- •Вопрос № 16 а общенаучные подходы в исследовании: структурный, системный, функциональный, информационный, алгоритмический, вероятностный
- •Структурный подход
- •Пример и условия применения метода:
- •Системный подход
- •Формы системного подхода:
- •Этапы системного анализа:
- •Функциональный подход
- •II. Этапы применения функционального подхода:
- •Пример применения метода: анализ функционирования общества Парсонсом.
- •Информационный подход
- •Основные теории:
- •Пример: кибернетический подход
- •5. Информация – это и есть сигналы, способствующие достижению поставленной цели.
- •Алгоритмический подход
- •Вероятностный подход
Алгоритмический подход
Алгоритм - это точное предписание, задающее вычислительный процесс, ведущий от начальных данных к искомому результату. Алгоритмический подход заключается в решении задач в «общем виде», т.е. относящихся к массовым проблемам. Массовая проблема задается серией отдельных, «единичных» проблем и состоит в требовании найти общий метод (т.е. алгоритм) их решения.
Основные черты алгоритма:
1. Определенность: точность, общепонятность и детерминированность, когда каждая стадия процесса однозначно определяет следующую стадию;
2. Массовость: для каждого алгоритма возможно исходить из варьируемых в известных пределах начальных данных;
3. Результативность: алгоритм приводит к решению задачи.
Т.е. при алгоритмизации массовых задач подразумевается, что исходные данные могут изменяться в определенных пределах (массовость); процесс применения правил к исходным данным (путь решения задачи) определён однозначно (детерминированность); на каждом шаге процесса (применения правила) известно, что считать его результатом {результативность).
Свойство массовости алгоритмов означает, что алгоритм связан с решением общей проблемы, в условия которой входят параметры.
Свойство детерминированностиалгоритмов выражается в том, что когда заданы алгоритмы и значения параметров (т. е. выбран частный случай проблемы), процесс решения идёт чисто формально (механически), так что во всех деталях известны последовательность и содержание конкретных (дискретных) шагов работы алгоритмов. Детерминированность исключает возможность произвольных решений, что достигается изоляцией алгоритмического процесса от воздействий извне. Именно эта черта алгоритма делает его одновременно и синонимом автоматически работающей машины, и основой автоматизации процессов преобразования информации.
Вопрос о проблемах, разрешимых алгоритмов, связан с вопросом об использовании машин вместо человека и пределах автоматизации процессов мышления. Вера в алгоритмическую разрешимость всех {по крайней мере, всех математических и логических) проблем имела значит, влияние в философии начиная с Декарта и Лейбница. В 1931 К. Гёдель доказал, что в системах аксиом определенного вида есть проблемы, неразрешимые алгоритмами этих систем.
****
Вероятностный подход
Вероятностно-статистические методы — основаны на учете действия множества случайных факторов, которые характеризуются устойчивой частотой. Это и позволяет вскрыть необходимость (закон), которая «пробивается» через совокупное действие множества случайностей. Названные методы опираются на теорию вероятностей, которую зачастую называют наукой о случайном.
Вероятность — количественная мера (степень) возможности появления некоторого явления, события при определенных условиях. Диапазон вероятности от нуля (невозможность) до единицы (действительность). Одна из основных задач теории вероятностей состоит в выяснении закономерностей, возникающих при взаимодействии большого числа случайных факторов. Для понимания существа названных методов необходимо рассмотреть понятия «динамические закономерности», «статистические закономерности».
Динамический закон– это закон, управляющий поведением индивидуального объекта и позволяющий установить однозначную связь его состояний. Пример тому – законы механики; на их основе прогнозируются, помимо прочего, солнечные затмения на многие годы вперед с высокой степенью точности. Знание динамического закона позволяет однозначно предсказывать на основе известного состояния объекта все его будущие состояния.
Вероятностно-статистический закон– это закон, управляющий поведением больших совокупностей и в отношении индивидуального объекта позволяющий делать лишь вероятностные (неоднозначные) заключения о его поведении. Обратим внимание: он характеризует поведение не отдельного элемента в этом коллективе, а поведение коллектива в целом. Знание статистической закономерности не позволяет однозначно предсказывать поведение отдельных индивидуальных объектов, входящих в коллектив. В отношении отдельных элементов такие предсказания имеют только вероятностный характер. Хороший тому пример – максвелловский закон распределения молекул по скоростям. Этот закон, как отмечают физики, ничего не говорит определенного о скорости каждой отдельно взятой молекулы в определенное время; он лишь устанавливает долю молекул, которые обладают совершенно определенной скоростью, среди других имеющихся в данном объеме молекул; единственное, что можно сказать о скорости некоторой определенной молекулы, это – указать на вероятность того, что она облагает такой скоростью. Классическая физика в основном имела дело с законами динамического типа, и абсолютизация этого типа законов вела к концепции лапласовского, механического детерминизма; считалось, что подлинными законами природы могут быть только динамические законы, а статистические законы возникают как результат неполноты нашего знания. С возникновением квантовой механики ситуация радикально изменилась. Оказалось, что поведение квантово-механических объектов в принципе характеризуется действием статистических, вероятностных законов. Основное уравнение квантовой механики позволяет из знания вероятности нахождения микрообъекта в один момент предсказать вероятность его пространственной локализации в другой момент. Все попытки построить квантовую механику на законах динамического типа успеха не принесли.
В статистических законах предсказания носят не достоверный, а лишь вероятностный характер. Подобный характер предсказаний обусловлен действием множества случайных факторов, которые имеют место в статистических коллективах или массовых событиях (большое число молекул в газе, число особей в популяциях, число людей в определенных коллективах и т. д.).
Статистическая закономерность возникает как результат взаимодействия большого числа элементов, составляющих коллектив, и поэтому характеризует не столько поведение отдельного элемента, сколько коллектива в целом.
Статистические законы, хотя и не дают однозначных и достоверных предсказаний, тем не менее являются единственно возможными при исследовании массовых явлений случайного характера. За совокупным действием различных факторов случайного характера, которые практически невозможно охватить, статистические законы вскрывают нечто устойчивое, необходимое, повторяющееся. Они служат подтверждением диалектики превращения случайного в необходимое. Динамические законы оказываются предельным случаем статистических, когда вероятность становится практически достоверностью.
В статистических законах предсказания носят не достоверный, а лишь вероятностный характер, который обусловлен действием множества случайных факторов, через сложное переплетение которых и выражается необходимость.
Вероятностно-статистические методы широко применяются при изучении массовых, а не отдельных явлений случайного характера (квантовая механика, статистическая физика, синергетика, социология и др.). Сегодня все чаще говорят о проникновении в науку вероятностного стиля мышления.