Transcript A hasonl s gelemz s csapd i / Critical aspecst of similarity analysis

Hasonlóságelemzés, avagy a
fejlettség mérésének csapdái
MTA Jövőkutatási Bizottság:
II. Nemzetközi Konferencia,
2002. Lillafüred
Pitlik László, SZIE Gödöllő
1
Áttekintés

Bevezetés:
Alapozó gondolatok a hasonlóságról
 Esettanulmányok tanulságai





Szakértői rendszerek
DEA
Stocknet
Joker / playometria
Összegzés:
A hasonlóságelemzés esélyei és korlátai
Pitlik László, SZIE Gödöllő
2
A hasonlóság aspektusai I.
Az előadás címének és a konferencia
címének kapcsolatáról:
A (gazdasági) fejlődés, mint folyamat fejlettségi
állapotok sorozatán keresztül realizálódik.
 Az egyenlőtlenség ebben a kontextusban pedig nem
más, mint (térben és/vagy időben összemérhető)
állapotkülönbségek.
 Állapotok összehasonlítására a hasonlóságelemzés
szolgál.
 Ennek módszerei sokszínűek, hiszen szinte a teljes
tudományos arzenál kötődik valamilyen szinten a
hasonlóság fogalmához.

Pitlik László, SZIE Gödöllő
3
A hasonlóság aspektusai II.

Két objektum (állapotsorozat) soha nem lehet
azonos (vö. kétszer nem lehet ugyan abba a
folyóba lépni), tehát csak hasonlóság van.
 A „nem szignifikáns” különbség soha nem
azonosság…
 Alapkérdés: három állapotsorozat (objektum)
közül melyik kettő hasonlóbb egymáshoz?
 Dilemma: Hogyan is kellene mérni a
hasonlóságot?
Pitlik László, SZIE Gödöllő
4
A hasonlóság aspektusai III.
A hasonlóság mérése az ábrázolási
skálák szempontjából:
 Nominális skála
(Miért pirosabb a kék, mint a zöld?)
 Rangsor
skála
(A 2. helyezett majdnem 1., vagy majdnem 3.?)
 Metrikus
skálák
(Hogyan lehet több állapot távolságát egyetlen célzott
hasonlósági rangsorrá transzformálni?)
Pitlik László, SZIE Gödöllő
5
A hasonlóság aspektusai IV.
A hasonlóságmérés műveletei:

Tisztán logikai alapú csoportképzés
(vö. szakértői rendszerek, CNF, kontingencia-koefficiens,
rangsor-korreláció)

(?) Fuzzy logic
(Milyen mennyiségek azonosítanak egy minőséget?)

(?) Scoring
(hibrid /numerikus&logikai/ rendszerek, pl. hitelképesség, BSC)

Tisztán numerikus megoldások
(vö. korreláció, legkisebb négyzetek elve, ill. függvényillesztés,
cluster, neurális háló, avagy
tetszőleges transzformációk eredményeinek összevetése)
Pitlik László, SZIE Gödöllő
6
Csapda: túl sokféle korreláció
Kontingencia koefficiens és a numerikus
korreláció függetlensége
Véletlen számokból előállított vektorok esetén a medián alapján
számított kontingecia koefficiens ill. az EXCEL képlettel számított
korreláció értékei az elvárásoknak! megfelelően szabályos
pontfelhőt eredményeznek. Ennek alapján válik érthetővé, miért
kell a modellek helyességét alulról, vagyis a kontingencia
oldaláról megalapozni. A magas numerikus korreláció ugyanis
nem biztosítja a magas kontingencia koefficiens értékeket, ami a
modelleket instabillá teszi, ill. szakértői rendszerként való
alkalmazásukat kizárja.
A korreláció sokfélesége már önmagában is egy filozófia
csapdahelyzetet, vagyis a céltalanság tételét érzékelteti, mely
szerint sem az ember (mint a szubjektivitás megtestesítője), sem
a tudomány (mint az objektivitás meglehetősen romos fellegvára)
nem képes világos választ adni arra, három állapotsorozat
(objektum) közül melyik kettő hasonlóbb egymáshoz?
Pitlik László, SZIE Gödöllő
7
Pitlik László, SZIE Gödöllő
8
Projekttapasztalatok
Pitlik László, SZIE Gödöllő
9
Potenciálcsillag Módszer I.
 Hibrid
szakértői rendszer
 Grafikus támogatással
 Szubjektív tényezők és súlyok
 Előre beépített aggregációs eljárás
 (tetszőleges aggregációk esélye)
 Eredmény: százalékban kifejezett
hasonlóság és vizuális támogatás
Pitlik László, SZIE Gödöllő
10
Potenciálcsillag Módszer II.
Pitlik László, SZIE Gödöllő
11
Data Envelopment Analysis
 LP-alapú,
merev gondolatmenet
 Szubjektív tényezők
 (de: Lineáris egyenletté
egyszerűsíthető: célirányos random
„súlyok”, kreatív algoritmusok)
 Eredmény: százalékban kifejezett
hasonlósági (hatékonysági) rangsor
Pitlik László, SZIE Gödöllő
12
STOCKNET I.

Kreatív bináris és numerikus hasonlósági
függvények (CBR)
 Random tényezők
(automatikus kizárás és beválasztás)
 Célfüggvény-vezérelt keresés
 Cél: olyan mintázatok fellelése komplex
idősorokban, melyek igazoltan nagy találati
arányú előrejelzést tesznek lehetővé
Pitlik László, SZIE Gödöllő
13
STOCKNET II.
Pitlik László, SZIE Gödöllő
14
Joker & playometria

Ideális objektumhoz mért távolság alapján
(black box) hasonlósági rangsor
 Kézi paraméterezés, kézi súlyozás
 Skála-transzformációkkal egy rangsor
tetszőlegesen átalakítható az alapadatok,
paraméterek és súlyok megváltoztatása
nélkül is!  playometria…
 Csak szubjektív rangsor létezik!?
 Objektív paraméterezés esélye: tanulási
folyamat szimulálása révén!
Pitlik László, SZIE Gödöllő
15
Összegzés I.
A hasonlóság elemzés idealizált célja: A hasonlóságelemzés (vö. benchmarking) alkalmazása révén
minden paradoxon ellenére elvárható, hogy
egyes objektumok (pl. emberek, vállalkozások, települések,
kistérségek, megyék, régiók, országok) másokhoz mérve magukat
újszerű (számos esetben ok-okozatilag talán le sem vezethető)
ötletet nyernek arra vonatkozóan, hová is „fejlődjenek”
(változzanak) annak reményében, hogy bizonyos céljaik
(alapvetően a fennmaradásuk) biztosított legyen.
számos „összevethetőnek tűnő” jellemzővel rendelkező
objektum (pl. vállalkozás, autó, ingatlan, régió, ország) külső
szemlélőként való összevetése feltárhatja a támogatásra ill. a
befektetésre (hitelképességre, ill. kockázati tőke bevonásra) való
jogosultság mértékét.
Pitlik László, SZIE Gödöllő
16
Összegzés II.
Az előadás célja volt:
a hasonlóságelemzés csapdáinak felvázolása
(annak érdekében, hogy a tudomány eszközeit és
eredményeit valós értékükön kezelhessük),
ebből következően a hasonlóságelemzés kreatív
keresési problémaként való definiálása, szemben az
alkalmazói önkényt kizárását meg sem kísérlő, merev
algoritmusok által megtestesített alternatívákkal.
A
tudományos
eszközök
automatizált
használatának vizsgálata teremtheti meg az
elemző módszerekkel, mint hálózati (vö. Internet)
erőforrásokkal való társadalmi szintű gazdálkodás
alapjait (vö. web services), mely egyben az
esélyegyenlőség és az egyensúlyi politizálás
újszerű módszertani alapja is.
Pitlik László, SZIE Gödöllő
17
Science fiction vs. Science direction
Ha a rangsorolás objektivitása és
automatizálhatósága filozófiai szinten
bizonytalan is, akkor sem elegendő, hogy:




csak egyetlen megoldási alternatíva kialakítása már
(tudományos) eredmény legyen,
a tudomány ne alkalmazza szisztematikusan a
minőségbiztosítás/projektmenedzsment már felismert
oktatott és másokon számon kért elveit,
ne legyen verseny az elemzők között tetszőleges
modell helyességi értékek tekintetében,
ne legyen világos koncepció arra, ki a felelős
tudásvagyon menedzsmentjéért, a projekteredmények hasznosításáért, katalogizálásáért, a
folyamatok egymásra épüléséért.
Pitlik László, SZIE Gödöllő
18
Köszönöm a figyelmet!
[email protected]
Pitlik László, SZIE Gödöllő
19