На головну сторінку  Написання курсових за 800 грн

Міоклонус очний - Син.: Опсоклонус. Синдром "танцюючих" очей. Гиперкинез очних яблук у вигляді швидких, неритмічних, нерегулярних, хаотичних, нерівномірних по амплітуді, сочетанних рухів, звичайно в горизонтальній, рідше - у вертикальній і діагональній площинах, особливо виражених в момент фіксації погляду. Іноді поєднується з полифокальними миоклониями. Виникає в зв'язку з поразкою стволово-мозжечкових структур при демиелинизирующей енцефалопатии. М.г. може бути природженим або придбаним. Виявляється, зокрема, в рамках гострої миоклонической енцефалопатии новонароджених, можливий при хворобі. Психодрама - психотерапевтична методика, разработаная Д.Л. Морено (1921). Згідно з розпорядженнями даної методики, в присутності терапевта пацієнт разигривает деякі ролі або драматичні епізоди свого життя, що дозволяє йому виразити емоції, почуття і тим самим протистояти глибинним конфліктам. Поширеними є групова психодрама (все дійові особи утворять терапевтичну групу і кожний з них грає певну, маючу терапевтичну цінність роль) і сімейні групи, в яких разигриваются проблемні сімейні ситуації. Див. Морено метод психодрами. ТРАНСЛЯЦІЯ - (translation) - (в біології клітки) процес синтезу білків в клітці, що відбувається на рибосомах. Інформація, що визначає послідовність амінокислот в білці, поступає до рибосомам від інформаційних (матричних) РНК, а безпосереднє розміщення амінокислот в білці відповідно до даної інформації здійснюється завдяки транспортної РНК. параметр - (від греч. parmetron - отмеривающий, що розміряє) - величина, значення якої служить для розрізнення елементів деякої безлічі між собою; в психології термін п. звичайно застосовується для позначення квантифицируемих психічних явищ. Етап збереження досягнутого - період, коли людина прагне зберегти за собою те положення на виробництві або службі, якого він добився раніше.

МАТЕМАТИЗАЦИЯ НАУКОВОГО ЗНАННЯ

- процес застосування понять і методів математики в природних, технічних і соціально-економічних науках для кількісного аналізу досліджуваних ними явищ. Хоч математизация наукового знання почалася давно, але тільки в період сучасної науково-технічної революції придбала великий розмах і значення. Нарівні з традиційними областями застосування математики, якими є механіка, астрономія, фізика і хімія, її методи стали проникати в такі галузі науки, які раніше вважалися такими, що не піддаються математизации в зв'язку з їх особливою складністю (біологія, економіка, соціологія, лінгвістика і інш.).
Як і будь-яка інша модель, математична модель, по-перше, відображає деякі істотні властивості і відносини оригіналу, по-друге, в точно певному значенні заміняє його і, по-третє, дає нову інформацію про нього. Однак на відміну від матеріальних моделей вони є різновидами концептуальних моделей, які відображають кількісно-структурні відносини досліджуваних процесів і є оперативно-символічними по характеру застосування. Часто таке моделювання характеризують як мистецтво застосування математики, причому переклад істотних чинників досліджуваних явищ на мову математики вважають самої важкою стадією моделювання. Оскільки в багатьох конкретних додатках математика має справу з аналізом величин і взаємозв'язків між ними, то нерідко математичну модель розглядають як систему рівнянь разом з відомими даними, необхідними для її рішення (початкові умови, граничні умови, значення коефіцієнтів рівняння і т. п.). Однак для застосування математики в новітніх розділах природознавства, а також в соціології, психології, лінгвістиці і т. д. доводиться звертатися до неметричних моделей, заснованих не на вимірюванні величин, а аналізі абстрактних структур і категорій. Побудова будь-якої математичної моделі починається з встановлення істотних для явищ, що вивчаються і процесів їх якісних властивостей і відносин, які потрібно виділити від інших неістотних чинників і моментів, що утрудняють дослідження. Звичайно ця стадія здійснюється в спеціальних науках. Подальший етап моделювання пов'язаний з формулюванням знайденої якісної залежності на точній мові математики, тобто з "перекладом" інформації якісного характеру на количественноструктурний мову. Для цих цілей використовують всі теорії і методи сучасної математики, але цей етап є навряд чи не самої важкою частиною математичного дослідження.
Адже для опису одних і тих же явищ можуть бути побудовані самі різноманітні математичні моделі. Тому необхідно, щоб модель не дуже спрощувала явища, що вивчаються, але в той же час її точність знаходилася в межах, визначуваних умовами задачі. Характер математичної моделі, її складність і специфіка визначаються передусім природою тих реальних систем і процесів, які вона описує. Після того, як модель побудована, її досліджують на несуперечність, а головне - з неї виводять дедуктивні слідства, які потім інтерпретують за допомогою емпіричних даних. По розходженню або згоді слідств моделі і результатів спостережень і експериментів роблять висновок про адекватність моделі реальності.
Основні форми і методи математизации наукового знання пов'язані з тими типами моделей, які застосовуються в різних науках. Вони вельми різноманітні і численні, починаючи від простого рахунку і вимірювання і кінчаючи найскладнішими структурними методами і сучасним математичним експериментом. Серед них потрібно виділити, по-перше, метричні або функціональні методи, що спираються на вимірювання величин досліджуваних процесів і виявлення функціональних зв'язків між ними; по-друге, структурні методи, орієнтовані не стільки на вимірювання величин, скільки на аналіз і взаємовідношення елементів, компонентів і підмножин різних систем і математичних структур. Нерідко важко виразити ці відносини певним числом, хоч можливо представити їх за допомогою порівняльних термінів "більше", "менше" або "одинаково" і використати для їх аналізу структури порядку. Ще більше застосування в останні роки придбали алгебраїчні і топологічний структури, напр., поняття графа, що часто використовується для аналізу малих соціальних груп, організації і планування перевезень, транспортних потоків і т. п.
Серед метричних коштів математизации наукового знання можна виділити детерминистические методи, що засновуються на використанні функціональних моделей, починаючи від класичних диференціального і інтегрального обчислень і кінчаючи функціональним аналізом. Вони отримали найбільш широке застосування завдяки точності і достовірності результатів, що отримуються з них. Методи іншого роду, звані стохастичними, спираються на статистичну інформацію про випадкові масові події і тому їх прогнозу мають ймовірностний характер. Довгий час саме останню обставину надовго заримував їх використання в науці, але під впливом запитів біології, демографії, економіки і соціології ймовірностний-статистичні методи отримали могутній стимул для розвитку і стали рівноправними коштами математичного дослідження.
Поява і безперервне вдосконалення швидкодіючих обчислювальних коштів відкрила небачені раніше можливості для застосування математичних методів в науці і інших сферах діяльності. Якщо раніше через відсутність таких коштів доводилося значно спрощувати математичні моделі і отримувати наближені результати, то з винаходом комп'ютерів така необхідність багато в чому відпала. Вже перші комп'ютери могли замінити труд декількох тисяч професійних обчислювачів і по мірі збільшення їх швидкодії у 2 і 3 поколіннях отримали широке застосування всюди, де було потрібен виконати великий об'єм різних розрахунків (управління виробництвом, розрахунок траєкторій ракет і штучних супутників Землі, проектування атомних реакторів і т. п.). Однак тільки із збільшенням швидкодії і особливо "пам'яті" нових комп'ютерів вони стали використовуватися в науковому дослідженні, по-перше, для роботи з ними користувача в режимі діалогу, по-друге, для проведення математичного, або обчислювального, експерименту. Режим діалогу дає можливість досліднику перевіряти гіпотези шляхом зіставлення їх слідств з великим масивом емпіричних даних і відповідно коректувати їх. Математичний експеримент є більш могутнім засобом наукового пізнання, бо класичні методи математизации наукового знання спиралися на порівняно прості моделі, які можна було використовувати тільки однократно, причому кожний раз здійснювати всі операції наново. На відміну від цього при математичному експериментуванні програма обчислень і математичне забезпечення залишаються незмінними, а експериментування здійснюється над математичними моделями шляхом зміни їх параметрів. Після розрахунку різних варіантів моделі їх слідства порівнюються з даними емпіричних спостережень і натурних експериментів. Спираючись на ці результати, можна вибрати найбільш оптимальну модель як розв'язання проблеми. Ефективність використання такого експерименту залежить не стільки від досконалості обчислювальної техніки, скільки від ретельного і глибокого дослідження процесів, що вивчаються на якісному рівні. Сам такий експеримент звичайно робиться для розв'язання великих науково-технічних і глобальних проблем (екологічних, енергетичних і інш.). У деяких процесах, вивчення яких зв'язане з небезпекою для життя і здоров'я людей, математичний експеримент залишається єдиним засобом дослідження (ядерна енергетика, термоядерний синтез, хімічні і інші шкідливі виробництва і т. д.).
Іншим важливим напрямом застосування математичних моделей, алгоритмів і сучасних комп'ютерів є дослідження по штучному інтелекту, одна з основних цілей яких полягає в ефективному пошуку нестандартних прийомів рішення інтелектуальних задач. Іноді найпростіші такі задачі вирішуються шляхом простого перебору можливих варіантів і вибору серед них найкращого, але при більшому числі варіантів з цим не може справитися навіть могутній комп'ютер. Тим часом людський мозок вирішує подібні задачі значно швидше і економнее, мабуть, зазделегідь виключаючи неправдоподібні варіанти. Головна ідея комп'ютерного евристичного програмування полягає в обмеженні перебору різних варіантів або комбінацій рішень шляхом використання відповідної додаткової теоретичної або емпіричної інформації з тим, щоб виключити явно невірні варіанти.
Можливості застосування математичних методів в будь-якій конкретній науці залежать передусім від рівня її теоретичної зрілості. Це, звісно, не виключає їх застосування і на емпіричній стадії дослідження. Однак ці методи є досить елементарними (рахунок, вимірювання, порівняння і т. п.) і тому на теоретичному рівні потрібно використати більш абстрактні математичні моделі і структури.
Сучасна науково-технічна революція значно прискорила процес математизации наукового знання і висунула на перший план проблему математичного опису процесів, що вивчаються в біологічних, соціально-економічних і гуманітарних науках. Першою і визначальною причиною математизации наукового знання служить вплив науково-технічної революції на всі сфери знання, внаслідок чого багато які природні, технічні і частково економічні науки піднялися на якісно новий рівень розвитку. Введення більше за загальні і абстрактні поняття і створення глибоких теорій в цих науках сприяло подальшій їх математизации. У цьому - друга причина успіхів сучасної математизации наукового знання, яка являє собою двоєдиний процес, що включає зростання і розвиток конкретних наук, з одного боку, і вдосконалення методів самої математики, з іншою. Нарешті, третя причина математизации наукового знання пов'язана з всевозрастающим використанням все більш ефективної електронно-обчислювальної техніки і інших пристроїв по автоматизації інтелектуальної діяльності. Переворот в обчислювальній техніці вплинув величезний чином не тільки на математику і наукове пізнання взагалі, але разом з алгоритмами управління і реалізуючий їх комп'ютерами ця техніка стає складовою частиною продуктивних сил сучасного суспільства. Заміна важкого ручного труда машинами, автоматизація виробничих процесів, гнучкі технології, промислові роботи - всі ці і інші перспективні напрями технічного прогресу пов'язані зі застосуванням комп'ютерів, що все збільшується і тим самим математичних методів дослідження.
Об'єктивною основою використання математичних методів в конкретних науках служить якісна однорідність різних класів явищ, що вивчаються ними. Саме внаслідок такої однорідності і спільності вони виявляються кількісно і структурно порівнянними і тому що піддаються математичній обробці. Однак чим більш складними і якісно відмінними виявляються форми руху матерії, тим важче вони піддаються математизации. Самою математизированной наукою є механіка, що вивчає форму руху, в якій абстрагуються від якісних змін тіл і аналізують лише результат їх руху. Самої складної і тому найбільш важкої для використання математичних методів служить суспільна форма, в якій доводиться враховувати нарівні з об'єктивними відмінностями соціальних систем і структур також суб'єктивні сторони діяльності людей (їх мети. волю, інтереси, ціннісне орієнтування і мотивації і т. п.). Тому кількісні оцінки нерідко тут тісно пов'язані з якісними, а іноді вони відступають на другий план. Математизация наукового знання буде ефективною тільки тоді, коли математизируемая наука буде досить зрілою, що володіє чим склався концептуальним апаратом. На жаль, при нинішній моді на математизацию мова символів і формул, суворість і точність математичних затверджень і доказів впливає гіпнотичний чином на людей, мало досвідчених в ній і, головне, що не розуміють суті її методу. Внаслідок цього нерідко за формулами перестають бачити реальний зміст процесів, що вивчаються.
Ллється.: Математичне моделювання. М., 1979; Моисеев Математика ставить експеримент. М., 1979: Тіхонов А. //., Костомаров Д. П. Расськази про прикладну математику. М.. 1979; Рузавин Г. И. Математізация наукового знання. М.. 1984.
Г. І. Рузавін

Джерело: terme.ru

© 2014-2022  yur.in.ua