Наряду с методикой ситуационного анализа, хотелось бы обратить внимание на еще один вариант получения экспертных заключений. Он связан с работами отечественного исследователя В. Б. Тихомирова и чрезвычайно интересен в силу доступности техники, сочетающей качественные и количественные оценки ситуации. Описание методики содержится во многих авторских публикациях, однако эмпирические иллюстративные материалы обычно затрудняют ее целостное восприятие, В этой связи следует остановиться на некоторых общих характеристиках методической процедуры, которая заключается в поэтапной фиксации количественных показателей интенсивности распределения важнейших характерных признаков составных элементов системного объекта.
Применение методики предполагает следующие процедуры:
■ построение общего проблемного графа ситуации;
■ оценку соотношения политических сил акторов;
■ формулирование гипотетических вариантов развития ситуации;
■ оценку вероятности отдельных вариантов развития событий с учетом интересов различных акторов и их возможностей влияния на события в желаемом направлении.
|
|
Простейшим примером перехода от качественных к количественным показателям, который применяется экспертами в рамках приведенной методики, является определение относительной значимости того или иного фактора в комплексе взаимосвязанных переменных. Так, если влияние партии на избирателей, по заключению экспертов, зависит от массовой социальной базы, материальных ресурсов, уровня внутренней организации, политической программы, популярности лидера, возможностей коалиционного взаимодействия и т.д., то экспертам предлагается исходить из того, что общий потенциал участника избирательной борьбы составляет единицу (100%), а значимость отдельных переменных должна быть оценена в долях от этой величины.
Исследовательская техника, аналогичная методике В. Б. Тихомирова, предлагается и в некоторых зарубежных публикациях конца 90-х годов для изучения процессов политической нестабильности в условиях полиэтничных государств.
Экспертные оценки как особый вид прикладной аналитической методики очень привлекательны своей оперативностью и результативностью. Будучи по своей сути междисциплинарными и требуя даже в случаях качественных описаний четких количественных характеристик, они стимулируют творческий процесс и, что немало важно, с энтузиазмом воспринимаются молодыми специалистами. В этой связи применение различных вариантов методики экспертных оценок в исследовании политических ситуаций и процессов может рассматриваться как перспективное направление прикладного анализа проблем, характеризующихся высокой степенью неопределенности. Однако необходимо учитывать, что на основе экспертных заключений все же не удается полностью преодолеть элементы субъективизма, гарантировать абсолютную адекватность выводов, проводить полноценную верификацию, а главное — осуществлять надежное долгосрочное прогнозирование. Поэтому даже при соблюдении достаточной корректности применения того или иного варианта экспертных оценок материалы, полученные на их основе, необходимо рассматривать с учетом заключений, подготовленных другими способами.
|
|
Но все эти недостатки методики относительно нивелируются за счет одного самого существенного достоинства: экспертные оценки дисциплинируют мышление и акцентируют проблему человеческого фактора как информационного ресурса особого рода.
Ключевые понятия
Граф — конечная совокупность множества точек (вершин). Некоторые из вершин графа соединены линиями, и эти соединения называются ребрами. Если каждые две вершины соединены ребрами, такой граф называется полным. Каждый граф можно представить в евклидовом пространстве множеством точек, которые соединены множеством линий, соответствующих ребрам. В трехмерном пространстве можно представить граф таким образом, что линии не пересекаются зо внутренних точках. Графы часто используются для логических проблем, включающих задачи перебора вариантов экспертных решений.
Древо — производное понятие из теории графов. Дерево — это связанный, но неориентированный граф, не содержащий циклов (обратных соединений). Дерево не имеет кратных ребер и петель.
Задачи экспертизы — в задачи работы экспертной комиссии часто входит не только (а иногда не столько) оценка имеющихся ситуаций (объектов, факторов), но и имитационное построение самих ситуаций. Например, эксперты могут составить несколько сценариев развития той
или иной ситуации в зависимости от определяющих внешних факторов. Эти сценарии могут рассматриваться как экспертно созданные ситуации.
Критерий — решающее правило, определяющее выбор альтернатив. Известно несколько статистических критериев, позволяющих оценить степень определенности заключения. Однако часто приходится сталкиваться с ситуацией, когда разные, хотя и обоснованные критерии приводят к различным результатам.
Нормирование — производится на основании учета мнения эксперта о значимости каждого оцениваемого фактора относительно других факторов, составляющих предмет анализа.
При наличии большого числа альтернатив (более семи) применение метода последовательных сравнений становится чрезмерно трудоемким.
Проблема — ситуация, в которой имеется два состояния: существующее и предлагаемое, или желательное. Таким образом, каждая проблема характеризуется необходимостью изменения состояния, а решение на основе экспертных оценок устанавливает, каким образом будет совершен переход от существующего состояния к предполагаемому.
Ранжирование — представление объектов в виде последовательности в соответствии с убыванием их предпочтительности. Ранг (балл) — это показатель, характеризующий порядковое место оцениваемого объекта или явления в группе других объектов (явлений), обладающих существенными для оценки свойствами. Обычно наиболее предпочтительному объекту присваивается первый ранг, а наименее предпочтительному — последний. Ранговые оценки имеет смысл сравнивать только по отношению «больше—меньше», «лучше—хуже». Порядковая шкала, получаемая в результате ранжирования, должна удовлетворять условию равенства числа рангов числу ранжированных объектов.
|
|
Ситуационный анализ — процедура проведения экспертного совещания по актуальной политической проблеме в соответствии со специальными правилами организации обсуждения и обобщения результатов.
Сравнение. Когда необходимо более точно установить соотношение между сопоставляемыми объектами (факторами), то для оценки предпочтения может быть использован метод сравнений. При этом проводится следующая процедура: 1) объекты располагаются в порядке их важности (как и при ранжировании); 2) наиболее важному объекту приписывается оценка, равная единице, а остальным (соответственно степени их важности) — оценки между нулем и единицей; 3) далее оценка первого объекта сравнивается с суммой оценок всех остальных объектов и при необходимости корректируется таким образом, чтобы она была заключена между несколько большей суммой всех остальных объектов и несколько меньшей суммой всех остальных объек-
тов без некоторого количества самых менее значимых; 4) далее про цедура пункта 3 повторяется для объекта 2, но без объекта 1 до тех пор, пока не будет оценен предпоследний объект. Статистический анализ — собирательное понятие для ряда математичес ких приемов обработки количественной информации, основные теп деиции распределения показателей и степень корреляции между от дельными показателями.
Шкала — средство измерения, позволяющая соотнести некоторые признаки с числовыми характеристиками. Основные шкалы, используемые в практике измерений, можно подразделить на следующие классы: 1) номинальные шкалы — моделируют отношения типа «равен ство—неравенство» (например, внутриполитические—международные проблемы, вооруженные столкновения—политические декларации);
2) порядковые шкалы (числовые, ординарные) позволяют сравнивать
обсуждаемые величины в терминах «больше—меньше», «лучше—хуже»,
«быстрее—медленнее», примером порядковой шкалы могут выступать
различные рейтинги. Разновидностью порядковой шкалы является так
называемая процентная, или относительная, шкала (па сколько %);
|
|
3) интервальные шкалы — измеряют, на сколько и во сколько раз
различаются изучаемые величины (доход на душу населения, пере
стрелки, имевшие место в течение месяца, обмен дипломатическими
посланиями в текущем году по сравнению с предыдущим). Все типы
шкал могут служить мерами оценки показателей поведения исследуе
мых объектов.
Эксперт — лицо, готовящее или принимающее решение в условиях неопределенности; эксперт должен быть признанным авторитетом в проблемной области.
Экспертиза — проведение группой экспертов измерения некоторых характеристик для подготовки принятия решения. Отличительная особенность экспертизы как процедуры измерения состоит в том, что в качестве приборов выступают люди (либо потому, что сами объекты или их характеристики субъективны, либо потому, что пока просто не существует объективных приборов измерения этих характеристик).
Экспертная оценка — авторитетное мнение эксперта по какой-либо проблеме, находящейся в сфере его компетенции. Экспертная оценка с методической точки зрения всегда является вариантом измерения, которое стремится к максимально возможной точности.
Вопросы и задания для обсуждения
1. Какова роль экспертных заключений во внутриполитической и внешнеполитической практике?
2. Какие виды экспертных оценок и направления их использования вам известны?
3. Назовите основные этапы прикладного политического исследования на основе применения экспертных оценок.
4. Представления о каких количественных процедурах обработки данных необходимы организаторам экспертного совещания?
5. Охарактеризуйте экспертное совещание как особый вид коллективной экспертизы в сфере политической практики (подготовка, правила организации и проведения).
6. Расскажите о ситуационном анализе в сфере политической практики (подготовка, правила организации и проведения).
7. Предложите несколько возможных тем ситуационного анализа для проведения в рамках учебного процесса и примерный сценарий его проведения.
Литература
Основная
Бешелев С. Д., Гурвич Ф. Г. Экспертные оценки. М., 1978.
Дзлиев А/. //. Информационно-анализирующая система оценки социально-политической стабильное™ в регионе. М., 1992.
Симонов К., Федоров В. Ситуационный анализ: январь—июнь 1997 года — властные структуры федерального центра // Россия: новый этап либеральных реформ. М., 1997.
Ядерная программа КНДР: перспективы развития. Ситуационный анализ. Ноябрь 2003 г., МГИМО(У) МИД РФ под руководством академика Е. М. Примакова// Россия в глобальной политике. 2004. № 1.
Иракский кризис и перспективы урегулирования. Ситуационный анализ. Апрель 2004 г., МГИМО(У) МИД РФ под руководством академика Е. М. Примакова// Россия к глобальной политике. 2004. № 3.
Дополни тел ьная
Акимов В. П. Математика для политологов. М.: МГИМО, 2003.
Жуков А. Д. Системное исследование конкретных ситуаций в международных отношениях с использованием экспертных оценок. М., 1978.
Косолапое її. А. Политика, экспертиза, общество: узлы взаимозависимости // Pro et Contra. 2003. Т. 8. № 2.
Глава 6
ПРИМЕНЕНИЕ МАТЕМАТИЧЕСКИХ СРЕДСТВ В ПРИКЛАДНОМ ИЗУЧЕНИИ ПОЛИТИЧЕСКИХ ОТНОШЕНИЙ
Интеграция гуманитарного и точного знания. Правила формализации содержательной информации. Количественные методики обработки данных. Динамические модели п изучении комплексных систем. Достоинства и ограничения количественных исследований. Перспективы междисциплинарного подхода.
^ -| Опыт междисциплинарных ^ политических исследований
Ученые-политологи и международники все чаще обращаются к междисциплинарному методическому инструментарию, что позволяет им расширить спектр традиционных аналитических подходов, ориентированных на изучение качественных характеристик различных явлений, и повысить точность прогнозных оценок. Количественные и некоторые другие методы из области естественнонаучных дисциплин давно взяты на вооружение специалистами-гуманитариями, которые во многом опираются на опыт эмпирической социологии. Вместе с тем применение математических средств для прикладного изучения политических отношений является самостоятельной проблемой. Использование количественных показателей и измерений в политических исследованиях неизменно вызывает множество критических замечаний. Противники использования математических средств аргументируют свою точку зрения тем, что политическое поведение не может и не должно изучаться с тех же позиций и теми же способами, которыми изучается природная среда. Несмотря на продолжающуюся дискуссию, пик которой пришелся на 70-80-е годы XX в., количественный подход сохраняет популярность, а проблема использования математики в прикладном изучении политических ситуа-
ций и процессов является одним из ключевых вопросов развития этой области.
Первые массированные попытки использования математики в прикладных политических исследованиях связаны со становлением модернизма как направления научной мысли. Однако достигнутый к 60-м годам уровень применения математических средств явился итогом во многом искусственно форсированного процесса, что привело к завышенным представлениям о возможностях количественных исследований. Необходимо, однако, подчеркнуть и другой аспект проблемы интеграции гуманитарного и точного знания в контексте изучения политики. Как отмечает Т. Саати: «Политика, имеющая дело с проблемами фантастической сложности, нуждается в едином языке... Существует потребность в последовательной и универсальной логике и точных методах для оценки влияния той или иной политики на достижения поставленных целей. Нужно научиться ясно представлять сложные структуры, чтобы принимать правильные решения»1.
Математические средства, применяемые сегодня в политических исследованиях по страновой и международной проблематике, в подавляющем большинстве случаев были заимствованы из смежных социальных дисциплин, которые, в свою очередь, почерпнули их из естественных наук. Среди математические средств, применяемых сегодня в сфере изучения политики, принято выделять следующие типы: средства математической статистики, аппарат алгебраических и дифференциальных уравнений, средства «нефизического» происхождения — теория игр, моделирование на ЭВМ, информационно-логические системы, «неколичественные разделы» математики.
Исследования на их основе получили серьезную разработку в трудах, прежде всего, американских ученых, а обращение к количественным методам особенно широко апробировалось при анализе предвыборной борьбы и конфликтной проблематики. Однако общее развитие количественных исследований сдерживается недостаточным уровнем теоретических представлений в области политологии, т.е. сугубо гуманитарного знания о состоянии и функционировании политической системы в рамках отдельного государства и системы международных отношений в целом. В то же время применение количественных методов оправдано, так как они, во-первых, позволяют вычленить ранее не очевидные взаи-
мосвязи между субъектами внутриполитических и международных отношений, во-вторых, исключительно важны при определении скрытых ресурсов и возможностей взаимодействия акторов и, в-третьих, необходимы для уточнения альтернатив вероятных сценариев развития обстановки и способов действия.
Следует отметить, что применение количественных методов в исследовании политических процессов осложнено рядом обстоятельств. Большинство существующих политологических концепций и вытекающих из них способов анализа ситуации с трудом поддаются формализации. Кроме того, в такой области знаний, как политология, часто приходится учитывать наличие достаточно большого числа субъективных моментов, объектов, которые не поддаются расчленению, большую степень неопределенности и высокий уровень динамизма. Необходимо также иметь в виду, что в ряде случаев труднопреодолимым препятствием для формулирования корректных выводов может стать недостаток информации.
<~у Квантификация и формализация содержательных моделей политических ситуаций и процессов
Эффективность использования математики в политических исследованиях во многом определяется техникой формализации и квантификации содержательных моделей. В этой связи трансформация вербальной формы информации в графическую и числовую предполагает не только логическую стройность исходных концептуальных построений, но и учет некоторых ограничений: концептуальные модели должны позволять формализовать имеющийся информационный массив до количественно измеряемых показателей; при построении прогнозов на основе использования формализованных методик следует учитывать, что с их помощью можно просчитать лишь ограниченное количество вариантов в строго определенных сферах приложения.
Основными компонентами форматизации с целью последующего применения квантификации, как правило, являются следующие: разработка гипотез и выработка системы категорий; выбор способов получения выводов и логика преобразований теоретических знаний в практические следствия; выбор математического отображения, адекватно применяемой теории.
Следует отметить, что, как правило, наиболее трудно разрешимы проблемы, возникающие при построении системы гипотез и категорий. Гипотеза должна представлять собой такую теоретическую конструкцию, которая, с одной стороны, адекватно отображала бы качественные стороны объекта исследования, а с другой — предусматривала расчленение объекта на формализуемые и измеряемые единицы либо вычленение системы индикаторов, адекватно отражающих состояние объекта и происходящие в нем изменения.
К категориям, применяемым в процессе формализации, также предъявляются особые требования. Они должны соответствовать не только теоретическим подходам и системе гипотез, но и критериям математической четкости, т.е. быть операциональными. Оптимальным вариантом представляется построение категориального аппарата по принципу «пирамиды», чтобы содержание наиболее обобщенных категорий поступенчато раскрывалось категориями, охватывающими конкретные явления, и сводилось бы к категориям, выходящим на количественно измеряемые показатели.
Д |
анные, необходимые для прикладного количественного исследования, легче получить и обобщить в области естественных, нежели гуманитарных, наук. Сравнивая эксперименты в физике или химии, где критически важные переменные могут быть точно измерены, а внешние факторы четко зафиксированы, число факторов, влияющих на политическое поведение, столь велико, что выдвигаемые гипотезы могут оказаться недостаточно полными. Кроме того, гуманитарные исследования обычно включают большое число переменных и, как правило, лишь небольшое число изученных примеров, что осложняет установление причинно-следственных связей.
Формализация политологических категорий и системы гипотез, построение на этой основе модели ситуации предполагают, что в рамках формального описания необходимо изложить возможно большее число представлений в возможно более емкой форме. На данной стадии важными моментами являются обобщения и упрощение международных процессов и явлений. Наибольшую трудность представляет собой перевод качественных категорий в количественную (измеряемую) форму, который, по существу, сводится к оценке значимости каждой категории. Саму же качественную категорию обычно представляют в виде пространства логических возможностей (разведение крайних точек), что в некоторой степени позволяет преодолеть проблему дискретности
измерений, и на базе сформированных переменных строят ту или иную конкретную модель ситуации.
Таким образом, итогом формализации выступает модель, определяемая парой множеств: множеством переменных-параметров и множеством отношений, связывающих значения этих переменных. В этом качестве модель может служить базисом для решения обычных вычислительных задач. Построение формализованной модели предполагает продолжение исследования путем применения квалифицированных методик, основанных на математических средствах обработки и анализа информации. К наиболее распространенным математическим средствам, применяемым в сфере прикладного анализа внутриполитических и международных отношений, относятся: анализ при помощи простых и сложных индикаторов, факторный анализа, анализ корреляций, регрессий, тенденций, спектральный анализ и экстраполяция.
■ Анализ при помощи простых и сложных индикаторов. Данный метод положен в основу создания большинства современных информационных банков, в которые постоянно вносятся сведения о событиях, происходящих в определенной стране, регионе или мире. Часто одному абстрактному понятию соответствует несколько индикаторов, в таком случае на базе этих простых индикаторов формируется сложный индикатор или индекс.
■ Факторный анализ. Применяется в тех случаях, когда имеются причины для ограничения количества индикаторов (переменных). Основная идея метода заключается в том, что индикаторы, тесно скоррелированные друг с другом, указывают на одну и ту же причину. Среди имеющихся индикаторов при помощи компьютера отыскиваются такие их группы, которые имеют высокий уровень (значение) корреляции, и на их базе создаются так называемые комплексные переменные, которые объединены единым коэффициентом корреляции. Для выполнения какой-либо разновидности факторного анализа необходима ЭВМ со специальной программой, способной на базе индикаторов сформировать факторы.
■ Анализ корреляций. В ряде случаев возникает необходимость доказать наличие или отсутствие зависимости между двумя переменными. При этом первоначальное значение будет иметь сам факт наличия отношений зависимости, а также ее степень. Если исследователь располагает достаточным
объемом информации, то при помощи ЭВМ он в состоянии выяснить наличие корреляции и вычислить ее коэффициент, т.е. степень взаимодействия. На практике задача обычно бывает усложнена тем, что требуется выяснить отношения между тремя, четырьмя и более независимыми переменными либо определить влияние одной переменной или целой группы на другую группу переменных, что значительно усложняет математические расчеты.
■ Анализ регрессий. Данный метод используется в тех случаях, когда необходимо не только выяснить наличие зависимости, но и показать ее характер, т.е. выяснить, что является причиной (независимой переменной), а что — следствием (зависимой переменной). В таких случаях составляется уравнение функциональной зависимости, где х зависим от у с соответствующими коэффициентами регрессии. Регрессия может быть линейной (чем больше х, тем больше у; график выражен прямой, идущей вверх). Таким образом, например, рассчитывается уровень милитаризации — расходы на оборону являются функцией от валового национального продукта. В ряде случаев зависимость бывает непрямой, и тогда мы имеем дело с анализом нелинейных регрессий (т.е. функцией, описывающей более сложные отношения зависимости, график имеет форму параболы).
■ Анализ тенденций используется в основном в прогностических целях для описания будущих отношений причины и следствия (взаимосвязи двух переменных, одна из которых является независимой). Поскольку количественные показатели отношений для характеристики будущего неизвестны, в уравнении регрессии, описывающем их отношения в настоящем, независимая переменная заменяется на время, числовые значения которого в будущем известны. Данный прием имеет свои недостатки, поскольку игнорируются будущие значения показателя причины т, возможность изменения зависимости между переменными. Для анализа тенденции собирают возможно большее число данных с возможно малыми временными интервалами и вычисляют скорость эволюции системы, после чего строят график, на основе которого составляют уравнение регрессии и оценивают его параметры. Далее приступают непосредственно к прогнозу, т.е. вычисляют будущие значения показателя след-
■
ствия с помощью уравнения регрессии, и продолжают график, после чего осуществляют интерпретацию результатов.
и Спектральный анализ. Эта методика показывает фундаментальные колебания в сложных эволюционизирующих структурах, с ее помощью вычисляется частота и продолжительность фазы. Основой метода служит выделение структуры колебательного процесса (например, популярность правительства) и построение графика синусоидальных колебаний. Для этого собирают хронологические данные, вычисляют уравнение колебания и создают циклы, на базе которых строятся графики.
■ Экстраполяция. Методика представляет собой экстраполяцию событий и явлений прошлого на будущий период, для чего осуществляется сбор данных в соответствии с избранными индикаторами по определенным временным промежуткам (неделям, месяцам и т.д.), после этого проводится подсчет среднего значения индикатора, в соответствии с которым строится хронологический график. Как правило, экстраполяция делается только в отношении небольших временных промежутков в будущем, поскольку при более длительном сроке существенно возрастает вероятность ошибки.
Математические подходы в анализе политических отношений используются двояко — для решения тактических (локальных) вопросов и для анализа стратегических (глобальных) проблем. В этой связи математика часто выступает как незаменимый инструмент построения сложных прогностических моделей различного уровня. Эти модели разрабатываются как эмпирические и определяются парой неупорядоченных множеств — множеством переменных-параметров и множеством отношений, связывающих значения выбранных переменных. Математическая модель представляет собой формальный образ реального явления и при определенных условиях может заменять оригинал в компьютеризированном аналитическом исследовании его природы и поведения. Модель может служить основой и для решения обычных вычислительных задач, которые представляют значительный интерес с точки зрения разработки вероятностных сценариев развития политических ситуаций. Например: каким образом данный набор значений одних параметров влияет на значения других, какие значения параметров возможны при данном наборе ограничений, какие сочетания значений параметров являются оптимальными для данного критерия при данном наборе ограничений и т.п. Если исследователь ус-
тоит перед соблазном включить в модель всю доступную ему эмпирическую фактологию и проведет ее предварительную сортировку на релевантную и нерелевантную, то полученные решения будут не только репрезентативны, но и адекватны.
Важным отличием математического способа обработки данных, применяемых в процессе прикладного политического моделирования, является то, что результаты достигаются в ходе долгих формальных вычислений, лишенных самостоятельного смысла. Они, как правило, непредсказуемы и, следовательно, объективны. Субъективность может проявиться на предварительном этапе при построении содержательных гипотез использования количественных измерений и форматизации, но сам математический анализ следствий модели объективен. Однако необходимо учитывать, что «применение количественных методов в социальных науках базируется на создании таких моделей, которые, по своей сути, зависят не столько от абсолютных значений цифр, сколько от их порядка. Такие модели предназначены не для получения численных результатов, а скорее для ответов на вопросы о том, имеет место или нет некоторое свойство, например устойчивость»'.
Все высказанное полностью применимо и к такому направлению моделирования, как построение динамических моделей.
д Динамические модели как средство ^ описания поведения политических систем и субъектов во времени
Методическое обоснование применения динамических моделей в прикладных политических исследованиях связано с усложнением задач комплексного прогнозирования различных аспектов общественного развития. Начиная с 60-х годов XX в. динамические модели, разработанные американскими исследователями, де-факто вошли в спектр научного инструментария, обеспечивающего принятие политических решений. Они етапи применяться для изучения таких сфер, как окружающая среда, энергетика, образование, законодательство, транспорт. Несмотря на неоднозначность достигнутых при этом результатов, динамическое моделирование стало использоваться и в сфере международных исследований.
В |
первые метод построения динамических моделей для исследования международных отношений применил в 40-е годах XX в. Л. Ричардсон, но популярность он завоевал лишь спустя несколько десятилетий. Большинство современных динамических моделей действует на базе модели Л. Ричардсона, рассматривавшего соперничество европейских государств перед Первой мировой войной. В 60-е годы XX в. был сделан следующий шаг в динамическом моделировании перспектив мирового развития. Американский исследователь Д. Форрестер ввел в методику динамического моделирования такое понятие, как учет запаздывания, а также указал на взаимное влияние параметров друг на друга (обратные связи). Модель Д. Форрестера — это система 114 взаимосвязанных уравнений.
Динамическое моделирование включает наработки из разных сфер прогностики и моделирования: эконометрические модели национальных экономик, исследования операций, игровое симулирование, искусственный интеллект, модели гонки вооружений, имитационные игры, системный анализ и др. Эти исследования имеют различную методологическую природу, и выбор того или иного варианта исследовательского инструментария определяется ситуативно на основе первоначально декларируемой парадигмы. К достоинствам динамического моделирования как методического средства следует отнести то, что оно позволяет строить прогнозы не просто с учетом действующих тенденций и факторов, а принимать во внимание неоднозначность весомости конкретных факторов на различных стадиях политического процесса.
При формулировании динамической модели внешнеполитического процесса:
■ он описывается конечным набором измеримых переменных (предполагается при этом, что для каждой переменной указывается методика ее измерения);
■ скорость изменения каждой (или некоторых) из этих переменных представляется в виде функций от некоторых (может быть, и всех переменных) как в настоящий, так и в предшествующий момент времени. Вид этих функций может быть найден исходя из общих теоретических соображений и уточнен на основании анализа фактического материала, характеризующего переменные за некоторый промежуток времени.
Моделью такого рода выступает модель гонки вооружений, которая популярно описывается в работах Т. Саати, Ф. Шродта, К. Шмидта и других авторов. Сходные по структуре модели применяются в настоящее время некоторыми исследователями и для описания хода дипломатических переговоров.
Иного типа динамическая модель, использующая нелинейные уравнения — взаимодействия между государствами, была предложена в конце 70-х годов XX в. У. Люттербахером. В ее рамках каждое из государств описывается некоторой особой динамической моделью, состоящей из системы связанных между собой дифференциальных уравнений. Конечным результатом выступает сложная кривая развития глобальной ситуации, складывающаяся из набора наиболее вероятных форм политического процесса на уровне составных элементов международной системы (моделей отдельных государств).
Динамические модели позволяют политологам и международникам исследовать нелинейные отношения исходя из принципов системной теории и кибернетики. Вместе с тем динамическое моделирование опирается на сложные математические процедуры и требует специальной профессиональной подготовки исполнителей проекта. Кроме того, динамическое моделирование при всей своей перспективности таит опасность увлечения «магией цифр», другими словами, чем более сложной, а следовательно, и менее верифицируемой, будет выступать та или иная динамическая модель, тем больше опасность ее превращения из инструмента познания в инструмент политической инженерии.
Проблемы, связанные с динамическим моделированием, во многом типичны для всего комплекса вопросов применения количественных подходов к изучению политических ситуаций и процессов. Внедрение математики позволяет существенно повысить эффективность конкретных исследований политической проблематики, обеспечивая строгость и точность результатов. В то же время использование математических методов в современных гуманитарных, в том числе и внешнеполитических исследованиях, связано с определенными трудностями не только методического, но и организационного характера. Далеко не всегда система определений, с которой работает специалист-гуманитарий, обладает достаточной для ее формализации четкостью и внутренней непротиворечивостью. Поэтому без предварительной теоретической проработки концептуальной схемы исследования математический анализ его результатов может оказаться весьма сомнительным и даже некорректным.
Для междисциплинарных исследований особенно справедлива мысль, что не бывает плохого или хорошего метода — есть адек ватное или неадекватное его применение. Однако не всегда гума нитарии могут объяснить математику смысл исследуемых проблем, поставить задачу математически корректно, а математики, в свою очередь, довести до гуманитариев смысл получаемых результатов анализа в их математическом выражении. Подобные случаи порождают ошибочные выводы и решения научных и практических проблем, тем самым дискредитируя саму возможность конструктивной интеграции гуманитарных и естественнонаучных методов в сфере анализа международных отношений.
Пути решения проблемы адекватного взаимодействия гуманитариев и математиков в рамках единого прикладного проекта лежат не только в области совершенствования межличностного общения. Обе категории специалистов должны в период профессио нального обучения получать основательную междисциплинарную подготовку. Кроме того, эффективность их деятельности будет повышаться и в процессе внедрения в исследовательский процесс современных образцов вычислительной техники. Пример тому -опыт зарубежных прикладных исследований международных отношений с применением вычислительной техники.
Z Использование вычислительной техники при анализе международных ситуаций и процессов
Применение ЭВМ в исследованиях международных отношений активно началось учеными США в 60-х годах XX в. В этой сфере сложились три основных направления: решение вычислительных задач, моделирование и решение информационно-логических задач. Два последних направления обусловили возникновение различных информационно-поисковых систем, а также (хотя и несовершенных) попыток построения информационно-логических систем.
Среди первых попыток моделирования международных ситуаций на ЭВМ видное место занимает модель CRISISCOM. Она имитирует процесс переработки информации лицами, принимающими решения, в период международного кризиса. Например, рассматривается группа государств, в отношениях между которыми
происходят некоторые события. События описываются кодированными сообщениями, отражающими характер акций, которыми обмениваются государства. Их массив фиксируется для определенного промежутка времени, исчисляемого днями, когда развивается международная кризисная ситуация. Хронологически упорядоченный список таких сообщений, именуемый сценарием, создается исследователем и вводится в ЭВМ. В ЭВМ моделируется восприятие этих сообщений лицами, принимающими высшие политические решения в каждом из «задействованных» государств.
Для подобного моделирования внутреннее состояние каждого лидера описывается с помощью двух массивов данных. Первый — «матрица аффектов», измеряемая количественными показателями от -1 (максимальная враждебность) до +1 (максимальная дружественность). Другой массив — упорядоченная совокупность полученных лидером сообщений. Они располагаются по степени важности в четырех зонах: «пространство внимания», «пространство неотложных проблем», «пространство откладываемых проблем» и «общая память».
Модель CRISISCOM является открытой: реакции стран на происходящие события не генерируются моделью, а задаются экзоген-но, в сценарии, что при современном развитии прикладного моделирования вряд ли может быть отнесено к сильной стороне модели. В целом же при экспертном сравнении результатов машинной обработки информации и архивных документов, как указывают авторы модели, результаты моделирования оказались удовлетворительными.
Интересным примером создания И ПС является еще одна разработка американских авторов — информационно-поисковая система по локальным конфликтам GASCON. Система GASCON состоит из двух основных элементов: информационного банка и комплекса обслуживающих программ. Информационный банк системы представляет собой каталог, содержащий описания 27 локальных международных конфликтов. Все конфликты записываются однотипно. Каждый конфликт описывается по трем основным фазам (предвоенная, военная, послевоенная) с помощью так называемых факторов. Для первой фазы имеются 119, для второй — 110 и для третьей — 178 факторов. Все факторы сводятся в 11 категорий. Для конкретного конфликта указывается наличие или отсутствие каждого фактора и степень его влияния на усиление или ослабление взаимной враждебности (сильное, определенное или слабое влияние).
Вторая главная компонента системы GASCON — комплекс программ двух типов: для организации информационно-справоч-
ной работы и для определения возможного направления развития некоторого нового конфликта, вводимого в систему исследоватс лем, который работает с ней в диалоговом режиме.
Ряд операций, предусмотренных в системе GASCON, не толь ко позволяют ей претендовать на способность играть роль банка информации о международных конфликтах, но и считаться про гностической моделью. Прогностическая функция в системе осуществляется путем сравнения конфликтов. Степень их подобия определяется в системе путем подсчета общих для этих двух конфликтов факторов на различных фазах развития и общего числа факторов для каждой данной фазы. Другими словами, в рамках модели GASCON был сделан первый шаг в переходе к созданию ИЛС, которые, однако, не стали пока ведущим инструментом моделирования международных отношений на базе ЭВМ.
Попытки перехода от информационно-поисковых к информационно-логическим (а в первом приближении — к информационно-аналитическим) машинным системам были предприняты и в рамках прогнозирующей человеко-машинной системы WEIS. Процесс обработки информации в системе WEIS заключается во вводе в ЭВМ постоянного потока информации по внешнеполитической тематике, который затем преобразуется в форму, удобную для использования и хранения в электронной памяти. На следующем этапе проводится первичная обработка преобразованной информации путем разделения ее на систематическую и случайную, а затем посредством специально разработанных логико-математических процедур проводится дальнейший анализ информации, направленный на выявление тенденций и закономерностей. Такой анализ позволяет в машинном режиме выстроить взаимные политические действия государств в серии «элементарных политических акций», сгруппировать их по типам взаимодействия на международной арене и в конечном итоге провести подготовку краткосрочного прогноза развития ситуации.
К более высокому уровню исследовательских задач относятся примеры моделирования систем международных отношений на ЭВМ. В этой сфере сложилось два основных направления. К первому и і них относятся прикладные проекты, основанные на описании системы международных отношений с помощью уравнений. Эти уравнения могут быть запрограммированы на ЭВМ, а сам процесс-моделирования реализуется их пошаговым решением. Модели, основанные на этом принципе, являются машинными реализациями аналитических моделей.
Второй тип машинных моделей используется в случаях, когда система международных отношений описывается с помощью некоторой формализованной игры, в которой ЭВМ может быть использована для автоматизации посреднических функций (контроля правильности ходов, регулирования информационных потоков, вычисления результатов действий и взаимодействий). На ЭВМ возлагается еще и функция участника игры с правом принятия решений. Эти функции носят алгоритмический характер, что позволяет в ряде случаев выйти на автоматизированное моделирование гипотетических ситуаций в сфере международных отношений.
Весьма авторитетными образцами машинного моделирования системы международных отношений считаются такие аналитические модели, как, например, «Дипломатическая игра» Я. Кренда, «Баланс сил» Д. Райнкена и одна из самых сложных моделей такого рода — модель TEMPER Г. Абдта и М. Гордона.
О |
писание более современных примеров компьютерного моделирования, относящихся в основном к игровому направлению, можно найти среди публикаций в таких изданиях, как «Journal of Peace Research» и «Journal of Conflict Resolution», которые сегодня стали важнейшей информационной средой и для презентации научных результатов, и для профессиональных дискуссий об адекватности применения количественных подходов в изучении мировых политических процессов.
Зарубежный и отечественный опыт применения вычислительной техники в прикладных политических исследованиях достаточно конструктивен и разнообразен. На уровне международной проблематики как методическое средство он апробирован, прежде всего, в рамках создания различных видов И ПС и ИЛС. В силу комплексного характера факторов, формирующих международные ситуации и процессы, И ПС и ИЛС, по существу, провели новую качественную грань между содержательными и количественными разделами моделирования, применяемыми в сфере международных отношений. Но обычно сложности в этом плане возникают при построении такой подсистемы математического обеспечения ИПС (ИЛС), которая практически недоступна верификации для специалистов с традиционной гуманитарной подготовкой. В то же время фактическая монополия на это обеспечение, переходящая к специалистам-математикам, влечет за собой неоправданное «ужесточение» многих важных подходов и схем.
П |
одсистема математического обеспечения ИПС состоит из большого числа программ, посредством которых решаются как служебные, так и функциональные задачи. Отдельные программы отличаются содержанием своих задач (преобразование шкал, анализ документов, вычисление коэффициентов связи, коэффициентов парной и частной корреляции, автоматическая классификация различных признаков объектов наблюдения и др.)- Подсистема информационного обеспечения ИПС функционирует относительно самостоятельно. Ее построение начинается введением в компьютерную память определенным образом организованной первичной информации, которая составляет банк данных. Важным условием эксплуатации банка данных является создание гибкого математического обеспечения, позволяющего на базе информационных моделей строить математические модели. В качестве такого обеспечения используются теория множеств, математическая логика, теория вероятностей, математическая статистика, линейное и динамическое программирование и другие математические средства.
Создание автоматизированных ИПС (ИЛС) связано с решением и разработкой многих сотен алгоритмов и программ. Необходимый минимум математического обеспечения составляют следующие алгоритмы: расчет распределений и их параметров; измерение связи между социальными объектами и их параметров; классификация выделяемых проблем; формирование и преобразование признакового пространства; построение имитационной модели объекта; построение моделей объекта, ориентированных на прогноз; оценка качества и надежности работы математических моделей.
Оценивая методический опыт использования вычислительной техники при анализе международных ситуаций и процессов, следует подчеркнуть, что выбор математических средств, путей их практического использования является вспомогательным, хотя и необходимым этапом в решении конкретных задач моделирования и прогнозирования внешнеполитического развития. Поэтому моделирование необходимо рассматривать, прежде всего, в связи с конкретной социально-политической реальностью, научный анализ которой формирует сущностно-содержательное (качественное) определение модели прогнозируемого процесса или ситуации. Представляется, что аналогичные заключения можно сделать и в связи с применением вычислительной техники при анализе внутренней политики современных государств.
^ Перспективы междисциплинарного ~* подхода в сфере политических исследований
Включая в свой контекст количественные методы, современные политические исследования используют наработки не только эмпирической социологии, но и физики, кибернетики, биологии и некоторых других дисциплин. При всей противоречивости оценок результатов сочетания гуманитарных и естественнонаучных знаний в рамках единого проекта опыт в этой области можно считать не только интересным, но и обнадеживающим. Если абстрагироваться от взглядов радикальных сторонников математизации политических знаний, которые полагают, что только применение точных дисциплин и вычислительной техники может превратить их в истинно научные, очевидно, что апелляция к количественным средствам помогает существенно повысить результативность многих прикладных проектов.
Перспективы дальнейшего развития прикладных исследований на основе сочетания количественных и качественных методов анализа во многом зависят от творческого сотрудничества представителей гуманитарных и точных дисциплин, к которому должно приобщаться молодое поколение аналитиков.
Продолжение развития такого сотрудничества во многом зависит от целого ряда моментов, речь о которых пойдет далее.
1. Творческое осмысление аргументов, высказываемых критиками количественных подходов. Основные доводы, выдвигаемые против расширения применения естественнонаучных методов исследования политики и международных отношений, заключаются в следующем.
■ Применение естественнонаучных средств изучения политики в принципе невозможно, поскольку достоверность и качество данных осложняет их количественные оценки. Сталкиваясь с этими проблемами, исследователи нередко прибегали и прибегают к чисто умозрительным способам набора необходимой информации. Например, на пике «холодной войны» некоторые западные авторы занялись подсчетом продолжительности аплодисментов, которыми сопровождалось выступление каждого члена Политбюро ЦК КПСС.
■ Политический прогноз, сформулированный с применением математических средств и претендующий на исчерпыва-
■
ющую точность, часто является предметом корпоративных спекуляций. Это утверждение обычно обосновывают ссылками на то, что прогнозы в области разработки новых видов вооружений неизменно «подхлестывают» создание все более технологичных средств ведения войны. Однако политическое исследование как таковое вряд ли может материализовать общественные вызовы. Тем не менее, опасность спекулятивного использования прогнозных предположений тем выше, чем жестче детерминированы их выводы. ■ Применение «измеряемой» политики подрывает моральные ценности, поскольку исчисляемые показатели человеческих ожиданий, степени их реализации или крушения ведут к размыванию этической составляющей политического анализа. Однако при всей серьезности постановки подобного вопроса очевидно, что решение проблемы заключается не в том — «считать» или «не считать», а в том, какие решения будут приняты на основании технических расчетов.
Учитывая как приведенные выше критические соображения, так и опасность «компьютерного фундаментализма», о котором все чаще говорится при обсуждении современных общественных процессов, целесообразно указать на основные причины, оправдывающие применение количественных подходов для изучения политических явлений. Так, в случае исключительной опоры на логико-интуитивный анализ мы можем недооценить значимость многих факторов, формирующих реальное поведение акторов. Кроме того, если опасения трудностей приводят к отказу от квалификации важных в познавательном плане гипотез, то научный процесс серьезно пострадает.
В этой связи можно предположить, что, во-первых, необходимо продолжать развивать различные приемы квантификации сложных концептуальных представлений о внутриполитической и международной действительности, во-вторых, там, где возможно, активно инкорпорировать количественные переменные в качественные исследования, в-третьих, должно допускаться изначальное выведение некоторых аспектов политического процесса за рамки квантифицированного исследования.
2. Творческое осмысление современного состояния естественнонаучных дисциплин. Хотя нередко именно точный расчет, а тем более расчет, полученный с применением современной вычислительной техники, может дать большой выигрыш с точки зрения по-
лучения новой информации, представления о том, какова содержательная ценность этой информации, должны постоянно учитывать изменения взглядов на многие важные положения в сфере точного знания.
Хотелось бы остановиться на двух достаточно характерных примерах. Еще недавно казалось, что создание искусственного интеллекта как научной области, основной функцией которой является развитие формальных средств универсального представления и обработки знаний, в первом приближении уже состоялось. На использование соответствующих наработок применительно к политической, в том числе и международной, проблематике были затрачены значительные усилия.
И |
скусственный интеллект — компьютеризированная система обработки информации на основе моделирования познавательных процессов человека; компьютерная модель рационального мышления. Первый шаг в решении проблемы был сделан в 50-е годы XX в. английским математиком и логиком А. Тьюрингом, который сформулировал правило: вычислительная машина может «мыслить», если в процессе обмена информацией у человека не возникает сомнений в том, что он обменивается информацией с человеком, а не с машиной. При создании искусственного интеллекта сначала моделировались интеллектуальные действия человека в процессе простых игр (типа «морской бой»), а затем в процессе более сложных игр (шахматы, карточные игры). В дальнейшем появились и компьютерные программы для доказательства различных теорем.
Создание компьютерных игровых программ и программ доказательства теорем явилось исторически первым направлением прикладных исследований в области искусственного интеллекта. В дальнейшем в самостоятельные области были выделены исследования проблем распознавания образов, машинного перевода, робототехники, сочинения музыки и др. В 70-е годы важным практическим направлением исследований становятся исследования по созданию компьютерных экспертных систем, обладающих информацией человека-эксперта и способных давать квалифицированные рекомендации и обоснованные решения предметных задач.
Разработки в области искусственного интеллекта стимулируются стремительным увеличение массивов информации, для обработки которой путем формализации, анализа и синтеза уже недостаточно традиционных логико-математических методов.
Но математикам до сих пор не ясен алгоритм описания самых простых для естественного интеллекта качественных понятий — «хороший», «большой», «красивый», «умный», «популярный». Поэтому проекты, ориентированные на искусственный интеллект, пока далеки от завершения.
Тем не менее, относительно ограниченные возможности четкой бинарной логики, ставшей принципом архитектуры компьютерного мозга, становились все более ощутимыми. Во многих задачах, например, распознавания образов или анализа ситуации на финансовых рынках рациональная логика допускает ошибки. Сегодня широко признается, что управление сложными процессами часто сводится к решению задач с размытой логикой.
П |
ервым математиком, который задумался над проблемой нечеткой логики, был профессор Калифорнийского университета иранского происхождения Лотфи-Заде. Одним из признаний нового направления в математике стала Нобелевская премия по экономике за 2002 г., которая была присуждена Д. Канеману. Эта теория доказывает, что человек в своих решениях основывается на интуитивных представления и тем самым опровергает сходство между человеческим мышлением и принципами программирования, построенными на рациональной бинарной логике.
Исследования в области нечеткой логики получили широкую поддержку. Появились микрочипы, основанные на нечеткой логике, что свидетельствует о качественно новом уровне развития всего комплекса информационных технологий. В США теория нечеткой логики применяется при оценке политических рейтингов, анализе новых рынков, биржевой игре, в практике Пентагона и НАСА. В Японии на принципах нечеткой логики построено управление транспортными потоками. В Западной Европе она используется при автоматизированном управлении печами в металлургии.
Сегодня исследованиями в области нечеткой логики занимаются IBM и многие ведущие западные корпорации. Вероятно, что предметная апробация их разработок на политической проблематике могла бы стать полезной в информационном и методическом плане, в частности для создания нового класса динамических моделей, рассчитанных на среднесрочное прогнозирование.
Еще одним примером инновационных моментов в сфере точного знания, которые могут повлиять на прикладные политические исследования, служит гипотеза, меняющая отношения факторов
«модель» и «алгоритм» в концепции формализованного изучения явлений. Традиционно модель используется в качестве формального описания объекта вычисления, а алгоритм является основой самой организации вычислительного процесса. В условиях применения информационных технологий происходит построение количественной модели, для которой известен метод, но неизвестна предметная связь с конкретной проблемой. В этом контексте возрастает роль методологии алгоритма, т.е. образа стандартизированных формальных действий. Эта методология ориентирована на изучение различных типов функций, позволяющих описывать большой спектр взаимодействий в реальной действительности, строить соответствующие им правила операционализации конкретной информации. Если до недавнего времени фактор модели рассматривался как преимущественно приоритетный по сравнению с фактором алгоритма, то гипотеза об инверсии их значимости в автоматизированной обработке информации, вопрос о которой ставится в некоторых публикациях по тематике искусственного интеллекта, потенциально способна задать новые условия сочетания количественных и качественных средств анализа политических ситуаций и процессов.
3. Новые акценты в гуманитарной подготовке политологов и международников. Перспективы применения математических методов в политических исследованиях определяются не только осмыслением вопросов интеграции количественных и качественных аспектов аналитических разработок или их технологического обеспечения, но и характером подготовки специалистов-аналитиков, способных применять междисциплинарный подход в интересах прикладных проектов.
Учитывая, что происходящие на мировой арене изменения в информационной среде ставят субъекта, обладающего нужной информацией и умеющего рационально ее использовать, в чрезвычайно выгодное положение, междисциплинарная профессиональная подготовка не может сводиться лишь к получению аналитиком углубленных знаний в области компьютерной техники. Необходимо найти взвешенное сочетание новых тактик кадрового обеспечения и принципов обучения с тем, чтобы молодые специалисты воспринимали междисциплинарный подход как интегрированные аналитические навыки, а не относились к ним через призму своего базового гуманитарного или технического образования.
Выражение «кто владеет информацией, тот владеем миром» приобретает все большую актуальность. Для развития профессио-
граммы прикладной аналитики полезно обратить внимание на характеристики двух американских компьютерных программ: программы Joint Vision 2020, ориентированной на создание больших специализированных информационных сетей, и программы Lifelog—DAPRA, предназначенной для создания автоматизированных компьютерных систем, способных адекватно функционировать в нестандартных ситуациях.
Г |
лавным содержанием программ Joint Vision 2020 и Lifelog -DAPRA является информация. В первом случае она предстает в качестве конечного продукта, а во втором — как главная задача направленного сбора и аналитической обработки. В этой связи разработчиками планируется создание к 2020 г. единой компьютеризированной системы, базирующейся на элементах модели искусственного интеллекта, нанотехнологиях, способах эффективного синтеза информации и многофункциональных процессорах. Предполагается, что это позволит обеспечивать информационную поддержку принятия решений в реальном времени и фактически кардинально изменит основные требования, предъявляемые к современным политологам. Тем не менее, даже при столь радикальном взгляде на будущее информационных технологий американские специалисты отмечают, что способность индивидуального решения является уникальной человеческой чертой, которую не могут заменить даже наиболее совершенные системы технической поддержки.
Таким образом, ключевой проблемой совершенствования политической аналитики на основе достижений точных дисциплин и информационных технологий является подготовка специалистов междисциплинарного профиля и развитие их способностей к принятию решений в быстроменяющейся компьютеризированной обстановке. Сегодня мы вплотную подошли к новому этапу развития информационных технологий, когда основную работу по структурированию информации будет делать профильный специалист. Причем речь идет уже не только о содержательном наполнении информационных ресурсов, а об их структурировании, создании описаний лингвистического обеспечения информационных систем и т.п. Следовательно, можно ожидать изменения природы гуманитарной специализации политологов и международников, по крайней мере в той их части, которая относится к фактологическому знанию. Главной работой аналитика станет не накопление и хранение информации, а управление информационными потоками.
Рассматривая применение математических средств как самостоятельную проблему прикладного изучения политических ситуаций и процессов, необходимо учитывать, что математика стала доминирующим языком в естественных науках, прежде всего потому, что она позволяет более четко судить о феномене, слишком сложном для обычного вербального описания. Но преимущества математики по сравнению с естественными языками в гуманитарных науках еще только изучаются. Опыт современных отечественных и зарубежных исследований различного уровня и примеры сочетания количественных и качественных подходов к анализу политических феноменов позволяют рассматривать специализированную подготовку в этой области в качестве важной учебной задачи. Ключевым вопросом прикладных исследований является не вопрос о допустимости обращения к математике в рамках конкретных проектов, а то, какая математическая процедура или методика должна использоваться и как содержательно будет обосновано ее применение.
Ключевые понятия
Алгоритм — правило проведения операции, стандартизированная последовательность действий. Термин произошел от фамилии узбекского математика IX в. аль-Хорезми, который впервые сформулировал правила четырех основных арифметических действий. Первоначально именно эти правила назывались алгоритмами, но затем в математике алгоритмом стал называться любой способ вычислений, единый для некоторого класса исходных данных, например нахождение производной функции. Как обобщающее понятие может употребляться без непосредственной связи с математическими вычислениями.
Вероятность — количественная характеристика возможности появления некоторого события при определенных условиях.
Гипотеза — предположение о закономерностях какого-либо явления, которая предполагается, но должна быть доказана. В прикладном исследовании — утверждение о возможных отношениях, существующих между двумя или более переменными. Гипотезы выдвигаются с целью решения конкретной проблемы, объяснения новых фактов, устранения противоречий в наблюдениях. Гипотеза считается обоснованной, если она является следствием некоторой теории. Тем самым устанавливается согласованность гипотезы с более широкой областью знания.
Данные — результаты наблюдений или информация о действительности, получаемая в ходе исследования.
Информатика — наука о методах формализации и компьютерной обработки информации; играет ведущую роль в создании и развитии информационных технологий. Теоретической основной информатики является разработанная в 30-х годы XX в. теория алгоритмов.
Искусственный интеллект — область прикладной математики, основной функцией которой является развитие формальных средств представления и обработки знаний. В узком смысле — техническая система обработки информации на основе моделирования познавательных процессов человека; компьютерная модель рационального мышления.
Категория — понятие, рассматриваемое в качестве исходного, неопределяемого через другие понятия. Каждая наука опирается на соответствующую систему взаимосвязанных категорий. Наиболее часто термин используется применительно к философским понятиям, рассматриваемым в качестве основополагающих понятий бытия и мышления. К числу категорий обычно относят следующие понятия: объект, отношение, свойство, суждение, умозаключение, истина и др. В гуманитарных исследованиях категории формулируются в соответствии с предметной спецификой, например политическое пространство и политическое время.
Переменные — в социальных исследованиях обозначают наблюдаемые феномены, которые изменяются в зависимости от количества или качества. Они могут быть определены как зависимые или независимые переменные. Зависимые переменные — это те феномены, которые испытывают влияние других переменных. Например, при выдвижении гипотезы, что обороноспособность государства зависит от уровня военных расходов, т.е. определяя связь между бюджетом и безопасностью, расходы рассматривают как независимую переменную. В точных науках под термином «переменная» подразумевается символ, вместо которого допускается подстановка некоторых других символов. Простейшим видом переменной является, например, символ х в математическом уравнении типа (х + 1)2= х2 + 2х + 1. Объекты, символы которых допускается подставлять вместо переменной, образуют область значений данной переменной.
Системная динамика — область прикладной математики, которая исследует нелинейные отношения, основана на системной теории и кибернетике, позволяет прогнозировать долгосрочные процессы.
Функция — отношение между множествами, при котором каждому элементу одного множества соответствует некоторый элемент другого множества. Обычно функция записывается в виде формулы у = f (а), где х — независимая переменная, или аргумент, у — зависимая переменная, a f — функциональная переменная.
Вопросы и задания для обсуждения
1. Охарактеризуйте важнейшие проблемы интеграции гуманитарного и т