Развитие ДСМ-метода автоматического порождения гипотез для его применения при анализе социологических данных типа "Субъект-поведение" тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Михеенкова, Мария Анатольевна

• Михеенкова, Мария Анатольевна
• кандидат технических наук
• 1998

Оглавление диссертации кандидат технических наук Михеенкова, Мария Анатольевна

СОДЕРЖАНИЕ

ВВЕДЕНИЕ 3 I. ГЛАВА I

1.1. Строение Интеллектуальных систем типа ДСМ

1.2. Экспериментальное обоснование ДСМ-метода на примере задачи "структура химического соединения=>биологическая активность"

И. ГЛАВА II

2.1. Основные принципы ДСМ-метода

в применении к социологии

2.2. Проблемы представления данных

2.3. Анализ общественного мнения. Новый тип истинностного значения: 9 - "не знаю"

2.4. ДСМ-метод со шкалированной оценкой причинно-следственных отношений

2.5. Контекстный метод

III. ГЛАВА III

3.1. Представление данных

3.2. Эмпирическая база и процедуры эксперимента. ,

3.3. Методические результаты

3.4. Содержательные результаты

и проблемы социологической интерпретации

IV. ЗАКЛЮЧЕНИЕ

V. ЛИТЕРАТУРА

Введение диссертации (часть автореферата) на тему «Развитие ДСМ-метода автоматического порождения гипотез для его применения при анализе социологических данных типа "Субъект-поведение"»

ВВЕДЕНИЕ

Во Введении обоснована актуальность темы диссертации, определены цель и предмет работы, сформулированы основные результаты исследований и их практическая значимость, описана структура диссертации и дана краткая характеристика ее содержания. Охарактеризованы роль и место интеллектуальных ДСМ-систем (ИнтС-ДСМ) в ряду других интеллектуальных систем (с апелляцией к проведенным ранее экспериментальным исследованиям средствами ДСМ), очерчены особенности социального знания (подчеркивающие недостаточность традиционного статистического подхода) и вызванные ими потребности модификации ДСМ-метода. Полученные экспериментальные результаты представляются нам достаточно нетривиальными (пожалуй, что, до некоторой степени, и пионерскими) и открывающими вполне обнадеживающие перспективы изучения эмпирического материала социологии и социальной психологии логико-комбинаторными средствами.

Данная работа вызвана к жизни непосредственно особенностями социального знания (характерными, впрочем, для гуманитарного знания в целом [55, 56]): отсутствием аксиоматического подхода, сложностями формирования точных понятий, необходимостью применения правдоподобных рассуждений (в частности, индуктивного вывода и аналогии) с последующим анализом их правдоподобия, трудностями построения каузального объяснения. Таким образом, налицо потребность в логической систематизации социологических знаний, т.е. выделении исходных отношений и установлении зависимостей между ними, разработке логического языка для представления знаний, формализации рассуждений и образования понятий. Этим задачам (с опорой на использование экспериментальных социологических данных) и призвана служить предлагаемая работа.

В основу предлагаемого подхода положен логико-комбинаторный ДСМ-метод автоматического порождения щпотез. Метод получил название по имени Джона Стюарта Милля, предложившего описание схем правдоподобного вывода [18], существенное обобщение, уточнение и расширение которых

средствами современной логики и составляет ядро ДСМ-метода. ДСМ-метод формализует тип рассуждений с процедурно порождаемыми фальсификаторами, расширяющий возможности исследователя для построения аргументации на достаточном (в определенном смысле) основании в условиях неполноты информации, и представляет собой логико-комбинаторный метод обнаружения причинно-следственных зависимостей на основе правдоподобных рассуждений.

Важной особенностью формализации ДСМ-рассуждений является использование логических средств, а не средств теории вероятностей и математической статистики, ибо вместо вероятностной меры (которая эффективно применима для выборок случайных событий) используется степень правдоподобия как истииностное значение при оценивании эмпирических фактов. Это обстоятельство приобретает решающее значение в тех предметных областях, где факты являются сильно зависимыми и не образуют системы случайных событий - именно к таким областям (науки о жизни, геология, социология) применима интеллектуальная ДСМ-система

Актуальность работы определяется как теоретическими, так и практическими трудностями решения задачи детерминации социального поведения.

Начать с того, что развитие гуманитарных наук как системы знаний (а не только как феноменологических дисциплин) требует логической систематизации этих знаний и формирования понятий на основе этой систематизации. Этот этап должен предшествовать этапу дальнейшего изучения эмпирического материала. Таким образом, специфика гуманитарного (социологического) знания требует решения двух задач. В первую очередь должна быть решена задача представления отношений, что достигается повышением формализации уже на уровне представления данных, структуризацией этих данных. И лишь затем возможно дальнейшее изучение представленных отношений, которое может осуществляться любыми адекватными средствами - как логическими, так и статистическими, в зависимости от представления исследователя о характере причинности в изучаемой области.

Статистические методы, традиционно используемые в социологии и социальной психологии, зачастую не способствуют выявлению реальных причинно-следственных зависимостей в социальной действительности, ограничиваясь лишь корреляционными связями. Кроме того, при таком подходе мы имеем дело со статистическим субъектом, обезличенной типической моделью.

Мы предлагаем использовать альтернативный подход, который, на наш взгляд, позволяет решить как задачу формирования отношения "субъект=>поведение" вкупе со структурацией социологических данных, так и задачу его изучения. Логико-комбинаторный ДСМ-метод автоматического порождения гипотез представляется нам адекватным средством построения детерминистской теории для открытой предметной области с обширным эмпирическим материалом и плохоформализованными знаниями. Метод формализует тип рассуждений, наиболее адекватный междисциплинарным исследованиям и расширяющий инструментарий гуманитария.

В процессе работы над диссертацией получены следующие научные результаты.

1. Разработан план архитектуры интеллектуальной ДСМ-системы (ИнтС-ДСМ) как системы, реализующей ДСМ-рассуждение и поддерживаемой интерфейсом.

2. Получено экспериментальное подтверждение адекватности ДСМ-метода тем эмпирическим областям (в совокупности называемым "науками о жизни"), где несложно добиться выполнения специфических условий применимости ДСМ-метода.

В качестве примера рассмотрена задача "структура химического соединения=>биологическая активность", в частности, для множества активностей и сложного (так называемого, "обобщенного") характера причинной зависимости.

3. Предложены средства структурации социологических данных, т.е. формализованного описания языка представления психологических и социологических данных (полученных методами формализованного интервью) с последующим синтезом отнбшения "субъект=>поведение" для задачи изучения солидарного поведения.

4. Сформулированы ДСМ-правила, адекватные выбранной модели.

5. Получено экспериментальное обоснование применимости ДСМ-метода для решения некоторых задач социологии и социальной психологии.

Практическая значимость работы заключается в создании нового инструментария для анализа социологических данных, помогающего формировать понятия исследуемой предметной области и даже - шире - фрагменты социологических теорий. Обзор данных логическими средствами, привлечение формальной аргументации и построение индуктивных обобщений обеспечивают формальное подтверждение первоначальной интуитивной концепции. В этой связи используемые методы могут рассматриваться как средства формализации эвристики.

Структура диссертации и краткая характеристика ее

содержания.

Традиционно для обработки результатов социологических исследований применяются методы, основанные на статистических моделях принятия решений1. При этом речь, как правило, не идет о предварительном построении модели предметной области на основе логической систематизации данных и знаний. Такой подход обеспечивает, в основном, установление ассоциативно-корреляционных связей (отнюдь - не причинно-следственных отношений) и определение основных тенденций изучаемых явлений. При этом многие существенные аспекты социологических исследований (к примеру, формирование социальных кластеров) основывается на сравнении разного рода численных характеристик.

Используемая для построения предварительной социологической модели аргументация по большей части интуитивна и не опирается на достижения формального аппарата логики аргументации.

Нам кажется более естественной точка зрения, согласно которой формирование формализованных (или

квазиформализованных) гуманитарных понятий и описание структуры системы отношений, основанное на изучении сходств ] : ~~~ 4

Так, широко используемый в практической социологии пакет прикладных программ SPSS - Statistic Programs for Social Sciences - включает в себя методы факторного анализа, регрессионного анализа, корреляционного анализа, кластерного анализа.

событий, аналогий и т.п., должно предшествовать созданию численной модели в гуманитарных науках, более того - в иных случаях может заменять его. Можно сказать, что перед исследователем-гуманитарием в самом общем случае стоят трудные задачи - необходимость логической систематизации данных и знаний, построение модели мира (синтез взглядов, установок исследователя и материальных свидетельств - творческий, скрупулезный этап познания), и лишь затем - построение номологических правил. Однако существуют особенности гуманитарного знания, объективно затрудняющие решение этих задач [55, 56]:

1). существование метафорических понятий ("социализм", "нация");

2). отсутствие точного языка описания гуманитарных явлений и невыразимость в точных терминах законов гуманитарного знания;

3). антропоморфизм и разнородность гуманитарного знания (факты, литературные источники, опросы, интроспекции и т.п.);

4). целостность объекта, контекстная зависимость описания событий и их индивидуальность;

5). сложная структурированность знаний: событие - ситуация -явление;

6). историзм как последовательность , событий, ситуаций и явлений;

7). необходимость правдоподобных выводов (например, структурных аналогий);

8). трудности формализации детерминизма как приближенной модели, в которой реальность есть система (±)-влияний.

Обращаясь вновь к проблемам социологического знания, мы можем апеллировать к авторитету классиков социологической науки - еще Э.Дюркгейм считал совершенно оправданным применение методов Д.С.Милля в социологии [13]. П.Сорокин [38], сравнивая историю и социологию, противопоставляет описанию исторических событий в их уникальности поиск закономерностей в социологии путем сравнения сходных черт социальных феноменов. В более близкой к нам по времени работе "Нищета историцизма" [33] К.Поппер высказывает свою точку зрения: "Социология по сути своей является причинной теорией". И далее: "...причинные законы в социальных науках...являются качественными, а не количественными и математическими. Если социологические

законы и определяют степень чего-либо, то используют при этом весьма неопределенные понятия и в лучшем случае дают очень грубую оценку".

Но и современные практические и теоретические социологи не могут не ощущать недостаточности статистического подхода. Именно этим объясняется столь заметный рост, переживаемый в наше время качественными методами анализа [41]. Однако, как указывается в этой же работе, наибольшую трудность при применении качественных методов представляет переход от единичного факта к общим закономерностям, и здесь, по-видимому, не обойтись без логико-комбинаторных методов.

Нельзя сказать, что логические средства для анализа социологических проблем не используются вовсе, однако их применение носит, по большей части, теоретический характер, не опирающийся на экспериментальные социологические данные [62, 63].

В работе предлагается принципиально иной подход как к моделям предметной области, так и к моделям принятия решений. Применение правдоподобных рассуждений к экспериментальным социологическим данным (опирающееся на представление о социальных системах, как системах с детерминистскими многофакторными влияниями) позволяет устанавливать причинно-следственные отношения в социальной сфере, а также переходить к содержательному формированию понятия "социальная группа". Это достигается информативным описанием субъекта (системой дифференциальных признаков, что позволяет учитывать как общие факторы, так и индивидуальные особенности субъекта) с последующим исчерпывающим анализом вариантов логико-комбинаторными методами (на основе сходства субъектов).

Особенно следует подчеркнуть, что, в отличие от традиционных социологических способов анализа, где мы имеем дело со статистическим субъектом, обезличенной типической моделью, предлагаемые средства представления социологических данных предусматривают учет индивидуальности (субъект здесь выступает явным образом, и прогноз поведения осуществляется индивидуально). I

Общей характеристике ДСМ-метода, описанию интеллектуальной системы типа ДСМ (ИнтС-ДСМ) как системы, реализующей ДСМ-рассуждение, посвящена Глава I.

Достаточно распространенной является точка зрения, согласно которой компьютер "мыслит", если он способен порождать гипотезы [6]. Однако в ДСМ-системе реализуются более глубокие способности интеллектуальной системы - способность обосновывать (а не только демонстрировать) свои результаты, а также фальсифицировать их или требовать расширения исходной базы фактов (проверкой выполнения специального критерия достаточного основания принятия гипотез к.д.о.п.г. и указанием примеров из базы фактов, которые надо "окружить" новыми сходными фактами). Последнее свойство явным образом указывает на существеннейшую особенность правдоподобного рассуждения -здесь правдоподобное означивание (приписывание истинностного значения) на эквивалентно правдоподобной доказуемости, которая имеет место лишь при выполнении к.д.о.п.г.

Для самой общей характеристики ДСМ-метода автоматического порождения гипотез следует указать две его важнейшие особенности. Метод включает

(а) правдоподобные рассуждения (теорию и автоматизированные процедуры), называемые ДСМ-рассуждениями и

(б) квазиаксиоматические теории (КАТ), являющиеся средством представления данных и знаний об открытых (т.е. пополняемых во времени новыми сведениями) предметных областях.

ДСМ-рассуждения представляют собой синтез трех познавательных процедур [51]: индукции, аналогии и абдукции (в смысле Ч.С.Пирса). Средством формализации этого синтеза является специальный аппарат многозначных логик [45, 48].

Посредством индукции из эмпирических данных, представляющих отношение "объект=>свойства" (в рассматриваемом случае - "субъект=>поведение") порождаются причины наличия (или отсутствия) свойств - точнее, гипотезы о (±)-причинах.

Посредством аналогии неопределенные высказываний вида "объект X обладает множеством свойств У" доопределяются как фактически истинные, фактически ложные, фактически противоречивые ("конфликтные") или остаются неопределенными.

Посредством абдукции начальное состояние эмпирических данных объясняется, т.е. показывается, что каждый (+)-факт имеет (+)-причину, а каждый (-)-факт имеет (-)-причину (при этом случаи конфликта - столкновения (+)- и (-)-причин рассматриваются отдельно). В случае, если такого объяснения нет, то начальное состояние требуется пополнить соответствующими (±)-фактами.

Процесс расходится, если при пополнении появляются вновь необъясненные факты.

Данные, к которым применим ДСМ-метод, таким образом, содержат (±)-причины явлений и допускают формализацию операции сходства субъектов. Мир таких данных мы называем (±)-миром \У(±) [64].

Для представления данных (в том числе - социологических) используется специальный инструмент - квазиаксиоматические теории КАТ [45, 48] 3 = (Е, £', 91), объединяющие множество принципов Е (аксиом), частично характеризующих \¥(±), открытое множество Е' элементарных высказываний о фактах и гипотезах предметной области, - множество правил вывода, 91 = 91^9^, где 91(1 - множество правил достоверного (дедуктивного) вывода, а 91р - множество правил правдоподобного вывода (ППВ), представляющих синтез познавательных процедур - взаимодействие индукции, аналогии и абдукции [51].

В ДСМ-системе множество аксиом Е разбивается на два подмножества: ядро Ем, инвариантное для всех допустимых (удовлетворяющих условиям прменимости ДСМ-метода) и включающее декларативные и процедурные аксиомы, а также аксиомы управления выводом, и спецификацию Еб, которая включает в себя аксиомы структуры данных и аксиомы рассматриваемой предметной области и зависит от нее.

Итак, стандартная схема ДСМ-рассуждения в самом общем виде представляется как последовательность "сходство - причина -аналогия": поиск причин (явлений, событий, поведения) на основе сходства и прогноз новых эффектов (явлений, событий, поведения) на основе структурной аналогии. Используемые средства являются формализацией существенно углубленных, уточненных и расширенных индуктивных методов Д.С.Милля. . ^

Рассмотрим 2 частично определенных отношения: =>*1 и =>*2. Соответствующие им предикатные символы =>1 и =>2 интерпретируются следующим образом. Х=>]У - "объект X обладает

(не обладает) множеством свойств У ", - это часть описания базы данных с неполной информацией (БДНИ). - "подобъект V

есть причина наличия (отсутствия) множества свойств V/ - это часть описания базы знаний (БЗ).

Вводятся следующие типы внутренних истинностных значений (для представления фактов): +1 - "фактическая истина", -1 -"фактическая ложь", 0 - "эмпирическое противоречие" ("конфликт"), х - недоопределенность.

Типы внешних истинностных значений (для представления фактов с оценками и ППВ): ? - логическая истина, / - логическая ложь.

Пусть УуФ - оператор, /УФ = и если v(Ф) = V, 7УФ = /, если у(Ф) ф V , где у[Ф] - функция оценки, П) Ф = V ¡> Ф>

/• = 1

•/<у,п>(Х=^>1¥) означает, что высказывание "объект X обладает множеством свойств У" на п-м шаге рассуждений имеет оценку V.

Правила правдоподобного вывода 5Нр (ППВ) делятся на 2 класса - ППВ-1 и ППВ-И. ППВ-1, обозревая имеющиеся факты (утверждения с =>1 - фрагменты БДНИ), порождают гипотезы о причинах (утверждениях с =>2 - фрагментах БЗ). И наоборот, ППВ-II , используя гипотезы о причинах (=>г)> предсказывают наличие или отсутствие свойств у новых объектов (=>0.

Упрощенно описанная схема рассуждений реализуется следующим образом.

На основании наблюдений за множеством Х1=>1Уь..., Хк^Ук выделяется сходство объектов V = Х1П...пХь а также сходство в следствиях \VciYi. 0=1,..., к). Таким образом выделяются причины наличия и отсутствия свойств (У:г>2\У). Далее осуществляется вывод по аналогии. Если неизвестно, обладает ли объект X множеством свойств У, но при этом известны, допустим, положительные причины У} для различных свойств У} (1=1,..., 1) из У, У = У^.-.иУ}, а отрицательные причины для этих свойств не мешают проявлению положительных (не содержатся в X), на основании причинной аналогии делается вывод о наличии свойств У у объекта X (Х=>]У). Симметричным образом осуществляется процедура поиска причин отсутствия свойств, а также предсказание этого отсутствия у новых объектов.

Общая схема ДСМ-рассуждений имеет вид:

(1) порождение гипотез о (±) - причинах (применение ППВ-1);

(2) порождение гипотез о (±) - эффектах (применение ППВ-П);

(3) итерация (1)& (2) до стабилизации;

(4) применение критерия достаточного основания принятия гипотез (к.д.о.п.г.) - автоматическое порождение фальсификаторов для БДНИ. В случае, когда фактов в БДНИ недостаточно, система указывает на необходимость ее пополнения.

Таким образом, ДСМ-рассуждение есть не что иное, как каузальная аргументация, в которой сопоставляются аргументы "за" (+) и "против" (-). Нетривиальной особенностью ДСМ-рассуждения является формализация понятия конфликта.

Применение ДСМ-метода для решения различных естественнонаучных задач имеет уже многолетнюю историю (достаточно подробный обзор этих применений можно найти в [48, 58, 72]). Основные результаты были получены при решении задач фармакологии (изучение зависимости "структура химического соединения^биологическая активность"), установления

канцерогенное™ лекарственных препаратов, технической диагностики.

Все эти области характеризуются рядом особенностей, которые отвечают условиям, называемым "условиями применимости ДСМ-метода" (это, как уже говорилось выше, характеристики исследуемого (±)-мира Более подробно мы будем говорить об этих условиях в Главе I, здесь же остановимся лишь на требовании 1). объекты изучаемой предметной области должны иметь хорошо определенную структуру (алгебра объектов должна формулироваться, в частности, для операции сходства [9]).

Решение задачи прогнозирования биологических активностей химических соединений (задачи "структура=>активность") опирается на представление о "фармакофорах" - определенных фрагментах химической структуры, - являющихся носителями (источниками) наличия или отсутствия биологической активности. Это допущение соотносится с условием 1). применимости ДСМ-метода, наиболее трудоемким для экспериментальной деятельности. Именно поэтому в первой версии ИнтС-ДСМ структуры химических соединений были представлены в виде покрытий химических графов множеством дескрипторов - булевой структурой данных, для которой алгебраическая операция сходства определяется стандартным образом.

В [25, 26] описаны эксперименты по установлению психотропных активностей химических соединений из ряда изатинов, где впервые множество рассматриваемых активностей содержало более одного элемента: здесь изучались одновременно противосудорожная, антидепрессивная, седативная и стимулирующая активности. Полученные результаты потребовали затем использования тернарного предиката причинности Т(УД,\\0 -"подобъект V есть причина наличия (отсутствия) множества свойств при отсутствии помех ("тормозов") из множества Х\ -взамен бинарного что было одним из первых примеров

экспериментального применения так называемого "обобщенного метода" [46, 52]. Тормозами биологической активности здесь также являются фрагменты химической структуры.

В дальнейшем была начата разработка версии, имеющей в качестве алгебры данных дистрибутивную решетку, элементами которой являются множества химических графов.

Прогнозирование химической канцерогенности веществ [8], так же, как - в дальнейшем - изучение социологических данных, потребовало модификации ДСМ-метода, т.е. настройки его на предметную область (изменения аксиом спецификации Из при неизменности структуры правил правдоподобного ДСМ-вывода -аксиом из ядра Ем - подробнее см. Главу I), т.к. элементом БДНИ для этой задачи является кортеж (химическое соединение, суммарная доза, способ введения, вид животного). Алгебра этих кортежей есть квазирешетка для операций сходства П и соединения 1_1. Похожая структура данных рассматривалась и в задаче выявления скрытых дефектов технических изделий.

Излишне говорить, что ничем подобным в смысле представления данных эмпирическая социология не располагает. Тем самым, возможность применения ДСМ-метода ставится в зависимость от решения проблемы структурации социологических данных. Существование этой проблемы как таковой великолепно осознается как практическими, так и теоретическими социологами - здесь можно сослаться на работы [1] и [31]. Мы попытались подойти к ее решению, ориентируясь как на потребности ДСМ-метода, так и на возможности существующей компьютерной {версии системы, о чем говорится в Главе II.

Мы рассматриваем социальные системы как системы с детерминированными (когда факты являются сильно зависимыми и не образуют системы случайных событий) многофакторными разнонаправленными позитивными и негативными влияниями ((±)-влияниями), сопровождаемыми случайными возмущениями [23, 49]. В этом случае наиболее существенные и устойчивые влияния рассматриваются как причины (т.е. сложные функциональные связи между факторами [56]) тех или иных социальных явлений. Средством обнаружения этих существеннных и устойчивых влияний, а, следовательно, и порождения причин рассматриваемых объектов и событий, является для нас анализ сходства этих событий. Полученные таким образом гипотезы о причинах используются в дальнейшем при прогнозировании новых событий (явлений) на основе структурной аналогии.

Такое представление о причинности позволяет говорить о выполнении двух из трех главных условий применимости ДСМ-метода

(2). предполагается, что в изучаемом фрагменте социальной действительности существуют позитивные (+)-примеры, негативные (-)-примеры и неопределенные (т)-примеры рассматриваемого отношения (в данном случае - "субъект :=> поведение"). Наличие (т)-примеров (отсутствие информации о том или ином поведении изучаемых субъектов) характеризует неполноту информации в базе данных;

(3). предполагается, что в изучаемом фрагменте социальной действительности в неявном виде существуют позитивные и негативные зависимости ("влияния") причинно-следственного типа (это требование реализует представление о наличии разнонаправленных (±)-влияний).

Однако традиционный подход к обработке социологических данных таков, что фундаментальное условие

(1). сходство социальных субъектов может быть определено как алгебраическая операция [9] (при заданной структуре представления информации о субъекте) -

не выполнено.

Таким образом, возможность или невозможность структурирования данных с интерпретацией сходства (являющегося креативным при порождении причин), т.е. возможность или невозможность добиться выполнения условия (1), и определяет

успешность или неуспешность изучения отношения "субъект=>поведение" с использованием ДСМ-метода.

В своих исследованиях мы исходим из первоначального предположения, что особенности личности субъекта определяют его поведение в конкретной ситуации (так называемый "постулат поведения"). Следует сказать, что подобного взгляда на поведение придерживался и сам Д.С.Милль [18], вообще являвшийся сторонником "психологизма" в социологии.

Принятый постулат поведения можно рассматривать как аналог представления о фармакофорах - фрагментах структуры как (±)-причинах биологической активности. Оба допущения представляют собой реализацию принципа структурализма в анализе данных: сходство на объектах - источник выявления (±)-причин их свойств. Отсюда - значение, которое приобретает структурированность описания данных.

Для анализа отношения "субъект=>поведение" мы используем структурное описание субъектов (индивидуумов) в виде множества дифференциальных признаков. Часть из них описывает социальные характеристики субъекта (в соответствии с идеей Э.Фромма о социальном характере [23]), часть - индивидуальные черты, не зависящие от социальной принадлежности индивидуума, и, наконец, третья часть - детали биографии, существенные для изучаемого предмета. Поведение описывается множеством поведенческих готовностей (или поведенческих актов, если поведение уже реализовалось в действительности).

Введением постулата поведения, структурацией данных и описанием сходства объектов и событий не завершается подготовка задачи изучения отношения "субъект=^>поведение" к описанию в рамках применимости ДСМ-метода.

Относительно слабый детерминизм (±)-влияний, присущий рассматриваемой области, конечно же, не идет ни в какое сравнение с , объективным характером зависимостей, представленных экспериментальным материалом "наук о жизни". Отсюда - изменение цели исследований: если прежде нашей задачей был поиск эмпирических закономерностей и предсказание свойств новых объектов, теперь же сферой наших интересов становится поиск детерминаций и формирование на их основе индуктивных понятий - в рамках синхронии. Далее, в рассматриваемой задаче прямое предсказание поведения требует

валидации во времени - слабого аналога экспериментальной проверки в естествознании - что уже можно рассматривать как некий учет историзма или диахронии.

В качестве модельной задачи нами была выбрана задача изучения личностных и социальных детерминаций социального поведения на основе анализа социологических опросов.

Представленные в Главе I онтологические допущения ДСМ-метода и общее его описание позволяют характеризовать метод как структуралистский (в жестком смысле): сходство на объектах - и на системах отношений в том числе - есть фактор для распознавания детерминаций. В Главе II описаны 2 модели представления исходных социологических данных, согласующиеся с условиями применимости ДСМ-метода и принципом структурализма.

1. Множества дифференциальных признаков, характеризующих индивидуума (субъекта), формируются методом формализованного интервью как результат социологических опросов, включающих вопросы социального характера и биографические данные, и психологических тестов. Оценка ау наличия ^'-го признака у /-го субъекта есть результат содержательной интерпретации, порожденной интуицией экспертов (социологов и психологов), ответов респондентов на более сложные комплексы вопросов. Примеры построения таких оценок приведены в Главе III.

2. Для устранения субъективизма в представлении ау предлагается [10, 23, 70] использовать нестандартный логический аппарат - логику аргументации [46], которая в таком случае является средством для формализации и структурирования интуиции исследователя-эмпирика, т.е. повышения уровня формализации социологических данных. При этом ау оказывается результатом оценивания средствами логики аргументации (и представляет объективизированные субъективные данные), использующей пространство аргументов "за" и "против". ±1/2 понимается тогда как отношение мощностей множеств аргументов "за" и "против" (например, +1/2, если аргументов "за" больше: чем аргументов "против", в противном же случае - -1/2.

Представление отношения "субъект=>поведение" также может осуществляться двумя способами. , ^

1. Оценка отношения =>1*, как и характеристики субъекта, представляет собой экспертную интерпретацию ответов респондента на специально подобранный комплекс вопросов.

2. Оценка отношения Cj=>\Cei>., где субъект С/ представляется в виде &п(/7| ns ) (определение неассоциативной конъюнкции &п см. в [46]) совпадает со значением (&Л(Я,.,..., I7s.)z}Cek) по таблице истинности для импликации z> в логике аргументации из [46]. Для элиминации традиционных "парадоксов" импликации => (а), из лжи (-1) следует все, что угодно; б), истина (+1) следует из всего), которые могут быть неинтерпретируемыми в эмпирическом массиве

данных, вводятся слабо релевантная z> и сильно релевантная з (см.Главу II) каузальная импликации. Минимизируя количество неинтерпретируемых в рамках рассматриваемой задачи импликаций, мы получаем средство объективизации отношения =»1* [23].

Располагая структурированным описанием субъекта, его установок и поведения, мы можем последовательно рассматривать 2 типа задач: а). задачу социальной психологии "субъект=>установки"; б). задачу собственно социологии "субъектгг>поведение" (с учетом установок).

Применение ДСМ-метода в области социального анализа требует еще одного фундаментального дополнения: адекватной модификации используемых процедур (при неизменности правил вывода ППВ). Для гуманитарных исследований очевидно недостаточно традиционно используемых в ДСМ-логике 4-х типов внутренних истинностных значений. Мы начали с введения нового типа истинностного значения В - отсутствие информации, "не знаю" [22, 65, 66, 69], которая интерпретируется как отсутствие у опрашиваемого информации о предмете (в противоположность конфликту аргументов "за" и "против", который означивается нулем 0). Таким образом, используемая логика типов истинностных значений оказывается 5-значной.

Введенное истинностное значение 0 процедурно интерпретируемо в рамках ДСМ-метода, причем для обработки G -данных 7(e)n)(X=>iY) вводится специальный предикат M9ain(V,W), который используется в ППВ-I (для поиска причин) и определяется аналогично M\„(V,W) для обработки положительных примеров y(+i.n)(X=>iY). Для ППВ-Н также вводится специальный предикат n°„(V,W), формулируются аксиомы каузальной полноты (смысл аксиомы: "по завершении вычислений мы должны для каждого

примера из начальной БД иметь объясняющую этот пример гипотезу") и каузальной непротиворечивости (смысл: "никакие примеры из начальной БД не должны включать причин ни для каких иных значений"), репрезентирующие критерий достаточного основания принятия гипотез к.д.о.п.г.

Следующий раздел Главы II посвящен применению ДСМ-метода для анализа шкалированных данных: с новыми типами внутренних истинностных значений - +1/2 и -1/2 - для характеризации степеней наличия или отсутствия у объекта свойств. Возможны три стратегии изучения таких эмпирических данных.

1). Предполагается, что различие в степени несущественно, важна лишь направленность (+ или -). Тогда истинностные значения +1/2 и +1 (равно как и -1/2 и -1) сливаются, \/Х\/У(У(11о>(Х=>1У)<->У(^1о>(Х=4>1У)), и мы возвращаемся к традиционным для ДСМ-метода четырем типам истинностных значений (см. выше).

2). Механизмы проявления различных степеней наличия или отсутствия свойств различны. Тогда \/Х\/У-,(У(11о)(Х=>1У)->7(11о)(Х=>1У)), для обработки фактов ■Ат.п^Х^У) (п - номер шага вычислений) вводятся специальные

предикаты МдД(У,\У,к), аналогичные Мд>п(У,"\У,к) для фактов

7<1п)(Х=>1У) (см [48]), и Й;ЧУ^,к), аналогичные П;(У,\¥,к) (для -1/2 и -1 - симметрично), и далее применяется стандартная схема ДСМ-рассуждения.

3). ±1/2 рассматривается как слабая (недостаточно выраженная) ±1 соответственно, \/Х\/У(7<;11о>(Х=>1У)-^7<|,о>(Х^>1У)). В этом случае для получения гипотез, причинно обуславливающих отношение =>]* с оценкой +1/2, мы, наряду с примерами, имеющими оценку +1/2, обозреваем и примеры с оценкой +1. Формально этот процесс описывается предикатом М^п(У,\У,к), распознающим локальное сходство на (+1/2)- и (+1)-примерах

и/) и J(lín)(Zj=>lUj), г = 1,..., р, У = р+1,..., к, где к -переменная (1 < р < к, к > 2) (ср. [19]); для -1/2 - симметрично.

Аналогично, предикат для (+1/2)-правил 2-го рода (цравил предсказания ранее неизвестных свойств новых объектов) П:ЧУ,\У,к) включает подформулы, выражающие утверждение, что

V содержит положительные (+1/2)- и (+1)- причины Х1,...,Х^ и

Хр+ наличия свойств У],...,У£ соответственно, причем W

полностью покрывается этими множествами свойств (для -1/2 -симметрично).

Наконец, последний раздел главы посвящен варианту ситуационного анализа поведения - контекстному анализу.

Выше уже говорилось, что потребности ряда эмпирических приложений привели к созданию так называемого "обобщенного метода" [46, 52], формализующего тернарную модель причинно-следственного отношения: Т(УД,У/) - "подобъект V есть причина наличия (отсутствия) множества свойств \У при отсутствии помех ("тормозов") из множества Х\ Следствием фармакологической интерпретации является рассмотрение в обобщенном методе в качестве элементов множества тормозов ^ (контекста проявления причины) и самой причины V объектов одной природы (переменных сорта 1).

Очевидно, однако, что (социальное) поведение субъекта осуществляется в неких внешних обстоятельствах, т.е. факторы, способствующие или препятствующие тому или иному поведению, лежат и вне личности, что привело к необходимости переосмысления контекстного анализа [23, 67]. Наш подход может рассматриваться как первый шаг к изучению ситуационного поведения, т.е. отношения "(субъект, ситуация):=>поведение".

Пусть и(5) = {сь..., ср} - множество сопутствующих (способствующих или сдерживающих) факторов, 7,1 - внешние факторы, сопутствующие поведению /-го субъекта, Ъ\ е2и<5>

Вместо бинарного предиката Х:=>1У введем тернарный предикат Е(Х,7,У) - "объект X в обстоятельствах (при наличии факторов) Z обладает (не обладает) множеством свойств У". Бинарный предикат заменим на тернарный предикат Трг(УД\¥) - "подобъект V в обстоятельствах (при наличии факторов) из множества Z есть причина наличия (отсутствия) множества свойств \У".

Для описания условий, характеризующих наличие (+)-причины

V для множества свойств при наличии способствующих факторов из Я определяется предикат Мдр;. п(УД\У) (для (-)-

причины - Мп/)Г11(УД\У) соответственно) - аналогично предикату

обобщенного сходства М^п(УД,\\0 из [46, 52]. Однако,

подчеркнем еще раз, что существенная разница между этими предикатами заключается, прежде всего, в характере контекста % и % . Элементы множества тормозов % из суть

подобъекты (из 2и<°), тогда как элементы множества факторов % из Мд^ДУДХУ) представляют внешние обстоятельства (из 2и<!)), в

которых реализуются причинно-следственные отношения.

Включение ситуации (и как вырожденного ее случая -контекста) в круг рассматриваемых факторов сближает предлагаемую формализацию с представлением К.Поппера [33] о логике социальных наук, как логике ситуационной.

Экспериментальное обоснование адекватности предлагаемого подхода изучению социального поведения нашло свое отражение в Главе III.

Проблема детерминации социального поведения субъекта является одной из ключевых и труднейших теоретико-практических проблем в социологии и социальной психологии. Известен парадокс Лапьера, обнаружившего явное противоречие между намерениями (социальными установками) личности и фактическим поведением, что объясняется множеством детерминирующих ' социальное поведение факторов (социальных и индивидуально-личностных).

Возможности решения этой проблемы связаны с преодолением теоретико-методологических трудностей "взвешивания" вклада и установления взаимосвязей многочисленных потенциально обуславливающих социальное действие переменных.

Мы уже говорили о недостатках статистического подхода к решению задачи поиска социальных детерминант поведения и о тех возможностях, которые ДСМ-метод автоматического порождения гипотез предоставляет на этом пути.

Рассматривая поведение субъектов как проявление регулятивных свойств диспозиционной системы [71], мы предприняли попытку выдвижения гипотез о структурировании и детерминации причинно-следственных связей отношения "субъект=>поведение".

В экспериментальной деятельности мы опирались на исследования проф.В.А.Ядова и его сотрудников [12, 20, 22, 23].

Как уже говорилось, мы используем структурное описание субъектов (индивидуумов) в виде множества дифференциальных

признаков, реализующее постулат поведения. Множества дифференциальных признаков формируются как результат специальной обработки данных социологических опросов. Первичные (исходные) данные, непосредственно полученные как ответы на вопросы интервью и тестов агрегируются и представляются таким образом, что определенная комбинация ответов характеризует обобщенный признак (свойство). Пример формализации пространства признаков приведен в Главе III.

Предлагаемый подход был экспериментально опробован при решении задачи изучения солидарного поведения рабочих на конфликтных предприятиях [11, 17, 37]. Логико-комбинаторная основа подхода сказывается на чувствительности метода к случайным данным. "Комбинаторный взрыв", полученный в результате эксперимента с данными, подготовленными для традиционной (статистической) обработки, потребовал тщательного упорядочения, систематизации данных, т.е. уточнения социологической модели причинно-следственных отношений: были обобщены некоторые комплексные характеристики (дифференциальные признаки) субъекта; для ряда характеристик было уточнено понятие сходства. Слабая представленность негативных примеров в исходном массиве данных побудила нас сформировать квазисимметричную модель социального поведения (в соответствии с требованиями (±)-мира на основе

противопоставления содержательно антагонистических

поведенческих установок. Таким образом, уже на этом этапе метод оказался полезным инструментом повышения уровня формализации знаний и уточнения социологической концепции.

Полученные результаты позволяют рассматривать ДСМ-метод как высокоформализованный вариант качественного анализа социальных данных и уточнения моделей.

1. Предлагаемый метод стимулирует логическую систематизацию как самих данных, так и собственно социологических моделей (гипотез).

2. Позволяет выработать более высокий уровень формализации данных и знаний - из большого набора разнородных признаков на основе содержательной интерпретации, стимулированной требованиями ДСМ-метода и опирающейся на социологические концепции, а в дальнейшем - и на аргументациониые модели, -

строится пространство агрегированных характеристик (дифференциальных признаков);

3. В отличие от традиционных социологических способов анализа, где мы имеем дело со статистическим субъектом, обезличенной типической моделью, при использовании данного метода субъект выступает явным образом, и построение гипотез и прогноз осуществляется конкретно для каждого отдельного субъекта.

На первом этапе, основной задачей которого была отработка методических средств и стратегий анализа, были получены и содержательные результаты, позволяющие сформулировать некоторые гипотезы для построения типологии социальных субъектов с определенными поведенческими намерениями.

Были выявлены эмпирические зависимости, характерные для тех или иных типов социального поведения. Так, были получены гипотезы (модели) поведенческой готовности: положительные (к участию в забастовке) и отрицательные (к неучастию в забастовке). Иными словами, предлагаемый подход делает возможным индивидуальное предсказание поведения, когда комбинаторный анализ недоступен (в силу значительного объема информации) человеку.

Результатом стала совокупность сходных индивидуальных типов, выделяемых исчерпывающим анализом вариантов поведения с помощью логико-комбинаторного метода. Признаки, формирующие пространство детерминации поведенческих готовностей (выделенные (±)-г.?ричины), можно условно считать элементами кода, свидетельствующими о наличии социальных типов. Были выделены и проинтерпретированы коды некоторых социальных типов, представляющих собой социологические обобщения (условно называемые "метафорами"), что позволяет говорить об используемом методе как о средстве полуавтоматического формирования социологических понятий. Примеры таких совокупностей признаков, вкупе с метафорическими их характеристиками, приведены в Главе III.

Применение правил 2-го рода ППВ-И для предсказания поведения может заинтересовать исследователя, если возможна валидация этого предсказания во времени - что трудно осуществить практически. Однако, для части респондентов мы располагали информацией о реальном их участии в предыдущей забастовке, не

имея при этом информации об их поведенческих установках ((т)-примеры из БД). Это позволило провести как эксперимент по установлению адекватности поведения установкам (ср. упоминавшийся выше парадокс Лапьера) (изучение отношения "(субъект, установки)=>поведение"), так и косвенную валидацию доопределения (т)-примеров средствами ДСМ-метода - сравнением предсказанных поведенческих готовностей респондентов с опытом их реального участия в коллективных акциях.

Полученные гипотезы о (±)-причинах можно рассматривать как характеристические признаки устойчивых кластеров ("квазисоциальных групп"). Тем самым, ДСМ-метод интерпретируется как метод классификации, и возникает задача сравнения такого подхода с классическими (статистическими) методами классификации социологических данных.

Таким образом, существенной особенностью предлагаемого подхода является использование машинного обучения для формирования понятий предметной области (социологии) и кластеризации экспериментальных данных.

В Заключении приводятся основные результаты работы, а также обсуждаются открытые проблемы.

Основные результаты работы изложены в публикациях [10-12, 14, 15, 19-29, 52, 53, 65-67, 69, 70].

>

Заключение диссертации по теме «Теоретические основы информатики», Михеенкова, Мария Анатольевна

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработка систем представления знаний для задачи "субъект=>поведение". Созданы начальные элементы языка представления социологических данных и знаний и построения гипотез о поведении средствами машинного обучения.

2. Сделаны необходимые модификации ДСМ-метода для анализа социологических данных. Решена в первом приближении задача структурации эмпирических социологических данных. Созданы формальные рамки для развития аргументации (которая в гуманитарных науках весьма часто заменяет доказательство) и объективизации субъективных данных.

3. Разработана архитектура интеллектуальной системы типа ДСМ для задачи "субъект=>поведение". Сделаны первые шаги в создании средств формализованного анализа данных о социальном поведении индивида и малых групп, создан аппарат установления детерминант индивидуального поведения, а также обозначена возможность косвенной валидации прогноза поведения.

4. Экспериментальными результатами подтверждена адекватность предлагаемого подхода рассматриваемым задачам социологии. Выделение социальных типов, представляющих собой социологические обобщения, позволяет рассматривать метод как средство автоматизированной поддержки индуктивного формирования социологических понятий.

В самом общем смысле результатом работы можно считать создание рамок конструктивной метатеории в социологии, что можно рассматривать как основу для последующего использования вычислительных процедур, опирающегося на предварительную логическую систематизацию социологических данных и знаний.

Формальный аппарат, предложенный в настоящей работе, может служить не только логическим средством анализа эмпирических социологических данных о поведении социальных субъектов (индивиды, малые группы), но может быть также применен для построения формальной теории каузального объяснения социального поведения (в смысле "понимающей социологии" М.Вебера [3]). Это обстоятельство позволит средствами современной логики (в частности, логики аргументации [50]) и интеллектуальных систем уточнить некоторые понятия, относящиеся к характеризации социального поведения.

ЗАКЛЮЧЕНИЕ

Полученные результаты можно считать лишь первыми шагами в создании средств формализованного анализа данных о социальном поведении индивида и малых групп. Создан базис для развития языка представления социологических данных и знаний и построения социологических гипотез о поведении средствами машинного обучения. Предложены способы решения проблемы структурации эмпирических социологических данных, в том числе, и с использованием логики аргументации, что, до некоторой степени, позволяет уменьшить влияние субъективизма в представлении этих данных. Сделанные модификации ДСМ-системы предназначены для решения задачи выявления детерминант индивидуального поведения с косвенной валидацией предложенного прогноза поведения.

Проведенные эксперименты можно считать подтверждением адекватности используемого подхода (ДСМ-метода автоматического порождения гипотез) задачам каузального анализа социального поведения. Формализация конфликта, представляющая нетривиальную особенность ДСМ-рассуждения, также может рассматриваться в качестве аргумента в пользу такой адекватности -излишне говорить, сколь часты противоречия (вызванные, в том числе и невозможностью выбрать между аргументами "за" и "против") в социологических данных.

Для признаков, формирующих пространство детерминации поведенческих готовностей (выделенных (±)-причиньг), строятся социологические обобщения (условно называемые "метафорами"), что позволяет говорить об используемом методе как о средстве полуавтоматического формирования социологических понятий.

Одной из наиболее естественных и заманчивых перспектив является развитие подхода до учета историзма (переход от малых групп к средним группам). Другой - реальное использование аргументационных теорий в социологических исследованиях средствами ДСМ-метода.

Квазиаксиоматические теории КАТ являются уточнением понятия эмпирической (открытой) теории, образующей представление объективного знания. Введение в [45, 48] понятия квазиаксиоматической теории позволило явно обозначить различие между сильно формализованными областями точных наук (например, физики) и слабо формализованными "науками о жизни" (например, фармакологии). Точно так же, создание теории субъективного знания представляется необходимым этапом при переходе от описания естественных наук, располагающих объективным экспериментальным материалом, к гуманитарным наукам, такими данными располагающими в незначительной степени. В [50] в качестве такой теории названа аргументация - как процесс принятия некоторого высказывания, либо формальная процедура его принятия, либо, наконец, как аргументационная теория. В этой связи необычайно интересным представляется объединение средств аргументационных теорий и КАТ, поскольку это открывает возможности формализации плохоформализуемых областей знания, в том числе, и социологического.

Развитие средств формальной арументации в социологии оправдано особенностями социального знания. В то время, как в науках о жизни основой рассуждений являются эмпирические данные, в гуманитарных науках данные не оценены и не организованы, поскольку их рассмотрение включает субъективные аспекты.

Так, описание субъекта в виде множества социальных, индивидуальных и биографических характеристик (дифференциальных признаков) наталкивается на субъективный характер этого описания, основанного на содержательной интерпретации (порожденной интуицией социолога) имеющегося эмпирического материала. Формализация и структурирование этой интуиции на основе логики аргументации [50] есть путь к решению задачи углубления структурного представления и объективизации социологических данных. Дальнейшее изучение отношения "субъект=>поведение" средствами правдоподобного ДСМ-рассуждения, которое порождает эмпирические зависимости, относящиеся к социальной и социопсихологической реальности, может опираться на результаты такой объективизации.

Задача объективизации субъективных данных является лишь частью общей задачи построения формальных оснований для поиска закономерностей социального поведения, для нас - изучения отношения "субъект^поведение" на основе структурного сходства и аналогии. Другой непростой частью этой задачи является проблема представления данных о субъекте и поведении, и, наконец, создание логических средств для представления (или, в дальнейшем, синтеза) отношения "субъект=>поведение" с последующей валидацией предложенного представления.

Для этого мы полагаем воспользоваться представлением об этом отношении как о логической импликации в логике аргументации. Тогда, минимизируя количество неинтерпретируемых в рамках рассматриваемой задачи импликаций, мы получаем средство для формального синтеза отношения "субъект=^>поведение" [10, 23, 30, 70].

Практические перспективы применения предложенных формальных оснований объективизации субъективных социологических данных и знаний ограничены комбинаторными возможностями современной вычислительной техники.

Описание субъекта в виде множества дифференциальных признаков, использованное в указанных экспериментах есть лишь первый шаг к более сложному описанию субъекта в виде системы отношений (которые пока наличествуют в описании имплицитно, как основанные на интуиции социолога агрегированные признаки из выбранных систем вопросов).

Список литературы диссертационного исследования кандидат технических наук Михеенкова, Мария Анатольевна, 1998 год

ЛИТЕРАТУРА

[1] Арчер М. Реализм и морфогенез // Социологический журнал, 1994, № 4, с.50-68.

[2] Белнап Н., Стал Т. Логика вопросов и ответов. М.: Прогресс, 1981.

[3] Вебер М. Понимающая социология // Избранные произведения, М., 1990.

[4] Виноградов Д.В. Несимметричный ДСМ-метод с учетом контекста // V Национальная конференция с международным участием "Искусственный интеллект-96", Казань, Октябрь 5-11, 1996, Труды конференции в 3 томах, т.2, с.322-324.

[5] Вригт Г.Х. фон Объяснение и понимание // Логико-философские исследования, М.: Прогресс, 1986.

[6] Гаек П., Гавранек Т. Автоматическое образование гипотез. М.: Наука, 1984.

[7] Гергей Т., Финн В.К. Об интеллектуальных системах // в сб.: "Экспертные системы: состояние и перспективы", М.: Наука, 1989.

[8] Гусакова С.М., Панкратова Е.С. Принципы построения интеллектуальной системы типа ДСМ для прогнозирования канцерогенное™ химических веществ // НТИ, сер.2, 1996, № 11, с. 16-20.

[9] Гусакова С.М., Финн В.К. Сходство и правдоподобный вывод // Известия АН. СССР, сер.Техническая кибернетика, 1987, № 5, с.42-63.

[10] Данилова E.H., Ивашко В.Г., Климова С.Г., Михеенкова М.А., Финн В.К., Ядов В.А. Применение ДСМ-метода автоматического порождения гипотез для исследования социального действия (соотношение индивидуально-личностных и социальных факторов) // V Национальная конференция с международным участием "Искусственный интеллект-96", Казань, Октябрь 5-11, 1996, Труды конференции в 3 томах, т.2, с.329-335.

[11] Данилова E.H., Климова С.Г., Михеенкова М.А. Возможности применения логико-комбинаторных методов для анализа

социальной информации // Социология-4М, 1998, № 5, (в печати).

[12] Данилова E.H., Михеенкова М.А., Московский С.С., Финн

В.К. Об одной модели детерминации социального поведения // VI Национальная конференция с международным участием "Искусственный интеллект-98", Пущино, Октябрь 5-11, 1998, Труды конференции в 3 томах, т.2, с.617-625.

[13] Дюркгейм Э. Метод социологии, в кн. "Социология", М.: Канон, 1995.

[14] Забежайло М.И., Ивашко В.Г., Кузнецов С.О., Михеенкова М.А., Хазановский К.П., Аншаков О.М. Алгоритмические и программные средства ДСМ-метода автоматического порождения гипотез // НТИ, сер.2, 1987, № 10, с.1-14.

[15] Забежайло М.И., Михеенкова М.А., Финн В.К. ДСМ-метод и экспертные информационные системы // Школа-семинар "Семиотические аспекты формализации интеллектуальной деятельности", Телави, 29 октября - б ноября, 1983, Тезисы докладов, Москва, ВИНИТИ, 1983, с.53-56.

[16] Ивашко В.Г., Финн В.К. Экспертные системы и некоторые проблемы их интеллектуализации // Семиотика и информатика, вып. 27, М.: Наука, 1986, с.25-61.

[17] Климова С.Г., Данилова E.H. Формирование солидарного сознания в рабочей среде // М.: ИНИОН РАН, 1998.

[18] Милль Д.С. Система логики силлогистической и индуктивной. М.: Книжное дело, 1900.

[19] Михеенкова М.А. О программной реализации ДСМ-метода автоматического порождения гипотез // Школа-семинар "Семиотические аспекты формализации интеллектуальной деятельности", Кутаиси, Апрель 22-28, 1985, Тезисы докладов, Москва, ВИНИТИ, 1985, с.153-156.

[20] Михеенкова М.А. Об экспертных системах типа ДСМ // НТИ, сер.2, 1987, № 9, с.23-31.

[21] Михеенкова М.А. Представление вопросов в ЭС типа ДСМ // II Всесоюзная конференция "Искусственный интеллект-90", Минск, Октябрь 22-25, 1990, Труды конференции, т.З, с.73-76.

[22] Михеенкова М.А. Особенности применения ДСМ-метода автоматического порождения гипотез в гуманитарных исследованиях // IV Национальная конференция с

международным участием "Искусственный интеллект-94", Рыбинск, Сентябрь 15-21, 1994, Труды конференции, т.2, с.281-286.

[23] Михеенкова М.А. ДСМ-метод правдоподобного рассуждения как средство анализа социального поведения // Известия РАН, сер.Теория и системы управления, 1997, № 5, с.62-70.

[24] Михеенкова М.А. Изучение социального поведения средствами ДСМ-метода правдоподобного рассуждения // 3-я международная конференция "Информационные ресурсы. Интеграция. Технологии. НТИ-97", Москва, Ноябрь 26-28, 1997, Материалы конференции, Вторая часть, с. 3.

[25] Михеенкова М.А., Авидон В.В., Суханова С.А. Распознавание эмпирических закономерностей на массиве психотропных соединений // "Проблемы искусственного интеллекта и распознавания образов", Тезисы докладов конференции, Киев, Май 13-18, 1984, т.2, с.82-85.

[26] Михеенкова М.А., Авидон В.В., Суханова С.А. О программной реализации ДСМ-метода автоматического формирования гипотез с неодноэлементным множеством признаков // НТИ, сер.2, 1984, №11, с.20-26.

[27] Михеенкова М.А., Забежайло М.И. О программной реализации одного метода порождения гипотез // Школа-семинар "Семиотические аспекты формализации интеллектуальной деятельности", Телави, 29 октября - 6 ноября, 1983, Тезисы докладов,, Москва, ВИНИТИ, 1983, с.92-95.

[28] Михеенкова М.А., Финн В.К. Об одном классе экспертных систем с неполной информацией // Известия АН СССР, сер.Техническая кибернетика, 1986, № 5, с.82-103.

[29] Михеенкова М.А., Финн В.К. Обобщенный ДСМ-метод как реализация контекстуального причинно-следственного отношения // III Всесоюзная конференция "Искусственный интеллект-92", Тверь, Октябрь 19-25, 1992, Труды конференции, т.1, с.84-85.

[30] Панкратов Д.В. О двух проблемах, возникающих при поиске закономерностей в социологических данных с помощью ДСМ-метода // НТИ, сер.2, 1998, №4, с. =4

[31] Парсонс Т. Функциональная теория изменения // Антология американской социологической мысли, М.: Наука, 1997.

[32] Поппер К. Логика и рост научного знания. М.: Прогресс, 1983.

[33] Поппер К. Нищета историцизма. М.: Издательская группа "Прогресс", 1993.

[34] роспелов Д.А. Ситуационное управление. М.: Наука, 1986.

[35] Поспелов Д.А. Моделирование рассуждений. М.: Радио и связь, 1989.

[36] Риккерт Г. Границы естественнонаучного образования понятий (логическое введение в исторические науки). СПб., 1903.

[37] Солидаризация в рабочей среде. Социальное и индивидуальное (под ред. В.А.Ядова), М., Изд. ИС РАН, 1998.

[38] Сорокин П. Человек. Цивилизация.Общество. М.: Из-во Политичекой литературы, 1992.

[39] Социальная идентификация личности (под ред.В.А.Ядова), М., Изд. ИС РАН, 1993.

[40] Социальная идентификация личности-2 (под ред.В.А.Ядова), М., Изд. ИС РАН, 1994.

[41] Татарова Г.Г. Методология анализа данных в социологии М.: Стратегия, 1998.

[42] Тьюринг А. Может ли машина мыслить? М.: Физматгиз, 1960.

[43] Финн В.К. Информационые системы и проблемы их интеллектуализации // НТИ, сер.2, 1984, № 1, с.1-14.

[44] Финн В.К. О логических информационно-вычислительных системах // НТИ, сер.2, 1986, № 1, с.7-10.

[45] Финн В.К. Правдоподобные выводы и правдоподобные рассуждения // Итоги науки и техники, сер. "Теория вероятностей. Математическая статистика. Теоретическая кибернетика.", Т.28, 1988, с.3-84.

[46] Финн В.К. Об обобщенном ДСМ-методе автоматического порождения гипотез // Семиотика и информатика, вып.29, М.: Наука, 1989, с.93-123.

[47] Финн В.К. Интеллектуальные системы: проблемы их развития и социальные последствия // в сб. "Будущее искусственного интеллекта", М.: ,Наука, 1991, с.157-177.

[48] Финн В.К. Правдоподобные рассуждения в интеллектуальных системах типа ДСМ // Итоги науки и техники, сер. "Информатика", Т.15, 1991, с.54-101.

[49] Финн В.К. Об интеллектуальных системах автоматизированной поддержки научных исследований // НТИ, сер.2, 1996, № 5-6, с. 1-2.

[50] Финн В.К. "Об одном варианте логики аргументации", НТИ, сер.2, 1996, № 5-6, с.3-19.

[51] Финн В.К. Синтез познавательных процедур и проблема индукции // НТИ, сер.2, 1999, № 1-2 (в печати).

[52] Финн В.К., Михеенкова М.А. "Некоторые проблемы обобщенного ДСМ-метода автоматического порождения гипотез // Семиотика и информатика, вып. 33, Москва, Наука, 1993, с.136-163.

[53] Финн В.К., Михеенкова М.А. Отражение рефлексии в ДСМ-системе автоматического порождения гипотез // Международный симпозум "Рефлексивные процессы", Москва, Май 14-18, 1994, Материалы симпозиума, с.59.

[54] Фромм Э. Из плена иллюзий. Душа человека. М.: Республика, 1992.

[55] Хвостова К.В., Финн В.К. "Гносеологические и логические проблемы исторической науки", М.: Наука, 1995.

[56] Хвостова К.В„, Финн В.К. "Проблемы исторического познания в свете современных междисциплинарных исследований", М.: Из-во РГГУ, 1997.

[57] Шюц А. Формирование понятия и теории в общественных науках // Антология американской социологической мысли, М.: Наука, 1997.

[58] Сб."Экспертные системы: состояние и перспективы", М.: Наука, 1989. ;

[59] Элти Дж., Кумбс М. "Экспертные системы: концепции и примеры", М.: Финансы и статистика, 1987.

[60] Эшби У.Р. "Введение в кибернетику", М.: Изд-во иностр.лит., 1959.

[61] Artificial Intelligence (Special issue on non-monotonic logic), vol.13, 1980, N 1-2.

[62] Balzer W. A basic model for social institution // Journal of Mathematical Sociology, vol.16 (1), 1990, pp.1-29.

[63] Balzer W., Tuomela R. A fixed point approach to collective attitudes // Contemporary Action Theory, vol.11, 1997, pp.115-142.

[64] Finn Y.K. "JSM-reasoning for control in open (±)-worlds'^, 10-th IEEE international Symposium on intelligent Control, Proceedings of the 1995 ISIC Workshop, Monterey, California, August 27-29, 1995, pp.75-79.

[65] Finn V.K., Mikheyenkova M.A. Logical frameworks for intellectual systems of public opinion poll analysis // East-West Conference on Artificial Intelligence, Moscow, September 7-9, 1993, Proceedings, pp.319-323

[66] Finn V.K., Mikheyenkova M.A. On the application of JSM-method of automatic hypotheses generation in sociological investigations // Artificial Intelligence News, special issue. Moscow, 1993, pp.91-98.

[67] Finn V.K., Mikheyenkova M.A. Application of JSM-Theory of Plausibe Reasoning to Social Data Analysis and Social Actions Prediction // International Conference on Intelligent Systems and Semiotics, Gaithersburg, MD, September 22-25, 1997, Proceedings, p.92-95.

[68] Machine Learning: an artificial intelligence approach (Eds.R.S.Michalski, J.G.Carbonell, T.M.Mitchell), Berlin: Springer, 1984.

[69] Mikheyenkova M.A. Application of JSM-reasoning to problems of sociology // 10-th IEEE international Symposium on intelligent Control, Proceedings of the 1995 ISIC Workshop, Monterey, California, August 27-29, 1995, pp.429-433.

[70] Mikheyenkova M.A., Daniliova E.N., Finn V.K., Ivashko V.G., Yadov V.A. Application of JSM-method of automatic hypotheses generation to some problems of sociology // Workshop on Applied Semiotics, European Conference on Artificial Intelligence-96, Budapest, August 12-16, 1996, p.22-25.

[71] Yadov V.A. The Concept of dispositional Regulation of Individual Social Behaviour // Soviet Psychololgy. Vol.XXIV. N4. Summer, 1986.

[72] Zabezhailo M.I., Finn V.K. et al. Plausible Application of Intellectual Systems of JSM-type // 10-th IEEE international Symposium on intelligent Control, Proc. of the 1995 ISIC Workshop, Monterey, California, August 27-29, 1995, pp.99-108.

[73] Zadeh L.A. Fuzzy sets as a basis for a theory possibility // Fuzzy Sets and Systems, 1993, v.l, pp.3-28.

H