Направления изысканий, лежащие в основе самых разных научных дисциплин, которые затрагивают все определяющие условия и закономерности и руководят абсолютно всеми процессами, - это фундаментальные исследования.
Два вида исследования
Любая область познания, которая требует теоретических и экспериментальных научных изысканий, поиска закономерностей, отвечающих за строение, форму, структуру, состав, свойства, а также за протекание процессов, связанных с ними, является фундаментальной наукой. Это касается базовых принципов большинства естественнонаучных и гуманитарных дисциплин. Фундаментальные исследования служат расширению концептуальных и теоретических представлений о предмете изучения.
Но есть и другой вид познания предмета. Это прикладные исследования, которые направлены на решение социальных и технических задач практическим путём. Наука пополняет объективные знания человечества о действительности, вырабатывая теоретическую их систематизацию. Её целью является объяснение, описание и предсказания тех или иных процессов или явлений, где она открывает законы и на их отражает действительность. Однако есть науки, направленные на практическое применение тех постулатов, которые предоставляют фундаментальные исследования.
Подразделение
Это деление на прикладные и фундаментальные исследования довольно условное, потому что последние очень часто имеют высокую практическую ценность, а на основе первых тоже достаточно часто получаются научные открытия. Изучая основные закономерности и выводя общие принципы, учёные практически всегда имеют в виду дальнейшее применение своих открытий непосредственно на практике, и не очень важно, когда это случится: растопить шоколад прямо сейчас при помощи СВЧ-излучения, как Перси Спенсер, или подождать почти пятьсот лет с 1665 года до полётов к соседним планетам, как Джованни Кассини с его открытием Большого красного пятна на Юпитере.
Грань между тем, что представляют из себя фундаментальные исследования и прикладные, почти иллюзорна. Любая новая наука поначалу развивается как фундаментальная, а затем переходит в практические решения. Например, в квантовой механике, возникшей как некий почти абстрактный раздел физики, никто в первый момент не увидел ничего полезного, но не прошло и десятилетия, как всё изменилось. Тем более ядерную физику никто не предполагал так скоро и так широко использовать на практике. Прикладные и фундаментальные исследования крепко взаимосвязаны, последние являются основой (фундаментом) для первых.
РФФИ
Отечественная наука работает в хорошо организованной системе, и Российский фонд фундаментальных исследований в её структуре занимает одно из самых значимых мест. РФФИ охватывает все стороны сообщества, что способствует поддержанию самого активного научно-технического потенциала страны и обеспечивает учёных финансовой поддержкой.
Нужно специально отметить, что Российский фонд фундаментальных исследований использует конкурсные механизмы для финансирования отечественных научных исследований, и там оценивают все работы настоящие эксперты, то есть наиболее уважаемые члены научного сообщества. Основной задачей РФФИ является проведение отбора посредством конкурса на лучшие научные проекты, предоставленные учёными в инициативном порядке. Далее с его стороны следует организационное и финансовое обеспечение выигравших конкурс проектов.
Сферы поддержки
Фонд фундаментальных исследований оказывает поддержку учёным во многих областях знаний.
1. Информатика, механика, математика.
2. Астрономия и физика.
3. Науки о материалах и химия.
4. Медицинская наука и биология.
5. Науки о Земле.
6. и обществе.
7. Вычислительные системы и информационные технологии.
8. Фундаментальные основы инженерных наук.
Именно поддержка Фонда движет отечественные фундаментальные, прикладные исследования и разработки, поэтому теория и практика взаимно дополняют друг друга. Только в их взаимодействии находится общее научное познание.
Новые направления
Фундаментальные и прикладные научные исследования меняют не только базовые модели познания и стили научного мышления, но и всю научную картину мира. Происходит это всё чаще, а "виновниками" тому являются никому не известные ещё вчера новые направления фундаментальных исследований, которые век от века всё быстрее находят своё применение в разработках прикладных наук. Если внимательно рассмотреть можно увидеть поистине революционные преобразования.
Именно они характеризуют разработку всё большего количества новых направлений в прикладных исследованиях и новых технологиях, которые обусловлены резко набирающими темпы фундаментальными исследованиями. И всё быстрее они воплощаются в реальную жизнь. Дайсон писал, что ранее требовалось 50-100 лет пути от фундаментального открытия до широкомасштабных технологических применений. Теперь время словно сжалось: от фундаментального открытия до внедрения в производство процесс происходит буквально на глазах. И всё потому, что изменились сами фундаментальные методы исследования.
Роль РФФИ
Сначала проводится отбор проектов на конкурсной основе, затем разрабатывается и утверждается порядок рассмотрения всех представленных на конкурс работ, проводится экспертиза предложенных на конкурс исследований. Далее осуществляется финансирование прошедших отбор мероприятий и проектов с последующим контролем использования выделенных средств.
Налаживается и поддерживается международное сотрудничество в сфере научных фундаментальных исследований, сюда включено и финансирование совместных проектов. Осуществляется подготовка, выпуск информационных материалов об этой деятельности, и они широко распространяются. Фонд активно участвует в формировании государственной политики в научно-технической области, что ещё более сокращает путь от фундаментального исследования до появления технологии.
Цель фундаментальных исследований
Развитие науки всегда закреплено социальными преобразованиями в общественной жизни. Технология - вот главная цель каждого фундаментального исследования, поскольку именно она движет вперёд цивилизацию, науку и искусство. Нет научных исследований - нет прикладного применения, стало быть, нет и технологических преобразований.
Далее по цепочке: развитие промышленности, развитие производства, развитие общества. В фундаментальных исследованиях заложена вся структура познания, которая разрабатывает базисные модели бытия. В классической физике исходной базовой моделью являются самые простые представления об атомах как строении вещества плюс законах о механике материальной точки. Отсюда физика и начала своё развитие, порождая всё новые базисные модели и всё более сложные.
Слияние и разделение
Во взаимоотношениях прикладных и фундаментальных исследований наиболее важным является общий процесс, движущий развитие познания. Наука идёт всё более широким фронтом, с каждым днём усложняя свою и без того непростую структуру, подобную живой высокоорганизованной сущности. В чём же тут подобие? Любой организм имеет множество систем и подсистем. Одни поддерживают организм в деятельном, активном, живом состоянии - и только в этом их функция. Другие направлены на взаимодействие с окружающим миром, так сказать - на метаболизм. В науке точно так же всё происходит.
Есть подсистемы, поддерживающие в деятельном состоянии саму науку, а есть другие - они ориентируются на внешние научные проявления, как бы включают её в посторонние виды деятельности. Фундаментальные исследования направлены на интересы и потребности науки, на поддержку её функций, и достигается это путём развития методов познания и обобщающих идей, которые и являются основанием бытия. Именно это подразумевается под понятием "чистая наука" или "познание ради познания". Прикладные же исследования всегда направлены вовне, они ассимилируют теорию с практической деятельностью человека, то есть - с производством, изменяя таким образом мир.
Обратная связь
Новые фундаментальные науки тоже разрабатываются на базе прикладных исследований, хотя этот процесс сопряжён с трудностями теоретического познавательного плана. Обычно в фундаментальных исследованиях содержится масса приложений, и совершенно невозможно предположить, на каком из них произойдёт следующий прорыв в развитии теоретического знания. Примером может послужить интересная ситуация, которая сегодня складывается в физике. Ведущая её фундаментальная теория в области микропроцессов - квантовая.
Она радикально изменила весь образ мышления в физических науках двадцатого столетия. У неё огромное количество разнообразных приложений, каждое из которых пытается "прикарманить" всё наследство этого раздела теоретической физики. И уже многие на этом пути преуспевали. Приложения квантовой теории одно за другим создают самостоятельные направления фундаментальных исследований: физики твёрдого тела, элементарных частиц, а также физика с астрономией, физика с биологией и много ещё впереди. Как тут не сделать вывод, что квантовая механика радикально изменила физическое мышление.
Разработка направлений
Разработками фундаментальных исследовательских направлений история науки чрезвычайно богата. Это и классическая механика, раскрывающая основные свойства и закономерности движения макротел, и термодинамика с её исходными законами тепловых процессов, и электродинамика с электромагнитными процессами, о квантовой механике уже было несколько слов сказано, а сколько надо было бы рассказать о генетике! И это далеко не оконченный длинный ряд новых направлений фундаментальных исследований.
Самое интересное то, что практически каждая новая приводила к мощному всплеску разнообразных прикладных исследований, и области познания были охвачены практически все. Как только та же классическая механика, например, приобрела свои основы, её интенсивно начали применять в исследованиях самых разных систем и объектов. Отсюда возникли механика непрерывных сред, механика твёрдого тела, гидромеханика и множество других направлений. Или взять новое направление - организмику, разработкой которой занимается специальная академия фундаментальных исследований.
Конвергенция
Аналитики утвержают, что академические и промышленные исследования последних десятилетий значительно сблизились, и по этой причине увеличилась доля фундаментальных разработок в частных университетах и предпринимательских структурах. Технологический порядок знания сливается с академическим, поскольку последний связан с созданием и переработкой, теорией и производством знания, без чего невозможны ни поиск, ни упорядочение, ни использование уже имеющихся знаний в прикладных целях.
Каждая наука с её фундаментальными исследованиями оказывает самое существенное воздействие на мировоззрение современного общества, изменяя даже основные понятия философского мышления. Наука сегодня должна иметь ориентиры в будущем, как можно более дальнем. Прогнозы, конечно, не могут быть жёсткими, но сценарии развития разрабатываться должны обязательно. Один из них обязательно реализуется. Здесь главное - потенциальные последствия просчитать. Вспомним создателей атомной бомбы. В исследованиях всего самого неизвестного, самого сложного, самого интересного прогресс неминуемо движется вперёд. Важно правильно определить цель.
Традиционно выделяют три основных направления научных исследований: фундаментальные научные исследования, прикладные научные исследования, а также научно-исследовательские и опытно-конструкторские разработки (НИОКР).
Как уже говорилось, фундаментальными считаются науки, познающие мир безотносительно к возможности практического использования получаемых знаний. Термин фундаментальность (от лат. fundamentum - основа, опора) означает направленность этих наук на исследование основополагающих, основных законов природы. Результатом функционирования фундаментальной науки является открытие.
Прикладные научные исследования - это такие исследования, которые используют знания и закономерности, сформулированные фундаментальными науками, для решения практических задач. Результатом прикладных исследований являются изобретения (разработка, внедрение и использование) новой техники и технологий. Отметим, что деление научных исследований на фундаментальные и прикладные является относительным, поскольку жесткой границы между ними нет. Например, ведущие промышленные компании мира в сфере высоких технологий имеют научно-исследовательские лаборатории для изучения фундаментальных проблем с финансированием в несколько миллионов долларов, а университетская наука прикладные разработки передает непосредственно в бизнес, для практического использования.
История развития науки и техники показывает, что прикладные научные исследования развиваются в силу необходимости разрешать производственные и технические проблемы. Так, совершенствование паровой машины привело к исследованиям в области термодинамики, кинетической теории газов, теории горения и др. С появлением электродвигателей и генераторов электрического тока стала развиваться теория электротехники. Затем возникли совершенно новые науки - электродинамика и теория колебаний и волн, без которых были бы невозможны радиосвязь и телевидение. При этом следует подчеркнуть, что все эти прикладные исследования основываются на фундаментальных разделах физики, которые исследовались в рамках чистой науки, т.е. не имеющей практической пользы.
В наш прагматичный век, когда все думают о практической пользе, выгоде, возникает вопрос о бесполезности финансовых затрат на фундаментальную науку. Ее называют «наука для науки» и задумываются над тем, зачем тратить деньги на ближний и дальний космос, исследование планет, строить большой адронный коллайдер стоимостью десятки миллиардов долларов для исследования тайн возникновения Вселенной. Более рационально было бы пустить эти финансовые ресурсы на борьбу с бедностью, голодом, отсутствием медицинской помощи и другими гуманитарными проблемами. Действительно гуманитарные проблемы в настоящее время являются приоритетами на транснациональном уровне. Тем не менее, проведение фундаментальных исследований является нс только условием успешности прикладной науки, но и главным фактором выживания человечества в условиях глобального кризиса. Переход на принципиально новые виды энергии (в духе глобальных, паранормальных, инженерно-технологических решений славянского гения Николы Тесла), поиск внеземных цивилизаций, а также решение «земных» проблем, связанных с тайной возникновения жизни и человека на Земле, возможны лишь на базе фундаментальных научных исследований.
Болес того, прикладные научные исследования, применяющие фундаментальные знания о природе для решения технических задач, не могут успешно развиваться в отрыве от фундаментальных наук. Так, в начале XX в. были сформулированы основные принципы квантовой механики и теории относительности. В то время эти теории казались абсолютно умозрительными и совершенно бесполезными. В рамках коммунистической идеологии эти науки наряду с генетикой и кибернетикой, которые возникли на полвска позже, подвергались остракизму и гонениям. Ученые, проводившие фундаментальные исследования в этих сферах, не только упрекались в схоластике, идеализме, но и физически уничтожались (Н.И. Вавилов). Однако через короткий исторический период были изобретены ускорители элементарных частиц, для строительства которых использовались принципы теории относительности, затем появились лазеры, работающие на принципах квантовой механики. Разработка генома человека основывалась на фундаментальных принципах генетической теории. И таких примеров - сотни.
Прикладные исследования - научные исследования , направленные на практическое решение технических и социальных проблем.
Наука - это сфера человеческой деятельности, функцией которой является выработка и теоретическая систематизация объективных знаний о действительности. Непосредственные цели науки - описание, объяснение и предсказание процессов и явлений действительности, составляющих предмет её изучения на основе открываемых ею законов , то есть в широком смысле - теоретическое отражение действительности.
По своей направленности, по отношению к практике отдельные науки принято подразделять на фундаментальные науки (fundamental science ) и прикладные науки (applied science ). Задачей фундаментальных наук является познание законов, управляющих поведением и взаимодействием базисных структур природы, общества и мышления. Эти законы и структуры изучаются в «чистом виде», как таковые, безотносительно к их возможному использованию. Непосредственная цель прикладных наук - применение фундаментальных наук для решения не только познавательных, но и социально-практических проблем.
Деление исследований на фундаментальные и прикладные достаточно условно, так как отдельные результаты фундаментальных исследований могут иметь непосредственную практическую ценность, а в результате прикладных исследований могут быть получены научные открытия .
Научное обеспечение хозяйственной деятельности
Научные исследования становятся обязательным процессом принятия управленческого решения. Объём и сложность такой работы определяются конкретной проблемой, но она всегда имеет когнитивную структуру, а результат основывается на применении научных методов .
Ещё более сложным оказывается вопрос объективного описания второй составляющей проблемы - желательной ситуации и, соответственно, следующих из неё определений цели и гипотезы исследований. Все это зависит от объективности описания существующей ситуации и лица, принимающего решение выявить цели систем, в которые входит исследуемый объект. Здесь методические ошибки могут привести к тому, что попытка решения одной проблемы приведет к появлению новых. Многие новые проблемы - уплотнение почвы тяжёлой техникой, инерционность управленческого аппарата, вследствие увеличения численности сотрудников и связей, утилизация стоков животноводческих комплексов и др. - возникали в результате деятельности человека, направленной на решение других проблем.
Анализ первого этапа научной постановки управленческого решения показывает, что если в естественных и технических науках основным источником субъективных искажений и, соответственно, снижения эффективности этого этапа является полнота описания реального факта, достигаемая в основном только за счёт используемых приборов, то в случае исследования производственных проблем добавляются вопросы адекватного восприятия объекта учеными или/и менеджерами, зависящие от применяемой ими методологии. На первом этапе исследования проблем высока вероятность формулировки ложных проблем - «проблемоидов» и псевдозадач, решение которых не будет представлять какой-либо практической ценности, а внедрение может привести к нежелательным последствиям. В этом случае эффективность управленческого решения будет нулевой или даже отрицательной.
Второй этап исследования производственной проблемы - разработка математической модели.
Объективность при этом должна обеспечиваться использованием научных принципов оценки ситуаций, а также методов и моделей принятия решений. Моделирование, особенно с использованием компьютеров, является основным теоретическим инструментом системных исследований прикладной ориентации в управлении сложными системами. Содержательная часть процесса моделирования (выбор показателей, факторов, зависимостей) включается в экономическую теорию, а техническая (под которой в 9 случаях из 10 понимается построение тех или иных статистических моделей) - в эконометрику . Таким образом, экономико-математическое моделирование оказывается, с одной стороны, разорванным, с другой - усечённым. И вопросы взаимосвязи всех этапов моделирования, корректности интерпретации результатов моделирования и, следовательно, ценности рекомендаций на основе моделей оказываются как бы висящими в воздухе.
Однозначность математического языка является одновременно и «плюсом», и «минусом». Достоинство в том, что она не допускает ошибок, но это же свойство ограничивает возможность достаточно полного описания объекта. С повышением информации в модели эвристическая функция моделирования растет не прямо пропорционально количеству учтенной информации, а по экстремальному закону, то есть эффективность моделирования растет лишь до определённого предела, после которого она падает. Иными словами, использование математики гарантирует точность, но не правильность получаемого решения. В исследованиях физических объектов, информационная сложность которых вследствие определяющих их причинно-следственных связей относительно невысока, уровень потерь и искажения информации будут значительно ниже, чем при исследовании социально-экономических объектов. Ограниченность математического языка лежит в основе теории о неполноте формальных систем К. Гёделя и принципа внешнего дополнения Ст. Бира (Beer Stafford ). Её уровень, естественно, во многом носит исторический, а не абсолютный характер. По мере развития математики возможности её будут расти. Однако в настоящее время многие российские и зарубежные математики, философы, экономисты, представители других научных направлений отмечают ограниченные возможности адекватного математического описания социально-экономических явлений.
Практически неограниченный диапазон применения математических методов создаёт впечатление их «всеядности», универсальности. И основным подтверждением этого чаще всего выступает взаимная аргументация этих двух характеристик, а не эффективность использования результатов моделирования на практике. Немаловажное влияние на это оказывает и то, что при описании методологических особенностей математических методов и моделей многие свойства, которыми они должны обладать, чтобы обеспечить адекватное решение, выдаются и, соответственно воспринимаются как свойства, имманентные описанным методам и моделям. Как любое специальное средство, конкретный метод накладывает свои ограничения на обрабатываемую информацию: выделяет одни аспекты, устраняет и искривляет другие, тем самым приводит к искажению описываемой с его помощью реальной ситуации в целом. Авторы ряда работ, количество которых не идет ни в какие сравнения с объёмом публикаций по разработкам теорий и методов математического моделирования, приводят различные аргументы, подтверждающие принципиальную ограниченность их использования для описания реальных процессов, происходящих в общественном производстве. В узких рамках методологии, разработанной оптимизационным подходом, невозможно совместить поиск наилучшего решения (или оптимального управления) с признанием принципиальной ограниченности отражения реальной моделью. Любая, даже самая тонкая и изощренная постановка, где указанное противоречие будет как бы разрешаться, на деле приводит к ещё более серьёзным и очевидным новым противоречиям. На это ещё «накладываются» ошибки разделения и объединения систем и подсистем при использовании методов программирования . Применение предметных концепций при выборе математического метода и модели в решении конкретной задачи приводит к тому, что, допустим, в технических науках с помощью одних и тех же формул проводится обоснование мощности осветительных устройств для квартиры и железнодорожной станции. Так же и формализация задачи оптимизации деятельности предприятия, а то и целой отрасли отличается от задачи об оптимальном раскрое заготовки в основном только количеством переменных и уравнений. Однако в этом случае следствием такого «раскроя» будет «механический» разрыв огромного количества связей, сложность и неопределённость которых ещё не всегда доступны достаточно точному описанию языком современной математики. Некорректность традиционного подхода к обоснованию структуры модели исследуемой ситуации можно показать, сравнивая задачи обоснования состава кормов и поголовья животных в хозяйстве. Если следовать традиционной методике, их можно отнести к одному классу и решать одним и тем же методом. В то же время если результат первой оказывает существенное влияние только на себестоимость продукции, то второй требует учёта социальных интересов, вопросов, связанных с охраной окружающей среды и т. д. Таким образом, во втором случае необходимо использовать метод, обладающий большим разнообразием возможностей описания, чем для первой, иначе нельзя будет построить адекватную математическую модель и получить управленческое решение, имеющее практическую ценность.
Задача, решение которой в конечном итоге обеспечивают методы оптимизации , будь то математическое программирование или регрессионный анализ , сводится к поиску, хотя и не тривиального (вследствие многообразия возможных вариантов), но в то же время и не принципиально нового результата, так как поиск происходит в диапазоне, границы которого определяются знаниями об исследуемом процессе. В случае постановки инженерных, оперативных или тактических задач для технических или простых социально-экономических объектов, позволяющих исследователю или менеджеру дать их полное формальное описание и обосновать диапазоны реальных альтернатив, достаточность и эффективность использования оптимизационных методов не вызывает сомнения. По мере роста сложности объектов исследований при решении стратегических проблем выбора направлений совершенствования технических и социально-экономических систем оптимизационные методы могут выполнять только вспомогательные функции.
Структура того или иного «типичного» вида моделей накладывает ещё более жёсткие ограничения на возможности представления необходимого уровня разнообразия в описании исследуемого объекта. Поэтому некоторые работы по математическому моделированию и рекомендуют начинать исследование с выбора вида модели, а потом уже проводить постановку задачи исследований таким образом, чтобы её легче было «вписать» в выбранную модель. Такой подход облегчает построение модели и эффективен, если целью исследований является именно построение математической модели, а не получение решения проблемы. Последующие аналогичные по своей природе искажения и потери информации вызываются ограничениями алгоритмов и программных языков, возможностями ЭВМ.
Структурно-функциональный анализ свидетельствует о том, что хотя все процедуры, связанные с построением математической модели и получением итоговых данных на ЭВМ, логически обоснованы, они не содержат никаких методологических свойств, гарантирующих адекватность этого результата и соответствующего управленческого решения реальной проблеме. Формирование критериев эффективности (оптимизации) при этом может проводиться независимо от объективных законов общественного развития, а основным критерием разработки математической модели становятся условия скорейшего построения алгоритма на основе применения «типового» алгоритма. Менеджер/исследователь может «подгонять» реальную проблему под структуру освоенного им математического метода или программного обеспечения ПЭВМ. Ориентация на обязательное построение математической модели в рамках одного метода приводит к исключению из исследования проблемы факторов, не поддающихся количественной оценке. Описание причинно-следственных связей, приводит к необоснованному применению принципов аддитивности . Результат при этом будет оптимальным только для того весьма упрощенного и искажённого образа реального объекта, который представляет собой математическая модель после нескольких «трансформаций», проведённых с помощью средств, уровень разнообразия и точность которых ещё значительно отстает от сложности социально-экономических проблем.
На третьем этапе исследования проблем после обоснования вида и структуры адекватность и, соответственно, эффективность управленческого решения, полученного с помощью математической модели, связаны с качеством исходной информации, на основании которой вычисляются, например, элементы матрицы условий задачи математического программирования или коэффициентов уравнения регрессии. Характер искажений здесь во многом зависит от метода моделирования. Для линейного программирования ошибки данного этапа уже мало связаны с исследуемым объектом и в основном возникают из-за невнимательности разработчика: неправильно взяты производительность или нормы расхода материала и т. д. Такого рода ошибки обычно обнаруживаются в работе с моделью и легко исправляются. Более сложная ситуация складывается при использовании регрессионного анализа, одинаково широко распространённого в естественных, технических и общественных науках.
Отличие этого метода по сравнению, допустим, с линейным программированием в том, что формирование коэффициентов регрессии определяется исходными данными, являющимися результатами процессов, происходящих в исследуемом объекте, рассматриваемом как «чёрный ящик», в котором механизм превращения «вход» в «выход» часто неизвестен. С увеличением количества исходной информации уровень её разнообразия приближается к тому, который имманентен реальному объекту. Таким образом можно повышать адекватность регрессионной модели, что нельзя достичь в линейном программировании. Это достоинство регрессионного анализа достаточно эффективно может быть использовано в естественных науках вследствие сравнительно малого количества факторов и возможности управления последними. В исследованиях социально-экономических явлений эффективность использования регрессионных моделей снижается, так как резко возрастает количество факторов, многие из которых неизвестны и/или неуправляемы. Все это требует не ограничиваться отдельной выборкой, а стремиться использовать данные в объёме, приближающемся к генеральной совокупности. В отличие от большинства процессов, изучаемых естественными и техническими науками, сложность тиражирования которых во многом определяется только затратами на эксперимент, проверить регрессионную модель социально-экономического объекта достаточно сложно вследствие уникальности протекающих в нём процессов, имеющих историческую природу.
В этой связи основным источником исходной информации в исследованиях социально-экономических объектов является наблюдение, «пассивный» эксперимент , исключающий повторность опытов и, соответственно, проверку адекватности регрессионной модели по статистическим критериям. Поэтому основные показатели адекватности, используемые при регрессионном анализе социально-экономических объектов, - коэффициент множественной корреляции и ошибка аппроксимации. Однако высокое значение первого и низкое второго показателя не позволяет однозначно судить о качестве регрессионной модели. Объясняется это тем, что с увеличением числа членов полинома модели, а внешне это число ограничивается только числом опытов (наблюдений), вследствие количественного роста её разнообразия, точность аппроксимации исходных данных уравнением регрессии растёт.
В. Леонтьев (Leotief Wassily ), комментируя низкую результативность использования статистических методов в экономике, объясняет это тем, «что для изучения сложных количественных взаимосвязей, присущих современной экономике, косвенный, даже методологически уточнённый, статистический анализ не подходит» . Фактором, также относящимся к интерпретации результатов и снижающим эффективность применения математических методов и соответственно управленческих решений, является и излишняя идеализация полученных таким образом количественных результатов. Точные вычисления не означают правильного решения, которое определяется исходными данными и методологией их обработки. Управляющие, которым предлагают решать задачи линейного программирования, должны знать о том, что наличие даже малейшего нелинейного элемента в задаче может поставить под сомнение и даже сделать опасным её решение методом линейного программирования. К сожалению, в большинство вводных курсов, знакомящих управляющих высшего уровня с основами технических наук и экономико-математическими методами, ничего не говорится о том, как эти науки соотносятся с практическими проблемами. Это объясняется тем, что преподаватель свято верит в универсальную применимость своей методики и плохо представляет границы её применения.
Таким образом, на всех трёх рассмотренных этапах «трансформации» производственной проблемы в математическую модель отсутствуют достаточно строгие, научно обоснованные критерии оценки качества, соответствия идеальных моделей реальному объекту. В то же время традиционная ориентация направлена только на преодоление вычислительных трудностей и большой размерности моделей и не учитывает ограничения математического аппарата.
Моделирование является наиболее практичной стороной прикладных исследований, однако этот прагматизм должен быть основан на гносеологическом и онтологическом подходе в методологии процедурных знаний при решении проблем индивидуального производства. Вместе с тем, применение моделей при принятии управленческих решений должно учитывать их конгруэнтность и, соответственно, адекватность их решений реальным процессам. Эти условия определяются природой описываемых моделями процессов. В экономической науке большинство дескриптивных моделей типа «цена-спрос» описывают институциональные процессы, связанные с поведением человека, и эти модели носят исключительно концептуальный характер и не могут служить для получения количественных прогнозных оценок. Уровень возможностей статистических моделей для интерполяционных оценок внутри описываемого диапазона определяется статистическими показателями надёжности , но для прогнозных оценок уровень экстраполяции при этом не должен превышать 20-30 % от первоначального диапазона данных. Надёжность регрессионных моделей, полученных по управляемым экспериментам с несколькими повторностями
Граница, разделяющая теоретико-прикладное и прикладное исследования, определяется в зависимости от основной цели, по преимуществу связанной с углублением научного знания о социальных процессах или же преимущественно направленной на непосредственное решение конкретных социальных проблем. В теоретико-прикладном исследовании социальный заказ часто имеет место как некая общественная потребность, «взывающая» к ее изучению и удовлетворению. В прикладном же имеется и конкретный заказчик, управленческий орган, непосредственно заинтересованный в помощи исследователей.
Направленное на анализ актуальных общественных проблем, теоретически ориентированное исследование не менее практично, чем прикладное. Его результатами являются обнаружение взаимосвязей и тенденций в развитии социальных процессов, оценка условий, способствующих или, напротив, препятствующих нормальному функционированию и развитию общества и его подсистем в соответствии с общественным интересом, программными целями социальной политики. Практическая составляющая такого исследования состоит в том, что углубленное понимание социальных закономерностей позволяет принимать более обоснованные управленческие решения в области социальной политики. «По сути дела, - отмечал А. Г. Харчев, - теоретический и прикладной аспекты социологии неразделимы. Чем богаче и глубже исследование, тем более действенно оно в практическом плане, чем больше и точнее оно ориентировано на практические потребности, тем шире открывающиеся перед ним познавательные возможности, ибо сам объект познания, его сущность, закономерности полнее всего проявляются в практическом действии» .
Практичность прикладного исследования - в его непосредственной устремленности на решение социальных проблем в их строго фиксированной пространственно-временной локализации, т. е. именно «здесь» и «сейчас». Прикладные исследования завершаются детальной проработкой управленческих решений и в
конечном счете - внедрением в практику социальных нововведений.
Отсюда вытекают их основные особенности.
(1) В прикладном исследовании, в отличие от теоретико-прикладного, четко определен объект и неявно - его предмет. Предмет изучения зависит здесь от общей социальной ситуации на данном объекте и тех особых проблем, с которыми сталкиваются принимающие решения. Они могут поставить перед исследователем четкую задачу, связанную с необходимостью разработки определенных проектов, но могут выдвинуть и общую проблему:
выявить возможные трудности, которые возникнут после реализации тех или иных нововведений, и т. д.
Обобщая опыт работы социологической службы Пермского телефонного завода и всей отрасли, ее руководитель В. И. Гер-чиков выделял два основных типа прикладных исследований:
(1) по разовым запросам руководства и (2) специализированные по проблемам, требующим последовательных и часто долгосрочных управленческих воздействий .
Короче говоря, в прикладном исследовании предметная область должна быть определена применительно к заданному социальному объекту, чтобы содействовать его нормальному функционированию и развитию.
(2) Время на проведение теоретико-прикладных исследований рассчитывается с учетом сложности и значимости изучаемых проблем. В прикладном же исследовании, какими бы ответственными и сложными ни были поставленные задачи, их решение должно быть найдено в сроки, устанавливаемые заказчиком, исходя из времени, отпущенного для принятия соответствующих решений.
Следовательно, для повышения надежности итоговых выводов прикладного исследования необходимо тщательно обдумать, насколько ресурс времени и отпущенных средств позволяет детализировать информацию и ее анализ. Всегда надо помнить,что меньший объем достоверной информации намного полезнее,чем . большой объем сомнительных сведений.
(3) Положение социолога в прикладном исследовании облегчается тем, что ему предстоит изучать типичные социальные проблемы и процессы, которые в другое время и в другом месте уже были предметом теоретико-прикладного или прикладных исследований. Поэтому целесообразно воспользоваться уже разработанными методиками или же их модификациями. В теоретико-прикладном исследовании, напротив, оригинальность программы диктует нестандартность методик сбора первичных данных и логики их
(4) Немаловажная особенность прикладного исследования состоит и в том, что, выполняя оплачиваемый заказ, социолог концентрирует внимание на практическом решении определенных проблем, так что глубина их теоретического осмысления в собственно социологических категориях отступает на второй план. Если имеются удовлетворительные объяснения, предложенные экономистами, юристами, психологами, специалистами-управленцами, другими компетентными лицами, все должно быть принято во внимание. Работающий же по программе теоретико-прикладного исследования, напротив, должен не только стремиться к обоснованности своих выводов, но и к строгости их социологической
интерпретации.
(5) Порядок действий, этапы работы определяются здесь в первую очередь логикой практического использования информации для управленческих решений, тогда как в теоретико-прикладном поиске это прежде всего логика осмысления социальных процессов, а затем уже практического приложения добытых знаний.
(6) Итоговый «продукт» теоретико-прикладного исследования - научная публикация, прикладного - рабочий документ, в котором содержится минимум сведений о состоянии объекта и найденных взаимосвязях, максимум - о способах реализации. предлагаемых решений, обоснованию которых должно быть уделено главное внимание.
Этапы развертывания прикладного исследования на предприятиях, в организации могут быть представлены следующим образом .
проблему и объект исследования, выделив их из более широкого круга проблем и концентрируя на той части основного объекта, где проблема воспринимается как особо острая. Например, это может быть вопрос об отстающих подразделениях предприятия, в отношении которых хотя бы в первом приближении надо выделить достаточно очевидные факторы, отличающие эти подразделения от большинства и тем более от успешных. Такой предварительный анализ целесообразно провести на основе уже имеющейся информации и путем активного привлечения экспертов-специалистов разного профиля и уровня управления. Как замечает В. И. Герчиков, экспертов надо спрашивать только о том, о чем нет объективной информации. В итоге данного этапа намечаются пути практического решения проблемы (или проблем).
Второй этап - разработка конкретной программы действий, которая может осуществляться параллельно несколькими путями:
(а) целенаправленным поиском передового опыта, (б) обобщением сведений, полученных на первом этапе и дополнительной экспертизой, теперь уже с помощью целевых интервью со специалистами, (в) путем коллективного обсуждения возможных мероприятий методами так называемой «мозговой атаки», «групп исследования операций», т. е. особым образом целенаправленного обсуждения. Разрабатываемая программа должна иметь четкий адрес, ясно указывать и способы действий, и ответственных за их реализацию, иными словами, она должна вылиться в определенную систему практических решений, взаимоувязанных по направленности и исполнителям, подкрепленных ресурсным обеспечением.
Когда проект действий в основном разработан, выделены направления работы и объекты предполагаемого внедрения, снова уточняется теоретическая концепция решения и продумываются возможные следствия его осуществления для разных подразделений. Теперь целесообразно провести выборочное обследование
для выяснения реакции работников на предлагаемые нововведения.
На третьем этапе осуществляется внедрение предлагаемых решений, сначала опытное, на отдельном объекте, затем «базовое», с учетом накопленного опыта (возможно, еще до окончания эксперимента на опытном объекте), и, наконец, «полное внедрение», если предшествующие операции были успешными и доказали свою эффективность.
Итак, логико-семантическая структура последовательности действий социолога в прикладном исследовании существенно отличается от соответствующей логики теоретически ориентированного поиска. Это исследования инновационного типа , в которых итоговая рекомендация есть не просто логический вывод из полученных данных, но результат определенным образом организованного процесса самого исследования.
Г. С. Батыгин предлагает следующую модель построения такого исследования . В ней обобщается сказанное выше в данном разделе (рис. 17).
Первый этап («дескриптивная модель») - описание ситуаций на данный момент, второй - прогноз, опирающийся, с одной стороны, на экстраполяцию существующих тенденций, т. е. развитие процессов без вмешательства в ход событий, а с другой - на нормативный прогноз. Последний предполагает обоснование желательного состояния с учетом реальных возможностей. Различные комбинации включения имеющихся ресурсов для реализации того или иного норматива (обычно предлагается несколько нормативов, от минимума до максимума) образуют третий этап раз" работки проекта рекомендаций - «дерево возможных решений», в которых могут рассчитываться вероятности приближения экспло-ративных прогнозов к нормативному состоянию.
На четвертом этапе (в схеме В. И. Герчикова - это вторая стадия работы) осуществляется сбор дополнительной информации, нужной для обоснования возможных решений, а на пятом - предлагаются конкретные варианты решений - «дерево решений», мероприятий, инноваций, затем осуществляется экспериментальный шестой этап, за которым на седьмом этапе следует прогноз возможных проблем, порождаемых нововведениями. Завершающий восьмой этап - собственно внедрение, которому предшествует разработка нормативных документов (регламентации, обязаннос-,.,ти различных служб и подразделений).
,"" Возврат от сбора дополнительной информации к «дереву» решений необходим для того, чтобы уточнить варианты решений, /а движение от эксперимента к стадии принятия решений - путь их коррекции на основе практического опыта. Седьмой этап предполагает прогноз ситуации после осуществления нововведений, что может привести к поправкам в процедуре внедрения.
Особое внимание в прикладном исследовании должно быть уделено обоснованию оценки эффекта предлагаемых решений. Это самая трудная, но совершенно необходимая фаза работы социолога. Часто социальный эффект пытаются выразить исключительно в экономических категориях, показателях экономии материальных и человеческих ресурсов. Такие расчеты, хотя они ц необходимы, всегда являются грубоприблизительными и малодостоверными. Другая крайность - стремление свести социальный эффект к перечню мероприятий, результативность которых принимается за очевидное. Между тем их «очевидность» бывает обманчивой.
Профессиональный уровень социолога лучше всего и проверяется в том, как он сумеет выделить качественные критерии социального эффекта в прямом соответствии с природой изучаемых процессов. Будет ли эффект оцениваться по показателям сугубо организационным (введение новых форм работы, обслуживания, самоуправления), или же будет предложено учесть качественную результативность социальных нововведений - ключевой вопрос. Лучший способ качественной проверки социального эффекта нововведений - контрольное обследование с использованием точно таких же приемов и методов, которые были разработаны для получения информации в основном исследовании: экспертные оценки, опросы, наблюдения, анализ документов и соответствующей статистики.
Для контрольных обследований, каковые следует планировать в числе мероприятий, рекомендуемых для принятия решений, лучше использовать малые, но непременно квотные выборки. Квоты надлежит тщательно обосновать по объективным характеристикам, обнаружившим в основном исследовании сильные связи с рассматриваемыми процессами. Сдвиги в социальных показателях, признанных существенными индикаторами данных процессов, должны перекрывать ошибку измерения исходной информации, как это делается при оценке социального сдвига в повторном и сравнительном исследованиях.
При опросах особенно внимательно надо подходить к оценке сдвигов в показателях субъективных оценок удовлетворенности условиями и содержанием деятельности. Показатели общей удовлетворенности, и тем более суммарные, на разные группы обследуемых крайне неинформативны, так как с изменением условий изменяются потребности и запросы людей, т. е. субъективный критерий оценки «социальной нормы». Поэтому, как правило, распределения оценок общей удовлетворенности условиями труда, условиями и образом жизни стремятся к нормальному распределению. Главное внимание должно быть обращено на изучение структурных составляющих общей оценки удовлетворенности. Именно здесь в случае эффективности проведенных мероприятий должны фиксироваться значимые сдвиги. Социальный эффект обнаруживается в перемещении проблем из одной зоны в другие,
но не в том, что исчезают все проблемы и наступает всеобщее довольство.
Показатели социального развития по их целевому назначению можно подразделить на показатели-дескрипторы, описывающие социальные процессы, и прескрипторы, устанавливающие определенные нормативы развития и выступающие в качестве ориентиров успешности внедрения организационных и иных нововведений. Последние" являются также.оценочными и опираются
на тем или иным способом обоснованные нормативы .
Понятно, что?1ри разработке социальных нормативов соцйи* лог призван тщательно проанализировать тенденции изучаемых процессов и определить вероятность достижения желательного их состояния с учетом объективных возможностей, экономических и социальных ресурсов, причем цели социального развития должны быть выражены количественно.
Нормативные ориентиры строятся по-разному. Простейший способ (и не самый лучший) - ориентация на логический «экстремум» показателя, т. е. на достижение предельного эффекта, например, стопроцентного вовлечения населения в определенную деятельность или сведение к нулю нежелательных явлений. Следует, однако, иметь в виду, что «социальная норма» не может быть установлена раз и навсегда, она определяется как относительное состояние социальной организации. Ее качественные границы - стабильное функционирование общности, организации, социального института, обеспечивающее их развитие. Социальные девиации как таковые неустранимы уже в силу того, что без девиаций нет и нормы. Так, определенный уровень правонарушений, конфликтности, в каком-то смысле функционален, необходим для поддержания нормы. Аналогично и с уклонениями от нормы в сторону инноваций. Радикальные инновации способны вызвать неуправляемую дестабилизацию социальной системы.
Поэтому главный способ определения социальных нормативов состоит в обосновании желательного уровня (состояния) различных процессов, социальных эффектов, форм организации и т. д., которые соотносимы с реальными возможностями их достижения при доступных ресурсах и которые обеспечивают эффективную управляемость (социальный контроль) социальных изменений, развития.
Прикладные исследования - научные исследования , направленные на практическое решение технических и социальных проблем.
Наука - это сфера человеческой деятельности, функцией которой является выработка и теоретическая систематизация объективных знаний о действительности. Непосредственные цели науки - описание, объяснение и предсказание процессов и явлений действительности, составляющих предмет её изучения на основе открываемых ею законов , то есть в широком смысле - теоретическое отражение действительности.
По своей направленности, по отношению к практике отдельные науки принято подразделять на фундаментальные науки (fundamental science ) и прикладные науки (applied science ). Задачей фундаментальных наук является познание законов, управляющих поведением и взаимодействием базисных структур природы, общества и мышления. Эти законы и структуры изучаются в «чистом виде», как таковые, безотносительно к их возможному использованию. Непосредственная цель прикладных наук - применение фундаментальных наук для решения не только познавательных, но и социально-практических проблем .
Деление исследований на фундаментальные и прикладные достаточно условно, так как отдельные результаты фундаментальных исследований могут иметь непосредственную практическую ценность, а в результате прикладных исследований могут быть получены научные открытия .
Энциклопедичный YouTube
1 / 2
✪ Объект и предмет в социологическом исследовании - Виктор Вахштайн
✪ Выжить в кризис. Фурсов А.И. (22.12.2018)
Субтитры
Научное обеспечение хозяйственной деятельности
Научные исследования становятся обязательным процессом принятия управленческого решения. Объём и сложность такой работы определяются конкретной проблемой, но она всегда имеет когнитивную структуру, а результат основывается на применении научных методов .
Ещё более сложным оказывается вопрос объективного описания второй составляющей проблемы - желательной ситуации и, соответственно, следующих из неё определений цели и гипотезы исследований. Все это зависит от объективности описания существующей ситуации и лица, принимающего решение выявить цели систем, в которые входит исследуемый объект. Здесь методические ошибки могут привести к тому, что попытка решения одной проблемы приведет к появлению новых. Многие новые проблемы - уплотнение почвы тяжёлой техникой, инерционность управленческого аппарата, вследствие увеличения численности сотрудников и связей, утилизация стоков животноводческих комплексов и др. - возникали в результате деятельности человека, направленной на решение других проблем.
Анализ первого этапа научной постановки управленческого решения показывает, что если в естественных и технических науках основным источником субъективных искажений и, соответственно, снижения эффективности этого этапа является полнота описания реального факта, достигаемая в основном только за счёт используемых приборов, то в случае исследования производственных проблем добавляются вопросы адекватного восприятия объекта учеными или/и менеджерами, зависящие от применяемой ими методологии. На первом этапе исследования проблем высока вероятность формулировки ложных проблем - «проблемоидов» и псевдозадач, решение которых не будет представлять какой-либо практической ценности, а внедрение может привести к нежелательным последствиям. В этом случае эффективность управленческого решения будет нулевой или даже отрицательной.
Второй этап исследования производственной проблемы - разработка математической модели.
Объективность при этом должна обеспечиваться использованием научных принципов оценки ситуаций, а также методов и моделей принятия решений. Моделирование, особенно с использованием компьютеров, является основным теоретическим инструментом системных исследований прикладной ориентации в управлении сложными системами. Содержательная часть процесса моделирования (выбор показателей, факторов, зависимостей) включается в экономическую теорию, а техническая (под которой в 9 случаях из 10 понимается построение тех или иных статистических моделей) - в эконометрику . Таким образом, экономико-математическое моделирование оказывается, с одной стороны, разорванным, с другой - усечённым. И вопросы взаимосвязи всех этапов моделирования, корректности интерпретации результатов моделирования и, следовательно, ценности рекомендаций на основе моделей оказываются как бы висящими в воздухе.
Однозначность математического языка является одновременно и «плюсом», и «минусом». Достоинство в том, что она не допускает ошибок, но это же свойство ограничивает возможность достаточно полного описания объекта. С повышением информации в модели эвристическая функция моделирования растет не прямо пропорционально количеству учтенной информации, а по экстремальному закону, то есть эффективность моделирования растет лишь до определённого предела, после которого она падает. Иными словами, использование математики гарантирует точность, но не правильность получаемого решения. В исследованиях физических объектов, информационная сложность которых вследствие определяющих их причинно-следственных связей относительно невысока, уровень потерь и искажения информации будут значительно ниже, чем при исследовании социально-экономических объектов. Ограниченность математического языка лежит в основе теории о неполноте формальных систем К. Гёделя и принципа внешнего дополнения Ст. Бира (Beer Stafford ). Её уровень, естественно, во многом носит исторический, а не абсолютный характер. По мере развития математики возможности её будут расти. Однако в настоящее время многие российские и зарубежные математики, философы, экономисты, представители других научных направлений отмечают ограниченные возможности адекватного математического описания социально-экономических явлений.
Практически неограниченный диапазон применения математических методов создаёт впечатление их «всеядности», универсальности. И основным подтверждением этого чаще всего выступает взаимная аргументация этих двух характеристик, а не эффективность использования результатов моделирования на практике. Немаловажное влияние на это оказывает и то, что при описании методологических особенностей математических методов и моделей многие свойства, которыми они должны обладать, чтобы обеспечить адекватное решение, выдаются и, соответственно воспринимаются как свойства, имманентные описанным методам и моделям. Как любое специальное средство, конкретный метод накладывает свои ограничения на обрабатываемую информацию: выделяет одни аспекты, устраняет и искривляет другие, тем самым приводит к искажению описываемой с его помощью реальной ситуации в целом. Авторы ряда работ, количество которых не идет ни в какие сравнения с объёмом публикаций по разработкам теорий и методов математического моделирования, приводят различные аргументы, подтверждающие принципиальную ограниченность их использования для описания реальных процессов, происходящих в общественном производстве. В узких рамках методологии, разработанной оптимизационным подходом, невозможно совместить поиск наилучшего решения (или оптимального управления) с признанием принципиальной ограниченности отражения реальной моделью. Любая, даже самая тонкая и изощренная постановка, где указанное противоречие будет как бы разрешаться, на деле приводит к ещё более серьёзным и очевидным новым противоречиям. На это ещё «накладываются» ошибки разделения и объединения систем и подсистем при использовании методов программирования . Применение предметных концепций при выборе математического метода и модели в решении конкретной задачи приводит к тому, что, допустим, в технических науках с помощью одних и тех же формул проводится обоснование мощности осветительных устройств для квартиры и железнодорожной станции. Так же и формализация задачи оптимизации деятельности предприятия, а то и целой отрасли отличается от задачи об оптимальном раскрое заготовки в основном только количеством переменных и уравнений. Однако в этом случае следствием такого «раскроя» будет «механический» разрыв огромного количества связей, сложность и неопределённость которых ещё не всегда доступны достаточно точному описанию языком современной математики. Некорректность традиционного подхода к обоснованию структуры модели исследуемой ситуации можно показать, сравнивая задачи обоснования состава кормов и поголовья животных в хозяйстве. Если следовать традиционной методике, их можно отнести к одному классу и решать одним и тем же методом. В то же время если результат первой оказывает существенное влияние только на себестоимость продукции, то второй требует учёта социальных интересов, вопросов, связанных с охраной окружающей среды и т. д. Таким образом, во втором случае необходимо использовать метод, обладающий большим разнообразием возможностей описания, чем для первой, иначе нельзя будет построить адекватную математическую модель и получить управленческое решение, имеющее практическую ценность.
Задача, решение которой в конечном итоге обеспечивают методы оптимизации , будь то математическое программирование или регрессионный анализ , сводится к поиску, хотя и не тривиального (вследствие многообразия возможных вариантов), но в то же время и не принципиально нового результата, так как поиск происходит в диапазоне, границы которого определяются знаниями об исследуемом процессе. В случае постановки инженерных, оперативных или тактических задач для технических или простых социально-экономических объектов, позволяющих исследователю или менеджеру дать их полное формальное описание и обосновать диапазоны реальных альтернатив, достаточность и эффективность использования оптимизационных методов не вызывает сомнения. По мере роста сложности объектов исследований при решении стратегических проблем выбора направлений совершенствования технических и социально-экономических систем оптимизационные методы могут выполнять только вспомогательные функции.
Структура того или иного «типичного» вида моделей накладывает ещё более жёсткие ограничения на возможности представления необходимого уровня разнообразия в описании исследуемого объекта. Поэтому некоторые работы по математическому моделированию и рекомендуют начинать исследование с выбора вида модели, а потом уже проводить постановку задачи исследований таким образом, чтобы её легче было «вписать» в выбранную модель. Такой подход облегчает построение модели и эффективен, если целью исследований является именно построение математической модели, а не получение решения проблемы. Последующие аналогичные по своей природе искажения и потери информации вызываются ограничениями алгоритмов и программных языков, возможностями ЭВМ.
Структурно-функциональный анализ свидетельствует о том, что хотя все процедуры, связанные с построением математической модели и получением итоговых данных на ЭВМ, логически обоснованы, они не содержат никаких методологических свойств, гарантирующих адекватность этого результата и соответствующего управленческого решения реальной проблеме. Формирование критериев эффективности (оптимизации) при этом может проводиться независимо от объективных законов общественного развития, а основным критерием разработки математической модели становятся условия скорейшего построения алгоритма на основе применения «типового» алгоритма. Менеджер/исследователь может «подгонять» реальную проблему под структуру освоенного им математического метода или программного обеспечения ПЭВМ. Ориентация на обязательное построение математической модели в рамках одного метода приводит к исключению из исследования проблемы факторов, не поддающихся количественной оценке. Описание причинно-следственных связей, приводит к необоснованному применению принципов аддитивности . Результат при этом будет оптимальным только для того весьма упрощенного и искажённого образа реального объекта, который представляет собой математическая модель после нескольких «трансформаций», проведённых с помощью средств, уровень разнообразия и точность которых ещё значительно отстает от сложности социально-экономических проблем.
На третьем этапе исследования проблем после обоснования вида и структуры адекватность и, соответственно, эффективность управленческого решения, полученного с помощью математической модели, связаны с качеством исходной информации, на основании которой вычисляются, например, элементы матрицы условий задачи математического программирования или коэффициентов уравнения регрессии. Характер искажений здесь во многом зависит от метода моделирования. Для линейного программирования ошибки данного этапа уже мало связаны с исследуемым объектом и в основном возникают из-за невнимательности разработчика: неправильно взяты производительность или нормы расхода материала и т. д. Такого рода ошибки обычно обнаруживаются в работе с моделью и легко исправляются. Более сложная ситуация складывается при использовании регрессионного анализа, одинаково широко распространённого в естественных, технических и общественных науках.
Отличие этого метода по сравнению, допустим, с линейным программированием в том, что формирование коэффициентов регрессии определяется исходными данными, являющимися результатами процессов, происходящих в исследуемом объекте, рассматриваемом как «чёрный ящик», в котором механизм превращения «вход» в «выход» часто неизвестен. С увеличением количества исходной информации уровень её разнообразия приближается к тому, который имманентен реальному объекту. Таким образом можно повышать адекватность регрессионной модели, что нельзя достичь в линейном программировании. Это достоинство регрессионного анализа достаточно эффективно может быть использовано в естественных науках вследствие сравнительно малого количества факторов и возможности управления последними. В исследованиях социально-экономических явлений эффективность использования регрессионных моделей снижается, так как резко возрастает количество факторов, многие из которых неизвестны и/или неуправляемы. Все это требует не ограничиваться отдельной выборкой, а стремиться использовать данные в объёме, приближающемся к генеральной совокупности. В отличие от большинства процессов, изучаемых естественными и техническими науками, сложность тиражирования которых во многом определяется только затратами на эксперимент, проверить регрессионную модель социально-экономического объекта достаточно сложно вследствие уникальности протекающих в нём процессов, имеющих историческую природу.
В этой связи основным источником исходной информации в исследованиях социально-экономических объектов является наблюдение, «пассивный» эксперимент , исключающий повторность опытов и, соответственно, проверку адекватности регрессионной модели по статистическим критериям. Поэтому основные показатели адекватности, используемые при регрессионном анализе социально-экономических объектов, - коэффициент множественной корреляции и ошибка аппроксимации. Однако высокое значение первого и низкое второго показателя не позволяет однозначно судить о качестве регрессионной модели. Объясняется это тем, что с увеличением числа членов полинома модели, а внешне это число ограничивается только числом опытов (наблюдений), вследствие количественного роста её разнообразия, точность аппроксимации исходных данных уравнением регрессии растёт.
В. Леонтьев (Leotief Wassily ), комментируя низкую результативность использования статистических методов в экономике, объясняет это тем, «что для изучения сложных количественных взаимосвязей, присущих современной экономике, косвенный, даже методологически уточнённый, статистический анализ не подходит» . Фактором, также относящимся к интерпретации результатов и снижающим эффективность применения математических методов и соответственно управленческих решений, является и излишняя идеализация полученных таким образом количественных результатов. Точные вычисления не означают правильного решения, которое определяется исходными данными и методологией их обработки. Управляющие, которым предлагают решать задачи линейного программирования, должны знать о том, что наличие даже малейшего нелинейного элемента в задаче может поставить под сомнение и даже сделать опасным её решение методом линейного программирования. К сожалению, в большинство вводных курсов, знакомящих управляющих высшего уровня с основами технических наук и экономико-математическими методами, ничего не говорится о том, как эти науки соотносятся с практическими проблемами. Это объясняется тем, что преподаватель свято верит в универсальную применимость своей методики и плохо представляет границы её применения.
Таким образом, на всех трёх рассмотренных этапах «трансформации» производственной проблемы в математическую модель отсутствуют достаточно строгие, научно обоснованные критерии оценки качества, соответствия идеальных моделей реальному объекту. В то же время традиционная ориентация направлена только на преодоление вычислительных трудностей и большой размерности моделей и не учитывает ограничения математического аппарата.
Моделирование является наиболее практичной стороной прикладных исследований, однако этот прагматизм должен быть основан на гносеологическом и онтологическом подходе в методологии процедурных знаний при решении проблем индивидуального производства. Вместе с тем, применение моделей при принятии управленческих решений должно учитывать их конгруэнтность и, соответственно, адекватность их решений реальным процессам. Эти условия определяются природой описываемых моделями процессов. В экономической науке большинство дескриптивных моделей типа «цена-спрос» описывают институциональные процессы, связанные с поведением человека, и эти модели носят исключительно концептуальный характер и не могут служить для получения количественных прогнозных оценок. Уровень возможностей статистических моделей для интерполяционных оценок внутри описываемого диапазона определяется статистическими показателями надёжности , но для прогнозных оценок уровень экстраполяции при этом не должен превышать 20-30 % от первоначального диапазона данных. Надёжность регрессионных моделей, полученных по управляемым экспериментам с несколькими повторностями [неизвестный термин ] , значительно возрастает. Нормативные модели, связанные с оптимизацией расхода ресурсов, условиями безубыточности, законом убывающей доходности (Law of Diminishing Returns) можно считать абсолютными, и надёжность полученных по ним оценок зависит только от ошибок в исходных данных.