Bilimlar. Bilimlarning tiplari, xususiyatlari, tushunish darajalari va ularni olish usullari
![miyasida to’g’ri aks ettirilganligidir. Bilimlar hayotiy, ilmiylikka asoslanmagan,
badiiy, ilmiy (nazariy va empirik)» bo’lishi mumkin[1].
SI sohasidagi tadqiqotlarning asosi bilimlar bilan bog’liq yondashuvdan iborat.
SIning bazaviy paradigmalari asosan bilimlar hisoblanadi. Bilim tushunchasi boshqa
ko’plab fundamental ilmiy tushunchalar (algoritm, intellekt, faoliyat va h.k) kabi
intuitiv shaklda aniqlanadiganlar tipiga kiradi.
Ba’zi PrS haqidagi bilimlar ushbu PrSdagi obyektlar haqidagi ma’lumotlar
majmuasidan, ushbu sohadagi obyektlarning muhim xossalaridan va ularni
bog’lovchi munosabatlardan, jarayonlar hamda unda vujudga keladigan vaziyatlardan
hamda ushbu vaziyatlar bilan bog’liq muammolarni tahlil qilishdan iborat [1].
Bilim tushunchasi ma’lumot yoki axborot tushunchasidan qanday farq qiladi?
Bilim –bu tashqi olamdan tirik mavjudod (subyekt) yordamida idrok etilgan
axborotlar. Bilimning ma’lumotdan farqli tomoni uning subyektivligidadir [2]. Bilim
subyektning hayotiy tajribalariga, uning tashqi olam bilan o’zaro aloqalar tarixiga,
ya’ni uning o’rganish va o’zini-o’zi o’rganish jarayonlariga asoslanadi.
SI bo’yicha yaratilgan adabiyotlarga asoslangan holda bilimning
ma’lumotlardan farqli tomonlarini quyidagicha ko’rsatish mumkin [2-4] :
• bilimlar ko’proq strukturalashgan bo’ladi;
• bilimlarda ma’lumotlarga o’xshab bilimlarning alohida elementlari emas,
balki ular orasidagi o’aro bog’liqlik muhim ahamiyatga ega ;
• bilimlar ma’lumotlarga nisbatan o’zini-o’zi izohlovchi bo’ladi, ya’ni
bilimlarda ulardan qanday foydalanish haqidagi axborotlar mavjud bo’ladi ;
• bilimlar ma’lumotlarga nisbatan faolroq bo’ladi, ya’ni bilimlar ulardan
foydalanayotgan tizim harakatiga ta’sir etishi mumkin.
Shuni ta’kidlash joizki, bilimlar bilan ma’lumotlar orasida qat’iy chegara
yo’q, chunki oxirgi 20 yillar mobaynida ma’lumotlar bazalarini boshqaruvchi
tizilarni yaratuvchilar ma’lumotlarni va bilimlarni bir-biriga o’xshash qilib
qo’ydilar. Misol sifatida ma’lumotlar bazalarini loyihalashda semantik to’tlarni
qo’llash, obyektga yo’naltirilgan ma’lumotlar bazalarining paydo bo’lishi,
saqlanuvchi protseduralar va h.k.larni keltirish mumkin. Shunday qilib,
bilimlarning ma’lumotlardan yuqorida keltirilgan farqli tominlari informatika
vositalarining rivojlanishi bilan bir-biriga yaqinlashib bormoqda.
EHMda ishlatiladigan axborot protsedurali va deklarativga ajratiladi [2-4].
Protsedurali axborot masalani yechish jarayonida bajariladigan dasturlarda
moddiylashtirilgan, deklarativ axborot - bu dasturlar ishlatadigan ma’lumotlarda
moddiylashtirilgan bo’ladi. EHMda axborotlarni tasvirlashning standart shakli
mashina so’zi hisoblanadi. Mashina so’zi mazkur EHM turi uchun aniqlangan ikkilik
razryadlar - bitlardan tashkil topgan. Ammo bir qator hollarda mashina so’zi baytlar
deb nomlangan 8ta ikkilik razryadlar bo’yicha guruhlarga ajratilmoqda.
Hozirda mavjud ko’pgina EHMlarda axborotni mashina so’zining ixtiyoriy
razryadlar to’plamidan bir bitgacha olish mumkin. Ko’pgina EHMlarda ikki yoki
undan ortiq mashina so’zlarini katta uzunlikdagi bitta so’zga birlashtirish mumkin.
EHM strukturasining rivojlanishi bilan parallel ravishda ma’lumotlarni
tasvirlash uchun axborot strukturalarning rivojlanishi sodir bo’ldi. Ma’lumotlarni
76](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_2.png?v=1)
![vektor va matritsa ko’rinishida tavsiflash usullari paydo bo’ldi, ro’yxat va iyerarxik
strukturalar vujudga keldi. Hozirda yuqori darajali dasturlash tillarida abstrakt
ma’lumotlar turlari qo’llanilmoqda. Ularning strukturasi dasturchi tomonidan
beriladi. Ma’lumotlar bazasi(MB)ning paydo bo’lishi deklarativ axborotlar bilan
ishlash bo’yicha yana bir ilgari qadam bo’ldi. MBda bir vaqtning o’zida katta
hajmdagi ma’lumotlar saqlanishi mumkin, MBni boshqarish tizimlarini tashkil
etuvchi maxsus vositalar esa ma’lumotlarni samarali manipulyasiya qilishga, kerak
bo’lganda bazadan ma’lumotlarni olish va ularni kerakli tartibda bazaga yozishga
imkon beradi.
IT sohasidagi tadqiqotlarning rivojlanishi bilan protsedurali va deklarativ
axborotlarning ko’pgina xusuiyatlarini o’zida birlashtirgan bilimlar konsepsiyasi
vujudga keldi.
EHMda bilimlar ma’lumotlar kabi belgili ko’rinishda – formulalar, matnlar,
fayllar, axborot massivlar va sh.k. ko’rinishida tasvirlanadi. Shuning uchun
bilimlarni maxsus shaklda tashkil etilgan ma’lumotlar deyish mumkin. Lekin bu juda
tor tushuncha bo’lardi. Shu bilan birga sun’iy intellekt (SI) tizimlarida bilimlarni
shakllantirish va qayta ishlash tadqiqotlarning asosiy obyekti hisoblanadi. Bilimlar
bazasi MB bilan bir qatorda SI dasturiy kompleksining muhim tarkibiy qismi
hisoblanadi. SI algoritmlarini ifodalaydigan mashinalar bilimlarga asoslangan
mashinalar deyiladi, SI nazariyasining ekspert tizimlarni qurish bilan bog’liq bo’lgan
bo’limi bilimlar injineriyasi deyiladi.
2. Bilimlarning tiplari va bilimlarni sinflash
S.I.Ojegov «Rus tili slovarida» [5] bilimni - «haqiqiylikni ong bilan anglash
(fahmlash, tushunish, payqash) va «qandaydir sohada ma’lumotlar, bilishlar majmui»
kabi izohlaydi. Ushbi ishda PrSdagi bilimlarning quyidagi turlari keltirilgan:
deklarativli, pragmatikli, protsedurali, evristikli, exspertli.
Yuqorida keltirilgan bilimlarning izohlarini hisobga olib, ularni ikkita:
obyektiv va subyektiv (inson bilimlari) bilimlarga ajratish mumkin [1].
Obyektiv bilimlar aniq obyekt yoki obyektlar sinfini (narsalar, jarayonlar,
hodisalar va h.k . ) tavsiflash bilan bo’g’liq. Metabilimlar esa tabiyat, jamiyat va
fikrlashning umumiy tushunchalari, prinsiplari va qonuniyatlarni tvsiflaydi.
Subyektiv bilimlar inson, insonlar guruhi yoki sun’iy bilimlar manbalaridan
(kitob, o’quv kursi, gazeta, ilmiy jurnal,videofilm va boshqalar) olinadi. Inson
yordamida olingan subyektiv bilimlarni izohlashda ushbu insonning dunyoqarashi,
qobilyati, xulq-atvori, hayotiy tajribasi, professional faoliyat sohasi va h.k. kabi
xususiyatlari e’tiborga olinishi lozim.
SI sohasidagi mutahasislar bilimlar tiplarini tahlil qilishda e’tiborni ko’proq
bilimlarning formal-mantiqiy tomonlariga qaratadilar. Bunda EHM xotirasida
saqlangan bilimlarga maxsus algoritmlarni qo’llab, huddi mantiqiy hulosalash kabi
natijalarni olish mumkin.
Psixologlar nuqtai–nazaridan [1] idrok etish, xotira, fikrlash kabi psihik
timsollar bilimlarni ifodalaydi. Psixik timsollar sifatida predmetlar va tashqi
77](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_3.png?v=1)
![Psixologikli:
1)psixik timsollar; 2) fahmlovch modellar.
Axborotli-texnologiyali:
EHM xotirasida saqlanuvchi va intellectual daturlar bilan
ishlashda foydalaniladigan strukturalashtirilgan axborotlar Formalli-mantiqiy:
maxsus protseduralar yordamida muammoli soha haqida xulosalar
chiqarishda yangi bilimlarni olish uchun qo’llaniladigan
formallashgan axborotlar Intellektualli:
1) muammoli sohadagi obyektlar haqidagi faktlarni, ushbu
obyektlarning hossalari va ular orasidagi bog’lanish
munosabatlarini saqlovchi ma’lumotlar; 2) muammoli sohada
kechayotgan jarayonlar tavsivlari; 3) muammoli soha doirasida bir
xil tipli masalalarni echish uslublari haqidagi axborotlar.
4.1-rasm.Bilimlarni izohlash Bilimlarni izohlasholamdagi hodisalar, insonnig turli hatti-xarakatlari timsollari va h.k. lar qaraladi.
Ko’p hollarda bilimlar sifatida - predmetlar, hodisalar, ularning hossalari va ular
orasidagi munosabatlarni ifodalovchi fahmlovchi dinamik modellar qaraladi.
Psixologik jihatdan bilimlar sezuvchu, tasvirli va belgili modellar shaklida mavjud
bo’ladi.
Bilimlarni yuqorida keltirilgan izohlashlar nuqtai-nazaridan to’rtda guruhga
birlashtirish mumkin [1] (4.1-rasm).
Bunda :
- psixologikli- bilimlarni psixologlar izohlaydi;
- intellektualli – bilimlarni SI sohasidagi mutaxassislar izohlaydi;
- formalli-mantiqli- bilimlarni mantiqchilar izohlaydi;
- axborotli-texnologokli - bilimlarni pragmatic-daturchilar va axborot
tizimlarni yaratuvchilar izohlaydi.
Bilimlarni manbalardan olish xarakterlariga , foydalanish hamda ishonchlilik
darajalari va maqsadga bog’liqligiga qarab sinflash 4.2-rasmda keltirilgan [1].
Bilimlarni olishning manbalariga qarab ular aprior va hosil qilinadigan
bilimlarga bo’linadi [1]. Aprior bilimlar MBni o’z ichiga olgan intellektual
tizim(IT)lar o’z faoliyatini boshlaguncha undagi MBda aniqlanadi va to’planadi.
Aprior bilimlardan farqli ravishda, hosil qilinuvchi bilimlar MBdan foydalanish
jarayonida shakllantiriladi.
78](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_4.png?v=1)
![Bilimlar
Manbalardan bog’liqligi
bo’yicha
Apriorli
Hosil qilinuvchi Exspertli
Kuzatiladigan
Xulosalaydigan
Qandaydir muammoli soha
masalalarini echishda
foydalanish darajasiga
bog’liqligi bo'yicha
Ishonchlilik darajasiga
bog’liqligi bo’yicha
Maqsadga (churliligi)
bog’liqligi bo’yicha Deklarativli (faktlar)
Protsedurali
Metabilimlar
Muayyan ichonchlilikga ega
bo’lgan bilimlar
Noravshan ichonchlilik
darajasiga ega bo’lgan bilimlar
Nusxa oluvchi bilimlar
Tanishtiruvchi bilimlar
Qobilyatni rivojlantiruvchi
bilimlar
Malakani oshiruvchi bilimlar
4.2-rasm. Bilimlarni sinflash. Ushbu bilimlarning manbalari sifatida exspertlar, tashqi sun’iy kuzatuvchi
qurilmalar (turli xildagi datchiklar, timsollarni angllash mexanizmlari va h.k) hamda
intellectual tizim doirasida bilimlarni hosil qilish va xulosalash qoidalari hamda
protseduralari bo’lishi mumkin.
Bilimlardan foydalanish aspektlariga qarab ularni deklarativli (faktlar,
ma’lumotlarning tavsifiy tipi), protsedurali (qandaydir muammoli sohada bir xil
tipdagi masalalarni echish uslyblari haqidagi axborotlar) va metabilimlarga (bilimlar
haqidagi bilimlar) ajratish mumkin [1].
Deklarativ bilimlar obyektlarni va ular orasidagi munosabatlarni tavsivlash
uchun qo’llanildi.
Protsedurali bilimlar – o’zini’oz’i izohlovchi bilimlardan iborat bo’lib,
protseduralarni tavsivlashda qo’llaniladi. Bu protseduralarda PrSning hamda uning
MBdagi modellari o’zgarishi bilan bog’liq harakatlari dasturlashtirilgan bo’lishi
mumkin. Bunda bilimlar bazasining ba’zi qismlarini qayta ishlovchi maxsus
protseduralar nabori joriy holatni ifodalaydi.
79](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_5.png?v=1)
![Metabilimlar ko’p hollarda bilimlar haqidagi bilimlar shaklida aniqlanadi va
bilimlardan foydalanish prinsiplari haqidagi umumiy ma’lumotlardan iborat bo’ladi.
Metabilimlar tipiga protsedurali bilimlarni tanlash va qo’llashni boshqarish
strategiyalari ham kiradi.
Bundan tashqari ba’zi adabiyotlarda bilimlarni quyidagi tiplarga ajratishadi [2-
4]:
• interfeysli – atrof-muhit bilan aloqa qiluvchi bilimlar;
• muammoli- PrS haqidagi bilimlar;
• protsedurali - masalarni echish usullari haqidagi bilimlar;
• strukturali – operatsion tizimlar haqidagi bilimlar;
• metabilimlar – bilimlarning hossalari haqidagi bilimlar.
Maqsadga yo’naltirilganlik nuqtai-nazaridan bilimlarni extensionalli (aniq,
tashqi) va intensionalli (abstraktli, maqsadli) tiplarga ajratish mumkin [2-4].
Extensionalli bilimlar haqiqiy olamdagi obyektlar haqidagi faktlarni
ifodalaydi. Ushbu bilimlarga misollar sifatida relyatsion bazalarni keltirish
mumkin :
1) "Axmedov avtomobilga ega ";
2) "Erdan quyoshgacha bo’lgan masofa 150 mlrd. km";
3) "To’rtburchak-bu geometrik figura ".
Intensionalli bilimlar faktlarni bir-biri bilan bog’lovchi qoidalar yoki
haqiqiy olam qonuniyatlarini ifodalaydi. Ushbu bilimlarga misollar sifatida
mahsuliy bazalarni keltirish mumkin :
1) "Inson shaxsiy mulkga ega bo’lishi mumkin, masalan, avtomobil ";
2) "Planetada hayot bo’lishi uchun, u erdan 100-300 mlrd.km masofada
bo’lishi kerak ";
3) "Agar geometrik figuraning to’rtda burchagi bo’lsa, u holda bu to’rtburchak
".
3. Bilimlarning xususiyatlari
Bilimlar quyidagi xususiyatlarga ega [2-4]:
1. Ichki izohlanuvchanlik . Har bir axborot birlik yagona nomga ega bo`lishi
lozim. IT bu nomga ko`ra axborotni topadi, hamda bu nom zikr etilgan so`rovlarga
javob beradi. Xotirada saqlanuvchi ma’lumotlar nomlardan forig` qilinganda edi,
ularni tizim tomonidan identifikatsiya qilish imkoniyati bo`lmas edi. Ma’lumotlarni
faqatgina dasturni yozgan dasturchi ko`rsatmasiga ko`ra xotiradan oladigan dastur
identifikatsiya qila olardi.
Agar masalan EHM xotirasida 4.1-jadvalda ko`rsatilgan muassasa xodimlari
haqida ma’lumotlarni yozishi kerak bo`lganda, u holda ichki izohlarsiz EHM
xotirasiga bu jadval satrlariga mos keluvchi to`rtta mashina so`zidan iborat majmua
yozilgan bo`lardi. Bu holda bu mashina so`zlarida ikkilik razryadlarning qanday
guruhlarida xodimlar haqidagi ma’lumotlar kodlanganligi haqidagi axborot mavjud
emas. Ular faqatgina 2.1-jadvaldagi ma’lumotlardan yuzaga kelgan muammoni
yechish uchun foydalanadigan dasturchiga ma’lum.
80](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_6.png?v=1)
![uchlar individual nomlar bilan ta ’ minlangan . Semantik to ` rning yoylari axborot
birliklar orasidagi turli xil bog ` lanishlarga mos keladi . Bunda ierarxik bog ` lanishlar
strukturalashtirish munosabati orqali , ierarxik bo ` lmagan bog ` lanishlar boshqa
turdagi munosabatlar orqali aniqlanadi .
4. Semantik metrika . Ba ’ zi hollarda axborot birliklar to ` plamida axborot
birliklarning holatiy yaqinligini xarakterlovchi munosabatini , ya ’ ni axborot birliklar
orasidagi assotsiativ bog ` lanish kuchini berish foydali . Uni axborot birliklar uchun
relevantlik munosabati deyish mumkin . Bunday munosabat axborot bazada qandaydir
namunaviy vaziyatni ajratish imkonini beradi ( masalan , « harid », « chorrahada
harakatni boshqarish »). Relevantlik munosabatlari axborot birliklar bilan ishlaganda
topilgan bilimlarga yaqin bilimlarni topishga imkon beradi .
5. Faollik . EHMlarning paydo bo ` lishi va ularda ishlatiladigan axborot
birliklarning ma ’ lumotlarga va buyruqlarga ajratilishidan boshlab ma ’ lumotlar
passiv , buyruqlar esa faol vaziyat da yuzaga keldi . EHMda sodir bo ` ladigan barcha
jarayonlar buyruqlar yordamida amal ga oshiriladi , ma ’ lumotlar esa bu buyruqlar
tomonidan kerak bo ` lganda foydalaniladi . ITlar uchun bu vaziyat yaroqli emas .
Insondagi kabi ITlarda u yoki bu harakatni faollashtirishga tizimda mavjud bilimlar
yordam beradi . Bazada faktlar yoki voqealar tavsiflarining paydo bo ` lishi ,
bog ` lanishlarni o ` rnatish tizim faolligining manbai bo ` lishi mumkin [11-15] .
Axborot birliklarning sanab o ` tilgan beshta xususiyatlari shunday qirralarini
aniqlaydiki , qaysikim ma ’ lumotlar bilimlarga va MB esa BBga aylanadi . Bilimlar
bilan ishlashni ta ’ minlaydigan vositalar majmuasi BB ni boshqarish tizimlarini hosil
qiladi . Hozirgi paytda ichki izohlanishlar , strukturalashtirish , bog ` liqliklar to ` liq ifoda
qilingan BB mavjud emas , semantik o ` lchov kiritilgan va bilimlarning faolligi
ta ’ minlangan .
4. Bilimlarni tushunish darajalari
Mavjud ITlarda beshta asosiy tushunish darajalarini va ikkita metatushunish
darajalarini ajratish mumkin [2-4].
Birinchi daraja matndan kiritilgan savollarga javobni tizim to’g’ridan-to’g’ri
ma’nosiga asoslanib shakllantirish sxemasi bilan xarakterlanadi. Masalan, tizimga
«Nonushtadan keyin, soat sakkizda, Zarrux maktabga ketdi. Soat ikkida u uyga
qaytdi. Tushlikdan keyin u sayr qilishga ketdi» matni kiritilgan bo’lsa, u holda
birinchi tushunish darajasida tizim «Zarrux qachon maktabga ketdi?», «Tushdan
keyin Zarrux nima qildi?» kabi savollarga javob bera olishi kerak. Lingvistik
protsessorda matn va unga taaluqli savollarning morfologik, sintaktik va semantik
tahlillari amalga oshiriladi. Lingvistik protsessorning chiqishida matn va savollarning
chiqarish bloki ishlay oladigan ichki ifodalari hosil bo’ladi. Maxsus protseduralardan
foydalanib bu blok javobni hosil qiladi. Boshqacha aytganda, birinchi darajali
tushunishda ITdan ma’lumotlarni ifodalash va bu ma’lumotlarga xulosa
chiqarishning ma’lum vositalarini talab qiladi.
Ikkinchi daraja: Ikkinchi darajada matndagi ma’lumotlarga asoslangan
mantiqiy xulosa qilish vositalari qo’shiladi. Bular matnda yaqqol mavjud bo’lmagan
82](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_8.png?v=1)
![qandaydir ta’sir o’tkazishiga qaratilgan harakati: «xushomad qilish», «ajablantirish»,
«ko’ndirish» va x.k. Nutqiy aktni nutqiy harakatlarning ongli minimal birligi sifatida
aniqlash mumkin. Har bir nutqiy akt lokutiv, illokutiv va perlokutiv aktlardan tashkil
topgan.
Birinchi metadaraja: Bu darajada bilimlar bazasi tarkibida o’zgarishlar sodir
bo’ladi. U tizimga ma’lum va tizimga kiritilgan matnlarda mavjud bo’lgan faktlar
bilan to’ldiriladi. Turli ITlar bir biridan bilimlardan faktlarni hosil qilish
qoidalarining xarakteri bilan farq qiladi. Masalan farmokologik ekspertiza uchun
mo’ljallangan tizimlarda bu qoidalar induktiv xulosa qilish va tasvirlarni tanish
usullariga tayanadi. Qoidalar ehtimollar prinsipiga, xulosalarga va x.k. asoslangan
bo’lishi mumkin. Barcha hollarda bilimlar bazasi aprior to’liqmas bo’lib ko’rinadi va
bunday ITlarda savollarga javob qidirishda qiyinchiliklar yuzaga keladi. Xususan,
bilimlar bazasida nomonoton xulosa kerak bo’lib qoladi.
Ikkinchi metadaraja: Bu darajada metaforik bilimlarning paydo bo’lishi sodir
bo’ladi. Bu maqsadlar uchun foydalaniladigan metaforik darajadagi bilimlarni hosil
qilash qoidalari analoglar va assotsiatsiyalar bo’yicha xulosa qilishga tayanadigan
maxsus protseduralarni o’zida ifodalaydi. Hozirgi vaqtda ma’lum bo’lgan uzluksiz
xulosalash sxemasi sifatida Leybnis diagrammasidan foydalanadi. Bu diagramma
uzluksiz fikrlashning faqat xususiy hollarini aks ettiradi. Assotsiativ fikrlash
sxemalari bundan ham sayoz.
Tushunish darajalari va metadarajalari IT arxitekturasi nuqtai nazaridan qaralsa
ketma-ket yangi bloklarni qo’shish va ular amalga oshiradigan protseduralarning
murakkablashuvini kuzatish mumkin. Birinchi darajada faqat matnning o’ziga
tegishli bo’lgan bilimlar bazasi bilan lingvistik protsessor yetarli bo’ladi. Ikkinchi
darajada bu protsessorda mantiqiy xulosalash protsedurasi paydo bo’ladi. Uchinchi
darajada bilimlar bazasi kerak bo’ladi. Dastlabki ma’lumot kanalidan mustaqil holda
ishlaydigan yangi ma’lumot kanalining paydo bo’lishi to’rtinchi daraja bilan
xarakterlanadi. Rivojlanishning beshinchi darajasida bilimlar va ma’lumotlarni
xulosalashning turli xil usullari olinadi. Bu darajada individual va guruxli xatti
xarakatlar modeli muhim bo’ladi.
5. Bilimlarni olish usullari va aspektlari
Ekspertdan bilimlarni olish . Bilimlarni manbalardan aniqlash va ularni kerakli
shaklga o`zgartirish, shuningdek, texnik vosita(TV)larning BBga kiritish bilimlarni
hosil qilish deb nomlanadi. Bilimlarning manbalari kitoblar, arxiv hujjatlari, boshqa
bilimlar bazalari va boshqalar, ya’ni egallovchiga tushunarli bo`lgan shaklga
keltirilgan ba’zi obyektlashtirilgan bilimlar bo`lishi mumkin. Bilimlarning boshqa
turi ekspert bilimlar hisoblanadi. Ular mutaxassislarda mavjud bo`lib, ular
mutaxassisga nisbatan tashqi saqlovchilarda qayd qilinmagan bo`ladi. Ekspert
bilimlar sub’ektiv hisoblanadi. Sub’ektiv bilimlarning yana bir ko`rinishi empirik
bilimlar hisoblanadi. Bunday bilimlar tashqi muhitni kuzatish yo`li bilan TV lar
yordamida hosil qilinadi [ 1-4, 13-16]
Obyektlashtirilgan bilimlarni BBga kiritish muammo tug`dirmaydi, sub’ektiv
bilimlarni, ayniqsa ekspert bilimlarni aniqlash va kiritish anchagina murakkab.
84](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_10.png?v=1)
![Ekspertlardan olinadigan sub’ektiv bilimlarni egallash uslubiyotini ishlab chiqish
uchun bilimlarni qayta namoyish etishning ikki xil shaklini aniq farqlay olish lozim.
Birinchi shakl bu bilimlar inson – ekspertda qanday va qaysi modellarda saqlanishi
bilan bog`liq. Bunda ekspert undagi bilimlar qanday qayta namoyish etilganini har
doim ham to`liq tushunmaydi. Ikkinchi shakl ET ni loyihalaydigan bilimlar injeneri
bilimlarni qanday tavsiflashi va namoyish etishi bilan bog`liq. Bilimlar injeneri
ishining samaradorligi ushbu ikki qayta namoyish etish shakllarining o`zaro moslik
darajasiga bog`liq [ 1-4, 13-16 ] .
4.3-rasm. Bilimlar bazasining tuzilmasi.
Kongnitiv psi x ologiya da inson uchun xarakterli bo`lgan (kongnitiv bilimlar
strukturasi) bilimlarni qayta namoyish etish (reprezentatsiya) shakllari o`rganiladi.
Quyidagilar misol bo`la oladi [17]: tushunchalar sinfini ularning elementlari orqali
tasvirlash (masalan, “qush” tushunchasi chayka, qarg`a, chu m chuq kabi qatorida
qayta namoyish etiladi ), sinf obyektlarining tipik xususiyatlarini aks ettiradigan
bazaviy prototip yordamida sinf tushunchasinini tasvirlash (masalan, “qush”
tushunchasi qanot, tumshuq, uch ish va shu kabi qandaydir prototip lar bilan qayta
namoyish etiladi ), belgilar yordamida tasvirlash (“qush” tushunchasi uchun, masalan,
qanotlar, tumshug`, patlarining borligi).
Tushunchalardan tashqari ular orasidagi munosabatlar ham qayta namoyish
etiladi. Qoidaga ko`ra, tushunchalar orasidagi munosabatlar protsedurali usul bilan,
tushunchalarni tashkil etuvchilari orasidagi munosabatlar esa deklorativ usul bilan
aniqlanadi. Ikki xil ko`rinishdagi tavsiflarning mavjudligi bilimlarni tasvirlash
modellarida bir vaqtda ikki komponent masalan, kongnitiv modelda tasvirlangandek,
semantik tarmoq va mahsuliy tizimning bo`lishini talab etadi [18].
Bilimlarni hosil qilishda predmet sohani tavsiflashda ishlatiladigan hamda
tarkibida asosiy tushunchalar mavjud bo`lgan bilimlar maydoni va tushunchalar
o`rtasida aloqani o`rnatish uchun ishlatiladigan barcha munosabatlarning
xususiyatlari muhim rol o`ynaydi. Bilimlar maydoni predmet sohasining kontseptual
modeli bilan bog`liq. Bu modelda BBda ularni tasvirlashda yuzaga keladigan
cheklanish hisobga olinmagan. Biror sohani bilimlar maydonida tasvirlashdan BBda
tasvirlashga o`tish MBning kontseptual modelidan uning mantiqiy sxemasiga
o`tishga o`xshash bo`ladi.
85Qoidalar bazasi (ma’lumotlar
modeli)
Predikatli ma’lumotlar
bazasi
(faktlar, bilimlar) Mantiqiy
blok
(yechuvc
hi) Kiruvchi
so`rovlar
Kiruvchi
faktlar,
Javob,
natija](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_11.png?v=1)
![Bilimlarni olish usullari . Bilimlar injenerining ekspert ( mutaxassis ) dan
bilimlarni olishi uch rejimda amalga oshiriladi: protokolli tahlil, intervyu va
professional faoliyatning o`yinli immitatsiyasi [ 1-4,13-16 ]. Protokolli tahlil da
olingan bilimlar belgilab qo`yishdan iborat. Intervyu rejimida bilimlar injeneri
ekspert bilan uni kerakli tomonga yo`naltirib, faol muloqotni olib boradi. O`yinli
immitatsiya da ekspert uning professional faoliyati kyechadigan holatga o`xshash
holatga tushib qoladi. Uning harakatlarini turli holatlarda kuzatib bilimlar injeneri
keyinchalik intervyu rejimida ekspert tomonidan chuqurlashtiriladigan ekspert
bilimlar haqidagi o`z qarashlarini shakllantiradi. O`yinli imitatsiyaning prinsiplari
turli ish o`yinlarida, maxsus trenajerlarda o`z o`rnini topdi.
Eslatib o`tilgan har bir bilimlarni olish usullari o`zining xato va
kamchiliklariga ega. Shunday qilib, protokollar tahlilida bilimlar injeneriga predmet
sohasiga doir lug`atga kiritish lozim bo`lgan tushunchalarni ajratish oson bo`lmaydi.
Bundan tashqari, ekspert tahlili to`xtab qolib va xulosaning tushirib qoldirilgan
qadamlari asosida davom ettirilishi vaqtida protokollarda bo`shliqlar uchrab qoladi.
Shunga o`xshash bo`shliqlarni faqat intervyu rejimida to`ldirish mumkin. Shunday
qilib, ekspertdan bilimlarni olishning 3 ta yondashuvidan intervyu bosqichi
muhimdir.
Intervyu olishning 20 tadan ortiq strategiyalari mavjud.
Ulardan 3 tasi eng ko`p tarqalgan: pog`onalarga bo`lish ,
repertuar panjara va moslikni tasdiqlash .
Pog`onalarga bo`lish da ekspertga uning fikricha predmet
sohasining muhim tushunchalarini aytish va ular orasidagi
strukturalashtirish munosabatlarini ko`rsatish, ya’ni «element -
sinf», «butun-qism» va boshqa turdagi munosabatlarni
ko`rsatish taklif etiladi. Bu tushunchalar so`rovning keyingi qadamlarida asos
ma’lumotlardek ishlatiladi. Strategiya tushunchalarda bir - biri bilan uzviy
bog`langan guruh - taksonlar(klasterlar)ni ajratish, predmet sohasi tushunchalari
ierarxiyalarini yaratishga qaratilgan.
Repertuar panjara strategiyasi bir tushunchani boshqasidan ajratishga imkon
yaratuvchi tushunchalarning xarakteristik xususiyatlarini aniqlashga yo`naltirilgan
( 4 .2-jadval ). Uchlikka har ikki tushuncha uchun ularni uchinchisidan ajratadigan
belgilarni atashni taklif etish orqali ekspertga tushunchalar uchligini taqdim qilishdan
iborat. Har bir tushuncha biror uchlikka tegishli bo`ladi, bunday prtsedura asosida
tushunchalar hajmini chuqurlashtirish sodir bo`ladi va tushunchalarning
«simptokompleks» lari shakllantiriladi. Bular yordamida tushunchalar BBda
identifikatsiyalanishi mumkin.
Moslikni tasdiqlash strategiyasi ekspertga predmet sohasidagi har bir
tushunchalar juftligini biror moslik(tolerantlik) munosabatiga tegishliligini
o`rnatishni taklif qilishdan iborat. Buning uchun ekspertga yetarlicha oddiy savollar
ketma – ketligi beriladi va bu savollarni berishdan maqsad moslik tushunchalarini
aniqlashdir.
4 .2-jadval. Repertuar panjara ga misol.
Men Ona Ota Zo`r Boshliq yoki o`qituvchi, O`xshashlik Farqi
86](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_12.png?v=1)
![do`st kimning boshchiligida
sizga ishlash qulay
Oliy
ma’lumotsi
z Oliy
ma’lumotli
Hayoti
zavqli Ruxi
tushgan
(pessimist)
Sabrli Toqatsiz
Bilimlar injeneri bilan ekspert mutaxassisning o`zaro munosabati jarayoni 3
bosqichni o`z ichiga oladi [ 1-4, 13-16 ].
1) Tayyorlovchi bosqich . Muloqot samarali o`tish uchun ikkala ishtirokchi ham
o`yin yoki muloqotga chuqur tayyorlanishlari lozim. Ekspert faqatgina kompetentli
mutaxassis bo`lib qolmasdan, balki asosiy maqsadga erishish – TV larni qurishda
manfaatdor(ma’naviy yoki moddiy) shaxs bo`lishi maqsadga muvofiq. U bilimlar
injeneriga xayrixoh bo`lishi va o`z bilimlarini tushuntira olishi lozim (eng yaxshi
holat ekpertning o`qituvchilik mahorati bo`lsa).
Bilimlar injeneri ga quyidagilar kerak:
- «ahmoqona» savollarni bermasligi uchun predmet sohasi bo`yicha maxsus
adabiyotlar bilan tanishish (shunchaki «ahmoqona» savollar juda ham kerak bo`ladi),
shuningdek, «kutish paketlari» sonini oshirish [ 19 ]; eshitishni bilish va to`g`ri
savollar berish;
- «imtihon oluvchi emas, o`quvchi» roliga moslashish;
- kongnitiv psixologiya modellarini, shuningdek, ekspert bilimlaridan aniq
strukturalarni ajratib olish uchun bilimlarni tasvirlash modellarini tushunish.
Har qanday hamkorlik faoliyatida tadqiqotchilarning shaxs, xulq - atvor, ilmiy
fikrlash uslubi kabi psixologik xususiyatlari katta ahamiyatga ega. Ilmiy
xodimlarning turli sinflari mavjud. Misol sifatida quyidagilarni keltirish mumkin:
- tashabbuskor(initsiator) - istiqbolli muammolarga tezda javob beradi, ya’ni,
birinchilardan bo`lib masalani noaniqlik elementlari bilan yechish lozimligini sezadi;
- tashxischi(diagnost) - masala yechimining kuchli va kuchsiz tomonlarini
baholay olish qobiliyatlariga ega;
- erudit yaxshi xotiraga ega, ikir - chikirlarga juda e’tiborililigi va tartiblilikka
erishishi bilan ajralib turadi;
- hunarmand - boshqalarning yomon rasmiylashtirgan g`oyalarini amalga
oshirish imkoniga ega;
- didli (estet) – ajoyib natijalarga olib keluvchi muammolarni tadqiq qilishga
intiladi, sinchkovlik talab qiladigan mehnatga moyil emas;
- uslubiyotchi - izlanishlarning uslubiy tomonlari bilan qiziqadi;
- mustaqil fikrlovchi - muammoni mustaqil hal qilishga intiladi;
- fanatik - o`zining ilmiy muammosiga fidokorona qiziqadi va atrofdagilardan
ham shuni talab qiladi.
Ilmiy xodimning qaysi tipga tegishliligi bilvosita usullar (shaxsiylik testlari,
intellekt testlari, kongnitiv usullar, loyihali usullar) yordamida aniqlanadi.
87](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_13.png?v=1)
![Ekspert tili esa quyidagi tashkil etuvchilardan iborat:
1) Predmet sohasiga talluqli atamalar;
2) Umumiy atamalar va hayotiy til;
3) Ekspert ish jarayonidagi neologizm – yangi kasbiy terminlar.
3) Gnoseologik bosqich . Bu bosqichda predmet sohaga xos qonuniyatlarni,
ishonchlilik shartlari va tasdiqlarning rostligini aniqlash, munosabatlarni kiritish
hisobiga tizimlashtirish amalga oshiriladi. Bu bosqich bilimlar injeneri va ekspert
o`zaro munosabatini aniqlovchi hisoblanadi. O`yin yoki muloqotni tahlil qilish
jarayonida ekspert bilimlari o`zlashtiriladi va odatda uning o`zi uchun yangi bilimlar
hosil bo`ladi. Uning xotirasida tashqi olamning qayta namoyishi bilimlar maydoni
shaklida moddiy timsolga ega bo`ladi.
Bilimlarni olish jarayonida chuqur strukturalar va yanada abstrakt
tushunchalarga birin – ketin o`tgan holda ekpertdan avval yuzaki bilimlar (masalan,
q ayta namoyish etiluvchi belgilar)ni olish maqsadga muvofiq. Bilimlar maydonini
shakllantirishda empirik bilimlarning xususiyatlari: modellilik, qarama-qarshilik va
boshqalar hisobga olinadi.
Bilimlar injeneri har doim qismdan umumiylikni ko`ra olishi lozim, ya’ni «1
fakt – umumlashtirilgan fakt – empirik qonun – nazariy qonun» zanjirni qurishi
lozim. Zanjirning markaziy a’zosi - empirikani shaklllashtirish. Bunda odatda
shaklllashtirish bosqichida «ojiz» tushunarsiz bog`lanishlarni olish emas, balki
predmet soha tushunchalari o`rtasidagi aloqalarning ichki strukturasini tushunish
asosiy bo`lib qoladi. Bilimlar injeneri san’ati muammoli sohaning aniq va tushunarli
modelini qurishga intilishdan iborat.
Shuni ham hisobga olish kerakki, muammoli sohadagi ekspertlar har doim ham
mantiqiy mulohazalarga suyanishmaydi. Ularning muammoli soha va u uchun
xarakterli bo`lgan masalalarni yechish usullari haqidagi tasavvurlaridan assotsiativ
mulohazalar va haqiqatga o`xshashlik mulohazalari keng qo`llaniladi.
Bilimlarni olish aspektlari . Lingvistik aspekt . Intellektual axborot
texnologiyalarini yaratishda asosiy masalalardan biri – ekspert bilimlarini kompyuter
xotirasida adekvat ifodalashdan iborat. Bu informatikada yangi yo`nalish bo`lib, u
inson bilimi va uni EHM xotirasida tasvirlashdan iborat, ya’ni bilimlar muhandisligi
yo`nalishini yaratishga olib keladi. Bilimlar muhandisi bilimlarni yig`ish, ularni tahlil
etish va ITlar uchun ularni formallashtirish masalalari bilan shug`ullanadi. Bunda
bilimlar olishning lingvistik jihatlari e’tiborga olinadi [1-4, 13-16].
Gnoseologik aspekt . Gnoseologiya – falsafada bilish nazariyasi va inson
ongida mavjudlik nazariyasi bilan bog`liq bo`lim. Bilimlar muhandisligi fan sifatida
ikkilangan gnoseologiya sifatida ifodalash mumkin [ 1-4, 13-16 ].
4 . 5 -rasm. Gnoseologik aspekt modeli, bu rasmda D – mavjudlik,
M
1 – mavjudlikning ekspert modeli, M
2 – mavjudlikning bilimlar muhandisi modeli.
Mavjudlik (D) avval ekspert (M
1 ) ongida shakllanadi, keyin ekspertning
faoliyati va tajribasi bilimlar muhandisi (M
2 ) yordamida ETning BBni tashkil etuvchi
89D
M
1 M
2 PzI
1 I
2 I
3](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_15.png?v=1)
![bilim (Rz)ga izohlanadi. Mavjudlikni bilish jarayoni inson ongida borliqni anglashga
yo`naltirilgan.
Bilimni olish jarayonida bilimlar muhandisini ETni qurish uchun kerak
bo`ladigan ekspertning ayni sohaga oid individual bilimlari bilan bog`liq
komponentalari qiziqtiradi. Bu sohaga tegishli bilimlar asosan empirik kuzatishlar
jarayonida to`plangan bilimlardan iborat bo`lganligi uchun u empirik bilimlar deb
ataladi. Empirik bilimlarni umumlashtirish masalasi murakkab masala hisoblanadi.
Bilish muammosi doimo yangi tushunchalar va nazariyalar yaratish bilan bog`liq.
Ko`pincha bilimlar muhandisi bilan suhbat davomida “yo`l-yo`lakay” ekspert yangi
bilimlarni yaratayotgandek tuyuladi. Bilimlar muhandisi quyidagi metodologik zanjir
yordamida ekspert bilimlarni talqin etadi( 4 . 6 -rasm).
4 . 6 -rasm. Metodologik zanjir.
Bilim strukturasi ikki qismdan iborat:
1) E mpirik (kuzatish, hodisa);
2) N azariy (qonuniyatlar, abstraktsiya, umumlashma) .
Psixologik aspekt . Bilim olishning psixologik jihatlari bilimlar muhandisi va
bilim manbasi – ekspert orasidagi o`zaro munosabatning samarali va muvaffaqqiyatli
bo`lishida asosiy omil hisoblanadi. Sababi bilim to`planishi bevosita ET
yaratuvchilari orasidagi muloqoti natijasi hisoblanadi [ 1-4, 13-16 ].
Shu narsa ma’lumki, ekspert bilan og`zaki muloqot jarayonida axborotning
yo`qolishi quyidagicha:
Axborotni o`ylashda 100 %
So`z shaklida ifodalashda 90 %
Aytib berishda 80 %
Eshitishda 70 %
Tushunishda 60 %
Bilimlar muhandisi xotirasida qolishi 24 %
Bilimlarni olishning psixologik jihatlari strukturasi aloqa qatlami, harakat
qatlami va o`rganish qatlamidan iborat. Bilimlarni egallashda muloqot
ishtirokchilari(sheriklar), muloqot vositalari (protseduralar) va muloqot mavzusi
(bilimlar)dan foydalaniladi.
Aniqlanishicha, inson 7±2 ta so`zdan iborat jumlalarni yaxshi qabul qiladi. Bu
son (7±2) Ingve-Miller soni deb ataladi. Uni nutqning “suhbatlilik” o`lchami deb ham
atashadi. Natijalarni bayonnomalashtirishni uchta uslubda tashkil qilish mumkin:
1) Suhbat jarayonida bilimni qog`ozga yozib borish (kamchiligi – suhbatda
halal beradi, stenograf ko`nikmalarga ega bo`lsa ham barchasini yozib qolish qiyin
hisoblanadi);
2) Magnitofon(diktofon)ga yozib olish bilimlar muhandisiga butun suhbatni va
o`zining harakatlarini qayta tahlil qilishga yordam beradi (kamchiligi – ekspertni
cheklab qo`yishi mumkin);
90Fakt Umumlashgan
fakt Empirik
qonuniyat Nazariy
qonuniyat](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_16.png?v=1)
![3) Suhbatdan so`ng xotirada qolganlarni eslab chiqish(kuchli xotiraga ega
analitiklarga mos keladi).
Misol. Bilimlar maydonini shakllantirish bo`yicha ekspert bilan ishlash usuliga
misol keltiramiz.
Tayyorlovchi bosqich [ 1-4, 13-16 ] :
1. Loyihalanayotgan tizimning masalalarini, kirish va chiqishda nima
bo`lishini, ish rejimi, maslahat olish, o`rgatish va boshqalarni aniqlash.
2. Ekspertlarni tanlash: ekspertlar sonini aniqlash; kompetentlik darajasini
tanlash (har doim ham birdaniga eng yuqori darajani tanlash yaxshi emas);
ekspertlarni ishga qiziqtirish imkoniyatlari va usullarini aniqlash; ekspertlarni
sinovdan o`tkazish;
3. Bilimlar injenerini predmet sohasidagi maxsus adabiyotlar bilan
tanishtirish.
4. Bilimlar injeneri va ekspertlar tanishuvi (bundan keyin soddalik uchun
ekspert bitta deb hisoblaymiz). Ekspertni SI bo`yicha mashhur adabiyotlar bilan
tanishtirish.
5. Bilimlar injenerining adabiyotlardagi aprior bilimlardan bilimlar
maydonining birinchi yaqinlashishini qurishga harakati(bilimlar maydonining
prototipi).
Asosiy bosqich :
1. Bilimlar maydonining «Tayyorgarligi»:
a) predmet sohasiga bog`liq holda intervyu olish usulini tanlash;
b) fikrlarni ovoz chiqarib protokollashtirish yoki ekspert mulohazalarini
magnitofonda yozish (bilimlar injeneri iloji boricha hozircha mulohazalarga
aralashmasligi lozim).
2. «Uy ishi». Bilimlar injenerining ekspert mulohazalaridan ba’zi bir sababiy –
natijaviy aloqalarni ajratishga harakati; predmet sohasining lug`atini tuzish va
ekspertga savollarni tayyorlash;
3. Bilimlar maydonini «biroz tayyorlash». Bilimlar maydoni prototipi va uy
ishi, shuningdek, bilimlar injenerining savolga javobini ekspert bilan muhokama
qilish.
4. Kontseptual modelni shaklllashtirish.
5. Ikkinchi yaqinlashishning bilimlar maydonini qurish.
Ekspertlardan bilimlar olish tizimlari . MORE tashxis tizimi [ 20 ] misolida
intervyu olish texnikasi tavsiflanganidek, mohiyatlar, farazlar, simptomlar, shartlar,
aloqalar va yo`llarni tushuntirishga yo`naltirilgan:
farazlar – identifikatsiyasi o`zining tashxis natijasiga ega hodisa ;
simptomlar – farazning mavjudligi natijasi hisoblangan hodisadir, uni kuzatish
keyingi farazlarni qabul qilishni yaqinlashtiradi ;
shartlar – qandaydir faraz uchun to`g`ridan to`g`ri simptomatik
hisoblanmaydigan, ammo qandaydir boshqa hodisalar uchun tashxis qiymatlarga ega
bo`la oladigan hodisalar yoki hodisalar to`plami ;
aloqalar – mohiyatlar birlashmasidir(shu jumladan boshqa aloqalarning) ;
yo`llar – farazlarni simptomlar bilan ulovchi aloqalarning ajratilgan turi.
91](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_17.png?v=1)
![Shunga mos holda quyidagi intervyu strategiyalari ishlatiladi: farazlar
differentsiatsiyasi, simptomlarni farqlash, simptomli shartlashish, yo`llarni bo`lish va
boshqalar.
Farazlarni differentsiallash farazlarni aniqroq farqlash(ajratish) imkonini
beradigan simptomlarni izlashga yo`naltirilgan. Bu ma’noda, eng kuchli simptomlar
tashxis qilinadigan hodisalarning biridan kelib chiqadigan simptomlar hisoblanadi.
Simptomlarni ajratish uning maxsus xarakteristikalarini aniqlaydi. Bu
xarakteristikalar bir tomondan, uni biror bir farazning natijasi sifatida
identifikatsiyalaydi, boshqa tomondan, boshqalariga qarama-qarshi qo`yadi.
Simptomli shartlanganlik salbiy simptomlarni, ya’ni ularning bo`lmasligi
mavjudligidan ko`ra katta og`irlikka ega bo`lgan simptomlarni aniqlashga
yo`naltirilgan. Yo`llarni bo`lish topilgan simptomlar yo`lida yotgan simptomli
hodisalarni topishni ta’minlaydi. Agar bunday simptom mavjud bo`lsa, u holda u
topilgan simptomga ko`ra katta tashxis qiymatga ega.
Ekspert intervyu olishning o`xshash strategiyalari IDIS [ 66 ] texnik tashxis
tizimni yaratishda qo`llanilgan.
KRIION [1-4, 21] tizimida bilimlarni egallash uchun 2 ta manba ishlatiladi:
Ekspert, uning amaliyotida hosil qilingan bilimlari bilan(bu bilimlar, qoida bo`yicha,
to`liqsiz, bog`lanmagan, yomon strukturalashtirilgan), kitobiy bilimlar, hujjatlar,
qo`llanmalar tavsifi (bu bilimlar yaxshi strukturalashtirilgan va an’anaviy vositalar
yordamida qayd qilingan). Birinchi manbadan bilimlarni olish uchun KRIIONda
repertuar panjara va darajalarga bo`lish strategiyalarini qo`llovchi intervyu texnikasi
qo`llanilgan. Bunda strategiyalarga o`tish usuli qo`llaniladi: agar semantik
bog`langan tushunchalar uchligini ko`rsatishda ekspert ularning ikkitasini
uchinchisidan ajratadigan belgini aniqlash holatida bo`lmasa, tizim darajalarga
bo`lish strategiyasini ishga tushiradi va ularni ajratuvchi belgilarni aniqlash
maqsadida bu tushunchalarning taksonomik strukturasini aniqlashga kirishadi.
KRIION da ekspertning protsedurali bilimlarini aniqlash uchun protokolli tahlil
usuli qo`llanilgan. U 5 qadamda amalga oshiriladi. Birinchi qadamda ekspert yozuv
jarayonida qiladigan to`xtashlar asosida protokollar segmentlarga bo`linadi. Ikkinchi
qadam – segmentlarning semantik tahlili, har bir segment uchun mulohazalarni
shakllantirish. Uchinchi qadamda matndan operator va argumentlar ajratiladi. Keyin
BBda mulohazalardagi o`zgaruvchilarni topish uchun namuna bo`yicha izlashga
kirishiladi. Oxirgi qadamda tasdiqlar ularning protokolda hosil bo`lishi bo`yicha
tartiblanadi. KRIION da matnni tahlil qilish kitoblardan, hujjatlardan, tavsiflardan,
q o` o`llanmalardan yaxshi strukturalashtirilgan bilimlarni olish uchun ishlatiladi.
Predmet sohasi modelini aniqlashda [22] birinchi faza – bilimlar injeneri
tomonidan predmet sohasining qo`pol modeli, ya’ni predmetlar va ularning ma’lum
argumentlari turlari hamda sohaning ushbu predikatlar bilan ifoda etiladigan faktlar
tizimiga ma’lumot berish yo`li bilan shakllantiriladi. Tizim predikatlarning
xususiyatlarini aks ettiradi va ularni strukturalashtiradi, o`zaro munosabatni o`rnatadi.
Ikkinchi fazoda insonning fikrlash xususiyatlarini aks ettiruvchi metabilimlar
(umumiy strukturadagi) yordamida faktlarning predikatlarga mosligini tekshirish,
92](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_18.png?v=1)
![faktlardan qoidalarning induktiv xulosasini chiqarish, boshqa qoidalardan qoidalar
chiqarish amalga oshiriladi.
Bilimlarni hosil qilish tizimini ifoda qilishning asosiy bosqichlarini keltiramiz.
1. Qiziqtiradigan muammolarni yechish jarayoni sodir bo`ladigan faol sohani
aniqlash va ularni avtonom sohalarga ajratish uchun intervyu .
2. Predmet sohasining deklorativ modelini aniqlash va shakllantirish uchun
avtomatlashtirilgan intervyu.
3. Modelni protsedurali bilimlar bilan to`ldirish uchun oldingi bosqichda
aniqlangan predmet soha munosabatlari va tushunchalarining protokolli tahlili( 2 va 3
bosqichlarni model kerakli to`liqlikka erishgunga qadar davom ettirish mumkin).
4. Modelning deklorativ bilimlar bilan to`ldirilishi uchun protokollli tahlil.
Modelning to`liqligini tekshirish. Odatda protokolli tahlil modeldagi bo`shliqlarni
aniqlaydi.
6 . Ma’lumotlar bazasidan bilimlarni ajratib olish usullari
Ekspertlar o`z faoliyatlari davomida juda katta hajmdagi ma’lumotlarni
to`playdilar. Lekin ularning yagona istagi – bu to`plangan ma’lumotlar bazasidan
o`zlari uchun kerakli bo`lgan ma’lumotlarni tez va aniq qidirib topish hisoblanadi.
Qisqacha aytganda ma’lumotlar ombori xotira yoki murakkab yozuvlar daftari
vazifasini bajaradi. Foydalanuvchilarning ma’lumotlar bazasiga kirishi aniq qo`yilgan
savollarga javob olish uchun saqlanayotgan ma’lumotlarning unchalik katta
bo`lmagan qismini olishni ta’minlaydi. Ulkan axborot oqimiga, to`plangan
axborotning ulkan zaxiralariga ega bo`lganimizda qandaydir jarayonlarni
boshqarishni optimallashtirish, tashkilot faoliyatini yaxshilash murakkab obyektlarga,
masalan, tibbiy tashkilotlar, biologik sitemalar yoki inson organizmiga taaluqli
xossalari va amal qilish qonunlarini aniq bilish maqsadida ma’lumotlarda mavjud
bilimni chiqarish uchun bu ma’lumotdan maksimal maqsadga muvofiq foydalanish
masalasi paydo bo`ladi.
Eski sinalgan usul bilan, ya’ni ma’lumotlarni tahlil qilishning an’anaviy
vositalaridan foydalanib, bu ma’lumotlarni tahlil qilishlari uchun analitiklar,
statistiklarning ulkan guruhlarini yollash ham mumkin edi. Lekin, ma’lumki, hozirda
bu masala ma’lumotlar hajmining ko`payib borganligi sababli faqat inson kuchi bilan
hal qilib bo`lmaydi. Inson intellektidan ekstensiv yo`l bilan foydalanish bu masalani
yechishga imkon bermaydi va uni yechish uchun sifat jihatdan aniq yondashuv talab
etiladi. Ikkinchi tamondan, bunday yechim juda qimmat va iqtisodiy salohiyatsizdir.
Bundan tashqari analitiklar oladigan natijalar har doim ham obyektiv bo`lavermaydi,
chunki odatda kishilar o`rganayotgan obyekt haqida ba’zi muhim tasavvurlar, u yoki
bu mulohazalar bilan oshkor va oshkormas fikr yuritadilar. Bu esa qaralayotgan
natijalar obyektivligiga ta’sir qilmasdan qolmaydi [1-4, 13-16].
Aniq mulohaza uchun qanday davolash afzalroq, klinika resurslarini qanday
eng samarali tashkil etish yoki davolanish xarajatlarini qanday minimallashtirish va
bunda analitik qismni mashinaga yuklash haqida ma’lumotlardan bilib olish
mumkinmi? Tahlil jarayonini avtomatlashtirish va uni yanada obyektivroq bo`lishini
93](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_19.png?v=1)
![xoxlaymiz, ya’ni ma’lumotlarda model, bolanish, qonun va h.lar misolida yangi
trivial bilimlarni avtomatik chiqarib oladigan hamda ularning statistik ahamiyatini
kafolatlaydigan biror texnologiyani olishdan iborat.
Knowledge Discovery in Databases (KDD – ma’lumotlar bazasidan bilimlarni
ajratib olish )–bu berilgan struktura yoki bolanishlarda yashiringan ma’lumotlarni
topish maqsadida ma’lumotlarni avtomatik tahlil qilish vositalarini qo`llash
yordamida inson tamonidan katta hajmdagi ma’lumotlarni tadqiq qilishning analitik
jarayoni. Yashiringan struktura yoki bolanishlar xarakteri haqida tasavvurlar to`liq
yoki qisman yo`q deb faraz qilinadi. KDD dastlabki fikrlash va to`liq bo`lmagan
masala bayoni, ma’lumotlarni avtomatlashtirilgan tahlil uchun mos holatga keltirish
va ularni dastlabki qayta ishlash, ma’lumotlarni avtomatik tadqiq qilish vositalari
(Data mining) yashiringan struktura yoki bolanishlarni topish, topilgan modellarni
ma’lumotlarni modellarini qurish va foydalanilmagan yangi modellarda sinovdan
o`tkazish va topilgan modellarning inson tamonidan tavsiflanishidir.
Data mining (ma’lumotlarni qidirib topish ) – xom ma’lumotlardan
- oldindan ma’lum bo`lmagan;
- trivial bo`lmagan;
- amaliy foydali;
- inson tamonidan tavsiflash uchun kerak bo`lgan yashirincha struktura yoki
bog’lanishlarni ”Mashina” algoritmalari, sun’iy intellekt vositalari yordamida tadqiq
etish va topishdan iborat [ 23, 24 ] .
KDD texnologiyasi muammolarni yechish uchun mo`ljallangan. KDD – bu
sun’iy intellekt, sonli matematik usullar, statistik va evristik yondashuvlarning eng
so`ngi yutuqlarini o`zida mujassamlashtirgan sintetik soha. Bu texnalogiyaning
maqsadi–ma’lumotlar omboridan oddiy usullar bilan topib bo`lmaydigan yashiringan
model va munosabatlarni topishdan iborat. Mashina zimmasiga nafaqat “chalkash”
amallar (Masalan, farazning statistic ahamiyatini tekshirish) balki, avval chalkash deb
qabul qilinmagan amallar (yangi farazni ishlab chiqish) yuklanadi. KDD avval hatto
tadqiqotchi xayoliga kelmagan, ularni qo`llash ham, alohida mijozni davolash ham,
butun tibbiy muassasa faoliyati samaradorligini oshirishga imkon beruvchi
ma’lumotlar orasidan o`zaro munosabatlarni ko`rishga imkon beradi.
Modelni qurish tadqiq etilayotgan hodisa xarakteristikalari orasidagi miqdoriy
bolanishni o`rnatishga imkon beradi. Model xarita kabi reallikning abstrakt ifodasidir.
Xarita airaportdan uyga yo`lni ko`rsatish mumkin, lekin u to`siq tufayli sodir bo`lgan
to`qnashuvni yoki hozirgi paytda amalga oshirilayotgan ta’mirlash ishlarini va
aylanish talab etilishini ko`rsata olmaydi. Model mavjud real munosabatlarga mos
kelmagancha muvaffaqqiyatli natijalarga erishib bo`lmaydi. Ikki xil modellar
mavjud: bashoratli va tavsiflovchi. Birinchisi boshqa ma’lumotlar majmuasi uchun
oshkora natijalarni bashoratlaydigan modelni qurish uchun ma’lum natijaga ega biror
ma’lumotlar majmuasidan foydalanadi. Ikkinchisi esa mavjud ma’lumotlardagi
bolanishlarni tavsiflaydi. Bu modellar boshqaruv qarorlarini qabul qilish uchun
foydalaniladi.
Albatta tajribali shifokor o`z mijozalari davolash uchun ko`pgina modellardan
xabardor, uzoq muddat davomida kuzatilayotgan kasalliklar va turlicha
94](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_20.png?v=1)
![ko`rsatkichlarning bolanishlari haqida ma’lumotlarga ega. KDD texnologiyalari
nafaqat emperik tadqiqotlarni tasdiqlashi, balki bu texnalogiya yordamida oldin
ma’lum bo`lmagan yangi modellarni qurish mumkin. Ajratilgan model absalyut
bilimga davogarlik qilolmasa ham, analitikka muqobil statistik modelning o`zining
ustunligi bilan ham bir qadar afzallik beradi. Hatto haqiqatdan topilgan o`zaro aloqa
sababiy bo`lish yoki bo`lmasligi to`risida o`ylashga turtki bo`lishi, bu esa hodisani
guruhlashtirishga va uni yaxshi tushunishga imkon beradi. Lekin modellar
jamlanmasi, agar ularni ko`rsatkichlari bo`yicha turli guruhlarga va har bir muhit
bo`yicha birlashtirsak, tibbiy xizmatni tashkil etishda jiddiy afzallik beradi. Bundan
tashqari, hammavaqt nol bo`lmagan ehtimol mavjud, bu esa KDD usullari yordamida
keyingi tahlili yoki ilmiy kashfiyoti, yoki ommoviy tibbiy xizmat ko`rsatishni tashkil
etishni yaxshilashga olib keladigan model tuzushga muvoffiq bo`ladi.
KDD ning real sistemalarga nisbatan eng muhim maqsadi – bu jarayonlar
mohiyatini tushunishni yaxshilash. Murakkab, lekin hali o`rganilmagan sistemalarga
nisbatan optimal yechim tushunchasi ma’lum xususiyatga ega. Barcha masalalar
uchun ham “Ideal” tushunishga erishishga intilish ma’noga ega emas. Masalan,
biznesda optimal yechim deb hamisha vaqt va resurs cheklashlariga mos tanlav
tushuniladi. Hozirda esa odamlar boshqa odamlarga nisbatan biror yaxshi narsa
qilishga intiladilar. Shunday qilib, agar biz kishi tasavvuruga eng yuqori darajada
optimal yechimlarni izlash uchun KDD usullaridan foydalanishni istasak, u holda
imtiyozlarni aniqlashtirish zarur. Ya’ni murakkab sistemalarda “Ideal” optimumga
erishish uchun boshqa sistemalar bilan taqqoslash yo`li bilan aniqlanadigan doimiy
yaxshilash usuliga nisbatan kamroq ahamiyatli bo`lib qolishi mumkin.
KDD – bu faqat tahlik vositalari jamlanmasi, lekin barcha hayotiy vaziyatlar
uchun vosita emas. KDD ma’lumotlarning o`zini ham, qo`llanilgan usullar asoslarini
tadqiqotchi tamonidan bilish va tushunish zarurligini e’tiborga oladi. Bu vositalar
jamlanmasi faqat ma’lumotlardan modellar va munosabatlarni topishda analitiklarga
yordam berishi mumkin. Topilgan model turli ko`rsatkichlarining o`zaro bolanishi
ba’zi ko`rsatkichlarning oddiy statistik korrelyatsiyasi kabi modelning o`z – o`ziga
o`zaro bolanishi haqida dalolat bera olmaydi. Har bir model odamlar tamonidan tahlil
qilinishi kerak va real hayotda tekshirilishi lozim.
KDD jihozlari odatda foydalanuvchidan yashirin va uni foydalanilayotgan
usullarni qo`llashdagi murakkablik va nozikliklarni oshkora bilishdan saqlasada, u
foydalanuvchidan tashuvchi jixozlar va algoritmlar ishlash asoslarini tushunishni
talab etadi.
KDD texnologiya shifokor – tahlilchi yoki menejerlarning o`rnini bosa
olmaydi. Ularga o`zlari boshqaradigan ish sifatini yaxshilash uchun zamonaviy,
qudratli vositani beradi. Albatta, ma’lumotlar omborida yangi bilimni topish
texnologiyasi tadqiqotchi qo`yilgan savollarga javob beradi.
KDD va OLAP [ 23, 24 ] . Ma’lumotlarni qayta ishlash bilan shuullanadigan
odamlarda ko`pincha bitta savol uchrab turadi. Bu Data mining va OLAP (On-Line
Analytical Processing) vositalari, ya’ni operativ analitik qayta ishlash vositalari
orasidagi farq haqidagi savol. OLAP – bu qarorni qabul qilishni qo`llab –
quvvatlash ga yo`nalgan texnologiyalar qismi. Buyurtma va hisobotlarni
95](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_21.png?v=1)
![loyihalashtirishning oddiy vositalari ma’lumotlar bazasining o`zini tavsiflaydi. Bunda
foydalanuvchining o`zi ma’lumotlar yoki ma’lumotlar orasidagi munosabatlar orqali
modelni shakllantiradi va shundan so`ng farazlarni tasdiqlash yoki rad qilish uchun
ma’lumotlar bazasi buyurtmalari seriyasidan foydalaniladi. Data Mining vositalari
OLAP vositalaridan shu bilan farq qiladiki, foydalanuvchi faraz qilayotgan o`zaro
bolanishlarni tekshirish o`rniga ular mavjud ma’lumotlar asosida turli tadqiq
etilayotgan omillarning berilgan xossaga ta’sir darajasini miqdoriy baholashga imkon
beruvchi modellarni ishlab chiqishlari mukin. Bundan tashqari, Data Mining
vositalari noma’lum, lekin ma’lumotlarda real mavjud munosabatlar xarakteri haqida
yangi gipotezalarni ishlab chiqishga imkon beradi.
OLAP vositalaro KDD jarayonining turli bosqichlarida qo`llaniladi, chunki
ular tadqiqotchi e’tiborini eng muhim o`zgaruvchilariga qaratishsa,
o`zgaruvchilarning chiqarib tashlanuvchi yoki qiziqarli qiymatlarini aniqlash asosida
ma’lum ma’lumotlarni tushunishga yordam beradi.
KDD ning qisqacha tarixi [ 23, 24 ] . KDD usullari oxirgi 20-asr oxirlari va 21-
asr boshlarida juda tez rivojlandi. Hozirgi kunda ma’lumotlar bazasini kompyuterda
tahlil qilish masalalari bajarilmoqda. Kompyuter paydo bo`lgunga qadar turli statistik
usullardan foydalanilgan holda amalga oshirilgan. Shuning uchun kompyuter ularni
qo`llanilish imkoniyatlarini osonlashtirdi va kengaytirdi. Hozir foydalanilayotgan
ma’lumotlarni intellektual tahlil qilish usullari ikki yo`nalishdagi evalyutsiya
natijasidir: bir tamondan – bu statistika usullarining chuqurlashtirilgan,
intellektuallashtirish saviyasi xususida, ikkinchi tamondan – natijasi nerv
to`qimalarini eslatuvchi va sun’iy neyron to`rlar deb ataluvchi sun’iy sistemalarni
yaratishga yordam beradigan odam va hayvon nerv to`qimasini modellashtirishga
urinishdir.
Birinchidan, bunday real harakat qiluvchi sistema bit rastrli ketma-ketliklar
ko`rinishida bo`lgan oddiy vizual tasvirlarni taniy olish qobilyatiga ega bo`lgan
perseptronlar 1960-yillarning oxirlarida qurilgan. Bu yo`nalish 1980-yillar oxirida
yana ham yuksak rivojlandi va neyroto`rlar asosida ma’lumotlar bazasini tahlil qilish
kommersiya sistemalari qurildi.
Hozirgi paytda KDD sistemasi usullarini ishlab chiqish va yaratish bilan
shuullanuvchi juda ko`p yirik tadqiqot markazlari mavjud. Bu markazlarning
ko`pchiligi 1990- yillarda (1992-93y.) tashkil etila boshlagan. Tadqiqot guruhlari
sonining o`sishi 1996-2010 yillarda eksponensial ko`rinishga ega. Shuning uchun
tadqiqot markazlari yaqin kelajakda turlicha shakllarda universitetlarda, inistitutlarda
va ilmiy markazlarda juda ham ko`payadi.
Bu muammo bilan intensiv shuullanadigan yirik kompaniyalar sifatida IBM va
Microsoft kompaniyalarini ko`rsatish mumkin. IBM to`liq o`zining yirik tadqiqot
markazini Almaden shahridagi dasturiy ta’minot texnologiyalari sohasini KDD
algoritmlarini ishlab chiquvchi va ishlovchi KDD sistemalarini qurishga yo`naltirdi.
Buning natijasida asosan meynffreym va qudratli ishchi stansiyalar uchun
mo`ljallangan maxsus KDD sistemalarining butun bir oilasini ishlab chiqdi. Masalan,
Advanced Scout deb ataluvchu maxsuslashgan sistemalardan biri jamoalarda
o`yinchilar turli kombinatsiyalari samaradorligini tahlil qilish uchun va o`yin
96](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_22.png?v=1)
![strategiyasini boshqarish uchun AQSh ning Milliy basketbol assotsatsiyasida
qo`llanilmoqda. Bu maxsuslashtirilgan sistema million dollordan ortiq turadi va
MBA ning bir nechta jamoalari foydalanmoqda.
Micrisoft firmasi bevosita Redmond shahridagi shtab – kvartirasi binosida
joylashgan firmasida KDD markazini tashkil etdi va bu muammo bilan universitet va
ilmiy akademiya markazlarida shuullangan mashxur mutaxassislarni taklif etdi. Bu
markazni avval NASA reaktiv harakat laboratoriyasida ishlagan va 1996 yilda fanni
rivojlantirish bo`yicha eng faxrli amerika mukofotlaridan birini olgan professor
Usama Fayadd boshqarmoqda.
Microsift misolida ko`rish mumkinki, eng yirik kompyuter kompaniyasi ham
bu yangi texnologiyaga katta ahamiyat bermoqda va ma’lumotlarning intellektual
tahlil qilish uchun yangi qudratli mahsulotlar chiqarmoqda. Bundan tashqari, KDD
texnologiyalari rivojlantirish bilan shuullanuvchi uncha katta bo`lmagan juda ko`p
firmalar mavjud. Bu kompaniyalar AQSh da juda ko`p, lekin Yevropa, Angliya,
Fransiyada ham mavjud. Bunday firmalardan biri – eng qadimgi va mashxur IDIS
dasturini ishlab chiqadigan IntelligenceWare kompaniyasi. Yana Acknosoft
(Fransiya), Integral Solutions (Angliya) va boshqa ko`plab firmalarni olish mumkin.
Bu muammolar bilan universitetlarda ham shuullanadilar. Eng qadimgi
tadqiqot guruhlari: AQShda Wichita State University, Germaniyada – GMD guruhi
hisoblanadi. Hozir bu tadqiqotlarni ta’minlovchi yetarlicha rivojlangan axborot
infratuzulmalar mavjud va muntazam halqaro anjumanlar o`tkazilmoqda. KDD
masalalariga bashlangan jurnal nashr etilmoqda. KDD usullarini biologiya va
tibbiyotda qo`llashga katta e’tibor berilmoqda. Base4 Bioinformatics, BioDiscovery,
DNA Star, Molecular Simulations, Anvil Informatics, Bioreason, Cellomics, Incyte
Pharmaceuticals firmalari ham yangi tadqiqot vositalarni yaratish bilan bog`q
rivojlanishlar olib bormoqda.
Keltirilgan ma’lumotlardan ko`rinadiki hozirgi paytda KDD tadqiqotlari rivoji
yuqori darajaga ko`tarilda.
KDD turli bilim sohalarining sintezi sifatida [ 23, 24 ] . Statistik tamondan va
neyron to`rlari tamondan ma’lumotlar bazasini intellektual tahlil qilish sistemalari,
ya’ni KDD sistemalari o`z usullari va maqsadlariga ko`ra ikkita turli sinflarga
ajratishga asos bo`ldi. KDD usullari statistik usullarga nisbatan qanday munosabatda
turadi? Ayrim statistik usullar KDD usullariga qaraganda kichikroq qurollar bo`lib
hisoblanadi. KDD usullari tamonidan tipik masalalarni yechishda standart xossalarida
kombinatsiya tarzida foydalaniladi. Shuning uchun KDD ilmiy vazifasi yuqori
darajada yechish sistemalarini ishlab chiqish hisoblanadi. Buni misol bilan
tushuntirib berish mumkin. Avvaldan qo`llaniluvchi va ommoviy bolanishlarni
chiziqli regressiya kabi topish statistik usullari mavjud. Bu usul ma’lumotlarda bir
o`zgaruvchilarni boshqalari orqali chiziqli ifodalar ko`rinishida, ya’ni faqat erkin
o`zgaruvchilar bo`yicha chiziqli hadlarning faqat chiziqli hadlar orqali bolanishlarini
topishga imkon beradi. Lekin avval regression formula chiquvchi o`zgaruvchilar
ro`yxati tayinlangan bu modelga kiruvchi regression koeffitsentlar standart
algoritmlardan birida joylashgan bu usulning talqinidan foydalanilgan. Shunday qilib,
qandaydir bashorat qilinga formula olingan.
97](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_23.png?v=1)
![KDD - masala turlari va molellarning tuzulishlari [ 23, 24 ] . Turli xil KDD
usullari bilan yechiladigan va turlicha samaradorlikdagi masalalarni ikki turga
ajratish mumkin:
1. Birinchi masalalar sinfi model chiqarishda ma’lumotlar mavjud bo`lmagan
vaziyatga duch kelganda, kelgusidagi qarorni bashorat qilish va qabul qilish uchun
foydalanishi mumkin bo`lgan ma’lumotlardan turli modellarni topish va qurishdan
iborat. Bunda tabiiyki, model imkon boricha aniqroq ishlashi, u statistik ahamiyatli
va oqlanishi lozim.
2. Ikkinchi turdagi masalalarda ma’lumotlarda bolanishlar mohiyatini, turli
omillarning o`zaro ta’sirini, ya’ni turli sistemalarning emperik modellarini qurishga
asosiy etibor qaratiladi, bu yerda asosiy moment – qurilayotgan modellarning inson
qabul qilishi uchun osinligi va ochiqligi hisoblanadi. Bu yerda biz uchun sistema
yaxshi boshoratlashi va kelgusida yaxshi ishlashi muhim emas, lekin mavjud
ma’lumotlar massivida aniqlanadigan omillarning o`zaro ta’sirini tushunish
muhimdir. Topilgan qonuniyatlar konkret tahlil etiladigan ma’lumotlarning o`zaro
xos belgisi bo`ladi va hech joyda boshqa o`rganilmaydi, lekin bizga baribir ularni
bilishimiz zarur.
Bu turli tipdagi masalalar ekanligini ta’kidlaymiz va shuning uchun ular turli
vositalar bilan yechilishi lozim. Masalan, neyron to`rlari birinchi turdagi masalalarni
yaxshi yechadi, lekin bashoratlash masalalarini ikkinchi turdagi masalalarni
yechishga hech qanday yordam bera olmaydi.
Haqaqatan, bunday sistemalarni o`qitish natijasida olingan bilimlar strukturali
tashkil etilgan neyronlar orasidagi bolanishlar vazni ko`rinishida avtomatik qayd
etiladigan neyron to`ri olinadi. Neyronlarning umumiy soni yuzlab yoki undan ham
ko`proq bo`lishi mumkin. Bunday sistema bevosita inson tamonidan qabul qilingan
va tushunish uchun mos emas.
Modellar qurish masalasiga to`xtalamiz. Uni ikkita muhum qismiy tipga
ajratamiz. Birinchi – bu siflashtirish masalasidir. Qandaydir yozuvlar yoki obyektlar
tasvirlari mavjud va ularning har biri haqida sinflarning tayinlangan chekli
to`plamidagi biror sinfga tegishli ekanligi oldindan ma’lum. Ixtiyoriy obyektni bu
sinflardan biriga tegishli bo`lishini aniqlab boradigan qoida yoki qoidalar majmuasini
ishlab chiqish kerak. Masalan, bunday turdagi klassik masala – bu tibbiy tashxislash.
Bizda mijozlar tavsifi – qandaydir tibbiy testlar, so`rovnoma ma’lumotlari,
ma’lumotlar tahlili va boshqalar oldindan ma’lum sinflar – kasalliklar tashxislari
berilgan bo`lsin. Biz aniq bilamizki, ba’zi mijozlar diabed bilan kasallangan,
qolganlari esa kasallanmagan. Keyin biz yangi mijoz uchun o`sha tibbiy tahlildan
ma’lumotlarni yiishimiz va tahlillar asosida qanday qilib bilish mumkinligi
masalasini qo`yamiz. Ikkinchi qismiy tur esa qandaydir uzluksiz sonli parametrni
bashoratlash masalalaridan iborat. Bunga masalan, ayrim bemor muolajasini yoki
klinik xarajat va daromadlarini bashoratlash masalasini olish mumkin. Bu
bashoratdan tibbiy davolanishni davom ettirish, yoki almashtirish, yoki yangi jixozni
sotib olish haqidagi bizning qarorimizga bog`q bo`ladi. Boshqa ko`pchilik sohalarda
uzluksiz qiymatlarni bashoratlash muhum ahamiyatga ega. Hozirda mavjud KDD
tijorat sistemalari asosan sinflash masalalarini yechadi. Lekin bunday vaziyatda
99](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_25.png?v=1)
![Boshlang’ich
ma’lumotlar
Dastlabki qayta ishlashBoshlang’ich ma’lumotlarni
almashtirish
Avtomatik tahlil (Data mining)
Modellarni taqqoslash
Inson yordamida talqin qilish
Qaror qabul qilish
Ta’sir etish, amaliyotKDD
Natijalarni baholashahamiyatga ega yangi bilim. Shuday qilib, ma’lumotlarni umumlashtirish (data
summarization) – bu o`rganilayotgan ma’lumotlar tanlanmasidagi barcha yoki deyarli
barcha yozuvlar uchun o`rinli, lekin bunday formatdan barcha fikr qilunuvchi
yozuvlar ko`pxilligidan yetarlicha kam uchraydigan va masalan, maydonlar
qiymatlarining o`rta taqsimotlari bilan harakterlanadigan qandaydir faktlarni topish.
Agar biz taqqoslash uchun barcha bemorlar bo`yicha ma’lumotni olsak, u holda yo
kuchli chekuvchi, yoki juda semiz odamlar foizi uchalik ko`p bo`lmaydi. Buni
sinflashtirishning oshkora masalasi deyish mumkin. Lekin bizga bizdagi ma’lumotlar
bilan berilgan faqat bitta sinf berilgan va ular mumkin bo`lgan yozuvlar faraz
qilinuvchi to`plami bilan barcha qolgan faraz qilinuvchi hollar to`plami bilan
sinflanadi.
Berilgan ma’lumotlardan foydali ma’lumotlarga o`tish bosqichlari [ 23,
24 ] . KDD turli usullari bilan yechiladigan asosiy masalalar turlarini qaraymiz. Turli
masalalarini yechishda qo`llaniladigan KDD usullari mavjud. Qaralgan masalalarning
biror turiga qo`llanishga yo`naltirilgan usullar bor. Endi biz ma’lumotlarni KDD
usullari yordamida ixtiyoriy tadqiq etishga kiradigan asosiy bosqichlar yoki qadamlar
haqida gapiramiz. Yangi bilimni topish va uning qiymatini bohaloshning asosiy
siklini qaraymiz (4.7-rasm).
4 . 7 -rasm. Yangi bilimni topish va uning qiymatini bohaloshning asosiy sikl i.
101](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_27.png?v=1)
![9. Приобретение знаний: Пер. с япон. / Под ред. С. Осуги, Ю. Саэки. - М.:
Мир, 1990. -304 с.
10. Search Engine Sizes [ Электронный ресурс ] / Danny Sullivan, Search Engine
Watch.- Электрон , текстовые дан .- [ Б . м .] : Search Engine Watch, 2000. –
Режим доступа : http://www.searchenginewatch.com/reports/sizes.html -
Англ .
11. MDA and RM-ODP: two approaches in modem ontological engineering
[ Электронный ресурс ] / A. Naumenko, A. Wegmann. - Электрон , текстовые
дан . (49428 байт ). - Lausanne : Swiss Federal Institute of Technology, 2002. -
Режим доступа :
http://lcawww.epfl.ch/Publications/Naumenko/TR01_047.pdf - Англ .
12. MDA Guide [ Электронный ресурс ]/ Edited by J.Miller and J. Mukerji,
Object Management Group, Inc. - Version 1.0.1. - Электрон , текстовые дан .
(328400 байт ). - [USA]: OMG, 2003. - Режим доступа :
http://www.omg.org/cgibin/ apps/doc?omg/03-05-01.pdf. - Англ .
13. Попов Э.В. Экспертные системы: Решение неформализованных задач в
диалоге с ЭВМ. - М.: Наука, 1987. - 288 с.
14. Представление и использование знаний: Пер. с япон. / Под ред. X. Уэно,
М. Исидзука. - М.: Мир, 1989. - 220 с.
15. Эндрю А. Искусственный интеллект. М., 1985.
16. Уинстон П. Искусственный интеллект. М., 1980.
17. Hoffman J. Representation of Concepts and the Classification of Objects //
Cognitive Research in Psychology: Recent Approaches, Designs and Results.-
Berlin: VEB, 1982. P. 72 – 89.
18. Anderson J.R. The Architecture of Cognition. Harvard University Press.
Cambridge, MA, 1983.
19. Шенк, Р., Хантер, Л. Познать механизмы мышления [Текст] / Р. Шенк, Л.
Хантер // Реальность и прогнозы искусственного интеллекта. М., 1987.
20. G. Kahn, G. Nowlan, and J. McDermott. Strategies for knowledge
acquisition. IEEE Transactions on Pattern Analysis and Machine
Intelligence PAMI-7:511-522, 1985.
21. Al-Hasani S 1, Diedrich K , van der Ven H , Reinecke A , Hartje M , Krebs D .
Cryopreservation of human oocytes. Human Reprod. 1987 Nov;2(8):695-700.
22. Morik K. Acquiring domain models. International Journal of Man-Machine
Studies, 26:93-104, 1987.
23. Дюк В., СамойленкоА. Data mining: учебный курс. - СПб.: Питер, 2001. -
368 с.
24. Системы управления базами данных и знаний. Справочное издание под
ред. А.Н.Наумова. - М.: Финансы и статистика, 1991.
4-ma’ruza uchun o’zini-o’zi tekshirish savollari
1. Ma’lumotlar va bilimlar nima ?
2. Katta sovet ensiklopediyasida bilimga qanday ta’rif bergan ?
105](https://docx.uz/documents/38a0aaf6-2b72-4fef-9913-bb4a6c09f452/page_31.png?v=1)
Bilimlar. Bilimlarning tiplari, xususiyatlari, tushunish darajalari va ularni olish usullari