Везде
The structure of the agent-oriented model of the formation of social groups from a random set of individuals (part 2)
Table of contents
Annotation Estimate Publication content
References Comments
Share
QR
Metrics
The structure of the agent-oriented model of the formation of social groups from a random set of individuals (part 2)
Annotation
PII
S265838870022738-4-1
DOI
10.33276/S265838870022738-4
Publication type
Article
Status
Published
Authors
Petr Andrukovich 
Occupation: Senior researcher
Affiliation: CEMI RAS
Address: Moscow, Nachimovsky prospect 47
Edition
Volume 5 Issue 3
Abstract

In the first part of this article [5], the structure of the model of the formation of groups of individuals from some of their random totality was described in detail. This part of this article provides an example of a calculation for identifying such groups, correcting the characteristics of individuals when they contact each other or when entering a group, as well as examples of the formation of images of groups. It is shown that even in a random set of individuals, sufficiently dense groups of individuals can arise in relation to the phenomena of the surrounding world known to them. It is also shown that taking into account the synergy of group members makes it possible to assess the differences between groups of individuals much more clearly. The model is implemented in Visual Basic within the framework of the AOM paradigm.

Keywords
agent-oriented models, hierarchical cluster analysis, social groups, social activity, personality structure, statistical estimates, principal component method
Received
25.10.2022
Date of publication
26.10.2022
Number of purchasers
11
Views
249
Readers community rating
0.0 (0 votes)
Cite Download pdf
Additional services access
Additional services for the article
Services benefits
100 RUB / 1.0 SU
1

 1. Введение
2 В рамках агент-ориентированного моделирования создано огромное количество моделей тем или иным образом, и в той или иной сфере деятельности, имитирующих поведение агентов. Важными работами в этом направлении являются, в частности, публикации [1; 6; 11; 12; 13; 16; 18; 19]. Данная статья является продолжением статьи [5], в которой была представлена формальная структура модели формирования групп индивидов из их случайной совокупности (далее – АТМ-модель)1. В настоящей статье будет дан анализ работы этой модели на конкретной совокупности индивидов (далее – ИИ), включая их группировку методом иерархического кластер-анализа (далее – ИКА)2, коррекцию характеристик ИИ при их контактах друг с другом или при присоединении ИИ к группе индивидов, а также описание групп индивидов в целом, учитывающее их общие знания и совпадающее отношение к окружающему миру.
1. С опором на такие публикации, как [2; 7; 14] и др.

2. Работы [8; 9; 15].
3 Напомним, вкратце, основные положения и термины АТМ-модели [4; 5]. Каждый ИИ определяется совокупностью его знаний – и незнаний – об окружающем его мире. Эти элементы его знаний были названы понятиями, а их совокупность у данного ИИ – его тезаурусом. При этом "мир, окружающий ИИ" един для всех ИИ данной совокупности и описывается множеством понятий, не имеющих этических, моральных и любых других оценок типа "хороший", "плохой" и т.д. То есть тезаурусы ИИ являются теми или иными подмножествами общей совокупности понятий. Однако, в отличие от этой общей совокупности понятий, отношение ИИ к известным им понятиям определено и может быть трех видов: положительное, отрицательное или безразличное3. Кроме того, так как известные ИИ понятия могут иметь для него разную значимость в структуре его представлений об окружающем мире, то в описание ИИ введены веса понятий4. Вся совокупность понятий ИИ, с учетом его отношения к ним и весами понятий, была названа структурой личности данного ИИ. Все характеристики структуры личности ИИ – общее количество известных ему понятий и количество положительных, отрицательных или безразличных типов отношения к понятиям задаются в АТМ-модели случайным образом.
3. Эти отношения индивидов к понятиям обозначаются далее как +1, -1 и 0 соответственно.

4. Начальный вес понятий при формировании исходной выборки принимается равным единице.
4 В дополнение к этим характеристикам, для каждого ИИ вводится также показатель уровня его социальной активности, который задается по значению случайной величины, распределенной на полуинтервале (0, 1] . То есть эта характеристика является экзогенной относительно структуры личности ИИ и рассматривается в модели как его способность – и желание – передать свое отношение к тому или иному понятию другому ИИ. Соответственно малые значения данной характеристики ИИ говорят о его пассивности в этом направлении, в то время как ее высокие значения свидетельствуют об активности ИИ по отношению к внешнему миру.
5 Кроме того, каждый ИИ характеризуется шестью обобщенными характеристиками, исчисляемыми на основе его структуры личности в двух видах: по списку самих понятий и по весам этих понятий. В них входят:
  1. общее число известных ИИ понятий и сумма весов этих понятий;
  2. доля известных ему понятий от общего числа понятий, определенных для данной совокупности и средний вес понятия;
  3. количество понятий, к которым ИИ относится отрицательно и сумма их весов;
  4. количество понятий, которые ИИ безразличны, и сумма их весов;
  5. количество понятий, к которым ИИ относится положительно и сумма их весов;
  6. коэффициент дифференциации, рассчитываемый как отношение суммы понятий, к которым данный ИИ имеет положительное и отрицательное отношение, к общему числу известных ему понятий, и его аналог для весов понятий.
6 На основе созданной таким образом совокупности ИИ моделируется три процесса, тесно связанных друг с другом. Это, во-первых, формирование групп ИИ на основе введенной в АТМ-модель специальной меры близости между их структурами личности (величина P и формулы (4.1) – (4.3) в первой части данной статьи [5]). Считается, что при определенных значениях меры близости между парой ИИ возникает контакт, в результате которого они объединяются, образуя группу индивидов. Эта же мера, с некоторыми ее модификациями, связанными, в частности, с учетом числа членов группы, используется и для определения уровня близости между отдельным ИИ и группой индивидов, а также для определения уровня близости между двумя группами индивидов.
7 Второй процесс реализует коррекцию структур личности ИИ при их объединении, а также при присоединении отдельного ИИ к группе индивидов5. В этом процессе ИИ может узнать о неизвестных ему до данного контакта новых понятиях, или изменить свое отношение к тем или иным уже известным ему понятиям, а также изменить вес таких понятий в своей структуре личности. В целом же коррекция структур личности ИИ является центральным звеном АТМ-модели, позволяя прослеживать динамику развития отдельных ИИ в процессе их контактов друг с другом.
5. Подробное описание всех правил коррекции структуры личности ИИ дано в первой части статьи [5].
8 Важным элементом АТМ-модели является формирование обобщенных характеристик групп индивидов, кардинально отличающееся от обычно используемого описания группы в целом через ее центр тяжести, то есть через средние значения характеристик членов группы. В АТМ-модели описание группы в целом конструируется по определенным правилам, подробно описанным в первой части статьи [5] и опирающимся на понятие синергии, которая возникает в среде единомышленников. Эта обобщенная характеристика группы, в связи с ее отличием от традиционно используемых описаний группы в целом, называется далее образом группы6.
6. Эту характеристику группы можно рассматривать, в частности, как численное представление такого социологического понятия, как "коллективный субъект деятельности" [2, стр. 49].
9 АТМ-модель реализована в трех макросах языка Visual Basic. В первом из них (CreateIndivids) формируется совокупность исходных индивидов. Во втором (AgOrMod), на основе процедуры ИКА, определяются группы ИИ, корректируются структуры личности ИИ и формируются образы групп. И, наконец, в третьем макросе (PrincComp) методом главных компонент (далее МГК или ГК) рассчитываются собственные вектора Uij ( i – номер вектора и j – номер признака) и значения факторов Fik , ( k – номер индивида) для ИИ данной выборки [17]. Полученные результаты визуализируются с помощью проекции полученных групп ИИ на плоскости трех пар первых трех ГК.
10 В данной статье рассматривается процесс формировании групп ИИ, возникающих в относительно небольшой их совокупности и при малом числе понятий, определяющих тот мир, в котором они существуют7. Анализируются структуры групп ИИ, возникающих в процессе их контактов друг с другом, влияние этих контактов на изменения структур личности ИИ и значения характеристик групп в образах этих групп.
7. С социологической точки зрения здесь моделируется процесс формирования малых социальных групп.
11 Перед проведением этого анализа следует особо отметить, что, так как все характеристики ИИ измеряются в некоторых условных, безразмерных, единицах – начиная от условного начального веса понятий, принятого в АТМ-модели, как уже отмечалось выше, за единицу, и условных обозначений трех видов отношения ИИ к понятиям – то и все числовые характеристики ИИ и их групп, полученные в результате тех или иных расчетов по АТМ-модели, также являются безразмерными. В связи с частым использованием таких единиц измерения в тексте статьи, таблицах и на диаграммах, в тех случаях, когда это необходимо, мы будем напоминать об этом, заменяя, для сокращения текста, слова "безразмерные единицы" на аббревиатуру БЕ.
12

 2. Задание исходной выборки
13 Для проведения расчетов была сформирована выборка из 100 ИИ, в которой структура личности каждого из ИИ являлась подмножеством общего множества из 50 понятий. Для задания той или иной конфигурации выборки ИИ в АТМ-модели имеется три группы параметров8. Это, во-первых, задание распределений размеров тезаурусов ИИ (шесть параметров) и, во-вторых, задание долей положительных, отрицательных и безразличных отношений к понятиям у ИИ в данной их совокупности (два параметра). Для задания распределения уровня социальной активности ИИ используется пять параметров. Значения всех этих параметров приведены в табл. 19.
8. За исключением таких общих параметров, как количество ИИ в данной выборке и количество понятий, описывающих окружающий их мир.

9. Все случайные числа берутся из датчика равномерно распределенных на отрезке [0,1] случайных чисел.
14

Таблица 1. Названия и значения параметров макроса CreateIndivids в данном расчете

№№ пп Значения параметров Названия параметров
Общие параметры выборки ИИ
1 100 Количество индивидов (NS)
2 50 Всего понятий (NH)
Параметры, определяющие размеры тезаурусов ИИ
5 0,90 Max доля понятий в тезаурусах индивидов (доля от NH)
6 0,15 Min доля понятий в тезаурусах индивидов (доля от NH)
7 0,15 Доля больших тезаурусов (доля от NS)
8 0,35 Доля малых тезаурусов (доля от NS)
9 0,67 Минимальный размер большого тезауруса (доля от NH)
10 0,33 Максимальный размер маленького тезауруса (доля от NH)
Параметры, определяющие отношения ИИ к известным им понятиям
11 0,333 Граница случайных чисел при присвоении ИИ негативного отношения к понятию (при случайном числе < чем)
12 0,667 Граница случайных чисел при присвоении ИИ позитивного отношения к понятию (при случайном числе > чем)
Параметры, определяющие распределение социальной активности ИИ
13 0,333 Верхняя граница случайных чисел для низкой социальной активности
14 0,667 Нижняя граница случайных чисел для высокой социальной активности
15 0,333 Доля индивидов с низкой социальной активностью (доля от NS)
16 0,333 Доля индивидов с высокой социальной активностью (доля от NS)
17 0,050 Значение минимальной социальной активности
15 С помощью первой группы параметров можно создавать совокупности ИИ с разными соотношениями долей больших, средних и небольших тезаурусов. То есть, например, сообщества с превалирующей долей ИИ, много знающих об окружающем их мире, или, наоборот, имеющих достаточно узкий кругозор относительно явлений этого мира, и т. д. Для того чтобы в совокупности ИИ не было ни всезнаек, ни ИИ, ничего не знающих об окружающем их мире, на размеры тезаурусов введены ограничения "сверху" и "снизу"10. Естественно, определяется также и что такое "большой" тезаурус, и что такое "малый" тезаурус. Это делается с помощью задания нижней границы для больших тезаурусов и верхней границы для малых тезаурусов. "Средние" тезаурусы определяются, естественно, как находящиеся между этих двух границ. Как видно из табл. 1, размеры тезаурусов ИИ не могут быть больше, чем 90 % от общего числа понятий, описывающих окружающий данных ИИ мир, но и не меньше, чем 15 % от всего числа понятий. Доля ИИ, имеющих большие тезаурусы (от 0,67 до 0,90 от их общего числа) составляет небольшую часть данной совокупности ИИ (15 %), доля ИИ с небольшими тезаурусами (от 15 % до трети) составляет 35 % от всех ИИ, и половину выборки включает в себя ИИ с величиной тезаурусов от трети до двух третей всех понятий.
10. Последнее невозможно по самому определению ИИ, который возникает только в том случае, когда имеется хотя бы минимальный набор известных ему понятий.
16 Вторая группа параметров позволяет создавать совокупности ИИ с различными долями положительных, отрицательных и безразличных отношений к характеристикам окружающего их мира. То есть, при самых разных долях этих трех типов отношения к понятиям, у отдельных ИИ, структуры личности которых формируются на основе датчика случайных чисел, совокупность данных ИИ в целом будет соответствовать заданным долям указанных соотношений – в целом позитивным, или в целом безразличным или в целом негативным отношением к окружающему миру11. В данной выборке позитивное, безразличное и негативное отношение к известным ИИ понятиям распределено, в среднем по всей выборке, поровну, то есть по одной трети (табл. 1).
11. Заметим, однако, что, учитывая абстрактный характер самих понятий, наличие большого количества ИИ, положительно относящихся к известным им понятиям, или большого количества ИИ, отрицательно относящихся к известным им понятиям, симметрично. При этом гораздо более важную смысловую роль играет доля безразличных понятий, вследствие возможного изменения их веса в формуле расчета близости P между ИИ (формулы (4.1) – (4.3) в [5]), а также при коррекции структур личности ИИ.
17 Важной составляющей процесса формирования групп ИИ является распределение социальной активности ИИ в исходной выборке. Здесь, так же как и для распределения размеров тезаурусов, могут быть заданы доли ИИ с высокой социальной активностью (при задании той или иной ее нижней границы), низкой социальной активностью (при соответствующем задании ее верхней границы) и средней социальной активностью значения которой, как и для размеров тезаурусов, располагаются между двумя этими границами. Социальные активности ИИ, как и тип отношения к понятиям, разделены на три уровня: низкий, средний и высокий уровень социальной активности, с одним лишь дополнительным условием, заключающимся в том, что, по определению ИИ, как некоторого действующего индивида, ИИ с нулевым уровнем социальной активности быть просто не может12. Эти уровни распределены в данной выборке также поровну.
12. Как видно из табл. 1 (строка 17) в данном расчете этот минимальный уровень социальной активности определен величиной 0,05 (при максимальном значении, задаваемом в начале расчетов, равном 1).
18 На рис. 1а–1г приведено графическое описание выборки, полученной при значениях параметров из табл. 1. На Рис. 1а и 1б на горизонтальной оси показаны номера ИИ, а на рис. 1в и 1г – номера понятий.
19

Рис. 1. Графическое описание исходной выборки; расчеты автора
20 Заметим в заключение, что в данных расчетах при оценке близости между двумя ИИ, или ИИ и группой ИИ, или двумя группами ИИ, не учитывался ни вес понятий, ни размер групп ИИ. То есть моделировался процесс возникновения групп ИИ на основе некоторого беглого их "шапочного" знакомства, когда отношение к тем или иным понятиям просто фиксируется, но не обсуждается более или менее обстоятельно. В то же время, при коррекции структур личности ИИ и при формировании образа группы веса понятий и размеры групп являются важными факторами при выборе того или иного вида коррекции.
21

 3. Формирование групп ИИ
22

3. 1. Вариант 1
23 3.1.1. Классификация ИИ по числу шагов ИКА. Предварительно дадим некоторые пояснения по организации самого процесса определения групп в ИКА, принятые в этом исследовании. Как известно, число шагов в модели ИКА ограничено, в принципе, только числом классифицируемых объектов, то есть значением NS. Точнее, как максимум, числом NS-1, так как если число таких шагов равно числу классифицируемых объектов, то никакой классификации не возникает, и мы получаем исходную выборку, не разделенную на какие-либо группы. В связи с этим, для реализации ИКА необходимо априори задать то или иное число его шагов.
24 В данной работе был принят следующий алгоритм остановки ИКА. Выбиралось некоторое начальное число шагов, меньшее, чем NS, и с помощью проекций на плоскости трех пар первых трех главных компонент анализировался состав и структура групп, полученных к этому моменту работы ИКА. Далее, на основании этого анализа и значений коэффициента близости на том или ином шаге работы ИКА, выбирался такой уровень близости, при котором деление исходной совокупности ИИ представлялась наилучшим. С остановкой работы ИКА по этому уровню близости и проводилась новая классификация. В табл. 2 приведены значения параметров, определявших первый и второй расчеты.
25

Таблица 2. Названия и значения параметров макроса AgOrMod

№№ пп Значения параметров Названия параметров
1-й расчет 2-й расчет Общие параметры классификации
1 0 0 Выбор исходных данных: 0 – расчет по совокупности ИИ; 1 – расчет по совокупности скорректированных ИИ
2 1 1 Количество последовательных циклов кластеризации и коррекции ИИ
3 50 99 Максимальное количество шагов классификации
4 0 1 Условие остановки ИКА: 0 – по числу шагов, 1 – по уровню близости
5 0 16,0 Уровень близости Р (формулы (4.1) – (4.3) в первой части статьи [5]), при котором ИКА останавливается.
26 В формуле расчета величины близости понятия с безразличным к ним отношением обоих ИИ входили в ее оценку с весом 0,75, а в парах индивидов, у одного из которых отношение к понятию было нейтральным, а у другого вполне определенным, с весом 0,25 (табл. 3). Так как при классификации ИИ ни вес понятий, ни численность группы при оценке близости не учитывалась, то все соответствующие параметры в данном случае равны нулю. При возникновении группы из двух ИИ основой для формирования образа группы выбирался тот ИИ, чья социальная активность была выше. При объединении двух групп образ новой группы формировался на основе группы с большей численностью. Исходя из этого правила, при присоединении ИИ к группе ИИ основой для формирования нового образа группы являлся, естественно, уже существующий образ данной группы.
27

Таблица 3. Названия и значения параметров оценки близости в макросе AgOrMod

№№ пп Значение параметра Название параметра
1 0,75 Параметр δ при расчете близости для пар [0,0]
2 0,25 Параметр ν при расчете близости для пар [1, 0], [-1, 0], [0, 1] и [0, -1]
3 0 Условие учета веса понятия при расчете близости (0 – нет, 1 – да)
7 1 Условие выбора главного в паре при объединении двух ИИ

Примечание: названия параметров, выделенные в таблице жирным шрифтом, соответствуют их определениям в формулах (4.1) – (4.3) в первой части данной статьи [5].
28 На первой итерации данного процесса за 50 шагов ИКА возникло 5 групп ИИ, из которых две группы являлись парами ИИ, одна группа включала в себя трех ИИ, и две группы включали в себя 32 ИИ (далее – Gr1) и 16 ИИ (далее – Gr2). Не вошли ни в одну из этих групп 45 ИИ (далее – Gr3), уровень близости которых к указанным группам оказался к 50-му шагу ИКА ниже, чем между ИИ, вошедшими в эти группы. Применение МГК для изучения взаимосвязей между характеристиками ИИ дало результаты, приведенные в Табл. 4. В исходную матрицу для этого расчета вошли шесть обобщенных характеристик ИИ: сумма весов известных ИИ понятий; суммарные веса понятий, к которым данный ИИ относится негативно, безразлично или позитивно; степень дифференциации его мнений об окружающем мире и уровень его социальной активности13.
13. В расчет не включена доля весов понятий в связи с тем, что она дублирует значения суммы весов понятий.
29

Таблица 4. Нагрузки главных компонент и другие статистические характеристики исходных данных в первом варианте расчетов

Краткие названия показателей Нагрузки главных компонент Средние значения (БЕ) Стандартные отклонения (БЕ)
U1 U2 U3
Сумма весов понятий 0,122 0,651 0,436 0,705 0,383
Негативное отношение 0,349 0,496 -0,477 8,169 11,586
Безразличное отношение -0,567 0,324 0,217 9,610 11,567
Позитивное отношение 0,342 -0,207 0,727 8,404 10,725
Дифференциация 0,634 -0,095 -0,037 0,628 0,375
Социальная активность 0,150 0,417 0,071 0,525 0,275
Дисперсии ГК 2,283 1,476 1,228 - -

Примечание: суммарная дисперсия этих ГК составляет 83,6 % общей дисперсии; расчеты автора.
30 Анализ данных табл. 4, показывает, что основное различие между ИИ проявилось в противопоставлении ИИ с высоким уровнем дифференциации их мнений об окружающем их мире (то есть имеющих вполне определенное мнение по большинству известных им понятий) и ИИ, безразлично относящихся к большинству известных им проявлений внешнего мира. Следующий фактор дает высокие оценки ИИ, имеющим высокий объем знаний об окружающем их мире и твердой уверенностью в своем негативном в целом отношении к проявлениям этого мира, при достаточно высокой социальной активности. В противовес этому, противоположные оценки по этому фактору получают ИИ с небольшим объемом знаний, социально апатичные, но имеющим скорее положительное, чем отрицательное мнение об известных им понятиях. И, наконец, третий фактор уточняет различия между ИИ, имеющиеся по первому и второму факторам, разделяя ИИ с достаточно большими размерами тезаурусов и суммарным весом входящих в него понятий на относящихся к известным им понятиям в основном положительно и преимущественно отрицательно.
31 Для большей наглядности полученных результатов приведем рис. 2, в правой части которого представлены диаграммы расположения нагрузок Uij  в проекции на три двумерных поля, построенных по каждой паре из первых трех ГК, а в левой – значения факторов Fik для конкретных ИИ в проекции на те же пары ГК14.
14. О применении метода ГК к анализу структуры выборки см. [3; 10].
32

Рис. 2. Проекции нагрузок на три пары главных компонент и соответствующие им расположения групп ИИ в первом варианте расчета; расчеты автора
33 На этих диаграммах желтые квадраты соответствуют группе из 32 ИИ (далее – Gr1), зеленые кружки – группе из 16 ИИ (далее – Gr2), а синие треугольники определяют положение ИИ, оставшихся вне групп (далее – Gr3)15. Как видно из рис. 2а и 2в, наиболее многочисленная из этих групп, группа Gr1, оказывается существенно неоднородной, растягиваясь по первому фактору от минимальных до максимальных его значений и представляя собой, в сущности, две группы. Это особенно хорошо видно в ее проекции на первую и третью ГК, на которой ИИ, входящие в эту группу, "перемешиваются" с ИИ, не вошедшими ни в одну из групп (рис. 2в). При этом в проекции на вторую и третью ГК она "собирается" в более или менее плотную группу (рис. 2д), что и объясняет, очевидно, ее возникновение в процессе работы ИКА. В то же время, вторая по числу ИИ группа Gr2 (16 индивидов) является достаточно плотной группой (рис. 2а, 2в, 2д). Так, внутригрупповое расстояние между входящими в нее ИИ составило 2,55 БЕ, в то время как для группы Gr1 оно равно 7,85 таких единиц, а для ИИ, не вошедших ни в одну из групп – 3,90 БЕ 16.
15. Для того, чтобы не перегружать диаграмму, в нее не включены места расположения ИИ, составивших группы из двух и трех ИИ.

16. Наличие достаточно большого числа ИИ, не присоединившихся ни к одной из групп, обусловлено числом шагов ИКА. Как будет показано далее, такие ИИ остаются и при заданном минимальном уровне близости между ИИ. Следует, однако, отметить, что и в реальной ситуации всегда найдутся такие индивиды, которые не входят в какие-либо общественные, профессиональные и другие группы или объединения. Тем более оправдано появление таких "неприсоединившихся" ИИ в случайной совокупности ИИ, и при ограниченном снизу критерии близости.
34 3.1.2. Коррекция процедуры классификации. Этот первый, "поисковый", расчет показал, что должна быть проведена коррекция процедуры ИКА, необходимая для более точного определения количества и состава групп, имеющихся в данной совокупности ИИ. Для того чтобы определить, какова должна быть эта коррекция, рассмотрим динамику изменений значений близости в ходе процесса формирования групп Gr1 и Gr2, приведенную на рис. 3. Пошаговый анализ этого процесса показал, что на 13-м шаге формирования группы Gr1 – и на 45-м шаге всего этого процесса – к ней присоединилась большая группа ИИ, состоящая из 12-ти индивидов. При этом уровень близости при предыдущем увеличении этой группы был равен 19,00 БЕ, а после присоединения группы из 12 ИИ, произошедшим на 35-м шаге ИКА, значительно уменьшился и составил 15,75 БЕ (рис. 3а). То есть для того, чтобы выделить эту совокупность 12-ти ИИ в отдельную группу, необходимо повысить минимальный уровень близости до величины, большей, чем 15,75, и повторить расчет с учетом полученной на данном этапе информацией.
35

Рис. 3. Динамика изменений уровня близости Р в группах Gr1 и Gr2 в процессе их формирования, БЕ (горизонтальная ось обозначает номер шага ИКА, на котором произошли соответствующие изменения близости); расчеты автора
36 Понятно, что при таком новом условии какие-то ИИ, вошедшие в группу Gr2 на следующем, 46-м шаге ИКА с мерой близости в 15,25 БЕ (рис. 3б), в эту группу уже не войдут, однако эта потеря части членов группы Gr2 представляется менее важной, чем объединение двух сильно отличающихся друг от друга групп ИИ, которое имеет место в данном расчете17.
17. Эта проблема выбора возникает, вообще говоря, достаточно часто. И хотя можно построить алгоритм классификации, в котором критерий близости между членами групп имеет разное значение для тех или иных конкретных ситуаций, однако достаточно корректно обосновать выбор таких различных критериев близости достаточно затруднительно.
37

3.2. Вариант 2
38 3.2.1. Классификация ИИ по минимальной близости. Далее представлены результаты расчета, в котором минимальная близость между двумя ИИ, или ИИ и группой ИИ, или двумя группами ИИ составила 16 БЕ. При данном значении минимальной близости процедура ИКА сформировала семь групп ИИ, из которых, как и в предыдущем расчете, две группы включали два ИИ и одна группа состояла из трех ИИ. Однако вместо двух крупных групп возникли три группы, две из которых включали в себя по 13 ИИ и еще одна состояла из 16 ИИ. Сравнительный анализ состава этих групп с группами из предыдущего расчета показал, что состав малых групп полностью идентичен предыдущему варианту. Что же касается крупных групп, то одна из них, численностью в 13 ИИ, полностью совпала с составом группы Gr2, за исключением трех ИИ, не вошедших в нее только в связи с более высоким уровнем минимальной близости, заданной в данном расчете. При этом две другие группы, состоящие из 13 и 16 ИИ, оказались подмножествами группы Gr1, с той лишь разницей, что в них, так же как и в ситуации с группой Gr2, не вошли три индивида, оставшиеся в совокупности "неприсоединившихся" ИИ. Первую из них, численностью в 13 ИИ, в целях преемственности обозначений с первым расчетом, назовем группой Gr1А, а вторую, из 16 ИИ – группой Gr1В. Совокупность ИИ, не присоединившихся ни к одной из этих групп численностью в 51 ИИ, будем обозначать далее, как и в предыдущем расчете, через Gr3.
39 Динамика изменений уровня близости при формировании данных групп представлена на рис. 4. Как видно из графиков на этой диаграмме, первыми, на довольно высоком уровне близости, начали формироваться группы Gr2 и Gr1B, и лишь на восьмом шаге – группа Gr1А. После достаточно сильных изменений уровня близости в начале работы ИКА, с десятого шага начинается постепенное, очень гладкое изменение этого уровня между объединяющимися группами ИИ (или отдельными ИИ). Этот процесс раньше всех заканчивается для группы Gr1B примерно на уровне 18 БЕ. В дальнейшем же, как показал и первый, "пристрелочный" расчет, происходит достаточно сильное снижение уровня близости между объектами классификации, в связи с чем работа ИКА и была остановлена на заданном априори уровне близости.
40

Рис. 4. Совместная динамика изменений уровня близости Р для трех групп ИИ (горизонтальная ось обозначает номер шага ИКА, на котором произошли соответствующие изменения близости); расчеты автора
41 3.2.2. Описание групповой структуры выборки методом ГК. Расчет по МГК в данном варианте дал практически полностью идентичные первому расчету нагрузки исходных характеристик, в связи с чем соответствующая таблица здесь не приводится, а даны только совместные диаграммы значений нагрузок ГК в графическом виде и распределения ИИ по группам в проекции на три пары первых трех ГК (рис. 5). На диаграммах расположения групп ИИ (рис. 5а, 5в и 5д), как и на рис. 2, зелеными кружками обозначены ИИ из группы Gr2, а ИИ из условной группы Gr3 – синими треугольниками. Индивиды из Gr1А обозначены желтыми квадратами, а ИИ из группы Gr1B – красными ромбами. Учитывая, что нагрузки ГК в данном расчете остались такими же, как и в варианте 1, повторять интерпретацию первых трех ГК мы здесь не будем, а обратим внимание читателя на расположение групп Gr1А, Gr1В и Gr2 на рис. 5а, 5в и 5д18. Как видно из этих диаграмм, все эти три группы располагаются в проекциях на три пары первых трех ГК в разных их частях с тем или иным уровнем пересечения с группой "неприсоединившихся" ИИ.
18. Расположение образов групп не было приведено на рис. 2 в силу "пробного" характера первого расчета.
42

Рис. 5. Проекции групп ИИ и образов этих групп на три пары главных компонент (рис. 5а, 5в и 5д) и соответствующие расположения нагрузок ГК (рис. 5б, 5г и 5е) во втором варианте расчетов; расчеты автора
43 Так, в проекции на первую и вторую ГК с ней пересекается группа Gr2, а на плоскости первой и третьей ГК – группа Gr1В. В то же время, в проекции на плоскость второй и третьей ГК эти две группы образуют самостоятельные совокупности, значительно отделенные как друг от друга, так и от "неприсоединившихся" ИИ. Так же, впрочем, как и группа Gr1А, которая и на двух других проекциях располагается на собственных "участках" соответствующих плоскостей. Если теперь восстановить из этих трех двумерных проекций расположение этих групп в трехмерном пространстве с вертикальной осью U1, то окажется, что группа Gr1А расположена в нижней левой его части, а группы Gr1В и Gr2 – в верхней части этого пространства, с достаточно большим расстоянием между ними. Сравнивая расположение этих групп с соотношениями между нагрузками ГК по этим же трем парам ГК, можно предположить, что в группе Gr1А сильны безразличные настроения, в то время как ИИ из группы Gr1В преимущественно негативно относятся к проявлениям внешнего мира, а ИИ из группы Gr2 относятся к известным им понятиям в основном положительно. В заключение визуального анализа соотношений между этими тремя группами ИИ, представленном на рис. 5а, 5в и 5д, отметим, что их расположение на этих диаграммах подтверждает тот факт, что именно группа Gr1 разделилась на группы Gr1А и Gr1В, а Gr2 сохранила свое единство.
44 3.2.3. Сравнение групп по средним значениям характеристик ИИ. Рассмотрим теперь, чем различаются между собой и чем похожи друг на друга эти три группы по средним значениям своих характеристик (табл. 5). Напомним перед этим еще раз, что под численным значением того или иного отношения ИИ, или группы ИИ, к тем или иным понятиям, подразумевается как просто число тех или иных понятий, к которым данный ИИ, или группа ИИ, относится соответствующим образом, так и сумма весов этих понятий. То есть ИИ и группы ИИ сравниваются между собой и по числу понятий с тем или иным к ним отношением, и по сумме весов соответствующих понятий. Эта сумма показывает (в той ее интерпретации, которая принята в АТМ-модели) уровень уверенности группы или данного ИИ, к сформулированной этой группой, или данным ИИ, точке зрения на окружающий мир.
45

Таблица 5. Средние значения числа и весов понятий ИИ по трем крупным группам, полученным при их классификации, и для "неприсоединившихся" ИИ (G3)

Названия показателей Вид данных Названия групп
Gr1A Gr1B Gr2 Gr3
Суммарный объем знаний Число понятий 36,7 35,4 35,9 16,1
Веса понятий 37,5 36,7 36,5 16,1
Негативное отношение Число понятий 1,15 27,00 0,69 3,92
Веса понятий 0,97 29,3 0,62 3,92
Безразличное отношение Число понятий 33,8 6,38 5,92 6,69
Веса понятий 34,8 5,66 3,95 6,69
Позитивное отношение Число понятий 1,77 2,00 29,3 5,53
Веса понятий 1,71 1,74 31,9 5,53
Дифференциация Число понятий 0,07 0,83 0,81  
Веса понятий 0,07 0,83 0,89 0,60
Внутригрупповое расстояние Число понятий 2,61 3,85 1,94 4,14
Веса понятий 2,31 3,95 2,18 4,14
Социальная активность 0,43 0,62 0,54 0,49
Число индивидов 13 16 13 51

Примечание: веса понятий и внутригрупповое расстояние измеряются в БЕ; расчеты автора.
46 Первое, что здесь можно отметить, это практически одинаковые средние значения числа понятий и их весов в группах Gr1А, Gr1В и Gr2. То есть члены всех этих групп обладают достаточно высоким интеллектуальным потенциалом и убежденностью в своих отношениях к окружающему миру. Однако направленность и вид их отношений к внешнему миру оказываются принципиально различными19. Так, если ИИ из группы Gr2 позитивно относятся к внешнему миру, сформировав положительное отношение, в среднем, к 29 из известных им 36 понятий с весом в 31,9 БЕ 20, то для ИИ из групп Gr1А и Gr1В среднее количество понятий, к которым они относятся положительно, составляет всего чуть более одного и менее двух понятий соответственно, с примерно такими же весами этих понятий (табл.5). При этом члены группы Gr1В имеют вполне определенное, негативное, отношение к окружающему их миру – 27 из 35 таких понятий с весом в 29,3 БЕ, в то время как индивидам из группы Gr1А этот мир практически безразличен (34 из 37 известных им понятий с весом в 34,8 БЕ).
19. Напомним, что в АТМ-модели исходное множество понятий не имеет, вообще говоря, каких-либо оценочных значений. Поэтому отрицательное отношение к понятиям не является отрицательным с точки зрения с этических, нравственных, религиозных и многих других представлений об окружающем нас мире. В частности, положительное отношение к отрицательным, с общественной точки зрения, понятиям, может являться, с этой точки зрения, "плохим" отношением.

20. Здесь и далее средние значения для числа понятий округлены до целых значений.
47 Иными словами, члены группы Gr1А, учитывая, что социальная активность этой группы самая низкая из всех этих трех групп, твердо уверены в своем нежелании менять окружающий мир, который им, образно говоря, "до лампочки", в то время как члены группы Gr1В, так же, как и члены группы Gr2, считают, что этот мир надо, тем или иным образом, менять. Что касается ИИ, не присоединившихся ни к одной из групп, то именно низкое значение объема знаний этих ИИ – 16,1 понятия – привело к тому, что индивидам этой совокупности гораздо сложнее установить такой уровень близости – во всяком случае, по той его мере, которая используется в АТМ-модели – который оказался бы выше уровня близости между ИИ с большими или средними тезаурусами21.
21. Заметим попутно, что одинаковые значения в графах "число понятий" и "вес понятий" для этой группы индивидов являются следствием того, что структуры личностей "неприсоединившихся" ИИ не корректируются, и веса понятий в их структуре личности остаются равными единице.
48 Рассматривая различия между группами Gr1А, Gr1В и Gr2 по дифференциации структур личности их членов, отметим, что наиболее высокими показателями здесь обладают ИИ из групп Gr1В и Gr2 (0,83 и 0,89), а наиболее низким – ИИ из группы Gr1А (0,07), что непосредственно следует из их безразличия к внешнему миру. По уровню социальной активности, равномерно распределенному в исходной совокупности ИИ, наибольшие значения этого показателя имеют место в группах Gr1В и Gr2 (0,62 и 0,54 соответственно), а наименьший, как уже говорилось, в группе Gr1А, что, с учетом ее устойчиво-безразличного отношения к внешнему миру, позволяет определить эту группу как некоторое "болото" в том сообществе индивидов, которое представляет собой вся исходная совокупность ИИ. В заключение отметим, что наиболее плотными из этих трех групп оказались группы Gr2 и Gr1А, плотность которых по числу понятий составляет, 1,94 и 2,61 БЕ соответственно, а наименее плотной – группа Gr1В (3,85 БЕ). Подытоживая проведенный выше анализ различий в характеристиках групп Gr1А, Gr1В и Gr2, отметим, что он подтвердил те различия между группами, которые были обнаружены с помощью проекций этих групп на плоскости ГК.
49

 4. Формирование образов групп ИИ и коррекция структур личности конкретных ИИ
50 4.1. Формирование образов групп. Как уже было сказано выше, одним из отличительных элементов АТМ-модели является описание групп ИИ не через средние значения характеристик членов группы, а через образ группы, построенный на основе специальным образом рассчитанных характеристиках группы в целом [5]. В приведенной ниже табл. 6 даны значения параметров, при которых рассчитывались характеристики образа группы, а также условие расчета социальной активности образа группы.
51

Таблица 6. Параметры формирования образа группы

№№ пп Названия параметров Значения параметров
1 Параметр коррекции увеличения веса совпадающих понятий (μ) 0,10
2 Параметр снижения веса противоречивых понятий (λ) 1,25
3 Доля веса при присвоении безразличного отношения образу группы при противоречиях по отношению к одному и тому же понятию (θ) 0,15
4 Параметр учета соотношения численностей групп (β) 0,15
5 Параметр степени снижения соотношения численностей групп (z) 2,00
6 Высокий порог случайной величины при присвоении новых понятий образу группы (Ψ1) 0,75
7 Низкий порог случайной величины при присвоении новых понятий образу группы (Ψ2) 0,25
8 Условие расчета соцактивности образа группы 2
9 Параметр коррекции роста веса понятия (γ) 0,15
10 Параметр коррекции снижения веса понятия (η) 0,25

Примечание: греческие буквы соответствуют обозначениям параметров в первой части статьи [5].
52 Подробно комментировать здесь содержание этой таблицы мы не будем, так как соответствующие разъяснения всех ее позиций уже даны в первой части статьи [5]. Отметим лишь, что здесь задается достаточно медленное изменение весов понятий в образе группы, а социальная активность группы, в каждом случае изменения ее состава, рассчитывается как средневзвешенное значение социальных активностей самой этой группы и присоединившейся к ней группы (или отдельного ИИ) по их численности. Общее же значение социальной активности группы, в предположении инертности этого показателя для группы, рассчитывается как скользящее среднее от начала ее образования.
53 В табл. 7 представлены значения характеристик образов групп для трех групп ИИ, выделенных процедурой ИКА, на основе которых и рассчитано место этих образов на рис. 5а, 5в и 5д22. Их расположение на этих диаграммах, которое наиболее отчетливо фиксируется на рис.5в и 5д, показывает реальные отличия между этими группами, как некоторого целого, относительно расположения центров тяжести этих же групп. Это наблюдение подтверждается и данными табл. 7, в последней строке которой приведены расстояния между образами групп и их центрами тяжести.
22. Отметим, что характеристики "образов групп" не входили в расчет по ГК, и их расположение на диаграммах 5а, 5в, и 5д оценивалось апостериори, то есть относительно средних и стандартных отклонений для исходной совокупности и по нагрузкам ГК, вычисленных по исходной совокупности ИИ. Заметим также, что для малочисленных групп расположение их "образов" на этих диаграммах практически однозначно определяет и расположение самих ИИ из таких групп.
54

Таблица 7. Характеристики образов трех крупных групп

Названия показателей Вид данных Названия групп
Gr1A Gr1B Gr2
Объем знаний Число понятий 42,0 48,0 44,0
Веса понятий 43,6 68,4 64,0
Негативное отношение Число понятий 1,00 38,0 0,00
Веса понятий 0,71 65,6 0,00
Безразличное отношение Число понятий 40,0 10,0 9,0
Веса понятий 41,9 2,77 2,46
Позитивное отношение Число понятий 1,00 0 35,0
Веса понятий 1,00 0 61,6
Дифференциация (БЕ) 0,04 0,96 0,96
Социальная активность 0,42 0,78 0,70
Расстояние образа группы от ее центра тяжести (БЕ) 9,43 48,34 40,52

Примечание: веса понятий приведены в БЕ; расчеты автора.
55 Следует отметить, что если образы групп Gr1B и Gr2 достаточно далеко отстоят от расположения самих этих групп, демонстрируя объединенную силу ее членов, то образ группы Gr1А на всех проекциях совпадает с расположением самой группы. То есть никакого увеличения совместной синергии участников этой инертной по своему составу группы не происходит, в результате чего ее возможности находятся на уровне средних значений характеристик ее членов. Что касается конкретных различий в описании групп по средним значениям их характеристик (табл. 5) и по характеристикам образов этих групп (табл. 7), то, например, объем знаний об окружающем мире в образе группы Gr1B составляет 48 понятий, а в среднем исчислении – 35,4 понятия.
56 При этом количество понятий, к которым члены этой группы относятся, в среднем, негативно, составляет 27 понятий, а в образе группы таких понятий 38. Аналогичные различия имеют место и в других двух группах: 34 и 40 по понятиям, к которым члены группы Gr1А относятся безразлично и 29, и 35 понятий, к которым члены группы Gr2 относятся положительно. Еще более значимыми оказываются различия по сумме весов понятий, известных ИИ из разных групп. Так, для групп Gr1B суммарный вес понятий увеличился почти в два раза – с 36,7 до 68,4 БЕ, – а в образе группы Gr2 – в 1,75 раза (с почти тех же 36,5 до 64,0 БЕ).
57 В заключение этого подраздела отметим, что изначально вообще не очень понятно, каким образом среднее число известных понятий может достаточно адекватно описывать ту или иную группу в целом23. Оно представляет собой, вообще говоря, некоторую статистическую фикцию, никак не отражающую реальное знание той или иной группы о внешнем мире. В то же время, приведенные в качестве примера 48 понятий, известных группе Gr1B, а также 44 понятия, известных группе Gr2, и 42 понятия, известных группе Gr1А (табл. 7), является гораздо более реальной оценкой знаний группы об этом мире, чем их средние значения, приведенные в табл. 524. Так, например, если та или иная группа индивидов собирается вместе для проведения какого-либо мероприятия, то для качественного его проведения необходимо, чтобы работала их общая память, их общие знания о тех факторах, которые "работают" в данной ситуации, а не среднее значение числа известных им понятий. Еще более важным здесь является представление о возможностях – и уверенности – данной группы ИИ осуществить их намерения, которое и фиксирует сумма весов известных им понятий.
23. Использование средних значений вполне допустимо, конечно, для таких объектов классификации, которые не обладают свойством коммуникативности.

24. Здесь следует отметить, что в рамках АТМ-модели при присоединении ИИ к группе его знание о том или ином понятии далеко не всегда становится достоянием всей группы, а зависит от тех или иных условий, определенных соответствующими параметрами АТМ-модели. Иными словами, количество известных группе понятий не является простым объединением тезаурусов членов группы.
58 4.2. Динамика формирования образов групп. Проанализируем теперь процесс формирования образов групп в их динамике. Так, на рис. 6 дана динамика изменений объемов знаний групп об окружающем их мире, максимального веса понятий в образе группы, дифференцированности их мнений относительно известных им понятий, а также изменений уровня социальной активности этих групп, которые сформировались в процессе возникновения этих групп25.
25. Динамика изменений веса понятий, к которым группа в целом относилась положительно, безразлично или отрицательно не приводится вследствие ее однообразия и малой информативности.
59

Рис. 6. Динамика четырех характеристик образов групп Gr1A, Gr1B и Gr2 в процессе их формирования, БЕ (горизонтальная ось обозначает номер шага ИКА, на котором произошли соответствующие изменения близости); расчеты автора
60 Специального пояснения здесь требует только график изменения объема знаний и максимального веса понятия в этих группах. Как уже отмечалось, структура АТМ-модели предполагает, что на каждом шаге ИКА образ той группы, которая обновила свой состав на этом шаге классификации, меняется. Эти изменения, в частности, касаются весов понятий, которые, при тех или иных условиях, могут увеличиться, остаться на прежнем уровне или уменьшиться. Под объемом знаний (рис. 6б) здесь понимается сумма весов всех понятий, которые известны этой группе на данном шаге ее формирования, и который интерпретировался выше как степень уверенности группы в своем отношении к окружающему миру. Как видно из этой диаграммы, самый быстрый рост этой характеристики имел место в группе Gr1B, а наименее уверенной в своем отношении к явлениям внешнего мира оказалась "инертная" группа Gr1А. При построении графика на рис. 6б использовался вес того понятия, которое на данном шаге ИКА получило максимальный вес относительно всех других понятий в образе этой группы.
61 Заметим в заключение, что максимальный вес понятий в группах Gr2 и Gr1В постоянно рос, и достаточно высокими темпами, в то время как в "инертной" группе Gr1А, члены которой к большинству известных им проявлений окружающего мира относятся безразлично, максимальные веса понятий росли медленно, или даже оставались постоянными (рис. 6б)26.
26. Во многом это предопределено малой социальной активностью ее членов, уровень которой играет важную роль в процессе изменений образа группы.
62

4.3. Изменения структур личности ИИ. Завершая эту часть статьи, рассмотрим, как менялись структуры личности ИИ при контакте двух ИИ или при вхождении ИИ в ту или иную, возникшую ранее, группу. Напомним, что в результате таких контактов АТМ-модель предполагает шесть основных соотношений между отношением к ним некоторого условного "первого" ИИ и условно "второго" ИИ (или ИИ и группы ИИ, к которой он присоединяется), три из которых имеют свои подпункты:

1. Оба ИИ не знают это понятие.

2. Первый ИИ не знает это понятие. При этом:

2а. Второй имеет к нему определенное отношение.

2б. Второму оно безразлично.

3. Первому ИИ данное понятие безразлично. При этом:

3а. Второй имеет к нему определенное отношение.

3б. Второй его не знает.

4. Первый ИИ имеет определенное отношение к данному понятию. При этом:

4а. Второй его не знает.

4б. Второму оно безразлично.

5. Отношения к понятию совпадают.

6. Отношения к понятию противоречивы.
63 Кратко поясняя возможные изменения в структуре личности ИИ в этих случаях, отметим, что в первом из них, естественно, ничего не меняется. В ситуации пункта 2 возможно включение в структуру личности ИИ нового понятия с тем или иным весом. В остальных же вариантах, наряду с возможным отсутствием каких-либо изменений в структуре личности первого ИИ, может измениться как вес соответствующего понятия, так и вид отношения этого ИИ к данному понятию. Например, в случае 3а второй ИИ может изменить безразличное отношение первого ИИ к какому-то понятию на свое к нему отношение, возможно, с уменьшением веса этого понятия, или, не меняя отношение первого ИИ к данному понятию, только снизить его уверенность в безразличном отношении к этому понятию.
64 Вероятность тех или иных изменений в структуре личности ИИ, как в данном примере, так и почти во всех других случаях, зависит от соотношения социальных активностей пары ИИ (или ИИ и группы ИИ), и от величины случайного числа, которое срабатывает – или не срабатывает – в зависимости от установленного для него порога, при превышении которого то или иное изменение в структуре личности ИИ происходит или не происходит в противном случае. В таблице 8 приведены значения параметров, которые управляют коррекцией структуры личности ИИ при их контакте друг с другом или при вхождении ИИ в уже существующую группу ИИ. Параметры учета веса группы и соотношения социальных активностей ИИ, которые используются и при создании образа группы (табл. 6), и в данном случае, здесь не приводятся.
65

Таблица 8. Параметры и условия коррекции структур личности ИИ

№№ пп Названия параметров Значения параметров
1 Вид расчета социальной активности ИИ, присоединившегося к группе 1
02 Параметр учета веса группы при коррекции социальной активности ИИ, присоединяющегося к группе (ρ) 0,05
3 Вид расчета социальной активности ИИ при их объединении в группу 1
4 Доля социальной активности, добавляемая ИИ от социальной активности другого ИИ (u) 0,05
5 Порог случайного числа при выборе роста социальной активности менее активного ИИ против снижения социальной активности более активного ИИ (Ψ3) 0,333

Примечание: греческие буквы соответствуют обозначениям параметров в первой части статьи [5].
66 Изменение социальной активности ИИ при его присоединении к группе ИИ при указанном в табл. 8 условии происходит только в том случае, когда датчик случайных чисел выдает значение, больше чем Ψ3. Тогда, если социальная активность группы больше социальной активности ИИ, то социальная активность ИИ увеличивается на величину, корректируемую параметром ρ, и уменьшается на ту же величину в противном случае. При коррекции социальной активности двух ИИ, объединившихся в группу, при том же условии для случайного числа, что и выше, если первый ИИ более активен, чем второй ИИ, то социальная активность второго ИИ увеличивается с параметром u, а у первого остается той же самой, и наоборот в противном случае.
67 На рис. 7 даны графики разности сумм весов понятий каждого ИИ, изменений степени важности для них этих понятий, дифференциации их мнений об этих понятиях в "весовом" исчислении, и изменении их социальной активности, происшедших при этих событиях27. Заметим при этом, что, в связи с тем, что все ИИ, обладающие небольшим объемом знаний (рис. 1а), не вошли в указанные группы по причинам, суть которых уже обсуждалась выше, все графики на рис. 7 были ограничены ИИ с порядковым номером 65 (последним из ИИ со средним уровнем объема тезауруса28).
27. Отсутствию коррекции структур личности на рис.7 соответствуют нулевые значения разности.

28. Это не значит, что все ИИ с меньшим порядковым номером вошли в ту или иную из этих трех групп и их структуры личности были скорректированы.
68 Как видно из этих диаграмм, изменения в структурах личности ИИ произошли довольно значительные, особенно по общей сумме весов понятий. Они коснулись всех ИИ со средним увеличением этого показателя на 5,4 БЕ с разбросом от 1,5 до 15 единиц суммарного веса понятий у отдельных ИИ (рис. 7а)29. Изменения отрицательного отношения к понятиям произошли у 29 ИИ со средним значением, равным 3,2 БЕ, и разбросом от 1,6 до 14,6 БЕ, а положительного отношения – у 28 ИИ со средним изменением в 3,2 БЕ и разбросом от -3,3 до 15,5 БЕ. При этом вес понятий, к которым ИИ изначально относились позитивно, равно как и в случае тех понятий, к которым ИИ до их контактов относились отрицательно, в подавляющем большинстве случаев также только увеличивался (рис. 7в и 7г).
29. В АТМ-модели нет понятия "забыть", поэтому у конкретного ИИ может иметь место только увеличение его тезауруса.
69

Рис. 7. Изменение характеристик структур личности ИИ и их социальной активности при их коррекции, БЕ; расчеты автора
70 Что касается безразличного отношения к понятиям, то оно изменилось у 43 ИИ со средним увеличением веса таких понятий на 1,9 БЕ (рис. 7б) с разбросом от -11,3 до 14,4 БЕ. Такие значительные изменения безразличного отношения к понятиям объясняется тем, что АТМ-модель предполагает, что при вхождении в тезаурус индивида нового понятия его отношение к нему далеко не всегда формируется сразу. При этом, в процессе последующих итераций, безразличное мнение ИИ о таком понятии может, под влиянием какого-то другого ИИ или, тем более, группы ИИ, стать вполне определенным. Возможна и другая форма этого процесса, когда под тем или иным внешним влиянием ИИ меняет свое вполне определенное отношение к понятию на безразличное. Однако такие ситуации встречаются в работе АТМ-модели существенно реже. Что же касается изменения уровня дифференциации отношения к понятиям ИИ (рис. 7д), то следует отметить значительный его рост у отдельных ИИ, но с небольшим в целом средним значением (0,021). При этом изменения социальной активности ИИ были минимальными с нулевым средним значением и разбросом от -0,02 до 0,02 БЕ.
71

 5. Заключение
72

Первое, что следует отметить в изложенных выше результатах, это наличие самого факта возникновения групп ИИ, учитывая случайный характер исходной совокупности30. То есть даже в толпе, в которой собрались случайные люди – посмотреть на пожар, или на салют, или на какое-то общественное мероприятие – всегда могут найтись два-три человека, которые окажутся интересными друг другу по своим представлениям о мире, возможно, довольно далеким от той причины, по которой они оказались в данном месте и в данное время31. При этом в рамках тех условий, в которых определялась близость между ИИ, или ИИ и группой ИИ, или между двумя группами ИИ – напомним, без учета веса понятий и размера группы – были получены группы индивидов с кардинально противоположными средними значениями характеристик их структур личности32.

30. Из теории вероятностей, вообще говоря, следует, что количество одинаковых понятий, находящихся в тезаурусах двух ИИ, подчиняется гипергеометрическому распределению (выборка без возвращения). В частности, если за партию прибывших изделий принять все множество понятий, тезаурус первого ИИ – за бракованные изделия в этой партии, а тезаурус второго – за контрольную выборку.

31. Заметим также, что в настоящее время важным катализатором таких процессов является Интернет, где количество площадок, на которых могут формироваться те или иные группы индивидов, постоянно растет.

32. Размеры этой статьи не позволяют привести примеры коррекций структур личности ИИ и формирования образов групп при многоразовых контактах между ИИ. Однако результаты пробных расчетов, включавших в себя несколько итераций по формированию групп ИИ на основе уже скорректированных на предыдущем этапе их структур личности, позволяют рассчитывать на возникновение все более и более устойчивых групп ИИ, даже при значительной роли случая в изменениях структур личности отдельных индивидов и в характеристиках образов групп.
73 Вторым важным результатом проведенных расчетов явилось подтверждение гипотезы о том, что описание групп с учетом коммуникативности членов группы, реализованное в "образе группы", дает гораздо более точное представление о различиях между группами, чем их описание средними значениями характеристик структур личности членов этих групп. Заметим теперь, что образы групп вполне естественно интерпретировать как некоторое обобщенное описание того или иного коллектива, работающего над какой-то общей задачей. В частности, при использовании понятия "образа группы" для больших совокупностей индивидов, его можно рассматривать, например, как обобщенное описание политической партии, сила которой заключается именно в синергии ее членов, и "образ" которой и притягивает к себе новых ее участников или просто сочувствующих ее идеям и ее программе деятельности.
74 И, наконец, третьей, однако, пожалуй, наиболее важной характеристикой АТМ-модели является возможность операционально исследовать с ее помощью влияние разных факторов на формирование групп ИИ, что далеко не всегда возможно сделать в реальных экспериментах. В частности, большое количество параметров, которое включено в АТМ-модель, позволяет моделировать процессы формирования групп индивидов при разных распределениях в выборке объемов их тезаурусов, соотношении положительных, безразличных и негативных отношений к понятиям, социальной активности и других, более локальных, параметров модели33.
33. Например, характера учета размера группы при коррекции ИИ и формировании образа группы, вероятностей происхождения тех или иных событий при передаче знания о том или ином понятии другому индивиду или группе ИИ и т.д.

References

1. Акопов, А. С. Агентная модель поведения толпы при чрезвычайных ситуациях / А. С. Акопов, Л. А. Бекларян // Автоматика и телемеханика. – 2015. – № 10. – с. 131–143.

2. Андреева, Г. М. Социальная психология / Г. М. Андреева. – Москва: Аспект пресс, 2021 – 360 стр.

3. Андрукович П.Ф. Изучение структуры выборки методом главных компонент / П. Ф. Андрукович // Всесоюзная научно-техническая конференция "Применение многомерного статистического анализа в экономике и оценке качества продукции", Тарту : ТГУ, 1977. – с. 74-77.

4. Андрукович, П. Ф. Формирование социальных групп в парадигме АОМ / П. Ф. Андрукович // Вестник ЦЭМИ РАН. – 2018. – Том 1, № 3. – URL : https://cemi.jes.su/s265838870000140-7-1/ (дата обращения : 30.09.2022).

5. Андрукович, П.Ф. Структура агент-ориентированной модели формирования социальных групп из случайной совокупности индивидов (часть 1) / П. Ф. Андрукович // Вестник ЦЭМИ РАН. – 2021. – Том 4, № 3-4. – URL: https://cemi.jes.su/s265838870018166-5-1/ (дата обращения : 30.09.2022).

6. Бахтизин, А. Р. Агент-ориентированные модели экономики / А. Р. Бахтизин. – Москва : ЗАО Изд-во «Экономика», 2008. – 279 с.

7. Гуц, А. К. Математические модели социальных систем / А. К. Гуц, В. В. Коробицын, А. А. Лаптев [и др.]. – Омск : Омск. гос. ун-т, 2000. – 256 стр.

8. Основные понятия и определения, используемые в методах классификации без обучения / И. С. Енюков // Прикладная статистика: классификация и снижение размерности / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин ; под ред. С. А. Айвазяна. – Москва : Финансы и статистика, 1989. – Гл.5 и 8. – с. 144-181, 249-266.

9. Жамбю, М. Иерархический кластер-анализ и соответствия / М. Жамбю. – Москва: Финансы и статистика, 1988. – 342 стр.

10. Зиновьев, А. Ю. Визуализация многомерных данных / А. Ю. Зиновьев. – Красноярск: Изд. КГТУ, 2000. – 180 стр.

11. Истратов, В. А. Компьютерный алгоритм формирования личных и социальных норм / В. А. Истратов // Экономика и математические методы. – 2018. – Т. 54, № 4. – с. 98-110.

12. Макаров, В. Л. Искусственные общества / В. Л. Макаров // Искусственные общества. – 2006. – Т. 1, № 1. – URL : https://artsoc.jes.su/s207751800000097-5-1/ (дата обращения : 30.09.2022).

13. Макаров, В. Л. Социальное моделирование – новый компьютерный прорыв (агент-ориентированные модели) / В. Л. Макаров, А. Р. Бахтизин. – Москва : Экономика, 2013. – 295 стр.

14. Мейжис, И. А. Социальная психология / И. А. Мейжис, Л. Г. Почебут. – Москва : Питер, 2010. – 665 стр.

15. Терехин, А. Т. Кластерный анализ и его применения в социально-экономических исследованиях : Автореферат дис. на соискание ученой степени к. т. н. (05.255) / АН СССР. – Москва : [б. и.], 1973. – 19 с.

16. Bonabeau, E. Agent-Based Modeling: Methods and Techniques for Simulating Human Systems / E. Bonabeau // Proc. National Acad. Sci. – 2002. – v. 99, Suppl. 3. – p. 7280–7287.

17. Jolliffe, I. T. Principal Component Analysis : Springer Series in Statistics / I. T. Jolliffe. – 2nd ed. – NY : Springer Science & Business Media, 2002. – p. 487.

18. Multiagent Systems / Edited by Gerhard Weiss. – 2nd edition. – MIT Press, 2013. – p. 920.

19. Helbing, D. Agent-Based Modeling / D. Helbing // Social Self-Organization. Agent-Based Simulations and Experiments to Study Emergent Social Behavior; Ed.: Dirk Helbing; Springer Berlin Heidelberg (Online service), 2012. – Ch. 2. – pp. 25-70.

Comments

No posts found

Write a review
Translate