Научный журнал

Международный журнал прикладных и фундаментальных исследований

ISSN 1996-3955

ИФ РИНЦ = 0,593

• Авторы
• Резюме
• Файлы
• Ключевые слова
• Литература

Конаныхина Т.Н. 1

---

1 ФГБОУ ВО «Юго-Западный государственный университет»

Развитие социума в настоящее время характеризуется как экспансией различных социальных практик, так и ростом потребностей общества в целом и практик в частности в прорывных информационно-цифровых технологиях: искусственный интеллект, мобильные коммуникации, big data, информационные технологии. Возникает проблема организации мониторинга и умвельт-анализа коэволюции социума в цифровом окружении (цифровой экологии). Мониторинг, как регистрацию значений прямых и латентных индикаторных переменных, предлагается расширить функционалом, позволяющим выделять определенные кластеры и обладающим предикативными функциями различного по времени упреждения. Отмечается, что в качестве платформы предлагаемого умвельт-анализа цифрового окружения целесообразно использовать методологию социотехнического ландшафта. В статье описывается структура информационно-аналитической модели анализа предкризисных ситуаций и приведены результаты когнитивного моделирования динамики потребностей медицины к цифровым технологиям (кривые Гартнера с 2000 по 2020 г.). Показано, что наилучшими предикативными возможностями обладают модели, включающие параболические и гармонические термы, и модели, отражающие принятие решения системой о своем развитии в цифровом окружении в данный момент на основе прошлого опыта и прогнозируемого будущего. Выделены доминирующие циклические составляющие кратные трем годам (3, 6, 9, 18), что соответствует циклам Китчина. Приведенные результаты корреляционного анализа показывают, что в промышленности, цифровой экономике и экологии наблюдаются отличительные тенденции, связанные с тем, что востребованность цифровых технологий началась в среднем на 5–6 лет (опережая остальные социальные практики). Проведенные пилотные исследования позволяют говорить о перспективности организации предикативного экологического мониторинга на основе ландшафтной идеологии, анализируя окружение (экологию) отдельных «ячеек» с позиций системного подхода своего ближайшего окружения, позволяя применять умвельт-анализ.

Статья в формате PDF

0 KB

функциональный мониторинг

предикативный мониторинг

цифровая экология

умвельт

структурно-параметрическая идентификация моделей

социотехнический ландшафт

1. Анохин П.К. Принципиальные вопросы общей теории функциональных систем. М.: Директ-Медиа, 2008. 131 с. [Электронный ресурс]. URL: http://biblioclub.ru/index.php?page=book&id=39125 (дата обращения 07.10.2020).

2. Пазюк К.Т., Кутафьева С.С. Имитационная модель прогноза поведения субъектов взаимодействия социума // Общество: социология, психология, педагогика. 2020. № 4 (72). С. 29–33.

3. Letov O.V. Some Philosophical Problems of Biology and Medicine. Social and human sciences. Domestic and foreign literature. Ser. 3, Philosophy: Review Journal. 2019. P. 46–53.

4. Artemenko M.V., Teplova V.V. Conceptual scheme of interaction «man-environment» as the basis of paradigms for the analysis and management of public health. European Journal of Natural History. 2016. № 3. P. 165–167.

5. Артеменко М.В., Протасова В.В. Методы и средства моделирования влияния экологической напряженности региона на здоровье населения. Курский гос. техн. ун-т, Курский гуманитар.-техн. ин-т. Курск, 2009. 286 с.

6. Заброда Н.Н., Артеменко М.В., Елисеев Ю.Ю. Влияние природных и антропогенных факторов на заболеваемость в регионе. Системный анализ и моделирование. Курск, 2006. 256 с.

7. Казначеев В.П. Учение В.И. Вернадского о биосфере и ноосфере. М.: Либроком, 2014. 250 с.

8. Урсуд А.Д. Глобальная эволюция и ноосферогенез. М.: Ленанд, 2015. 336 с.

9. Кечина Е.А. Методология социолого-статистического мониторинга // Социологический альманах. 2020. № 11. С. 47–56.

10. Diko M.D., Chakraborti S., Graham M.A. Monitoring the process mean when standards are unknown: A classic problem revisited. Quality and Reliability Engineering International. 2016. Vol. 32. № 2. P. 609–622.

11. Артеменко М.В., Калугина Н.М., Косьяненко В.В., Теплова В.В. Индикаторы оценки экологической ситуации региона // Научное обозрение. Биологические науки. 2017. № 1. С. 7–30.

12. Буданов В.Г., Каменский Е.Г., Аршинов В.И., Асеева И.А. Социотехнический ландшафт в условиях цифровизации: к проблеме концепта и методологии исследования // Известия Юго-Западного государственного университета. Серия экономика, социология, право. 2019. Т. 9. № 3 (32). С. 213–225.

13. Кореневский Н.А., Артеменко М.В., Родионова С.Н. Социотехнический ландшафт: мягкое картирование по базовым координатам онтологических матриц социальных практик и цифровых технологий // Сложность. Разум. Постнеклассика. 2019. № 3. С. 62–76.

14. Аршинов В.И., Артеменко М.В., Асеева И.А., Буданов В.Г., Гримов О.А., Каменский Е.Г., Кореневский Н.А., Маякова А.В., Родионова С.Н., Чеклецов В.В. Социотехнический ландшафт цифровой реальности: философско-методологический концепт, онтологические матрицы, экспертно-эмпирическая верификация: коллективная монография. Курск: ЗАО «Университетская книга», 2019. 232 с.

15. Голикова Т.А. Прорывные технологии современности // Роль и место информационных технологий в современной науке. 2019. С. 62–64.

16. Bongomin O., Gilibrays Ocen G., Oyondi Nganyi E., Musinguzi A., Omara T. Exponential disruptive technologies and the required skills of industry 4.0. Hindawi Journal of Engineering Volume 2020, Article ID 4280156, 17 p. DOI: 10.1155/2020/4280156.

17. Rogozin Dmitriy and Ipatova Anna, Methodological Audit of Monitoring Social Research (April 24, 2020). Available at SSRN: https://ssrn.com/abstract=3663255 or. DOI: 10.2139/ssrn.3663255.

18. Инкижекова М.С. О вариативности выбора в зоне бифуркации // Этническая культура в современном мире. 2020. С. 21–24.

19. Талеб Н.Н. Черный лебедь. Под знаком непредсказуемости. М.: КоЛибри, 2020. 736 с.

20. Нехамкин А.Н., Нехамкин В.А. Социальное прогнозирование: достижения, недостатки, пути совершенствования // Вестник МГОУ. Серия: Философские науки. 2020. № 2. С. 57–68.

21. Жданов А.А. Автономный искусственный интеллект. М.: БИНОМ, Лаборатория знаний, 2009. 359 с.

22. Буданов В.Г., Аршинов В.И., Асеева И.А. Антропологические ключи социотехнических ландшафтов. Часть I: психофизические и ментально-духовные аспекты // Известия Юго-Западного государственного университета. Серия: Экономика. Социология. Менеджмент. 2020. Т. 10. № 4. С. 207–217.

23. Буданов В.Г., Аршинов В.И., Артеменко М.В., Асеева И.А. Семиотические и цифровые социотехнические ландшафты и антропологические ключи цифровизации // Медико-экологические информационные технологии – 2020: сборник научных статей по материалам технической конференции / Юго-Зап. гос. ун-т. Курск, 2020. Т. 1. С. 203–222.

24. Artemenko M.V., Budanov V.G., Korenevsky N.A. Classification of sociotechnical landscape on the basis of analogies of cortegecodes of indicatos. Journal of Physics: Conference Series. 2019. Vol. 1352. Nо. 1. P. 012002.

25. Chen X., Han T. Disruptive Technology Forecasting Based on Gartner Hype Cycle. 2019 IEEE Technology & Engineering Management Conference (TEMSCON). IEEE, 2019. P. 1–6.

26. Артеменко М.В. Кривые Гартнера – ретропредикативные иллюстранты трансформаций востребованности социальных практик к цифровым технологиям // Медико-экологические информационные технологии – 2020: сборник научных статей по материалам технической конференции / Юго-Зап. гос. ун-т. Курск, 2020. Т. 1. С. 274–285.

27. Артеменко М.В. Пилотное моделирование реакции социотехнических ландшафтов на феномены «Черного лебедя»: кривые Гартнера и распространение эпидемии // Медико-экологические информационные технологии – 2020: сборник научных статей по материалам технической конференции. Юго-Зап. гос. ун-т. Курск, 2020. Т. 1. С. 246–268.

Нормальное развитие социума предполагает экспансию различных социальных практик (культура, медицина, образование, религия, экология и т.д.), позволяющих реализовывать основную «целевую функцию» (в терминологии функциональных систем [1]) – «бесконечное» существование и развитие в Мире, за счет воспроизводства и/или продления жизненного цикла социума, как системы в целом, так и отдельных ее элементов [2]. Применяя методологию (и терминологию) функциональных систем [1], стратегически социум развивается в умгебунге (терминология Икскюля [3]), а его «рецепторы и акцепторы действия» [1] функционируют в умвельте. Таким образом, умвельт-анализ является базовым инструментарием для организации экологического мониторинга социума.

В случае исследования влияния окружающей среды на социум и его структурные элементы в [4], предлагаются, например, следующие концептуальные модели (рис. 1).

Используются обозначения и термины: humanity – «человек, социум»; environment – «среда обитания»; OUTER SPACE – «космосфера»; ACSE – автономная система управления (autonomous control system) environment; AСSH – автономная система управления (autonomous control system) humanity; AMSS – автономная система управления (autonomous management system) OUTER SPACE; biosphere & noosphere – биосфера и ноосфера; ACSB автономная система управления биосферы; ACSN – автономная система управления ноосферы.

Приведенные концептуальные модели формируют различные парадигмы для проведения исследований (включая организацию мониторинга) влияния среды обитания как на отдельного человека, так и на социум. Возможны четыре ситуации, обусловливаемые функционированием ACSE и AСSH: dom(ACSE)& AСSH; ACSE&AСSH; ACSE&dom(AСSH); not(ACSE)&not(AСSH). В первом варианте доминирует ACSE, в третьем – AСSH, во втором – системы управления равноправны, в четвертом – практически отсутствуют (значения наблюдаемых и управляемых параметров подсистем хаотичны). Парадигма, основанная на схеме рис. 1, а, наиболее распространена (в том числе в работах [5, 6]) – автономные системы управления AСSH и ACSE не включают друг друга, упрощая моделирование. В данном случае имитационное моделирование заключается в «проигрывании» возникновения различных состояний humanity при прогнозируемых состояниях среды обитания и реакции систем автономного управления.

Парадигма, основанная на модели рис. 1, b, предполагает, что подсистема humanity является частью environment, а ее состояние обусловливается работой автономной системы управления AСSH (согласно множеству состояний ее подсистемы environment).

Парадигма моделирования для ситуаций, представленных на рис. 1, c, предполагает, что environment целиком и полностью определяется функционированием подсистем humanity и AСSH.

Парадигма моделирования (и первоначального мониторинга) humanity, представленная схемой рис. 1, d, является элементом иерархического управления «человек – среда обитания», предусматривающая «наблюдаемость и управляемость» со стороны «космического пространства» OUTER SPACE путем воздействия на биосферу и ноосферу [7, 8]. Здесь рассматривается гипотетическая ситуация полной управляемости подсистемы humanity от факторов биосферы и ноосферы (изменяющиеся под воздействием собственных систем автономного управления, описываемые фундаментальными законами Космоса (например, вспышки вирусных заболеваний как реакции на прохождение комет или «лунные циклы» психических заболеваний)).

Таким образом, рассмотренные модели позволяют систематизировать исследования в области изучения реакции человека на изменения среды обитания различного иерархического уровня. Следует отметить, что в этом случае мониторинг умвельта (ближайшей среды обитания) осуществляется хорошо отлаженными механизмами регистрации через определенные промежутки времени значений показателей окружающей среды, влияющих на здоровье человека [9, 10]. В работе [11] предлагается в процессе мониторинга вычислять значения таких, например, латентных переменных, как отношение регистрируемых концентраций различных веществ к площади, численности населения.

Для исследования поведения социума в созданной им «среде обитания» предлагается в качестве платформы СТЛ – социотехнический ландшафт [12–14]. Основная идея в данном случае заключается в том, что «платформа» рассматривается в виде матрицы, каждая ячейка которой представляет собой отражение динамики индикаторных показателей, характеризующих развитие определенных социальных практик с помощью и под воздействием некоторых технологий. Если требуется мониторировать цифровую экологию, то в качестве таковых выступают, например, такие цифровые технологии, как интернет-вещи, big data, системы искусственного интеллекта, интернет вещей, цифровые коммуникации, виртуальная и дополненные реальности, социальные сети в интернете и т.д. [15, 16]. В настоящее время мониторинг СТЛ проводится в основном в области социологических исследований [17], что классическим мониторингом в техническом понимании не является. Недостаточно проработаны и вопросы предикативного мониторинга. Под таковым будем понимать не только фиксацию (и протоколирование) показателей и применение смарт-экспертных систем для анализа и классификаций текущих состояний окружающей среды, но и осуществление прогнозов различных временных упреждений, возможности возникновения кризисных ситуаций (бифуркаций [18], Черного Лебедя [19] и т.п.).

Целью настоящего исследования являлось решение частной задачи – исследование возможностей использования СТЛ в качестве платформы организации предикативного экологического мониторинга социальных практик в реалиях цифровых технологий (ЦТ).

При этом цифровые технологии рассматриваются в качестве объекта умвельт-анализа «защиты и управления» социальных практик СТЛ в цифровой реальности для выполнения своих целевых функций при «обслуживании» социума.

Материалы и методы исследования

Для мониторирования цифровых (и иных) умвельтов с целью анализа эволюционирования эволюционных практик предлагается информационно-аналитическая модель, представленная на рис. 2.

С помощью системы мониторирования фиксируются (и протоколируются) индикаторные показатели, характеризующие функционирование социальных практик и, например, цифровых технологий СТЛ, которые поступают в модуль анализа (пред)кризисных ситуаций. Поскольку, по сути, предкризисная и кризисная ситуации являются областями бифуркаций состояний СТЛ, то они могут быть предсказаны путем анализа корреляционных связей между регистрируемыми показателями: количество и модальные значения которых в этом случае увеличиваются [20]. Заметим, что поскольку корреляция отражает не столько функциональные связи между показателями, сколько подчинение их близким законам распределения (в том числе функционирования), то рост корреляций подчеркивает нарастание хаотичности в регистрируемых значениях показателей, которая подчинена сходным законам. Можно предположить, в силу «закона больших чисел», что доминирует нормальный (гауссовский) закон. Наступление (пред)кризисной ситуации фиксируется соответствующим модулем анализа, и информация передается ЛПР (лицу, принимающему решение), в качестве которого может выступать как Человек, так и определенная Группа Лиц, так и искусственный интеллект или иные автоматизированные (и неавтоматизированные) системы поддержки принятия решений. Также информация поступает в «Модуль кластеризации и классификации», в котором выделяются определенные кластеры (или осуществляется процедура соотнесения к уже известным). Для каждого кластера применяются свои процедуры построения прогностических моделей (в «Модуле структурно-параметрической идентификации предикативной модели»). На основании полученной информации «модуль прогноза» формирует предикативные данные, которые представляют собой три типа прогноза: «ультракороткий» (на ближайшее время), «типовой» (наиболее часто применяемый в рассматриваемой ситуации) и «долгосрочный» (на время, превышающее первую реакцию социума (СТЛ) на управляющее (или корректирующее) воздействие на него. С учетом предоставленных данных модуль «ЛПР» формирует множество (как правило, альтернативных) решений стратегического и тактического воздействия на СТЛ, предварительно сделав «проверку (последствий) решений» путем кратковременного воздействия на СТЛ. Заметим, что СТЛ обладает собственной автономной системой управления [21], функционирование которой следует учитывать для оптимального, адекватного адаптивного управления СТЛ (и ее составляющими), что отражено в представляемой схеме информационно-аналитической модели.

В рассматриваемом случае умвельт-анализа цифровой реальности, в процессе коэволюционных процессов, казалось бы, следует анализировать взаимодействие «Человек (и/или Социум) <=> Компьютер (цифровая реальность)». Однако компьютер – это только «кусок железа» (технический антропогенный мир). Поэтому целесообразнее рассматривать следующую структуру: «Человек (социум) практический <=> Компьютер (Цифровая реальность) <=> «Человек (социум) обслуживающий». Последний, с помощью инструментариев цифровых и информационных технологий, создает определенные Software и Hardware для обслуживания «Человека (социума) практического» (или его социальных практик), для защиты и взаимодействия с окружающим Миром (прежде всего умвельтом), управления им для реализации основных целевых функций всей системы и ее отдельных структурных элементов, отражаемых на платформе СТЛ, о которых ранее упоминалось.

И «Человек практический», и «Человек действующий» имеют свои «антропологические ключи» [22, 23], определяющие и характеризующие определенные типы (и телесности) взаимодействия с «Компьютерным Миром» (цифровой реальностью) и «Социумом», эволюционирующими как во времени, так и в пространстве.

В соответствии с составляющими антропологического ключа в процессе предикативного мониторинга, прогнозирующего как выход за пределы референсных значений регистрируемых прямых и латентных показателей, так и изменение кластеров состояний (которые определяются, например, по уровням напряженности [24]), предлагается в процессе мониторинга на платформе СТЛ регистрировать и анализировать следующие показатели, по которым получать предикативные модели:

1) соматические: тип социальной организации (иерархический, распределенный и т.п. – количественно характеризуется негоэнтропией), прямые и латентные показатели загрязнения окружающей среды антропогенного характера, включая электромагнитное «загрязнение»;

2) энергетические (витальные): напряженность, адаптационный резерв; интенсивность взаимодействия с цифровой реальностью, возбужденность, активность, социальность сетей, информационная и энергетическая удельная составляющие на элемент СТЛ;

3) реакция: скорость реакции в обратных связях СТЛ (определяется путем анализа реакции коммуникационных средств третьей и четвертой сигнальной систем – СМИ, Интернет, социальные сети);

4) эмоция: интенсивность в социальных сетях, определяемая как количество репостов, откликов на инициируемые обсуждения;

5) логика: реакция на повторяющуюся информацию (рефлексия), коэффициент стохастичности появлений кластеров сообщений в коммуникациях социальных сетей (количественно может быть оценен, например, как корреляция с нормальным законом распределения);

6) концентрация (способность удержания информации и энергии): количественно предлагается оценивать коэффициентом эксцесса или количеством «возвратов» и «повторений» тем обсуждений в СМИ и социальных сетях за определенный период времени;

7) интуиция (способность выбора адекватных новых паттернов развития): количество правильных предсказаний (прогнозов) по отношению к общему количеству альтернативных прогнозов;

8) эмпатия (способность сопереживать другим – социальным группам, народам или культурным общностям) оценивается путем анализа различных СМИ; информационных источников в областях истории, культуры, религии; проведения выборочного тестирования-анкетирования в определенных социокластерах СТЛ-платформы;

9) воля (когерентное взаимодействие для достижения общей цели): количество новых сообществ (в социуме, включая социальные сети), организованных за определенное время, численностью превышающих определенные пороговые значения;

10) коммуникативность подлинной реальности (КПР – непосредственное общение к реальностью (людьми) или техникой, включая автокоммуникацию): количество диалогов-ответов в социальных сетях, возможных контактов);

11) коммуникативность виртуальной реальности (КВР – общение в воображении с людьми, природой, техникой): количество общений с созданными образами, культурными ценностями (виртуальные путешествия и посещение кинотеатров, театров, музеев, участие в «киберспорте», посещение библиотек и т.п.);

12) коммуникативность дополненной реальности (КДР – общение с людьми и реальностью посредством технических средств и информационных технологий, «дистанты», часть телемедицины): количество посещений различных порталов в единицу времени, умноженное на количество посещающих.

Результаты исследования и их обсуждение

В качестве пилотного исследования анализировались:

- корреляции между социальными практиками и цифровыми технологиями по показателю востребованности, которые рассчитывались по методике [14]: в информационной базе публикаций в открытой печати (Google Scholar) определяется количество текстов, в которых в качестве ключевых слов присутствуют пары терминов «i (социальная практика) – j (цифровая технология)» – TSDi,j. Аналогичным образом определяются соответственно TSi и TDj. В первом приближении востребованность практик в технологиях оценивается как

Dsi.j = 100 %∙TSDi,j / TSj;

- структурно-параметрическая идентификация предикативных моделей, отражающих востребованность части платформы СТЛ – «рейки-строке» социальной практики «медицина» к прорывным цифровым технологиям: «Искусственный интеллект» (ИИ), «Мобильные технологии» (МбТ), «Информационные технологии» (ИТ), «Интернет-вещи» (IoT), «Big Data» (BD).

В табл. 1 представлены результаты корреляционного анализа за 2000–2020 гг. востребованности к прорывным цифровым технологиям основных социальных практик (« + » – обнаружена статистически значимая корреляция (p < 0,05), «-» – не обнаружена).

Библиографическая ссылка