Николай Соколов - Профессиональная культура юристов. Понятие. Сущность. Содержание. Учебное пособие

Метод моделирования был достаточно широко использован и в ходе изучения профессиональной культуры юристов. Так, результаты социологического исследования были обработаны одним из методов теории распознавания образов – методом «самообучения ЭВМ». Конкретная его реализация может быть названа методом структурной таксономии. При этом мы исходили из того, что моделирование – это метод познания и преобразования действительности. Оно диалектически сочетает в себе абстрактно-логические и эмпирические аспекты, основано на процессе постепенного проникновения в сущность исследуемых целостных системных объектов, называемых оригиналами. Это достигается путем последовательного создания, анализа и применения информационных, математических и иных систем, называемых моделями. Модели отражают те свойства систем-оригиналов, учесть которые необходимо и достаточно для достижения целей и решения задач исследования, для получения новых знаний об оригиналах.

Под «образом» в математике понимается изображающая точка – конец вектора в многомерном пространстве признаков. Значение этих признаков называется координатами данного вектора, а их число – числом измерений данного многомерного пространства. Если у нас есть таблица, столбцами которой являются значения признаков, а строками – обозначения индивидов или групп, то могут быть поставлены две задачи: прямая и обратная. С одной стороны, как указано выше, могут быть созданы образы индивидов или их групп в пространстве признаков – ответов на вопросы анкеты, закодированных соответствующими цифрами, с другой – могут быть созданы образы самих вопросов (признаков) в пространстве людей или их групп, ответивших на соответствующие вопросы. Закодированные таким образом исходные данные далее обрабатываются с помощью алгоритмов «самообучения ЭВМ».

Оси координат, обозначенные названиями признаков, для каждого индивида одни и те же. Пусть число осей равно п. Таким образом, если измерены значения признаков каждого индивида, то все индивиды в пространстве признаков образуют некоторое облако точек (нечто вроде созвездия), так как не существует индивидов с совершенно одинаковыми значениями признаков по всем осям координат.

Может быть рассчитана матрица расстояний или матрица мер близости между «изображающими точками» – образами индивидов в n-мерном пространстве. Очевидно, «изображающие точки» распределены с какими-то сгущениями или разряжениями. Существуют алгоритмы, позволяющие выделить, обнаружить эти сгущения и разряжения. При этом ЭВМ как бы самостоятельно разбивает исходное множество индивидов на группы, классы, таксоны. Алгоритмы такого рода называются алгоритмами «самообучения ЭВМ» или алгоритмами автоматической классификации84.

Для наших целей недостаточно разбить исходное множество «образов» на компактные группы (классы, таксоны). Нам необходимо также получить структуру взаимосвязей между этими «образами», выявить иерархию полученных разбиений.

В свое время В. А. Леванским совместно с А. М. Левиным и Н. В. Храмцовой разработан алгоритм структурной таксономии85. Этот алгоритм по некоторому критерию выделяет группы «наибольшей близости» между «изображающими точками», строит кратчайший незамкнутый путь между ними, разбивает этот путь на участки (классы, таксоны) по принципу нарушения монотонности изменения расстояний, соединяющих респондентов в я-мерном пространстве.

В отличие от большинства алгоритмов таксономии этот алгоритм позволяет не только получить заранее не заданные сгущения точек в я-мерном пространстве признаков, но и структуру взаимосвязей между «изображающими точками». На выходе получается «древо взаимосвязей» между респондентами – граф, вершины которого соответствуют респондентам, а ребра – расстояниям между ними в пространстве признаков.

Рассматривая структуры взаимосвязей между респондентами, исследователь может выделить центральные и крайние «изображающие точки», найти «лидеров» и «аутсайдеров», отобрать типических респондентов и т. д. Подчеркнем «персонифицированность» полученной информации. Вершинам графа («древа взаимосвязей») соответствуют конкретные респонденты.

Алгоритмы структурной таксономии позволяют получить прямую и обратную структуру взаимосвязей между «образами» (по принципу максимальной близости и максимальной отдаленности) для расстояний типа евклидовых. Для корреляционных матриц они могут построить четыре картины взаимосвязей (с учетом знаков коэффициентов корреляции). Подробней эти алгоритмы описаны в литературе86.