Картографирование: топографическое, когнитивное, контекстуальное основе

Графические методы в процессе исследований используются преимущественно с целью структуризации и визуализации структуры проблемы, а также представления всей совокупности возможных ее решений (развертки цели в подцели / задачи и решения). Реже такие методы применяются для представления результатов исследований и свертки частных критериальных показателей в обобщающий. В связи с изложенным можно, с некоторым преувеличением сказать, что графические методы, используемые в исследованиях, играют подчиненную, служебную роль. Кроме того, они чаще всего применяются в сочетании с другими методами. Совокупность графических методов, используемых в исследованиях, можно представить в виде классификации, приведенной на рисунке ниже.

Рис. 12. Классификация графических методов, используемых в исследованиях

Топографическое

Картографирование на топографической основе сводится к сбору и отражению при помощи различных условных обозначений (цвета, штриховки, значков) на топографических картах различной информации локального характера, систематизации и обобщению этой информации, а также получению на этой основе новой. Пример такой карты приведен на рисунке далее.

С помощью топографических карт могут быть выявлены, например: очаги инфекционных заболеваний, что в свою очередь, инициирует поиск их источников (причин); районы компактного проживания специалистов редких и исчезающих народных промыслов и др. Локализация с помощью картограмм определенных факторов (особенностей местности, климата и др.) может служить основой для привлечения к исследованию других методов, например, факторного анализа и т. п.

Рис.13. Пример отражения на карте локальной статистической информации

Когнитивное

Когнитивное картографирование сводится к систематизации в виде различного рода схем (карт) выявленной (полученной) разными способами тематической информации, служащих в последующем основой для классификации, обобщения. Пример одного из вариантов когнитивной карты приведен на рисунке 15 ниже.

Выделяется особая разновидность когнитивных карт, близкая по внешнему виду к сетевым моделям и получившая название нечеткие когнитивные карты (НКК). Общий вид одной из разновидностей нечетких когнитивных карт приведен на рисунке 14 ниже.

До составления НКК исследователь должен выяснить и установить: есть ли причинно-следственная связь между двумя факторами, и если да, то какой из факторов является причиной, а какой — следствием. Усиливается или ослабляется фактор-следствие при усилении / ослаблении фактора-причины и в какой мере (выраженной в долях единицы) это проявляется. Для решения этих вопросов исследователь привлекает группу экспертов, которые представляют ему соответствующую информацию. Сами они прибегают при этом к методам экспертного оценивания, коллективной генерации идей, “Дельфи” и др. Метод, таким образом, в своей основе является экспертным, относящимся к этапу получения релевантной информации. С другой стороны, метод относится к этапу обработки информации, так как полученная НКК используется для оценки результатов совместного динамического взаимодействия всех учтенных факторов. Она позволяет установить, насколько повлияет на состояние результирующего фактора (на рис. 14 — фактор 6) разовое изменение в желательном (или нежелательном) направлении исходного фактора (на рис. 14 — фактор 1) на одну единицу его измерения (т. е. выявить значение импульса).

Рис. 14. Нечетная когнитивная карта условного процесса: 1–6 — обозначение факторов;

— обозначение усиливающего воздействия фактора-причины (например, 1) на фактор — следствие (например, 4) и степени усиления;

— обозначение ослабляющего воздействия фактора-причины (например, 4) на фактор-следствие (например, 5) и степени ослабления

Рис. 15. Пример когнитивной карты на тему «Причины игнорирования населением рынка ценных бумаг»

Контекстуальное

Контекстуальное картографирование — метод сбора и графического представления текстовой информации, содержащейся в научных сообщениях, патентах, проектной и другой технической документации, отражающей продвижение научных и технических идей по этапам их жизненного цикла, относящихся к отдельным узлам / частям / системам рассматриваемого технического объекта, и предвидение на этой основе времени материализации отслеживаемых идей в рассматриваемом техническом объекте. Другими словами, это метод предвидения существенных изменений в принципиальном устройстве интересующего исследователя технического объекта. Пример контекстуальной карты условного технического объекта приведен на рисунке ниже.

Рис.16. Контекстуальная карта⁴ научно-технической информации по изделию:

– логичное направление развития инновационного процесса по узлу (части) изделия

Обозначения:

1 - Наименование узлов, агрегатов, систем и т. д. приводятся согласно варианту индивидуального задания или представления студента об устройстве заданного изделия.

2 - I — статьи в научных, общетеоретических журналах; II — статьи в профессиональных, отраслевых журналах, сборниках докладов (тезисов) научно-технических конференций, семинаров и т. д.; III — патентная информация, паспорта научно-технических достижений (НТД), прямая информация с технической документации (ТД).

3 - Точками отмечается количество сообщений (документов НТИ), в которых отражена информация о предположении прогрессивных изменений в узле (данные условные).

4 - Структура реальной контекстуальной карты может быть значительно более дифференцированной по обеим осям. По оси ординат она может охватывать все узлы (агрегаты и т. д.) конкретного изделия, а группы источников информации могут быть представлены более подробно. Горизонт обзора (ось абсцисс) может быть, если это целесообразно, более углублен в прошлое, и последние временные интервалы раскрыты более детально, например, по годам.

Методы, основанные на многофакторном корреляционно-регрессионном анализе. Количественно-сценарный метод. Планирование эксперимента.

Классификацию этой группы методов можно представить на рисунке ниже.

Рис.17. Классификация методов исследования, базирующихся на многофакторном корреляционно-регрессионном анализе (МФКРА)

Количественно-сценарный метод исследования состоит в том, что на основе верифицированной многофакторной модели исследуемого процесса / явления, обязательно включающей фактор времени, просчитываются значения трех вариантов (сценариев) возможного состояния анализируемого исследуемого объекта в будущем: наиболее вероятного, пессимистического и оптимистического. Для этого по данным статистической совокупности определяются по три значения каждого вошедшего в многофакторную модель независимого фактора-причины: среднее, минимальное, максимальное. Логически группируя эти значения и подставляя их в модель, получают три интересующих исследователя значения фактора-функции. Кроме того, в модель вводят так называемое разрушающее событие, возможное наступление которого способно кардинально изменить все три отмеченные значения факторов-причин. Разрушающими событиями рассматривают такие независимые или квазинезависимые от воли людей явления, как: землетрясения, революция, ураган, война, глобальная эпидемия и др. Логическим анализом определяют возможные значения факторов-причин модели в случае наступления разрушающего события. Подставляя их в многофакторную модель, получают четверное значение фактора-функции (четвертый сценарий / футурибль). Результаты такого моделирования могут быть представлены графически. Применение количественно-сценарного метода покажем на примере исследования возможного “поведения” платы за парикмахерскую услугу согласно данным таблице ниже.

Таблица 1

Применение количественно-сценарного метода

Возможные названия и единицы измерения независимых факторов в модели (табл.2).

Таблица 2

Представление результатов мыслительной деятельности

Единица измерения фактора-функции — рубли.

На рисунке 1 дано графическое представление области отклика.

Рис. 18. Графическое представление области отклика

Для обеспечения доверительности результатов многофакторного моделирования приходится существенно увеличивать количество отдельных наблюдений (или опытов), а также точность измерений по ним. Представление о масштабах такого увеличения дают данные таблицы 3, составленные для 95%-ного уровня доверительности.

Таблица 3

Величина q представляет собой отношение доверительной оценки точности (↋) и ожидаемого эмпирического стандарта ошибки (s). Для того чтобы избежать столь значительного объема опытной работы, а также решения ряда других задач, предложено предварительное планирование эксперимента. Под планированием эксперимента понимают совокупность приемов, позволяющих разумно поставить эксперимент, сообразуясь с целью исследования, со стремлением получить максимум информации при ограниченном числе опытов, а также правильно обработать и интерпретировать результаты эксперимента. Эти приемы применяют на начальных и конечных этапах исследования (рис. 19).

Рис. 19. Примерный алгоритм планирования эксперимента

Планирование эксперимента – комплекс методов математической статистики, направленных на постановку опытов и проведение рациональных измерений, подверженных случайным ошибкам.

Общая схема проведения эксперимента выглядит следующим образом. Со случайными ошибками измеряется некоторые выходные переменные изучаемой системы, зависящие от неизвестных значений параметров и известных значений переменных-факторов, а также из возможных взаимодействий. Основная цель планирования эксперимента – достижение максимальной точности измерений при минимальном количестве произведенных опытов и сохранении статистической достоверности результатов.

Основные этапы планирования эксперимента:

1. установление цели эксперимента – постановка целей и задач проведения эксперимента;

2. уточнение условий проведения эксперимента – выбор оборудования, сроков работ, способа проведения эксперимента и т.п.;

3. выбор входных и выходных параметров – выбор зависимой измеряемой переменной, определение случайных и детерминированных независимых переменных;

4. установление необходимой точности результатов измерений – выбор компромисса между минимальным числом испытаний и статистической достоверностью получаемых результатов;

5. составление плана и проведение эксперимента – количество и порядок испытаний, задание совокупности значений задаваемых переменных-факторов и их взаимодействий в эксперименте;

6. статистическая обработка результатов эксперимента – применение методов математической статистики для обработки результатов, построение математической модели эксперимента;

7. формулирование выводов.

Планирование эксперимента широко используют в промышленной статистике. В условиях промышленного эксперимента его основная цель заключается в определении максимального количества информации о влиянии изучаемых факторов на производственный процесс с помощью наименьшего числа дорогостоящих наблюдений. Методы анализа данных промышленных экспериментов опираются на теорию вероятностей и методы математической статистики: корреляционный анализ, регрессионный анализ, дисперсионный анализ.