Введение Значимым резервом обеспечения результативности использования на практике различных предложений, в том числе в сфере бурно развивающейся информационно-технологической инноватики, является их рейтингование по критерию потенциала ожидаемого качества. Учитывая характеристические особенности данного ТОА в виде тематически профильного инновационного предложения, необходимо использовать адекватно этому обстоятельству соответствующий аппарат исследования. Таким аппаратом является прикладная квалиметрия и, в частности, метод критериально-экспертного оценивания (КЭО), потенциал функциональных возможностей которого рассматривается в ряде работ [1 – 7].Поэтому совершенствование КЭО как инструментария прогнозирования и идентификации функционального качества инноваций, на самых ранних, допроектных этапах их жизненного цикла, представляет собой актуальную многопрофильную проблему, особенно значимую для интенсивно развивающихся отраслей науки, к которым относятся информационные технологии в широком понимании этого термина.Для обеспечения качества самой процедуры КЭО рейтинга различных инноваций, помимо содержательного оформления оценочных критериев и идентификации уровня их индивидуального влияния на рейтинг ТОА необходимо определение числа данных критериев. Поэтому сущностно адекватное содержание критериев представляет собой необходимое условие успеха рейтингования ожидаемого качества инноваций, а их количество – достаточное условие эффективного осуществления данной процедуры. Однако весьма квалиметрически актуальная задача формализованного обоснования числа оценочных критериев ранее подробно с единых методических позиций не рассматривалось, и ее решение носило, в основном, рекомендательный характер [8, 9].Учитывая параметрически многофакторный характер рассматриваемой задачи и функциональные особенности ТОА в виде инноваций информационно-технологического профиля, необходимо использовать для ее решения вероятностный подход. Этот подход достаточно универсален и обладает требуемой адаптационной гибкостью при описании самых различных ТОА.Таким образом, разработка вероятностного подхода к определению числа критериев, по которым реализуется прогнозирование рейтинга инноваций и пример его реализации, имеют научно-прикладное значение во многих сферах новой техники и прогрессивных технологий.  Модели и методы вероятностного моделирования процедуры критериально-экспертного оценивания Для конкретизации решаемой задачи получим аналитическое выражение рейтинга, как функция от числа оценочных критериев и их значимости. Для этого представим ошибку рейтингования в следующем виде:∆R= RT-R=i=1nαi(rTi-ri) ,                                      (1) где ∆R  – cуммарная погрешность процедуры КЭО, обусловленная рассогласованием между неким априори неизвестным номинально точным значением рейтинга RT  для ТОА и его реальной величиной R , сформированной по результатам опроса экспертов; rTi  и ri  – соответственно, номинально точные оценки i-го критерия (параметра), характеризующего RT  и реальные экспертные оценки критериев, определяющих R ; αi=∂RT/∂rTi  – коэффициенты влияния единичных погрешностей определения характеристических критериев rTi  на величину RT ; i  = 1, 2, … , n – общее число критериев экспертного оценивания, определение которого является целью данной работы. Следует подчеркнуть, что в технике зависимость вида (1) широко используется при анализе влияния погрешности изготовления вида: ∆r=rT-r  на точность изготовления детали и носит название уравнения операционных погрешностей. Фактически, (1) является линеаризацией функции RT  (rTi ) путем ее разложения в ряд Тейлора, причем выражения в скобках в данном случае представляют собой первичные погрешности процедуры КЭО.Считая, что структура RT  и R  функционально идентична и представляет собой аддитивно-ковариантную комбинацию коэффициентов влияния и соответствующих оценочных критериев из (1) окончательно получим:R=i=1nαiri  ,                                                           (2)где R  – рейтинговая оценка уровня (потенциала) ожидаемого качества ТОА, в частности рассматриваемого инновационного предложения; ri  – значение i -го критерия ожидаемого качества конкретного ТОА, полученное путем КЭО; αi  – численные значения i -го коэффициента влияния соответствующего i -го оценочного критерия на рейтинг конкретного ТОА; i  = 1, … , n – общее число критериев оценивания, формирующих R . Следует подчеркнуть, что полученное соотношение (2) широко применяются в прикладной квалиметрии и оно известно, как эмпирическая формализация обобщенной оценки мнений экспертов методом взвешенной суммы [1 – 7].Таким образом, для реализации на практике процедуры КЭО различных ТОА, к которым относятся инновации информационно-технологического профиля, помимо определения содержания оценочных критериев и степени их влияния на рейтинг, необходимо каким-либо способом обосновать общее число этих критериев. Это обстоятельство представляет собой достаточное условие результативности процедуры КЭО в целом.Для определенности последующих рассуждений предположим, что информационный вклад каждого из оценочных критериев, характеризующих рейтинг рассматриваемого ТОА, также как и их значимость, примерно одинаковы и в вероятностном выражении составляют значение p . Это допущение соответствует известному принципу равных влияний, что в данном случае косвенно должно свидетельствовать о правильности формирования элементов совокупности используемых оценочных критериев.Тогда, итоговая вероятностная оценка достоверности результата КЭО согласно положениям теории надёжности сложных систем [10] составит: P=1-(1-p)n ,                                                    (3) где P  – вероятность достоверного определения рейтинга ТОА; p  – вероятность, определяющая вклад отдельного оценочного критерия и его коэффициента влияния в определяемую характеристику ТОА, например, его рейтинг; n  – общее число оценочных критериев примерно одинаковой значимости, которое необходимо определить.Фактически (3) отражает вероятностно-независимый вклад каждого оценочного критерия в общий результат оценивания определяемый согласно (2), а структурная схема, соответствующая (3), представляет собой хорошо известную в теории надежности схему параллельного (одновременного) взаимодействия единичных функциональных элементов [9].Используя аппарат анализа проявлений масштабного фактора в такой системе, подробно рассмотренный в работе [11], не сложно показать справедливость вероятностно-экспоненциального соотношения вида: P=1-exp-Cn ,                                                 (4) где P  – итоговая вероятностная оценка какой-либо значимо-доминантной характеристики или их комплекса, например рейтинга ОА, полученная по результатам КЭО; C  – параметр, в обобщенном виде ответственный за качество самого процесса КЭО, и фактически определяющий осредненную «концентрацию» ошибочных или недостаточно информационно-качественных оценочных критериев и суждений о них экспертов в ходе реализации процедуры оценивания; n  – общее число критериев, по которым происходит функционально-характеристическое оценивание или рейтингование конкретного ТОА.Из совместного рассмотрения (3) и (4) не сложно получить функциональную связь между двумя основными параметрами, характеризующими качество самой процедуры КЭО: C=-ln⁡(1-p) .                                                      (5) Из (5) следует, что осредненная «ошибочность» в формировании функционально-необходимой совокупности оценочных критериев практически не зависит от их количества, а определяется только информационным качеством данных критериев, т.е. значением p , фактически ответственным за характеристическую достоверность отдельного критерия оценивания. Принципиальная сложность дальнейшего решения поставленной задачи по определению рационального числа оценочных критериев n  состоит в квалиметрически сущностной неопределенности значений P  в (3) или (4).Для снятия этой неопределенности положим, что имеется некоторая латентная зависимость между вероятностью итоговой достоверной оценки рейтинга ТОА P  и количеством оценочных критериев n , которую, например, для (4) можно выразить как: kP⋅P=1-exp⁡(-kn⋅C⋅n) ,                                             (6) где kP  и kn  – соответственно коэффициенты, характеризующие неявную связь между числом используемых критериев вероятностного оценивания рейтинга TOA и достоверности (надежности) получаемого результата. Таким образом, зная численные значения kP  и kn , соотношение типа (3) и (4) представляет собой систему, содержащую два неизвестных параметра: n  и C , так как kP⋅P , по сути, представляет собой требуемую количественную оценку достоверности процедуры КЭО в целом. Результаты Приведем пример численного определения значения n , основываясь на выше сформулированных зависимостях. Для этого воспользуемся известным принципом Парето, который для нашего случая трактуется следующим образом: 20 % оценочных критериев от их общего, априори неизвестного числа «n » обеспечивает 80-ти процентную достоверность определения рейтинга ТОА, в частности, в виде вероятностного уровня потенциала качества планируемой к реализации инновации [12]. Это мнемоническое правило предиктивного анализа, позволяет снять неопределенность уровня P  и представить, например, (3) в виде: 0,8=1-(1-p)0,2n .                                                (7) В данном соотношении согласно принципу Парето учтено, что kP=0,8 ; kn=0,2 .По аналогии с (7) можно записать экспоненциальное соотношение (4) как: 0,8=1-exp⁡(-0,2 Cn) .                                          (8) Далее, осуществив тривиальную процедуру овертизации (от английского overt – выявление) значения n  путем совместного решения выше представленных уравнений, получим искомое соотношение в виде:n=-8,0/ln⁡(1-p) ,                                                  (9) где n  – число критериев предиктивного оценивания рейтинга ТОА, например, инновационного предложения информационно-технологического профиля; p  – вероятностное значение уровня информационного качества самого оценочного критерия.Таким образом, согласно (9) число критериев оценивания n  рейтинга ТОА по зависимости (2) определяется целочисленным округлением n , вычисляемого по данному соотношению. Причем, чем выше требование к вероятностной достоверности оценочных критериев, т.е. к величине p , тем необходимо использовать их большее число. Например, при p= 0,3 , n=22,  а при p=0,5  значение n  существенно меньше и составляет: n=11 . Данный во многом условный пример, тем не менее позволяет утверждать, что имеется реальная возможность достаточно успешного рейтингования путем КЭО при относительно низких требованиях к информационному качеству оценочных критериев. Причем конкретные вероятностные оценки информационно-функционального качества самих критериев рейтингования в будущем весьма результативно соотнести между собой также путем их адаптированного КЭО по известной шкале градаций оценок Харрингтона [13].Для расширения функциональных возможностей предлагаемого вероятностного подхода к определению рационального числа оценочных критериев при реализации соответствующей методики КЭО, как одной из базовых процедур в арсенале информационных технологий предиктивной квалиметрии, исходное соотношение (3) представим в более общем виде следующим образом: P=1-i=1n(1-pi) ,                                             (10) где P  – вероятность достоверной оценки рейтинга, характеризующего рассматриваемый ТОА, например ожидаемое качество рассматриваемой инновации информационно-технологического профиля; pi  – вероятностная оценка значимости i-ого оценочного критерия ri , т.е. наиболее реалистичная величина нормированного вероятностного вклада данного критерия с учётом коэффициента влияния αi  в итоговое значение рейтинга R , характеризуемого также в нормированном виде величиной P; i =1, 2… n  – общее число используемых оценочных критериев.С позиций прикладной теории надёжности сложных систем [10] выражение в круглых скобках (10) представляет собой фактически вероятность «отказа» i -ого единичного критерия, т.е. малую и, как следствие, не очень высокую эффективность его практического применения: qi=1-pi ,                                                                 (11) где qi  - вероятностная мера недостаточной значимости i -ого оценочного критерия, т.е. фактически его коэффициент влияния αi  существенно нивелирует любую позитивную оценку экспертами самого критерия ri .Считая qi  независимыми между собой событиями, вероятность непоявления, т.е. отсутствия данного отдельного в целом неэффективного критерия в рассматриваемом массиве из i-ого числа возможных «критериальных» отказов, эту вероятность обозначим как: qi=P(i) . Тогда отсутствие такого отказа при рассмотрении (i+j ) критериев будет составлять значение: qi+j=Pi+j.  Далее, используя феноменологию формализации роли масштабного фактора [10] в виде соответствующего экспоненциального соотношения типа (4), не сложно показать, что в рамках принятых допущений будет справедлива следующая функциональная зависимость:Pn=1-Qn=1-i=1n[exp-ci] ,                                             (12) где Qn  – обобщенная вероятностная оценка недостаточной эффективности применяемой совокупности функционально-вариативных оценочных критериев; c  – параметр, ответственный за характер проявления своеобразных «отказов» в системе критериального оценивания рейтинга, величина которого фактически обратно-пропорциональна частоте (концентрации) их возникновения в используемом массиве критериев; i =1, 2… n  – общее число используемых оценочных критериев.После преобразования (12) с использованием известного количественного значения суммы арифметической прогрессии, получим: P(n)=1- exp⁡{-c[n+n(n-1) /2]}.                                        (13) Данное базовое соотношение связывает в единый функциональный комплекс качество предварительно обоснованных используемых критериев: параметр c  – «концентраций» недостаточно эффективных критриев с их общим количеством n , необходимым для итоговой оценки путём КЭА, рассматриваемой характеристики ТОА, например предиктивного рейтинга инновации информационно-технологического профиля. Причём, эта необходимая достаточность числа критериев обусловлена наперед заданными требуемым уровнем достоверности процедуры КЭО в целом, т.е. величиной P(n)  в (13). Несмотря на свою функциональную простоту экспоненциальное соотношении вида (13) по сути представляет собой вполне реалистичную вероятностную модель связи количественных показателей процедуры КЭО с её предиктивным качеством, в первую очередь с достоверностью (надёжностью) получения соответствующих прогностических оценок. Причём, полученная при достаточно общих допущениях исходная зависимость (12), представляет в данном случае собой формализацию роли масштабного фактора. Эта формализация состоит в описании кинетики трансформации количества оценочных параметров в их функциональное качество – достоверность вероятностного прогноза итогового результата КЭО, как правило, во многом информационно-дефицитной задачи, сформулированной в рамках предиктивно-нелинейной квалиметрии.Основное следствие вышеприведенных рассуждений, по выявлению функциональной зависимости уровня достоверности прогнозирования с адекватной содержательностью и количеством используемых для этого оценочных параметров (критериев) можно сформулировать в виде соответствующего утверждения. Это утверждениек состоит в следующем:Необходимость повышения предиктивно-функционального качества, т.е. достоверности или надёжности процедуры прогнозирования путем КЭО требует нелинейного увеличения количества исходных параметров (критериев), используемых в процессе оценивания. Или линейное увеличение числа оценочных критериев сопровождается нелинейно-затухающим характером увеличения (приращения) достоверности прогнозирования, основанного на этих критериях. Поэтому для формирования более достоверных оценочных суждений о различных трудноформализуемых информационных категориях типа предиктивного качества разнопрофильных инноваций, в первую очередь, структуро-вариативного инофрмационно-технологического профиля, основное внимание необходимо уделять формированию совокупности массива сущностно адекватных критериев. Заметим, что известный принцип Парето фактически подтверждает справедливость выше сформулированного утверждения. В заключении отметим, что выше предложенный вероятностный подход к решению важной квалиметрической задачи можно развить в нескольких направлениях, в частности, путем анализа более реалистичных уточнений информационности оценочных критериев, а также применения аппарата имитационного моделирования для построения соответствующей методики рейтингования ТОА с последующим созданием нейросетей экспертно-аналитической направленности.