О МЕТОДАХ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В УСЛОВИЯХ ЗНАЧИТЕЛЬНОЙ НЕОПРЕДЕЛЕННОСТИ
Аннотация и ключевые слова
Аннотация (русский):
Попытки повысить качество управленческих решений за счет внедрения современных достижений информационных технологий в различные области государственного управления (социально-гуманитарные, стратегические, внешнеполитические и др.) Не дают желаемого эффекта, сопоставимого с эффектом от их реализации в производственный сектор. Решение этой проблемы требует качественно новых подходов к вопросам информационно-аналитического обеспечения принятия решений в условиях значительной неопределенности. В статье освещаются трудности прогнозного управления социальными процессами на основе прямого компьютерного моделирования социальных систем, рассматриваются недостатки применяемых на практике методов экспертной поддержки принятия решений, а также предлагаются новые технологии применения экспертных знаний и компетенций, основанные на использовании компьютерного моделирования и исследование. Современные подходы к работе с экспертами можно охарактеризовать как методы согласования мнений группы экспертов на основе их личных взглядов (моделей) по обсуждаемому вопросу. Наш опыт показал, что создание единой интегрированной модели группой экспертов дает гораздо лучший результат. В то время как традиционный подход можно назвать «групповым» интеллектом, новый подход называется «коллективным» интеллектом. Кроме того, в настоящее время интенсивно развиваются методы поддержки принятия решений с использованием систем искусственного интеллекта. Предлагаем начать работы по созданию «гибридного» интеллекта с интеграции этих подходов для получения синергетического эффекта.

Ключевые слова:
государственное управление, поддержка принятия решений, компьютерное моделирование, экспертная оценка, искусственный интеллект, групповой интеллект, коллективный интеллект, гибридный интеллект
Текст
Текст произведения (PDF): Читать Скачать
Список литературы

1. Bischoff, I., and L.-H. Siemers. (2011). Biased Beliefs and Retrospective Voting: Why Democracies Choose Mediocre Policies. Public Choice 156: 163-180.

2. Young, J. 2005. Research, Policy and Practice: Why Developing Countries Are Different. Journal of International Development 17: 727-734.

3. Rausser, G.C., J. Swinnen, and P. Zusman. (2011). Political Power and Economic Policy: Theory, Analysis, and Empirical Applications. Cambridge: Cambridge University Press.

4. Allen, T. T. (2011). Introduction to discrete event simulation and agent-based modeling: voting systems, health care, military, and manufacturing. London, UK: Springer

5. Blais, A., Erisen, C., & Rheault, L. (2014). Strategic voting and coordination problems in proportional systems: An experimental study. Political Research Quarterly, 67(2), 386-397

6. Fieldhouse, E., Lessard-Phillips, L., & Edmonds, B. (2016). Cascade or echo chamber? A complex agent-based simulation of voter turnout. Party Politics, 22(2), 241-256

7. Fisunoğlu, A. (2019). System Dynamics Modeling in International Relations. All Azimuth: A Journal of Foreign Policy and Peace, 8 (2), 231-253. DOI:https://doi.org/10.20991/allazimuth.476884

8. Abdollahian, Mark A., et al. “Dynamics of Cultural Change: The Human Development Perspective.” International Studies Quarterly 56, no. 4 (2012): 827-42.

9. Akgul, Oner. “A Bibliographical Study on the Academic Research of Peace and Conflict in Turkey.” Paper presented at the 7th Eurasian Peace Science Meeting, İstanbul, 2018.

10. Chamberlain, Todd. “Systems Dynamics Model of Al-Qa’ida and United States ‘Competition’.” Journal of Homeland Security and Emergency Management 4, no. 3 (2007): 1-23.

11. Chen, Yu-Che, and Michael J. Ahn. Routledge Handbook on Information Technology in Government. New York: Routledge, 2017.

12. Demir, Cenker Korhan, and Engin Avci. “Turkish Terrorism Studies: A Preliminary Assessment.” All Azimuth 7, no.1 (2018): 21-44.

13. Forrester, Jay W. Industrial Dynamics. Cambridge: The M.I.T. Press, 1961.

14. Ghaffarzadegan, Navid, John Lyneis, and George P. Richardson. “How Small System Dynamics Models Can Help the Public Policy Process.” System Dynamics Review 27, no. 1 (2011): 22-44.

15. Goertz, Gary, and James Mahoney. A Tale of Two Cultures: Qualitative and Quantitative Research in the Social Sciences. Princeton: Princeton University Press, 2012. 253 System Dynamics.

16. Hjorth, Peder, and Ali Bagheri. “Navigating Towards Sustainable Development: A System Dynamics Approach.” Futures 38, no. 1 (2006): 74-92.

17. Jervis, Robert. System Effects: Complexity in Political and Social Life. Princeton: Princeton University Press, 1997.

18. Kirkwood, Craig W. System Dynamics Methods: A Quick Introduction. College of Business, Arizona State University, 1998.

19. Morey, David S. “When War Brings Peace: A Dynamic Model of the Rivalry Process.” American Journal of Political Science 55, no. 2 (2011): 263-75.

20. Burton, R. M., & Obel, B. (2011). Computational modeling for what-is, what-might-be, and what-should-be studies-and triangulation. Organization Science, 22(5), 1195-1202.

21. Chiu, C.-Y., & Qiu, L. (2014). Communication and culture: A complexity theory approach. Asian Journal of Social Psychology, 17, 108-111

22. Cioffi-Revilla, C. (2017). Introduction to computational social science: Principles and applications (2nd ed.). New York, NY: Springer.

23. Clark, W. R., & Golder, M. (2015). Big data, causal inference, and formal theory: Contradictory trends in political science? PS: Political Science & Politics, 48(1), 65-70

24. Saaty T. Theory and Aplications of the Analytic Network Process: Decision Making with Benefits, Opportunities, Cost and Risk. - Pittsburgh, RWS Publications, 2009.

25. Casey K.L. Defining Political Capital: A Reconsideration of Bourdieu’s Interconvertibility Theory // Paper University of Missouri. - St. Louis, 2007.

26. Petrovsky, A.B.: Decision Making Theory. Publishing Center Academiya, Moscow (2009). in Russian

27. Baluta V.I., Osipov V.P., Yakovenko O.Yu. The environment of modeling, forecasting and expertise as the intellectual core of support management complex systems. KIAM Preprint № 82, Moscow, 2015

28. M.A.Berberova, K.I.Chernyavskii, «Comparative assessment of the NPP risk (on the example of Rostov and Kalinin NPP). Development of risk indicators atlas for Russian NPPs», GraphiCon 2019 Computer Graphics and Vision. The 29th International Conference on Computer Graphics and Vision. Conference Proceedings (2019), Bryansk, Russia, September 23-26, 2019, Vol-2485, urn:nbn:de:0074-2485-1, ISSN 1613-0073, DOI:https://doi.org/10.30987/graphicon-2019-2-290-294, http://ceur-ws.org/Vol-2485/paper67.pdf, p. 290-294.

29. Baluta V.I., Osipov V.P., Chetverushkin B.N., Yakovenko O.Y. Simulation of dynamics and adaptation in the space of conflict interaction of the intelligent agents. KIAM Preprint № 111, Moscow, 2019.

Войти или Создать
* Забыли пароль?