Področja raziskav, ki so osnova najrazličnejših znanstvenih disciplin, ki vplivajo na vse določujoče pogoje in vzorce ter obvladujejo čisto vse procese, so temeljne raziskave.
Dve vrsti raziskav
Vsako področje spoznavanja, ki zahteva teoretične in eksperimentalne znanstvene raziskave, iskanje vzorcev, odgovornih za strukturo, obliko, zgradbo, sestavo, lastnosti, pa tudi potek procesov, povezanih z njimi, je temeljna znanost. To velja za osnovna načela večine naravoslovnih in humanističnih ved. Temeljne raziskave služijo širitvi konceptualnega in teoretičnega razumevanja predmeta študija.
Vendar obstaja še ena vrsta znanja o predmetu. To je uporabna raziskava, ki je namenjena reševanju družbenih in tehničnih problemov na praktičen način. Znanost dopolnjuje človeško objektivno znanje o realnosti z razvojem svoje teoretične sistematizacije. Njegov cilj je pojasniti, opisati in predvideti določene procese ali pojave, pri čemer odkriva zakonitosti in nanje reflektira realnost. Vendar pa obstajajo znanosti, ki so namenjene praktični uporabi tistih postulatov, ki jih zagotavljajo temeljne raziskave.
Podrazdelitev
Ta delitev na uporabne in temeljne raziskave je precej poljubna, saj imajo slednje zelo pogosto visoko uporabno vrednost, na podlagi prvih pa se pogosto pride tudi do znanstvenih odkritij. Ko preučujejo osnovne vzorce in sklepajo o splošnih načelih, imajo znanstveniki skoraj vedno v mislih nadaljnjo uporabo svojih odkritij neposredno v praksi in ni zelo pomembno, kdaj se to zgodi: stopite čokolado takoj z uporabo mikrovalovnega sevanja, kot Percy Spencer, ali počakajte skoraj petsto let od leta 1665 do poletov na sosednje planete, kot Giovanni Cassini z odkritjem Velike rdeče pege na Jupitru.
Meja med temeljnimi in uporabnimi raziskavami je skoraj navidezna. Vsaka nova znanost se najprej razvije kot temeljna, nato pa preide v praktične rešitve. Na primer v kvantni mehaniki, ki je nastala kot nekakšna skoraj abstraktna veja fizike, sprva nihče ni videl nič uporabnega, manj kot desetletje pozneje pa se je vse spremenilo. Poleg tega nihče ni pričakoval, da bo jedrska fizika tako hitro in tako široko uporabljena v praksi. Aplikativne in temeljne raziskave so med seboj tesno povezane, slednje so osnova (temelj) prvim.
RFBR
Domača znanost deluje v dobro organiziranem sistemu, Ruska fundacija za temeljne raziskave pa zavzema eno najpomembnejših mest v njeni strukturi. RFBR pokriva vse vidike skupnosti, ki pomaga ohranjati najbolj aktiven znanstveni in tehnični potencial države in znanstvenikom zagotavlja finančno podporo.
Posebej je treba opozoriti, da Ruska fundacija za temeljne raziskave uporablja konkurenčne mehanizme za financiranje domačih znanstvenih raziskav, vse delo pa ocenjujejo pravi strokovnjaki, torej najuglednejši člani znanstvene skupnosti. Glavna naloga RFBR je natečaj za izbor najboljših znanstvenih projektov, ki jih znanstveniki predložijo na lastno pobudo. Sledi organizacijska in finančna podpora za zmagovalne projekte.
Področja podpore
Fundacija za temeljne raziskave nudi podporo znanstvenikom na številnih področjih znanja.
1. Računalništvo, mehanika, matematika.
2. Astronomija in fizika.
3. Znanost o materialih in kemija.
4. Medicinska znanost in biologija.
5. Geoznanosti.
6. in družbe.
7. Računalniški sistemi in informacijske tehnologije.
8. Osnove inženirskih ved.
Prav podpora Fundacije poganja domače temeljne in aplikativne raziskave in razvoj, zato se teorija in praksa dopolnjujeta. Samo v njuni interakciji obstaja splošno znanstveno spoznanje.
Nove smeri
Fundamentalne in uporabne znanstvene raziskave ne spreminjajo le osnovnih modelov spoznavanja in stilov znanstvenega mišljenja, ampak tudi celotno znanstveno sliko sveta. To se dogaja vse pogosteje, »krivci« za to pa so še včeraj nikomur neznana nova področja temeljnih raziskav, ki stoletje za stoletjem vedno bolj najdejo svojo aplikacijo v razvoju uporabnih znanosti. Če pozorno pogledate, lahko vidite resnično revolucionarne preobrazbe.
Zanje je značilen razvoj vedno večjega števila novih smeri v aplikativnem raziskovanju in novih tehnologijah, ki jih povzročajo temeljne raziskave, ki se hitro pospešujejo. In vse hitreje se prenašajo v resnično življenje. Dyson je zapisal, da je prej trajalo 50-100 let, da smo prišli od temeljnega odkritja do obsežnih tehnoloških aplikacij. Zdaj se zdi, da je čas stisnjen: od temeljnega odkritja do implementacije v proizvodnjo se proces odvija dobesedno pred našimi očmi. In vse zato, ker so se same temeljne raziskovalne metode spremenile.
Vloga Ruske fundacije za temeljne raziskave
Najprej se projekti izberejo na konkurenčni osnovi, nato se razvije in odobri postopek za obravnavo vseh del, prispelih na natečaj, in opravi se pregled raziskav, predlaganih za natečaj. V nadaljevanju se izbrane aktivnosti in projekti financirajo z naknadnim spremljanjem porabe dodeljenih sredstev.
Vzpostavlja in podpira se mednarodno sodelovanje na področju znanstvenih temeljnih raziskav, ki vključuje tudi financiranje skupnih projektov. Informativna gradiva o tej dejavnosti se pripravljajo in izdajajo ter se široko distribuirajo. Fundacija aktivno sodeluje pri oblikovanju javne politike na znanstvenem in tehničnem področju, ki še dodatno skrajša pot od temeljnih raziskav do nastanka tehnologije.
Namen temeljnih raziskav
Razvoj znanosti vedno zagotavljajo družbene spremembe v javnem življenju. Tehnologija je glavni cilj vsake temeljne raziskave, saj je tista, ki pomika civilizacijo, znanost in umetnost naprej. Brez znanstvenih raziskav - brez aplikativne uporabe, torej brez tehnoloških preobrazb.
Naprej po verigi: razvoj industrije, razvoj proizvodnje, razvoj družbe. Fundamentalno raziskovanje vsebuje celotno strukturo kognicije, ki razvija osnovne modele bivanja. V klasični fiziki so začetni osnovni model najpreprostejše ideje o atomih kot strukturi snovi in zakoni o mehaniki materialne točke. Od tu je začela svoj razvoj fizika, ki je porajala vedno več novih osnovnih modelov in vedno bolj kompleksnih.
Združitev in delitev
V razmerju med aplikativnimi in temeljnimi raziskavami je najpomembnejši splošni proces, ki poganja razvoj znanja. Znanost napreduje na vedno širši fronti in vsak dan zapleta svojo že tako kompleksno strukturo, podobno živi, visoko organizirani entiteti. Kakšna je tukaj podobnost? Vsak organizem ima veliko sistemov in podsistemov. Nekateri vzdržujejo telo v aktivnem, aktivnem, živem stanju – in to je njihova edina funkcija. Drugi so usmerjeni v interakcijo z zunanjim svetom, tako rekoč v metabolizem. V znanosti se dogaja popolnoma isto.
Obstajajo podsistemi, ki podpirajo samo znanost v aktivnem stanju, in obstajajo drugi - osredotočajo se na zunanje znanstvene manifestacije, kot da bi jih vključili v tuje dejavnosti. Temeljne raziskave so usmerjene v interese in potrebe znanosti, v podporo njenim funkcijam, kar se doseže z razvojem metod spoznavanja in posploševanja idej, ki so osnova obstoja. To je tisto, kar je mišljeno s konceptom »čiste znanosti« ali »znanja zaradi znanja«. Uporabno raziskovanje je vedno usmerjeno navzven, asimilira teorijo s praktično človeško dejavnostjo, torej s proizvodnjo, in tako spreminja svet.
Povratne informacije
Nove temeljne znanosti se razvijajo tudi na podlagi aplikativnih raziskav, čeprav je ta proces poln teoretskih in spoznavnih težav. Običajno imajo temeljne raziskave veliko aplikacij in povsem nemogoče je predvideti, katera od njih bo naredila naslednji preboj v razvoju teoretičnega znanja. Primer je zanimiva situacija, ki se danes razvija v fiziki. Njena vodilna temeljna teorija na področju mikroprocesov je kvantna.
Radikalno je spremenila celoten način razmišljanja v fizikalnih znanostih dvajsetega stoletja. Ima ogromno različnih aplikacij, od katerih vsaka skuša »v žep pospraviti« celotno zapuščino te veje teoretične fizike. In mnogim je na tej poti že uspelo. Aplikacije kvantne teorije ena za drugo ustvarjajo neodvisna področja temeljnih raziskav: fiziko trdne snovi, osnovne delce, pa tudi fiziko z astronomijo, fiziko z biologijo in še veliko več. Kako ne sklepati, da je kvantna mehanika korenito spremenila fizikalno mišljenje.
Razvoj smeri
Zgodovina znanosti je izjemno bogata z razvojem na temeljnih raziskovalnih področjih. Sem spada klasična mehanika, ki razkriva osnovne lastnosti in vzorce gibanja makroteles, ter termodinamika s svojimi začetnimi zakonitostmi toplotnih procesov in elektrodinamika z elektromagnetnimi procesi. O kvantni mehaniki je bilo že povedanega nekaj besed, koliko pa bi bilo treba povedati o genetiki! In to še zdaleč ni konec dolgega niza novih področij temeljnih raziskav.
Najbolj zanimivo pa je, da je skoraj vsaka nova povzročila močan vzpon različnih uporabnih raziskav, pokrita pa so bila skoraj vsa področja znanja. Takoj ko je na primer ista klasična mehanika dobila svoje temelje, se je začela intenzivno uporabljati pri preučevanju najrazličnejših sistemov in objektov. Tu je nastala mehanika zveznih medijev, mehanika trdnih snovi, mehanika tekočin in številna druga področja. Ali pa ubrati novo smer - organizme, ki jo razvija posebna akademija temeljnih raziskav.
Konvergenca
Analitiki pravijo, da so se akademske in industrijske raziskave v zadnjih desetletjih bistveno zbližale, zato se je povečal delež temeljnih raziskav na zasebnih univerzah in v poslovnih strukturah. Tehnološki red znanja se združuje z akademskim, saj je slednji povezan z ustvarjanjem in obdelavo, teorijo in produkcijo znanja, brez česar ni mogoče ne iskanje, ne urejanje, ne uporaba obstoječega znanja v aplikativne namene.
Vsaka veda s svojimi temeljnimi raziskavami najbolj vpliva na svetovni nazor sodobne družbe in spreminja celo osnovne koncepte filozofskega mišljenja. Znanost danes mora imeti smernice za prihodnost, čim bolj oddaljeno. Napovedi seveda ne morejo biti toge, vendar je treba razviti scenarije razvoja. Eden od njih bo zagotovo uresničen. Glavna stvar pri tem je izračunati možne posledice. Spomnimo se ustvarjalcev atomske bombe. Pri raziskovanju vsega najbolj neznanega, najkompleksnejšega, najzanimivejšega gre napredek neizogibno naprej. Pomembno je pravilno določiti cilj.
Tradicionalno obstajajo tri glavna področja znanstvenih raziskav: temeljne znanstvene raziskave, uporabne znanstvene raziskave ter raziskave in razvoj (R&R).
Kot smo že omenili, veljajo za temeljne znanosti, ki spoznavajo svet ne glede na možnost praktične uporabe pridobljenega znanja. Izraz fundamentalnost (iz latinskega fundamentum - osnova, opora) pomeni osredotočenost teh ved na preučevanje temeljnih, osnovnih zakonov narave. Rezultat delovanja temeljne znanosti je odkritje.
Uporabne znanstvene raziskave so raziskave, ki za reševanje praktičnih problemov uporabljajo znanje in vzorce, oblikovane v temeljnih znanostih. Rezultat aplikativnega raziskovanja je izum (razvoj, implementacija in uporaba) nove opreme in tehnologij. Naj opozorimo, da je delitev znanstvenih raziskav na temeljne in uporabne relativna, saj med njimi ni trdne meje. Na primer, vodilna svetovna industrijska podjetja na področju visoke tehnologije imajo raziskovalne laboratorije za preučevanje temeljnih problemov s financiranjem v višini več milijonov dolarjev, univerzitetna znanost pa prenaša aplikativni razvoj neposredno v podjetja za praktično uporabo.
Zgodovina razvoja znanosti in tehnologije kaže, da se aplikativne znanstvene raziskave razvijajo zaradi potrebe po reševanju proizvodnih in tehničnih problemov. Tako je izboljšanje parnega stroja vodilo v raziskave na področju termodinamike, kinetične teorije plinov, teorije zgorevanja itd. S pojavom elektromotorjev in generatorjev električnega toka se je začela razvijati teorija elektrotehnike. Takrat sta nastali povsem novi vedi - elektrodinamika ter teorija nihanj in valov, brez katerih radijske zveze in televizija ne bi bili mogoči. Poudariti je treba, da vse te aplikativne študije temeljijo na temeljnih delih fizike, ki so jih preučevali v okviru čiste znanosti, tj. brez praktične uporabe.
V naši pragmatični dobi, ko vsi razmišljajo o praktičnih koristih in koristih, se postavlja vprašanje o neuporabnosti finančnih izdatkov za temeljno znanost. Temu pravijo "znanost za znanost" in ljudje razmišljajo o tem, zakaj bi morali porabiti denar za bližnje in globoko vesolje, raziskovanje planetov ali zgraditi velik hadronski trkalnik, vreden več deset milijard dolarjev, za preučevanje skrivnosti izvora vesolja. Bolj racionalno bi bilo ta finančna sredstva uporabiti za boj proti revščini, lakoti, pomanjkanju zdravstvene oskrbe in drugim humanitarnim problemom. Dejansko so humanitarna vprašanja zdaj prednostne naloge na nadnacionalni ravni. Izvajanje temeljnih raziskav pa ni le pogoj za uspeh uporabne znanosti, ampak tudi glavni dejavnik za preživetje človeštva v globalni krizi. Prehod na bistveno nove vrste energije (v duhu globalnih, paranormalnih, inženirskih in tehnoloških rešitev slovanskega genija Nikole Tesle), iskanje zunajzemeljskih civilizacij, pa tudi rešitev "zemeljskih" problemov, povezanih s skrivnostjo nastanek življenja in človeka na Zemlji so možni le na podlagi temeljnih znanstvenih raziskav.
Poleg tega se uporabne znanstvene raziskave, ki za reševanje tehničnih problemov uporabljajo temeljna znanja o naravi, ne morejo uspešno razvijati ločeno od temeljnih znanosti. Torej, na začetku 20. st. oblikovana so bila osnovna načela kvantne mehanike in teorije relativnosti. Takrat so se te teorije zdele popolnoma špekulativne in popolnoma neuporabne. V okviru komunistične ideologije so bile te vede, skupaj z genetiko in kibernetiko, ki sta nastali pol stoletja kasneje, podvržene izobčevanju in preganjanju. Znanstveniki, ki so izvajali temeljne raziskave na teh področjih, niso bili le obtoženi sholastike in idealizma, ampak so bili tudi fizično uničeni (N. I. Vavilov). Vendar so po kratkem zgodovinskem obdobju izumili pospeševalnike delcev, za izdelavo katerih so uporabili principe relativnostne teorije, nato pa so se pojavili laserji, ki delujejo na principih kvantne mehanike. Razvoj človeškega genoma je temeljil na temeljnih načelih genetske teorije. In takih primerov je na stotine.
Uporabne raziskave- znanstveno raziskovanje, namenjeno praktičnim rešitvam tehničnih in družbenih problemov.
Znanost je področje človeške dejavnosti, katere funkcija je razvoj in teoretična sistematizacija objektivnega znanja o resničnosti. Neposredni cilji znanosti so opisovanje, razlaga in napovedovanje procesov in pojavov resničnosti, ki so predmet njenega preučevanja na podlagi zakonitosti, ki jih odkriva, to je v širšem smislu teoretična refleksija resničnosti.
V svoji usmerjenosti v odnosu do praksa posamezne vede običajno delimo na temeljne vede ( temeljna znanost) in uporabnih znanosti ( uporabna znanost). Naloga temeljnih znanosti je razumeti zakone, ki urejajo vedenje in interakcijo osnovnih struktur narave, družbe in mišljenja. Te zakone in strukture preučujemo v svoji »čisti obliki« kot take, ne glede na njihovo možno uporabo. Neposredni cilj uporabnih znanosti je uporaba temeljnih znanosti za reševanje ne le kognitivnih, ampak tudi družbenih in praktičnih problemov.
Delitev raziskav na temeljne in aplikativne je precej poljubna, saj imajo lahko posamezni rezultati temeljnih raziskav neposredno uporabno vrednost, kot rezultat aplikativnih raziskav pa je mogoče pridobiti znanstvena odkritja.
Znanstvena podpora gospodarskim dejavnostim
Znanstveno raziskovanje postaja obvezen proces sprejemanja upravljavskih odločitev. Obseg in zahtevnost takega dela določa konkreten problem, vendar ima vedno kognitivno strukturo, rezultat pa temelji na uporabi znanstvenih metod.
Še težje pa je vprašanje objektivnega opisa druge komponente problema - želene situacije in temu primerno opredelitev namena in raziskovalne hipoteze, ki iz nje sledi. Vse to je odvisno od objektivnosti opisa obstoječega stanja in osebe, ki se odloči za identifikacijo ciljev sistemov, ki vključujejo preučevani predmet. Tu lahko metodološke napake privedejo do dejstva, da bo poskus reševanja enega problema povzročil nastanek novih. Številni novi problemi - zbijanje tal s težko opremo, vztrajnost upravljavskega aparata zaradi povečanja števila zaposlenih in priključkov, odvajanje odpadne vode iz živinorejskih kompleksov itd. - so se pojavili kot posledica človekove dejavnosti, namenjene reševanju drugih problemov.
Analiza prve stopnje znanstvene formulacije upravljavske odločitve kaže, da če je v naravoslovnih in tehničnih znanostih glavni vir subjektivnih izkrivljanj in posledično zmanjšanja učinkovitosti te stopnje popolnost opisa dejanskega dejstva, , doseženo predvsem z uporabljenimi instrumenti, nato pa v primeru proučevanja proizvodnih problemov dodatna vprašanja ustreznega dojemanja objekta s strani znanstvenikov in/ali menedžerjev, odvisno od metodologije, ki jo uporabljajo. Na prvi stopnji raziskovanja problema obstaja velika verjetnost oblikovanja lažnih problemov - "problemoidov" in psevdo-nalog, katerih rešitev ne bo imela nobene praktične vrednosti, izvajanje pa lahko povzroči neželene posledice. V tem primeru bo učinkovitost upravljavske odločitve enaka nič ali celo negativna.
Druga stopnja raziskava proizvodnega problema - razvoj matematičnega modela.
Objektivnost mora biti zagotovljena z uporabo znanstvenih načel ocenjevanja situacij ter metod in modelov odločanja. Modeliranje, predvsem z uporabo računalnikov, je glavno teoretično orodje za sistemske raziskave z aplikativno usmeritvijo pri upravljanju kompleksnih sistemov. Vsebinski del procesa modeliranja (izbor indikatorjev, faktorjev, odvisnosti) je vključen v ekonomsko teorijo, tehnični del (ki v 9 od 10 primerov pomeni konstrukcijo določenih statističnih modelov) pa v ekonometrijo. Tako se ekonomsko in matematično modeliranje izkaže po eni strani zlomljeno, po drugi strani pa okrnjeno. In zdi se, da v zraku visijo vprašanja razmerja med vsemi fazami modeliranja, pravilnosti interpretacije rezultatov modeliranja in posledično vrednosti priporočil na podlagi modelov.
Nedvoumnost matematičnega jezika je hkrati plus in minus. Prednost je, da ne dopušča napak, vendar ta ista lastnost omejuje možnost dovolj popolnega opisa predmeta. Z večanjem informacij v modelu funkcija hevrističnega modeliranja ne raste premosorazmerno s količino upoštevanih informacij, temveč po ekstremni zakonitosti, torej učinkovitost modeliranja narašča le do določene meje, po kateri se pade. Z drugimi besedami, uporaba matematike zagotavlja točnost, ne pa tudi pravilnosti dobljene rešitve. Pri študijah fizičnih objektov, katerih informacijska kompleksnost je zaradi vzročno-posledičnih odnosov, ki jih določajo, relativno nizka, bo stopnja izgub in izkrivljanja informacij bistveno nižja kot pri študiju družbeno-ekonomskih objektov. . Omejitve matematičnega jezika so osnova teorije nepopolnosti formalnih sistemov K. Gödela in načela zunanjega dodajanja Art. Bira ( Pivo Stafford). Njena raven je seveda v veliki meri zgodovinska in ne absolutna. Z razvojem matematike se bodo njene zmožnosti povečale. Vendar pa trenutno številni ruski in tuji matematiki, filozofi, ekonomisti in predstavniki drugih znanstvenih področij ugotavljajo omejene možnosti ustreznega matematičnega opisa družbeno-ekonomskih pojavov.
Skoraj neomejen obseg uporabe matematičnih metod ustvarja vtis njihove "vsejedosti" in univerzalnosti. In glavna potrditev tega je najpogosteje medsebojna argumentacija teh dveh značilnosti, ne pa učinkovitost uporabe rezultatov modeliranja v praksi. Pomemben vpliv na to ima tudi dejstvo, da so pri opisu metodoloških značilnosti matematičnih metod in modelov podane številne lastnosti, ki jih morajo imeti, da lahko zagotovijo ustrezno rešitev, in se v skladu s tem dojemajo kot lastnosti, ki so lastne metodi in modelom. opisane metode in modeli. Kot vsako posebno orodje tudi posebna metoda nalaga svoje omejitve informacijam, ki se obdelujejo: nekatere vidike poudarja, druge izloča in izkrivlja, kar vodi do izkrivljanja dejanskega stanja, opisanega z njeno pomočjo kot celote. Avtorji številnih del, katerih število ni primerljivo z obsegom publikacij o razvoju teorij in metod matematičnega modeliranja, navajajo različne argumente, ki potrjujejo temeljne omejitve njihove uporabe za opis resničnih procesov, ki se pojavljajo v družbeni proizvodnji. Znotraj ozkega okvira metodologije, ki jo je razvil optimizacijski pristop, ni mogoče združiti iskanja najboljše rešitve (ali optimalnega nadzora) s prepoznavanjem temeljnih omejitev refleksije z realnim modelom. Vsaka, še tako subtilna in sofisticirana produkcija, kjer se bo nakazano protislovje razrešilo, namreč vodi v še resnejša in očitnejša nova protislovja. Temu se »nadlagajo« tudi napake pri ločevanju in združevanju sistemov in podsistemov pri uporabi načinov programiranja. Uporaba predmetnih konceptov pri izbiri matematične metode in modela pri reševanju določenega problema vodi do dejstva, da je na primer v tehničnih vedah z uporabo istih formul upravičena moč svetlobnih naprav za stanovanje in železniško postajo. Prav tako se formalizacija problema optimizacije dejavnosti podjetja ali celo celotne industrije od problema optimalnega razreza obdelovanca razlikuje predvsem le po številu spremenljivk in enačb. Toda v tem primeru bo posledica takšnega "rezanja" "mehanska" prekinitev ogromnega števila povezav, katerih zapletenost in negotovost ni vedno dostopna dovolj natančnemu opisu v jeziku sodobne matematike. Nepravilnost tradicionalnega pristopa k utemeljitvi strukture modela proučevane situacije lahko pokažemo s primerjavo nalog utemeljitve sestave krme in števila živali na kmetiji. Če sledite tradicionalni metodologiji, jih lahko razvrstite v isti razred in rešite z isto metodo. Hkrati, če rezultat prvega pomembno vpliva le na stroške proizvodnje, potem drugi zahteva upoštevanje družbenih interesov, vprašanj, povezanih z varstvom okolja itd. Tako je v drugem primeru potrebno Uporabite metodo, ki ima veliko različnih opisnih možnosti kot prva, sicer bo nemogoče zgraditi ustrezen matematični model in pridobiti rešitev upravljanja s praktično vrednostjo.
Problem, katerega rešitev na koncu ponudijo optimizacijske metode, pa naj bo to matematično programiranje ali regresijska analiza, se spušča v iskanje, čeprav ni trivialno (zaradi raznolikosti možnih možnosti), a hkrati ne bistveno novo rezultat, saj iskanje poteka v obsegu, katerega meje so določene z znanjem o proučevanem procesu. V primeru postavljanja inženirskih, operativnih ali taktičnih problemov za tehnične ali enostavne družbeno-ekonomske objekte, ki raziskovalcu ali vodji omogočajo, da poda njihov popoln formalni opis in utemelji obseg realnih alternativ, je zadostnost in učinkovitost uporabe optimizacijskih metod nedvomna. . Ker se kompleksnost raziskovalnih predmetov povečuje pri reševanju strateških problemov izbire smeri za izboljšanje tehničnih in družbeno-ekonomskih sistemov, lahko optimizacijske metode opravljajo le pomožne funkcije.
Struktura ene ali druge "tipične" vrste modela nalaga še strožje omejitve glede zmožnosti predstavitve zahtevane stopnje raznolikosti v opisu preučevanega predmeta. Zato nekatera dela o matematičnem modeliranju priporočajo začetek študije z izbiro vrste modela in nato nastavitev raziskovalnega problema tako, da ga je lažje "umestiti" v izbrani model. Ta pristop olajša konstrukcijo modela in je učinkovit, če je cilj raziskave prav konstrukcija matematičnega modela in ne rešitev problema. Kasnejša popačenja in izgube informacij, podobne narave, povzročajo omejitve algoritmov in programskih jezikov ter računalniških zmogljivosti.
Strukturno-funkcionalna analiza kaže, da čeprav so vsi postopki, povezani s konstruiranjem matematičnega modela in pridobivanjem končnih podatkov na računalniku, logično utemeljeni, ne vsebujejo nobenih metodoloških lastnosti, ki bi zagotavljale ustreznost tega rezultata in ustrezne rešitve upravljanja resničnemu problemu. Oblikovanje kriterijev učinkovitosti (optimizacije) se lahko izvede neodvisno od objektivnih zakonov družbenega razvoja, glavno merilo za razvoj matematičnega modela pa postanejo pogoji za najhitrejšo konstrukcijo algoritma, ki temelji na uporabi "standardnega" ” algoritem. Vodja/raziskovalec lahko realen problem »prikroji« strukturi matematične metode ali programske opreme za osebni računalnik, ki jo obvlada. Osredotočenost na obvezno konstrukcijo matematičnega modela v okviru ene metode vodi k izključitvi dejavnikov, ki jih ni mogoče kvantificirati iz študije problema. Opisovanje vzročno-posledičnih razmerij vodi v nerazumno uporabo načel aditivnosti. Rezultat bo optimalen le za tisto zelo poenostavljeno in popačeno podobo realnega predmeta, ki je matematični model po več »transformacijah«, izvedenih s sredstvi, katerih stopnja raznolikosti in natančnosti še vedno močno zaostaja za kompleksnostjo družbenih. gospodarske težave.
Na tretji stopnji raziskave problemov po utemeljitvi vrste in strukture, ustreznosti in s tem učinkovitosti upravljavske odločitve, pridobljene z matematičnim modelom, so povezane s kakovostjo izhodiščnih informacij, na podlagi katerih se npr. izračuna se matrika pogojev problema matematičnega programiranja ali koeficienti regresijske enačbe. Narava popačenj je tukaj v veliki meri odvisna od metode modeliranja. Pri linearnem programiranju imajo napake na tej stopnji le malo opraviti s preučevanim objektom in se večinoma pojavijo zaradi nepazljivosti razvijalca: produktivnost ali stopnja porabe materiala je bila napačno vzeta itd. Tovrstne napake se običajno odkrijejo pri delu z modelom in se enostavno popravijo. Bolj zapletena situacija nastane pri uporabi regresijske analize, ki je enako razširjena v naravoslovnih, tehničnih in družboslovnih vedah.
Razlika med to metodo v primerjavi, na primer z linearnim programiranjem, je v tem, da je oblikovanje regresijskih koeficientov določeno z začetnimi podatki, ki so rezultati procesov, ki se odvijajo v predmetu, ki se preučuje, obravnavan kot "črna škatla", v kateri mehanizem za pretvorbo "vhoda" v "izhod" pogosto ni znan S povečanjem količine začetnih informacij se stopnja njihove raznolikosti približuje tisti, ki je imanentna resničnemu predmetu. Na ta način je mogoče povečati ustreznost regresijskega modela, česar pri linearnem programiranju ni mogoče doseči. To prednost regresijske analize je zaradi razmeroma majhnega števila faktorjev in zmožnosti nadzora slednjih v naravoslovnih vedah precej učinkovito uporabiti. Pri študijah družbeno-ekonomskih pojavov se učinkovitost uporabe regresijskih modelov zmanjša, saj se število dejavnikov močno poveča, med katerimi so mnogi neznani in/ali neobvladljivi. Vse to zahteva, da se ne omejimo na en sam vzorec, temveč si prizadevamo uporabiti podatke v obsegu, ki se približa splošni populaciji. Za razliko od večine procesov, ki se preučujejo v naravoslovnih in tehničnih znanostih, katerih kompleksnost replikacije je v veliki meri določena le s stroški eksperimenta, je preverjanje regresijskega modela družbeno-ekonomskega objekta precej težko zaradi edinstvenosti procesov, ki se pojavljajo v it, ki so zgodovinske narave.
V zvezi s tem je glavni vir začetnih informacij pri študijah družbeno-ekonomskih objektov opazovanje, "pasivni" eksperiment, ki izključuje ponavljanje poskusov in s tem preverjanje ustreznosti regresijskega modela glede na statistična merila. Zato sta glavna kazalnika ustreznosti, ki se uporabljata pri regresijski analizi družbeno-ekonomskih objektov, multipli korelacijski koeficient in napaka aproksimacije. Vendar pa visoka vrednost prvega in nizka vrednost drugega indikatorja ne omogoča nedvoumne presoje kakovosti regresijskega modela. To je razloženo z dejstvom, da s povečanjem števila členov modelnega polinoma in navzven je to število omejeno le s številom eksperimentov (opazovanja), zaradi kvantitativnega povečanja njegove raznolikosti, natančnost približka začetni podatki po regresijski enačbi naraščajo.
V. Leontjev ( Leotief Vasilij), ko komentira nizko učinkovitost uporabe statističnih metod v ekonomiji, to pojasnjuje z besedami, »da posredna, celo metodološko izpopolnjena statistična analiza ni primerna za preučevanje kompleksnih kvantitativnih razmerij, ki so lastna sodobnemu gospodarstvu«. Dejavnik, ki se nanaša tudi na interpretacijo rezultatov in zmanjšuje učinkovitost uporabe matematičnih metod in posledično vodstvenih odločitev, je pretirana idealizacija tako dobljenih kvantitativnih rezultatov. Natančni izračuni ne pomenijo pravilne odločitve, ki jo določajo začetni podatki in metodologija njihove obdelave. Vodje, ki so zaprošeni za reševanje problemov linearnega programiranja, se morajo zavedati, da lahko prisotnost že najmanjšega nelinearnega elementa v problemu povzroči dvom in celo naredi njegovo rešitev z metodo linearnega programiranja nevarno. Na žalost večina začetnih tečajev, ki višje vodstvene delavce seznanijo z osnovami inženiringa in ekonomije, ne uči, kako so te vede povezane s praktičnimi problemi. To je razloženo z dejstvom, da učitelj trdno verjame v univerzalno uporabnost svoje metodologije in slabo razume meje njene uporabe.
Tako na vseh treh obravnavanih stopnjah "pretvorbe" proizvodnega problema v matematični model ni dovolj strogih, znanstveno utemeljenih kriterijev za oceno kakovosti in ujemanja idealnih modelov z realnim objektom. Obenem je tradicionalna usmeritev usmerjena le v premagovanje računskih težav in velike razsežnosti modelov ter ne upošteva omejitev matematičnega aparata.
Modeliranje je najbolj praktična plat aplikativnega raziskovanja, vendar mora ta pragmatizem temeljiti na epistemološkem in ontološkem pristopu v metodologiji proceduralnega znanja pri reševanju problemov individualne produkcije. Hkrati je treba pri uporabi modelov pri sprejemanju upravljavskih odločitev upoštevati njihovo skladnost in s tem ustreznost njihovih odločitev realnim procesom. Ti pogoji so določeni z naravo procesov, ki jih opisujejo modeli. V ekonomiji večina opisnih modelov cena-povpraševanje opisuje institucionalne procese, povezane s človeškim vedenjem, ti modeli pa so izključno konceptualni in jih ni mogoče uporabiti za pridobitev kvantitativnih ocen napovedi. Stopnjo zmožnosti statističnih modelov za interpolacijske ocene znotraj opisanega razpona določajo statistični indikatorji zanesljivosti, pri napovednih ocenah pa stopnja ekstrapolacije ne sme presegati 20-30 % izvornega obsega podatkov. Robustnost regresijskih modelov, izpeljanih iz kontroliranih eksperimentov z večkratnimi ponovitvami
Meja, ki ločuje teoretično-aplikativno in uporabno raziskovanje, je določena glede na glavni cilj, povezan predvsem s poglabljanjem znanstvenih spoznanj o družbenih procesih ali primarno usmerjen v neposredno reševanje konkretnih družbenih problemov. Družbeni red se v teoretičnih in aplikativnih raziskavah pogosto pojavlja kot nekakšna družbena potreba, ki »kliče« po svojem proučevanju in zadovoljevanju. Pri aplikativnih raziskavah obstaja tudi specifičen naročnik, organ upravljanja, ki je neposredno zainteresiran za pomoč raziskovalcem.
Teoretično usmerjeno raziskovanje, ki je namenjeno analizi aktualnih družbenih problemov, ni nič manj praktično kot uporabno raziskovanje. Njeni rezultati so odkrivanje razmerij in trendov v razvoju družbenih procesov, ocena razmer, ki spodbujajo ali, nasprotno, ovirajo normalno delovanje in razvoj družbe in njenih podsistemov v skladu z javnim interesom in programskimi cilji socialne politike. Praktična komponenta tovrstnih raziskav je, da poglobljeno razumevanje družbenih vzorcev omogoča sprejemanje bolj premišljenih upravljavskih odločitev na področju socialne politike. "Pravzaprav," je opozoril A. G. Kharchev, - Teoretični in aplikativni vidik sociologije sta neločljiva. Bogatejša in globlja kot je raziskava, bolj učinkovita je v praktičnem smislu, bolj in natančneje je osredotočena na praktične potrebe, širše so kognitivne možnosti, ki se ji odpirajo, saj je sam predmet znanja, njegovo bistvo, vzorci. najbolj se kažejo v praktičnem delovanju.
Praktičnost aplikativnega raziskovanja je v neposredni osredotočenosti na reševanje družbenih problemov v njihovi strogo določeni prostorsko-časovni lokalizaciji, torej natanko »tukaj« in »zdaj«. Uporabne raziskave se končajo s podrobno študijo menedžerskih odločitev in
v končni fazi – z uvajanjem družbenih inovacij v prakso.
Tu se pokažejo njihove glavne značilnosti.
(1) Pri aplikativnih raziskavah je v nasprotju s teoretično-uporabnimi raziskavami predmet jasno definiran, njihov predmet pa impliciten. Predmet proučevanja je tu odvisen od splošnih družbenih razmer na danem mestu in posebnih problemov, s katerimi se srečujejo odločevalci. Raziskovalcu lahko postavijo jasno nalogo, povezano s potrebo po razvoju specifičnih projektov, lahko pa tudi predstavijo splošen problem:
prepoznati morebitne težave, ki se bodo pojavile po uvedbi določenih novosti ipd.
Če povzamemo izkušnje sociološke službe Permske telefonske tovarne in celotne industrije, je njen vodja V. I. Gerchikov identificiral dve glavni vrsti uporabnih raziskav:
(1) za enkratne zahteve vodstva in (2) specializirano za težave, ki zahtevajo dosledne in pogosto dolgoročne ukrepe vodstva.
Skratka, v aplikativnem raziskovanju mora biti predmetno področje opredeljeno glede na dano družbeno entiteto, da se omogoči njeno normalno delovanje in razvoj.
(2) Čas za izvedbo teoretičnih in aplikativnih raziskav se izračuna ob upoštevanju zahtevnosti in pomembnosti problematike, ki se proučuje. Pri aplikativnih raziskavah, ne glede na to, kako pomembne in kompleksne so naloge, je treba njihovo rešitev najti v časovnem okviru, ki ga določi naročnik na podlagi časa, ki je namenjen sprejemanju ustreznih odločitev.
torej Da bi povečali zanesljivost končnih zaključkov aplikativne raziskave, je treba skrbno preučiti, koliko časa in razpoložljivih sredstev vam omogočajo podrobnost informacij in njihovo analizo. Vedno se moramo spominjati Kaj manjša količina zanesljivih informacij je veliko bolj uporabna, kako. velika količina dvomljivih informacij.
(3) Položaj sociologa v aplikativnem raziskovanju je olajšan s tem, da mora preučevati značilne družbene probleme in procese, ki so v nekem drugem času in na drugem kraju že bili predmet teoretsko-aplikativnega ali aplikativnega raziskovanja. zato Priporočljivo je uporabiti že razvite metode ali njihove modifikacije. V teoretičnih in aplikativnih raziskavah, nasprotno, izvirnost programa narekujejo nestandardne metode zbiranja primarnih podatkov in logika njihovega
(4) Pomembna značilnost aplikativnega raziskovanja je, da se sociolog pri izpolnjevanju plačanega naročila osredotoči na praktično rešitev določenih problemov, tako da se globina njihovega teoretičnega razumevanja v dejanskih socioloških kategorijah umika v ozadje. Če obstajajo zadovoljive razlage ekonomistov, pravnikov, psihologov, menedžmentov in drugih kompetentnih oseb, je treba upoštevati vse. Nasprotno, oseba, ki dela po programu teoretičnega in uporabnega raziskovanja, si ne sme prizadevati le za veljavnost svojih zaključkov, temveč tudi za strogost svojih socioloških
interpretacije.
(5) Vrstni red dejanj in faz dela določa tu predvsem logika praktične uporabe informacij za odločanje menedžmenta, pri teoretičnih in aplikativnih raziskavah pa predvsem logika razumevanja družbenih procesov, nato pa praktične uporabe informacij. pridobljeno znanje.
(6) Končni »izdelek« teoretične in aplikativne raziskave je znanstvena publikacija, aplikativne raziskave pa delovni dokument, ki vsebuje najmanj podatkov o stanju predmeta in ugotovljenih razmerjih ter največ o načinih izvedbe. predlaganih rešitev, katerih utemeljitvi je treba posvetiti prvo pozornost.
Faze uvajanja aplikativnih raziskav v podjetjih in organizacijah je mogoče predstaviti na naslednji način.
problem in predmet preučevanja, ki ju izoliramo od širšega spektra problemov in se osredotočamo na tisti del glavnega predmeta, kjer je problem zaznan kot posebej akuten. Na primer, to je lahko vprašanje o zaostalih oddelkih podjetja, v zvezi s katerimi je treba vsaj v prvem približku izpostaviti dokaj očitne dejavnike, ki te oddelke razlikujejo od večine, še bolj pa od uspešnih . Takšno preliminarno analizo je priporočljivo izvesti na podlagi že razpoložljivih informacij in z aktivnim sodelovanjem strokovnih strokovnjakov različnih profilov in ravni upravljanja. Kot ugotavlja V.I. Gerchikov, je treba strokovnjake spraševati samo o stvareh, o katerih ni objektivnih informacij. Kot rezultat te stopnje so začrtani načini za praktično rešitev problema (ali problemov).
Druga stopnja - razvoj posebnega akcijskega programa, ki se lahko izvaja vzporedno na več načinov:
(a) ciljno usmerjeno iskanje najboljših praks, (b) posploševanje informacij, pridobljenih na prvi stopnji, in dodatno strokovno znanje, sedaj skozi ciljne razgovore s strokovnjaki, (c) prek kolektivne razprave o možnih aktivnostih z uporabo metod t.i. brainstorming”, delovanje “raziskovalnih skupin”, torej na poseben način namenske diskusije. Program, ki se razvija, mora imeti jasen naslov, jasno navajati metode ukrepanja in tiste, ki so odgovorni za njihovo izvajanje, z drugimi besedami, rezultat mora biti določen sistem praktičnih rešitev, medsebojno povezanih v smeri in izvajalcih, podprtih z viri podpore.
Ko je akcijski načrt v osnovi izdelan, so izpostavljena področja dela in predmeti predlagane izvedbe, ponovno razjasnjen teoretični koncept rešitve in premišljene možne posledice njene izvedbe za različne oddelke. Zdaj je priporočljivo izvesti vzorčno raziskavo
ugotoviti odziv zaposlenih na predlagane novosti.
Vklopljeno tretja stopnja implementacija predlaganih rešitev poteka najprej eksperimentalno v ločenem objektu, nato »osnovno«, ob upoštevanju nabranih izkušenj (lahko tudi pred koncem poskusa v pilotnem objektu) in končno »polno« izvajanje«, če so bile predhodne operacije uspešne in so dokazale svojo uspešnost.
Torej, logično-pomenska struktura zaporedja dejanj sociologa v aplikativnem raziskovanju se bistveno razlikuje od ustrezne logike teoretsko usmerjenega iskanja. Gre za študije inovativnega tipa, pri katerih končno priporočilo ni le logičen zaključek pridobljenih podatkov, temveč rezultat določenega načina organiziranja samega raziskovalnega procesa.
G. S. Batygin predlaga naslednji model za izdelavo takšne študije. Povzema, kar je bilo povedano zgoraj v tem razdelku (slika 17).
Prva stopnja(“opisni model”) - opis trenutnih situacij, drugi - napoved, ki temelji na eni strani na ekstrapolaciji obstoječih trendov, to je na razvoju procesov brez poseganja v potek dogodkov, na drugi strani pa na normativni napovedi. Pri slednjem gre za utemeljitev želenega stanja ob upoštevanju realnih možnosti. Oblikujejo se različne kombinacije vključevanja razpoložljivih sredstev za implementacijo posameznega standarda (običajno je predlaganih več standardov, od minimalnega do maksimalnega). tretja stopnja izdelava osnutka priporočil - »drevo možnih rešitev«, v katerem se izračunajo verjetnosti približevanja obratovalnih napovedi normativnemu stanju.
Vklopljeno četrta stopnja(v shemi V. I. Gerčikova je to druga stopnja dela) se zbirajo dodatne informacije, potrebne za utemeljitev možnih odločitev, in pri peti - predlagane so specifične rešitve - »drevo odločanja«, aktivnosti, inovacije, nato eksperiment šesta stopnja, za katerim na sedma stopnja sledi napovedi možnih težav, ki jih povzročajo inovacije. Končno osma stopnja - dejansko izvajanje, pred katerim je razvoj regulativnih dokumentov (uredba, pristojnosti različnih služb in oddelkov).
,"" Vrnitev od zbiranja dodatnih informacij k odločitvenemu “drevu” je nujna za razjasnitev možnosti odločanja, premik od eksperimenta do faze odločanja pa je način, kako jih popraviti na podlagi praktičnih izkušenj. Sedma stopnja je predvidevanje stanja po uvedbi novosti, ki lahko vodi do sprememb v postopku uvedbe.
Pri aplikativnih raziskavah je treba posebno pozornost nameniti utemeljitvi ocene učinka predlagane rešitve. To je najtežja, a nujno potrebna faza dela sociologa. Družbeni učinek pogosto poskušajo izraziti izključno v ekonomskih kategorijah, kazalcih varčevanja z materialnimi in človeškimi viri. Takšni izračuni so, čeprav potrebni, vedno grobi in nezanesljivi. Druga skrajnost pa je želja po redukciji družbenega učinka na seznam dejavnosti, katerih učinkovitost je samoumevna. Medtem pa je njihova "očitnost" lahko varljiva.
Strokovna raven sociologa se najbolje preverja v tem, kako je sposoben identificirati kvalitativne kriterije družbenega učinka v neposredni skladu z naravo preučevanih procesov. Ali se bo učinek ocenjeval na podlagi zgolj organizacijskih indikatorjev (uvajanje novih oblik dela, storitev, samoupravljanja) ali pa bo predlagano upoštevanje kvalitativne učinkovitosti družbenih inovacij, je ključno vprašanje. Najboljši način za kakovostno testiranje družbenega učinka inovacij - nadaljnjo raziskavo z uporabo popolnoma enakih tehnik in metod, kot so bile razvite za pridobivanje informacij v glavni študiji: strokovne ocene, ankete, opazovanja, analize dokumentov in ustreznih statistik.
Za kontrolne raziskave, ki jih je treba načrtovati med aktivnostmi, priporočenimi za odločanje, je bolje uporabiti majhne, a vsekakor kvotne vzorce. Kvote je treba skrbno utemeljiti na podlagi objektivnih značilnosti, za katere je bilo v glavni študiji ugotovljeno, da so močno povezane z zadevnimi procesi. Premiki družbenih kazalnikov, ki so prepoznani kot pomembni kazalniki teh procesov, bi morali pokrivati mersko napako prvotnih informacij, kot je storjeno pri ocenjevanju družbenih sprememb v ponovljenih in primerjalnih študijah.
Pri anketiranju je treba biti še posebej previden pri ocenjevanju sprememb kazalnikov subjektivnih ocen zadovoljstva s pogoji in vsebino dejavnosti. Kazalniki splošnega zadovoljstva, predvsem pa sumarni, so za različne skupine anketirancev izjemno neinformativni, saj se s spreminjanjem razmer spreminjajo potrebe in zahteve ljudi, torej subjektivni kriterij za ocenjevanje »družbene norme«. Zato se porazdelitve ocen splošnega zadovoljstva z delovnimi pogoji, razmerami in življenjskim slogom praviloma nagibajo k normalni porazdelitvi. Glavno pozornost je treba nameniti preučevanju strukturnih komponent splošne ocene zadovoljstva. Tu je treba, če so sprejeti ukrepi učinkoviti, zabeležiti pomembne spremembe. Družbeni učinek se kaže v premikanju problemov iz ene cone v drugo,
ne pa da vse težave izginejo in pride splošno zadovoljstvo.
Indikatorji družbenega razvoja glede na namembnost jih lahko razdelimo na deskriptorske kazalnike, ki opisujejo družbene procese, in na predpisovalce, ki vzpostavljajo določene razvojne standarde in so merila za uspešnost uvajanja organizacijskih in drugih novosti. Slednji« so tudi ocenjevalni in zanašajoči se
na tako ali drugače utemeljene standarde.
Jasno je, da mora družboslovje pri razvoju družbenih standardov skrbno analizirati trende proučevanih procesov in ugotavljati verjetnost doseganja želenega stanja ob upoštevanju objektivnih priložnosti, ekonomskih in družbenih virov ter družbenih ciljev. razvoj mora biti izražen kvantitativno.
Regulativne smernice so sestavljene na različne načine. Najenostavnejši (in ne najboljši) način je, da se osredotočimo na logično »skrajnost« kazalnika, to je doseganje mejnega učinka, na primer stoodstotno vključenost prebivalstva v določeno dejavnost ali zmanjšanje neželenih dogodkov na nič. Zavedati pa se je treba, da »družbene norme« ni mogoče vzpostaviti enkrat za vselej, definirana je kot relativno stanje družbene organizacije. Njegove kvalitativne meje so stabilno delovanje skupnosti, organizacije, družbene institucije, ki zagotavlja njihov razvoj. Družbeni odkloni kot taki so neodstranljivi, saj brez odklonov ni norme. Tako je določena stopnja kriminala in konflikta v nekem smislu funkcionalna, potrebna za ohranjanje norme. Enako velja za odstopanja od norme v smeri inovativnosti. Radikalne inovacije lahko povzročijo neobvladljivo destabilizacijo družbenega sistema.
Zato je glavni način določanja družbenih standardov utemeljitev želene ravni (stanja) različnih procesov, družbenih učinkov, oblik organizacije itd., ki so v korelaciji z realnimi možnostmi doseganja le-teh z razpoložljivimi sredstvi in ki zagotavljajo učinkovito obvladljivost. (družbeni nadzor) družbenih sprememb, razvoja.
Uporabne raziskave- znanstveno raziskovanje, namenjeno praktičnim rešitvam tehničnih in družbenih problemov.
Znanost je področje človeške dejavnosti, katere funkcija je razvoj in teoretična sistematizacija objektivnega znanja o resničnosti. Neposredni cilji znanosti so opisovanje, razlaga in napovedovanje procesov in pojavov resničnosti, ki so predmet njenega preučevanja na podlagi zakonitosti, ki jih odkriva, to je v širšem smislu teoretična refleksija resničnosti.
V svoji usmerjenosti v odnosu do praksa posamezne vede običajno delimo na temeljne vede ( temeljna znanost) in uporabnih znanosti ( uporabna znanost). Naloga temeljnih znanosti je razumeti zakone, ki urejajo vedenje in interakcijo osnovnih struktur narave, družbe in mišljenja. Te zakone in strukture preučujemo v svoji »čisti obliki« kot take, ne glede na njihovo možno uporabo. Neposredni cilj uporabnih znanosti je uporaba temeljnih znanosti za reševanje ne samo kognitivnih, ampak tudi družbenih in praktičnih problemov.
Delitev raziskav na temeljne in aplikativne je precej poljubna, saj imajo lahko posamezni rezultati temeljnih raziskav neposredno uporabno vrednost, kot rezultat aplikativnih raziskav pa je mogoče pridobiti znanstvena odkritja.
Enciklopedični YouTube
1 / 2
✪ Objekt in subjekt v socioloških raziskavah - Victor Vakhshtain
✪ Preživite v krizi. Fursov A.I. (22.12.2018)
Podnapisi
Znanstvena podpora gospodarskim dejavnostim
Znanstveno raziskovanje postaja obvezen proces sprejemanja upravljavskih odločitev. Obseg in zahtevnost takega dela določa konkreten problem, vendar ima vedno kognitivno strukturo, rezultat pa temelji na uporabi znanstvenih metod.
Še težje pa je vprašanje objektivnega opisa druge komponente problema - želene situacije in temu primerno opredelitev namena in raziskovalne hipoteze, ki iz nje sledi. Vse to je odvisno od objektivnosti opisa obstoječega stanja in osebe, ki se odloči za identifikacijo ciljev sistemov, ki vključujejo preučevani predmet. Tu lahko metodološke napake privedejo do dejstva, da bo poskus reševanja enega problema povzročil nastanek novih. Številni novi problemi - zbijanje tal s težko opremo, vztrajnost upravljavskega aparata zaradi povečanja števila zaposlenih in priključkov, odvajanje odpadne vode iz živinorejskih kompleksov itd. - so se pojavili kot posledica človekove dejavnosti, namenjene reševanju drugih problemov.
Analiza prve stopnje znanstvene formulacije upravljavske odločitve kaže, da če je v naravoslovnih in tehničnih znanostih glavni vir subjektivnih izkrivljanj in posledično zmanjšanja učinkovitosti te stopnje popolnost opisa dejanskega dejstva, , doseženo predvsem z uporabljenimi instrumenti, nato pa v primeru proučevanja proizvodnih problemov dodatna vprašanja ustreznega dojemanja objekta s strani znanstvenikov in/ali menedžerjev, odvisno od metodologije, ki jo uporabljajo. Na prvi stopnji raziskovanja problema obstaja velika verjetnost oblikovanja lažnih problemov - "problemoidov" in psevdo-nalog, katerih rešitev ne bo imela nobene praktične vrednosti, izvajanje pa lahko povzroči neželene posledice. V tem primeru bo učinkovitost upravljavske odločitve enaka nič ali celo negativna.
Druga stopnja raziskava proizvodnega problema - razvoj matematičnega modela.
Objektivnost mora biti zagotovljena z uporabo znanstvenih načel ocenjevanja situacij ter metod in modelov odločanja. Modeliranje, predvsem z uporabo računalnikov, je glavno teoretično orodje za sistemske raziskave z aplikativno usmeritvijo pri upravljanju kompleksnih sistemov. Vsebinski del procesa modeliranja (izbor indikatorjev, faktorjev, odvisnosti) je vključen v ekonomsko teorijo, tehnični del (ki v 9 od 10 primerov pomeni konstrukcijo določenih statističnih modelov) pa v ekonometrijo. Tako se ekonomsko-matematično modeliranje izkaže po eni strani za zlomljeno, po drugi pa okrnjeno. In zdi se, da v zraku visijo vprašanja razmerja med vsemi fazami modeliranja, pravilnosti interpretacije rezultatov modeliranja in posledično vrednosti priporočil na podlagi modelov.
Nedvoumnost matematičnega jezika je hkrati plus in minus. Prednost je, da ne dopušča napak, vendar ta ista lastnost omejuje možnost dovolj popolnega opisa predmeta. Z večanjem informacij v modelu funkcija hevrističnega modeliranja ne raste premosorazmerno s količino upoštevanih informacij, temveč po ekstremni zakonitosti, torej učinkovitost modeliranja raste le do določene meje, nato pa pade. Z drugimi besedami, uporaba matematike zagotavlja točnost, ne pa tudi pravilnosti dobljene rešitve. Pri študijah fizičnih objektov, katerih informacijska kompleksnost je zaradi vzročno-posledičnih odnosov, ki jih določajo, relativno nizka, bo stopnja izgub in izkrivljanja informacij bistveno nižja kot pri študiju družbeno-ekonomskih objektov. . Omejitve matematičnega jezika so osnova teorije nepopolnosti formalnih sistemov K. Gödela in načela zunanjega dopolnjevanja. Bira ( Pivo Stafford). Njena raven je seveda v veliki meri zgodovinska in ne absolutna. Z razvojem matematike se bodo njene zmožnosti povečale. Vendar pa trenutno številni ruski in tuji matematiki, filozofi, ekonomisti in predstavniki drugih znanstvenih področij ugotavljajo omejene možnosti ustreznega matematičnega opisa družbeno-ekonomskih pojavov.
Skoraj neomejen obseg uporabe matematičnih metod ustvarja vtis njihove "vsejedosti" in univerzalnosti. In glavna potrditev tega je najpogosteje medsebojna argumentacija teh dveh značilnosti, ne pa učinkovitost uporabe rezultatov modeliranja v praksi. Pomemben vpliv na to ima tudi dejstvo, da so pri opisu metodoloških značilnosti matematičnih metod in modelov podane številne lastnosti, ki jih morajo imeti, da lahko zagotovijo ustrezno rešitev, in se v skladu s tem dojemajo kot lastnosti, ki so lastne metodi in modelom. opisane metode in modeli. Kot vsako posebno orodje tudi posebna metoda nalaga svoje omejitve informacijam, ki se obdelujejo: nekatere vidike poudarja, druge izloča in izkrivlja, kar vodi do izkrivljanja dejanskega stanja, opisanega z njeno pomočjo kot celote. Avtorji številnih del, katerih število ni primerljivo z obsegom publikacij o razvoju teorij in metod matematičnega modeliranja, navajajo različne argumente, ki potrjujejo temeljne omejitve njihove uporabe za opis resničnih procesov, ki se pojavljajo v družbeni proizvodnji. Znotraj ozkega okvira metodologije, ki jo je razvil optimizacijski pristop, ni mogoče združiti iskanja najboljše rešitve (ali optimalnega nadzora) s prepoznavanjem temeljnih omejitev refleksije z realnim modelom. Vsaka, še tako subtilna in sofisticirana produkcija, kjer se bo nakazano protislovje razrešilo, namreč vodi v še resnejša in očitnejša nova protislovja. Temu se »nadlagajo« tudi napake pri ločevanju in združevanju sistemov in podsistemov pri uporabi načinov programiranja. Uporaba predmetnih konceptov pri izbiri matematične metode in modela pri reševanju določenega problema vodi do dejstva, da je na primer v tehničnih vedah z uporabo istih formul upravičena moč svetlobnih naprav za stanovanje in železniško postajo. Prav tako se formalizacija problema optimizacije dejavnosti podjetja ali celo celotne industrije od problema optimalnega razreza obdelovanca razlikuje predvsem le po številu spremenljivk in enačb. Toda v tem primeru bo posledica takšnega "rezanja" "mehanska" prekinitev ogromnega števila povezav, katerih zapletenost in negotovost ni vedno dostopna dovolj natančnemu opisu v jeziku sodobne matematike. Nepravilnost tradicionalnega pristopa k utemeljitvi strukture modela proučevane situacije lahko pokažemo s primerjavo nalog utemeljitve sestave krme in števila živali na kmetiji. Če sledite tradicionalni metodologiji, jih lahko razvrstite v isti razred in rešite z isto metodo. Hkrati, če rezultat prvega pomembno vpliva le na stroške proizvodnje, potem drugi zahteva upoštevanje družbenih interesov, vprašanj, povezanih z varstvom okolja itd. Tako je v drugem primeru potrebno Uporabite metodo, ki ima veliko različnih opisnih možnosti kot prva, sicer bo nemogoče zgraditi ustrezen matematični model in pridobiti rešitev upravljanja s praktično vrednostjo.
Problem, katerega rešitev na koncu ponudijo optimizacijske metode, pa naj bo to matematično programiranje ali regresijska analiza, se spušča v iskanje, čeprav ni trivialno (zaradi raznolikosti možnih možnosti), a hkrati ne bistveno novo rezultat, saj iskanje poteka v obsegu, katerega meje so določene z znanjem o proučevanem procesu. V primeru postavljanja inženirskih, operativnih ali taktičnih problemov za tehnične ali enostavne družbeno-ekonomske objekte, ki raziskovalcu ali vodji omogočajo, da poda njihov popoln formalni opis in utemelji obseg realnih alternativ, je zadostnost in učinkovitost uporabe optimizacijskih metod nedvomna. . Ker se kompleksnost raziskovalnih predmetov povečuje pri reševanju strateških problemov izbire smeri za izboljšanje tehničnih in družbeno-ekonomskih sistemov, lahko optimizacijske metode opravljajo le pomožne funkcije.
Struktura ene ali druge "tipične" vrste modela nalaga še strožje omejitve glede zmožnosti predstavitve zahtevane stopnje raznolikosti v opisu preučevanega predmeta. Zato nekatera dela o matematičnem modeliranju priporočajo začetek študije z izbiro vrste modela in nato nastavitev raziskovalnega problema tako, da ga je lažje "umestiti" v izbrani model. Ta pristop olajša konstrukcijo modela in je učinkovit, če je cilj raziskave prav konstrukcija matematičnega modela in ne rešitev problema. Kasnejša popačenja in izgube informacij, podobne narave, povzročajo omejitve algoritmov in programskih jezikov ter računalniških zmogljivosti.
Strukturno-funkcionalna analiza kaže, da čeprav so vsi postopki, povezani s konstruiranjem matematičnega modela in pridobivanjem končnih podatkov na računalniku, logično utemeljeni, ne vsebujejo nobenih metodoloških lastnosti, ki bi zagotavljale ustreznost tega rezultata in ustrezne rešitve upravljanja resničnemu problemu. Oblikovanje kriterijev učinkovitosti (optimizacije) se lahko izvede neodvisno od objektivnih zakonov družbenega razvoja, glavno merilo za razvoj matematičnega modela pa postanejo pogoji za najhitrejšo konstrukcijo algoritma, ki temelji na uporabi "standardnega" ” algoritem. Vodja/raziskovalec lahko realen problem »prikroji« strukturi matematične metode ali programske opreme za osebni računalnik, ki jo obvlada. Osredotočenost na obvezno konstrukcijo matematičnega modela v okviru ene metode vodi k izključitvi dejavnikov, ki jih ni mogoče kvantificirati iz študije problema. Opisovanje vzročno-posledičnih razmerij vodi v nerazumno uporabo načel aditivnosti. Rezultat bo optimalen le za tisto zelo poenostavljeno in popačeno podobo realnega predmeta, ki je matematični model po več »transformacijah«, izvedenih s sredstvi, katerih stopnja raznolikosti in natančnosti še vedno močno zaostaja za kompleksnostjo družbenih. gospodarske težave.
Na tretji stopnji raziskave problemov po utemeljitvi vrste in strukture, ustreznosti in s tem učinkovitosti upravljavske odločitve, pridobljene z matematičnim modelom, so povezane s kakovostjo izhodiščnih informacij, na podlagi katerih se npr. izračuna se matrika pogojev problema matematičnega programiranja ali koeficienti regresijske enačbe. Narava popačenj je tukaj v veliki meri odvisna od metode modeliranja. Pri linearnem programiranju so napake na tej stopnji malo povezane s preučevanim objektom in se večinoma pojavijo zaradi nepazljivosti razvijalca: napačno so bile vzete produktivnost ali stopnje porabe materiala itd. Te vrste napak se običajno odkrijejo pri delu z model in jih je enostavno popraviti. Bolj zapletena situacija nastane pri uporabi regresijske analize, ki je enako razširjena v naravoslovnih, tehničnih in družboslovnih vedah.
Razlika med to metodo v primerjavi, na primer z linearnim programiranjem, je v tem, da je oblikovanje regresijskih koeficientov določeno z začetnimi podatki, ki so rezultati procesov, ki se odvijajo v predmetu, ki se preučuje, obravnavan kot "črna škatla", v kateri mehanizem za pretvorbo "vhoda" v "izhod" pogosto ni znan S povečanjem količine začetnih informacij se stopnja njihove raznolikosti približuje tisti, ki je imanentna resničnemu predmetu. Na ta način je mogoče povečati ustreznost regresijskega modela, česar pri linearnem programiranju ni mogoče doseči. To prednost regresijske analize je zaradi razmeroma majhnega števila faktorjev in zmožnosti nadzora slednjih v naravoslovnih vedah precej učinkovito uporabiti. Pri študijah družbeno-ekonomskih pojavov se učinkovitost uporabe regresijskih modelov zmanjša, saj se število dejavnikov močno poveča, med katerimi so mnogi neznani in/ali neobvladljivi. Vse to zahteva, da se ne omejimo na en sam vzorec, temveč si prizadevamo uporabiti podatke v obsegu, ki se približa splošni populaciji. Za razliko od večine procesov, ki se preučujejo v naravoslovnih in tehničnih znanostih, katerih kompleksnost replikacije je v veliki meri določena le s stroški eksperimenta, je preverjanje regresijskega modela družbeno-ekonomskega objekta precej težko zaradi edinstvenosti procesov, ki se pojavljajo v it, ki so zgodovinske narave.
V zvezi s tem je glavni vir začetnih informacij pri študijah družbeno-ekonomskih objektov opazovanje, "pasivni" eksperiment, ki izključuje ponavljanje poskusov in s tem preverjanje ustreznosti regresijskega modela glede na statistična merila. Zato sta glavna kazalnika ustreznosti, ki se uporabljata pri regresijski analizi družbeno-ekonomskih objektov, multipli korelacijski koeficient in napaka aproksimacije. Vendar pa visoka vrednost prvega in nizka vrednost drugega indikatorja ne omogoča nedvoumne presoje kakovosti regresijskega modela. To je razloženo z dejstvom, da s povečanjem števila členov modelnega polinoma in navzven je to število omejeno le s številom eksperimentov (opazovanja), zaradi kvantitativnega povečanja njegove raznolikosti, natančnost približka začetni podatki po regresijski enačbi naraščajo.
V. Leontjev ( Leotief Vasilij), ko komentira nizko učinkovitost uporabe statističnih metod v ekonomiji, to pojasnjuje z besedami, »da posredna, celo metodološko izpopolnjena statistična analiza ni primerna za preučevanje kompleksnih kvantitativnih razmerij, ki so lastna sodobnemu gospodarstvu«. Dejavnik, ki se nanaša tudi na interpretacijo rezultatov in zmanjšuje učinkovitost uporabe matematičnih metod in posledično vodstvenih odločitev, je pretirana idealizacija tako dobljenih kvantitativnih rezultatov. Natančni izračuni ne pomenijo pravilne odločitve, ki jo določajo začetni podatki in metodologija njihove obdelave. Vodje, ki so zaprošeni za reševanje problemov linearnega programiranja, se morajo zavedati, da lahko prisotnost že najmanjšega nelinearnega elementa v problemu povzroči dvom in celo naredi njegovo rešitev z metodo linearnega programiranja nevarno. Na žalost večina začetnih tečajev, ki višje vodstvene delavce seznanijo z osnovami inženiringa in ekonomije, ne uči, kako so te vede povezane s praktičnimi problemi. To je razloženo z dejstvom, da učitelj trdno verjame v univerzalno uporabnost svoje metodologije in slabo razume meje njene uporabe.
Tako na vseh treh obravnavanih stopnjah "pretvorbe" proizvodnega problema v matematični model ni dovolj strogih, znanstveno utemeljenih kriterijev za oceno kakovosti in ujemanja idealnih modelov z realnim objektom. Obenem je tradicionalna usmeritev usmerjena le v premagovanje računskih težav in velike razsežnosti modelov ter ne upošteva omejitev matematičnega aparata.
Modeliranje je najbolj praktična plat aplikativnega raziskovanja, vendar mora ta pragmatizem temeljiti na epistemološkem in ontološkem pristopu v metodologiji proceduralnega znanja pri reševanju problemov individualne produkcije. Hkrati je treba pri uporabi modelov pri sprejemanju upravljavskih odločitev upoštevati njihovo skladnost in s tem ustreznost njihovih odločitev realnim procesom. Ti pogoji so določeni z naravo procesov, ki jih opisujejo modeli. V ekonomiji večina opisnih modelov cena-povpraševanje opisuje institucionalne procese, povezane s človeškim vedenjem, ti modeli pa so izključno konceptualni in jih ni mogoče uporabiti za pridobitev kvantitativnih ocen napovedi. Stopnjo zmožnosti statističnih modelov za interpolacijske ocene znotraj opisanega razpona določajo statistični indikatorji zanesljivosti, pri napovednih ocenah pa stopnja ekstrapolacije ne sme presegati 20-30 % izvornega obsega podatkov. Robustnost regresijskih modelov, izpeljanih iz kontroliranih poskusov z večkratnimi ponovitvami [ neznan izraz ], znatno poveča. Regulativne modele, povezane z optimizacijo porabe virov, pogoji preloma in zakonom padajočih donosov, lahko štejemo za absolutne, zanesljivost ocen, pridobljenih iz njih, pa je odvisna le od napak v izvornih podatkih.