Структурированный геопространственный аналитический метод - Structured Geospatial Analytic Method

В Структурированный геопространственный аналитический метод (SGAM) является одновременно аналитическим методом и педагогикой для Геопространственный интеллект профессиональный.[1] Эта модель была основана на принципах Пиролли и Карда и включает их смысл решений процесс[2][3][4][5][6][7] и Ричардс Хойер С Анализ конкурирующих гипотез модель.[8][9] Это упрощенный взгляд на процесс геопространственного анализа в рамках более крупного интеллектуальный цикл.

SGAM предназначен для продвижения Геопространственный интеллект tradecraft, предоставляя подход не только для обучения аналитика, как собирать и переупаковывать данные, но и как анализировать данные значимым образом. Давно известно, что без конкретных подсказок люди могут не осознавать пространственные закономерности окружающей среды. [10] и, как и в других областях интеллектуального анализа, геопространственный аналитик имеет человеческую тенденцию:[11]

  • бессознательно игнорировать большую часть соответствующей информации
  • мысленно упростить задачу и, вероятно, упростить результаты
  • делать суждения, которые подвержены бессознательным предубеждениям, слепым пятнам и ограничениям рабочей памяти.

Пространственное мышление, выходящее за рамки простого определения местоположения, является ключом к применению SGAM. Это мышление включает в себя сравнение местоположений, рассмотрение влияния близлежащих объектов, группирование регионов и иерархий и определение удаленных мест, в которых есть похожие условия. Это также рассмотрение изменений, движения и распространения во времени и месте.[12] Затем пространственное мышление переходит к изучению мест и их сравнению в контексте пространства и времени.

Метод состоит из двух основных циклов:

  • Цикл сбора пищи, направленный на поиск сбор информации, поиск и фильтрация, чтение и извлечение информации.
  • а Смысл решений цикл, который включает итеративную разработку ментальной модели на основе схемы, которая лучше всего соответствует свидетельствам.
альтернативный текст
Структурированный геопространственный аналитический метод (SGAM): Поток данных показывает преобразование необработанной информации в отчетные результаты.[13]

Цикл поиска пищи признает, что аналитики склонны искать данные, начиная с широкого набора данных, а затем переходя к сужению этого набора до более мелких и более точных наборов данных, прежде чем анализировать информацию. Три действия по поиску пищи, включая поиск новой информации; сужение набора предметов, которые были собраны; и использование предметов в узком наборе; компромисс друг с другом в условиях крайнего срока или ограничений по перегрузке данных. Важно отметить, что большая часть работы с геопространственным интеллектом может никогда не выходить за рамки цикла поиска пищи и может просто состоять из извлечения информации и ее переупаковки без особого фактического анализа, поскольку создание карт часто является той ролью, которую выполняет аналитик.

Сенсемейкинг - это способность создавать ситуационную осведомленность и понимание в ситуациях высокой сложности или неопределенности для принятия решений. Это «мотивированная, постоянная попытка понять связи (которые могут быть между людьми, местами и событиями), чтобы предвидеть их траектории и действовать эффективно».[14] Пиролли обсуждает важность использования кооперативного подхода к осмыслению, поскольку он дает большее разнообразие знаний и снижает риск упущения важной информации.[15] Этот элемент сотрудничества важен для SGAM, поскольку объединение в группу определяется как один из шагов в рамках общего метода. В видении директора национальной разведки (DNI) на 2015 год анализ разведывательных данных все больше превращается в совместное предприятие, в котором акцент сотрудничества смещается «от координации проектов продуктов к регулярному обсуждению данных и гипотез на ранней стадии исследования».[16]Это серьезное изменение по сравнению с традиционной концепцией геопространственного анализа как в значительной степени индивидуальной деятельности и требует от геопространственного аналитика навыков построения, руководства, обеспечения ресурсами и управления командами для достижения эффективных результатов.

Поток данных представляет собой преобразование необработанной информации в форму, в которой можно применить опыт, а затем преобразование в другую форму, подходящую для общения. Обработка информации может осуществляться снизу вверх (от данных к теории) или сверху вниз (от теории к данным). В таблице ниже представлены более подробные сведения о шагах.

ШагСнизу вверх (от данных к теории)Сверху вниз (от теории к данным)
1Вопрос: Разработайте вопрос, который критически определяет общую природу пространственных и временных паттернов, которые аналитик пытается в конечном итоге идентифицировать.Оцените заключение: Произведите переоценку текущих выводов, требующих сбора дополнительных доказательств для поддержки или опровержения анализа.
2Заземление и тимбилдинг: Создайте потенциальный репертуар прототипных геопространственных и временных паттернов, из которых будет выбран ряд гипотетических паттернов, и сформируйте аналитическую команду.Разберем синтез: Пересмотрите таблицу гипотез и доказательств, начиная с ранжирования.
3Развитие гипотезы: Выберите все разумно возможные геопространственные и временные паттерны, которые могут соответствовать паттерну, предполагаемому во время разработки вопроса.Изучите доказательства: Повторное изучение собранных свидетельств или поиск новых свидетельств, которые могут предложить новые геопространственные или временные закономерности.
4Доказательства развития: Извлеките фрагменты из предметов, обнаруженных при заземлении; разрабатывайте доказательства, применяя схемы, чтобы их было легче использовать для выводов.Переоцените гипотезы: Новые гипотезы могут привести к новым поискам, дальнейшему извлечению данных или поиску дополнительных необработанных данных.
5Слияние: Сравните свидетельства с каждым гипотетическим геопространственным и временным паттерном, чтобы определить согласованность.Подвергните сомнению ваше собственное обоснование проблемы: Новые гипотезы могут побудить аналитиков расширить свои познания в прототипах геопространственных и временных моделей.
6Выводы: Предложите, какая гипотетическая закономерность (ы) наиболее соответствует доказательствам, и ответьте на вопрос.Задайте вопрос: Подтвердите с клиентом природу геопространственных и временных паттернов, которые аналитик в конечном итоге пытается идентифицировать.

Аналитику часто бывает сложно определить следующий шаг в аналитическом процессе или представить себе, как различные методы и инструменты сочетаются друг с другом. SGAM предоставляет средства для соотнесения аналитического шага с соответствующей структурной аналитической техникой (SAT), а затем с соответствующей геопространственной операцией. В приведенной ниже таблице резюмируется это сопоставление:

Шаг SGAMСтруктурированная аналитическая техникаРабота с ГИС
1: ВопросМозговой штурм
2: ЗаземлениеМозговой штурм, Проверка ключевых допущений, Проверка качества информации, Красная группаВвод данных, преобразование данных, проверка данных, управление пространственными данными, управление данными атрибутов, Визуализация данных
3: Развитие гипотезыМозговой штурм, Анализ конкурирующих гипотез (ACH)Визуализация данных
4: Развитие доказательствМозговой штурм, Проверка качества информации, Анализ конкурирующих гипотез (ACH)Визуализация данных, Обработка / анализ данных
5: FusionАнализ конкурирующих гипотез (ACH)Вывод карт и отчетов
6. ВыводыАнализ конкурирующих гипотез (ACH), Защита дьяволаВывод карт и отчетов

Есть несколько преимуществ:[17]

  • SGAM - это законченная структура, которая проводит аналитика через важные этапы аналитического процесса.
  • Два или более аналитика могут пройти этапы процесса независимо, а затем сравнить записи.
  • Включение SGAM структурированных аналитических методов устраняет предубеждения, которые могут навязывать неправильную структуру, образ мышления или ментальную картину.

Рекомендации

  1. ^ Бакастоу, Т. и Беллафиоре, Д.Дж. (2008-2010). Руководство по геопространственному анализу для учащихся. Государственный университет Пенсильвании. https://www.e-education.psu.edu/sgam/
  2. ^ Пиролли П. и Кард С. К. (2005). В цикл осмысления и использовать точки для аналитических технологий, определенные посредством когнитивного анализа задач. В Proc. Междунар. Конф. on Intelligence Analysis'05, 2-4.
  3. ^ Кляйн, Г., Мун, Б., и Хоффман, Р. (2006). Осмысление смысла 1: Альтернативные точки зрения. Vol. 21 (4). Интеллектуальные системы IEEE.70-73.
  4. ^ Перри Дж., Яннек К.Д., Умоджа К. и Поттенгер В.М. (2009). Поддержка когнитивных моделей осмысления в аналитических системах. Технический отчет DIMACS 2009-12. http://dimacs.rutgers.edu/TechnicalReports/TechReports/2009/2009-12.pdf
  5. ^ Рассел Д. М., Стефик М. Дж., Пиролли П. и Кард С. К. (1993). Структура затрат на осмысление. Документ, представленный на конференции INTERCHI '93 по человеческому фактору в вычислительных системах, Амстердам.
  6. ^ Зик У., Кляйн Г., Пелусо Д.А., Смит Дж. Л. и Харрис-Томпсон Д. (2007). ФОКУС: модель создания смысла. Исследовательский институт поведенческих и социальных наук армии США.
  7. ^ Zhang, P., Soergel, D., Klavans, J.L., & Oard, D.W. (2008). Расширение модели создания смыслов идеями из теорий познания и обучения. В трудах Ежегодной конференции ASIS & T 08. (Октябрь 2008 г., Колумбус, Огайо). http://terpconnect.umd.edu/~pengyi/files/zhang-08-asist-sense-making-final.pdf
  8. ^ Heuer, R.J. (1999). Психология анализа интеллекта. Центр изучения интеллекта, Вашингтон, округ Колумбия.
  9. ^ Уитон, К. Дж., Чидо, Д. Э. (2006) Структурированный анализ конкурирующих гипотез: улучшение методологии проверенного интеллекта. Журнал Competitive Intelligence Magazine; т. 9 (6). 12-15.
  10. ^ Голледж, Р. (1992). Понимают ли люди пространственные концепции: случай примитивов первого порядка. Калифорнийский университет в Санта-Барбаре. Представлено на Международной конференции по ГИС, Пиза, Италия. С. 1-22.
  11. ^ Хойер, Р.Дж. (1999). Психология анализа интеллекта. Центр изучения интеллекта, Вашингтон, округ Колумбия.
  12. ^ Гершмель, П.Дж., Гершмель, К.А. (2006). Разыскивается: краткий список неврологически обоснованных и оцениваемых навыков пространственного мышления. Исследования в области географического образования, 8, 5-38.
  13. ^ Бакастоу, Т. и Беллафиоре, Д.Дж. (2008-2010). Структурированный геопространственный аналитический метод. Государственный университет Пенсильвании, передовые аналитические методы геопространственного интеллекта.
  14. ^ Кляйн, Г., Мун, Б., и Хоффман, Р. (2006). Осмысление смысла 1: Альтернативные точки зрения. Интеллектуальные системы IEEE, 21 (4), 70-73.
  15. ^ Пиролли, П. (2009). Элементарная модель сбора социальной информации. CHI 2009, Конференция ACM по человеческому фактору в вычислительных системах, (стр. 605-614). Бостон: Ассоциация вычислительной техники.
  16. ^ Директор национальной разведки. (2008). Видение 2015: глобально-сетевое и интегрированное интеллектуальное предприятие. http://www.dni.gov/Vision_2015.pdf
  17. ^ Мосты, Донна М. (2010). Структурированный геопространственный аналитический метод и педагогика для разведывательного сообщества. Журнал Международной ассоциации аналитиков правоохранительной разведки (IALEIA). 19 (1).

внешняя ссылка