5.4. Методы формирования знаний информационно-
консультационными службами
Решение задачи “Формирование знаний” выполняется в ИКС следующими методами:
Использование этих методов при формировании разных видов знаний отражено в табл. 5.4.1.
Подбор знаний. Информационно-консультационные службы разных стран, как правило, имеют доступ не только к информационным ресурсам собственной страны и конкретного региона, но и всего мирового сообщества. Поэтому большая часть знаний для сельских товаропроизводителей формируется информационно-консультационной службой путем подбора данных и правил из мировых распределенных знаний.
Основными первоисточниками распространяемых через ИКС сведений являются научно-исследовательские организации, фирмы-производители оборудования, удобрений, кормовых добавок и других ресурсов сельскохозяйственного производства, различные предприятия сферы агробизнеса, занимающиеся предоставлением услуг сельским товаропроизводителям. Создаваемая служба должна активнейшим образом обеспечивать своих сотрудников самой “свежей” информацией по всем вопросам, которые могут быть полезны клиентам ИКС. Найденная информация должна аналитически обрабатываться, проверяться и отбираться для дальнейшего распространения. Подобным же образом должна оцениваться и селектироваться информация о передовом опыте, о результатах внедрения инноваций самими сельскими товаропроизводителями.
Поэтому в составе ИКС должны быть подразделения, специализирующиеся на поиске, проверке и отборе информации (см. главы 1 “Роль информационно-консультационной службы в развитии сельского хозяйства”, 2 “Проблемы организации информационно-консультационной службы в сельском хозяйстве России”, 6 “Механизм обратной связи в информационно-консультационной службе” и др.). Очевидно, в этих же подразделениях начинается и процесс адаптации имеющихся сведений и их преобразование к такому виду, чтобы содержание и форма представления распространяемых знаний наиболее точно соответствовали информационным потребностям адресата и его способностям восприятия знаний.
Формализация знаний. Многие знания о процессах сельскохозяйственного производства имеют вербальное, описательное выражение, что ведет к значительной ненадежности управленческих решений, невозможности достоверно приблизиться к объективно оптимальному решению и, как следствие, приводят к существенному недоиспользованию производственного потенциала и возникновению информационно-производственных потерь (потерь, обусловленных информационной неопределенностью). В связи с этим существует проблема формализации знаний в смысле их математизации, доведения до уровня алгоритмов.
В этом отношении ИКС может обеспечить обращение к специалистам научно-исследовательских организаций для “доводки” знаний, т.е. придания знаниям такой формы, которая имеет вид конкретных однозначных рекомендаций, “привязанных” к конкретным условиям данного фермерского предприятия или агрофирмы. Примером такого заказа может служить задание на разработку программного комплекса и необходимых баз данных, обеспечивающих решение задач по оптимизации рационов кормления конкретных групп животных с учетом их породы, возраста, условий содержания, наличия кормов у конкретного сельского товаропроизводителя. Аналогичное задание необходимо для того, чтобы многочисленные сведения о характеристиках почв, расположении и свойствах земельных участков, потребностях различных культур и свойствах конкретных видов удобрений свести к форме конкретных рекомендаций по внесению удобрений в данном году при заданной структуре посевов, выбранной конкретным товаропроизводителем.
Например, известно, что дисбаланс по компонентам питания рационов сельскохозяйственных животных относительно объективной потребности приводит к производственным потерям, излишним затратам на производство. Однако, до определенного времени эти знания носили описательный характер (см. табл. 5.4.2) и по ним невозможно было выполнить количественный анализ и дать конкретные рекомендации.
Рассматриваемые в примере знания зависимости производственных потерь от дисбаланса рациона по компонентам питания, должны в сочетании дополнительными сведениями предоставляться адресату в форме конкретных рекомендаций. При этом для повышения убедительности (доказательности) расчетные данные могут дополняться графиками, другими иллюстрациями, сравнительными данными. “Начинка” программного комплекса, обеспечивающего необходимые расчеты, безусловно должна содержать эти же рекомендации специалистов по кормлению животных, но в значительно более математизированной (алгоритмической) форме.
Другой стороной процесса формализации знаний в рамках ИКС (кроме рассмотренной выше “математизации” и доведения знаний до уровня программных комплексов, обеспечивающих выдачу практических рекомендаций) является придание имеющимся потенциально полезным для сельских товаропроизводителей знаниям такой формы, которая максимально содействовала бы их реальному распространению. В этом отношении важно использование “активных методов обучения”.
Известное правило (“слышу - забываю, вижу - запоминаю, делаю - понимаю”) применительно к распространению знаний должно принимать форму конкретных мер по обеспечению их поэтапного освоения: от получения информации о существовании и потенциальной полезности знаний, через детальное ознакомление с ними до закрепления этих знаний в виде практических действий и/или навыков. В этом отношении процесс адаптации формы распространения знаний не может заканчиваться на
уровне тех подразделений создаваемой службы, которые непосредственно получают информацию из первоисточников и предварительно адаптируют ее в виде брошюр и других материалов. Окончательное завершение процесса “приспособления” знаний к конечному потребителю (сельскому товаропроизводителю) может иметь место только на нижних уровнях ИКС (см. главу 3).
На уровне непосредственных контактов распространение знаний может принимать форму выездных занятий с группами сельских товаропроизводителей в опытные хозяйства, на предприятия, которые уже внедрили перспективную технологию, форму небольших выставок, форму индивидуальных консультаций и даже стажировок заинтересованных пользователей. Так, например, в отношении распространения чрезвычайно полезной для современных условий, но пока еще мало применяемой методики экономических расчетов валового дохода (“Gross Margin”) можно было бы после предварительного обучения сотрудников районных ИКС рекомендовать им пригласить в офис ИКС, оснащенный необходимым программным комплексом, сначала наиболее подготовленных в экономическом отношении фермеров и экономистов крупных сельхозпредприятий со своими данными. Совместное проведение расчетов, анализ полученных результатов, исследование вариантов при индивидуальной работе или работе с малой группой (2-4 чел.) таких пользователей позволило бы адаптировать технику подготовки информации с учетом конкретной специализации хозяйств района, сформировать общую для многих других хозяйств района информационную базу (районные нормативы и т.п.). Это в свою очередь позволило бы в дальнейшем упростить сбор информации, систематизировать и ускорить расчеты, используя порядок, наиболее удобный для конкретных условий.
Генерация знаний. Работники ИКС всех уровней, занимаясь своей текущей деятельностью, анализируют и перерабатывают большой объем информации. Естественно, что в результате выполнения такой работы появляются новые обобщенные или уточненные для конкретных условий производства данные, логически обоснованные и подкрепленные практикой новые рекомендации, информационные базы, представляющие интерес для многих пользователей, а возможно и новые математические модели. Все это - сгенерированные службой новые знания, которые для конкретного товаропроизводителя более ценны, чем знания, содержащиеся в исходной информации.
Так, например, во многих странах ИКС собирают информацию от своих клиентов и публикуют сводные данные с их группировкой в самых различных разрезах. При этом конкретному товаропроизводителю гарантируется сохранение коммерческой тайны, но сообщенные им сведения позволяют определить не только средний уровень конкретных результатов по стране или региону, но и распределение показателей урожайности, уровня затрат на производство продукции, уровня валового дохода и др. Опубликованные сводные данные рассылаются тем же клиентам, которые прислали данные о своей деятельности. В результате фермер может достаточно четко видеть свое место среди других производителей аналогичной продукции, обратить внимание на те позиции, по которым он значительно отличается от среднего уровня, тем самым вскрывая резервы развития своего хозяйства (см. рис. 5.4.1).
Этот пример распространения знаний, сгенерированных в рамках ИКС, иллюстрирует тесную взаимосвязь процесса распространения знания и механизма обратной связи (см. главу 6 “Механизм обратной связи в информационно-консультационной службе”).
Другим примером генерации знаний может быть обобщение опыта и знаний, полученных в результате широкого применения некоторого комплекса программ в рамках ИКС. На основе накопленных замечаний практиков, примененявших комплекс в различных условиях, можно было бы сформулировать конкретные предложения по его развитию и совершенствованию. Тем самым ИКС снова выступает в качестве заказчика по отношению к научно-исследовательским учреждениям и проектным организациям.
Так, например, продолжая рассмотрение примера с кормлением сельскохозяйственных животных, можно отметить, что формализация описания зависимости потерь от дисбаланса рациона по компонентам питания позволяет создать отличную от традиционной математическую модель рациона (сгенерировать новые знания), более полно описывающую экономические последствия применения рациона и позволяющую находить экономически более эффективные решения по кормлению животных. Основой для такой формализации могли бы быть не только результаты научных исследований, но и данные, полученные в рамках ИКС от практиков. При этом теоретически важные, но не встречающиеся на практике причины снижения эффекта от применения того или иного рациона, будут отделены от тех, которым действительно следует уделить первостепенное внимание. Например, в условиях конкретного хозяйства потери от нарушений планового расходования запасов кормов могут значительно превышать потери от несбалансированности рациона по элементам питания.
Оценка неопределенности знаний. Как было указано ранее, процесс формирования знаний в рамках ИКС должен учитывать неопределенность знаний. В большинстве случаев знания не абсолютны. Они обладают неопределенностью. При получении знаний-данных неопределенность вносится погрешностями измерений, явно или неявно принимавшимися упрощениями в структуре и функционировании объекта, к которому относятся эти данные и погрешности измерений и вычислений. При выводе и формулировании знаний-правил также часто делаются упрощения и допущения, которые предопределяют некоторую неопределенность этих знаний. Поскольку распространяемые ИКС знания используются для формирования управленческих производственных решений, то их неопределенность (проявляющаяся через их “ошибочность”) приводит к неоптимальным (“псевдооптимальным” - кажущимся оптимальными) решениям, вследствие которых возникает экономический ущерб.
Например, следует не забывать, что все расчеты по определению оптимальной структуры рациона строятся на данных, измеренных с большой погрешностью. Так, например, математические зависимости, отражающие связи, представленные в табл. 5.4.2, являются не функциональными и абсолютными, а корреляционными и приближенными. Фетишизация рекомендаций, которые получены на основе соответствующих расчетов, не будет способствовать действительно эффективному поведению. Гораздо более полезным будет осознание неопределенности и принятие мер по отслеживанию последствий применения рационов.
С учетом сказанного следует напомнить, что хотя в любом случае окончательное решение остается за товаропроизводителем, практик ИКС должен понимать относительность своих рекомендаций и, распространяя полезные знания, проявлять достаточно осторожности и внимательности к реальным условиям и последствиям применения этих рекомендаций.