Текст книги "Личностный потенциал. Структура и диагностика"

Автор книги: авторов Коллектив

сообщить о нарушении

Текущая страница: 40 (всего у книги 59 страниц)

Из физики и химии, где эта наука изначально возникла и развилась, синергетические знания получили широкое распространение в социальных и гуманитарных науках. Методы НДС начали использоваться для анализа поведения большого числа объектов, в частности, элементов и единиц, составляющих личность. Это деятельности, мотивы, идеи, ценности и пр., включенные в изучаемый процесс, ведущие себя крайне сложно, сосуществующие, конкурирующие, вытесняющие друг друга или каким-то образом интегрирующиеся в личности.

В настоящее время эвристическая значимость синергетической парадигмы как научной методологии не вызывает сомнения. Разные сообщества ученых в разных странах используют ее в той степени, в которой это позволяет уровень математической подготовки, являющийся стандартом для данного научного сообщества: от использования синергетических терминов на уровне метафор до заимствования и модификации моделей, разработанных для описания физических и химических процессов.

Традиционно математические знания у исследователей в области экономики выше тех, что имеются у представителей других социальных и гуманитарных наук. Эта тенденция сохраняется практически во всех развитых в научном отношении странах. При сравнении же знаний исследователей разных стран из какой-то одной научной области можно сделать вывод о том, что для отечественных исследователей подготовка их западных (европейских и североамериканских) коллег вполне может служить ориентиром, к которому следует стремиться. Как следствие, исследований, использующих формальный, операциональный аппарат нелинейных динамических систем, гораздо больше именно в экономике. В США и Западной Европе существуют многочисленные научные сообщества, объединяющие исследователей тех или иных социальных и гуманитарных дисциплин, использующих методологию и аппарат синергетики. Опыт их приложения очень широк: биология, психология, экономика, политология, культурология, медицина. Нередко гуманитарии, далекие от математики, буквально заражаются идеями необратимости, непредсказуемости, хаотичности. Термины «катастрофа», «странный аттрактор», «бифуркация» и пр. будоражат воображение, побуждают их вспомнить то, что они учили на первых курсах вузов или даже в школе, открыть более сложные учебники и перейти от уровня метафор к уровню формальных моделей, использующих далеко не тривиальный математический аппарат. В результате можно говорить о все более успешном использовании методологии синергетики в гуманитарных областях.

Однако ценность использования понятий нелинейных динамических систем заключается не в том, чтобы изложить известные идеи новыми словами, а в том, чтобы применять для анализа данных новый математический аппарат, который действительно расширит возможности социальных наук, усилит их экспериментальный статус. Ведь экспериментальные данные нужно грамотно представить, а популярные у гуманитарных исследователей статистические линейные методы анализа не позволяют операционализировать непрерывные, нелинейные, хаотические процессы, разворачивающиеся во времени и пространстве. С этой точки зрения привлекательность синергетики состоит в том, что помимо эвристических методологических принципов она дает конкретный математический аппарат, позволяющий решать эти задачи, проверять гипотезы и делать прогнозы.

Получаемые результаты свидетельствуют об адекватности и конкурентоспособности по сравнению с традиционными. Были найдены и подробно исследованы базовые математические модели, основывающиеся на наиболее типичных предположениях о свойствах отдельных элементов, составляющих систему, и законах взаимодействия между ними ( Капица, Курдюмов, Малинецкий, 1997; Режимы с обострением…, 1999 ; Капица, 1999; Митина, Петренко, 2002).

Использование методологии НДС в исследованиях личности

Как правило, когда исследователи в области психологии личности говорят о сложности человека, то имеют в виду, что его невозможно описать при помощи математических моделей, более того, именно эта «несводимость к формулам», с точки зрения гуманитариев, вообще отличает живые и социальные организмы от неживых физических, пусть даже сложных систем. Однако сначала на примерах биологических систем, а потом и на социальных было установлено, что основные формы кооперативного поведения, свойственные живым (социальным) организмам, имеют свои аналоги среди неорганических систем. Адекватность использования парадигмы НДС в психологии обусловлена многими идеями и фактами, установленными во второй половине ХХ века исследователями, в числе которых В. Франкл, А.Н. Леонтьев, К. Левин, Н. Бернштейн, А. Лурия ( Митина, 2005). К причинам возникновения нелинейных, хаотических эффектов, требующих новых синергетических моделей при изучении психологических систем, относят наличие дискретных форм проявления реакций на воздействия (в частности, порогов, нелинейных частотных распределений появления признаков, инертности в возникновении и прекращении поведенческих, эмоциональных и прочих реакций, приводящих, в частности, к неоднородности и т. д.) ( Митина, 2003). Построение адекватной модели требует рассмотрения индивида как диссипативной системы (открытой внешней информации), включенной в более общую систему – социум. Теория НДС позволяет избежать фаталистического отношения к влиянию среды, наследственности и других важных факторов нашей жизни, открывает путь к знанию и пониманию того, какие изменения неизбежны или возможны как на уровне одного человека, так и группы людей. Строгие математические методы и модели теории нелинейных динамических систем дают возможность операционализировать эти переходы и изменения. Следует ждать не четких алгоритмов, ведущих к однозначному гарантированному результату, но рекомендаций, следование которым уже само по себе есть изменение. Модели НДС позволяют включить в рассмотрение обратную связь, которая в психологии осуществляется с помощью осознания процессов и формированием отношения к этим процессам (рефлексии), а также на уровне автоматизмов, рефлексов. При этом оба способа могут сосуществовать и взаимодействовать друг с другом. Например, помимо переживания эмоций, индивиды отслеживают их, регулируют и в некоторых случаях борются с ними, не всегда осознавая эти процессы. Аналогичная ситуация проявляется в мотивационной сфере, где необходимо учитывать не только структуру мотивов личности, но и ее отношение к этим мотивам, принятие или непринятие. Мотивационная структура у разных людей устроена по-разному: это могут быть несколько мотивов, которые человек по очереди реализует, а может сложиться так, что один мотив вытеснит все остальное. Вышесказанное обосновывает важность принятия решения о выборе параметров порядка и управления и изучении их формирования и функционирования при построении модели, отражающей исследуемую систему. Человек может быть спокойным, эффективным, когда ему нужно решить какую-то одну проблему, важную на сегодняшний день, но есть такие люди, которые предпочитают делать параллельно сразу несколько дел, переключаясь время от времени, и наличие нескольких задач им не только не мешает, но еще более активизирует их.

Управляющими параметрами (ответственными за возникновение бифуркаций) для человека могут быть выраженность темпераментальных характеристик, уровень образования, материальный уровень. Рассмотрение человека как сложной иерархической системы позволяет понять, как уживаются уровни различной глубины, сформированности и функционирования и как происходит переход с одного уровня на другой (в терминах передачи управляющих параметров на языке НДС). Если взаимосвязь между какими-то характеристиками в системе нижнего уровня выражается общей функцией, то зависимость коэффициентов этой функции от характеристик более верхнего уровня (управляющих параметров) позволяет, тем не менее, реализовывать качественно различные типы взаимосвязей для различных подсистем системы нижнего уровня. Эти управляющие параметры могут иметь как межгрупповые различия, так и индивидуальные, а также варьировать у одного человека в разные моменты.

При изучении самоорганизующихся эффектов в личностной динамике также наблюдают гистерезис. Его можно назвать памятью, инертностью: нелегко избавиться от сформированного навыка, установки, стереотипа, а человека, который находится в расстроенном состоянии, гораздо труднее развеселить.

Исследования в области психологии личности требуют чувствительности как к внутренним факторам (включая психофизиологию и генетику), так и к внешним ситуационным факторам. Чувствительность к начальным условиям проявляется в том, что малейшие отклонения как во внутренних детерминантах индивидных характеристик, так и во внешних (окружающей среде) могут приводить к существенным расхождениям в личностной динамике. Собственно, именно так в большинстве случаев и бывает в психологии. Исследователи могут с уверенностью говорить о тенденциях, но конкретные прогнозы относительно того или иного человека или развития ситуации взаимодействия давать не берется никто.

Далее мы рассмотрим различные методологии, позволяющие реализовать указанные выше идеи.

Рефлексивные формальные модели Лефевра

Когда речь идет о деятельности человека (общении, принятии решения), функцию обратной связи реализует рефлексия. Для исследования рефлексивных процессов психолог и математик В. Лефевр (Lefebvre, 1977, 1984, 1992, 1996a, b; Lefebvre, Rapoport, 2001; Лефевр, 1996) разработал рефлексивную теорию, подтвердившую свою правомерность в целом ряде психологических и непсихологических разработок. Формулы, вводимые Лефевром, позволяют моделировать поведение человека при взаимодействии с другими людьми в ситуации выбора. Стало возможным описать рефлексивный процесс осознания индивидом свой деятельности, итерационный процесс коррекции. В общем виде формула позволяет учитывать не только представления индивида о себе самом и об окружающем мире, но и его представления о том, как он сам выглядит в глазах окружающих. С математической точки зрения формулы предельно просты и доступны для понимания студенту 1 курса математического вуза (они используют элементарные функции математической логики). Однако содержательные психологические и культурологические результаты поистине впечатляют.

Начав с психологии эстетического восприятия, В. Лефевр, с помощью предложенной модели, теоретически рассчитал, каким должно быть гармоничное соотношение между высотами звуков в музыкальном аккорде, соотношение между размерами радующего глаз объекта (золотое сечение). Применение его модели в психологии конфликта позволило выявить две стратегии поведения: стремление к компромиссу и соблюдение принципа бескомпромиссности, а также имплицитно присутствующие в общественном сознании детерминанты этих стратегий. Предложенная Лефевром модель – формулы и правила их преобразований – позволила аналитически, «на кончике пера» установить соответствие между тем, какой тип поведения в конфликте выбирает человек, и тем, каким моральным принципом он руководствуется. Так, конфликтные люди склонны полагать, что цель оправдывает средства, а стремящиеся к компромиссу считают, что даже самые высокие цели не могут оправдать сомнительных средств их достижения. Впоследствии эти результаты были подтверждены экспериментальными данными, полученными в кросс-культурных исследованиях.

В настоящее время эти разработки привлекают внимание не только ученых, но и специалистов военного ведомства США в связи с поисками новых подходов к анализу и разрешению различных типов конфликтов и прежде всего международных (военных и политических), с поисками теоретических и методических основ ведения информационных войн.

Моделирование с помощью мультиагентных систем и клеточных автоматов

Эти два класса моделей вместе входят в одну большую область, получившую название «искусственная жизнь» (Artificial Life).

Модели автономных агентов позволяют реализовать самоорганизующиеся конфигурации в различных ситуациях активности индивидуального или коллективного субъекта при восприятии, мышлении, поведении. Каждый агент наделяется возможностью действовать по определенным правилам в зависимости от своего внутреннего состояния и окружающих его других агентов. Выбор правил зависит от гипотез исследователя, его априорных представлений о процессе. Это самое сложное. Дальше задается начальная конфигурация и запускается процесс. Содержательность интерпретации, доказанность гипотез напрямую зависит от проницательности исследователя, от того, насколько глубоко он чувствует суть моделируемого процесса. Эти модели очень популярны в европейской и американской психологии. Регулярно проводятся конференции по этой тематике. Темы самые разные – схемы усвоения моральных норм, формирование стереотипов, электоральное и потребительское поведение и пр. ( Tschacher, Dauwalder, 1999; Sun, 2006; Shoham, Leyton-Brown, 2008).

В моделях клеточных автоматов ( Bossomaier, Green, 1998; Wolfram, 2002) популяции рассматриваются как массивы взаимодействующих между собой клеток, каждая из которых действует строго по определенным правилам, заданию которых, как и в предыдущем случае, уделяется особое внимание. Массивы – это чаще всего n-мерные прямоугольные решетки (n=1, 2, 3), но могут быть и шестиугольные соты и т. п.

Задать клеточный автомат – значит:

• Описать состояние каждой клетки. Состояние в общем виде задается многомерным вектором. Например, если мы хотим описать поведение электората как клеточный автомат, то можно задавать состояния людей как «клеток» электората, двумерным вектором: политической ориентацией и избирательной активностью.

• Для каждой клетки указать ее соседей, то есть множество других клеток автомата, состояние которых влияет на состояние этой клетки. Чаще всего (однако не всегда) таковой окрестностью является геометрическая окрестность.

• Для каждой клетки задается набор правил перехода из одного состояния в другое в зависимости от текущих состояний – как своего, так и своих соседей.

Наиболее известный пример клеточного автомата, вошедший практически во все учебники и монографии, так или иначе затрагивающие эту тему, – игра Конвея «Жизнь». На двумерной решетке каждая клетка является живой или мертвой (два возможных состояния). Окрестностью клетки являются восемь смежных клеток. Если не менее трех клеток из окрестности мертвой клетки живы – клетка оживает, если более 5 клеток из окрестности живой клетки живы – клетка умирает (от тесноты) ( Coveney, Highfield, 1995).

Эта несложная схема, тем не менее, является прототипом более сложных структур. Однозначные правила функционирования способствуют образованию определенных паттернов, законов динамики конфигурации даже при случайном задании начальных состояний клеток. Эти законы начинают проявляться через небольшое число шагов. Исследования показали ( Wolfram, 2002), что даже в одномерных автоматах процессы самоорганизации напоминают биологические и социальные структуры. Эволюция возможна по одному из четырех сценариев: смерть, конфигурация стабилизируется или изменяется с фиксированным периодом, за фиксированное время расширяется неограниченно, наконец. расширяется и уменьшается хаотически.

С помощью клеточных автоматов были построены самые разнообразные модели сложных систем от движения жидкости по законам Навье – Стокса до распространения установок в общественном сознании под воздействием внешних социальных факторов. По аналогии с уравнениями физики, описывающими диффузию в материальных средах, Латане и Новак ( Latane, Nowak, 1994) изучали диффузию социальных установок в гипотетической популяции. Полученные результаты с высокой точностью согласуются с гипотезами, выдвинутыми исходя из социальных теорий.

Наиболее очевидное использование клеточных автоматов и мультиагентных систем лежит в направлении, когда в качестве единиц (агентов или клеток) выбираются люди, функционирующие и взаимодействующие между собой и с окружающим миром по определенным правилам. Однако в качестве таких единиц можно рассматривать какие-то компоненты личности как целостной системы, например ценности, установки, мотивы, характеристики и т. д., задавать правила динамики и смотреть возможные сценарии развития человека в соответствии с этими правилами.

Исследования динамики временных рядов

Для описания и операционального представления личности в динамическом аспекте целесообразно, построив временной ряд, использовать последовательность произведенных измерений для какого-либо показателя, то есть анализируя непосредственно функцию зависимости от времени Y j =F(t j ). Пример использования методов анализа временнóго ряда можно найти в работе ( Clayton, Frey, 1996, 1997). В работах проводились серии экспериментов на запоминание, строились временные ряды, содержащие частоты правильных и неправильных ответов во времени. Условия экспериментов варьировались по степени сложности задач. Для работы с данными применялся разнообразный арсенал методов – спектральный анализ, автокорреляционный анализ, вычисление экспонент Ляпунова, энтропии, сопоставляются данные по временным разверткам и фазовые кривые. Для верификации используется метод суррогатных данных ( Abarbanel, 1996; Handbook of Chaos control, 2008).

В работе Шульберга и Готлиба ( Schulberg, Gottlieb, 2002) с помощью анализа динамических рядов изучались паттерны микроколебаний осознания эмоциональной сферы в зависимости от личностных характеристик и наличия нервных расстройств. В ходе эксперимента испытуемые с помощью компьютерной мыши управляли курсором для фиксации своих эмоций на графической шкале, один из полюсов которой был отмечен словом печаль, а другой – счастье. Продолжительность эксперимента занимала 2,5 минуты, программа «считывала» координату положения курсора на оси каждые 0,11 сек. Полученный в результате временнóй ряд динамики эмоционального настроя включал 1364 измерения. Результаты показали, что у испытуемых, имеющих высокие баллы по шкалам стремления к удовольствию и гипомании, микродинамика осознания эмоционального фона математически гораздо сложнее по сравнению с общей выборкой, а у испытуемых, имеющих высокие баллы по шкале отсутствия эмоций, наоборот, микродинамика эмоций более простая.

В работе Йерагани и сотрудников ( Yeragani, Pohl, Mallavarapu, Balon, 2003) также показано, что у людей, страдающих депрессией, хаотический компонент в динамике настроений существенно меньше проявляется. В исследовании ( Burton, Heath, Weller, Sharpe, 2010) специальные показатели, характеризующие структуру динамического процесса, рассчитывались для EEG сигналов и сравнивались у здоровых испытуемых (контрольная группа) и пациентов, имеющих различные расстройства сознания. Было доказано, что в контрольной группе энтропия (показатели присутствия хаотической компоненты – Pincus, 1991, 1994) значимо выше. Этот результат авторы интерпретируют как свидетельство того, что именно сознание делает поведение человека непредсказуемым и поддающимся описанию только с определенной долей приближения.

Аналогичным образом психологи, психотерапевты и психиатры пытаются изучать макроколебания настроений, черт характера, личностных установок в течение более длительных периодов времени – от недель до месяцев. Многочисленные исследования последних двадцати лет доказали, что эмоциональный настрой любого человека (здорового или имеющего психологические или психиатрические проблемы) колеблется в течение часов, дней, недель, месяцев, лет ( Robbins, Tank, 1987; Cowdry, Gardner, O’Learyet al., 1991; Hall, Sing, Romanoski, 1991; Coombs, Winkler, Daley, 1994; Gottschalk, Bauer, Whybrow, 1995; Pezard, Nandrino, Renault, 1996; Totterdell, Briner, Parkinson, Reynolds, 1996). При этом циклы разной периодичности имеют свои законы и, налагаясь друг на друга, в совокупности дают очень сложные временные зависимости. Анализ этих зависимостей с использованием методов теории нелинейной динамики для временных рядов становится возможным при числе наблюдений, исчисляемых несколькими сотнями. Таким образом, для проведения соответствующего анализа измерения необходимо проводить регулярно и в течение длительного промежутка времени (например, не менее полутора лет ежедневно).

В работе Крейндлера и Ламсдена ( Kreindler, Lumsden, 2002) были представлены результаты анализа временнóго ряда настроений испытуемого с хроническим биполярным аффективным расстройством. Исследование содержало 2150 наблюдений, полученных за 2 десятилетия наблюдения у психиатра. Исследовались спектральная функция и график зависимости интенсивности эмоциональных ощущений от частоты их возникновения за весь временной период и по 4-летним эпохам. Для анализа соответствия полученных графиков степенному закону с отрицательным показателем использовалась нелинейная регрессия. Результаты нелинейного регрессионного анализа зафиксировали последовательное снижение степенного показателя от одной эпохи лечения к другой, а за два десятилетия в два раза. При этом ученые исходили из выдвинутой ими ранее гипотезы о том, что у человека функция зависимости интенсивности эмоционального события от частоты его возникновения является степенной с отрицательным показателем, однако у здорового человека этот показатель по абсолютной величине существенно меньше, нежели у психически больного ( Lumsden, Kreindler, Woolridge, 1998).

Исходя из таких сложных требований большого числа измерений, исследования возможны при длительном курсе консультирования, лечения, наблюдения. Так на факультете психиатрии Университета Торонто (Канада) уже долгое время ведутся такие исследования под руководством Ч. Ламсдена и его ученика Д. Крейндлера. В одном из них для того, чтобы получить такой большой набор данных, ученые используют различные технические усовершенствования. Еще в 2001 году в течение полутора лет проводилось большое исследование, в котором принимали участие 20 маниакально-депрессивных больных и 20 здоровых испытуемых, составивших контрольную группу. Испытуемые обеих групп дважды в день должны были фиксировать свое состояние и настроение, отвечая на 17 вопросов опросника. Делали они это, используя специальные микрокомпьютеры, соединенные с мобильными телефонами, сразу передающими информацию на компьютер лаборатории ( Milton, 2002). В то время это была новейшая информационная технология, фактически сделавшая эксперимент возможным (замотивировать 40 испытуемых два раза в день отвечать на бумажном бланке на вопросы теста в течение полутора лет практически невозможно). В настоящее время та же идея воплощается на базе более усовершенствованных моделей смартфонов и коммуникаторов ( Burton, Heath, Weller, Sharpe, 2010).

Однако в большинстве исследований, связанных с динамикой более устойчивых личностных образований (ценностей, установок, стереотипов поведения и т. п.), проводить замеры (опросы) часто вообще не имеет смысла – должны пройти годы, чтобы можно было зафиксировать реальные изменения в сознании человека. Поэтому провести необходимое число наблюдений просто не представляется возможным. Число реальных срезов редко превышает два-три. В такой ситуации на помощь приходят разностные уравнения ( Петренко, Митина, 1997; Митина, Петренко, 1999; Mitina, Abraham, Petrenko, 2001). Предметом исследования в этом случае является функция зависимости текущего состояния системы от предыдущего Y j+1 =F(Y j ).

Так, соответствующая технология построения разностных уравнений на базе данных двух экспериментальных срезов была разработана и применена в цикле исследований политического сознания ( Митина, Петренко, 1999; Mitina, Abraham, Petrenko, 2001), а также гендерных стереотипов. По результатам экспериментальных опросов были определены показатели представлений людей в два последовательных момента времени. Гипотеза эргадичности позволяет исходить из возможности компенсировать ограниченность числа замеров большим количеством испытуемых или иных объектов, динамика который изучается (каких-либо значений, представлений). С помощью многомерной линейной регрессии строились функции зависимости показателей в следующий момент времени от предыдущего. Переход от разностных уравнений к соответствующим дифференциальным и их решение позволяет на качественном уровне описать характер динамики изучаемого процесса.

Этот же метод разностных уравнений был использован и в психофизике для решения одной из наиболее важных задач этой области психологии – для нахождения функциональной зависимости между величиной объективного стимула и интенсивностью субъективного ощущения (интересовавшей еще в XIX веке Вебера и Фехнера) австралийский исследователь Р. Грегсон ( Gregson, 1992) использовал разностные уравнения. Причиной, побудившей его привлечь новый математический аппарат, являлась сложность и неоднозначность объективного воздействия изучаемых им стимулов, например таких, как вкус вина. Для своей модели Грегсон использовал так называемую гамма формулу Y j+1 = —λ (Y j —1)(Y j —ie) (Y j +ie).Более простой и более известный ее аналог Y j+1 = —λ Y j (Y j —1)) – логистическое уравнение – был использован нами для моделирования эмоциональной динамики в предположении, что определяющим в текущем эмоциональном состоянии является эмоциональное состояние предыдущего дня (а более ранние состояния забываются) ( Kuhl, Mitina, in print).

Свойства логистического уравнения хорошо изучены. Замечательно то, что, несмотря на простоту, с помощью него можно задать процесс, финальное поведение которого (результат эволюции системы) имеет любую структуру. Без потери общности положим, что i Y i[0, 1]. Чтобы обеспечить сохранение этого условия, λ должно лежать в диапазоне от 0 до 4. Для λ<1 существует только одна финальная точка, равная 0. Для λ [1; 3] система имеет также одну устойчивую финальную точку (то есть точку, равную), равную (λ—1)/λ. Когда λ становится больше 3, то при ее возрастании число точек, принадлежащих финальному множеству, начинает последовательно удваиваться (2, 4, 8…) и поведение системы, начиная с определенного момента времени, при отсутствии кардинальных внешних воздействий заключается в последовательном посещении каждой из этих точек. При λ>3,57 финальное множество становится бесконечным, и установить нахождение системы не представляется возможным.

Данная модель была использована для изучения динамики эмоциональной сферы человека. Обоснованием являлась теория Ю. Куля, рассматривающего личность как результат динамического взаимодействия различных подсистем. Эта теория обобщает множество результатов и идей функционального подхода, который является очень плодотворным для анализа психологических феноменов, связанных с личностной и индивидной регуляцией различного уровня: восприятие отдельных предметов или простые моторные акты, мотивацию, самовосприятие, волевое поведение, креативность и т. д. Согласно Кулю, аффекты играют очень важную роль в сложных процессах личностного функционирования, обеспечивая регуляцию взаимодействия подсистем личности.

С помощью модели логистического отображения была проанализирована динамика различных аффектов. В качестве данных использовались результаты определения состояния (осознанного и глубинного) эмоциональной сферы. Испытуемыми были 45 студентов университета и 46 пациентов клиники неврозов, исследование проводилось ежедневно в течение месяца. Оценивалась выраженность трех эмоций: радости, апатии и чувства беспомощности. Для каждого временнóго ряда было построено логистическое отображение и вычислена соответствующая λ. Учитывались также результаты одномоментного тестирования испытуемых с помощью различных психологических тестов (темперамента, эмоциональной сферы, психосоматических расстройств, мотивации, саморегуляции и личностных установок, стилей поведения). Целями исследования были: 1) найти психологический смысл λ как показателя системной взаимосвязи и интеграции между подсистемами личности с разным уровнем осознания; 2) выявить различия между λ (отражающей сложную иерархическую системную организацию) и дисперсией в эмоциональных состояниях человека в разные дни (как показатель стохастического процесса). Анализ медиаторов, опосредующих связь между λ (как мы полагаем, показателем более глубинных личностных характеристик) и другими индивидными свойствами, замеренными при одномоментном тестировании, существенно облегчил интерпретации.

Было установлено, что для всех испытуемых и всех видов аффектов λ (1; 3). Это может означать, что на уровне осознания каждый аффект стремится к достижению одного устойчивого финального значения. Не было выявлено значимых расхождений в распределениях значений λ для психически здоровых и людей, страдающих психическими расстройствами. Было установлено, что для имплицитного позитивного аффекта возрастание λ (а значит и показателя финального состояния) ведет к усилению ориентации на действие при неудаче, а это в свою очередь приводит к снижению проявления психосоматических расстройств. Для других типов аффектов никаких значимых связей выявлено не было. Можно предположить, что имплицитный позитивный аффект стремится достичь значения, которое можно назвать «уровнем базового доверия личности». Это свойство помогает человеку эффективно функционировать и способствует повышению качества жизни.

Модели теории катастроф

Теория катастроф – это математическая теория, анализирующая поведение нелинейных динамических систем при изменении их параметров. Ее основой является достаточно новая область математики – теория особенностей гладких отображений, являющаяся далеким обобщением задач на экстремум в математическом анализе. После работ Р. Тома ( Thom, 1975), давшего теории название, началось интенсивное развитие, как самой теории катастроф, так и ее многочисленных приложений. Зиман ( Zeeman, 1977) издал отдельной книгой работы по применению моделей теории катастроф в социальных науках.

Под «катастрофой» понимается нелинейное уравнение, устанавливающее зависимость одной или двух переменных от управляющих параметров. Исходя из одного из основных принципов синергетики, число управляющих параметров не может быть слишком большим. Согласно Хакену (2000), как правило, оно не должно превышать 5. Значение элементарной теории катастроф состоит в том, что она сводит огромное многообразие ситуаций к небольшому числу стандартных схем, которые можно детально исследовать раз и навсегда. Различают 7 канонических катастроф для функций одной или двух переменных и числа управляющих параметров, не превышающих 5. Существует точка зрения скептиков об ограниченности теории катастроф в связи с тем, что она позволяет описывать поведение только одной, максимум двух переменных. Однако следует помнить, что управляющие параметры – это тоже переменные, и, описывая поведение какой-то психологической системы с помощью модели катастроф, мы устанавливаем определенную иерархию между этими переменными. Управляющие параметры соответствуют независимым переменным, а собственно переменные модели – это переменные, зависимые от управляющих параметров.