Молодежь и наука 21 века

Введение
Биологические исследования являются важным источником идей для появления новых моделей и методов в информатике. Широко известны исследования в области нейронных сетей и эволюционных алгоритмов. В этой работе будет рассмотрен довольно новый подход, основанный на иммунной системе и ее свойствах, кратко изложены ее основные модели и проблематика, а также предлагаются новые направления в исследованиях данной области.
Искусственные иммунные системы
Система иммунитета вызывает большой интерес вследствие ее важной роли в поддержании целостности организма. В упрощенном виде иммунитет представляет собой подсистему, существующую у позвоночных животных и объединяющую органы и ткани, которые защищают организм от заболеваний, идентифицируя и уничтожая опухолевые клетки и патогены. Основная роль иммунной системы заключается в распознавании всех клеток организма и классификации их как “своих” и “чужих”. Чужеродные клетки (антигены) подвергаются дальнейшей классификации с целью стимуляции защитного механизма соответствующего типа. Распознавание возбудителей усложняется их адаптацией и эволюционным развитием новых способов успешного инфицирования организма-хозяина. Попытки применить механизмы иммунной системы для решения прикладных задач породили новую область исследований - искусственные иммунные системы.
Искусственные иммунные системы (ИИС) - это адаптивные системы, построенные на основе наблюдаемых свойств и принципов функционирования естественных иммунных систем. ИИС представляют большой интерес, так как способны эффективно обрабатывать значительные объемы данных, их вычислительные возможности вытекают из свойств естественной иммунной системы. В современных исследованиях, в области ИИС, чаще всего авторы обращаются к отдельным функциям естественного иммунитета. Также распространен синтез свойств ИИС с алгоритмами из других направлений информатики.
Модели ИИС
Для объяснения иммунологических механизмов существуют различные теории и математические модели. Также имеется растущее число компьютерных моделей для имитации динамики различных компонентов иммунной системы и ее поведения в целом. Наиболее часто используются следующие три модели.
Форрест и др. предложили алгоритм отрицательного отбора для обнаружения изменений, построенный на основе принципов распознавания своего и чужого в системе иммунитета. Главное ограничение подхода состоит в вычислительной сложности создания детекторов, так как их количество растет экспоненциально по мере увеличения своего. Впоследствии Хелман и Форрест предложили более эффективный алгоритм генерации детекторов с линейной зависимостью от размерности своего.
Вторая модель основана на теории клональной селекции (отбора), которая описывает один из этапов иммунного ответа. Несмотря на сходство основных этапов данного алгоритма с генетическим алгоритмом, опишем существенные отличия данных подходов. Генетический алгоритм имеет тенденцию концентрировать целую популяцию индивидуумов к лучшему кандидату решения, а клональ-ный алгоритм позволяет получать разнообразное множество локальных решений, в том числе и глобальный оптимум. Что касается особенностей механизма работы клонального алгоритма, то следует заметить, что в данном алгоритме используется значение аффинности получаемого антитела (решения), для того, чтобы определить уровень мутации, который нужно применить к каждому члену популяции, в генетических же алгоритмах принимаемый уровень мутации обычно игнорирует пригодность индивидуального решения. Таким образом, клональный алгоритм предоставляет более адаптивные механизмы, чем генетические алгоритмы при поиске решений.
Ерне предложил гипотезу, согласно которой иммунная система представляет собой регулируемую сеть молекул и клеток, распознающих друг друга даже при отсутствии антигена. Такие структуры получили название идиотипиче-ских (иммунных) сетей. Они служат математической основой для изучения поведения иммунной системы. Теория Ерне основана на предположении, что различные клоны лимфоцитов друг от друга не изолированы, а поддерживают связь путем взаимодействия между своими рецепторами и антителами. В свою очередь антитела обладают набором специфических антигенных детерминант, называемых идиотопами. Следовательно, распознавание антигена осуществляется не единичным клоном клеток, а скорее на системном уровне, с участием различных клонов, взаимодействующих по типу антиген-антитело как единая сеть.
Актуальные проблемы
Обратим теперь внимание на проблемы связанные с исследованиями в области ИИС. Можно выделить три ключевых проблемы. Первая заключается в том, что в настоящее время существует лишь небольшое число вычислительных моделей, основанных на принципах работы иммунной системы. Это связывают с тем, что сохраняется неопределенность в основных положениях, предложенных для ее описания. Вторая проблема связана с самими исследователями - как утверждается в , некоторые исследователи лишь поверхностно изучают механизмы работы иммунной системы, что порождает публикации, ошибочно отнесенные к области ИИС. Это не означает, что подобные работы не заслуживают должного внимания, часто там изложены интересные идеи, но они имеют лишь косвенное отношение к ИИС. В качестве следующей проблемы обозначим сложность реализации механизмов иммунной системы, данная проблема существует во многих областях, где требуется моделирование сложных биологических процессов организма. Обозначив проблематику, перейдем к предполагаемым исследованиям.
Применение ИИС в задачах интеллектуальной обработки текстов
Работы по обработке текстов механизмами ИИС в основном затрагивают только классификацию текстов, не затрагивая другие обширные возможности по приложению ИИС в данной области. Например, механизм памяти, двойной пластичности и обучения в иммунной сети можно использовать для интеллектуальной обработки текста, а именно для автоматического аннотирования. Обученная сеть по шаблонным оборотам в предложениях и ключевым терминам будет выделять необходимые участки документа для последующей обработки. Во избежание проблем при обработке текстов схожих тематик, но из различных областей науки, предлагается изначально классифицировать текст и применять иммунную сеть, обученную на документах данного класса.
Другим примером может служить автоматическое определение автора текста. Данная задача решается основной функцией ИИС - распознаванием. Иммунная сеть в процессе обучения будет выстраивать связи, отвечающие за распознавание наиболее часто употребляемых автором терминов, при этом учитывать контекст, в котором они употребляются. Это достигается за счет выстраивания сложной иерархии взаимодействий между клетками-терминами в сети, которые оценивают правильность употребления выделенного термина в рассматриваемом контексте для текущего автора.
На этом возможности применения ИИС в обработке текстов не заканчиваются, и данная тематика требует более детального исследования.
Заключение
Данная работа дает представление о ИИС и возможностях, которые она открывает для ее практических применений. Уже сейчас ИИС находят свое применение во многих областях , и в дальнейшем количество областей их применения будет только увеличиваться. ИИС сравнительно новое направление среди работ по адаптации биологических процессов для решения прикладных задач, но уже очевидна важность исследований в данном направлении. Реализация, как отдельных механизмов иммунной системы, так и попытки смоделировать всю систему в различных областях науки и производства могут дать новые интересные результаты.

Введение
Проблемой автоматической классификации текстов по эмоциям научное сообщество заинтересовалось сравнительно недавно, поэтому данная область пока недостаточно изучена. Однако интерес к этой теме возрастает в связи с важными приложениями. Особенно необходима автоматическая классификация текстов по эмоциям для маркетинговых исследований, мониторинга новостей и форумов, аффективных вычислений (affective computing1) и приложений, таких как электронная среда обучения, интерфейсы на естественном языке, образовательные или развлекательные игры. Также использовать результаты анализа эмоций можно для генерации текстов, выражающих эмоции.
Задача распознавания эмоций в тексте
Для задачи автоматической классификации текстов по эмоциям выделяют семь основных классов эмоций : счастье, печаль, гнев, отвращение, удивление, страх, а также нейтральные эмоции. Для упрощения задачи классификации используется разделение эмоций на положительные, отрицательные и нейтральные. Исследование эмоций в тексте может проводиться с двух точек зрения. Во-первых, можно исследовать, как влияют эмоции автора текста на выбор определенных слов или других языковых элементов. Во-вторых, как читатель интерпретирует эмоции в тексте, и как используются языковые средства для выражения эмоций писателя. Особенно интересно как люди выражают эмоции; узнав это, можно имитировать данный процесс в компьютерной программе. На сегодняшний день существует множество исследований лингвистов, определяющих, что является показателями эмоций в тексте и как используются языковые элементы для передачи этих эмоций.
Методология
Существуют два основных подхода для классификации эмоций: символический подход (symbolic techniques) и подход машинного обучения (machine learning techniques). В символическом подходе используются созданные вручную правила и словари, а в подходе машинного обучения автоматически строится математическая модель на основе большого обучающего набора.
Среди символических методов выделяют:
1. метод, основанный на словаре. В данном методе текст рассматривается как набор слов без учета любых отношений между отдельными словами. Определяется эмоция каждого слова, затем эти значения объединяются при помощи некоторой функции (например, среднее или сумму). Определение эмоции одного слова можно производить с использованием:
веб-поиска
лексических баз данных (например, WordNet).
1) Метод, определяющий эмоциональную окраску предложений (sentiment of sentences). Простое обнаружение эмоций слов может определить, является ли предложение положительно или отрицательно ориентированным, однако не объясняет к какой теме данное чувство направлено. Поэтому в данном методе кроме определения эмоции слов, рассматриваются также отношения между словами в предложении.
В методах машинного обучения наиболее важным решением при классификации текстов является выбор модели представления документов. Существует несколько основных подходов к выбору моделей:
документ представлен в виде вектора, где элементы указывают на частоту появления слова в документе;
документ представлен не отдельными словами, а парами, тройками или даже большей подпоследовательностью слов из заданной последовательности (например, предложения);
документ представлен леммами слов, а не их буквальным представлением в тексте;
o документ представлен только его прилагательными. К методам машинного обучения относятся:
метод опорных векторов. Данный метод предназначен для построения гиперплоскости, разделяющей два множества объектов. Если объекты линейно неразделимы, то строится гиперплоскость, разделяющая объекты с наименьшей возможной ошибкой.
Наивный метод Байеса. Это вероятностный метод построения математической модели, основанный на применении теоремы Байеса со строгими (наивными) предположениями о независимости слов текста (появление одного слова не зависит от появления другого).
Метод максимальной энтропии. Существует несколько математических моделей, для которых объекты удовлетворяют ограничениям, наложенным на эти модели. Для классификации из данных моделей выбирается та, которая имеет максимальную энтропию.
Нерешенные проблемы
Используя методы, описанные выше, можно получить достаточно хорошие результаты, однако остаются нерешенными ряд проблем в данной области:
определение отношения эмоций к конкретной теме. Часто бывает, что человек высказывает свое мнение по отношению к нескольким темам в рамках одного текста или предложения. Когда предложение содержит много негативных эмоций, выраженных к другой теме, отличной от той, которую мы исследуем, предложение классифицируется как отрицательное, хотя в действительности это может быть неверно.
Нейтральный текст. Не весь текст положительно или отрицательно ориентирован. Часто полезным бывает определить, какой фрагмент текста выражает субъективное, а какой объективное содержание. К субъективному содержанию относится мнение, оценка, эмоции писателя, а объективное используется для передачи предметной, фактической информации.
Межпредметная классификация. Классификатор, обученный на данных из одной предметной области, часто непригоден для использования его на другой предметной области. Исследования Aue А. и др. показывают, что анализ эмоций является предметно-ориентированной проблемой и достаточно трудно создать предметно независимый классификатор. Одним из возможных решений является обучение классификатора на смешанном наборе данных из разных предметных областей.
4) Качество текста. Автоматически собранные тексты могут содержать большое количество ненужной информации (”шума”), которая должна быть возвращена (например, меню сайтов, ссылки и др.). Данная информация может быть смешана с необходимыми нам данными, что делает фильтрацию более трудной. Также язык, используемый писателями, может содержать много сленга и опечаток. Все это оказывает негативное влияние на классификацию, особенно “шум” может запутать машинное обучение, предоставив объекты с большим числом ненужных признаков.
Очевидно, что решение данных проблем позволит улучшить эффективность классификации текстов по эмоциям.
Направления наших исследований
В нашем исследовании планируется провести ряд экспериментов для выявления наиболее эффективного метода машинного обучения при различных моделях представления документов. В дальнейшем предлагается скомбинировать найденный оптимальный метод с символическим методом, определяющим эмоциональную окраску предложений, что позволит определять принадлежность эмоции к конкретной теме.
Для обучения классификаторов планируется создание репрезентативных русскоязычных коллекций для классификации по эмоциям текстов, относящихся к разным предметным областям. При использовании смешанного набора данных для обучения, будет возможно правильно определять эмоциональную окраску слова для конкретной темы. Например, словосочетание “непредсказуемый руль” имеет негативную эмоциональную окраску, в то время как “непредсказуемый сюжет” выражает положительные эмоции.
Для определения эмоциональной окраски отдельного слова необходимо на основе специальных лингвистических исследований выявить ключевые закономерности использования языковых средств для выражения эмоций в русском языке.
Заключение
В данной работе приведена постановка задачи автоматической классификации текстов по эмоциям и дан обзор методов, используемых для решения этой задачи. Хотя многие из методов показывают неплохие результаты, существует еще множество проблем в данной области, которые требуется преодолеть. Кроме того, необходима разработка новых методов, позволяющих эффективно классифицировать тексты по семи и более классам эмоций.

Тестирование является эффективным средством проверки качества знаний, получаемых студентами, и оперативного контроля хода обучения. Данный процесс гораздо проще реализовать с помощью компьютерной тестирующей системы. Задача построения тестирующих систем, как составной части интеллектуальной обучающей системы, обусловлена следующими преимуществами тестирования как способа проверки знаний:
Простота решения исходной задачи построения системы.
Возможность дополнения тестирующей системы в процессе использования.
Достаточно простая схема практического использования.
Привлекательность для пользователя за счет сокращения времени и усилий, затрачиваемых на проверку знаний.
Под тестирующей системой, в данном случае, понимаются две программы: программа, в которой создаются файлы с тестом и программа, в которой проводится тестирование непосредственно. Чтобы быть наиболее привлекательной для пользователя, который проходит тестирование, эта система должна иметь следующие черты:
Интересный и понятный интерфейс программы (пользователь не должен думать,что произойдет, если он нажмет на ту или иную кнопку - все должно быть очевидно; нельзя использовать “ядовитые” цвета, режущие глаз и т.д.).
Возможность пройти тестирование в режиме обучения.
Подробная статистика прохождения по окончании тестирования (пользователь вправе знать какие ошибки он допустил при ответе на вопросы).
Для человека же, который будет создавать тесты, то есть для преподавателя важны другие факторы:
Разнообразие типов тестовых заданий (с выбором одного правильного ответа, нескольких правильных ответов из фиксированного набора и т.д.).
Защиту файла теста от несанкционированного изменения.
Разнообразие режимов использования в тестировании (обучающее тестирование, тренировочное тестирование, контрольное тестирование).
Дифференциация оценки тестовых заданий (возможность назначения различных баллов разным вопросам, учет частично правильных ответов и т.д.).
Возможность использования в тестах графических иллюстраций, анимации, аудио- и видеоинформации.
Наличие инструментов анализа результатов тестирования и оценки качества тестовых материалов.
Независимость данной программы от конкретной ОС.
Возможность online тестирования.
Современные системы тестирования обладают многими из данных качеств, но далеко не все из них могут предоставить дистанционное (online) тестирование. Они часто привязаны к одной операционной системе, что не очень практично в настоящее время, когда повсеместно внедряют бесплатные операционные системы на базе Linux. И очень большая проблема сегодняшних компьютерных систем тестирования - это их невыразительный интерфейс: у учащегося, скорее всего, пропадет все желание проходить тестирование, если перед собой он увидит скучную серую форму приложения с парой кнопок.
Далее рассмотрим сами задания. Количество вопросов, как правило, ничем не ограничено, но, на мой взгляд, самым оптимальным был бы тест состоящий из 50, максимум 60 вопросов - это опять же связано с тем, что ученику простонапросто наскучит отвечать на огромное количество вопросов, и в конце концов он начнет давать ответы наугад, а в этом случае результаты тестирования будут уже не объективными.
Количество вопросов напрямую связано с их сложностью. Например, если предоставить ученику одинаковое количество вопросов с выбором нескольких вариантов ответа, или с ручным вводом, или же с выбором одного верного изображения - скорее всего ученик быстрее выполнит задания с изображениями, т.к. они наиболее наглядны. Это нужно учитывать при составлении тестов и не использовать один тип вопросов.
Также интересен вопрос с ограничением времени на прохождение теста. Здесь можно продумать следующие возможности:
а) ограничение по времени на весь тест;
б) ограничение по времени на каждый вопрос;
в) без ограничения по времени.
Каждый из указанных пунктов хорош по-своему. Первый задаст жесткое ограничение прохождения всего теста, что позволит завершить тестирование точно в срок (например, в 1 час). Второй - тем, что не подтолкнет ученика не засиживаться надолго над каждым вопросом: зачастую правильный ответ приходит в первые секунды, но потом может быть изменен на неверный. Третий же полезен в тестах, где требуется вводить ответы вручную, либо производить сложные математические вычисления и время прохождения теста неважно.
После прохождения теста испытуемый, скорее всего, захочет узнать подробную статистику прохождения теста и это можно ему предоставить, но лучше сделать эту возможность опциональной - пусть преподаватель сам решить нужно ли ученику узнавать статистику по каждому вопросу или же просто получить общий балл прохождения.
Далее встает вопрос - как оценивать результаты тестирования - по Классической теории тестирования (Classical Test Theory - CTT), либо по современной (Item Response Theory - IRT).
Большинство из вышеперечисленных задач по традиции (или скорее по привычке) решаются сегодня психологами при помощи классической теории тестирования. CTT была разработана для анализа и построения тестов. Она рассматривает полученные при тестировании баллы как постоянные числа, и основывается на изучении статистик от начальных данных. При многих своих достоинствах, таких как простота и привычность, CTT имеет и ряд недостатков:
Сложно сравнить сходные особенности обследованных, выявленные при помощи разных методик.
Сложно оценить уровень выраженности тех или иных качеств, измеряемых диагностической методикой в независимости от уровня проявленности этих качеств в группе испытуемых. Это происходит в результате того, что тест, созданный и обработанный при помощи классической теории тестирования, будет наиболее адекватным образом оценивать именно ту группу обследуемых, для которой он предназначался, и, применяя его для обследования другой группы, мы будем сравнивать испытуемых не друг с другом или определенным объективным показателем, а с испытуемыми из базовой группы.
Тестовые баллы по-разному достоверны для разных испытуемых: в экстремальных случаях оценки менее надежны (достоверны), чем в середине распределения.
В целом классическая теория недостаточна надежна и универсальна.
Для решения этих проблем классической теории тестирования была разработана современная теория тестирования (IRT), которая предполагает, что получаемые при тестировании баллы испытуемых определяются ненаблюдаемыми переменными - латентными параметрами и имеет следующие достоинства:
Характеристики заданий не зависят от группы испытуемых, при помощи которой они были получены.
Оценки проявленности того или иного диагностического параметра у испытуемого не зависят от используемой диагностической методики.
Благодаря итерационной процедуре нахождения оценок параметров IRT учитывает степень значимости (”вес”) ответа на каждый вопрос методики для получения конечного балла.
Чтобы учесть все это, пришлось бы создавать две системы тестирования, но более простой путь - предоставить выбор преподавателю. Т.е. сделать возможность присваивания балла каждому ответу, и создания формулы, в которой преподаватель сам учтет, какой результат он хочет получить от тестирования.

В связи со сложившейся внешней и внутренней обстановкой в нашей стране в современном образовании актуализируется гуманистическая и личностная направленность образовательного процесса, определяющего учащегося не ведомым объектом, а рефлексирующим субъектом образовательного процесса. Реализация этого подхода возможна только при новом взгляде на учебный процесс в целом и методические материалы в частности. В данной работе внимание уделяется средствам преподавания информатики в школе и других учебных заведениях.
Информатика (ср. нем. Informatik, фр. Informatique, англ. computer science - компьютерная наука - в США, англ. computing science - вычислительная наука - в Великобритании) - наука о способах получения, накопления, хранения, преобразования, передачи и использования информации. Она включает дисциплины, так или иначе относящиеся к обработке информации в вычислительных машинах и вычислительных сетях. В современном мире термин “информатика” и связанные с ним понятия плотно вошли в быт простых граждан. Почему же так происходит? Ответ очень прост: компьютерная техника с каждым годом все больше развивается и сфера применения компьютерных технологий увеличивается. А поскольку сфера применения компьютерной техники растет, растут и запросы на квалифицированных специалистов, способных решать поставленные задачи. Для того, чтобы обучить такого специалиста, нужно в корне пересмотреть все ступени образования человека в данной сфере. Первой ступенью является школа, где начинается курс изучения такого предмета, как информатика. Эта ступень нас сейчас и интересует.
Давайте посмотрим, что же сейчас учат дети по информатике в школе, и с какими знаниями выходят после 11 класса. Существует множество учебников и программ по информатике. Авторы делают упор на какую-то отдельную содержательную линию. Одни авторы уделяют больше времени алгоритмизации и программированию (к примеру, автор А. Г. Гейн ). Другие же считают, что эта линия не является столь важной при изучении информатики и выдвигают на первый план другую содержательную линию курса, например информационные технологии (к примеру, автор Н. Г. Семакин ). Однако есть авторы, которые не делают упор на отдельно взятое направление информатики, а стараются в равной мере осветить все содержательные линии (к примеру, Н. В. Макарова ). Тем не менее, мы не можем осудить позицию одних авторов и одобрить позицию других авторов. Везде есть свои преимущества и недостатки. Повсеместно считается, что обе позиции должны быть совмещены в рамках изучения информатики в школе, ведь только при симбиозе двух противоречивых позиций к обучению получается мощное ядро для получения знаний, самоопределения и саморазвития. Как же совместить казалось бы несовместимое? В принципе, это не так сложно. Сейчас все большее распространение получает профильное обучение в школах. Можно рассмотреть такой вариант, что в базовом курсе информатики и в профильных классах гуманитарного направления следует оставить ту учебную программу, которая в равной мере освещает все содержательные линии предмета “информатика”. А вот в классах физико-математического направления делать разбивку класса на подгруппы и каждой подгруппе в расписании ставить отдельно занятия. Цель разбивки на подгруппы такова: каждая подгруппа будет углубленно изучать отдельно взятую содержательную линию и углубляться в интересующем ее направлении. Так же, параллельно с плановыми занятиями по информатике, можно (даже целесообразно, на мой взгляд) ввести факультативные занятия по информатике, где будут изучаться те вопросы информатики, которые не отражены в базовом курсе, но интересны ученикам.
Рассмотрим преимущества и недостатки электронных учебников по сравнению с привычными бумажными книгами.
Электронные учебники очень удобная и полезная вещь. Если бумажный вариант учебника нужно покупать, причем практически каждый год учебники переиздаются и в них появляются расхождения в содержании, что вынуждает покупать каждый год новые книги, то с электронными книгами все гораздо удобнее и проще. Электронные книги находятся в основном в свободном распространении (в частности разрабатываемый учебно-методический комплекс). Если в книгу нужно внести изменения, то достаточно просто изменить один файл и обновить копию на сервере электронных ресурсов; далее его можно будет просто скачать. Как известно, ученики нашего времени очень сильно связаны с компьютером, который имеется практически у каждого. Поэтому, с точки зрения психологии, некоторым детям может быть проще принять информацию и усвоить ее, если она будет исходить от своей “любимой игрушки” ребенка.
Преимуществом данного электронного учебника будет являться то, что он будет для детей легко усваиваемым и интересным. В данном электронном ресурсе будут учитываться индивидуальные способности ученика в изучении предмета, так же будет присутствовать развитый поисковый механизм. Электронный ресурс будет обладать очень простой и удобной навигацией, с которой сможет работать даже неопытный пользователь, что делает этот учебник доступным как учителям, так и ученикам и родителям учащихся.
Учебник будет один для всего курса обучения в школе и будет опираться на изложенную выше концепцию обучения информатике в школе. В нем будут учтены современные требования общества к знаниям дисциплины, так же учтутся возрастные особенности восприятия информации у детей. Программа учебника будет являться итогом долгой и кропотливой работы над анализом имеющихся на сегодняшний день учебно-методических комплексов и соберет в себе положительные черты современных учебных программ и пособий. Приступить к работе с данным учебником будет легко, т.к. к нему будет прилагаться специально разработанный учебно-методический комплекс, включающий в себя учебную программу, контрольно-измерительные материалы и программу-тестер для составления и проведения тестирования среди учащихся.
Если запустить данную систему, то можно смело надеяться на светлое будущее. Причин несколько:
Ученики будут более заинтересованы в изучении информатики.
Ученики будут с одной стороны знать учебный минимум по всем содержательным линиям курса информатики, а с другой стороны будут начинающими специалистами в выбранном ими направлении.
3. Учебно-методический комплекс составлен с учетом возрастных и индивидуальных особенностей учащихся разных классов.
Такая система обучения является смесью классической системы обучения и системы обучения Монтессори, при которой ребенок сам выбирает, что он хочет изучать, а учитель является только помощником в изучении материала. Это способствует более качественному усвоению материала, а, значит, повышает качество образования в целом.

В современных условиях социальная защита населения является неотъемлемой частью социальной политики любого цивилизованного государства.
Система социальной защиты существует во многих странах мира. В экономически развитых государствах она является важнейшей частью национальной экономики, затраты на нее сегодня составляют более четверти валового внутреннего продукта.
Большинство систем социальной защиты включают в себя следующие основные составные элементы:
o пенсионное страхование (по старости, инвалидности, потери кормильца);
медицинское страхование;
страхование от несчастных случаев на производстве;
страхование по безработице.
В зарубежной и отечественной исследовательской литературе такие системы обозначаются как системы социального страхования. Однако, это наименование представляется двусмысленным, поскольку не все части систем социальной защиты основываются на принципе социального страхования. К системе социальной защиты наряду с приведенными выше элементами принадлежат также социальная помощь и социальные трансферты в рамках жилищной, образовательной и семейной политики. В реальной практике существуют все перечисленные виды социальной защиты населения, однако определяющей формой из них в условиях рыночной экономики является обязательное социальное страхование.
Основной предпосылкой, обусловившей появление социального страхования, была и остается рисковая природа человеческого существования. Процесс воспроизводства человека подвержен рискам прерывания на физиологическом, экономическом и социальном уровнях. В условиях рыночной экономики социальные риски для подавляющей части населения принимают форму потери трудового дохода как основного источника существования.
В настоящее время системы социального страхования наиболее развиты в странах Европейского союза. Именно в них появились и получили развитие первые социальные программы. Благодаря наличию достаточно эффективных систем социального страхования современные европейские экономики получили название социально ориентированных. Опыт западно-европейских государств свидетельствует о том, что существование продуманной системы социального страхования, охватывающей всех граждан, не только приводит к улучшению их благосостояния, расширяет и укрепляет трудовые ресурсы страны, но и способствует экономическому росту и стабилизации политической и социальной ситуации в стране. Тем самым социальное страхование оказывает позитивное влияние на общество, содействуя социальному согласию и обеспечению общего чувства социальной защищенности среди его членов.
Современная система государственной социальной защиты населения в странах ЕС включает две организационные формы: социальное страхование и социальное обеспечение, финансируемое за счет средств государственного бюджета. Посредством этих двух форм перераспределяется почти 30% валового продукта стран - членов ЕС.
Во всех странах превалируют обязательные формы социальной защиты, основу которой составляет социальное страхование. Вместе с тем, три европейских государства - Великобритания, Нидерланды и Франция - не укладываются в рамки традиционных моделей. В Великобритании социальное обеспечение, социальное страхование и дополнительное личное страхование имеют приблизительно одинаковое значение. В Нидерландах средства, поступающие по личному страхованию, превышают размеры государственного социального обеспечения в 2 раза, а во Франции они почти равны. Если принять в расчет не только страховые премии данного года, но и все резервы (накопленные премии), то к началу XXI в. в Великобритании они превысили среднегодовой объем обязательных форм социальной защиты в 6 раз, в Нидерландах - в 5, а во Франции- в 1,4 раза. В целом по ЕС средства, накопленные страховыми компаниями и пенсионными фондами, превышают годовой оборот обязательной социальной защиты в 2 раза.
Для европейских стран характерна тенденция роста применения коллективных и индивидуальных моделей социальной защиты и социального страхования, которые призваны дополнить обязательные формы, а в будущем и оттеснить их на задний план. Реальная ситуация такова, что социальное страхование остается на сегодняшний день наиболее распространенным и весомым элементом системы обязательной социальной защиты большинства государств. В европейских странах объем средств, ежегодно проходящих через механизм социального страхования, в 2 раза превышает ассигнования государственного бюджета и в 3 раза - поступления на дополнительную защиту.
Как видно, системы социального страхования развитых европейских стран имеют общие особенности и демонстрируют схожие тенденции в своем развитии, несмотря на национальную специфику. Прежде всего, это относится к функциональной организации социального страхования, формам его проведения и видам социальных выплат.
Поставленная в России задача создания социально ориентированной рыночной экономики требует осмысления характера развития и специфики функционирования систем социального страхования в других странах. Такое осмысление может помочь определить пути дальнейшего развития этого института в нашей стране.
В частности, необходимо иметь в виду такие аспекты построения систем социального страхования в экономически развитых странах, как:
организация социального страхования в обязательной и добровольной формах (в том числе, на уровне корпоративных структур), а также в сочетании этих форм, предусмотренном законом;
участие работающих граждан в уплате доли страховых взносов (страховой премии) наряду с работодателями и государством (или штатом, федеральной землёй, другим административно-территориальным субъектом).
Таким образом, нынешнее состояние российской системы социальной защиты открывает благоприятные возможности для использования наиболее удачных и эффективных примеров из опыта социально-экономического развития отдельных стран. Именно поэтому дальнейшее исследование зарубежной практики формирования, организации и функционирования систем социального страхования представляется актуальным для современной России.