Интеллектуальный анализ данных в когнитивной социологии

Размещено на http://www.allbest.ru/

Всероссийский институт научной и технической информации РАН,

ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ В КОГНИТИВНОЙ СОЦИОЛОГИИ

М.А. Михеенкова

В.К. Финн

Москва

В работе рассматриваются проблемы формализации познавательного цикла «анализ данных - предсказание - объяснение» для решения задач когнитивной социологии, в частности, получения нового знания на основе анализа эмпирических социологических данных с последующей формулировкой новых проблем. Этой цели служит реализация методов интеллектуального анализа данных в Интеллектуальных системах логическими средствами.

В соответствии с общими представлениями, задачей когнитивной социологии является изучение социально обусловленных особенностей мышления индивидов и групп, процессов восприятия информации, социальных аспектов принятия решений, исследование мыслительных процессов, которые активизируются при восприятии вопроса и ответе на него в социологических опросах [Zerubavel, 1997; Рогозин, 2002; Садмен и др., 2003]. Более широкое понимание когнитивного подхода - как включения проблем познания, понимания и объяснения в структуру научных методологий - приводит некоторых исследователей к заключению, что любое социологическое исследование с необходимостью учитывает когнитивные факторы и, следовательно, может быть отнесено к когнитивным [Плотинский, 2001]. При таком подходе познавательная деятельность применительно к изучению социальных явлений, и сама по себе представляющая вид когнитивной деятельности, содержит в себе (в явном или неявном виде) анализ «классических» эффектов социальной когнитивности - мотивации поведения, рациональности мнений, формирования понятий и т.п.

Формальные средства качественного анализа социологических данных

Когнитивный подход

Концентрированным отображением когнитивного подхода к социологическим исследованиям может служить одна из наиболее развитых и авторитетных методологий качественного анализа социологических данных - обоснованная теория (grounded theory) [Страусс и др., 2007]. Соответствующая теория строится на основе эмпирических фактов с использованием индуктивного анализа, причем сбор информации происходит вплоть до насыщения выборки - когда новые индикаторы, категории и т.п. (термины обоснованной теории) перестают формироваться. Такое представление о целях и методах социологического исследования оказывается в корне противоположным распространенной «количественной» методологии, когда анализ данных рассматривается как процесс построения социологической модели с последующей проверкой соответствия этой модели имеющимся данным (см. [Крыштановский, 2006]). Доминирование этой точки зрения в соединении с наличием обширного экспериментального материала привело к повсеместному распространению статистических методов для анализа психосоциальных явлений (названному П. Сорокиным «квантофренией»). Будучи абсолютно оправданным и продуктивным при анализе явлений, поддающихся количественному анализу, такой подход при анализе явлений иного рода превращается в «пустую квантофреническую идею», не обеспечивающую объективной картины мира.

Для преодоления этого, для придания социологическим исследованиям черт подлинной когнитивности необходимы формализованные эвристики, реализующие, как в обоснованной теории, схему познавательной активности «анализ данных - предсказание - объяснение» [Финн, 2009] социолога-практика. Этот процесс предполагает не моделирование (вопреки упомянутому выше подходу), а систематическое извлечение знаний из неупорядоченных и неформализованных эмпирических данных с помощью предлагаемых эвристик.

Осознание потребности в создании формальных средств для анализа качественных (не количественных) данных заставляет социологов обращаться к возможностям методов искусственного интеллекта, присваивая им статус «локомотива когнитивного содружества» [Плотинский, 2001]. Это можно считать призывом к синтезу интеллектуальных возможностей исследователя и искусственного интеллекта.

Интеллектуальный анализ социологических данных

Формализация познавательной деятельности социолога предполагает создание аппарата, нацеленного, прежде всего, на решение фундаментальных задач классической социологии. К таким задачам относится изучение действий индивидов в их социальных отношениях, а также выявление субъективных мотивов и рациональности этих действий и порождение каузальных объяснений процесса действия, его направления и последствий. Решение этих задач на основе эмпирического материала есть не что иное, как извлечение интерпретируемых зависимостей между различными факторами, неявно содержащимися в массивах данных. Соответственно, средства интеллектуального анализа данных позволяют осуществить эту деятельность автоматически, используя возможности современных Интеллектуальных систем (ИС). данный эвристика когнитивный социология

Существенно, что компьютерная система может претендовать на наименование интеллектуальной (и, соответственно, обладающей когнитивными возможностями), если она обладает специальной архитектурой ((База фактов + База знаний) + Решатель + Интерфейс), сопоставимой со структурой (прежде всего, рационального) сознания (система знаний + мышление + субъективный мир личности) [Финн, 2009]. Интеллектуальная система осуществляет конструктивную имитацию (до некоторой степени) познавательных способностей человека: рассуждение, аргументация, рефлексия, обучение, объяснение реализуются в автоматическом режиме, адаптация, коррекция знаний и поведения, уточнение идей до понятий - в интерактивном.

Такая имитация представляет собой последовательное решение ряда непростых задач: создание точного языка с дескриптивной и аргументативной функцией для осуществления первичной структурации данных и знаний, формирования системы отношений на её основе и формализации рассуждений для рассматриваемого социума. Далее следует выбор адекватных средств анализа порожденных отношений - в зависимости от типов изучаемых зависимостей (случайных или детерминистских). Наконец, в результате анализа порождаются новые отношения, возникают новые исследовательские проблемы. Описанный процесс есть не что иное, как реализация схемы эволюционной эпистемологии К.Р. Поппера [Финн, 2009] в когнитивных социологических исследованиях.

Каузальный анализ действий индивидов, выявление детерминаций и мотиваций индивидуального поведения на основе анализа эмпирических данных опирается на представление о причинной обусловленности как предрасположенности (в смысле К.Р. Поппера) к совершению поведенческих актов (действий, установок, мнений), которая реализуется при отсутствии противодействующих влияний (как внутренних - личностных, так и внешних - контекстных или ситуационных). Источником детерминации при этом являются особенности социальных субъектов (как индивидов, так и социальных общностей), которые отображаются в их структурном описании в виде обозримого множества дифференциальных признаков. Рассмотрим множества «качественных» характеристик, представляющих социальный характер субъекта (SC), индивидуальные черты личности (IP) и нетривиальные биографические данные (BD), отражающие историю становления личности (или, по крайней мере, адаптацию в социальной среде). Пусть (Det1(SC))&(Det2(IP))& (Det3(BD)), Det = Det1Det2Det3, где некоторые из Deti (i = 1, 2, 3). Детерминанта Det представляет собой сходство индивидов и определяет поведение B субъекта С: из DetС следует, что С совершает B (в соответствии с фундаментальным принципом «сходство фактов влечет наличие (отсутствие) изучаемых эффектов и их повторяемость»).

Предложенный способ структурирования знаний о субъекте оставляет широкие возможности для включения характеристик, отображающих эпистемологический тип (mindscape type) личности (иначе - когнитивный стиль) [Плотинский, 2001], что особенно важно при анализе собственно когнитивного поведения, в том числе - при анализе мнений. Это учет индивидуального стиля понимания, восприятия, концептуализации, гибкости, креативности, принятия или непринятия социальных конвенций и т.п. Если мнение субъекта подкреплено явно выраженной аргументацией, это открывает дополнительные когнитивные возможности для исследователя, о чем мы будем говорить ниже.

Формализованные эвристики для открытых и замкнутых областей

Имитация познавательной активности «анализ данных - предсказание - объяснение» может быть представлена формализациями эвристической схемы «сходство - аналогия - абдукция». Для анализа эмпирических социологических данных эта эвристика может конкретизироваться схемами «индукция - аналогия - абдукция» или «алгебра логики - аналогия - абдукция». Первая, представленная ДСМ-методом автоматического порождения гипотез [Финн, 2010], реализует синтез познавательных процедур - эмпирической индукции, структурной аналогии и конструктивной абдукции. Вторая представляет реализацию логико-алгебраического анализа сходства поведения субъекта и его характеристик (восходящую к качественному сравнительному анализу - Qualitative Comparative Analysis [Ragin, 2000], QCA) с последующим применением модификаций структурной аналогии и конструктивной абдукции. Заметим, что подход QCA, использующий средства булевой алгебры (а в дальнейшем - и средства нечетких логик) для анализа причин социальных явлений - в сравнительной политологии, исторической социологии, социология образования, социальной психологии, - обладает существенно меньшими когнитивными возможностями по сравнению с ДСМ-методом. Объясняется это особенностями формального аппарата, позволяющими исследовать лишь явления закрытого мира (с фиксированными знаниями), тогда как ДСМ-метод предназначен для формализации рассуждений о фактах открытого мира. Это различие может рассматриваться как демаркационный критерий для отделения когнитивного инструмента от процедуры обработки данных [Михеенкова, 2010].

ДСМ-метод автоматического порождения гипотез состоит из формального языка, обладающего дескриптивной и аргументативной функциями; правдоподобных ДСМ-рассуждений, являющихся синтезом познавательных процедур; квазиаксиоматических теорий (КАТ), систематизирующих открытое множество знаний о предметной области; метатеоретических исследований предметных областей и ДСМ-рассуждений; интеллектуальных систем типа ДСМ (ИС-ДСМ); распознавания корректности ДСМ-рассуждений [Финн, 2010]. Решатель ИС-ДСМ в качестве подсистемы включает Рассуждатель, реализующий эвристики решения задач: эмпирическая индукция (порождение причин эффектов на основе установления сходства фактов), аналогия (перенос гипотез о причинах на случаи с неопределенным исходом), абдукция (объяснительное принятие гипотез). Примечательно, что ДСМ-рассуждение является когнитивным рассуждением, удовлетворяющим довольно сложному комплексу требований [Арский и др., 2008] (что отличает его от упрощенного представления о когнитивном рассуждении как о любом правдоподобном [Anshakov et al., 2010]).

В исходной базе фактов (БФ) ДСМ-системы представлены предикаты X1Y: «субъект Х демонстрирует эффекты поведения Y», где Y - переменная для представления действий, установок и мнений. Предикаты V2W и W 3V означают, что «подмножество характеристик V есть причина эффекта поведения W» и «эффект поведения W есть следствие подмножества характеристик V». ДСМ-рассуждение, формализованное средствами бесконечнозначной логики предикатов, состоит из последовательного и итерируемого применения индуктивных выводов (из предиката X1Y порождаются предикаты V2W или W 3V, т.е. в автоматическом режиме формируются фрагменты базы знаний интеллектуальной системы типа ДСМ) и выводов по аналогии (они используют гипотезы V2W и W 3V о причинах изучаемых эффектов, порожденные индукцией, для расширения и уточнения представленного в начальном состоянии БФ отношения 1*); цикл «индукция - аналогия» повторяется до стабилизации множества гипотез. ДСМ-рассуждение завершается применением абдукции (формализованной посредством критерия достаточного основания принятия гипотез) - процедуры объяснения исходного множества фактов. При необходимости (если порожденных гипотез недостаточно для объяснения) БФ может быть пополнена новыми примерами, и ДСМ-рассуждение выполняется заново.

Таким образом, ДСМ-метод предоставляет исследователю возможности не только выявления каузальных зависимостей, но и предсказания и, что особенно нетривиально, оправдания принятых гипотез, и тем самым может рассматриваться как когнитивный инструмент анализа социологических данных. Дополненный специальной логикой аргументации и специальными многозначными логиками для формализации m-значного опроса [Михеенкова и др., 2008], метод становится также средством анализа, прогнозирования и исследования рациональности мнений.

Задачи анализа социологических данных

Предложенная структурация социологических данных позволяет рассматривать различные типы задач «субъект эффекты поведения», формализованных посредством исходного предиката X 1 Y. Массив данных содержит утверждения типа “высказывание «объект C обладает множеством свойств A» имеет истинностную оценку , n” (J, n(C 1 A) в ДСМ-языке). Здесь {1, -1, 0, }, 1, -1, 0, - типы истинностных значений «фактическая истина», «фактическая ложь», «фактическое противоречие» и «неопределенность», соответственно, n - номер шага вычислений, выражающий степень правдоподобия истинностного значения (высказывания J, 0(C 1 A) суть факты). J,n = t, если v[] = , n; J,n = f, если v[] , n, v[] есть функция оценки; , n представляет «внутренние» истинностные значения фактов и гипотез, t, f - «внешние» истинностные значения двузначной логики.

Семантика ДСМ-метода для анализа и прогнозирования социального поведения представляется алгеброй субъектов поведения В1 и алгеброй поведенческих актов (поведенческих готовностей) В2 (отметим, что булевская структура данных - лишь одна из возможных), Вi ={, , , }, i=1, 2, U(1) и U(2) - множества характеристик социальных субъектов и множество эффектов их поведения, соответственно.

Анализ поведения. Пример решения задачи такого рода - изучение поведения рабочих на конфликтных предприятиях (совместно с Институтом социологии РАН) [Климова и др., 2009].

Стратегия анализа имеющихся фактов зависит от представления данных о субъекте и его свойствах. При изучении собственно поведения (или установок субъекта) данные о субъекте, как правило, представлены информативнее, чем данные о его поведении. В этом случае используется прямой ДСМ-метод, устанавливающий причинно-следственную зависимость типа «сходство субъектов поведения влечет сходство действий этих субъектов». В результате порождаются гипотезы вида J, n(C 2 A), n>0, означающие, что “высказывание «подобъект C есть причина множества свойств A» имеет истинностную оценку , n”. Таким образом, предикат V 2 W представляет отношение причинности: «V есть причина W».

Применением ДСМ-метода к результатам опроса профсоюзных активистов на двух различных предприятиях (г. Санкт-Петербург и г. Елец) были порождены социальные и личностные детерминанты солидарного поведения (готовности к участию в забастовке заводских рабочих). Наиболее интересным результатом явилась реализация (в интерактивном режиме) такой способности естественного интеллекта, как рационализация идей [Финн, 2009]: комплексы признаков (детерминанты) были проинтерпретированы исследователями, как характеристические описания поведенческих типов, т.е. были сформированы эмпирические понятия. Это позволяет говорить о нетривиальных когнитивных возможностях предложенного подхода.

Анализ мнений. Выявление детерминаций и анализ рациональности мнений осуществлялись на примере задачи изучения электоральных предпочтений студентов старших курсов РГГУ [Михеенкова и др., 2008].

При решении задачи анализа мнений информативность характеризации мнения превосходит информативность знаний о субъекте, высказывающем мнение. Отсюда возникает потребность в формализации рассуждения, устанавливающего зависимость типа «сходство мнений субъектов есть следствие сходства самих субъектов» - обратного ДСМ-метода. В результате порождаются гипотезы вида J, n(C 3 Q), n>0, означающие, что “высказывание «мнение Q есть следствие характеристик субъекта C» имеет истинностную оценку , n”.

Отдельная задача - структурация мнений и представление их в виде, отвечающем условиям применимости ДСМ-метода. Изначальная ориентация на решение когнитивной задачи анализа рациональных мнений привела к реализации идеи аргументированного принятия темы опроса Т через представление ее в виде множества утверждений Р = {p1, …, pn}, раскрывающих ее содержание. Тогда отношение респондентов к соответствующим утверждениям из Р может быть записано в виде Jpi, т.е. оценка v[pi] = , {1, -1, 0, }. В общем случае формализации m-значного опроса [Михеенкова и др., 2008] респонденту предлагается m вариантов ответа, тогда система социологически интерпретируемых оценок переменных Vm = {0, ,…, , 1}. Положим j ? p1&…& pn, где i(j) {1, 0, }, i = 1, …, n; j = 1, …, 4n. Будем называть j - максимальную конъюнкцию атомов pn - мнением индивида, при этом множество членов этой конъюнкции обозначим [j]={p1, …, pn}. Пусть U(2) = {(?pi)& (i{1, -1, 0, }), i =1, …, n}. Задача изучения мнений сводится к изучению высказываний J(Cj1[j]) - «субъект Cj имеет мнение j» - и порождению детерминант J([j] 3 Cj) - «мнение j есть следствие характеристик субъекта Cj» - для дальнейшего прогнозирования мнений. Здесь Cj, Cj, [j], [j] - константы, Cj, Cj (U(1) есть множество характеристик субъекта, представляющих, как говорилось выше, социальные, индивидуальные и биографические черты личности) [j], [j] , = j, m - оценка, полученная применением ДСМ-метода АПГ. Существенным для предлагаемого подхода является анализ стабилизированного множества мнений, когда при расширении числа опрашиваемых новые варианты мнений не появляются (ср. с понятием насыщения в обоснованной теории [Страусс и др., 2007]).

Можно усилить рациональную составляющую мнения, предположив, что не только отношение к теме аргументируемо (выбором утверждений из Р), но и содержание мнения j также опирается на явную аргументацию. Пусть А - множество аргументов (аргументационная база) относительно принятия или непринятия утверждений из Р = {p1, …, pn}. Определим функции g+: Р 2A и g-: Р 2A. Тогда для изучения рациональной детерминации мнения мы можем включить в описание j-го субъекта наряду с дифференциальными признаками Cj также его аргументационную функцию, т.е. рассматривать предикат Cj, g+j, g-j 1 [j], j = 1, …, l, где l - число рассматриваемых примеров. Если у каждого респондента своя аргументационная база Аj, она также должна включаться в описание субъекта Cj, Аj, g+j, g-j. Поведение рационально, если g+jg-j = , но в реальности индивидуумы демонстрируют те или иные отклонения от идеального типа поведения. Расширенное описание субъекта поведения позволяет уточнить влияние его когнитивных особенностей и оценить согласованность логических (g+, g-) и психологических (C) аспектов формирования мнения.

Несомненно, анализ рациональности поведения (в том числе, мнений) есть одна из важнейших задач когнитивной социологии. Как уже ясно из сказанного, мы понимаем рациональность как аргументированный выбор (решений, мнений). Описанное представление мнений позволяет предложить численные критерии рациональности: степень непротиворечивости опроса, близость мнений социальной общности к некоторому «идеальному» мнению и степень согласованности мнений социальной общности [Михеенкова и др., 2008]. Первый критерий определяет, какая доля мнений противоречит утверждениям из заданного исследователями множества = {1, …, s} формул 1, …, s m-значной логики Jm, выражающих логические зависимости между элементами Р. Второй - насколько реальные мнения социальной общности отличаются от заданного исследователями же некоторого «идеального» мнения (к примеру, при анализе электоральных предпочтений «идеальным» является мнение, соответствующее программным положениям выбранной партии). Третий характеризует сходство мнений представителей исследуемого социума.

Введение численных критериев рациональности мнений предваряет собственно анализ данных и не зависит от конкретной реализации познавательной схемы, однако ДСМ-метод обладает дополнительными когнитивными возможностями и в этом случае. Напомним, что в результате работы ДСМ-системы по достижении стабилизации множества порождаемых гипотез исходная база фактов БФ (для которой и вычисляются описанные характеристики) расширяется: к ней добавляются гипотезы вида J, n(Cj1[j]) ({1, 0, }, n0), полученные средствами ДСМ-метода, о наличии у заранее не определившихся со своими мнениями респондентов тех или иных вариантов ответов. Соответственно, вычисление описанных критериев для новой БФ позволяет говорить о предсказании рациональности мнений респондентов.

Новые технологии опроса. Эффекты когнитивности

Предложенное представление знаний о респонденте и его поведении и логическое описание мнений, учет аргументации при формировании мнений, стабилизация множества мнений, использование синтеза познавательных процедур для анализа эмпирических социологических данных, принятие гипотез на основании абдуктивного объяснения и, наконец, описание состояния рациональности социальной общности - все это позволяет говорить о создании новой технологии проведения социологического опроса. Особенностью этой технологии является реализация ряда познавательных способностей естественного интеллекта - как в автоматическом, так и в интерактивном режиме. Это и автоматическое порождение аргументации на основе аргументационных функций респондента, и абдуктивное объяснение имеющихся фактов (имитирующее рефлексию и объяснение как ответ на вопрос «Почему?»), и, что особенно важно, реализация познавательного процесса - синтеза познавательных процедур. Этот ряд дополняется собственными когнитивными инструментами ДСМ-метода: структурированное описание субъекта как источник мотивации его поведения (актов, установок, мнений), представление мнения как аргументированного отношения к теме, стабилизация опроса, измерение рациональности на основе качественного анализа социологических данных, анализ противоречивости мнений с учетом объективного (внешнего) знания (предложенных исследователем зависимостей между элементами опроса).

Рассмотренная технология опроса позволяет также зафиксировать явным образом влияние когнитивных эффектов на формирование мнений. Это отображается в некоммутативности различных вариантов проведения опроса. Если сначала проводится опрос по теме Т, а затем - по содержанию темы, т.е. элементам Р, непротиворечивость опроса будет отличаться от непротиворечивости в случае обратного порядка проведения опроса (сначала - Р, потом - Т), что и было отмечено в эксперименте по анализу электорального выбора студентов РГГУ (см. выше). В первом случае реакция на вопросы из Р отображает когнитивный аспект восприятия, во втором - эмоциональный.

Нетривиальным результатом интеллектуального анализа социологических данных средствами ДСМ-метода является типологизация поведения, построенная нашими коллегами из Института социологии РАН (см. выше) на основе порожденных гипотез о причинах. Предложенные метафорические описания различных поведенческих типов представляют собой реализацию редкой возможности эмпирического формирования понятий, что, несомненно, является одной из важнейших задач когнитивной социологии.

Заключение

Предлагаемые средства не могут заменить содержательной работы исследователя-социолога, а представляют собой лишь формализованную оболочку для решения некоторых социологических задач. Стандартные эвристики формирования массива данных предшествуют формализованным эвристикам анализа данных. Разумеется, полезные результаты могут быть получены лишь при условии подготовки данных, соответствующих условиям применимости формальных средств интеллектуального анализа данных (в нашем случае - ДСМ-метода автоматического порождения гипотез и соответствующих интеллектуальных систем). Подобное содружество представляет собой ответ на вызов потребностей формализации качественного анализа социологических данных.

Таким образом, можно говорить о возникающем разделе современной когнитивной социологии, который появляется в результате взаимодействия идей классической социологии и методов интеллектуального анализа данных, использующих средства современной логики и искусственного интеллекта.

Благодарности. Работа выполнена при финансовой поддержке РГНФ (проект № 08-03-00145а).

Список литературы

1. [Арский и др., 2008] Арский Ю.М., Финн В.К. Принципы конструирования интеллектуальных систем // Информационные технологии и вычислительные системы, № 4, 2008.

2. [Климова и др., 2009] Климова С.Г. Михеенкова М.А., Панкратов Д.В. ДСМ-метод как метод выявления детерминант социального поведения // В кн.: Автоматическое порождение гипотез в интеллектуальных системах, под ред. проф. В.К. Финна. - М.: Книжный дом «Либроком» (URSS), 2009.

3. [Крыштановский, 2006] Крыштановский А.О. Анализ социологических данных. - М.: Издательский дом ГУ ВШЭ, 2006.

4. [Михеенкова и др., 2008] Михеенкова М.А, Финн В.К. Интеллектуальный анализ данных для проблем когнитивной социологии // XI Национальная конференция с международным участием “Искусственный интеллект-2008”, Дубна, Сентябрь 29 - Октябрь 2, 2008, Труды конференции в 3 томах, т. 2.

5. [Михеенкова, 2010] Михеенкова М.А. О логических средствах интеллектуального анализа социологических данных // Искусственный интеллект и принятие решений, № 1, 2010.

6. [Плотинский, 2001] Плотинский Ю.М. Модели социальных процессов. - М.: Логос, 2001.

7. [Рогозин, 2002] Рогозин Д.М. Когнитивный анализ опросного инструмента. - М.: Институт Фонда «Общественное мнение», 2002.

8. [Садмен и др., 2003] Садмен С., Бредберн Н., Шварц Н. Как люди отвечают на вопросы: применение когнитивного анализа в массовых обследованиях. - М.: Институт Фонда «Общественное мнение», 2003.

9. [Страусс и др., 2007] Страусс А., Корбин Дж. Основы качественного исследования. Обоснованная теория. Процедуры и техники. - М.: КомКнига. - 2007.

10. [Финн, 2009] Финн В.К. К структурной когнитологии: феноменология сознания с точки зрения искусственного интеллекта // Вопросы философии, № 1, 2009.

11. [Финн, 2010] Финн В.К. Индуктивные методы миллевского типа в системах искусственного интеллекта // Материалы наст. Конференции.

12. [Anshakov et al., 2010] Anshakov O.M., Gergely T. Cognitive reasoning. A formal approach. - Springer, 2010.

13. [Ragin C.C., 2000] Ragin C.C. Fuzzy-Set Social Science. - Chicago: University of Chicago Press, 2000.

14. [Zerubavel, 1997] Zerubavel E. Social mindscape. An Invitation to cognitive sociology. - L.: Harvard Univ. Press, 1997.

Размещено на Allbest.ru