Алгогритмы построения и обработки виртуальных моделей в краудсорсинге

Sustainable Crowdsourсing (SC), являясь технологической платформой изучения поведения различных социальных групп, предполагает как сбор и фильтрацию целевой информации, так и выявление реакций на распространяемую в среде этих групп информации адресной. В последнем случае актуальной является задача построения виртуальных моделей, на которых предполагается выявление подобных реакций.

Эмоциональный интеллект (ЭИ) чрезвычайно популярная в сегодняшнем мире практика, применяемая как для персональной оценки личности с точки зрения ее коммуникативного потенциала, так и для совершенствования самой личности, имеющего целью повышение персонального потенциала людей, претендующих на более значимую роль в обществе, включая продвижение по службе или позиционирование на более высоком социальном уровне. Обращение ЭИ на конкретную персону -  общепринятый подход.

Наша задача состоит в применении квалификационных методик ЭИ к группам людей и даже целым сообществам. Такой подход требует адекватного представления и обобщения результатов тестирования по методикам ЭИ. Для этих целей мы предлагаем использовать такие показатели, как Суммарный Эмоциональный Фактор (СЭФ), который в свою очередь составляется из Локальных и Персональных Эмоциональных Факторов (ЛЭФ) и (ПЭФ). Последний соответствует стандартному результату персонального  тестирования на ЭИ, а ЛЭФ – это обобщение близких (до статистической достоверности совпадения) по значениям ПЭФ в единой модели. Такое представление результатов тестирования по методикам ЭИ позволяет решать задачи с использованием платформы SCприемами классического краудсорсинга.

Рассмотрим в качестве примера построение виртуальных моделей с использованием методов ЭИ на базе платформы SC для предварительного анализа возможных результатов выбора из нескольких предлагаемых вариантов решения.

Для начала разделим обследуемый контингент на группы, которые формируем на основе стандартного доверительного интервала вокруг нескольких выявленных значений Суммарного Эмоционального Фактора (СЭФ). Предположим, что предварительное анкетирование выявило три зоны СЭФ – 95; 100; 105, в которых сгруппированы все прошедшие анкетирование. Допустим, для простоты, что количество участников в каждой зоне примерно одинаково. (На самом деле это допущение не строгое, и в случае нормального распределения участников по результатам анкетирования, влияние групп разной численности может быть отнормировано введением поправочных коэффициентов, пропорциональных обратным величинам к численности групп).

Для каждой из зон проведем более детальное анкетирование с целью выявления наиболее влияющих на результат по СЭФ компонент ЭИ. (Для определенности примем за основу пятифакторный вариант представления ЭИ – самоанализ, ассертивность, независимость, самоуважение и самореализация). Эти пять факторов образуют терм-множество лингвистической переменной СЭФ, на основе которой может быть сформировано нечеткое множество для каждой из зон путем пересечения (метод предварительной фильтрации) составляющих персональных частных множеств — ПЭФ. Объединяя эти частные множества, мы получим результат, который может рассматриваться как виртуальная модель изучаемого сообщества.

На следующем этапе мы должны составить виртуальную модель адекватную реакции на проверяемую адресную информацию. Иными словами, мы должны сконструировать модель, которая воспримет целевую информацию как свою собственную. Не останавливаясь подробно на методике построения такой модели, отметим лишь, что желаемый результат может быть достигнут путем последовательных итераций до достижения приемлемого уровня соответствия уровня СЭФ виртуальной модели адресной информации, реакция на которую и составляет содержание задачи.

Располагая виртуальными моделями (назовем их — группа моделей А), отображающие с приемлемой достоверностью обследуемый контингент и виртуальной моделью полностью адекватной восприятию адресной информации как своей собственной (модель Б) мы можем составить представление о том, как будут восприниматься такая информация контингентом в целом и входящими в группу А, составляющими ее подгруппами по отдельности или в их попарных сочетаниях.

Возможно также формирование результирующего виртуального образа, характеризующего степень соответствия ожиданий реалистичным реакциям. Для этого может быть применен метод составления характеристического множества из безразмерных элементов, являющихся частными от попарного деления соответствующих элементов, образующих каждое из множеств.  Такой подход может быть применен как в прямом, так и в обратном виде для более информативного последующего визуального представления результатов.




Оставить комментарий или два

© «2017» CrowdIntell – CrowdIntell