Наука и культура и в цифровую эпоху

Введение

Знание является основой современной экономики. Значение знаний в создании прибавочной стоимости с каждым годом возрастает все быстрее, примером чего является развитие больших языковых моделей и антропоморфных роботов в последние годы.

Важность знания была осознана очень давно. Египетские жрецы были признанной частью элиты древнего Египта, получая за свои знания значительные вознаграждения (в основном, земельные наделы, хотя и посвященные богам, но управляющиеся этими жрецами) [7, с. 59-66].

Хозяйство Египта, уже достаточно сложное, полностью зависело от знаний этих жрецов и их помощников: устройство орошения, предсказание разливов Нила, строительство, учет зерна, тканей и прочих вещей, хранящихся в государственных складах, лечение больных. Не менее важными считались знания о богах, об исполнении обычаев и так далее. В то время наука и культура еще не отделялись друг от друга; все вместе называлось знанием или мудростью, «философия» и означает «любовь к мудрости».

Само понятие «наука» оформилось только в XVII веке (например, немецкая и французская академии наук (именно как sciences, а не философии), были созданы в 1652 и 1666 годах. Соотношение и линия разделения культуры и науки при этом детально не рассматривалось.

Здесь интересно отметить, что и в наше время тут имеются расхождения: например, в Большой советской энциклопедии (БСЭ) наука считается частью культуры, а в Британской энциклопедии – нет.

В пользу версии БСЭ можно высказать следующее. Пусть наука отличается тем, что является особым видом знания: логически обоснованным, верифицируемым, регулируемым специальными правовыми институтами, а культура – это намного более широкая область неформального знания, включающая легенды, мифы, поверья, обычаи и так далее. Но наука в последние века оказывает огромное воздействие на бытовую культуру в целом и проникает в мышление масс.

Биология и медицина меняет представления самых широких масс населения, больше озабоченного поисками лекарств в аптеках, чем трав в полях и лесах; физика и астрономия, космические полеты переносят образы «хрустального купола небес» и плоской Земли, плавающей в Мировом океане из области точного знания в мир мифов и сказок. Если науку извлечь из культуры современного общества, то культура станет абсолютно непонятной.

Но что такое «культура» и «наука» в реальности? Важнейший шаг к рассмотрению мышления и познания как естественного процесса дал Гегель в своей «Феноменологии духа». Понимание идеального как феномена, как явления – это была революционная идея. Если перевести ее на современный язык, то природа оказывается наполнена информацией (знанием?), которой в развитии Вселенной становится все больше, а познающий субъект эту информацию извлекает, превращая в знание «для себя».

Гегель критиковал абсолютное противопоставление науки и обыденного знания: «наука не может просто отвергнуть неподлинное знание под тем лишь предлогом, что оно представляет обыденный взгляд на вещи, и уверять, что она сама есть знание совсем иного порядка, а обыденное знание для нее ничего не значит» [1, с. 47].

Данилевский писал о культурах разных народов как о «культурно-исторических типах», подчеркивая тем историчность культур, которые наследуют предшествующие, но при этом изменяются во времени; они включают в себя самостоятельные, своеобразные планы религиозного, социального, бытового, промышленного, политического, научного, художественного исторического развития [3, c. 106].

Он насчитывал четыре общих разряда культурной деятельности: религиозную, культурную (теоретическую или научную, эстетическую или художественную, техническую и промышленную), деятельность политическую и общественно-экономическую [3, с. 566-576].

Новая философская энциклопедия дает такое определение культуры: система исторически развивающихся надбиологических программ человеческой жизнедеятельности (деятельности, поведения и общения), обеспечивающих воспроизводство и изменение социальной жизни во всех ее основных проявлениях [5, с. 341-347]. Культуру можно рассматривать как систему информационных кодов, особые информационные структуры, выполняющие в обществе, как целостном социальном организме, роль генетического кода. Этот код в особых знаковых формах и семиотических систем несет массив социального опыта, передающийся от человека к человеку, от поколения к поколению (автор статьи – академик В.С. Степин).

С этим мы можем согласиться, отметив, что наука (особенно в последние несколько столетий) является важной частью этого опыта.

Культура – явление коллективное, это ментальные программы или программное обеспечение разума по Г. Хофстеде [16]. В культуру входят не только действия, основанные на логике и научных знаниях, но и обычные второстепенные вещи в жизни: общепринятое приветствие, прием пищи, проявление или непризнание чувств, соблюдение определенной физической дистанции от других и так далее [там же, с.5].

Поэтому, пользуясь некоторой неопределенностью термина, далее мы будем понимать под «культурой» весь сложный полисистемный [15] комплекс информации и знаний, с помощью которого функционирует большое (народ, наука, религия) человеческое общество.

Нас будут более интересовать такие вопросы, как возникновение, распространение, отбор этих ментальных или когнитивных кодов, программ, ценностей, знаний (шире - идей и понятий в философском смысле слов) в обществе, социальной среде, роли людей, которые эти коды создают, ими пользуются, ими руководствуются в своей жизни и своей профессии. В наше время, когда общество становится все более информационным или цифровым актуален вопрос: как эти, как бы «технические», изменения влияют на эволюцию культуры и науки, на их организацию, институциональные формы, темпы эволюции. Письменность сделала возможными литературу и науку, а что даст нам цифровизация?

Социология культуры и социология знания

Человек живет внутри культуры, культуру он впитал по большей части незаметно для себя: учился разговаривать, когда был ребенком, тогда же слушал сказки и учился правилам жизни дома, на улице, в школе и множестве других рамок. Ему не обязательно думать о культуре. Ученый живет в своей науке, это данность для него, он не думает о том, как существует и работает эта наука как система, у него есть объект исследования и методы, заданные этой наукой и которым его учили в университете, не разъясняя всю сложную и запутанную историю их создания.

Но если вы решили сделать науку предметом своей науки, то вам нужно не только изучить философию и социологию науки, но и усвоить принципы холизма. Холизм как методология был разработан Я. Смэтсом [30] и в дальнейшем развивался в рамках системного подхода [2].

Основная идея холизма состоит в том, что любой объект вы должны рассматривать как систему взаимодействующих элементов, которые вместе обеспечивают ее качество (в философском смысле слова), то есть, своему понятию. Или, иначе говоря, выполнять свое предназначение.

Смэтс писал: «Я бы никогда не осознал себя и не осознавал свою отдельную индивидуальность, если бы я не осознавал других, таких как я: сознание других «я» необходимо для осознания себя или самосознания. … весь развитый мыслительный аппарат - это не моя индивидуальная собственность и орудие, а социально развитый инструмент, который я разделяю с остальными своими собратьями» [30, p. 254].

Общей особенностью культуры и науки является то, что это идеоматериальные системы, то есть, такие системы, часть элементов которых материальные, а часть – идеальные [31, 8].

То есть, собственно культура и наука – это семантические системы [4], слова и знаки, предложения и тексты языков: общего, физического, химического, математического и т.д. то есть, идеальные системы. Но они существуют в виде сигналов в материальных системах: мозгу людей, текстах, схемах, графиках и так далее. Нематериальность информации состоит в том, что сигнал движется в материи и передается от одного материального объекта к другому, не теряя своего содержания, но и не увлекая материю (медь провода, например) с собой. Знания все более и более существуют в виде цифровой информации и цифровых моделей; главное отличие этой информации от текстов в том, что тексты пассивны, а цифровая информация способна к движению, может быть активна: осуществлять поиск, семантический анализ, перевод, онтологизацию без участия человека.

Семантические системы (идеи, выраженные в словах и мыслях) позволяют людям создавать в уме динамические модели реальных процессов, например, представлять себе движение маятника или волны на поверхности воды; более того, они позволяют людям передавать эти модели другим людям с помощью общего языка. Люди могут создавать в своем воображении несуществовавшие ранее системы и реализовывать их, двигаясь от идеальной модели к материальной с помощью своего собственного организованного действия.

Один человек не так много принципиально нового может изобрести за свою жизнь, но множество людей во взаимодействии создают новую науку. Кто-то ввел понятие заряда, кто-то понятие электрического тока, придумал электрическую батарею, кто-то электромагнит, еще кто-то понял, что из электромагнитов можно сделать электромотор, однако путь от действующей модели до мощного мотора занимает годы работы когнитивной системы, состоящей из множества людей, приборов, книг и научных журналов.

Однако, помимо чистого интереса к познанию, ученые живут в обществе, которое с одной стороны придает ценность знаниям (а следовательно, их усилиям), законодательно заставляет детей учиться, психологически стимулирует молодежь заниматься наукой, но с другой требует от ученых некоторой реальной пользы от их трудов.

Это внешнее, институциональное обеспечение науки, «правила игры в обществе» по определению д. Норта [6, с.17] и эти правила говорят, что заниматься наукой нужно, а ученым быть почетно. Многовековая практика различных государств эти правила убедительно подтверждает; нам интересно в данном случае то, что институты – это тоже часть культуры. То есть, институты взаимодействуют друг с другом, помогают друг другу.

Научное осознание того, что культура и наука действуют не в «мире идей» Платона, а социально-экономической системе людей, приборов и средств хранения и передачи информации, сформировалось только в XX веке, в виде социологии культуры и социологии знания, причем заметными эти течения стали во второй половине этого века.

Дойл Маккарти пишет в своей книге «Знание как культура: Новая социология знания: «Течения мысли являются стратегическими; они берут начало в групповом существовании и коллективном действии. … Именно в рамках этого коллективного процесса изменения и сопротивления изменениям рождаются идеи. Согласно этой точке зрения, процессы «конструирования реальности», связанные с тем, что люди знают и сообщают друг другу, разыгрываются на общественной арене» [13, p. 3].

Здесь мы сталкиваемся с фундаментальным противоречием двух направлений в истории мысли: одно утверждает, что индивиды создают общество, а другое – что, напротив, общество создает индивидов, таких, каких ему надо. Диалектика снимает это противоречие, имеющее тип «что было раньше: курица или яйцо»: они создают друг друга в цикле, мыслящий и обладающий языком индивид не может возникнуть вне общества, общество не может существовать без индивидов.

Правильно пишет Т. Иба: «Творческая система - это автопоэтическая система, элементом которой является «открытие», возникающее только тогда, когда произошел синтез трех выборов: «идеи», «ассоциации» и «следствия» … наш подход основан на теории систем, которая является трансдисциплинарной, и позволяет думать о творчестве таким образом, который выходит за рамки отдельных дисциплин» [18].

Автор следующей книги рассматривает противоречие между методологическим индивидуализмом (МИ), который считает общество суммой или результатом действий и мотивов отдельных лиц и методологическим холизмом (МХ), где индивидуальные действия и мотивы являются производными от целого, или гештальта. В первом случае в центре внимания находится индивидуум, а во втором - коллектив или социальная группа, частью которой является индивид [34]. Он показывает, что в XX веке МИ последовательно вытеснял МХ в общественных науках, но в XXI веке концепция целостности (инклюзивность) начинает вновь набирать силу.

Более детально к анализу того, как работают сообщества в процессе создания знаний подошли авторы статьи о кооперативной работе в сетях [10]. Они используют концепцию «трансактивных систем памяти» (TMS), которые представляют собой совместное разделение труда для обучения, запоминания и передачи соответствующих знаний. TMS формируется индивидами, играющими роль внешней памяти для других и состоит из памяти конкретных людей и любых социальных взаимодействий, в которых они участвуют в распределенных средах. Интеграция знаний - это непрерывный коллективный процесс конструирования, артикулирования, переопределения и объединения различных типов знаний о компонентах в структурированные знания с коммуникативным взаимодействием, выходящим за рамки индивидуального, которое включает импорт и синтез знаний.

Крис Драгос в своей статье связывает эпистемическое расширение (ЭР) и групповое знание [12]. ЭР – это идея о том, что субъект может обладать знанием, когда другие субъекты обладают некоторыми эпистемическими материалами, порождающими это знание. Это могут быть, например, экспериментальные данные, полученные другими исследователями. Следовательно, существуют случаи знания (причем в современной науке чаще всего), в которых ни один индивидуум не способен владеть всеми порождающими его эпистемологическими материалами. То есть некоторые знания не могут быть получены автономно каким-либо человеком. Рассмотрим эксперименты по обнаружению частиц CMS и ATLAS, которые проводились на Большом адронном коллайдере в ЦЕРН. В CMS активно участвуют более 3800 физиков, инженеров, техников, анализаторов данных и т. д., а в ATLAS - более 3000. Следовательно, носитель такого знания - группа.

Знание в эпоху цифровизации

Одно из первых направлений цифровизации научных исследований – это мониторинг когнитивных процессов в современных научных и культурных сообществах.

Огромное количество разнородных исследований, ведущихся одновременно в разных странах мира, очень затрудняет навигацию в этом океане знаний. Используя цифровые технологии, возможно «просеивать» многочисленные источники не только по ключевым словам, но по всем используемым в научных источникам терминам и их комбинациям, осуществлять кластеризацию, помогать находить коллег, работающих в близких областях науки даже если группы используют разные локальные «языки».

Авторы статьи [14] пишут, что «ученые-биологи сегодня не могут надеяться прочитать все, что имеет отношение к их исследованиям … даже научная информация сложна, избыточна, иногда бессвязна и часто противоречива: она коренится в смеси лишь частично непротиворечивых онтологий … с появлением цифровых данных о сетях научных авторов, учреждений и ресурсов мы получаем возможность учета социальных зависимостей и культурных предубеждений в моделях рассуждений … проекция социальных, географических и финансовых сетей на сеть опубликованных заявлений выявляет корреляции, общие повторения, вызванные обменом идеями».

Поскольку научные дискуссии все более переносятся в сетевые ресурсы, в которых участвуют тысячи ученых их разных стран, эти дискуссии разбиваются на десятки тематических ветвей, следить за всем этим становится невозможно без помощи искусственного интеллекта (ИИ), изменяя проблему из вопроса: «победит искусственный или естественный» на решение «эффективный гибридный интеллект».

С другой стороны, цифровые методы анализа коммуникации в сетевых научных сообществах дают ценнейший материал именно для социологии в плане того, как происходит коммуникация и самоорганизация в коллективах ученых, как возникают идейные лидеры и группы последователей, как принимаются решения об истинности или ложности гипотез. Причем все это можно наблюдать в реальном масштабе времени.

Авторы другой работы [14] пишут: «Электронные базы данных позволяют нам точно отслеживать, как ученые обмениваются, открывают и создают новую информацию с течением времени, что может помочь раскрыть условия и механизмы, лежащие в основе успешной передачи и обмена знаниями, а также творчества и научных достижений, таких как разработка новых направления исследований и тематика исследований. … эти сообщества представляют собой группы узлов, соединенных тесными перекрывающимися связями, они могут свидетельствовать об организации сети в кластеры узлов, однородных по какому-либо нереляционному признаку».

Например, в работе [20] методом скрытой категоризации были классифицированы и автоматически присвоены названия темам исследований в 14510 статьях из 65 журналов по информационным системам. Затем эти темы были сгруппированы в семь интеллектуальных сообществ на основе типовых публикаций.

Авторы следующей работы [17] изучали возникновение инноваций как когнитивный процесс «случайного блуждания» по сети связей между идеями или концепциями, причем инновация соответствует первому посещению узла. Они доказывают, что случайные блуждания в сложных топологиях с усилением границ предлагают новую основу для моделирования динамики коррелированных новшеств и являются еще одним примером коэволюции процессов и сетей.

Согласно эмпирическим наблюдениям, авторы предполагали, что пользователи будут чаще переходить к уже известным концепциям, но иногда обнаруживать новые узлы. Поэтому они изучали модель, в которой сеть развивается параллельно с динамическим процессом, происходящим в ней. В этой модели: (i) случайные участники перемещаются по сети с заданной топологией, вес ребер которой отражает силу концептуальных ассоциаций, и (ii) сеть эволюционирует во времени благодаря механизму усиления, в котором вес ребра увеличивается каждый раз, когда по нему проходит участник, и поэтому уже пройденные ребра с большей вероятностью будут пройдены снова.

Для подтверждения своей модели авторы изучили рост знаний в современной науке, проанализировав научные статьи за 20 лет (1991-2010) по четырем различным дисциплинам, а именно: астрономии, экологии, экономике и математике. Им удалось подтвердить, что модель естественным образом воспроизводит все свойства, наблюдаемые в реальных инновационных процессах, включая взаимосвязанный характер траекторий исследований.

Проблемы организационной сложности были исследованы в следующей работе на примере Большого адронного коллайдера [22].

Авторы понимают организационную сложность как особенность социотехнической среды, в которой работают ученые, и как следствие их организационных практик. Их внимание было сосредоточено на социотехнических аспектах крупномасштабных исследований, то есть на исследованиях, проводимых большими группами и, как правило, со сложными приборами и процедурами. В истории и социальных исследованиях науки крупномасштабные исследования такого типа стали известны как «Большая наука».

В выводах они указывают, что «Любая стратегия преодоления организационной сложности, однажды примененная на практике, порождает новые проблемы, в том числе непреднамеренное усложнение. Попытки укротить сложность, таким образом, вытесняют сложность и заставляют ее проявляться в другом месте. Другими словами, мы подчеркиваем процессную, динамичную природу организационной сложности. Сложность невозможно уменьшить или устранить раз и навсегда. Вместо этого внимание к сложности является постоянной задачей».

Еще одно интересное направление, которое можно использовать для исследования когнитивных процессов (и особенно в цифровых сетях) – это меметика, то есть, изучение возникновения и распространения мемов (характерных слов или их устойчивых комбинаций) [29]. Всякое новое научное направление создает эти новые термины, такие как «хромосома», «гравитация», «синапс» и так далее. Но сейчас, когда эти явления происходят в сетевых научных сообществах, мы можем наблюдать эти процессы «в масштабе реального времени», что может заметно ускорить развитие науки.

Исследование сетевых культурных и научных сообществ и управление ими

В следующей работе рассказывается о создании научной сети, в рамках которой для решения конкретной сложной задачи взаимодействовали сотрудники 22 лабораторий из шести стран [34]. В качестве модели распределенной команды использовали картину информационных ресурсов вокруг общей научной проблемы, учитывая автономию членов в рамках традиционных научных институций, где полное междисциплинарное сотрудничество может быть затруднено. В результате была создана неиерархическая организация ученых, которые остаются независимыми в навыках, научных интересах и физическом местонахождении, но вносят свой вклад в общую методологию и развивают общий словарь для общения в рамках крупномасштабных проектов.

Структура проекта представлена на Рис. 1.

Рисунок 1. Структура сети научного сотрудничества. Источник: [цитированная публикация 34]

Авторы другого исследования [11] сформулировали следующие принципы взаимодействия участников интернет-платформ коллективных действий (приводится в сокращенном виде):

o Создавайте веб-платформы, ориентированные на гражданскую науку, которые четко привязаны к ощущению места, транслируйте лучшие научные достижения и объединяйте людей на основе общих интересов

o Интегрируйте социальные сети в проекты для децентрализации управления

o Тщательно формулируйте сообщения, используйте визуализацию, сделайте видимыми личную и групповую эффективность, социальную идентичность и общее чувство цели. Повышайте эффективность группы, демонстрируя новые практики или решения, основанные на коллективном разуме

o Подчеркивайте социальный характер проекта с помощью видимых подписчиков, друзей и учета результатов, чтобы участники могли отслеживать свои собственные связи, действия и репутацию, а также репутацию других людей

o Используйте машинное обучение, методологию информатики, связанную с искусственным интеллектом, для разработки алгоритмов, которые выявляют тех, кто сотрудничать недостаточно

В статье группы исследователей [24] описывается работа реестра репозиториев научных данных re3data (research data repositories - RDR), который помогает ученым, финансовым учреждениям, библиотекам и центрам обработки данных находить, идентифицировать научные данные. Re3data в настоящее время каталогизирует более 3000 репозиториев, сервис позволяет находить данные любого типа и по всем дисциплинам с использованием фильтрации по широкому спектру параметров.

Для эффективной работы репозиториев научной информации желательно разработать достаточно полную и притом не слишком обременительную структуру метаданных, в формировании которой должны участвовать сами исследователи [9].

Исследование тенденции тематических научных сообществ к распаду на «микроплемена» провели авторы статьи [32]. Трайбализм определяется как возникновение замкнутых сообществ в рамках научной темы с собственными исследовательскими стилями и ценностями. Основываясь на 22 430 статьях, опубликованных в 14 журналах в период с 1980 по 2019 год, они рассчитали показатели локальной и глобальной централизации и поток цитируемых статей между сообществами взаимного цитирования по времени. Показана возможность идентифицировать развивающиеся микроплемена научной тематики в форме цепочек знаний.

Конструирование социальных машин и краудсорсинг

С. Палермос пишет о философском конструировании социальных машин [23]. Ссылаясь на Беренса-Ли он так определяет эти машины:

(i) Социальные машины - это веб-процессы, в которых люди выполняют творческую работу, а машина выполняет администрирование.

(ii) Их отличительная ценность заключается в том, что они позволяют нам делать то, что мы не могли делать раньше.

(iii) Это станет возможным, потому что на основе Социальных машин творчество будет возникать в более крупных и разнообразных группах, и деятельность высокого уровня, которая происходила только в мозгу одного человека, будет происходить среди еще более крупных взаимосвязанных групп людей, действующих так, как будто они имеют большой общий интуитивный мозг.

Управление культурными процессами

Авторы следующей работы [21] разработали систему, учитывающую культурные особенности, для управления изменениями в корпоративной культуре. В принципе, эти методы могут быть использованы и для управления процессами в науке и в массовой культуре.

Семиэтапная процедура преобразования организационной культуры была предложена Кэмероном, она включает прояснение смысла; выявление историй; определение стратегических инициатив; выявление небольших выигрышей; разработка методов, мер и этапов; выбор каналов коммуникации и символов; развитие лидерских качеств.

При этом важно учитывать интересы сотрудников и делать их вовлеченными в процесс трансформации. Нужно помнить о приверженности участников старой культурной структуре.

Авторы пишут, что культура существует одновременно на трех уровнях. На поверхностном уровне находятся артефакты, а под артефактами лежат ценности. На базовом уровне - это базовые предположения. Ценности - это социальные принципы, философия, цели и стандарты, которые организация считает важными. Артефакты, которые включают в себя физические, поведенческие и вербальные проявления - это видимые, осязаемые и слышимые результаты деятельности, основанной на ценностях и предположениях.

В организации могут существовать субкультуры, существующие на низших уровнях, но различия в ценностях, воплощающие субкультуры, существующие среди членов организации, можно рассматривать как дополняющие друг друга.

В следующем исследовании были выделены восемь основных тем для исследований: подключение к социальным сетям; экосистемы цифровых инноваций; социально-экономическая устойчивость; цифровая трансформация рабочей силы; цифровая конкурентоспособность и культурная трансформация; знания, культура и инновации; управление данными и ресурсами; зрелость цифровой трансформации [28].

Использовались цифровые методы анализа источников, проанализировано 3065 статей из 1619 источников (журналов, сборников, книг), причем исследовались как раз публикации по организационной культуре.

Выделены следующие активные темы по цифровизации корпоративной культуры: Подключение к социальным сетям (тема 1), Экосистемы цифровых инноваций (тема 2), Социально‑экономическая устойчивость (Тема 3), Цифровая трансформация рабочей силы (тема 4), Цифровая компетентность и культурная трансформация (тема 5), Знания, культура и инновации (тема 6), Управление данными и ресурсами (тема 7), Зрелость цифровой трансформации (тема 8).

Практический пример исследования делиберативного процесса в принятии решений по бюджету города рассматривается в работе [26]. В основу были положены работы известного немецкого философа Ю. Хабермаса. Хотя эта работа не связана с организацие научных исследований, но эти принципы вполне применимы и подтверждают эффективность онлайн-обсуждения в рамках процессов составления бюджета для граждан. WEB 2.0 в смысле условиях «идеального дискурса» и может быть оценен как прогресс на пути к идеалу делиберативной демократии.

Создание гибких (agile) сетевых организаций

Около 40% крупных корпораций внедряют проекты трансформации к аджайл, показывает исследование 2017 года. Исследование направлений такой трансформации рассматривается в следующей статье [25].

Гибкий процесс планирования и управления реализацией должен быть должен быть эволюционным и итеративным, спроектировать сложную систему сверху вниз невозможно, нужно использовать циклические процессы воображения, экспериментов и обучения, пишут авторы.

Настоящая экономическая проблема заключается не в получении максимальной прибыли, а в том, чтобы наилучшим образом использовать знания, накопленные в умах множества людей.

Структура гибкой организации включает множество небольших самоорганизованных, наделенных полномочиями и ответственных рабочих групп, приверженных лидерству и инновациям, сохраняющим общие стандарты работы и принципы организации, основанных на общих знаниях и убеждениях, которые определяют их как одну компанию (социальный институт).

Авторы формулируют ряд принципов аджайл (гибких организаций), которые они извлекли из своего анализа обширной литературы:

o Каждый человек выполняет деловую функцию и действует, выбирая цели и средства для удовлетворения своих меняющихся субъективных потребностей

o Ценность продукта определяется потребителем и, следовательно, является субъективной. Она определяется во время потребления и зависит от единицы, которая будет потребляться, а не от самого товара

o Сбор знаний субъективных оценок потребителей для удовлетворения их потребностей: создание ценности

o Единственный тип знаний, необходимых для преодоления неопределенности – это субъективные индивидуальные знания, поскольку они являются творческими и практичными, способными справляться с новыми ситуациями посредством непрерывных адаптивных процессов экспериментирования, тестирования, проб и ошибок

o Аджайл задумана как инструмент снижения неопределенности посредством непрерывных процессов экспериментирования и обучения. Ключом к этому являются эффективная координация и использование субъективных знаний человека

o Определяется как наука, которая позволяет генерировать и максимизировать знания, создающие ценность, на всех уровнях

o Необходимо обеспечить уважение к системе (определяемой как набор методов, культуры, принципов и целей), которая позволяет каждому проявить максимум своих талантов посредством самоуправления, самоорганизации и наделения каждого человека максимальной властью и ответственностью. Таким образом, он становится лидером, способным ускорять, координировать и давать советы, когда это необходимо

o Мы не стремимся к конкретному организационному дизайну, а стремимся к непрерывному процессу экспериментов и адаптации, который приведет к спонтанным и меняющимся организационным формам в зависимости от обстоятельств

Системы поддержки принятия решений

Принятие решений играет важную роль и в различных культурных, и в научных сообществах. В науке процесс признания более сложный, иногда длящийся десятилетиями, как например открытия астрономов или элементарных частиц в физике.

Большое значение для коллективных решений имеют цифровые системы поддержки принятия решений [27]. Авторы пишут, что сложные решения принимаются без полного представления о глобальной цели, этот тип процесса принятия решений очень часто порождает непоследовательные и противоречивые гипотезы и действия. Следовательно, основная проблема заключается в том, чтобы найти способ добиться согласованности и координации между решениями, принимаемыми локально разными агентами на разных уровнях.

Сложность часто принимает форму древовидной структуры, в которой система разбивается на взаимосвязанные подсистемы. Решение главной проблемы заменяется набором решений подзадач, решение включает в себя несколько этапов проб и ошибок. Проблема заключается в том, как гарантировать глобальную согласованность в системе, где решения принимаются разными людьми на разных иерархических уровнях. Эти люди имеют неполное представление о главной проблеме, что связано с ограниченностью и неполнотой знаний. В статье описывается система ARISTOTE, которая позволяет частично решать эти проблемы.

Выводы

На основе анализа статей, вошедших в обзор, был разработан следующий список принципов построения научных сообществ, основанных на цифровых платформах (гибридных когнитивных систем):

o Проблемой является объем и структурная сложность систем знаний в современных науках, а также скорость изменений, за развитием которых сложно следить даже в одной узкой научной области без использования цифровых систем.

o Необходимо использовать подход к развитию научных сообществ как конструированию когнитивных мегамашин из людей, научных приборов и цифровых систем, предназначенных для открытия закономерностей в реальном мире и создания научных теорий (понятий, принципов, законов, моделей и т.д); развитие философии науки.

o Использовать поддержку глобальных научных сообществ, работающих в общей теме, с помощью специализированных цифровых платформ, обеспечивающих безопасность, коммуникацию, поиск, создание подгрупп (трайбализм), создание библиотек и журналов, унифицированный доступ к глобальным научным репозиториям, средства моделирования, использование ИИ.

o Учитывать, что групповое знание и эпистемическое расширение – это знания, которые не могут быть получены автономно каким-либо человеком; системы должны помогать исследователям в коммуникации и семантическом и интеллектуальном поиске в океанах информации

o Создавать «трансактивные системы памяти» (TMS) - совместное разделение труда для обучения, запоминания и передачи соответствующих знаний с использованием цифровых сетей

o Внедрять цифровые системы поиска, категоризации, онтологизации, отслеживания мемов с использованием искусственного интеллекта в реальном времени, непосредственно в коммуникации научных сообществ, а не только оформленных в виде статей и монографий

o Вести социальное конструирование научных сообществ на основе социологии знаний.