Поле цифровой дидактики - Вклад [ru]

Цифровые инструменты учителей

2024-03-09T21:34:55Z

MariaMyshkina:

{{Dataset
|Description=Датасет о том, какие инструменты используются учителями
|KeyDescripions=# Тип задачи,
# Задача,
# Название цифрового инструмента
# Количество упоминаний
|FileFormat‎=CSV
|Field_of_knowledge=Информатика, Образование
|Website=https://github.com/patarakin/education/blob/main/Digital_Tools_Schools2.csv
|Examples=https://github.com/mmyshkina/digital_tools_in_class_rawgraphs
|launch year=2023
}}
[https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv CSV]

== Аннотация исследования ==
Датасет был собран по итогам исследования использования учителями цифровых инструментов на уроке в школе в 2023 году. Исследование проводилось в рамках практики магистрантов программы «Управление образованием» совместно с Лабораторией цифровой трансформации образования НИУ ВШЭ.

Целью исследования является изучение успешного опыта освоения учителями цифровых технологий на уроке в школе. Анкетирование проводилось с мая по июнь 2023 года, в нем приняли участие 244 педагога.

На данных исследования прослеживается эволюция использования цифровых инструментов в работе учителя - от применения цифровых технологий при подготовке к урокам до организации работы учеников. В результате был подготовлен отчет с перечнем цифровых инструментов, которые учителя называли для решения задач на уроке. Для каждой задачи учителя называли в среднем 13 инструментов (инструменты могли повторяться в разных задачах).

Было показано, что участие учителей в отдельных типах мероприятий по повышению уровня цифровых компетенций (курсы повышения квалификации, обсуждение практического опыта с коллегами и прохождение онлайн-курсов) может способствовать широте инструментария, которым учителя владеют и который используют для решения большего числа задач.

Подробнее с результатами исследования можно ознакомиться в источниках:

1. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Эволюция использования цифровых инструментов в работе учителя: от подготовки к урокам к организации работы учеников с помощью цифровых технологий. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/

2. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Практики использования цифровых технологий на уроке в школе: какие задачи учителя решают с помощью цифровых инструментов. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/

3. Стек цифровых инструментов на уроке в школе в 2023 году: аналитический отчёт // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/MjAE-JvEwmghJQ

4. Цифровые инструменты в школе: пользовательские истории учителей // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/VMIo8AE139QKiQ

== Встроить Google Sheets ==

=== Пример 2 ===
; https://docs.google.com/spreadsheets/d/15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE
|width=1000
|height=600
}}

== Получить данные для вики ==

{{#get_web_data:url=https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv
|format=csv with header
|data=Type=Type,Task=Task,Tool=Tool,Number=Number
}}

== Таблица ==

{| class="wikitable sortable"
! Type
! Task
! Tool
! Number {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Type}}}
{{!}} {{{Task}}}
{{!}}{{{Tool}}}
{{!}} {{{Number}}} }}
|}

Цифровые инструменты учителей

2024-03-09T21:34:11Z

MariaMyshkina:

{{Dataset
|Description=Датасет о том, какие инструменты используются учителями
|KeyDescripions=# Тип задачи,
# Задача,
# Название цифрового инструмента
# Количество упоминаний
|FileFormat‎=CSV
|Field_of_knowledge=Информатика, Образование
|Website=https://github.com/patarakin/education/blob/main/Digital_Tools_Schools2.csv
|Examples=https://github.com/mmyshkina/digital_tools_in_class_rawgraphs
|launch year=2023
}}
[https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv CSV]

== Аннотация исследования ==
Датасет был собран по итогам исследования использования учителями цифровых инструментов на уроке в школе в 2023 году. Исследование проводилось в рамках практики магистрантов программы «Управление образованием» совместно с Лабораторией цифровой трансформации образования НИУ ВШЭ.

Целью исследования является изучение успешного опыта освоения учителями цифровых технологий на уроке в школе. Анкетирование проводилось с мая по июнь 2023 года, в нем приняли участие 244 педагога.

На данных исследования прослеживается эволюция использования цифровых инструментов в работе учителя - от применения цифровых технологий при подготовке к урокам до организации работы учеников. В результате был подготовлен отчет с перечнем цифровых инструментов, которые учителя называли для решения задач на уроке. Для каждой задачи учителя называли в среднем 13 инструментов (инструменты могли повторяться в разных задачах).

Было показано, что участие учителей в отдельных типах мероприятий по повышению уровня цифровых компетенций (курсы повышения квалификации, обсуждение практического опыта с коллегами и прохождение онлайн-курсов) может способствовать широте инструментария, которым учителя владеют и который используют для решения большего числа задач.

Подробнее о результатах исследования можно ознакомиться в источниках:

1. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Эволюция использования цифровых инструментов в работе учителя: от подготовки к урокам к организации работы учеников с помощью цифровых технологий. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/

2. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Практики использования цифровых технологий на уроке в школе: какие задачи учителя решают с помощью цифровых инструментов. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/

3. Стек цифровых инструментов на уроке в школе в 2023 году: аналитический отчёт // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/MjAE-JvEwmghJQ

4. Цифровые инструменты в школе: пользовательские истории учителей // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/VMIo8AE139QKiQ

== Встроить Google Sheets ==

=== Пример 2 ===
; https://docs.google.com/spreadsheets/d/15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE
|width=1000
|height=600
}}

== Получить данные для вики ==

{{#get_web_data:url=https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv
|format=csv with header
|data=Type=Type,Task=Task,Tool=Tool,Number=Number
}}

== Таблица ==

{| class="wikitable sortable"
! Type
! Task
! Tool
! Number {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Type}}}
{{!}} {{{Task}}}
{{!}}{{{Tool}}}
{{!}} {{{Number}}} }}
|}

Цифровые инструменты учителей

2024-03-09T21:27:41Z

MariaMyshkina:

{{Dataset
|Description=Датасет о том, какие инструменты используются учителями
|KeyDescripions=# Тип задачи,
# Задача,
# Название цифрового инструмента
# Количество упоминаний
|FileFormat‎=CSV
|Field_of_knowledge=Информатика, Образование
|Website=https://github.com/patarakin/education/blob/main/Digital_Tools_Schools2.csv
|launch year=2023
}}
[https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv CSV]

== Аннотация исследования ==
Датасет был собран по итогам исследования использования учителями цифровых инструментов на уроке в школе в 2023 году. Исследование проводилось в рамках практики магистрантов программы «Управление образованием» совместно с Лабораторией цифровой трансформации образования НИУ ВШЭ.

Целью исследования является изучение успешного опыта освоения учителями цифровых технологий на уроке в школе. Анкетирование проводилось с мая по июнь 2023 года, в нем приняли участие 244 педагога.

На данных исследования прослеживается эволюция использования цифровых инструментов в работе учителя - от применения цифровых технологий при подготовке к урокам до организации работы учеников. В результате был подготовлен отчет с перечнем цифровых инструментов, которые учителя называли для решения задач на уроке. Для каждой задачи учителя называли в среднем 13 инструментов (инструменты могли повторяться в разных задачах).

Было показано, что участие учителей в отдельных типах мероприятий по повышению уровня цифровых компетенций (курсы повышения квалификации, обсуждение практического опыта с коллегами и прохождение онлайн-курсов) может способствовать широте инструментария, которым учителя владеют и который используют для решения большего числа задач.

Подробнее о результатах исследования можно ознакомиться в источниках:

1. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Эволюция использования цифровых инструментов в работе учителя: от подготовки к урокам к организации работы учеников с помощью цифровых технологий. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/

2. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Практики использования цифровых технологий на уроке в школе: какие задачи учителя решают с помощью цифровых инструментов. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/

3. Стек цифровых инструментов на уроке в школе в 2023 году: аналитический отчёт // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/MjAE-JvEwmghJQ

4. Цифровые инструменты в школе: пользовательские истории учителей // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/VMIo8AE139QKiQ

== Встроить Google Sheets ==

=== Пример 2 ===
; https://docs.google.com/spreadsheets/d/15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE
|width=1000
|height=600
}}

== Получить данные для вики ==

{{#get_web_data:url=https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv
|format=csv with header
|data=Type=Type,Task=Task,Tool=Tool,Number=Number
}}

== Таблица ==

{| class="wikitable sortable"
! Type
! Task
! Tool
! Number {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Type}}}
{{!}} {{{Task}}}
{{!}}{{{Tool}}}
{{!}} {{{Number}}} }}
|}

Цифровые инструменты учителей

2024-03-09T21:27:26Z

MariaMyshkina:

{{Dataset
|Description=Датасет о том, какие инструменты используются учителями
|KeyDescripions=# Тип задачи,
# Задача,
# Название цифрового инструмента
# Количество упоминаний
|FileFormat‎=CSV
|Field_of_knowledge=Образование
|Website=https://github.com/patarakin/education/blob/main/Digital_Tools_Schools2.csv
|launch year=2023
}}
[https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv CSV]

== Аннотация исследования ==
Датасет был собран по итогам исследования использования учителями цифровых инструментов на уроке в школе в 2023 году. Исследование проводилось в рамках практики магистрантов программы «Управление образованием» совместно с Лабораторией цифровой трансформации образования НИУ ВШЭ.

Целью исследования является изучение успешного опыта освоения учителями цифровых технологий на уроке в школе. Анкетирование проводилось с мая по июнь 2023 года, в нем приняли участие 244 педагога.

На данных исследования прослеживается эволюция использования цифровых инструментов в работе учителя - от применения цифровых технологий при подготовке к урокам до организации работы учеников. В результате был подготовлен отчет с перечнем цифровых инструментов, которые учителя называли для решения задач на уроке. Для каждой задачи учителя называли в среднем 13 инструментов (инструменты могли повторяться в разных задачах).

Было показано, что участие учителей в отдельных типах мероприятий по повышению уровня цифровых компетенций (курсы повышения квалификации, обсуждение практического опыта с коллегами и прохождение онлайн-курсов) может способствовать широте инструментария, которым учителя владеют и который используют для решения большего числа задач.

Подробнее о результатах исследования можно ознакомиться в источниках:

1. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Эволюция использования цифровых инструментов в работе учителя: от подготовки к урокам к организации работы учеников с помощью цифровых технологий. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/

2. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Практики использования цифровых технологий на уроке в школе: какие задачи учителя решают с помощью цифровых инструментов. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/

3. Стек цифровых инструментов на уроке в школе в 2023 году: аналитический отчёт // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/MjAE-JvEwmghJQ

4. Цифровые инструменты в школе: пользовательские истории учителей // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/VMIo8AE139QKiQ

== Встроить Google Sheets ==

=== Пример 2 ===
; https://docs.google.com/spreadsheets/d/15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE
|width=1000
|height=600
}}

== Получить данные для вики ==

{{#get_web_data:url=https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv
|format=csv with header
|data=Type=Type,Task=Task,Tool=Tool,Number=Number
}}

== Таблица ==

{| class="wikitable sortable"
! Type
! Task
! Tool
! Number {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Type}}}
{{!}} {{{Task}}}
{{!}}{{{Tool}}}
{{!}} {{{Number}}} }}
|}

Цифровые инструменты учителей

2024-03-09T21:26:06Z

MariaMyshkina:

{{Dataset
|Description=Датасет о том, какие инструменты используются учителями
|KeyDescripions=# Тип задачи,
# Задача,
# Название цифрового инструмента
# Количество упоминаний
|FileFormat‎=CSV
|Website=https://github.com/patarakin/education/blob/main/Digital_Tools_Schools2.csv
|launch year=2023
}}
[https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv CSV]

== Аннотация исследования ==
Датасет был собран по итогам исследования использования учителями цифровых инструментов на уроке в школе в 2023 году. Исследование проводилось в рамках практики магистрантов программы «Управление образованием» совместно с Лабораторией цифровой трансформации образования НИУ ВШЭ.

Целью исследования является изучение успешного опыта освоения учителями цифровых технологий на уроке в школе. Анкетирование проводилось с мая по июнь 2023 года, в нем приняли участие 244 педагога.

На данных исследования прослеживается эволюция использования цифровых инструментов в работе учителя - от применения цифровых технологий при подготовке к урокам до организации работы учеников. В результате был подготовлен отчет с перечнем цифровых инструментов, которые учителя называли для решения задач на уроке. Для каждой задачи учителя называли в среднем 13 инструментов (инструменты могли повторяться в разных задачах).

Было показано, что участие учителей в отдельных типах мероприятий по повышению уровня цифровых компетенций (курсы повышения квалификации, обсуждение практического опыта с коллегами и прохождение онлайн-курсов) может способствовать широте инструментария, которым учителя владеют и который используют для решения большего числа задач.

Подробнее о результатах исследования можно ознакомиться в источниках:

1. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Эволюция использования цифровых инструментов в работе учителя: от подготовки к урокам к организации работы учеников с помощью цифровых технологий. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/

2. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Практики использования цифровых технологий на уроке в школе: какие задачи учителя решают с помощью цифровых инструментов. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/

3. Стек цифровых инструментов на уроке в школе в 2023 году: аналитический отчёт // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/MjAE-JvEwmghJQ

4. Цифровые инструменты в школе: пользовательские истории учителей // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/VMIo8AE139QKiQ

== Встроить Google Sheets ==

=== Пример 2 ===
; https://docs.google.com/spreadsheets/d/15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE
|width=1000
|height=600
}}

== Получить данные для вики ==

{{#get_web_data:url=https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv
|format=csv with header
|data=Type=Type,Task=Task,Tool=Tool,Number=Number
}}

== Таблица ==

{| class="wikitable sortable"
! Type
! Task
! Tool
! Number {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Type}}}
{{!}} {{{Task}}}
{{!}}{{{Tool}}}
{{!}} {{{Number}}} }}
|}

Цифровые инструменты учителей

2024-03-09T21:25:48Z

MariaMyshkina:

{{Dataset
|Description=Датасет о том, какие инструменты используются учителями
|KeyDescripions=# Тип задачи,
# Задача,
# Название цифрового инструмента
# Количество упоминаний
|FileFormat‎=CSV
|Website=https://github.com/patarakin/education/blob/main/Digital_Tools_Schools2.csv
|launch year=2023
}}
[https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv CSV]

== Аннотация исследования ==
Датасет был собран по итогам исследования использования учителями цифровых инструментов на уроке в школе в 2023 году. Исследование проводилось в рамках практики магистрантов программы «Управление образованием» совместно с Лабораторией цифровой трансформации образования НИУ ВШЭ.

Целью исследования является изучение успешного опыта освоения учителями цифровых технологий на уроке в школе. Анкетирование проводилось с мая по июнь 2023 года, в нем приняли участие 244 педагога.

На данных исследования прослеживается эволюция использования цифровых инструментов в работе учителя - от применения цифровых технологий при подготовке к урокам до организации работы учеников. В результате был подготовлен отчет с перечнем цифровых инструментов, которые учителя называли для решения задач на уроке. Для каждой задачи учителя называли в среднем 13 инструментов (инструменты могли повторяться в разных задачах).

Было показано, что участие учителей в отдельных типах мероприятий по повышению уровня цифровых компетенций (курсы повышения квалификации, обсуждение практического опыта с коллегами и прохождение онлайн-курсов) может способствовать широте инструментария, которым учителя владеют и который используют для решения большего числа задач.

Подробнее о результатах исследования можно ознакомиться в источниках:

1. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Эволюция использования цифровых инструментов в работе учителя: от подготовки к урокам к организации работы учеников с помощью цифровых технологий. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/
2. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Практики использования цифровых технологий на уроке в школе: какие задачи учителя решают с помощью цифровых инструментов. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/
3. Стек цифровых инструментов на уроке в школе в 2023 году: аналитический отчёт // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/MjAE-JvEwmghJQ
4. Цифровые инструменты в школе: пользовательские истории учителей // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/VMIo8AE139QKiQ

== Встроить Google Sheets ==

=== Пример 2 ===
; https://docs.google.com/spreadsheets/d/15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE
|width=1000
|height=600
}}

== Получить данные для вики ==

{{#get_web_data:url=https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv
|format=csv with header
|data=Type=Type,Task=Task,Tool=Tool,Number=Number
}}

== Таблица ==

{| class="wikitable sortable"
! Type
! Task
! Tool
! Number {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Type}}}
{{!}} {{{Task}}}
{{!}}{{{Tool}}}
{{!}} {{{Number}}} }}
|}

Цифровые инструменты учителей

2024-03-09T21:24:18Z

MariaMyshkina:

{{Dataset
|Description=Датасет о том, какие инструменты используются учителями
|KeyDescripions=# Тип задачи,
# Задача,
# Название цифрового инструмента
# Количество упоминаний
|FileFormat‎=CSV
|Website=https://github.com/patarakin/education/blob/main/Digital_Tools_Schools2.csv
|launch year=2023
}}
[https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv CSV]

== Аннотация исследования ==
Датасет был собран по итогам исследования использования учителями цифровых инструментов на уроке в школе в 2023 году. Исследование проводилось в рамках практики магистрантов программы «Управление образованием» совместно с Лабораторией цифровой трансформации образования НИУ ВШЭ.

Целью исследования является изучение успешного опыта освоения учителями цифровых технологий на уроке в школе. Анкетирование проводилось с мая по июнь 2023 года, в нем приняли участие 244 педагога.

На данных исследования прослеживается эволюция использования цифровых инструментов в работе учителя - от применения цифровых технологий при подготовке к урокам до организации работы учеников. В результате был подготовлен отчет с перечнем цифровых инструментов, которые учителя называли для решения задач на уроке. Для каждой задачи учителя называли в среднем 13 инструментов (инструменты могли повторяться в разных задачах).

Было показано, что участие учителей в отдельных типах мероприятий по повышению уровня цифровых компетенций (курсы повышения квалификации, обсуждение практического опыта с коллегами и прохождение онлайн-курсов) может способствовать широте инструментария, которым учителя владеют и который используют для решения большего числа задач.

== Встроить Google Sheets ==

=== Пример 2 ===
; https://docs.google.com/spreadsheets/d/15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=15SxNn4E4qOPgrCGdxEI33tyQOV9tyBsD84q7EcmxbGE
|width=1000
|height=600
}}

== Получить данные для вики ==

{{#get_web_data:url=https://docs.google.com/spreadsheets/d/e/2PACX-1vRDkPwcesX1OrDIY3KbgnIlZSDIxyxfmkhNlzAr5RboND5kiQfrVEwsUzmvSMKJGFzdlu5KljP2nw1_/pub?output=csv
|format=csv with header
|data=Type=Type,Task=Task,Tool=Tool,Number=Number
}}

== Таблица ==

{| class="wikitable sortable"
! Type
! Task
! Tool
! Number {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Type}}}
{{!}} {{{Task}}}
{{!}}{{{Tool}}}
{{!}} {{{Number}}} }}
|}

== Дополнительные источники о результатах исследования ==

1. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Эволюция использования цифровых инструментов в работе учителя: от подготовки к урокам к организации работы учеников с помощью цифровых технологий. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/
2. Быковская Л.С., Клименко Н.Е., Мышкина М.О., Шонова С.Г. Практики использования цифровых технологий на уроке в школе: какие задачи учителя решают с помощью цифровых инструментов. Тезисы конференции 1С "Новые информационные технологии в образовании", 2024. [Электронный ресурс]. Режим доступа: https://educonf.1c.ru/conf2024/thesis/
3. Стек цифровых инструментов на уроке в школе в 2023 году: аналитический отчёт // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/MjAE-JvEwmghJQ
4. Цифровые инструменты в школе: пользовательские истории учителей // Материалы практики магистрантов программы «Управление образованием» НИУ ВШЭ, 2023. [Электронный ресурс]. Режим доступа: https://disk.yandex.ru/d/VMIo8AE139QKiQ

Virus on a Network

2024-03-09T20:36:32Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Первая из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).

Модифицированную модель Netlogo, а также результаты проведенных в BehaviorSpace экспериментов и скрипт в R для анализа результатов можно скачать по ссылке:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|Environment=NetLogo, R
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=320
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели было необходимо выполнить следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

Для проведения экспериментов были выбраны реалистичные базовые параметры для общеобразовательной организации: 50 человек в коллективе, каждый сотрудник имеет в среднем 3 устойчивые связи, инициаторами идеи являются 4 человека.
Остальные значения параметров взяты из предложенного диапазона на уровне средних значений за исключением параметра вероятности возникновения полного недоверия - его базовое значение было выбрано на уровне 20%.

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:18:49Z

MariaMyshkina: /* Переменные, задающие начальные условия */

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Первая из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).

Модифицированную модель Netlogo, а также результаты проведенных в BehaviorSpace экспериментов и скрипт в R для анализа результатов можно скачать по ссылке:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|Environment=NetLogo, R
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=320
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели было необходимо выполнить следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:18:37Z

MariaMyshkina: /* Переменные, задающие начальные условия */

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Первая из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).

Модифицированную модель Netlogo, а также результаты проведенных в BehaviorSpace экспериментов и скрипт в R для анализа результатов можно скачать по ссылке:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|Environment=NetLogo, R
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=300
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели было необходимо выполнить следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:18:12Z

MariaMyshkina: /* Переменные, задающие начальные условия */

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Первая из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).

Модифицированную модель Netlogo, а также результаты проведенных в BehaviorSpace экспериментов и скрипт в R для анализа результатов можно скачать по ссылке:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|Environment=NetLogo, R
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели было необходимо выполнить следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:17:57Z

MariaMyshkina: /* Переменные, задающие начальные условия */

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Первая из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).

Модифицированную модель Netlogo, а также результаты проведенных в BehaviorSpace экспериментов и скрипт в R для анализа результатов можно скачать по ссылке:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|Environment=NetLogo, R
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=350
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели было необходимо выполнить следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:17:21Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Первая из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).

Модифицированную модель Netlogo, а также результаты проведенных в BehaviorSpace экспериментов и скрипт в R для анализа результатов можно скачать по ссылке:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|Environment=NetLogo, R
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели было необходимо выполнить следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:16:02Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Первая из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).

Модифицированную модель Netlogo, а также скрипты в R для анализа результатов проведенных в BehaviorSpace экспериментов можно скачать по ссылке:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|Environment=NetLogo, R
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели было необходимо выполнить следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:14:15Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Первая из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).

Модифицированную модель Netlogo можно скачать по ссылке:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|Environment=NetLogo, R
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели было необходимо выполнить следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:12:17Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Первая из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели было необходимо выполнить следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:11:18Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели было необходимо выполнить следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:09:51Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели были выполнены следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:07:52Z

MariaMyshkina: /* Свойства модели при изменении начальных условий */

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели были выполнены следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем чаще возникают сомнения, тем меньше доля успешного распространения инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Virus on a Network

2024-03-09T20:04:40Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели были выполнены следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем чаще возникают сомнения, тем меньше доля успешного распространения инноваций.

[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Файл:Virus in a Network gain-resistance-chance 0 5 100.png

2024-03-09T20:04:35Z

MariaMyshkina: Virus_in_a_Network_gain-resistance-chance_0_5_100

== Краткое описание ==
Virus_in_a_Network_gain-resistance-chance_0_5_100

Файл:Virus in a Network recovery-chance 0 1 10.png

2024-03-09T20:03:58Z

MariaMyshkina: Virus_in_a_Network_recovery-chance_0_1_10

== Краткое описание ==
Virus_in_a_Network_recovery-chance_0_1_10

Файл:Virus in a Network virus-check-frequency 0-20.png

2024-03-09T20:03:00Z

MariaMyshkina: Virus_in_a_Network_virus-check-frequency_0-20

== Краткое описание ==
Virus_in_a_Network_virus-check-frequency_0-20

Virus on a Network

2024-03-09T20:01:15Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели были выполнены следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем чаще возникают сомнения, тем меньше доля успешного распространения инноваций.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]

Файл:Virus in a Network virus-spread-chance 0-10.png

2024-03-09T20:00:42Z

MariaMyshkina: Virus_in_a_Network_virus-spread-chance_0-10

== Краткое описание ==
Virus_in_a_Network_virus-spread-chance_0-10

Файл:Virus in a Network initial-outbreak-size 1 1 50.png

2024-03-09T20:00:09Z

MariaMyshkina: Virus_in_a_Network_initial-outbreak-size_1_1_50

== Краткое описание ==
Virus_in_a_Network_initial-outbreak-size_1_1_50

Файл:Virus in a Network average-node-degree 1 1 49.png

2024-03-09T19:57:59Z

MariaMyshkina: Virus_in_a_Network_average-node-degree_1_1_49

== Краткое описание ==
Virus_in_a_Network_average-node-degree_1_1_49

Virus on a Network

2024-03-09T19:57:07Z

MariaMyshkina: /* Свойства модели при изменении начальных условий */

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели были выполнены следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем чаще возникают сомнения, тем меньше доля успешного распространения инноваций.

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

Virus on a Network

2024-03-09T19:56:42Z

MariaMyshkina: /* Average-node-degree / Среднее число устойчивых связей у сотрудников организации */

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели были выполнены следующие шаги:
1) выбрать изучаемую переменную;
2) зафиксировать значения остальных переменных;
3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем чаще возникают сомнения, тем меньше доля успешного распространения инноваций.

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

Virus on a Network

2024-03-09T19:56:18Z

MariaMyshkina: /* Number-of-nodes / Численность сотрудников организации */

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели были выполнены следующие шаги:
1) выбрать изучаемую переменную;
2) зафиксировать значения остальных переменных;
3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus in a Network number-of-nodes 5 5 300.PNG |700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем чаще возникают сомнения, тем меньше доля успешного распространения инноваций.

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

Virus on a Network

2024-03-09T19:55:45Z

MariaMyshkina: /* Average-node-degree / Среднее число устойчивых связей у сотрудников организации */

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели были выполнены следующие шаги:
1) выбрать изучаемую переменную;
2) зафиксировать значения остальных переменных;
3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|200px|thumb|left|описание]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus in a Network number-of-nodes 5 5 300.PNG |700px]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем чаще возникают сомнения, тем меньше доля успешного распространения инноваций.

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

Virus on a Network

2024-03-09T19:54:56Z

MariaMyshkina: /* Number-of-nodes / Численность сотрудников организации */

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели были выполнены следующие шаги:
1) выбрать изучаемую переменную;
2) зафиксировать значения остальных переменных;
3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|200px|thumb|left|описание]]

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus in a Network number-of-nodes 5 5 300.PNG]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем чаще возникают сомнения, тем меньше доля успешного распространения инноваций.

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

Virus on a Network

2024-03-09T19:50:34Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели были выполнены следующие шаги:
1) выбрать изучаемую переменную;
2) зафиксировать значения остальных переменных;
3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

[[Файл:Virus in a Network number-of-nodes 5 5 300.PNG]]

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем чаще возникают сомнения, тем меньше доля успешного распространения инноваций.

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

Файл:Virus in a Network number-of-nodes 5 5 300.png

2024-03-09T19:49:16Z

MariaMyshkina: Virus in a Network number-of-nodes 5 5 300

== Краткое описание ==
Virus in a Network number-of-nodes 5 5 300

Virus on a Network

2024-03-09T19:46:36Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===

Для изучения свойств переменных модели были выполнены следующие шаги:
1) выбрать изучаемую переменную;
2) зафиксировать значения остальных переменных;
3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем чаще возникают сомнения, тем меньше доля успешного распространения инноваций.

==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.

Virus on a Network

2024-03-09T19:42:49Z

MariaMyshkina:

{{Model
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
Одна из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===

{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=360
}}



=== Переменные, задающие характеристики элементов модели ===

{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}



=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).

{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}



=== Схема взаимосвязей переменных в модифицированной модели ===

<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"

}
</graphviz>



== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель “Virus on a Network” ===
Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|width=800
|height=900
}}

=== Netlogo: модифицированная модель “Инновационная идея в организации” ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===
==== Number-of-nodes / Численность сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}
==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====

{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}
==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====

{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}

=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====

{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}
==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====

{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}
==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====

{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}
==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====

{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}

Virus on a Network

2024-03-09T19:41:13Z

MariaMyshkina: /* Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления */

Virus on a Network

2024-03-09T19:39:39Z

MariaMyshkina: /* Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения */

Virus on a Network

2024-03-09T19:38:08Z

MariaMyshkina: /* Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее */

Virus on a Network

2024-03-09T19:36:32Z

MariaMyshkina: /* Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети */

Virus on a Network

2024-03-09T19:35:15Z

MariaMyshkina:

Virus on a Network

2024-03-09T19:32:25Z

MariaMyshkina:

Virus on a Network

2024-03-09T19:25:46Z

MariaMyshkina:

Virus on a Network

2024-03-09T19:23:10Z

MariaMyshkina:

Virus on a Network

2024-03-09T19:14:06Z

MariaMyshkina:

Virus on a Network

2024-03-09T19:12:49Z

MariaMyshkina:

Virus on a Network

2024-03-09T19:06:29Z

MariaMyshkina:

Virus on a Network

2024-03-09T19:05:18Z

MariaMyshkina:

Virus on a Network

2024-03-09T19:03:26Z

MariaMyshkina:

Virus on a Network

2024-03-09T18:51:21Z

MariaMyshkina: