2) Модели принятия группового решения

Для изучения принятия решения в малой группе за рубежом широкое распространение получила модель Дж. Дэвиса «Схема выработки группового решения» (SDS-модель) [Davis, 1973] в разных вариациях. Модель относится к категории знаковых (математических) моделей.

Эта модель первоначально была разработана для выяснения связи вклада каждого члена группы (первоначальные расхождения индивидов) с групповым результатом (групповым решением). То есть, модель ориентирована на объяснение и предсказание того, как члены группы комбинируют (объединяют) их индивидуальные предпочтения в единую групповую реакцию по данному типу задачи. Модель может применяться только тогда, когда набор возможных альтернативных решений (например, «виновен» или «невиновен» в решении присяжных) заранее уточняется, и группа должна достигнуть согласия по одной из этих альтернатив. Следовательно, в этом подходе внутригрупповое взаимодействие моделируется как процесс, протекающий от индивидуальных предпочтений членов группы до единственного коллективного решения (например, приговор присяжных заседателей).

SDS-модель основана на теории вероятности, так как с помощью модели определяется вероятность того, что если группа начнет с расхождения i, то она выберет решение j. Например, в группе присяжных заседателей из шести человек может быть 21 оценка (7 расхождений х 3 альтернативных решения, т.е. «виновен», «невиновен», «неопределенно»). Если перед началом обсуждения из шести присяжных четверо полагают, что подсудимый виновен, а двое – не виновен, то по SDS-модели можно спрогнозировать, что суд присяжных вынесет обвинительный приговор (с вероятностью d21= 1,0), а возможности прийти к оправдательному приговору или нулевому решению (отсутствие какого-либо решения) не существует (с вероятностью d22= 0,0 и d22= 0,0).

Эта модель используется не только для изучения расхождения предпочтений членов и принятия группового решения, но и для распределения ресурсов/возможностей членов групп (например, знания, способности), важные для выполнения какой-то задачи. К примеру, выявляется исходная возможность каждого члена группы «решить» или «не решить» задачу. С помощью SDS-модели в конечном счете производится распределение групп на способные и неспособные решить задачу с определенной долей вероятности.

Несмотря на некоторые позитивные прогностические возможности этой модели, она не может учитывать и отображать множество возможных социально-психологических факторов, проявляющихся в процессе обсуждения и принятия решения.

3) Модели самоорганизации малой группы.

Для изучения самоорганизации группы на основе синергетической методологии используется имитационные модели: а) пространственно-субъектные модели (например, рекурсивное скульптурирование); знаковые модели: математическое моделирование (модели типа DISCUSS) и клеточные автоматы.

Пространственно-субъектные модели. К ним можно отнести метод«рекурсивное скульптурирование» [Brunner&Tschacher, 1991]. Он рассматривается как способ отображенияпространственно-геометрическимспособом процессов самоорганизации малой группы, в том числе с самого начала ее образования.

Его суть заключается в том, что по сигналу экспериментатора члены новой группы начинают беспрепятственно передвигаться по помещению для того, чтобы найти и занять удобную для себя позицию. Далее по сигналу руководителя члены группы должны сохранить позицию, которую они занимают в момент сигнала, «заморозить» ее на определенное время. Возникнет специфическая «групповая картина». В процессе проведения исследования скульптуры создаются последовательно и многократно. За счет очередности группового движения и «групповой картины» (скульптуры) пытаются последовательно изучить создание порядка в групповом процессе. Это обосновывается тем, что каждая группа постепенно создает определенный образец порядка, который можно описать. Это достигается посредством формирования специфических образов в индивидуальном восприятии членов группы.

Понятие «рекурсивное» означает, что результаты одного (промежуточного) скульптурирования оказывают влияние на создание следующей подобной скульптуры. Рекурсивное скульптурирование рассматривается как способ научного исследования, который фиксирует процесс развития групп и в то же время его форсирует за счет «подогревания» рекурсивно-нелинейной динамики. Однако оно не пригодно для диагностических целей, так как фактически изменяет то, что измеряет.

Знаковые модели на основе компьютерного моделирования (имитации). Модели предназначены для формализованной имитации самоорганизации группы в виде воссоздания последовательности действий индивида или группы, а также определения значение переменных коэволюции. Математически основанная модель Г. Стассера DISCUSS [Stasser, 1988] отображает информационные потоки и эффекты в процессе групповой дискуссии, а модель Р. Хасти и др. JUS [Hastie et al., 1983] имитурует принятие присяжными решения. Модели клеточные автоматы [Latané, 1996; Nowak et al., 1990] имитируют взаимосвязь единиц и их влияние друг на друга через какое-то время, комплексное становление групповых структур. Они используются, в частности, для моделирования распространения идей, эмоций и поведения через систему.

Клеточные автоматы – это дискретные динамические системы, которые способны производить с помощью очень маленьких локальных правил (так сказать, на микроуровне) сложные макрообразцы. Они получили достаточно широкое распространение в разных научных дисциплинах, в частности в моделировании биологических процессов как самовоспроизводящихся структур [Langton, 1989].

Другой пример компьютерного моделирования для изучения самоорганизации группы – EVS-модель(ансамбль с переменной структурой). Она может использоваться для изучения влияния формальных признаков группы (численность популяции, степень разнообразия элементов популяции) на ее динамику [Трофимова, 2000]. В частности, с её помощью установлена особенность выделения подгрупп внутри группы до и после фазового перехода (качественный скачок). Так, до фазового перехода наблюдается много малых группировок и небольшое число больших кластеров, что характерно для слабо интегрированных систем. После фазового перехода уменьшается количество малых группировок и возрастает число больших кластеров (подгрупп).

Преимущество компьютерной имитации заключается в том, что обычный лабораторный или естественный эксперимент, предполагающий взаимодействие с самоорганизующейся системой, не позволяет воспроизводить ее в одном и том же начальном состоянии. Сам акт проведения эксперимента меняет систему, направляя ее в новое русло развития, а необратимость процессов развития не позволяет вновь воссоздавать начальное состояние.

Целесообразно использовать простые модели для того, чтобы найти формальные аналогии процессу образования групп. Более того, возможно построение компьютерной симуляции до уровня многомерной кибернетической модели, которая позволила бы «схватить» процесс и определить некоторые скрытые переменные, обуславливающие поведение. Для создания такого моделирования требуются большие затраты на программирование.

Однако компьютерная имитация не позволяет оперировать реальными объектами и учитывать содержательные моменты, что снижает внешнюю валидность этого исследовательского подхода. Следовательно, недостаток компьютерной имитации такой же, как и иных формализованных процедур, не позволяющих в полной мере учитывать содержание изучаемых явлений.