CC BY
28
УДК 519.7+681.51
В.О. Агеев, A.B. Арасланов, Т.П. Качанова, К.А. Туральчук, Б.Ф. Фомин, О.Б. Фомин
ГЕНЕРАЦИЯ СИСТЕМНОГО ЗНАНИЯ ПО ПРОБЛЕМАМ СОЦИАЛЬНОЙ НАПРЯЖЕННОСТИ В РЕГИОНАХ РОССИИ
Физика систем (ФС) предложила новый подход к решению проблем познания, научного понимания и рационального объяснения феномена сложности открытых природных, общественных (гуманитарных) и техносферных (антропогенных) систем. В рамках этого подхода система имеет конструктивное определение и является объектом фундаментального исследования [1]. Идеи и методы ФС воплощены в новых когнитивных и информационных технологиях, обеспечивших поиск регулярности, редукцию сложности и реконструкцию целого в открытых системах. Технологии физики систем формируют информационный, интеллектуальный, когнитивный, технологический ресурсы знания об исследуемой системе. Ресурсы знания, дополненные оценками ценности и применимости, а также новыми вычисляемыми объектами и их атрибутами, преобразуются в ресурсы решений прикладных задач [2—4].
Аналитический аппарат и информационные технологии проходят апробацию в рамках системных проектов, включающих: освоение больших объемов эмпирических данных; производство научного системного знания; накопление, сопряжение, хранение и эксплуатацию системного знания на принципах интеграции исследовательских инфраструктур; создание технологических платформ знания; преодоление технологических барьеров междисциплинарных взаимодействий; интеллектуализацию информационных мониторингов открытых систем.
Уместен вопрос о перспективах применения физики систем в исследованиях социологической реальности. Авторы статьи попытались с междисциплинарных позиций раскрыть суть новой парадигмы, описать сценарий действия ее «интеллектуальной машины», объяснить на примерах объектов социологического анализа реальности объем, состав и содержание систем-
ного научного знания, произведенного из данных, накопленных эмпирической социологией.
В качестве примеров объектов социологического анализа в статье рассмотрены регионы, группы регионов, федеральные округа РФ (всего 14 объектов). Каждый регион как социальная система характеризуется присущими ему системными закономерностями. Каждой группе регионов и каждому федеральному округу как социальной системе присущи закономерности, общие для всех входящих в их состав регионов. Исследования проведены независимо по каждому объекту. Результаты производства знания представлены и интерпретированы в сравнении по всей совокупности анализируемых объектов.
В аналитическое ядро ФС поступают статистические данные о жизнедеятельности регионов РФ. На их основе создаются эмпирические описания регионов и округов РФ как систем. В качестве носителя при исходном определении систем принят регион РФ [5]. Состояния регионов описываются единым сегментированным набором показателей:
Сегмент Число показателей
Терроризм.........................................4
Криминал........................................18
Социально-экономический..........15
Финансы..........................................34
Демография.....................................14
Напряженность...............................10
Территория.......................................1
Итого................................................96
Период наблюдения для всех регионов — 29 месяцев (с января 2002 года по май 2004 года). Состояние за конкретный месяц определяется вектором значений показателей. В качестве объекта анализа выступает федеральный округ РФ. Каждый округ как система представлен эмпирическим описанием (табл. 1).
Таблица 1
Характеристики таблиц данных по округам
Объект анализа Число Число Число
регионов показателей наблюдений
Центральный федеральный округ(ДФО) 18 89 522
Сибирский федеральный округ (СФО) 16 86 464
Приволжский федеральный округ (ПФО) 15 86 435
Южный федеральный округ (ЮФО) 13 86 377
Северо-западный федеральный округ (СЗФО) 11 90 319
Дальневосточный федеральный округ (ДФО) 10 86 290
Уральский федеральный округ (УФО) 6 90 174
При построении эмпирических описаний систем в результате фильтрации данных исключены некоторые показатели из единого набора. Объекты анализа сопоставимы по набору показателей, описывающих их состояния. Число наблюдений каждого объекта анализа дает достаточно представительные выборки данных для применения технологии системных реконструкций.
Информационный ресурс решений
Технология системных реконструкций преодолевает сложность объектов анализа, проявленную в их внешних абстрактных представлениях (структуры парных связей и их атрибуты) и выраженную в реконструктивном семействе системных моделей, раскрывающих многокачественную сущность систем (табл. 2).
Оценка проявленности характеризует четкость выражения внутренних отношений во внешних формах (парных связях). Оценка сложности связана с выявлением знаковых доминант бинарных отношений. Взятые вместе оценки связей указывают на разнообразие внутрисистемных корреляций.
Гетерогенность открытых систем выражается вовне через структурные неоднородности. Степень раскрытия многокачественной сущности систем характеризует процент разрешенных неод-нородностей. Закономерности, формирующие изменчивость показателей, раскрывает множество системных моделей. У всех объектов анализа есть некоторое число показателей, научное знание о закономерной изменчивости которых в моделях в полной мере не раскрыто. Эти закономерности полностью определены для тех объек-
та б л и ц а 2
Оценки гетерогенности объектов анализа
Объект анализа Парные связи Разрешенная неоднородность, % Показатели в системных моделях
Проявленность Сложность Ведущая системная роль, % Число дополнительных вершин Участие в ядрах, %
ЦФО 0,79 0,32 26 85 13 9
СФО 0,91 0,23 68 95 4 27
ПФО 0,85 0,22 50 91 8 21
ЮФО 0,89 0,22 58 90 9 18
СЗФО 0,82 0,34 19 84 14 6
ДФО 0,92 0,37 6 42 50 5
УФО 0,94 0,39 7 54 41 5
тов анализа, у которых 100 % показателей обладают ведущей системной ролью. Смысловая активность показателей определяется числом их вхождений в ядра системных моделей — носителей смыслов систем.
Исходно информационный ресурс возникает на этапе построения эмпирического описания системы. Технологии аналитического ядра ФС исследуют это описание с позиций его полноты и достаточности для раскрытия и выражения всех качеств системы, оценки существенности показателей для передачи смыслов системы и их значимости в определении состояний и свойств системы (рис. 1).
Паспортизованный информационный ресурс дополняется оценками весомости показателей на базе слов «Коррелятивность». «Представительность», «Осуществленность» языка систем [6]. Слова языка систем порождают первый и второй информационные ранги показателей. На базе рангов определяются группы сильных и слабых показателей. На основе первого информационного ранга и слов «Системная обусловленность» языка систем вычисляются потенциалы адекватности отображения эмпирической весомости показателей. На базе второго информационного ранга и слова «Акцентирование существенного» вычисляются потенциалы адекватности отображения однородности показателей в целевом наборе.
Информационный ресурс решений устанавливает подмножества существенных и несущественных показателей, задает подмножества по-
казателей, значимых для решения конкретных целевых задач. На базе информационного ресурса разрабатываются рекомендации для проектирования мониторингов систем.
Интеллектуальный ресурс решений
Сложность систем, представляющих объекты анализа, разрешается в реконструктивных семействах системных моделей. Степень преодоления сложности характеризуют оценки неоднородности, проявленной, разрешенной и выраженной в формальных моделях, раскрывающих уникальные качества систем. Каждый объект анализа представлен своими уникальными наборами системных моделей и моделей взаимодействия, раскрывающими сущность данного объекта. Уникальность наборов моделей обусловлена различиями в числе, составе, структуре, атрибутах, морфологии моделей (табл. 3).
Количество полученных системных моделей у объектов анализа характеризует раскрытую многокачественную сущность системы. Оценка «Охват целого моделью» характеризует в среднем завершенность форм устроения моделей всех качественных определенностей системы. Ядра моделей напрямую выражают системные смыслы уникальных качеств системы. Сингл еты (элементарные ячейки системы) образуют ядра системных моделей и формируют сами эти модели. Оценки «Среднее число синглетов» и «Средний размер ядра» отображают полноту передачи системных смыслов во внешних структурных фор-
Показатели
Представительность
Коррелятивность
Осуществленность
Системная обусловленность
Акцентирование существенного
Представительность типичного и особенного
Выражение внутрисистемных корреляций
Слова языка систем
Первый информационный ранг
Потенциал адекватности 1-му инф. рангу
Оценки системных свойств
Потенциал адекватности 2-му инф. рангу
п/в
Характерные группы показателей
Второй информационный ранг
Группа сильных показателей
Группа слабых показателей
Группа Группа
сильных слабых
показателей показателей
Рис. 1. Паспорт информационного ресурса:
П — позитивность потенциала; НТ — нейтральность потенциала; В — высокий уровень первого ранга;
СР — средний уровень первого ранга
Таблица 3
Оценки моделей
Системные модели Модели взаимодействия, количество
Объект анализа о PQ Н £ ё 3 s § § о £ ^ <D Q н-г нн д л н ч cd <L> й g о ч о К & д « 8 s 1 я 2 К 5 эедний размер ра cd ON § од об и е первичных [стемных единиц £ нн СЛ н <D ю нн £ СЛ н <D ю сл PQ < н <D ю н g н <D g К Он ш сл н <D 5 « S
W О S & о и а п С § п п п On н и
ЦФО 33 75 1 7 0,16 0,64 81 1 2 0 1960
СФО 19 89 34 22 0,3 0,71 242 0 1 0 5597
ПФО 26 76 25 17 0,19 0,71 279 7 6 0 4630
ЮФО 25 84 21 14 0,19 0,68 197 5 18 0 4665
СЗФО 38 66 4 5 0,15 0,40 48 9 7 0 608
ДФО 13 88 2 4 0,21 0,48 9 0 0 0 135
УФО 23 65 2 3 0,17 0,41 11 8 8 0 163
мах. Внутреннее подобие характеризует смысловую однородность качественной определенности системы. Внешнее подобие служит мерой схожести разных смысловых единств системы (дублеты SIM). Подвижность, изменчивость системы обусловлена внутрисистемными взаимодействиями. Моделями взаимодействия являются синглеты SEP, дублеты, триплеты. Поскольку структуры всех видов моделей взаимодействия всегда определяются однозначно, главное в системном знании об этих моделях — их количество. Число синглетов SEP обусловлено качеством обособления системы, числом и завершенностью построенных системных моделей. Дублеты SWI, ABS и триплеты INT отвечают за выражение системного целого, образуемого уникальными качественными определенностями.
Исходно интеллектуальный ресурс возникает как реконструктивные семейства системных моделей и моделей взаимодействия, построенных технологией системных реконструкций [7]. Технологии ФС исследуют эти семейства с позиций полноты, завершенности, качества системных моделей для раскрытия и выражения смыслов системы, оценки существенности моделей для передачи смыслов системы и их значимости в определении состояний, свойств и механизмов системы (рис. 2).
Интеллектуальный ресурс решений самодостаточен. Он образует базу научного системного знания, с которой работают системные аналитики, чья цель — глубокое проникновение во внутрисистемные процессы.
Когнитивный ресурс решений
Исходно когнитивный ресурс возникает на базе технологии системной экспертизы. Основой этого ресурса служат слова и понятия языка систем [6].
Для всех системных моделей установлены объективные интегральные оценки качества вы-
Рис. 2. Оценки системного знания на уровне интеллектуального ресурса
раженности смыслов в каждой отдельно взятой модели (качество оформленности и однородности). Качество оформленности оценивает комплексный показатель, имеющий в своей базе 11 единичных показателей, характеризующих структуру и морфологию системной модели. Мерой качества однородности служит комплексный показатель, основанный на 15 единичных показателях, отображающих общность, единство и согласованность всех компонентов системной модели. Вычисление оценок основано на определении и применении базовых образцов системных моделей для каждого отдельно взятого объекта социологического анализа. Оценки качеств оформленности и однородности системных моделей носят относительный характер. Для их вычисления используются оценки соответствующих качеств базовых образцов. Доля моделей с хорошими и отличными оценками этих качеств используется в качестве общей характеристики полноты и законченности системного знания.
Возникает вопрос, насколько факт, отражающий реальные наблюдаемые состояния систем, способен воспринять конкретный системный смысл, раскрытый в моделях эталонных состояний (качество адекватности). Оценки качества адекватности находятся в результате верификации каждой модели эталонного состояния. Эти оценки носят абсолютный характер. Для всякой системной модели на базе ее ядра определяется идеал данной модели. Идеалы задают правила прямого отображения эталонных состояний системных моделей на актуальные состояния объектов социологического анализа, представленные в их эмпирических описаниях.
Когнитивный ресурс дополняют оценки: системные групповые ранги моделей, сильные и слабые модели этого ранга, потенциалы адекватности выражения в моделях смыслов систе-
Рис. 3. Оценки системного знания на уровне когнитивного ресурса
мы; предметные групповые ранги моделей, оценки близости целевых моделей к эталону; итоговый ранг моделей. Для решения целевых задач формируются подмножества системных моделей (рис. 3).
Каждый округ РФ как объект анализа исследуется независимо от других объектов. В качестве примера рассмотрен СЗФО:
Номер Название
региона региона СЗФО
4 Архангельская область
10 Вологодская область
16 Калининградская область
29 Ленинградская область
34 Мурманская область
35 Ненецкий автономный округ
37 Новгородская область
45 Псковская область
53 Республика Карелия
54 Республика Коми
65 Санкт-Петербург
Далее приведены результаты по регионам 4, 29, 35, 65 для задачи «Социальная напряженность». В качестве оценок социальной напряженности в регионах приняты: миграционный прирост населения; отношение потребительских расходов к денежным доходам; отношение потребительских расходов к стоимости набора из основных продуктов питания; отношение численности граждан, ищущих работу, к числу требуемых работников.
Системные ранги системных моделей вычисляются на базе оценок слов «Выраженность смысла», «Завершенность устроения», «Координированная раздельность» языка систем. Всего выделено пять системных рангов. Предметные ранги системных моделей определены для целевых системных моделей. Они вычисляются по оценкам слов «Обособление существенного», «Фокусы существенного», «Контрастность выражения». Всего выделено пять предметных рангов. Итоговый ранг модели определяется по единой порядковой шкале.
Когнитивный ресурс решений обеспечивает оценку потенциала решения прикладных задач на основе системного знания.
Технологический ресурс решений
Каждый объект анализа в любом его конкретном актуальном состоянии описывает формальная модель — научная реконструкция состо-
яния объекта. Эта модель представляет состояние объекта как системного целого. Модель охватывает все раскрытые смысловые части, описывающие множественные внутрисистемные механизмы, детерминирующие данное состояние (табл. 4).
Системные модели жизнедеятельности каждого региона в составе федерального округа построены методами технологии системного дизайна. Технологический ресурс включает модель жизнедеятельности любого региона в составе округа РФ. Каждое состояние региона задается реконструкцией состояния и характеризуется набором системных моделей, взятых в присущих им эталонных состояниях: ИЛ; НЬ; ЬЯ; ЬЬ. Реконструкция состояния дает рациональное объяснение значения каждого показателя в наблюдаемом состоянии. В моделях со-
стояний для показателя установлены наборы атрибутов: ранг, уровень значения, предопределенность, важность, подвижность. Эти атрибуты в совокупности характеризуют показатель как элемент, необходимый для идентификации конкретного актуального состояния объекта и оценки потенциала его изменчивости.
Все состояния региона, упорядоченные во времени, задают модель жизнедеятельности региона — эволюцию его состояний на периоде наблюдения (табл. 5).
На основе моделей жизнедеятельности регионов определены общее число системных моделей, детерминирующих состояния регионов, и классы этих моделей (табл. 6).
Иллюстрацией табл. 6 служит рис. 4. На рисунке классы системных моделей объединены
Таблица 4
Модель состояния 65-го региона во 2-м квартале 2002 года (фрагмент)
Показатель Значение Имена моделей Ранг Уровень значения Предопределенность Важность Подвижность
Cl 7226 О 17 H 0,63 0,00
C6 19 О 7 д 0,18 0,52
C7 22 д 6 д 0,00 0,61
SI 3505 д 8 д 0,27 0,41
S2 3049,4 О 15 п 0,60 0,10
S7 1061 D3/HR, FIN16/HL, д 9 H 0,44 0,47
S2/HL, C6/LR,
S9 0 BURSTED/LL, О 1 H 0,58 0,00
SU 0 C5_9/LL, D_7/LL, О 0,40 0,29
16/LR, FIN4/HR, 3 H
D3 391,7 FIN 17/LR, I4/LR, О 15 H 0,62 0,25
17/LR, D l 1/LL,
D4 4407 S11/LL, F9t/LL д 3 п 0,34 0,37
PTRRYN1 10145,8 О 17 H 0,63 0,00
FI N4 20444,2 О 15 H 0,63 0,12
Sl_7 3,3 д 8 Д 0,20 0,49
PTRYNlt -1342,7 д 6 Д 0,00 0,56
FINI 5131,1 я 17 p 0,63 0,00
Примечание :
Класс моделей 1: D3/HR (0,83); FIN16/HL (0,85); S2/HL (0,85); C6/LR (0,92); URSTED/LL (0,92); C5_9/LL (0,88); D_7/LL (0,89)
Класс моделей 2:16/LR (0,81)
Класс моделей 3: FIX4/HR (0.76): FIN 17/LR (0,80); I4/LR (0,76); I7/LR(0,76); D11/LL (0,77); SI 1/LL (0,71) Класс моделей 4: F9t/LL (0,68)
Таблица 5
Модель жизнедеятельности (фрагмент для региона 65)
Год-квартал
Имя модели 1 CN 1 m 1 1 IT) 1 ЧО Г-- 00 a\ о « CN
CN О О CN CN О О CN CN О О CN CN О О CN CN О о CN CN О О CN CN О О CN CN О о CN CN О О CN CN О О CN CN О О CN CN О О CN
Dil LL LL HR HR HR HR HR HR HR HR HR HR
D_7 LL LL LL LL LL LL LL LL LL LL LL LL
S2 HL HL HL HL HL HL HL HL HL HL HL HL
Sil LL HR LL HR HR LL LL LL LL LL HR
14 LR LR LR LR LR LR LR LR LR LR LR LR
17 LR LR LR LR LR LR LR LR LR LR LR LR
D3 HR HR HR HR HR HR HR HR HR HR HR HR
FIN17 LR LR LR LR LR LR LR LR LR
BURSTED HR LL LL LL LL LL LL LL LL LL LL LL
F1N4 HR HR HR HR HR HR HR HR HR HR HR HR
C5_9 LL LL LL LL LL LL HR HR HR LL HR
F9t LL HR HR HR LL HR HR HR HR HR HR
16 LR LR LR LR LR LR LR LR LR
C2J, LL LL LL LL LL LL LL LL LL
Таблица 6
Характеристики моделей жизнедеятельности регионов СЗФО
Номер региона Название Число моделей пяти классов Общее число моделей
1 2 3 4 5
4 Архангельская область 34 35 87 89 7 252
10 Вологодская область 149 36 115 42 6 348
16 Калининградская область 93 6 172 91 3 365
29 Ленинградская область 161 23 127 65 3 379
34 Мурманская область 52 21 114 129 8 324
35 Ненецкий автономный округ 326 0 127 23 0 476
37 Новгородская область 203 27 177 29 14 450
45 Псковская область 266 54 139 32 4 495
53 Республика Карелия 253 116 92 47 0 508
54 Республика Коми 55 1 178 107 4 345
65 Санкт-Петербург 380 4 123 25 0 532
в две группы: классы 1 и 2 (механизмы системных моделей первой группы детерминируют каждое отдельно взятое состояние системы); классы 3, 4, 5 (механизмы системных моделей второй группы ответственны за изменчивость и подвижность состояния).
Характер жизнедеятельности регионов иллюстрируют изменение числа и классов системных моделей по полугодиям наблюдаемого периода. Для примера показаны распределения числа моделей системных механизмов первой и второй групп по полугодиям наблюдаемого периода для четырех регионов округа (рис. 5).
Информационный, интеллектуальный, когнитивный, технологический ресурсы решений служат базой для генерации поведенческих портретов методами технологии генерации поведения. Все полученное знание передается технологии оформления решений, завершающей технологический цикл создания научной базы решений прикладных задач.
Заключение
Сложность открытых систем обусловлена их масштабами, гетерогенностью возникающих структур, взаимозависимостью гетерогенных компонентов. Моделирование открытых систем
ЗМИИ
Число моделей г 400 350 300 250 200 150 100 50 0
4 10 16 29 34 35 37 45 53 54
Номер региона
Рис. 4. Распределение числа системных моделей по регионам СЗФО:
серый цвет — модели первой группы; черный цвет — модели второй группы
остро ощущает проблемы эмерджентности, системных иерархий, масштабируемых представлений, описания свойств в моменты их возникновения. Многодисциплинарное взаимодействие специалистов наталкивается на глубокие технологические проблемы. Огромные объемы эмпирических данных об открытых системах мало востребованы, используются в рамках статистического подхода, имеющего в таких применениях низкую продуктивность. Требуются новые идеи и методы научного понимания и рационального объяснения состояний и законов жизнедеятельности открытых систем.
Рис. 5. Распределение числа и классов системных моделей по номерам полугодий
(белый цвет — модели 1 и 2 классов; черный цвет — модели 3, 4, 5 классов) для четырех регионов
Созданные технологиями ФС ресурсы служат научным инструментом понимания и объяснения феномена социальной напряженности в регионах и округах РФ. Они дают объективные ответы на главные вопросы исследуемой проблемы. В них представлено системное знание следующего:
главных и существенных (идентифицирующих) показателей состояний субъектов РФ;
базовых структурах отношений, определяющих состояния и жизнедеятельность субъектов;
главных факторов жизнедеятельности субъектов;
критических параметров социальной напряженности в регионах и округах РФ, закономерностей их эволюции;
критериев оценивания социальной напряженности;
системных моделей, описывающих состояния субъектов в заданные моменты их жизнедеятельности;
механизмов, доминирующих в жизнедеятельности субъектов;
механизмов, порождающих ситуационную и событийную составляющие поведения субъектов;
социальной напряженности в отдельных субъектах, любых группах субъектов, России в целом;
настораживающих обстоятельств, угроз роста социальной напряженности;
правильности, полноты и завершенности понимания феномена социальной напряженности и связанных с ним проблем.
Глобальные реконструкции состояний и жизнедеятельности субъектов РФ дают возможность аналитическим службам региональных и федеральных органов государственной власти вести плановую подготовку обсуждений в ситуационных центрах, готовить и принимать управленческие решения в опоре на научное понимание и рациональное объяснение системного феномена социальной напряженности.
СПИСОК ЛИТЕРАТУРЫ
1. Качанова, Т.Л. Физика систем— посткибернетическая парадигма системологии [Текст] / Т.Л. Качанова, Б.Ф. Фомин // Научно-технические ведомости СПбГПУ,- 2011,- № 3 (121).-С. 29-36.
2. Kaehanova, Т. Physics of Open Systems: Generation of System Knowledge [Текст] / Т. Kaehanova, В. Fomin // 3rd Intern. Multi-Conf. on Complexity. Informatics and Cybernetics.— «IMC IС 2012».— March 25th—28th, 2012,- Orlando, Florida, U.S.A.
3. Качанова, Т.Л. Методы и технологии генерации системного знания [Текст]: Учеб. пособие для магистров и аспирантов / Т.Л. Качанова, Б.Ф. Фомин. СПб.: Изд-во С! 16! УГУ «ЛЭТИ», 2012,- 132 с.
4. Ageev, V. Physics of Open Systems: a new approach to use genomics data in risk assessment [Текст] / V. Ageev, B. Fomin, O. Fomin, T. Kaehanova [et all.] //
In Book: Risk Assessment.— Book 2 / Ed. M.G. Tyshenko.— InTech, 2012.
5. Агеев, В.О. Глобальные реконструкции состояний и жизнедеятельности открытых систем: социальная напряженность в округах и регионах РФ [Текст] / В.О. Агеев, A.B. Арасланов, Т.Л. Качанова, Б.Ф. Фомин, О.Б. Фомин // Труды VI Междунар. конф. «Идентификация систем и задачи управления» (SICPRO'07) / ИПУ им. В.А. Трапезникова РАН,- М., 2007,- С. 1-17.
6. Качанова, Т.Л. Введение в язык систем [Текст] / Т.Л. Качанова, Б.Ф. Фомин,— СПб.: Наука, 2009,- 340 с.
7. Качанова, Т.Л. Технология системных реконструкций [Текст] / Т.Л. Качанова, Б.Ф. Фомин,— Сб.: Проблемы инновационного развития,— Вып. 2,— СПб.: Политехника, 2003,— 146 с.
