Коллектив авторов
Идея системности в современной психологии

Полная версия

Глава 4
Моделирование динамики системных образований психики

При использовании системного подхода в психологии рассматриваются различные типы организации психического. Так, во многих исследованиях обсуждаются вопросы соотношения психических функций, процессов, состояний и свойств личности. Одним из основных вопросов здесь выступает изучение взаимосвязи отдельных подструктур (составляющих) личности, способов формирования целостной системы личности из отдельных частей, а также динамики изменения личности как целого (Ломов, 1984).

В социальной психологии в рамках системного подхода также рассматривается организация психического. Однако здесь уже мы имеем дело с организацией другого типа – «коллективное психическое», которое не является суммой субъектов, а их объединением в широком смысле. Т. е. в первом случае личность рассматривается как целое (система), во втором в качестве системы выступает команда, коллектив, общество. Существует множество определений системы. Ю. А. Урманцевым проведен подробный анализ этих определений. Часто использование того или иного определения обусловлено либо типом задачи, либо типом самой системы.

Обычно используется три способа выделения систем. Первый, наиболее используемый, состоит в расчленении сложного объекта или процесса на составные элементы и выявлении между ними системообразующих связей и отношений, обеспечивающих целостность. Этот способ является наиболее используемым. Второй способ основан на представлении отдельных аспектов, сторон исследуемого объекта, наиболее существенных для решения поставленной задачи (Прангишвили, 2000).

Третий способ основан на иерархическом представлении: под системой понимается множество элементов (подсистем), отношения между которыми порождают новые качества, не присущие отдельным элементам. Фактически такое понимание схоже с понятием структуры системы. Данный способ использует следующее упрощение: игнорируется функциональность системы, ее развитие. Можно заметить, что понятие системы является достаточно размытым. Приведем основные признаки, которые присутствуют почти во всех определениях системы:

• наличие структуры;

• целостность;

• интегративность;

• организация.

Понятие структуры присутствует практически во всех определениях системы. Необходимо выделить, какую именно часть системы представляет структура. Под структурой обычно понимается либо форма представления объекта в виде составных частей, либо множество возможных отношений между подсистемами и т. д. Математическое определение структуры – это множество элементов и отношений, определенных на них. Для более сложных систем вводится иерархия ее подсистем. В теории систем часто встречается понимание структуры как совокупности устойчивых связей и отношений между элементами системы, т. е. как ее инвариант. Такое понимание не совсем подходит для изучения развивающихся систем, а именно с ним чаще всего приходится сталкиваться в психологических исследованиях, в которых структура также является лишь относительно устойчивой. Любую деятельность можно представить как систему с множеством структурных составляющих (целей, действий, результатов деятельности и т. д.). Однако структуры в таком понимании не являются развивающимися.

Для развивающихся системных образований более подходит следующее понимание структуры системы, которое включает: пространство элементов, систему отношений, заданную на них, совокупность устойчивых связей между элементами, а также задание законов (функций) взаимосвязи элементов друг с другом и с другими системами и их взаимовлияния.

В настоящее время для моделирования структур используются такие современные подходы, как синергетический, теория шкал, искусственный интеллект, когнитивная графика (моделирование образов с помощью компьютеров и оптимизация их восприятия), нейросети, информационная механика, сети Петри.

Для моделирования когнитивных процессов, ценностных структур, виртуальной реальности и др. все чаще применяются мультимножества, нечеткие множества, нелинейное моделирование, теория отклика.

С самого начала существования математической психологии было ясно, что наиболее важной задачей является поиск такой парадигмы, которая позволила бы разработать общую модель поведения человека, основанную на введенном выше понимании структуры и системы. Однако на наш взгляд такая задача в общем виде практически не достижима, но возможно ее решение с определенными ограничениями.

Так как объектом математической психологии является субъект, обладающий свободой воли, находящийся и действующий в среде, которая также независимо воздействует на него, то в качестве математического аппарата для моделирования этих взаимодействий возможно использовать аппарат исследования операций.

Математические модели в психологии по методам исследования операций в основном можно разделить на:

• детерминированные: теория графов; геометрическое моделирование; логико-математические модели;

• стохастические: вероятностные; теории игр; теории полезности; динамическое программирование;

• синергетические.

В качестве примера детерминированных моделей можно рассмотреть модели Лефевра и их развитие.

Одной из немногих в настоящее время удачных попыток создания общей модели рефлексивного поведения является формула человека В. А. Лефевра (Лефевр, 1991).

В теории рефлексивных процессов В. А. Лефевра предполагается, что субъект живет в мире, в котором существуют два полюса: позитивный и негативный. Субъекту соответствуют четыре переменные. Это – мера давления мира, склоняющего субъекта выбрать положительный полюс, субъективная оценка давления мира в сторону позитивного полюса, мера интенции субъекта выбрать положительный полюс и мера готовности субъекта выбрать положительный полюс. Теоретической моделью субъекта является формальный оператор X₁ = f(x₁, x₂, x₃). Чтобы определить конкретный вид функции, В. А. Лефевр формулирует три аксиомы.

1. Аксиома свободы воли.

2. Аксиома незлонамеренности.

3. Аксиома доверчивости.

Если функция f(x₁, x₂, x₃) линейна по каждой из переменных и выполнены все аксиомы, то

X₁ = f(x₁, x₂, x₃) = x₁ + x₃ – x₁ x₃ – x₂ x₃ + x₁ x₂ x₃.

Далее Лефевром были введены различные типы рефлексивных замыканий, которые позволили моделировать с помощью алгебраического аппарата различные ситуации взаимодействия субъекта с миром и субъекта с субъектом. Им было введено понятие рефлексивного управления и управлении рефлексивным управлением, т. е. здесь также используется рефлексия различного уровня. Таким образом, модели, созданные В. А. Лефевром, соответствуют всем требованиям, предъявляемым развивающимся структурам.

C помощью модели В. А. Лефевра удается выявить роль золотого сечения в задачах выбора, объяснить различие в результатах психофизических опытов категориальной и магнитудной стимуляцией. Модели, разрабатываемые Лефевром, вызывали и вызывают большой интерес у многих исследователей, работающих на стыке математики и психологии, однако являются слишком общими и слабо пригодны для решения реальных задач, также Лефевром не проведена работа по соотнесению понятийного и категориального аппарата своей теории с соответствующим ему аппаратом в психологической науке.

В. Ю. Крылов (1994), анализируя проблему единственности, формулирует некоторые аксиомы, приводящие к другим моделям рефлексивного поведения человека, позволяющим моделировать феномены, описанные Э. Берном: исключительность родителя, взрослого или ребенка, предрассудки, бредовые идеи и т. д. (Берн, 1992).

Моделирование психологических структур и процессов с помощью теории графов и геометрического моделирования также можно отнести к детерминированным идеям. Например, процесс восприятия можно моделировать с помощью субъективных пространств; при разработке теории личности используются модели классификации и пространственные модели на основе реконструирования семантического пространства и т. д. Эти модели строятся с помощью методов многомерного шкалирования и кластерного анализа. Динамика изменения пространств моделируется с помощью регрессионных функций. В этом случае можно сказать, что необходим системный подход использования математического аппарата, т. к. сложность объекта моделирования требует использования методов различного типа в определенном соотношении и взаимосвязи.

Важным классом стохастических вероятностных моделей являются модели с латентными переменными. Цель их создания состоит в объяснении наблюдаемых переменных и взаимосвязей между ними с помощью латентных переменных.

Эти модели основаны на предположении, что наблюдаемые, измеряемые тестами переменные могут быть объяснены с помощью так называемых латентных, более глубинных переменных, которые мы не можем измерить непосредственно, однако возможно оценить значение латентной переменной с помощью наблюдаемых переменных (косвенно). К методам латентных переменных относятся конфирматорный и эксплораторный факторный анализ, регрессионный анализ, однофакторный анализ, методы латентных структур. Мак Дональдом была выведена обобщенная модель латентных структур, которая объединяет факторный, однофакторный дисперсионный методы, методы многомерного шкалирования, латентных классов и др.

Цель создания моделей с латентными переменными состоит в объяснении наблюдаемых переменных и взаимосвязей между ними с помощью латентных переменных. При заданном значении наблюдаемых переменных требуется сконструировать множество латентных переменных и подходящую функцию, которая достаточно хорошо аппроксимировала бы наблюдаемые переменные, а в конечном счете – плотность вероятности наблюдаемой переменной.

В основе многих моделей с латентными переменными лежит формула Байеса, которая связывает априорную вероятность с апостериорной.

Общая методология сводится к введению априорной плотности распределения параметров и последующему нахождению ее по формуле Байеса с учетом экспериментальных данных их апостериорной плотности распределения.

Вероятностные модели представляют самый широкий класс моделей в психологии. Модели такого типа существуют почти во всех ее разделах. Например, в моделях научения есть класс вероятностных моделей, это – общая вероятностная модель процесса научения, имеющая два подмножества гипотез (Chow, J.Cotton,1983; Brainerd, 1982). Согласно этим моделям испытуемые выдвигают гипотезу из одного подмножества и в случае верного решения в следующем испытании гипотеза выдвигается из этого же подмножества, а в случае неудачи – с вероятностью р происходит выбор одного из двух подмножеств. Эти методы также анализируют процесс в динамике, однако в случае, если важно состояние системы до эксперимента (или взаимодействия) и после, динамика самого процесса изменения в этом случае не изучается.

Теория принятия решений представляет собой набор понятий и семантических методов, позволяющих всесторонне анализировать проблемы принятия решений в условиях неопределенности.

Можно выделить три основных подхода к построению моделей процесса принятия решения: теорию статистических решений, теорию полезности и теорию игр. Эти теории разрабатывались не для психологии, однако нашли применения в психологической практике. Теория принятия решений моделирует поведение людей, которые, принимая решение, действуют в соответствии с некоторыми аксиомами. В основе теории принятия решений лежит предположение о том, что выбор альтернатив должен определяться двумя факторами: 1) представлениями лица, принимающего решение о вероятностях различных возможных исходов, которые могут иметь место при выборе того или иного варианта решения; 2) предпочтениями, отдаваемыми им различным исходам. Первое – субъективная вероятность, второе – ожидаемая полезность.

Основы современной теории полезности были заложены Крамером и Бернулли (1738), которые предположили, что для многих людей полезность богатства растет с убывающей скоростью по мере его роста. Лишь в 1931 году философ и математик Рамсей (1964) построил систему аксиом для субъективной ожидаемой полезности.

Модель Сэвиджа для субъективно ожидаемой полезности в настоящее время получила наибольшее признание среди теорий принятия решений с риском.

В теории максимизации принимаются аксиомы, комбинирующие субъективную вероятность и полезность.

Поэтому актуальной задачей математической психологии в данном направлении является создание формальных математических моделей поведения человека в зависимости от его субъективного опыта, личностных характеристик и мотивации. (Савченко,1990). Важным приложением аппарата теории игр является использование его в экспериментальной психологии в качестве экспериментальной методики изучения поведения в ситуации с непротивоположными интересами (А. Раппопорт, К. Терхьн, М. Пилмак, А. Лебедев, Т. Савченко).

Г. В. Кореневым (1989) предложена схема выработки решения и приведения его в действие. Решение человека реализуется в выполнении движения, результатом которого является достижение конечной цели. Модель включает в себя классифицирование обстановки, сопоставление ее с определенным психомоторным актом и принятие решения о выполнении движения, которое обеспечивает предвидимое будущее. Принятое решение реализуется через команды, приводящие в действие мышечный аппарат и формирование акцептора результатов действия для сравнения настоящего с предвидимым будущим. Модель психомоторного акта связывает с каждым классом обстановки свою программу движения, выражающего волю человека. В качестве базисной модели используется система дифференциальных уравнений классической динамики, в которую добавляются программные и корректирующие силы. Влияние обстановки задается классификационными уравнениями. Решение систем уравнений достаточно сложно – система обладает большим числом степеней свободы, т. к. при совершении психомоторного акта задействовано большое количество мышц.

Одними из самых первых моделей, примененных для описания процесса научения, были модели, представляющие кривую научения в виде зависимости между качеством решения задачи и количеством повторений. Теория Торндайка трактует процесс научения как дифференциальное подкрепление существующих связей между раздражителями и ответами. Для Халла научение состоит в образовании связей, но эти связи понимаются как устойчивые состояния. Для моделирования состояния были применены конечные автоматы. Под воздействием стимула подкрепления происходит смена состояний, определяющих связи между раздражителями и ответами. Для описания такой структуры были использованы автоматы подкрепления, которые являются частным случаем автоматов состояния. Эти автоматы могут моделировать процесс научения.

Многие исследователи для описания процесса научения используют понятие выдвижения гипотез. Эти модели сходны с моделями, основанными на автоматах подкреплений. Термины «множество состояний» и «множество гипотез» эквивалентны. Для описания процесса перехода из состояния в состояние или смены гипотез часто применяется аппарат Марковских цепей. Существенным недостатком моделей этого класса является то, что они не отражают структуру связей между ситуациями и реакциями на них в процессе научения, не описывают процессов формирования и модификации гипотез, т. е. статики.

При моделировании интеллекта в психологии можно выделить следующие подходы: аппарат распознавания образов, который основан на Байесовской процедуре, классическом статистическом подходе и новых математических теориях, таких как размытые множества и синергетика.

Современные исследования в этой области начались в институте Карнеги с написания программ, решающих задачи. Основной интерес составляло то, каким образом люди решают задачи (Ньюэл, Саймон, 1972). Мак-Каллок и Питте (1943) доказали, что любую функцию можно реализовывать с помощью должным образом организованной сети идеальных нейронов. Логическим продолжением нейрологических теорий явилось понятие перцептрона.

Альтернативой традиционному математическому аппарату является синергетический подход. В нем математическая идеализация содержит чувствительность к начальным условиям и непредсказуемость исхода для системы. Поведение можно описать с помощью апериодических и поэтому непредсказуемых временных рядов, не ограничиваясь при моделировании стохастическими процессами. Беспорядок в индивидууме или обществе может предшествовать появлению новой структуры, в то время как стохастические системы имеют низкую вероятность прихода к интересным структурам. Именно апериодические решения детерминированных уравнений, описывающие самоорганизующиеся структуры, помогут придти к пониманию психологических механизмов самоорганизации.

В лаборатории математической психологии впервые в нашей стране начали использовать синергетический подход к моделированию психологических систем (в 80-е гг.) и разработаны оригинальные методы анализа данных психологических исследований: многомерное шкалирование в псевдоевклидовом пространстве (Крылов); многомерное шкалирование на размытых множествах (Головина); латентно-структурный анализ с оценкой разбиения на классы (Савченко); кластерный анализ на размытых множествах (Савченко); кластерный анализ на основе теории развития понятий Выготского (Крылов, Острякова).

В результате применения предложенных методов были разработаны математические модели: успешности деятельности и ее динамики, взаимосвязи психологического статуса и качества жизни, надежности оператора АС и др.

В последние годы все больше внимания уделяется моделированию динамики психических процессов и поведения субъектов. В отличие от определенных направлений психологии, где, в основном, изучаются отдельные характеристики, нашей задачей является исследование и моделирование систем и структур (Ломов). Процесс развития самоорганизующихся систем очень сложен, неаддитивен, недизъюнктивен, нелинеен (Брушлинский), так как система часто не обладает свойствами образующих ее элементов.

При моделировании психологических систем, которые являются многомерными, нечеткими, динамичными, необходимо выделять моменты линейности, детерминированности, четкости в зависимости от целей и задач конкретного исследования. Например, возникают проблемы разграничения адаптаций, протекающих в разных средах – эволюционных и бифуркационных.

В настоящее время чаще используется дескриптивный способ построения моделей. По результатам эмпирических исследований реконструируются функциональные зависимости. Для построения регрессионных зависимостей и нахождения особых точек необходимы множественные временные исследования, что практически невозможно. Поэтому одним из путей решения этой проблемы является построение диаграммы Ламерея по двум временным срезам, которое, однако, снижает точность модели.

Тем не менее, возможно моделирование динамики с помощью сравнений пространственно-временных срезов, создание нормативных моделей, либо построение динамических моделей, обладающих определенной прогностической силой, с помощью регрессионных кривых. Используется также нелинейное моделирование для нахождения устойчивых и неустойчивых точек бифуркации, аттракторов.

Результаты моделирования на эмпирических данных с помощью синергетического подхода (построение диаграммы Ламерея, нелинейное моделирование) продемонстрировали эффективность следующей схемы исследований:

• выдвижение априорной модели процесса;

• получение эмпирических данных в соответствии с априорной моделью;

• моделирование динамики процесса;

• построение апостериорной модели и проверка ее адекватности.

По предложенной схеме проводились исследования структур: когнитивных, ценностных, деятельностных, результатом которых стали модели психологических знаний и восприятия опасностей, динамики структуры качества жизни и удовлетворенности жизнью, динамики успешности деятельности руководителей научно-технического центра и др.

С помощью этих методов нами были разработаны модели динамики психологических систем. Здесь можно выделить три направления: моделирование качества жизни, моделирование успешности деятельности и моделирование взаимодействия субъектов.

Исследования качества жизни (КЖ), проведенные с применением разработанных методов многомерного анализа, позволили сформулировать интегральный подход к решению этой проблемы, а также провести сравнительный анализ объективного (полученного из официальных источников) КЖ и его субъективного восприятия.

В результате исследований построена модель динамики качества жизни и психологического статуса, с помощью которой можно прогнозировать удовлетворенность жизнью и тенденции к появлению внутриличностного конфликта в зависимости от изменения структуры качества жизни.

Динамику субъективных показателей подтверждают лонгитюдные исследования, которые показали различия в определении параметров качества жизни, а также позволили выделить социальную динамику понятий, которая проявляется в усилении направленности студентов на достижение статуса (это объясняет стремление к профессионализму) и снижение ценности таких понятий, как «культура», «друзья», «хобби», «спорт»; меньше стали волновать студентов политика и глобальные проблемы.

Методология исследования динамики успешности деятельности и построения модели основана на представлении об активности субъектов взаимодействия.

Целью работы являлось построение количественной модели динамики успешности деятельности с помощью синергетического подхода. Это – трехэтапное исследование. Первый этап – выявление структуры характеристик деятельности с помощью многомерного анализа данных тестирования; построение факторных пространств характеристик на временных срезах деятельности. Второй – выявление константных факторов – «параметров порядка»; построение регрессионных зависимостей между этими параметрами, нахождение особых точек. Третий этап – построение уравнений, непосредственно задающих изменение параметров во времени.

Семантическое пространство становится динамическим, если существует множество временных срезов. Понятно, что проведение большого числа повторных тестирований при лонгитюдном исследовании является сложным. Гипотеза об эргодичности диссипативных систем позволяет построить псевдофазовое пространство по множеству значений, полученных в результате измерения выбранных качеств, которые представляют процесс в два различные момента времени. Таким образом, реконструкция семантических пространств по данным тестирования в два момента позволяет прогнозировать поведение описываемой системы деятельности и на других этапах ее развития.

В результате проведения первых двух этапов в качестве параметров порядка (факторов, одинаково интерпретируемых для первого и второго тестирования) мы выделили: факторы «принятия решений и ответственности за них» и «способности к систематизированной интеллектуальной деятельности».

Для фактора «принятие решений» были построены регрессионная кривая и диаграмма Ламерея, которые позволили выделить стационарные точки для успешной группы руководителей. В этих точках значения параметров достигают своего оптимального уровня и не изменяются в процессе деятельности. В области устойчивости оказались характеристики, которые определяют мотивацию (состояние системы на других временных срезах) и не будут изменяться без внешнего воздействия на систему.

Значения характеристик по выделенным факторам показали, что на первом этапе группа руководителей характеризовалась недостатком настойчивости в достижении поставленных целей, слабой выраженностью потребности в успехе. Именно эти характеристики не изменили свои значения и при вторичном тестировании, поэтому можно прогнозировать кризис в деятельности при отсутствии изменений в организации. Таким образом, эти исследования подтвердили основное значение блоков «мотивация» и «интеллектуальные способности» в структуре деятельности.

Далее были предложены принципы теоретического моделирования: после формализации соответствующей проблемы выдвигаются гипотезы, связывающие параметры задачи, далее для них пишутся соответствующие уравнения и исследуются их решения, характеризующие поведение системы в различных ситуациях, выявляются аттракторы, хаос и пр. Для проверки «реалистичности» гипотез предлагается отмечать состояния, не достигаемые моделью, и стремиться «улучшить» ее в этом направлении.

На данном этапе предложена теоретическая динамическая модель успешности деятельности как функции мотивации, способностей, интеллекта, ценностей, влияния среды. Функция успешности деятельности характеризует рассогласование между индивидуальными и необходимыми для успешной деятельности характеристиками. Динамика успешности деятельности описывается дифференциальным уравнением. Устойчивые и особые точки данной системы характеризуют параметры системы в эволюционном развитии и точках бифуркации.

Проведена предварительная проверка модели на примере выявления успешности деятельности.

До сих пор мы рассматривали динамику поведения одного субъекта в среде, теперь рассмотрим, как возможно построить модель формирования команды.

Для построения модели необходимо выбрать язык, на котором она будет строиться. Причем выбирать его надо таким образом, чтобы было возможно отразить в используемых терминах все многообразие изучаемого феномена. В данном случае было проведено моделирование жизнедеятельности команды с позиций синергетики.

Команда обладает способностью к самоорганизации. Под самоорганизацией синергетика понимает создание самой структурой упорядоченности в своих действиях.

С точки зрения синергетики любое живое существо или группа на протяжении всего своего существования ведет постоянную борьбу с энтропией. Энтропия – мера неопределенности, незнания чего-либо. Неопределенность, незнание можно сравнить с потерей энергии. Если информация становится знанием, неопределенность, энтропия, уменьшается. Соответственно энергия возобновляется с помощью энергетического ресурса, находящегося во внешнем мире.

Команда – это система со своими взаимосвязями и принципами существования. Соответственно команда также ведет борьбу с энтропией. Основным энергетическим ресурсом команды, как и других систем, является информация, которую она обрабатывает и усваивает, превращая в знание. Информация поступает из внешнего мира – следовательно, команда с ним взаимодействует, то есть, в терминах синергетики, является открытой системой.

На языке синергетики может быть описана взаимосвязь «команда – внешний мир», взаимодействие одного с другим и вытекающие из этого явления (например, динамика команды).

Контрольный параметр обозначает величину контролируемого внешнего воздействия, или же совместное действие «система – внешний мир», которое вызывает структурные изменения в системе, но не детерминирует их.

Изменение контрольного параметра приводит систему в движение, и она реагирует тем или иным образом.

Реакция системы может быть различной и зависит от величины контрольного параметра.

Существуют также помехи – случайные колебания системы, вызванные влиянием внешней среды. Они, как правило, непродолжительны и неинтенсивны. И флуктуации – отклонения в равновесии системы, не связанные с внешним миром, возникшие в самой системе. И те, и другие не препятствуют системе находится внутри определенного интервала равновесия. Они возникают в тех случаях, когда величина контрольного параметра не доходит до критического порога. В противном случае состояние равновесия становится нестабильным, и случайные явления внутри нее все меньше поддаются корректировке. В конце концов, равновесие нарушается и система выбирает один из путей дальнейшего развития. Это и есть динамика системы.

Следует заметить, что чем стабильнее условия, незначительней внешние помехи, тем стабильнее будут работать структуры данной системы, тем предсказуемее будет результат их жизнедеятельности. Эту предсказуемость в развитии называют также линейной динамикой системы. Когда контрольный параметр превышает критический порог, система начинает реагировать иначе. Она сама ищет для себя новое состояние. Ответственность за это новое структурирование несет не контрольный параметр, а нелинейная динамика развития системы или команды. Она (система) ведет как бы поиск своего будущего, выбирая или «примеривая» себя к множеству потенциальных путей развития. Сам же контрольный параметр может вызвать только нестабильность в этой системе.

«Сложная нелинейная система способна сама себя строить, структурировать, подобно тому, как строит себя человек или наблюдаемая Вселенная в целом, нужно только правильно инициировать желательные для человека тенденции саморазвития этой системы» – пишет Е. Князева (Князева, Пригожин).

К динамике системы имеет также отношение понятие «параметр порядка». Параметры порядка определяют поведение частей системы, работают контрольными параметрами как бы изнутри нее.

Итак, команда представляет собой систему, обладающую способностью к самоорганизации. Система эта подвержена изменениям, связанным с той или иной величиной контрольного параметра. В роли контрольного параметра выступают факторы, которые по отношению к команде находятся во внешней среде, но имеют значимое влияние на ее деятельность. Что это за факторы и какова их критическая величина, возможно выяснить только при непосредственной работе с группой и с экспертами, знающими специфику ее деятельности.

Мы понимаем под динамикой команды ее развитие, но его отражением, согласно полученным нами в ходе исследования данным, является изменение зависимости эффективности деятельности от социально-психологических ее характеристик с линейной на нелинейную.

Нами было проведено эмпирическое исследование командной работы, на основании которого была построена динамическая модель совместных действий команды. Мы изучали команду, приняв точку зрения, согласно которой команда обладает отличительной особенностью – синергией, что отличает ее от других групп, делает более эффективной при выполнении сложных задач. Изменение предметной, информационной, и социотехнической структур деятельности рассматривается нами как внешний аспект деятельности участников.

На первом этапе мы выявили факторы внешней по отношению к команде среды, которые могут оказать влияние на существование и жизнедеятельность команды. Собственно в модели эти факторы представлены в качестве контрольных параметров.

Затем мы исследовали возникновение и развитие социально-психологических процессов в изучаемой нами группе и зависимость от этих процессов эффективности деятельности команды.