Создание информационной среды для интеллектуальной системы анализа социологических данных тема диссертации и автореферата по ВАК РФ 05.25.05, кандидат технических наук Бурковская, Жанна Ивановна

• Бурковская, Жанна Ивановна
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Бурковская, Жанна Ивановна

Введение.

Глава 1. Логические и алгоритмические средства изучения рациональности мнений.

§1.1.0 логических принципах распознавания рациональности мнений.

§1.2. Алгоритмическая реализация критериев анализа рациональности мнений.

Глава 2. Разработка интеллектуальной системы типа ДСМ для анализа социологических данных.

§2.1. Определение назначения и функциональности системы.

§2.2. Проектирование архитектуры системы.

§2.3. Выбор средств разработки.

§2.4. Создание базы данных.

§2.5. Разработка Ядра.

§2.6. Организация взаимодействия с ДСМ-Решателем.

§2.7. Разработка модуля дистанционного опроса.

§2.8. Организация взаимодействия с пакетом программ статистической обработки данных SPSS.

§2.9. Разработка модуля подготовки данных.

§2.10. Разработка модуля анализа рациональности мнений.

§2.11. Проектирование и реализация Интеллектуального интерфейса.

§2.12. Требования к аппаратному и программному обеспечению.

§2.13. Описание средств установки и деинсталляции системы.

Глава 3. Проведение эксперимента для апробации логических и программных средств качественного анализа мнений.

§3.1. Эмпирическая база и процедуры эксперимента.

§3.2. Результаты эксперимента.

Введение диссертации (часть автореферата) на тему «Создание информационной среды для интеллектуальной системы анализа социологических данных»

В 2005 г. исследовательская группа ЦИРКОН, Всероссийский центр изучения общественного мнения (ВЦИОМ) и Ассоциация региональных социологических центров Группа «7/89» представили результаты проекта «Социологическая деятельность в России: осведомленность и отношение населения» [18]. Исследование показало, что в последние годы население России очень активно участвует в опросах общественного мнения и, что интересно, выражает к ним свой интерес и доверие, считая опросы необходимыми и отражающими мнение народа.

Действительно, на российском рынке исследований в настоящее время действует около пятисот организаций, проводящих порядка пяти-семи тысяч исследований ежегодно. Самым востребованным и наиболее распространенным видом исследований в России остаются социально-политические исследования. Их количество особенно возрастает в предвыборный период, когда на основе массовых опросов делаются всевозможные электоральные прогнозы и составляются рейтинги политических партий. Традиционно для анализа мнений используются статистические методы, которые, безусловно, с учетом определенной степени погрешности позволяют говорить об определенных тенденциях в обществе и давать числовую оценку изучаемым явлениям. Именно такие исследования обычно широко публикуются и обсуждаются в средствах массовой информации.

Опытный социолог всегда осознает ограничения количественных методов. Во-первых, адекватность ответов испытуемых зависит от многих факторов, как например: логическая и содержательная непротиворечивость концептуальной схемы развернутой в вопросах анкеты; совпадение тезауруса анкеты и испытуемого; адекватность предложенных исследователем ответов представлениям респондента; актуальность проблематики для испытуемого; эмоциональное состояние испытуемого в момент опроса.

Во-вторых, количественные методы опираются на представление об обществе как системной целостности, в которой роль основополагающих структур играют большие социальные группы. Такое макросоциологическое познание не дает исчерпывающего понимания поведения конкретных людей, их малых групп, коллективов, локальных сообществ и иных микросоциумов. Поведение микросоциумов в некоторой степени рассматривается как система случайных событий, а социальные группы формируются на основе неформальных характеристик. В-третьих, количественные методы выявляют скорее корреляционные связи, а не причинно-следственные зависимости. В-четвертых, выделение совокупности признаков, формирующих пространство детерминации поведенческих готовностей, соответствующих тому или иному социальному типу, как правило, осуществляется лишь на основе интуиции социолога. И, наконец, в-пятых, обычно статистические методы не учитывают явным образом влияние ситуации на результаты опроса, хотя еще К.Р. Поппер в [15] характеризовал логику социальных наук как ситуационную.

Возможность преодолеть указанные ограничения предоставляет ДСМ-метод автоматического порождения гипотез (ДСМ-метод АПГ) [23-26, 30, 40]. Этот метод - синтез индукции, аналогии и абдукции [37], - осуществляет порождение гипотез и их принятие на достаточном основании, а также способствует кластеризации эмпирических данных, формированию понятий и эмпирических теорий, учитывающих и обобщающих экспериментальный материал. Неформально метод может быть представлен в виде последовательной схемы рассуждений: на основе анализа сходства явлений ищется причина этих явлений (индукция), которая в дальнейшем может использоваться при прогнозировании новых явлений на основе структурной аналогии; на третьем шаге рассуждения применяется абдукция для объяснения начального состояния исходных данных. 4

Применение ДСМ-метода АПГ предъявляет определенные требования к изучаемой предметной области:

1. Знания о предметной области должны быть слабо формализованы, а данные хорошо структурированы, что означает: a) неполноту описания предметной области и возможность лишь частичной ее аксиоматизации; b) определимость сходства объектов как алгебраической операции.

2. Предметная область, описание которой представлено в начальном состоянии базы данных (базе фактов), должна содержать позитивные примеры исследуемого явления («+»-примеры), негативные примеры («-»-примеры) и примеры неопределенности («т»-примеры). Фактоподобным высказыванием является утверждение вида «объект X обладает множеством свойств У». Факт есть фактоподобное высказывание с оценкой, состоящей из типа истинностного значения («фактически истинно», «фактически ложно», «фактически противоречиво», «неопределенно») и номера шага применения правил правдоподобного вывода, который для факта равен нулю.

3. В базе фактов в неявном виде содержатся зависимости причинно-следственного типа: «+»-причины, вызывающие наличие свойств, и «-»-причины, вызывающие отсутствие множества свойств.

Правила правдоподобного вывода первого рода, порождающие гипотезы о причинах, формулируются с помощью специальных предикатов М+ и МГ, где М+ суть условия обнаружения сходства для «+»~примеров, a ]VT - условия обнаружения сходства для «-»-примеров. Правила правдоподобного вывода первого рода на основе отношения «обладать», представленного в базе данных предикатом «объект X обладает множеством свойств Г», порождают новое отношение «причина», представленное в базе знаний посредством предиката «подобъект X есть причина множества свойств Г». Порождаемые гипотезы о причинах образуют фрагмент базы знаний. Этот фрагмент затем используется для применения правил правдоподобного вывода второго рода, результатом применения которых являются гипотезы вида «объект С имеет множество свойств А» с одним из четырех типов истинностных значений «фактически истинно», «фактически ложно», «фактически противоречиво», «неопределенно» и соответствующим номером шага применения правил. Номер шага выражает степень правдоподобия гипотезы (чем больше номер шага, тем меньше правдоподобие гипотезы). Правила правдоподобного вывода второго рода суть выводы по аналогии. На третьем этапе ДСМ-рассуждения применяется критерий достаточного основания принятия гипотез, в результате которого гипотезы либо принимаются на достаточном основании, либо (в случае невыполнения критерия) требуется расширить исходную базу фактов и снова провести ДСМ-рассуждение.

Возможность применения ДСМ-метода в социологии опирается на представление о социальных системах (включая социального субъекта) как системах с детерминированными многофакторными (+,-)-влияниями (когда факты являются сильно зависимыми и не образуют системы случайных событий)1, в которых, однако, возможны случайные возмущения. Наиболее существенные и устойчивые влияния воспринимаются как причины тех или иных социальных явлений. В социальной психологии и социологии одним из подходов, позволяющим изучать социальную действительность именно с таких позиций, является диспозиционная теория регуляции социального поведения личности [19]. Согласно этой теории социальное поведение субъекта детерминировано иерархической системой его предрасположенностей (диспозиций) к определенному восприятию условий деятельности и реагированию на социальную ситуацию в протяженном и кратком временном континууме. Эту функцию выполняют система ценностей и обобщенные и ситуативные установки личности.

1 (+)-влияния - это те, которые способствуют возникновению или развитию события, (-)-влияния которые препятствуют возникновению или развитию события.

- это те,

Есть еще ряд особенностей ДСМ-метода АПГ, который позволяет считать его адекватным формальным аппаратом для качественного анализа данных в социологии (см., например, [32]).

ДСМ-метод АПГ может применяться для решения следующих социологических задач:

1. выявление детерминант и прогнозирование социального поведения;

2. выявление детерминант и прогнозирование мнений;

3. распознавание рациональности мнений.

В первом случае используется так называемый «прямой ДСМ-метод», устанавливающий причинно-следственную зависимость типа «сходство субъектов поведения влечет сходство поведений (готовности к действиям)». Применение прямого ДСМ-метода основано на предположении о том, что информативность характеризации субъекта поведения превосходит информативность данных о его поведении. В этой модели для представления исходных фактов используется бинарный предикат X=>]Y, означающий «субъект X обладает множеством свойств (поведенческих готовностей Y». Отношение формируется на основе экспертного анализа ответов респондентов на вопросы анкеты. Структурное описание респондента осуществляется в соответствии с «постулатом поведения» (см., например, [32]). Это означает, что в описании субъекта поведения должны быть представлены социальные характеристики личности, индивидуальные черты личности и биографические данные. При этом это должны быть социально значимые, взаимоисключающие, независимые друг от друга признаки, в отношении которых предполагается, что они будут влиять на поведение людей в определенной ситуации. В работах [4, 5, 8, 11] систематически представлены логические и программные средства интеллектуальных систем типа ДСМ для порождения детерминант социального поведения, а также рассмотрены кластеризация данных посредством этих детерминант и социологическая интерпретация полученных результатов.

Для качественного исследования мнений и прогнозирования электорального поведения в [3] был предложен другой вариант ДСМ-метода, названный «обратным», посредством которого устанавливается зависимость между характеризациями мнений и представлением знаний о субъекте типа «сходство мнений есть следствие сходства субъектов». Обратный ДСМ-метод использует другое предположение, состоящее в том, что информативность характеризации мнений превосходит информативность представления знаний о субъекте. Здесь для представления исходных данных используется предикат X=>iY, выражающий, что «субъект X имеет мнение 7». Описание субъекта также должно быть сформировано на основе постулата поведения, а мнение представляется как ответы на вопросы по соответствующей теме опроса. Содержание темы (т.е. ответы на вопросы) является концептуализацией выяснения мнения и предполагает наличие аргументации у респондента, обладающего соответствующей точкой зрения. Однако при обычной технологии проведения опроса, когда респонденту на каждый из вопросов предлагается уже готовый список ответов, результаты опроса будут зависеть от множества факторов и совсем не обязательно полученные ответы будут аргументированными. Для выявления рациональных (аргументированных мнений) была предложена новая технология формирования мнений на основе функции выбора и атомарной функции оценки логики аргументации.

Кратко, идея новой технологии опроса состоит в том, что вместо вопросов, раскрывающих некоторую тему Т* (например, «отношение к частной собственности», «отношение к свободе слова» и т.п.), респонденту предлагается множество утверждений Р относительно этой темы и аргументационная база А - множество аргументов и контраргументов относительно принятия или непринятия утверждений из Р. Задаются две функции выбора: g+: Р -> 2Л и g": Р —» 2А. Для оценивания каждого утверждения из Р респондент выбирает из А аргументы «за» или аргументы против» данного утверждения. Предполагается, что при таком оценивании 8 утверждений, респондент вынужден действовать более или менее обдуманно, т.е. проявлять то, что B.C. Швырев в [35] называет «специальными усилиями сознания». Используя атомарную функцию оценки логики аргументации А4 [27] или Аб [13], можно автоматически получить оценку для каждого высказывания из Р. Максимальная конъюнкция таких оценок и будет мнением у'-го респондента фу. Описанная функция выбора представляет собой аппарат принятия решений.

Для изучения рационального мнения мы можем включить в описание у'-го респондента Sbty наряду с его дифференциальными признаками (характеристиками) Су также его аргументационные функции, т.е. Sbt, = <C,,<g/,g/». Будем рассматривать отношение «описание субъекта - мнение субъекта». Применяя ДСМ-метод (прямой или обратный), мы порождаем детерминанты мнений, которые в дальнейшем используются для прогнозирования мнений, а также служат основанием для построения модели структуры изучаемого социума. Рациональное мнение имеет место, если g+ Г) gf = 0. Аргументационная база может задаваться исследователем и рассматриваться как общая для всех респондентов, а может быть своей для каждого респондента. Во втором случае аргументационная база должна включаться в описание субъекта <C7,<A/,g/,gjT». В еще более сложном случае субъекту может быть предоставлена возможность пополнять каркас утверждений Р, если, по его мнению, он раскрывает тему недостаточно. Если система аргументов А полна, каркас темы раскрывает ее содержание и мнение субъекта рационально, оно определяется его аргументационными функциями g/, g/, g/ = {g/(p,),., g/(pn)}, a = {+, -}. Подчеркнем, что абсолютно рациональное поведение реализуется лишь как идеальный тип поведения в смысле М. Вебера [2]. В реальности, индивид демонстрирует те или иные отклонения от идеального типа поведения.

Существенным усилением логических средств анализа поведения и мнений является введение представления данных о ситуациях [29]. То есть вместо отношений «субъект => поведение» и «субъект => мнение» 9 рассматриваются отношения («субъект, ситуация> => поведение» и отношения «<субъект, ситуация> мнение», соответственно. Введение параметра ситуации влечет изменение постулата поведения: условием детерминации поведения, помимо социальных характеристик субъекта, индивидуальных черт личности и биографических данных, также является характеристики ситуации. Для представления ситуаций в [31] предложено использовать булевскую структуру данных, хотя возможно применение, например, кортежной или реляционной структуры. Естественным образом должны переформулироваться решающие предикаты для правил правдоподобного вывода.

Третьим важным видом исследований, проведению которых также способствует ДСМ-метод АПГ, является анализ рациональности полученных в результате опроса мнений (как одного из видов поведения) [12]. Выявление респондентов, не распознающих противоречия, определение степени «понимания» темы респондентами, а также степени «близости» мнений в электоральной группе, например, среди сторонников одной партии - все это поможет социологу правильно проинтерпретировать результаты качественного исследования.

Для извлечения знаний из обширного эмпирического материала средствами ДСМ-метода АПГ требуется применение вычислительных процедур значительной алгоритмической сложности, а значит необходимо применение интеллектуальных систем, реализующих процедуры машинного обучения. Интеллектуальная система типа ДСМ представляет собой интерактивную систему, в которой на базе развитого логико-математического обеспечения, реализующего ДСМ-метод АПГ, осуществляется интеллектуальный анализ данных из БД с неполной информацией. Архитектура и принципы построения интеллектуальной системы типа ДСМ описаны во многих работах, например в [28, 29]. Напомним, лишь основные моменты. Интеллектуальные системы имеют следующую архитектуру: Решатель + Информационная среда + Интеллектуальный интерфейс. В Решателе осуществляется формализованная эвристика - извлечение закономерностей из базы данных посредством ДСМ-рассуждения, которое есть синтез трех познавательных процедур: индукции, аналогии и абдукции. Информационная среда представляет собой базу фактов (БФ) и базу знаний (БЗ), а Интеллектуальный интерфейс отвечает за диалог между пользователем и машиной, представление результатов исследования и научение пользователя работе с системой.

В настоящей работе мы будем понимать термин «Информационная среда» шире, нежели просто база фактов и база знаний. Информационная среда есть активная оболочка интеллектуальной системы, которая обеспечивает функционирование всех компонентов системы как единого целого, в том числе организует и упорядочивает процессы взаимодействия пользователей с ДСМ-Решателем, базой данных и остальными подсистемами; осуществляет надежное и безопасное хранение данных и управление этими данными; предоставляет дополнительные возможности пользователям на всех этапах проведения исследования для того, чтобы они могли построить работу с системой максимально эффективно и в соответствии с существующими технологиями качественного анализа данных.

Решатель, как компонент интеллектуальной системы, уже был реализован и описан ранее А.В. Путриным и Д.В. Панкратовым [14]. Следуя идее, что интеллектуальная система типа ДСМ должна быть способна к самообучению, в Решателе было выделено две основных части:

Learner реализует все пересечения (глобальные сходства) объектов и применяет правила первого рода;

Solver на основе порожденной Leaner базы знаний применяет правила второго рода и доопределяет объекты, порождая тем самым новое состояние, на котором может вновь работать Learner.

Достоинством созданного Решателя является то, что он не зависит от конкретной предметной области, поскольку все алгоритмы реализуются в общем виде, а настройка на предметную область происходит в другом модуле системы (в настоящий момент один и тот же Решатель используется для анализа химических и социологических данных). Также в Решателе реализованы алгоритмы для двух расширений ДСМ-метода: обратного и ситуационного.

Правильность работы Решателя была проверена экспериментально на реальных социологических данных, а именно:

1. На результатах опроса рабочих завода «Арсенал» в Санкт-Петербурге и завода трактортных гидроагрегатов в Ельце (ЕЗТА). Для анализа был рассмотрен частный случай социального поведения - коллективное поведение рабочих в ситуации забастовки (см., например, [4]).

2. На результатах опроса студентов старших курсов Российского государственного гуманитарного университета на тему электоральных предпочтений накануне выборов в Государственную Думу РФ 04 декабря 2004 г. [33].

Для тестирования Решателя на массиве социологических данных было создано программное приложение, осуществляющее настройку абстрактного

ДСМ-Решателя на предметную область социологических исследования, а также отвечающее за управление процессом загрузки эмпирических данных из файла данных, настройку параметров Решателя и отображение порожденных гипотез и прогнозов посредством визуального интерфейса.

Подготовка «сырых» анкетных данных к ДСМ-анализу осуществлялась средствами отдельного программного модуля, использование которого, однако, было весьма трудоемко и предполагало знание специального языка для определения правил построения агрегированных характеристик субъекта поведения из исходных характеристик («правил сворачивания») [14]. Все это позволяло проводить ДСМ-анализ социологических данных в экспериментальном режиме, однако было недостаточно для практического

12 применения ДСМ-метода в социологии. Разработанные программные средства скорее представлялись как инструмент, призванный выполнять сложные вычислительные процедуры, нежели предоставляющий комплексную автоматизированную поддержку при проведении качественного социологического исследования. Эти программные средства позволяют проводить ДСМ-анализ социологических данных в экспериментальном режиме. Однако неорганизованное и ненадежное хранение информации в несвязанных файлах данных разного формата, невозможность многопользовательской работы с одними и теми же данными, отсутствие удобных средств разработки инструментария и подготовки данных, а также средств распознавания и изучения рациональности мнений -все это делает существующие программные средства недостаточными для формализованного качественного анализа социологических данных в реальных условиях.

Необходимость внедрения средств формализованного качественного анализа данных в практику профессиональных социологов потребовало создания интеллектуальной системы типа ДСМ как единства трех составляющих: Решателя, Информационной среды и Интеллектуального интерфейса.

Целью диссертационного исследования являлось создание интеллектуальной системы типа ДСМ для формализованного качественного анализа социологических данных (в том числе для анализа рациональности мнений) как полноценного самостоятельного автоматизированного рабочего места эксперта-социолога, которое позволит проводить качественные социологические исследования (выявление детерминант и прогнозирование поведения или мнений) с использованием различных стратегий ДСМ-метода АПГ и осуществлять анализ рациональности мнений респондентов. Информационная среда интеллектуальной системы должна обеспечить совместную работу всех компонент системы, объединить данные, полученные в ходе качественных социологических исследований, обеспечить их надежное и структурированное хранение; повысить эффективность работы социолога на всех этапах проведения исследования. Создание развитого Интеллектуального интерфейса системы позволит осуществлять комфортную навигацию пользователя по Информационной среде и интерактивное взаимодействие пользователя с системой.

Для достижения указанной цели были поставлены и решены следующие основные задачи:

1. Определение назначения интеллектуальной системы анализа социологических и предъявляемых к ней требований, в том числе функциональных возможностей.

2. Проектирование и реализация многоуровневой клиент-серверной архитектуры интеллектуальной системы, которая позволит обеспечить такие требования как надежность, безопасность работы с данными, масштабируемость и гибкость.

3. Выбор средств программной разработки интеллектуальной системы.

4. Проектирование логической модели базы данных для хранения информации о проведении качественных социологических исследований.

5. Выбор системы управления базами данных (СУБД) и реализация спроектированной базы данных на физическом уровне.

6. Проектирование и реализация Интеллектуального интерфейса системы.

7. Создание подсистемы, отвечающей за интерактивную разработку анкеты как инструмента проведения опроса.

8. Программная реализация поддержки двух различных технологий проведения опроса мнений: традиционной технологии, когда пользователь отвечает на вопросы по некоторой теме Т*, выбирая один из предложенных вариантов ответа; технологии с использованием функции выбора аргументов и контраргументов и атомарной функции оценки логики аргументации.

9. Разработка программного модуля дистанционного проведения опроса посредством Интернет-технологий.

10.Разработка алгоритмических и программных средств анализа рациональности мнений и включение программного модуля в архитектуру интеллектуальной системы.

11.Организация взаимодействия интеллектуальной системы с программой статистической обработки данных SPSS (Statistic Programs for Social Sciences - популярная программа статистического анализа). 12.Создание подсистемы, предназначенной для подготовки исходных данных к применению ДСМ-процедур. 13.Организация взаимодействия ДСМ-Решателя и остальных компонент интеллектуальной системы. 14.Создание программы-инсталлятора для быстрой и удобной установки и деинсталляции системы.

Актуальность работы обусловлена необходимостью внедрения в практику профессиональных социологов формализованных методов качественного анализа социологических данных [36] и новых технологий распознавания и изучения рациональности мнений, что возможно только с применением развитой интеллектуальной системы типа ДСМ, позволяющей проводить социологические исследования на реальных объемах данных и в реальных условиях.

Следующие особенности работы определяют ее научную новизну:

1. Разработана интеллектуальная система типа ДСМ для формализованного качественного анализа социологических данных.

2. Предложены и программно реализованы различные инструменты формирования исходной базы фактов.

15

3. Программно реализован новый подход к проведению закрытых опросов общественного мнения: формирование мнений с помощью аргументационного оценивания.

4. Разработаны алгоритмические и программные средства анализа рациональности мнений, модуль изучения рациональности включен в архитектуру интеллектуальной системы анализа социологических данных.

Практическая значимость работы заключается в следующем:

1. Система обеспечивает надежное и безопасное хранение и обработку социологической информации в едином информационном пространстве.

2. Система автоматизирует значительную часть работы социологов на различных этапах проведения качественного исследования социологических данных о рациональном поведении.

3. Система обеспечивает планирование и управления исследовательскими проектами.

4. Разработанный инструмент эффективного обмена данными между интеллектуальной системой и программой статистического анализа SPSS позволяет использовать эмпирический материал, сохраненный в SPSS-формате, для проведения качественного анализа данных.

5. Реализованный в интеллектуальной системе трехкритериальный подход к анализу рациональности мнений (как одного из видов поведения) представляет собой новый инструмент изучения поведения и образования социальных групп.

6. Предложенная и реализованная технология проведения дистанционного опроса позволяет не только использовать преимущества Интернета при проведении опроса, но и применять технологию опроса с аргументацией, которая есть средство выявления сознательного реагирования респондентов на опрос мнений, что является условием распознавания рациональных мнений.

7. Созданный программный продукт является отчуждаемым, а значит, может быть внедрен в научной или учебной организации для проведения качественных социологических исследований и демонстрации возможностей применения ДСМ метода АПГ.

Адекватность работы разработанной системы была проверена экспериментально на реальных социологических данных.

Кратко изложим содержание глав диссертационной работы.

Заключение диссертации по теме «Информационные системы и процессы, правовые аспекты информатики», Бурковская, Жанна Ивановна

Основные результаты работы

1. Созданная информационная среда интеллектуальной системы обеспечивает структурированное, надежное и безопасное хранение данных, полученных в ходе качественных социологических исследований, в единой базе данных, функционирующей под управлением серверной СУБД.

2. Интеллектуальный интерфейс системы разработан с учетом иерархии понятий предметной области, что помогает пользователю без труда осуществлять навигацию по информационному пространству системы, и делает работу с системой интуитивно понятной даже начинающему пользователю.

3. Встроенный в интеллектуальную систему модуль анализа рациональности мнений (как одного из видов поведения) позволяет применить различные критерии рациональности к изучению мнений некоторой социальной общности, а именно: a. проверить мнения на непротиворечивость; b. определить степень согласованности мнений; c. определить степень сходства мнений данной социальной группы с мнением «идеального» представителя этой группы; d. определить степень близости мнений; e. определить степень согласованности мнений.

4. Предложенная и реализованная в системе технология проведения дистанционного опроса позволяет не только использовать преимущества Интернета при проведении опроса, но и применять технологию опроса с аргументацией, которая есть средство выявления сознательного реагирования респондентов на опрос мнений, что является условием распознавания рациональных мнений.

5. Подсистема интерактивного конструирования анкет позволяет разработать полноценную анкету, удовлетворяющую всем требованиям, предъявляемым ДСМ-методом к представлению данных. Анкета может быть использована для проведения как традиционного полевого, так и дистанционного опроса.

6. Создание подсистемы, предназначенной для подготовки первичных данных к применению ДСМ-процедур актуально и необходимо, поскольку данные, полученные непосредственно как ответы на предложенные вопросы анкеты, не всегда являются достаточно хорошо структурированными и интерпретируемыми, чтобы их можно было сразу использовать для информативного описания субъекта и его поведения. Поэтому эмпирические данные требуют специальной подготовки, в том числе применения правил сворачивания, с помощью которых возможно формирование из комбинаций некоторых частных признаков комплексных признаков, имеющих осмысленные интерпретации. Разработанная подсистема подготовки данных к эксперименту позволяет социологу задавать правила сворачивания в интерактивном режиме, не требуя при этом от социолога специальных знаний или навыков, и автоматически получать комплексные характеристики субъектов по заданным правилам.

7. Разработанный инструмент эффективного обмена данными между интеллектуальной системой и программой статистического анализа SPSS позволяет использовать эмпирический материал, сохраненный в SPSS-формате, для проведения качественного анализа данных

8. Архитектура, в которой выполнена интеллектуальная система, делает её легко расширяемой в смысле используемых методов анализа и легко масштабируемой в смысле применимости для решения практических задач разного объёма данных.

9. Проведены эксперименты, подтверждающие адекватность созданных алгоритмических и программных средств задачам качественного анализа социологических данных о рациональности мнений.

10. Предложены основные направления развития интеллектуальной системы для анализа социологических данных.

1. Блинова В.Г., Ивашко В.Г., Скитер П.В., Финн В.К., Хазановский К.П. Об интеллектуальных системах типа ДСМ. // Семиотика и информатика. -1990. -Вып 31. -С. 41-69.

2. ВеберМ. Основные понятия социологии // ВеберМ. Избранные произведения. -М: Прогресс, 1990.

3. Гусакова С.М., Михеенкова М.А., ФиннВ.К. О логических средствах автоматизированного анализа мнений // НТИ. Сер. 2. - 2001. - №5. -с. 4-24.

4. Данилова Е.Н., Михеенкова М.А., Климова С.Г. Возможности применения логико-комбинаторных методов для анализа социальной информации // Социология: 4М. - 1999.-№ 11.-с. 142-160.

5. Данилова Е.Н., 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.

6. Девятко И.Ф. Социологические теории деятельности и практической рациональности. М.: Аванти-плюс, 2003.

7. Дейт К. Введение в системы баз данных. - М.: Наука, 1980.

8. Климова С.Г., Михеенкова М.А., Панкратов Д.В. ДСМ-метод как метод выявления детерминант социального поведения // НТИ. Сер. 2. - 1999. -№ 12.-с. 3-14.

9. Крыштановский А.О. Анализ социологических данных // М.: Изд. Дом ГУ-ВШЭ. - 2006.

10. Михеенкова М.А. «Об экспертных системах типа ДСМ», НТИ, сер.2, 1987, №9, с.23-31.

11. Михеенкова М.А. Развитие ДСМ-метода автоматического порождения гипотез для его применения при анализе социологических данных типа субъект => поведение» // Автореферат диссертации на соискание ученой степени кандидата технических наук. М.: ВИНИТИ. - 1998.

12. Михеенкова М.А., Финн В.К. Логические средства формализации закрытых опросов и проблемы распознавания рациональности мнений // Материалы Всероссийской научной конф. «Сорокинские чтения - 2004: Российское общество и вызовы глобализации» (7-8 декабря 2004 г., Москва) - М: МАКС Пресс. - 2005. - Вып.7. - С. 127 - 135.

13. Панкратов Д.В. О некоторых модификациях логики аргументации. - НТИ. Сер. 2.- 1998.-№4.

14. Панкратов Д.В. Логические и программные средства качественного анализа социологических данных // Автореферат диссертации на соискание ученой степени кандидата технических наук. М.: ВИНИТИ. -2001.

15.Поппер К. Логика социальных наук // Эволюционная эпистемология и логика социальных наук. - М.: Эдиториал УРСС, 2000.

16. Проектирование и реализация баз данных Microsoft SQL Server 2000. Учебный курс MCSE/Пер. с англ. - М.: Издательско-торговый дом «Русская редакция», 2001.

17. Роджерсон Д. Основы СОМ. М.: «Русская редакция». - 2000.

18. Социологические исследования в России: осведомленность и отношение населения: Аналитическая записка по материалам исследования / ЦИРКОН, ВЦИОМ, Ассоц. регион, соц. центров «Группа 7/89» - М., 2005.

19. Саморегуляция и прогнозирование социального поведения личности. Под ред. В.А. Ядова. - Л.: Наука - 1979.

20. Толстова Ю.Н. «Дух» математики как основа научного социологического исследования // Математическое моделирование социальных процессов, вып. 7, М.: МАКС Пресс, 2005, с. 6 - 27.

21. Толстова Ю.Н. Математическое моделирование и теоретическая социология // Математическое моделирование социальных процессов, вып. 4, М.: МАКС Пресс, 2002, с. 4 - 19.

139

22. Троелсен Э. С# и платформа .Net. Библиотека программиста - СПб.: Питер, 2002.

23. Финн В.К. Правдоподобные выводы и правдоподобные рассуждения // Итоги науки и техники. Сер. «Теория вероятностей. Математическая статистика. Теоретическая кибернетика» - 1988. - Т. 28. - С. 3-84.

24. Финн В.К. Правдоподобные рассуждения в интеллектуальных системах типа ДСМ // Итоги науки и техники. Сер. «Информатика». - 1991. - Т. 15. -С. 54-101.

25. Финн В.К. Синтез познавательных процедур и проблема индукции // НТИ. Сер. 2.- 1999.-№>i/2.-С. 8-45.

26. Финн В.К. Об особенностях ДСМ-метода как средства интеллектуального анализа данных // НТИ. Сер. 2. - 2001. - № 5. - с. 1-4.

27. Финн В.К. Об одном варианте логики аргументации// НТИ. Сер. 2. - 1996. -№5-6.-С. 3-19.

28. Финн В.К. О методологических принципах построения интеллектуальных систем для наук о социальном поведении // V Международная конференция «Информационное общество. Информационные ресурсы и технологии телекоммуникации», Москва, 22-24 окятрбря 2000 г., Материалы конф. - М., 2000. - С.5-8.

29. Финн В.К. Об интеллектуальных системах типа ДСМ для наук о жизни и социальном поведении // НТИ. Сер. 2. - 2002. - № 6.

30. Финн В.К. Об интеллектуальном анализе данных // Новости искусственного интеллекта. - 2004. - №3. - С. 2 - 18.

31. Финн В.К., Михеенкова М.А. О ситуационном расширении ДСМ-метода автоматического порождения гипотез // НТИ. Сер. 2. - 2000. - № 11. -с. 20-30.

32. Финн В.К., Михеенкова М.А. О логических средствах концептуализации анализа мнений // НТИ. Сер. 2. - 2002. - № 6. - С. 4-22.

33. Финн В.К., Михеенкова М.А., Бурковская Ж.И. О логических принципах анализа электорального поведения // НТИ, Сер. 2. - 2004. - № 8. - С. 1822.

34. А.В. Чугунов. Опыт проведения массовых онлайновых опросов (на примере США) // Интернет-конференция «Социология и Интернет». [http://www.ecsocman.edu.ru/db/msg/184670.html].

35. Швырев B.C. Рациональность в современной культуре // Общественные науки и современность. - 1997. - № 1.

36. Ядов В.А. Стратегия социологического исследования. Описание, объяснение, понимание социальной реальности. - 6-е изд. - М.: ИКЦ «Академкнига»; «Добросвет». - 2003.

37. Abductive Inference: Computation, Philosophy, Technology / Ed. J. R. Josephson, S. G. Josephson. -N.Y.: Cambridge University Press. - 1994.

38. Chen P. P.-S. The entity-Relationship Model - Toward a Unified View of Data //ACM TODS. - 1976,-№ l.

39. Codd E.F. Normalized Data Base Structure: A Brief Tutorial // Proc. of 1971 ACM-SIGFIDET Workshop on Data Description, Access and Control. - N.-Y.: ACM. - 1971.-P.l-17.

40. Fayyad U.M., Piatetsky-Shapirob., Smyth P., and Uthurusamy R. Advances in Knowledge Discovery and Data Mining, The AAAI Press, 1996.

41. Finn V.K., Mikheenkova M.A. On the application of JSM-method of automatic hypothesis generation in sociological investigations // Artificial Intelligence News. - 1993,-P 91-98.

42. Luhmann N. Offentliche Meinung. Politishe Planung, Aufsatzl zur Soziologie von Politik und Vervaltung. - Opladen. - 1971.

Список литературы диссертационного исследования кандидат технических наук Бурковская, Жанна Ивановна, 2006 год

1. Блинова В.Г., Ивашко В.Г., Скитер П.В., Финн В.К., Хазановский К.П. Об интеллектуальных системах типа ДСМ. Семиотика и информатика. 1990.-Вып 31.-С. 41-69.

2. ВеберМ. Основные понятия социологии ВеберМ. Избранные произведения. М Прогресс, 1990.

3. Русакова СМ., Михеенкова М.А., ФиннВ.К. О логических средствах автоматизированного анализа мнений НТИ. Сер. 2. 2001. 5 с. 4-24.

4. Данилова Е.Н., Михеенкова М.А., Климова Г. Возможности применения логико-комбинаторных методов для анализа социальной информации Социология: 4М. 1999. 11. с. 142-160.

5. Данилова Е.Н., Михеенкова М.А., Московский 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.617625.

6. Девятко И.Ф. Социологические теории деятельности и практической рациональности. М.: Аванти-плюс, 2003.

8. Климова Г., Михеенкова М.А., Панкратов Д.В. ДСМ-метод как метод выявления детерминант социального поведения НТИ. Сер. 2. 1999. 1 2 с 3-14.

9. Крыштановский А.О. Анализ социологических данных М.: Изд. Дом ГУ-ВШЭ. 2006.

10. Михеенкова М.А. «Об экспертных системах типа ДСМ», НТИ, сер.2, 1987, №9,с.23-31.

11. Михеенкова М.А. Развитие ДСМ-метода автоматического порождения гипотез для его применения при анализе социологических данных типа 138

12. Михеенкова М.А., Финн В.К. Логические средства формализации закрытых опросов и проблемы распознавания рациональности мнений Материалы Всероссийской научной конф. «Сорокинские чтения 2004: Российское общество и вызовы глобализации» (7-8 декабря 2004 г., Москва) М: МАКС Пресс. 2005. Вып.7. 127 135.

13. Панкратов Д.В. О некоторых модификациях логики аргументации. ПТИ. Сер. 2 1 9 9 8 4

14. Панкратов Д.В. Логические анализа социологических и программные данных средства качественного на Автореферат диссертации соискание ученой степени кандидата технических наук. М.: ВИНИТИ. 2001.

15. Поппер К. Логика социальных наук Эволюционная эпистемология и логика социальных наук. М.: Эдиториал УРСС, 2000.

16. Проектирование и реализация баз данных Microsoft SQL Server 2

17. Учебный курс MCSE/Пер. с англ. М.: Издательско-торговый дом «Русская редакция», 2001.

18. Роджерсон Д. Основы СОМ. М.: «Русская редакция». 2000.

19. Социологические исследования в России: осведомленность и отношение населения: Аналитическая записка по материалам исследования ЦИРКОП, ВЦИОМ, Ассоц. регион, соц. центров «Группа 7/89» М., 2005.

20. Саморегуляция и прогнозирование социального поведения личности. Под ред. В.А. Ядова. Л.: Паука- 1979.

21. Толстова Ю.П. «Дух» математики как основа научного социологического исследования Математическое моделирование социальных процессов, вып. 7, М.: МАКС Пресс, 2005, с. 6 27.

22. Толстова Ю.Н. Математическое моделирование и теоретическая социология Математическое моделирование социальных процессов, вып. 4, М.: МАКС Пресс, 2002, с. 4 19. 139

23. Финн В.К. Правдоподобные выводы и правдоподобные рассуждения Итоги науки и техники. Сер. «Теория вероятностей. Математическая статистика. Теоретическая кибернетика» 1988. Т. 28. 3-84.

24. Финн В.К. Правдоподобные рассуждения в интеллектуальных системах типа ДСМ Итоги науки и техники. Сер. «Информатика». 1991. Т. 15. С 54-101.

25. Финн В.К. Синтез познавательных процедур и проблема индукции ПТИ. Сер. 2. 1999. у, с. 8-45.

26. Финн В.К. Об особенностях ДСМ-метода как средства интеллектуального анализа данных ПТИ. Сер. 2. 2001. 5. с. 1-4.

27. Финн В.К. Об одном варианте логики аргументации// ПТИ. Сер. 2. 1996. 5 6 С 3-19.

28. Финн В.К. О методологических принципах построения интеллектуальных систем для наук о социальном поведении V Международная конференция «Информационное общество. Информационные ресурсы и технологии телекоммуникации», Материалы конф. М., 2000. 5-8.

29. Финн В.К. Об интеллектуальных системах типа ДСМ для наук о жизни и социальном поведении ПТИ. Сер. 2. 2002. 6.

30. Финн В.К. Об интеллектуальном анализе данных Повости Москва, 22-24 окятрбря 2000 г.. искусственного интеллекта. 2004. №3. 2 18.

31. Финн В.К., Михеенкова М.А. О ситуационном расширении ДСМ-метода автоматического порождения гипотез ПТИ. Сер. 2. 2000. 11. с. 20-30.

32. Финн В.К., Михеенкова М.А. О логических средствах концептуализации анализа мнений ПТИ. Сер. 2. 2002. 6. 4-22. 140

33. Швырев B.C. Рациональность в современной культуре Общественные науки и современность. 1997. 2 1. Г

34. Ядов В.А. Стратегия социологического исследования. Описание, объяснение, понимание социальной реальности. 6-е изд. М.: ИКЦ «Академкнига»; «Добросвет». 2003.

35. Abductive Inference: Computation, Philosophy, Technology Ed. J. R. Josephson, S. G. Josephson. -N.Y.: Cambridge University Press. 1994.

36. Chen P. P.-S. The entity-Relationship Model Toward a Unified View of Data //ACM TODS. 1 9 7 6 1

37. Codd E.F. Normalized Data Base Structure: A Brief Tutorial Proc. of 1971 ACM-SIGFIDET Workshop on Data Description, Access and Control. N.-Y.: ACM.-1971.-P.1-17.

38. Fayyad U.M., Piatetsky-Shapirob., Smyth P., and Uthurusamy R. Advances in Knowledge Discovery and Data Mining, The AAAI Press, 1996.

39. Finn V.K., Mikheenkova M.A. On the application of JSM-method of automatic hypothesis generation in sociological investigations Artificial Intelligence News.-1993.-P 91-98.

40. Luhmann N. Offentliche Meinung. Politishe Planung, Aufsatzl zur Soziologie von Politik und Vervaltung. Opladen. 1971. 141