Теоретические основы исследования

Практическая работа № 2

СИСТЕМНО-КОГНИТИВНАЯ МОДЕЛЬ ОЦЕНКИ

КАЧЕСТВА ЖИЗНИ В СЕЛЬСКОЙ МЕСТНОСТИ

Цель работы:получить практические навыки при оценке качества жизни в сельской местности

Постановка проблемы

Для успешного решения стратегических задач по наращиванию экономического потенциала аграрного сектора необходимо повышать уровень и качество жизни на селе, что позволит преодолеть дефицит специалистов и квалифицированных рабочих в сельском хозяйстве и других отраслях экономики села. Сложившаяся на селе ситуация в социальной сфере препятствует формированию социально-экономических условий для привлечения молодёжи в сельскую местность.

На сельском рынке труда по сравнению с городским наиболее остро стоят вопросы, связанные с трудовой активностью населения, безработицей, уровнем доходов, бедностью и напряжённостью сельского рынка труда в целом. В настоящее время молодёжь является социально незащищенной категорией, 36% численности которой среди зарегистрированных по линии службы занятости являются безработными, в том числе и выпускники средних профессиональных и высших учебных заведений.

Соотношение предложения и спроса на трудовые услуги молодежи в 1,3-1,4 раза выше, чем в среднем по другим категориям, период трудоустройства на 25-30% продолжительнее. Это подчёркивает актуальность регулирования рынка труда в сельской местности в целом, и в частности привлечения молодых специалистов на село за счет повышения качества жизни на селе.

Анализ последних исследований и публикаций

В настоящее время не существует общепринятого научного определения понятия «качество жизни» и каждый автор акцентирует внимание на одной из сторон этого понятия. Для населения качество жизни – это уровень удовлетворенности человеком своей жизнью по его собственной субъективной самооценке.

Существует также объективный подход к определению качества жизни, при котором качество жизни оценивается не по субъективной удовлетворенности самим человеком, а по ряду объективных показателей другими людьми, имеющими для этого полную и достоверную информацию и необходимую квалификацию, т.е. коллективом экспертов.

С этой точки зрения, качество жизни – понятие, отражающее степень удовлетворения материальных, культурных и духовных потребностей человека, измеряемое компетентными и информированными специалистами по набору объективных показателей.

Наиболее полный на данный момент набор частных критериев, объединяющий различные методики измерения качества жизни, опубликован в фундаментальной работе С.А. Айвазяна [1]. В работе указаны ключевые направления совершенствования институтов и социально-экономической политики, на которых, в первую очередь, следует добиваться успеха в деле повышения качества жизни населения. Основными из них являются осуществление институциональных преобразований и реформ в области социально-экономической политики, направленных на существенное улучшение ситуации с загрязнением окружающей среды; снижение безработицы и уровня дифференциации населения по доходам.

В настоящее время необходимо найти баланс между обеспечением интересов самых широких слоев населения и высокой эффективностью экономики [2]. Причем необходимо иметь постоянно действующую стандартизированную технологию, не только обеспечивающую поиск и периодическое определение оптимального баланса для различных регионов, но и выработку научно-обоснованных рекомендаций по конкретным мерам, обеспечивающим соблюдение данного баланса. Кроме того для привлечения молодых специалистов на село необходимо обеспечивать информационную и аналитическую поддержку, направленную на разработку метода и средства измерения силы и направления влияния на качество жизни разнородных по своей природе факторов в одних и тех же единицах измерения.

Цель исследования – разработка научно обоснованных положений и рекомендаций по формированию стратегии социально-экономической политики в сельской местности, которая позволит повысить качество жизни населения при помощи системно-когнитивного анализа, реализованного в интеллектуальной системе "Эйдос".

Теоретические основы исследования

Система "Эйдос" на базе формализуемой когнитивной концепции успешно генерирует семантическую информационную модель качества жизни населения и алгоритмы базовых когнитивных операций системного анализа и является специальным программным инструментарием для решения проблемы и задач, поставленных в данном исследовании [3].

К частным критериям, характеризующим интегральную категорию «Качество жизни» относятся:

- ВВП на душу в текущих ценах;

- уровень инфляции (потребительских цен);

- уровень безработицы, в % от трудоспособного населения;

- плотность асфальтовых и бетонных автомобильных дорог, т.е. общая протяженность этих дорог в км., приходящаяся на 1000 км2 территории;

- плотность сети железнодорожных сообщений, т.е. общая протяженность железных дорог в км., приходящаяся на 1000 км2 территории;

- доля бедного населения, т.е. населения, среднедушевой доход которых ниже черты бедности;

- число лиц, состоящих на учете по поводу токсикомании, наркомании и алкоголизма, приходящееся в среднем на 1000 жителей;

- площадь заповедников, заповедно-охотничьих хозяйств и национальных парков, приходящаяся в среднем на 1000 км2 территории.

Для синтеза системно-когнитивной модели «Качество жизни» осуществляется структуризация и формализация предметной области, подготовка исходных данных, в качестве которых используются описательные и классификационная шкалы, а также их градации. Описательные шкалы и их градации определяют основные факторы, влияющие на интегральную категорию «Качество жизни».

В качестве классификационной шкалы используется «Качество жизни», которая содержит градации: «Очень низкое», «Низкое», «Среднее», «Высокое», «Очень высокое». Градации классификационной шкалы в обучающей выборке образуют вектор:

Теоретические основы исследования - student2.ru ,

где Теоретические основы исследования - student2.ru – обозначения термов данной шкалы.

Градации описательных шкал также заданы в виде термов: «Очень низкое «Очень низкое», «Низкое», «Среднее», «Высокое», «Очень высокое» и образуют матрицу:

Теоретические основы исследования - student2.ru ,

где n – число исследуемых объектов в обучающей выборке;

m – число факторов, воздействующих на состояния объектов;

Теоретические основы исследования - student2.ru – обозначения термов описательных шкал.

Для синтеза моделей в СК-анализе в настоящее время используется 7 частных критериев знаний INF1-INF7, а для верификации моделей и решения задачи идентификации и прогнозирования 2 интегральных критерия сходства: «Семантический резонанс знаний» и «Сумма знаний». Частные критерии знаний INF1-INF7 по сути, являются формулами для преобразования абсолютных частот в количество информации и знания.

Интегральный критерий «Сумма знаний» представляет собой суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния. В координатной форме данный интегральный критерий представляет выражение:

Теоретические основы исследования - student2.ru

где: M – количество градаций описательных шкал (признаков);

Теоретические основы исследования - student2.ru – вектор состояния j-го класса;

Теоретические основы исследования - student2.ru – вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду, т.е.:

Теоретические основы исследования - student2.ru

Интегральный критерий «Семантический резонанс знаний» представляет собой нормированное суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.

Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний и имеет вид:

Теоретические основы исследования - student2.ru

где: Теоретические основы исследования - student2.ru – средняя информативность по вектору класса;

Теоретические основы исследования - student2.ru – среднее по вектору объекта;

Теоретические основы исследования - student2.ru – среднеквадратичное отклонение частных критериев знаний вектора класса;

Теоретические основы исследования - student2.ru – среднеквадратичное отклонение по вектору распознаваемого объекта.

Система "Эйдос" формирует информационные портреты классов, представленные в виде векторов, элементы которых отображают направления и степень влияния факторов на градацию выбранного класса:

Теоретические основы исследования - student2.ru ,

Теоретические основы исследования - student2.ru ,

Теоретические основы исследования - student2.ru ,

Теоретические основы исследования - student2.ru ,

Теоретические основы исследования - student2.ru

где Теоретические основы исследования - student2.ru – вектор степени влияния факторов на «Качество жизни» «Очень низкое»;

Теоретические основы исследования - student2.ru – вектор степени влияния факторов на «Качество жизни» «Низкое»;

Теоретические основы исследования - student2.ru – вектор степени влияния факторов на «Качество жизни» «Среднее»;

Теоретические основы исследования - student2.ru – вектор степени влияния факторов на «Качество жизни» «Высокое»;

Теоретические основы исследования - student2.ru – вектор степени влияния факторов на «Качество жизни» «Очень высокое».

В системе «Эйдос» определяется достоверность идентификации «k-й» градации класса Sk, которая определяется по формуле:

Теоретические основы исследования - student2.ru

где N – количество объектов в распознаваемой выборке;

BTik – уровень сходства «i-го» объекта с «k-й» градацией, к которой он был правильно отнесен системой;

Tik – уровень сходства «i-го» объекта с «k-й» градацией, к которой он был правильно не отнесен системой;

BFik – уровень сходства «i-го» объекта с «k-й» градацией, к которой он был ошибочно отнесен системой;

Fik – уровень сходства «i-го» объекта с «k-й» градацией, к которой он был ошибочно не отнесен системой.

При таком определении параметр сходства изменяется в пределах от
-100% до 100%. При этом ошибки 1-го и 2-го рода (ошибки ложной идентификации и ложной неидентификации) приводят к уменьшению параметра сходства.

Задание на работу

Наши рекомендации