نگاشت شناختی فازی

نگاشت شناختی فازی (FCM) رویکردی ترکیبی برای مدل‌سازی مسائل پیچیده است که نگاشت شناختی را با منطق فازی تلفیق می‌کند. این روش برای حل مسائل پیچیده، چندبعدی با روابط متعامل در علوم انسانی و مدیریت بسیار کاربردی است. نظر به اهمیت موضوع در این مقاله کوشش بر آن است تا «نگاشت شناختی فازی» مفهوم‌سازی و تعریف شود.

خاستگاه نظری نگاشت شناختی فازی

نگاشت شناختی فازی (Fuzzy Cognitive Map) توسط بارت کوسکو (Bart Kosko) در سال ۱۹۸۶ معرفی شد. کاسکو با ترکیب نگاشت شناختی و منطق فازی، چارچوبی برای مدل‌سازی سیستم‌های پیچیده و مبتنی بر دانش خبرگان ارائه کرد.

همچنین از نظر طبقه‌بندی، FCM در ادبیات «تحقیق در عملیات نرم» و نیز «مدل‌سازی سیستم‌های پیچیده» مورد استفاده قرار می‌گیرد. نگاشت شناختی نخستین بار برای مدل‌سازی ادراک و تصمیم‌گیری به کار رفت، اما با افزودن منطق فازی، قابلیت سنجش درجات اثرگذاری و عدم‌قطعیت به آن افزوده شد.

در منطق کلاسیک، روابط صفر و یک هستند، اما در FCM شدت اثرگذاری می‌تواند ضعیف، متوسط یا قوی باشد. این ویژگی، آن را برای تحلیل مسائل مدیریتی که دارای ابهام و درجات مختلف تأثیر هستند، مناسب می‌سازد.

 اجزای اصلی FCM

در این روش، مفاهیم کلیدی یک پدیده به‌صورت گره‌های یک شبکه و روابط میان آن‌ها به‌صورت پیوندهای جهت‌دار نمایش داده می‌شوند، با این تفاوت که شدت اثرگذاری هر رابطه به‌صورت عددی در بازه‌ پیوسته (معمولاً از ۱- تا ۱+) بیان می‌شود. بدین ترتیب، نه‌تنها ساختار ذهنی خبرگان را بازنمایی می‌کند، بلکه امکان تحلیل پویایی و شبیه‌سازی رفتار سیستم را نیز فراهم می‌سازد.

  • مفاهیم (Concepts): سازه‌ها یا متغیرهای کلیدی سیستم
  • روابط علّی فازی: پیوندهای جهت‌دار با وزن عددی در بازه [-۱, +۱]
  • ماتریس وزن‌ها: نمایش عددی روابط میان مفاهیم
  • الگوریتم به‌روزرسانی: سازوکار محاسبه تغییرات سیستم در طول تکرارها

وزن مثبت نشان‌دهنده اثر تقویتی و وزن منفی بیانگر اثر بازدارنده است.

مراحل اجرای نگاشت شناختی فازی

براساس این رویکرد، دانش عموماً بازنمایی دسته‌های متغیرها و علل آنها حاصل می‌شود. به‌طور کلی، دسته‌های متغیرها و علل آنها، غیرقطعی (فازی یا تصادفی) هستند. این فازی بودن در بازنمایی دانش و همینطور ذخیره دانش نیز تسری پیدا می‌کند.

گام نخست: شناسایی مفاهیم کلیدی
از طریق مرور ادبیات، مصاحبه خبرگان یا تحلیل کیفی.

گام دوم: استخراج روابط علّی
تعیین جهت و شدت اثرگذاری میان مفاهیم با استفاده از نظر خبرگان.

گـام سوم: تشکیل ماتریس مجاورت فازی
وزن‌دهی عددی به روابط و تنظیم ماتریس ارتباطات.

گام چهارم: تحلیل پویایی سیستم
اجرای الگوریتم تکراری برای مشاهده رفتار پایدار یا سناریوهای مختلف.

بنابراین اکتساب و پردازش دانش نیز باید به صورت فازی صورت گیرد. هرچه بازنمایی دانش بیشتر بر روش‌های فازی مبتنی باشد، اکتساب و پردازش دانش به صورت درست‌تری انجام خواهد شد.

جامعه و نمونه در FCM

در پژوهش‌های مدیریتی، جامعه معمولاً شامل خبرگان نظری و تجربی مرتبط با موضوع است. نمونه‌گیری هدفمند رایج‌ترین روش انتخاب مشارکت‌کنندگان است و معمولاً بین ۵ تا ۱۵ خبره برای دستیابی به اشباع تحلیلی کفایت دارد. در صورت پراکندگی خبرگان، می‌توان از روش گلوله برفی استفاده کرد.

در نگاشت علی کلاسیک، روابط صرفاً جهت‌دار هستند و شدت اثرگذاری به‌صورت دقیق کمی‌سازی نمی‌شود. اما در FCM، وزن روابط عددی است و امکان تحلیل دینامیک سیستم و پیش‌بینی وضعیت پایدار فراهم می‌شود.

کاربردها در مدیریت

این روش بویژه برای مسائل پیچیده انسانی که در حیطه مطالعات سیستم‌های نرم قابل بررسی است کاربرد دارد. در نهایت با استفاده از اصول نگاشت شناختی فازی می‌توان به گراف‌های جهت‌داری دست پیدا کرد، مسئله ابتدایی را به صورت یک مدل کاربردی ارائه می‌نماید.

  • تحلیل سیاست‌های عمومی
  • ارزیابی ریسک
  • برنامه‌ریزی راهبردی
  • تحول دیجیتال
  • مدیریت دانش
  • تحلیل پایداری سازمانی

FCM به مدیران امکان می‌دهد پیامدهای غیرمستقیم تصمیم‌ها و اثرات زنجیره‌ای را پیش‌بینی کنند.

مزایای این روش عبارتند از:

  • مدل‌سازی همزمان پیچیدگی و عدم‌قطعیت
  • ترکیب دانش کیفی و تحلیل کمی
  • امکان شبیه‌سازی سناریوها
  • نمایش بصری و قابل فهم ساختار مسئله

محدودیت‌های این روش عبارتند از:

  • وابستگی به قضاوت خبرگان
  • حساسیت به وزن‌دهی روابط
  • نیاز به دقت در تفسیر نتایج شبیه‌سازی

یک نگاشت ادراکی فازی، تصویری علّی رسم میکند. این نگاشت، حقایق، اشیاء و فرآیندها را به ارزش‌ها، سیاست‌ها و اهداف ارتباط می‌دهد. به شما اجازه می‌دهد تا چگونگی اعمال متقابل و نحوهی عملکرد حوادث پیچیده را پیشگویی کنید.

ماتریس مجاورت

ماتریس مجاورت (Adjacency Matrix) در کانون مطالعات نقشه نگاشتی فازی قرار دارد. در نگاشت ادراکی فازی، گره‌ها یا ملاحظات نیز فازی هستند و هر گره می‌تواند از ۰% تا ۱۰۰% برانگیخته شود. به عبارتی هر گره یک مجموعه فازی است. میزان روابط علی بین مفاهیم را می‌توان با ماتریسی نشان داد که به آن ماتریس مجاورت گویند.

در شکل زیر، ماتریس مجاورت به همراه مدل کاسکو (۱۹۸۶) ارائه شده است.

مدل نگاشت شناختی فازی

مدل نگاشت شناختی فازی

مکانیزم استنتاج یک نگاشت ادراکی فازی به این صورت است که در ابتدا یک نگاشت ادراکی فازی ارزش‌گذاری اولیه می‌شود. سطح فعالسازی هر گره از سیستم، بر اساس نظر کارشناس راجع به حالت کنونی، مقداری خاص می‌گیرد. سپس مفاهیم مختلف در اثرگذاری متقابل آزاد هستند.

فعال‌سازی یک گره روی گره‌های دیگری که به آن متصل است اثر میگذارد. این فعل و انفعال تا زمانی که سیستم به نقطه ثابت تعادل یا یک دور محدود و یا یک رفتار آشوب (نظریه آشوب) برسد، ادامه مییابد و به اصطلاح فرآیند تکرار می‌شود.

سخن پایانی

نگاشت شناختی فازی ابزاری توانمند برای تحلیل مسائل پیچیده و چندبعدی در مدیریت است که در آن قطعیت کامل وجود ندارد. این روش با ترکیب دانش خبرگان و منطق فازی، امکان مدل‌سازی پویای روابط و سنجش اثرات مستقیم و غیرمستقیم تصمیم‌ها را فراهم می‌کند. ارزش اصلی FCM در آن است که میان فهم ادراکی مسئله و تحلیل عددی پل می‌زند و از یک مدل ذهنی، چارچوبی تحلیلی و شبیه‌سازی‌پذیر می‌سازد. در پژوهش‌های مدیریتی، بهره‌گیری سنجیده از این روش می‌تواند به تصمیم‌گیری آگاهانه‌تر و طراحی راهبردهای واقع‌بینانه‌تر منجر شود.

منبع: حبیبی، آرش؛ آفریدی، صنم. کتاب تصمیم‌گیری چندشاخصه. تهران: نارون‌دانش.