✖


Jump to content

Динамичное принятие решений

Динамическое принятие решений (ДПР) — это взаимозависимое принятие решений , которое происходит в среде, которая меняется с течением времени либо из-за предыдущих действий лица, принимающего решения, либо из-за событий, находящихся вне контроля лица, принимающего решения. [1] [2] В этом смысле динамические решения, в отличие от простых и обычных одноразовых решений, как правило, более сложны, происходят в реальном времени и предполагают наблюдение за тем, в какой степени люди способны использовать свой опыт для управления конкретной сложной системой , включая типы опыта, который со временем приведет к принятию более эффективных решений. [3]

Обзор [ править ]

В исследованиях по динамическому принятию решений используются компьютерные симуляции , которые являются лабораторными аналогами реальных ситуаций. Эти компьютерные симуляции еще называют «микромирами». [4] и используются для изучения поведения людей в смоделированных условиях реального мира, где люди обычно пытаются контролировать сложную систему, где более поздние решения зависят от более ранних решений. [5] Следующие факторы отличают исследования DDM от более классических форм исследований принятия решений прошлого:

  • Использование серии решений для достижения цели в DDM в отличие от одного решения.
  • Взаимозависимость решений от предыдущих решений в DDM в отличие от их независимости от предыдущих решений
  • Динамический характер изменяющейся среды в DDM в отличие от статической фиксированной среды, которая не меняется.
  • Тот факт, что решения в задачах DDM принимаются в реальном времени, в отличие от ситуаций, когда нет ограничений во времени.

Кроме того, использование микромиров в качестве инструмента для исследования DDM не только обеспечивает экспериментальный контроль исследователям DDM, но и делает область DDM современной, в отличие от классических исследований принятия решений, которые очень старые.

Примеры ситуаций динамического принятия решений включают управление изменением климата, фабричным производством и инвентарем, управление воздушным движением, тушение пожаров и вождение автомобиля, военное командование и контроль на поле боя. Исследования в области DDM были сосредоточены на изучении степени, в которой лица, принимающие решения, используют свой опыт для управления конкретной системой; факторы, лежащие в основе приобретения и использования опыта принятия решений; и тип опыта, который приводит к лучшим решениям в динамических задачах.

принятия решений динамичной Характеристики среды

Основными характеристиками динамических сред принятия решений являются динамика, сложность, непрозрачность и динамическая сложность. Под динамикой сред понимается зависимость состояния системы от ее состояния в более ранний момент времени. Динамика в системе может определяться положительной обратной связью (петли самоусиления) или отрицательной обратной связью (петли самокорректировки), примерами которой могут быть начисление процентов на сберегательный банковский счет или утоление голода вследствие еды соответственно.

Сложность в основном относится к количеству взаимодействующих или взаимосвязанных элементов внутри системы, что может затруднить прогнозирование поведения системы. Но с определением сложности все еще могут возникнуть проблемы, поскольку компоненты системы могут различаться с точки зрения количества компонентов в системе, количества связей между ними и характера этих отношений. Сложность также может зависеть от способностей лица, принимающего решения.

Непрозрачность относится к физической невидимости некоторых аспектов динамической системы и может также зависеть от способности лица, принимающего решения, получить знания о компонентах системы.

Динамическая сложность относится к способности лица, принимающего решения, управлять системой, используя обратную связь, которую лицо, принимающее решения, получает от системы. Диль и Стерман [6] дополнительно разбили динамическую сложность на три компонента. Непрозрачность системы может вызвать непредвиденные побочные эффекты. Могут существовать нелинейные связи между компонентами системы и задержки обратной связи между предпринятыми действиями и их результатами. Динамическая сложность системы может в конечном итоге затруднить понимание и контроль системы лицами, принимающими решения.

исследованиях Микромиры в DDM

Микромир — это сложная симуляция, используемая в контролируемых экспериментах, предназначенных для изучения динамического принятия решений. Исследования в области динамического принятия решений в основном проводятся в лабораторных условиях и используют инструменты компьютерного моделирования микромира (например, игры для принятия решений, DMGames). Микромиры также известны под другими названиями, включая среды синтетических задач , высокоточные симуляции , среды интерактивного обучения , виртуальные среды и масштабированные миры . Микромиры становятся лабораторными аналогами реальных ситуаций и помогают исследователям DDM изучать процесс принятия решений, сжимая время и пространство, сохраняя при этом экспериментальный контроль.

DMGames объединяет наиболее важные элементы реальных проблем, которые они представляют, и являются важными инструментами для сбора информации о действиях человека. DMGames помогла исследовать множество факторов, таких как когнитивные способности , тип обратной связи , время обратной связи, стратегии, используемые при принятии решений. и приобретение знаний при выполнении задач DDM. Однако, несмотря на то, что DMGames стремится представить основные элементы реальных систем, они во многих отношениях отличаются от реальной задачи. В реальных задачах ставки могут быть выше, и опыт лица, принимающего решения, часто приобретается в течение многих лет, а не минут, часов или дней, как в задачах DDM. Таким образом, DDM во многом отличается от натуралистического принятия решений (NDM).

Было показано, что в задачах DDM люди работают ниже оптимального уровня производительности, если оптимальный уровень можно установить или узнать. Например, в игре-симуляторе тушения лесных пожаров участники часто позволяли сжечь свою штаб-квартиру. [7] В аналогичных исследованиях DDM участники, действовавшие в качестве врачей в отделении неотложной помощи, позволяли своим пациентам умирать, пока те продолжали ждать результатов анализов, которые на самом деле не были диагностическими. [8] [9] Интересное понимание решений, основанное на опыте DDM, заключается в том, что в большинстве случаев обучение является неявным , и, несмотря на улучшение результатов людей при повторных испытаниях, они не могут выразить словами стратегию, которой они следовали для этого. [10]

обучения в задачах динамического решений Теории принятия

Обучение является неотъемлемой частью исследований DDM. Одним из основных направлений исследовательской деятельности в DDM было изучение с помощью инструментов моделирования микромиров степени, в которой люди способны научиться управлять конкретной моделируемой системой, и исследование факторов, которые могли бы объяснить обучение в задачах DDM.

обучения, основанная стратегии на Теория

Одна теория обучения опирается на использование стратегий или правил действий, относящихся к конкретной задаче. Эти правила определяют условия, при которых будет применяться определенное правило или стратегия. Эти правила имеют вид: если вы распознали ситуацию S, то выполните действие/стратегию A. Например, Анзай [11] реализовал набор производственных правил или стратегий, которые выполняли задачу DDM по проведению корабля через определенный набор ворот. Стратегии Anzai достаточно хорошо справились с задачей имитировать выполнение задачи участниками-людьми. Точно так же Ловетт и Андерсон [12] показали, как люди используют производственные правила или стратегии типа «если – то», введя задачу «строительные палки», которая является изоморфом задачи Лурчинса о кувшине с водой. [13] [14] Целью задачи по сборке палочек является создание палки определенной желаемой длины из трех длин палочек, из которых можно построить (существует неограниченное количество палочек каждой длины). Есть две основные стратегии, которые можно использовать при попытке решить эту проблему. Стратегия недолета состоит в том, чтобы взять палочки меньшего размера и довести их до целевой планки. Стратегия перерегулирования состоит в том, чтобы взять палку длиннее целевой и отрезать куски, равные по длине меньшей палке, пока одна из них не достигнет целевой длины. Ловетт и Андерсон организовали это так, чтобы только одна стратегия работала для конкретной проблемы, и давали испытуемым задачи, в которых одна из двух стратегий работала для большинства проблем (и она уравновешивала испытуемых, которая была более успешной стратегией).

Теория коннекционизму ​ обучения

Некоторые другие исследователи предположили, что обучение в задачах DDM можно объяснить коннекционистской теорией или коннекционизмом . Связи между подразделениями, сила или вес которых зависят от предыдущего опыта. Таким образом, производительность данного устройства зависит от производительности предыдущего устройства, взвешенного по силе соединения. Например, Гибсон и др. [15] показал, что коннекционистская модель машинного обучения нейронной сети хорошо объясняет поведение человека в задаче Берри и Бродбента на сахарном заводе. [ нужны разъяснения ] .

Теория обучения экземпляров на основе

Теория обучения на основе экземпляров (IBLT) — это теория того, как люди принимают решения в динамических задачах, разработанная Клеотильдой Гонсалес , Кристианом Лебьером и Хавьером Лерхом. [3] Клеотильда Гонсалес и Варун Датт распространили эту теорию на две разные парадигмы динамических задач, называемые выборкой и повторным выбором. [16] Гонсалес и Датт [16] показали, что в этих динамических задачах IBLT обеспечивает лучшее объяснение человеческого поведения и работает лучше, чем многие другие конкурирующие модели и подходы. Согласно IBLT, люди полагаются на свой накопленный опыт при принятии решений, извлекая прошлые решения аналогичных ситуаций, хранящиеся в памяти. Таким образом, точность принятия решений может повышаться только постепенно и за счет взаимодействия с подобными ситуациями.

IBLT предполагает, что в памяти хранятся конкретные случаи, переживания или образцы. [17] Эти случаи имеют очень конкретную структуру, определяемую тремя отдельными частями, которые включают ситуацию, решение и полезность (или SDU):

  • Ситуация относится к сигналам окружающей среды
  • Решение относится к действиям лица, принимающего решения, применимым к конкретной ситуации.
  • Полезность относится к правильности конкретного решения в этой ситуации: либо ожидаемая полезность (до принятия решения), либо ощущаемая полезность (после получения обратной связи о результате решения).

Помимо предопределенной структуры экземпляра, IBLT опирается на глобальный процесс принятия решений высокого уровня, состоящий из пяти этапов: признание, суждение, выбор, исполнение и обратная связь. [16] Когда люди сталкиваются с конкретной ситуацией в окружающей среде, они, скорее всего, извлекут из памяти похожие случаи, чтобы принять решение. В нетипичных ситуациях (тех, которые не похожи ни на что, встречавшееся в прошлом) извлечение информации из памяти невозможно, и для принятия решения людям придется использовать эвристику (которая не полагается на память). В типичных ситуациях, когда inss может быть получен, оценка полезности подобных экземпляров происходит до тех пор, пока не будет пересечен уровень необходимости. [16]

Необходимость обычно определяется «уровнем стремлений» лица, принимающего решения, аналогично стратегии удовлетворения Саймона и Марча . Но уровень необходимости также может определяться внешними факторами окружающей среды, такими как временные ограничения (как в медицинской сфере, когда врачи в отделении неотложной помощи лечат пациентов в критической ситуации). Как только этот уровень необходимости пересечен, принимается решение, касающееся экземпляра с наибольшей полезностью. Полученный результат решения затем используется для обновления полезности экземпляра, который использовался для принятия решения в первую очередь (с ожидаемого на опытный). Предполагается, что этот общий процесс принятия решений применим к любой динамической ситуации принятия решений, когда решения принимаются на основе опыта.

Вычислительное представление IBLT опирается на несколько механизмов обучения, предложенных общей теорией познания ACT-R . В настоящее время в IBLT реализовано множество задач принятия решений, которые точно воспроизводят и объясняют поведение человека. [18] [19]

решений исследований в области динамического принятия Темы

принятия динамического решений Обратная связь в задачах

Хотя было обнаружено, что вмешательства с обратной связью улучшают производительность при выполнении задач DDM, было показано, что обратная связь по результатам работает для простых задач, требующих более низких когнитивных способностей и которые повторяются неоднократно. [20] Например, IBLT предполагает, что в ситуациях DDM обучение только на основе обратной связи по результатам происходит медленно и, как правило, неэффективно. [21]

задержек обратной связи в DDM Эффекты задачах

Наличие задержек обратной связи в задачах DDM и ее неправильное восприятие участниками способствуют неоптимальной производительности задач DDM. [22] Такие задержки обратной связи затрудняют понимание людьми взаимосвязей, управляющих системной динамикой задачи, из-за задержки между действиями лиц, принимающих решения, и результатом динамической системы.

Знакомый пример эффекта задержек обратной связи — игра «Раздача пива» (или «Пивная игра»). В игру встроена временная задержка между размещением заказа по роли и получением заказанных ящиков пива. Если у роли заканчивается пиво (т. е. она не может удовлетворить текущий спрос клиента на ящики с пивом), взимается штраф в размере 1 доллара за ящик. Это может привести к тому, что люди начнут затоваривать пиво, чтобы удовлетворить любые будущие непредвиденные потребности. Результаты, вопреки экономической теории, предсказывающей долгосрочное стабильное равновесие, показывают, что люди заказывают слишком много. Это происходит потому, что временная задержка между размещением заказа и получением запасов заставляет людей думать, что запасы заканчиваются по мере поступления новых заказов, поэтому они реагируют и размещают более крупные заказы. Как только они наращивают запасы и реализуют поступающие заказы, они резко сокращают будущие заказы, что приводит к тому, что в пивной отрасли возникают колеблющиеся модели чрезмерного и недостаточного заказа, то есть дорогостоящие циклы бума и спада.

Подобные примеры влияния задержки обратной связи были зарегистрированы среди пожарных в игре по тушению пожаров под названием NEWFIRE в прошлом, где из-за сложности задачи и задержки обратной связи между действиями пожарных и результатами участники часто позволяли сжечь свой штаб. .

пропорционального мышления в DDM Эффекты задачах

Все больше данных о DDM указывает на то, что у взрослых есть серьезная проблема с пониманием некоторых основных строительных блоков простых динамических систем, включая запасы, притоки и оттоки . Многие взрослые продемонстрировали неспособность интерпретировать основной принцип динамики: запасы (или накопления) растут (или падают), когда приток превышает (или меньше) отток. Было показано, что эта проблема, получившая название «сбой потока запасов» (сбой SF), сохраняется даже в простых задачах с хорошо мотивированными участниками, в знакомых контекстах и ​​упрощенном отображении информации. Убеждение в том, что акции ведут себя подобно потокам, является распространенной, но ошибочной эвристикой (называемой «эвристикой корреляции»), которую люди часто используют при оценке нелинейных систем. [23] Использование корреляционной эвристики или пропорционального рассуждения широко распространено в различных областях и оказалось серьезной проблемой как для школьников, так и для образованных взрослых (Cronin et al. 2009; Larrick & Soll, 2008; De Bock 2002; Greer, 1993; Ван Доорен и др., 2005; Ван Доорен и др., 2006; Вершаффель и др., 1994).

в DDM различия Индивидуальные

Индивидуальное выполнение задач DDM сопровождается огромной вариативностью, которая может быть результатом разного уровня навыков и когнитивных способностей людей, которые взаимодействуют с задачами DDM. Хотя индивидуальные различия существуют и часто проявляются в задачах DDM, ведутся споры о том, возникают ли эти различия в результате различий в когнитивных способностях. Некоторые исследования не смогли найти доказательств связи между когнитивными способностями, измеряемыми с помощью тестов интеллекта, и производительностью при выполнении задач DDM. Но более поздние исследования утверждают, что этот недостаток связан с отсутствием надежных показателей производительности задач DDM. [24] [25]

Другие исследования предположили связь между рабочей нагрузкой и когнитивными способностями. [26] Было обнаружено, что участники с низкими способностями обычно уступают участникам с высокими способностями. В тяжелых условиях рабочей нагрузки участники с низкими способностями не демонстрируют улучшения результатов ни на тренировках, ни на тестовых испытаниях. Фактические данные показывают, что участники с низкими способностями используют больше эвристики, особенно когда задача требует более быстрых испытаний или нехватки времени, и это происходит как во время обучения, так и в условиях тестирования. [27]

DDM в реальном мире [ править ]

В связи с использованием DDM инструментов лабораторного микромира для исследования процесса принятия решений в последнее время в исследованиях DDM также делается акцент на принятии решений в реальном мире. Это не сбрасывает со счетов лабораторные исследования, но раскрывает широкую концепцию исследований, лежащих в основе DDM. В рамках DDM в реальном мире люди больше интересуются такими процессами, как постановка целей, планирование, процессы восприятия и внимания, прогнозирование, процессы понимания и многими другими, включая внимание к обратной связи. Изучение этих процессов приближает исследования DDM к осведомленности о ситуации и экспертным знаниям .

Например, исследования DDM показали, что автомобилисты, имеющие более 10 лет опыта или опыта (с точки зрения многолетнего опыта вождения), быстрее реагируют на опасности, чем водители со стажем менее трех лет. [28] Кроме того, благодаря большему опыту такие автомобилисты, как правило, выполняют более эффективный и действенный поиск сигналов об опасностях, чем их менее опытные коллеги. [29] Способ объяснения такого поведения основан на предположении, что осведомленность о ситуации в задачах DDM делает определенные действия автоматическими для людей с опытом. В этом отношении поиск сигналов в окружающей среде, которые могут привести к опасностям, для опытных автомобилистов может быть автоматическим процессом, тогда как недостаточная осведомленность о ситуации у начинающих автомобилистов может привести к сознательным неавтоматическим усилиям по поиску таких сигналов, ведущих их к становятся более склонными к опасностям, вообще их не замечая. Подобное поведение также было зафиксировано у пилотов и командиров взводов. [30] Соображения новичков и опытных командиров взводов в боевом симуляторе виртуальной реальности показали, что больший опыт связан с более высокими навыками восприятия, более высокими навыками понимания. Таким образом, опыт решения различных задач DDM делает лицо, принимающее решения, более осведомленным о ситуации, обладая более высокими уровнями навыков восприятия и понимания.

См. также [ править ]

Связанные поля

Ссылки [ править ]

  1. ^ Бремер, Б. (1992). Динамическое принятие решений: Человеческий контроль над сложными системами. Acta Psychologica, 81 (3), 211–241.
  2. ^ Эдвардс, В. (1962). Динамическая теория принятия решений и вероятностная обработка информации. Человеческий фактор, 4 , 59–73.
  3. ↑ Перейти обратно: Перейти обратно: а б Гонсалес К., Лерх Дж. Ф. и Лебьер К. (2003). Обучение на основе экземпляров при динамическом принятии решений. Когнитивная наука, 27 (4), 591–635.
  4. ^ Теркл, С. (1984). Второе я: Компьютеры и человеческий дух. Лондон: Гранада.
  5. ^ Гонсалес К., Ванюков П. и Мартин М.К. (2005). Использование микромиров для изучения динамического принятия решений. Компьютеры в поведении человека, 21 (2), 273–286.
  6. ^ Диль Э. и Стерман Дж. Д. (1995). Влияние сложности обратной связи на динамическое принятие решений. Организационное поведение и процессы принятия человеческих решений, 62 (2), 198–215.
  7. ^ Бремер Б. и Аллард Р. (1991). Динамическое принятие решений в режиме реального времени: влияние сложности задачи и задержек обратной связи. В книге Дж. Расмуссена, Б. Бремера и Дж. Леплата (ред.), Распределенное принятие решений: когнитивные модели для совместной работы. Чичестер: Уайли.
  8. ^ Гонсалес К. и Врбин К. (2007). Динамическое моделирование медицинского диагноза: Обучение в среде принятия медицинских решений и обучения MEDIC. В А. Хольцингере (ред.), Юзабилити и HCI для медицины и здравоохранения: Третий симпозиум рабочей группы по взаимодействию человека с компьютером и разработке юзабилити Австрийского компьютерного общества, USAB 2007 (том 4799, стр. 289–302). Германия: Шпрингер.
  9. ^ Кляймунц, Д., и Томас, Дж. (1987). Ценность действий и умозаключений в динамическом принятии решений. Организационное поведение и процессы принятия человеческих решений, 62 , 63–69.
  10. ^ Берри, Британская Колумбия, и Бродбент, Делавэр (1984). О связи между выполнением задания и связанными с ним вербализуемыми знаниями. Ежеквартальный журнал экспериментальной психологии, 36A , 209–231.
  11. ^ Анзай, Ю. (1984). Когнитивный контроль систем, управляемых событиями в реальном времени. Когнитивная наука, 8 , 221–254.
  12. ^ Ловетт, MC, и Андерсон, младший (1996). История успеха и текущий контекст решения проблем: комбинированное влияние на выбор оператора. Когнитивная психология, 31 , 168–217.
  13. ^ Лурчинс, А.С. (1942). Механизация решения задач. Психологические монографии, 54 (248).
  14. ^ Лурчинс, А.С., и Лурчинс, Э.Х. (1959). Ригидность поведения: вариационный подход к эффектам Einstellung. Юджин, Орегон: Книги Университета Орегона.
  15. ^ Гибсон, Ф.П., Фичман, М., и Плаут, округ Колумбия (1997). Обучение решению задач динамического решения: вычислительная модель и эмпирические данные. Организационное поведение и процессы принятия человеческих решений, 71 (1), 1–35.
  16. ↑ Перейти обратно: Перейти обратно: а б с д Гонсалес К. и Датт В. (2011). Обучение на основе примеров: интеграция выборки и повторных решений на основе опыта. Психологический обзор, 118 (4), 523–551.
  17. ^ Динес З. и Фэи Р. (1995). Роль конкретных экземпляров в управлении динамической системой. Журнал экспериментальной психологии: обучение, память и познание, 21 (4), 848–862.
  18. ^ Гонсалес, К., и Лебьер, К. (2005). Когнитивные модели принятия решений, основанные на экземплярах. В Д. Зиццо и А. Куракис (ред.), Передача знаний при принятии экономических решений . Пэлгрейв Макмиллан.
  19. ^ Мартин, МК, Гонсалес, К., и Лебьер, К. (2004). Учимся принимать решения в динамичной среде: ACT-R играет в пиво. В М. К. Ловетт, К. Д. Шунн, К. Лебьер и П. Манро (ред.), Труды Шестой Международной конференции по когнитивному моделированию (том 420, стр. 178–183). Питтсбург, Пенсильвания: Университет Карнеги-Меллон/Университет Питтсбурга: Издательство Lawrence Erlbaum Associates.
  20. ^ Клюгер, А.Н. и ДеНиси, А. (1996). Влияние вмешательств с обратной связью на производительность: исторический обзор, метаанализ и предварительная теория вмешательства с обратной связью. Психологический бюллетень, 119 (2), 254–284.
  21. ^ Гонсалес, К. (2005). Поддержка принятия решений для задач динамического принятия решений в реальном времени. Организационное поведение и процессы принятия человеческих решений, 96 , 142–154.
  22. ^ Стерман, JD (1989). Неправильное восприятие обратной связи при динамическом принятии решений. Организационное поведение и процессы принятия человеческих решений, 43 (3), 301–335.
  23. ^ Кронин М., Гонсалес К. и Стерман Дж. Д. (2009). Почему хорошо образованные взрослые не понимают накопления? Вызов исследователям, педагогам и гражданам. Организационное поведение и процессы принятия человеческих решений, 108 (1), 116–130.
  24. ^ Ригас Г., Карлинг Э. и Бремер Б. (2002). Надежность и обоснованность показателей производительности в микромирах. Интеллект, 30 (5), 463–480.
  25. ^ Гонсалес К., Томас Р.П. и Ванюков П. (2005). Взаимосвязь между когнитивными способностями и динамическим принятием решений. Интеллект, 33 (2), 169–186.
  26. ^ Гонсалес, К. (2005b). Взаимосвязь между рабочей нагрузкой и когнитивными способностями при динамическом принятии решений. Человеческий фактор, 47 (1), 92–101.
  27. ^ Гонсалес, К. (2004). Учимся принимать решения в динамичной среде: влияние ограничений во времени и когнитивных способностей. Человеческий фактор, 46 (3), 449–460.
  28. ^ Маккенна, Ф.П., и Крик, Дж. (1991). Опыт и знания в восприятии опасности. В Г.Б. Грейсоне и Дж.Ф. Лестере (ред.), Поведенческие исследования в области безопасности дорожного движения (стр. 39–45).Кроуторн, Великобритания: Лаборатория транспортных и дорожных исследований.
  29. ^ Хорсвилл, М.С., Маккенна, Ф.П. (2004). Способность водителя воспринимать опасность: Осведомленность о ситуации на дороге. В книге С. Банбери и С. Трембле (ред.), Когнитивный подход к осознанию ситуации: теория и применение (стр. 155–175). Олдершот, Англия: Эшгейт.
  30. ^ Эндсли, MR (2006). Опыт и понимание ситуации. В К. А. Эриксоне, Н. Чарнессе, П. Дж. Фелтовиче и Р. Р. Хоффмане (ред.), Кембриджском справочнике по экспертизе и экспертной деятельности (стр. 633–651). Кембридж: Издательство Кембриджского университета.

Внешние ссылки [ править ]

Retrieved from "https://en.wikipedia.org/w/index.php?title=Dynamic_decision-making&oldid=1208601959"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: caaf4a7d5ff1bcae16d80045ac150699__1708222800
URL1:https://arc.ask3.ru/arc/aa/ca/99/caaf4a7d5ff1bcae16d80045ac150699.html
Заголовок, (Title) документа по адресу, URL1:
Dynamic decision-making - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)