Начальные этапы исследования инфоценоза в социотехнических системах: применение ранговых распределений

Статья представляет результаты первичного исследования применения ценологического подхода к анализу социотехнических систем, с акцентом на их устойчивость, динамику и оптимизацию взаимодействий между компонентами. В работе рассматривается использование моделей ранговых распределений для исследования информационных систем, их адаптивности в условиях изменений и воздействия внешних факторов. Результаты данного исследования открывают новые перспективы для дальнейшего углубленного изучения социотехнических систем, а также разработки оптимизационных моделей и методов в управлении информационными системами.

1. Акулин В.М. Машинное обучение: Методы и алгоритмы. - СПб.: Питер, 2018.

2. Буховец А.Г. Системный подход и ранговые распределения в задачах классификации. [Электронный ресурс]. URL: 15 (дата обращения: 07.11.2024).

3. Гнатюк В.И. Ранговый анализ техноценозов. // Электрика. - 2001. - №8. - С. 14-22.

4. Гнатюк В.И. Технология рангового анализа техноценозов. [Электронный ресурс]. URL: http://elib.spbstu.ru/dl/func/lex_5.htm (дата обращения: 07.11.2024).

5. Гурина Р.В. Ценологические методы в образовательных системах // Ползуновский вестник. - 2004. - №3. - С. 133-138.

6. Гурина Р.В. Ранговый анализ педагогических систем (ценологический подход): Методические рекомендации для работников образования. Вып. 32. «Ценологические исследования». - М.: Технетика, 2006. - 40 с.

7. Гурина Р.В. Ценологические исследования педагогических образовательных систем. [Электронный ресурс]. URL: http://kudrinbi.ru (дата обращения: 07.11.2024).

8. Дорофеев В.А., Асьянова Н.К. К вопросу о применимости параметрического рангового распределения в изучении малых групп в организации. [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/k-voprosu-o-primenimosti-parametricheskogo-rangovogo-raspredeleniya-v-izuchenii-malyh-grupp-v-organizatsii (дата обращения: 07.11.2024).

9. Кудрин Б.И. Введение в технетику. 2-е изд., перераб. и доп. - Томск: Изд. Томск. гос. ун-та, 1993. - 552 с.

10. Кудрин Б.И., Жилин Б.В., Лагуткин О.Е., Ошурков М.Г. Ценологическое определение параметров электропотребления многономенклатурных производств. - Тула: Приок. кн. изд-во, 1994. - 161 с.

11. Куликов В.П., Куликова В.П. Устойчивость процесса/результата обучения как концептуальное ядро его оформления и документирования // Современные тенденции естественно-математического образования: школа – вуз. Материалы XI Всероссийской научно-практической конференции, 8–9 апреля 2022 г. - Соликамск: СГПИ; ООО «Типограф», 2022. - 103 с.

12. Леонов В.П. Современные проблемы информатики. Введение в семиотику информационных технологий: учебное пособие. - Томск: Изд-во НТЛ, 2011. - 248 с.

13. Лукашевич Н.В. Математическая статистика для экономистов. - М.: Юрайт, 2012.

14. Математическое описание ценозов и закономерности технетики. Философия и становление технетики. Вып. 1, вып. 2. «Ценологические исследования». - Абакан: Центр системных исследований, 1996. - 452 с.

15. Метод наименьших квадратов – безошибочно и быстро! [Электронный ресурс]. URL: https://mathprofi.ru/metod_naimenshih_kvadratov_bez_oshibok.html (дата обращения: 07.11.2024).

16. Метод наименьших квадратов: методические указания / сост.: Л.В. Коломиец,Н.Ю. Поникарова. - Самара: Изд-во Самарского ун-та, 2017. - 32 с.

17. Метод наименьших квадратов: формулы, код и применение. [Электронный ресурс]. URL: https://habr.com/ru/post/409201 (дата обращения: 07.11.2024).

18. Онтология моделирования и проектирования семантических информационных систем и порталов (Справочное пособие) / сост. Ильин И.В., Мордвинов В.А., Петров К.А., Трифонов Н.И., Финагин Л.А. - М.: Институт системного анализа, 2008.

19. Рябко Б.Я., Кудрин Б.И., Завалишин Н.Н., Кудрин А.И. Модель формирования статистической структуры биоценозов. // Известия Сиб. отделения АН СССР. Серия биол. наук. - 1978. - Вып. 1. - С. 17-25.

20. Goodfellow, I., Bengio, Y., & Courville, A. Deep Learning. - MIT Press, 2016.

21. Han, J., Pei, J., & Kamber, M. Data Mining: Concepts and Techniques. Morgan Kaufmann, 2011.

22. Kuhn, M., & Johnson, K. Applied Predictive Modeling. - Springer, 2013.

23. LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. Gradient-based learning applied to document recognition. // Proceedings of the IEEE. - 1998. - Vol. 86. - No. 11. - P. 2278–2324.

24. Wooldridge, J. M. Econometric Analysis of Cross Section and Panel Data. - MIT Press, 2010.