Определение структуры ценностей выдающихся руководителей первой половины XX века с использованием систем искусственного интеллекта

Введение

Настоящее исследование структуры ценностей руководителей является продолжением исследования управленческой креативности и факторов, влияющих на ее проявление. Предполагается, что одним из таких факторов является ценностно-смысловая структура личности управленца.

В ряде работ связь между ценностями и инновациями уже исследовалась [21; 22]. Однако с позиции связи ценностей с управленческой креативностью работ не много. Следовательно, требует проверки гипотеза о влиянии ценностей руководителя на проявление его управленческой креативности. При этом в рамках данного исследования на примере выдающихся руководителей первой половины XX века решается задача выявления структуры их ценностей. По результатам достижения данной промежуточной задачи можно будет сделать вывод о возможностях и ограничениях дальнейших исследований управленческой креативности.

Ценности относятся к внутренним личностным характеристикам, поэтому их сложно выявлять и однозначно интерпретировать. Они могут быть заявляемыми (декларируемыми) и реальными (фактическими). Заявляемые ценности чуть менее сложно выявлять и интерпретировать. Так, достаточно иметь доступ к базе данных с высказываниями руководителей, содержащими ценностные суждения. Реальные ценности выявляются через действия и поведение. В целом, при исследовании структур ценностей можно отметить, как минимум, две проблемы. Во-первых, проблема, связанная с определением выборки и методов исследования, т.е. ценности каких руководителей будут изучаться и каким способом. Во-вторых, проблема обработки больших объемов данных, необходимых для идентификации как заявляемых, так и реальных ценностей.

В данной работе решением первой проблемы стало использование трудов общепризнанных классиков теории и практики управления первой половины ХХ в., а второй – попытка использования нейросетей для анализа этих трудов с целью категоризации ценностей авторов, являющихся одновременно теоретиками и практиками в области управления. Таким образом, в данном исследовании проверяется две гипотезы. Первая гипотеза – труды теоретиков и одновременно практиков в области управления можно использовать в качестве базы исследования для выявления ценностей. Вторая гипотеза – системы искусственного интеллекта можно использовать для формирования списка ценностных суждений и их последующей категоризации по видам ценностей.

В рамках решения задач данного исследования приведем результаты обзора литературы, посвященной вопросам классификации ценностей и методов их идентификации.

Говоря о классификации ценностей, следует отметить, что не существует общего подхода и единой классификации ценностей. Наиболее распространенным является деление ценностей по сферам: материальные и духовные; правовые, политические, религиозные, экономические, эстетические и др; и т.п. Для задач данного исследования, очевидно, что подобная классификация недостаточно дифференцирована и релевантна.

Классификация ценностей, предложенная М. Рокичем и предполагающая деление ценностей на два основных вида: ценности-цели и ценности-средства [19], также не подходит для решения задач данного исследования, так как внутри двух указанных групп отсутствует иерархия ценностей, которая позволила бы определить структуру ценностей руководителя.

В числе подходов, предполагающих выстраивание иерархии на основе критериев значимости можно отметить иерархию ценностей С. С. Бубновой [2], включающую три уровня: ценности-идеалы; ценностные свойства личности; реальные ценностные ориентации. Содержательная сторона конкретных ценностей при классификации не учитывается, что ограничивает ее использование при проведении данного исследования.

В исследованиях Ш. Шварца [20] выделяется 19 ценностей, которые группируются в виде круга, указывающего на их континуум, т.е. взаимосвязь и противопоставление одновременно. В круге Ш. Шварца представляется многоуровневая структура ценностей. Несмотря на проработанность концепции, классификацию критикуют за то, что ценности не универсальны и являются средствами, а также трудноотделимы друг от друга [5].

Иерархия потребностей А. Маслоу, также отражающая иерархию ценностей, на наш взгляд, в большей степени соответствует цели данного исследования. На основе иерархии потребностей А. Маслоу была разработана Р. Барреттом модель ценностей, используемая для диагностики организационной культуры и описанная в его работе «Организация, ориентированная на ценности: культурное здоровье и благополучие сотрудников как путь к устойчивой эффективности» [18]. В свою очередь, на основе данной модели был разработан опросник для выявления ценностей руководителей (лидеров). Данная модель предполагает рассмотрение ценностей в качестве индикаторов уровня сознания как на индивидуальном, так и на организационном уровнях. Р. Барреттом выделяется семь эволюционно развиваемых уровней сознания, ориентированных на следующие ценности: выживание, отношения, самоуважение, трансформация, внутренняя сплоченность, изменение мира и служение. При этом он делит ценности на «позитивные» и «потенциально ограничивающие». К позитивным ценностям он относит так называемые «добродетели», которые способствуют конструктивному поведению, росту, развитию и эффективности, а к потенциально ограничивающим ценностям – те, которые ведут к деструктивному поведению и препятствуют росту, развитию и эффективности. Их доля в общем количестве ценностей называется культурной энтропией.

С позиции цели исследования иерархическая классификация ценностей по модели Р. Барретта, на наш взгляд, максимально полно отражает потенциальную структуру ценностей личности с учетом уровня сознания. К тому же данная модель уже активно используется в сфере управления при анализе организационных культур и ценностей руководителей.

В аспекте вопроса о способах категоризации ценностей, также встречается несколько подходов в исследованиях. В частности, можно отметить, что, по мнению С. Долана и С. Гарсиа [7], ценности определяются только фактическими действиями, а не заявлениями, т.е. их можно обнаружить только через включенное наблюдение за реальными действиями человека. Такой подход существенно ограничивает возможности исследования ценностей руководителей.

Часто ценности выявляются с помощью опросов (например, в работах Г. П. Геранюшкина и др. [6], С. Ю. Шаловой [15]. Так, у Ш. Шварца [20], например, опросники апробированы в нескольких странах, а мировая выборка демонстрирует репрезентативность на уровне 79%.

Кроме этого, для исследования ценностей, особенно организационных, используются вторичные источники данных (частично у Р. Барретта [18], а также объективные показатели деятельности (например, у Г. А. Шкиренко [16]). Вторичными источниками сейчас выступают и социальные сети, в которых люди могут демонстрировать свои ценности (Л. Д. Забокрицкая и дp. [8]).

Для целей нашего дальнейшего исследования по формированию модели управленческой креативности важно минимизировать действие заявляемых ценностей. Для реализации этой задачи может помочь контент-анализ ценностей. Такой метод используется в исследовательской среде (например, у Н. А. Самойлик [10]). Подробнее методику контент-анализа можно смотреть у Л. Ньюмана [9]. Преимуществом использования контент-анализа публикаций управленческой тематики можно назвать непосредственность (или относительная непосредственность) никем не ограничиваемых высказываний. При этом у контент-анализа тоже есть ограничения. Они связаны со сложностью выявления скрытых (латентных) убеждений, а также точностью и однозначностью декодирования элементов анализа исследователями.

Несмотря на указанные недостатки, исследование ценностей у классиков управленческой мысли с помощью контент-анализа их трудов является единственным вариантом, так как, во-первых, опросы и данные объективных показателей здесь просто не применимы, во-вторых, результаты контент-анализа можно подтвердить или опровергнуть их биографиями и оценками других исследователей (экспертов).

Для реализации масштабной задачи обработки больших объемов информации могут помочь системы искусственного интеллекта, которые сейчас предлагается использовать по широкому кругу вопросов, в том числе при разрешении управленческих и исследовательских задач (например, от формулировки стратегий [17] до семантического анализа социальных сетей [13] с последующим принятием решений).

Еще 15 лет назад задачи классификации элементов текста считались «плохо алгоритмизируемыми» [4]. Со временем модели искусственного интеллекта совершенствовались. Сейчас, как считается, они могут выделять ключевые темы и категории в тексте, кодировать смыслы и выделять суждения по теме, определять частотность и направленность фраз (позитивная, негативная, нейтральная), а также их тональности [23].

При этом нужно понимать, что исследовательские возможности у нейросетей разные [11]: одни являются универсальными, другие сугубо профессиональные. Например, существует ряд публикаций, в которых представляются результаты семантических исследований с помощью профессиональных платформенных решений [14], не исключающих возможность обучения встроенных в них нейросетей.

В данном исследовании решено было остановиться на универсальных моделях искусственного интеллекта как более простом и доступном варианте, вполне подходящем для определения того, насколько выбранная база исследования подходит для контент-анализа ценностей.

Материалы и методы

В итоге в исследовании использовался метод контент-анализа с применением системы искусственного интеллекта. Проведение контент-анализа призвано выявить структуру ценностей. В качестве единиц анализа служат суждения выдающихся управленцев первой половины ХХ в., отобранных экпертно по уровню и признаваемости их вклада в развитие теории и практики управления. В базу исследования включены по одной из работ каждого из выбранных управленцев (табл. 1).

Таблица 1

Информационная база исследования

Для количественного измерения и оценки доли ценностей учитывалась такая характеристика содержания текста, как пространство. Она измерялась количеством суждений, т.е. законченных мыслей. Суждения могут повторять какую-то одну идею, но разными словами, примерами, доказательствами. Поэтому чем больше определенных суждений, тем более важной можно считать для автора ту или иную идею.

Кроме отмеченного, необходимо принимать во внимание такую характеристику, как направленность текста. Для этого использовалась классификация суждений на три группы (ограничивающие, позитивные, нейтральные). Позитивные и ограничивающие суждения – это суждения, которые по смыслу содержат в себе позитивные или потенциально ограничивающие типы ценностей по Р. Барретту соответственно. Нейтральные суждения – это те суждения, которые хоть и выражают какую-либо мысль автора, но при этом являются ценностно нейтральными. При этом суждение тогда отражает позитивную или потенциально ограничивающую ценность, когда автор не просто описывает ее проявление или критикует, а демонстрирует приверженность ей.

В исследовании использовалось латентное кодирование, т.е. при декодировании ценностно-смыслового содержания суждений учитывались скрытые мотивы и смыслы, что предполагает определенную долю субъективности. В суждениях выявлялся скрытый подтекст, а при наличии противоречивых ценностных направленностей выделялась основная (главенствующая) ценность.

В исследовании использовалась система искусственного интеллекта DeepSeek (далее СИИ). Выбор был обусловлен бесплатным доступом и достаточно мощным исследовательским потенциалом. При тестировании другой системы (Алиса AI) в бесплатной версии получался довольно ограниченный пул сгруппированных суждений, который не позволял определять пространственные характеристики текста, которые могут указывать на ценностные установки автора.

На первом этапе исследования при формировании списка суждений нейросети был сделан простой запрос о необходимости выявления всех ценностных суждений автора из прикрепляемого файла с полным текстом его работы. Далее в целях классификации суждений нейросети был сделан запрос по делению этих суждений на три группы: суждения, отражающие ограничивающие и позитивные ценности по модели ценностей Р. Барретта, а также ценностно-нейтральные суждения. Кроме того, выделенные суждения были классифицированы по уровням сознания из методики Р. Баррета. Три данных шага были сделаны для всех 12 трудов.

Далее было принято решение провести экспертную оценку качества выделенных суждений. Для этого пул выделенных суждений (190 позиций) по одному из авторов (А. Слоуну) был подвергнут экспертной классификации по типам (направленности суждений: позитивные, потенциально ограничивающие и ценностно-нейтральные). Экспертами выступили авторы данной работы как специалисты в области теории менеджмента и истории управленческой мысли. Экспертная оценка осуществлялась в два этапа. Первый – первичная оценка суждений одним их экспертов. Второй – оценка вторым экспертом и одновременное согласование позиции с первым экспертом.

В итоге были получены согласованные оценки, а также определены недостатки формулировок суждений, выбранных нейросетью. Кроме того, суждения уточнялись путем обращения к первоисточнику. К недостаткам формулировок суждений, выделенных первоначально нейросетью, относились частичное изменение суждений по сравнению с первоисточником, а также оборванность фраз, вырванных из контекста (несмотря на изначальный запрос выделять законченные мысли), выделение фактических данных экспериментов с позитивным или негативным подтекстом вместо ценностных суждений и др.

После получения результатов классификации суждений, реализованных нейросетью и экспертами, было проведено их сравнение. Несмотря на недостатки выделенных суждений, проведенная экспертная классификация по направленности (типам) ценностей одного из авторов (А. Слоуна) при сравнении с результатами классификации суждений нейросетью совпала с последней на 76 %. Однако распространение такого подхода на остальные 11 трудов было отклонено из-за повышенной трудоемкости, в том числе в связи с необходимостью самостоятельного уточнения формулировок полученных суждений.

Для улучшения результатов по формированию списка суждений и последующей экспертной классификации мы попросили уточнить причины несовпадения у нейросети, на что получили ответ, касающийся глубины проработки ценностей (т.е. стремление найти латентные ценности), двоякости понимания смысла ряда суждений и проч. Далее был сделан запрос нейросети с целью сформулировать уточненный промт. Полученный промт несколько раз уточнялся и тестировался. В результате нескольких последовательных итераций и сравнений был сформирован запрос, по которому были получены удовлетворительные результаты по качеству выделяемых суждений для их последующей экспертной классификации. В данный запрос была включена и дальнейшая категоризация ценностей по уровням сознания из методики Р. Барретта, которая также предполагала дальнейшую экспертную верификацию.

Далее итоговый промт использовался независимо двумя авторами. Для определения списка суждений по каждому автору был выполнен комплекс шагов. При этом использовались два подхода к формированию списка суждений для последующей экспертной категоризации. Первый подход основывался на формировании наиболее полного общего списка на основе нескольких генераций и удалении дублируемых суждений, а второй – на выборе лучшего списка из шести сгенерированных и его уточнении нейросетью для повышения соответствия первоначальному запросу. В результате была сформирована итоговая база исследования из суждений по всем авторам.

После формирования «общего списка суждений» в рамках первого подхода, а также выбора «лучшего списка суждений» в рамках второго подхода, были проведены классификации суждений по типам и уровням модели ценностей Р. Барретта с использованием нейросети, а также была проведена экспертная классификация выделенных суждений. Так как экспертная оценка еще на первом этапе исследования оказалась довольно трудоемкой, для проверки качества генераций было решено выбрать одного автора из списка, а именно Э. Мэйо, ввиду небольшого объема полученных суждений (82 и 57 по первому и второму подходу соответственно). Экспертами выступили, как и на первом этапе исследования, авторы данной работы. Классификация экспертами проводилась путем выставления согласованных оценок (согласованных мнений). Для итоговой категоризации на семь групп использовались только ценностные суждения, ценностно-нейтральные не учитывались.

Результаты

В рамках проведенного исследования было получено три основных результата. Первый результат – это выявление ценностных суждений из работ авторов, являющихся одновременно теоретиками и практиками в области управления.

Несмотря на сложности формирования наиболее полного списка суждений, в целом, выделяемые с использованием систем искусственного интеллекта суждения отвечают требованиям для последующего экспертного анализа их ценностной направленности по модели Р. Барретта. Например, «общий список суждений» Э. Мейо, выбранных из его работы «Человеческие проблемы в индустриальной цивилизации», составленный в рамках первого подхода состоял из 82 суждений, а «лучший вариант» по результатам второго подхода – из 57 суждений. При этом в двух списках при сравнении оказалось 38 совпадающих суждений: 28 позитивных; 3 ограничивающих; 7 нейтральных. Таким образом, 31 ценностное суждение из 47 суждений «общего списка» и из 45 суждений «лучшего варианта» совпало (66 и 69% соответственно), т.е. списки, сформированные разными способами при учете только ценностных суждений, совпали примерно на 2/3.

Второй результат – это классификация суждений на три группы: соответствующие ограничивающим, позитивным ценностям, а также ценностно-нейтральные суждения. Представленные в таблицах ниже данные соответствуют результатам, полученным с использованием СИИ.

Количественное и структурное сопоставления результатов классификации суждений на примере работы Э. Мейо по типам в рамках модели ценностей Р. Барретта, полученных посредством экспертной оценки и с помощью СИИ представлены в табл. 2 и 3.

Таблица 2

Количественное сопоставление результатов классификации суждений Э. Мейо по типам модели ценностей Р. Барретта (СИИ, эксперты)

По данным табл. 2 можно отметить перераспределение экспертами суждений из группы ограничивающих в группу нейтральных, что было связано с некорректным отнесением СИИ описаний фактов, процедур эксперимента и цитирований других авторов к числу суждений, содержащих потенциально ограничивающие ценности автора.

Прирост доли ценностно-нейтральных суждений после экспертной верификации классификации по типам в «общем списке» составил 14%, а в «лучшем варианте» 21% (табл. 3).

Таблица 3

Структурное сопоставление результатов классификации суждений Э. Мейо по типам модели ценностей Р. Барретта (СИИ, эксперты)

В рамках подхода формирования «общего списка суждений» совпадение с классификацией экспертов по типам суждений без разбивки по уровням ценностей составило 61 из 82 суждений, что составило 74% (табл. 4). Из 61 аналогично классифицированных суждений распределение по типам получилось следующее: позитивные – 35 из 44; ограничивающие – 3 из 14; нейтральные – 23 из 24. При обработке результатов второго методического подхода (выбор лучшего варианта) совпадение с классификацией экспертов по типам суждений без разбивки по уровням ценностей составило 34 из 57 суждений (60%). Из 57 аналогично классифицированных суждений распределение по типам получилось следующее: позитивные – 31 из 42; ограничивающие – 3 из 15; нейтральные – отсутствовали в списке.

Таблица 4

Совпадения классификаций суждений Э. Мейо по типам модели ценностей Р. Барретта (СИИ, эксперты)

При экспертной классификации многие суждения из группы ограничивающих были отнесены в группу позитивных или нейтральных. Это было связано с тем, что данные суждения представляли собой описание фактов или проблем и недостатков явлений, которые критиковались Э. Мейо, а нейросеть ошибочно рассматривала эти суждения как мнение автора.

Третий результат проведенного исследования – деление суждений на семь уровней по модели ценностей Р. Барретта. Результаты классификации суждений Э. Мейо по уровням представлены в табл. 5 и 6.

Таблица 5

Количественное сопоставление результатов классификации суждений Э. Мейо по уровням модели ценностей Р. Барретта (СИИ, эксперты)

Отметим, что в рамках второго подхода («выбор лучшего варианта») некоторые суждения были отнесены СИИ сразу к двум типам (разница по количеству оценок в сравнении с табл. 5 обусловлена тем, что двойные оценки нейросеть выставляла не только в случаях с двойной оценкой типа ценностей, но и в некоторых случаях, когда был выделен только один тип, но ему в соответствие указывалось два уровня) и уровням, поэтому при количестве 57 суждений в списке было получен 61 вариант классификации.

Таблица 6

Структурное сопоставление результатов классификации суждений Э. Мейо по уровням модели ценностей Р. Барретта (эксперты, СИИ)

Совпадение с классификацией экспертов по уровням ценностей в рамках первого подхода (формирование «общего списка суждений») составило 22 из 58 суждений, что составило 38% (табл. 7). При обработке результатов второго подхода («выбор лучшего варианта») совпадение с классификацией экспертов по уровням ценностей составило 19 из 61 вариантов классификации (31%).

Таблица 7

Совпадения классификаций суждений по уровням ценностей Р. Барретта (СИИ, эксперты)

В рамках первого методического подхода (формирование «общего списка суждений») получилось 22 суждения полностью совпадающих по уровням ценностей модели Р. Барретта (из 58 ценностных суждений выделенных СИИ – это 48%). С учетом совпавших 23 нейтральных – это 45 суждений, что из общего числа 82 составило 55 %. В рамках второго подхода – 19 суждений, полностью совпадающих по уровням из 61 варианта проклассифицированных СИИ суждений (31%). Более низкий результат совпадения во втором подходе («лучший вариант») объясняется выделением экспертами из общего числа суждений большего числа нейтральных.

Обсуждение

В целом результаты исследования показывают, что гипотезы были подтверждены. В книгах рассматриваемых трудов выдающихся управленцев первой половины ХХ в. действительно имеют место ценностные утверждения, которые, несмотря на сложности идентификации латентных смыслов, могут быть разделены по типам и уровням ценностей. Однако есть и некоторые ограничения, которые отмечены при анализе результатов исследования, касающимся как, непосредственно, категоризации ценностей классиков управления первой половины ХХ, так и в методики исследования.

Рассмотренный пример экспертного распределения ценностей Э. Мэйо по классификациям из методики Р. Барретта на основе выработанных нейросетью суждений указывает на преобладание позитивных ценностей в общем числе ценностных суждений. Доли потенциально ограничивающих ценностей по двум подходам к оценке кардинально не отличаются: по первому подходу, когда распределение основывалось на анализе наиболее полного списка ценностных суждений, доля составила 11%; в результате реализации второго подхода, когда нейросеть выявляла наиболее адекватный целям исследования (запросу) набор суждений и дорабатывала его, – 13%.

По результатам распределения суждений по уровням, как в рамках первого, так и в рамках второго подходов к исследованию, выявлено, что у Э. Мэйо преобладают ценности трансформации, на втором месте по совокупной значимости находятся ценности внутренней сплоченности и изменения мира. При этом на уровнях взаимоотношений и самоуважения преобладают потенциально ограничивающие ценности, связанные со слишком высокими амбициями автора. Такие выводы согласуются с позицией критиков Э. Мэйо. Например, Л.А. Бурганова и Е.Г. Савкина указывают на то, что в процессе Хоторнских экспериментов применялись и методы принуждения, и лояльного управления, и поощрения, а выводы Э. Мэйо касаются, по большей части, только лояльного управления [3]. Это свидетельствует о желании Э. Мэйо любой ценой показать правильность своей концепции. Дж. Уоллер говорит о том, что идеологическая установка Э. Мэйо вела к опущению и упрощению научных данных, а также к устранению из экспериментов тех работниц, которые мешали в получении «необходимых» выводов [12].

Исследование показало, что итоговое распределение по типам и уровням ценностей по версии итоговых вариантов генерации системы ИИ не совпадает с экспертным распределением ценностей. В разных генерациях нейросети распределение ценностей по типам и уровням отличаются. Особенно выражено это проявилось при классификации по уровням, т.к. по типу результаты более стабильные и в большей мере соответствуют мнениям экспертов. Выбор того или иного распределения нейросетью случаен. В связи с этим нейросеть в данном исследовании играла роль не эксперта, а была лишь инструментом для обработки данных и источником информации на всех его этапах. Использование систем искусственного интеллекта в данном качестве в рамках пилотного исследования можно рассматривать не столько с точки зрения ограничений, сколько с позиции возможностей совершенствования методики для дальнейших исследований: выработке принципов и наиболее эффективных способов выявления латентных ценностей при проведении контент-анализа с целью определения структуры ценностей.

В связи с этим для определения структур ценностей других выдающихся руководителей существуют три варианта. Первый вариант связан с полным отказом от использования нейросетей, т.к. они не дают однозначно полный список ценностных суждений и допускают существенные ошибки при категоризации. При этом варианте исключаются ошибки в плане выявления и классификации ценностных суждений при условии, строгого понимания, что является маркером ценностного суждения. Второй вариант – основывается на первом подходе, который использовался в данном исследовании, когда находилось максимальное количество суждений с помощью нейросети, с дальнейшим использованием только экспертного мнения с привлечением нейросети как «ассистента», выполняющего работу по выявлению возможных вариантов ценностных суждений и вариантов обоснования их классификации. Нужно отметить, что, как показал опыт применения этого подхода, он по трудоемкости в части классификации суждений сопоставим с первым вариантом (исключение нейросетей из инструментов исследования). При этом использование данного подхода не гарантирует получение полного набора ценностных суждений для анализа (это видно из того, что при использовании второго подхода в рамках данной работы были обнаружены дополнительные ценностные суждения, которых не было обнаружено в рамках первого подхода). Третий вариант связан с дальнейшим уточнением алгоритма выявления ценностных суждений из текста, а также правил кодирования по типам и уровням ценностей в нем, т.е. формулированием нового уточненного промта. Уточнения должны быть сделаны с учетом тех ограничений, которые были выявлены при многочисленных генерациях. Однако и у этого варианта есть недостатки. Как показали эксперименты с генерациями, нейросеть даже при четких запросах зачастую избегает полного ответа и может выдавать ошибки. Второй подход, использованный в данном исследовании, был призван исключить ошибки и найти стабильный вариант с исправлением ошибок несоответствия изначальному промту. Однако вероятностный характер ответов нейросети также не позволил получить стабильный ответ. Поэтому достоверность результатов в данном варианте целесообразно определять с помощью других методов, например, экспертных.

В целом в указанных вариантах обобщены все методические ограничения, которые были выявлены по результатам данного исследования. Ограничения, связанные с нейросетями, согласуются с результатами других исследований. Согласно большому исследованию пользователей нейросетей из числа ученых, проведенному М. А. Тейлором, многие из них не доверяют результатам генераций систем ИИ [24].

Заключение

В данном исследовании была предпринята попытка определить методические подходы исследования структур ценностей успешных руководителей (классиков управленческой мысли первой половины ХХ в.) для дальнейшего определения ее связи с их управленческой креативностью. Материалами для проведения исследования послужили труды указанных управленцев. При проведении исследования использовался контент-анализ ценностных суждений авторов для категоризации ценностей по методике Р. Барретта с использованием возможностей систем искусственного интеллекта.

В результате проведенной работы не удалось провести категоризацию ценностей всех изначально выделенных руководителей, так как реализация контент-анализа оказалась достаточно трудоемким процессом и, несмотря на применение нейросетей, требует экспертной верификации. Однако еще на первых этапах исследования стало понятно, что указанные работы действительно содержат ценностные суждения, которые поддаются делению на позитивные и потенциально ограниченные по методике Р. Барретта, а также категоризуются по уровням сознания, указанным в той же методике.

В итоге в рамках данного пилотного исследования была определена структура ценностей только Э. Мэйо по его труду «Человеческие проблемы в индустриальной цивилизации». Для определения ценностной структуры привлекались нейросети для формирования списка ценностных суждений. При этом использовалось два подхода для формирования списка суждений. Первый подход заключался в поэтапном объединении выявляемых нейросетью суждений на основе нескольких генераций для формирования итогового «общего списка суждений». Второй подход – в поиске силами нейросети наиболее полного списка («лучшего варианта») из выполненных генераций и исправление его под требования запроса. Реализация двух подходов и итоговая оценка суждений экспертами показала, что несмотря на то, что оба списка суждений оказались неполными, так как в каждом из них имелись несовпадающие ценностные суждения (в первом подходе их было больше), можно выделить общие черты полученных структур. Так, показатель культурной энтропии по методике Р. Баррета почти совпал при реализации двух указанных подходов (11 и 13% соответственно). У Э. Мэйо преобладают ценности трансформации, на втором месте по сумме значимости находятся ценности внутренней сплоченности и изменения мира. При этом ценности 2 и 3 уровней относятся к ограничивающим как по первому, так и по второму подходу к определению списка суждений. Более детальный анализ структуры показывает на несовпадение доли отдельных уровней ценностей, что говорит о том, что подход к определению списка суждений нуждается в доработке или принципиальном изменении.

Говоря о роли искусственного интеллекта в проведенном исследовании, отметим, что его возможности не соответствуют уровню эксперта. Согласованная экспертная структура ценностей не совпадает с предложенной нейросетью (при первом подходе к формированию списка суждений меньше, при втором – больше). Это говорит о том, что системы искусственного интеллекта целесообразно использовать только как помощника («ассистента»), в том числе при выявлении скрытых смыслов фразы.

В целом, важность проведенного исследования определяется тем, что уточнены принципы и нюансы кодирования в рамках контент-анализа сложных гуманитарных текстов. Это поможет в дальнейшем при изучении ценностей других классиков управленческой мысли. Определение ценностных структур личностей выдающихся руководителей своего времени позволит определить влияние их ценностей на их управленческую креативность и составить модель последней. Эта модель в практическом аспекте должна лечь в основу подготовки будущих менеджеров, от которых в современных условиях усложняющейся и динамичной среды все больше требуется креативный подход к принятию управленческих решений.