logo

Bilimlar. Bilimlarning tiplari, xususiyatlari, tushunish darajalari va ularni olish usullari

Загружено в:

19.11.2024

Скачано:

0

Размер:

238.951171875 KB
4-ma'ruza.  Bilimlar. Bilimlarning tiplari, xususiyatlari, tushunish darajalari va
ularni olish usullari
Reja :
1.   Ma’lumotlar   va   bilimlar.   Asosiy
tushunchalar.  
2.   Bilimlarning tiplari  va bilimlarni sinflash .
3.   Bilimlarning xususiytlari .  
4.   Bilimlarni tushunish darajalari .
5.  Bilimlarni olish usullari v aspektlari .
6. Ma’lumotlar bazasidan bilimlarni ajratib olish usullari
  Tayanch   iboralar:   Ma’lumotlar   (Data),   bilim     (knowledge),   bilimlarni
namoyish   qilish   (knowledge     representation),   protsedurali   axborot   (procedural
information),   mashina   so’zi   (computer   word) ,   bit   (bit),bayt   (byte),   abstraktli
ma’lomotlar tipi (abstract data  types) , ma’lumotlar bazasi (data  base), ma’lumotlar
bazasini   boshqarish   tizimlari   (MBBT)-(data     base     management     systems),   б аза
знаний  (knowledge  base) , Bilimlar muhandisi  (knowledge  engineering),   interfeysli
bilimlar     (interface     knowledge),   muammoli   bilimlar     (the     problem   of   knowledge),
protsedurali   bilimlar   (procedural     knowledge),   strukturali   bilimlar   (structural
knowledge),   metabilimlar     (metaknowledge),   sintaktika   (syntactics),   semantika
(semantics),   ptagmatika   (pragmatics),   extensial   bilimlar   (extensional     knowledge),
intensional   bilimlar   (intensional     knowledge),   deklarativli   bilimlar   (declarative
knowledge),   bilimlarni   namoyish   etishning   mantiqiy   modeli   (logical     methods   of
knowledge  representation) ,  bilimlarni namoyish etishning evristik modeli  (heuristic
methods     of     knowledge     representation) ,   mulohazalarni   hisoblash   (p ropositional
calculus),   1-tartibli   predikatlar   mantiqi   (predicate   logic   of   the   1st   order,   ichki
izohlanuvchanlik   (internal   interpretability),   strukturalashtirilganlik   (structured),
bog’langanlik   (coherence),   semantil   metrika   (semantic   metric),   faollik   (activity),
bilimlarni   tushunish   darajalari   (level     sofunder   standing   knowledge),   bilimlarni
metatushunish (metaunder  standing of  knowledge)
1. Ma’lumotlar va bilimlar. Asosiy tushunchalar
Ma’lumotlar   – bu   alohida   faktlar   bo’lib,   predmet   soha(PrS)dagi   obyektlar,
jarayonlar va hodisalarni hamda ularning xossalarini tavsiflaydi.
Bilimlar   -   bu   PrSdagi   obyektiv   qonuniyatlar   (prinsiplar,   aloqalar,   qonunlar)
bo’lib,   ular   amaliy   faoliyat   va   professional   tajribalar   natijasida   olinadi   va
mutaxassislarga ushbu sohada masalalarni qo’yish va echishga imkoniyat yaratadi. 
Bilimlar     -   bu yaxshi strukturalashgan ma’lumotlar, yoki ma’lumotlar haqidagi
ma’lumotlar, yoki metama’lumotlar .
Katta   sovet   ensiklopediyasida   bilimga   quyidagicha   ta’rif   bergan:   «Bilim   –
haqiqylikni   anglash   natijalarining   amaliyotda   tekshirilganligi   va   unung   inson
75 miyasida   to’g’ri     aks   ettirilganligidir.   Bilimlar   hayotiy,   ilmiylikka   asoslanmagan,
badiiy, ilmiy (nazariy va empirik)» bo’lishi mumkin[1].
 SI sohasidagi tadqiqotlarning asosi bilimlar bilan bog’liq yondashuvdan iborat.
SIning  bazaviy paradigmalari  asosan bilimlar hisoblanadi. Bilim tushunchasi boshqa
ko’plab   fundamental   ilmiy   tushunchalar   (algoritm,   intellekt,   faoliyat   va   h.k)   kabi
intuitiv shaklda aniqlanadiganlar  tipiga kiradi.
Ba’zi   PrS   haqidagi   bilimlar   ushbu   PrSdagi     obyektlar   haqidagi   ma’lumotlar
majmuasidan,   ushbu   sohadagi   obyektlarning   muhim   xossalaridan   va   ularni
bog’lovchi munosabatlardan, jarayonlar hamda unda vujudga keladigan vaziyatlardan
hamda ushbu vaziyatlar bilan bog’liq muammolarni tahlil qilishdan iborat  [1]. 
Bilim tushunchasi  ma’lumot yoki  axborot tushunchasidan qanday farq qiladi? 
Bilim   –bu   tashqi   olamdan   tirik   mavjudod   (subyekt)   yordamida   idrok     etilgan
axborotlar. Bilimning  ma’lumotdan farqli tomoni uning subyektivligidadir  [2].  Bilim
subyektning   hayotiy   tajribalariga,   uning   tashqi   olam   bilan   o’zaro   aloqalar   tarixiga,
ya’ni uning  o’rganish va o’zini-o’zi o’rganish jarayonlariga asoslanadi. 
SI   bo’yicha   yaratilgan   adabiyotlarga   asoslangan   holda   bilimning
ma’lumotlardan farqli tomonlarini quyidagicha ko’rsatish mumkin   [2-4] :
• bilimlar  ko’proq strukturalashgan bo’ladi;
• bilimlarda   ma’lumotlarga   o’xshab   bilimlarning   alohida   elementlari   emas,
balki ular orasidagi o’aro bog’liqlik muhim ahamiyatga ega ;
• bilimlar   ma’lumotlarga   nisbatan   o’zini-o’zi   izohlovchi   bo’ladi,   ya’ni
bilimlarda ulardan qanday foydalanish haqidagi axborotlar mavjud bo’ladi ;
• bilimlar   ma’lumotlarga   nisbatan   faolroq   bo’ladi,   ya’ni   bilimlar   ulardan
foydalanayotgan tizim harakatiga ta’sir etishi mumkin.
  Shuni ta’kidlash joizki, bilimlar  bilan ma’lumotlar orasida qat’iy chegara
yo’q,   chunki   oxirgi   20   yillar   mobaynida   ma’lumotlar   bazalarini   boshqaruvchi
tizilarni   yaratuvchilar   ma’lumotlarni   va   bilimlarni   bir-biriga       o’xshash   qilib
qo’ydilar.   Misol   sifatida   ma’lumotlar   bazalarini   loyihalashda   semantik   to’tlarni
qo’llash,   obyektga   yo’naltirilgan   ma’lumotlar   bazalarining   paydo   bo’lishi,
saqlanuvchi   protseduralar   va   h.k.larni   keltirish   mumkin.   Shunday   qilib,
bilimlarning   ma’lumotlardan   yuqorida     keltirilgan   farqli   tominlari   informatika
vositalarining rivojlanishi bilan bir-biriga yaqinlashib bormoqda.
EHMda     ishlatiladigan   axborot     protsedurali     va   deklarativga   ajratiladi   [2-4].
Protsedurali   axborot     masalani   yechish   jarayonida   bajariladigan   dasturlarda
moddiylashtirilgan,   deklarativ   axborot   -   bu   dasturlar   ishlatadigan   ma’lumotlarda
moddiylashtirilgan   bo’ladi.   EHMda   axborotlarni   tasvirlashning   standart   shakli
mashina so’zi  hisoblanadi. Mashina so’zi mazkur EHM turi uchun aniqlangan ikkilik
razryadlar -  bitlardan  tashkil topgan. Ammo bir qator hollarda mashina so’zi   baytlar
deb nomlangan 8ta ikkilik razryadlar bo’yicha guruhlarga ajratilmoqda. 
Hozirda   mavjud   ko’pgina   EHMlarda   axborotni   mashina   so’zining   ixtiyoriy
razryadlar   to’plamidan     bir   bitgacha   olish   mumkin.   Ko’pgina   EHMlarda   ikki   yoki
undan ortiq mashina so’zlarini katta uzunlikdagi bitta  so’zga birlashtirish mumkin. 
EHM   strukturasining   rivojlanishi   bilan   parallel   ravishda   ma’lumotlarni
tasvirlash   uchun   axborot     strukturalarning   rivojlanishi   sodir   bo’ldi.     Ma’lumotlarni
76 vektor  va  matritsa  ko’rinishida tavsiflash  usullari  paydo bo’ldi, ro’yxat  va iyerarxik
strukturalar   vujudga   keldi.   Hozirda   yuqori   darajali   dasturlash   tillarida   abstrakt
ma’lumotlar   turlari   qo’llanilmoqda.   Ularning   strukturasi   dasturchi   tomonidan
beriladi.   Ma’lumotlar   bazasi(MB)ning   paydo   bo’lishi   deklarativ   axborotlar   bilan
ishlash   bo’yicha   yana   bir   ilgari   qadam   bo’ldi.   MBda   bir   vaqtning   o’zida   katta
hajmdagi   ma’lumotlar   saqlanishi   mumkin,   MBni   boshqarish   tizimlarini   tashkil
etuvchi   maxsus   vositalar   esa   ma’lumotlarni   samarali   manipulyasiya   qilishga,   kerak
bo’lganda   bazadan   ma’lumotlarni   olish   va   ularni   kerakli   tartibda   bazaga   yozishga
imkon beradi. 
IT   sohasidagi   tadqiqotlarning   rivojlanishi   bilan   protsedurali   va   deklarativ
axborotlarning   ko’pgina   xusuiyatlarini   o’zida   birlashtirgan   bilimlar   konsepsiyasi
vujudga keldi. 
EHMda   bilimlar   ma’lumotlar   kabi   belgili   ko’rinishda   –   formulalar,   matnlar,
fayllar,   axborot     massivlar   va   sh.k.   ko’rinishida   tasvirlanadi.   Shuning   uchun
bilimlarni maxsus shaklda tashkil etilgan ma’lumotlar deyish mumkin. Lekin bu juda
tor   tushuncha   bo’lardi.   Shu   bilan   birga   sun’iy   intellekt   (SI)   tizimlarida   bilimlarni
shakllantirish   va   qayta   ishlash   tadqiqotlarning   asosiy   obyekti   hisoblanadi.   Bilimlar
bazasi   MB   bilan   bir   qatorda   SI   dasturiy   kompleksining   muhim   tarkibiy   qismi
hisoblanadi.   SI   algoritmlarini   ifodalaydigan   mashinalar     bilimlarga   asoslangan
mashinalar  deyiladi, SI nazariyasining ekspert tizimlarni qurish bilan bog’liq bo’lgan
bo’limi  bilimlar injineriyasi  deyiladi.
            2. Bilimlarning tiplari  va bilimlarni sinflash 
S.I.Ojegov   «Rus   tili   slovarida»   [5]   bilimni   -   «haqiqiylikni   ong   bilan   anglash
(fahmlash, tushunish, payqash) va «qandaydir sohada ma’lumotlar, bilishlar majmui»
kabi   izohlaydi.     Ushbi   ishda   PrSdagi   bilimlarning   quyidagi   turlari   keltirilgan:
deklarativli,   pragmatikli,   protsedurali,   evristikli,   exspertli.
Yuqorida   keltirilgan   bilimlarning   izohlarini   hisobga   olib,   ularni   ikkita:
obyektiv  va  subyektiv  (inson bilimlari) bilimlarga ajratish mumkin [1].
Obyektiv   bilimlar   aniq   obyekt   yoki   obyektlar   sinfini   (narsalar,   jarayonlar,
hodisalar   va   h.k . )   tavsiflash   bilan   bo’g’liq.   Metabilimlar   esa   tabiyat,   jamiyat   va
fikrlashning umumiy tushunchalari, prinsiplari va qonuniyatlarni tvsiflaydi.
Subyektiv     bilimlar   inson,   insonlar   guruhi   yoki     sun’iy   bilimlar   manbalaridan
(kitob,   o’quv   kursi,   gazeta,   ilmiy   jurnal,videofilm   va   boshqalar)   olinadi.   Inson
yordamida   olingan   subyektiv   bilimlarni   izohlashda   ushbu   insonning   dunyoqarashi,
qobilyati,   xulq-atvori,   hayotiy   tajribasi,   professional   faoliyat   sohasi   va   h.k.   kabi
xususiyatlari e’tiborga olinishi lozim.    
SI   sohasidagi   mutahasislar   bilimlar   tiplarini   tahlil   qilishda   e’tiborni   ko’proq
bilimlarning   formal-mantiqiy   tomonlariga   qaratadilar.   Bunda   EHM   xotirasida
saqlangan   bilimlarga   maxsus algoritmlarni qo’llab, huddi mantiqiy hulosalash kabi
natijalarni olish mumkin.
Psixologlar   nuqtai–nazaridan   [1]   idrok   etish,   xotira,   fikrlash   kabi   psihik
timsollar   bilimlarni   ifodalaydi.   Psixik   timsollar   sifatida   predmetlar   va   tashqi
77 Psixologikli:
1)psixik timsollar; 2) fahmlovch modellar.
Axborotli-texnologiyali:
EHM xotirasida saqlanuvchi va intellectual daturlar bilan 
ishlashda foydalaniladigan strukturalashtirilgan axborotlar Formalli-mantiqiy:
maxsus protseduralar yordamida muammoli soha haqida xulosalar 
chiqarishda yangi bilimlarni olish uchun qo’llaniladigan 
formallashgan axborotlar Intellektualli:
1) muammoli sohadagi  obyektlar haqidagi faktlarni, ushbu 
obyektlarning hossalari va ular orasidagi bog’lanish 
munosabatlarini saqlovchi ma’lumotlar; 2) muammoli sohada 
kechayotgan jarayonlar tavsivlari; 3) muammoli soha doirasida bir 
xil tipli masalalarni echish uslublari haqidagi axborotlar.   
4.1-rasm.Bilimlarni izohlash  Bilimlarni izohlasholamdagi   hodisalar,   insonnig   turli   hatti-xarakatlari   timsollari   va   h.k.   lar   qaraladi.
Ko’p   hollarda   bilimlar   sifatida   -   predmetlar,   hodisalar,   ularning   hossalari   va   ular
orasidagi   munosabatlarni   ifodalovchi     fahmlovchi     dinamik   modellar   qaraladi.
Psixologik   jihatdan   bilimlar   sezuvchu,   tasvirli   va   belgili   modellar   shaklida   mavjud
bo’ladi.
  Bilimlarni   yuqorida   keltirilgan   izohlashlar   nuqtai-nazaridan   to’rtda   guruhga
birlashtirish mumkin [1] (4.1-rasm).
     
Bunda :
- psixologikli- bilimlarni psixologlar izohlaydi; 
- intellektualli – bilimlarni SI sohasidagi mutaxassislar izohlaydi; 
- formalli-mantiqli- bilimlarni mantiqchilar izohlaydi;
-   axborotli-texnologokli   -   bilimlarni   pragmatic-daturchilar   va   axborot
tizimlarni yaratuvchilar izohlaydi. 
Bilimlarni   manbalardan   olish   xarakterlariga ,   foydalanish   hamda   ishonchlilik
darajalari va maqsadga bog’liqligiga   qarab sinflash 4.2-rasmda keltirilgan [1]. 
Bilimlarni   olishning   manbalariga   qarab   ular   aprior   va   hosil   qilinadigan
bilimlarga   bo’linadi   [1].   Aprior   bilimlar     MBni   o’z   ichiga   olgan   intellektual
tizim(IT)lar   o’z   faoliyatini   boshlaguncha   undagi   MBda   aniqlanadi   va   to’planadi.
Aprior   bilimlardan   farqli   ravishda,   hosil   qilinuvchi   bilimlar   MBdan   foydalanish
jarayonida shakllantiriladi. 
78 Bilimlar 
Manbalardan bog’liqligi 
bo’yicha
Apriorli
Hosil qilinuvchi Exspertli
Kuzatiladigan
Xulosalaydigan
Qandaydir muammoli soha 
masalalarini echishda 
foydalanish darajasiga 
bog’liqligi bo'yicha
Ishonchlilik darajasiga 
bog’liqligi bo’yicha
Maqsadga (churliligi) 
bog’liqligi bo’yicha Deklarativli (faktlar)
Protsedurali
Metabilimlar
Muayyan ichonchlilikga ega 
bo’lgan bilimlar
Noravshan ichonchlilik 
darajasiga ega bo’lgan bilimlar
Nusxa oluvchi bilimlar
Tanishtiruvchi bilimlar
Qobilyatni rivojlantiruvchi 
bilimlar 
Malakani oshiruvchi bilimlar
4.2-rasm. Bilimlarni sinflash. Ushbu   bilimlarning   manbalari   sifatida   exspertlar,   tashqi   sun’iy   kuzatuvchi
qurilmalar (turli xildagi datchiklar, timsollarni angllash mexanizmlari va h.k) hamda
intellectual   tizim   doirasida   bilimlarni   hosil   qilish   va   xulosalash   qoidalari   hamda
protseduralari bo’lishi mumkin.  
Bilimlardan   foydalanish   aspektlariga   qarab   ularni   deklarativli   (faktlar,
ma’lumotlarning   tavsifiy   tipi),   protsedurali   (qandaydir   muammoli   sohada   bir   xil
tipdagi masalalarni echish uslyblari haqidagi axborotlar) va   metabilimlarga   (bilimlar
haqidagi bilimlar)  ajratish mumkin  [1].
Deklarativ   bilimlar   obyektlarni   va   ular   orasidagi   munosabatlarni   tavsivlash
uchun qo’llanildi. 
Protsedurali   bilimlar   – o’zini’oz’i   izohlovchi   bilimlardan   iborat   bo’lib,
protseduralarni   tavsivlashda   qo’llaniladi.   Bu   protseduralarda   PrSning   hamda   uning
MBdagi   modellari   o’zgarishi   bilan   bog’liq   harakatlari   dasturlashtirilgan   bo’lishi
mumkin.   Bunda   bilimlar   bazasining     ba’zi   qismlarini   qayta   ishlovchi     maxsus
protseduralar  nabori  joriy holatni ifodalaydi.  
79 Metabilimlar   ko’p   hollarda   bilimlar   haqidagi   bilimlar   shaklida   aniqlanadi   va
bilimlardan foydalanish  prinsiplari  haqidagi  umumiy ma’lumotlardan iborat  bo’ladi.
Metabilimlar   tipiga   protsedurali   bilimlarni   tanlash   va   qo’llashni   boshqarish
strategiyalari ham kiradi.
Bundan tashqari  ba’zi adabiyotlarda bilimlarni quyidagi tiplarga ajratishadi   [2-
4]:
• interfeysli – atrof-muhit bilan aloqa qiluvchi bilimlar;
• muammoli- PrS haqidagi bilimlar;
• protsedurali  - masalarni echish usullari haqidagi bilimlar;
• strukturali – operatsion tizimlar haqidagi bilimlar;
• metabilimlar – bilimlarning hossalari haqidagi bilimlar.
Maqsadga yo’naltirilganlik nuqtai-nazaridan   bilimlarni extensionalli (aniq,
tashqi)   va   intensionalli   (abstraktli,   maqsadli)   tiplarga   ajratish   mumkin   [2-4].
Extensionalli bilimlar   haqiqiy   olamdagi   obyektlar   haqidagi   faktlarni
ifodalaydi.   Ushbu   bilimlarga   misollar   sifatida   relyatsion   bazalarni   keltirish
mumkin : 
1)  "Axmedov avtomobilga ega "; 
2)  "Erdan quyoshgacha bo’lgan masofa 150 mlrd. km"; 
3) "To’rtburchak-bu geometrik figura ".
Intensionalli   bilimlar   faktlarni   bir-biri   bilan   bog’lovchi     qoidalar   yoki
haqiqiy   olam   qonuniyatlarini   ifodalaydi.   Ushbu   bilimlarga   misollar   sifatida
mahsuliy bazalarni keltirish mumkin : 
1) "Inson shaxsiy mulkga ega bo’lishi mumkin, masalan, avtomobil ";
2)   "Planetada   hayot   bo’lishi   uchun,   u   erdan   100-300 mlrd.km masofada
bo’lishi kerak ";
3) "Agar geometrik figuraning to’rtda burchagi bo’lsa, u holda bu to’rtburchak
". 
3. Bilimlarning xususiyatlari
Bilimlar quyidagi xususiyatlarga ega [2-4]: 
1.   Ichki   izohlanuvchanlik .   Har   bir   axborot   birlik   yagona   nomga   ega   bo`lishi
lozim. IT  bu nomga  ko`ra  axborotni   topadi, hamda  bu  nom   zikr  etilgan  so`rovlarga
javob   beradi.   Xotirada   saqlanuvchi   ma’lumotlar   nomlardan   forig`   qilinganda   edi,
ularni   tizim   tomonidan   identifikatsiya   qilish   imkoniyati   bo`lmas   edi.   Ma’lumotlarni
faqatgina   dasturni   yozgan   dasturchi   ko`rsatmasiga   ko`ra   xotiradan   oladigan   dastur
identifikatsiya qila olardi. 
Agar   masalan   EHM   xotirasida   4.1-jadvalda   ko`rsatilgan   muassasa   xodimlari
haqida   ma’lumotlarni   yozishi   kerak   bo`lganda,   u   holda   ichki   izohlarsiz   EHM
xotirasiga bu jadval  satrlariga mos keluvchi  to`rtta mashina so`zidan iborat majmua
yozilgan   bo`lardi.   Bu   holda   bu   mashina   so`zlarida   ikkilik   razryadlarning   qanday
guruhlarida   xodimlar   haqidagi   ma’lumotlar   kodlanganligi   haqidagi   axborot   mavjud
emas.   Ular   faqatgina   2.1-jadvaldagi   ma’lumotlardan   yuzaga   kelgan   muammoni
yechish uchun foydalanadigan dasturchiga ma’lum.
80 4.1-jadval
        
Bilimlarga   o`tishda   EHM   xotirasiga   axborot   birlikning   qandaydir
protostrukturasi   haqidagi   axborot   kiritiladi.   Qaralayotgan   misolda   u   o`zida   qaysi
razryadlarda   familiyalar,   tug`ilgan   yillar,   mutaxassisliklar   va   stajlar   haqidagi
ma’lumotlar   saqlanishini   ko`rsatuvchi   maxsus   mashina   so`zini   aks   ettiradi.   Bunda
tizim   xotirasida   mavjud   bo`lgan   familiyalar,   tug`ilgan   yillar,   mutaxassisliklar   va
stajlar   kabi   sanab   o`tilgan   maxsus   lug`atlar   berilgan   bo`lishi   kerak.   Bu   barcha
atributlar   jadval   satrlariga   mos   keladigan   mashina   so ` zlari   uchun   nom   rolini   o ` ynashi
mumkin .   Ular   asosida   kerakli   ma ’ lumotlarni   qidirish   amalga   oshirilishi   mumkin .
Jadvalning   har   bir   satri   protostrukturaning   nusxasi   bo ` ladi .   Hozirgi   vaqtda   MBBT
MBda   saqlanadigan   barcha   axborot   birliklarning   ichki   izohlanishlarining
ifodalanishini   ta ’ minlaydi . 
2.  Strukturaviylik .   Axborot   birliklar   qat ’ iy   strukturaga   ega   bo ` lishi   lozim .  Ular
uchun   « ich m a - ichlik   prinsipi »   bajarilishi   zarur ,   ya ’ ni   bir   axborot   birlikning
boshqasiga   ichma - ichligi .   Har   bir   axborot   birlik   boshqa   ixtiyoriy   birining   tarkibiga
kiritilishi   mumkin   va   h a r   bir   axborot   birlikdan   uni   tashkil   etadigan   qandaydir   axborot
birlikni   ajratish   mumkin .   Boshqacha   aytganda   alohida   axborot   birliklar   orasida
« qism - butun », « tur - xil »   yoki   « element - sinf »   kabi   munosabatlarni   ixtiyoriy   o ` rnatish
imkoniyati   mavjud   bo ` lishi   kerak .
3.   Bo g` langanlik .   Axborot   bazada   axborot   birliklar   orasida   har   xil   turdagi
bog ` lanishlarni   o ` rnatish   imkon i yati   ko ` rilgan   bo ` lishi   kerak .  Avvalo   bu   bog ` lanishlar
axborot   birliklar   orasidagi   munosabatlarni   xarakterlashi   mumkin .   Munosabatlar
semantikasi   deklorativ   yoki   protsedurali   xarakterga   ega   bo ` lishi   mumkin .   Masalan
ikki   yoki   undan   ortiq   axborot   birliklar  « bir   vaqtning   o ` zida »  munosabati   orqali ,  ikkita
axborot   birliklar   « sabab - natija »   yoki   « yonma - yon   bo ` lish »   munosabatlari   orqali
bog ` langan   bo ` lishi   mumkin .   Keltirilgan   munosabatlar   deklorativ   bilimlarni
xarakterlaydi .   Agar   ikki   axborot   birliklar   o ` rtasida   « argument - funksiya »   munosabati
o ` rnatilgan   bo ` lsa ,   u   holda   u   aniq   funksiyalarni   hisoblash   bilan   bog ` liq   bo ` lgan
protsedurali   bilimlarni   xarakterlaydi .  Bundan   keyin   strukturalashtirish   munosabatlari ,
funksional   munosabatlar ,   kauzal (sababiyat)   munosabatlar   va   semantik
munosabatlarni   farqlaymiz .   Birinchisi   yordamida   axborot   birliklarning   ierarxiyasi
beriladi ,   ikkinchisi   bir   axborot   birlik   yordamida   boshqasini   topishga ( hisoblashga )
yordam   beradigan   protsedurali   axborotdan   dalolat   beradi ,   uchinchisi   sabab - natija
bog ` lanishlarni   beradi ,  to ` rtinchisi   boshqa   barcha   munosabatlarga   mos   keladi .
Bilimlarning   sanab   o ` tilgan   uchta   xususiyatlari   semantik   to ` r   deb   nomlangan
bilimlarni   namoyish   etishning   umumiy   modelini   kiritishga   imkon   beradi .   Semantik
to ` r   uchlarida   axborot   birliklar   joylashgan   ierarxik   to ` rni   o ` zida   aks   ettiradi .   Bu
81 uchlar   individual   nomlar   bilan   ta ’ minlangan .   Semantik   to ` rning   yoylari   axborot
birliklar   orasidagi   turli   xil   bog ` lanishlarga   mos   keladi .   Bunda   ierarxik   bog ` lanishlar
strukturalashtirish   munosabati   orqali ,   ierarxik   bo ` lmagan   bog ` lanishlar   boshqa
turdagi   munosabatlar   orqali   aniqlanadi .
4.   Semantik   metrika .   Ba ’ zi   hollarda   axborot   birliklar   to ` plamida   axborot
birliklarning   holatiy   yaqinligini   xarakterlovchi   munosabatini ,   ya ’ ni   axborot   birliklar
orasidagi   assotsiativ   bog ` lanish   kuchini   berish   foydali .   Uni   axborot   birliklar   uchun
relevantlik   munosabati   deyish   mumkin .  Bunday   munosabat   axborot   bazada   qandaydir
namunaviy   vaziyatni   ajratish   imkonini   beradi   ( masalan ,   « harid »,   « chorrahada
harakatni   boshqarish »).   Relevantlik   munosabatlari   axborot   birliklar   bilan   ishlaganda
topilgan   bilimlarga   yaqin   bilimlarni   topishga   imkon   beradi .
5.   Faollik .   EHMlarning   paydo   bo ` lishi   va   ularda   ishlatiladigan   axborot
birliklarning   ma ’ lumotlarga   va   buyruqlarga   ajratilishidan   boshlab   ma ’ lumotlar
passiv ,   buyruqlar   esa   faol   vaziyat da   yuzaga   keldi .   EHMda   sodir   bo ` ladigan   barcha
jarayonlar   buyruqlar   yordamida   amal ga   oshiriladi ,   ma ’ lumotlar   esa   bu   buyruqlar
tomonidan   kerak   bo ` lganda   foydalaniladi .   ITlar   uchun   bu   vaziyat   yaroqli   emas .
Insondagi   kabi   ITlarda   u   yoki   bu   harakatni   faollashtirishga   tizimda   mavjud   bilimlar
yordam   beradi .   Bazada   faktlar   yoki   voqealar   tavsiflarining   paydo   bo ` lishi ,
bog ` lanishlarni   o ` rnatish   tizim   faolligining   manbai   bo ` lishi   mumkin  [11-15] .
Axborot   birliklarning   sanab   o ` tilgan   beshta   xususiyatlari   shunday   qirralarini
aniqlaydiki ,   qaysikim   ma ’ lumotlar   bilimlarga   va   MB   esa   BBga   aylanadi .   Bilimlar
bilan   ishlashni   ta ’ minlaydigan   vositalar   majmuasi   BB ni   boshqarish   tizimlarini   hosil
qiladi .  Hozirgi   paytda   ichki   izohlanishlar ,  strukturalashtirish ,  bog ` liqliklar   to ` liq   ifoda
qilingan   BB   mavjud   emas ,   semantik   o ` lchov   kiritilgan   va   bilimlarning   faolligi
ta ’ minlangan .
  4. Bilimlarni tushunish darajalari
Mavjud   ITlarda   beshta   asosiy   tushunish   darajalarini   va   ikkita   metatushunish
darajalarini ajratish mumkin [2-4]. 
Birinchi   daraja   matndan   kiritilgan   savollarga   javobni   tizim   to’g’ridan-to’g’ri
ma’nosiga   asoslanib   shakllantirish   sxemasi   bilan   xarakterlanadi.   Masalan,   tizimga
«Nonushtadan   keyin,   soat   sakkizda,   Zarrux   maktabga   ketdi.   Soat   ikkida   u   uyga
qaytdi.   Tushlikdan   keyin   u   sayr   qilishga   ketdi»   matni   kiritilgan   bo’lsa,   u   holda
birinchi   tushunish   darajasida   tizim   «Zarrux   qachon   maktabga   ketdi?»,   «Tushdan
keyin   Zarrux   nima   qildi?»   kabi   savollarga   javob   bera   olishi   kerak.   Lingvistik
protsessorda   matn   va   unga   taaluqli   savollarning   morfologik,   sintaktik   va   semantik
tahlillari amalga oshiriladi. Lingvistik protsessorning chiqishida matn va savollarning
chiqarish bloki ishlay oladigan  ichki ifodalari hosil bo’ladi. Maxsus protseduralardan
foydalanib   bu   blok   javobni   hosil   qiladi.   Boshqacha   aytganda,   birinchi   darajali
tushunishda   ITdan   ma’lumotlarni   ifodalash   va   bu   ma’lumotlarga   xulosa
chiqarishning ma’lum vositalarini talab qiladi. 
Ikkinchi   daraja:   Ikkinchi   darajada   matndagi   ma’lumotlarga   asoslangan
mantiqiy xulosa qilish vositalari qo’shiladi.  Bular matnda yaqqol mavjud bo’lmagan
82 axborotlarni   tug’dirish   imkoniga   ega   bo’lgan   matndagi   turli   xil   mantiqlardir(vaqtli,
fazoli,   kauzual   va   sh.k.).   Bizning   misolda   ikkinchi   darajada   «Nima   oldin   bo’ldi:
Zarruxning   maktabga   ketishimi   yoki   uning   tushlik   qilishimi?»   yoki   «Zarrux
maktabdan kelgandan keyin sayr qildimi?» kabi savollarga to’g’ri javob hosil  qilish
mumkin. IT matnning vaqt strukturasini  tuzibgina qolmay, bu kabi savollarga javob
berishi lozim. 
Uchinchi   daraja:   Ikkinchi   daraja   vositalariga   atrof   -   muhit   haqidagi   tizimlar
bilimlari   bilan   matnni   to’ldirish   qoidalari   qo’shiladi.   ITda   bu   bilimlar   mantiqiy
xarakterga ega bo’ladi va boshqa turdagi protsedura va senariyalar ko’rinishida qayd
qilinadi.   Uchinchi   tushunish   darajasida   IT   «Zarrux   ertalab   soat   sakkizda   qayerda
bo’lgan?»       yoki   «Soat   ikkida   Zarrux   qayerdan   keldi?»   kabi   savollarga   javob   bera
olishi kerak. Buning uchun  «maktabda bo’lish» jarayoni nimani bildirishini, xususan,
bu   jarayon   uzluksiz   va   unda   ishtirok   etuvchi   subyekt   hamma   vaqt   «maktabda»
bo’lishini bilish kerak. 
Uchinchi   darajali   tushunish   amalga   oshiriladigan   IT   strukturasi   tashqi
tomondan ikkinchi  daraja sxemasidan  farq qilmaydi. Biroq mantiqiy blokda nafaqat
sof deduktiv xulosalash vositalari, balki senariylar bo’yicha xulosalash vositalari ham
ko’zda tutilishi kerak.
Sanab   o’tilgan   uchta   tushunish   darajalari   amalda   ishlayotgan   barcha   ITlarda
amalga   oshirilgan.   Birinchi   daraja   va   qisman   ikkinchi   daraja   turli   xil   tabiiy   tilda
muloqot qilish tizimlariga kiradi. 
Tushunishning   keyingi   ikkita   darajasi   mavjud   ITlarda   qisman   amalga
oshirilgan.
To’rtinchi   daraja:   Matn   o’rniga   unda   ma’lumotlarni   olishning   ikkita   kanali
mavjud   bo’lgandagina   kelib   chiqadigan   kengaytirilgan   matn   ishlatiladi.     Birinchi
kanal   orqali   tizimga   matn   uzatiladi,   ikkinchisi   orqali   matnda   mavjud   bo’lmagan
qo’shimcha axborotlar uzatiladi. Insonlar o’rtasidagi  aloqada ko’rish   ikkinchi kanal
ro’lini   o’ynaydi.   Birdan   ortiq   aloqa   kanallariga   ko’rish   imkoniyatiga   ega   bo’lgan
intellektual robotlar ega bo’ladi. 
Aloqaning ko’rish kanali  atrof -muxitning «shu yerda va hozir» holatini  qayd
qilish   va   matnga   kuzatilayotgan   axborotni   kiritish   imkonini   beradi.   Tizim     matn
yuzaga   keladigan   vaziyat   bilan   to’g’ridan   to’g’ri   bog’langan   so’zlar   kiritilgan
matnlarni tushunish qobiliyatiga ega bo’ladi. 
To’rtinchi   darajali   tushunish   bo’lgan   holda   IT   «Nima   uchun   Zarrux   buni
olmasligi kerak edi?» yoki «Zarrux nima qildi?»  kabi savollarga javob bera oladi. 
Beshinchi daraja:  Javob uchun bu darajada IT matndan tashqari matn manbai
bo’lgan   va   tizim   xotirasida   aloqaga   taalluqli   umumiy   axborotlarni   saqlaydigan
muayyan subyekt haqidagi axborotdan foydalanadi. Beshinchi darajaga mos nazariya
– nutqiy aktlar nazariyasidir.
Shunga   e’tibor   berilganki,   har   qanday   ibora   nafaqat   voqyelikning   qandaydir
hodisasini   bildiradi,   balki   o’zida   uchta   harakatni   birlashtiradi:   lokutsiya,   illokutsiya
va perlokutsiya.  Lokutsiya  – bu o’z holicha gapirish, ya’ni so’zlovchi o’zining fikrini
aytish   uchun   qilgan   harakati.   Illokutsiya   –   bu   gapirish   yordamida   harakat:   savol,
istak(buyruq   yoki   iltimos)   va   tasdiq.   Perlokutsiya   –   so’zlovchining   tinglovchiga
83 qandaydir ta’sir o’tkazishiga qaratilgan harakati: «xushomad qilish», «ajablantirish»,
«ko’ndirish» va x.k. Nutqiy aktni nutqiy harakatlarning ongli minimal birligi sifatida
aniqlash mumkin. Har bir nutqiy akt lokutiv, illokutiv va perlokutiv aktlardan tashkil
topgan.
Birinchi   metadaraja:   Bu   darajada   bilimlar   bazasi   tarkibida  o’zgarishlar   sodir
bo’ladi.   U   tizimga   ma’lum   va   tizimga   kiritilgan   matnlarda   mavjud   bo’lgan   faktlar
bilan   to’ldiriladi.   Turli   ITlar   bir   biridan   bilimlardan   faktlarni   hosil   qilish
qoidalarining   xarakteri   bilan   farq   qiladi.   Masalan   farmokologik   ekspertiza   uchun
mo’ljallangan   tizimlarda   bu   qoidalar   induktiv   xulosa   qilish   va   tasvirlarni   tanish
usullariga   tayanadi.   Qoidalar   ehtimollar   prinsipiga,   xulosalarga   va   x.k.   asoslangan
bo’lishi mumkin.  Barcha hollarda bilimlar bazasi aprior to’liqmas bo’lib ko’rinadi va
bunday   ITlarda   savollarga   javob   qidirishda   qiyinchiliklar   yuzaga   keladi.   Xususan,
bilimlar bazasida nomonoton xulosa kerak bo’lib qoladi.
Ikkinchi metadaraja:   Bu darajada metaforik bilimlarning paydo bo’lishi sodir
bo’ladi.   Bu   maqsadlar   uchun   foydalaniladigan   metaforik   darajadagi   bilimlarni   hosil
qilash   qoidalari   analoglar   va   assotsiatsiyalar   bo’yicha   xulosa   qilishga   tayanadigan
maxsus   protseduralarni   o’zida   ifodalaydi.   Hozirgi   vaqtda   ma’lum   bo’lgan   uzluksiz
xulosalash   sxemasi   sifatida     Leybnis   diagrammasidan   foydalanadi.   Bu   diagramma
uzluksiz   fikrlashning   faqat   xususiy   hollarini   aks   ettiradi.   Assotsiativ   fikrlash
sxemalari bundan ham sayoz.  
Tushunish darajalari va metadarajalari  IT arxitekturasi  nuqtai nazaridan qaralsa
ketma-ket   yangi   bloklarni   qo’shish   va   ular   amalga   oshiradigan   protseduralarning
murakkablashuvini   kuzatish   mumkin.   Birinchi   darajada     faqat   matnning   o’ziga
tegishli   bo’lgan   bilimlar   bazasi   bilan   lingvistik   protsessor   yetarli   bo’ladi.   Ikkinchi
darajada   bu protsessorda  mantiqiy xulosalash  protsedurasi  paydo bo’ladi.   Uchinchi
darajada  bilimlar bazasi kerak bo’ladi. Dastlabki ma’lumot kanalidan mustaqil holda
ishlaydigan   yangi   ma’lumot   kanalining   paydo   bo’lishi   to’rtinchi   daraja   bilan
xarakterlanadi.     Rivojlanishning   beshinchi   darajasida     bilimlar   va   ma’lumotlarni
xulosalashning   turli   xil   usullari   olinadi.   Bu   darajada   individual   va   guruxli   xatti
xarakatlar modeli muhim bo’ladi. 
5.  Bilimlarni olish  usullari va aspektlari
Ekspertdan bilimlarni olish .   Bilimlarni manbalardan aniqlash va ularni kerakli
shaklga   o`zgartirish,   shuningdek,   texnik   vosita(TV)larning   BBga   kiritish   bilimlarni
hosil  qilish   deb nomlanadi. Bilimlarning manbalari kitoblar, arxiv hujjatlari, boshqa
bilimlar   bazalari   va   boshqalar,   ya’ni   egallovchiga   tushunarli   bo`lgan   shaklga
keltirilgan   ba’zi   obyektlashtirilgan   bilimlar   bo`lishi   mumkin.   Bilimlarning   boshqa
turi   ekspert   bilimlar   hisoblanadi.   Ular   mutaxassislarda   mavjud   bo`lib,   ular
mutaxassisga   nisbatan   tashqi   saqlovchilarda   qayd   qilinmagan   bo`ladi.   Ekspert
bilimlar   sub’ektiv   hisoblanadi.   Sub’ektiv   bilimlarning   yana   bir   ko`rinishi   empirik
bilimlar   hisoblanadi.   Bunday   bilimlar   tashqi   muhitni   kuzatish   yo`li   bilan   TV   lar
yordamida hosil qilinadi   [ 1-4, 13-16]
Obyektlashtirilgan   bilimlarni   BBga   kiritish   muammo   tug`dirmaydi,   sub’ektiv
bilimlarni,   ayniqsa   ekspert   bilimlarni   aniqlash   va   kiritish   anchagina   murakkab.
84 Ekspertlardan   olinadigan   sub’ektiv   bilimlarni   egallash   uslubiyotini   ishlab   chiqish
uchun bilimlarni qayta namoyish etishning ikki xil shaklini aniq farqlay olish lozim.
Birinchi  shakl   bu  bilimlar   inson  – ekspertda  qanday  va  qaysi   modellarda  saqlanishi
bilan   bog`liq.   Bunda   ekspert   undagi   bilimlar   qanday   qayta   namoyish   etilganini   har
doim ham to`liq tushunmaydi. Ikkinchi  shakl  ET ni loyihalaydigan bilimlar  injeneri
bilimlarni   qanday   tavsiflashi   va   namoyish   etishi   bilan   bog`liq.   Bilimlar   injeneri
ishining   samaradorligi   ushbu   ikki   qayta   namoyish   etish   shakllarining   o`zaro   moslik
darajasiga bog`liq   [ 1-4, 13-16 ] .
4.3-rasm.  Bilimlar bazasining tuzilmasi.
Kongnitiv   psi x ologiya da   inson   uchun   xarakterli   bo`lgan   (kongnitiv   bilimlar
strukturasi)   bilimlarni   qayta   namoyish   etish   (reprezentatsiya)   shakllari   o`rganiladi.
Quyidagilar   misol   bo`la   oladi   [17]:   tushunchalar   sinfini   ularning   elementlari   orqali
tasvirlash   (masalan,   “qush”   tushunchasi   chayka,   qarg`a,   chu m chuq   kabi   qatorida
qayta   namoyish   etiladi ),   sinf   obyektlarining   tipik   xususiyatlarini   aks   ettiradigan
bazaviy   prototip   yordamida   sinf   tushunchasinini   tasvirlash   (masalan,   “qush”
tushunchasi   qanot,   tumshuq,   uch ish   va   shu   kabi   qandaydir   prototip lar   bilan   qayta
namoyish etiladi ), belgilar yordamida tasvirlash (“qush” tushunchasi uchun, masalan,
qanotlar, tumshug`, patlarining borligi).
Tushunchalardan   tashqari   ular   orasidagi   munosabatlar   ham   qayta   namoyish
etiladi.  Qoidaga   ko`ra,   tushunchalar   orasidagi   munosabatlar   protsedurali   usul   bilan,
tushunchalarni   tashkil   etuvchilari   orasidagi   munosabatlar   esa   deklorativ   usul   bilan
aniqlanadi.   Ikki   xil   ko`rinishdagi   tavsiflarning   mavjudligi   bilimlarni   tasvirlash
modellarida bir vaqtda ikki komponent masalan, kongnitiv modelda tasvirlangandek,
semantik tarmoq va mahsuliy tizimning bo`lishini talab etadi [18]. 
Bilimlarni   hosil   qilishda   predmet   sohani   tavsiflashda   ishlatiladigan   hamda
tarkibida   asosiy   tushunchalar   mavjud   bo`lgan   bilimlar   maydoni   va   tushunchalar
o`rtasida   aloqani   o`rnatish   uchun   ishlatiladigan   barcha   munosabatlarning
xususiyatlari muhim rol o`ynaydi. Bilimlar maydoni predmet sohasining kontseptual
modeli   bilan   bog`liq.   Bu   modelda   BBda   ularni   tasvirlashda   yuzaga   keladigan
cheklanish hisobga olinmagan. Biror sohani bilimlar maydonida tasvirlashdan BBda
tasvirlashga   o`tish   MBning   kontseptual   modelidan   uning   mantiqiy   sxemasiga
o`tishga o`xshash bo`ladi. 
85Qoidalar bazasi (ma’lumotlar 
modeli)
Predikatli  ma’lumotlar 
bazasi
(faktlar, bilimlar) Mantiqiy 
blok
(yechuvc
hi)    Kiruvchi 
so`rovlar
Kiruvchi 
faktlar,
Javob, 
natija    Bilimlarni   olish   usullari .   Bilimlar   injenerining   ekspert ( mutaxassis ) dan
bilimlarni   olishi   uch   rejimda   amalga   oshiriladi:   protokolli   tahlil,   intervyu   va
professional   faoliyatning   o`yinli   immitatsiyasi   [ 1-4,13-16 ].   Protokolli   tahlil da
olingan   bilimlar   belgilab   qo`yishdan   iborat.   Intervyu   rejimida   bilimlar   injeneri
ekspert   bilan   uni   kerakli   tomonga   yo`naltirib,   faol   muloqotni   olib   boradi.   O`yinli
immitatsiya da   ekspert   uning   professional   faoliyati   kyechadigan   holatga   o`xshash
holatga   tushib   qoladi.   Uning   harakatlarini   turli   holatlarda   kuzatib   bilimlar   injeneri
keyinchalik   intervyu   rejimida   ekspert   tomonidan   chuqurlashtiriladigan   ekspert
bilimlar   haqidagi   o`z   qarashlarini   shakllantiradi.   O`yinli   imitatsiyaning   prinsiplari
turli ish o`yinlarida, maxsus trenajerlarda o`z o`rnini topdi.
Eslatib   o`tilgan   har   bir   bilimlarni   olish   usullari   o`zining   xato   va
kamchiliklariga ega. Shunday qilib, protokollar tahlilida bilimlar injeneriga predmet
sohasiga doir lug`atga kiritish lozim bo`lgan tushunchalarni ajratish oson bo`lmaydi.
Bundan   tashqari,   ekspert   tahlili   to`xtab   qolib   va   xulosaning   tushirib   qoldirilgan
qadamlari   asosida   davom   ettirilishi   vaqtida   protokollarda   bo`shliqlar   uchrab   qoladi.
Shunga   o`xshash   bo`shliqlarni   faqat   intervyu   rejimida   to`ldirish   mumkin.   Shunday
qilib,   ekspertdan   bilimlarni   olishning   3   ta   yondashuvidan   intervyu   bosqichi
muhimdir.
Intervyu   olishning   20   tadan   ortiq   strategiyalari   mavjud.
Ulardan   3   tasi   eng   ko`p   tarqalgan:   pog`onalarga   bo`lish ,
repertuar panjara  va  moslikni tasdiqlash .
Pog`onalarga bo`lish da  ekspertga uning fikricha predmet
sohasining   muhim   tushunchalarini   aytish   va   ular   orasidagi
strukturalashtirish   munosabatlarini   ko`rsatish,   ya’ni   «element   -
sinf»,   «butun-qism»   va   boshqa   turdagi   munosabatlarni
ko`rsatish   taklif   etiladi.   Bu   tushunchalar   so`rovning   keyingi   qadamlarida   asos
ma’lumotlardek   ishlatiladi.   Strategiya   tushunchalarda   bir   -   biri   bilan   uzviy
bog`langan   guruh   -   taksonlar(klasterlar)ni   ajratish,   predmet   sohasi   tushunchalari
ierarxiyalarini yaratishga qaratilgan.
Repertuar panjara   strategiyasi bir tushunchani boshqasidan ajratishga imkon
yaratuvchi   tushunchalarning   xarakteristik   xususiyatlarini   aniqlashga   yo`naltirilgan
( 4 .2-jadval ).   Uchlikka   har   ikki   tushuncha   uchun   ularni   uchinchisidan   ajratadigan
belgilarni atashni taklif etish orqali ekspertga tushunchalar uchligini taqdim qilishdan
iborat.   Har   bir   tushuncha   biror   uchlikka   tegishli   bo`ladi,   bunday   prtsedura   asosida
tushunchalar   hajmini   chuqurlashtirish   sodir   bo`ladi   va   tushunchalarning
«simptokompleks»   lari   shakllantiriladi.   Bular   yordamida   tushunchalar   BBda
identifikatsiyalanishi mumkin.
Moslikni   tasdiqlash   strategiyasi   ekspertga   predmet   sohasidagi   har   bir
tushunchalar   juftligini   biror   moslik(tolerantlik)   munosabatiga   tegishliligini
o`rnatishni  taklif  qilishdan iborat. Buning uchun ekspertga yetarlicha oddiy savollar
ketma – ketligi beriladi va bu savollarni berishdan maqsad moslik tushunchalarini
aniqlashdir. 
4 .2-jadval.  Repertuar panjara ga misol.
Men Ona Ota Zo`r Boshliq yoki o`qituvchi, O`xshashlik Farqi
86 do`st kimning boshchiligida
sizga ishlash qulay
Oliy 
ma’lumotsi
z Oliy 
ma’lumotli
Hayoti 
zavqli Ruxi 
tushgan 
(pessimist)
Sabrli Toqatsiz
Bilimlar   injeneri   bilan   ekspert   mutaxassisning   o`zaro   munosabati   jarayoni   3
bosqichni o`z ichiga oladi   [ 1-4, 13-16 ].
1) Tayyorlovchi bosqich .  Muloqot samarali o`tish uchun ikkala ishtirokchi ham
o`yin   yoki   muloqotga   chuqur   tayyorlanishlari   lozim.   Ekspert   faqatgina   kompetentli
mutaxassis   bo`lib   qolmasdan,   balki   asosiy   maqsadga   erishish   –   TV   larni   qurishda
manfaatdor(ma’naviy   yoki   moddiy)   shaxs   bo`lishi   maqsadga   muvofiq.   U   bilimlar
injeneriga   xayrixoh   bo`lishi   va   o`z   bilimlarini   tushuntira   olishi   lozim   (eng   yaxshi
holat ekpertning o`qituvchilik mahorati bo`lsa). 
Bilimlar injeneri ga  quyidagilar kerak: 
-   «ahmoqona»   savollarni   bermasligi   uchun   predmet   sohasi   bo`yicha   maxsus
adabiyotlar bilan tanishish (shunchaki «ahmoqona» savollar juda ham kerak bo`ladi),
shuningdek,   «kutish   paketlari»   sonini   oshirish   [ 19 ];   eshitishni   bilish   va   to`g`ri
savollar berish; 
- «imtihon oluvchi emas, o`quvchi» roliga moslashish; 
-   kongnitiv   psixologiya   modellarini,   shuningdek,   ekspert   bilimlaridan   aniq
strukturalarni ajratib olish uchun bilimlarni tasvirlash modellarini tushunish.
Har qanday hamkorlik faoliyatida tadqiqotchilarning shaxs, xulq - atvor, ilmiy
fikrlash   uslubi   kabi   psixologik   xususiyatlari   katta   ahamiyatga   ega.   Ilmiy
xodimlarning turli sinflari mavjud. Misol sifatida quyidagilarni keltirish mumkin: 
-   tashabbuskor(initsiator)   - istiqbolli  muammolarga tezda javob beradi, ya’ni,
birinchilardan bo`lib masalani noaniqlik elementlari bilan yechish lozimligini sezadi; 
-   tashxischi(diagnost)   -   masala   yechimining   kuchli   va   kuchsiz   tomonlarini
baholay olish qobiliyatlariga ega; 
-   erudit   yaxshi xotiraga ega, ikir - chikirlarga juda e’tiborililigi va tartiblilikka
erishishi bilan ajralib turadi; 
-   hunarmand   -   boshqalarning   yomon   rasmiylashtirgan   g`oyalarini   amalga
oshirish imkoniga ega; 
-   didli   (estet)   –   ajoyib   natijalarga   olib   keluvchi   muammolarni   tadqiq   qilishga
intiladi, sinchkovlik talab qiladigan mehnatga moyil emas; 
- uslubiyotchi  - izlanishlarning uslubiy tomonlari bilan qiziqadi; 
-  mustaqil fikrlovchi  - muammoni mustaqil hal qilishga intiladi; 
-  fanatik  - o`zining ilmiy muammosiga fidokorona qiziqadi va atrofdagilardan
ham shuni talab qiladi.
Ilmiy   xodimning   qaysi   tipga   tegishliligi   bilvosita   usullar   (shaxsiylik   testlari,
intellekt testlari, kongnitiv usullar, loyihali usullar) yordamida aniqlanadi.
87 Ekspert   roli uchun tashabbuskor, erudit, tashxischi va xunarmand to`g`ri kelsa,
bilimlar   injeneri   roliga   esa   –   tashxischi,   uslubchi,   erudit   va   initsiator   to`g`ri   keladi.
Bunda   turli   tipdagilarning   biriktirilishi   yaxshi   natija   beradi.   Masalani   yechishga
yondashish,   nuqtai   -   nazar,   fikrlash   yo`li,   xotira   va   h.k.   larning   farqlanishi   tufayli
bunday juftlikdagi  ishtirokchilar qo`yilgan maqsadga  har  tomonlama yondashishadi.
Natijada   farazlar,   g`oyalar,   alternativ   variantlarning   umumiy   soni   ortadi,   bu   esa
bilimlar maydonining boyishiga olib keladi. Biroq yuqorida sanab o`tilgan turlardan
tuzilgan   birikmalarning   hammasi   ham   o`zaro   ta’sirni   yaxshilamaydi,   ba’zi   bir
turlar(masalan,   fanatik,   didli,   mustaqil   fikrlovchi,   hunarmand)   ijodiy   munosabatda
odatda   sust   moslashadi.   Bu   esa   samarali   muloqot   jarayonini   qiyinlashtiradigan
yashirin va oshkor qarama-qarshiliklarning yuzaga kelishiga olib keladi
Juftlikda   boshlovchilik   qilish   ham   katta   ahamiyatga   ega.   Ixtiyoriy   muloqotda
bir tomon odatda boshlovchi mavqeini egallaydi, ko`pincha bu rolni intervyu oluvchi,
ya’ni bilimlar injeneri egallaydi. Muloqotda boshlovchining roli ekspertga jarayonni
ortiqcha   detallashtirishga   imkon   bermasdan   bilimlar   injeneriga   bilimlar   maydonini
yaratish jarayonini tizimlashtirish va yo`naltirishga imkon beradi. Boshqa tomondan,
dogmatizm va qat’iyatlilik adekvat bo`lmagan maydonga olib kelishi mumkin. 
2 )   «Umumiy   kod»ni   o`rnatish.   O`zaro   munosabatning   lingvistik   holatini
(tushunchalar   l u g`atini   aniqlab   olish)   yaratish   uchun   ishtirokchilar   «obyekt   (ya’ni,
izlanish olib borilayotgan predmet sohasi) va bilimlar injeneri o`rtasidagi masofani»
qisqartirishga harakat qilishi lozim. Asosiy tushunchalarni aniqlab olish kerak, ya’ni
BBning   lug`atli   asosini,   detallilik   darajasini   va   tushunchalar   orasidagi   o`zaro
aloqalarni ishlab chiqish lozim.
Umumiy kodni o`rnatish  sxemasi  4 . 4 -rasm da keltirilgan.  .
4 . 4 -rasm.  Umumiy kod.
Umumiy   kodni   o`rnatish da   ikkita   til,   ya’ni   muhandis   tili   va   ekspert   tilidan
foydalaniladi. Muhandis tili uchta tashkil etuvchidan iborat: 
1)   Tayyorgarlik   davrida   maxsus   adabiyotlardan   olgan   predmet   sohasida
ishlatiladigan atamalar;
2) Predmet sohaga talluqli umumiy atamalar;
3) Hayotiy (tabiiy) suhbat tili.
88Hayotiy til
Umumiy 
kod Ekspertning 
maxsus atamalariAdabiyotlardagi 
maxsus atamalar
Umummilliy 
atamaBilimlar 
muhandisi Bilimlar 
muhandisi   Ekspert tili esa quyidagi tashkil etuvchilardan iborat:
1) Predmet sohasiga talluqli atamalar;
2) Umumiy atamalar va hayotiy til;
3) Ekspert ish jarayonidagi neologizm – yangi kasbiy terminlar.
3)   Gnoseologik   bosqich .   Bu   bosqichda   predmet   sohaga   xos   qonuniyatlarni,
ishonchlilik   shartlari   va   tasdiqlarning   rostligini   aniqlash,   munosabatlarni   kiritish
hisobiga   tizimlashtirish   amalga   oshiriladi.   Bu   bosqich   bilimlar   injeneri   va   ekspert
o`zaro   munosabatini   aniqlovchi   hisoblanadi.   O`yin   yoki   muloqotni   tahlil   qilish
jarayonida ekspert bilimlari o`zlashtiriladi va odatda uning o`zi uchun yangi bilimlar
hosil   bo`ladi.   Uning   xotirasida   tashqi   olamning   qayta   namoyishi   bilimlar   maydoni
shaklida moddiy timsolga ega bo`ladi. 
  Bilimlarni   olish   jarayonida   chuqur   strukturalar   va   yanada   abstrakt
tushunchalarga birin – ketin o`tgan holda ekpertdan avval yuzaki bilimlar (masalan,
q ayta   namoyish   etiluvchi   belgilar)ni   olish   maqsadga   muvofiq.   Bilimlar   maydonini
shakllantirishda   empirik   bilimlarning   xususiyatlari:   modellilik,   qarama-qarshilik   va
boshqalar hisobga olinadi. 
Bilimlar   injeneri   har   doim   qismdan   umumiylikni   ko`ra   olishi   lozim,   ya’ni   «1
fakt   –   umumlashtirilgan   fakt   –   empirik   qonun   –   nazariy   qonun»   zanjirni   qurishi
lozim.   Zanjirning   markaziy   a’zosi   -   empirikani   shaklllashtirish.   Bunda   odatda
shaklllashtirish   bosqichida   «ojiz»   tushunarsiz   bog`lanishlarni   olish   emas,   balki
predmet   soha   tushunchalari   o`rtasidagi   aloqalarning   ichki   strukturasini   tushunish
asosiy bo`lib qoladi. Bilimlar injeneri san’ati muammoli sohaning aniq va tushunarli
modelini qurishga intilishdan iborat.
Shuni ham hisobga olish kerakki, muammoli sohadagi ekspertlar har doim ham
mantiqiy   mulohazalarga   suyanishmaydi.   Ularning   muammoli   soha   va   u   uchun
xarakterli   bo`lgan   masalalarni   yechish   usullari   haqidagi   tasavvurlaridan   assotsiativ
mulohazalar va haqiqatga o`xshashlik mulohazalari keng qo`llaniladi. 
Bilimlarni olish aspektlari . Lingvistik   aspekt .   Intellektual   axborot
texnologiyalarini yaratishda asosiy masalalardan biri – ekspert bilimlarini kompyuter
xotirasida   adekvat   ifodalashdan   iborat.   Bu   informatikada   yangi   yo`nalish   bo`lib,   u
inson bilimi va uni EHM xotirasida tasvirlashdan iborat, ya’ni bilimlar muhandisligi
yo`nalishini yaratishga olib keladi. Bilimlar muhandisi bilimlarni yig`ish, ularni tahlil
etish   va   ITlar   uchun   ularni   formallashtirish   masalalari   bilan   shug`ullanadi.   Bunda
bilimlar olishning lingvistik jihatlari e’tiborga olinadi [1-4, 13-16]. 
Gnoseologik   aspekt .   Gnoseologiya   –   falsafada   bilish   nazariyasi   va   inson
ongida mavjudlik nazariyasi bilan bog`liq bo`lim. Bilimlar muhandisligi fan sifatida
ikkilangan gnoseologiya sifatida ifodalash mumkin   [ 1-4, 13-16 ].
4 . 5 -rasm.  Gnoseologik aspekt modeli, bu rasmda D – mavjudlik, 
M
1  – mavjudlikning ekspert modeli, M
2  – mavjudlikning bilimlar muhandisi modeli.
Mavjudlik   (D)   avval   ekspert   (M
1 )   ongida   shakllanadi,   keyin   ekspertning
faoliyati va tajribasi bilimlar muhandisi (M
2 ) yordamida ETning BBni tashkil etuvchi
89D
M
1 M
2 PzI
1  I
2  I
3 bilim (Rz)ga izohlanadi. Mavjudlikni bilish jarayoni inson ongida borliqni anglashga
yo`naltirilgan. 
Bilimni   olish   jarayonida   bilimlar   muhandisini   ETni   qurish   uchun   kerak
bo`ladigan   ekspertning   ayni   sohaga   oid   individual   bilimlari   bilan   bog`liq
komponentalari   qiziqtiradi.   Bu   sohaga   tegishli   bilimlar   asosan   empirik   kuzatishlar
jarayonida   to`plangan   bilimlardan   iborat   bo`lganligi   uchun   u   empirik   bilimlar   deb
ataladi.   Empirik   bilimlarni   umumlashtirish   masalasi   murakkab   masala   hisoblanadi.
Bilish   muammosi   doimo   yangi   tushunchalar   va   nazariyalar   yaratish   bilan   bog`liq.
Ko`pincha   bilimlar  muhandisi  bilan  suhbat  davomida  “yo`l-yo`lakay”  ekspert   yangi
bilimlarni yaratayotgandek tuyuladi. Bilimlar muhandisi quyidagi metodologik zanjir
yordamida ekspert bilimlarni talqin etadi( 4 . 6 -rasm).
4 . 6 -rasm.  Metodologik zanjir.
Bilim strukturasi ikki qismdan iborat:
1) E mpirik (kuzatish, hodisa);
2) N azariy (qonuniyatlar, abstraktsiya, umumlashma) .
Psixologik   aspekt .   Bilim   olishning   psixologik   jihatlari   bilimlar   muhandisi   va
bilim manbasi – ekspert orasidagi o`zaro munosabatning samarali va muvaffaqqiyatli
bo`lishida   asosiy   omil   hisoblanadi.   Sababi   bilim   to`planishi   bevosita   ET
yaratuvchilari orasidagi muloqoti natijasi hisoblanadi   [ 1-4, 13-16 ]. 
Shu   narsa   ma’lumki,   ekspert   bilan   og`zaki   muloqot   jarayonida   axborotning
yo`qolishi quyidagicha:
Axborotni o`ylashda 100 %
So`z shaklida ifodalashda 90 %
Aytib berishda 80 %
Eshitishda 70 %
Tushunishda 60 %
Bilimlar muhandisi xotirasida qolishi 24 %
Bilimlarni   olishning   psixologik   jihatlari   strukturasi   aloqa   qatlami,   harakat
qatlami   va   o`rganish   qatlamidan   iborat.   Bilimlarni   egallashda   muloqot
ishtirokchilari(sheriklar),   muloqot   vositalari   (protseduralar)   va   muloqot   mavzusi
(bilimlar)dan foydalaniladi. 
Aniqlanishicha, inson 7±2 ta so`zdan iborat jumlalarni yaxshi qabul qiladi. Bu
son (7±2) Ingve-Miller soni deb ataladi. Uni nutqning “suhbatlilik” o`lchami deb ham
atashadi. Natijalarni bayonnomalashtirishni uchta uslubda tashkil qilish mumkin:
1)   Suhbat   jarayonida   bilimni   qog`ozga   yozib   borish   (kamchiligi   –   suhbatda
halal   beradi,   stenograf   ko`nikmalarga   ega   bo`lsa   ham   barchasini   yozib   qolish   qiyin
hisoblanadi);
2) Magnitofon(diktofon)ga yozib olish bilimlar muhandisiga butun suhbatni va
o`zining   harakatlarini   qayta   tahlil   qilishga   yordam   beradi   (kamchiligi   –   ekspertni
cheklab qo`yishi mumkin);
90Fakt Umumlashgan 
fakt Empirik 
qonuniyat Nazariy 
qonuniyat 3)   Suhbatdan   so`ng   xotirada   qolganlarni   eslab   chiqish(kuchli   xotiraga   ega
analitiklarga mos keladi).
Misol.  Bilimlar maydonini shakllantirish bo`yicha ekspert bilan ishlash usuliga
misol keltiramiz.
Tayyorlovchi bosqich   [ 1-4, 13-16 ] :
1. Loyihalanayotgan   tizimning   masalalarini,   kirish   va   chiqishda   nima
bo`lishini, ish rejimi, maslahat olish, o`rgatish va boshqalarni aniqlash.
2. Ekspertlarni   tanlash:   ekspertlar   sonini   aniqlash;   kompetentlik   darajasini
tanlash   (har   doim   ham   birdaniga   eng   yuqori   darajani   tanlash   yaxshi   emas);
ekspertlarni   ishga   qiziqtirish   imkoniyatlari   va   usullarini   aniqlash;   ekspertlarni
sinovdan o`tkazish;
3. Bilimlar   injenerini   predmet   sohasidagi   maxsus   adabiyotlar   bilan
tanishtirish.
4. Bilimlar   injeneri   va   ekspertlar   tanishuvi   (bundan   keyin   soddalik   uchun
ekspert   bitta   deb   hisoblaymiz).   Ekspertni   SI   bo`yicha   mashhur   adabiyotlar   bilan
tanishtirish.
5. Bilimlar   injenerining   adabiyotlardagi   aprior   bilimlardan   bilimlar
maydonining   birinchi   yaqinlashishini   qurishga   harakati(bilimlar   maydonining
prototipi).
Asosiy bosqich :
1. Bilimlar maydonining «Tayyorgarligi»: 
a) predmet sohasiga bog`liq holda intervyu olish usulini tanlash;
b)   fikrlarni   ovoz   chiqarib   protokollashtirish   yoki   ekspert   mulohazalarini
magnitofonda   yozish   (bilimlar   injeneri   iloji   boricha   hozircha   mulohazalarga
aralashmasligi lozim).
2. «Uy ishi». Bilimlar injenerining ekspert mulohazalaridan ba’zi bir sababiy –
natijaviy   aloqalarni   ajratishga   harakati;   predmet   sohasining   lug`atini   tuzish   va
ekspertga savollarni tayyorlash;
3.   Bilimlar   maydonini   «biroz   tayyorlash».   Bilimlar   maydoni   prototipi   va   uy
ishi,   shuningdek,   bilimlar   injenerining   savolga   javobini   ekspert   bilan   muhokama
qilish.
4. Kontseptual modelni shaklllashtirish.
5. Ikkinchi yaqinlashishning bilimlar maydonini qurish.
Ekspertlardan   bilimlar   olish   tizimlari .   MORE   tashxis   tizimi   [ 20 ]   misolida
intervyu   olish   texnikasi   tavsiflanganidek,   mohiyatlar,   farazlar,   simptomlar,   shartlar,
aloqalar va yo`llarni tushuntirishga yo`naltirilgan: 
 farazlar – identifikatsiyasi o`zining tashxis natijasiga ega hodisa ;  
 simptomlar – farazning mavjudligi natijasi hisoblangan hodisadir, uni kuzatish
keyingi farazlarni qabul qilishni yaqinlashtiradi ;
 shartlar – qandaydir faraz uchun to`g`ridan to`g`ri simptomatik
hisoblanmaydigan, ammo qandaydir boshqa hodisalar uchun tashxis qiymatlarga ega
bo`la oladigan hodisalar yoki hodisalar to`plami ;
 aloqalar – mohiyatlar birlashmasidir(shu jumladan boshqa aloqalarning) ;
 yo`llar – farazlarni simptomlar bilan ulovchi aloqalarning ajratilgan turi. 
91 Shunga   mos   holda   quyidagi   intervyu   strategiyalari   ishlatiladi:   farazlar
differentsiatsiyasi, simptomlarni farqlash, simptomli shartlashish, yo`llarni bo`lish va
boshqalar. 
Farazlarni   differentsiallash   farazlarni   aniqroq   farqlash(ajratish)   imkonini
beradigan simptomlarni izlashga yo`naltirilgan. Bu ma’noda, eng kuchli simptomlar
tashxis   qilinadigan   hodisalarning   biridan   kelib   chiqadigan   simptomlar   hisoblanadi.
Simptomlarni   ajratish   uning   maxsus   xarakteristikalarini   aniqlaydi.   Bu
xarakteristikalar   bir   tomondan,   uni   biror   bir   farazning   natijasi   sifatida
identifikatsiyalaydi,   boshqa   tomondan,   boshqalariga   qarama-qarshi   qo`yadi.
Simptomli   shartlanganlik   salbiy   simptomlarni,   ya’ni   ularning   bo`lmasligi
mavjudligidan   ko`ra   katta   og`irlikka   ega   bo`lgan   simptomlarni   aniqlashga
yo`naltirilgan.   Yo`llarni   bo`lish   topilgan   simptomlar   yo`lida   yotgan   simptomli
hodisalarni   topishni   ta’minlaydi.   Agar   bunday   simptom   mavjud   bo`lsa,   u   holda   u
topilgan simptomga ko`ra katta tashxis qiymatga ega.
Ekspert   intervyu   olishning   o`xshash   strategiyalari   IDIS   [ 66 ]   texnik   tashxis
tizimni yaratishda qo`llanilgan. 
KRIION   [1-4,   21]   tizimida   bilimlarni   egallash   uchun   2   ta   manba   ishlatiladi:
Ekspert, uning amaliyotida hosil qilingan bilimlari bilan(bu bilimlar, qoida bo`yicha,
to`liqsiz,   bog`lanmagan,   yomon   strukturalashtirilgan),   kitobiy   bilimlar,   hujjatlar,
qo`llanmalar   tavsifi   (bu   bilimlar   yaxshi   strukturalashtirilgan   va   an’anaviy   vositalar
yordamida   qayd   qilingan).   Birinchi   manbadan   bilimlarni   olish   uchun   KRIIONda
repertuar panjara va darajalarga bo`lish strategiyalarini qo`llovchi intervyu texnikasi
qo`llanilgan.   Bunda   strategiyalarga   o`tish   usuli   qo`llaniladi:   agar   semantik
bog`langan   tushunchalar   uchligini   ko`rsatishda   ekspert   ularning   ikkitasini
uchinchisidan   ajratadigan   belgini   aniqlash   holatida   bo`lmasa,   tizim   darajalarga
bo`lish   strategiyasini   ishga   tushiradi   va   ularni   ajratuvchi   belgilarni   aniqlash
maqsadida bu tushunchalarning taksonomik strukturasini aniqlashga kirishadi.
KRIION da ekspertning protsedurali bilimlarini aniqlash uchun protokolli tahlil
usuli  qo`llanilgan. U 5 qadamda amalga oshiriladi. Birinchi  qadamda ekspert  yozuv
jarayonida qiladigan to`xtashlar asosida protokollar segmentlarga bo`linadi. Ikkinchi
qadam   –   segmentlarning   semantik   tahlili,   har   bir   segment   uchun   mulohazalarni
shakllantirish. Uchinchi  qadamda matndan operator va argumentlar ajratiladi. Keyin
BBda   mulohazalardagi   o`zgaruvchilarni   topish   uchun   namuna   bo`yicha   izlashga
kirishiladi.   Oxirgi   qadamda   tasdiqlar   ularning   protokolda   hosil   bo`lishi   bo`yicha
tartiblanadi.   KRIION   da   matnni   tahlil   qilish   kitoblardan,   hujjatlardan,   tavsiflardan,
q o` o`llanmalardan yaxshi strukturalashtirilgan bilimlarni olish uchun ishlatiladi. 
Predmet   sohasi   modelini   aniqlashda   [22]   birinchi   faza   –   bilimlar   injeneri
tomonidan predmet  sohasining  qo`pol  modeli, ya’ni  predmetlar  va ularning ma’lum
argumentlari   turlari   hamda   sohaning   ushbu   predikatlar   bilan  ifoda   etiladigan  faktlar
tizimiga   ma’lumot   berish   yo`li   bilan   shakllantiriladi.   Tizim   predikatlarning
xususiyatlarini aks ettiradi va ularni strukturalashtiradi, o`zaro munosabatni o`rnatadi.
Ikkinchi   fazoda   insonning   fikrlash   xususiyatlarini   aks   ettiruvchi   metabilimlar
(umumiy   strukturadagi)   yordamida   faktlarning   predikatlarga   mosligini   tekshirish,
92 faktlardan   qoidalarning   induktiv   xulosasini   chiqarish,   boshqa   qoidalardan   qoidalar
chiqarish amalga oshiriladi. 
Bilimlarni hosil qilish tizimini ifoda qilishning  asosiy bosqichlarini keltiramiz.
1. Qiziqtiradigan muammolarni  yechish jarayoni  sodir bo`ladigan faol sohani
aniqlash va ularni avtonom sohalarga ajratish uchun intervyu .
2. Predmet   sohasining   deklorativ   modelini   aniqlash   va   shakllantirish   uchun
avtomatlashtirilgan intervyu.
3. Modelni   protsedurali   bilimlar   bilan   to`ldirish   uchun   oldingi   bosqichda
aniqlangan predmet soha munosabatlari va tushunchalarining protokolli tahlili( 2 va 3
bosqichlarni model kerakli to`liqlikka erishgunga qadar davom ettirish mumkin).
4. Modelning   deklorativ   bilimlar   bilan   to`ldirilishi   uchun   protokollli   tahlil.
Modelning   to`liqligini   tekshirish.   Odatda   protokolli   tahlil   modeldagi   bo`shliqlarni
aniqlaydi. 
6 . Ma’lumotlar bazasidan bilimlarni ajratib olish usullari
Ekspertlar   o`z   faoliyatlari   davomida   juda   katta   hajmdagi   ma’lumotlarni
to`playdilar.   Lekin   ularning   yagona   istagi   –   bu   to`plangan   ma’lumotlar   bazasidan
o`zlari   uchun   kerakli   bo`lgan   ma’lumotlarni   tez   va   aniq   qidirib   topish   hisoblanadi.
Qisqacha   aytganda   ma’lumotlar   ombori   xotira   yoki   murakkab   yozuvlar   daftari
vazifasini bajaradi. Foydalanuvchilarning ma’lumotlar bazasiga kirishi aniq qo`yilgan
savollarga   javob   olish   uchun   saqlanayotgan   ma’lumotlarning   unchalik   katta
bo`lmagan   qismini   olishni   ta’minlaydi.   Ulkan   axborot   oqimiga,   to`plangan
axborotning   ulkan   zaxiralariga   ega   bo`lganimizda   qandaydir   jarayonlarni
boshqarishni optimallashtirish, tashkilot faoliyatini yaxshilash murakkab obyektlarga,
masalan,   tibbiy   tashkilotlar,   biologik   sitemalar   yoki   inson   organizmiga   taaluqli
xossalari   va   amal   qilish   qonunlarini   aniq   bilish   maqsadida   ma’lumotlarda   mavjud
bilimni   chiqarish   uchun   bu   ma’lumotdan   maksimal   maqsadga   muvofiq   foydalanish
masalasi paydo bo`ladi.
Eski   sinalgan   usul   bilan,   ya’ni   ma’lumotlarni   tahlil   qilishning   an’anaviy
vositalaridan   foydalanib,   bu   ma’lumotlarni   tahlil   qilishlari   uchun   analitiklar,
statistiklarning ulkan guruhlarini yollash ham mumkin edi. Lekin, ma’lumki, hozirda
bu masala ma’lumotlar hajmining ko`payib borganligi sababli faqat inson kuchi bilan
hal qilib bo`lmaydi. Inson intellektidan ekstensiv yo`l bilan foydalanish bu masalani
yechishga imkon bermaydi va uni yechish uchun sifat jihatdan aniq yondashuv talab
etiladi. Ikkinchi tamondan, bunday yechim juda qimmat va iqtisodiy salohiyatsizdir.
Bundan tashqari analitiklar oladigan natijalar har doim ham obyektiv bo`lavermaydi,
chunki odatda kishilar o`rganayotgan obyekt haqida ba’zi muhim tasavvurlar, u yoki
bu   mulohazalar   bilan   oshkor   va   oshkormas   fikr   yuritadilar.   Bu   esa   qaralayotgan
natijalar obyektivligiga ta’sir qilmasdan qolmaydi [1-4, 13-16].
Aniq   mulohaza   uchun   qanday   davolash   afzalroq,   klinika   resurslarini   qanday
eng  samarali   tashkil   etish   yoki   davolanish   xarajatlarini   qanday   minimallashtirish   va
bunda   analitik   qismni   mashinaga   yuklash   haqida   ma’lumotlardan   bilib   olish
mumkinmi? Tahlil jarayonini avtomatlashtirish va uni yanada obyektivroq bo`lishini
93 xoxlaymiz,   ya’ni   ma’lumotlarda   model,   bolanish,   qonun   va   h.lar   misolida   yangi
trivial   bilimlarni   avtomatik   chiqarib   oladigan   hamda   ularning   statistik   ahamiyatini
kafolatlaydigan biror texnologiyani olishdan iborat.
Knowledge Discovery in Databases   (KDD – ma’lumotlar bazasidan bilimlarni
ajratib   olish )–bu   berilgan   struktura   yoki   bolanishlarda   yashiringan   ma’lumotlarni
topish   maqsadida   ma’lumotlarni   avtomatik   tahlil   qilish   vositalarini   qo`llash
yordamida   inson   tamonidan  katta  hajmdagi  ma’lumotlarni  tadqiq  qilishning  analitik
jarayoni.   Yashiringan   struktura   yoki   bolanishlar   xarakteri   haqida   tasavvurlar   to`liq
yoki   qisman   yo`q   deb   faraz   qilinadi.   KDD   dastlabki   fikrlash   va   to`liq   bo`lmagan
masala  bayoni,  ma’lumotlarni  avtomatlashtirilgan  tahlil  uchun  mos  holatga keltirish
va   ularni   dastlabki   qayta   ishlash,   ma’lumotlarni   avtomatik   tadqiq   qilish   vositalari
(Data   mining)   yashiringan   struktura   yoki   bolanishlarni   topish,   topilgan   modellarni
ma’lumotlarni   modellarini   qurish   va   foydalanilmagan   yangi   modellarda   sinovdan
o`tkazish va topilgan modellarning inson tamonidan tavsiflanishidir.
Data mining  (ma’lumotlarni  qidirib topish ) – xom ma’lumotlardan
- oldindan ma’lum bo`lmagan;
- trivial bo`lmagan;
- amaliy foydali;
- inson tamonidan tavsiflash uchun kerak bo`lgan yashirincha struktura yoki
bog’lanishlarni ”Mashina” algoritmalari, sun’iy intellekt vositalari yordamida tadqiq
etish va topishdan iborat  [ 23, 24 ] .
  KDD   texnologiyasi   muammolarni   yechish   uchun   mo`ljallangan.   KDD   –   bu
sun’iy   intellekt,   sonli   matematik   usullar,   statistik   va   evristik   yondashuvlarning   eng
so`ngi   yutuqlarini   o`zida   mujassamlashtirgan   sintetik   soha.   Bu   texnalogiyaning
maqsadi–ma’lumotlar omboridan oddiy usullar bilan topib bo`lmaydigan yashiringan
model   va   munosabatlarni   topishdan   iborat.   Mashina   zimmasiga   nafaqat   “chalkash”
amallar (Masalan, farazning statistic ahamiyatini tekshirish) balki, avval chalkash deb
qabul qilinmagan amallar (yangi farazni ishlab chiqish) yuklanadi. KDD avval hatto
tadqiqotchi   xayoliga   kelmagan,   ularni   qo`llash   ham,   alohida   mijozni   davolash   ham,
butun   tibbiy   muassasa   faoliyati   samaradorligini   oshirishga   imkon   beruvchi
ma’lumotlar orasidan o`zaro munosabatlarni ko`rishga imkon beradi. 
Modelni qurish tadqiq etilayotgan hodisa xarakteristikalari orasidagi miqdoriy
bolanishni o`rnatishga imkon beradi. Model xarita kabi reallikning abstrakt ifodasidir.
Xarita airaportdan uyga yo`lni ko`rsatish mumkin, lekin u to`siq tufayli sodir bo`lgan
to`qnashuvni   yoki   hozirgi   paytda   amalga   oshirilayotgan   ta’mirlash   ishlarini   va
aylanish   talab   etilishini   ko`rsata   olmaydi.   Model   mavjud   real   munosabatlarga   mos
kelmagancha   muvaffaqqiyatli   natijalarga   erishib   bo`lmaydi.   Ikki   xil   modellar
mavjud:   bashoratli   va   tavsiflovchi.   Birinchisi   boshqa   ma’lumotlar   majmuasi   uchun
oshkora natijalarni bashoratlaydigan modelni qurish uchun ma’lum natijaga ega biror
ma’lumotlar   majmuasidan   foydalanadi.   Ikkinchisi   esa   mavjud   ma’lumotlardagi
bolanishlarni   tavsiflaydi.   Bu   modellar   boshqaruv   qarorlarini   qabul   qilish   uchun
foydalaniladi.
Albatta tajribali shifokor o`z mijozalari davolash uchun ko`pgina modellardan
xabardor,   uzoq   muddat   davomida   kuzatilayotgan   kasalliklar   va   turlicha
94 ko`rsatkichlarning   bolanishlari   haqida   ma’lumotlarga   ega.   KDD   texnologiyalari
nafaqat   emperik   tadqiqotlarni   tasdiqlashi,   balki   bu   texnalogiya   yordamida   oldin
ma’lum   bo`lmagan   yangi   modellarni   qurish   mumkin.   Ajratilgan   model   absalyut
bilimga   davogarlik   qilolmasa   ham,   analitikka   muqobil   statistik   modelning   o`zining
ustunligi bilan ham bir qadar afzallik beradi. Hatto haqiqatdan topilgan o`zaro aloqa
sababiy   bo`lish   yoki   bo`lmasligi   to`risida   o`ylashga   turtki   bo`lishi,   bu   esa   hodisani
guruhlashtirishga   va   uni   yaxshi   tushunishga   imkon   beradi.   Lekin   modellar
jamlanmasi,   agar   ularni   ko`rsatkichlari   bo`yicha   turli   guruhlarga   va   har   bir   muhit
bo`yicha  birlashtirsak,  tibbiy xizmatni   tashkil  etishda   jiddiy  afzallik beradi.  Bundan
tashqari, hammavaqt nol bo`lmagan ehtimol mavjud, bu esa KDD usullari yordamida
keyingi tahlili yoki ilmiy kashfiyoti, yoki ommoviy tibbiy xizmat ko`rsatishni tashkil
etishni yaxshilashga olib keladigan model tuzushga muvoffiq bo`ladi.
KDD   ning   real   sistemalarga   nisbatan   eng   muhim   maqsadi   –   bu   jarayonlar
mohiyatini tushunishni  yaxshilash. Murakkab, lekin hali o`rganilmagan sistemalarga
nisbatan   optimal   yechim   tushunchasi   ma’lum   xususiyatga   ega.   Barcha   masalalar
uchun   ham   “Ideal”   tushunishga   erishishga   intilish   ma’noga   ega   emas.   Masalan,
biznesda   optimal   yechim   deb   hamisha   vaqt   va   resurs   cheklashlariga   mos   tanlav
tushuniladi.   Hozirda   esa   odamlar   boshqa   odamlarga   nisbatan   biror   yaxshi   narsa
qilishga   intiladilar.   Shunday   qilib,   agar   biz   kishi   tasavvuruga   eng   yuqori   darajada
optimal   yechimlarni   izlash   uchun   KDD   usullaridan   foydalanishni   istasak,   u   holda
imtiyozlarni   aniqlashtirish   zarur.   Ya’ni   murakkab   sistemalarda   “Ideal”   optimumga
erishish   uchun   boshqa   sistemalar   bilan   taqqoslash   yo`li   bilan   aniqlanadigan   doimiy
yaxshilash usuliga nisbatan kamroq ahamiyatli bo`lib qolishi mumkin.
KDD   –   bu   faqat   tahlik   vositalari   jamlanmasi,   lekin   barcha   hayotiy   vaziyatlar
uchun vosita emas. KDD ma’lumotlarning o`zini ham, qo`llanilgan usullar asoslarini
tadqiqotchi   tamonidan   bilish   va   tushunish   zarurligini   e’tiborga   oladi.   Bu   vositalar
jamlanmasi faqat ma’lumotlardan modellar va munosabatlarni topishda analitiklarga
yordam   berishi   mumkin.   Topilgan   model   turli   ko`rsatkichlarining   o`zaro   bolanishi
ba’zi   ko`rsatkichlarning   oddiy   statistik   korrelyatsiyasi   kabi   modelning   o`z   –   o`ziga
o`zaro bolanishi haqida dalolat bera olmaydi. Har bir model odamlar tamonidan tahlil
qilinishi kerak va real hayotda tekshirilishi lozim.
KDD   jihozlari   odatda   foydalanuvchidan   yashirin   va   uni   foydalanilayotgan
usullarni   qo`llashdagi   murakkablik   va   nozikliklarni   oshkora   bilishdan   saqlasada,   u
foydalanuvchidan   tashuvchi   jixozlar   va   algoritmlar   ishlash   asoslarini   tushunishni
talab etadi.
KDD   texnologiya   shifokor   –   tahlilchi   yoki   menejerlarning   o`rnini   bosa
olmaydi.   Ularga   o`zlari   boshqaradigan   ish   sifatini   yaxshilash   uchun   zamonaviy,
qudratli   vositani   beradi.   Albatta,   ma’lumotlar   omborida   yangi   bilimni   topish
texnologiyasi tadqiqotchi qo`yilgan savollarga javob beradi.
KDD   va   OLAP   [ 23,   24 ] .   Ma’lumotlarni   qayta   ishlash   bilan   shuullanadigan
odamlarda ko`pincha  bitta savol  uchrab turadi.  Bu   Data mining   va OLAP  (On-Line
Analytical   Processing)   vositalari,   ya’ni   operativ   analitik   qayta   ishlash   vositalari
orasidagi   farq   haqidagi   savol.   OLAP   –   bu   qarorni   qabul   qilishni   qo`llab   –
quvvatlash ga   yo`nalgan   texnologiyalar   qismi.   Buyurtma   va   hisobotlarni
95 loyihalashtirishning oddiy vositalari ma’lumotlar bazasining o`zini tavsiflaydi. Bunda
foydalanuvchining o`zi ma’lumotlar yoki ma’lumotlar orasidagi munosabatlar orqali
modelni   shakllantiradi   va   shundan   so`ng   farazlarni   tasdiqlash   yoki   rad   qilish   uchun
ma’lumotlar   bazasi   buyurtmalari   seriyasidan   foydalaniladi.   Data   Mining   vositalari
OLAP   vositalaridan   shu   bilan   farq   qiladiki,   foydalanuvchi   faraz   qilayotgan   o`zaro
bolanishlarni   tekshirish   o`rniga   ular   mavjud   ma’lumotlar   asosida   turli   tadqiq
etilayotgan omillarning berilgan xossaga ta’sir darajasini miqdoriy baholashga imkon
beruvchi   modellarni   ishlab   chiqishlari   mukin.   Bundan   tashqari,   Data   Mining
vositalari noma’lum, lekin ma’lumotlarda real mavjud munosabatlar xarakteri haqida
yangi gipotezalarni ishlab chiqishga imkon beradi.
OLAP   vositalaro   KDD   jarayonining   turli   bosqichlarida   qo`llaniladi,   chunki
ular   tadqiqotchi   e’tiborini   eng   muhim   o`zgaruvchilariga   qaratishsa,
o`zgaruvchilarning chiqarib tashlanuvchi yoki qiziqarli qiymatlarini aniqlash asosida
ma’lum ma’lumotlarni tushunishga yordam beradi.
KDD ning qisqacha tarixi  [ 23, 24 ] .   KDD usullari  oxirgi 20-asr oxirlari va 21-
asr boshlarida juda tez rivojlandi. Hozirgi kunda ma’lumotlar bazasini  kompyuterda
tahlil qilish masalalari bajarilmoqda. Kompyuter paydo bo`lgunga qadar turli statistik
usullardan   foydalanilgan   holda   amalga   oshirilgan.   Shuning   uchun   kompyuter   ularni
qo`llanilish   imkoniyatlarini   osonlashtirdi   va   kengaytirdi.   Hozir   foydalanilayotgan
ma’lumotlarni   intellektual   tahlil   qilish   usullari   ikki   yo`nalishdagi   evalyutsiya
natijasidir:   bir   tamondan   –   bu   statistika   usullarining   chuqurlashtirilgan,
intellektuallashtirish   saviyasi   xususida,   ikkinchi   tamondan   –   natijasi   nerv
to`qimalarini   eslatuvchi   va   sun’iy   neyron   to`rlar   deb   ataluvchi   sun’iy   sistemalarni
yaratishga   yordam   beradigan   odam   va   hayvon   nerv   to`qimasini   modellashtirishga
urinishdir.
Birinchidan,   bunday   real   harakat   qiluvchi   sistema   bit   rastrli   ketma-ketliklar
ko`rinishida   bo`lgan   oddiy   vizual   tasvirlarni   taniy   olish   qobilyatiga   ega   bo`lgan
perseptronlar   1960-yillarning   oxirlarida   qurilgan.   Bu   yo`nalish   1980-yillar   oxirida
yana ham yuksak rivojlandi va neyroto`rlar asosida ma’lumotlar bazasini tahlil qilish
kommersiya sistemalari qurildi.
Hozirgi   paytda   KDD   sistemasi   usullarini   ishlab   chiqish   va   yaratish   bilan
shuullanuvchi   juda   ko`p   yirik   tadqiqot   markazlari   mavjud.   Bu   markazlarning
ko`pchiligi   1990-   yillarda   (1992-93y.)   tashkil   etila   boshlagan.   Tadqiqot   guruhlari
sonining   o`sishi   1996-2010   yillarda   eksponensial   ko`rinishga   ega.   Shuning   uchun
tadqiqot markazlari yaqin kelajakda turlicha shakllarda universitetlarda, inistitutlarda
va ilmiy markazlarda juda ham ko`payadi. 
Bu muammo bilan intensiv shuullanadigan yirik kompaniyalar sifatida IBM va
Microsoft   kompaniyalarini   ko`rsatish   mumkin.   IBM   to`liq   o`zining   yirik   tadqiqot
markazini   Almaden   shahridagi   dasturiy   ta’minot   texnologiyalari   sohasini   KDD
algoritmlarini ishlab chiquvchi  va ishlovchi KDD sistemalarini  qurishga yo`naltirdi.
Buning   natijasida   asosan   meynffreym   va   qudratli   ishchi   stansiyalar   uchun
mo`ljallangan maxsus KDD sistemalarining butun bir oilasini ishlab chiqdi. Masalan,
Advanced   Scout   deb   ataluvchu   maxsuslashgan   sistemalardan   biri   jamoalarda
o`yinchilar   turli   kombinatsiyalari   samaradorligini   tahlil   qilish   uchun   va   o`yin
96 strategiyasini   boshqarish   uchun   AQSh   ning   Milliy   basketbol   assotsatsiyasida
qo`llanilmoqda.   Bu   maxsuslashtirilgan   sistema   million   dollordan   ortiq   turadi   va
MBA ning bir nechta jamoalari foydalanmoqda.
Micrisoft   firmasi   bevosita   Redmond   shahridagi   shtab   –   kvartirasi   binosida
joylashgan firmasida KDD markazini tashkil etdi va bu muammo bilan universitet va
ilmiy   akademiya   markazlarida   shuullangan   mashxur   mutaxassislarni   taklif   etdi.   Bu
markazni avval NASA reaktiv harakat laboratoriyasida ishlagan va 1996 yilda fanni
rivojlantirish   bo`yicha   eng   faxrli   amerika   mukofotlaridan   birini   olgan   professor
Usama Fayadd boshqarmoqda.
Microsift   misolida   ko`rish   mumkinki,   eng   yirik   kompyuter   kompaniyasi   ham
bu   yangi   texnologiyaga   katta   ahamiyat   bermoqda   va   ma’lumotlarning   intellektual
tahlil   qilish   uchun   yangi   qudratli   mahsulotlar   chiqarmoqda.   Bundan   tashqari,   KDD
texnologiyalari   rivojlantirish   bilan   shuullanuvchi   uncha   katta   bo`lmagan   juda   ko`p
firmalar   mavjud.   Bu   kompaniyalar   AQSh   da   juda   ko`p,   lekin   Yevropa,   Angliya,
Fransiyada   ham   mavjud.   Bunday   firmalardan   biri   –   eng   qadimgi   va   mashxur   IDIS
dasturini   ishlab   chiqadigan   IntelligenceWare   kompaniyasi.   Yana   Acknosoft
(Fransiya), Integral Solutions (Angliya) va boshqa ko`plab firmalarni olish mumkin.
Bu   muammolar   bilan   universitetlarda   ham   shuullanadilar.   Eng   qadimgi
tadqiqot   guruhlari:   AQShda   Wichita   State   University,   Germaniyada   –   GMD   guruhi
hisoblanadi.   Hozir   bu   tadqiqotlarni   ta’minlovchi   yetarlicha   rivojlangan   axborot
infratuzulmalar   mavjud   va   muntazam   halqaro   anjumanlar   o`tkazilmoqda.   KDD
masalalariga   bashlangan   jurnal   nashr   etilmoqda.   KDD   usullarini   biologiya   va
tibbiyotda qo`llashga katta e’tibor berilmoqda. Base4 Bioinformatics, BioDiscovery,
DNA   Star,   Molecular   Simulations,   Anvil   Informatics,   Bioreason,   Cellomics,   Incyte
Pharmaceuticals   firmalari   ham   yangi   tadqiqot   vositalarni   yaratish   bilan   bog`q
rivojlanishlar olib bormoqda. 
Keltirilgan ma’lumotlardan ko`rinadiki hozirgi paytda KDD tadqiqotlari rivoji
yuqori darajaga ko`tarilda. 
KDD turli bilim sohalarining sintezi sifatida  [ 23, 24 ] .   Statistik tamondan va
neyron   to`rlari   tamondan   ma’lumotlar   bazasini   intellektual   tahlil   qilish   sistemalari,
ya’ni   KDD   sistemalari   o`z   usullari   va   maqsadlariga   ko`ra   ikkita   turli   sinflarga
ajratishga asos bo`ldi. KDD usullari  statistik usullarga nisbatan qanday munosabatda
turadi?   Ayrim   statistik   usullar   KDD   usullariga   qaraganda   kichikroq   qurollar   bo`lib
hisoblanadi. KDD usullari tamonidan tipik masalalarni yechishda standart xossalarida
kombinatsiya   tarzida   foydalaniladi.   Shuning   uchun   KDD   ilmiy   vazifasi   yuqori
darajada   yechish   sistemalarini   ishlab   chiqish   hisoblanadi.   Buni   misol   bilan
tushuntirib   berish   mumkin.   Avvaldan   qo`llaniluvchi   va   ommoviy   bolanishlarni
chiziqli   regressiya   kabi   topish   statistik   usullari   mavjud.   Bu   usul   ma’lumotlarda   bir
o`zgaruvchilarni   boshqalari   orqali   chiziqli   ifodalar   ko`rinishida,   ya’ni   faqat   erkin
o`zgaruvchilar bo`yicha chiziqli hadlarning faqat chiziqli hadlar orqali bolanishlarini
topishga   imkon   beradi.   Lekin   avval   regression   formula   chiquvchi   o`zgaruvchilar
ro`yxati   tayinlangan   bu   modelga   kiruvchi   regression   koeffitsentlar   standart
algoritmlardan birida joylashgan bu usulning talqinidan foydalanilgan. Shunday qilib,
qandaydir bashorat qilinga formula olingan.
97 KDD tasnifida bu usulning rivojlanishi bo`lib, juda ko`p sondagi mavjud erkin
parametrlardan   eng   muhumlari   faqat   birinchi   o`zgaruvchi,   ya’ni   kuchli   ta’sir
ko`rsatuvchilarini   tanlashga   imkon   beruvchi   erkin   o`zgaruvchilarni   avtomatik
tanloviga   ega   multichiziqli   regression   usul   hisoblanadi.   Haqiqatan   bu   usul   biror
qo`llash sxemasi doirasida chiziqli regressiv standart usuldan foydalaniladi. Bu bilan
izlanayotgan model haqida yanada kamroq bilishga imkon beradi. Oldindan modelga
kiruvchi   erkin   o`zgaruvchilar   aniq   jamlanmasi   haqida   farazlarni   ilgari   surmaslik
lozim.   Usullarning   umumiy   konsepsiyasi   –   inson   aralashuvini   minimallashtirish,
tahlilni   imkon   boricha   avtomatik   bajarishdir.   Barcha   mavjud   KDD   usullari   alohida,
elementar amallar sifatida klassik statistik usullardan foydalanadi.
KDD usullari bevosita ma’lumotlar bazasi  nazariyasi bilan bog`q, chunki biror
arxitekturasi   relatsion   yoki   qandaydir   boshqacha   real   ma’lumotlar   bazasi   bilan
ishlashlari   lozim.   Bu   KDD   algoritmlari   odatda   hisoblashlar   vaqtida   juda   ko`p   vaqt
sarflashni   talab   qiladi,   chunki   ulardan   ko`plarini   ko`p   o`lchovli   fazolarda   adaptiv
izlashga   asoslangan   hisoblashlarni,   turli   xil   farazlar   massivli   tanlashini   o`z   ichiga
oladi. Bu jarayonlar juda katta hisoblash quvvatini talab etadi. Shuning uchun KDD
usullarini   kompyuterda   amalga   oshirish   samaradorligini   ta’minlash   uchun   axborot
parallel   qayta   ishlashi,   ko`p   sondagi   masalalarni   bir   vaqtda   yechishni   ta’minlovchi
algoritmlarni yaratish masalalariga e’tibor qaratiladi.
KDD usullarining rivojiga sun’iy intellektni tadqiq etish bo`yicha ishlar kushli
ta’sir   ko`rsatmoqda.   Sun’iy   intellektning   ana’anaviy   masalalari   asosan   predmet
sohasidan   ekspert   mutaxassislar   mavjud   bilimlardan   samarali   foydalanish   va   bu
bilimlar   asosida   qandaydir   zid   bo`lmagan   mantiqiy   xulosalar   chiqarish,   ekspert
yaratgan   modellarni   murakkablashtirishdan   iborat.   KDD   usullarida   qandaydir
jihatdan   masala   teskaricha   qo`yilgan.   Eng   qizii,   ma’lumotlar   haqida   bilish   lozim
bo`lgan   narsa   hech   kimga,   hatto   ekspertlarga   ham   oldindan   ma’lum   emas.   Faqat
berilgan yoki boshqacha aytganda “xom” ma’lumotlar bor, aksincha, ma’lumotlardan
muhum qoidalar, bolanishlar, modellarni chiqarib olish kerak.
Shu   bilan   birga   ma’lumotlardan   olingan   modellar   qarorlarini   qabul   qilish
uchun   foydalanilishi   sababli   ular   odatda   ekspertlar   bergan   ma’lum   modellar   bilan
muvofiqlashishi   lozim.   Boshqachi   aytganda,   KDD   usullarini   amalga   oshiruvchi
sistemalar   mavjud   bilimlar   ombori   va   ekspert   sistemalari   bilan   interfeysga   ega
bo`lishi lozim. Shuning uchun bu sohaning sun’iy intellekt bilan o`zaro aloqasi juda
kuchli.   Ba’zi   KDD   usullari   sun’iy   intellektning   ta’limiy   sistemalari   sohalaridan
olingan.   Xususan,   sinflash   masalalarini   yechishda   ta’lim   sistemalarini   yaratishda
ishlab chiqilgan ba’zi usullardan foydalaniladi. 
Nihoyat,   KDD   algoritmlari   ma’lum   darajada   ma’lumotlarni   tahlil   qilishning
turli   maxsuslashtirilgan   usullaridan   va   ular   qo`llaniladigan   sohalarda   foydalaniladi.
Bu   moliyaviy   tahlilda   va   oqsil   strukturasi   tahlili,   yangi   dorilar   sintezi   yoki   boshqa
o`ziga   xos   tashkil   etilgan   ma’lumotli   sohalarda   qo`llaniladigan   KDD   usullari   juda
turlicha va ma’lum darajada bu sohalar xususiyati va yechiladigan masalalar tipi bilan
aniqlanadi.
98 KDD - masala   turlari   va   molellarning   tuzulishlari   [ 23,   24 ] .   Turli   xil   KDD
usullari   bilan   yechiladigan   va   turlicha   samaradorlikdagi   masalalarni   ikki   turga
ajratish mumkin: 
1.  Birinchi   masalalar   sinfi   model   chiqarishda   ma’lumotlar   mavjud   bo`lmagan
vaziyatga   duch   kelganda,   kelgusidagi   qarorni   bashorat   qilish   va   qabul   qilish   uchun
foydalanishi   mumkin   bo`lgan   ma’lumotlardan   turli   modellarni   topish   va   qurishdan
iborat.   Bunda   tabiiyki,   model   imkon   boricha   aniqroq   ishlashi,   u   statistik   ahamiyatli
va oqlanishi lozim.
2. Ikkinchi   turdagi   masalalarda   ma’lumotlarda   bolanishlar   mohiyatini,   turli
omillarning   o`zaro   ta’sirini,   ya’ni   turli   sistemalarning   emperik   modellarini   qurishga
asosiy  etibor  qaratiladi, bu yerda asosiy  moment  – qurilayotgan modellarning inson
qabul   qilishi   uchun   osinligi   va   ochiqligi   hisoblanadi.   Bu   yerda   biz   uchun   sistema
yaxshi   boshoratlashi   va   kelgusida   yaxshi   ishlashi   muhim   emas,   lekin   mavjud
ma’lumotlar   massivida   aniqlanadigan   omillarning   o`zaro   ta’sirini   tushunish
muhimdir.   Topilgan   qonuniyatlar   konkret   tahlil   etiladigan   ma’lumotlarning   o`zaro
xos   belgisi   bo`ladi   va   hech   joyda   boshqa   o`rganilmaydi,   lekin   bizga   baribir   ularni
bilishimiz zarur.
Bu turli tipdagi masalalar ekanligini ta’kidlaymiz va shuning uchun ular turli
vositalar bilan yechilishi lozim. Masalan, neyron to`rlari birinchi turdagi masalalarni
yaxshi   yechadi,   lekin   bashoratlash   masalalarini   ikkinchi   turdagi   masalalarni
yechishga hech qanday yordam bera olmaydi.
Haqaqatan, bunday sistemalarni o`qitish natijasida olingan bilimlar strukturali
tashkil   etilgan   neyronlar   orasidagi   bolanishlar   vazni   ko`rinishida   avtomatik   qayd
etiladigan neyron to`ri  olinadi. Neyronlarning umumiy soni  yuzlab yoki  undan  ham
ko`proq   bo`lishi   mumkin.   Bunday   sistema   bevosita   inson   tamonidan   qabul   qilingan
va tushunish uchun mos emas. 
Modellar   qurish   masalasiga   to`xtalamiz.   Uni   ikkita   muhum   qismiy   tipga
ajratamiz. Birinchi – bu siflashtirish masalasidir. Qandaydir yozuvlar yoki obyektlar
tasvirlari   mavjud   va   ularning   har   biri   haqida   sinflarning   tayinlangan   chekli
to`plamidagi   biror   sinfga   tegishli   ekanligi   oldindan   ma’lum.   Ixtiyoriy   obyektni   bu
sinflardan biriga tegishli bo`lishini aniqlab boradigan qoida yoki qoidalar majmuasini
ishlab chiqish kerak. Masalan, bunday turdagi klassik masala – bu tibbiy tashxislash.
Bizda   mijozlar   tavsifi   –   qandaydir   tibbiy   testlar,   so`rovnoma   ma’lumotlari,
ma’lumotlar   tahlili   va   boshqalar   oldindan   ma’lum   sinflar   –   kasalliklar   tashxislari
berilgan   bo`lsin.   Biz   aniq   bilamizki,   ba’zi   mijozlar   diabed   bilan   kasallangan,
qolganlari   esa   kasallanmagan.   Keyin   biz   yangi   mijoz   uchun   o`sha   tibbiy   tahlildan
ma’lumotlarni   yiishimiz   va   tahlillar   asosida   qanday   qilib   bilish   mumkinligi
masalasini   qo`yamiz.   Ikkinchi   qismiy   tur   esa   qandaydir   uzluksiz   sonli   parametrni
bashoratlash   masalalaridan   iborat.   Bunga   masalan,   ayrim   bemor   muolajasini   yoki
klinik   xarajat   va   daromadlarini   bashoratlash   masalasini   olish   mumkin.   Bu
bashoratdan tibbiy davolanishni davom ettirish, yoki almashtirish, yoki yangi jixozni
sotib olish haqidagi bizning qarorimizga bog`q bo`ladi. Boshqa ko`pchilik sohalarda
uzluksiz   qiymatlarni   bashoratlash   muhum   ahamiyatga   ega.   Hozirda   mavjud   KDD
tijorat   sistemalari   asosan   sinflash   masalalarini   yechadi.   Lekin   bunday   vaziyatda
99 sinflash   masalalari   uzluksiz   qiymatlarni   bashorat   qilish   masalalariga   nisbatan
ko`pligidan   emas,   sinflash   usullari   ko`proq   o`rganilgan   va   uzluksiz   son   qiymatini
bashoratlash usullariga qaraganda amalga oshirish qulay.
Endi ikkinchi tur masalasalarini, ya’ni mavjud ma’lumotlarni tavsiflash, ularda
unson   tamonidan   fikrlay   olish   maqsadida   ularda   bolanishlarni   topish   masalalarini
qaraymiz.  Bu sinf masalalari quyidagicha qo`yiladi:
 Birinchidan,   turli   ko`rsatkichlar   va   o`zgaruvchilar   orasidan   funksional
bolanishlarni   inson   tavsiflaydigan   shaklda   topish   masalasidir.   Odatda   funksional
bolanish haqida gapirganda uzulish sonli qiymatlari orasidagi bolanishlar tushuniladi.
Lekin   usul   jihatidan   oddiy   sonli   bo`ladi   (“ha   /   yo`q”)   va   odatdagi   toifali
o`zgaruvchilarni o`z ichiga oluvchi bolanishlarni qarash mumkin. 
 Ikkinchidan,   qaralayotgan   turga   umumlashgan   holda   klasterlash   masalalari
kiradi.   Obyektlar   tavsiflarining   qandaydir   majmuasi   berilgan   bo`lsin.   Bu   obyektlar
biror   yagona   massani   tashkil   etmaydi   va   tabiiy   ravishda   qandaydir   guruhlarga
ajraladi.   Masalan,   o`pka   kasalliklari,   dermatitam   yoki   qon   aylanish   sistemalari
buzulishi   bilan   jabrlanayotgan   bemorlar   guruhlari.   Ma’lumotlar   bazasidagi   mavjud
axborotlar asosida bu tabiiy guruhlarni guruhlarga yoki klasterlarga ajratishni xoxlar
edik. Bu klasterlar aniq tibbiy ma’niga ega, bunday guruhlash nimani anglatadi va u
nima   bilan   bog`qligini   tushunish   qiziqarli.   Bemorlar   butun   to`plamining   ba’zi
xarakterli   guruhlarga   bo`linishi   tibbiy   muassasa   ishini   to`ri   tashkil   etishga   yordam
berishi mumkin. 
 Ma’lumotlar   tavsifiga   talluqli   uchunchi   masala   favqulotda   vaziyatlar,
yozuvlar,   fovqulotdagi   holatlarni   topish   masalasidir.   Ular   asosiy   yozuvlar   to`plami
(bemorlar  guruhi)dan qandaydir  keskin farq qiladigan favqulotdagi  hollarni  bilishda
foydalanishi   mumkin.   Bu   yozuvlar   tasodifiy  ko`rinishda   bo`lishi   mumkin.  Masalan,
kompyuterga ma’lumotlarni kirititishda operator xatoga yo`l qo`yishi mumkin. Agar
operator xato qilib o`nli nuqtani kiritsa, bunday xato navbatdagi jarayonga birdaniga
katta   ta’sir   ko`rsatadi.   Bunday   xatolarni   keyingi   tadqiqotlardan   chiqarib   tashlash
lozim bo`ladi. Chunki ko`pgina usullarda keskin farq qiluvchi nuqtalar, kamyob tipik
bo`lmagan   hollarga   juda   sezilarli   darajada   ta’sir   ko`rsatadi,   ikkinchi   tamondan   esa,
ayrim   favqulotda   yozuvlar   mustaqil   tadqiqot   uchun   qiziqish   uyotishi   mumkin.
Chunki   ular   ba’zi   kamyob,   lekin   muhum   anomal   kasalliklarni   ko`rsatishi   mumkin.
Hatto   bu   yozuvlar   identifikatsiyalashda,   obyektlar   va   hodisalar   mohiyatini
tushunishda juda foydali bo`lishi mumkin.
 Nihoyat   oxirgi   bosqichda   qaralayotgan   ma’lumotlarni   intellektual   tahlil
qilish   masalalari   sinfiga   kiritiladigan   masalalar   turi   ma’lumotlarni   umumlashtirish
(data   summarization)   atamasi   bilan   aniqlanadi.   Bu   bilan   ma’lumotlarni   qisqacha
yakuniy xarakteristikasini yozish mumkin. Aytaylik, agar bizda mavjud ma’lumotlar
massivi, unga kiruvchi parametrlar qiymati biror qat’iy cheklashga bo`ysunsa, biz bu
cheklashlarni aniqlashni xoxlar edik. Masalan, infark miokardani boshidan kechirgan
o`ttiz yoshdan  oshmagan  bemorlar  bo`yicha ma’lumotlar  to`plamini  o`rganayapmiz.
Agar biz to`satdan bu tanlanmada tavsiflangan barcha bemorlar bir kunda 5 qutudan
sigaret chekadi yoki 95 kg dan ko`p bo`lmagan vazinga ega bo`lmasligini aniqlasak,
bu   bizning   ma’lumotlarni   tushinish   nuqtaiy   nazaridan   juda   muhim   va   bu   amaliy
100 Boshlang’ich 
ma’lumotlar
Dastlabki qayta ishlashBoshlang’ich ma’lumotlarni 
almashtirish
Avtomatik tahlil (Data mining)
Modellarni taqqoslash
Inson yordamida talqin qilish
Qaror qabul qilish
Ta’sir etish, amaliyotKDD
Natijalarni baholashahamiyatga   ega   yangi   bilim.   Shuday   qilib,   ma’lumotlarni   umumlashtirish   (data
summarization) – bu o`rganilayotgan ma’lumotlar tanlanmasidagi barcha yoki deyarli
barcha   yozuvlar   uchun   o`rinli,   lekin   bunday   formatdan   barcha   fikr   qilunuvchi
yozuvlar   ko`pxilligidan   yetarlicha   kam   uchraydigan   va   masalan,   maydonlar
qiymatlarining   o`rta   taqsimotlari   bilan   harakterlanadigan   qandaydir   faktlarni   topish.
Agar   biz   taqqoslash   uchun   barcha   bemorlar   bo`yicha   ma’lumotni   olsak,   u   holda   yo
kuchli   chekuvchi,   yoki   juda   semiz   odamlar   foizi   uchalik   ko`p   bo`lmaydi.   Buni
sinflashtirishning oshkora masalasi deyish mumkin. Lekin bizga bizdagi ma’lumotlar
bilan   berilgan   faqat   bitta   sinf   berilgan   va   ular   mumkin   bo`lgan   yozuvlar   faraz
qilinuvchi   to`plami   bilan   barcha   qolgan   faraz   qilinuvchi   hollar   to`plami   bilan
sinflanadi. 
Berilgan   ma’lumotlardan   foydali   ma’lumotlarga   o`tish   bosqichlari   [ 23,
24 ] .   KDD turli usullari bilan yechiladigan asosiy masalalar turlarini qaraymiz. Turli
masalalarini yechishda qo`llaniladigan KDD usullari mavjud. Qaralgan masalalarning
biror   turiga   qo`llanishga   yo`naltirilgan   usullar   bor.   Endi   biz   ma’lumotlarni   KDD
usullari yordamida ixtiyoriy tadqiq etishga kiradigan asosiy bosqichlar yoki qadamlar
haqida   gapiramiz.   Yangi   bilimni   topish   va   uning   qiymatini   bohaloshning   asosiy
siklini qaraymiz (4.7-rasm). 
4 . 7 -rasm.  Yangi bilimni topish va uning qiymatini bohaloshning asosiy  sikl i.
101 Bu   qadamlardan   ba’zilari   ayrim   masalalarda   bo`lmasligi   mumkin,   lekin
asosiy usullarning barchasi zarur bo`lib, ular u yoki bu shaklda qatnashadi.
  Birinchi bosqich mohiyati bo`yicha KDD usullari bilan ma’lumotlarni tahlil
qilishdan   oldin   kelib,   ma’lumotlar   sistemalarini   konkret   amalga   oshirishlarini
qo`llash   uchun   mos   keladigan   ko`rinishga   keltirishdan   iborat.   Faraz   qilaylik,   bizda
matinlar   bor   va   biz   aftamatik   rubrikator,   qandaydir   anotatsiyalanish   aftamatik
klasifikatorni, kassaliklar tavsifini va boshqalarni qurishni (tuzishni) hohlaymiz bizga
berilgan   hom   axborat   electron   ko`rinishdagi   matnlardan   iborat,   lekin   mavjud   KDD
sistemalaridan   birortasi   ham   bevosita   matnlar   bilan   ishlay   olmaydi.   Matnlar   bilan
ishlash   uchun   biz   berilgan   matn   ma’lumotlardan   dastlab   qandaydir   hosilaviy
parametrlarini   olishimiz   lozim.   Masalan,   tayanch   iboralarini   uchratish,   chastotasi
mulohazalarini   o`rtacha   uzunligi,   mulohazalardagi   u   yoki   bu   so`zlarning
muvofiqligini   xarakterlovchi   parametrlarini   va   boshqa   qisqacha   aytganda,   biz
berilgan matnni xarakterlovchi sonli yoki sonli bo`lmagan parametrlarning qandaydir
aniq   jamlanmasini   ishlab   chiqishimiz   lozim.   Bu   masala   shu   ma’noda
avtamatlashganki, bu parametrlarning sistemasini tanlash inson tamonidan bajariladi.
Parametrlar   qiymatlari   ma’lumotlarni   dastlabki   ishlashning   ma’lum   texnologiyasi
doirasida   avtamatik   hisoblanishi   mumkin.   Tavsiflovchi   parametrlar   tanlangandan
keyin   o`rganilayotgan   ma’lumotlar   alohida   obyekt   yoki   o`rganilmagan   obyekt
holatini   ifodalaydi.   Har   bir   bo`limi   esa   barcha   tadqiq   etilayotgan   obyektlar
parametrlari   xossallari   yoki   belgilarini   ifodalaydi.   KDD   nazariyasida   bunday
jadvalning   satrlari   ma’lumotlar   ba’zasi   nazariyasidagi   kabi   yozuvlar   deb   ustunlari
maydonlari deb atash qabul qilingan. Amaldagi barcha mavjud KDD sistemalari faqat
shunday to`ri burchakli jadvallar bilan ishlaydi. 
 Olingan to`rtburchakli jadval ham KDD usullarini qo`llash uchun juda kam
material   bo`lib   hisoblanadi   va   unga   kiruvchi   ma’lumotlarga   dastlab   qayta   ishlash
zarur. Birinchidan, jadval butun ustun uchun bir xil qiymatlarga ega parametrlarni o`z
ichiga   olish   mumkin.   Agar   tadqiq   etilayotgan   obyektlar   faqat   bunday   belgilar   bilan
xarakterlansa, barcha tadqiq etilayotgan obyektlarabsalyut  identikbo`lar edi. Demak,
oz belgilar tadqiq etiluvchi obyektlarni hech qanday induvidual almashtirilgan bo`lar
edi. Demak, ularni tahlildan chiqarish lozim yoki jadvalda shunday xarakteristik belgi
mavjudki,   barcha   yozuvlarda   qiymati   turlicha.   Ma’lumki,   biz   bu   maydonda   hech
qanday foydalana olmaymiz va uni chiqarib tashlaymiz. Nihoyat, bunday maydonlar
juda ko`p bo`lishi mumkin va agar biz ularni tadqiqotga kiritsak, u holda bu hisoblash
vaqtini keskin ko`paytiradi. Chunki KDD ning barcha usullari uchun hisoblash vaqti
parametrlar   soniga   bog`q.   Shu   bilan   birga   hisoblash   vaqtining   yozuvlar   soniga
bolanishi chiziqli yoki chiziqliga yaqin. Shuning uchun ma’lumotlarni dastlabki qayta
ishlash ctrukturasi sifatida topilgan tadqiqot kontekstida eng muhim belgilar to`plami
ajratish,   o`zgamas   yoki   haddan   tashqari   ehtimolligi   tufayli   qo`llanilmaydiganlarini
tashlash   va   izlanayotgan   bolanishga   eng   ehtimolli   kiradiganlarini   ajratish   zarur.
Buning   uchun   odatda   korrelyatsion   tahlil,   chiziqli   regressiyalar   va   hokozaolarni
qo`llashga   asoslangan   statistik   usullardan,   ya’ni   tez   va   bir   parametrlarning
ikkibchisiga ta’sirini taqribiy baholashga imkon beruvchi usullardan foydalaniladi.
102 Biz ma’lumotlarning jadval ustunlari bo`yicha, belgilar bo`yicha “tozalash” ni
muhokama   qildik.   Xuddi   shunday,   ma’lumotlarni   jadval   satrlari   bo`yicha,   yozuvlar
bo`yicha   dastlabki   tozalashini   o`tkazishimiz   zarur.   Ma’lumotlarning   ixtiyoriy   real
bazasi   odatda   xatolarga   juda   noto`ri   aniqlangan   qiymatlarga   qandaydir   favqulodda
vaziyatlarga   mos   keluvchi   va   boshqa   buzulishlarga   ega.   Ular   tahlilning   keyingi
bosqichlarda   qo`llaniladigan   KDD   usullari   samaradorligini   keskin   kamaytirishi
mumkin. Hatto agar bunday “chaqiruv”lar xatolar bo`lmasa ham, kamyob favqulotda
holatlardan   iborat   bo`lsa   ham   ulardan   baribir   foydalanilmaydi.   Chunki   bir   nechta
nuqtalar bo`yicha izlanayotgan bolanish bo`yicha statistik ahamiyatli xulosa chiqarish
mumkin emas. Bu dastlabki qayta ishlash yoki ma’lumotlarni Preprotsesingi ikkinchi
bosqichini tashkil etadi. 
   Uchunchi   bosqich   –   bu   KDD   usullarini   qo`lash.   Bu   qo`lashni   senariyalari
turlicha   bo`lishi   mumkin   va   turli   metodlarning   kombinatsiyalarini   o`z   ichiga   olishi
mumkin.   Ayniqsa   agar   foydalanilayotgan   usullar   ma’lumotlarni   turli   nuqtaiy
nazardan tahlil qilishga imkon berdi. Bu tadqiqot bosqichini DATA mining deb atash
qabul qilingan. Navbatdagi bo`limlar bu usullarni batfshilroq qarashga baishlangan. 
   Navbatdagi   bosqich   –   bu   olingan   natijalarni   verifikatsiyalash   va
tekshirishdan  iborat.  Bu  usul   eng  sodda   va  ko`p  foydalaniladigan  usul   bo`lib,  bizda
mavjud   tahlil   qilmoqchi   bo`lgan   barcha   ma’lumotlarni   ikkita   guruhga   ajratamiz.
Odatda ulardan biri katta hajmda, ikkinchisi kichik hajmda bo`ladi. Katta guruhda biz
u   yoki   bu   KDD   usullarini   qo`lab   bizning   masalada   talab   qilingan   modelar,
bolanishlarni   olamiz,   kichik   gurihda   esa   biz   usullarni   tekshiramiz,   test   guruhi   va
o`qish uchun foydalanilgan guruh orasidan qoida bo`yicha tuzilgan model qanchalik
adekvat   statistik   ahamiyatli   ekanligi   haqida   xulosalar   chiqaramiz.   Boshqa   ko`plab
murakkabroq verifikatsiya usullari mavjud. Masalan, kesishmali tekshirish, budstrep
va   boshqlar.   Ular   chiqarilayotgan   modellari   ma’lumotlarni   ikkita   guruhga
ajratmasdan   ahamiyatini   baholashga   imkon   beradi.   Quyida   biz   bu   usullarni   batafsil
qarab o`tamiz.
   Nihoyat,   beshinchi   bosqich   –   bu   avtomatik   olingan   bilimlarning   inson
tamonidan qarorlar qabul qilish, olingan qoida va bolanishlarni ma’lumotlar bazasiga
qo`yish   va   boshqalardan   foydalanish   maqsadida   tasniflash.   Beshinchi   bosqich
deganda   ko`pincha   KDD   texnologiyalari   va   ekspert   sistemalari   texnologiyalar
chegarasida joylashgan usullardan foydalanish tushuniladi. Uning qanchalik samarali
bo`lishi qo`yiladigan masalani yechishmuvaffaqqiyati jiddiy ta’sir ko`rsatadi.
Bu qaralgan bosqich bilan qat’iy ma’noda KDD sikli tugaydi. Topilagan yangi
bilim   yakuniy   qiymatlilik   bahosi   avtomatlashtirilgan   yoki   an’anaviy   tahlil
chegarasidan   chiqib   ketadi   va   qo`lga   kiritilgan   bilim   asosida   qabul   qilingan   qarori
hayotga tadbiq etilgandan keyin yangi bilimni amaliyotda tekshirishdan so`ng amalga
oshirilishi mumkin. Yangi bilim yordamida erishilgan amaliy natijalarni tadqiq etish
KDD visitalari bilan topilgan yangi bilim qiymatlilik bahosini yakunlaydi.
Tajriba orttirish uchun misol va topshiriqlar .
1- topshiriq.  Nazariy qismni o`zlashtirish va  B/B/B jadvalini to`ldirish.
B/B/B texnikasini qo`llash bo`yicha ko`rsatma.
1. Ma’ruza rejasiga mos holda 2-ustunni to`ldiring.
103 2. O`ylang, juftlikda hal eting va javob bering, ushbu savollar bo`yicha nimani
bilasiz, 3-ustunni to`ldiring.
3. O`ylang, juftlikda hal eting va javob bering, ushbu savollar bo`yicha nimani
bilish kerak, 4-ustunni to`ldiring.
4. Ma’ruzani o`qing va materiallar bilan tanishing.
5. 5-ustunni to`ldiring.
B/B/B jadvali  (Bilaman/Bilishni hoxlayman/Bilib oldim)
№  Mavzu savoli Bilaman Bilishni
ho x layma
n Bilib
oldim
1.
2.
3. 
4.
5.
2-topshiriq.  “Bilib oldim” ustuni asosida “T” jadvalini to`ldirish. Nazariy 
qismdan tayanch iboralarni aniqlash va “T” jadvalini qurish. 
Tayanch ibora Mazmuni
1.
2.
...
n .
 4-ma’ruza uchun adabiyotlar
1. Башмаков   А.И.,   Башмаков   И.А.   Интеллектуальные   информационные
технологии: Учеб. пособие. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. -
304   с   :   ил.   -   (Информатика   в   техническом   университете).   ISBN   5-7038-
2544-Х.
2. А.В. Гаврилов.  Системы искусственного интеллекта: Учеб. пособие: в 2-
х  ч. - Новосибирск: Изд-во НГТУ, 2001. - Ч. 1. - 67 с.
3. А.В.   Гаврилов.   Лабораторный   практикум   по   нейронным   сетям.   Ч.   1.   -
Новосибирск:Изд-во НГТУ, 1999.
4. Т.А.   Гаврилова,   В.Ф.   Хорошевский.   Базы   знаний   интеллектуальных
систем.-СпБ,Питер,2000.
5. Ожегов С.И.   Словарь русского языка / Под ред. Н.Ю.Шведовой.- М.:Рус.
яз., 1986.
6. Осуга С.  Обработка знаний: Пер. с япон. - М.: Мир, 1989. - 293 с.
7. Креативная  педагогика:  методология,  теория,  практика /  А.И. Башмаков,
И.А.   Башмаков,   А.И.   Владимиров   и   др.;   Под   ред.   Ю.Г.   Круглова.   -   М.:
МГОПУ им. М.А. Шолохова: Изд. центр «Альфа», 2002. - 240 с.
8. Креативная  педагогика:  методология,  теория,  практика /  А.И. Башмаков,
И.А.   Башмаков,   А.И.   Владимиров   и   др.;   Под   ред.   Ю.Г.   Круглова.   -   М.:
МГОПУ им. М.А. Шолохова: Изд. центр «Альфа», 2002. - 240 с.
104 9. Приобретение знаний:  Пер. с япон. / Под ред. С. Осуги, Ю. Саэки. -  М.:
Мир, 1990. -304 с.
10. Search Engine Sizes [ Электронный   ресурс ] / Danny Sullivan, Search Engine
Watch.- Электрон ,   текстовые   дан .-   [ Б . м .]   :   Search   Engine   Watch,   2000.   –
Режим   доступа   :   http://www.searchenginewatch.com/reports/sizes.html   -
Англ .
11. MDA   and   RM-ODP:   two   approaches   in   modem   ontological   engineering
[ Электронный   ресурс ] / A. Naumenko, A. Wegmann. -  Электрон ,  текстовые
дан . (49428  байт ). - Lausanne : Swiss Federal Institute of Technology, 2002. -
Режим   доступа   :
http://lcawww.epfl.ch/Publications/Naumenko/TR01_047.pdf  -  Англ .
12. MDA   Guide   [ Электронный   ресурс ]/   Edited   by   J.Miller   and   J.   Mukerji,
Object Management Group, Inc. - Version 1.0.1. -   Электрон ,   текстовые   дан .
(328400   байт ).   -   [USA]:   OMG,   2003.   -   Режим   доступа :
http://www.omg.org/cgibin/  apps/doc?omg/03-05-01.pdf. -  Англ .
13. Попов   Э.В.   Экспертные   системы:   Решение   неформализованных   задач   в
диалоге с ЭВМ. - М.: Наука, 1987. - 288 с. 
14. Представление и использование знаний: Пер. с япон. / Под ред. X. Уэно,
М. Исидзука. - М.: Мир, 1989. - 220 с.
15. Эндрю А. Искусственный интеллект. М., 1985.
16. Уинстон П. Искусственный интеллект. М., 1980.  
17. Hoffman   J.   Representation   of   Concepts   and   the   Classification   of   Objects   //
Cognitive Research in Psychology: Recent Approaches, Designs and Results.-
Berlin: VEB, 1982. P. 72 – 89. 
18. Anderson   J.R.   The   Architecture   of   Cognition.   Harvard   University   Press.
Cambridge, MA, 1983.
19. Шенк, Р., Хантер, Л. Познать механизмы мышления [Текст] / Р. Шенк, Л.
Хантер // Реальность и прогнозы искусственного интеллекта. М., 1987.
20. G.   Kahn,   G.   Nowlan,   and   J.   McDermott.   Strategies   for   knowledge
acquisition.   IEEE   Transactions   on   Pattern   Analysis   and   Machine
Intelligence   PAMI-7:511-522, 1985.
21. Al-Hasani   S 1,   Diedrich   K ,   van   der   Ven   H ,   Reinecke   A ,   Hartje   M ,   Krebs   D .
Cryopreservation of human oocytes.  Human Reprod.   1987 Nov;2(8):695-700.
22. Morik   K.   Acquiring   domain   models.   International   Journal   of   Man-Machine
Studies, 26:93-104, 1987.
23. Дюк В., СамойленкоА. Data mining: учебный курс. - СПб.: Питер, 2001. -
368 с. 
24. Системы   управления   базами   данных   и   знаний.   Справочное   издание   под
ред. А.Н.Наумова. - М.: Финансы и статистика, 1991.
4-ma’ruza uchun o’zini-o’zi tekshirish savollari
1. Ma’lumotlar   va bilimlar nima ?
2. Katta sovet ensiklopediyasida bilimga qanday ta’rif bergan ?
105 3. “Bilim”   tushunchasi     "ma’lumot"   yoki     "axborot"   tushunchasidan   qanday   farq
qiladi? 
4. EHMda  ishlatiladigan axborotlar qanday tiplarga bo’linadi ?
5. Protsedurali  va deklarativ   axborotlarni izohlang ?  
6. Bilimlarga asoslangan mashinalar nimaga asoslanadi ?
7. S.I.Ojegova bilimga qanday ta’rif bergan ?
8. Obyektiv va  subyektiv  bilimlarni izohlang ?
9.   SI sohasidagi mutahasislar bilimlarni qanday tahlil qiladi ?
10. Psixologlar nuqtai–nazaridan bilimlar sifatida nimalar qaraladi ?
11. Bilimlarni  izohlashlar nuqtai-nazaridan  qanday guruhlarga ajratiladi ?
12. Manbalardan qanday   bilimlar olinadi ?  
13. Hosil qilinuvchi  bilimlarning qanday turlari mavjud ?
14. Foydalanish darajasi bo’yicha bilimlarning qanday  turlari mavjud ?
15. Ishonchlilik darajasi bo’yicha bilimlarning qanday  turlari mavjud ?
16. Maqsadga yo’naltirilganligi  bo’yicha bilimlarning qanday  turlari mavjud ?
17. Protsedurali,  deklarativ va metabilimlarni izohlang ?
18. Iinterfeysli, muammoli va strukturali bilimlarni izohlang ?  
19. Extensionalli va intensionalli bilimlarni  izohlang ?  
20. Bilimlarning  qanday  xususiyatlari mavjud ?
21. Bilimlarni tushunish darajalarini keltiring ?
22. Lokutsiya, illokutsiya va perlokutsiya tushunchalarini izohlang ?
23. Bilimlarni tushunish darajalarini keltiring ?
24. Obyektlashtirilgan bilimlar tushunchasini izohlang ?  
25. Qanday bilimlar sub’ektiv hisoblanadi?
26. Kongnitiv psixologiyada nima o`rganiladi?
27. Bilimlar injeneri va ekspert – mutaxassis o`zaro munosabatining qanday    rejimlari
mumkin?
28. Protokol tahlil nimadan iborat?
29. Bilimlar injeneri va ekspert – mutaxassis o`zaro munosabati jarayoni 
30. qaysi bosqichlarni o`z ichiga oladi. 
31. Tayyorlovchi bosqich tushunchasini xarakterlang.
32. Farazlar differentsiatsiyasi nimaga yo`naltirilgan?
33. Simptom shartlashganlik tushunchasini xarakterlang?
34.  KRITON tizimida qanday manbalar ishlatiladi?
35.  Qanday qadamlar yordamida protokol li tahlil  usuli amalga oshiriladi?
36.   Metaprotsedura va metaqoidalar nima uchun ishlatiladi?
37.  Bilimlarni egallash tizimini ifoda qilishning asosiy bosqichlarini 
38. tushuntiring?
39.   Lingvistik noaniqlikda nima tushuniladi?
40.  Lingvistik o`zgaruvchi tushunchasini xarakterlang .
41.   Semantik fazo nima?
42.  Bevosita usullar nima uchun ishlatiladi?
106 4-ma’ruza uchun testlar
1. Ma’lumotlar   nima?
a)  obyektlar, jarayonlar va hodisalarni hamda ularning xossalarini  tavsiflaydi ;
b) faqat  obyektlar, jarayonlar va hodisalarni tavsiflaydi ;
c) faqat mantiqiy  obyektlar tavsiflaydi ;
e) funksional va strukturali  jarayonlarni tavsiflaydi .
2.  Bilimlar nima?
a)  obyektiv qonuniyatlar ;    b)  obyektlar to’plami ;
c) exspertlar  to’plami ;         e) predmet sohadagi masalalar to’plami.
3.  Bilimlar nima?
a)  strukturalashgan ma’lumotlar ;   b)  strukturalashgan  obyektlar ;
c)  strukturalashgan  tizimlar;          e)  strukturalashgan  predmetlar.
4. Bilimlarning ma’lumotlardan farqli tomonlarini ko’rsating   ?
a) b) va c) javoblar to’g’ri;
b) bilimlar  ko’proq strukturalashgan va  ular orasidagi o’aro bog’liqlik muhim
ahamiyatga  bo’ladi;
c)   bilimlar   o’zini-o’zi   izohlovchi   bo’ladi   va   bilimlardan   foydalanayotgan
tizim harakatiga ta’sir etishi mumkin ;
e)  bilimlar ma’lumotlarga nisbatan passif  bo’ladi .
5.   A niq   obyekt   yoki   obyeltlar   sinfini   (narsalar,   jarayonlar,   hodisalar   va   h.k . )
tavsiflaydigan bilimlar qanday bilimlar  ?
a)  Obyektiv bilimlar ;    b) Subyektiv  bilimlar;   c)  Metabilimlar ;
e) Imitatsiyali bilimlar.
6.   Inson,   insonlar   guruhi   yoki     sun’iy   bilimlar   manbalaridan   olinadigan   bilimlar
qanday bilimlar  ?
a) Subyektiv  bilimlar;   b)  Obyektiv bilimlar ;   c)  Metabilimlar ;
e) Imitatsiyali bilimlar.
7. Psixologik jihatdan bilimlar qanday shakllarda mavjud bo’ladi ?
 a) sezuvchu, tasvirli va belgili modellar shaklida;
 b) Integralli  va belgili modellar shaklida;
 c)  Metabilimli va formulalar  shaklida   ;
 e) Imitatsiyali  va o’zgaruvchi bilimlarning modellari shaklida.
8.   Bilimlarni   izohlashlar   nuqtai-nazaridan   birlashtirilgan   to’g’ri   guruhlarni
ko’rsating ?
 a) Psixologikli, intellektualli, formalli-mantiqli va axborotli-texnologokli;
 b) Psixologikli, intellektualli, integralli  va belgili;
 c)  Metabilimli,  formalli-mantiqli  va formulali ;
 e) Ta’sir etuvchili, o’zgaruvchili,  bilimli.
9.   Bilimlarni   izohlashlar   nuqtai-nazaridan   to’g’ri   birlashtirilgan   guruhlarni
ko’rsating ?
 a) Psixologikli, intellektualli, formalli-mantiqli va axborotli-texnologokli;
 b) Psixologikli, intellektualli, integralli  va belgili;
 c)  Metabilimli,  formalli-mantiqli  va formulali ;
107  e) Ta’sir etuvchili, o’zgaruvchili,  bilimli.
10. Bilimlar manbalardan olinishiga qarab qanday tiplarga bo’linadi ?
 a) Aprior va hosil qilinadigan bilimlar;
 b) Psixologikli, intellektualli va  formulali  bilimlar;
 c)  Metabilimli,  formalli-mantiqli  va formulali  bilimlar;
 e) Aprior va ta’sir etuvchili, o’zgaruvchili bilimlar.
11. Hosil qilinadigan bilimlarning qanday turlari mavjud ?
   a)  Exspertli, kuzatiladigan va xulosalaydigan bilimlar ;
 b) Psixologikli, intellektualli va  kuzatiladigan  bilimlar;
 c)  Metabilimli,  formalli-mantiqli  va  xulosalaydigan  bilimlar;
 e) Aprior va ta’sir etuvchili,  kuzatiladigan  bilimlar.
12.   M asalalarni   echishda   foydalanish   darajasiga   bog’liqligi   bo'yicha   bilimlarning
qanday  turlari mavjud ?  
           a)  Deklarativli, protsedurali va metabilimlar ;
 b) Psixologikli,  protsedurali va metabilimlar ;
 c)  Exspertli, kuzatiladigan va xulosalaydigan bilimlar ;
 e) Aprior va ta’sir etuvchili,  kuzatiladigan  bilimlar.
13.   M asalalarni   echishda   ishonchlilik   darajasi   bo’yicha   bilimlarning   qanday   turlari
mavjud ?  
           a)  Muayyan, noravshan ;            b) Psixologikli,  protsedurali ;
 c)  Exspertli, kuzatiladigan ;        e) Apriorli,  kuzatiladigan .
14.   M asalalarni   echishda   maqsadga   yo’naltirilganligi   bo’yicha   bilimlarning   qanday
turlari mavjud ?  
                      a)   Nusxa   oluvchi,   tanishtiruvchi,   qobilyatni   rivojlantiruvchi,   malakani
oshiruvchi ;
           b)  Muayyan, noravshan, qobilyatni rivojlantiruvchi, malakani  oshiruvchi ;
 c)  Nusxa oluvchi, tanishtiruvchi, exspertli, kuzatiladigan ;
 e) Apriorli,  kuzatiladigan, psixo logikli,  protsedurali .
  15.   O byektlarni   va   ular   orasidagi   munosabatlarni   tavsivlash   uchun   qo’llanildigan
bilimlarni ko’rsating ?  
           a)   Deklarativ bilimlar ;         b) Q obilyatni rivojlantiruvchi bilimlar ;
 c)  Protsedurali bilimlar ;      e) K uzatiladigan bilimlar .
16. O ’zini’-oz’i izohlovchi bilimlar qaysi bilimlar turiga kiradi ?  
           a)   Protsedurali bilimlar ;       b) Q obilyatni rivojlantiruvchi bilimlar ;
 c)   K uzatiladigan bilimlar ;    e)  Deklarativ bilimlar.
17. Bilimlar haqidagi bilimlar  qaysi bilimlar turiga kiradi ?  
           a)  Metabilimlar ;                b) Q obilyatni rivojlantiruvchi bilimlar ;
 c)  Texnologik  bilimlar ;     e)  Deklarativ bilimlar.
18.  Extensionalli bilimni ko’rsating ?  
           a)   Axmedov oliy ma’lumotli diplomga ega;
                      b)   Axmedov   oliy   ma’lumotli   diplomga   ega   bo’lishi   mumkin,   masalan,
bakalavr;
  c)   Abiturient   o’qishga   kirishi   uchun,   u   test   savollaridan   68   balldan   yuqori
ball to’plashi kerak ;
108   e)   Agar geometrik figuraning ichki burchaklari  yig’indisi  180 gradus bo’lsa,
u holda bu uchburchak.
19. In tensionalli bilimni ko’rsating ?  
            a)  Talaba stipendiyatlar tanlovida qatnashishi uchun , u barcha fanlardan a’lo
baho  o’lgan bo’lishi kerak ;
           b)  Axmedov oliy ma’lumotli diplomga ega;
 c)  Talabalar binoga kirdilar ;       e)  Printer stol ustida turibdi.
20. In tensionalli bilimni ko’rsating ?  
            a)  Talaba stipendiyatlar tanlovida qatnashishi uchun , u barcha fanlardan a’lo
baho  o’lgan bo’lishi kerak ;
           b)  Axmedov oliy ma’lumotli diplomga ega;
 c)  Talabalar binoga kirdilar ;     e)  Printer stol ustida turibdi.
21.  Qaysi javobda bilimlarning xususiyatlari to’g’ri ko’rsatilgan?
  a)   Ichki   izohlanuvchanlik,   strukturaviylik,   bog’langanlik,   semantik   metrika,
faollik ;
           b)  To’liqlik, strukturaviylik, bog’langanlik, natijaviylik, faollik ;
  c)   Natijaviylik,   strukturaviylik,   bog’langanlik,   semantik   metrika,   bir
qiymatlilik ;
           e)   Strukturaviylik, ichki izohlanuvchanlik, to’liqlik, faollik
22. Bilimlarni  asosiy tushunish darajalari nechta?
  a)  5 ;   b) 6 ;      c)  4 ;     e)  7.
23. Bilimlarni t ushunishning birinchi darajasi nima bilan xarakterlanadi?
            a)   Matndan kiritilgan savollarga javobni tizim to’g’ridan-to’g’ri ma’nosiga  
asoslanib shakllantirish sxemasi bilan xarakterlanadi ;
            b)  Matndagi ma’lumotlarga asoslangan mantiqiy xulosa qilish vositalari 
qo’shilishi bilan xarakterlanadi ;
    c)   Atrof   -   muhit   haqidagi   tizimlar   bilimlari   bilan   matnni   to’ldirish
qoidalarining qo’shilishi bilan xarakterlanadi ;
            e)   Matndan tashqari matn manbai bo’lgan va tizim xotirasida aloqaga taalluqli
umumiy   axborotlarni   saqlaydigan   muayyan   subyekt   haqidagi   axborotdan
foydalanishi bilan xarakterlanadi.
24. Bilimlarni t ushunishning ikkinchi darajasi nima bilan xarakterlanadi?
            a)   Matndagi ma’lumotlarga asoslangan mantiqiy xulosa qilish vositalari 
qo’shilishi bilan xarakterlanadi ;  
            b)  Atrof - muhit haqidagi tizimlar bilimlari bilan matnni to’ldirish 
qoidalarining qo’shilishi bilan xarakterlanadi ;
    c)   Matndan   kiritilgan   savollarga   javobni   tizim   to’g’ridan-to’g’ri   ma’nosiga
asoslanib shakllantirish sxemasi bilan xarakterlanadi ;
            e)   Matndan tashqari matn manbai bo’lgan va tizim xotirasida aloqaga taalluqli
umumiy   axborotlarni   saqlaydigan   muayyan   subyekt   haqidagi   axborotdan
foydalanishi bilan xarakterlanadi.
25. Bilimlarni t ushunishning uchinchi darajasi nima bilan xarakterlanadi?
            a)   Atrof - muhit haqidagi tizimlar bilimlari bilan matnni to’ldirish 
qoidalarining qo’shilishi bilan xarakterlanadi ;  
109             b)  Matndan tashqari matn manbai bo’lgan va tizim xotirasida aloqaga taalluqli
umumiy axborotlarni saqlaydigan muayyan subyekt haqidagi axborotdan 
foydalanishi bilan xarakterlanadi.
    c)   Matndan   kiritilgan   savollarga   javobni   tizim   to’g’ridan-to’g’ri   ma’nosiga
asoslanib shakllantirish sxemasi bilan xarakterlanadi ;
                        e)   Matndagi   ma’lumotlarga   asoslangan   mantiqiy   xulosa   qilish   vositalari
qo’shilishi bilan xarakterlanadi ;  
26. Bilimlarni t ushunishning  to’rtinchi darajasi nima bilan xarakterlanadi?
            a)   Matn o’rniga unda ma’lumotlarni olishning ikkita kanali mavjud 
bo’lgandagina kelib chiqadigan kengaytirilgan matn ishlati lishi bilan 
xarakterlanadi ;  
            b)  Matndan tashqari matn manbai bo’lgan va tizim xotirasida aloqaga taalluqli
umumiy axborotlarni saqlaydigan muayyan subyekt haqidagi axborotdan 
foydalanishi bilan xarakterlanadi.
    c)   Matndan   kiritilgan   savollarga   javobni   tizim   to’g’ridan-to’g’ri   ma’nosiga
asoslanib shakllantirish sxemasi bilan xarakterlanadi ;
                        e)   Matndagi   ma’lumotlarga   asoslangan   mantiqiy   xulosa   qilish   vositalari
qo’shilishi bilan xarakterlanadi ;  
27. Bilimlarni t ushunishning  beshinchi  darajasi nima bilan xarakterlanadi?
            a)   Matndan tashqari matn manbai bo’lgan va tizim xotirasida aloqaga taalluqli
umumiy axborotlarni saqlaydigan muayyan subyekt haqidagi axborotdan 
foydalanishi bilan ;  
                        b)   Matndagi   ma’lumotlarga   asoslangan   mantiqiy   xulosa   qilish   vositalari
qo’shilishi bilan xarakterlanadi ;
    c)   Matndan   kiritilgan   savollarga   javobni   tizim   to’g’ridan-to’g’ri   ma’nosiga
asoslanib shakllantirish sxemasi bilan xarakterlanadi ;
                        e)   Matndagi   ma’lumotlarga   asoslangan   mantiqiy   xulosa   qilish   vositalari
qo’shilishi bilan xarakterlanadi ;  
28.  Intellektual tizimlarda b ilimlarni  metatushunishning nechta darajalari bor?
  a)  2 ;   b) 5 ;      c)  3 ;    e)  4.
29.  Lokutsiya nima?
            a)   O’z holicha gapirish, ya’ni so’zlovchi o’zining fikrini aytish uchun qilgan
harakati ;  
             b)  Izohlash  yordamida harakat: savol, istak(buyruq yoki iltimos) va tasdiq ;
    c)   So’zlovchining   tinglovchiga   qandaydir   ta’sir   o’tkazishiga   qaratilgan
harakati:   «xushmuomalada   bo’lish»,   «xayratda   qoldirish»,   «e’tiroz
bildirish» va x.k.;
            e)   To’g’ri javob keltirilmagan ;  
30.  Illokutsiya nima?
            a)   Gapirish yordamida harakat: savol, istak(buyruq yoki iltimos) va tasdiq ;  
            b) To’g’ri javob keltirilmagan ;
   c)  Tinglovchi bilan   gapiruvchining o’zaro suxbati: «fikr bildirish», «intervyu
olish», «protokol qilish» va x.k.;
110                         e)   O’z   holicha   harakat,   ya’ni   tinlonchi     o’zining   fikrini   aytmaslik   uchun
qilgan harakati ;  
31.  Perlokutsiya nima?
      a)   So’zlovchining   tinglovchiga   qandaydir   ta’sir   o’tkazishiga   qaratilgan
harakati: «xushomad qilish», «ajablantirish», «ko’ndirish» va x.k.;
             b) Kuzatish yordamida gapirish: harakat, bildirish (kuzatish yoki buyruq) va
xulosa ;  
  c)   To’g’ri javob keltirilmagan ;
            e)  Boshqa odam yordamida so‘zlash , ya’ni so’zlovchi o’zining fikrini aytish
uchun boshqalar yordamidaharakati ;  
32.  Bilimlаr injеnеrining еkspеrt – mutаxаssis dаn bilimlаrni оlishi  q аndаy   rеjim lаr dа
аmаlgа оshirilаdi?
a) Prоtоkоlli tаhlil, intеrvьyu vа prоfеssiоnаl fаоliyatning o’yinli immitаtsiyasi;
b) Mulоqоt, еshitish vа prоtоkоlli tаhlil;
c) Prоtоkоlli tаhlil, tinglаsh vа prоfеssiоnаl fаоliyatning o’yinli immitаtsiyasi;
e) Mulоqоt, intеrvyu vа prоfеssiоnаl fаоliyatning o’yinli immitаtsiyasi.
33. Bеlgilаrni tаnishning qаndаy yondаshuvlаri mаvjud?
a) Shаblоnli, strukturаli vа bеlgili;     b) Еtаlоnli, strukturаli vа mаtritsаli;
c) Mаtritsаli, shаblоnli vа dоg’li;        e) Shаblоnli, dоg’li vа mаtritsаli.
111

4-ma'ruza. Bilimlar. Bilimlarning tiplari, xususiyatlari, tushunish darajalari va ularni olish usullari Reja : 1. Ma’lumotlar va bilimlar. Asosiy tushunchalar. 2. Bilimlarning tiplari va bilimlarni sinflash . 3. Bilimlarning xususiytlari . 4. Bilimlarni tushunish darajalari . 5. Bilimlarni olish usullari v aspektlari . 6. Ma’lumotlar bazasidan bilimlarni ajratib olish usullari Tayanch iboralar: Ma’lumotlar (Data), bilim (knowledge), bilimlarni namoyish qilish (knowledge representation), protsedurali axborot (procedural information), mashina so’zi (computer word) , bit (bit),bayt (byte), abstraktli ma’lomotlar tipi (abstract data types) , ma’lumotlar bazasi (data base), ma’lumotlar bazasini boshqarish tizimlari (MBBT)-(data base management systems), б аза знаний (knowledge base) , Bilimlar muhandisi (knowledge engineering), interfeysli bilimlar (interface knowledge), muammoli bilimlar (the problem of knowledge), protsedurali bilimlar (procedural knowledge), strukturali bilimlar (structural knowledge), metabilimlar (metaknowledge), sintaktika (syntactics), semantika (semantics), ptagmatika (pragmatics), extensial bilimlar (extensional knowledge), intensional bilimlar (intensional knowledge), deklarativli bilimlar (declarative knowledge), bilimlarni namoyish etishning mantiqiy modeli (logical methods of knowledge representation) , bilimlarni namoyish etishning evristik modeli (heuristic methods of knowledge representation) , mulohazalarni hisoblash (p ropositional calculus), 1-tartibli predikatlar mantiqi (predicate logic of the 1st order, ichki izohlanuvchanlik (internal interpretability), strukturalashtirilganlik (structured), bog’langanlik (coherence), semantil metrika (semantic metric), faollik (activity), bilimlarni tushunish darajalari (level sofunder standing knowledge), bilimlarni metatushunish (metaunder standing of knowledge) 1. Ma’lumotlar va bilimlar. Asosiy tushunchalar Ma’lumotlar – bu alohida faktlar bo’lib, predmet soha(PrS)dagi obyektlar, jarayonlar va hodisalarni hamda ularning xossalarini tavsiflaydi. Bilimlar - bu PrSdagi obyektiv qonuniyatlar (prinsiplar, aloqalar, qonunlar) bo’lib, ular amaliy faoliyat va professional tajribalar natijasida olinadi va mutaxassislarga ushbu sohada masalalarni qo’yish va echishga imkoniyat yaratadi. Bilimlar - bu yaxshi strukturalashgan ma’lumotlar, yoki ma’lumotlar haqidagi ma’lumotlar, yoki metama’lumotlar . Katta sovet ensiklopediyasida bilimga quyidagicha ta’rif bergan: «Bilim – haqiqylikni anglash natijalarining amaliyotda tekshirilganligi va unung inson 75

miyasida to’g’ri aks ettirilganligidir. Bilimlar hayotiy, ilmiylikka asoslanmagan, badiiy, ilmiy (nazariy va empirik)» bo’lishi mumkin[1]. SI sohasidagi tadqiqotlarning asosi bilimlar bilan bog’liq yondashuvdan iborat. SIning bazaviy paradigmalari asosan bilimlar hisoblanadi. Bilim tushunchasi boshqa ko’plab fundamental ilmiy tushunchalar (algoritm, intellekt, faoliyat va h.k) kabi intuitiv shaklda aniqlanadiganlar tipiga kiradi. Ba’zi PrS haqidagi bilimlar ushbu PrSdagi obyektlar haqidagi ma’lumotlar majmuasidan, ushbu sohadagi obyektlarning muhim xossalaridan va ularni bog’lovchi munosabatlardan, jarayonlar hamda unda vujudga keladigan vaziyatlardan hamda ushbu vaziyatlar bilan bog’liq muammolarni tahlil qilishdan iborat [1]. Bilim tushunchasi ma’lumot yoki axborot tushunchasidan qanday farq qiladi? Bilim –bu tashqi olamdan tirik mavjudod (subyekt) yordamida idrok etilgan axborotlar. Bilimning ma’lumotdan farqli tomoni uning subyektivligidadir [2]. Bilim subyektning hayotiy tajribalariga, uning tashqi olam bilan o’zaro aloqalar tarixiga, ya’ni uning o’rganish va o’zini-o’zi o’rganish jarayonlariga asoslanadi. SI bo’yicha yaratilgan adabiyotlarga asoslangan holda bilimning ma’lumotlardan farqli tomonlarini quyidagicha ko’rsatish mumkin [2-4] : • bilimlar ko’proq strukturalashgan bo’ladi; • bilimlarda ma’lumotlarga o’xshab bilimlarning alohida elementlari emas, balki ular orasidagi o’aro bog’liqlik muhim ahamiyatga ega ; • bilimlar ma’lumotlarga nisbatan o’zini-o’zi izohlovchi bo’ladi, ya’ni bilimlarda ulardan qanday foydalanish haqidagi axborotlar mavjud bo’ladi ; • bilimlar ma’lumotlarga nisbatan faolroq bo’ladi, ya’ni bilimlar ulardan foydalanayotgan tizim harakatiga ta’sir etishi mumkin. Shuni ta’kidlash joizki, bilimlar bilan ma’lumotlar orasida qat’iy chegara yo’q, chunki oxirgi 20 yillar mobaynida ma’lumotlar bazalarini boshqaruvchi tizilarni yaratuvchilar ma’lumotlarni va bilimlarni bir-biriga o’xshash qilib qo’ydilar. Misol sifatida ma’lumotlar bazalarini loyihalashda semantik to’tlarni qo’llash, obyektga yo’naltirilgan ma’lumotlar bazalarining paydo bo’lishi, saqlanuvchi protseduralar va h.k.larni keltirish mumkin. Shunday qilib, bilimlarning ma’lumotlardan yuqorida keltirilgan farqli tominlari informatika vositalarining rivojlanishi bilan bir-biriga yaqinlashib bormoqda. EHMda ishlatiladigan axborot protsedurali va deklarativga ajratiladi [2-4]. Protsedurali axborot masalani yechish jarayonida bajariladigan dasturlarda moddiylashtirilgan, deklarativ axborot - bu dasturlar ishlatadigan ma’lumotlarda moddiylashtirilgan bo’ladi. EHMda axborotlarni tasvirlashning standart shakli mashina so’zi hisoblanadi. Mashina so’zi mazkur EHM turi uchun aniqlangan ikkilik razryadlar - bitlardan tashkil topgan. Ammo bir qator hollarda mashina so’zi baytlar deb nomlangan 8ta ikkilik razryadlar bo’yicha guruhlarga ajratilmoqda. Hozirda mavjud ko’pgina EHMlarda axborotni mashina so’zining ixtiyoriy razryadlar to’plamidan bir bitgacha olish mumkin. Ko’pgina EHMlarda ikki yoki undan ortiq mashina so’zlarini katta uzunlikdagi bitta so’zga birlashtirish mumkin. EHM strukturasining rivojlanishi bilan parallel ravishda ma’lumotlarni tasvirlash uchun axborot strukturalarning rivojlanishi sodir bo’ldi. Ma’lumotlarni 76

vektor va matritsa ko’rinishida tavsiflash usullari paydo bo’ldi, ro’yxat va iyerarxik strukturalar vujudga keldi. Hozirda yuqori darajali dasturlash tillarida abstrakt ma’lumotlar turlari qo’llanilmoqda. Ularning strukturasi dasturchi tomonidan beriladi. Ma’lumotlar bazasi(MB)ning paydo bo’lishi deklarativ axborotlar bilan ishlash bo’yicha yana bir ilgari qadam bo’ldi. MBda bir vaqtning o’zida katta hajmdagi ma’lumotlar saqlanishi mumkin, MBni boshqarish tizimlarini tashkil etuvchi maxsus vositalar esa ma’lumotlarni samarali manipulyasiya qilishga, kerak bo’lganda bazadan ma’lumotlarni olish va ularni kerakli tartibda bazaga yozishga imkon beradi. IT sohasidagi tadqiqotlarning rivojlanishi bilan protsedurali va deklarativ axborotlarning ko’pgina xusuiyatlarini o’zida birlashtirgan bilimlar konsepsiyasi vujudga keldi. EHMda bilimlar ma’lumotlar kabi belgili ko’rinishda – formulalar, matnlar, fayllar, axborot massivlar va sh.k. ko’rinishida tasvirlanadi. Shuning uchun bilimlarni maxsus shaklda tashkil etilgan ma’lumotlar deyish mumkin. Lekin bu juda tor tushuncha bo’lardi. Shu bilan birga sun’iy intellekt (SI) tizimlarida bilimlarni shakllantirish va qayta ishlash tadqiqotlarning asosiy obyekti hisoblanadi. Bilimlar bazasi MB bilan bir qatorda SI dasturiy kompleksining muhim tarkibiy qismi hisoblanadi. SI algoritmlarini ifodalaydigan mashinalar bilimlarga asoslangan mashinalar deyiladi, SI nazariyasining ekspert tizimlarni qurish bilan bog’liq bo’lgan bo’limi bilimlar injineriyasi deyiladi. 2. Bilimlarning tiplari va bilimlarni sinflash S.I.Ojegov «Rus tili slovarida» [5] bilimni - «haqiqiylikni ong bilan anglash (fahmlash, tushunish, payqash) va «qandaydir sohada ma’lumotlar, bilishlar majmui» kabi izohlaydi. Ushbi ishda PrSdagi bilimlarning quyidagi turlari keltirilgan: deklarativli, pragmatikli, protsedurali, evristikli, exspertli. Yuqorida keltirilgan bilimlarning izohlarini hisobga olib, ularni ikkita: obyektiv va subyektiv (inson bilimlari) bilimlarga ajratish mumkin [1]. Obyektiv bilimlar aniq obyekt yoki obyektlar sinfini (narsalar, jarayonlar, hodisalar va h.k . ) tavsiflash bilan bo’g’liq. Metabilimlar esa tabiyat, jamiyat va fikrlashning umumiy tushunchalari, prinsiplari va qonuniyatlarni tvsiflaydi. Subyektiv bilimlar inson, insonlar guruhi yoki sun’iy bilimlar manbalaridan (kitob, o’quv kursi, gazeta, ilmiy jurnal,videofilm va boshqalar) olinadi. Inson yordamida olingan subyektiv bilimlarni izohlashda ushbu insonning dunyoqarashi, qobilyati, xulq-atvori, hayotiy tajribasi, professional faoliyat sohasi va h.k. kabi xususiyatlari e’tiborga olinishi lozim. SI sohasidagi mutahasislar bilimlar tiplarini tahlil qilishda e’tiborni ko’proq bilimlarning formal-mantiqiy tomonlariga qaratadilar. Bunda EHM xotirasida saqlangan bilimlarga maxsus algoritmlarni qo’llab, huddi mantiqiy hulosalash kabi natijalarni olish mumkin. Psixologlar nuqtai–nazaridan [1] idrok etish, xotira, fikrlash kabi psihik timsollar bilimlarni ifodalaydi. Psixik timsollar sifatida predmetlar va tashqi 77

Psixologikli: 1)psixik timsollar; 2) fahmlovch modellar. Axborotli-texnologiyali: EHM xotirasida saqlanuvchi va intellectual daturlar bilan ishlashda foydalaniladigan strukturalashtirilgan axborotlar Formalli-mantiqiy: maxsus protseduralar yordamida muammoli soha haqida xulosalar chiqarishda yangi bilimlarni olish uchun qo’llaniladigan formallashgan axborotlar Intellektualli: 1) muammoli sohadagi obyektlar haqidagi faktlarni, ushbu obyektlarning hossalari va ular orasidagi bog’lanish munosabatlarini saqlovchi ma’lumotlar; 2) muammoli sohada kechayotgan jarayonlar tavsivlari; 3) muammoli soha doirasida bir xil tipli masalalarni echish uslublari haqidagi axborotlar. 4.1-rasm.Bilimlarni izohlash Bilimlarni izohlasholamdagi hodisalar, insonnig turli hatti-xarakatlari timsollari va h.k. lar qaraladi. Ko’p hollarda bilimlar sifatida - predmetlar, hodisalar, ularning hossalari va ular orasidagi munosabatlarni ifodalovchi fahmlovchi dinamik modellar qaraladi. Psixologik jihatdan bilimlar sezuvchu, tasvirli va belgili modellar shaklida mavjud bo’ladi. Bilimlarni yuqorida keltirilgan izohlashlar nuqtai-nazaridan to’rtda guruhga birlashtirish mumkin [1] (4.1-rasm). Bunda : - psixologikli- bilimlarni psixologlar izohlaydi; - intellektualli – bilimlarni SI sohasidagi mutaxassislar izohlaydi; - formalli-mantiqli- bilimlarni mantiqchilar izohlaydi; - axborotli-texnologokli - bilimlarni pragmatic-daturchilar va axborot tizimlarni yaratuvchilar izohlaydi. Bilimlarni manbalardan olish xarakterlariga , foydalanish hamda ishonchlilik darajalari va maqsadga bog’liqligiga qarab sinflash 4.2-rasmda keltirilgan [1]. Bilimlarni olishning manbalariga qarab ular aprior va hosil qilinadigan bilimlarga bo’linadi [1]. Aprior bilimlar MBni o’z ichiga olgan intellektual tizim(IT)lar o’z faoliyatini boshlaguncha undagi MBda aniqlanadi va to’planadi. Aprior bilimlardan farqli ravishda, hosil qilinuvchi bilimlar MBdan foydalanish jarayonida shakllantiriladi. 78

Bilimlar Manbalardan bog’liqligi bo’yicha Apriorli Hosil qilinuvchi Exspertli Kuzatiladigan Xulosalaydigan Qandaydir muammoli soha masalalarini echishda foydalanish darajasiga bog’liqligi bo'yicha Ishonchlilik darajasiga bog’liqligi bo’yicha Maqsadga (churliligi) bog’liqligi bo’yicha Deklarativli (faktlar) Protsedurali Metabilimlar Muayyan ichonchlilikga ega bo’lgan bilimlar Noravshan ichonchlilik darajasiga ega bo’lgan bilimlar Nusxa oluvchi bilimlar Tanishtiruvchi bilimlar Qobilyatni rivojlantiruvchi bilimlar Malakani oshiruvchi bilimlar 4.2-rasm. Bilimlarni sinflash. Ushbu bilimlarning manbalari sifatida exspertlar, tashqi sun’iy kuzatuvchi qurilmalar (turli xildagi datchiklar, timsollarni angllash mexanizmlari va h.k) hamda intellectual tizim doirasida bilimlarni hosil qilish va xulosalash qoidalari hamda protseduralari bo’lishi mumkin. Bilimlardan foydalanish aspektlariga qarab ularni deklarativli (faktlar, ma’lumotlarning tavsifiy tipi), protsedurali (qandaydir muammoli sohada bir xil tipdagi masalalarni echish uslyblari haqidagi axborotlar) va metabilimlarga (bilimlar haqidagi bilimlar) ajratish mumkin [1]. Deklarativ bilimlar obyektlarni va ular orasidagi munosabatlarni tavsivlash uchun qo’llanildi. Protsedurali bilimlar – o’zini’oz’i izohlovchi bilimlardan iborat bo’lib, protseduralarni tavsivlashda qo’llaniladi. Bu protseduralarda PrSning hamda uning MBdagi modellari o’zgarishi bilan bog’liq harakatlari dasturlashtirilgan bo’lishi mumkin. Bunda bilimlar bazasining ba’zi qismlarini qayta ishlovchi maxsus protseduralar nabori joriy holatni ifodalaydi. 79