Введение (Introduction). Сегодняшняя социальная ситуация, включая политические и экономические аспекты остается крайне нестабильной, что делает актуальным развитие технологий и методик ее оценки и прогностической аналитики. Соответственно, актуальной задачей является совершенствование методологии, методов и средств моделирования, в т.ч. прогнозирование социальной нестабильности/стабильности (Малков и др.), создаваемой, чаще всего, неэффективной работой команд в самых разных сферах деятельности, приводящей к катастрофическим последствиям. Для анализа стабильности социальных систем разрабатываются различного вида индексы (чаще всего в виде мультипликативных сверток со свободным членом/константой – интегрального индекса):

Y = β₀ + ∩I_i^αi (1)

Для квантификации индексов используются как статистические данные, так и результаты экспертных оценок. Анализ существующей литературы по этому вопросу показывает, что (Садовничий и др., 2012):

1. В большинстве работ используются качественные экспертные методы (Delphi, МАИ/МАС и др.);
2. Для существующих методов, основанных на использовании (1), характерна низкая достоверность прогноза;
3. Отсутствуют логико-математические модели, прогнозирующие нестабильность с приемлемой точностью для среднесрочных и долгосрочных периодов.

Методологияиметоды (Methodology and methods). Методологической базой данного исследования является синтез теорий коммуникативного действия Ю. Хабермаса и теории коммуникации Н. Лумана по нелинейному критерию «эффективность (внешняя содержательность, консенсус)-оптимальность(внутренняя функциональность, операциональная замкнутость)», технологический уровень составляет понимающая социология (герменевтика Гадамера, М. Вебер, Дж. Г. Мид, З. Боуман и др., инструментальный уровень – специальные коммуникативные техники в интерпретации теории аутопоэза У. Матураны, Ф. Варелы и Н. Лумана, в работе использовался системный и синергетический подходы, а также методы статистического моделирования и искусственного интеллекта.

Как показывает практика и специальные социально-психологические исследования, коммуникативная среда работы обычных, не обученных по специальным методикам команд (речь идет о так называемых К-командах (Басс, 1999), основанных на взаимодействиях – транзакциях, в отличие от ТФ-команд, работающих в рамках нелинейных принципов управления (Шевырев, 2007) с дополнительной ролью «Джокера», функционирующих в едином креативном поле (ЕКП) (Михеев и др., 2013: 64-67; Михеев и др.: 191-195). Результаты работы К-команд в неравновесных средах крайне неэффективны из-за рассогласованности ценностей, мнений, интересов и позиций, а, главное, отсутствия ЕКП, что ведет к неэффективным решениям и поведению отдельных участников и команд в целом. Опираясь на новые тенденции работы с персоналом, талантами, развитием лидеров, операциональной деятельностью и управленческими изменениями, можно уже сегодня развивать инструменты и методы эффективной образовательной деятельности. Это прежде всего HR-платформы, основанные на применении инноваций, программного обучения и развития карьеры с использованием сетей и когнитивных технологий, стратегий развития опыта сотрудников, где в центре – сам сотрудник. ТФ-команды представляют собой организационно-коммуникативную среду для совместной инновационной деятельности, путем создания единого креативного поля команды, общего для всех членов команды. Все существующие в настоящее время теории лидерства (Новое лидерство, Теория лидерства 1976 года, Атрибутивная теория харизмы (Юкл, 1989; Аволио, 1999; Яммарино, 1995), Вызов лидерством, Духовное лидерство, Трансформирующее лидерство (ТФ-лидерство, Дж. Бернс, Б. Басс и др.), К-лидерство (лидерство, основанное на взаимодействии), Модели профессионального лидерства/профессионализма (Гейер, 1998; Лестер, 1994; Джаафари, 2002; Робинсон, 2000; Хаус и Шамир, 1993; Хенди, 1994; С. Кови, 1992; Дентон, 1996 и др.) носят ярко выраженный индивидуалистический характер, хотя в основе разработки ТФ-лидерства лежала критика иерархии потребности А. Маслоу – выход за пределы личных интересов – «Должна существовать стадия за пределами самореализации, стадия идеализации, стремление к идеи или цели, которые больше, чем личность. Именно эта дополнительная стадия искупает эгоцентричный тон теории А. Маслоу» (Басс, 1999). Командное ТФ-лидерство предназначено для эффективной работы в условиях кризиса, на «кромке хаоса» (прежде всего для создания единого креативного поля (ЕКП) команды, обеспечивающего инновационность решений), переход от К-лидерства, основанного на взаимодействиях/транзакциях (Басс, 1999), заключается в отказе от поверхностных контактов (информирование) и конфронтационных диалогов в пользу эмпатических – вовлечение и мотивация, полное использование человеческих ресурсов. Используя технологии системной аналитики, прежде всего системно-креативного мышления в рамках новых форм проектного управления, таких как SCRUM и SMC-фреймворк, а также новых форматов командного обучения – семинаров-проектов, соединяющих в одном проекте как учебные, так и практические задачи, участники командных проектов в состоянии получать и развивать необходимые профессиональные и метакомпетенции. Это обуславливает важность использования системы различных моделей: процессных, динамических и логических, совместно с технологиями искусственного интеллекта («мягкие» вычисления, правдоподобные рассуждения, многослойные искусственные нейросети и т.д.). Такой подход представляется наиболее перспективным, позволяющим учесть положительные стороны каждого из типов моделей, одновременно снижая риски из-за присущих им недостатков.

Авторами предлагается использование единой системы иерархических/сетевых моделей, реализующей принципы системной аналитики и описывающей все функции управления командной работой, позволяющей реализовывать синергетический эффект (cм. рисунок 1):

1) разработка стратегий организации (корпоративной, бизнес и функциональных). Ответ на вопросы –где (виды социально-экономической деятельности, прорывные отрасли, сегменты и ниши) ищем содержательные командные проекты? Чему учим-общая/концептуальная направленность программ обучения (профессиональные, общие и метакомпетенции и/или их комбинация) и кого учим-менеджеры (какого уровня?), инженеры, технологи и т.д. Бизнес-стратегии появляются в случае нескольких направлений деятельности, функциональные стратегии, например, маркетинговая, определяют оптимальное положение организации на рынке – «эксплерент», «патиент», «коммутант» или «виолент». На этом уровне используются технологии системной аналитики-инфрастратегическая, прогностическая и стратегическая аналитики в средах с различной неравновесностью на базе стратегирования (стратегического адаптивного планирования в среде с единым креативным полем-переход от чисто целевого к атрибутивному проектированию-свойства системы и среды важнее, чем четкая постановка системы целей: будут необходимые свойства-атрибуты, значит будут условия для достижения поставленных целей. Таким ключевым свойством является наличие единого креативного поля команды проекта, или команды обеспечивающей какой-либо процесс) с использованием экспертных «мягких вычислений» − МАИ/МАС Т. Саати и методов метасценирования (Шевырев и др., 2016: 205-306). Альтернативами в иерархиях являются виды социальной/экономической деятельности, рыночные сегменты и ниши, а также состав слушателей и направление/общее содержание программ обучения.

2) разработка программ обучения для формирования и развития профессиональных, общих и метакомпетенций (операциональные/ технологические стратегии в случае HR-организации) – ответы на вопросы – чему и как (в каких формах) учим: конкретное содержание и длительность программ обучения, форма и форматы обучения, технико-технологическое и методическое обеспечение, преподавательский состав, эксперты, аналитики и т.д. На этом уровне также используются технологии экспертных «мягких вычислений» в режиме стратегирования в реальном времени, так как возможны корректировки программ по ходу обучения c учетом промежуточных результатов тестирования. Альтернативами в иерархиях являются конкретные компетенции и другие параметры программ.

3) разработка конкретных содержательных проектов на базе программ обучения командами -ответ на вопрос-зачем учим: результатом реализации на этом уровне является нетривиальное содержание конкретных командных проектов и сами команды (ТФ-команды), обладающие специфическими компетенциями (Шевырев и др., 2016: 146-182). Здесь используется вся «палитра» технологий и методов системной аналитики и системно-креативного мышления, в т.ч. экспертные технологии МАИ/МАС (Манович, 2017; Саати, 2008), предварительно и по ходу обучения и проектирования в виде обратной связи проводится психофизиологическое и компетентостное тестирование участников команд (Шевырев и др., 2016: 146-204). Альтернативами в МАИ/МАС-иерархиях являются варианты управленческих проектов, оценка конкретных компетенций отдельных участников и команд в целом, а также других параметров проектов и программ обучения.

4) системное управление командной работой при разработке содержательных проектов (модерация, фасилитация и т.п.), ответ на вопрос как (содержательно) учим. Прежде всего это управление параметрами единого креативного поля (ЕКП) команды проекта: интенсивность, связность, согласованность, сбалансированность, «вязкость» и сложность дискурса в коммуникациях. Здесь также используется вся «палитра» технологий и методов системной аналитики, нейролингвистического программирования(НЛП) и системно-креативного мышления-согласование стилей мышления, управление переходными состояниями ( «мечтатель», «критик» и «реалист»), управление креативным циклом команды на макро и микроуровнях с учетом командных ролей участников и паттернами метапрограмм, а также технологии искусственного интеллекта, например, для разведочного нейросетевого или эвристического поиска эффективных паттернов индивидуального и командного поведения при разработке содержательных проектов в режиме реального времени на основе BIG LIVE DATA, предварительно и по ходу обучения проводится психофизиологическое и компетентостное тестирование слушателей (Шевырев и др., 2016: 146-204).

5) управление образовательно-карьерной/ профессиональной траекторией команд («биржи» команд) и их участников, ответы на вопросы где, когда, куда и как развивается ТФ-команда и ее участники: образовательный и человеческий капитал на рынке труда, маркеры переходности (transiton markers), переходы от одной позиции к другой, разветвления, повороты, перемена этапов, изменение статуса и т.д., а также моменты бифуркаций в определенных жизненных точках (парадигмы биографического подхода и жизненного пути). Альтернативами в МАИ/ МАС-иерархиях на этом уровне являются варианты образовательно-карьерных траекторий и их экспертные оценки, включающие в себя политики акторов/ стейкхолдеров по реализации таких траекторий.

Практическими целями данной статьи являются:

• Разработка и проверка системы моделей для оценки состояния и прогностической аналитики параметров единого креативного поля (ЕКП) команд (использовались два типа моделей – нелинейные регрессии и ДСМ-метод правдоподобных рассуждений В.К. Финна с запретом на контрпримеры);
• Выделение основных параметров (уровней организации мышления) ЕКП, наиболее важных при работе/ «движении» в когнитивной «блокаде» проблемной ситуации и реализации полученной продуктивной идеи/принципа.

При экспериментальном моделировании были использованы следующие параметры:

• Уровни коммуникации (личной/командный, рефлексивный, предметный и операциональный) (Зарецкий, 2011: 52);
• Критерии организации мышления (согласованность, связность и сложность дискурса при обсуждении проблемной ситуации).

Социально-психологические исследования проводились на примере аналитической работы 3-х команд студентов (по 3-4 человека) 3-4 курсов МАИ, решающих две, достаточно сложные задачи/загадки («Женщина на мосту» №1 − «Побег через мост с двумя золотыми шарами» и №2 – «Переход из Германии в Швейцарию через пропускной пункт»). Формат работы команд предполагал ограничение по времени (15 минут). Результат оценивался следующим образом: решение задачи за 15 минут приносило команде 1 бал, решение менее чем за 15 минут оценивалось по формуле, отсутствие решения-0 баллов:

Результат = 1 бал / фактическое время

решения задачи                    (2)

Все параметры оценивались экспертами – модераторами (преподавателями московских вузов) по пятибалльной системе. Расчеты были проведены с использованием модуля «Регрессия» (приложение Excel 2016). При оценке значимости уровней коммуникации было получено следующее уравнение:

Y1 = - 0.27 + X3^0.1 + X5^0.76             (3),

при SS = 0,05627.

где, Х3 – значение параметра «операциональный уровень» − командные рассуждения о способах решения задачи, а Х5 – «согласованность» целей и действий команды в процессе обсуждения проблемной ситуации на этапе когнитивной блокады. Диаграмма сходимости фактических и расчетных значений (в логарифмической шкале) приведена на рисунке 2: синий
цвет – фактические значения, красный – расчетные значения.

Научные результаты и дискуссия (Research results and discussion).

Результаты (3) подтверждают известное положение о том, что совместная деятельность, в конечном счете, оказывается более значимой для инновационного мышления, нежели собственно инструменты с помощью которых осуществляется эта деятельность. Знание распределяется между отдельными индивидами и не существует в некоей интегральной форме.

Следующее регрессионное уравнение,
связанное с критериями организации процесса мышления в команде, выглядит следующим образом:

Y2 = -1.8 + X2^2,41 + X3^1,45                (4)

где Х2 – параметр «сбалансированности» обсуждения – сравнительные затраты времени на предметный, операциональный и рефлексивный уровни обсуждения, Х3 – связность/логичность дискурса в процессе обсуждения/поиска решения. Диаграмма сходимости этого уравнения приведена на рисунке 3.

Статистическое моделирование, в нашем случае модели многофакторной нелинейной регрессии, играют важную роль для стратегической оценки параметров ЕКП конкретной команды и выделение из них наиболее значимых. Однако, вследствие классических требований, предъявляемых к соотношению объемов результативных (отклик) и параметрических данных (Алимов, 1980), статистическое моделирование практически мало пригодно для анализа «широких» данных с большим количеством переменных и относительно малом количестве наблюдений (Манович, 2017), которые соответствуют современным понятиям Big Data и Big Live Data.

Одной из наиболее интересных и актуальных задач работы с проектными командами, на взгляд авторов, являются задачи, связанные с прогностической аналитикой, например, оценка возможной результативности новой/молодой команды/ группы людей при реализации сложного проекта на основе анализа результатов экспресс-диагностики такой команды на микропроекте (срок реализации микропроекта от 2-х до 5-ти дней), сформированном по специальной методике с использованием организационно-деятельностной игры (ОДИ) и сравнении их с параметрами успешных и неуспешных команд при реализации реальных сложных проектов. Поскольку речь идет об экспресс-диагностике новой команды, результаты носят вероятностный характер. Эту задачу предлагается решать с использованием DSM-метода правдоподобных рассуждений (Аншаков, 2009), основанного на последовательном синтезе познавательных процедур индукции, аналогии и абдукции. Основной алгоритм ДСМ-метода приведен на рисунке 4.