Fuzzy cognitive map
Una fuzzy cognitive map o fcm è una rappresentazione grafica delle conoscenze o delle percezioni di un sistema dato, e si chiama così perché è la combinazione fra mapping cognitivo e logica fuzzy. Il mapping cognitivo si basa sulla teoria dei grafi, che è alla base della maggior parte degli algoritmi di calcolo e soluzione di problemi. Consiste di fattori, o concetti, o nodi, collegati con linee. Applicando alle linee i valori fuzzy fra 0 e 1 queste mostrano la forza dei legami tra i fattori. Una mappa cognitiva fuzzy diventa così un modello di struttura sistemica. Calcolando le influenze dei fattori in modo iterativo, come fanno le reti neurali, si evidenziano le tendenze del sistema, o si possono simulare le conseguenze di scenari diversi. Algoritmi di apprendimento e metodologie di adattamento sono usati per calcolare e aggiornare i pesi delle relazioni delle mappe cognitive fuzzy e rappresentare meglio la dinamica delle situazioni reali rappresentate.
Una fcm è una mappa cognitiva in cui le relazioni fra gli elementi di una rappresentazione mentale possono essere usate per calcolare la forza di impatto degli elementi del sistema rappresentato. E’ una maniera formale di rappresentare conoscenze scientifiche e sociali, e un modello per prendere decisioni sociali e politiche di tipo sistemico, calcolate con la logica fuzzy.
E’ un tipo di mappa concettuale parametrizzata con cui si può trasformare un modello qualitativo statico in un modello dinamico semi-quantitativo. La conoscenza è rappresentata definendo tre caratteristiche di un sistema:
• i suoi componenti (i nodi della mappa concettuale),
• le relazioni positive o negative fra i componenti (i link fra i nodi),
• il livello di influenza che un componente può avere sull’altro (i valori fuzzy fra 1 e -1 attribuiti ad ogni link).
I meccanismi di analisi di una fcm usano analisi di relazioni a coppie fra i concetti inclusi in un modello, basate sulla teoria dei grafi. In tal modo è possibile esaminare le percezioni di un problema ambientale o sociale, o modellizzare un sistema complesso con alto grado di incertezza e dati empirici limitati. Una volta costruito il modello, aumentando o diminuendo i parametri si possono osservare i cambiamenti dei vari scenari simulati, con indicazioni utili in molte discipline scientifiche, dalle scienze politiche all’economia e all’ecologia.
L’analisi fcm ha lo scopo di scoprire e interpretare le relazioni fra le entità di una mappa cognitiva e di comprenderne le proprietà strutturali e le dinamiche. Il confronto fra mappe fuzzy che rappresentano diversi momenti e aspetti del sistema esaminato permette di paragonare i dati e valutare le tendenze, combinandosi con altri metodi di modellazione, previsione e presa di decisioni.
Una mappa cognitiva fuzzy ha la capacità di rappresentare processi di feedback, simulare cambiamenti del sistema basati sul “se…allora…”, valutare l’influenza di scenari diversi sui componenti del sistema. E’ particolarmente efficace nei casi in cui è difficile quantificare situazioni in cui il comportamento umano gioca un ruolo significativo; nei casi in cui i dati sono incompleti o mancanti, ma possono essere integrati con informazioni locali, interne, tradizionali; quando problemi complessi con più punti di vista non richiedono risposte semplici, e possono essere risolti solo con soluzioni di compromesso e di approssimazione; infine, quando è importante gestire l’opinione pubblica, dato che l’fcm ottimizza i flussi di informazioni fra i partecipanti al progetto e gli stakeholder. La combinazione di metodi qualitativi e quantitativi in una fcm la rende utile per valutare il coinvolgimento e l’impatto degli stakeholder nei confronti di un progetto, per estrarre e analizzare differenti tipi di conoscenza sui sistemi complessi, la loro struttura e il loro funzionamento, e per osservare la dinamica delle relazioni fra i nodi della rete rappresentata con la mappa, che quantifica con valutazioni fuzzy i punti di vista e le percezioni dei differenti stakeholder.
L’fcm è utile per raccogliere informazioni sulla percezione dei soggetti che intervengono come agenti su un progetto, per generare scenari realistici e appropriati, per creare modelli partecipativi, per confrontare punti di vista diversi sul funzionamento di sistemi complessi, per sviluppare l’apprendimento sociale, per integrare diversi tipi di conoscenza, come quella degli esperti, la conoscenza locale e quella tradizionale, per analisi olistiche di sistemi socio-economici.
