Содержание и близость проектных текстов

5.3 Тематическая специализация и пределы автоматического сопоставления

Словарный анализ выделяет восемь тематических направлений: отходы и вторичные ресурсы, накопленный вред, воздух и выбросы, вода и стоки, леса и пожары, биоразнообразие и охраняемые территории, наблюдения и контроль, население и здоровье. Сопоставляются частоты на 1 000 токенов. В словари включены характерные основы слов и устойчивые сочетания; совпадение внутри каждого словаря подсчитывается однократно. Между словарями пересечения допустимы: одно описание может относиться одновременно к водному объекту, контролю и населению. Поэтому значения не образуют распределение долей, сумма которого должна равняться 100%. с. 61 исходного отчёта

Отраслевая специализация выражена отчётливо. Для «Экономики замкнутого цикла» частота словаря отходов достигает 88,1 совпадения на 1 000 токенов; для «Генеральной уборки» словаря накопленного вреда – 70,7; для «Чистого воздуха» словаря воздуха – 69,3. В водном и лесном направлениях соответствующие частоты составляют 136,6 и 146,0. В биоразнообразии частота профильного словаря равна 63,5. Эти различия показывают предметную специализацию текстов, но не устанавливают достаточность мероприятий по каждому направлению. с. 62 исходного отчёта

Национальное представление соединяет несколько тематик, тогда как федеральные документы раскрывают отдельные механизмы. Такая неоднородность закономерна для проекта с шестью отраслевыми направлениями. Внутри федерального блока наибольшая попарная близость TF-IDF наблюдается между «Генеральной уборкой» и «Водой России» – 0,129. Это соответствует общей лексике накопленного вреда, территорий и водных объектов. Содержательное основание совместной проверки также имеется: ликвидация загрязнённого объекта может влиять на состояние водоёма, если прослеживаются пути переноса загрязнения. Сам коэффициент не подтверждает, что эти пути действительно перекрыты. с. 62 исходного отчёта

Наблюдения и контроль наиболее заметны в «Чистом воздухе» – 28,4 совпадения на 1 000 токенов, лесном направлении – 20,2 и водном – 15,8. В первом случае это согласуется с предусмотренными наблюдательной сетью, лабораториями и ФГИС состояния окружающей среды. Однако частота слова «контроль» не характеризует качество измерений, пространственную представительность постов или полноту передачи данных. Аналогично небольшое число слов о населении в техническом описании лесовосстановления не доказывает отсутствия пользы для жителей. Лексический профиль указывает, какие вопросы следует дополнительно раскрыть содержательно. с. 63 исходного отчёта

Границы федеральных проектов не полностью совпадают с границами природных компонентов. Например, в «Чистый воздух» включены общесистемный экологический мониторинг и наблюдения на Байкальской природной территории, охватывающие не только атмосферу. Поэтому название федерального проекта не всегда позволяет определить конечного пользователя создаваемой системы или весь круг экологических результатов. Это существенно и при интерпретации расходов: финансирование общего наблюдения внутри одного направления может обеспечивать несколько задач. Для предметной оценки полезно отдельно показывать собственно природоохранное вмешательство и общую обеспечивающую функцию, сохраняя связь между ними. [95] с. 64 исходного отчёта

Для детальной проверки выбран федеральный проект «Чистый воздух»: 15 результатов и четыре показателя дают компактную матрицу из 60 пар (рисунок 11). Результаты включают мероприятия предприятий, теплоснабжение, перевод индивидуального отопления, мониторинг, методическую работу и оценку влияния на здоровье. В матрице цвет показывает косинусную близость текста результата и названия показателя, а точка – принадлежность одной паспортной задаче. Эти признаки намеренно представлены раздельно: совпадение задачи и совпадение слов отвечают на разные вопросы. [96] с. 64 исходного отчёта

П1 обозначает снижение выбросов в 12 городах; П2 – численность населения, качество жизни которого улучшится при сокращении выбросов в 29 городах; П3 – снижение выбросов в 29 городах; П4 – долю доступной населению информации по направлениям экологического мониторинга. Подписи результатов сокращены только для размещения на рисунке. Наблюдаемый диапазон близости невысок: например, мероприятия предприятий дают 0,311 с показателями выбросов, центральное теплоснабжение – 0,308. Эти значения не имеют самостоятельного порога «достаточной» связи и не должны превращаться в баллы результативности. с. 65 исходного отчёта

Показателен установленный предел модели. Названия П1 и П3 различаются прежде всего числом городов. После исключения числовых токенов их текстовые векторы совпадают, поэтому оба столбца матрицы полностью одинаковы. Между тем территориальные совокупности этих показателей различаются, а задача у П1 и П3 в публикации указана разная. Следовательно, даже идеально воспроизводимый лексический расчёт не способен восстановить этот существенный элемент проектной логики. Для адресного сопоставления необходимо отдельно сохранять состав городов, период и базовый уровень, а не выводить их из сходства названий. с. 66 исходного отчёта

Обратный пример – подготовка электросетей для перевода домовладений на электроотопление. Она может иметь небольшую близость к названию показателя выбросов, поскольку описывает обеспечивающую инфраструктуру. Но содержательный механизм понятен: без достаточной мощности сети фактическая смена отопления невозможна. Его проверка требует сведений о подключении, устойчивом использовании нового способа отопления и изменении выбросов. Светлая клетка здесь не является доказательством ненужности мероприятия; она показывает, почему семантический анализ должен сопровождаться реконструкцией условий реализации. с. 66 исходного отчёта

5.4 Межпроектные связи и лексическая близость

В агрегированном текстовом профиле экологического проекта наибольшие веса имеют слова и сочетания, связанные с окружающей средой, отходами, накопленным вредом, опасными веществами и водными объектами. Значимы также общие для проектной документации слова об объектах, территориях и мероприятиях. Поэтому близость к другим проектам необходимо разбирать по составляющим: она может отражать общую предметную область, общую управленческую инфраструктуру или привычную форму описания работ. с. 66 исходного отчёта

В базовой модели ближайшим из 11 сопоставляемых проектов является «Инфраструктура для жизни» с коэффициентом 0,129; далее следуют «Экономика данных и цифровая трансформация государства» – 0,115, «Молодёжь и дети» – 0,106 и «Эффективная и конкурентная экономика» – 0,098. Значения для «Продолжительной и активной жизни» и «Туризма и гостеприимства» составляют 0,086 и 0,083. Порядок и изменение коэффициентов при объединении словоформ представлены на рисунке 12. с. 67 исходного отчёта

Устойчивое первое место инфраструктурного проекта содержательно объяснимо. Вклад дают слова об объектах, среде, строительстве, территориях и коммунальном хозяйстве. На уровне механизмов существенны сопряжение канализационных сетей с очистными сооружениями, отопительной инфраструктуры со снижением выбросов, застройки с обращением с отходами. Но общая предметная область не доказывает согласованного графика, совпадения зон обслуживания или отсутствия дублирования расходов. Проверять следует конкретные зависимости между объектами и режимами эксплуатации, а не повышать коэффициент текстовой близости как самостоятельную цель. с. 68 исходного отчёта

Положение «Экономики данных» связано как с общей административной лексикой, так и с явно предусмотренными информационными механизмами экологического проекта. В «Чистом воздухе» описаны ФГИС состояния окружающей среды, интеграция с региональными системами, моделирование распространения концентраций, дистанционное зондирование и использование сведений граждан. Это содержательная область межпроектного сопряжения. Оценке подлежат доступность наблюдений для решения экологических задач, совместимость определений и своевременность информации. Само наличие информационной системы и общий словарь данных не подтверждают улучшения качества среды. [99] с. 68 исходного отчёта

Высокое положение «Молодёжи и детей» требует более осторожного чтения: среди значимых общих признаков преобладают мероприятия, территории, создание объектов и формулы реализации. Экологическое просвещение действительно включено в проект, однако ранговое соседство не позволяет считать его главным межпроектным механизмом. Аналогично шестое место туристического проекта не означает слабой содержательной связи с экологическим туризмом. В профиль всего национального проекта входят ещё пять федеральных направлений, и специфическое сопряжение может быть размыто при усреднении. с. 68 исходного отчёта

Для управленческой проверки приоритетны конкретные зависимости: между коммунальными сетями и очисткой, информационными системами и наблюдениями, производством и вторичным сырьём, туризмом и допустимой нагрузкой. Выбор этих связей определяется механизмами проекта, а не только лексическим рангом. Их проверка требует согласованных территорий, сроков и ответственных за совместный результат. с. 69 исходного отчёта

5.5 Устойчивость результатов и условия их применения

Проверка устойчивости разделяет два класса допущений: способ представления языка и способ объединения документов. В первом случае сопоставлены базовая модель, объединение русских словоформ алгоритмом Snowball и использование только отдельных слов без пар. Во втором – среднее всех документных профилей, равный вес национального и совокупного федерального уровня, только федеральные и только национальные документы. Порядок 11 соседних проектов сравнивается с базовым по ранговой корреляции Спирмена. [100] с. 69 исходного отчёта

Первое место «Инфраструктуры для жизни» сохраняется во всех шести спецификациях. При стемминге ранговая корреляция составляет 0,982, а при переходе к отдельным словам – 1,000. Следовательно, положение инфраструктурного проекта не определяется случайным выбором окончаний или включением двухсловных сочетаний. При этом абсолютные коэффициенты при стемминге изменяются, поскольку объединяются ранее раздельные признаки. Рост коэффициента в такой модели характеризует язык представления, а не усиление реальной координации. с. 70 исходного отчёта

Иной результат даёт изменение уровня обобщения. Равный вес национального и федерального уровня снижает корреляцию до 0,636. При использовании только федеральных документов она равна 0,991; только национальных – 0,300. В последнем случае на второе место выходит «Транспорт», на третье – «Эффективная и конкурентная экономика». Краткие национальные формулировки концентрируют общие цели и задают другое сопоставление, чем подробные описания реализации. Поэтому агрегированную карту нельзя представлять как единственную неизменную структуру связей. с. 70 исходного отчёта

Для экологического проекта это особенно существенно из-за различий объёма и назначения уровней. Национальный текст содержит 256 токенов, тогда как один федеральный документ замкнутого цикла – 1 851. Нормировка ограничивает механическое преимущество длины, но не делает их содержания взаимозаменяемыми. В базовом среднем каждый из семи документных профилей получает одинаковый вес; в модели равных уровней короткое национальное изложение получает половину веса. Эти два решения соответствуют разным исследовательским вопросам, и расхождение между ними следует раскрывать, а не устранять подбором удобного варианта. с. 70 исходного отчёта

Словари и TF-IDF не учитывают автоматически отрицания, институциональные роли, состав территорий и временные лаги. Для применения к решениям требуется содержательное чтение этих характеристик и связь с наблюдениями реализации. с. 70 исходного отчёта

Все шесть спецификаций используют один корпус. Их согласие показывает устойчивость результата к выбранным преобразованиям, но не устраняет общую зависимость от полноты описаний и административной терминологии. Поэтому внешняя проверка требует сопоставления с конкретными программами мероприятий, наблюдениями реализации и предметным знанием. с. 71 исходного отчёта

Практический вывод состоит в необходимости соединить содержательную логику с адресным наблюдением. У результата должны быть определены показатель назначения, территория, период, ожидаемый переход и способ его проверки. Доступная публикация должна позволять различить расчётную связь, наблюдаемое выполнение и оценённый дополнительный эффект. TF-IDF полезен для поиска неполных описаний, тематических пересечений и мест, требующих экспертного чтения. с. 71 исходного отчёта