CC BY
19
ПОЖАРНАЯ ОХРАНА
УДК 681.3.015+658.014.1+004.8(3)
ПСИХОЛОГИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ВЕРОЯТНОСТНОЕ ОЦЕНИВАНИЕ СЛОЖНЫХ ЗНАНИЙ В ОБЛАСТИ ПОЖАРНОЙ БЕЗОПАСНОСТИ
Рассматривается проблема повышения качества решений, принимаемых на пожаре как должностными лицами пожарной охраны, так и представителями организаций и гражданами. Освещаются некоторые аспекты интеллектуальной составляющей проблемы принятия решений на пожаре. Для повышения качества решений предлагается разработка компьютерной системы интеллектуальной поддержки их принятия, формулируются общие требования эффективности этой системы. Интеллектуальная поддержка осуществляется на стадии, предшествующей пожару, посредством обучения принятию решений и их планирования с использованием методов активного обучения —анализа конкретных ситуаций и деловых игр. При разработке конкретных ситуаций и деловых игр применяются метод психологического моделирования и вероятностная оценка сложных знаний. Кратко описывается метод психологического моделирования сложных знаний.
Интеллектуальная составляющая проблемы принятия решений на пожаре
В обществе зачастую бытуют неверные представления о чуть ли не "примитивности" задач в области пожарной безопасности (ПБ). Такое представление идет от незнания сложности и уникальности такого физико-химического явления, как пожар. К сожалению, отдельные должностные лица пожарного надзора (ПН) своими некомпетентными решениями во время пожара содействуют реальному снижению уровня ПБ и негативному отношению населения к самому ПН и к проблеме ПБ в целом. Однако будет неверным относить снижение уровня ПБ, рост числа пожаров, людских и материальных потерь исключительно на счет ПН. Думаем, равную, а может быть и большую долю вины несет и само общество. Не будем говорить здесь о невнимании общества к нуждам ПН, унизительно малой зарплате его сотрудников, слабой технической вооруженности, обусловленной недостаточным уровнем финансирования. Обратим внимание лишь на то, что не только сам ПН обязан принимать решения в области ПБ, но и общество в лице руководителей разного уровня и каждого гражданина. А вот этот аспект в области обеспечения ПБ за валом критики в адрес ПН остается практически без внимания, хотя почвы для критики руководителей и специалистов организаций, ответственных за обеспечение ПБ,
рядовых сотрудников предприятий и граждан за неверные решения, принимаемые ими в области профилактики пожаров и непосредственно при их возникновении, более чем достаточно.
Как свидетельствует официальная статистика ГПН МЧС России, большое количество пожаров представляют собой так называемые "упущенные" по вине ответственных гражданских лиц, когда несвоевременное сообщение о пожаре, непринятое или несвоевременно принятое решение об эвакуации людей и ценностей, неверные действия или непринятие действий по тушению организациями и гражданами влекли за собой неоправданное распространение пожара, людские и материальные потери. Нелишне напомнить, что в рамках административного и уголовного законодательств установлен целый спектр обязанностей лиц, ответственных за ПБ, за несоблюдение которых предусмотрены соответствующие наказания. Но одними наказаниями не решить вопрос повышения уровня ПБ. Без глубокого осознания проблемы, знания путей ее решения ни о каком положительном движении в этом направлении говорить не приходится — слишком сложен объект изучения.
Наиболее проблемным в интеллектуальном плане представляется принятие решений ответственными лицами во время пожара. Несмотря на предпринимаемые усилия ведущих ученых России
и мира и наличие разнообразных моделей пожара, можно сказать, что в настоящее время не существует модели, достаточно точно описывающей это явление. Без нее даже теоретически невозможны решения по действиям во время пожара, полностью адекватные складывающейся обстановке. Если все-таки такая модель появится, то учитывая чрезвычайную быстротечность пожара, интенсивную динамику его параметров, эту модель, даже применив компьютерную технику, не удастся оперативно использовать из-за несоответствия невысокой скорости определения и ввода параметров процесса быстроте изменения самого процесса.
Центральной фигурой на пожаре является руководитель тушения пожара (РТП). Если воспользоваться терминологией теории принятия решения, то РТП является лицом, принимающим решение (ЛПР). Необходимо отметить, что задачи, решаемые РТП, очень сложны в значительной степени из-за того, что носят слабоструктурированный характер, причиной чего являются неполные и нечеткие представления об управляемом объекте — пожаре, о методах тушения, личностный и интуитивный характер принимаемых им решений. Все эти объективно существующие сложности плюс постоянное нахождение РТП в стрессовом состоянии делают весьма вероятным принятие им неоптимальных и ошибочных решений.
Каким образом все же удается на пожаре принимать правильные решения? Да, лучшие специалисты пожарной охраны обладают многочисленными профессиональными знаниями, владеют инженерными расчетами необходимого количества сил и средств для ликвидации пожара, но любой из этих специалистов скажет, что решения во время пожара принимаются им в основном на интуитивном уровне. Правда, это не означает, что принятые решения ни на чем не основываются. Дело в том, что решения РТП основываются на некой расчетной матрице, которая сложилась у него в голове за время профессиональной деятельности и которая описывает общие принципы пожарной тактики. К этой матрице он обращается незаметно для себя и окружающих во время пожара.
Но каждый пожар по своему протеканию уникален. РТП должен ориентироваться и принимать нешаблонные решения по ходу быстро меняющейся обстановки, что очень серьезно осложняет выработку качественных решений. Поэтому не существует и не может существовать единых исчерпывающих рецептов, как надо действовать на пожарах. Нельзя в голову РТП "заложить" матрицу на все случаи жизни. Таким образом, принимаемые на пожаре решения в значительной степени должны носить творческий характер.
Решения, принимаемые на пожаре ответственными лицами, не являющимися представителями пожарной охраны, лежат в одних и тех же практических плоскостях, что и решения, принимаемые пожарными. Также как и пожарные, они обязаны проводить мероприятия по спасанию людей и имущества, ограничению распространения пожара и его тушению. Только возможностей у них меньше — и по техническим средствам, и по специальным знаниям. В целом же эти ответственные лица на пожаре являются такими же РТП, как и профессиональные пожарные. Но если уж специалисты-пожарные могут выносить неверные решения на пожаре, то вероятность принятия неправильного решения должностными лицами организаций и гражданами тем более весьма высока.
Таким образом, в информационном и интеллектуальном аспектах существует серьезная проблема повышения качества решений должностных лиц ПН, представителей организаций и граждан во время пожара, однако из-за быстротечности и сложности процессов мы не можем предложить пути решения этой проблемы на стадии протекания пожара. Но мы можем оказать интеллектуальную поддержку принимаемым во время пожара решениям на предшествующих ему стадиях. Как это сделать?
Решение данной задачи сводится к тому, чтобы до пожара интеллектуально заполнить головы всех ответственных за принятие решений на пожаре лиц теми знаниями, которые помогут им на конкретном пожаре. Надо заложить в голову всем РТП "матрицы", описывающие общие принципы и закономерности принятия решений с тем, чтобы они автоматически, интуитивно использовали их на пожаре. Это — первое, что предстоит сделать, но этого недостаточно для принятия творческих решений, творчество невозможно описать никакой информационной матрицей.
Существует единственный путь — творческого специалиста нужно вырастить, воспитать. И сделать это можно, только "заставив" этого специалиста самостоятельно решать нестандартные профессиональные задачи, и чем больше будет этих задач, тем лучше. Таким образом, говоря об интеллектуальной поддержке принятия решений на пожаре всех ЛПР, мы имеем ввиду организацию эффективного учебного процесса для них. По понятным причинам существуют ограничения по обучению на реальном пожаре. Впрочем, даже если бы таких ограничений не было, лучше готовить специалиста заранее, до пожара, поэтому наша интеллектуальная поддержка будет проходить в форме теоретической подготовки к принятию решений на пожаре.
Общие требования к эффективной системе
интеллектуальной поддержки решений
Общеизвестно, что наибольший учебный эффект дают такие методы активного обучения, как анализ конкретных ситуаций и деловые игры. Несмотря на то, что указанные методы наиболее трудоемки в подготовке к их проведению, именно по причине их эффективности авторы решили следовать этому направлению обучения в своих разработках.
Анализ и решение более простых (по сравнению с деловыми играми) конкретных ситуаций, по авторскому замыслу, образуют блок частных профессиональных задач в составе системы интеллектуальной поддержки принятия решений (СИППР). Решение этих упрощенных модельных ситуаций поможет сформировать у ЛПР интеллектуальную матрицу общих принципов принятия решения на пожаре.
В состав СИППР также должны входить несколько деловых игр, адаптированных для конкретной организации, в которых описываются различные сценарии развития пожара. Правильное решение сложной профессиональной задачи, полученное в ходе деловой игры, является фактической инструкцией на действия в определенной ситуации, одновременно представляя собой форму планирования предстоящих сложных решений. Деловые игры образуют блок комплексных профессиональных задач, который поможет сформировать у ЛПР творческий подход к решению задач на пожаре.
В традиционном учебном процессе анализ конкретных ситуаций и деловые игры проводятся в режиме коллективного обсуждения внутри учебной группы. Такая форма их проведения имеет серьезные недостатки. Первый из них выражается в том, что в группе всегда имеется ядро, которое своей активностью подавляет более пассивную, но и более многочисленную часть группы, навязывая свое видение и решение проблемы. Таким образом большинство группы уходит в себя и интеллектуально выключается из процесса обучения. Второй недостаток заключается в том, что преподаватель, проводящий занятие, в силу ограниченности своих возможностей и отсутствия действительно объективных критериев оценки сложных решений, в состоянии лишь очень субъективно оценить результаты занятия. Отсутствие объективного оценивания знаний делает неадекватной обратную связь преподавателя с обучаемым, снижая тем самым эффективность учебного процесса.
Для устранения первого из указанных недостатков на первый взгляд достаточно каждому из обучаемых выдавать индивидуальные задания. Действительно, это сделать можно, но тогда резко возраста-
ет трудоемкость оценки всей группы. На такую форму проведения занятий можно пойти лишь изредка, но тогда вклад таких единичных занятий в общий уровень подготовки не может быть значительным. Второй недостаток можно устранить лишь объективной формализацией процесса оценивания с построением различных математических моделей. Но если этого и удастся добиться, что само по себе представляет серьезную проблему, то и тогда преподаватель самостоятельно будет не в состоянии в условиях ограниченного времени применить указанные модели оценивания.
Выходом из данной ситуации является компьютерная обучающая система, где каждый решает поставленную задачу индивидуально за персональным компьютером, система, в которой реализована некая методика объективного и оперативного оценивания сложных решений. Таким образом, линия данной разработки должна заключаться в создании компьютерной системы, в которой задания выдаются в виде конкретных ситуаций и деловых игр и которая использует методику объективного оценивания сложных решений (знаний). Учитывая также возможности современной компьютерной техники по наглядному представлению информации, такое направление разработки выглядит еще более привлекательным.
Известны различные разработки компьютерных учебных программ. Подробный их анализ выходит за рамки назначения данной публикации. Желающим более детально ознакомиться с таким анализом рекомендуем обратиться к работам [1,2]. Обобщенно по состоянию данной проблемы можно сказать, что в ряде программ моделируются почти абсолютно формализованные виды деятельности, такие, например, как бухгалтерский учет, в то время как большинство видов деятельности и действия при пожаре в частности представляют собой слабоструктурированные проблемы, которые весьма затруднительно представить в пригодном для компьютера формализованном виде и еще сложнее объективно оценить их решение. Алгоритмы оценивания знаний многими компьютерными системами по ряду причин также не могут быть признаны достаточно объективными.
Желаемых результатов во многом позволяет достичь применение метода психологического моделирования сложных знаний (МПМ) и теории вероятностного оценивания сложных знаний (ТВО) [2-6]. Именно эта теоретическая база использовалась авторами при разработке СИППР. Для читателей, не знакомых с указанными публикациями, но желающих понять их общее содержание, вкратце опишем используемую в них терминологию и основные результаты.
Метод психологического моделирования сложных знаний
Принимаемые решения рассматриваются с информационной позиции как сложное знание (СЗ), поэтому далее используется понятие знание-решение (ЗР). Сложное знание — это многоэлементная информационная структура, элементами которой выступают смысловые понятия, связанные между собой логическими и/или комбинаторными связями.
МПМ помогает приближенно воспроизвести процесс логического и комбинаторного (последовательного во времени и дискретного) мышления индивида во время решения им какой-либо задачи. Термины психологическая модель, психологическое моделирование используются не только в классической психологии, но и в области искусственного интеллекта для построения его математических моделей, см. например [7, 8]. МПМ использует идею видного психолога А. Н. Леонтьева, автора дея-тельностного (психологического) направления в российской школе психологии, согласно которому все психологическое поведение людей определяется их деятельностью, которая, в свою очередь, определяется поставленными целями. В результате выполнения этой деятельности вырабатываются описывающие ее образы и понятия. Математический аппарат МПМ, характеризуя интеллектуальную деятельность людей, включает в себя несколько несложных моделей, из которых, подобно мозаике, можно складывать довольно разнообразную картину возможных решений.
Модели СЗ, используемые в МПМ, подразделяются на логические, комбинаторные и комбинированные (логико-комбинаторные).
Относительно независимый элемент СЗ, обладающий собственным психологическим (деятель-ностным) смыслом, называется частью знания (ЧЗ), или частью решения (ЧР), или частью знания-решения (ЧЗР). И само сложное знание, и его части рассматриваются МПМ как смысловые понятия.
Правильными элементами (правильными частями знания) называется ограниченное множество элементов сложного знания, из которых слагается полностью правильное (оптимальное) решение некой задачи (знание).
Реальное решение кроме правильных ЧЗ может включать в себя также неправильные, нечеткие и противоречивые элементы. Все эти элементы, входящие в СЗ, по-разному влияют на смысл полученного сложного знания. Для оценки его логического смысла введем категорию цель-понятие, в которой заключен смысл данного сложного знания, выражающийся в достижении некой практически полезной
для индивида цели и классифицирующего это знание понятия.
Искомая цель-понятие реализуется через полностью правильное знание (ППЗ) или полностью пра-вильноерешение (ППР). Под этим понятием подразумевается не абсолютная истина в философском смысле и не абсолютное отражение действующих законов мироздания, а модель истины, принятая на сегодняшний день знаний.
Неправильными элементами (частями знания) назовем части, которые могут содержаться в реальном решении (знании) и которые либо делают его неоптимальным для достижения нужной цели-понятия, либо делают вообще невозможным достижение этой цели-понятия.
Нечеткие понятия (нечеткие части знания) — это понятия, которым невозможно поставить в однозначное соответствие описываемые ими объекты либо из-за ограниченных возможностей языка, либо из-за нечеткого характера самого объекта.
В табл. 1 и 2 приведены перечни моделей сложных знаний, используемых в МПМ, и дана их краткая характеристика.
В МПМ используется также следующая классификация частей сложного знания.
Активная неправильная ЧЗ — неправильная ЧЗ, указание которой в знании приводит к невозможности достижения его цели-понятия.
Пассивная неправильная ЧЗ — неправильная ЧЗ, указание которой в знании не влияет на достижение его цели-понятия.
Таблица 1. Перечень моделей сложных знаний
Модель Описание
ПУ Перечень Условий для достижения цели-понятия
ПА Перечень Альтернатив достижения цели-понятия
ПД Последовательность Действий для достижения цели-понятия
А-ПУ Альтернативные Перечни Условий достижения цели-понятия
А-ПВ Альтернативы достижения цели-понятия, указанные в решении в порядке Предпочтительности их Выбора
А-ПД Альтернативные Последовательности Действий
А-ПУ-ПВ Альтернативные Перечни Условий, указанные в решении в порядке Предпочтительности их Выбора
А-ПД-ПВ Альтернативные Последовательности Действий, указанные в решении в порядке Предпочтительности их Выбора
Таблица 2. Краткая характеристика моделей сложных знаний
Модель Характеристика
ПА Близкий аналог двоичного ИЛИ, использует нечеткие и неправильные элементы решений, имеет безразличные состояния, свойства могут сближаться с формой ПУ
ПУ Близкий аналог двоичного И, учитывает нечеткие, неправильные и противоречивые элементы
ПД Описывает последовательное во времени выполнение операций с учетом нечетких, неправильных и противоречивых элементов решения
А-ПВ Моделирует интуитивный выбор альтернатив и их взвешивание
А-ПУ-ПВ Комбинация А-ПВ, наложенного на ПУ
А-ПД-ПВ Комбинация А-ПВ, наложенного на ПД
А-ПУ Комбинация ПА, наложенного на ПУ
А-ПД Комбинация ПА, наложенного на ПД
Необязательная правильная 43 — правильная 43 некоего сложного знания, вносящая свой "положительный" вклад в достижение цели-понятия данного сложного знания, отсутствие которой в знании приводит к уменьшению положительного эффекта от него, но в размерах, приемлемых в рамках достижения цели-понятия.
Обязательная правильная 43 — правильная 43 некоего сложного знания, отсутствие которой приводит к недостижению цели-понятия этого сложного знания.
Безусловно необязательная правильная 43 — необязательная правильная 43 некоего сложного знания, которая независимо от отсутствия в ответе других оставшихся необязательных правильных 43 всегда будет оставаться необязательной правильной 43.
Условно необязательная правильная 43 — необязательная правильная 43, необязательность которой ставится в зависимость от присутствия в ответе других необязательных правильных 43.
Противоречивая 43 — часть сложного знания, противоречащая другим частям этого сложного знания либо цели-понятию другого сложного знания. Отличие противоречивых 43 от неправильных состоит в том, что неправильные 43 безусловно подлежат исключению из сложного знания. В случае с противоречивыми 43 неочевидно, какое из них подлежит исключению и в каких случаях и подлежит ли исключению вообще. Противоречие порождает нечеткость, поэтому противоречивые 43 можно рассматривать как подмножество нечетких 43.
В комбинаторных видах сложного знания кроме перечисленных выше разновидностей имеются и другие 43.
Правильные части сложного комбинаторного знания (решения), для достижения цели-понятия которого их последовательность не может быть изменена, называются правильными частями знания жесткой структуры.
Определим как действия произвольной последовательности (ДПП) те элементы решения, изменение позиций которых внутри некоего диапазона действий произвольной последовательности (ДДПП) между некими элементами жесткой структуры либо не оказывает влияния, либо оказывает незначительное влияние на достижение цели-понятия.
Определим как действие плавного эффекта (ДПЭ) элемент знания-решения, изменение позиций которого внутри некоего диапазона действий плавного эффекта (ДДПЭ) относительно оптимальной позиции приводит к уменьшению эффективности решения, но это уменьшение эффекта не выходит за рамки минимально допустимого.
Каждая из моделей сложного знания представляет собой логическую функцию, параметрами которой являются элементы сложных знаний (понятия), указанные в прилагаемом к каждой модели перечне пронумерованных частей знаний.
Некое произвольное решение задачи можно записать, например, в таком виде (индекс у типа психологической формы соответствует номеру перечня частей знания для этой формы):
Р = ПУз(1, 9, 12, 4) ^ ПД1(2, 9, 1, 4) ^ ^ ПА4(2, 5, 6) ^ А-ПУ2(4, 2, 3)...
В перечнях могут присутствовать не только правильные элементы сложного знания, но и неправильные, нечеткие и противоречивые 43. Из совокупности этих частей обучаемый формирует ответ на поставленный вопрос.
Теория вероятностного приобретения и оценивания сложных знаний
Объективный метод оценивания сложных знаний должен количественно оценивать наличие или отсутствие правильных и неправильных частей знаний в результирующем сложном знании. Для комбинаторных форм сложного знания важен также порядок указания в нем его частей. Если изучается проблема, решение которой представляется в виде цепочки сложных знаний, то необходимо не только оценить каждое сложное знание цепочки, но и вывести общую оценку решения всей проблемы.
Каждая часть знания и каждое сложное знание обладают уникальными потребительскими свойствами, которые можно сравнивать лишь в редких
случаях, а без такого сравнения невозможно оценить их вклад в общую оценку. Поэтому фундаментальной задачей при создании метода оценивания сложных знаний является выработка объективного универсального критерия ценности сложных знаний. Подробное решение этой задачи приведено в публикациях [2, 3]. В данной статье приводятся кратко лишь результаты.
Оценкой знаний в обучении мы должны мерить не общественно-экономический эффект от конкретного решения, а мозги обучаемых, т.е. их интеллект.
Универсальным критерием ценности любых знаний является их объем, характеризующий сложность знаний.
Абсолютно новое знание, неизвестное ранее никому (или неизвестное внутри некоего замкнутого круга лиц), приобретается путем проб и ошибок, переборов возможных вариантов решения задачи и анализа результатов. При этом имеется ввиду только процесс самостоятельного первичного приобретения абсолютно нового знания. Из рассмотрения исключается процесс передачи готового знания индивиду извне.
Сложностью знания (задачи) определим вели-чину,равную максимальному количеству значимых, практически возможных математическо-логиче-ских вариантов решений (знаний), которые, в принципе, могут быть даны испытуемым с первоначальным уровнем подготовки.
Действительно новые, самостоятельно приобретенные знания создаются перебором комбинаций. Этот процесс — случайный, именно поэтому для его описания применима теория вероятности. В процессе приобретения знания, там, где кончается точное знание, — начинается угадывание, подчиняющееся законам теории вероятности. Сложность задачи обратно пропорциональна вероятности полностью правильного решения.
Пусть т — число правильных ЧЗ в полностью правильном знании; г — число правильных ЧЗ в реальном решении (знании); к — число неправильных ЧЗ в реальном решении; Б — сложность знания. Определим вероятность указания в ответе правильной части решения как функцию от числа указанных правильных ЧЗ Рп (г), а вероятность указания в ответе неправильной части решения как функцию от числа указанных неправильных ЧЗ Рн (к). Тогда ценность реального решения (знания) Б можно представить в следующем виде:
Б БРп (т) Рн (к) Б = Б--или
Рн (0) Рп (г)
Б = К„
Рн (к) Рп (г)
где Кпс — коэффициент привязки по сложности.
Видно, что в случае полностью правильного решения, т.е. для г = т, к =0, справедливо Б = Б.
Приведенные выше выражения и представляют собой общую вероятностную модель оценивания сложных знаний. Основываясь на ней и используя математический аппарат теории вероятности, были получены модели ценности сложного знания для каждой из психологических форм. Здесь не приводятся указанные модели, более подробно с ними можно ознакомиться в публикации [3].
Практические приложения в области пожарной безопасности
В настоящее время предложения авторов по повышению качества принимаемых решений на пожарах, а именно методики разработки конкретных профессиональных ситуаций и деловых игр, программное обеспечение, реализующее эти разработки, могут быть использованы по следующим направлениям:
• обучение оперативного состава пожарных подразделений МЧС РФ общим принципам принятия решений на пожарах;
• планирование боевых действий на объектах, размещенных в зоне ответственности соответствующих пожарных подразделений;
• обучение общим принципам принятия решений на пожарах ответственных за это лиц в организациях, особенно с массовым пребыванием людей;
• планирование действий сотрудников организаций во время пожара.
Боевое планирование и обучение оперативного состава пожарных подразделений
Для наиболее пожароопасных и особо зависящих от последствий от пожара объектов проводится планирование боевых действий пожарных подразделений. Качественной формой проведения планирования является составление планов пожаротушения. Эта форма подготовки по своей сути есть интеллектуальная поддержка принятия будущих решений на пожаре. На боевое планирование возлагалось и возлагается много надежд по совершенствованию качества принимаемых ГПН решений на пожаре. Однако, судя по ежегодным отчетам Главного управления ГПН, боевое планирование является весьма проблемной стороной деятельности и признается малоэффективным. В чем дело?
Авторам видятся две главные цели оперативного планирования. Первая цель — обеспечение подразделений первичной информацией о пожароваж-ных особенностях объекта и определение основных закономерностей возникновения, развития и
тушения пожара на нем. Вторая — это подготовка командного состава к творческому, по возможности, и оптимальному решению задачи.
Существующая методика планирования боевых действий если и решает, то только первую часть общей задачи подготовки РТП. Для качественного планирования необходимо адекватное развитию пожара детальное моделирование деятельности подразделений, что существующая методика из-за отсутствия аппарата моделирования делает крайне примитивно. В качестве удобного и несложного математического аппарата такого моделирования и может быть применен предложенный авторами метод психологического моделирования сложных знаний. Кроме этого, необходимо обыгрывать как можно большее число возможных возникновений пожара, а не одно, как традиционно делается сейчас. Причем, чем больше возможных ситуаций пожаров будет обыграно на этих моделях, тем лучше для развития творческого отношения к тушению пожаров.
Вот уже более пяти лет в Московской области в рамках школы повышения оперативного мастерства используется деловая игра "Тушение пожара на складе промышленных товаров", в основе построения которой лежит метод психологического моделирования и теория вероятностного оценивания сложных знаний. Используется эта игра также и в учебном процессе нескольких учебных заведений. Игра привязана к виртуальному объекту, поэтому на подобных играх можно отрабатывать общие принципы принятия решений, но она также может служить образцом оперативного планирования боевых действий по приведенной методике.
Обучение организаций
и планирование их действий на пожарах
Законодательство России в области пожарной безопасности обязывает организации иметь инструкции по действиям во время пожара и, как правило, такие инструкции имеются, но выполнены они в подавляющем числе случаев исключительно формально, шаблонно и заимствуют лишь общие положения из действующих "Правил пожарной безопасности РФ" (ППБ 01-03), что явно недостаточно.
Недостаточность такого подхода объясняется тем, что каждая организация представляет собой в пожарно-техническом плане уникальный объект, где пожар может протекать чрезвычайно разнообразно. Явления, происходящие при этом, особенно сложны и опасны. Поэтому решения, принимаемые во время пожара организацией, обязательно должны учитывать пожарно-техническую и организационную специфику каждого предприятия, что согласуется с требованиями п. 5 ППБ 01-03, а именно:
"...для особо сложных и уникальных зданий, кроме соблюдения требований настоящих Правил, должны быть разработаны специальные правила пожарной безопасности, отражающие специфику их эксплуатации и учитывающие пожарную опасность".
В п. 16 ППБ 01-03 также предписывается обязанность проведения на объектах с массовым пребыванием людей тренировок сотрудников по обеспечению безопасной эвакуации не реже одного раза в полугодие. На деле такие тренировки, как правило, либо совсем не проводятся, либо проводятся формально, что является административным правонарушением и подлежит административной ответственности.
В соответствии со ст. 10 Федерального закона № 116-ФЗ "О промышленной безопасности опасных производственных объектов": "В целях обеспечения готовности к действиям по локализации и ликвидации последствий аварии организация, эксплуатирующая опасный производственный объект, обязана: планировать и осуществлять мероприятия по локализации и ликвидации последствий аварий на опасном производственном объекте; ..обучатьработников действиям в случае аварии или инцидента на опасном производственном объекте.".
Обучать своих работников мерам противопожарной безопасности требует также ст. 37 Федерального закона № 69-ФЗ "О пожарной безопасности", безопасным методам и приемам выполнения работ — ст. 212 Трудового Кодекса РФ.
Организации с массовым пребыванием людей самостоятельно решить задачу своей интеллектуальной готовности к действиям во время пожара не в состоянии. А для того, чтобы потребовать с них эффективную работу во время пожара, их надо ей научить.
В настоящий период проведение обучения безопасности труда регламентировано ГОСТ 12.0.004- 90 "ССБТ. Организация безопасности труда. Общие положения". Согласно этому ГОСТ обучение осуществляется в формах инструктажей или специального обучения с обязательным контролем знания по обеим формам подготовки. Распространено также обучение работников в форме пожарно-техниче-ских минимумов.
Форма пожарно-технического минимума необходима, но она по своей сути и названию не подходит для решения такой сложной задачи, как обучение организаций действиям во время пожара с учетом их особенностей. Для решения этой задачи предлагается наполнить новым содержанием противопожарные инструктажи и проводить специаль-
ное углубленное обучение организаций действиям во время пожара, используя описанные методики.
Для обучения организаций общим принципам действий во время пожара авторами разработана обучающая программа, в которой к решению предлагается довольно большое количество конкретных ситуаций, разработанных по принципу "от простого к сложному". Сначала идут более простые ситуации, которые помогают отчетливо высветить смысл и специфику отдельных аспектов принимаемых решений. Например, передача сообщения о пожаре, отключение электричества, выбор огнетушащих средств, распространение опасных факторов пожара, тактика тушения, необходимость эвакуации и способы ее проведения, учет при выборе действий объемно-планировочных решений, организационной специфики предприятия. Затем ситуации усложняются, при выборе решения уже необходимо учитывать и увязывать несколько критериев. К ситуациям приложены вопросы с соответствующими перечнями частей решения поставленной задачи, из которых обучаемые набирают правильный ответ.
Построение обучающей программы обеспечивает иллюстрацию любой ситуацию рисунками, фотографиями или видеосюжетами (если таковые имеются). Решение каждой или нескольких ситуаций оценивается. Имея специальный допуск (пароль), можно воспользоваться для получения разъяснений по решению ситуации специальным режимом ее анализа. В этом режиме на экран монитора выводится текст, поясняющий решение задачи.
Деловые игры, построенные по данной методике и привязанные к особенностям конкретного объекта, как показал опыт их использования, вызывают повышенную заинтересованность лиц, ответственных за пожарную безопасность предприятий. Они обнажают многие недостатки в системе обеспечения пожарной безопасности объекта, ставят вопросы и помогают ответить, что надо делать для повышения эффективности ее работы во время пожара. Проведение таких игр быстро меняет в положительную сторону отношение организаций к проблемам ПБ и осознанию их сложности.
Пользовательский интерфейс обучающих программ
Ниже приводятся примеры пользовательского интерфейса компьютерных деловых игр "Тушение пожара на складе промышленных товаров" и "Действия сотрудников гипермаркета при пожаре", а также обучающей программы "Общие принципы принятия решений организациями при пожарах".
Перед началом игры на экран выдается некая вводная информация, описывающая конкретную
Рис. 1. Вводная информация
Возврат в игру
Рис. 2. Пример поясняющей визуальной информации
профессиональную ситуацию (рис. 1). К вопросу или вводной информации может быть приложена и визуальная информация, представленная схемами, фотографиями, видеосюжетами (рис. 2).
Далее по ходу игры в определенной последовательности задаются вопросы, ответы на которые необходимо конструировать из прилагаемого к каждой ситуации перечня частей решения. В основном, правильный ответ состоит не из одной, а из нескольких правильных ЧР, но в перечне приведены также и неправильные ЧР. Если при ответе на вопрос игры возникает необходимость просмотреть ранее выдававшуюся информацию или свои ответы, то это также можно сделать. Все эти возможности обеспечивает основной интерфейс игры (рис. 3).
В течение игры ситуация меняется, что фиксируется в последующих информационных вводных, которые по мере надобности поступают на экран.
Рис. 3. Основной интерфейс игры
Если по ходу игры допущена серьезная ошибка, игра прекращается.
При любом окончании игры, положительном или отрицательном, на экран выводятся результирующие оценки — как за отдельные ее этапы, так и общая. Оценка может быть как пяти-, так и стобалльной. Во втором случае оценка вычисляется по вышеприведенным выражениям общей вероятностной модели сложного знания. Эту оценку называют "объемной". Именно она, по представлениям ав-
торов, наиболее объективно оценивает реальные интеллектуальные возможности конкретного участника игры. Но эта оценка является настолько непривычной традиционному пониманию, что авторы ввели пятибалльную, так называемую "линейную" оценку, согласующуюся с традиционной линейной шкалой ценностей. "Линейная" оценка путем несложных преобразований получается из "объемной". Более подробно с этим можно познакомиться в работе [2].
ЛИТЕРАТУРА
1. Евграфов П. М. Анализ объективности методов оценивания сложных знаний. О вероятностной методике оценивания знаний психологически понятийной структуры // Информационные технологии. — 2002. — № 5.— С. 34-38.
2. Евграфов П. М., Глуховенко Ю. М. Ноу-хау обучающих программ и деловых игр. — М.: Изд-во АРС, 2004. — 222 с., илл.
3. Евграфов П. М. Философия выбора универсального критерия ценности сложных знаний // Научно-техническая информация. Серия 1. — М.: Изд-во ВИНИТИ, 2002. — № 2. — С. 16-18.
4. Евграфов П. М. Основания вероятностного подхода к процессу приобретения и оценивания сложных знаний // Научно-техническая информация. Серия 2. — М.: Изд-во ВИНИТИ, 2002. — № 5. — С. 1-5.
5. Евграфов П. М. Вероятностный подход к приобретению и оцениванию сложных знаний. Применение в компьютерном обучении и тестировании // Научно-техническая информация. Серия 2. — М.: Изд-во ВИНИТИ, 2002. — № 7.— С. 1-4.
6. Евграфов П. М. Способ оценки знаний и интеллектуальных возможностей // Патент на изобретение № 2212844 от 17.09.03.
7. Калошина И. П. Последняя теорема Ферма в моделях искусственного интеллекта. — М., 1995.
8. Рейтман У. Р. Познание и мышление. Моделирование на уровне информационных процессов. — М.: Мир, 1968.
Поступила в редакцию 24.04.06.
