Когнитивное моделирование: теоретические основы, методы, ограничения

Цель: проведение обзора области когнитивно-интеллектуального моделирования и области визуализации знаний для выявления нерешенных задач, проблем и рисков.

Методы: обзор области когнитивного моделирования, которая рассматривается как совокупность методов для внешнего отображения когнитивных структур и когнитивных процессов человека в виде формальных или слабо формализованных когнитивных карт. Описаны некоторые проблемы, риски и когнитивные искажения, возникающие при концептуализации знаний и влияющие на достоверность, качество, чтение и понимание когнитивных моделей.

Результаты: показана связь когнитивного моделирования с концепциями слабо структурированных проблем и трудноразрешимых проблем, которые описывают класс сложных ситуаций реального мира. Кратко описаны пять категорий методов когнитивного моделирования и способы построения коллективных когнитивных карт. Определена взаимосвязь областей когнитивного моделирования и управления знаниями в части концептуализации знаний. Обобщены некоторые риски визуализации знаний, среди которых чрезмерная уверенность в надежности и достоверности визуализации; неоднозначные интерпретации из-за множества неявных значений; зависимость от предыдущего опыта и визуальной грамотности пользователя. Обозначены нерешенные вопросы достоверности, качества, чтения и понимания когнитивных моделей. Выявлен методический разрыв при переходе от слабо формализованной когнитивной карты к формальной когнитивной карте. Отмечен дефицит обзорных работ, где систематизируются и осмысливаются результаты, опыт и знания в области когнитивного моделирования.

Научная новизна: проведенный обзор области когнитивного моделирования позволил поставить и обосновать исследовательскую задачу по интеграции методов когнитивного моделирования и методов визуализации знаний для снижения рисков, возникающих вследствие когнитивных искажений при интеллектуальной деятельности человека.

Практическая значимость: обозначенные сопутствующие любому процессу когнитивно-интеллектуального моделирования риски когнитивного искажения должны приниматься во внимание как модельерами, так и пользователями. Устранить полностью эти риски невозможно, но до некоторой приемлемой степени их можно снизить посредством совместного применения методов когнитивного моделирования и методов визуализации знаний.

1. Абрамова, Н. А. (2006). Человеческие факторы в когнитивном подходе. В сб. Управление большими системами: сборник трудов, 16, 5–25.

2. Абрамова, Н. А. (2007). О проблеме рисков из-за человеческого фактора в экспертных методах и информационных технологиях. Проблемы управления, 2, 11–21. EDN: IACHEN

3. Абрамова, Н. А. (2019). О перспективах современной парадигмы когнитивного моделирования. В сб. XIII Всероссийское совещание по проблемам управления ВСПУ – 2019 (с. 1858–1863). EDN: JOCDPJ. DOI: 10.25728/vspu.2019.1858

4. Абрамова, Н. А., Воронина, Т. А., Порцев, Р. Ю. (2010). О методах поддержки построения и верификации когнитивных карт с применением идей когнитивной графики. Управление большими системами: сборник трудов, 30–1, 411–430. EDN: NQVKOZ

5. Абрамова, Н. А., Макаренко, Д. И., Порцев, Р. Ю. (2014). Развитие методов визуального анализа при моделировании ситуаций на основе когнитивных карт. В сб. XII Всероссийское совещание по проблемам управления ВСПУ – 2014: сб-к трудов конференции (с. 4084–4089). EDN: SSIVGD

6. Авдеева, З. К., Коврига, С. В. (2010). Эвристический метод концептуальной структуризации знаний при формализации слабоструктурированных ситуаций на основе когнитивных карт. Управление большими системами: сборник трудов, 31, 6–34. EDN: NQVJMD

7. Авдеева, З. К., Коврига, С. В. (2024). Когнитивные карты для анализа и моделирования в системе стратегического планирования государства. Управление большими системами, 111, 147–178. EDN: EQUPCJ. DOI: 10.25728/ubs.2024.111.6

8. Авдеева, З. К., Коврига, С. В., Макаренко, Д. И. (2006). Когнитивное моделирование для решения задач управления слабоструктурированными системами (ситуациями). Управление большими системами: сборник трудов, 16, 26–39.

9. Васильев, В. И., Вульфин, А. М., Кириллова, А. Д., Кучкарова, Н. В. (2021). Методика оценки актуальных угроз и уязвимостей на основе технологий когнитивного моделирования и Text Mining. Системы управления, связи и безопасности, 3, 110–134. EDN: IUHRSS. DOI: 10.24412/2410-9916-2021-3-110-134

10. Горелова, Г. В. (2021). Когнитивное моделирование сложных систем: состояние и перспективы. В сб. Системный анализ в проектировании и управлении, 25(1), 224-248. EDN: FIFIVF. DOI: 10.18720/SPBPU/2/id21-66

11. Горелова, Г. В., Громакова, В. Г. (2024). Когнитивное моделирование и нейронауки. В сб. Системный анализ в проектировании и управлении, 27(2), 8–19. EDN: KNXUXH. DOI: 10.18720/SPBPU/2/id24-141

12. Канеман, Д. (2004). Контуры ограниченной рациональности: возможность интуитивных суждений и выбора. Институт приватизации и менеджмента, 540–592.

13. Капский, Д. В., Богданович, С. В. (2024). Интеграция методов когнитивного анализа в систему оценки безопасности дорожной инфраструктуры. Вестник Полоцкого государственного университета. Серия B. Промышленность. Прикладные науки, 50(2), 36–49. EDN: SIJTNI. DOI: 10.52928/2070-1616-2024-50-2-36-49

14. Кубрякова, Е. С. (2001). О когнитивной лингвистике и семантике термина «когнитивный». Вестник Воронежского государственного университета. Серия: Лингвистика и межкультурная коммуникация, 1, 4–10.

15. Митяков, Е. С., Карпухина, Н. Н., Митяков, С. Н., Ладынин, А. И. (2025). Когнитивное моделирование экономического развития промышленных экосистем. Экономика промышленности/Russian Journal of Industrial Economics, 18(1), 63–77. EDN: YMXUYA. DOI: 10.17073/2072-1633-2025-1-1383

16. Робертс, Ф. С. (1986). Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. Москва: Наука.

17. Халин, Ю. А., Катыхин, А. И., Зинкин, С. А., & Шилин, А. А. (2023). Когнитивное моделирование информационного обеспечения игрового автоматизированного обучения. Известия Юго-Западного государственного университета, 26(4), 117–131.

18. Ackermann, F., & Eden, C. (2004). Using Causal mapping: individual and group; traditional and new. Systems modelling: Theory and practice, 127–145.

19. Ackermann, F., & Eden, C. (2020). Strategic options development and analysis. In Systems approaches to making change: A practical guide (pp. 139–199). London: Springer London.

20. Axelrod, R. (Ed.). (1976). Structure of decision: The cognitive maps of political elites. Princeton University Press.

21. Basole, R., Bendoly, E., Chandrasekaran, A., & Linderman, K. (2022). Visualization in operations management research. INFORMS Journal on Data Science, 1(2), 172–187. EDN: AINHKP. DOI: 10.1287/ijds.2021.0005

22. Beschi, S., Falessi, D., Golia, S., & Locoro, A. (2025). Characterizing Data Visualization Literacy for Standardization: A Systematic Literature Review. IEEE Access. DOI: 10.1109/ACCESS.2025.3559298

23. Bood, R. P. (2001). Images of Unfolding Diversification Projects. Charting Organizational Learning in Small and Medium-Sized Enterprises from a Cognitive Perspective. Eburon, Delft.

24. Börner, K., Maltese, A., Balliet, R. N., & Heimlich, J. (2016). Investigating aspects of data visualization literacy using 20 information visualizations and 273 science museum visitors. Information Visualization, 15(3), 198–213.

25. Bresciani, S., & Eppler, M. J. (2009). The risks of visualization. In Identität und Vielfalt der Kommunikations-wissenschaft (pp. 165–178).

26. Bresciani, S., & Eppler, M. J. (2015). The pitfalls of visual representations: A review and classification of common errors made while designing and interpreting visualizations. Sage Open, 5(4). DOI: 10.1177/2158244015611451

27. Bryson, J. M., Ackermann, F., Eden, C., & Finn, C. B. (2004). Visible thinking: Unlocking causal mapping for practical business results. John Wiley & Sons.

28. Bünzli, F., & Eppler, M. J. (2024). How verbal text guides the interpretation of advertisement images: a predictive typology of verbal anchoring. Communication Theory, 34(4), 191–204.

29. Eden, C. (1988). Cognitive mapping. European Journal of Operational research, 36(1), 1–13. DOI: 10.1016/0377-2217(88)90002-1

30. Eden, C. (1992). On the Nature of Cognitive Maps. Journal of Management Studies, 29, 261–265. EDN: EPWZBF. DOI: 10.1111/j.1467-6486.1992.tb00664.x

31. Eden, C. (2004). Analyzing cognitive maps to help structure issues or problems. European journal of operational research, 159(3), 673–686. https://doi.org/10.1016/S0377-2217(03)00431-4

32. Eden, C., & Ackermann, F. (2001). SODA–the principles. In J. Rosenhead, & J. Mingers (Eds.), Rational analysis for a problematic world revisited (pp. 21–41). John Wiley & Sons.

33. Eppler, M. J. (2006, July). Toward a pragmatic taxonomy of knowledge maps: Classification principles, sample typologies, and application examples. In Tenth International Conference on Information Visualisation (IV'06) (pp. 195–204). IEEE. https://doi.org/10.1109/IV.2006.111

34. Eppler, M. J. (2013). What is an effective knowledge visualization? Insights from a review of seminal concepts. In F. T. Marchese, & E. Banissi (Eds.), Knowledge visualization currents: From text to art to culture (pp. 3–12). London: Springer-Verlag. https://doi.org/10.1007/978-1-4471-4303-1_1

35. Eppler, M. J., & Burkhard, R. A. (2007). Visual representations in knowledge management: framework and cases. Journal of Knowledge Management, 11(4), 112–122. https://doi.org/10.1108/13673270710762756

36. Eppler, M. J., & Burkhard, R. A. (2008). Knowledge visualization. In Knowledge management: concepts, methodologies, tools, and applications (pp. 781–793). IGI Global.

37. Felix, G., Nápoles, G., Falcon, R., Froelich, W., Vanhoof, K., & Bello, R. (2019). A review on methods and software for fuzzy cognitive maps. Artificial intelligence review, 52, 1707–1737. EDN: GTBMFI. DOI: 10.1007/s10462-017-9575-1

38. Fiol, C. M., & Huff, A. S. (1992). Maps for managers: where are we? where do we go from here? Journal of Management Studies, 29(3), 267–285. EDN: EPWZBP. DOI: 10.1111/j.1467-6486.1992.tb00665.x

39. Geisler, E. (1999, august). Organizational change phenomena, managerial cognition, and archival measures: reconceptualization and new empirical evidence. Stuart Working Paper, 99–02.

40. Horn, R. E., & Weber, R. P. (2007). New tools for resolving wicked problems: Mess mapping and resolution mapping processes. Watertown, MA: Strategy Kinetics LLC.

41. Huang, O., Lee, P., & Nobre, C. (2025). From Reality to Recognition: Evaluating Visualization Analogies for Novice Chart Comprehension. arXiv preprint arXiv:2506.03385.

42. Huff, A. S. (ed.) (1990). Mapping strategic thought. Chichester: John Wiley and Sons.

43. Kontogianni, A. D., Papageorgiou, E. I., & Tourkolias, C. (2012). How do you perceive environmental change? Fuzzy Cognitive Mapping informing stakeholder analysis for environmental policy making and non-market valuation. Applied Soft Computing, 12(12), 3725–3735. EDN: YDJOQX. DOI: 10.1016/j.asoc.2012.05.003

44. Kosko, B. (1986). Fuzzy cognitive maps. International Journal of Man-Machine Studies, 24(1), 65–75. https://doi.org/10.1016/S0020-7373(86)80040-2

45. Larkin, J. H., & Simon, H. A. (1987). Why a diagram is (sometimes) worth ten thousand words. Cognitive Science, 11(1), 65–100. https://doi.org/10.1111/j.1551-6708.1987.tb00863.x

46. Lawrence, C. (2025). Synthesising simulation quality: an algorithmic analysis of development practices across the simulation lifecycle. Journal of Simulation, 1–20. DOI: 10.1080/17477778.2025.2506629

47. Lee, S., Kim, S. H., & Kwon, B. C. (2016). Vlat: Development of a visualization literacy assessment test. IEEE transactions on visualization and computer graphics, 23(1), 551–560. DOI: 10.1109/TVCG.2016.2598920

48. Lengler, R., & Eppler, M. J. (2007, January). Towards a periodic table of visualization methods for management. In IASTED Proceedings of the Conference on Graphics and Visualization in Engineering (GVE 2007), Clearwater, Florida, USA (Vol. 7, No. 8, p. 31).

49. Locoro, A., Fisher, W. P., & Mari, L. (2021). Visual information literacy: Definition, construct modeling and assessment. IEEE access, 9, 71053–71071. EDN: VJJUQM. DOI: 10.1109/access.2021.3078429

50. Muntwiler, C., & Eppler, M. J. (2023). Improving decision making through visual knowledge calibration. Management Decision, 61(8), 2374–2390. EDN: ICDIUH. DOI: 10.1108/md-07-2022-1018

51. Nelson, H. J., Poels, G., Genero, M., & Piattini, M. (2012). A conceptual modeling quality framework. Software Quality Journal, 20, 201–228. EDN: QGHZDW. DOI: 10.1007/s11219-011-9136-9

52. Nicolini, D. (1999). Comparing methods for mapping organizational cognition. Organization studies, 20(5), 833–860. EDN: JOQESN. DOI: 10.1177/017084069902000506

53. Orang, O., de Lima e Silva, P. C., & Guimarães, F. G. (2023). Time series forecasting using fuzzy cognitive maps: a survey. Artificial Intelligence Review, 56(8), 7733–7794. EDN: WNOGKX. DOI: 10.1007/s10462-022-10319-w

54. Papageorgiou, E. I., & Salmeron, J. L. (2013). A Review of Fuzzy Cognitive Maps Research During the Last Decade. IEEE Transactions on Fuzzy Systems, 21(1), 66–79. https://doi.org/10.1109/TFUZZ.2012.2201727

55. Qu, H., Nordin, N. A., Tsong, T. B., & Feng, X. (2023). A bibliometrics and visual analysis of global publications for cognitive map. IEEE Access, 11, 52824–52839.

56. Quadri, G. J., Wang, A. Z., Wang, Z., Adorno, J., Rosen, P., & Szafir, D. A. (2024, May). Do you see what i see? a qualitative study eliciting high-level visualization comprehension. In Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems (pp. 1–26).

57. Rittel, H. W., & Webber, M. M. (1973). Dilemmas in a general theory of planning. Policy Sciences, 4(2), 155–169. EDN: TGFJKX. DOI: 10.1007/bf01405730

58. Simon, H. A. (1973). The structure of ill structured problems. Artificial Intelligence, 4(3–4), 181–201. https://doi.org/10.1016/0004-3702(73)90011-8

59. Sousa, I. V. (2022, October). To model or not to model? Assessing the value of ontology-driven conceptual modeling. In International Conference on Enterprise Design, Operations, and Computing (pp. 364–369). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-031-26886-1_25

60. Stach, W., Kurgan, L., & Pedrycz, W. (2005). A survey of fuzzy cognitive map learning methods. Issues in soft computing: theory and applications (pp. 71–84).

61. Swan, J. (1997). Using cognitive mapping in management research: decisions about technical innovation. British Journal of Management, 8(2), 183–198. https://doi.org/10.1111/1467-8551.0050

62. Tegarden, D. P., & Sheetz, S. D. (2003). Group cognitive mapping: a methodology and system for capturing and evaluating managerial and organizational cognition. Omega, 31(2), 113–125. EDN: BGIEFP. DOI: 10.1016/S0305-0483(03)00018-5

63. Tenbergen, B., & Daun, M. (2024). Metrics to Estimate Model Comprehension: Towards a Reliable Quantification Framework. In ENASE (pp. 498–505). https://doi.org/10.5220/0012684800003687

64. Ware, C. (2019). Information visualization: perception for design. Morgan Kaufmann.

65. Weick, K. E. (1995). Sensemaking in Organizations. Sage, Thousand Oaks, CA.