21
описывается моделью Watz-Strogatz. Такие модели чрезвычайно актуальны при моделировании процессов случайной генерации в сетях.
Особое место занимает исследование различных вопросов, связанных с развитием социальных сетей [78, 81, 85, 102, 103, 107]. При этом, можно отметить следующую особенность: как правило, четкого деления между понятиями
«динамика» и «эволюция» не наблюдается, в результате чего эти два понятия рассматриваются как аналогичные. Однако следует заметить, что при исследовании сетевых сообществ недостаточно проведения исследования его динамики и необходим учет именно «эволюционности» его развития. Эта идея концептуально корреспондируется с подходом известного российского ученого Н.Н. Моисеева [46] по трактовке «универсального эволюционизма», который он называл «физикалистким».
Фактически, для исследования статического состояния сетевого сообщества могут с тем или иным успехом применяться практически любые математические модели. Возможность и эффективность их применения обусловлена конкретной задачей. В то же время, исследование развития сообщества (т.е. происходящих в нем изменений) представляет неоднозначную задачу. Здесь возникает вопрос,
какие методы лучше применять – моделирования динамики или эволюции.
Соответственно, требуется уточнение различия между терминами «динамика» и «эволюция».
По определению, динамика – состояние движения, ход развития, изменение какого-либо явления под влиянием действующих на него факторов.
Широко известно применение моделей динамики численности популяций для моделирования социальных процессов. Именно эти модели часто ассоциируются с исследованием социальных сетей. Их применение для исследования и моделирования социальных сетей в традиционном социологическом понимании с целью решения статистических и прогнозных задач в области социологии не вызывает вопросов. Однако в случае он-лайн социальных сетей и сетевых сообществ их применение не всегда достаточно
22
точно характеризует принципы развития общества, поскольку позволяет учесть лишь один из аспектов его развития.
Среди подобных моделей можно привести следующие примеры:
- Модель неограниченного роста. Для построения таких моделей учитывается некоторый интервал нарастания времени. Однако, провести какую-
либо универсальную аналогию с сетевым сообществом в данном случае практически невозможно – любые примеры будут лишь частными случаями из всех потенциально возможных вариантов.
- Модель Мальтуса (рождаемость-смертность). Особенностью этой модели является то, что она учитывает не все основные факторы, влияющие на численность населения. Это обстоятельство ограничивает возможность ее применения; тем более – для моделирования сетевых сообществ, поскольку в них,
помимо ресурсов, обусловленных человеческим потенциалом, присутствуют еще и другие виды информационных ресурсов, накопление которых может не зависеть от роста популяции сети.
-Модель Ферхюльста (рождаемость-смертность с учетом численности).
Позволяет учесть условия ограниченности ресурса.
Эволюционный подход к моделированию (в частности, [46]) представляет собой более сложный (комплексный) подход, позволяющий учесть поведение такой сложной самоорганизующейся системы, которой является сетевое
сообщество.
В контексте «эволюционности» исследователи [107] описывают следующие
классы моделей:
1. Модели эволюции сети (Network evolution models (NEMs)). В статье отмечается, что специфические эволюционные механизмы приводят к
специфической структуре сети. Также приводятся 3 свойства таких моделей:
- одиночная реализация сети производится в результате итерационного
процесса, который всегда начинается с исходной конфигурации сети .
23
- спецификации модели эволюции включают явно определенные стохастические правила, в соответствии с которыми сеть эволюционирует во
времени. Правила определяют возможные переходы от одной сети |
к |
|||
следующей |
в ходе |
итерационного процесса, который |
производит |
одну |
реализацию сети |
. |
|
|
|
- модели |
эволюции |
включают критерий остановки (в |
случае растущей |
|
модели (growing NEM), алгоритм останавливается, когда сеть достигнет предварительно установленного уровня, в случае динамической модели эволюции сети, алгоритм останавливается, когда статистика в выбранной сети больше не меняется). Однако, автор совершенно справедливо отмечает, что мы не можем быть абсолютно уверены в том, что достигнуты стационарные распределения,
можно быть относительно уверенным, если наблюдаемые свойства остаются постоянными и их распределения остаются стабильными в течение большого количество временных шагов).
2. Модели атрибутов узлов (Nodal attribute models (NAMs)) - авторы
применяют такой термин для моделей сетей, в которых вероятность ребра между узлами и явно определена только как функция от атрибутов узлов и ,
эволюционный аспект отсутствует. Такие модели также называются пространственными, поскольку атрибуты каждого узла определяют его место в социальном или географическом пространстве.
3. Экспоненциальные случайные графовые модели (Exponential random graph
models, EGRMs), также называемые модели, применяются для тестирования
до какой степени атрибуты узлов (экзогенные факторы) и локальные структурные зависимости (эндогенные факторы) объясняют наблюдаемую глобальную структуру.
В качестве разницы между моделями эволюции сети и экспоненциальными случайными графовыми моделями авторы [107] отмечают то, что модели эволюции сети обусловлены эволюционными правилами, в то время как в случае
EGRM обращение к эволюционным процессам в сети не является обязательным.
24
С учетом специфики работы и рассмотренной методологической базы,
предлагается ориентироваться на следующую обобщенную классификацию
подходов к анализу сетевого сообщества:
1.исследование статического (стационарного) состояния сетевого сообщества – модели, описывающую статическую структуру сетевого сообщества
впространстве состояний;
2.исследование динамики сетевого сообщества – модели, описывающие развитие сообщества с течением времени;
3.исследование эволюции сетевого сообщества – модели, характеризующие процесс развития сообщества, но с учетом происходящих в нем качественных изменений и возможности изменения направления развития сообщества.
1.5. Категорийный аппарат для эволюционно-динамического подхода к
развитию сетевого сообщества
Врамках общесистемной классификации сетевые сообщества можно отнести
ксамоорганизующимся системам с нечеткими параметрами. Для корректного взаимодействия с их ресурсным потенциалом не обойтись без разработки специальных моделей и методик преимущественно на базе известных и апробированных прикладных математических методов с учетом специфики функционирования конкретного сообщества. В этой связи важной является также подзадача методической адаптации имеющейся теоретической базы к конкретным управленческим задачам.
Одной из фундаментальных объектных категорий теории управления и теории систем, позволяющих описывать поведение динамической системы,
является пространство состояний. Рассмотрение системы управления в рамках
данной категории позволяет исследовать и контролировать ее важнейшие
25
свойства – свойства управляемости, наблюдаемости, оптимизации и адаптируемости системы [22].
Сетевое сообщество, как единый информационный ресурс, тоже можно рассматривать в рамках данной категории. Любая сеть обладает пространственно-
временными характеристиками. Ее единственной сущностной, имеющей научно-
методологический потенциал, категорией является состояние ресурса. Ресурсом в
данном случае является информационность.
Т.е. сообщество, как динамическая система, в определенные моменты
времени характеризуется различными информационными состояниями . В
результате качественного изменения состояний происходит перемещение системы на новый уровень развития. Это перемещение осуществляется в соответствии с определенными механизмами и закономерностями, исследование которых представляет практический интерес для эффективного использования социально-ориентированных технологий.
В рамках теории построения иерархических систем в ряду других получила популярность достаточно общая модель, основанная на решении задач управления для систем с минимальной структурой, что трактовалось как некий атрибут оптимальности структуры [43, 44]. В связи с этим, решение задачи осуществлялось для двухуровневых систем, формирующих более сложные многоуровневые системы. В этом случае первичными являлись объекты состояний, а пространство состояний рассматривалось как вторичное.
Такое решение [43,44], благодаря своей универсальности стало уже выглядеть классическим, однако, как показал анализ, для решения задачи по управлению ресурсным потенциалом социальных сетей и сетевых сообществ упомянутый подход, а, следовательно, и полученный на его основе алгоритм, в
чистом виде использоваться не может, так как оказывается непродуктивным для неирархических, саморегулирующихся систем. Особенностью таких структур является то, что здесь первичным является именно пространство ресурсных состояний сетевых акторов. Соответственно объекты состояния, сами акторы,