مروری بر الگوهای روش تحلیل تاثیر متقابل و معرفی الگویی با منطق همبستگی
محورهای موضوعی : آینده پژوهیابراهیم حاجیانی 1 , علی رضا همتی 2
1 - هیات علمی(دانشیار) پژوهشکده تحقیقات راهبردی مجمع تشخیص مصلحت نظام تهران
2 - فراگیر دکتری آینده پژوهی، پژوهشگاه علوم انسانی و مطالعات اجتماعی جهاد دانشگاهی تهران
هیات علمی(مربی) دانشگاه علوم پزشکی تهران ،
کلید واژه: پیش بینی, تاثیر متقابل, همبستگی, نیروهای پیشران, سناریو,
چکیده مقاله :
اکثر روش های تحلیلی آینده پژوهی برای پیش بینی وقایع و یا بررسی رویدادهای متغیرهای مورد نظر و پیشران های مرتبط با موضوع را به صورت مستقل از هم مورد بررسی قرارداده و ارزیابی می نمایند، لیکن در مواقعی نیازمند تحلیل احتمال وقوع یک رویداد در تقابل مجموعه ای از رویدادهای مورد پیش بینی خواهیم بود . تحلیل اثرات متقابل روشی برای پاسخ به این نیاز است و اگرچه مستلزم پردازش های آماری پیچیده تری برای حصول نتایج است، لیکن اساساً همانند روش دلفی مبتنی بر نظرات متخصصان خواهد بود. مهمترین رویکرد این روش این است که بخواهیم براساس رای متخصصان احتمال وقوع رویدادهای مختلف یا نیروهای پیشران متفاوت را به طور مستقل تعیین و علاوه بر آن، نظر ایشان را برای احتمال وقوع یک رویداد در صورت وقوع سایر رویدادها و تاثیر متقابل آنها برهم جویا شده و بررسی نماییم. در نسخه های پیشرفته تر این روش، احتمال وقوع رویدادها را در زنجیره علیت بین رویدادها تعریف و مورد بررسی قرار می دهیم. بدین ترتیب ماتریسی از احتمالات اولیه و احتمالات شرطی و روابط جهت دار تاثیرات متقابل رویدادها و نیروهای پیشران شکل می گیرد. الگوهای متداول این روش با دو منطق احتمالات و ارتباطات سازمان یافته و برای تاثیرات رویدادها بر هم با قوانین احتمالی و ارتباطی قواعدی را تعریف می کند. لیکن در هر دوی این الگوها جهت تاثیر رویدادها بر هم مورد بررسی قرار نمی گیرد. نویسنده در این مقاله سعی دارد با مروری بر الگوهای موجود روش تحلیل تاثیر متقابل، الگوی جدیدی را با منطق همبستگی برای پوشش جهت تاثیر(منفی و مثبت) رویدادها بر هم معرفی نماید. نتیجه انجام فرآیند روش تحلیل اثرات متقابل معمولا" به پیدایش یک سناریو ختم می شود.
Most of the futures study methods evaluate the concerning variables and drivers seperately to predict or examine the events. However, some times there is a need to analyze the event occurance probability in correlation with a series of predicted events. The Cross Impact Analysis method is the key to this problem. Requiring more complex statistical processing to achieve the results, the Cross Impact Analysis method, like the Delphi method, is based on the experts opinions. The main approach in this method is to determine the event occurance probability or various driver forces seperately and ask the experts opinions for the event occurance probability in case of other event occurances and their cross impact. In advanced methods of this analysis, discussed in this study, event occurance probability is reviewed in the chain of reasons between events. Thus, a matrix of the primary probabilities and conditional probabilities and directed event cross impact relations and driving forces is designed. The common methods of this analysis defines rules based on the two logic of probabilities and structures relations for the events impacts on each other. However, both methods are not used for the cross impacts. In this study, authors presented a new method of correlation logic to cover both positive and negative impacts of events on each other using a review on available methods of cross impact analysis. Cross impact analysis method usually leads to a scenario