استراتژی های ایجاد و توسعه یک نقشه شناخت

دو دسته تکنیک عمده برای ایجاد و توسعه نقشه­های شناخت فازی وجود دارد. دسته اول روش­های متکی به خبرگان نامیده می­شوند که شامل تکنیک­هایی می­شود که تنها دانش انسان را استخراج می­کند. به دلیل فقدان رویکردهای خودکار یا نیمه خودکار که فرایند انگاره نگاری شناختی را پشتیبانی کنند تا مدت­ها این روش به طور خاص تنها روش ایجاد نقشه­های شناختی فازی بود. اخیرا تلاش هایی برای طراحی روش­های محاسباتی صورت گرفته است. این روش­ها بر آن هستند تا جانشین خبره شوند یا به وی کمک کنند و ساختار مدل را به شیوه­ای خودکار یا نیمه خودکار فراگیرند( استچ و دیگران [1]2005؛ 2010[2]).

روش­های متکی بر خبره برای تهیه نقشه­های شناخت فازی کاملاً به تخصص انسانی و دانش حوزه مورد نظر تکیه دارند بنابراین در دسته­ی مدلسازی استقرایی قرار می­گیرند. نمایش نسبتاً ساده مدل این امر را امکان پذیر می­سازد که به راحتی بتوان گراف مربوط به یک نقشه شناخت فازی را ترسیم کرد. لازم است که خبرگان نیز دانشی ابتدایی در مورد تئوری نقشه­های شناخت داشته باشند تا معنی وزن­ها و جهت تاثیرات علّی را درک کنند. جهت افزایش اعتبار مدل می­توان گروهی از خبرگان را در فرایند انگاره نگاری دخیل کرد. خبرگان می­توانند با هم کار کنند یا اینکه هر فرد به تنهایی نقشه­ها را به منظور نشان دادن درکشان از سیستم موردنظر، طراحی کنند. در حالت دوم می­توان نقشه­های جداگانه را ترکیب و به یک مدل واحد تبدیل کرد.

انگاره نگاری متکی به خبره معمولاً متشکل از سه گام زیر می­باشد(کاسکو، 1986؛خان و کوادیس،2004[3]):

  1. شناسایی مفاهیم مهم
  2. شناسایی روابط علّی بین این مفاهیم
  3. تخمین قدرت روابط علّی

در گام اول باید این تصمیم اتخاذ شود که کدام یک از مفاهیم موجود باید در مدل دخیل شوند. روشن­ترین روش این است که فهرستی از مفاهیم مربوط تهیه کنیم و مفاهیم بی­اهمیّت را از آن حذف کنیم. در گام دوم باید همه­ی روابط علت و معلولی مستقیم بین مفاهیم باقی مانده همراه با جهتشان شناسایی شوند. معمولا این مهم با تمرکز کردن بر یک جفت مفهوم در زمان واحد انجام می­شود پس از آن خبره با وظیفه یافتن روابط علّی و معلولی پنهان یا غیرمستقیم روبرو می شود. این روابط بعداً از طریق تحلیل هایی با استفاده از نقشه کامل شده صورت می­گیرد، آشکار می­شوند. این دو مرحله به یک طرح ساختاری منجر می شوند که متشکل از گرافی با گره­ها و یالهای جهت­دار می­باشد(کاسکو، 1986؛خان و کوادیس،2004 ).

آبرنتی و همکارانش[4] بیان می­کنند نقشه­های شناخت متکی بر خبرگان را می­توان به چند طریق تهیه کرد از جمله:

روش کشف کامپیوتری روابط علّی: یکی از ابداعات عمده برای محققان روش کیفی نرم افزار منعطف و کارآمد پایگاه داده کیفی می­باشد. در درجه اول محققان از این نرم افزار برای خلق پایگاه داده­ای از طریق کدگذاری سیستماتیک داده کیفی استفاده می­کنند. استفاده دوم این است که محققان کیفی از نرم­افزار پایگاه داده برای تحلیل روابط در پایگاه داده حاصل از رونوشت مصاحبه استفاده می­کنند. محقق می­تواند از نرم­افزار برای ایجاد و آزمون نقشه­های رابطه­ای استفاده کند که به توسعه مدل­های نظری و ارزیابی قدرت نسبی روابط بین متغیر­های مدل کمک می­کند.

روش تحلیل علمی داده­های مصاحبه: این روش ایجاد نقشه­های علّی متغیر علمی سنتی از مصاحبه­ها و زمینه مصاحبه بدست می­آید. این روش متداول­ترین روش در تحلیل داده­های کیفی می­باشد. در این روش محقق به واسطه درک خود از زمینه مورد نظر و استفاده از رونوشت کامل مصاحبه، روابط علّی را شناسایی می­کنند. در این روش ممکن است روابطی کشف شود که نرم افزار قادر به  شناسایی آن نباشد. و همچنین نقشه­ای که ارائه می­دهد به واقعیت نزدیک­تر است تا نقشه­ای که از نرم افزار حاصل می­شود. عیب این روش تمایل به تمرکز بر شواهد تایید کننده می­باشد همچنین به دلیل پیچیدگی شناختی مسئله، ریسک ناقص بودن تحلیل­ها وجود دارد.

روش انگاره نگاری دو جانبه با مشارکت نخبگان: این روش به طور فعالانه خبرگان را در فعالیت انگاره نگاری درگیر می­­سازد. در این روش از خبرگان خواسته می­شود تا نقشه روابط علّی بین آیتم­ها یا ساخت­های مجزای استخراج شده از مصاحبه­های قبلی­شان را ترسیم کنند. مزیت ویژه این روش ایجاد نقشه­های علّی در مراحل اولیه بررسی فرآیند­های پیچیده می­باشد.

چالش عمده در انگاره نگاری شناختی فازی متکی بر خبره این است که قدرت روابط به دقت تخمین زده شود. یک اقدام رایج برای تسهیل تخمین مقدار وزن ها این است که ابتدا هر رابطه را بر حسب متغیرهای زبانی توصیف کنیم و سپس این عبارات را به ارزش های عددی تبدیل کنیم. استفاده از متغیرهای زبانی برای توصیف درجه علیّت در روابط، به خبرگان این امکان را می دهد که از کار سخت تعیین مقادیر دقیق عددی قبل از ایجاد مدل اولیه در امان باشند. علاوه بر این فرایندهای تحلیلی نظیر فرایند تحلیل سلسله مراتبی(ساعتی[5]، 1980) می تواند در یافتن مقادیر عددی مورد استفاده در آخرین گام فرایند تخمین وزن موثر واقع شود.

روش های محاسباتی برای انگاره نگاری شناختی فازی از داده موجود و نوعی الگوریتم یادگیری برای ایجاد یا پشتیبانی از ایجاد مدل متناظر، استفاده می کنند. به دلیل آنکه این روش ها از داده­های موجود برای یادگیری مدل استفاده می کنند، در دسته مدل سازی استقرایی قرار می گیرند.

[1] Stach etal.,2005

[2] Stach etal., 2010

[3] Khan and Quaddus,2004

[4] Abernethy et al., 2005

[5] Saaty,1980