CC BY
168
УДК 004.82
МОДЕЛИ И МЕТОДЫ ОБРАБОТКИ ИНФОРМАЦИИ ПРИ УПРАВЛЕНИИ СВЯЗЯМИ
С АШММ-АССОЦИАЦИЕЙ
Н.И. Юсупова, О.Н. Сметанина, Л.М. Исхакова
В статье показано, что А1ишт-ассоциации (АА) могут быть дополнительными источниками нескольких ресурсов, способствующих повышению эффективности управления организацией. Выявлено, что анкетирование членов АА как инструментарий опроса может быть успешно применено для получения важной и актуальной информации. Приведена краткая классификация способов сбора и обработки информации на основе статистического анализа и интеллектуальной обработки знаний для создания базы знаний системы поддержки принятия решений (СППР) при управлении связями с А1ишт-ассоциацией
Ключевые слова: А1ишт-ассоциации (АА), сбор информации, методы обработки информации, извлечение знаний, представление знаний, системы поддержки принятия решений (СППР).
А1ишш-ассоциации (ААС) являются дополнительными источниками нескольких ресурсов, способствующими повышению эффективности управления организацией [1]. Одним из дополнительных ресурсов является информационный, а информация, циркулирующая в системе управления, оказывает значительное влияние на качество и эффективность процесса принятия решений. Поэтому процессы сбора, извлечения информации, модели и методы ее обработки должны позволять принимать решения на основе своевременной, точной, достоверной информации.
Одним из источников информации при управлении ААС может служить анкетирование членов ассоциации [2]. При этом в зависимости от вопроса, ответы принимают числовую и символьную формы представления информации. Следовательно, знания, полученные при анализе такой информации, могут быть формализованными и неформализованными (или слабоформа-лизованными). Соответственно, и для обработки информации применяются различные модели и методы [3].
В данной статье рассматриваются источники и процессы сбора и извлечения информации, а так же модели и методы ее обработки.
1. Процессы сбора и обработки информации на основе статистических методов
Авторы [1] под ААС организации понимают достаточно большой круг людей, имеющих отношение к некоторой организации, например,
Юсупова Нафиса Исламовна - УГАТУ, д-р техн. наук, профессор, тел. (347) 2737717
Сметанина Ольга Николаевна - УГАТУ, канд. техн. наук, доцент, e-mail: [email protected]
Исхакова Лилия Мансуровна - УГАТУ, аспирант, e-mail: [email protected]
для ВУЗа это сотрудники, студенты, выпускники, партнеры
Alumni-ассоциации при соответствующем управлении могут оказать организации значительную поддержку при создании и поддержании благоприятного и управляемого авторитета и имиджа организации; повышении ее конкурентоспособности на рынке услуг; при формировании фонда спонсорских средств для развития материальной базы организации и др. [1].
Подразделения организации по управлению связями с ААС выполняют, как правило, организационные и информационно-аналитические функции. Важное значение в процессе управления отводится информации.
Развитие ААС приводит к необходимости структуризации информации о членах ассоциации и поставляемой ими. Так, для связи с членом ассоциации необходимо знать фамилию, имя (отчество), адрес (включая страну), телефон, E-mail, место работы (организацию), должность, интересы (в том числе и научные) (рис.1).
Рис. 1. Информационная модель
Анализ задач, решаемых ААС в рамках организации программ академической мобильности и информации предоставляемой членами ассоциации о себе, в частности, своих интересах, участия в ассоциации, позволяет структурировать знания с помощью семантической сети.
С целью сбора информации, необходимой для управления, может быть проведен опрос членов ААС (рис. 2). Поскольку члены ассоциации могут быть удалены на значительные расстояния, «разнесены» по времени, то формой опроса может быть выбрано анкетирование [2]. Универсальность анкетирования позволяет фиксировать не только акты поведения опрашиваемых, но и их намерения и планы на будущее, изучать их жизненный опыт в накопленном аккумулированном виде. При анализе результатов анкетирования используются относительные и абсолютные показатели [4].
Рис. 2. Методы сбора первичных эмпирических данных
Опрос проводится тремя этапами: подготовительный, основной, завершающий. На подготовительном этапе определяются проблемная ситуация, объект и предмет изучения, а также цель и задачи опроса, в которых формулируют вопросы, позволяющие получить необходимую информацию. Основной этап это непосредственное проведение опроса (анкетирования). На завершающем этапе проводится обработка, анализ данных, формирование выводов. Детализация работ, проводимых на всех этапах анкетирования, может быть представлена функциональной моделью «Осуществить анкетирование» (рис. 3).
Эмпирические данные, собранные при анкетировании, не позволяют сделать окончательные выводы, выявить закономерности и тенденции, проверить гипотезы. Эти данные представляют собой первичную информацию, которую нужно обобщить, проанализировать и интегрировать. Все собранные анкеты проверяются, кодируются, группируются полученные данные, составляются таблицы, графики, диаграммы и
т.д.[5]. При этом применяются, методы моделирования и прогнозирования явлений и процессов (рис. 4), методы анализа и обработки эмпирических данных (рис. 5), методы статистического анализа информации (рис. 6).
Рис. 3. Функциональная модель «Осуществить анкетирование»
Рис. 4. Методы моделирования и прогнозирования социальных явлений и процессов
Рис. 5. Методы анализа и обработки информации
Рис. 6. Методы статистического анализа информации
В качестве аналитических инструментов могут выступить зарубежные и российские пакеты SPSS, STATGRAPHICS, SPSS, SYSTAT, BMDP, SAS, CSS, STATISTICA, S-plus, STADIA, ЭВРИСТА, МЕЗОЗАВР, ОЛИМП, Стат-Эксперт, Статистик-Консультант, САНИ,
КЛАСС-МАСТЕР.
2. Обработка информации на основе инженерии знаний
Рассмотренные модели и методы характерны для числовых данных. Для текстовой информации, качественных данных, полученных в ходе анкетирования, могут быть использованы модели и методы интеллектуальной обработки.
Обработанные анкетные данные представляют собой некоторую информацию, из которой в результате анализа может быть получена небольшая совокупность взаимосвязанных частей. В процессе синтеза формируются более сложные структуры, основанные на моделях, правильно описывающих процесс или объект.
Уровни знаний могут быть следующими:
S факты, которые можно констатировать, приводить в виде таблиц, перечней, диаграмм, иллюстраций и графиков;
S понятия (обобщения), которые поясняют группы объектов, символов, процессов и событий с общими атрибутами;
S правила, которые вырабатываются путем анализа фактов и понятий, и представляют собой наборы операций и шагов, направленных на решение задачи, достижение цели или получение какого-либо продукта [5]. Знания, представленные в виде операторов или алгоритмов типа «если, то», являются правилами, и используются при решении задач.
Знания выступают как совокупность декларативных (факты и понятия) и процедурных
(правила и алгоритмы) моделей. Декларативные знания это описательное представление в какой-либо предметной области. Процедурные знания являются набором интеллектуальных способностей, направленных на знание того, «как» сделать что-либо. Процедурные знания являются предписывающими: они используют процедурные знания для определения образа действий.
Все модели представления знаний для различных предметных областей могут быть сведены к следующим классам: продукционные модели; семантические сети; фреймы; формальные логические модели.
Продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа «Если (условие), то (действие)». В общем случае продукционную модель можно представить в следующем виде:
< - < 8; Ь; А ^ В; Q >, где:
• 8 — описание класса ситуаций;
• Ь — условие, при котором продукция активизируется;
• А ^ В — ядро продукции;
• Q — постусловие продукционного правила [9].
Примером может служить фрагмент базы знаний, построенной на основе «лестницы взаимодействий» [7]. Каждое действие Д может быть выполнено в несколько этапов (рис. 7).
П1: Если «человек - абитуриент», то «изменить отношение с «абитуриент» на «коллега», выполнив действие 1».
П2: Если «студент первого года обучения» и «отношение между студентом и университетом - коллеги», то «изменить отношения с «коллега» на «друзья», выполнив действие 2».
П3: Если «отношение между студентом и университетом - друзья», то «изменить отношение с «друзья» на «приверженец», выполнив действие 3».
П4: Если «отношение между студентом и университетом - приверженец», то «изменение отношения с «приверженец» на «пожизненный партнер», выполнив действие 4».
П5: Если «студент закончил университет» и «отношение между студентом и университетом - приверженец», то выполнить действие 5.
Продукционная модель чаще всего применяется в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.
Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен)
продукций они начинают противоречить друг другу.
Рис. 7. Этапы действий базы правил
Семантическая сеть - информационная модель предметной области, имеющая вид ориентированного графа, вершины которого соответствуют объектам предметной области, а дуги (ребра) задают отношения между ними. Объектами могут быть понятия, события, свойства, процессы [9]. Отношения представляют связи типа: «это», «имеет частью», «принадлежит». Наиболее часто в семантических сетях используются следующие отношения: связи типа
«часть — целое»; функциональные связи (определяемые обычно глаголами «производит», «влияет»...); количественные (больше, меньше, равно...); пространственные (далеко от, близко от, за, под, над...); временные (раньше, позже, в течение, ...); атрибутивные связи (иметь свойство, иметь значение); логические связи (И, ИЛИ, НЕ); лингвистические связи и др. Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе. Недостатком этой модели является сложность организации процедуры поиска вывода на семантической сети.
Для ААС можно привести следующий фрагмент семантической сети (рис.8).
Рис. 8. Фрагмент семантической сети для AAC
Фрейм это абстрактный образ для представления некоего стереотипа восприятия [6] (рис. 9). Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих данных. Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через: фреймы-структуры, использующиеся для обозначения объектов и понятий (волонтерство, социальная сеть); фреймы-роли (студент, выпускник, активный Alumni); фреймы-сценарии (окончание университета, присоединение к Alumni-ассоциации, пожертвование, циклы управления в образовательном процессе); фреймы-ситуации (тревога, академическая мобильность) и др.
Подход к формированию знаний может быть представлен алгоритмом (рис. 10).
Знания, полученные вследствие анализа данных, полученных при анкетировании, могут быть представлены с использованием продукционных и фреймовых моделей, семантических сетей.
Рис. 9. Фрагмент фреймовой модели
Структура входных и выходных данных существенно влияет на форму и содержание поля знаний.
Выявляются все значимые слова, обозначающие понятия, явления, процессы, предметы, действия, признаки и т.п. При этом следует попытаться разобраться в значении терминов. Важен осмысленный словарь.
Производится «просеивание» словаря N и выбор значимых для принятия решения понятий и их признаков, при этом образуется полный систематический набор терминов из какой-тбп пб.ттагти анаттий
Строится сеть ассоциаций, где связи только намечены, но пока не поименованы.
Связи, полученные на предыдущем шаге, позволяют структурировать понятие выявлять понятия более высокого уровня обобщения (метапонятия), и детализировать на более низком уровне.
Пирамида знаний представляет иерархическую лестницу понятий, подъем по которой означает углубление понимания и повышения уровня абстракции (обобщенности) понятий. Количество уровней в пирамиде зависит от особенностей предметной области, профессионализма экспертов и инженеров по знаниям.
Отношения между понятиями выявляются как внутри каждого из уровней пирамиды, так и между уровнями. Даются имена тем связям которые обнаруживаются на шагах 4 и 5, и обозначаются причинно-следственные, лингвистические, временные и другие виды отношений.
Выявление цепочек рассуждений связывает все сформированные ранее понятия и отношения в динамическую систему поля знаний.
5ис. 10. Алгоритм для представления знаний.
Заключение
Для эффективного управления связями с членами ААС, как и при управлении любой организационной системой, лицо, принимающее решение должно обладать полной, непротиворечивой, своевременной информацией. Анкетирование членов ААС как инструментарий опроса может быть успешно применено для получения важной и актуальной информации, например, о качестве образования, о степени значимости вуза и др.
Для корректной интерпретации полученных результатов анкетирования выпускников следует использовать как статистические методы, так и методы интеллектуальной обработки знаний. Знания, полученные вследствие анализа
данных, полученных при анкетировании, могут быть представлены с использованием продукционных и фреймовых моделей, семантических сетей.
Работа является частью научных исследований по тематическому плану НИР по заданию Министерства образования и науки РФ «Исследование интеллектуальных технологий поддержки принятия решений и управления для сложных социально-экономических объектов» и научно-исследовательской работы по теме «Исследования и разработка интеллектуальных технологий поддержки принятия решений и управления на основе инженерии знаний». Исследования поддержаны грантом РФФИ № 09-07-00408-а.
Литература
1. Модели управления образовательной организацией с учетом Alumni-ассоциации / Н. И. Юсупова, О. Н. Сметанина, Л. М. Исхакова // Экономика и управление. 2011. № 5. С. 57-63.
2. Сурмин Ю.П., Туленков Н.В. Методология и методы социологических исследований. Учеб. пособие. - К. МАУП, 2000. - 304с
3. Кулаичев А.П. Методы и средства комплексного анализа данных. 4-е изд., перераб. и доп. - М.: ФОРУМ: ИНФРА-М, 2006. - 512 с. ил.
4. Система социологического знания. Учеб. пособие/Сост. Щекин Г.В.. - 4-е изд. - К.: МАУП, 2001. - 208 с.
5. Ручкин В., Фулин В. Универсальный искусственный интеллект и экспертные системы. - СПб.: БХВ-Петербург. 2009 г. - 240 с.
6. Официальный сайт Энциклопедического фонда России [Электронный ресурс]. [2010] http://www.russika.ru/termin.aspter=3408
7. Официальный сайт компании «Precedent» [Электронный ресурс]. [2010] http://www.precedent.co.uk/
8. [Электронный ресурс]. [2011]
http://www.rus-lib.ru/
9. [Электронный ресурс]. [2011] http://ru.wikipedia.org/wiki/
10. A. F. Cabrera, D. J. Weerts, B. J. Zulick «Alumni Survey: Three conceptualizations to alumni research» [Электронный ресурс]. [2010] http://www.education.umd.edu/
11. Graduate surveys as an outcome evaluation// Dr. Rene Krempkow and Ulrich Wilke// 31st Annual EAIR Forum in Vilnius, Lithuania, 2009.
1. Определение входных и выходных
данных
I
2. Составление словаря терминов и наборов ключевых
слов N
I
3. Выявление объектов и понятий
I
4. Выявление связей между понятиями
I
5. Выявление метапонятий и детализации понятий
I
б. Построение пирамиды знаний
7. Определение отношений
1
8. Определение стратегий принятия
тонпрттн
I
9. Структурирование поля знаний
Уфимский государственный авиационный технический университет
MODELS AND METHODS OF INFORMATION PROCESSING IN THE MANAGEMENT OF RELATIONS WITH THE ALUMNI-ASSOCIATION N.I. Yussupova, O.N. Smetanina, L.M. Iskhakova
The paper shows that Alumni-Associations (AA) could be additional sources of several resources that might increase the organization governance effectiveness. Authors strongly suggested that survey of AA members could be successfully used as a tool to obtain an important and relevant information. The article gives a brief classification of information methods based on Statistical analysis and intellectual processing for the database implementation of the decision support system (DSS) in the management of relations with the AA
Key words: Alumni-Associations (AA), information gathering, methods of information processing, knowledge extraction, knowledge representation, decision support system (DSS)
