Information and cognitive modeling and its role in knowledge economy

При дальнейшем формировании цивилизации знаний все большую роль будет играть «креативное познание, т.е. познание, соединяющее сознание с осознанием… Фактически информационно-когнитивное моделирование из вспомогательного средства познания превратится в результат» [1, с. 21]. Поиск в Интернете при помощи www.google.ru 1.06.2009 в варианте «с точной фразой» показал, что «информационное моделирование» в разных падежах было обнаружено 23889 раз. «Когнитивное моделирование» — 4165 раз. По сравнению с результатами аналогичного поиска, проведенного 7.02.2009 [2] для первого словосочетания прирост числа словоупотреблений в сети составил 3,2%, а для второго — 40%(!). «Информационно-когнитивное моделирование» (далее ИКМ) по итогам и того, и другого поиска встретилось всего один раз со ссылкой на монографию [1]. Поэтому представляется целесообразным уточнение этого понятия с позиции включаемых инструментов и областей применения.

Если исходить из иерархии «данные — информация — знания», и понимать под знаниями «концентрированную и общественно (либо личностно или коллективно) апробированную информацию, формирующую своеобразную микромодель окружающего мира» [1, с. 27—28], то под ИКМ можно понимать постоянно обновляемую систему возможных в настоящее время средств сбора, обработки, накопления, представления, восприятия и усвоения данных, информации и знаний для принятия решений в некоторой предметной области.

Применительно к экономической науке в качестве основы при выделении предметных областей исследования целесообразно использовать предметную классификацию, которая разработана, постоянно обновляется и публикуется Американской экономической ассоциацией (АЕА) (см. www.econlit.org). В этой классификации, которая используется всеми ведущими научными экономическими журналами мира, выделено 20 макрообластей, 130 мезообластей и 770 микрообластей. Также можно использовать предметные области, выделенные в Паспорте специальностей ВАК, в отечественных библиотечно-библиографических классификациях и т.п.

Применительно к экономике и управлению в системе ИКМ представляется возможным выделить следующие три взаимосвязанные группы подсистем, которые, в свою очередь, являются достаточно сложными системами. Кратко рассмотрим состав этих групп, некоторые примеры и возможности применения в научных исследованиях, практике управления и обучении.

1 группа. Электронные библиографии, библиотеки, средства работы с ними и метасистемы на их основе. Легко можно удостовериться, что до настоящего времени основные публикации по экономическим наукам в мировой литературе представлены на английском языке. Основным источников сведений о таких публикациях служит электронная библиография EconLit, созданная АЕА и сопряженная с реферативным журналом The Journal of Economic Literature (JEL).

До середины 2006 г. члены АЕА могли раз в год получать эту библиографию на компакт-дисках и работать с ними при помощи специальных программ типа WinSpirs 5.0. С 2006 г. члены АЕА могут пользоваться EconLit в онлайновом режиме. Вместе с тем все варианты доступа к записям этой библиографии, предлагаемые АЕА, не позволяют получить системное представление о научных публикациях по экономике, в частности, значимости отдельных предметных областей.

В 1997 г. при участии автора статьи были разработаны и опубликованы [3] первые «карты», которые давали возможность определить значимость областей экономических исследований (согласно классификации АЕА) для журнальных статей и докторских диссертаций для начала 1990 годов.

В монографии [4], которая вышла на русском и английском языках, был дан анализ публикаций, отраженных в JEL, за период 1994—2002 гг. Важным этапом стало создание метасистемы EconLit [5], которая дала возможность для 1992—2005 гг. в разрезе всех макро-, мезо- и микрообластей классификации АЕА оценить динамику и структуру публикаций, определить значимость взаимосвязей между предметными областями и найти «белые пятна» на карте исследований.

По существу в этой метасистеме реализованы такие методы инновационного менеджмента, как анализ публикационной активности и структурно-морфологический анализ. Предусмотрена связь метасистемы EconLit с рядом авторитетных электронных библиотек (например, Social Science Research Network — www.ssrn.com), в том числе размещенных на сайтах международных организаций (www.imf.org, www.bis.org и др.).

Как показал опыт последующих лет, созданные средства оказались полезными для решения следующих задач.

‑ средства описания информационной структуры объектов (сущностей, атрибутов, ключей) с идентификацией отношений между ними (например, построение модели по методологии IDEF1, решения Autodesk для информационного моделирования зданий, система 1C и т.п.);

‑ различные экономико-математические методы и модели (в частности, перечисленные в классификации АЕА для макрообласти C «Математические и количественные методы»;

‑ программы для контент-анализа текстов и разработки частотных словарей экономических понятий;

‑ более агрегированные когнитивные модели (семантические сети, ментальные модели, концептуальные схемы и другие).

3 группа. Системы специальных когнитивных средств. Эти средства представляют собой адаптацию методов когнитивной психологии к экономике и управлению. Они нужны для того, чтобы эффективно строить и использовать визуально-семантические сети и осуществлять ментальную навигацию по этим сетям для соединения разнородных форм представления данных, понятий, информационно-программных и модельных средств и других элементов познавательной инфраструктуры для обоснования решений во взаимосвязи научных, образовательных и собственно управленческих аспектов.

Сюда можно отнести «интеллект-карты» Т. Бьюзена, метод «многомерного развертывания» [15], «сегментации ментального пространства» [16] и др.

Системы, входящие в каждый из «блоков» ИКМ, можно использовать как отдельно, так и в их взаимном дополнении.

Например, в процессе преподавания финансово-кредитных дисциплин в ряде случаев целесообразно начинать изложение не с реальных примеров, а используя информацию специально сконструированных простейших «дидактических» предприятий с минимальным числом элементов и параметрами равными единице. Например:

а) длительность производственного цикла — 1 день;

б) предприятие выпускает один вид продукции, для производства которой требуется одни вид материала;

в) выпуск продукции в день — 1 тонна;

г) расход материала на 1 т продукции — 1 тонна (потерь нет), цена за 1 т материала — 1 тыс. руб. и т.п.

Затем происходит последовательное усложнение ситуации вплоть до данных реальных объектов. При формулировании задачи применяются во взаимосвязи разные формы представления информации (словесное описание, схема, формула, число). Созданные модели и данные могут использоваться для имитации и сравнительного анализа разных механизмов управления. Сведения о последних получаются из метасистем, базирующихся на электронных библиографиях, библиотеках и статистических базах.