Классификация информационно-аналитических систем социологических исследований по типу анализа данных. Проактивные информационно-аналитические системы



В статье представлены классификация и назначения информационно-аналитических систем социологических исследований по типу анализа данных, приведены рекомендации по областям применения. Отдельно раскрывается понятие проактивности в информационно-аналитически системах. Также предложена примерная архитектура проактивной ИАС социологических исследований, состоящая из 7 подсистем.

Ключевые слова: информационно-аналитические системы, социологические исследования, анализ данных, проактивные системы, системы принятия решений.

Классификация ИАС социологических исследований по типу анализа данных

В социологических исследованиях чаще всего используются следующие типы информационно-аналитических систем (ИАС) (по типу анализа):

Описательные системы : предназначены для описания и подведения итогов собранных данных в виде статистических отчетов или сводок. В социологических исследованиях они применяются для первичной обработки данных опросов, описания выборки, распределения ответов и другой основной информации. Описательный анализ важен для того, чтобы дать базовое понимание данных перед тем, как переходить к более сложным аналитическим процедурам.

Диагностические системы : используются для исследования причинно-следственных связей и выявления факторов, влияющих на различные социальные явления. Они позволяют социологам определить причины возникновения проблем или изменений в социальной системе, используя более глубокий анализ структур данных, анализ причинно-следственных связей, корреляционный анализ и другие.

Описательные и диагностические системы являются более традиционными и встречаются чаще, поскольку они обеспечивают основу для всех последующих анализов. Без хорошо построенного описательного и диагностического анализа нельзя переходить к более продвинутым этапам анализа.

Предиктивные системы : применяются для прогнозирования социальных тенденций, электорального поведения, паттернов миграции и других важных социальных процессов, что особенно ценно для стратегического планирования и принятия решений на политическом и социальном уровнях. Системы прогнозирования в социологии становятся все более важными по мере увеличения доступности данных и развития методов машинного обучения и искусственного интеллекта. Они оказались особенно полезными для социологического прогнозирования, особенно в таких областях, как маркетинг, урбанистика и публичное планирование

Прескриптивные системы: связаны с разработкой конкретных рекомендаций на основе анализа данных, что может быть ценно для разработчиков политики или организаций, стремящихся внедрить социальные изменения или улучшения. Прескриптивные ИАС не так широко распространены в социологических исследованиях, как предыдущие типы, в основном из-за их сложности и специфики применения. Они требуют высокой степени специализации и тесного взаимодействия со многими заинтересованными сторонами, включая практиков, политиков и общественность.

Проактивные информационно-аналитические системы

Проактивная система — это среда, способная самостоятельно инициировать действия, основанные на предвидении потребностей своих пользователей и окружающей среды [1].

Проактивные информационно-аналитические системы социологических исследований — это комплексные программно-аппаратные средства, которые используются для сбора, обработки, анализа и визуализации социологических данных с целью прогнозирования социальных процессов и тенденций. Ключевая особенность таких систем — принципиально новое качество знаний, которые получает лицо принимающее решение (ЛПР) об объекте наблюдения на основе анализа результатов социологических опросов, а также предложения по инициализации дополнительных действий для сбора новой информации и адаптации к изменениям [2]. Проактивные ИАС в социологии обладают функционалом, который позволяет не только реагировать на запросы пользователей, но и предлагать решения, основанные на обработке больших объемов данных и использовании искусственного интеллекта. Такой подход позволяет расширить границы традиционного анализа данных и достичь новых уровней понимания и предсказуемости социальных процессов. Развитие технологий искусственного интеллекта, машинного обучения и больших данных позволило создавать системы, способные к проактивному анализу и воздействию на исследовательские процедуры.

Актуальность внедрения проактивных ИАС в социологии обусловлена не только ростом объемов данных, но и необходимостью ускорения процесса принятия решений и анализа социальных явлений. Благодаря способности обрабатывать большие объемы данных в реальном времени, предсказывать тренды и проводить глубокую аналитику без непрерывного вмешательства со стороны исследователей, такие системы могут значительно повысить скорость и точность анализа социологических данных.

Примерная архитектура проактивной ИАС социологических исследований показана в таблице 1.

Подсистема проактивного прогнозирования в ИАС для социологических исследований должна использовать алгоритмы искусственного интеллекта, машинного обучения и анализа данных для принятия решений и предоставления рекомендаций руководителям и лицам, принимающим решения. Основной задачей этой подсистемы является добыча полезной информации из массивов данных и прогнозирование тенденций для формирования решений без прямого запроса со стороны пользователя. Собранные в результате социологических опросов разнородные данные анализируются моделью машинного обучения с целью выявления тенденций, паттернов и аномалий. Модель обучается распознаванию значимых закономерностей (шаблонов, патернов), прогнозированию социальных, экономических или политических явлений на основе темпоральных данных. Когда подсистема обнаруживает важную информацию или тенденцию, которая может повлиять на принятие решений, она может автоматически уведомлять ЛПР. Желательно, чтобы в подсистеме была реализована возможность симуляции для предсказания возможных исходов в различных сценариях, основываясь на текущих тенденциях и собранных данных. В результате подсистема генерирует рекомендации для ЛПР (когда и где провести новый опрос, как изменить репрезентативную выборку, предупреждение о предстоящих социальных изменениях и другое). Подсистема может использовать обратную связь от ЛПР для корректировки своих предложений и улучшения точности рекомендаций.

Вывод

Использование проактивного модуля предложений позволяет лицу принимающему решение оставаться информированными о последних социологических тенденциях и потребностях общества и эффективно реагировать на вызовы, даже без непрерывного мониторинга всех доступных данных. Это не только вносит значительный вклад в качество принимаемых решений, но и существенно экономит время и ресурсы.

Таблица 1

Архитектура проактивной ИАС социологических исследований

Подсистема подготовки инструментария для сбора данных	Подсистема сбора и предварительной обработки данных	Подсистема хранения	Подсистема обработки и анализа данных	Подсистема проактивного прогнозирования	Подсистема визуализации и отчетности	Подсистема генерации управленческих решений
Формулирование целей и задач исследования	Организация полевой работы, подготовка интервьюеров	Оперативное и долговременное хранение	Разведочный анализ данных	Предиктивная аналитика	Визуализация и интерпретация знаний	Генерация и выбор решений, объяснительные возможности прогнозов
Инструментарий для сбора данных, включая интеллектуальные интерфейсы. Создание опросников, анкет для компьютера и мобильных устройств, с контролем правильности ввода ответов	Автоматизированный сбор и обработка разноплановых данных. Загрузка данных из разных источников, очистка данных (идентификация и обработка пропущенных значений, выбросов и ошибок данных),	Безопасное оперативное и долговременное хранение данных. Подготовка данных для оперативной работы и интеллектуального анализа	Подсистема аналитической обработки Подсистема интеллектуального анализа данных	Подсистема прогнозирования и подсистема комплексного моделирования. Анализ текущих и темпоральных данных. Определение параметров прогнозирования Формирование моделей предиктивной аналитики	Инфографика, таблицы, тренды	Логический и прецедентный вывод рекомендаций на основе онтологии предметной области
Подготовка структурного состава респондентов (выборки)	Повышение качества и достоверности данных, приведение к нужному формату или шкале измерения, сжатие наборов данных	Единая модель данных, онтологии, база данных, база знаний, справочники и классификаторы	Подсистема комплексного моделирования	Ситуационное многовариантное прогнозирование на основе NLP и машинного обучения	Типовые и настраиваемые шаблоны анкет. Интерактивное формирование интеллектуальных интерфейсов	Подсистема выработки управляющих решений

Литература:

1. Вонт, P. Адаптивные и проактивные компьютерные системы [Текст]/ Р. Вонт, Т. Перинг, Д. Тенненхаус // перевод с англ. — URL: https://www.osp.ru/os/2003/10/183485/

2. Клаус Н. Г., Свечкарев В. П., Васьков М. А. Проактивное управление в социологии: предметное поле и терминологическая специфика // Научная мысль Кавказа. 2015. № 2 (82). URL: https://cyberleninka.ru/article/n/proaktivnoe-upravlenie-v-sotsiologii-predmetnoe-pole-i-terminologicheskaya-spetsifika (дата обращения: 16.01.2024).