, φ) proizvoljna mapa vještina koja tvori prostor znanja K s bazom B. Definirajući K(s), S" i φ" kao prije, dobivamo minimalnu mapu vještina proširivu pomoću (Q, S , f).

5. Karte vještina: konjunktivni model

U konjunktivnom modelu, strukture znanja koje se formiraju mapama vještina jednostavni su zatvoreni prostori u smislu definicije 3 (vidi teorem 5.3 u nastavku). Budući da su te strukture znanja dualne s prostorima znanja formiranim unutar okvira disjunktivnog modela, nema potrebe za dubljim detaljima.

Definicija 5.1. Neka je (Q,S,) mapa vještina i neka je T podskup od S. Stanje znanja K, koje tvori T unutar okvira konjunktivnog modela, određeno je pravilom:

Rezultirajuća obitelj svih takvih stanja znanja tvori strukturu znanja formiranu unutar okvira konjunktivnog modela mapom 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) tvori stanje znanja (a, c, d, e), u okviru konjunktivnog modela. S druge strane, (a, b, c) nije stanje znanja. Doista, ako bi (a, b, c) bilo stanje znanja koje tvori neki podskup T od S, tada bi T također uključivao; tako bi i d i e pripadali formiranom stanju znanja. Struktura znanja formirana ovom mapom vještina je

Primijetimo da je L jednostavan zatvoreni prostor (vidi definiciju 4). Dualna struktura znanja podudara se s prostorom znanja K kojeg formira ista mapa vještina u okviru disjunktivnog modela; ovaj prostor K dobiven je u primjeru 3.2.

Teorem 5.3. Strukture znanja formirane unutar okvira disjunktivnih i konjunktivnih modela istom mapom vještina dualne su jedna drugoj. Kao posljedica toga, strukture znanja formirane u okviru konjunktivnog modela su jednostavni zatvoreni prostori.

Napomena 5.4. U konačnici, teoremi 3.3 i 5.3 jednostavno su parafrazirani poznat rezultat o "Galoisovim rešetkama" odnosa. Možemo preformulirati mape vještina (Q, S, T), s konačnim Q i S, kao relaciju R između skupova Q i S: za q Q i sS, definiramo

Tada je stanje znanja koje tvori podskup T od S unutar konjunktivnog modela skup:

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

Dobro je poznato da se bilo koja konačna obitelj konačnih skupova, zatvorena u presjeku, može dobiti kao elementi "Galoisove rešetke" u nekoj relaciji. Teoremi 3.3 i 5.3 generaliziraju ovaj rezultat na slučaj beskonačnih skupova. Naravno, postoji izravna analogija teorema 4.8 za obitelji skupova koji su zatvoreni u presjeku.

6. Mape više vještina: model kompetencija

Posljednja dva odjeljka bavila su se formiranjem struktura znanja koje su zatvorene u odnosu na uniju ili presjek. Međutim, nije se raspravljalo o općem slučaju.

Formiranje proizvoljne strukture znanja moguće je uz pomoć generalizacije koncepta mape vještina. Intuitivno, ova generalizacija je sasvim prirodna. Za svako q pitanje pridružujemo zbirku (q) podskupova vještina. Svaki podskup vještina C u (q) može se smatrati metodom, koja se u sljedećoj definiciji naziva "kompetencija", za rješavanje pitanja q. Dakle, prisutnost samo jedne od ovih kompetencija dovoljna je za rješavanje pitanja q.

Definicija 6.1. Multimapa vještina je trojka (Q, S,), gdje je Q neprazan skup elemenata (pitanja), S je neprazan skup vještina i je preslikavanje koje se povezuje sa svakim elementom q neprazno obitelj (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 što je formirano od praznog skupa vještina, a Q je formiran od S. Skup K svih podskupova od Q na ovaj način formira strukturu znanja. U ovom slučaju se kaže da je struktura znanja (Q, K) formirana multimapom 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:

Primjenom definicije 6.1 vidimo da ova mapa više vještina tvori strukturu znanja:

Primijetimo da struktura znanja K nije zatvorena niti u odnosu na uniju niti u odnosu na presjek.

Teorem 6.3. Svaku strukturu znanja čini najmanje jedna mapa više vještina.

Dokaz

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

Dakle, svako stanje znanja M, koje sadrži pitanje q, odgovara kompetenciji K za q. Primijetite da K nije prazan jer sadrži, kao element, prazan podskup od Q. Da bismo pokazali da (Q, S,), tvori strukturu znanja K, primijenimo Definiciju 6.1.

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

Prema tome, svako stanje u K formira neki podskup od S. S druge strane, ako je S = K, formirano stanje L određeno je pravilom:

mapa matematičkih znanja

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

Nećemo nastaviti s proučavanjem mape više vještina. Kao i u slučaju jednostavne mape vještina, može se istražiti postojanje i jedinstvenost minimalne mape više vještina za danu 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 od S (ovisno o K).

7. Oznake i filtri

Za bilo koji predmet u prirodnom području znanja, kao što je aritmetika ili gramatika, obično postoje bogate mogućnosti za opisivanje relevantnih vještina i povezane strukture znanja. Te se mogućnosti mogu koristiti za opisivanje učenikovog stanja znanja roditelju ili učitelju.

Stvarno, puni popis Elementi sadržani u učenikovom stanju znanja mogu imati stotine elemenata i mogu biti teški za probavu čak i stručnjaku. Može se sastaviti popis značajnih informacija koje se odražavaju u pitanjima koja tvore učenikovo stanje znanja. Ovaj popis može sadržavati mnogo više od vještina koje učenik ima ili nedostaju, a može uključivati ​​značajke kao što su predviđanje uspjeha na nadolazećem testu, predlaganje uputa za istraživanje ili rješavanje problema.

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

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

7.1 Primjeri označavanja

Pretpostavimo da je odabran veliki skup pitanja koja pokrivaju sve osnovne koncepte programa matematike Srednja škola u nekoj zemlji.

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

1. Opisni naziv pitanja.

2. Razred u kojem se proučava pitanje.

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 zadatak, izračun, obrazloženje itd.).

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

Nepotrebno je reći da je gornji popis samo u svrhu ilustracije. Stvarni bi popis mogao biti puno duži, a proširen suradnjom sa stručnjacima na tom području (u ovom slučaju iskusnim učiteljima). Dva primjera pitanja s pripadajućim oznakama prikazana su u tablici 1.

Svako pitanje u skupu bilo bi označeno na isti način. Zadatak je razviti skup računalnih rutina koje omogućuju analizu stanja znanja u pogledu ocjena. Drugim riječima, pretpostavimo da je određeno stanje znanja K dijagnosticirano nekim programom za procjenu znanja. Oznake pitanja pokazuju da će stanje znanja biti određeno skupom "filtara" koji prevode skup izjava na jednostavan jezik u smislu obrazovnih koncepata.

7.2 Ocjenjivanje razine znanja

Pretpostavimo da na početku Školska godina nastavnik želi znati koji je razred (matematika, na primjer) najbolji za učenika koji je upravo stigao strana zemlja. Korišteni program za procjenu znanja utvrdio je da je studentovo znanje K. Prikladan skup filtara može se dizajnirati na sljedeći način. Kao i prije, s Q označavamo područje znanja (domenu). Za svaku klasu n (1n12 u SAD-u), filtar izračunava podskup Gn od Q koji sadrži sva pitanja proučavana na ili prije te razine (označeno 2. na gornjem popisu). Ako a obrazovni sistem razumno, trebalo bi biti

Tablica 1 - Dva uzorka pitanja i njihov pridruženi popis ocjena.

Popis oznaka
(1) Mjera kuta koji nedostaje u trokutu (3) Zbroj kutova ravnog trokuta (4) Geometrija trokuta (5) Elementarna euklidska geometrija (6) Mjera kuta, zbroj kutova trokuta, zbrajanje, dijeljenje, oduzimanje (7) Izračun (8) Numerički zapis	U trokutu ABC kut A ima X stupnjeva, a kut B Y stupnjeva. Koliko stupnjeva ima kut C?
(1) Zbrajanje i oduzimanje dvobrojeva s prijenosom (3) Zbrajanje i oduzimanje (4) Decimale (5) Aritmetika (6) Zbrajanje, oduzimanje, decimale, prijenos, valuta (7) Tekstualni zadatak i računanje (8) Numerički zapis	Mary je kupila dvije knjige u vrijednosti od X dolara i Y dolara. Dala je službeniku Z dolara. Koliko će sitniša dobiti?

Možemo pronaći

za neki n, što implicira da učenik može biti raspoređen u razred n-1.

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

Dakle, S(K) sadrži sve klase koje minimiziraju udaljenost do K. Pretpostavimo da S(K) sadrži jedan element nj i GnjK. Stoga je razumno preporučiti da učenik prihvati ne + 1 u razred, ali S(K) može sadržavati više od jednog elementa. Trebamo još informacija. Konkretno, sadržaj K, sa svojim prednostima i nedostacima u odnosu na njegovu blizinu Gnj, trebao bi u konačnici biti koristan. Ne ulazeći u tehničke detalje takvog zaključka, navodimo, općenito, primjer izvješća koje bi sustav mogao napraviti u takvoj situaciji:

Učenik X je najbliži 5. razredu. Međutim, X bi bio neobičan učenik u ovom razredu. Poznavanje elementarne geometrije znatno premašuje znanje učenika 5. razreda. Na primjer, X zna za Pitagorin teorem i sposoban ga je koristiti. S druge strane, X ima iznenađujuće slabo znanje o aritmetici.

Opisi ovog tipa zahtijevaju razvoj različitih skupova novih filtara, uz one koji se koriste za izračun S(K). Osim toga, sustav mora moći pretvoriti putem generatora prirodnog jezika i izlaznih filtara u gramatički ispravne izjave na običnom jeziku. O tome ovdje nećemo raspravljati. Svrha ovog odjeljka bila je ilustrirati kako elementi označavanja, uvelike proširujući koncept vještina, mogu dovesti do poboljšanih opisa stanja znanja koji mogu biti korisni u različitim situacijama.

Zaključak

U radu je dan prilagođeni prijevod na ruski jezik dijela jednog od poglavlja monografije Zh-Kl. Falmazh i Zh-P. Duanon, koji se zove "Kartice vještina, oznake i filtri".

Potrebne informacije dane su iz prvih poglavlja monografije, čiji je prijevod izvršen u tezama i . Uz pojašnjavajuće primjere koje su autori dali u monografiji, navedeni su i slični primjeri iz kolegija Kompleksna analiza.

Popis 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. Ontološko inženjerstvo u sustavima upravljanja znanjem. Diplomski rad, Kubu, 2013., 66 str.

Domaćin na Allbest.ru

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

Individualno i organizacijsko učenje.

Kognitivna analiza i modeliranje u strateškom menadžmentu

Bit pojma spoznaje. organizacija spoznaje.

TEMA 5. KOGNITIVNOST KAO PREDUVJET STRATEŠKOG RAZVOJA PODUZEĆA.

5.1. Bit pojma "kognitivnost". organizacija spoznaje.

kognitivna znanost- interdisciplinarni (filozofija, neuropsihologija, psihologija, lingvistika, informatika, matematika, fizika i dr.) znanstveni smjer koji proučava metode i modele oblikovanja znanja, spoznaje, univerzalnih strukturnih shema mišljenja.

Kognitivnost (od latinskog cognitio - znanje, proučavanje, svijest) u okviru znanosti o menadžmentu označava sposobnost menadžera da mentalno opaža i obrađuje vanjske informacije. Proučavanje ovog koncepta temelji se na mentalnim procesima pojedinca i tzv. psihička stanja(povjerenje, želja, uvjerenje, namjere) u smislu obrade informacija. Ovaj se pojam također koristi u kontekstu proučavanja takozvanog "kontekstualnog znanja" (apstraktizacija i konkretizacija), kao iu područjima gdje se razmatraju pojmovi kao što su znanje, vještine ili učenje.

Pojam "spoznaja" također se koristi u više široki smisao, znači sam "čin" spoznaje ili samospoznaje. U tom kontekstu, može se tumačiti kao pojava i "postajanje" znanja i koncepata povezanih s tim znanjem, koji se odražavaju iu mislima iu djelima.

Organizacijska kognitivnost karakterizira ukupnost kognitivnih sposobnosti pojedinaca u poduzeću i učinke koji proizlaze iz kombinacije individualnih kognitivnih sposobnosti. Primjena ovog koncepta u odnosu na tvrtku (organizaciju, tvrtku, poduzeće) znači namjeru da se ona sagleda u ravni koju karakterizira specifičan aparat analize i poseban kut gledanja na interakciju poduzeća ili njegovih komponenti. s vanjskom okolinom.

Termin organizacija spoznaje omogućuje procjenu sposobnosti tvrtke da asimilira informacije i pretvori ih u znanje.

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

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

Kognitivnu analizu istraživači ponekad nazivaju "kognitivnim strukturiranjem". Kognitivna analiza se smatra jednim od najmoćnijih alata za proučavanje nestabilnog i polustrukturiranog okruženja. Pridonosi boljem razumijevanju problema koji postoje u okruženju, prepoznavanju proturječnosti i kvalitativnoj analizi tekućih procesa.

Bit kognitivnog (kognitivnog) modeliranja je ključni trenutak kognitivnu analizu - je u pojednostavljenom obliku modelom prikazati najsloženije probleme i trendove u razvoju sustava, istražiti moguće scenarije nastanka kriznih situacija, pronaći načine i uvjete za njihovo rješavanje u modelskoj situaciji. Korištenje kognitivnih modela kvalitativno povećava valjanost usvajanja upravljačke odluke u složenom okruženju koje se brzo mijenja, spašava stručnjaka od "intuitivnog lutanja", štedi vrijeme za razumijevanje i tumačenje događaja koji se odvijaju u sustavu. Korištenje kognitivnih tehnologija u gospodarskoj sferi omogućuje razvoj i opravdanje strategije gospodarskog razvoja poduzeća u kratkom vremenu, uzimajući u obzir utjecaj promjena u vanjskom okruženju.

Kognitivno modeliranje- to je metoda analize kojom se utvrđuje snaga i smjer utjecaja čimbenika na prijenos objekta upravljanja u ciljno stanje, uzimajući u obzir sličnosti i razlike u utjecaju razni faktori na objekt upravljanja.

Kognitivna analiza sastoji se od nekoliko faza, od kojih svaka provodi određeni zadatak. Dosljedno rješavanje ovih zadataka dovodi do postignuća Glavni cilj kognitivnu analizu.

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

1. Formulacija svrhe i ciljeva studije.

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

3. Identifikacija glavnih čimbenika koji utječu na razvoj situacije.

4. Utvrđivanje odnosa među čimbenicima razmatranjem uzročno-posljedičnih lanaca (izrada kognitivne mape u obliku usmjerenog grafa).

5. Proučavanje jačine međusobnog utjecaja različitih čimbenika. Za to se koriste kako matematički modeli koji opisuju neke precizno identificirane kvantitativne odnose među čimbenicima, tako i subjektivni stavovi stručnjaka o neformalizibilnim kvalitativnim odnosima među čimbenicima.

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

6. Provjera primjerenosti kognitivnog modela stvarnoj situaciji (provjera kognitivnog modela).

7. Pomoću kognitivnog modela utvrditi moguće opcije razvoja situacije (sustava), pronaći načine, mehanizme utjecaja na situaciju u cilju postizanja željenih rezultata, sprječavanja neželjenih posljedica, odnosno razviti strategiju upravljanja. Postavljanje cilja, željenih smjerova i jačine promjene trendova procesa u situaciji. Odabir skupa mjera (skup kontrolnih čimbenika), određivanje njihove moguće i željene snage i smjera utjecaja na situaciju (konkretna praktična primjena kognitivnog modela).

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

Klasična kognitivna mapa je usmjereni graf u kojem je povlašteni vrh neko buduće (obično ciljano) stanje kontrolnog objekta, preostali vrhovi odgovaraju faktorima, lukovi koji povezuju faktore s vrhom stanja imaju debljinu i predznak koji odgovara snazi ​​i smjeru utjecaj ovog faktora na prijelaz objekta upravljanja u dato stanje, a lukovi koji povezuju čimbenike pokazuju sličnost i različitost utjecaja ovih čimbenika na objekt upravljanja.

Kognitivnu mapu čine čimbenici (elementi sustava) i veze između njih.

Za razumijevanje i analizu ponašanja složenog sustava gradi se blok dijagram uzročno-posljedičnih veza elemenata sustava (faktora situacije). Dva elementa sustava A i B prikazana su na dijagramu kao odvojene točke (vrhovi) povezani orijentiranim lukom, ako je element A povezan s elementom B uzročno-posljedičnim odnosom: A à B, gdje je: A uzrok, B je posljedica.

Čimbenici mogu utjecati jedni na druge, a takav utjecaj, kao što je već spomenuto, može biti pozitivan, kada povećanje (smanjenje) jednog čimbenika dovodi do povećanja (smanjenja) drugog čimbenika, i negativan, kada povećanje (smanjenje) jednog čimbenika faktor dovodi do smanjenja (povećanja) ) drugog faktora. Štoviše, utjecaj može imati i promjenjivi predznak, ovisno o mogućim dodatnim uvjetima.

Slične sheme za predstavljanje uzročno-posljedičnih odnosa naširoko se koriste za analizu složeni sustavi u ekonomiji i sociologiji.

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

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

Kognitivna karta odražava samo činjenicu prisutnosti utjecaja čimbenika jedni na druge. Ne odražava niti detaljnu prirodu tih utjecaja, niti dinamiku promjena utjecaja ovisno o promjenama situacije, niti privremene promjene samih čimbenika. Uzimanje u obzir svih ovih okolnosti zahtijeva prijelaz na sljedeću razinu strukturiranja informacija, odnosno na kognitivni model.

Na ovoj razini, svaki odnos između čimbenika kognitivne karte otkriva se odgovarajućim ovisnostima, od kojih svaka može sadržavati i kvantitativne (mjerene) varijable i kvalitativne (nemjerene) varijable. U ovom slučaju kvantitativne varijable prikazane su 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", "navala" itd.), a svaka lingvistička varijabla odgovara određeni brojčani ekvivalent u ljestvici. S akumulacijom znanja o procesima koji se odvijaju u situaciji koja se proučava, postaje moguće detaljnije otkriti prirodu odnosa između čimbenika.

Formalno, kognitivni model situacije može se, poput kognitivne karte, prikazati grafom, ali svaki luk u tom grafu već predstavlja određeni funkcionalni odnos između odgovarajućih čimbenika; oni. kognitivni model situacije predstavljen je funkcionalnim grafikonom.

Primjer funkcionalnog grafikona koji odražava situaciju u uvjetnom području prikazan je na sl. 5.2.

sl.5. 2. Funkcionalni grafikon.

Imajte na umu da je ovaj model pokazni model, tako da mnogi čimbenici okoline nisu uzeti u obzir.

Takve tehnologije dobivaju sve više povjerenja struktura koje se bave strateškim i operativnim planiranjem na svim razinama iu svim područjima upravljanja. Korištenje kognitivnih tehnologija u gospodarskoj sferi omogućuje razvoj i opravdanje strategije gospodarskog razvoja poduzeća u kratkom vremenu, uzimajući u obzir utjecaj promjena u vanjskom okruženju.

Korištenje tehnologije kognitivnog modeliranja omogućuje proaktivno djelovanje i ne dovođenje potencijalno opasnih situacija na razinu prijeteće i konfliktne, a u slučaju njihove pojave donositi racionalne odluke u interesu poduzeća.

Individualni rad

Kognitivno modeliranje

Uvod

1. Pojmovi i suština "Kognitivnog modeliranja" i "Kognitivne mape"

2. Problemi kognitivnog pristupa

Zaključak

Popis korištene literature

UVOD

Sredinom 17. stoljeća slavni filozof i matematičar René Descartes izrekao je aforizam koji je postao klasik: "Cogito Ergo Sum" (Mislim, dakle postojim). Latinski korijen cognito ima zanimljivu etimologiju. Sastoji se od dijelova "co-" ("zajedno") + "gnoscere" ("znam"). U engleskom jeziku postoji cijela obitelj izraza s ovim korijenom: "cognition", "cognize" itd.

U tradiciji koju smo označili pojmom "spoznajna" vidljivo je samo jedno "lice" mišljenja - njegova analitička bit (sposobnost rastavljanja cjeline na dijelove), razlaganja i reduciranja stvarnosti. Ova strana mišljenja povezana je s identifikacijom uzročno-posljedičnih veza (kauzaliteta), što je svojstveno razumu. Očigledno je Descartes apsolutizirao razum u svom algebarskom sustavu. Drugo "lice" misli je njezina sintetizirajuća bit (sposobnost da se iz nepredrasuđene cjeline konstruira cjelina), sagledava stvarnost intuitivnih oblika, sintetizira rješenja i anticipira događaje. Ova strana razmišljanja, otkrivena u Platonovoj filozofiji i njegovoj školi, svojstvena je ljudskom umu. Nimalo slučajno u latinskim korijenima nalazimo dvije osnove: ratio (racionalni odnosi) i reason (razumno pronicanje u bit stvari). Racionalno lice misli potječe od latinskog reri ("misliti"), vraćajući se starolatinskom korijenu ars (umjetnost), zatim pretvorenom u moderni koncept umjetnosti. Dakle, razum (razuman) je misao srodna djelu umjetnika. Kognitivno kao "razum" znači "sposobnost razmišljanja, objašnjavanja, opravdavanja radnji, ideja i hipoteza".

Za "jaku" spoznaju bitan je poseban, konstruktivan status kategorije "hipoteza". Upravo je hipoteza intuitivno polazište za dedukciju slike rješenja. Pri razmatranju situacije donositelj odluke otkriva u situaciji neke negativne poveznice i strukture („prekide“ u situaciji) koje treba zamijeniti novim objektima, procesima i odnosima koji eliminiraju negativan utjecaj i stvaraju jasno izražen pozitivan učinak. Ovo je bit upravljanja inovacijama. Paralelno s otkrivanjem situacijskih "lomova", često kvalificiranih kao "izazovi" ili čak "prijetnje", subjekt upravljanja intuitivno zamišlja neke "pozitivne odgovore" kao cjelovite slike stanja buduće (usklađene) situacije.

Kognitivna analiza i modeliranje temeljno su novi elementi u strukturi sustava za potporu odlučivanju.

Tehnologija kognitivnog modeliranja omogućuje vam da istražite probleme s nejasnim čimbenicima i odnosima; - uzmete u obzir promjene u vanjskom okruženju; - koristite objektivno utvrđene trendove u razvoju situacije u vlastitom interesu.

Takve tehnologije dobivaju sve više povjerenja struktura uključenih u strateško i operativno planiranje na svim razinama iu svim područjima upravljanja. Korištenje kognitivnih tehnologija u gospodarskoj sferi omogućuje vam da u kratkom vremenu razvijete i opravdate strategiju gospodarskog razvoja poduzeća, banke, regije ili cijele države, uzimajući u obzir utjecaj promjena u vanjskom okruženju. U području financija i burze kognitivne tehnologije omogućuju uzimanje u obzir očekivanja tržišnih sudionika. U vojnom području i području informacijske sigurnosti korištenje kognitivne analize i modeliranja omogućuje suprotstavljanje strateškom informacijskom oružju, prepoznavanje sukobljenih struktura bez dovođenja sukoba u fazu oružanog sukoba.

1. Pojmovi i suština "Kognitivnog modeliranja" i "Kognitivne mape"

Axelrod je predložio metodologiju kognitivnog modeliranja dizajniranu za analizu i donošenje odluka u loše definiranim situacijama. Temelji se na modeliranju subjektivnih predodžbi eksperata o situaciji i uključuje: metodologiju za strukturiranje situacije: model za reprezentaciju ekspertnog znanja u obliku potpisanog digrafa (kognitivne mape) (F, W), gdje je F skup čimbenika situacije, W je skup uzročno-posljedičnih odnosa između čimbenika situacija; metode analize situacije. Trenutno se metodologija kognitivnog modeliranja razvija u smjeru poboljšanja aparata za analizu i modeliranje situacije. Ovdje se predlažu modeli za predviđanje razvoja situacije; metode za rješavanje inverznih problema

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

Kognitivne karte nastaju i modificiraju se kao rezultat aktivne interakcije subjekta s vanjskim svijetom. U tom slučaju mogu se formirati kognitivne karte različitog stupnja općenitosti, "razmjera" i organiziranosti (na primjer, pregledna karta ili karta puta, ovisno o cjelovitosti prikaza prostornih odnosa i prisutnosti izražene referentne točke ). Ovo je subjektivna slika, koja ima, prije svega, prostorne koordinate, u kojima su pojedini percipirani objekti lokalizirani. Izdvaja se karta puta kao sekvencijalni prikaz poveznica između objekata na određenoj ruti, a pregledna karta kao istovremeni prikaz prostornog rasporeda objekata.

Vodeća znanstvena organizacija u Rusiji koja se bavi razvojem i primjenom tehnologije kognitivne analize je Institut za probleme upravljanja Ruske akademije znanosti, pododjel: Sektor-51, znanstvenici Maksimov V.I., Kornoushenko E.K., Kachaev S.V., Grigoryan A.K. i drugi. Ovo predavanje temelji se na njihovim znanstvenim radovima iz područja kognitivne analize.

Tehnologija kognitivne analize i modeliranja (Slika 1) temelji 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 ciljanih i nepoželjnih stanja objekta upravljanja i najznačajnijih (osnovnih) čimbenika upravljanja i vanjskog okruženja koji utječu na prijelaz objekta u ta stanja, kao i uspostavljanje uzročne veze između njih na kvalitativnoj razini, uzimajući u obzir međusobni utjecaj čimbenika na druge.

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

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

Odabir osnovnih čimbenika provodi se primjenom PEST-analize, koja razlikuje četiri glavne skupine čimbenika (aspekata) koji određuju ponašanje proučavanog objekta (slika 2):

P olicy - politika;

E ekonomija - ekonomija;

S ociety - društvo (sociokulturni aspekt);

T eknologija – tehnologija

Slika 2. Čimbenici PEST analize

Za svaki pojedini složeni objekt postoji poseban skup najznačajnijih čimbenika koji određuju njegovo ponašanje i razvoj.

PEST-analiza se može smatrati varijantom sistemske analize, budući da su čimbenici koji se odnose na navedena četiri aspekta općenito usko povezani i karakteriziraju različite hijerarhijske razine društva kao sustava.

U ovom sustavu postoje određujuće veze usmjerene od nižih razina hijerarhije sustava prema višima (znanost i tehnologija utječu na ekonomiju, ekonomija na politiku), kao i obrnute i međurazinske veze. Promjena bilo kojeg čimbenika kroz ovaj sustav veza može utjecati na sve ostale.

Te 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 pportunities - mogućnosti;

T hreats - prijetnje.

Slika 3. Čimbenici SWOT analize

Uključuje analizu prednosti i slabosti razvoja predmeta koji se proučava u njihovoj interakciji s prijetnjama i prilikama te vam omogućuje da odredite stvarna problematična područja, uska grla, šanse i opasnosti, uzimajući u obzir čimbenike okoliša.

Mogućnosti se definiraju kao okolnosti koje doprinose povoljnom razvoju objekta.

Prijetnje su situacije u kojima se objektu može oštetiti, na primjer, može se poremetiti njegovo funkcioniranje ili izgubiti postojeće prednosti.

Na temelju analize različitih mogućih kombinacija snaga i slabosti s prijetnjama i prilikama formira se problemsko polje proučavanog objekta.

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

Dostupnost takvih informacija temelj je za utvrđivanje ciljeva (pravaca) razvoja i načina za njihovo postizanje te izradu strategije razvoja.

Kognitivno modeliranje na temelju provedene situacijske analize omogućuje pripremu alternativnih rješenja za smanjenje stupnja rizika u identificiranim problematičnim područjima, predviđanje mogućih događaja koji mogu najteže utjecati na položaj objekta koji se modelira.

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

stol 1

Faze kognitivne tehnologije i rezultati njezine primjene

Umjetničko ime	Obrazac za prezentaciju rezultata
1. Kognitivno (kognitivno-ciljano) strukturiranje znanja o predmetu koji se proučava i njegovom vanjskom okruženju na temelju PEST-analize i SWOT-analize: Analiza početne situacije oko objekta koji se proučava s izdvajanjem osnovnih čimbenika koji karakteriziraju ekonomske, političke i druge procese koji se odvijaju u objektu iu njegovom makrookruženju i utječu na razvoj objekta. 1.1 Identifikacija čimbenika koji karakteriziraju prednosti i slabosti predmeta koji se proučava 1.2 Identifikacija čimbenika koji karakteriziraju mogućnosti i prijetnje iz vanjskog okruženja objekta 1.3 Izgradnja problemskog polja predmeta koji se proučava	Izvještaj o sustavnoj konceptualnoj studiji objekta i njegove problematike
2. Izgradnja kognitivnog modela razvoja objekta - formalizacija znanja dobivenog u fazi kognitivnog strukturiranja 2.1 Identifikacija i opravdanost čimbenika 2.2 Uspostavljanje i opravdavanje odnosa između čimbenika 2.3 Izrada graf modela	Računalni kognitivni model objekta u obliku usmjerenog grafa (i matrice faktorskih odnosa)
3. Scenarijska studija trendova razvoja situacije oko proučavanog objekta (uz podršku programskih sustava "SITUACIJA", "KOMPAS", "KIT") 3.1 Određivanje svrhe studije 3.2 Određivanje scenarija studija i njihovo modeliranje 3.3 Identifikacija trendova u razvoju objekta u njegovom makrookruženju 3.4 Tumačenje rezultata studije scenarija	Izvješće o studiji scenarija, s tumačenjem i zaključcima
4. Razvoj strategija za upravljanje situacijom oko objekta koji se proučava 4.1 Definicija i obrazloženje cilja kontrole 4.2 Rješenje inverznog problema 4.3 Odabir strategija upravljanja i njihovo raspoređivanje prema kriterijima: mogućnost postizanja cilja; rizik od gubitka kontrole nad situacijom; rizik od hitnim slučajevima	Izvješće o razvoju strategija upravljanja s obrazloženjem strategija za različite kriterije kvalitete upravljanja
5. Traženje i obrazloženje strategija za postizanje cilja u stabilnim ili promjenjivim situacijama Za stabilne situacije: a) izbor i obrazloženje cilja upravljanja; b) izbor mjera (upravljanja) za postizanje cilja; c) analiza temeljne mogućnosti ostvarenja cilja iz Trenutna država situacije s korištenjem odabranih aktivnosti; d) analiza stvarnih ograničenja u provedbi odabranih aktivnosti; e) analiza i opravdanje stvarne mogućnosti ostvarenja cilja; f) razvoj i usporedba strategija za postizanje cilja prema: blizini rezultata upravljanja planiranom cilju; troškovi (financijski, fizički, itd.); po prirodi posljedica (reverzibilnih, nepovratnih) provedbe ovih strategija u stvarnoj situaciji; prema riziku od hitnih slučajeva Za promjenjive situacije: a) izbor i obrazloženje trenutnog cilja upravljanja; b) u odnosu na trenutni cilj vrijede prethodni stavci b-e; c) analiza promjena koje se događaju u situaciji i njihov prikaz u grafičkom modelu situacije. Idite na korak a.	Izvješće o razvoju strategija za postizanje cilja u stabilnim ili promjenjivim situacijama
6. Izrada programa za implementaciju strategije razvoja proučavanog objekta na temelju dinamičkog simulacijskog modeliranja (uz podršku programskog paketa Ithink) 6.1 Raspodjela sredstava po područjima i vremenu 6.2 Koordinacija 6.3 Provedba	Program provedbe strategije razvoja objekta. Računalni simulacijski model razvoja objekta

2. Problemi kognitivnog pristupa

Danas mnoge napredne zemlje "promiču" ekonomiju temeljenu na znanju i učinkovitom upravljanju. Intelektualno vlasništvo postaje najvrednija roba države. Suština modernog i budući rat postaje sukob između intelektualaca. U takvim uvjetima neizravna i netradicionalna djelovanja najprikladniji su načini za postizanje geopolitičkih ciljeva, pa je stoga informacijsko oružje od velike važnosti. Postoje dva koncepta razvoja strateškog oružja s različitim ulogama strateškog informacijskog oružja (SW). Prva generacija SPI je sastavni dio strateško oružje zajedno s drugim vrstama strateškog oružja i konvencionalnog oružja.

Druga generacija SIS-a neovisna je, radikalno nova vrsta strateškog oružja koja je nastala kao rezultat informacijske revolucije i koristi se u novim strateškim pravcima (primjerice, ekonomskim, političkim, ideološkim itd.). Vrijeme izloženosti takvom oružju može biti puno duže - mjesec, godinu ili više. Druga generacija SIO bit će sposobna izdržati mnoge druge vrste strateškog oružja i činit će jezgru strateškog oružja. Situacije koje nastaju kao rezultat primjene SIO-2 predstavljaju prijetnju sigurnosti Rusije i karakterizirane su nesigurnošću, nejasnom i nejasnom strukturom, utjecajem veliki broj heterogenih čimbenika i prisutnost mnogih alternativnih mogućnosti razvoja. To dovodi do potrebe za primjenom netradicionalnih metoda koje omogućuju proučavanje geopolitičkih, informacijskih i drugih procesa koji se odvijaju u Rusiji i svijetu, u agregatu i interakciji kako međusobno, tako i s vanjskim nestabilnim okruženjem. Kognitivno modeliranje je namijenjeno za strukturiranje, analiziranje i donošenje menadžerskih odluka u složenim i neizvjesnim situacijama (geopolitičkim, unutarnjopolitičkim, vojnim itd.), u nedostatku kvantitativnih ili statističkih informacija o procesima koji se odvijaju u takvim situacijama.

Kognitivno modeliranje omogućuje ekspresni način

u kratkom roku na visokoj razini kvalitete:

- procijeniti situaciju i analizirati međusobni utjecaj postojećih čimbenika koji određuju moguće scenarije razvoja situacije;

- prepoznati trendove u razvoju situacija i stvarne namjere njihovih sudionika;

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

- utvrditi moguće mehanizme interakcije između sudionika u situaciji kako bi se postigao njezin svrhoviti razvoj u interesu Rusije;

- razviti i potkrijepiti smjernice za upravljanje situacijom u interesu Rusije;

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

Korištenje tehnologije kognitivnog modeliranja omogućuje proaktivno djelovanje i ne dovođenje potencijalno opasnih situacija u prijeteće i konfliktne situacije, au slučaju njihove pojave, donošenje racionalnih odluka u interesu ruskih subjekata.

Za poslove koji se odnose na organizacijski sustavi, problem nesigurnosti u opisu i modeliranju funkcija sudionika nije metodološki, već inherentan samom predmetu istraživanja. moguće razne produkcije zadaće upravljanja situacijom ovisno o cjelovitosti dostupnih informacija sudionicima o situaciji i o drugim sudionicima, posebno traženje rezonantnih i sinergijskih učinaka, kada je poboljšanje situacije uz istovremeni utjecaj više sudionika na veći je od “kombinacije” pozitivnih učinaka svakog od sudionika zasebno.

Sa stajališta znanosti o upravljanju, danas je posebno važno koristiti meko rezonantno upravljanje složenim socioekonomskim sustavima, čije umijeće leži u metodama samoupravljanja i samokontrole sustava. Slabi, tzv. rezonantni fenomeni, izuzetno su učinkoviti za "odmotavanje" ili samoupravljanje, jer odgovaraju internim trendovima u razvoju složenih sustava. Glavni problem je kako s malim rezonantnim utjecajem gurnuti sustav na jednu svoju i povoljnu razvojnu stazu, kako osigurati samoupravljanje i samoodrživi razvoj (samopromociju).

Zaključak

Korištenje kognitivnog modeliranja otvara nove mogućnosti predviđanja i upravljanja u različitim područjima:

u gospodarskoj sferi to omogućuje da se u kratkom vremenu razvije i opravda strategija gospodarskog razvoja poduzeća, banke, regije ili čak cijele države, uzimajući u obzir utjecaj promjena u vanjskom okruženju;

u području financija i burze – voditi računa o očekivanjima tržišnih sudionika;

u vojnom području i području informacijske sigurnosti - suprotstaviti se strateškom informacijskom oružju, unaprijed prepoznati konfliktne strukture i razviti odgovarajuće mjere odgovora na prijetnje.

Kognitivno modeliranje automatizira neke od funkcija kognitivnih procesa, pa se oni mogu uspješno primijeniti u svim područjima u kojima je samospoznaja tražena. Ovdje su samo neka od ovih područja:

1. Modeli i metode inteligentnog informacijske tehnologije te sustavi za izradu geopolitičkih, nacionalnih i regionalnih strategija društveno-ekonomskog razvoja.

2. Modeli opstanka "mekih" sustava u promjenjivim okruženjima s nedostatkom resursa.

3. Situacijska 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 računalne analize problemskih situacija.

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

8. Praćenje problema u društveno-ekonomskom razvoju poduzeća, regije, grada, države.

9. Tehnologija kognitivnog modeliranja svrhovitog razvoja regije Ruske Federacije.

10. Analiza razvijenosti regije i praćenje problematičnih stanja u ciljanom razvoju regije.

11. Modeli oblikovanja 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 regija, banaka, korporacija (i drugih objekata) u kriznim uvjetima nakon odgovarajuće obuke.

Popis korištene literature

1. http://www.ipu.ru

2. http://www.admhmao.ru

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

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

5. Maksimov V.I., Kachaev S.V., Kornoushenko E.K. Konceptualno modeliranje i praćenje problematičnih i konfliktne situacije uz ciljani razvoj regije. U subotu " Moderne tehnologije upravljanje za uprave gradova i regija". Fond „Problemi upravljanja", M. 1998.