Математическое моделирование информационных процессов в социальных системах

• Автор: Митин, Николай Алексеевич
• Шифр специальности: 05.13.16
• Научная степень: Кандидатская
• Год защиты: 1999
• Место защиты: Москва
• Количество страниц: 123 с.

Оглавление.
Введение
1. Математические методы в гуманитарных науках
2. Моделирование информационных потоков
в социальной среде
3. Структура диссертации. 18 Глава 1. Математическая модель системы образования,
как процесса формирования специалиста
1.1. Простейшая математическая модель образования. Микроуровень
1.2. Феномен высшего образования
1.3. Моделирование профессиональной жизни специалиста. 36 Глава 2. Новый подход к описанию информационных
потоков и теория самоорганизованной критичности
2.1. Модель роста информационного потока
2.2. Модели распространения инноваций, утечки информации
и базовые модели теории самоорганизованной критичности. 59 Глава 3. Самоорганизация при информационном взаимодействии в клеточных сетях с переменной структурой связей
3.1. Описание ансамбля людей при информационном взаимодействии. Постановка задачи
3.2. Клеточные сети с переменной структурой связей как математическая модель информационных потоков в социальных средах
3.3. Качественный анализ моделей и особенности самоорганизации в таких системах
Заключение. Основные результаты диссертации
Литература

ВВЕДЕНИЕ.
Развитие методов математического моделирования и междисциплинарных исследований позволяет по-новому взглянуть на некоторые проблемы современных научных исследований. Активно
происходит интеграция научного знания. Ее характерной чертой является математизация и компьютеризация научно-исследовательской деятельности практически во всех областях современного знания. Развитие, так называемого, "мягкого моделирования", в котором модели строятся, опираясь не на строгие, в первую очередь, количественные законы, а на качественные закономерности, тенденции развития моделируемых систем, правдоподобные гипотезы, позволило подойти к исследованиям в таких науках как психология, социология, история и т.п. с несколько другой точки зрения, нежели это ранее было принято в этих науках.
В процессе становления математического моделирования и работы над большими научно-исследовательскими проектами была выработана концепция иерархии упрощенных моделей. Опыт показал, что детальная проработка и моделирование отдельных подсистем изучаемой системы, а потом объединение этих частей в единую модель далеко не всегда приводит к хорошему результату [85,86]. Бывает значительно важнее построить более простую модель и даже наиболее простую, но отражающую ключевые механизмы исследуемого явления, и только потом, выяснив все особенности этой простой модели, строить более сложные, добавляя более подробное описание изучаемых закономерностей. Такие простейшие модели, как правило, называют базовыми. Из них, как из кирпичиков, пытаются строить более реалистичное описание изучаемых объектов и процессов

многих случаях оказывается, что уже при анализе базовых моделей удается получать новую информацию об исследуемом явлении, не проходя всю иерархию упрощенных моделей снизу вверх от самых простых моделей к самым сложным.
Подобный подход позволяет осмысливать пройденный исследователями путь, фиксируя основные идеи, позволяющие формулировать новые обобщения и нетривиальные подходы к решению поставленных проблем.
Развитие синергетики и нелинейной динамики продемонстрировало новое видение единства мира, заключающееся в том, что существует очень небольшое число различных сценариев самоорганизации и переходов порядок - хаос в нелинейных открытых диссипативных системах, которые возникают практически везде при моделировании явлений, связанной с живой природой или социумом и являющимися основными объектами мягкого моделирования. Это обусловлено, в первую очередь, тем, что в процессе самоорганизации происходит выделение, так называемых, параметров порядка - ведущих переменных, которые определяют динамику всех остальных величин, характеризующих описываемый объект, и поведение многомерных, а часто и бесконечномерных, систем можно представить как поведение системы, описываемой малым числом переменных, - базовой моделью [87-89]. Такой подход позволяет надеяться на то, что возможно успешное моделирование сложнейших процессов, изучаемых науками о человеке. При этом важно правильно ставить проблему, корректно формулировать вопросы, на которые хочется получить ответ, и оценивать те рамки, в которых полученный ответ имеет смысл. Последнее может оказаться гораздо более сложной и творческой частью работы, чем в случае естественных наук.

всех под одну гребенку" могут вполне успешно закончить курс и стать полноценными специалистами, если система готова уделить им больше внимания, когда они испытывают затруднения. Однако при этом требуется гораздо более сложная организационная структура, чем в случае традиционного обучения.
Замечание 2. Из рисунков 1, 2 видно, что при х, близких к 1, функция /(х) принимает небольшие отрицательные значения. В принципе это позволяет существенно уменьшить интенсивность обучения на старших курсах. К сожалению, именно это и делается. По мнению ряда экспертов, к которым мы обращались, реальная зависимость 1(1) для МФТИ имеет примерно такой вид как на рисунке
4. Это связано с отсутствием эффективно построенного обучения на большинстве научных баз, сравнимого с тем, что студенты получают на первых курсах. Кроме того, существующая система никоим образом не стимулирует интенсификацию обучения на старших курсах или сокращение сроков обучения, а напротив поощряет приписки в виде мифических, либо мало нужных курсов. Гораздо худшая картина имеет место и в ряде технических ВУЗов.

Рис. 4. Зависимость І от і для МФТИ (мнение экспертов).