Статті в журналах з теми "Агент управління"

Показано, що складність і значущість завдань, що стоять сьогодні перед публічним управлінням, вимагають застосування нових сучасних інструментів вирішення їх. Застосування мультиагентних технологій і систем дозволить значно збільшити ефективність публічного управління, перш за все за рахунок збільшення простору винайдення рішень та зменшення ролі людського фактору. До інтелекту людини має бути додано ще й інтелект агента, який здатен використовувати “старі” і будувати “нові” знання для виконання встановленого завдання в заздалегідь невідомих йому ситуаціях і проблемних галузях, де цей агент застосовується як активний виконавець завдань та є окремим елементом системи інтелектуальної підтримки прийняття рішення на основі технологій штучного інтелекту і мультиагентних систем.

Вступ. Високий рівень конкуренції між транспортними компаніями у секто- рі контейнерних перевезень зумовлює необхідність пошуку шляхів підвищення ефективності організації бізнес-процесів, одним з яких є застосування інно- ваційних технологій управління, що полягає в застосуванні проєктної мето- дології, тобто переорієнтації бізнес-процесів під вимоги проєктного підходу. Основною діяльністю транспортної компанії є організація доставки ванта- жів, зокрема вантажів у контейнерах. Нині доставка вантажів – це склад- ний багатоетапний і багатоопераційний процес із залученням значної кількос- ті учасників. Одним із напрямів планування й управління комплексом операцій із доставки вантажів є використання методу сіткового планування. Мета статті полягає у формуванні типового процесу організації доставки вантажу, використання якого на практиці дасть змогу підвищити ефективність проце- су доставки вантажів у контейнерах. Результати. У роботі виділено основні бізнес-процеси транспортної компанії, при цьому під терміном «транспорт- на компанія» мається на увазі компанія – організатор доставки, яким може виступати як лінійний агент, так і експедиторська компанія або логістичний оператор. Розроблено типову схему організації доставки вантажів у контей- нерах (на прикладі їх транспортування за системою «від дверей до дверей»). Систематизовано бізнес-процеси транспортної компанії в логічній послідов- ності, додатково виділено чотири умовні групи: продажі, операції, фінанси й обслуговуючі. Побудовано сітковий графік організації доставки вантажів, як інструментарій використовувалося програмне забезпечення Microsoft Project. Висновки. Моделювання процесу організації перевезення зовнішньоторговель- них вантажів у контейнерах на основі інформаційних технологій дасть змогу підвищити ефективність усього процесу доставки за рахунок кращої коорди- нації процесу.

В статті розглянуто моделі та методи побудови системи підтримки прийняття рішення безпеки судноводіння з використанням мультиагентних систем, що відповідає сучасному напрямку розвитку інтелектуальних інформаційних технологій – побудови агентоорієнтованих систем. Визначено, що система безпеки судноводіння є ієрархічною слабоформалізуємою системою, яка є результатом взаємодії часто суперечних один одному по цілям функціонування елементів, і має множину неявних прямих і зворотних зв'язків. Для роботи в таких умовах проєктуєма система підтримки прийняття рішень повинна містити ряд інформаційних баз знань: нормативну, експертну і прецедентну. Відмічено, що реалізація процесу забезпечення безпеки судноводіння представляє собою складну задачу кооперативної неантагоністичної взаємодії з розподіленим прийняттям рішень, для якої критично важливим стає забезпечення координації такої взаємодії в умовах цілеспрямованої поведінки учасників, що намагаються забезпечити безпеку руху. Рішення даного завдання може бути реалізоване з використанням принципів траєкторно-цільового підходу до прогнозування руху суден у рамках спільного управління інтелектуальними логіко-динамічними об'єктами. Сутність даного підходу складається у формуванні прогнозних траєкторій руху суден виходячи з заданих цільових позицій, а також критеріїв і зон безпеки руху. Кожне судно представляється у виді взаємодіючого логіко-динамічного об'єкта, що володіє цілеспрямованою поведінкою і реалізує траєкторію свого руху виходячи з принципів безпеки в умовах виконання вимог МППСС-72. Для моделювання даних процесів доцільно використовувати агентноорієнтований підхід. Кожен агент (як інформаційна сутність) буде представляти судно, а система взаємодії агентів стане основою для формування правил системи підтримки прийняття рішення безпеки судноводіння. Використання запропонованого підходу побудови структури інтелектуального судна “А”- типу на принципах BDІ дозволяє побудувати гнучку систему прийняття рішень, за допомогою якої може бути вироблене “краще рішення” попередження зіткнення суден, що задовольняє всі судна на всіх рівнях проектованої системи підтримки прийняття рішення безпеки судноводіння.

Доведено недосконалість наявної структури системи санітарного очищення території населених пунктів. Встановлено необхідність вирішення проблеми щодо роздільного зби­рання побутових відходів, запропоновано запровадження досвіду Німеччини щодо вихо­вання культури населення та підняття мотивації до сортування відходів. Виявлено наявну проблему утилізації відходів у сільській місцевості. З урахуванням досвіду Франції запро­поновано її вирішення шляхом внесення змін до ст. 35-1 Закону України «Про відходи» та Постанова Кабінету Міністрів України «Про затвердження правил надання послуг з вивезення побутових відходів». З огляду на політику підвищення ефективності управлін­ня суспільним розвитком і спрямування на децентралізацію управління запропоновано створення Моделі координаційного агента для управління потоками побутових відходів на об'єднаних територіальних громадах у межах їх співробітництва.

В статті розглянуті основні методи організації інтелектуального навчального середовища підготовки диспетчерів управління повітряним рухом. Обґрунтована необхідність створення інтелектуальної навчальної системи в адаптивних тренажерах диспетчерів управління повітряним рухом. Інтелектуальні навчальні системи повинні базуватись на основі синтезу імітаційно-моделюючих комплексів у вигляді розподілених систем обробки даних для імітації поведінки середовища навчання. В роботі сформовані вимоги, що висуваються до побудови мультиагентного середовища інтелектуальної навчальної системи підготовки диспетчерів управління повітряним рухом. З метою забезпечення моделювання інтелектуального поводження об'єктів, що входять у віртуальне середовище навчання, запропоновано створення інтелектуальних об'єктів, як елементів мультиагентної системи з використанням методів планування дій. Запропоновано підхід удосконалення та розширення функціональних можливостей системи підготовки диспетчерів управління повітряним рухом. Запропонована архітектура інтелектуального агента навчальної системи підготовки диспетчерів управління повітряним рухом створена на базі елементів InterRRa архітектури, що забезпечує взаємодію агента з зовнішнім середовищем та іншими агентами через модель фізичного представлення об'єкта. Наведена математична модель інтелектуального агента в якій враховано можливість здійснення впливу на зовнішнє середовище. Розроблена модель мультиагентного середовища інтелектуальної навчальної системи яка забезпечує ідентифікацію ситуації в підсистемі підготовки і прийняття рішень, що виконує передачу управління на відповідний рівень ієрархії системи поводження інтелектуального агента. Особливістю розробленої структури мультиагентного середовища інтелектуальної навчальної системи є використання моделі поведінки інтелектуальних агентів, що забезпечують змінну поведінку і можливість рішення задач підготовки і прийняття рішень своїх подальших дій за допомогою різних моделей поведінки.

Розглядається рух мультиагентної системи, що складається з обмеженої кількості безпілотних літальних апаратів (БПЛА). Мультиагентна система включає агента-лідера і декілька агентів – членів групи. Рух цієї системи відбувається за траєкторією, яка визначається початковими умовами, її математичною моделлю і перешкодами, що є на маршруті. Кінцева мета руху відома тільки лідеру групи. Рух цієї структури розглядається в потенціальному полі, яке визначається силами притягання і відштовхування та створюється сигналами управління шляхом вимірювання відстаней до найближчих сусідів. Це дозволяє вважати групу БПЛА агрегатом деякого розміру та описати його рух системою диференціальних рівнянь другого порядку. У роботі досліджуються умови стабілізації руху, надається моделювання пропонованого підходу.

В рамках агентно-орієнтованого підходу з метою підвищення варіативності середовища підготовки диспетчерів управління повітряним рухом у статті удосконалено метод адаптації поведінки агентів навчального середовища інтелектуальної навчальної системи, що ґрунтується на знаннях про результати взаємодії агентів. На етапі внесення змін до параметрів підсистеми планування при настоюванні систем моделювання поведінки агентів запропоновано використовувати механізм самонастроювання. Для управління процесом самонастроювання поведінки інтелектуальних агентів в статті розроблено інструментарій адаптації системи планування поведінки агента. Застосування моделей поведінки агентів із методами планування дозволить збільшити показник успішності реалізації очікуваної поведінки агентів при побудові інтелектуальних навчальних систем. Запропонований у статті підхід адаптації поведінки агентів навчального середовища інтелектуальної навчальної системи дозволить підвищити його варіативність. Як наслідок, така інтелектуальна навчальна система дозволить вивести на якісно новий рівень підготовку диспетчерів управління повітряним

Розглянуто складові механізму державного управління рин- ком праці України та сформовано комплексний механізм його державного регулювання. Проаналізовано сучасні управлінські технології та сучасна діяльність апарату управління на ринку праці. Показано важливість роз- витку стратегії та методології у процесі кадрового управління. Розглянуто критерії урівноваження потреб ринку праці на національному та регіональ- ному рівнях. Розкрито проблеми регіонального управління ринком праці, що призводять до створення “кадрового голоду”. Проаналізовано виконан- ня програм дій управлінських інститутів щодо покращення умов управління ринком праці. Сформульовано кілька варіантів сценарного прогнозу розвит- ку ринку праці у зв’язку з кризовою нестабільністю соціально-економічної ситуації на регіональних ринках праці. Наведено блочний підхід прогнозу робочої сили. Виділені зразкові тенденції на регіональному рівні при роз- гляді співвідношення попиту і пропозиції на ринку праці. Проаналізовано поняття “безробітні”, “економічно активне населення” та “самозайняте насе- лення”. Наведено розподіл економічно активного населення на групи. Пока- зано підходи до протидії потенційному, частковому і реальному безробіттю. Розглянуто зміну місця проблем ринку праці в системі пріоритетів держав- ної економічної політики та запропоновані варіанти перебудови структури управління. Проаналізовано варіанти підвищення громадського статусу працеринкових проблем. Обґрунтовано ознаки формування економічного агента відповідно до кон’юнктури ринку праці. Наведено основні елементи організаційно-управлінського механізму ринком праці та економіко-органі- заційні методи управління ринком. Доведено необхідність удосконалення системи моніторингу та прогнозування ринку праці. Запропоновано варіан- ти виходу з кризи у трудовій сфері України.

Сервісне обслуговування в автоцентрах в даний час здійснюється на спеціальних діагностичних постах, де використовується досить складне і дороге діагностичне обладнання. Такий спосіб обслуговування призводить до появи черг та супутніх до цього проблем. Використання комп'ютерів в автомобільній діагностиці дозволило зробити процес набагато легшим, точним і швидким. Та все ж, коли ми кажемо про комп’ютерну діагностику, ми враховуємо багато «але». Тому для усунення цих «але» з’являється мультиагентна система – новий крок у сфері обслуговування автомобілів. За допомогою модулю діагностики автомобіля, що включає в себе систему самодіагностики і електронного блоку керування, використання мультиагентного підходу стає більш можливим. В таких технологіях закладений принцип автономності окремих частин, спільно функціонуючих в розподіленої системі, де одночасно протікає безліч взаємопов’язаних процесів З технічної сторони моделювання мультиагентів для автомобіля більш ніж реальне явище. Сучасні досягнення у транспортних сферах мобільної передачі даних, переносних діагностичних приладах і приладах на станціях технічного обслуговування, зчитування показників датчиків автомобіля за допомогою електронного блоку управління та ін. ведуть у своїй сукупності на новий рівень. А саме – компонування усіх діагностичних систем в одну, більш інноваційну і точну мультиагентну систему. Використання агентного підходу дозволить підвищити надійність автомобіля, а особливо тих елементів автомобіля, які, за результатами статистичного дослідження, найчастіше призводять до втрати працездатності. Інформація про те, наскільки зростає рівень надійності після проведення кожного виду робіт, тобто в якій мірі безвідмовність окремих елементів впливає на загальну безвідмовність автомобіля, дозволить проводити додаткові технічні обслуговування в обсягах, достатніх для підвищення працездатності автомобіля до необхідного рівня. В роботі доведено доцільність використання інтелектуальних агентів в мультиагентній системі для реалізації поставлені перед системою завдань програмно-інформаційної підтримки ТО і Р.

У статті досліджено роль державного закладу вищої освіти у формуванні та підвищенні рівня інституційної спроможності розвитку громад регіону. Дослідження базується на первинних результатах реального досвіду Прикарпатського національного університету імені Василя Стефаника щодо формування інституційного забезпечення розвитку Івано-Франківської області. Розкрито структуру інституційного забезпечення розвитку, сформовану в університеті, та недержавне інституційне забезпечення регіону. Окреслено основні аспекти діяльності Проектно-освітнього центру “Агенти змін” Прикарпатського університету та його роль у підвищенні рівня інституційної спроможності розвитку територіальних громад регіону у сфері управління проектами.Зроблено висновки про те, що університети відіграють важливу роль у регіональному розвитку як мозкові центри реформ і є інституціями для розвитку територіальних громад регіону у взаємодії з іншими структурами у системі його інституційного забезпечення.

У статті досліджено форми і методи ведення підривної діяльності (в тому числі активні заходи), притаманні радянським (російським) спецслужбам у контексті ведення гібридної війни проти країн Заходу та України. Доведено, що гібридні операції як наступальні дії радянських (російських) спецслужб були реалізовані здебільшого завдяки реалізації мережі спеціальної агентури впливу. Проаналізовано особливості підривної діяльності та активних заходів радянських і російських спецслужб у вимірі політичної, воєнної, економічної та інших видів зовнішньої розвідки. Досліджено сутність, мету та основні види діяльності відповідної агентури впливу (включно з формуванням потрібної для РФ суспільної думки; встановленням та збереженням таємного контролю за урядом або частини уряду іншої держави; генерацією політичної кризи і нейтралізацією небажаних РФ політичних опонентів тощо). Виявлено, що задля досягнення своїх цілей агенти впливу радянських (російських) спецслужб використовують такі інструменти, як компрометація, дезінформація, науково-технічна розвідка та розвідка у ЗМІ противника, агентурне проникнення (інфільтрація) і вербування, застосування чужого прапора тощо. Визначено особливості раннього виявлення гібридних загроз, що пов’язані з агресивними діями РФ у контексті проактивного підходу з пошуку проявів, що мають ознаки підривної діяльності (Hybrid Threat Hunting – HTH). Запропоновано методику відповідного виявлення на основі розвитку мережі спеціалістів (Hybrid Threat Hunters) центральних органів державної влади в кожній сфері державного управління та суспільного життя. Окреслено основні види діяльності в рамках попередження та протидії агентурним заходам впливу російських спецслужб, які включають у себе регулярний HТН-моніторинг, а також ефективну міжвідомчу взаємодію з раннього виявлення (в подальшому – аналіз, прогнозування та протидію відповідному впливу).

Проведено аналіз досліджень та публікацій науковців щодо визначення поняття «соціальна мережа» та запропоновано власне трактування даного поняття. Автор статті вважає, що соціальна мережа – це коло агентів (людей), де самі агенти є центрами соціальних мереж, а їхні знайомі (зв’язки) будують мережеві гілки, вступаючи у соціальні відносини. Встановлено особливості мережевої комунікації: об’єднання «багато з багатьма»; емерджентні властивості (відсутність централізованого управління, самостійність та високий рівень підключеності субодиниць, павутинна нелінійність впливу один на одного); динаміка в поведінці мережі; отримання і створення соціального капіталу. З’ясовано, що соціальний капітал є основним джерелом розвитку соціальних мереж, оскільки він може проявляти себе в якості особливого виду реальних і потенційних ресурсів; властивостей та інформаційної спрямованості мережі. Охарактеризовано загальносистемні закономірності розвитку соціальних мереж: різноманітність, складність, поширеність, стійкість, емерджентність як неможливість звести сукупність властивостей системи до властивостей окремих елементів та їх неідентичність. Визначено стрімкий розвиток комерційної складової соціальних мереж – створення професійних співтовариств і мереж практиків, які знайшли застосування в багатьох областях людської діяльності у сучасному світі. Проаналізовано причини, які впливають на зміну форм взаємодії агентів комунікації, та висловлено власну думку, що вони змінюються в ході задоволення агентами базових просторових потреб: комунікативної, пізнавальної, ігрової. Визначено, що в Україні соціальні мережі почали набирати популярності з 2006 р. – доступ до Одноклассники.ru, ВКонтакте.ru та Connect.ua. З 2015-2016 рр. – етап популярності Facebook.com (11 млн користувачів) та Instagram.com (7,3 млн користувачів), що пов’язано з політичними змінами у відносинах між Україною та Росією. Проаналізовано інформацію щомісячного дослідження Kantar TNS CMeter та визначено, що у 2018 р. Facebook.com знаходиться на третьому місці по відвідуваності серед популярних сайтів, якими користуються українці.

Розроблено кластерну модель дуалістичного (традиційна та органічна продукція) розвитку землекористування в Україні. Принциповою відмінністю від існуючих моделей є наявність Національного науково-виробничого агроекологічного парку, регіональних наукових (економічних) центрів розвитку сільських територій та зміщення акценту ролі держави на реалізацію економічних функцій як агента земельних інтересів. Представлена система інформаційного провайдингу в управлінні земельними ресурсами аграрного сектору економіки. Запропоновано концепцію розвитку державно-приватного партнерства в системі землекористування, що заснована на агрохімічному, меліоративному, логістичному та збутовому напрямах та має на меті забезпечення поєднання можливостей мікро-, мініагентів, спільних агентів та держави, в тому числі із залученням коштів регіональних і глобальних агентів, на компліментарній основі з приводу раціонального землекористування та підвищення прямих і непрямих доходів всіх представників груп земельних інтересів. A cluster model of dualistic (traditional and organic products) development of land use in Ukraine has been developed. A fundamental difference from existing models is the existence of the National Research and Production Agroecological Park, regional scientific (economic) centers for the development of rural areas and the shift in the emphasis of the role of the state on the realization of economic functions as an agent of land interests. The presented system of information providers in the management of land resources of the agricultural sector of the economy. The concept of development of public-private partnership in the land use system based on agrochemical, meliorative, logistic and marketing directions is offered and aims to ensure the combination of the capabilities of micro-, miniagents, general agents and the state, also with the involvement of regional and global agents, on a complimentary basis for rational land use and increasing the direct and indirect income of all representatives of land interest groups.

Наукові дослідження стають ефективними тоді, коли природу подій чи явищ можна розглядати з єдиних позицій, виробити універсальний підхід до них, сформувати загальні закономірності. Більшість сучасних фундаментальних наукових проблем і високих технологій тісно пов’язані з явищами, які лежать на границях різних рівнів організації. Природничі та деякі з гуманітарних наук (економіка, соціологія, психологія) розробили концепції і методи для кожного із ієрархічних рівнів, але не володіють універсальними підходами для опису того, що відбувається між цими рівнями ієрархії. Неспівпадання ієрархічних рівнів різних наук – одна із головних перешкод для розвитку дійсної міждисциплінарності (синтезу різних наук) і побудови цілісної картини світу. Виникає проблема формування нового світогляду і нової мови.Теорія складних систем – це одна із вдалих спроб побудови такого синтезу на основі універсальних підходів і нової методології [1]. В російськомовній літературі частіше зустрічається термін “синергетика”, який, на наш погляд, означує більш вузьку теорію самоорганізації в системах різної природи [2].Мета роботи – привернути увагу до нових можливостей, що виникають при розв’язанні деяких задач, виходячи з уявлень нової науки.На жаль, теорія складності не має до сих пір чіткого математичного визначення і може бути охарактеризована рисами тих систем і типів динаміки, котрі являються предметом її вивчення. Серед них головними є:– Нестабільність: складні системи прагнуть мати багато можливих мод поведінки, між якими вони блукають в результаті малих змін параметрів, що управляють динамікою.– Неприводимість: складні системи виступають як єдине ціле і не можуть бути вивчені шляхом розбиття їх на частини, що розглядаються ізольовано. Тобто поведінка системи зумовлюється взаємодією складових, але редукція системи до її складових спотворює більшість аспектів, які притаманні системній індивідуальності.– Адаптивність: складні системи часто включають множину агентів, котрі приймають рішення і діють, виходячи із часткової інформації про систему в цілому і її оточення. Більш того, ці агенти можуть змінювати правила своєї поведінки на основі такої часткової інформації. Іншими словами, складні системи мають здібності черпати скриті закономірності із неповної інформації, навчатися на цих закономірностях і змінювати свою поведінку на основі нової поступаючої інформації.– Емерджентність (від існуючого до виникаючого): складні системи продукують неочікувану поведінку; фактично вони продукують патерни і властивості, котрі неможливо передбачити на основі знань властивостей їх складових, якщо розглядати їх ізольовано.Ці та деякі менш важливі характерні риси дозволяють відділити просте від складного, притаманного найбільш фундаментальним процесам, які мають місце як в природничих, так і в гуманітарних науках і створюють тим самим істинний базис міждисциплінарності. За останні 30–40 років в теорії складності було розроблено нові наукові методи, які дозволяють універсально описати складну динаміку, будь то в явищах турбулентності, або в поведінці електорату напередодні виборів.Оскільки більшість складних явищ і процесів в таких галузях як екологія, соціологія, економіка, політологія та ін. не існують в реальному світі, то лише поява сучасних ЕОМ і створення комп’ютерних моделей цих явищ дозволило вперше в історії науки проводити експерименти в цих галузях так, як це завжди робилось в природничих науках. Але комп’ютерне моделювання спричинило розвиток і нових теоретичних підходів: фрактальної геометрії і р-адичної математики, теорії хаосу і самоорганізованої критичності, нейроінформатики і квантових алгоритмів тощо. Теорія складності дозволяє переносити в нові галузі дослідження ідеї і підходи, які стали успішними в інших наукових дисциплінах, і більш рельєфно виявляти ті проблеми, з якими інші науки не стикалися. Узагальнюючому погляду з позицій теорії складності властиві більша евристична цінність при аналізі таких нетрадиційних явищ, як глобалізація, “економіка, що заснована на знаннях” (knowledge-based economy), національні і світові фінансові кризи, економічні катастрофи і ряд інших.Однією з інтригуючих проблем теорії є дослідження властивостей комплексних мережеподібних високотехнологічних і інтелектуально важливих систем [3]. Окрім суто наукових і технологічних причин підвищеної уваги до них є і суто прагматична. Справа в тому, що такі системи мають системоутворюючу компоненту, тобто їх структура і динаміка активно впливають на ті процеси, які ними контролюються. В [4] наводиться приклад, коли відмова двох силових ліній системи електромережі в штаті Орегон (США) 10 серпня 1996 року через каскад стимульованих відмов призвели до виходу із ладу електромережі в 11 американських штатах і 2 канадських провінціях і залишили без струму 7 млн. споживачів протягом 16 годин. Вірус Love Bug worm, яких атакував Інтернет 4 травня 2000 року і до сих пір блукає по мережі, приніс збитків на мільярди доларів.До таких систем відносяться Інтернет, як складна мережа роутерів і комп’ютерів, об’єднаних фізичними та радіозв’язками, WWW, як віртуальна мережа Web-сторінок, об’єднаних гіперпосиланнями (рис. 1). Розповсюдження епідемій, чуток та ідей в соціальних мережах, вірусів – в комп’ютерних, живі клітини, мережі супермаркетів, актори Голівуду – ось далеко не повний перелік мережеподібних структур. Більш того, останнє десятиліття розвитку економіки знань привело до зміни парадигми структурного, функціонального і стратегічного позиціонування сучасних підприємств. Вертикально інтегровані корпорації повсюдно витісняються розподіленими мережними структурами (так званими бізнес-мережами) [5]. Багато хто з них замість прямого виробництва сьогодні займаються системною інтеграцією. Тому дослідження структури та динаміки мережеподібних систем дозволить оптимізувати бізнес-процеси та створити умови для їх ефективного розвитку і захисту.Для побудови і дослідження моделей складних мережеподібних систем введені нові поняття і означення. Коротко опишемо тільки головні з них. Хай вузол i має ki кінців (зв’язків) і може приєднати (бути зв’язаним) з іншими вузлами ki. Відношення між числом Ei зв’язків, які реально існують, та їх повним числом ki(ki–1)/2 для найближчих сусідів називається коефіцієнтом кластеризації для вузла i:. Рис. 1. Структури мереж World-Wide Web (WWW) і Інтернету. На верхній панелі WWW представлена у вигляді направлених гіперпосилань (URL). На нижній зображено Інтернет, як систему фізично з’єднаних вузлів (роутерів та комп’ютерів). Загальний коефіцієнт кластеризації знаходиться шляхом осереднення його локальних значень для всієї мережі. Дослідження показують, що він суттєво відрізняється від одержаних для випадкових графів Ердаша-Рені [4]. Ймовірність П того, що новий вузол буде приєднано до вузла i, залежить від ki вузла i. Величина називається переважним приєднанням (preferential attachment). Оскільки не всі вузли мають однакову кількість зв’язків, останні характеризуються функцією розподілу P(k), яка дає ймовірність того, що випадково вибраний вузол має k зв’язків. Для складних мереж функція P(k) відрізняється від розподілу Пуассона, який мав би місце для випадкових графів. Для переважної більшості складних мереж спостерігається степенева залежність , де γ=1–3 і зумовлено природою мережі. Такі мережі виявляють властивості направленого графа (рис. 2). Рис. 2. Розподіл Web-сторінок в Інтернеті [4]. Pout – ймовірність того, що документ має k вихідних гіперпосилань, а Pin – відповідно вхідних, і γout=2,45, γin=2,1. Крім цього, складні системи виявляють процеси самоорганізації, змінюються з часом, виявляють неабияку стійкість відносно помилок та зовнішніх втручань.В складних системах мають місце колективні емерджентні процеси, наприклад синхронізації, які схожі на подібні в квантовій оптиці. На мові системи зв’язаних осциляторів це означає, що при деякій критичній силі взаємодії осциляторів невелика їх купка (кластер) мають однакові фази і амплітуди.В економіці, фінансовій діяльності, підприємництві здійснювати вибір, приймати рішення доводиться в умовах невизначеності, конфлікту та зумовленого ними ризику. З огляду на це управління ризиками є однією з найважливіших технологій сьогодення [2, 6].До недавніх часів вважалось, що в основі розрахунків, які так чи інакше мають відношення до оцінки ризиків лежить нормальний розподіл. Йому підпорядкована сума незалежних, однаково розподілених випадкових величин. З огляду на це ймовірність помітних відхилень від середнього значення мала. Статистика ж багатьох складних систем – аварій і катастроф, розломів земної кори, фондових ринків, трафіка Інтернету тощо – зумовлена довгим ланцюгом причинно-наслідкових зв’язків. Вона описується, як показано вище, степеневим розподілом, “хвіст” якого спадає значно повільніше від нормального (так званий “розподіл з тяжкими хвостами”). У випадку степеневої статистики великими відхиленнями знехтувати вже не можна. З рисунку 3 видно, наскільки добре описуються степеневою статистикою торнадо (1), повені (2), шквали (3) і землетруси (4) за кількістю жертв в них в США в ХХ столітті [2]. Рис. 3. Системи, які демонструють самоорганізовану критичність (а саме такі ми і розглядаємо), самі по собі прагнуть до критичного стану, в якому можливі зміни будь-якого масштабу.З точки зору передбачення цікавим є той факт, що різні катастрофічні явища можуть розвиватися за однаковими законами. Незадовго до катастрофи вони демонструють швидкий катастрофічний ріст, на який накладені коливання з прискоренням. Асимптотикою таких процесів перед катастрофою є так званий режим з загостренням, коли одна або декілька величин, що характеризують систему, за скінчений час зростають до нескінченності. Згладжена крива добре описується формулою,тобто для таких різних катастрофічних явищ ми маємо один і той же розв’язок рівнянь, котрих, на жаль, поки що не знаємо. Теорія складності дозволяє переглянути деякі з основних положень ризикології та вказати алгоритми прогнозування катастрофічних явищ [7].Ключові концепції традиційних моделей та аналітичних методів аналізу і управління капіталом все частіше натикаються на проблеми, які не мають ефективних розв’язків в рамках загальноприйнятих парадигм. Причина криється в тому, що класичні підходи розроблені для опису відносно стабільних систем, які знаходяться в положенні відносно стійкої рівноваги. За своєю суттю ці методи і підходи непридатні для опису і моделювання швидких змін, не передбачуваних стрибків і складних взаємодій окремих складових сучасного світового ринкового процесу. Стало ясно, що зміни у фінансовому світі протікають настільки інтенсивно, а їх якісні прояви бувають настільки неочікуваними, що для аналізу і прогнозування фінансових ринків вкрай необхідним став синтез нових аналітичних підходів [8].Теорія складних систем вводить нові для фінансових аналітиків поняття, такі як фазовий простір, атрактор, експонента Ляпунова, горизонт передбачення, фрактальний розмір тощо. Крім того, все частіше для передбачення складних динамічних рядів використовуються алгоритми нейрокомп’ютинга [9]. Нейронні мережі – це системи штучного інтелекту, які здатні до самонавчання в процесі розв’язку задач. Навчання зводиться до обробки мережею множини прикладів, які подаються на вхід. Для максимізації виходів нейронна мережа модифікує інтенсивність зв’язків між нейронами, з яких вона побудована, і таким чином самонавчається. Сучасні багатошарові нейронні мережі формують своє внутрішнє зображення задачі в так званих внутрішніх шарах. При цьому останні відіграють роль “детекторів вивчених властивостей”, оскільки активність патернів в них є кодування того, що мережа “думає” про властивості, які містяться на вході. Використання нейромереж і генетичних алгоритмів стає конкурентноздібним підходом при розв’язанні задач передбачення, класифікації, моделювання фінансових часових рядів, задач оптимізації в галузі фінансового аналізу та управляння ризиком. Детермінований хаос пропонує пояснення нерегулярної поведінки і аномалій в системах, котрі не є стохастичними за природою. Ця теорія має широкий вибір потужних методів, включаючи відтворення атрактора в лаговому фазовому просторі, обчислення показників Ляпунова, узагальнених розмірностей і ентропій, статистичні тести на нелінійність.Головна ідея застосування методів хаотичної динаміки до аналізу часових рядів полягає в тому, що основна структура хаотичної системи (атрактор динамічної системи) може бути відтворена через вимірювання тільки однієї змінної системи, фіксованої як динамічний ряд. В цьому випадку процедура реконструкції фазового простору і відтворення хаотичного атрактора системи при динамічному аналізі часового ряду зводиться до побудови так званого лагового простору. Реальний атрактор динамічної системи і атрактор, відтворений в лаговому просторі по часовому ряду при деяких умовах мають еквівалентні характеристики [8].На завершення звернемо увагу на дидактичні можливості теорії складності. Розвиток сучасного суспільства і поява нових проблем вказує на те, що треба мати не тільки (і навіть не стільки) експертів по деяким аспектам окремих стадій складних процесів (професіоналів в старому розумінні цього терміну), знадобляться спеціалісти “по розв’язуванню проблем”. А це означає, що істинна міждисциплінарність, яка заснована на теорії складності, набуває особливого значення. З огляду на сказане треба вчити не “предметам”, а “стилям мислення”. Тобто, міждисциплінарність можна розглядати як основу освіти 21-го століття.

Вступ. Останнім часом теорія складних мереж стала ефективним інструментом дослідження складних структур: технологічних (наприклад, Інтернет-мережа, www, транспортні мережі), соціальних (мережі співробітництва, мережі мобільного телефонного зв’язку), біологічних (екологічні мережі, функціональні мережі мозку, мережі білкових взаємодій) [1]. Вузли в таких мережах – це елементи складних систем, а зв’язки між вузлами – взаємодії між елементами.Web 2.0 дозволив створити навчальні системи, засновані на принципах, так званої, кібернетики другого порядку. Учень тепер став активним елементом системи, яка не тільки контролює й направляє його діяльність, але й дозволяє своєю думкою впливати на функціонування й наповнення самої системи. Такий підхід є основою для виникнення системних ефектів [2].Дж. Сіменс і С. Даунс у власній теорії конективізму багато в чому продовжують ідеї, висловлені німецьким філософом В. Флуссером. У рамках конективізму, навчання – це процес створення мережі. Вузлами можуть бути люди, організації, бібліотеки, web-сайти, книги, журнали, бази даних або будь-яке інше джерело інформації. Сукупність зв’язаних вузлів стає мережею. Мережі можуть поєднуватися між собою. Кожний вузол у мережі може бути мережею більш низького рівня. Вузли, що втратили актуальність і цінність поступово зникають. Комплекси вузлів збуджують або гальмують один одного й у результаті їхнього взаємозв’язку утворюється блок. Збуджуючий або гальмуючий вплив один на одного можуть чинити й блоки – групи вузлів, кожен з яких видає власний загальний вихідний сигнал, що відповідає результуючій вазі всіх вхідних сигналів, отриманих від інших вузлів. Блоки організовані ієрархічно. Оскільки величезна кількість вузлів функціонує одночасно й на різних рівнях організації, обробка носить паралельний характер. Утворюючи персональну навчальну мережу, в мозкових структурах слухача згідно конекціонізму формується нейронна мережа.Конективізм і масові відкриті дистанційні курси. Застосування ідей конективізму знайшло відображення у практиці масових відкритих дистанційних курсів (МВДК), які останнім часом досить широко використовуються у закордонній педагогічній діяльності.З метою вивчення тенденцій розвитку МВДК в листопаді 2012 року автором було проведено дослідження «Конективізм і масові відкриті дистанційні курси» [3]. У результаті Інтернет-анкетування було опитано 62 респондента з України, Росії, Білорусії, Азербайджану, Грузії, Лівану та Німеччини (рис. 1). Переважну кількість учасників опитування (77 %) склали викладачі й наукові співробітники, 8 % – керівники відділів освітніх установ, 5 % – аспіранти (рис. 2). Враховуючи те, що були задіяні респонденти зайняті в сфері дистанційної освіти, можна говорити про високу вірогідність відомостей, отриманих у ході дослідження (випадково опинилися на сайті з опитуванням лише 2% учасників). а бРис. 1. Розподіл учасників: а – за країнами, б – за віком При перебуванні в Інтернет-мережі переважна більшість опитаних витрачає значну долю свого часу на пошук інформації (92 %), а вже потім на навчання й спілкування (рис. 3). Рис. 2. Склад вибіркової сукупностіРис. 3. Розподіл витрат часу учасників при перебуванні в Інтернет Особливістю отриманих результатів є те, що 71 % респондентів не вважають конективізм повноцінною (самостійною) теорією навчання, з них 45 % відносять конективізм до різновиду неформального навчання, що реалізується в контексті концепції освіти впродовж всього життя, 18% вважають конективізм педагогічною ідеєю (рис. 4). Рис. 4. Чи можна вважати конективізм повноцінною теорією навчання 60 % респондентів приймали участь у МВДК, з них 40 % задоволені результатами свого навчання, 18 % не можуть оцінити результат, а 2 % залишилися розчарованими (рис. 5).76 % вважають, що ідеї конективізму сприяють підвищенню ефективності навчальної діяльності (рис. 6). Рис. 5. Задоволеність від власної участі в МВДКРис. 6. Чи сприяють конективістські ідеї підвищенню рівня ефективності навчальної діяльності 40 % вважають, що найголовніше у МВДК – це уміння працювати в співробітництві, 32 % вважають, що найголовнішим є вміння самостійно організовувати та проводити такі курси, 24 % вважають, що МВДК – це засіб для апробацій положень конективізму (рис. 7).На питання, чи можливо отримати реальні знання при навчанні у МВДК думки учасників розділилися майже порівну: 52 % вважають, що це цілком можливо, а 42 % вважають, що отримані знання можуть бути тільки фрагментарними (рис. 8). Рис. 7. Найважливіше при навчанні в МВДК Рис. 8. Чи можливо отримати реальні знання при навчанні в МВДК Понад 50 % вважають, що велику кількість учасників МВДК можна пояснити нульовою ціною та відсутністю зобов’язань сторін (рис. 9).До основних переваг процесу навчання у масових відкритих дистанційних курсах учасники віднесли:відсутність вікових, територіальних, освітніх і професійних обмежень,відкритість і безкоштовність, гнучкість навчання,отримання нової інформації безпосередньо від фахівців предметної області,самомотивація та самоорганізація слухачів,обмін досвідом і колективна робота у співробітництві,формування умов взаємного навчання в спілкуванні,охоплення широкої (масової) аудиторії,пряме використання всіх переваг комп’ютерної підтримки навчального процесу (від електронних підручників до віртуальних середовищ),процес участі й навчання в МВДК допускає обмін не тільки інформацією, але й, що особливо цінно, напрямами її пошуку,розширення персональної навчальної мережі,можливість неформального підвищення знань,можливість оцінювання робіт інших слухачів курсу,використання в курсах різноманітного навчального контенту (текстова, аудіо-, відео- і графічна інформація), а також форумів і блогів,основний інформаційний матеріал знаходиться поза сайтом курсу. Рис. 9. Чи можна пояснити ріст числа учасників МВДК тільки нульовою ціною та відсутністю зобов’язань сторін До основних недоліків процесу навчання в масових відкритих дистанційних курсах учасники віднесли:відсутність особистого контакту конкретного слухача й педагога, як наслідок, довіри (міжособистісне телекомунікаційне спілкування в силу свого опосередкованого характеру не здатне (з ряду причин технічного, економічного й психологічного плану) повною мірою заповнити відсутність безпосереднього спілкування),використовування різних платформ,високі вимоги до професіоналізму викладачів (тьюторів),надлишок та хаотичність навчальної інформації,відсутність у слухачів навичок самоосвіти, фільтрації й взаємодії,неможливість проконтролювати автора виконаних робіт (ідентифікації),обмежений адміністративний вплив з боку викладача,не вміння спілкуватися інформативно й результативно (закритість вітчизняних викладачів),трудомісткий і тривалий процес розробки навчального курсу (контенту), його супроводу і консультація великої кількості слухачів,технічні проблеми забезпечення практичних (лабораторних) занять,труднощі моніторингу процесу підготовки слухача,необхідність достатньої сформованості мотивації навчання (актуально для молодших за віком і менш критично для дорослих слухачів),імовірність появи технічних проблем доступу до курсів,обмежений зворотний зв’язок з педагогом (тьютором),більшість МВДК на сьогодні розраховані на можливості техніки, а не на людину як індивіда,недостатня кількість часу на обробку всіх наявних навчальних матеріалів,кожний учасник самостійно регулює свою діяльність в курсі.Проблеми конективізму як теорії навчання. Із результатів дослідження зрозуміло, що комплекс ідей конективізму навряд чи можна вважати повноцінною (самостійною) теорією навчання, скоріше це один із різновидів неформального навчання в рамках концепції освіти впродовж всього життя. Розглянемо деякі положення [4].I. Слухач сам установлює мету навчання, читає тільки той матеріал, що йому доступний і подобаєтьсяПринципи автодидактики розроблені В. О. Курінським в рамках т. з. «постпсихології» [5]. Як визначає сам автор, «автодидактикою здавна називають самонавчання. Нікому з нас не вдається її уникнути – всім доводиться доходити до чогось самостійно, розраховуючи на свої власні сили. У кінцевому рахунку, в яких би вчителів ми ні вчилися, ми перш за все учні самих себе».Із 8 правил, сформульованих В. О. Курінським, наведемо деякі загальні положення:а) необхідно робити тільки те, що викликає інтерес (спочатку треба створити актуалізацію інтересу). Інтерес створюється не з якогось зовнішнього матеріалу, а в нас самих, коли ми перемикаємо свою увагу з однієї частини предмета або тексту – на іншу;б) не слід намагатися все запам’ятовувати одразу (але треба намагатися, щоб сприйняття було як можна повнішим). Треба управляти своєю увагою;в) не слід прагнути повного засвоєння матеріалу;г) треба прагнути до самоспостереження. Людина обов’язково повинна стежити за тим, як ставляться до її вчинків інші люди (результати спостереження свого внутрішнього стану і того, що думають інші доповнюють один одного);д) незасвоєння попереднього матеріалу не є причиною того, щоб не ознайомитися з матеріалом наступним.II. Знання перебувають у співтовариствах і комп’ютерних мережахНа нашу думку, тут відбувається деяка підміна понять, адже в комп’ютерних мережах розміщені дані. А чи стануть вони знаннями? Можуть стати, але в результаті перетворення й аналізу цих даних при вирішенні конкретних завдань. Ми можемо прослухати передачу (лекцію) на незнайомій для нас мові, при цьому одержимо дані, але не інформацію (і відповідно не знання). Ми можемо записати ці дані на компакт-диск – зміниться форма подання даних, відбудеться нова реєстрація, а відповідно сформуються й нові дані.Д. Вайнбергер зазначає: «Коли знання стає мережевим, самий розумний у кімнаті вже не лектор, що виступає перед слухачами, і навіть не колективний розум всіх присутніх. Сама розумна людина в кімнаті – це сама кімната, тобто мережа, утворена із зв’язків між людьми та їхніми ідеями, які, у свою чергу, пов’язані з тим, що перебуває за межами кімнати. Це зовсім не означає, що мережа стає наділеною інтелектом. Однак знання стають буквально немислимими без мережі, яка їх забезпечує…» [6].Отже, потенційні знання є технічним і технологічним заручником (програмно-апаратна й ментальна складові). Згідно принципу канадського філософа М. Маклюена, «засіб передачі повідомлення і є зміст повідомлення»: для того, щоб зрозуміти зміст повідомлення, необхідно розуміти, як саме влаштований інформаційний канал, по якому надходить повідомлення та як специфіка цього каналу впливає на саму інформацію.III. Акт навчання полягає у створенні зовнішньої мережі вузлів, які слухачі підключають у формі джерел інформації й знаньЧи може підключення до джерела інформації структурувати та сформувати знання учня? Очевидно, що це тільки елемент процесу навчання – можна підключитися до будь-яких потенційних джерел інформації, але не аналізувати і не обробляти їх у подальшому. На нашу думку, інтерес представляє застосування поняття цінності створюваної слухачем мережі.Ще на початку XX століття на можливість кількісної оцінки цінності соціальної мережі звернув увагу Д. А. Сарнов, який показав, що цінність радіо- або телевіщальної мережі зростає пропорційно кількості глядачів (слухачів) n. Дійсно цінність мережі тим вище, чим вище число її елементів (вузлів). Пізніше Р. Меткалф звернув увагу на те, що цінність всієї системи зростає навіть швидше, ніж число її елементів n. Адже кожен елемент мережі може бути з’єднаний з n−1 іншими елементами, і, таким чином, цінність для нього пропорційна n−1. Оскільки в мережі всього n елементів, то цінність всієї мережі пропорційна n(n−1).На основі цього закону Д. Рід сформулював закон для мереж, які утворюють групи. Цінність такої мережі пропорційна 2n−n−1, що визначається числом підмножин (груп) множини з n агентів за винятком одиночних елементів і порожньої множини. Закон Ріда виражає зв’язок між обчислювальними та соціальними мережами. Коли мережа віщає щось людям, цінність її послуг зростає лінійно. Коли ж мережа дає можливість окремим вузлам вступати в контакт один з одним, цінність зростає у квадратичній залежності. А коли та ж сама мережа має у своєму розпорядженні засоби для створення її учасникам груп, цінність зростає експоненціально.У роботі [7] пропонується оцінювати ріст цінності логарифмічно – nln(n) (закон Ципфа). Головний аргумент на користь цього закону полягає в тому, що на відміну від перших трьох законів, тут ранжуються цінності зв’язків. Якщо для довільного агента соціальної мережі, створеної з n елементів, зв’язки з іншими n−1 агентами мають цінності від 1 до 1/(n–1), то внесок цього агента в загальну цінність мережі становить (для великого n): Підсумувавши за всіма агентами, одержимо повну цінність мережі порядку nln(n).Однак, цінність соціальної мережі як величина, що залежить від потенційних зв’язків всіх агентів, очевидно має зростати зі збільшенням кількості можливих конфігурацій (потенційних можливостей) цих зв’язків у мережі. У роботі [8] показано, що для великої кількості агентів n цінність соціальної мережі (у якості ентропії) може бути визначена якВисновкиУ конективізмі зв’язки повинні формуватися природно (через процес асоціацій). Очевидно, що це можливо тільки в контексті розвитку безперервної освіти і навчання протягом всього життя. Це не просто «передача знань» («побудова знань»), притаманна сьогоднішньому програмованому навчанню, тут навчання більш схоже на розвиток особистості. Як писав В. Ф. Турчин: «Коли навчається людина, вона сам йде назустріч навчанню. Не тому, що вона знає, що “вчитися корисно». Дитина цього не знає, але навчається найбільш легко й активно. Асоціації утворюються в неї «просто так», без усякого підкріплення. Це працює механізм управління асоціюванням, що вимагає собі їжі. Якщо її не має, людині стає нудно, а це негативна емоція. Учителеві немає потреби нав’язувати що-небудь дитині або людині взагалі, його завдання лише в тому, щоб дати їжу її уяві. Одержуючи цю їжу, людина зазнає насолоди. Таким чином, вона завжди вчиться сама, зсередини. Це активний, творчий процес» [9].Головна роль у конективізмі приділяється самому учню – саме він повинен прагнути здобувати нові знання постійно, створювати й використовувати персональну навчальну мережу, розрізняти головну інформацію від другорядної та псевдонаучної, оцінювати отримані знання й т. д. Виникла нова проблема – маючи можливість використати нові засоби для навчання, людина може виявитися просто не здатною ними скористатися (проблема інформаційної компетентності, проблема інформаційного вибуху). У свою чергу педагог (тьютор) повинен мати певні навички по створенню й підготовці навчальних матеріалів та їхньому використанню в дистанційних курсах.На сучасному етапі конективізм як повноцінна теорія навчання вивчений недостатньо. Крім того нормативно-правова база орієнтована тільки на традиційні форми навчання. Проте, позитивно, що знання у цьому підході порівнюються не тільки із структурою, а і з процесом. Прояв гнучкості в навчанні й оцінюванні, а також розвиток міжпредметних зв’язків із «інформаційного хаосу» безсумнівно дозволяє активізувати різні форми інтелекту учнів.