Интенсивное формирование ноосферы является сегодня общепризнанным фактом. При этом в связи с глобальным характером человеческой деятельности и риском катастрофических последствий неразумных решений существенно возрастает роль науки. Анализируя эти процессы, Н.Н. Моисеев [1] сформулировал концепцию системы «Учитель». Эта система, по его представлениям, в свое время породила новый вид памяти и моральный императив «не убий», сделавшие человека homo sapience, а сегодня призвана обеспечить некатастрофичность развития человечества и сформировать новую нравственность коэволюции человека и биосферы. Развитие концепции Н.Н. Моисеева предполагает углубленное исследование и организацию целостного функционирования научного сообщества с позиций указанной глобальной цели и с учетом его новой информационной и телекоммуникационной «среды обитания». Интернет играет в этом процессе системообразующую роль, не только обеспечивая темп научной деятельности, соизмеримый с темпом изменения мира и нарастания рисков и озабоченностей, но и позволяя гармонизировать развитие научного сообщества снизу - доверху на базе глобальной модели его функционирования. Речь идет о том, чтобы стихийно протекающий процесс взаимодействия ученых в современной информационной среде был системно осмыслен и управляем.
Предлагаемая динамическая модель научного сообщества, функционирующего в среде Интернет для обеспечения коэволюции человека и биосферы, безусловно, отражает лишь некоторые, однако, на наш взгляд, достаточно существенные аспекты проблемы. Основными понятиями модели являются мир, знания, деятели, исследователи, проекты, проблемы. Под миром понимается естественная и искусственная среда обитания человечества. Знания отражают совокупные сведения о мире, доступные при принятии решений о воздействии на него. Воздействия организуются деятелями и осуществляются в форме проектов. Разрабатывая проект, деятель выделяет ряд научных проблем, решение которых необходимо для того, чтобы воздействие носило позитивный и эффективный характер. Эти проблемы решаются исследователями на основе существующих знаний в рамках научного сообщества. Под научным сообществом, тем самым, понимается часть человечества, функционально ориентированная на познание окружающей действительности и использование этих знаний в деятельности человечества. Результаты решения проблем входят в проекты, обеспечивая предпосылки их высокого качества, а кроме того, пополняют знания. Вся указанная деятельность, помимо «быстрого времени» осуществления отдельных проектов и решения отдельных проблем, протекает «медленном времени» изменения компонентов моделируемой системы. Стареют исследователи, воспитывается новая научная смена, меняются предметный спектр проектов и проблем, характер порождаемых миром рисков и озабоченностей, сама среда функционирования научного сообщества.
Безусловно, целостно промоделировать описанный процесс в настоящее время еще невозможно. Речь идет о разработке взаимоувязанной системы моделей, которые помогут изучить отдельные аспекты обсуждаемой системы. В докладе предлагается система 12 локальных математических моделей, которые могут быть использованы на первом этапе для построения целостной системы функционирования научного сообщества. В нее входят следующие модели:
Модели используют аппарат обыкновенных дифференциальных уравнений, методов оптимизации и оптимального управления, принятия решений в условиях неопределенности, формирования интернет-проектов. Основными понятиями, лежащими в их основе, являются научная квалификация, мотивация, знаниевая сеть, метод ПРИНН.
Под научной квалификацией (впредь просто квалификацией) понимается совокупность методологических и методических знаний, умений, навыков и опыта, которые приобретает в процессе жизнедеятельности и использует в научной работе развивающаяся личность. Таким образом, структура квалификации отображает структуру научной деятельности. Основываясь на многочисленных существующих моделях [5], с учетом нашего взгляда на проблему, мы учитываем следующие девять основных функций исследовательской деятельности:
1) поиск тематики,
2) постановку (осознание) темы исследования,
3) формирование ключевой идеи (плана) решения,
4) выбор, освоение и реализацию необходимого обеспечения,
5) реализацию отдельных элементов исследования (элементов плана решения),
6) синтез решения (собственно исследование),
7) оформление решения,
8) ввод в научный обиход, защиту и сопровождение решения,
9) внутренний критический анализ решения.
В зависимости от уровня исследовательской деятельности, эти функции наполняются различным содержанием. С тем, чтобы отразить этот факт, мы предлагаем описывать творческую деятельность в сфере науки и техники как протекающую в 2-х измерениях: функций и уровней исследовательской деятельности. Основываясь на принятой в России классификации ученых степеней, можно выделить четыре уровня научной деятельности:
1) начальный (научный сотрудник, характерен для начинающих исследователей и определяется, например, тем, что полученные результаты входят в статьи научных руководителей),
2) задач (кандидат наук, определяется публикацией статей в научных журналах),
3) проблем (доктор наук, определяется публикацией научных монографий),
4) направлений (член академии наук, определяется получением результатов, включаемых в учебники).
Таким образом, квалификация исследователя определяется тем, какими функциями исследовательской деятельности на каких уровнях владеет, т.е. 4х9 = 36-ю различными элементами деятельности. Соответственно развитие научных способностей исследователя сводится к наиболее эффективному овладению этими элементами деятельности. Разработан тест [6], который позволяет, разумеется, достаточно приближенно, оценить структуру научной квалификации исследователя.
Следующей важнейшей компонентой научных способностей является мотивация, под которой, применительно к предмету нашего обсуждения, понимается увлеченность научной деятельностью, стремление добиться научных результатов, необходимые для этого активность, инициативность, настойчивость. Мы полагаем, что измерение мотивации в наших целях может быть осуществлено самым естественным образом. Под уровнем мотивации на определенном промежутке времени понимается то время (например, количество часов в месяц), которое индивид по собственному желанию регулярно затрачивает на занятия научной деятельностью.
Следующим существенным понятием предлагаемой системы моделей является предметная структура (знаний, проектов, научных проблем, области компетентности исследователей). Введем в рассмотрение знаниевую сеть терминов. Ее тезаурус содержит термины, связанные родо-видовыми связями. Математически можно полагать, что на множестве терминов определена функция, сопоставляющая каждому термину-аргументу «вышестоящий» (возможно, пустой) термин по шкале «род - вид». Знаниевая сеть задается множеством неупорядоченных пар терминов, отражающих наличие ассоциативной связи между ними. Каждой паре соответствует коэффициент, показывающий тесноту ассоциативной связи. В это же множество включаются термины из тезауруса, не имеющие ассоциативных связей. Тогда предметные структуры знаний, проектов, научных проблем, области компетентности исследователей являются некоторыми подмножествами знаниевой сети.
Формирование моделей функционирования научного сообщества связано с высоким уровнем неопределенности. Для формировнаия исходных данных необходимо использовать методы принятия решений в условиях неопределенности, которые позволяли бы без громоздкой процедуры выявления в том или ином виде предпочтений ЛПР получать достаточно обоснованные оценки. Мы считаем целесообразным использовать в этих целях т.н. метод ПРИНН [7, 8], который позволяет достаточно обоснованно и с минимальными затратами труда произвести комплексную оценку вариантов решений, характеризуемых набором количественных и качественных показателей различного уровня значимости.
В докладе представлены все перечисленные модели, опыт практического применения некоторых из них и предложена стратегия поэтапной реализации интернет-проекта, направленного на перерастание в глобальную систему управляемого функционирования научного сообщества в целях обеспечения коэволюции человека и биосферы.
1. Моисеев Н.Н. Алгоритмы развития. - М.: Наука, 1987. 303 с.
2. Пиявский С.А. Математическое моделирование управляемого развития научных способностей // Известия Академии наук, серия «Теория и системы управления». 2000. № 3. С. 100-106.
3. Пиявский С.А. Управляемое развитие научных способностей молодежи. - М.: Академия наук о Земле, 2001. 109 с.
4. Рабочая концепция одаренности / Под ред. Д.Б. Богоявленской, В.Д. Шадрикова. - М.: ИЧП «Издательство Магистр», 1998. 68 с.
5. Майданов А.С. Процесс научного творчества. - М.: Наука, 1983. 207 с.
6. Пиявский С.А., Кадочкин Д.Е. Разработка и программная реализация методов тестирования научной и творческой квалификации // Программные продукты и системы. 2000. № 1. С. 41-45.
7. Смирнов О.Л., Падалко С.А., Пиявский С.А. САПР: формирование и функционирование проектных модулей. - М.: Машиностроение, 1987. 272 с.
8. Пиявский С.А. Технология ПРИНН для моделирования слабо структурированных систем // Информационные технологии в моделировании и управлении: Труды II Международной научно-практической конференции. - Санкт-Петербург, 2000. С.295-297.
[Аннотация на английском языке]
|
Опубликовано: Пиявский С.А. Коэволюция и научное сообщество в среде Интернет // Технологии информационного общества - Интернет и современное общество: труды V Всероссийской объединенной конференции. СПб., 25 - 29 ноября 2002 г. СПб.: Изд-во С.-Петерб. ун-та, 2002. С. 119-122. Ориг. URL — http://imsconference2002.spbu.ru/02-r2f28.html |