Все наши научные представления о природе, включая законы, теории и научные картины мира носят модельный характер – они суть модельные конструкты [1,2]. Об этом хорошо высказался в свое время выдающийся ученый Н.Винер: «Цель и результат научного исследования добиться понимания и контроля над некоторой частью Вселенной. Ни одна из частей Вселенной не является настолько простой, чтобы ее можно было понять и управлять ею без абстракции. Абстракция это замена рассматриваемой части вселенной, некоторой ее моделью, моделью схожей, но более простой структуры. Таким образом, построение моделей формальных, или идеальных «мысленных», с одной стороны, и моделей материальных с другой, по необходимости занимает центральное место в процедуре любого научного исследования» [3]. Т.е., любое научное исследование сводится к построению модели процесса, безотносительно того, в рамках каких наук строятся эти модели – гуманитарных или естественных. И те, и другие имеют дело с моделями исследуемой действительности, хотя и представленными в разном виде, и в этом смысле гуманитарные науки принципиально не отличаются от естественных наук. Ценность моделирования заключается в том, что оно вносит в любое исследование возможность проведения измерений, экспериментирования, в том числе мысленного или имитации, что позволяет разрабатывать новые методы на их основе.

Для изучения каких-либо объектов действительности можно использовать два подхода – аналитический, когда изучается какая-то часть явления и что чаще всего происходит в исследованиях и синтетический, когда сложный объект изучается как единое целое, что в научных исследованиях происходит крайне редко.

Примером такого подхода можно считать построение теории биосферы В.И.Вернадским, когда он отошел от привычных аналитических методов, а вместо них предложил и разработал синтетический подход к изучению любых объектов и явлений природы – больших и малых, живых и косных, земных и космических – изучение их как целого, что открывает черты строения, упускаемые при аналитическом подходе к ним [4].

В нынешнее время такой подход приобретает особую актуальность в связи с массовым появлением сложных, трудно формализуемых объектов нефизической природы, вызванное развитием социума и необходимостью их изучения и познания в целях понимания и осознания дальнейших шагов, ведущих к прогрессу общества. При этом, как отмечено в [5, с.7] «в двадцатом веке ситуация в мире с точки зрения интеллектуального материала для фактора понимания изменилась настолько радикально, что добывание информации об эмпирических фактах перестало быть затруднительным. Такая информация теперь имеется в изобилии и доступна без особых усилий, причем — обычно уже в обработанном в какой-то мере виде. Так что главным в исследовательской работе стало теоретическое осмысление готового эмпирического материала, логическая обработка последнего».

Более того, современная наука преимущественно изучает так называемые сложные, трудно описываемые объекты, явления и процессы (социальные, экологические, экономические системы и т.п.). Для их исследования используются междисциплинарные подходы, требующие объединения усилий специалистов из разных областей, в том числе и социально-гуманитарных, объекты изучения которых тяжело поддаются формализации. Поэтому поиск методов для описания таких объектов является актуальной задачей.

Анализ исследований и публикаций.

Нужно отметить, что, как в случае аналитического подхода, так и в случае синтетического подхода предварительно необходимо получить, описать структуру проблемы или задачи. Это начальный и обязательный этап решения любой проблемы или задачи. Этот этап структуризации проблемы с содержательной точки зрения хорошо описан М.Вертгеймером [6], А.Ф.Лосевым [7] и М.Бунге [8, 9]. Ясно, что этот этап всегда предшествует какой-либо дальнейшей математизации или формализации, которая служит для однозначного понимания, уменьшения неопределенности и, кроме того, он необходим для построения модели изучаемого объекта или процесса. На важность этого этапа указано в [10-12], кроме того, в [10] была предложена процедура (по сути, алгоритм) позволяющий систематизировать и тем самым облегчить проведение подобной процедуры.

Структурное описание сложных систем восходит еще к работам Поспелова [13], однако в них присутствует специфика задач управления сложными объектами. В работах [14, 15] предприняты попытки разработки формализованного аппарата структурного анализа сложных систем, однако, опять - таки с точки зрения задач управления. В то же время, в этих работах отмечено, что аппарат структурного моделирования должен основываться на возможностях синтаксической формализации структурных описаний, другими словами, должен основываться на синтаксических моделях структур сложных систем без конкретизации специфики аспекта описания.

В работе [16], посвященной в значительной степени рассмотрению понятию нечеткости сложных систем, отмечено, что сложные системы имеют, как правило, дискретные состояния. Это важный вывод, так как фактически позволяет связать эти состояния со структурой объекта.

В работе [17] рассмотрены основы сложных динамических систем и их модели. Отмечено, что неопределенность и нечеткость усложняет их решение. В качестве решения предлагаются нечеткие когнитивные карты. В то же время упускается из виду, что для успешного применения тех же карт необходима предварительная структуризация проблемы, другими словами, ее дискретизация, которая позволит перейти к ее описанию и дельнейшему использованию тех же когнитивных карт.

В работе [18] автор рассматривает формализацию как метод логики и отмечает, что формализация – это вид знакового моделирования, с помощью которого суть исследуемого объекта передается знаком. В результате такой замены существенные стороны смысловой части выражаются на основе знаков. Однако автор не упоминает о том, что означивание возможно только в результате дискретизации состояний сложного объекта.

М.Бунге предпринял попытку формализации сложного, трудно формализуемого объекта – понятия парадигмы и дать ей строгое определение на основе конструктивного подхода к ее определению. Согласно М.Бунге, парадигма включает пять компонент [8, 9]:

П = <В, Н, Р, A, М>,                (1)

где В (body) - основа фонового знания, включающего философские принципы, научные концепции, данные, сведения; H (hypotheses) - множество особых субстантивных гипотез; Р (problematics) - проблематика как множество чисто познавательных проблем; A (aim) - познавательная цель; М (methodics) - вся совокупность релевантных процедур. Эти компоненты составляют парадигму и определяют ее характеристики. Иными словами, парадигма является одновременно совокупностью теоретических знаний, предположений и их методологических следствий [8, 9]. Фактически, с одной стороны, М.Бунге ввел в оборот некую новую сущность – квазифический объект, о котором будет идти речь далее, и у которого наряду с измеримыми свойствами могут быть и неизмеримые или только неизмеримые, но отличные друг от друга. Пример М.Бунге как раз и дает образец такого квазифизического объекта, объекта чаще всего нефизического, ментального, духовного мира, где компоненты – не всегда измеримые сущности, а, если точнее, то, как правило, неизмеримые.

Ценность подхода, предложенного М.Бунге, на наш взгляд, как раз в том и состоит, что он позволяет в какой-то степени отождествить описание не только парадигмы, но и ряда других трудно формализуемых задач или объектов, с неким формализмом, позволяющим сузить рамки задачи и описать ее точнее, означить ее, отграничить от остальных предметов, получить своеобразную квазифическую описательную модель исследуемого явления, что позволяет приблизиться к канонам исследовательских процедур вообще. С другой стороны, если отвлечься от содержательной постановки, то он описал структуру проблемы в виде, близком к синтактической формализации и тогда предложенный М.Бунге формализм можно распространить и для описания других сложных, трудно формализуемых объектов.

Таким образом, новизна предлагаемого подхода заключается в расширении подхода М.Бунге на случай трудно описываемых объектов за счет обобщения и привлечения синтаксической формализации структурного описания. Это может помочь исследователям лучше понимать, какие знания и предположения лежат в основе исследуемого объекта и как они связаны между собой, а также для более точной формулировки проблематики и познавательной цели. Это может также помочь исследователям лучше определить область их исследования, а также выбрать релевантные процедуры и методы для достижения поставленной цели.

Цель статьи, метод исследования и эмпирическая база

Цель данной работы – освещение результатов по разработке метода дискретизации для описания сложных, трудно формализуемых объектов, которые встречаются в социальных, экологических, экономических и т.п. системах. В основе метода лежит подход М.Бунге, который предлагается обобщить в виде некоторого формализма к описанию сложных, трудно описываемых объектов, явлений и процессов, которые встречаются в упомянутых системах.

Источниками информации для этой цели являются научные труды ведущих ученых, а также результаты эмпирических исследований. Методами исследования являются общенаучные методы познания (анализ, синтез, обобщение, научная дедукция и индукция), а также метод аналогий, логический и структурный анализы. 

Изложение основного материала исследования и полученных результатов.

Один из главных постулатов или законов нашего познания гласит – любой объект, реальный или воображаемый, может быть представлен в виде списка его свойств.

Практически для описания любой проблемы или задачи как в гуманитарных науках, так и естественных может быть использован этот постулат закон. Фактически это есть первый шаг в понимании проблемы, а затем и ее решении. Как указывал академик А.Д.Закревский [19], "распознавая некоторый объект, по­лезно составить его описание в пространстве некоторых признаков...Простота такого способа соответствует его универсальности. Действительно, в терминах признаков можно описывать и болезни человека, изучаемые меди­циной, и химические соединения, и неисправности тех­нических устройств, и залежи полезных ископаемых, и многое другое". И далее он подчеркивает: "Следует, однако, помнить: «беспорядоч­ное выдвижение различных признаков не позволит опре­делить различия предметов», как утверждали древние философы[1]. Выбор подходящей системы признаков для описания некоторого класса объектов — далеко не прос­тая задача…При составлении эффективной системы признаков следует избегать двух крайностей: избыточности и недо­статочности набора признаков. В первом случае важ­ные показатели будут скрыты в массе второстепенных или малозначимых (в своеобразном информационном шуме). Во втором — не выявятся критерии для одно­значного опознания конкретных объектов".

Таким образом, изучение любого объекта или явления начинается с его предварительного описания. В случае физических объектов такое описание включает только физические характеристики, т.е. те, которые мы можем точно измерить. Физический мир, отраженный в естественных науках — это, прежде всего, физические объекты биосферы и геосферы. В настоящее время — это все больше мир объектов техносферы, т.е. мир вещей. Физический мир оперирует с физическими объектами, как правило, имеющими реальные физические измерения (такими, как, например, кристаллы, которые имею три пространственных измерения и ряд других – вес, и т.п.). Это суть физические понятия и объекты.

Естествознание изучает физические объекты и их свойства, т. е. бессознательную физическую материю во всех ее формах. Конечно, некоторые научные дисциплины, традиционно классифицируемые как естественные науки, например, медицина и биология, занимаются и ментальными, сознательными процессами, как и науки о человеке. Но с точки зрения «естественных наук» они изучают именно физиологию человека. Можно изучать большинство функций тела совершенно независимо от того, что происходит в сознании человека, обитающего в этом теле. В этом случае изучение происходит с выделением явных показателей, характеризующих изучаемый объект. Примером этого типа исследований могут служить исследования на основе моделей Machine Learning, например, связывающие изменения показателей общего и биохимического анализа крови с патологическими процессами, происходящими в печени [20].

Однако, когда медицинские работники занимаются исследованием желаний и предпочтений пациента, как это происходит, например, при изучении психосоматических расстройств [21], которые в настоящее время невозможно понять чисто физически, с привлечением ясных и физически измеримых показателей, характеризующих пациента - это уже не связано с "чистым" естествознанием, как это обычно понимают. Как правило, исследования психосоматических расстройств и т.п. заболеваний связано с использованием неявных показателей, которые не могут быть точно определены или измерены и в силу этого подвергаются той же критике, что и все остальные гуманитарные науки: отсутствие убедительных доказательств и строгих законов, которые могут давать точные прогнозы и/или методы лечения.

В то же время нужно отметить, что в среде, созданной человеком, ее можно назвать техносферой, социосферой, инфосферой и т.п. –  обобщенно ноосферой, появились трудно описываемые объекты, которые отсутствовали и отсутствуют в живой природе, но которые, тем не менее, влияют на нее, пусть и опосредованно. Это искусственно сконструированные объекты – та же программа, коммуникации, экономика, другие подобные примеры – и они же, по сути, представляют собой объекты ноосферы, которые мы изучаем. С одной стороны, мы их осмысливаем, т.е. подходим к ним методологически, а, с другой стороны, мы их как бы «обнаруживаем», «открываем» в новом мире действительности, ментальном мире. «Обнаружение» здесь сродни конструированию таких объектов. С другой стороны, подход В.И.Вернадского к изучению любых объектов действительности подсказывает нам, как поступить в случае искусственно сконструированных объектов, которые, как бы «открыты» нами – нужно рассматривать их с той же точки зрения целостности.

Эти объекты, как правило, представляют собой не физический мир, а мир ментальных сущностей, объектов инфосферы, как части ноосферы, они являются сложными разноплановыми системами, и для их познания прежде всего необходимо выбрать принципы их исследования. Какие же принципы исследования должны быть положены в основу изучения таких объектов?

1. Принцип системности. Сложные явления можно изучать только если они оказываются в определенном смысле изолированными, представленными в виде некоторой системы.
2. Принцип целостности. Подсказку в этом направлении дают работы А.И.Вернадского в области изучения биосферы. Он исследовал биосферу и ее объекты с позиций целостности – только так можно было учесть все нюансы объекта исследования, не расчленяя их, а видя их целостность. В качестве примера можно привести исследование почвы – это целостный объект и его так и нужно исследовать, как целостный. Аналогично высказывается А.Зиновьев [5, с.6]: «Все упомянутые подразделения моих исследований образуют единое целое с точки зрения способа понимания соответствующих объектов (скажем — с точки зрения «поворота мозгов»).
3. Принцип дополнительности. Сложное явление характеризуется не только, и не столько физическими свойствами, но чаще ментальными, нефизическими свойствами. Поэтому для его описания необходимо дополнительно привлекать соответствующие признаки или свойства.
4. Принцип вертикальной интеграции знаний (ВИЗ). Применение этого принципа, впервые предложенного И.Г.Ханиным [22], позволяет не ограничиваться только узконаправленными областями науки, но смотреть на задачу шире, привлекая, при необходимости весь спектр наук, включая философию, в какой-то степени - это некоторый аналог принципа целостности.
5. Принцип разумной достаточности. Это означает, что, исходя из анализа задачи и целей исследования, описываются все те факторы, которые могут оказать влияние на задачу. А уже в этом ландшафте отбираются или выделяются детерминанты, т.е. те факторы, которые, по мнению исследователя и с обоснованием, являются решающими в оказании влияния или определяющих свойства данного понятия.
6. Принцип дискретности (структурности). Для сложного явления получить чисто аналитический вид чрезвычайно затруднительно и вряд ли имеет смысл. Но описание в дискретном виде, формализующим описание объекта (или структуры) – необходимо, так как такой вид вносит ясность в изучаемое явление, оно как бы «означивает» его.
7. Принцип изучения любых явлений, предложенный В.И.Вернадским - Наблюдение, Гипотеза, Теория, Прогноз.

Например, предмет различных дисциплин в гуманитарных науках кажется одинаково разрозненным: социальные взаимодействия, обмены товарами/деньгами, прошлое, тексты и концепции/идеи. Объединяющим началом этих разрозненных, казалось бы, объектов является тот факт, что в данном случае изучается особый тип сущностей[2], которые по своей сути представляют мир ментальных явлений [24] и тем самым отличаются от типов сущностей, изучаемых естественными науками.  Такой мир сущностей можно назвать, и мы в дальнейшем будем называть квазифизическим. Заметим, что все гуманитарные науки относятся к квазифизическому миру.  Введение его в наше рассмотрение дополняет наше обычное представление о мире как о мире чисто физическом, и более того, такое допущение позволяет произвести важное обобщение, обоснование которого будет приведено ниже -  квазифизический мир включает в себя как часть и мир физический. Сложность явлений, встречаемых в квазифизическом мире связана с большим числом трудно определяемых переменных, взаимосвязи между которыми установить непросто.

Подобно тому, как при исследовании физического мира оперируют с физическими объектами[3], исследование квазифизического мира должно сопровождаться исследованием квазифизических объектов. Их особенностью и главным отличием от физических объектов является тот факт, что они представляют из себя специально сконструированные объекты. Поэтому, для лучшего понимания дальнейшего изложения перейдем к точному определению квазифизического объекта – это объект, обладающий как физическими, так и нефизическими, или только нефизическими свойствами.

При этом очевидно, что вышесказанному обобщению должны подчиняться и объекты этих миров. Т.е. квазифизический объект "объемлет" физический объект, но не наоборот.

Как пример квазифизического объекта можно привести компьютерную программу, которая имеет не только ряд физических свойств (таких как длина кода, количество строк, объем занимаемой памяти компьютера и т.д.), но и набор нефизических свойств (таких как читабельность кода, эффективность выполнения программного кода, информативность результатов выполнения, универсальность кода и т.д.). Эти свойства фактически структурируют объекты нефизического мира, которые имеют, как правило, ментальный характер и вносят в них какую-то раздельность, которая позволяет их различать. Понятно, что в ряде случаев они могут оцениваться, в том числе, и с помощью экспертных оценок или других методов и такой подход расширяет познавательные возможности введенного понятия – квазифизического объекта. Главное – мы можем привнести в описание объекта те факторы, которые оказывают влияние на решение задачи, даже в случае, если факторы оказываются неизмеримыми в принятом смысле.

Т.е. построению модели любого вида (описательной, функциональной, импликативной и т.д.) обязательно должен предшествовать этап структурного моделирования (начальная попытка формализации или этап моделирования начальной постановки задачи, то, что в настоящий момент остается пока что исключительно прерогативой человека)[4]. Тем самым мы как бы «означиваем», переводим в знаковую конструкцию описываемую проблему и превращаем ее в информацию, которую можно передать или над которой можно размышлять^[5]. Это то же самое, что и при построении признакового пространства в Data Mining и Big Data. Особенно важно это в гуманитарных науках. Фактически, с помощью такой структуризации мы преодолеваем, пусть и не во всем, разрыв между гуманитарными и естественными науками, осуществляем коммуникацию между ними, в определенной степени формализуем ее, подготавливает почву для единого описания сложных объектов, получаем возможности для измерения и вследствие этого применения математических методов и таким образом сближаем естественные и гуманитарные науки на этой основе.

Естественно, что и подход к исследованию таких объектов в этом случае должен быть квазифизическим, т.е. таким, который учитывает особенности такого рода объектов при их исследовании.

Сегодня квазифизический подход сознательно только начинает применяться в исследованиях, хотя, фактически, этот подход используется уже достаточно давно, но без осознания этого факта. Исследуются явления, находящиеся на поверхности, а не лежащие в их основе сущности (онтологии) [22].

Ярким примером квазифизического объекта является научная коммуникация (НК). Такого рода объект можно рассмотреть непосредственно как физический, то есть исследовать само явление коммуникации как физической связи между коммуникаторами с описанием ее в виде явных показателей, таких как сигнал, приемо-передающая среда, помехи и т.д., а можно рассматривать как специально сконструированный квазифизический объект с включением в описание неявных показателей, таких как наличие похожих, но не одинаковых тезаурусов, наличие общего языка, диалоговый характер коммуникации и т.д.

В случае рассмотрения НК как физического объекта, существуют множество теорий, научных статей, монографий и т.д. [25 – 28]. При таком подходе устанавливаются конкретные параметры и конкретные закономерности, то есть используются подход исследования, присущий естественным наукам.

 Однако при таком подходе упускаются важные детали, потому как исследуются только сопровождающие этот физический объект явления, без изучения лежащей в его основе сущности. А такой, более глубокий анализ, на наш взгляд, возможен только при применении более широкого подхода, чем подход, присущий исключительно естественным или гуманитарным наукам - подход, который объединял бы в себе их черты, и который, вследствие этого, выше мы назвали квазифизическим. Здесь отметим только, что попытка представить такой подход предпринята нами в работе [29].

Для лучшего понимания приведем ряд примеров из различных предметных областей, в которых основную роль играет понятие квазифизического объекта.

1. Медицина – изучение и исследование психосоматических расстройств и т.п. заболеваний связано с использованием составляющих, которые не могут быть точно определены или измерены, но тем не менее даются прогнозы и предлагаются методы лечения.
2. Компьютерная программа - имеет не только ряд физических свойств (таких как длина кода, количество строк, объем занимаемой памяти компьютера и т.д.), но и набор нефизических свойств (таких как читабельность кода, эффективность выполнения программного кода, информативность результатов выполнения, универсальность кода и т.д.). Эти свойства могут оцениваться, например, с помощью экспертных оценок и давать результат.
3. Коммуникация – ее можно рассматривать как объект с включением в описание составляющих, имеющих нефизический характер, таких как наличие похожих, но не одинаковых тезаурусов, наличие общего языка, диалоговый характер коммуникации и т.д.
4. Экономика государства, в частности, основные системные особенности процесса развития инноваций в США – объект, описание которого включает в себя составляющие, имеющие нефизический характер, такие как цивилизационные аспекты, институциональная система, инновационная система и другие[6].
5. Анализ проблемы удаления твердых отходов (задача, относящаяся к социально-экологическим проблемам городов) – объект, для описания которого привлекаются такие составляющие, как число жителей города, миграция в город, число заболеваний и другие [30].
6. Системы "Наука и общество" – объект, в описании которого встречаются следующие составляющие: общественное мнение в пользу развития научных исследований, государственный бюджет научных исследований, число рабочих мест для научных работников и др. [30].
7. Экономика предприятия – объект, в описание которого включены следующие составляющие, имеющие нефизический характер – финансовое положение, условия на Рынке, наличие Конкурентов и др.

Все это примеры квазифизических объектов. Обобщая, квазифизический объект можно представить в следующем виде:

Квазифизический объект = <Явление, Физические свойства, Нефизические свойства>,  (2)

   Главное, что мы получаем при таком способе – это описание составляющих структуры этого объекта, ведь согласно А.Ф.Лосеву [7] «структура – это самое главное, так как без нее нет никакой раздельности, и в этом случае предмету изучения нельзя приписать никаких свойств и, следовательно, изучать нечего». А эти свойства могут иметь как физический, так и нефизический характер, характеризующие предмет изучения. Хотя сам выбор этих составляющих представляет собой определенную, иногда даже значительную, проблему. Например, какие составляющие стоит включать в описание, а какие – нет, может помочь здравый смысл или опыт, а также применение вышеуказанных принципов исследования сложных объектов[7]. Фактически, этот этап связан с начальным этапом познания, о котором упоминает В.И.Вернадский [31].    

 Познание в этом случае движется от неопределенности к определенности тех же самых составляющих, имеющих нефизический характер, т.е. в сторону их изучения и придания им большей определенности, в том числе, с помощью создания новых инструментов, позволяющих измерять эти составляющие, или, например, с помощью экспертных оценок.

Если исключить из описания (2) составляющие, имеющие нефизический характер, то мы придём к исследованию физического мира, где есть конкретное явление и конкретные постоянные или переменные, с помощью которых можно получить строгие законы, которые могут давать точные прогнозы.

Таким образом, наблюдаем ряд фактов, когда для самых различных сложных объектов исследования после выполнения первого этапа познания можно получить единообразное их описание в виде (2). Такой подход назовем квазифизическим и он может быть успешно применен на самом начальном этапе изучения сложных, трудно формализуемых объектов.

Например, для случая 5 можно составить такое описание проблемы[8]:

П= <П₁, П₂, П₃, П₄, П₅, П₆, П₇>, где П - проблема удаления твердых отходов, П_i – составляющие.

П₁ - Число жителей в городе

П₂ - Улучшение условий жизни в городе

П₃ - Миграция в город

П₄ - Число очистных сооружений

П₅ - Число заболеваний

П₆ - Бактериологическая зараженность на единицу площади

П₇ - Количество мусора на единицу площади

Все это трудноопределимые составляющие. Точный анализ на основе математических моделей затруднен, тем не менее, если перейти для решения этой задачи – анализа проблемы удаления твердых отходов, к использованию метода когнитивных карт, такой анализ можно провести [30, с.161], соответствующий граф представлен на рис.1.

 Рис. 1. Знаковый орграф для анализа проблемы удаления твердых отходов (пример взят из [30], с.161)

В экономике, например, использование только бухгалтерских критериев успешности функционирования компании является недостаточным, так как такая оценка не способна дать полное представление о предприятии, так же, как и другие оценки по отдельным сторонам деятельности предприятия. Нужна некая целостная, обобщенная оценка, которая увязывала бы процессы, происходящие на предприятии с более общими процессами, присутствующими хотя бы на данном рынке и от которых зависит увеличение стоимости бизнеса. Для этого случая 7 аналогично можно составить такое описание проблемы:

R = <П₁, П₂, П₃, П₄, П₅, П₆, П₇, П₈, П₉>, где R – проблема (оценка общего состояния компании), П_i – составляющие.

К составляющим, описывающим такие процессы, можно, на наш взгляд, отнести следующие:

П₁ - уровень организационной зрелости предприятия;

П₂ - финансовое положение (финансовая устойчивость);

П₃ - наличие перспективного Продукта;

П₄ - отношения с Поставщиками и Потребителями;

П₅ - наличие Конкурентов;

П₆ - условия на Рынке;

П₇ - добавленная стоимость (EVA - Economic Value Added — экономическая добавленная стоимость)[9].

С помощью этих составляющих можно «сконструировать» искусственный объект, представляющий из себя описание такого сложного, трудно формализуемого объекта как предприятие в «координатах» выбранных составляющих, имеющих нефизические свойства. Если эти составляющие получат возможность для их оценки, то тогда у нас появляется инструмент для более объективной оценки R общего состояния предприятия – она, например, может представлять собой точку в многомерном пространстве П₁ – П₇.

Такой подход дает нам возможность формализовать описание предприятий и их дальнейшую классификацию для целей оценки бизнеса с помощью формальных методов, таких как, например, объединяемых общим понятием интеллектуальная обработка данных (Data Mining)[10] [32-34] и, кроме того, использовать другие формальные методы для сравнения состояний, в которых находятся различные предприятия (или подразделения одного и того же предприятия) с целью поиска наилучших из них в смысле фактора EVA или поиска наилучшей стратегии перехода предприятия из состояния с «меньшим» значением EVA в состояние с более «высоким» значением EVA, что является положительным фактором для акционеров в рамках управления стоимостью компании.

Другими словами, обобщенная оценка R предприятия дает нам возможность указать направление дальнейшего развития предприятия. Инструментом же для достижения более «лучшего» состояния может служить, например, использование целевого подхода [35-37] или методы решения многокритериальных задач выбора показателей оценки эффективности различных управленческих решений [38] или методы когнитивных моделей [30].

Можно провести при этом такую аналогию. Чтобы построить водяную мельницу, достаточно знать ньютонову физику твердых тел. Но, чтобы построить атомную электростанцию, необходимо использовать физику элементарных частиц, которые подчиняются принципиально другим законам, чем ньютоновы. Так и в экономике.

 Выводы и перспективы дальнейших исследований.

Рассмотренное выше представление о методе дискретизации к описанию сложных, трудно формализуемых объектов позволяет перейти к моделированию процессов, связанных с развитием многих явлений, имеющих место в мире социума, который можно назвать квазифизическим.

Пока просматривается следующие пути решения подобного рода задач, представленных в виде квазифизических объектов.

1. Метод когнитивных карт.
2. Методы Data Mining.
3. Методы имитационного моделирования.
4. Методы системного анализа.
5. Методы идентификационно-структурного анализа.

Одним из важных преимуществ предлагаемого подхода является возможность моделирования таких сложных систем с помощью современных средств ИКТ, причем уровень сложности будет определяться нашими возможностями в этой области.

 

[1] Древнекитайская философия. М., 1973. Т. 2.

[2] Это то, что К.Маркс назвал превращенными формами сознания [23]

[3] Физический объект - выделенная для анализа часть физического мира

[4] На наш взгляд, это относится к методологии познания и углубляет существующие подходы или методы познания.

[5] Это также похоже на то, что А.Зиновьев называл знакообразующими операторами в своей книге Фактор понимания [5]

[6] В печати Системные особенности развития инноваций в США (М.П.Поляков, И.Г.Ханин, Г.Я.Шевченко, В.С.Белозубенко)

[7] В связи с этим отметим только, что в [10] предложена процедура, позволяющая формализовать в некоторой степени этап выбора соответствующих составляющих, что позволяет перейти к следующему этапу их описания и исследования объекта.

[8] Использованы данные из [30]

[9] EVA – эта оценка должны быть представлена в категориальном виде, с целью возможности сбора так называемой обучающей выборки

[10] Термином Data Mining обозначают поиск корреляций, тенденций, взаимосвязей и закономерностей между данными посредством различных математических и статистических алгоритмов: кластеризации, распознавания образов, регрессионного и корреляционного анализа.

Список литературы

1. Глинский Б.А. Моделирование как метод научного исследования. М., 1965.
2. Неуймин Я.Г. Модели в науке и технике: История, теория, практика. Л.: Наука, Ленингр. отд-ние, 1984. С.49
3. Розенблют А., Винер Н. Роль моделей в науке // Неуймин Я.Г. Модели в науке и технике: История, теория, практика. Л.: Наука, Ленингр. отд-ние, 1984. С. 171.
4. Г. НАУМОВ. НООСФЕРА В ПРОШЛОМ И БУДУЩЕМ Наука и жизнь №9, 2004 (https://nkj.ru/archive/articles/1876/)
5. Зиновьев А.Л. Фактор понимания, М.: Алгоритм, Эксмо, 2006. — 528 с.
6. Вертгеймер М. Продуктивное мышление. М., 1987
7. А.Ф.Лосев Дерзание духа. – М.: ИПЛ, 1988. – 364 с.
8. Bunge M. Finding Philosophy in Social Science. — New Haven; London: Yale University Press, 1996.
9. Разработка и апробация метода теоретической истории, под редакцией Н.С.Розова. – Новосибирск: Наука, 2001., с.24-25.
10. Shevchenko G.Y., Bilozubenko, V.S., Marchenko, О.А. The formation of the corporate scientific environment. ISSN 1560-4926. Наука та наукознавство 2022, № 2 (116), с.12-24
11. Шапиро Д. И. К человеко-машинным методам решения одного класса задач. Вопросы кибернетики. Теория и практика ситуационного управления. 1977. № 18. C. 82-88.
12. Чораян О. Г. Концепция вероятности и размытости в работе мозга. Ростов-на-Дону: Изд-во РГУ, 1987. 156 c.
13. Поспелов Д. А. Ситуационное управление: теория и практика - М.: Наука, 1986-288 с.
14. Щербань А.Б. Классификация задач идентификационно-структурного анализа/ А.Б.Щербань // Известия высших учебных заведений. Поволжский регион. Технические науки.-2010.- №2.-С.14-23
15. Щербань А. Б. Структурно - синтаксический подход к поиску альтернатив управления сложными системами [текст]/ А.Ф. Зубков, А.Б. Щербань, И.А.Семенов// Научно - технические ведомости СПбГПУ. Сер. Информатика, телекоммуникации, управление. - №3(101). - 2010. - с. 45 – 49.
16. Structure of Complex SystemsAuthor(s): R. J. NelsonSource: PSA: Proceedings of the Biennial Meeting of the Philosophy of Science Association,Vol. 1976, Volume Two: Symposia and Invited Papers (1976), pp. 523-542Published by: The University of Chicago Press on behalf of the Philosophy of Science AssociationStable URL: http://www.jstor.org/stable/192400
17. Groumpos P. P. A Critical Overview of Modelling and Simulating Methods for Complex Dynamic Systems. SNE Simulation Notes Europe. 2017. Т. 27, вип. 4. C. 213-223. DOI: 10.11128/sne.27.on.10398.
18. Конверський А. Є. Логіка. Київ: ВПЦ "Київський університет", 2017,С. 391.
19. Закревский А.Д. Логика распознавания. Мн.: Наука и техника, 1988, 118 с.
20. Шевченко Г.Я., Шумейко А.А., Чорненко М.В. Персонализированные медицинские веб-сервисы. Материалы Міжнародной науково-практичной конференція «Інформаційні технології та комп’ютерне моделювання», ІваноФранківськ, 17-18 травня 2020 г.
21. Обидина Ю.С. Взаимодействие естественных и гуманитарных наук: миф, методология и онтология. Духовная сфера общества, 14, 2017, С.79-88.
22. Ханин И.Г. Вопросы ноосферного развития экономики и познания, Днепр, 2018. С. 319.
23. К. Маркс. Доход и его источники. Вульгарная политическая экономия. Приложение [к работе «Теории прибавочной стоимости»]. К. Маркс, Ф. Энгельс, Собр. соч., изд. 2, т. 26, ч. 3, с. 526
24. Поляков М.В. Ноосферный подход к развитию познания и хозяйства (лекции) / М.В. Поляков. – Днепропетровск: Новая Идеология, 2017. – 120с.
25. Выдрин О.В. Научная коммуникация: к методологии исследования // Вестник ЧелГУ. 2009. №42. URL: https://cyberleninka.ru/article/n/nauchnaya-kommunikatsiya-k-metodologii-issledovaniya (дата обращения: 17.08.2020).
26. Руди А.Ш. Формы и особенности научных коммуникаций. Манускрипт. 2016. № 4 (2). C.136-138.
27. Савченко А.П. Открытое информационное пространство научной коммуникации как фактор развития экономики знаний в России. Государственные и муниципальное управление. Ученые записки СКАГС. 2017. № 1. C.129-135.
28. Широканова А.А. Новая роль и формы научной коммуникации в информационную эпоху. Социология. 2013. № 1. C.103-116.
29. Шевченко Г.Я., Белозубенко В.С. Структурная модель научной коммуникации ISSN 1560-4926. Наука та наукознавство 2019. No 4 (106)
30. Робертс Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам/Пер, с англ. А.М. Раппопорта, СИ. Травкина. Под ред. А.И. Теймана. - М.: Наука. Гл. ред. физ.-мат. лит., 1986. - 496 с.
31. Вернадский В. И. Биосфера и ноосфера – Москва: Айрис-пресс, 2004, С.576.
32. Валерий Артемьев. Что такое business intelligence? Открытые системы, 2003, № 4.
33. Thomsen, OLAP Solutions: Building Multidimensional Information Systems. Wiley Computer Publishing, 1997.
34. Kimbal, The Data Warehouse Toolkit: Practical Techniques for Building Dimensional Data Warehouses. John Willey & Sons, 1996.
35. Друкер Питер Эффективное управление. Экономические задачи и оптимальные ре-шения. М: Издательско-торговый дом "ГРАНД", "ФАИР-ПРЕСС", 1998.
36. Акофф Р., Эмери Ф. О целеустремленных системах. М.: Сов.Радио, 1974.
37. Кононенко П. И. Стратегическое программно-целевое управление производственно-хозяйственной системой. М.: Издательство: ИТК Дашков и К., 2003.
38. Изотова Т.Г. Оценка эффективности деятельности хозяйствующего субъекта в системе принятия управленческих решений. Диссертация на соискание ученой степени кандидата экономических наук. Московский государственный университет геодезии и картографии, Москва, 2006