Статья 'Влияние эндогенной и экзогенной семантической информации на принятие решений в ситуации неопределенности' - журнал 'Социодинамика' - NotaBene.ru
по
Меню журнала
> Архив номеров > Рубрики > О журнале > Авторы > О журнале > Требования к статьям > Редсовет > Редакция > Порядок рецензирования статей > Политика издания > Ретракция статей > Этические принципы > Политика открытого доступа > Оплата за публикации в открытом доступе > Online First Pre-Publication > Политика авторских прав и лицензий > Политика цифрового хранения публикации > Политика идентификации статей > Политика проверки на плагиат
Журналы индексируются
Реквизиты журнала

Публикация за 72 часа - теперь это реальность!
При необходимости издательство предоставляет авторам услугу сверхсрочной полноценной публикации. Уже через 72 часа статья появляется в числе опубликованных на сайте издательства с DOI и номерами страниц.
По первому требованию предоставляем все подтверждающие публикацию документы!
ГЛАВНАЯ > Вернуться к содержанию
Социодинамика
Правильная ссылка на статью:

Влияние эндогенной и экзогенной семантической информации на принятие решений в ситуации неопределенности

Емельянов Андрей Сергеевич

кандидат философских наук

старший преподаватель, кафедра философии, Курский государственный университет

305000, Россия, Курская область, г. Курск, ул. Радищева, 33, оф. 325

Emel'yanov Andrei Sergeevich

PhD in Philosophy

Senior Educator, the department of Philosophy, Kursk State University

305000, Russia, Kurskaya oblast', g. Kursk, ul. Radishcheva, 33, of. 325

andrei.e1992@mail.ru
Другие публикации этого автора
 

 

DOI:

10.25136/2409-7144.2019.11.31064

Дата направления статьи в редакцию:

16-10-2019


Дата публикации:

06-11-2019


Аннотация: Предмет настоящего исследования – анализ влияния семантической информации на процесс принятия решений в ситуации неопределенности. На основании биматричной игры моделируется ситуация неопределенности, в рамках которой анализируется влияние эндогенной и экзогенной семантической информации на поведение участников рынка. Актуальность исследования данной темы объясняется тем, что, несмотря на стремительное развитие информационных технологий, понимание природы и сущности информации, а именно ее семантического аспекта, а также ее влияние на принятие решений остается слабо изученным. Методология исследования включает в себя анализ величины семантической информации стратегий испытуемых, решение биматричной игры в смешанных стратегиях с несовершенной информацией, а также корреляционный и регрессионный анализ результатов эксперимента. Анализ полученных результатов трех экспериментов свидетельствует о том, что 1) в ситуации неопределенности и несовершенства информации подавляющее большинство испытуемых следовали стратегии минимизации собственных потерь, а не максимизации общего блага, несмотря на высокую степень доверия и транспарентности; 2) повышение транспарентности в биматричных играх с несовершенной информацией приводит к значительному увеличению количества испытуемых, которые выбрали рискованные стратегии.


Ключевые слова: социальная истина, эффект-доверия, транспарентность, экзогенная семантическая информация, эндогенная семантическая информация, экономическая информация, неопределенность, теория принятия решения, семантическая информация, блог-технологии

Abstract: The subject of this research is analysis of the impact of semantic information upon the decision-making process in the situation of uncertainty. The situation of uncertainty, in the context of which is analyzed the influence of endogenous and exogenous semantic information on the behavior of market player, is patterned on the basis of bimatrix game. The relevance of the selected topic is substantiated by the fact that despite the rapid development of information technologies, understanding of the nature and essence of information, namely its semantic aspect, as well as its impact upon decision-making remains insufficiently studied. The research methodology contains the analysis of the size of semantic information of the strategies of test subjects, solution of bimatrix game in the mixed strategies with imperfect information, as well as correlation and regression analysis of the experiment outcome. The analysis of obtained results of the three experiments testify to the following: 1) in the situation of uncertainty and imperfection of information, the great majority of test subjects adhered to the strategy of minimization of losses, rather than maximization of public good, despite the high level of trust and transparency; 2) seeking greater transparency in bimatrix games with imperfect information leads to a significant increase in the amount of test subjects who selected the risky strategies.



Keywords:

semantic information, Social Truth, transparency, Trust-Effect, exogenous semantic information, endogenous semantic information, economic information, uncertainty, Decision theory, blog-technology

ВВЕДЕНИЕ

I. Рынки с несовершенной экономической информацией

Во многом благодаря открытиям сделанным Дж. Акерлофом, М. Спенсом и Дж. Стиглицем в 90-х гг. прошлого века, в экономической теории произошла фундаментальная смена господствующий парадигмы. Теория экономической информации позволила совершенно иначе взглянуть на многие процессы, происходящие на рынке и при принятии экономических решений, в частности. Понятие «несовершенной экономической информации» задает совершенно новое теоретико-методологическое пространство не только в экономической сфере, но и в политической экономии, маркетинге и геополитике [1; 15].

Например, «нежелание работодателя реагировать на предложение конкурента передает информацию о его оценке способностей данного индивида; готовность инсайдеров некоторой фирмы продать акции по определенной цене передает информацию об их оценке соотношения цены и ожидаемой отдачи» [11, 337]. В рамках парадигмы несовершенной информации современный рынок оказывается «практически всегда» не эффективен по Парето. Дело в том, что информационный аспект рассмотрения рынков свидетельствует о том, что среди участников экономических отношений можно выделять субъекты, которые заинтересованы и не заинтересованы в раскрытии какой-либо информации, которые полностью или же частично раскрывают информацию. Иными словами, экономические условия, предпочтения и ряд других факторов свидетельствуют о том, что информация, которую мы получаем о рынке далека от «совершенной» (идеальной). «Несовершенство информации» и «ассиметричность» распределения информации указывает на «несовершенство конкуренции» и, следовательно, может быть причиной частичной или полной дискриминации (например, ценовой) одних экономических агентов другими.

По мнению Дж. Стиглица, единственная возможность сделать рынки эффективными по Парето (что прекрасно демонстрируется в моделях Эрроу-Дебре) – существование только совершенной информации «или, более точно, информация (представление) не может быть эндогенной , она (они) не должна меняться в результате действий какого-либо индивида или фирмы» [11, 328]. На наш взгляд, данная позиция не может быть реализуема по следующим причинам: во-первых, наличие рынков с совершенной информацией является идеальным приближением к моделям Эрроу-Дебре, во-вторых, сама сущность понимания функционирования информации, свидетельствует о невозможности ее рассмотрения в качестве идеального отражения (хотя бы по техническим причинам – зашумленности, неодновременности и объема передачи) положения дел в некотором континууме, и в третьих, само состояние открытости или прозрачности информационного обмена, а также парадигма такого развития информационной архитектуры современного общества достаточно слабо изучена и не подкреплена достаточными фактами.

II. Моделирование и оценка рынков с несовершенной информацией

Концепция рынков с несовершенной информацией и несовершенной конкуренцией заставляют рассматривать рынок в качестве пространства противоборства различных агентов, выражающих ту или иную экономическую информацию [3; 5]. В связи с этим особое внимание заслуживают способы и методы аналитической работы, связанные с оценкой экономической информации. Аналитическая работа в данной сфере включает в себя широкий пласт инструментов и практик из смежных дисциплин – когнитивной лингвистики, когнитивной психологии, нейроэкономики, теории игр и многих других.

Объектом исследования когнитивной лингвистики в сфере информационного противоборства, а также анализа и оценки экономической информации является взаимодействие когнитивных и языковых структур. Анализ содержания и актуализации семантических фреймов новостных сводок, информационно-аналитических обзоров, а также экономических блогов несет в себе лингвопрагматическую цель – раскрыть влияние дискурса на поведение читателя . В исследованиях Грудневой и Кизиловой в качестве механизма влияния рассматриваются рекурсивные, рекурсивно-восходящие и рекурсивно-нисходящие схемы актуализации информационных фреймов [6]. В обзоре представленном Яновой и Кайгородовой [14, 39] особое внимание уделяется анализу дискурсивных и эмотивных функций сознания, а также их формализации в качестве базы знаний. Например, ANEW (Affective Norms for English Words) и ENRuN (Emotion Norms for Russian Nouns). Интересными и перспективными являются попытки «когнитивного моделирования экономических процессов», а именно принятия решений в ситуации неопределенности и анализа и оценки экономической информации. В частности, речь идет о теории «семантического ядра истинности» Ивануса, согласно которому каждой пропозициональной формуле соответствует «семантическое чувство правдоподобия» [8].

Когнитивное моделирование процесса оценки экономической информации находит свое продолжение и развитие в создании большого числа семантик (например, квантовая семантика), а также моделей глубокого обучения [9]. Большинство из этих моделей представляют собой самообучающиеся байесовские или нейронные сети [2; 4; 16; 19, 37]. Среди большого числа этих моделей, объединенных общим подходом «мягких вычислений», стоит особо выделить алгебраические байесовские сети [10; 12], а также «роевой интеллект» [24; 28, 29]. Несмотря на то обстоятельство, что концепция роевого интеллекта имеет на настоящий момент реальное практическое применение, пожалуй, только в системах управления беспилотными летающими средствами (а также, в технологиях «умный дом»), уже сейчас предлагаются попытки создания моделей систем управления торгующими роботами (trade-robot’s), а также систем сигнал-роботов на фондовых биржах [20; 30], где искусственный интеллект активно используется в принятии решений и оценке экономической информации.

Классическим инструментом анализа экономической информации, за исключением специфических – технического и фундаментального анализа волновых процессов на различных торговых площадках, являются методология теории игр и теории рисков [17; 19], которая опирается на критерии максимина, минимакса, равновесие Байеса-Нэша [13; 33; 35], критерии информированности [13] и ряд других. Особое место в рамках данного вопроса уделяется линейному и нелинейному программированию. Однако в ряде случаев использование широкого спектра графо-аналитических методов решения задач оптимизации и принятия решения затруднено: во-первых, потому, что абстрагируясь от реального объекта исследования, мы отклоняемся от реальной системы наблюдения; во-вторых, формализация большого числа причин и условий приводит к «комбинаторному взрыву» (combinatorial exposition),

,

как например происходит в задаче комивояджера (Travelling salesman problem, TSP).

III. Анализ семантической информации и дезинформации

Усложнение процесса принятия решений в экономической сфере, на наш взгляд, связано с проблемой «двойной контингентности», которую немецкий социолог Н. Луман связывает со стратегией «навязывания другому ожидаемой модели поведения». А именно, «поведение другого становиться неопределенным в ситуации двойной контингентности, в частности для того, кто пытается его предсказать, чтобы навязать собственные определения поведения» [31, 105]. Иными словами, любая прогностическая модель поведения субъектов экономической или социальной сферы является одним из видов властного механизма управления. Управление через информацию или знание о характере или закономерности самого процесса управления. При всей неопределенности самого понятия информация и дезинформация, можно говорить о нескольких «слоях» или «уровнях» информационного содержания с которым имеет дело человек при принятии решений. Речь идет прежде всего о эндогенном и экзогенном уровне информации. А именно о информации, получаемой благодаря определенной поведенческой модели, а также информации о самом этом знании.

Стоит отметить, что в схожем ключе развивалась теория игр, когда взамен ситуациям, где условиями самой игры является кортеж , в рамках байесовских игр начали рассматривать ситуации, когда игрок владеет неполной (частной) информацией о протекающем процессе. Частная информация игрока о стратегии действий другого игрока представляет собой его тип или множество типов игрока ().

Семантический аспект рассмотрения информации содержит в себе так называемая мера Харкевича или семантическая оценка целесообразности информации (ее семантическая полезность):

,

Несмотря на ряд проблем описательного характера, данная мера способна анализировать такие специфические характеристики, как степень «стадности» принятия решения (восходящий/нисходящий тренд).

Настоящее исследование стремится нивелировать этот недостаток и обратившись к теории семантической информации (ее классическому и современному варианту) проанализировать влияние величины семантической дезинформации сообщения и логической формы сообщения на принятие решений в ситуации неопределенности. Попутно этой задаче соответственно будут рассмотрены некоторые логико-семантические аспекты механизма принятия решений.

В качестве основы анализа семантического содержания высказывания мы опирались на видоизмененную и доработанную теоретическую базу классической теории семантической информации Р. Карнапа и И. Бар-Хиллела (или «теорию слабой/нечеткой семантической информации» (Theory of Weakly Semantic Information)), «теорию строгой семантической информации» (Theory of Strong Semantic Information) Л. Флориди, а также некоторые моменты «теории семантической информации и дезинформации» О.А. Погорелова.

ЦЕЛЬ И ГИПОТЕЗА ИССЛЕДОВАНИЯ

Состояние научной разработанности по теме настоящего исследования позволяет сформулировать его основную цель:

проанализировать взаимосвязь эндогенной (семантической информации и дезинформации) и экзогенной информации на принятие решений в ситуации неопределенности.

Для реализации данной цели формулируются следующие гипотезы:

: На принятие решений в ситуации неопределенности (при экзогенной информации ) уровень эндогенной (семантической дезинформации) не оказывает прямого влияния.

: На принятие решений в ситуации маловероятного события (при экзогенной информации ), а также высоковероятного события (при экзогенной информации ) уровень эндогенной информации оказывает существенное влияние на процесс принятия решения.

Попутно в рамках настоящего исследования проверяется следующая гипотеза:

: В условиях высокой степени транспарентности информационного ресурса или блога, а также высокой степени доверия ему, испытуемые склонны выбирать рискованные стратегии, насыщенные семантической дезинформацией, в отличии от тех ситуаций, когда транспарентность информационного ресурса менее определена.

МАТЕРИАЛЫ И МЕТОДЫ

Участники исследования. В исследовании приняли участие 104 испытуемых разного пола. Средние по возрасту 21,4; SD= 0,44.

Методология. Исследование осуществлялось в три этапа.

На первом этапе исследовалось

Испытуемым была предложена следующая задача.

«Представьте себе экономику, состоящую из двух фирм (A и B ). Вы управляете фирмой A . Неожиданно в экономике уменьшается денежная масса, которая рискует привести к рецессии. У вас две стратегии поведения:

Первая стратегия: понижение цены.

В этом случае возможны следующие варианты:

Если фирма A и B понижают цену, то вы заработаете по 30 $ каждая.

: Если фирма A понижает цену, а фирма B нет, то фирма A заработает лишь 5 $, а фирма B – 15 $.

Вторая стратегия: не изменяете цену.

В этом случае возможны следующие варианты:

: Если фирма A и B не понизят цены, то вы гарантировано заработаете по 15 $ каждая.

: Если фирма A не понизит цену, а фирма B , напротив, понизит, то фирма A заработает – 15 $, а фирма B лишь 5 $.

Какую стратегию поведения вы выберете, если вероятность того, что фирма поступит также близка нулю () ?».

На втором и на третьем этапе менялось условие задачи − условие поведения фирмы B , а именно (), и (), соответственно.

Зависимые переменные: Choice 1, Choice 2, Choice 3.

Графическая модель принятия решения: Обобщенная (Эксперимент 1, 2, 3)графическая модель принятия решения представлена ниже [См. Рис 1].

2

где, (эндогенная информация)– множество семантической информации об условиях игры, выражаемое набором пропозициональных формул (), соответствующих стратегиям игроков и записанных на ЯФРТ.

Множество обладает определенной величиной содержания, складывающейся из семантической информации и семантической дезинформации, которая определяется путем подсчета логической вероятности каждой из пропозициональных формул.

Методология вычисления уже была раскрыта в ряде наших работ [7; 18]. Поэтому в рамках настоящего исследования мы опустим логику процесса определения величины семантической дезинформативности пропозициональной формулы .

Величина семантической дезинформации каждой из четырех пропозициональных формул составляет:

(экзогенная информация) – множество решений игры, выраженное в частотах вероятности и заданное на интервале .

Биматричная стратегия игры с выигрышами

Фирма 2 (B)

стратегия

понижать

не изменять

Фирма 1 (А)

понижать

30; 30

5; 15

не изменять

15; 5

15; 15

Таблица 1. Биматричная стратегия игры

Дерево стратегий в подыгре для фирмы B изображено ниже [См. Рис. 2].

3

Решением игры в смешанных стратегиях для фирм A и B будут следующие системы уравнений:

РЕЗУЛЬТАТЫ

Результаты выбора испытуемых в трех независимых экспериментах представлены на диаграмме ниже.

Диаграмма 1. Распределение стратегий испытуемых в Эксперименте 1, 2, 3

Анализ распределения ответов свидетельствует, что при условии субъективной оценки информационной правдоподобности (критерий Сэвиджа) равной 0,5 большинство испытуемых (96 чел.) выбрали стратегию B (не понижать), что полностью согласуется с решениями игры методами минимакса и максимина . Изменение величины экзогенной информации () до 0,9 и 0,1 привели к коррекции стратегий ряда испытуемых. По сравнению с результатами опроса, проведенным в Эксперименте № 1, количество испытуемых выбравших более рискованную стратегию (стратегию A) в Эксперименте № 2 и 3 увеличилось до 22 и 43 человек соответственно.

Взаимосвязь влияния факторов экзогенной и эндогенной семантической информации и дезинформации на выбор испытуемых выявлялась с помощью регрессионной статистики, многофакторной дисперсии и корреляционного анализа Спирмена (См. Таб. 2).

Сравнения показателей эндогенной дезинформации стратегий (A и B) игр и выбора испытуемых в Эксперименте № 1 свидетельствуют о статистически значимой корреляции двух факторов (для стратегии A , а для стратегии B 0,9171. Регрессионная статистика факторов эндогенной дезинформации и выбора (Choice 1) составила (Q=), при (), факторов экзогенной информации и выбора , (Q=), при . При многофакторном анализе дисперсии величины выбора испытуемых критерий (при ).

Сравнения показателей эндогенной дезинформации стратегий (A и B) игр и выбора испытуемых в Эксперименте № 2 свидетельствуют о наличии устойчивой связи эндогенной дезинформации стратегий игры на выбор стратегии А () и менее заметную связь с стратегией B (). Регрессионная статистика факторов эндогенной дезинформации и выбора (Choice 2) составила (Q=), при (), факторов экзогенной информации и выбора , (Q=), при . При многофакторном анализе дисперсии величины выбора испытуемых критерий (при ).

Сравнения показателей эндогенной дезинформации стратегий (A и B) игр и выбора испытуемых в Эксперименте № 3 свидетельствуют о наличии устойчивой связи эндогенной дезинформации стратегий игры на выбор стратегии А () и практически отсутствующую связь со стратегией B (). Регрессионная статистика факторов эндогенной дезинформации и выбора (Choice 3) составила (Q=), при (), факторов экзогенной информации и выбора , (Q=), при . При многофакторном анализе дисперсии величины выбора испытуемых критерий (при ).

Корреляционный анализ влияния выбора в первом эксперименте на выбор в двух последующих выявил наличие устойчивой связи между показателями Choice 1 и Choice 2 (), сильной связи между показателями Choice 2 и Choice 3 () и незначительной связи между показателями Choice 1 и Choice 3 (0,270552).

1

ЗАКЛЮЧЕНИЕ И ВЫВОДЫ

Анализ полученных результатов трех экспериментов позволяет сделать ряд выводов.

1. Существующие концепции и теории информации не отражают всю широту и весь спектр содержания понятия «экономическая информация» или «инсайдерская информация». Информация о внешних условиях протекания процесса принятия решения зачастую не учитывает влияние семантики самого процесса. Это обстоятельство, на наш взгляд, несет потенциальные угрозы для аналитики экономических процессов в рамках реального рынка.

2. Дискурс о «транспарентности» информационного пространства не учитывает значительные риски, которые следуют из парадигмы «открытого общества». Несмотря на отмечаемые многими исследователями положительные стороны развития блог-технологий в самых различных областях [26; 27], как одного из направлений развития открытого информационного пространства (в частности, «доверия» и «надежности» информации), на сегодняшний момент оказываются не раскрытыми механизмы влияния этой парадигмы на поведение субъектов экономической деятельности.

Широкое использование социальных сетей и блог-технологий задает такую социально-поведенческую метрику, в которой традиционные и классические методы решения задач теории принятия решения и теории игр (равновесия Нэша, равновесие Байеса-Нэша и других) оказывается мало эффективными. Фрейминг эффект и эффект неприятия потери свидетельствует о том, что в ситуации неопределенности и несовершенства информации подавляющее большинство испытуемых следовали стратегии минимизации собственных потерь, а не максимизации общего блага, даже несмотря на высокую степень доверия и транспарентности к информации. С другой стороны, повышение транспарентности в антагонистических играх с несовершенной информацией приводит к значительному увеличению количества испытуемых, которые выбрали рискованные стратегии.

Вопросы транспарентности информационного пространства, «социальной истины» (Social Trust), а также социальной справедливости напрямую вытекают из информационных условий, в которых существует определенная социальная группа. Идеалы транспарентности информационного пространства, реализуемые с помощью социальных сетей и блог-технологий a priori не подразумевают создание общества социальной справедливости и согласия. Напротив, они создают риски для функционирования в рамках данного сообщества несовершенной экономической информации, которая может стать причиной возникновения несовершенной конкуренции.

Результаты исследования указывают на то, что парадигма открытого информационного пространства, представляющая из себя интерфейс блог-технологий (личного блога), социальных сетей и мессенджеров процесса аналитики и поддержки принятия решения, не решает проблемы коллективного социального поведения, направленного на максимизацию всеобщего блага, и в ряде ситуаций становится причиной неоправданного использования рискованных стратегий.

Библиография
1.
Басу К. По ту сторону невидимой руки: основания новой экономической науки. – М.: Издательство Института Гайдара, 2014. – 303 с.
2.
Бидюк П.И., Терентьев А.Н. (2004) Построение и методы обучения байесовских сетей // Таврический вестник информатики и математики. – 2004. – № 2: 139-154.
3.
Вельц С.В. (2013) Моделирование информационного противоборства в социальных сетях на основе теории игр и динамических байесовских сетей // Инженерный журнал: наука и инновации. − 2013. – № 11. URL:http://engjournal.ru/catalog/it/security/991.html (дата обращения: 21.08.19).
4.
Воронов В.И., Мартыненко Э.В. Применение рекурентной нейронной сети с длинной краткосрочной памятью для классификации информации из оперативных сводок системы МВД России // Телекоммуникации и информационные технологии. – 2018. – № 1. – С. 131-136.
5.
Вискин И.И., Мариненков Е.Д. Противодействие скрытому деструктивному воздействию в роях беспилотных летательных аппаратов // International Journal of Open Information Technologies. – 2014. – № 6 (12): 1-11. [Viksnin, I.I., Marinenkov E.D. Counteraction to the Hidden Destructive Impact in Swarms of Unmanned Aerial Vehicles // International Journal of Open Information Technologies. – 2014. – № 6 (12): 1-11].
6.
Груднева Е.А., Кизилова Н.И. Рекурсивно-нисходящая и рекурсивно-восходящая схема актуализации фрейма «вооруженное столкновение» в тексте новостной статьи // Грамота. Языкознание. – 2018. – № 8 (86): 307-311.
7.
Емельянов А.С. «Эффект Кассандры» при принятии быстрых решений: логико-семантическая интерпретация // Вопросы безопасности. – 2018. – № 6. – С. 25-46. doi: 10.25136/2409-7543.2018.6.27834.
8.
Иванус А.И. О квантовой структуре семантического ядра истинности в когнитивном моделирования экономических процессов // Мягкие измерения и вычисления. – 2018. – № 7 (8): 55-59.
9.
Райков А.Н. (2018). Конвергентный синтез когнитивной модели на основе глубокого обучения и квантовых семантик // International Journal of Open Information Technologies. – 2018. – № 6 (12): 43-50. [Rajkov A.N. Convergent Synthesis of Cognitive Model Based on Deep Learning and Quantum Semantics // International Journal of Open Information Technologies. – 2018. – № 6 (12): 43-50.].
10.
Сироткин А.В. Проверка и поддержание непротиворечивости алгебраических байесовских сетей: вычислительная сложность алгоритмов // Труды СПИИРАН. – 2010. – 4 (15):162-192.
11.
Стиглиц Дж. Информация и изменение парадигмы экономической теории // ЭКОВЕСТ. – 2003. – 3 (3): 336-421.
12.
Тулупьев А.Л. Вероятностная логика и вероятностные графические модели в базах фрагментов знаний с неопределенностью // Интегрированные модели, мягкие вычисления, вероятностные системы и комплексы программ в искусственном интеллекте. Научно-практическая конференция студентов, аспирантов, молодых ученых и специалистов (Коломна, 26–27 мая 2009 г.). Научные доклады. В 2-х т. Т. 1. М.: Физматлит, 2009. С. 26–46. Наука, 2006. С. 198–227.
13.
Чхартишвили А.Г. Равновесие Байеса-Нэша: точечные структуры информированности бесконечной глубины // Автоматика и телемеханика. – 2003. – № 12: 105-111.
14.
Янова Н.Г., Кайгородова Н.З. Понимание языка на вычислительной основе: психологические перспективы в когнитивном моделировании // Вестник психологии и педагогики АлтГУ. – 2018. – № 3: 147-163.
15.
Akerlof, G.A. (1970). The Market for “Lemons” Quality Uncertainty and the Market Mechanism // The Quartely Journal of Economics, 84 (August): 488-500.
16.
Chater, N., & Oaksford, M. (2008). The Probabilistic Mind: prospects for Bayesian cognitive science. Oxford University Press.
17.
Diecidue, E., Somasundaram, J. (2017) Regret theory: A new foundation // Journal of Economic Theory, 172: 88-119.
18.
Emelyanov, A. (2019). The influence of semantic disinformation at fast decision-making in the uncertain situation: Proceedings of the 18th International Scientific Conference «Modern Management Trends and the Digital Economy: from Regional Development to Global Economic Growth» (MTDE 2019) // Advanced in Economics, Business and Management Reseach: 767-774. doi: 10.2991/mrde-19.2019.157.
19.
Ert, E., & Erev, I. (2007). Replicated Alternatives and the Role of Confusion, Chasing, and Regret in Decisions from Experience // Journal of Behavioral Decision Making, 20: 305-322.
20.
Geurts, B. (2003). Reasoning with quantifiers // Cognitition, 86 (3): 223-251.
21.
Jenkins, S.C., Harris, A.J.L., & Murray Lark, R. (2018). When unlikely outcomes occur: the role of communication format in maintaining communication format in maintaining communicator credibility // Journal of Risk Research, 1-18. doi: 10.1080/136-69877. 2018.1440415.
22.
Jenkins, S.C., Harris, A.J.L., & Murray Lark, R. (2018). Understanding “Unlikely (20 % Likelihood)” or “20 % likelihood (Unlikely)” outcomes the Robustness of Extremity Effect // Journal of Behavioral Decision Making, 31: 572-586. doi:10/1002/bdm/2072.
23.
Jenkins, S.C., Harris, A.J.L., & Murray Lark, R. (2016). “Unlikely” outcomes might never occur, but what about “unlikely” (20% Chance)” outcomes? // Proceeding, of the 38th Annual Science Society: 390-395.
24.
Innocente, M.S., & Sienz, J. (2011). Particle Swarm Optimization with Inertia weight and constriction factor // International conference on swarm intelligence [Cergy, France, June 14-15]. Id: 1-11.
25.
Harsanyi, J.C. (1975). Can the Maximin Principle Serve as a Basis for Morality? Critique of Joann Rawls’s Theory // The American Political Science Review. Vol. 69. No 2 (June): 594-606.
26.
Hoffman, A., Otteby, K. (2018) Personal Finance Blogs: Helpful Tool for Consumers with Low Financial Literacy or Preaching to the Choir? // International Journal of Consumer Studies. doi: 10.1111/ijes.12412.
27.
Hoppe, E.I., & Schwitz, P.W. (2013). Public-private patherschips versus traditional probability // Innovation incertantly and information gatheriny.
28.
Kennedy, J., Eberhart, R. (1995). Particle swarm optimization // In Proceeding of the IEEE International Conference on Neural Networks, Vol. IV: 1942-1948. Piccataway, NY, 1995: IEEE Press.
29.
Kennedy, J., Eberhart, R., & Shi, Y. (2001). Swarm Intelligence. Morgan Kaufmann Press.
30.
Marwala, T., & Hunuitz, E. (2017). Artificial Intelligent and Economics Theory: Skynet in the Market. London: Springer.
31.
Luhmann, N. Soziale systeme. Grundriss einer allgemeinen theory. Frankfurt am Main: Suhrkanp Verlag, 1984.
32.
Noorian, Z., Mohkami, M., Lui, Y., Fang, H., Zwang, Y., & Vassileva, J. Social Trust: adaptive trust oriented incetive mechanism for social commerce // Proceedings of the 2014 IEEE / WIC / ACM International Joint Conferences on Web Intelligence and Intelligent Agent Technologies: 250-257.
33.
Oaksford, M., & Chater, N. (2001). The probabilistic approach to human reasoning // Trends in Cognitive Sciences, 5 (8): 349-357.
34.
Pargmigiani, G., Inoue Lurdes, Y.T. (2009). Decision Theory: Principles and Approaches: Wiley. – 405 p.
35.
Savage, L.J. (1951). The theory of statistical decision // Journal of the American Statistical Association, 46: 55-67.
36.
Saxton, G.D., & Anker, A.E. (2013). The Aggregate Effects of Decentralized Knowledge Production: Financial Bloggers and Information Asymmetries in the Stock Market // Journal of Communication 63 (6): 1054-1069.
37.
Sedjelmaci, H., Senouci, S.M. Cyber security methods for aerial vehicle networks: taxonomy, challenges and solution // The Journal of Supercomputing. 2018. № 10: 1–17. doi: 10.1007/s11227-018-2287-8.
38.
Zwai, F., Szymarik, J., & Titov, I. (2015). Toward probabilistic natural logic for syllogistic Reasoning // Proceeding of the 20th Amsterdam Colloquium: 468-478.
39.
Vasishth, S., & Nicenboim, B. (2016). Statistical Methods for Linguistic Research: Foundational Ideas // Part I. Language and Linguistics Compass. Cornel University Library, Vol. 10, № 8: 349-369.
References (transliterated)
1.
Basu K. Po tu storonu nevidimoi ruki: osnovaniya novoi ekonomicheskoi nauki. – M.: Izdatel'stvo Instituta Gaidara, 2014. – 303 s.
2.
Bidyuk P.I., Terent'ev A.N. (2004) Postroenie i metody obucheniya baiesovskikh setei // Tavricheskii vestnik informatiki i matematiki. – 2004. – № 2: 139-154.
3.
Vel'ts S.V. (2013) Modelirovanie informatsionnogo protivoborstva v sotsial'nykh setyakh na osnove teorii igr i dinamicheskikh baiesovskikh setei // Inzhenernyi zhurnal: nauka i innovatsii. − 2013. – № 11. URL:http://engjournal.ru/catalog/it/security/991.html (data obrashcheniya: 21.08.19).
4.
Voronov V.I., Martynenko E.V. Primenenie rekurentnoi neironnoi seti s dlinnoi kratkosrochnoi pamyat'yu dlya klassifikatsii informatsii iz operativnykh svodok sistemy MVD Rossii // Telekommunikatsii i informatsionnye tekhnologii. – 2018. – № 1. – S. 131-136.
5.
Viskin I.I., Marinenkov E.D. Protivodeistvie skrytomu destruktivnomu vozdeistviyu v royakh bespilotnykh letatel'nykh apparatov // International Journal of Open Information Technologies. – 2014. – № 6 (12): 1-11. [Viksnin, I.I., Marinenkov E.D. Counteraction to the Hidden Destructive Impact in Swarms of Unmanned Aerial Vehicles // International Journal of Open Information Technologies. – 2014. – № 6 (12): 1-11].
6.
Grudneva E.A., Kizilova N.I. Rekursivno-niskhodyashchaya i rekursivno-voskhodyashchaya skhema aktualizatsii freima «vooruzhennoe stolknovenie» v tekste novostnoi stat'i // Gramota. Yazykoznanie. – 2018. – № 8 (86): 307-311.
7.
Emel'yanov A.S. «Effekt Kassandry» pri prinyatii bystrykh reshenii: logiko-semanticheskaya interpretatsiya // Voprosy bezopasnosti. – 2018. – № 6. – S. 25-46. doi: 10.25136/2409-7543.2018.6.27834.
8.
Ivanus A.I. O kvantovoi strukture semanticheskogo yadra istinnosti v kognitivnom modelirovaniya ekonomicheskikh protsessov // Myagkie izmereniya i vychisleniya. – 2018. – № 7 (8): 55-59.
9.
Raikov A.N. (2018). Konvergentnyi sintez kognitivnoi modeli na osnove glubokogo obucheniya i kvantovykh semantik // International Journal of Open Information Technologies. – 2018. – № 6 (12): 43-50. [Rajkov A.N. Convergent Synthesis of Cognitive Model Based on Deep Learning and Quantum Semantics // International Journal of Open Information Technologies. – 2018. – № 6 (12): 43-50.].
10.
Sirotkin A.V. Proverka i podderzhanie neprotivorechivosti algebraicheskikh baiesovskikh setei: vychislitel'naya slozhnost' algoritmov // Trudy SPIIRAN. – 2010. – 4 (15):162-192.
11.
Stiglits Dzh. Informatsiya i izmenenie paradigmy ekonomicheskoi teorii // EKOVEST. – 2003. – 3 (3): 336-421.
12.
Tulup'ev A.L. Veroyatnostnaya logika i veroyatnostnye graficheskie modeli v bazakh fragmentov znanii s neopredelennost'yu // Integrirovannye modeli, myagkie vychisleniya, veroyatnostnye sistemy i kompleksy programm v iskusstvennom intellekte. Nauchno-prakticheskaya konferentsiya studentov, aspirantov, molodykh uchenykh i spetsialistov (Kolomna, 26–27 maya 2009 g.). Nauchnye doklady. V 2-kh t. T. 1. M.: Fizmatlit, 2009. S. 26–46. Nauka, 2006. S. 198–227.
13.
Chkhartishvili A.G. Ravnovesie Baiesa-Nesha: tochechnye struktury informirovannosti beskonechnoi glubiny // Avtomatika i telemekhanika. – 2003. – № 12: 105-111.
14.
Yanova N.G., Kaigorodova N.Z. Ponimanie yazyka na vychislitel'noi osnove: psikhologicheskie perspektivy v kognitivnom modelirovanii // Vestnik psikhologii i pedagogiki AltGU. – 2018. – № 3: 147-163.
15.
Akerlof, G.A. (1970). The Market for “Lemons” Quality Uncertainty and the Market Mechanism // The Quartely Journal of Economics, 84 (August): 488-500.
16.
Chater, N., & Oaksford, M. (2008). The Probabilistic Mind: prospects for Bayesian cognitive science. Oxford University Press.
17.
Diecidue, E., Somasundaram, J. (2017) Regret theory: A new foundation // Journal of Economic Theory, 172: 88-119.
18.
Emelyanov, A. (2019). The influence of semantic disinformation at fast decision-making in the uncertain situation: Proceedings of the 18th International Scientific Conference «Modern Management Trends and the Digital Economy: from Regional Development to Global Economic Growth» (MTDE 2019) // Advanced in Economics, Business and Management Reseach: 767-774. doi: 10.2991/mrde-19.2019.157.
19.
Ert, E., & Erev, I. (2007). Replicated Alternatives and the Role of Confusion, Chasing, and Regret in Decisions from Experience // Journal of Behavioral Decision Making, 20: 305-322.
20.
Geurts, B. (2003). Reasoning with quantifiers // Cognitition, 86 (3): 223-251.
21.
Jenkins, S.C., Harris, A.J.L., & Murray Lark, R. (2018). When unlikely outcomes occur: the role of communication format in maintaining communication format in maintaining communicator credibility // Journal of Risk Research, 1-18. doi: 10.1080/136-69877. 2018.1440415.
22.
Jenkins, S.C., Harris, A.J.L., & Murray Lark, R. (2018). Understanding “Unlikely (20 % Likelihood)” or “20 % likelihood (Unlikely)” outcomes the Robustness of Extremity Effect // Journal of Behavioral Decision Making, 31: 572-586. doi:10/1002/bdm/2072.
23.
Jenkins, S.C., Harris, A.J.L., & Murray Lark, R. (2016). “Unlikely” outcomes might never occur, but what about “unlikely” (20% Chance)” outcomes? // Proceeding, of the 38th Annual Science Society: 390-395.
24.
Innocente, M.S., & Sienz, J. (2011). Particle Swarm Optimization with Inertia weight and constriction factor // International conference on swarm intelligence [Cergy, France, June 14-15]. Id: 1-11.
25.
Harsanyi, J.C. (1975). Can the Maximin Principle Serve as a Basis for Morality? Critique of Joann Rawls’s Theory // The American Political Science Review. Vol. 69. No 2 (June): 594-606.
26.
Hoffman, A., Otteby, K. (2018) Personal Finance Blogs: Helpful Tool for Consumers with Low Financial Literacy or Preaching to the Choir? // International Journal of Consumer Studies. doi: 10.1111/ijes.12412.
27.
Hoppe, E.I., & Schwitz, P.W. (2013). Public-private patherschips versus traditional probability // Innovation incertantly and information gatheriny.
28.
Kennedy, J., Eberhart, R. (1995). Particle swarm optimization // In Proceeding of the IEEE International Conference on Neural Networks, Vol. IV: 1942-1948. Piccataway, NY, 1995: IEEE Press.
29.
Kennedy, J., Eberhart, R., & Shi, Y. (2001). Swarm Intelligence. Morgan Kaufmann Press.
30.
Marwala, T., & Hunuitz, E. (2017). Artificial Intelligent and Economics Theory: Skynet in the Market. London: Springer.
31.
Luhmann, N. Soziale systeme. Grundriss einer allgemeinen theory. Frankfurt am Main: Suhrkanp Verlag, 1984.
32.
Noorian, Z., Mohkami, M., Lui, Y., Fang, H., Zwang, Y., & Vassileva, J. Social Trust: adaptive trust oriented incetive mechanism for social commerce // Proceedings of the 2014 IEEE / WIC / ACM International Joint Conferences on Web Intelligence and Intelligent Agent Technologies: 250-257.
33.
Oaksford, M., & Chater, N. (2001). The probabilistic approach to human reasoning // Trends in Cognitive Sciences, 5 (8): 349-357.
34.
Pargmigiani, G., Inoue Lurdes, Y.T. (2009). Decision Theory: Principles and Approaches: Wiley. – 405 p.
35.
Savage, L.J. (1951). The theory of statistical decision // Journal of the American Statistical Association, 46: 55-67.
36.
Saxton, G.D., & Anker, A.E. (2013). The Aggregate Effects of Decentralized Knowledge Production: Financial Bloggers and Information Asymmetries in the Stock Market // Journal of Communication 63 (6): 1054-1069.
37.
Sedjelmaci, H., Senouci, S.M. Cyber security methods for aerial vehicle networks: taxonomy, challenges and solution // The Journal of Supercomputing. 2018. № 10: 1–17. doi: 10.1007/s11227-018-2287-8.
38.
Zwai, F., Szymarik, J., & Titov, I. (2015). Toward probabilistic natural logic for syllogistic Reasoning // Proceeding of the 20th Amsterdam Colloquium: 468-478.
39.
Vasishth, S., & Nicenboim, B. (2016). Statistical Methods for Linguistic Research: Foundational Ideas // Part I. Language and Linguistics Compass. Cornel University Library, Vol. 10, № 8: 349-369.

Результаты процедуры рецензирования статьи

В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Со списком рецензентов издательства можно ознакомиться здесь.

Рецензия на статью
«Влияние эндогенной и экзогенной семантической информации на принятие решений в ситуации неопределенности»

Предмет исследования – проблемы принятия решений в ситуации неопределенности:
Предмет представлен через решение основной цели исследования – анализ взаимосвязи эндогенной и экзогенной информации при принятии решений в ситуации неопределенности.
Заявленный предмет и цель отражены и в названии статьи, и в ее содержании.
Методология исследования – построена на традиционном подходе, характерном для исследований на стыке теоретических и прикладных механизмов исследования. Автор применяет обзор литературы, ретроспективный анализ (обобщение материалов исследований отечественных и зарубежных авторов).
Для решения прикладных задач применена методология эмпирического исследования. В нем участвовали 104 испытуемых. Исследование проведено в 3 этапа, на каждом из которых они решали задачи с применением различных стратегий.
Методология исследования не отвечает заявленной цели исследования.
Актуальность представленной статьи не взывает сомнения. Это связано с необходимостью ускорения и упрощения процесса принятия решения человеком.
Данный вопрос с каждым годом становится всё более актуальным в связи с нарастанием информационных потоков и повышением требований к скорости принятия решений на основе полученной информации.
Научная новизна исследования проявлена в применении сравнительного анализа разных стратегий принятия решений, а также использования двух видов информации.
Стиль, структура, содержание Работа имеет традиционную структуру – введение, основная часть с обзором литературы и представлением модели принятия решений, а также выводы и список литературы.
В основной части автор системно и структурно анализирует рынки с несовершенной экономической информацией, описывает технологии моделирования и оценки рынков с данным типом информации. Много внимания уделено анализу семантической информации и дезинформации. При этом авторская позиция базируется на оперировании данными существующих подходов (например, подход Н.Лумана про навязывание ожидаемой модели поведения).
Важно, что автор применяет множественный и уместный наглядный материал – схемы, таблицы, графики. Это существенно упрощает применение содержания.
Выводы построены на описательном анализе и выделении основных вопросов, которые рассмотрены в статье. При этом автор проводит связь между анализом информации людьми и возможностями данного анализа при поведении в социальных сетях. Хотя это могло бы стать материалом для отдельного исследования.
Стиль работы соответствует требованиям, предъявляемым к научным публикациям.
Библиография насчитывает 39 литературных источников, что более чем достаточно для проработки заявленной темы. Это статьи в журналах по близкой и смежной тематике. Важно, что литература представлена изданиями на русском и английском языках, основная масса из которых – это источники, изданные за последние 5 лет.
Апелляция к оппонентам – статья вызовет интерес и с прикладной, и с теоретической точки зрения. В ней представлен отличный обзор литературы, отражена авторская позиция, подробно представлена методология.
Выводы, интерес читательской аудитории. Статья в данной тематике может быть интересна для разного круга читателей – от экономистов и маркетологов до преподавателей данных дисциплин а также специалистов в области виртуальных технологий.
Ссылка на эту статью

Просто выделите и скопируйте ссылку на эту статью в буфер обмена. Вы можете также попробовать найти похожие статьи


Другие сайты издательства:
Официальный сайт издательства NotaBene / Aurora Group s.r.o.
Сайт исторического журнала "History Illustrated"