An extraction of key variables for long-term trends using a modified cross-impact matrix

• Autorzy: Łabędzka J.

Warianty tytułu

PL

Ekstrakcja czynników kluczowych determinujących trendy długoterminowe z wykorzystaniem zmodyfikowanej macierzy krzyżowej analizy wpływów

• Języki publikacji: EN

Abstrakty

EN

The traditional approach to forecasting lies in the assumption that, by applying a set of powerful analytic tools, the future could be predicted accurately enough to choose an appropriate strategic direction for it. The process often involves underestimating either expert knowledge or quantitative methods side in order to lay out a vision of long-term future to be captured in scenarios. Computer science offers a variety of methods and computer tools to facilitate the process of strategy formulation. The identification of impactful changes, called “key variables,” “key factors,” “rely variables” or “driving forces,” within the environment that are likely to take place helps to reduce the uncertainty of the future and could be utilised throughout the strategy making process. Key variables shaping the long-term future are identified by some of the following questions: What are the driving forces? What is uncertain? What is inevitable? This paper demonstrates an original approach to variable selection by modelling a comprehensive dataset of variables using a wide variety of both technical and non-technical parameters indicated by experts. The extraction of key variables that significantly influence future changes of technological, environmental, political, and social phenomena is done with the modified cross-impact matrix. The proposed method contains a sequence of qualitative and quantitative procedures to overcome some obstacles that occur within the classical cross-impact method.

PL

Dynamika i charakter zachodzących we współczesnym świecie zmian implikuje tworzenie nowych lub modyfikację istniejących metod i technik wspomagających przewidywanie przyszłych warunków badanego systemu i makrootoczenia. Tradycyjny model prognozowania bazuje na założeniu, że wykorzystanie zaawansowanych narzędzi analitycznych umożliwia na tyle precyzyjnie przewidzieć przyszłość, by móc na tej bazie wyznaczać kierunki strategiczne prowadzące do ustalonej wizji przyszłości. W procesie identyfikacji prognoz długoterminowych występuje z jednej strony niedocenienie wartości wiedzy eksperckiej lub też z drugiej przeszacowanie możliwości podejścia czysto ilościowego. Współczesne systemy informatyczne oraz wiedza matematyczna oferują ogromne możliwości i zasoby narzędzi, metod i technik wspomagających proces formułowania strategii oraz integrujących podejście ilościowe i jakościowe. Wiedza w zakresie czynników kluczowych zmian w przyjętym horyzoncie czasowym dla analizowanego obszaru nauki czy techniki umożliwia redukcję niepewności oraz intencjonalne kształtowanie dynamiki czynników w celu osiągnięcia zaprogramowanej wizji przyszłości. W artykule zaprezentowano autorską modyfikację metody wpływów krzyżowych, w wyniku której dotychczas otrzymywano rezultaty charakteryzujące się wysoką subiektywnością i niską powtarzalnością. Zaproponowano zastosowanie aparatu matematycznego, który umożliwił zdefiniowanie precyzyjnych kryteriów ekstrakcji czynników zmian, efektywne modelowanie wiedzy eksperckiej oraz zwiększenie obiektywności i powtarzalności otrzymywanych wyników, co ma istotne znaczenie dla spójności i wiarygodności formułowanych na tej podstawie planów strategicznych.

Słowa kluczowe

EN

key variables; key factors; cross impact matrix; structural analyses; long-term forecasting; computer science; strategic planning; foresight

PL

czynniki kluczowe; macierz wpływów bezpośrednich; analiza strukturalna; prognozowanie; informatyka; planowanie strategiczne; foresight

• Wydawca: Wydawnictwo Naukowe Instytutu Technologii Eksploatacji - Państwowego Instytutu Badawczego
• Czasopismo: Problemy Eksploatacji
• Rocznik: 2016
• Tom: no. 1
• Strony: 55--63
• Opis fizyczny: Bibliogr. 23 poz., rys.

Twórcy

autor

Łabędzka J.

• Institute for Sustainable Technologies – National Research Institute, Radom

Bibliografia

• 1. Arcade J., Godet M., Meunier F., Roubelat F., Structural analysis with the MicMac method & Actors’ strategy with Mactor method, AC/UNU Millennium Project Futures Research Methodology, 1994.
• 2. Asan U., Bozdag C.E., Polat S., A fuzzy approach to qualitative cross impact analysis, Omega 32 (2004), pp. 443–458.
• 3. Godet M., From anticipation to action, A handbook of strategic prospective, UNESCO, 1993.
• 4. Gordon T.J., Cross-Impact Method, A Publication Of United Nations Development Program's African Futures Project In Collaboration With The United Nations University's (Unu's) Millennium Project Feasibility Study – Phase, 1994.
• 5. Gordon T.J., Cross-Impact Method, AC/UNU Millennium, Project Futures Research Methodology, 1994.
• 6. Gordon T.J., Glenn J.C., Futures research methodology, Version 2.0Millennium Project of the American Council for the United Nations University, 2003 July.
• 7. Gordon T.J., The Delphi Method, Futures Research Methodology, AC/UNU Millennium Project, 1994.
• 8. Gordon T.J., Trend Impact Analysis, Futures Research Methodology, AC/UNU Millenium Project, 2004.
• 9. Klingner R., Fraunhofer Future Topics – FTA as part of the strategic planning of a contract-research organisation, Third International Seville Seminar On Future-Oriented Technology Analysis: Impacts And Implications For Policy And Decision-Making, Seville, 16–17 October 2008.
• 10. Kane J., A primer for a new cross-impact language – KSIM, Technological Forecasting & Social, Change, 4, 1972, pp. 129–142.
• 11. Weimer-Jehle W., Cross-impact balances: A system-theoretical approach to cross-impact analysis, Technological Forecasting and Social Change, Vol. 73, Nr 4, 2006, pp. 336.
• 12. Destatte P., Evaluation of Foresight: how to take long term impacts into consideration?, FOR-LEARN Mutual Learning Workshop: Evaluation of Foresight, Brussels, 2007.
• 13. Chao K., A new look at the cross-impact matrix and its application in futures studies, Journal of Future Studies, Vol. 12, Nr 4, 2008, pp. 45.
• 14. Hsu D., Identifying key variables and interactions in statistical models of building energy consumption using regularization, Energy, Volume 83, 1 April 2015, pp. 144–155.
• 15. Haegeman K., Scapolo F., Ricci A., Marinelli E., Sokolov A., Premises and practices in combining quantitative and qualitative FTA method, Fourth International Seville Conference on Future-oriented Technology Analysis (FTA), FTA and Grand Societal Challenges – Shaping and Driving Structural and Systemic Transformations, Seville, 12-13 May 2011.
• 16. Johnson G., Scholes K., Exploring Corporate Strategy, Prentice-Hall, Englewood Cliffs, 1993.
• 17. Łabędzka J., Mazurkiewicz A., Application of hybrid foresight model for strategic management in a research institution, In: Huizingh K.R.E, Conn S., Torkkeli M., Bitran I (eds.), XXV ISPIM Conference, Innovation for Sustainable Economy & Society, ISBN 978-952-265-590-5, Dublin 2014.
• 18. Schoemaker P. J. H., Scenario Planning: A Tool for Strategic Thinking, Sloan Management Review; 36, 2; 1995, pp. 25–40.
• 19. Sedar Asan S., Asan U., Qualitative cross-impact analysis with time consideration, Technological Forecasting and Social Change, Vol. 74, Nr 5, 2007, pp. 627–644.
• 20. van Klooster S.A., van Asselt M.B.A., Practising the scenario-axes technique, Futures, Volume 38, Issue 1, February 2006, pp. 15–30.
• 21. van Notten P.W.F., Sleegers A.M., van Asselt M.B.A., The future shocks: On the role of discontinuity in scenario development. Technological Forecasting and Social Change, 2005, 72, pp. 175–194.
• 22. http://www.businessdictionary.com/, [access, 10.10.2015].
• 23. http://www.en.laprospective.fr, [access, 10.10.2015].

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.