СОВМЕСТНОЕ КОГНИТИВНОЕ КАРТИРОВАНИЕ КАК МУЛЬТИДИСЦИПЛИНАРНЫЙ ПОДХОД К УПРАВЛЕНИЮ СЛОЖНЫМИ СИСТЕМАМИ Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 338.266

doi:10.18720/SPBPU/2/id21-69

Платонов Владимир Владимирович1,

профессор, доктор экономических наук, профессор;

Яковлева Елена Анатольевна , профессор, доктор экономических наук, доцент

СОВМЕСТНОЕ КОГНИТИВНОЕ КАРТИРОВАНИЕ КАК МУЛЬТИДИСЦИПЛИНАРНЫЙ ПОДХОД К УПРАВЛЕНИЮ СЛОЖНЫМИ СИСТЕМАМИ

1 2

' Россия, Санкт-Петербург, Санкт-Петербургский государственный

экономический университет,

1 vladimir.platonov@gmail.com,

2

helen7199@gmail.com

Аннотация. В статье развивается тема совместного когнитивного картирования, для комбинирования в процессе стратегического управления в сложных системах когнитивных карт, диаграмм влияния, байесовских сетей, использования возможностей человеко-машинного взаимодействия и искусственного интеллекта. Предложенный подход расширяет возможности стратегического управления, разработки программ изменений и проектов. Для ученых он предоставляет возможности активного исследования и формирования новых теорий путем консультационной деятельности, для практических менеджеров - применять когнитивное картирование при разработке и реализации стратегии.

Ключевые слова: мультидисциплинарность, стратегия, когнитивные карты, байесовские сети, диаграммы влияния, цифровизация.

Vladimir V. Platonov \

Professor, Doctor of Economic Sciences;

Elena A. Iakovleva , Professor, Doctor of Economic Sciences

PARTICIPATIVE COGNITIVE MAPPING AS

MULTIDISCIPLINARY APPROACH FOR MANAGING COMPLEX

SYSTEMS

1 2

' Russia, Saint-Petersburg, Saint-Petersburg State University of Economics,

1 vladimir.platonov@gmail.com,

2

helen7199@ gmail .com

Abstract. The article develops a procedure of participative cognitive mapping, to combine in the process of strategic management in complex systems cognitive maps, influence diagrams, Bayesian networks, using the capabilities of human-machine interaction and artificial intelligence. The proposed approach expands the possibilities of strategic

management, development of programs of change and projects. For scientists it offers opportunities for active research and developing of new theories through management consulting, for practical managers to apply cognitive mapping in the development and implementation of strategy.

Keywords: multidisciplinarity, strategy, cognitive maps, Bayesian networks, influence diagrams, digitalization.

Введение

Представители научных течений, активно осуществляющие исследование сложных хозяйственных систем, разделяют позицию, что особенности таких систем требуют вовлечения в научные исследования лиц, непосредственно принимающих управленческие решения (ЛПР), а также вовлечение самих исследователей в процесс стратегического планирования [14, 13, 11, 15]. Исследователь процесса принятия решений не может рассматриваться как нейтральный независимый наблюдатель и, аналогично, ЛПР являются активными участниками исследования [13, 14]. Предлагаемый в настоящей статье методический подход является реализацией данной эпистемологической предпосылки. Подход является мультиметодологическим, но его основой является когнитивное картирование. В данном исследовании под когнитивной картой понимается инструмент выявления и описания ментальных моделей ЛПР, и, в особенности, экспликации неявного экспертного знания относительно слабоструктурированных проблем [16]. Для исследователя когнитивное картирование предоставляет доступ к субъективному отражению в сознании руководителей, факторов и причинно-следственных взаимосвязей реального мира [4]. Ментальная модель, выявляемая путем когнитивного картирования, является отражением существующей в реальности сложной системы высокого уровня абстрактности. Основатель системной динамики Джей Форрестер указывал, что никто не держит полную картину мира в своей голове, а только наиболее важные факторы и взаимосвязи между ними [8]. За рубежом когнитивное картирование получило широкое развитие как метод исследований в области менеджмента. Работы по данному направлению активно публикуются в журналах с высоким им-пакт-фактором, входящим в первую квартиль. Основы отечественной школы когнитивных исследований в управлении были заложены учеными Лаборатории «Когнитивного моделирования и управления развитием ситуаций» ИПУ РАН (Н.А. Абрамова, З.К. Авдеева, С.В. Коврига, В.В. Кульба, В.И. Максимов, А.Н Райков) и активно развиваются в Южном федеральном университете под руководством Г.В. Гореловой [2, 1, 3], в том числе, в плане как выявления ментальных моделей, так и их обработки с использованием математических методов [2]. В Санкт-Петербурге Б.А. Кукор с коллегами разработали ряд аспектов применения данной методологии в системах стратегического управления. Широ-

кие перспективы открываются перед когнитивным моделированием с цифровизацией и развитием искусственного интеллекта, так как, с их помощью становится возможным проанализировать большое количество структур и вариантов поведения сложной системы, гораздо больше, чем эксперты могут обработать самостоятельно, без помощи когнитивных карт и компьютерных программ [9].

Научная новизна предлагаемого в этой статье подхода состоит в развитии процедуры совместного когнитивного картирования, впервые предложенного нами для инициирования междисциплинарных проектов в сети Меганаука [5], его расширении и обобщении для использования в процессе стратегического управления в любых сложных системах. Новая процедура совместного когнитивного картирования расширяет возможности стратегического управления, позволяя ЛПР использовать ее для выработки и обоснования управленческих решений, разработки программ изменений и проектов. Для ученых она открывает возможности для активного исследования и формирования новых теорий, реализуя ключевое положение методологии критического реализма, согласно которому «практика идет впереди теории» [13, p. 494].

1. Подход к принятию стратегических решений по управлению сложными хозяйственными системами на основе совместного когнитивного картирования с использованием человеко-машинного взаимодействия

Предлагаемый подход представляет собой трансформацию когнитивного картирования из метода поискового (эксплораторного) научного исследования и экспликации экспертного знания, а также инструмента стратегического анализа в метод стратегического управления, вплоть до реализации программы мероприятий. Описанный ниже подход интегрирует процедуру совместного когнитивного картирования в рамках мягкого подхода к исследованию операций, получившему название «4А» (Appreciation, Analysis, Assessment, Action) - Выявление, Анализ, Оценка и Действие, предложенного Мингерсом и Броклесби для решения задач стратегического управления в сложных системах [13]. В итоге, разработана мультидисциплинарная организационная модель принятия стратегических решений по управлению сложными хозяйственными системами на основе совместного когнитивного картирования, блок-схема которой представлена на рисунке 1. Она позволяет вовлечь ЛПР в процесс научного исследования, а ученых в процесс стратегического планирования, интегрировать процедуры, реализуемые людьми и компьютерами в рамках последовательного процесса человеко-машинного взаимодействия, объединить в рамках одного методологического подхода методы и инструменты, относящиеся к различным научным традициям - нечетким

когнитивным картам, байесовским сетям, диаграммам влияния, а, в перспективе, использованию возможности искусственного интеллекта и нового ресурса, возникшего в результате цифровизации - больших данных. Важнейшие элементы подхода апробировались в реальном секторе экономике при разработке стратегии крупной логистической компании и малой инновационной компании высокотехнологичной отрасли, а также сети взаимодействия научных организаций. Вместе с тем, разрабатываемый подход дополнен некоторыми элементами, которые еще только предполагается опробовать на практике.

Коллективная когнитивная карта позволяет выявить проблемную ситуацию, так как она представляется экспертам в виде ключевых факторов и их взаимосвязей. Отметим, что, в случае совместного когнитивного картирования, эксперты и ЛПР совпадают. Так как речь идет об анализе сложных систем, осуществляется не выявление отдельных факторов, а предоставление системной картины мира, взгляда на мир команды управленцев, высокой степени абстракции - Weltanschauung.

Предлагаемый подход для сбора данных и составления когнитивных карт комбинирует номотетическую и идеографическую техники причинно-следственного картирования [6]. Исходным пунктом процедуры является определение широких тем и круга проблемных ситуаций [5]. Определение круга проблемных ситуаций - самая важная процедура, так она выявляет, как исходный набор проблем, так и значимых факторов стратегического характера, которые их обуславливают. терминах конструктивистского подхода они представляют собой конструкты. Они представляют основу индивидуальных и коллективных ментальных моделей, так и диаграмм влияния, составляя фундамент последующих процедур. Тем не менее, именно это - «слабое звено» совместного когнитивного картирования, из-за субъективного, во многом произвольного, отбора актуальных проблем. Составление исходного списка вопросов носит субъективный характер. Исследователи, во-многом, субъективно определяют исходный перечень, используя научную литературу, отраслевые публикации, новости. При этом, неизбежно отбор тем, проблем и факторов определяется теоретическими воззрениями исследователей.

В итоге, генерируется список из 50 наиболее значимых факторов/проблем. Из этого списка ЛПР должны выбрать 12-15 факторов/проблем, наиболее важных по его/ее мнению. Затем они должны связать эти факторы между собой, тем самым показав наиболее важные причинно-следственные связи.

На рисунке 1 процедуры, осуществляемые людьми, обозначены буквой «H», этапы, реализуемые компьютером, включая использование искусственного интеллекта, обозначены буквой «M».

ВЫЯВЛЕНИЕ

А

Большие данные

т

I I I I I I

Индивидуальные ментальные модели

11

Определение Выявление Выявление Выявление Анализ 1

широких тем актуальных индивидуаль- коллектив- когнитивного

Н проблем ных ных разнообразия

М ментальных ментальных М

моделей моделей _ _]

Н Н ! в1 — 1

ГХТТл

I

Ключевые темы междисциплинар ной области

Актуальные проблемы

Коллективная ментальная модель

Г

Уточненная

коллективная

ментальная модель

Уточнение коллективной когнитивной карты путем нечеткого когнитивного картирования (ЕСМ) М

Эксплицированная доминантная логика

! Б |

Рис. 1. Методический подход к совместному когнитивному картированию для принятия решений с использованием человеко-машинного взаимодействия

Применение технологий машинного обучения с использованием больших данных позволяет принципиально повысить объективность процедуры гибридной (номотетической и идеографической) техники

причинно-следственного картирования. Это одна из тех точек предлагаемой организационной модели, наряду с применением байесовских сетей и нечетких когнитивных карт, где обеспечивается связь между конструируемой реальностью и объективной реальностью, наряду с выявлением объективной реальности через когнитивные линзы ЛПР. Применение больших данных и искусственного интеллекта позволяет эту связь качественно усилить.

Следует подчеркнуть, что роль исследователя и модератора процесса остается исключительно важной, также, как и значение выбранной учеными теоретической основы когнитивного исследования, лежащего в основе всей процедуры. Тем не менее, использование искусственного интеллекта и больших данных снижает субъективность и уменьшает предвзятость при обосновании управленческих решений.

Следующей важной процедурой является построение коллективной ментальной модели путем количественного анализа с использованием матриц смежности и последующего анализа когнитивного разнообразия с применением расчета когнитивной дистанции (когнитивного разнообразия) между индивидуальными ментальными моделями. Матрица смежности размером 100 х 100, соответствующая списку из 50 факторов и проблем формируется в результате компьютерной обработки в системе Matlab [5, 6]. Построение и уточнение коллективных когнитивных карт представляет собой итоговый результат этапа «Выявление».

Далее процедура продолжается в ходе ряда итераций (контур обратной связи B - D), пока не будет достигнут установленный исследователями целевой уровень когнитивной дистанции. После его достижения этап «Выявление» завершен - выявлена общая для команды ЛПР картина внутренней и внешней среды организации («картины мира» - Weltanschauung). В плане стратегического анализа она является эксплицированной доминантной логикой - коллективным укоренившемся представлением руководства об организации успешной деятельности [4, 20]. Именно она будет основой для разработки диаграмм влияния на этапе «Анализ», рекомендаций на этапе «Оценка», будет воплощаться в жизнь в рамках программы мероприятий и, при необходимости, пересматриваться путем повторного проведения процедуры или ее отдельных этапов (контур обратной связи D - C).

Значение целевой когнитивной дистанции определяется по формуле (1) [12]. В числителе формулы - расстояние между двумя когнитивными картами, а в знаменателе -максимально возможное расстояние, с учетом всех важнейших компонент когнитивного разнообразия. Для одинаковых когнитивных карт значение DR составляет 0, а полное

а - b .

у i, j

различие между индивидуальными представлениями ЛПР о внутренней

и внешней среде сложной системы соответствует DR равной единице.

p p

Yzdff i J)

DR=—2-У—2- rn

6Pc + 2 Pc (PuA + PuB ) + PuA + PuB - (6 Pc + p + PuB )) (i)

0 если i = J

diff (i, j) = <¡1 если i или J £ Pc и i, J e NA или i, J e NB ,

в остальных случаях

где DRz - когнитивные дистанции коллективных ментальных моделей, полученных в ходе последовательных сессий совместного когнитивного картирования (z); DRz e [0;1], то есть идентичные ментальные модели будут иметь значение DR равное нулю, а 1 указывает на наибольшее разнообразие;

i и j - строки двух расширенных ассоциативных матриц, p -количество узлов, общих в двух расширенных ассоциативных матрицах размера p, NA - количество узлов в первой ассоциативной матрице; NB -количество узлов во второй ассоциативной матрице, Pc - множество узлов, общее для обеих матриц, Pc - количество этих узлов, PuA -количество уникальных узлов первой ассоциативной матрицы, PuB -количество уникальных узлов второй ассоциативной матрицы, ау и Ьу значение i-ой строки и j-ого столбца соответственно первой и второй ассоциативной матрицы.

Коллективная когнитивная карта может быть уточена с применением нечеткой логики, в результате которого будет построена нечеткая когнитивная карта. Этот подход получил распространение, более того, был апробирован как совместная процедура, включающая ЛПР [10]. Нечеткие когнитивные карты разработаны на основе теории графов и являются «частично количественными» (semiquantitative). Методы графов используются для представления знаний, а в области искусственного интеллекта получили название «семантические сети» [7]. Применение данной техники позволяет осуществить анализ сценариев, определить начальное и конечное состояние равновесия в зависимости от выявляемых динамических характеристик моделируемой системы путем ряда итерационных шагов [10, 19]. Тем самым появляется возможность ответить на вопрос: что если? Она реализуется рассмотрением того, как как система, представленная нечеткой когнитивной картой, смещается между наборами равновесных точек. Сценарии позволяют оценить альтернативные равновесные состояния, в случае изменения компонентов нечеткой когнитивной карты, и, тем самым скорректировать модель.

Построение коллективной когнитивной карты в предлагаемой процедуре является итоговым результатом этапа «Выявление», согласно мо-

дели 4А, и отправной точкой для процедуры «Анализ». В плане процесса принятия решений, когнитивная карта становится основой для совместной разработки исследователями и ЛПР диаграмм влияния - графического инструмента для отображения взаимодействия различных элементов процесса принятия решения с учетом системы социальных, экономических, экологических и технологических факторов. Обычно решения на диаграмме влияния изображаются прямоугольниками, случайные события или неопределенности - овалами или кругами, входы и выходы -округлыми прямоугольниками, а результирующие значения - ромбами. Диаграммы влияния могут предусматривать петли обратной связи, если они не используются в указанном ниже построении байесовских сетей.

Диаграмма влияния на основе байесовской сети может быть построена на основе выявленной когнитивной ментальной модели ЛПР в форме направленного ациклического графа. Это позволяет проанализировать влияние фактора неопределенности на выявленные в ходе процедуры совместного когнитивного картирования факторы с использованием алгоритма пропагации свидетельства для анализа чувствительности [17]. Таким образом, исходная диаграмма влияния может быть скорректирована с использованием возросших возможностей компьютеров и искусственного интеллекта. Альтернативный вариант, когда байесовская диаграмма влияния будет напрямую построена с применение машинного обучения к большим данным и сопоставлена с исходной, которая выведена на основе коллективной когнитивной карты. Имеются научные публикации, с согласно которым анализ байесовских сетей может быть скомбинирован с методом Монте-Карло [18].

Два последних этапа предлагаемой процедуры соответствуют общему подходу к стратегическому планированию. С этого момента предлагаемая нами процедура интегрируется в процесс стратегического планирования, в том виде, как он традиционно реализуется в практическом менеджменте. На этапе «Оценка» результаты анализа оцениваются для выработки рекомендаций по осуществлению изменений для решения выявленных проблем. Для реализации этих мероприятий, на заключительном этапе («Действие») вырабатывается программа мероприятий -действий по воплощению в реальную действительность рекомендаций. В ходе реализации программы мероприятий, весьма вероятно, что появится новая информация и могут возникнуть проблемные ситуации, решение которых потребует пересмотра коллективной картины мира, выработанной командой управленцев и внешними экспертами. Эта ситуация весьма вероятна и предусмотрена дугой обратной связи Б - С. В этом случае, активируется контур обратной связи, включающий повторное уточнение коллективной метальной модели и диаграммы влияния, а также добавление и корректировку рекомендаций, а также программы мероприятий. Он также может потребовать реализации «машинных»

процедур нечеткого когнитивного картирования и/или построения байесовских сетей, даже, если они не были предусмотрены первоначальным дизайном исследования. Обусловлено это тем, что указанные машинные процедуры с использованием искусственного интеллекта наиболее эффективны при возникновении новых угроз и проблемных ситуации, а также обновлении больших объемов информации о существующих угрозах и проблемных ситуациях, требующих корректировки и пересмотра всей цепочки сделанных ранее оценок и выводов. В предлагаемом подходе к совместному когнитивному картированию, наличие двух контуров обратной связи призвано учесть особенность модели 4А, на которую указывают Мингер и Броклесби: виды активности в ней представляют собой не последовательность осуществляемых этапов, а виды деятельности, реализуемые постоянно в ходе разработки и реализации стратегии [13].

Заключение

Предлагаемый подход вписывается в оба основных направления современных исследований в области стратегического управления в сложных хозяйственных системах - критического реализма и конструктивизма, но, в наибольшей степени, соответствует последнему, так как конструктивисты определяют социально-экономическую реальность как неизбежно зависящую от сознания ЛПР и исследователей, конструируемую ими [15]. Предлагаемая процедура является одновременно научно-исследовательской и прикладной - именно процессом конструирования, «генерирования» [15] социально-экономической реальности. Вместе с тем, описанная организационная модель предусматривает каналы поступления информации о физической среде за пределами социальных конструктов. Действенность этих каналов должна принципиально возрастать с развитием технологий анализа больших данных.

Исследование выполнено при поддержке гранта РФФИ, проект 19-010-00257 Методология анализа промышленных предприятий и отраслей нематериального производства в условиях информационного общества и цифровизации.

Список литературы

1. Авдеева З.К., Коврига С.В., Макаренко Д.И. Когнитивное моделирование для решения задач управления слабоструктурированными системами (ситуациями) // Управление большими системами: сборник трудов. 2006. № 16. С. 26-39.

2. Волкова В.Н., Горелова Г.В., Козлов В.Н., Лыпарь Ю.И., Паклин Н.Б., Фирсов А.Н., Черненькая Л.В. Моделирование систем и процессов: учебник для академического бакалавриата / Под ред. В.Н. Волковой, В.Н. Козлова. - М.: Издательство Юрайт, 2014. - 592 с.

3. Горелова Г.В., Захарова Е.Н., Радченко С.А. Исследование слабоструктурированных проблем социально-экономических систем: когнитивный подход. - Ростов н/д: Изд-во РГУ, 2006. - 332 с.

4. Елисеева, Платонов В.В., Бергман Ю-П., И. Дюков, Рюйотта П. Формирование доминантной логики развития компании: всматриваясь в черный ящик //Экономическая наука современной России. - 2016. - №4. - С. 53-67.

5. Карлик А.Е., Платонов В.В., Кречко С.А. Совместное когнитивное картирование — метод обеспечения междисциплинарных инновационных проектов меганауки //Экономическая наука современной России. - 2018. - №4. - С. 65-84.

6. Bergman J.-P., Knutas A., Jantunen A., Tarkiainen A., Luukka P. Karlik A., Pla-tonov V. Strategic Interpretation on Sustainability Issues: Eliciting Cognitive Maps of Boards of Directors // Corporate Governance (Bingley). - 2016. - No. 1. - Vol. 16, - pp. 162-186.

7. Chrysafiadi K., Virvou M. A knowledge representation approach using fuzzy cognitive maps for better navigation support in an adaptive learning system // SpringerPlus. -2013. - Vol.2. - No.1. - p. 81.

8. Forester J.W. Counter intuitive Behavior of Social Systems // Technology Review 1971 - Vol. 73. No.3. - pp. 52-68.

9. Gorelova G.V., Pankratova N.D. Scientific Foresight and Cognitive Modeling of Socio-Economic Systems / Proceedings of the 18th IFAC Conference on Technology, Culture and International Stability (TECIS-2018). IFAC Papers OnLine. Elsevier. - 2018. - pp. 145-149.

10. Gray S. A., Gray J., De Kok L., Helfgott A. E. R., O'Dwyer B., Jordan R., Nyaki A. Using fuzzy cognitive mapping as a participatory approach to analyze change, preferred states, and perceived resilience of social-ecological systems // Ecology and Society. - 2015. -Vol. 20. - No. 2. - pp. 11-21.

11. Kwan K-M, Tsang EWK. Realism and constructivism in strategy research: a critical realist response to Mir and Watson // Strategic Management Journal. - 2001. - Vol. 22. -No. 12. - pp. 1163-1168.

12. Langfield-Smith K. M. Exploring the need for a shared cognitive map // Journal of Management Studies. - 1992. - Vol. 29. - No. 3. - pp. 349-368.

13. Mingers J., Brocklesby J. Multimethodology: Towards a framework for mixing methodologies // Omega. - 1997. - Vol. 25. - No.5. - pp. 489-509.

14. Mir R, Watson A. Strategic management and the philosophy of science: the case for a constructivist methodology // Strategic Management Journal. - 2000. - Vol. 21. - No. 9. -pp. 941 - 953.

15. Mir R., Watson A. Critical realism and constructivism in strategy research: Towards a synthesis // Strategic Management Journal. - 2001. - Vol. 22. No. 3. - pp. 1169-1173.

16. Montazemi A, Chan L. An analysis of the structure of expert knowledge // European Journal of Operational Research. - 1990. - Vol. 45. - No. 3. - pp. 275-292.

17. Nadkarni S., Shenoy P.P. A Bayesian network approach to making inferences in causal maps // European Journal of Operational Research. - Vol. 128. - No. 3. - pp. 479498.

18. Namazian A., Yakhchali S. H., Yousefi V., Tamosaitiene J. Combining Monte Carlo Simulation and Bayesian Networks Methods for Assessing Completion Time of Projects under Risk // International Journal of Environmental Research and Public Health. - 2019. -Vol. 24. - No. 16. - pp. 24-50.

19. Ozesmi U., Ózesmi S.L.. Ecological models based on people's knowledge: a multistep fuzzy cognitive mapping approach // Ecological Modelling. - 2004. - No. 176. - pp. 43-64.

20. Prahalad C.K., Bettis R.A. The Dominant logic: a New linkage between diversity and performance // Strategic Management Journal. - 1986. - No. 7. Vol. 6. - pp. 485-501.