பயன்பாட்டு ஆராய்ச்சியின் அமைப்பு. ஆராய்ச்சியின் நிலைகள் மற்றும் வகைகள்

அனைத்து நிர்ணயிக்கும் நிலைமைகள் மற்றும் வடிவங்களைப் பாதிக்கும் மற்றும் முற்றிலும் அனைத்து செயல்முறைகளையும் கட்டுப்படுத்தும் பல்வேறு வகையான அறிவியல் துறைகளின் அடிப்படையிலான ஆராய்ச்சிப் பகுதிகள் அடிப்படை ஆராய்ச்சி ஆகும்.

இரண்டு வகையான ஆராய்ச்சி

கோட்பாட்டு மற்றும் சோதனை அறிவியல் ஆராய்ச்சி தேவைப்படும் அறிவாற்றலின் எந்தவொரு பகுதியும், கட்டமைப்பு, வடிவம், அமைப்பு, கலவை, பண்புகள் மற்றும் அவற்றுடன் தொடர்புடைய செயல்முறைகளின் போக்கிற்கு பொறுப்பான வடிவங்களுக்கான தேடல் ஒரு அடிப்படை அறிவியல் ஆகும். இது பெரும்பாலான இயற்கை அறிவியல் மற்றும் மனிதநேயங்களின் அடிப்படைக் கொள்கைகளுக்குப் பொருந்தும். அடிப்படை ஆராய்ச்சி என்பது ஆய்வுப் பொருளின் கருத்தியல் மற்றும் தத்துவார்த்த புரிதலை விரிவுபடுத்த உதவுகிறது.

ஆனால் பாடத்தின் மற்றொரு வகை அறிவு உள்ளது. இது ஒரு நடைமுறை வழியில் சமூக மற்றும் தொழில்நுட்ப சிக்கல்களை தீர்க்கும் நோக்கத்துடன் செயல்படும் ஆராய்ச்சி ஆகும். விஞ்ஞானம் அதன் கோட்பாட்டு முறைமைப்படுத்தலை உருவாக்குவதன் மூலம் யதார்த்தத்தைப் பற்றிய மனிதகுலத்தின் புறநிலை அறிவை நிரப்புகிறது. அதன் குறிக்கோள், சில செயல்முறைகள் அல்லது நிகழ்வுகளை விளக்குவது, விவரிப்பது மற்றும் கணிப்பது ஆகும், அங்கு அது சட்டங்களைக் கண்டறிந்து அவற்றில் யதார்த்தத்தை பிரதிபலிக்கிறது. இருப்பினும், அடிப்படை ஆராய்ச்சி வழங்கும் அந்த அனுமானங்களின் நடைமுறை பயன்பாட்டை நோக்கமாகக் கொண்ட அறிவியல்கள் உள்ளன.

உட்பிரிவு

பயன்பாட்டு மற்றும் அடிப்படை ஆராய்ச்சிக்கான இந்த பிரிவு மிகவும் தன்னிச்சையானது, ஏனென்றால் பிந்தையது பெரும்பாலும் அதிக நடைமுறை மதிப்பைக் கொண்டுள்ளது, மேலும் முந்தையதை அடிப்படையாகக் கொண்டு, அறிவியல் கண்டுபிடிப்புகளும் பெரும்பாலும் பெறப்படுகின்றன. அடிப்படை வடிவங்களைப் படிக்கும் போது மற்றும் பொதுவான கொள்கைகளைக் கண்டறியும் போது, ​​விஞ்ஞானிகள் தங்கள் கண்டுபிடிப்புகளை நடைமுறையில் நேரடியாகப் பயன்படுத்துவதை எப்போதும் மனதில் வைத்திருப்பார்கள், இது நிகழும்போது அது மிகவும் முக்கியமானது அல்ல: பெர்சி ஸ்பென்சர் போன்ற மைக்ரோவேவ் கதிர்வீச்சைப் பயன்படுத்தி சாக்லேட்டை இப்போதே உருகவும் அல்லது காத்திருக்கவும். 1665 ஆம் ஆண்டிலிருந்து கிட்டத்தட்ட ஐநூறு வருடங்கள் ஜியோவானி காசினி போன்ற அண்டை கிரகங்களுக்கு விமானங்கள் வியாழன் கிரகத்தில் பெரிய சிவப்பு புள்ளியை கண்டுபிடித்ததன் மூலம்.

அடிப்படை ஆராய்ச்சிக்கும் பயன்பாட்டு ஆராய்ச்சிக்கும் இடையே உள்ள கோடு கிட்டத்தட்ட மாயையானது. எந்தவொரு புதிய அறிவியலும் முதலில் அடிப்படையாக உருவாகிறது, பின்னர் நடைமுறை தீர்வுகளை நோக்கி நகர்கிறது. எடுத்துக்காட்டாக, குவாண்டம் இயக்கவியலில், இயற்பியலின் கிட்டத்தட்ட சுருக்கமான கிளையாக எழுந்தது, முதலில் யாரும் பயனுள்ள எதையும் பார்க்கவில்லை, ஆனால் ஒரு தசாப்தத்திற்கும் குறைவான காலத்திற்குப் பிறகு எல்லாம் மாறியது. மேலும், அணுக்கரு இயற்பியல் இவ்வளவு விரைவாகவும், நடைமுறையில் பரவலாகவும் பயன்படுத்தப்படும் என்று யாரும் எதிர்பார்க்கவில்லை. பயன்பாட்டு மற்றும் அடிப்படை ஆராய்ச்சி நெருக்கமாக ஒன்றோடொன்று இணைக்கப்பட்டுள்ளது, பிந்தையது முந்தையதற்கு அடிப்படையாக (அடித்தளம்) உள்ளது.

RFBR

உள்நாட்டு அறிவியல் நன்கு ஒழுங்கமைக்கப்பட்ட அமைப்பில் செயல்படுகிறது, மேலும் அடிப்படை ஆராய்ச்சிக்கான ரஷ்ய அறக்கட்டளை அதன் கட்டமைப்பில் மிக முக்கியமான இடங்களில் ஒன்றாகும். RFBR சமூகத்தின் அனைத்து அம்சங்களையும் உள்ளடக்கியது, இது நாட்டின் மிகவும் சுறுசுறுப்பான அறிவியல் மற்றும் தொழில்நுட்ப திறனை பராமரிக்க உதவுகிறது மற்றும் விஞ்ஞானிகளுக்கு நிதி ஆதரவை வழங்குகிறது.

அடிப்படை ஆராய்ச்சிக்கான ரஷ்ய அறக்கட்டளை உள்நாட்டு அறிவியல் ஆராய்ச்சிக்கு நிதியளிக்க போட்டி வழிமுறைகளைப் பயன்படுத்துகிறது, மேலும் அங்குள்ள அனைத்து வேலைகளும் உண்மையான நிபுணர்களால் மதிப்பீடு செய்யப்படுகின்றன, அதாவது விஞ்ஞான சமூகத்தின் மிகவும் மரியாதைக்குரிய உறுப்பினர்கள். RFBR இன் முக்கிய பணியானது, விஞ்ஞானிகளால் தங்கள் சொந்த முயற்சியில் சமர்ப்பிக்கப்பட்ட சிறந்த அறிவியல் திட்டங்களுக்கான போட்டியின் மூலம் ஒரு தேர்வை நடத்துவதாகும். அடுத்ததாக வெற்றிகரமான திட்டங்களுக்கு நிறுவன மற்றும் நிதி உதவி வருகிறது.

ஆதரவு பகுதிகள்

அடிப்படை ஆராய்ச்சி அறக்கட்டளை அறிவியலின் பல துறைகளில் விஞ்ஞானிகளுக்கு ஆதரவை வழங்குகிறது.

1. கணினி அறிவியல், இயக்கவியல், கணிதம்.

2. வானியல் மற்றும் இயற்பியல்.

3. பொருட்கள் அறிவியல் மற்றும் வேதியியல்.

4. மருத்துவ அறிவியல் மற்றும் உயிரியல்.

5. புவி அறிவியல்.

6. மற்றும் சமூகம்.

7. கணினி அமைப்புகள் மற்றும் தகவல் தொழில்நுட்பங்கள்.

8. பொறியியல் அறிவியலின் அடிப்படைகள்.

அறக்கட்டளையின் ஆதரவே உள்நாட்டு அடிப்படை மற்றும் பயன்பாட்டு ஆராய்ச்சி மற்றும் மேம்பாட்டை இயக்குகிறது, எனவே கோட்பாடும் நடைமுறையும் ஒன்றையொன்று பூர்த்தி செய்கின்றன. அவர்களின் தொடர்புகளில் மட்டுமே பொதுவான அறிவியல் அறிவு உள்ளது.

புதிய திசைகள்

அடிப்படை மற்றும் பயன்பாட்டு அறிவியல் ஆராய்ச்சி அறிவாற்றலின் அடிப்படை மாதிரிகள் மற்றும் விஞ்ஞான சிந்தனையின் பாணிகளை மட்டுமல்ல, உலகின் முழு அறிவியல் படத்தையும் மாற்றுகிறது. இது மேலும் மேலும் அடிக்கடி நிகழ்கிறது, மேலும் இதற்கான "குற்றவாளிகள்" நேற்று யாருக்கும் தெரியாத அடிப்படை ஆராய்ச்சியின் புதிய பகுதிகள், நூற்றாண்டுக்குப் பிறகு பயன்பாட்டு அறிவியலின் வளர்ச்சியில் அவற்றின் பயன்பாட்டை அதிகரித்து வருகின்றன. நீங்கள் கவனமாகப் பார்த்தால், உண்மையிலேயே புரட்சிகரமான மாற்றங்களைக் காணலாம்.

பயன்பாட்டு ஆராய்ச்சி மற்றும் புதிய தொழில்நுட்பங்களில் அதிகரித்து வரும் புதிய திசைகளின் வளர்ச்சியை அவை வகைப்படுத்துகின்றன, அவை விரைவாக முடுக்கி வரும் அடிப்படை ஆராய்ச்சியால் ஏற்படுகின்றன. மேலும் மேலும் விரைவாக அவை நிஜ வாழ்க்கையில் மொழிபெயர்க்கப்படுகின்றன. அடிப்படை கண்டுபிடிப்பிலிருந்து பெரிய அளவிலான தொழில்நுட்ப பயன்பாடுகளுக்கு வருவதற்கு முன்பு 50-100 ஆண்டுகள் ஆனது என்று டைசன் எழுதினார். இப்போது நேரம் சுருக்கப்பட்டதாகத் தெரிகிறது: அடிப்படை கண்டுபிடிப்பு முதல் உற்பத்தியில் செயல்படுத்துவது வரை, செயல்முறை உண்மையில் நம் கண்களுக்கு முன்பாக நிகழ்கிறது. மற்றும் அனைத்து அடிப்படை ஆராய்ச்சி முறைகள் தங்களை மாறிவிட்டதால்.

அடிப்படை ஆராய்ச்சிக்கான ரஷ்ய அறக்கட்டளையின் பங்கு

முதலில், திட்டங்கள் போட்டி அடிப்படையில் தேர்ந்தெடுக்கப்படுகின்றன, பின்னர் போட்டிக்கு சமர்ப்பிக்கப்பட்ட அனைத்து படைப்புகளையும் கருத்தில் கொள்வதற்கான ஒரு செயல்முறை உருவாக்கப்பட்டு அங்கீகரிக்கப்படுகிறது, மேலும் போட்டிக்கு முன்மொழியப்பட்ட ஆராய்ச்சியின் ஆய்வு மேற்கொள்ளப்படுகிறது. அடுத்து, தேர்ந்தெடுக்கப்பட்ட செயல்பாடுகள் மற்றும் திட்டங்களுக்கு ஒதுக்கப்பட்ட நிதியின் பயன்பாட்டைத் தொடர்ந்து கண்காணிப்பதன் மூலம் நிதியளிக்கப்படுகிறது.

விஞ்ஞான அடிப்படை ஆராய்ச்சி துறையில் சர்வதேச ஒத்துழைப்பு நிறுவப்பட்டு ஆதரிக்கப்படுகிறது, இதில் கூட்டு திட்டங்களுக்கு நிதியளிப்பதும் அடங்கும். இந்த நடவடிக்கை பற்றிய தகவல் பொருட்கள் தயாரிக்கப்பட்டு வெளியிடப்படுகின்றன, மேலும் அவை பரவலாக விநியோகிக்கப்படுகின்றன. அறிவியல் மற்றும் தொழில்நுட்பத் துறையில் பொதுக் கொள்கையை உருவாக்குவதில் அறக்கட்டளை தீவிரமாக பங்கேற்கிறது, இது அடிப்படை ஆராய்ச்சியிலிருந்து தொழில்நுட்பத்தின் தோற்றத்திற்கான பாதையை மேலும் சுருக்குகிறது.

அடிப்படை ஆராய்ச்சியின் நோக்கம்

அறிவியலின் வளர்ச்சி பொது வாழ்வில் சமூக மாற்றங்களால் எப்போதும் பாதுகாக்கப்படுகிறது. நாகரிகம், அறிவியல் மற்றும் கலையை முன்னோக்கி நகர்த்துவது தொழில்நுட்பம் என்பதால், ஒவ்வொரு அடிப்படை ஆராய்ச்சியின் முக்கிய குறிக்கோள் ஆகும். அறிவியல் ஆராய்ச்சி இல்லை - பயன்பாட்டு பயன்பாடு இல்லை, எனவே, தொழில்நுட்ப மாற்றங்கள் இல்லை.

சங்கிலியுடன் மேலும்: தொழில் வளர்ச்சி, உற்பத்தி வளர்ச்சி, சமூகத்தின் வளர்ச்சி. அடிப்படை ஆராய்ச்சியானது அறிவாற்றலின் முழு அமைப்பையும் கொண்டுள்ளது, இது இருப்புக்கான அடிப்படை மாதிரிகளை உருவாக்குகிறது. கிளாசிக்கல் இயற்பியலில், ஆரம்ப அடிப்படை மாதிரியானது, பொருளின் அமைப்பு மற்றும் ஒரு பொருள் புள்ளியின் இயக்கவியல் பற்றிய விதிகள் என அணுக்கள் பற்றிய எளிமையான யோசனைகள் ஆகும். இங்கிருந்து இயற்பியல் அதன் வளர்ச்சியைத் தொடங்கியது, மேலும் மேலும் புதிய அடிப்படை மாதிரிகள் மற்றும் மேலும் மேலும் சிக்கலானவற்றை உருவாக்கியது.

இணைத்தல் மற்றும் பிரிவு

பயன்பாட்டு மற்றும் அடிப்படை ஆராய்ச்சிக்கு இடையிலான உறவில், அறிவின் வளர்ச்சியை உந்துகின்ற பொதுவான செயல்முறையே மிக முக்கியமானது. விஞ்ஞானம் எப்போதும் பரந்த முன்னணியில் முன்னேறுகிறது, ஒவ்வொரு நாளும் அதன் ஏற்கனவே சிக்கலான கட்டமைப்பை சிக்கலாக்குகிறது, இது ஒரு உயிருள்ள, மிகவும் ஒழுங்கமைக்கப்பட்ட நிறுவனத்தைப் போன்றது. இங்கே என்ன ஒற்றுமை? எந்தவொரு உயிரினத்திற்கும் பல அமைப்புகள் மற்றும் துணை அமைப்புகள் உள்ளன. சிலர் உடலை சுறுசுறுப்பான, சுறுசுறுப்பான, வாழும் நிலையில் பராமரிக்கிறார்கள் - இது அவர்களின் ஒரே செயல்பாடு. மற்றவை வெளி உலகத்துடன் தொடர்புகொள்வதை நோக்கமாகக் கொண்டுள்ளன, பேசுவதற்கு - வளர்சிதை மாற்றத்தில். அறிவியலில், அதே விஷயம் நடக்கிறது.

செயலில் உள்ள நிலையில் அறிவியலை ஆதரிக்கும் துணை அமைப்புகள் உள்ளன, மற்றவை உள்ளன - அவை வெளிப்புற அறிவியல் வெளிப்பாடுகளில் கவனம் செலுத்துகின்றன, அவை வெளிப்புற நடவடிக்கைகளில் அதைச் சேர்ப்பது போல. அடிப்படை ஆராய்ச்சி அறிவியலின் நலன்கள் மற்றும் தேவைகளை நோக்கமாகக் கொண்டது, அதன் செயல்பாடுகளை ஆதரிப்பதில் உள்ளது, மேலும் இது அறிவாற்றல் முறைகளின் வளர்ச்சி மற்றும் இருப்புக்கான அடிப்படையான கருத்துக்களை பொதுமைப்படுத்துவதன் மூலம் அடையப்படுகிறது. இதுவே "தூய அறிவியல்" அல்லது "அறிவுக்காக அறிவு" என்ற கருத்தின் பொருள். பயன்பாட்டு ஆராய்ச்சி எப்போதும் வெளிப்புறமாக இயக்கப்படுகிறது, இது நடைமுறை மனித செயல்பாடுகளுடன், அதாவது உற்பத்தியுடன், உலகை மாற்றுகிறது

பின்னூட்டம்

புதிய அடிப்படை அறிவியல்களும் பயன்பாட்டு ஆராய்ச்சியின் அடிப்படையில் உருவாக்கப்பட்டு வருகின்றன, இருப்பினும் இந்த செயல்முறை கோட்பாட்டு மற்றும் அறிவாற்றல் சிக்கல்களால் நிறைந்துள்ளது. வழக்கமாக, அடிப்படை ஆராய்ச்சியில் நிறைய பயன்பாடுகள் உள்ளன, மேலும் அவற்றில் எது கோட்பாட்டு அறிவின் வளர்ச்சியில் அடுத்த முன்னேற்றத்தை உருவாக்கும் என்று கணிப்பது முற்றிலும் சாத்தியமற்றது. ஒரு உதாரணம் இன்று இயற்பியலில் உருவாகி வரும் சுவாரசியமான சூழ்நிலை. நுண்செயலிகள் துறையில் அதன் முன்னணி அடிப்படைக் கோட்பாடு குவாண்டம் ஆகும்.

இது இருபதாம் நூற்றாண்டின் இயற்பியல் அறிவியலில் சிந்தனையின் முழு வழியையும் தீவிரமாக மாற்றியது. இது ஏராளமான வெவ்வேறு பயன்பாடுகளைக் கொண்டுள்ளது, ஒவ்வொன்றும் கோட்பாட்டு இயற்பியலின் இந்த கிளையின் முழு பாரம்பரியத்தையும் "பாக்கெட்" செய்ய முயற்சிக்கிறது. மேலும் பலர் ஏற்கனவே இந்த வழியில் வெற்றி பெற்றுள்ளனர். குவாண்டம் கோட்பாட்டின் பயன்பாடுகள், ஒன்றன் பின் ஒன்றாக, அடிப்படை ஆராய்ச்சியின் சுயாதீனமான பகுதிகளை உருவாக்குகின்றன: திட நிலை இயற்பியல், அடிப்படைத் துகள்கள், அத்துடன் வானவியலுடன் இயற்பியல், உயிரியலுடன் இயற்பியல் மற்றும் வரவிருக்கும் பல. குவாண்டம் இயக்கவியல் உடல் சிந்தனையை தீவிரமாக மாற்றிவிட்டது என்று எப்படி முடிவு செய்ய முடியாது.

திசைகளின் வளர்ச்சி

அறிவியலின் வரலாறு, அடிப்படை ஆராய்ச்சிப் பகுதிகளின் வளர்ச்சியில் மிகவும் வளமாக உள்ளது. இதில் கிளாசிக்கல் மெக்கானிக்ஸ் அடங்கும், இது மேக்ரோபாடிகளின் அடிப்படை பண்புகள் மற்றும் இயக்க முறைகளை வெளிப்படுத்துகிறது, மற்றும் வெப்ப இயக்கவியல் அதன் ஆரம்ப விதிகள் மற்றும் மின்காந்த செயல்முறைகளுடன் கூடிய மின் இயக்கவியல் ஆகியவை குவாண்டம் இயக்கவியல் பற்றி ஏற்கனவே சில வார்த்தைகள் கூறப்பட்டுள்ளன மரபியல் பற்றி! மேலும் இது அடிப்படை ஆராய்ச்சியின் புதிய பகுதிகளின் நீண்ட தொடரின் முடிவில் இருந்து வெகு தொலைவில் உள்ளது.

மிகவும் சுவாரஸ்யமான விஷயம் என்னவென்றால், ஏறக்குறைய ஒவ்வொரு புதியதும் பல்வேறு பயன்பாட்டு ஆராய்ச்சிகளில் சக்திவாய்ந்த எழுச்சிக்கு வழிவகுத்தது, மேலும் அறிவின் கிட்டத்தட்ட அனைத்து பகுதிகளும் உள்ளடக்கப்பட்டன. அதே கிளாசிக்கல் மெக்கானிக்ஸ், எடுத்துக்காட்டாக, அதன் அடித்தளத்தைப் பெற்றவுடன், அது பலவிதமான அமைப்புகள் மற்றும் பொருள்களின் ஆய்வில் தீவிரமாகப் பயன்படுத்தத் தொடங்கியது. இங்குதான் தொடர்ச்சியான ஊடகங்களின் இயக்கவியல், திட இயக்கவியல், திரவ இயக்கவியல் மற்றும் பல பகுதிகள் எழுந்தன. அல்லது ஒரு புதிய திசையை எடுத்துக் கொள்ளுங்கள் - உயிரினங்கள், இது அடிப்படை ஆராய்ச்சியின் சிறப்பு அகாடமியால் உருவாக்கப்பட்டது.

குவிதல்

சமீபத்திய தசாப்தங்களில் கல்வி மற்றும் தொழில்துறை ஆராய்ச்சி கணிசமாக நெருக்கமாகிவிட்டதாக ஆய்வாளர்கள் கூறுகின்றனர், மேலும் இந்த காரணத்திற்காக தனியார் பல்கலைக்கழகங்கள் மற்றும் வணிக கட்டமைப்புகளில் அடிப்படை ஆராய்ச்சியின் பங்கு அதிகரித்துள்ளது. அறிவின் தொழில்நுட்ப வரிசை கல்வியுடன் இணைகிறது, ஏனெனில் பிந்தையது அறிவின் உருவாக்கம் மற்றும் செயலாக்கம், கோட்பாடு மற்றும் உற்பத்தி ஆகியவற்றுடன் தொடர்புடையது, இது இல்லாமல் தேடுதல், வரிசைப்படுத்துதல் அல்லது பயன்பாட்டு நோக்கங்களுக்காக இருக்கும் அறிவைப் பயன்படுத்துவது சாத்தியமில்லை.

ஒவ்வொரு அறிவியலும் அதன் அடிப்படை ஆராய்ச்சியுடன் நவீன சமுதாயத்தின் உலகக் கண்ணோட்டத்தில் மிகவும் குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்துகிறது, தத்துவ சிந்தனையின் அடிப்படைக் கருத்துக்களைக் கூட மாற்றுகிறது. இன்றைய விஞ்ஞானம் எதிர்காலத்திற்கான வழிகாட்டுதல்களைக் கொண்டிருக்க வேண்டும், முடிந்தவரை தொலைவில் உள்ளது. கணிப்புகள், நிச்சயமாக, கடினமானதாக இருக்க முடியாது, ஆனால் வளர்ச்சிக் காட்சிகள் உருவாக்கப்பட வேண்டும். அதில் ஒன்று கண்டிப்பாக செயல்படுத்தப்படும். இங்கே முக்கிய விஷயம் சாத்தியமான விளைவுகளை கணக்கிட வேண்டும். அணுகுண்டை உருவாக்கியவர்களை நினைவு கூர்வோம். மிகவும் அறியப்படாத, மிகவும் சிக்கலான, மிகவும் சுவாரஸ்யமான, முன்னேற்றம் தவிர்க்க முடியாமல் முன்னேறுகிறது. இலக்கை சரியாக வரையறுப்பது முக்கியம்.

பாரம்பரியமாக, அறிவியல் ஆராய்ச்சியின் மூன்று முக்கிய பகுதிகள் உள்ளன: அடிப்படை அறிவியல் ஆராய்ச்சி, பயன்பாட்டு அறிவியல் ஆராய்ச்சி மற்றும் ஆராய்ச்சி மற்றும் மேம்பாடு (R&D).

ஏற்கனவே குறிப்பிட்டுள்ளபடி, பெறப்பட்ட அறிவின் நடைமுறை பயன்பாட்டின் சாத்தியத்தைப் பொருட்படுத்தாமல் உலகை அறியும் அறிவியல் அடிப்படையாகக் கருதப்படுகிறது. அடிப்படை என்ற சொல் (லத்தீன் அடிப்படையிலிருந்து - அடிப்படை, ஆதரவு) என்பது இயற்கையின் அடிப்படை, அடிப்படை விதிகளை ஆய்வு செய்வதில் இந்த அறிவியல்களின் கவனம். அடிப்படை அறிவியலின் செயல்பாட்டின் விளைவு ஒரு கண்டுபிடிப்பு.

பயன்பாட்டு அறிவியல் ஆராய்ச்சி என்பது நடைமுறை சிக்கல்களைத் தீர்க்க அடிப்படை அறிவியலால் வடிவமைக்கப்பட்ட அறிவு மற்றும் வடிவங்களைப் பயன்படுத்தும் ஆராய்ச்சி ஆகும். பயன்பாட்டு ஆராய்ச்சியின் விளைவாக புதிய உபகரணங்கள் மற்றும் தொழில்நுட்பங்களின் கண்டுபிடிப்பு (மேம்பாடு, செயல்படுத்தல் மற்றும் பயன்பாடு). விஞ்ஞான ஆராய்ச்சியை அடிப்படை மற்றும் பயன்பாட்டுக்கு இடையேயான பிரிப்பு தொடர்புடையது என்பதை நினைவில் கொள்வோம், ஏனெனில் அவற்றுக்கிடையே கடினமான எல்லை இல்லை. எடுத்துக்காட்டாக, உயர் தொழில்நுட்பத் துறையில் உலகின் முன்னணி தொழில்துறை நிறுவனங்கள் பல மில்லியன் டாலர்கள் நிதியுதவியுடன் அடிப்படை சிக்கல்களை ஆய்வு செய்ய ஆராய்ச்சி ஆய்வகங்களைக் கொண்டுள்ளன, மேலும் பல்கலைக்கழக அறிவியல் நடைமுறைப் பயன்பாட்டிற்காக வணிகத்திற்கு நேரடியாகப் பயன்படுத்தப்படும் முன்னேற்றங்களை மாற்றுகிறது.

அறிவியல் மற்றும் தொழில்நுட்ப வளர்ச்சியின் வரலாறு, உற்பத்தி மற்றும் தொழில்நுட்ப சிக்கல்களைத் தீர்க்க வேண்டியதன் காரணமாக பயன்பாட்டு அறிவியல் ஆராய்ச்சி உருவாகிறது என்பதைக் காட்டுகிறது. எனவே, நீராவி இயந்திரத்தின் முன்னேற்றம் வெப்ப இயக்கவியல் துறையில் ஆராய்ச்சிக்கு வழிவகுத்தது, வாயுக்களின் இயக்கவியல் கோட்பாடு, எரிப்பு கோட்பாடு, முதலியன மின்சார மோட்டார்கள் மற்றும் மின்னோட்ட ஜெனரேட்டர்களின் வருகையுடன், மின் பொறியியல் கோட்பாடு உருவாகத் தொடங்கியது. பின்னர் முற்றிலும் புதிய அறிவியல் எழுந்தது - எலக்ட்ரோடைனமிக்ஸ் மற்றும் ஊசலாட்டங்கள் மற்றும் அலைகளின் கோட்பாடு, இது இல்லாமல் வானொலி தகவல்தொடர்பு மற்றும் தொலைக்காட்சி சாத்தியமற்றது. இந்த பயன்பாட்டு ஆய்வுகள் அனைத்தும் தூய அறிவியலின் கட்டமைப்பிற்குள் ஆய்வு செய்யப்பட்ட இயற்பியலின் அடிப்படைப் பிரிவுகளை அடிப்படையாகக் கொண்டவை என்பதை வலியுறுத்த வேண்டும், அதாவது. நடைமுறை பயன்பாடு இல்லாதது.

நமது நடைமுறை யுகத்தில், நடைமுறை நன்மைகள் மற்றும் பலன்களைப் பற்றி ஒவ்வொருவரும் சிந்திக்கும்போது, ​​அடிப்படை அறிவியலுக்கான நிதிச் செலவுகளின் பயனற்ற தன்மை பற்றிய கேள்வி எழுகிறது. அவர்கள் அதை "அறிவியலுக்கான அறிவியல்" என்று அழைக்கிறார்கள், மேலும் மக்கள் ஏன் அருகிலுள்ள மற்றும் ஆழமான விண்வெளி, கிரக ஆய்வு அல்லது பிரபஞ்சத்தின் தோற்றத்தின் மர்மங்களை ஆய்வு செய்ய பல்லாயிரக்கணக்கான டாலர்கள் மதிப்புள்ள பெரிய ஹாட்ரான் மோதலை உருவாக்க வேண்டும் என்று நினைக்கிறார்கள். வறுமை, பசி, மருத்துவ பராமரிப்பு இல்லாமை மற்றும் பிற மனிதாபிமான பிரச்சனைகளை எதிர்த்துப் போராட இந்த நிதி ஆதாரங்களைப் பயன்படுத்துவது மிகவும் பகுத்தறிவு. உண்மையில், மனிதாபிமான பிரச்சினைகள் இப்போது நாடுகடந்த மட்டத்தில் முன்னுரிமைகளாக உள்ளன. இருப்பினும், அடிப்படை ஆராய்ச்சி நடத்துவது பயன்பாட்டு அறிவியலின் வெற்றிக்கான ஒரு நிபந்தனை மட்டுமல்ல, உலகளாவிய நெருக்கடியில் மனிதகுலம் உயிர்வாழ்வதற்கான முக்கிய காரணியாகும். அடிப்படையில் புதிய வகை ஆற்றலுக்கான மாற்றம் (ஸ்லாவிக் மேதை நிகோலா டெஸ்லாவின் உலகளாவிய, அமானுஷ்ய, பொறியியல் மற்றும் தொழில்நுட்ப தீர்வுகளின் உணர்வில்), வேற்று கிரக நாகரிகங்களுக்கான தேடல், அத்துடன் மர்மம் தொடர்பான “பூமிக்குரிய” சிக்கல்களுக்கான தீர்வு. பூமியில் உயிர் மற்றும் மனிதனின் தோற்றம் அடிப்படை அறிவியல் ஆராய்ச்சியின் அடிப்படையில் மட்டுமே சாத்தியமாகும்.

மேலும், தொழில்நுட்ப சிக்கல்களைத் தீர்க்க இயற்கையைப் பற்றிய அடிப்படை அறிவைப் பயன்படுத்தும் பயன்பாட்டு அறிவியல் ஆராய்ச்சி, அடிப்படை அறிவியலில் இருந்து தனித்து வெற்றிகரமாக வளர முடியாது. எனவே, 20 ஆம் நூற்றாண்டின் தொடக்கத்தில். குவாண்டம் இயக்கவியலின் அடிப்படைக் கோட்பாடுகள் மற்றும் சார்பியல் கோட்பாடு ஆகியவை உருவாக்கப்பட்டன. அந்த நேரத்தில், இந்த கோட்பாடுகள் முற்றிலும் ஊகமாகவும் முற்றிலும் பயனற்றதாகவும் தோன்றியது. கம்யூனிச சித்தாந்தத்தின் கட்டமைப்பிற்குள், அரை நூற்றாண்டுக்குப் பிறகு எழுந்த மரபியல் மற்றும் சைபர்நெட்டிக்ஸ் ஆகியவற்றுடன் இந்த அறிவியல் புறக்கணிப்பு மற்றும் துன்புறுத்தலுக்கு உட்பட்டது. இந்த பகுதிகளில் அடிப்படை ஆராய்ச்சியை மேற்கொண்ட விஞ்ஞானிகள் கல்வியியல் மற்றும் இலட்சியவாதத்திற்காக நிந்திக்கப்பட்டதோடு மட்டுமல்லாமல், உடல் ரீதியாகவும் அழிக்கப்பட்டனர் (என்.ஐ. வவிலோவ்). இருப்பினும், ஒரு குறுகிய வரலாற்று காலத்திற்குப் பிறகு, துகள் முடுக்கிகள் கண்டுபிடிக்கப்பட்டன, அதன் கட்டுமானத்திற்காக சார்பியல் கோட்பாட்டின் கொள்கைகள் பயன்படுத்தப்பட்டன, பின்னர் குவாண்டம் இயக்கவியலின் கொள்கைகளில் இயங்கும் லேசர்கள் தோன்றின. மனித மரபணுவின் வளர்ச்சி மரபணுக் கோட்பாட்டின் அடிப்படைக் கொள்கைகளை அடிப்படையாகக் கொண்டது. மேலும் இதுபோன்ற நூற்றுக்கணக்கான எடுத்துக்காட்டுகள் உள்ளன.

பயன்பாட்டு ஆராய்ச்சி- தொழில்நுட்ப மற்றும் சமூக பிரச்சனைகளுக்கு நடைமுறை தீர்வுகளை இலக்காகக் கொண்ட அறிவியல் ஆராய்ச்சி.

அறிவியல் என்பது மனித செயல்பாட்டின் ஒரு கோளமாகும், இதன் செயல்பாடு யதார்த்தத்தைப் பற்றிய புறநிலை அறிவின் வளர்ச்சி மற்றும் தத்துவார்த்த முறைப்படுத்தல் ஆகும். அறிவியலின் உடனடி இலக்குகள், செயல்முறைகள் மற்றும் யதார்த்தத்தின் நிகழ்வுகளின் விளக்கம், விளக்கம் மற்றும் கணிப்பு ஆகும், இது அதன் ஆய்வுக்கு உட்பட்டது, அது கண்டுபிடிக்கும் சட்டங்களின் அடிப்படையில், அதாவது, ஒரு பரந்த பொருளில், யதார்த்தத்தின் தத்துவார்த்த பிரதிபலிப்பு ஆகும்.

அதன் நோக்குநிலையில், தொடர்பாக பயிற்சிதனிப்பட்ட அறிவியல்கள் பொதுவாக அடிப்படை அறிவியல்களாகப் பிரிக்கப்படுகின்றன ( அடிப்படை அறிவியல்) மற்றும் பயன்பாட்டு அறிவியல் ( பயன்பாட்டு அறிவியல்) இயற்கை, சமூகம் மற்றும் சிந்தனையின் அடிப்படை கட்டமைப்புகளின் நடத்தை மற்றும் தொடர்புகளை நிர்வகிக்கும் சட்டங்களைப் புரிந்துகொள்வதே அடிப்படை அறிவியலின் பணி. இந்த சட்டங்கள் மற்றும் கட்டமைப்புகள் அவற்றின் சாத்தியமான பயன்பாட்டைப் பொருட்படுத்தாமல், அவற்றின் "தூய வடிவத்தில்" ஆய்வு செய்யப்படுகின்றன. பயன்பாட்டு அறிவியலின் உடனடி குறிக்கோள், அறிவாற்றல் மட்டுமல்ல, சமூக மற்றும் நடைமுறை சிக்கல்களையும் தீர்க்க அடிப்படை அறிவியலைப் பயன்படுத்துவதாகும்.

அடிப்படை ஆராய்ச்சியின் தனிப்பட்ட முடிவுகள் நேரடி நடைமுறை மதிப்பைக் கொண்டிருப்பதால், ஆராய்ச்சியை அடிப்படை மற்றும் பயன்பாட்டுக்கு பிரிப்பது மிகவும் தன்னிச்சையானது, மேலும் பயன்பாட்டு ஆராய்ச்சியின் விளைவாக, அறிவியல் கண்டுபிடிப்புகளைப் பெறலாம்.

பொருளாதார நடவடிக்கைகளுக்கு அறிவியல் ஆதரவு

மேலாண்மை முடிவுகளை எடுப்பதற்கு அறிவியல் ஆராய்ச்சி ஒரு கட்டாய செயல்முறையாக மாறி வருகிறது. அத்தகைய வேலையின் நோக்கம் மற்றும் சிக்கலானது குறிப்பிட்ட சிக்கலால் தீர்மானிக்கப்படுகிறது, ஆனால் அது எப்போதும் ஒரு அறிவாற்றல் கட்டமைப்பைக் கொண்டுள்ளது, இதன் விளைவாக விஞ்ஞான முறைகளின் பயன்பாட்டை அடிப்படையாகக் கொண்டது.

சிக்கலின் இரண்டாவது கூறுகளின் புறநிலை விளக்கத்தின் கேள்வி இன்னும் கடினமானது - விரும்பிய சூழ்நிலை மற்றும், அதன்படி, நோக்கம் மற்றும் ஆராய்ச்சி கருதுகோளின் வரையறைகள் அதிலிருந்து பின்பற்றப்படுகின்றன. இவை அனைத்தும் தற்போதுள்ள சூழ்நிலையின் விளக்கத்தின் புறநிலை மற்றும் ஆய்வின் கீழ் உள்ள பொருளை உள்ளடக்கிய அமைப்புகளின் இலக்குகளை அடையாளம் காண முடிவெடுக்கும் நபர் ஆகியவற்றைப் பொறுத்தது. இங்கே, முறையான பிழைகள் ஒரு சிக்கலைத் தீர்க்கும் முயற்சி புதியவற்றின் தோற்றத்திற்கு வழிவகுக்கும் என்பதற்கு வழிவகுக்கும். பல புதிய சிக்கல்கள் - கனரக உபகரணங்களால் மண் சுருக்கம், பணியாளர்கள் மற்றும் இணைப்புகளின் எண்ணிக்கையில் அதிகரிப்பு காரணமாக மேலாண்மை கருவியின் செயலற்ற தன்மை, கால்நடை வளாகங்களிலிருந்து கழிவுநீரை அகற்றுதல் போன்றவை - பிற சிக்கல்களைத் தீர்ப்பதை நோக்கமாகக் கொண்ட மனித நடவடிக்கைகளின் விளைவாக எழுந்தன.

மேலாண்மை முடிவின் விஞ்ஞான உருவாக்கத்தின் முதல் கட்டத்தின் பகுப்பாய்வு, இயற்கை மற்றும் தொழில்நுட்ப அறிவியலில் அகநிலை சிதைவுகளின் முக்கிய ஆதாரம் மற்றும் அதன்படி, இந்த கட்டத்தின் செயல்திறன் குறைவது உண்மையான உண்மையின் விளக்கத்தின் முழுமையாகும் என்பதைக் காட்டுகிறது. , முக்கியமாகப் பயன்படுத்தப்படும் கருவிகள் மூலம் மட்டுமே அடையப்படுகிறது, பின்னர் உற்பத்தி சிக்கல்களைப் படிக்கும் விஷயத்தில், விஞ்ஞானிகள் மற்றும்/அல்லது மேலாளர்களால் பொருளைப் பற்றிய போதுமான உணர்வின் கூடுதல் சிக்கல்கள், அவர்கள் பயன்படுத்தும் முறையைப் பொறுத்து. சிக்கல் ஆராய்ச்சியின் முதல் கட்டத்தில், தவறான சிக்கல்களை உருவாக்குவதற்கான அதிக நிகழ்தகவு உள்ளது - "சிக்கல்கள்" மற்றும் போலி-பணிகள், அவற்றின் தீர்வு எந்த நடைமுறை மதிப்பையும் கொண்டிருக்காது, மேலும் செயல்படுத்துவது விரும்பத்தகாத விளைவுகளுக்கு வழிவகுக்கும். இந்த வழக்கில், நிர்வாக முடிவின் செயல்திறன் பூஜ்ஜியமாகவோ அல்லது எதிர்மறையாகவோ இருக்கும்.

இரண்டாம் நிலைஒரு உற்பத்தி சிக்கலின் ஆராய்ச்சி - ஒரு கணித மாதிரியின் வளர்ச்சி.

சூழ்நிலைகளை மதிப்பிடுவதற்கான அறிவியல் கோட்பாடுகள் மற்றும் முடிவெடுக்கும் முறைகள் மற்றும் மாதிரிகள் மூலம் புறநிலை உறுதி செய்யப்பட வேண்டும். மாடலிங், குறிப்பாக கணினிகளின் பயன்பாடு, சிக்கலான அமைப்புகளின் நிர்வாகத்தில் பயன்படுத்தப்பட்ட நோக்குநிலையுடன் கணினி ஆராய்ச்சிக்கான முக்கிய தத்துவார்த்த கருவியாகும். மாடலிங் செயல்முறையின் கணிசமான பகுதி (குறிகாட்டிகள், காரணிகள், சார்புகளின் தேர்வு) பொருளாதாரக் கோட்பாட்டில் சேர்க்கப்பட்டுள்ளது, மேலும் தொழில்நுட்ப பகுதி (10 இல் 9 நிகழ்வுகளில் சில புள்ளிவிவர மாதிரிகளை உருவாக்குவது) பொருளாதார அளவீட்டில் சேர்க்கப்பட்டுள்ளது. இவ்வாறு, பொருளாதார மற்றும் கணித மாதிரியாக்கம் ஒருபுறம் உடைந்து, மறுபுறம் துண்டிக்கப்படுகிறது. மாடலிங்கின் அனைத்து நிலைகளுக்கும் இடையிலான உறவின் கேள்விகள், மாடலிங் முடிவுகளின் விளக்கத்தின் சரியான தன்மை மற்றும் அதன் விளைவாக, மாதிரிகள் அடிப்படையிலான பரிந்துரைகளின் மதிப்பு காற்றில் தொங்குகிறது.

கணித மொழியின் தெளிவின்மை பிளஸ் மற்றும் மைனஸ் ஆகிய இரண்டும் ஆகும். நன்மை என்னவென்றால், இது பிழைகளை அனுமதிக்காது, ஆனால் அதே சொத்து பொருளின் போதுமான முழுமையான விளக்கத்தின் சாத்தியத்தை கட்டுப்படுத்துகிறது. மாதிரியில் தகவல் அதிகரிப்பதன் மூலம், ஹூரிஸ்டிக் மாடலிங் செயல்பாடு கணக்கில் எடுத்துக்கொள்ளப்பட்ட தகவலின் அளவிற்கு நேரடி விகிதத்தில் வளராது, ஆனால் ஒரு தீவிர சட்டத்தின் படி, அதாவது, மாடலிங் செயல்திறன் ஒரு குறிப்பிட்ட வரம்பு வரை மட்டுமே அதிகரிக்கிறது, அதன் பிறகு அது விழுகிறது. வேறு வார்த்தைகளில் கூறுவதானால், கணிதத்தின் பயன்பாடு துல்லியத்திற்கு உத்தரவாதம் அளிக்கிறது, ஆனால் விளைந்த தீர்வின் சரியான தன்மை அல்ல. இயற்பியல் பொருள்களைப் பற்றிய ஆய்வுகளில், தகவல் சிக்கலானது, அவற்றைத் தீர்மானிக்கும் காரண-விளைவு உறவுகளின் காரணமாக, ஒப்பீட்டளவில் குறைவாக இருப்பதால், சமூக-பொருளாதாரப் பொருட்களின் ஆய்வைக் காட்டிலும் இழப்புகள் மற்றும் தகவலின் சிதைவின் அளவு கணிசமாகக் குறைவாக இருக்கும். . கணித மொழியின் வரம்புகள் K. Gödel இன் முறையான அமைப்புகளின் முழுமையின்மை கோட்பாட்டின் அடிப்படையிலும் வெளிப்புறக் கூட்டல் கலையின் கொள்கையிலும் உள்ளது. பீரா ( பீர் ஸ்டாஃபோர்ட்) அதன் நிலை, இயற்கையாகவே, பெரும்பாலும் வரலாற்றுப்பூர்வமானது மற்றும் முழுமையானது அல்ல. கணிதம் வளர வளர அதன் திறன்கள் அதிகரிக்கும். இருப்பினும், தற்போது, ​​பல ரஷ்ய மற்றும் வெளிநாட்டு கணிதவியலாளர்கள், தத்துவவாதிகள், பொருளாதார வல்லுநர்கள் மற்றும் பிற அறிவியல் துறைகளின் பிரதிநிதிகள் சமூக-பொருளாதார நிகழ்வுகளின் போதுமான கணித விளக்கத்தின் மட்டுப்படுத்தப்பட்ட சாத்தியக்கூறுகளைக் குறிப்பிடுகின்றனர்.

கணித முறைகளின் பயன்பாடு வரம்பற்ற வரம்பில் அவற்றின் "சர்வவல்லமை" மற்றும் உலகளாவிய தோற்றத்தை உருவாக்குகிறது. இதன் முக்கிய உறுதிப்படுத்தல் பெரும்பாலும் இந்த இரண்டு குணாதிசயங்களின் பரஸ்பர வாதமாகும், ஆனால் நடைமுறையில் மாடலிங் முடிவுகளைப் பயன்படுத்துவதன் செயல்திறன் அல்ல. இதில் ஒரு முக்கியமான செல்வாக்கு என்னவென்றால், கணித முறைகள் மற்றும் மாதிரிகளின் வழிமுறை அம்சங்களை விவரிக்கும் போது, ​​போதுமான தீர்வை வழங்குவதற்கு அவர்கள் கொண்டிருக்க வேண்டிய பல பண்புகள் கொடுக்கப்பட்டுள்ளன, அதன்படி, அவை உள்ளார்ந்த பண்புகளாக உணரப்படுகின்றன. விவரிக்கப்பட்ட முறைகள் மற்றும் மாதிரிகள். எந்தவொரு சிறப்பு கருவியையும் போலவே, ஒரு குறிப்பிட்ட முறையானது செயலாக்கப்படும் தகவலின் மீது அதன் சொந்த வரம்புகளை விதிக்கிறது: இது சில அம்சங்களை முன்னிலைப்படுத்துகிறது, மற்றவற்றை நீக்குகிறது மற்றும் சிதைக்கிறது, இதன் மூலம் ஒட்டுமொத்தமாக அதன் உதவியுடன் விவரிக்கப்பட்ட உண்மையான சூழ்நிலையை சிதைக்க வழிவகுக்கிறது. பல படைப்புகளின் ஆசிரியர்கள், அவற்றின் எண்ணிக்கையை கோட்பாடுகள் மற்றும் கணித மாடலிங் முறைகளின் வளர்ச்சி குறித்த வெளியீடுகளின் எண்ணிக்கையுடன் ஒப்பிட முடியாது, சமூக உற்பத்தியில் நிகழும் உண்மையான செயல்முறைகளை விவரிக்க அவற்றின் பயன்பாட்டின் அடிப்படை வரம்புகளை உறுதிப்படுத்தும் பல்வேறு வாதங்களை வழங்குகிறார்கள். தேர்வுமுறை அணுகுமுறையால் உருவாக்கப்பட்ட வழிமுறையின் குறுகிய கட்டமைப்பிற்குள், உண்மையான மாதிரியின் பிரதிபலிப்பு அடிப்படை வரம்புகளை அங்கீகரிப்பதன் மூலம் சிறந்த தீர்வுக்கான தேடலை (அல்லது உகந்த கட்டுப்பாடு) இணைப்பது சாத்தியமில்லை. ஏதேனும், மிகவும் நுட்பமான மற்றும் அதிநவீன உற்பத்தி, சுட்டிக்காட்டப்பட்ட முரண்பாடு தீர்க்கப்படும், உண்மையில் இன்னும் தீவிரமான மற்றும் வெளிப்படையான புதிய முரண்பாடுகளுக்கு வழிவகுக்கிறது. நிரலாக்க முறைகளைப் பயன்படுத்தும் போது, ​​அமைப்புகள் மற்றும் துணை அமைப்புகளைப் பிரிப்பதில் மற்றும் இணைப்பதில் உள்ள பிழைகளால் இது "மேலோட்டப்பட்டது". ஒரு குறிப்பிட்ட சிக்கலைத் தீர்ப்பதில் ஒரு கணித முறை மற்றும் மாதிரியைத் தேர்ந்தெடுக்கும்போது பொருள் கருத்துகளைப் பயன்படுத்துவது, எடுத்துக்காட்டாக, தொழில்நுட்ப அறிவியலில், அதே சூத்திரங்களைப் பயன்படுத்தி, ஒரு அபார்ட்மெண்ட் மற்றும் ஒரு ரயில் நிலையத்திற்கான லைட்டிங் சாதனங்களின் சக்தி நியாயமானது என்பதற்கு வழிவகுக்கிறது. அதேபோல், ஒரு நிறுவனத்தின் செயல்பாட்டை மேம்படுத்துவதில் உள்ள சிக்கலை முறைப்படுத்துவது, அல்லது ஒரு முழுத் தொழிலையும் கூட, ஒரு பணிப்பகுதியின் உகந்த வெட்டு சிக்கலில் இருந்து முக்கியமாக மாறிகள் மற்றும் சமன்பாடுகளின் எண்ணிக்கையில் மட்டுமே வேறுபடுகிறது. எவ்வாறாயினும், இந்த விஷயத்தில், அத்தகைய "வெட்டுதல்" விளைவு ஒரு பெரிய எண்ணிக்கையிலான இணைப்புகளை "இயந்திர" உடைப்பதாக இருக்கும், இதன் சிக்கலான தன்மை மற்றும் நிச்சயமற்ற தன்மை ஆகியவை நவீன கணிதத்தின் மொழியில் போதுமான துல்லியமான விளக்கத்தை எப்போதும் அணுக முடியாது. ஆய்வின் கீழ் உள்ள சூழ்நிலையின் மாதிரியின் கட்டமைப்பை நியாயப்படுத்துவதற்கான பாரம்பரிய அணுகுமுறையின் தவறான தன்மை, தீவனத்தின் கலவை மற்றும் பண்ணையில் உள்ள விலங்குகளின் எண்ணிக்கையை நியாயப்படுத்தும் பணிகளை ஒப்பிடுவதன் மூலம் காட்டப்படலாம். நீங்கள் பாரம்பரிய முறையைப் பின்பற்றினால், அவற்றை ஒரே வகுப்பில் வகைப்படுத்தலாம் மற்றும் அதே முறையைப் பயன்படுத்தி தீர்க்கலாம். அதே நேரத்தில், முதல் முடிவு உற்பத்தி செலவில் மட்டுமே குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்தினால், இரண்டாவது சமூக நலன்கள், சுற்றுச்சூழல் பாதுகாப்பு தொடர்பான பிரச்சினைகள் போன்றவற்றை கணக்கில் எடுத்துக்கொள்ள வேண்டும். எனவே, இரண்டாவது வழக்கில் அது அவசியம். முதல் முறையை விட, பல்வேறு வகையான விளக்க சாத்தியங்களைக் கொண்ட ஒரு முறையைப் பயன்படுத்தவும், இல்லையெனில் போதுமான கணித மாதிரியை உருவாக்குவது மற்றும் நடைமுறை மதிப்பின் மேலாண்மை தீர்வைப் பெறுவது சாத்தியமில்லை.

கணித நிரலாக்கம் அல்லது பின்னடைவு பகுப்பாய்வாக இருந்தாலும், உகப்பாக்கம் முறைகளால் வழங்கப்படும் சிக்கல், ஒரு தேடலுக்கு வருகிறது, அற்பமானதாக இல்லாவிட்டாலும் (பல்வேறு சாத்தியமான விருப்பங்கள் காரணமாக), ஆனால் அதே நேரத்தில் அடிப்படையில் புதியது அல்ல. இதன் விளைவாக, தேடல் வரம்பில் நிகழும் என்பதால், ஆய்வின் கீழ் உள்ள செயல்முறையைப் பற்றிய அறிவால் அதன் எல்லைகள் தீர்மானிக்கப்படுகின்றன. தொழில்நுட்ப அல்லது எளிய சமூக-பொருளாதாரப் பொருட்களுக்கான பொறியியல், செயல்பாட்டு அல்லது தந்திரோபாய சிக்கல்களை அமைப்பதில், ஒரு ஆராய்ச்சியாளர் அல்லது மேலாளர் அவர்களின் முழு முறையான விளக்கத்தையும் உண்மையான மாற்றுகளின் வரம்பை நியாயப்படுத்த அனுமதிக்கிறது, தேர்வுமுறை முறைகளைப் பயன்படுத்துவதன் போதுமான மற்றும் செயல்திறன் சந்தேகத்திற்கு அப்பாற்பட்டது. . தொழில்நுட்ப மற்றும் சமூக-பொருளாதார அமைப்புகளை மேம்படுத்துவதற்கான திசைகளைத் தேர்ந்தெடுப்பதில் மூலோபாய சிக்கல்களைத் தீர்க்கும் போது ஆராய்ச்சிப் பொருட்களின் சிக்கலானது வளரும்போது, ​​தேர்வுமுறை முறைகள் துணை செயல்பாடுகளை மட்டுமே செய்ய முடியும்.

ஒன்று அல்லது மற்றொரு "வழக்கமான" மாதிரியின் அமைப்பு, ஆய்வின் கீழ் உள்ள பொருளின் விளக்கத்தில் தேவையான அளவிலான பன்முகத்தன்மையைக் குறிக்கும் திறனில் இன்னும் கடுமையான கட்டுப்பாடுகளை விதிக்கிறது. எனவே, கணித மாடலிங் குறித்த சில படைப்புகள் மாதிரியின் வகையைத் தேர்ந்தெடுப்பதன் மூலம் ஆய்வைத் தொடங்க பரிந்துரைக்கின்றன, பின்னர் தேர்ந்தெடுக்கப்பட்ட மாதிரியில் "பொருத்துவது" எளிதாக இருக்கும் வகையில் ஆராய்ச்சி சிக்கலை அமைக்கவும். இந்த அணுகுமுறை ஒரு மாதிரியின் கட்டுமானத்தை எளிதாக்குகிறது மற்றும் ஆராய்ச்சியின் குறிக்கோள் துல்லியமாக ஒரு கணித மாதிரியை உருவாக்குவது மற்றும் சிக்கலுக்கு ஒரு தீர்வைப் பெறவில்லை என்றால் பயனுள்ளதாக இருக்கும். தகவல்களின் அடுத்தடுத்த சிதைவுகள் மற்றும் இழப்புகள், இயற்கையில் ஒத்தவை, அல்காரிதம்கள் மற்றும் நிரல் மொழிகளின் வரம்புகள் மற்றும் கணினி திறன்களால் ஏற்படுகின்றன.

ஒரு கணித மாதிரியை உருவாக்குவது மற்றும் கணினியில் இறுதித் தரவைப் பெறுவது ஆகியவற்றுடன் தொடர்புடைய அனைத்து நடைமுறைகளும் தர்க்கரீதியாக நியாயப்படுத்தப்பட்டாலும், இந்த முடிவின் போதுமான தன்மை மற்றும் உண்மையான சிக்கலுக்கு தொடர்புடைய மேலாண்மை தீர்வுக்கு உத்தரவாதம் அளிக்கும் எந்த முறையான பண்புகளும் இல்லை என்பதை கட்டமைப்பு-செயல்பாட்டு பகுப்பாய்வு குறிக்கிறது. செயல்திறன் (உகப்பாக்கம்) அளவுகோல்களை உருவாக்குவது சமூக வளர்ச்சியின் புறநிலை விதிகளிலிருந்து சுயாதீனமாக மேற்கொள்ளப்படலாம், மேலும் ஒரு கணித மாதிரியின் வளர்ச்சிக்கான முக்கிய அளவுகோல் "தரநிலை" பயன்பாட்டின் அடிப்படையில் ஒரு வழிமுறையை விரைவாக உருவாக்குவதற்கான நிபந்தனைகளாகும். ”அல்காரிதம். ஒரு மேலாளர்/ஆராய்ச்சியாளர் அவர் தேர்ச்சி பெற்ற ஒரு கணித முறை அல்லது PC மென்பொருளின் கட்டமைப்பிற்கு ஒரு உண்மையான சிக்கலை "தையல்" செய்யலாம். ஒரு முறையின் கட்டமைப்பிற்குள் ஒரு கணித மாதிரியின் கட்டாய கட்டுமானத்தில் கவனம் செலுத்துவது, சிக்கலைப் படிப்பதில் இருந்து கணக்கிட முடியாத காரணிகளை விலக்குவதற்கு வழிவகுக்கிறது. காரணம்-மற்றும்-விளைவு உறவுகளின் விளக்கம், சேர்க்கை கொள்கைகளின் நியாயமற்ற பயன்பாட்டிற்கு வழிவகுக்கிறது. ஒரு உண்மையான பொருளின் மிகவும் எளிமைப்படுத்தப்பட்ட மற்றும் சிதைந்த உருவத்திற்கு மட்டுமே முடிவு உகந்ததாக இருக்கும், இது பல "மாற்றங்களுக்கு" பிறகு ஒரு கணித மாதிரியாகும், இது வழிமுறைகளைப் பயன்படுத்தி மேற்கொள்ளப்படுகிறது, பன்முகத்தன்மை மற்றும் துல்லியத்தின் அளவு இன்னும் சமூக- சிக்கலான தன்மைக்கு பின்தங்கியிருக்கிறது. பொருளாதார பிரச்சனைகள்.

மூன்றாவது கட்டத்தில்வகை மற்றும் கட்டமைப்பை நியாயப்படுத்திய பிறகு சிக்கல்களின் ஆராய்ச்சி, போதுமான தன்மை மற்றும் அதன்படி, ஒரு கணித மாதிரியைப் பயன்படுத்தி பெறப்பட்ட மேலாண்மை முடிவின் செயல்திறன், ஆரம்ப தகவலின் தரத்துடன் தொடர்புடையது, எடுத்துக்காட்டாக, கூறுகள் ஒரு கணித நிரலாக்க சிக்கலின் நிபந்தனைகளின் அணி அல்லது பின்னடைவு சமன்பாட்டின் குணகங்கள் கணக்கிடப்படுகின்றன. இங்கே சிதைவுகளின் தன்மை பெரும்பாலும் மாடலிங் முறையைப் பொறுத்தது. லீனியர் புரோகிராமிங்கிற்கு, இந்த கட்டத்தில் உள்ள பிழைகள் ஆய்வின் கீழ் உள்ள பொருளுடன் அதிகம் தொடர்பு கொள்ளவில்லை மற்றும் முக்கியமாக டெவலப்பரின் கவனக்குறைவு காரணமாக எழுகின்றன: உற்பத்தித்திறன் அல்லது பொருள் நுகர்வு விகிதங்கள் தவறாக எடுக்கப்பட்டன, முதலியன. மாதிரியுடன் பணிபுரியும் போது இந்த வகையான பிழைகள் பொதுவாக கண்டறியப்படுகின்றன மற்றும் எளிதில் சரி செய்யப்படுகின்றன. பின்னடைவு பகுப்பாய்வைப் பயன்படுத்தும் போது மிகவும் சிக்கலான சூழ்நிலை எழுகிறது, இது இயற்கை, தொழில்நுட்ப மற்றும் சமூக அறிவியலில் சமமாக பரவலாக உள்ளது.

நேரியல் நிரலாக்கத்துடன் ஒப்பிடும்போது இந்த முறைக்கு இடையிலான வேறுபாடு என்னவென்றால், பின்னடைவு குணகங்களின் உருவாக்கம் ஆரம்ப தரவுகளால் தீர்மானிக்கப்படுகிறது, இது ஆய்வின் கீழ் உள்ள பொருளில் நிகழும் செயல்முறைகளின் முடிவுகளாகும், இது "கருப்பு பெட்டி" என்று கருதப்படுகிறது. "உள்ளீட்டை" "வெளியீடு" ஆக மாற்றுவதற்கான வழிமுறை பெரும்பாலும் தெரியவில்லை ஆரம்ப தகவலின் அளவு அதிகரிப்பதன் மூலம், அதன் பன்முகத்தன்மையின் நிலை உண்மையான பொருளில் உள்ளதை நெருங்குகிறது. இந்த வழியில், பின்னடைவு மாதிரியின் போதுமான தன்மையை அதிகரிக்க முடியும், இது நேரியல் நிரலாக்கத்தில் அடைய முடியாது. பின்னடைவு பகுப்பாய்வின் இந்த நன்மை ஒப்பீட்டளவில் சிறிய எண்ணிக்கையிலான காரணிகள் மற்றும் பிந்தையதைக் கட்டுப்படுத்தும் திறன் காரணமாக இயற்கை அறிவியலில் மிகவும் திறம்பட பயன்படுத்தப்படலாம். சமூக-பொருளாதார நிகழ்வுகளின் ஆய்வுகளில், பின்னடைவு மாதிரிகளைப் பயன்படுத்துவதன் செயல்திறன் குறைகிறது, ஏனெனில் காரணிகளின் எண்ணிக்கை கூர்மையாக அதிகரிக்கிறது, அவற்றில் பல அறியப்படாதவை மற்றும்/அல்லது கட்டுப்படுத்த முடியாதவை. இவை அனைத்திற்கும் நம்மை ஒரு மாதிரியாக மட்டுப்படுத்தாமல், பொது மக்களை அணுகும் ஒரு தொகுதியில் தரவைப் பயன்படுத்த முயற்சிக்க வேண்டும். இயற்கை மற்றும் தொழில்நுட்ப அறிவியலில் ஆய்வு செய்யப்பட்ட பெரும்பாலான செயல்முறைகளைப் போலல்லாமல், அதன் நகலெடுப்பின் சிக்கலானது சோதனையின் செலவுகளால் மட்டுமே தீர்மானிக்கப்படுகிறது, ஒரு சமூக-பொருளாதார பொருளின் பின்னடைவு மாதிரியை சரிபார்ப்பது மிகவும் கடினம். அது, வரலாற்று இயல்புடையது.

இது சம்பந்தமாக, சமூக-பொருளாதாரப் பொருள்களின் ஆய்வுகளில் ஆரம்பத் தகவலின் முக்கிய ஆதாரம் கவனிப்பு, ஒரு "செயலற்ற" சோதனை, இது சோதனைகளை மீண்டும் செய்வதைத் தவிர்த்து, அதன்படி, புள்ளிவிவர அளவுகோல்களின்படி பின்னடைவு மாதிரியின் போதுமான தன்மையை சரிபார்க்கிறது. எனவே, சமூக-பொருளாதார பொருள்களின் பின்னடைவு பகுப்பாய்வில் பயன்படுத்தப்படும் போதுமான அளவு முக்கிய குறிகாட்டிகள் பல தொடர்பு குணகம் மற்றும் தோராயமான பிழை ஆகும். இருப்பினும், முதல் குறிகாட்டியின் உயர் மதிப்பு மற்றும் இரண்டாவது குறிகாட்டியின் குறைந்த மதிப்பு பின்னடைவு மாதிரியின் தரத்தை சந்தேகத்திற்கு இடமின்றி தீர்மானிக்க அனுமதிக்காது. மாதிரி பல்லுறுப்புக்கோவையின் சொற்களின் எண்ணிக்கையில் அதிகரிப்பு மற்றும் வெளிப்புறமாக இந்த எண்ணிக்கை சோதனைகளின் எண்ணிக்கையால் (கவனிப்புகள்) மட்டுமே வரையறுக்கப்படுகிறது, அதன் பன்முகத்தன்மையின் அளவு அதிகரிப்பு, தோராயமான துல்லியம் ஆகியவற்றின் காரணமாக இது விளக்கப்படுகிறது. பின்னடைவு சமன்பாட்டின் மூலம் ஆரம்ப தரவு அதிகரிக்கிறது.

வி. லியோண்டியேவ் ( லியோடிஃப் வாசிலி), பொருளாதாரத்தில் புள்ளிவிவர முறைகளைப் பயன்படுத்துவதன் குறைந்த செயல்திறன் பற்றி கருத்து தெரிவிக்கையில், "நவீன பொருளாதாரத்தில் உள்ளார்ந்த சிக்கலான அளவு உறவுகளை ஆய்வு செய்வதற்கு மறைமுகமான, முறையான சுத்திகரிக்கப்பட்ட, புள்ளியியல் பகுப்பாய்வு பொருத்தமானது அல்ல" என்ற உண்மையால் இதை விளக்குகிறது. முடிவுகளின் விளக்கத்துடன் தொடர்புடைய ஒரு காரணி மற்றும் கணித முறைகளின் பயன்பாட்டின் செயல்திறனைக் குறைக்கிறது மற்றும் அதன்படி, மேலாண்மை முடிவுகள் இந்த வழியில் பெறப்பட்ட அளவு முடிவுகளின் அதிகப்படியான இலட்சியமயமாக்கல் ஆகும். துல்லியமான கணக்கீடுகள் சரியான முடிவைக் குறிக்காது, இது ஆரம்ப தரவு மற்றும் அவற்றின் செயலாக்கத்திற்கான வழிமுறையால் தீர்மானிக்கப்படுகிறது. நேரியல் நிரலாக்க சிக்கல்களைத் தீர்க்குமாறு கேட்கப்படும் மேலாளர்கள், சிக்கலில் சிறிதளவு நேரியல் அல்லாத உறுப்பு இருப்பது கூட சந்தேகத்தை ஏற்படுத்தலாம் மற்றும் நேரியல் நிரலாக்க முறையால் அதன் தீர்வை ஆபத்தானதாக மாற்றக்கூடும் என்பதை அறிந்திருக்க வேண்டும். துரதிர்ஷ்டவசமாக, மூத்த மேலாளர்களை பொறியியல் மற்றும் பொருளாதாரத்தின் அடிப்படைகளுக்கு அறிமுகப்படுத்தும் பெரும்பாலான அறிமுகப் படிப்புகள், இந்த அறிவியல்கள் நடைமுறைச் சிக்கல்களுடன் எவ்வாறு தொடர்புபடுகின்றன என்பதைக் கற்பிப்பதில்லை. ஆசிரியர் தனது முறையின் உலகளாவிய பொருந்தக்கூடிய தன்மையை உறுதியாக நம்புகிறார் மற்றும் அதன் பயன்பாட்டின் எல்லைகளைப் பற்றிய சிறிய புரிதல் இருப்பதால் இது விளக்கப்படுகிறது.

எனவே, உற்பத்திச் சிக்கலை ஒரு கணித மாதிரியாக மாற்றுவதற்கான மூன்று நிலைகளில், தரம் மற்றும் உண்மையான பொருளுக்கு சிறந்த மாதிரிகளின் தொடர்பு ஆகியவற்றை மதிப்பிடுவதற்கு போதுமான கடுமையான, அறிவியல் அடிப்படையிலான அளவுகோல்கள் இல்லை. அதே நேரத்தில், பாரம்பரிய நோக்குநிலையானது கணக்கீட்டு சிக்கல்கள் மற்றும் மாதிரிகளின் பெரிய பரிமாணத்தை கடப்பதை மட்டுமே நோக்கமாகக் கொண்டுள்ளது மற்றும் கணித கருவியின் வரம்புகளை கணக்கில் எடுத்துக்கொள்ளாது.

மாடலிங் என்பது பயன்பாட்டு ஆராய்ச்சியின் மிகவும் நடைமுறைப் பக்கமாகும், ஆனால் இந்த நடைமுறைவாதம் தனிப்பட்ட உற்பத்தியின் சிக்கல்களைத் தீர்க்கும் போது நடைமுறை அறிவின் முறையியலில் அறிவாற்றல் மற்றும் ஆன்டாலஜிக்கல் அணுகுமுறையின் அடிப்படையில் இருக்க வேண்டும். அதே நேரத்தில், மேலாண்மை முடிவுகளை எடுப்பதில் மாதிரிகளைப் பயன்படுத்துவது அவற்றின் ஒற்றுமையையும், அதன்படி, உண்மையான செயல்முறைகளுக்கு அவற்றின் முடிவுகளின் போதுமான தன்மையையும் கணக்கில் எடுத்துக்கொள்ள வேண்டும். இந்த நிலைமைகள் மாதிரிகள் விவரிக்கும் செயல்முறைகளின் தன்மையால் தீர்மானிக்கப்படுகின்றன. பொருளாதாரத்தில், பெரும்பாலான விளக்கமான விலை-தேவை மாதிரிகள் மனித நடத்தையுடன் தொடர்புடைய நிறுவன செயல்முறைகளை விவரிக்கின்றன, மேலும் இந்த மாதிரிகள் முற்றிலும் கருத்தியல் மற்றும் அளவு முன்னறிவிப்பு மதிப்பீடுகளைப் பெற பயன்படுத்த முடியாது. விவரிக்கப்பட்ட வரம்பிற்குள் உள்ள இடைக்கணிப்பு மதிப்பீடுகளுக்கான புள்ளிவிவர மாதிரிகளின் திறன்களின் நிலை நம்பகத்தன்மையின் புள்ளிவிவர குறிகாட்டிகளால் தீர்மானிக்கப்படுகிறது, ஆனால் முன்கணிப்பு மதிப்பீடுகளுக்கு, அசல் தரவு வரம்பில் 20-30% ஐ விட அதிகமாக இருக்கக்கூடாது. பல பிரதிகளுடன் கட்டுப்படுத்தப்பட்ட சோதனைகளிலிருந்து பெறப்பட்ட பின்னடைவு மாதிரிகளின் வலிமை

கோட்பாட்டு-பயன்படுத்தப்பட்ட மற்றும் பயன்பாட்டு ஆராய்ச்சியை பிரிக்கும் எல்லை முக்கிய இலக்கைப் பொறுத்து தீர்மானிக்கப்படுகிறது, முதன்மையாக சமூக செயல்முறைகள் பற்றிய அறிவியல் அறிவை ஆழப்படுத்துவது அல்லது முதன்மையாக குறிப்பிட்ட சமூக பிரச்சனைகளை நேரடியாக தீர்ப்பதை நோக்கமாகக் கொண்டது. கோட்பாட்டு மற்றும் பயன்பாட்டு ஆராய்ச்சியில், ஒரு சமூக ஒழுங்கு பெரும்பாலும் ஒரு வகையான சமூகத் தேவையாக நடைபெறுகிறது, அது அதன் ஆய்வு மற்றும் திருப்திக்காக "அழைக்கிறது". பயன்பாட்டு ஆராய்ச்சியில், ஒரு குறிப்பிட்ட வாடிக்கையாளர், ஆராய்ச்சியாளர்களின் உதவியில் நேரடியாக ஆர்வமுள்ள ஒரு மேலாண்மை அமைப்பு உள்ளது.

தற்போதைய சமூக பிரச்சனைகளை பகுப்பாய்வு செய்வதை நோக்கமாகக் கொண்ட, கோட்பாட்டு ரீதியாக சார்ந்த ஆராய்ச்சி, பயன்பாட்டு ஆராய்ச்சியை விட குறைவான நடைமுறை அல்ல. அதன் முடிவுகள் சமூக செயல்முறைகளின் வளர்ச்சியில் உறவுகள் மற்றும் போக்குகளைக் கண்டறிதல், பொது நலன் மற்றும் சமூகக் கொள்கையின் திட்ட இலக்குகளுக்கு ஏற்ப சமூகம் மற்றும் அதன் துணை அமைப்புகளின் இயல்பான செயல்பாடு மற்றும் வளர்ச்சியைத் தடுக்கும் அல்லது அதற்கு மாறாக நிலைமைகளை மதிப்பீடு செய்தல் ஆகும். அத்தகைய ஆராய்ச்சியின் நடைமுறைக் கூறு என்னவென்றால், சமூக வடிவங்களைப் பற்றிய ஆழமான புரிதல், சமூகக் கொள்கைத் துறையில் மிகவும் தகவலறிந்த மேலாண்மை முடிவுகளை எடுக்க அனுமதிக்கிறது. "உண்மையில்," ஏ.ஜி.கார்சேவ் குறிப்பிட்டார். - சமூகவியலின் தத்துவார்த்த மற்றும் பயன்பாட்டு அம்சங்கள் பிரிக்க முடியாதவை. செழுமையான மற்றும் ஆழமான ஆராய்ச்சி, அது நடைமுறை அடிப்படையில் மிகவும் பயனுள்ளதாக இருக்கும், மேலும் மேலும் துல்லியமாக அது நடைமுறைத் தேவைகளில் கவனம் செலுத்துகிறது, அறிவின் பொருள், அதன் சாராம்சம், வடிவங்கள், அதற்குத் திறக்கும் பரந்த அறிவாற்றல் சாத்தியக்கூறுகள். நடைமுறைச் செயலில் முழுமையாக வெளிப்படுகிறது."

பயன்பாட்டு ஆராய்ச்சியின் நடைமுறையானது, சமூகப் பிரச்சனைகளை அவற்றின் கண்டிப்பாக நிலையான ஸ்பேடியோ-தற்காலிக உள்ளூர்மயமாக்கலில், அதாவது துல்லியமாக "இங்கே" மற்றும் "இப்போது" தீர்ப்பதில் நேரடி கவனம் செலுத்துகிறது. பயன்பாட்டு ஆராய்ச்சி மேலாண்மை முடிவுகள் மற்றும் விரிவான ஆய்வுடன் முடிவடைகிறது

இறுதியில் - நடைமுறையில் சமூக கண்டுபிடிப்புகளை அறிமுகப்படுத்துவதன் மூலம்.

இங்குதான் அவர்களின் முக்கிய அம்சங்கள் வெளிப்படுகின்றன.

(1) பயன்பாட்டு ஆராய்ச்சியில், தத்துவார்த்த-பயன்பாட்டு ஆராய்ச்சிக்கு மாறாக, பொருள் தெளிவாக வரையறுக்கப்படுகிறது மற்றும் அதன் பொருள் மறைமுகமாக உள்ளது. இங்குள்ள ஆய்வுப் பொருள் கொடுக்கப்பட்ட தளத்தில் உள்ள பொதுவான சமூக நிலைமை மற்றும் முடிவெடுப்பவர்கள் எதிர்கொள்ளும் சிறப்புப் பிரச்சனைகளைப் பொறுத்தது. குறிப்பிட்ட திட்டங்களை உருவாக்க வேண்டியதன் அவசியத்துடன் தொடர்புடைய ஆராய்ச்சியாளருக்கு அவர்கள் ஒரு தெளிவான பணியை முன்வைக்க முடியும், ஆனால் அவர்கள் ஒரு பொதுவான சிக்கலை முன்வைக்கலாம்:

சில கண்டுபிடிப்புகளை செயல்படுத்திய பிறகு ஏற்படக்கூடிய சாத்தியமான சிரமங்களை அடையாளம் காணவும்.

பெர்ம் தொலைபேசி ஆலை மற்றும் முழு தொழில்துறையின் சமூகவியல் சேவையின் அனுபவத்தை சுருக்கமாக, அதன் தலைவர் V. I. Gerchikov இரண்டு முக்கிய வகையான பயன்பாட்டு ஆராய்ச்சிகளை அடையாளம் கண்டார்:

(1) நிர்வாகத்திடம் இருந்து ஒரு முறை கோரிக்கைகள் மற்றும் (2) நிலையான மற்றும் பெரும்பாலும் நீண்ட கால மேலாண்மை நடவடிக்கைகள் தேவைப்படும் சிக்கல்களுக்கு நிபுணத்துவம் பெற்றது.

சுருக்கமாக, பயன்பாட்டு ஆராய்ச்சியில், அதன் இயல்பான செயல்பாடு மற்றும் வளர்ச்சியை எளிதாக்கும் வகையில் கொடுக்கப்பட்ட சமூக நிறுவனத்துடன் தொடர்புடைய பகுதி வரையறுக்கப்பட வேண்டும்.

(2) கோட்பாட்டு மற்றும் பயன்பாட்டு ஆராய்ச்சியை நடத்துவதற்கான நேரம், ஆய்வு செய்யப்படும் சிக்கல்களின் சிக்கலான தன்மை மற்றும் முக்கியத்துவத்தை கணக்கில் கொண்டு கணக்கிடப்படுகிறது. பயன்பாட்டு ஆராய்ச்சியில், பணிகள் எவ்வளவு முக்கியமானதாகவும் சிக்கலானதாகவும் இருந்தாலும், பொருத்தமான முடிவுகளை எடுப்பதற்கு ஒதுக்கப்பட்ட நேரத்தின் அடிப்படையில் வாடிக்கையாளர் நிர்ணயித்த காலக்கெடுவிற்குள் அவற்றின் தீர்வு காணப்பட வேண்டும்.

எனவே, பயன்பாட்டு ஆராய்ச்சியின் இறுதி முடிவுகளின் நம்பகத்தன்மையை அதிகரிக்க, தகவல் மற்றும் அதன் பகுப்பாய்வை விவரிக்க எவ்வளவு நேரம் மற்றும் கிடைக்கக்கூடிய நிதிகள் உங்களை அனுமதிக்கின்றன என்பதை கவனமாகக் கருத்தில் கொள்வது அவசியம்.நாம் எப்போதும் நினைவில் கொள்ள வேண்டும் என்னநம்பகமான தகவல்களின் சிறிய அளவு மிகவும் பயனுள்ளதாக இருக்கும், எப்படி. ஒரு பெரிய அளவு சந்தேகத்திற்குரிய தகவல்.

(3) பயன்பாட்டு ஆராய்ச்சியில் சமூகவியலாளரின் நிலைப்பாடு, அவர் வழக்கமான சமூகப் பிரச்சனைகள் மற்றும் செயல்முறைகளைப் படிக்க வேண்டும் என்ற உண்மையால் எளிதாக்கப்படுகிறது, மற்றொரு நேரத்தில் மற்றும் மற்றொரு இடத்தில் ஏற்கனவே கோட்பாட்டு-பயன்பாட்டு அல்லது பயன்பாட்டு ஆராய்ச்சிக்கு உட்பட்டது. அதனால் தான் ஏற்கனவே உருவாக்கப்பட்ட முறைகள் அல்லது அவற்றின் மாற்றங்களைப் பயன்படுத்துவது நல்லது.கோட்பாட்டு மற்றும் பயன்பாட்டு ஆராய்ச்சியில், மாறாக, நிரலின் அசல் தன்மை முதன்மை தரவைச் சேகரிக்கும் தரமற்ற முறைகள் மற்றும் அவற்றின் தர்க்கத்தால் கட்டளையிடப்படுகிறது.

(4) பயன்பாட்டு ஆராய்ச்சியின் ஒரு முக்கிய அம்சம் என்னவென்றால், பணம் செலுத்திய ஆர்டரை நிறைவேற்றும்போது, ​​ஒரு சமூகவியலாளர் சில பிரச்சனைகளின் நடைமுறைத் தீர்வில் தனது கவனத்தைச் செலுத்துகிறார், இதனால் உண்மையான சமூகவியல் வகைகளில் அவர்களின் தத்துவார்த்த புரிதலின் ஆழம் பின்னணியில் பின்வாங்குகிறது. பொருளாதார வல்லுநர்கள், வழக்கறிஞர்கள், உளவியலாளர்கள், மேலாண்மை நிபுணர்கள் மற்றும் பிற திறமையான நபர்களால் திருப்திகரமான விளக்கங்கள் இருந்தால், எல்லாவற்றையும் கணக்கில் எடுத்துக்கொள்ள வேண்டும். மாறாக, கோட்பாட்டு மற்றும் பயன்பாட்டு ஆராய்ச்சியின் திட்டத்தின் படி பணிபுரியும் ஒரு நபர் தனது முடிவுகளின் செல்லுபடியை மட்டுமல்ல, அவர்களின் சமூகவியல் கடுமைக்காகவும் பாடுபட வேண்டும்.

விளக்கங்கள்.

(5) செயல்களின் வரிசை மற்றும் வேலையின் நிலைகள் முதன்மையாக மேலாண்மை முடிவுகளுக்கான தகவலின் நடைமுறை பயன்பாட்டின் தர்க்கத்தால் தீர்மானிக்கப்படுகின்றன, அதேசமயம் கோட்பாட்டு மற்றும் பயன்பாட்டு ஆராய்ச்சியில் இது முதன்மையாக சமூக செயல்முறைகளைப் புரிந்துகொள்வதற்கான தர்க்கமாகும், பின்னர் நடைமுறை பயன்பாடு பெற்ற அறிவு.

(6) கோட்பாட்டு மற்றும் பயன்பாட்டு ஆராய்ச்சியின் இறுதி "தயாரிப்பு" என்பது ஒரு அறிவியல் வெளியீடு ஆகும், பயன்பாட்டு ஆராய்ச்சி என்பது ஒரு வேலை ஆவணமாகும், இது பொருளின் நிலை மற்றும் கண்டறியப்பட்ட உறவுகள் மற்றும் செயல்படுத்தும் முறைகள் பற்றிய அதிகபட்ச தகவல்களைக் கொண்டுள்ளது. முன்மொழியப்பட்ட தீர்வுகள், அவற்றின் நியாயப்படுத்தலுக்கு முதன்மை கவனம் செலுத்தப்பட வேண்டும்.

பயன்பாட்டு ஆராய்ச்சியின் வரிசைப்படுத்தலின் நிலைகள்நிறுவனங்கள் மற்றும் நிறுவனங்களில் பின்வருமாறு வழங்கலாம்.

சிக்கல் மற்றும் ஆய்வுப் பொருள், அவற்றைப் பரந்த அளவிலான சிக்கல்களிலிருந்து தனிமைப்படுத்தி, பிரச்சனை குறிப்பாகக் கடுமையானதாகக் கருதப்படும் முக்கியப் பொருளின் அந்தப் பகுதியில் கவனம் செலுத்துகிறது. எடுத்துக்காட்டாக, இது ஒரு நிறுவனத்தின் பின்தங்கிய பிரிவுகளைப் பற்றிய கேள்வியாக இருக்கலாம், இது தொடர்பாக, குறைந்தபட்சம் முதல் தோராயமாக, இந்த பிரிவுகளை பெரும்பான்மையிலிருந்து வேறுபடுத்தும் வெளிப்படையான காரணிகளை முன்னிலைப்படுத்துவது அவசியம், மேலும் வெற்றிகரமானவற்றிலிருந்து. . ஏற்கனவே கிடைக்கக்கூடிய தகவல்களின் அடிப்படையிலும், பல்வேறு சுயவிவரங்கள் மற்றும் நிர்வாக நிலைகளின் நிபுணத்துவ நிபுணர்களின் தீவிர ஈடுபாட்டின் மூலமாகவும் அத்தகைய ஆரம்ப பகுப்பாய்வை மேற்கொள்வது நல்லது. வி.ஐ. இந்த கட்டத்தின் விளைவாக, சிக்கலை (அல்லது சிக்கல்களை) நடைமுறையில் தீர்ப்பதற்கான வழிகள் கோடிட்டுக் காட்டப்பட்டுள்ளன.

இரண்டாம் நிலை -பல வழிகளில் இணையாக மேற்கொள்ளக்கூடிய ஒரு குறிப்பிட்ட செயல் திட்டத்தின் வளர்ச்சி:

(அ) ​​சிறந்த நடைமுறைகளுக்கான இலக்கு தேடல், (ஆ) முதல் கட்டத்தில் பெறப்பட்ட தகவல்களின் பொதுமைப்படுத்தல் மற்றும் கூடுதல் நிபுணத்துவம், இப்போது நிபுணர்களுடனான இலக்கு நேர்காணல்கள் மூலம், (இ) "" என்று அழைக்கப்படும் முறைகளைப் பயன்படுத்தி சாத்தியமான செயல்பாடுகளின் கூட்டு விவாதத்தின் மூலம் மூளைச்சலவை", "ஆராய்ச்சிக் குழுக்கள்" செயல்பாடுகள், அதாவது, ஒரு சிறப்பு வழியில் நோக்கத்துடன் கலந்துரையாடல். உருவாக்கப்படும் நிரல் தெளிவான முகவரியைக் கொண்டிருக்க வேண்டும், செயல் முறைகள் மற்றும் அவற்றின் செயல்பாட்டிற்கு பொறுப்பானவர்கள் இரண்டையும் தெளிவாகக் குறிக்க வேண்டும், வேறுவிதமாகக் கூறினால், இது ஒரு குறிப்பிட்ட நடைமுறை தீர்வுகளை உருவாக்க வேண்டும், திசை மற்றும் செயல்திறன் ஆகியவற்றில் ஒன்றோடொன்று இணைக்கப்பட்டுள்ளது, ஆதார ஆதரவால் ஆதரிக்கப்படுகிறது.

செயல்திட்டம் அடிப்படையில் உருவாக்கப்படும் போது, ​​பணியின் பகுதிகள் மற்றும் முன்மொழியப்பட்ட செயல்படுத்தலின் பொருள்கள் முன்னிலைப்படுத்தப்படுகின்றன, தீர்வின் தத்துவார்த்த கருத்து மீண்டும் தெளிவுபடுத்தப்பட்டு, பல்வேறு துறைகளுக்கு அதன் செயல்பாட்டின் சாத்தியமான விளைவுகள் சிந்திக்கப்படுகின்றன. இப்போது மாதிரி கணக்கெடுப்பு நடத்துவது நல்லது

முன்மொழியப்பட்ட கண்டுபிடிப்புகளுக்கு ஊழியர்களின் எதிர்வினையை தீர்மானிக்க.

அன்று மூன்றாவது நிலைமுன்மொழியப்பட்ட தீர்வுகளை செயல்படுத்துவது, முதலில் சோதனை ரீதியாக, ஒரு தனி வசதி, பின்னர் "அடிப்படை", திரட்டப்பட்ட அனுபவத்தை கணக்கில் எடுத்துக்கொள்வது (ஒருவேளை பைலட் வசதியில் சோதனை முடிவதற்கு முன்பே), இறுதியாக, "முழுமையானது" செயல்படுத்தல்” முந்தைய செயல்பாடுகள் வெற்றிகரமாக இருந்தால் மற்றும் அவற்றின் செயல்திறன் செயல்திறனை நிரூபித்திருந்தால்.

எனவே, பயன்பாட்டு ஆராய்ச்சியில் ஒரு சமூகவியலாளரின் செயல்களின் வரிசையின் தருக்க-சொற்பொருள் அமைப்பு கோட்பாட்டு சார்ந்த தேடலின் தொடர்புடைய தர்க்கத்திலிருந்து கணிசமாக வேறுபடுகிறது.இவை புதுமையான வகை ஆய்வுகள் ஆகும், இதில் இறுதி பரிந்துரையானது பெறப்பட்ட தரவுகளிலிருந்து ஒரு தர்க்கரீதியான முடிவு மட்டுமல்ல, ஆராய்ச்சி செயல்முறையால் ஒழுங்கமைக்கப்பட்ட ஒரு குறிப்பிட்ட வழியின் விளைவாகும்.

G.S. Batygin அத்தகைய ஆய்வை உருவாக்க பின்வரும் மாதிரியை முன்மொழிகிறார். இந்த பிரிவில் மேலே கூறப்பட்டதை இது சுருக்கமாகக் கூறுகிறது (படம் 17).

முதல் நிலை("விளக்க மாதிரி") - இந்த நேரத்தில் சூழ்நிலைகளின் விளக்கம், இரண்டாவது -ஒருபுறம், தற்போதுள்ள போக்குகளின் விரிவாக்கத்தின் அடிப்படையில் ஒரு முன்னறிவிப்பு, அதாவது, நிகழ்வுகளின் போக்கில் தலையிடாமல் செயல்முறைகளின் வளர்ச்சி, மறுபுறம், ஒரு நெறிமுறை முன்னறிவிப்பு. பிந்தையது உண்மையான சாத்தியக்கூறுகளை கணக்கில் எடுத்துக்கொண்டு விரும்பிய நிலையை நியாயப்படுத்துவதை உள்ளடக்கியது. ஒரு குறிப்பிட்ட தரநிலையை (பொதுவாக குறைந்தபட்சம் முதல் அதிகபட்சம் வரை பல தரநிலைகள் முன்மொழியப்படும்) படிவத்தை செயல்படுத்துவதற்கு கிடைக்கக்கூடிய ஆதாரங்களை உள்ளடக்கிய பல்வேறு சேர்க்கைகள் மூன்றாவது நிலைவரைவு பரிந்துரைகளின் வளர்ச்சி - "சாத்தியமான தீர்வுகளின் மரம்", இதில் செயல்பாட்டு முன்னறிவிப்புகளை நெறிமுறை நிலைக்கு நெருக்கமாக கொண்டு வருவதற்கான நிகழ்தகவுகளை கணக்கிட முடியும்.

அன்று நான்காவது நிலை(V.I. Gerchikov இன் திட்டத்தில் இது வேலையின் இரண்டாம் கட்டமாகும்) சாத்தியமான முடிவுகளை நியாயப்படுத்த தேவையான கூடுதல் தகவல்கள் சேகரிக்கப்படுகின்றன, மேலும் ஐந்தாவது -குறிப்பிட்ட தீர்வுகள் முன்மொழியப்படுகின்றன - ஒரு "முடிவு மரம்", செயல்பாடுகள், புதுமைகள், பின்னர் ஒரு சோதனை ஆறாவது நிலை,அதன் பின்னால் ஏழாவது நிலைபுதுமைகளால் உருவாக்கப்படும் சாத்தியமான சிக்கல்களின் முன்னறிவிப்பைப் பின்பற்றுகிறது. இறுதி எட்டாவது நிலை -உண்மையான செயல்படுத்தல், இது ஒழுங்குமுறை ஆவணங்களின் வளர்ச்சிக்கு முன்னதாக உள்ளது (ஒழுங்குமுறை, பல்வேறு சேவைகள் மற்றும் துறைகளின் பொறுப்புகள்).

,"" முடிவெடுக்கும் விருப்பங்களைத் தெளிவுபடுத்துவதற்கு, கூடுதல் தகவல்களைச் சேகரிப்பதில் இருந்து திரும்புதல் "மரம்" என்ற முடிவுக்குத் திரும்புவது அவசியமாகும், மேலும் நடைமுறை அனுபவத்தின் அடிப்படையில் அவற்றைச் சரிசெய்வதற்கான வழி பரிசோதனையிலிருந்து முடிவெடுக்கும் நிலைக்குச் செல்வதுதான். ஏழாவது நிலை புதுமைகளை செயல்படுத்திய பின் நிலைமையை முன்னறிவிப்பதை உள்ளடக்கியது, இது செயல்படுத்தல் நடைமுறையில் திருத்தங்களுக்கு வழிவகுக்கும்.

பயன்பாட்டு ஆராய்ச்சியில் குறிப்பிட்ட கவனம் நியாயப்படுத்தப்பட வேண்டும் விளைவு மதிப்பீடுகள்முன்மொழியப்பட்ட தீர்வுகள். இது ஒரு சமூகவியலாளரின் பணியின் மிகவும் கடினமான, ஆனால் முற்றிலும் அவசியமான கட்டமாகும். பெரும்பாலும் அவர்கள் சமூக விளைவை பொருளாதார வகைகளில் பிரத்தியேகமாக வெளிப்படுத்த முயற்சிக்கிறார்கள், பொருள் மற்றும் மனித வளங்களை சேமிப்பதற்கான குறிகாட்டிகள். அத்தகைய கணக்கீடுகள், அவசியமானவை என்றாலும், எப்போதும் கடினமானவை மற்றும் நம்பமுடியாதவை. மற்ற தீவிரமானது, சமூக விளைவை ஒரு செயல்பாட்டின் பட்டியலுக்குக் குறைக்கும் விருப்பம், அதன் செயல்திறன் ஒரு பொருட்டாக எடுத்துக் கொள்ளப்படுகிறது. இதற்கிடையில், அவர்களின் "வெளிப்படையானது" ஏமாற்றக்கூடியதாக இருக்கலாம்.

ஒரு சமூகவியலாளரின் தொழில்முறை நிலை, ஆய்வு செய்யப்படும் செயல்முறைகளின் தன்மைக்கு நேரடியாக இணங்க, சமூக விளைவுக்கான தரமான அளவுகோல்களை அவர் எவ்வாறு அடையாளம் காண முடியும் என்பதில் சிறப்பாகச் சோதிக்கப்படுகிறது. முற்றிலும் நிறுவன குறிகாட்டிகளின் அடிப்படையில் (புதிய வகையான வேலை, சேவை, சுய-அரசு அறிமுகம்) விளைவு மதிப்பிடப்படுமா அல்லது சமூக கண்டுபிடிப்புகளின் தரமான செயல்திறனை கணக்கில் எடுத்துக்கொள்ள முன்மொழியப்படுமா என்பது ஒரு முக்கிய கேள்வி. புதுமைகளின் சமூக விளைவை தரமான முறையில் சோதிக்க சிறந்த வழி - முக்கிய ஆய்வில் தகவலைப் பெறுவதற்காக உருவாக்கப்பட்ட அதே நுட்பங்கள் மற்றும் முறைகளைப் பயன்படுத்தி ஒரு பின்தொடர்தல் கணக்கெடுப்பு:நிபுணர் மதிப்பீடுகள், ஆய்வுகள், அவதானிப்புகள், ஆவணங்களின் பகுப்பாய்வு மற்றும் தொடர்புடைய புள்ளிவிவரங்கள்.

முடிவெடுப்பதற்கு பரிந்துரைக்கப்பட்ட நடவடிக்கைகளில் திட்டமிடப்பட வேண்டிய கட்டுப்பாட்டு ஆய்வுகளுக்கு, சிறிய, ஆனால் நிச்சயமாக ஒதுக்கீட்டு மாதிரிகளைப் பயன்படுத்துவது நல்லது. கேள்விக்குரிய செயல்முறைகளுடன் வலுவான தொடர்புகளைக் கொண்டிருப்பதற்கு முக்கிய ஆய்வில் கண்டறியப்பட்ட புறநிலை பண்புகளின் அடிப்படையில் ஒதுக்கீடுகள் கவனமாக நியாயப்படுத்தப்பட வேண்டும். இந்த செயல்முறைகளின் குறிப்பிடத்தக்க குறிகாட்டிகளாக அங்கீகரிக்கப்பட்ட சமூக குறிகாட்டிகளின் மாற்றங்கள் அசல் தகவலின் அளவீட்டு பிழையை மறைக்க வேண்டும், மீண்டும் மீண்டும் மற்றும் ஒப்பீட்டு ஆய்வுகளில் சமூக மாற்றத்தை மதிப்பிடும்போது செய்யப்படுகிறது.

ஆய்வுகளின் போது, ​​செயல்பாட்டின் நிபந்தனைகள் மற்றும் உள்ளடக்கத்துடன் திருப்தியின் அகநிலை மதிப்பீடுகளின் குறிகாட்டிகளில் மாற்றங்களை மதிப்பிடுவதில் குறிப்பாக கவனமாக இருக்க வேண்டும். ஒட்டுமொத்த திருப்தியின் குறிகாட்டிகள் மற்றும் குறிப்பாக சுருக்கமானவை, பதிலளித்தவர்களின் வெவ்வேறு குழுக்களுக்கு மிகவும் தகவலறிந்தவை, ஏனெனில் நிலைமைகள் மாறும்போது, ​​​​மக்களின் தேவைகள் மற்றும் கோரிக்கைகள் மாறுகின்றன, அதாவது, "சமூக நெறியை" மதிப்பிடுவதற்கான அகநிலை அளவுகோல். எனவே, ஒரு விதியாக, வேலை நிலைமைகள், நிலைமைகள் மற்றும் வாழ்க்கை முறை ஆகியவற்றுடன் ஒட்டுமொத்த திருப்தியின் மதிப்பீடுகளின் விநியோகம் சாதாரண விநியோகத்திற்கு செல்கிறது. திருப்தியின் ஒட்டுமொத்த மதிப்பீட்டின் கட்டமைப்பு கூறுகளைப் படிப்பதில் முக்கிய கவனம் செலுத்தப்பட வேண்டும். எடுக்கப்பட்ட நடவடிக்கைகள் பயனுள்ளதாக இருந்தால், குறிப்பிடத்தக்க மாற்றங்கள் பதிவு செய்யப்பட வேண்டும். சமூக விளைவு ஒரு மண்டலத்திலிருந்து மற்றொரு மண்டலத்திற்கு சிக்கல்களை நகர்த்துவதில் காணப்படுகிறது.

ஆனால் எல்லா பிரச்சனைகளும் மறைந்து பொது மனநிறைவு வரும் என்பதல்ல.

சமூக வளர்ச்சி குறிகாட்டிகள்அவற்றின் நோக்கத்தின்படி, அவை சமூக செயல்முறைகளை விவரிக்கும் விளக்கக் குறிகாட்டிகளாகவும், சில மேம்பாட்டுத் தரங்களை நிறுவும் மற்றும் நிறுவன மற்றும் பிற கண்டுபிடிப்புகளின் வெற்றிக்கான அளவுகோல்களாக செயல்படும் மருந்துகளாகவும் பிரிக்கலாம். பிந்தையவை" மதிப்பீடு மற்றும் நம்பியிருக்கும்

ஒரு வழியில் அல்லது மற்றொரு நியாயமான தரநிலைகளில்.

சமூகத் தரங்களை வளர்க்கும் போது, ​​சமூக அறிவியலானது ஆய்வு செய்யப்படும் செயல்முறைகளின் போக்குகளை கவனமாக ஆய்வு செய்து, அவர்களின் விரும்பிய நிலையை அடைவதற்கான சாத்தியக்கூறுகளைத் தீர்மானிக்க, புறநிலை வாய்ப்புகள், பொருளாதார மற்றும் சமூக வளங்கள் மற்றும் சமூக இலக்குகளை கணக்கில் எடுத்துக்கொள்வது தெளிவாகிறது. வளர்ச்சி அளவு வெளிப்படுத்தப்பட வேண்டும்.

ஒழுங்குமுறை வழிகாட்டுதல்கள் வெவ்வேறு வழிகளில் கட்டமைக்கப்படுகின்றன. எளிய வழி (மற்றும் சிறந்தது அல்ல) குறிகாட்டியின் தர்க்கரீதியான "தீவிர" மீது கவனம் செலுத்துவது, அதாவது, ஒரு விளிம்பு விளைவை அடைவது, எடுத்துக்காட்டாக, ஒரு குறிப்பிட்ட செயல்பாட்டில் மக்கள்தொகையின் நூறு சதவீத ஈடுபாடு அல்லது பாதகமான நிகழ்வுகளை பூஜ்ஜியமாகக் குறைத்தல். எவ்வாறாயினும், ஒரு "சமூக விதிமுறை" ஒருமுறை நிறுவப்பட முடியாது என்பதை மனதில் கொள்ள வேண்டும்; அதன் தரமான எல்லைகள் ஒரு சமூகம், அமைப்பு, சமூக நிறுவனம் ஆகியவற்றின் நிலையான செயல்பாடு, அவற்றின் வளர்ச்சியை உறுதி செய்வதாகும். விலகல்கள் இல்லாமல் எந்த விதிமுறையும் இல்லை என்ற உண்மையின் காரணமாக சமூக விலகல்கள் நீக்க முடியாதவை. எனவே, ஒரு குறிப்பிட்ட அளவிலான குற்றமும் மோதலும், ஒரு வகையில், நெறிமுறையைப் பேணுவதற்கு, செயல்பாட்டுக்கு அவசியமானது. புதுமைக்கான விதிமுறையிலிருந்து விலகல்களுக்கும் இது பொருந்தும். தீவிரமான கண்டுபிடிப்புகள் சமூக அமைப்பின் கட்டுப்பாடற்ற சீர்குலைவை ஏற்படுத்தும்.

எனவே, சமூகத் தரங்களைத் தீர்மானிப்பதற்கான முக்கிய வழி, பல்வேறு செயல்முறைகள், சமூக விளைவுகள், அமைப்பின் வடிவங்கள் போன்றவற்றின் விரும்பிய நிலையை (நிலையை) நியாயப்படுத்துவதாகும். (சமூக கட்டுப்பாடு) சமூக மாற்றங்கள், வளர்ச்சி.

பயன்பாட்டு ஆராய்ச்சி- தொழில்நுட்ப மற்றும் சமூக பிரச்சனைகளுக்கு நடைமுறை தீர்வுகளை இலக்காகக் கொண்ட அறிவியல் ஆராய்ச்சி.

அறிவியல் என்பது மனித செயல்பாட்டின் ஒரு கோளமாகும், இதன் செயல்பாடு யதார்த்தத்தைப் பற்றிய புறநிலை அறிவின் வளர்ச்சி மற்றும் தத்துவார்த்த முறைப்படுத்தல் ஆகும். அறிவியலின் உடனடி இலக்குகள், செயல்முறைகள் மற்றும் யதார்த்தத்தின் நிகழ்வுகளின் விளக்கம், விளக்கம் மற்றும் கணிப்பு ஆகும், இது அதன் ஆய்வுக்கு உட்பட்டது, அது கண்டுபிடிக்கும் சட்டங்களின் அடிப்படையில், அதாவது, ஒரு பரந்த பொருளில், யதார்த்தத்தின் தத்துவார்த்த பிரதிபலிப்பு ஆகும்.

அதன் நோக்குநிலையில், தொடர்பாக பயிற்சிதனிப்பட்ட அறிவியல்கள் பொதுவாக அடிப்படை அறிவியல்களாகப் பிரிக்கப்படுகின்றன ( அடிப்படை அறிவியல்) மற்றும் பயன்பாட்டு அறிவியல் ( பயன்பாட்டு அறிவியல்) இயற்கை, சமூகம் மற்றும் சிந்தனையின் அடிப்படை கட்டமைப்புகளின் நடத்தை மற்றும் தொடர்புகளை நிர்வகிக்கும் சட்டங்களைப் புரிந்துகொள்வதே அடிப்படை அறிவியலின் பணி. இந்த சட்டங்கள் மற்றும் கட்டமைப்புகள் அவற்றின் சாத்தியமான பயன்பாட்டைப் பொருட்படுத்தாமல், அவற்றின் "தூய வடிவத்தில்" ஆய்வு செய்யப்படுகின்றன. பயன்பாட்டு அறிவியலின் உடனடி இலக்கு அறிவாற்றல் மட்டுமல்ல, சமூக மற்றும் நடைமுறை சிக்கல்களையும் தீர்க்க அடிப்படை அறிவியலின் பயன்பாடு ஆகும்.

அடிப்படை ஆராய்ச்சியின் தனிப்பட்ட முடிவுகள் நேரடி நடைமுறை மதிப்பைக் கொண்டிருப்பதால், ஆராய்ச்சியை அடிப்படை மற்றும் பயன்பாட்டுக்கு பிரிப்பது மிகவும் தன்னிச்சையானது, மேலும் பயன்பாட்டு ஆராய்ச்சியின் விளைவாக, அறிவியல் கண்டுபிடிப்புகளைப் பெறலாம்.

என்சைக்ளோபீடிக் YouTube

1 / 2

✪ சமூகவியல் ஆராய்ச்சியில் பொருள் மற்றும் பொருள் - விக்டர் வக்ஷ்டைன்

✪ நெருக்கடியில் உயிர்வாழ. ஃபர்சோவ் ஏ.ஐ. (12/22/2018)

வசன வரிகள்

பொருளாதார நடவடிக்கைகளுக்கு அறிவியல் ஆதரவு

மேலாண்மை முடிவுகளை எடுப்பதற்கு அறிவியல் ஆராய்ச்சி ஒரு கட்டாய செயல்முறையாக மாறி வருகிறது. அத்தகைய வேலையின் நோக்கம் மற்றும் சிக்கலானது குறிப்பிட்ட சிக்கலால் தீர்மானிக்கப்படுகிறது, ஆனால் அது எப்போதும் ஒரு அறிவாற்றல் கட்டமைப்பைக் கொண்டுள்ளது, இதன் விளைவாக விஞ்ஞான முறைகளின் பயன்பாட்டை அடிப்படையாகக் கொண்டது.

சிக்கலின் இரண்டாவது கூறுகளின் புறநிலை விளக்கத்தின் கேள்வி இன்னும் கடினமானது - விரும்பிய சூழ்நிலை மற்றும், அதன்படி, நோக்கம் மற்றும் ஆராய்ச்சி கருதுகோளின் வரையறைகள் அதிலிருந்து பின்பற்றப்படுகின்றன. இவை அனைத்தும் தற்போதுள்ள சூழ்நிலையின் விளக்கத்தின் புறநிலை மற்றும் ஆய்வின் கீழ் உள்ள பொருளை உள்ளடக்கிய அமைப்புகளின் இலக்குகளை அடையாளம் காண முடிவெடுக்கும் நபர் ஆகியவற்றைப் பொறுத்தது. இங்கே, முறையான பிழைகள் ஒரு சிக்கலைத் தீர்க்கும் முயற்சி புதியவற்றின் தோற்றத்திற்கு வழிவகுக்கும் என்பதற்கு வழிவகுக்கும். பல புதிய சிக்கல்கள் - கனரக உபகரணங்களால் மண் சுருக்கம், பணியாளர்கள் மற்றும் இணைப்புகளின் எண்ணிக்கையில் அதிகரிப்பு காரணமாக மேலாண்மை கருவியின் செயலற்ற தன்மை, கால்நடை வளாகங்களிலிருந்து கழிவுநீரை அகற்றுதல் போன்றவை - பிற சிக்கல்களைத் தீர்ப்பதை நோக்கமாகக் கொண்ட மனித நடவடிக்கைகளின் விளைவாக எழுந்தன.

மேலாண்மை முடிவின் விஞ்ஞான உருவாக்கத்தின் முதல் கட்டத்தின் பகுப்பாய்வு, இயற்கை மற்றும் தொழில்நுட்ப அறிவியலில் அகநிலை சிதைவுகளின் முக்கிய ஆதாரம் மற்றும் அதன்படி, இந்த கட்டத்தின் செயல்திறன் குறைவது உண்மையான உண்மையின் விளக்கத்தின் முழுமையாகும் என்பதைக் காட்டுகிறது. , முக்கியமாகப் பயன்படுத்தப்படும் கருவிகள் மூலம் மட்டுமே அடையப்படுகிறது, பின்னர் உற்பத்தி சிக்கல்களைப் படிக்கும் விஷயத்தில், விஞ்ஞானிகள் மற்றும்/அல்லது மேலாளர்களால் பொருளைப் பற்றிய போதுமான உணர்வின் கூடுதல் சிக்கல்கள், அவர்கள் பயன்படுத்தும் முறையைப் பொறுத்து. சிக்கல் ஆராய்ச்சியின் முதல் கட்டத்தில், தவறான சிக்கல்களை உருவாக்குவதற்கான அதிக நிகழ்தகவு உள்ளது - "சிக்கல்கள்" மற்றும் போலி-பணிகள், அவற்றின் தீர்வு எந்த நடைமுறை மதிப்பையும் கொண்டிருக்காது, மேலும் செயல்படுத்துவது விரும்பத்தகாத விளைவுகளுக்கு வழிவகுக்கும். இந்த வழக்கில், நிர்வாக முடிவின் செயல்திறன் பூஜ்ஜியமாகவோ அல்லது எதிர்மறையாகவோ இருக்கும்.

இரண்டாம் நிலைஒரு உற்பத்தி சிக்கலின் ஆராய்ச்சி - ஒரு கணித மாதிரியின் வளர்ச்சி.

சூழ்நிலைகளை மதிப்பிடுவதற்கான அறிவியல் கோட்பாடுகள் மற்றும் முடிவெடுக்கும் முறைகள் மற்றும் மாதிரிகள் மூலம் புறநிலை உறுதி செய்யப்பட வேண்டும். மாடலிங், குறிப்பாக கணினிகளின் பயன்பாடு, சிக்கலான அமைப்புகளின் நிர்வாகத்தில் பயன்படுத்தப்பட்ட நோக்குநிலையுடன் கணினி ஆராய்ச்சிக்கான முக்கிய தத்துவார்த்த கருவியாகும். மாடலிங் செயல்முறையின் கணிசமான பகுதி (குறிகாட்டிகள், காரணிகள், சார்புகளின் தேர்வு) பொருளாதாரக் கோட்பாட்டில் சேர்க்கப்பட்டுள்ளது, மேலும் தொழில்நுட்ப பகுதி (10 இல் 9 நிகழ்வுகளில் சில புள்ளிவிவர மாதிரிகளை உருவாக்குவது) பொருளாதார அளவீட்டில் சேர்க்கப்பட்டுள்ளது. இவ்வாறு, பொருளாதார-கணித மாடலிங் ஒருபுறம் உடைந்ததாகவும், மறுபுறம் துண்டிக்கப்பட்டதாகவும் மாறிவிடும். மாடலிங்கின் அனைத்து நிலைகளுக்கும் இடையிலான உறவின் கேள்விகள், மாடலிங் முடிவுகளின் விளக்கத்தின் சரியான தன்மை மற்றும் அதன் விளைவாக, மாதிரிகள் அடிப்படையிலான பரிந்துரைகளின் மதிப்பு காற்றில் தொங்குகிறது.

கணித மொழியின் தெளிவின்மை பிளஸ் மற்றும் மைனஸ் ஆகிய இரண்டும் ஆகும். நன்மை என்னவென்றால், இது பிழைகளை அனுமதிக்காது, ஆனால் அதே சொத்து பொருளின் போதுமான முழுமையான விளக்கத்தின் சாத்தியத்தை கட்டுப்படுத்துகிறது. மாதிரியில் தகவல் அதிகரிப்பதன் மூலம், ஹூரிஸ்டிக் மாடலிங் செயல்பாடு கணக்கில் எடுத்துக்கொள்ளப்பட்ட தகவலின் அளவிற்கு நேரடி விகிதத்தில் வளராது, ஆனால் ஒரு தீவிர சட்டத்தின் படி, அதாவது, மாடலிங் செயல்திறன் ஒரு குறிப்பிட்ட வரம்பு வரை மட்டுமே வளரும், அதன் பிறகு அது விழுகிறது. வேறு வார்த்தைகளில் கூறுவதானால், கணிதத்தின் பயன்பாடு துல்லியத்திற்கு உத்தரவாதம் அளிக்கிறது, ஆனால் விளைந்த தீர்வின் சரியான தன்மை அல்ல. இயற்பியல் பொருள்களைப் பற்றிய ஆய்வுகளில், தகவல் சிக்கலானது, அவற்றைத் தீர்மானிக்கும் காரண-விளைவு உறவுகளின் காரணமாக, ஒப்பீட்டளவில் குறைவாக இருப்பதால், சமூக-பொருளாதாரப் பொருட்களின் ஆய்வைக் காட்டிலும் இழப்புகள் மற்றும் தகவலின் சிதைவின் அளவு கணிசமாகக் குறைவாக இருக்கும். . கணித மொழியின் வரம்புகள் K. Gödel இன் முறையான அமைப்புகளின் முழுமையின்மை கோட்பாடு மற்றும் வெளிப்புற நிரப்பு கலையின் கொள்கை ஆகியவற்றின் அடிப்படையாகும். பீரா ( பீர் ஸ்டாஃபோர்ட்) அதன் நிலை, இயற்கையாகவே, பெரும்பாலும் வரலாற்றுப்பூர்வமானது மற்றும் முழுமையானது அல்ல. கணிதம் வளர வளர அதன் திறன்கள் அதிகரிக்கும். இருப்பினும், தற்போது, ​​பல ரஷ்ய மற்றும் வெளிநாட்டு கணிதவியலாளர்கள், தத்துவவாதிகள், பொருளாதார வல்லுநர்கள் மற்றும் பிற அறிவியல் துறைகளின் பிரதிநிதிகள் சமூக-பொருளாதார நிகழ்வுகளின் போதுமான கணித விளக்கத்தின் மட்டுப்படுத்தப்பட்ட சாத்தியக்கூறுகளைக் குறிப்பிடுகின்றனர்.

கணித முறைகளின் பயன்பாடு வரம்பற்ற வரம்பில் அவற்றின் "சர்வவல்லமை" மற்றும் உலகளாவிய தோற்றத்தை உருவாக்குகிறது. இதன் முக்கிய உறுதிப்படுத்தல் பெரும்பாலும் இந்த இரண்டு குணாதிசயங்களின் பரஸ்பர வாதமாகும், ஆனால் நடைமுறையில் மாடலிங் முடிவுகளைப் பயன்படுத்துவதன் செயல்திறன் அல்ல. இதில் ஒரு முக்கியமான செல்வாக்கு என்னவென்றால், கணித முறைகள் மற்றும் மாதிரிகளின் வழிமுறை அம்சங்களை விவரிக்கும் போது, ​​போதுமான தீர்வை வழங்குவதற்கு அவர்கள் கொண்டிருக்க வேண்டிய பல பண்புகள் கொடுக்கப்பட்டுள்ளன, அதன்படி, அவை உள்ளார்ந்த பண்புகளாக உணரப்படுகின்றன. விவரிக்கப்பட்ட முறைகள் மற்றும் மாதிரிகள். எந்தவொரு சிறப்பு கருவியையும் போலவே, ஒரு குறிப்பிட்ட முறையானது செயலாக்கப்படும் தகவலின் மீது அதன் சொந்த வரம்புகளை விதிக்கிறது: இது சில அம்சங்களை முன்னிலைப்படுத்துகிறது, மற்றவற்றை நீக்குகிறது மற்றும் சிதைக்கிறது, இதன் மூலம் ஒட்டுமொத்தமாக அதன் உதவியுடன் விவரிக்கப்பட்ட உண்மையான சூழ்நிலையை சிதைக்க வழிவகுக்கிறது. பல படைப்புகளின் ஆசிரியர்கள், அவற்றின் எண்ணிக்கையை கோட்பாடுகள் மற்றும் கணித மாடலிங் முறைகளின் வளர்ச்சி குறித்த வெளியீடுகளின் எண்ணிக்கையுடன் ஒப்பிட முடியாது, சமூக உற்பத்தியில் நிகழும் உண்மையான செயல்முறைகளை விவரிக்க அவற்றின் பயன்பாட்டின் அடிப்படை வரம்புகளை உறுதிப்படுத்தும் பல்வேறு வாதங்களை வழங்குகிறார்கள். தேர்வுமுறை அணுகுமுறையால் உருவாக்கப்பட்ட வழிமுறையின் குறுகிய கட்டமைப்பிற்குள், உண்மையான மாதிரியின் பிரதிபலிப்பு அடிப்படை வரம்புகளை அங்கீகரிப்பதன் மூலம் சிறந்த தீர்வுக்கான தேடலை (அல்லது உகந்த கட்டுப்பாடு) இணைப்பது சாத்தியமில்லை. ஏதேனும், மிகவும் நுட்பமான மற்றும் அதிநவீன உற்பத்தி, சுட்டிக்காட்டப்பட்ட முரண்பாடு தீர்க்கப்படும், உண்மையில் இன்னும் தீவிரமான மற்றும் வெளிப்படையான புதிய முரண்பாடுகளுக்கு வழிவகுக்கிறது. நிரலாக்க முறைகளைப் பயன்படுத்தும் போது, ​​அமைப்புகள் மற்றும் துணை அமைப்புகளைப் பிரிப்பதில் மற்றும் இணைப்பதில் உள்ள பிழைகளால் இது "மேலோட்டப்பட்டது". ஒரு குறிப்பிட்ட சிக்கலைத் தீர்ப்பதில் ஒரு கணித முறை மற்றும் மாதிரியைத் தேர்ந்தெடுக்கும்போது பொருள் கருத்துகளைப் பயன்படுத்துவது, எடுத்துக்காட்டாக, தொழில்நுட்ப அறிவியலில், அதே சூத்திரங்களைப் பயன்படுத்தி, ஒரு அபார்ட்மெண்ட் மற்றும் ஒரு ரயில் நிலையத்திற்கான லைட்டிங் சாதனங்களின் சக்தி நியாயமானது என்பதற்கு வழிவகுக்கிறது. அதேபோல், ஒரு நிறுவனத்தின் செயல்பாட்டை மேம்படுத்துவதில் உள்ள சிக்கலை முறைப்படுத்துவது, அல்லது ஒரு முழுத் தொழிலையும் கூட, ஒரு பணிப்பகுதியின் உகந்த வெட்டு சிக்கலில் இருந்து முக்கியமாக மாறிகள் மற்றும் சமன்பாடுகளின் எண்ணிக்கையில் மட்டுமே வேறுபடுகிறது. எவ்வாறாயினும், இந்த விஷயத்தில், அத்தகைய "வெட்டுதல்" விளைவு ஒரு பெரிய எண்ணிக்கையிலான இணைப்புகளை "இயந்திர" உடைப்பதாக இருக்கும், இதன் சிக்கலான தன்மை மற்றும் நிச்சயமற்ற தன்மை ஆகியவை நவீன கணிதத்தின் மொழியில் போதுமான துல்லியமான விளக்கத்தை எப்போதும் அணுக முடியாது. ஆய்வின் கீழ் உள்ள சூழ்நிலையின் மாதிரியின் கட்டமைப்பை நியாயப்படுத்துவதற்கான பாரம்பரிய அணுகுமுறையின் தவறான தன்மை, தீவனத்தின் கலவை மற்றும் பண்ணையில் உள்ள விலங்குகளின் எண்ணிக்கையை நியாயப்படுத்தும் பணிகளை ஒப்பிடுவதன் மூலம் காட்டப்படலாம். நீங்கள் பாரம்பரிய முறையைப் பின்பற்றினால், அவற்றை ஒரே வகுப்பில் வகைப்படுத்தலாம் மற்றும் அதே முறையைப் பயன்படுத்தி தீர்க்கலாம். அதே நேரத்தில், முதல் முடிவு உற்பத்தி செலவில் மட்டுமே குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்தினால், இரண்டாவது சமூக நலன்கள், சுற்றுச்சூழல் பாதுகாப்பு தொடர்பான பிரச்சினைகள் போன்றவற்றை கணக்கில் எடுத்துக்கொள்ள வேண்டும். எனவே, இரண்டாவது வழக்கில் அது அவசியம். முதல் முறையை விட, பல்வேறு வகையான விளக்க சாத்தியங்களைக் கொண்ட ஒரு முறையைப் பயன்படுத்தவும், இல்லையெனில் போதுமான கணித மாதிரியை உருவாக்குவது மற்றும் நடைமுறை மதிப்பின் மேலாண்மை தீர்வைப் பெறுவது சாத்தியமில்லை.

கணித நிரலாக்கம் அல்லது பின்னடைவு பகுப்பாய்வாக இருந்தாலும், உகப்பாக்கம் முறைகளால் வழங்கப்படும் சிக்கல், ஒரு தேடலுக்கு வருகிறது, அற்பமானதாக இல்லாவிட்டாலும் (பல்வேறு சாத்தியமான விருப்பங்கள் காரணமாக), ஆனால் அதே நேரத்தில் அடிப்படையில் புதியது அல்ல. இதன் விளைவாக, தேடல் வரம்பில் நிகழும் என்பதால், ஆய்வின் கீழ் உள்ள செயல்முறையைப் பற்றிய அறிவால் அதன் எல்லைகள் தீர்மானிக்கப்படுகின்றன. தொழில்நுட்ப அல்லது எளிய சமூக-பொருளாதாரப் பொருட்களுக்கான பொறியியல், செயல்பாட்டு அல்லது தந்திரோபாய சிக்கல்களை அமைப்பதில், ஒரு ஆராய்ச்சியாளர் அல்லது மேலாளர் அவர்களின் முழு முறையான விளக்கத்தையும் உண்மையான மாற்றுகளின் வரம்பை நியாயப்படுத்த அனுமதிக்கிறது, தேர்வுமுறை முறைகளைப் பயன்படுத்துவதன் போதுமான மற்றும் செயல்திறன் சந்தேகத்திற்கு அப்பாற்பட்டது. . தொழில்நுட்ப மற்றும் சமூக-பொருளாதார அமைப்புகளை மேம்படுத்துவதற்கான திசைகளைத் தேர்ந்தெடுப்பதில் மூலோபாய சிக்கல்களைத் தீர்க்கும் போது ஆராய்ச்சிப் பொருட்களின் சிக்கலானது வளரும்போது, ​​தேர்வுமுறை முறைகள் துணை செயல்பாடுகளை மட்டுமே செய்ய முடியும்.

ஒன்று அல்லது மற்றொரு "வழக்கமான" மாதிரியின் அமைப்பு, ஆய்வின் கீழ் உள்ள பொருளின் விளக்கத்தில் தேவையான அளவிலான பன்முகத்தன்மையைக் குறிக்கும் திறனில் இன்னும் கடுமையான கட்டுப்பாடுகளை விதிக்கிறது. எனவே, கணித மாடலிங் குறித்த சில படைப்புகள் மாதிரியின் வகையைத் தேர்ந்தெடுப்பதன் மூலம் ஆய்வைத் தொடங்க பரிந்துரைக்கின்றன, பின்னர் தேர்ந்தெடுக்கப்பட்ட மாதிரியில் "பொருத்துவது" எளிதாக இருக்கும் வகையில் ஆராய்ச்சி சிக்கலை அமைக்கவும். இந்த அணுகுமுறை ஒரு மாதிரியின் கட்டுமானத்தை எளிதாக்குகிறது மற்றும் ஆராய்ச்சியின் குறிக்கோள் துல்லியமாக ஒரு கணித மாதிரியை உருவாக்குவது மற்றும் சிக்கலுக்கு ஒரு தீர்வைப் பெறவில்லை என்றால் பயனுள்ளதாக இருக்கும். தகவல்களின் அடுத்தடுத்த சிதைவுகள் மற்றும் இழப்புகள், இயற்கையில் ஒத்தவை, அல்காரிதம்கள் மற்றும் நிரல் மொழிகளின் வரம்புகள் மற்றும் கணினி திறன்களால் ஏற்படுகின்றன.

ஒரு கணித மாதிரியை உருவாக்குவது மற்றும் கணினியில் இறுதித் தரவைப் பெறுவது ஆகியவற்றுடன் தொடர்புடைய அனைத்து நடைமுறைகளும் தர்க்கரீதியாக நியாயப்படுத்தப்பட்டாலும், இந்த முடிவின் போதுமான தன்மை மற்றும் உண்மையான சிக்கலுக்கு தொடர்புடைய மேலாண்மை தீர்வுக்கு உத்தரவாதம் அளிக்கும் எந்த முறையான பண்புகளும் இல்லை என்பதை கட்டமைப்பு-செயல்பாட்டு பகுப்பாய்வு குறிக்கிறது. செயல்திறன் (உகப்பாக்கம்) அளவுகோல்களை உருவாக்குவது சமூக வளர்ச்சியின் புறநிலை விதிகளிலிருந்து சுயாதீனமாக மேற்கொள்ளப்படலாம், மேலும் ஒரு கணித மாதிரியின் வளர்ச்சிக்கான முக்கிய அளவுகோல் "தரநிலை" பயன்பாட்டின் அடிப்படையில் ஒரு வழிமுறையை விரைவாக உருவாக்குவதற்கான நிபந்தனைகளாகும். ”அல்காரிதம். ஒரு மேலாளர்/ஆராய்ச்சியாளர் அவர் தேர்ச்சி பெற்ற ஒரு கணித முறை அல்லது PC மென்பொருளின் கட்டமைப்பிற்கு ஒரு உண்மையான சிக்கலை "தையல்" செய்யலாம். ஒரு முறையின் கட்டமைப்பிற்குள் ஒரு கணித மாதிரியின் கட்டாய கட்டுமானத்தில் கவனம் செலுத்துவது, சிக்கலைப் படிப்பதில் இருந்து கணக்கிட முடியாத காரணிகளை விலக்குவதற்கு வழிவகுக்கிறது. காரணம்-மற்றும்-விளைவு உறவுகளின் விளக்கம், சேர்க்கை கொள்கைகளின் நியாயமற்ற பயன்பாட்டிற்கு வழிவகுக்கிறது. ஒரு உண்மையான பொருளின் மிகவும் எளிமைப்படுத்தப்பட்ட மற்றும் சிதைந்த உருவத்திற்கு மட்டுமே முடிவு உகந்ததாக இருக்கும், இது பல "மாற்றங்களுக்கு" பிறகு ஒரு கணித மாதிரியாகும், இது வழிமுறைகளைப் பயன்படுத்தி மேற்கொள்ளப்படுகிறது, பன்முகத்தன்மை மற்றும் துல்லியத்தின் அளவு இன்னும் சமூக- சிக்கலான தன்மைக்கு பின்தங்கியிருக்கிறது. பொருளாதார பிரச்சனைகள்.

மூன்றாவது கட்டத்தில்வகை மற்றும் கட்டமைப்பை நியாயப்படுத்திய பிறகு சிக்கல்களின் ஆராய்ச்சி, போதுமான தன்மை மற்றும் அதன்படி, ஒரு கணித மாதிரியைப் பயன்படுத்தி பெறப்பட்ட மேலாண்மை முடிவின் செயல்திறன், ஆரம்ப தகவலின் தரத்துடன் தொடர்புடையது, எடுத்துக்காட்டாக, கூறுகள் ஒரு கணித நிரலாக்க சிக்கலின் நிபந்தனைகளின் அணி அல்லது பின்னடைவு சமன்பாட்டின் குணகங்கள் கணக்கிடப்படுகின்றன. இங்கே சிதைவுகளின் தன்மை பெரும்பாலும் மாடலிங் முறையைப் பொறுத்தது. நேரியல் நிரலாக்கத்திற்கு, இந்த கட்டத்தில் பிழைகள் ஆய்வின் கீழ் உள்ள பொருளுடன் சிறிய தொடர்பைக் கொண்டிருக்கவில்லை மற்றும் முக்கியமாக டெவலப்பரின் கவனக்குறைவு காரணமாக எழுகின்றன: உற்பத்தித்திறன் அல்லது பொருள் நுகர்வு விகிதங்கள் தவறாக எடுக்கப்பட்டன, முதலியன. இந்த வகையான பிழைகள் பொதுவாகக் கண்டறியப்படும். மாதிரி மற்றும் எளிதாக சரி செய்யப்படுகின்றன. பின்னடைவு பகுப்பாய்வைப் பயன்படுத்தும் போது மிகவும் சிக்கலான சூழ்நிலை எழுகிறது, இது இயற்கை, தொழில்நுட்ப மற்றும் சமூக அறிவியலில் சமமாக பரவலாக உள்ளது.

நேரியல் நிரலாக்கத்துடன் ஒப்பிடும்போது இந்த முறைக்கு இடையிலான வேறுபாடு என்னவென்றால், பின்னடைவு குணகங்களின் உருவாக்கம் ஆரம்ப தரவுகளால் தீர்மானிக்கப்படுகிறது, இது ஆய்வின் கீழ் உள்ள பொருளில் நிகழும் செயல்முறைகளின் முடிவுகளாகும், இது "கருப்பு பெட்டி" என்று கருதப்படுகிறது. "உள்ளீட்டை" "வெளியீடு" ஆக மாற்றுவதற்கான வழிமுறை பெரும்பாலும் தெரியவில்லை ஆரம்ப தகவலின் அளவு அதிகரிப்பதன் மூலம், அதன் பன்முகத்தன்மையின் நிலை உண்மையான பொருளில் உள்ளதை நெருங்குகிறது. இந்த வழியில், பின்னடைவு மாதிரியின் போதுமான தன்மையை அதிகரிக்க முடியும், இது நேரியல் நிரலாக்கத்தில் அடைய முடியாது. பின்னடைவு பகுப்பாய்வின் இந்த நன்மை ஒப்பீட்டளவில் சிறிய எண்ணிக்கையிலான காரணிகள் மற்றும் பிந்தையதைக் கட்டுப்படுத்தும் திறன் காரணமாக இயற்கை அறிவியலில் மிகவும் திறம்பட பயன்படுத்தப்படலாம். சமூக-பொருளாதார நிகழ்வுகளின் ஆய்வுகளில், பின்னடைவு மாதிரிகளைப் பயன்படுத்துவதன் செயல்திறன் குறைகிறது, ஏனெனில் காரணிகளின் எண்ணிக்கை கூர்மையாக அதிகரிக்கிறது, அவற்றில் பல அறியப்படாதவை மற்றும்/அல்லது கட்டுப்படுத்த முடியாதவை. இவை அனைத்திற்கும் நம்மை ஒரு மாதிரியாக மட்டுப்படுத்தாமல், பொது மக்களை அணுகும் ஒரு தொகுதியில் தரவைப் பயன்படுத்த முயற்சிக்க வேண்டும். இயற்கை மற்றும் தொழில்நுட்ப அறிவியலில் ஆய்வு செய்யப்பட்ட பெரும்பாலான செயல்முறைகளைப் போலல்லாமல், அதன் நகலெடுப்பின் சிக்கலானது சோதனையின் செலவுகளால் மட்டுமே தீர்மானிக்கப்படுகிறது, ஒரு சமூக-பொருளாதார பொருளின் பின்னடைவு மாதிரியை சரிபார்ப்பது மிகவும் கடினம். அது, வரலாற்று இயல்புடையது.

இது சம்பந்தமாக, சமூக-பொருளாதாரப் பொருள்களின் ஆய்வுகளில் ஆரம்பத் தகவலின் முக்கிய ஆதாரம் கவனிப்பு, ஒரு "செயலற்ற" சோதனை, இது சோதனைகளை மீண்டும் செய்வதைத் தவிர்த்து, அதன்படி, புள்ளிவிவர அளவுகோல்களின்படி பின்னடைவு மாதிரியின் போதுமான தன்மையை சரிபார்க்கிறது. எனவே, சமூக-பொருளாதார பொருள்களின் பின்னடைவு பகுப்பாய்வில் பயன்படுத்தப்படும் போதுமான அளவு முக்கிய குறிகாட்டிகள் பல தொடர்பு குணகம் மற்றும் தோராயமான பிழை ஆகும். இருப்பினும், முதல் குறிகாட்டியின் உயர் மதிப்பு மற்றும் இரண்டாவது குறிகாட்டியின் குறைந்த மதிப்பு பின்னடைவு மாதிரியின் தரத்தை சந்தேகத்திற்கு இடமின்றி தீர்மானிக்க அனுமதிக்காது. மாதிரி பல்லுறுப்புக்கோவையின் சொற்களின் எண்ணிக்கையில் அதிகரிப்பு மற்றும் வெளிப்புறமாக இந்த எண்ணிக்கை சோதனைகளின் எண்ணிக்கையால் (கவனிப்புகள்) மட்டுமே வரையறுக்கப்படுகிறது, அதன் பன்முகத்தன்மையின் அளவு அதிகரிப்பு, தோராயமான துல்லியம் ஆகியவற்றின் காரணமாக இது விளக்கப்படுகிறது. பின்னடைவு சமன்பாட்டின் மூலம் ஆரம்ப தரவு அதிகரிக்கிறது.

வி. லியோண்டியேவ் ( லியோடிஃப் வாசிலி), பொருளாதாரத்தில் புள்ளிவிவர முறைகளைப் பயன்படுத்துவதன் குறைந்த செயல்திறன் பற்றி கருத்து தெரிவிக்கையில், "நவீன பொருளாதாரத்தில் உள்ளார்ந்த சிக்கலான அளவு உறவுகளை ஆய்வு செய்வதற்கு மறைமுகமான, முறையான சுத்திகரிக்கப்பட்ட, புள்ளியியல் பகுப்பாய்வு பொருத்தமானது அல்ல" என்ற உண்மையால் இதை விளக்குகிறது. முடிவுகளின் விளக்கத்துடன் தொடர்புடைய ஒரு காரணி மற்றும் கணித முறைகளின் பயன்பாட்டின் செயல்திறனைக் குறைக்கிறது மற்றும் அதன்படி, மேலாண்மை முடிவுகள் இந்த வழியில் பெறப்பட்ட அளவு முடிவுகளின் அதிகப்படியான இலட்சியமயமாக்கல் ஆகும். துல்லியமான கணக்கீடுகள் சரியான முடிவைக் குறிக்காது, இது ஆரம்ப தரவு மற்றும் அவற்றின் செயலாக்கத்திற்கான வழிமுறையால் தீர்மானிக்கப்படுகிறது. நேரியல் நிரலாக்க சிக்கல்களைத் தீர்க்குமாறு கேட்கப்படும் மேலாளர்கள், சிக்கலில் சிறிதளவு நேரியல் அல்லாத உறுப்பு இருப்பது கூட சந்தேகத்தை ஏற்படுத்தலாம் மற்றும் நேரியல் நிரலாக்க முறையால் அதன் தீர்வை ஆபத்தானதாக மாற்றக்கூடும் என்பதை அறிந்திருக்க வேண்டும். துரதிர்ஷ்டவசமாக, மூத்த மேலாளர்களை பொறியியல் மற்றும் பொருளாதாரத்தின் அடிப்படைகளுக்கு அறிமுகப்படுத்தும் பெரும்பாலான அறிமுகப் படிப்புகள், இந்த அறிவியல்கள் நடைமுறைச் சிக்கல்களுடன் எவ்வாறு தொடர்புபடுகின்றன என்பதைக் கற்பிப்பதில்லை. ஆசிரியர் தனது முறையின் உலகளாவிய பொருந்தக்கூடிய தன்மையை உறுதியாக நம்புகிறார் மற்றும் அதன் பயன்பாட்டின் எல்லைகளைப் பற்றிய சிறிய புரிதல் இருப்பதால் இது விளக்கப்படுகிறது.

எனவே, உற்பத்திச் சிக்கலை ஒரு கணித மாதிரியாக மாற்றுவதற்கான மூன்று நிலைகளில், தரம் மற்றும் உண்மையான பொருளுக்கு சிறந்த மாதிரிகளின் தொடர்பு ஆகியவற்றை மதிப்பிடுவதற்கு போதுமான கடுமையான, அறிவியல் அடிப்படையிலான அளவுகோல்கள் இல்லை. அதே நேரத்தில், பாரம்பரிய நோக்குநிலையானது கணக்கீட்டு சிக்கல்கள் மற்றும் மாதிரிகளின் பெரிய பரிமாணத்தை கடப்பதை மட்டுமே நோக்கமாகக் கொண்டுள்ளது மற்றும் கணித கருவியின் வரம்புகளை கணக்கில் எடுத்துக்கொள்ளாது.

மாடலிங் என்பது பயன்பாட்டு ஆராய்ச்சியின் மிகவும் நடைமுறைப் பக்கமாகும், ஆனால் இந்த நடைமுறைவாதம் தனிப்பட்ட உற்பத்தியின் சிக்கல்களைத் தீர்க்கும் போது நடைமுறை அறிவின் முறையியலில் அறிவாற்றல் மற்றும் ஆன்டாலஜிக்கல் அணுகுமுறையின் அடிப்படையில் இருக்க வேண்டும். அதே நேரத்தில், மேலாண்மை முடிவுகளை எடுப்பதில் மாதிரிகளைப் பயன்படுத்துவது அவற்றின் ஒற்றுமையையும், அதன்படி, உண்மையான செயல்முறைகளுக்கு அவற்றின் முடிவுகளின் போதுமான தன்மையையும் கணக்கில் எடுத்துக்கொள்ள வேண்டும். இந்த நிலைமைகள் மாதிரிகள் விவரிக்கும் செயல்முறைகளின் தன்மையால் தீர்மானிக்கப்படுகின்றன. பொருளாதாரத்தில், பெரும்பாலான விளக்கமான விலை-தேவை மாதிரிகள் மனித நடத்தையுடன் தொடர்புடைய நிறுவன செயல்முறைகளை விவரிக்கின்றன, மேலும் இந்த மாதிரிகள் முற்றிலும் கருத்தியல் மற்றும் அளவு முன்னறிவிப்பு மதிப்பீடுகளைப் பெற பயன்படுத்த முடியாது. விவரிக்கப்பட்ட வரம்பிற்குள் உள்ள இடைக்கணிப்பு மதிப்பீடுகளுக்கான புள்ளிவிவர மாதிரிகளின் திறன்களின் நிலை நம்பகத்தன்மையின் புள்ளிவிவர குறிகாட்டிகளால் தீர்மானிக்கப்படுகிறது, ஆனால் முன்கணிப்பு மதிப்பீடுகளுக்கு, அசல் தரவு வரம்பில் 20-30% ஐ விட அதிகமாக இருக்கக்கூடாது. பல பிரதிகள் கொண்ட கட்டுப்படுத்தப்பட்ட சோதனைகளிலிருந்து பெறப்பட்ட பின்னடைவு மாதிரிகளின் வலிமை [ அறியப்படாத கால ], கணிசமாக அதிகரிக்கிறது. வள நுகர்வு, பிரேக்-ஈவன் நிலைமைகள் மற்றும் குறையும் வருமானத்தின் சட்டம் ஆகியவற்றுடன் தொடர்புடைய ஒழுங்குமுறை மாதிரிகள் முழுமையானதாகக் கருதப்படலாம், மேலும் அவற்றிலிருந்து பெறப்பட்ட மதிப்பீடுகளின் நம்பகத்தன்மை மூல தரவுகளில் உள்ள பிழைகளை மட்டுமே சார்ந்துள்ளது.