Накопление новой информации и концептуализация знания — Студопедия
Поделись
Характер новой информации, накапливаемой путем использования выбранных методов, определяется, прежде всего, задачами исследования. Например, при задаче найти причины периодических всплесков скрытой безработицы необходимо проследить структурную динамику экономической сферы, динамику официально зафиксированной занятости населения в различных формах и возможности трудоустройства его различных групп, изменения в системе оплаты труда, основные тенденции изменений в региональной экономической конъюнктуре и др. Какая еще информация имеет отношение к делу, во многом определяется и личными качествами исследователя: его научной дальнозоркостью, уровнем специальной и методологической подготовленности, знанием реальной ситуации в обществе, личным жизненным опытом.
Как правило, накапливается разнокачественная и достаточно противоречивая информация, поэтому в первую очередь необходимо осуществить ее понятийную идентификацию, т. е. соотнести полученную в ходе экспериментов и наблюдений информацию с имеющимися научными понятиями, показав, что она имеет отношение к предмету исследования, его целям и задачам. Это одна их первых познавательных процедур, направленных на ее систематизацию. В ходе понятийной идентификации возможны два варианта: 1) накопленная в ходе наблюдений и экспериментов информация достаточно полно и непротиворечиво охватывается существующим набором понятий; 2) имеющийся набор научных понятий недостаточен, поэтому необходимо введение новых понятий, способных ассимилировать эмпирическую информацию. Например, для систематизации информации о проявлениях и причинах понижения покупательной способности денежной единицы в свое время дополнительно к понятиям «инфляция», «девальвация», «деноминация» было введено понятие «скрытая инфляция».В ходе дальнейшей работы накопленную информацию предстоит систематизировать в соответствии с характером решаемых в исследовании задач. Наиболее типичные задачи исследования связаны с выявлением факторов генезиса исследуемого объекта (процесса, явления), его структуры, функций, движущих сил и тенденций развития, условий стабильного состояния. Поэтому накопленная информация систематизируется таким образом, чтобы устанавливаемые исследователем корреляции (связи) между ее элементами давали как можно более достоверные знания по интересующим исследователя аспектам. Простейшие из них — эмпирические зависимости — выражают сопряженность (функциональную или причинную зависимость) наблюдаемых явлений и процессов. Например, дефицит товаров при ажиотажном спросе, понижение политической активности населения при стабилизации политического режима, бегство капитала из страны при усилении теневой экономики. Однако эмпирические зависимости нередко противоречивы, а по логической природе не могут гарантировать высокую достоверность знаний.
Более сложный вариант систематизации накопленной информации, включая также и эмпирические зависимости — это концептуализация знания, значительно экономящая усилия исследователя по получению новых знаний, причем более достоверных, чем эмпирические обобщения.
Концептуализация — это совокупность познавательных действий исследователя, направленных на систематизацию знаний в соответствии с основной точкой зрения на предмет. Классическим примером концептуализации научного знания являются процессы построения теоретических схем (идеальных моделей, абстрактных конструктов) как главного элемента развитой теории, структурирующего ее содержание и репрезентирующего исследуемую реальность. Концептуализацию можно выделить на эмпирическом, теоретическом и языковом уровнях, а по формам — понятийную и образную. Элементами концептуальных схем могут быть понятия, составные части абстрактных конструктов различных уровней, а также наиболее общих схем освоения социокультурной информации, заложенной в текстах и искусственной предметной среде. Оригинальным способом (формой) концептуализации знания является метафорическое концептирование, основанное на взаимодополняемости образа и понятия. В частности, в естественнонаучном познании употребляется довольно широкая совокупность казалось бы обыденных терминов, обозначающих образ («цвет», «аромат», «горловина», «бублик», «ручка», «седло», «гантель», «зазеркалье», «очарование», черная, белая, серая «дыра», «потенциальная яма» и др. ), который интерпретирует формально-математическое содержание. Аналогично в экономических исследованиях: «звезды», «дойные коровы», «собаки» и т.д. как образ экономических субъектов.
Основной смысл и значение концептуализации состоит в том, что она дает возможность, во-первых, объединить в компактном целостном образе (схеме) большой объем знаний об исследуемом объекте; во-вторых дает возможность повысить достоверность знаний, выраженных в форме законов. В концептуальной схеме закон выражает корреляции элементов данной схемы. Можно создать такую схему, где полная достоверность знаний о характере этих корреляций не будет вызывать сомнения, в то время как эмпирическая закономерность, выражающая видимые корреляции реальных явлений (процессов), не является надежно обоснованной. Одно из очередных наблюдений может зафиксировать отклонение или противоречие. При этом однако следует помнить об условности, неполноте самой концептуальной схемы по отношению к реальному объекту. А это значит, что проблема достоверности знания, решенная в рамках созданной концептуальной схемы, остается в рамках отношения «концептуальная схема — исследуемая реальность». В этом варианте она решается путем построения все более полных, адекватных самой исследуемой реальности, концептуальных схем. Наиболее наглядно это иллюстрируется, в частности, эволюцией модели атома в физике (модель «пудинг с изюмом», планетарная модель, модификации планетарной модели).
В процессах концептуализации знания наиболее наглядно проявляется творческая сущность научного познания. Однако концептуализация знания — не самоцель, а в конечном счете средство решения поставленных в исследовании задач. Продуктивность процесса поиска их решений, включающего и концептуализацию знания, может быть повышена благодаря использованию достижений эврилогии, в рамках которой выработано значительное количество средств, стимулирующих творческий поиск, в том числе и совместный[46].
Так, в методике «мозговой штурм» А. Осборна и ее современных модификациях (в частности, методике «Дельфа») идет процесс детализации предписаний по организации совместного обсуждения научных проблем. Более тонко регламентируется продолжительность сеанса совместного поиска, предлагаются дополнительные средства активизации интуиции (преимущественно за счет вовлечения в поисковый процесс ресурсов сферы подсознательного), более четко размежевываются стадии творческого процесса. Особое внимание обращается на его критическую фазу, связанную с работой экспертов. В методике «Дельфа», например, во избежание избыточных контактов между ними, влекущих за собой взаимное искажение профессиональных оценок, их работа организуется в письменной форме.
В «синектике» У. Дж.Дж. Гордона на первый план выдвинуты предписания по подбору состава творческой группы, оправданному ограничению количества обсуждаемых идей и рекомендации по развитию ассоциативного мышления. Предлагается включать в состав группы специалистов из различных (причем далеко не смежных) областей, предпочтительно обладающих несколькими специальностями и менявших специальность в ходе трудовой деятельности. Непосредственно в ходе творческого поиска рекомендуется использование четырех типов аналогий: 1) прямой поиск прообразов технических устройств в природе; 2) эмпатию — представление собственного тела в роли физического или технического объекта; 3) метафорических — перенос свойств одной группы предметов на другую; 4) фантастических — представления о несуществующем как реальность (например, дорога, возникающая лишь там, где ее касаются колеса автомобиля). Дальнейшие усовершенствования «синектики» У. Дж.Дж. Гордона (идея «комбинированного мозга», «творческая помощь» Р. Пиви) происходили не только за счет предписаний по стимулированию интуиции и деятельности сферы подсознательного, способного генерировать оригинальные аналоги и метафоры, но и на пути выработки рекомендаций, выполнение которых позволило бы обеспечить направленное приобщение исследователя к широким пластам культуры с тем, чтобы их содержание, воздействуя на сферу подсознательного, стимулировало оригинальность творческого поиска и деблокировало возможные ограничения, связанные с системой воспитания и профессиональной подготовки исследователей.
Рассмотренные варианты так называемых нежестких эвристик при всей их несомненной полезности и плодотворности страдают определенной абстрактностью и запрограммированной расточительностью по отношению к интеллектуальным и особенно психическим ресурсам субъекта творчества.
За счет каких источников может быть пополнен нормативный тезаурус эвристик, если очевидна невозможность или по меньшей мере нерациональность делать это на основании дополнительных исследований закономерностей сферы интуиции и подсознательного? Видимо, ориентируясь на эксплицитно представленные рациональные ресурсы субъекта творчества, отражающие его опыт ориентации в мире посредством механизмов культуры, мировоззренческих построений, слоя предпосылочных знаний и знаний, относящихся непосредственно к данной области научного поиска и исследуемому объекту. Именно в этом направлении и были сделаны последующие шаги, реализованные, в частности, в «морфологических матрицах» Ф. Цвикки. Это методическая программа, определяющая все возможные элементы и параметры исследуемого объекта и способы их реализации. Они распределяются по осям в специальной матрице, поэтому отпадает необходимость обозревать все возможные варианты по ходу решения. Фактически стоит лишь вопрос о выборе одного из нескольких возможных вариантов или какой-либо их группы из всей совокупности. Процессуально творческий поиск посредством морфологических матриц предполагает пять этапов анализа:
1) выбор параметров объекта и способов их реализации;
2) определение критериев их сравнения;
3) количественную формулировку критериев;
4) сужение области исследования путем анализа параметров и вариантов их реализации и исключения менее подходящих вариантов;
5) выбор подходящего решения.
Обеспечивая системное и относительно полное представление параметров исследуемого объекта и способов их воплощения, морфологические матрицы не дают их иерархической картины. Варианты реализации и сами параметры практически равноправны. Но в самом объекте все обстоит иначе. Поэтому для выбора оптимального варианта требуется знание всего массива относящейся к задаче информации, что сама по себе данная методика не дает. Более того, она не дает и критериев относимости информации к данной задаче, за исключением сведений, составляющих профессиональный тезаурус специалиста. Возникает необходимость поиска дополнительных творческих ориентиров.
Наиболее далеко идущим вариантом в этом плане является сценарный анализ, целью которого является установление четкой последовательности операций, осуществление которых наиболее рационально при данных известных познающему субъекту условиях. Подобно тому, как морфологический анализ позволяет увидеть сразу весь спектр параметров и характеристик исследуемого объекта, сценарный анализ дает картину объекта во временных координатах, позволяет увидеть «точки ветвления» в дереве возможностей его движения и развития.
Т. А. Гаврилова БАЗЫ ЗНАНИЙ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ
Содержание Предисловие 6 Об авторах 8 От издательства 8 1. Введение в интеллектуальные системы 9
искусственного интеллекта 15 1.3. Представление знаний и вывод на знаниях 19 1.4. Нечеткие знания 31 2. Разработка систем, основанных на знаниях 39
3. Теоретические аспекты инженерии знаний 59
4. Технологии инженерии знаний 99
знаний 137 4.6. Примеры методов и систем приобретения знаний 145 5. Новые тенденции и прикладные аспекты инженерии знаний 161
6. Программный инструментарий разработки систем, 6.1. Технологии разработки программного обеспечения — цели, принципы, парадигмы 203
7. Пример разработки системы, основанной на знаниях …. 237
8. Представление данных и знаний в Интернете 271
9. Интеллектуальные Интернет-технологии 317 s
| Заключение 356 Литература 358 С любовью, учителю Д. А. Поспелову, друзьям и близким, Предисловие Вы открываете необычный учебник — учебник, предназначенный для студентов технических университетов и их преподавателей, для аспирантов, магистров, ба- Несмотря на обилие книг с аналогичным названием (см. список основной лите- ратуры), на сегодняшний день нет вузовского учебника по предметам «Интеллек- Необычность этого учебника связана также с подчеркнутой междисциплинарно- стью выбранного подхода, отказом от «клановости» отдельных научных школ и Мы отказались от излишней специализации в пользу широты изложения, нам хотелось представить горизонты этой науки, а не прокопать в ней глубокий, но Другой особенностью учебника является его практическая направленность. Ос- воив изложенный материал, студент или другой заинтересованный читатель смо- Рассмотренные в учебнике вопросы представляют лишь вершину айсберга срав- нительно молодой науки — ИНЖЕНЕРИИ ЗНАНИЙ. И, надеемся, показывают Учитывая значительное число достижений и публикаций в этой области за рубе- жом, авторы сознательно будут приводить терминологию, используемую в ориги- Материал учебника основан на курсах лекций, прочитанных авторами для сту- дентов Санкт-Петербургского государственного технического университета (быв- Разные категории читателей могут читать учебник по различным «сценариям».
» минимальный курс: параграфы 1.1-1.4, 2.1-2.4, 3.2, 3.4, 4.1-4.3, 4.4, 6.3,
» наконец, главы 8, 9 дают основу для курса по тематике интеллектуальных • Сценарий 5 — для системных аналитиков. Главы 3-6. • Сценарий 6 — для программистов и разработчиков. Главы 2-4, 6-9. В заключение авторы благодарят заведующую редакцией технической литера- туры издательства «Питер» Екатерину Строганову за энергию и энтузиазм при В параграфе 4.6 четвертой главы использованы материалы монографии «При- обретение знаний интеллектуальными системами», любезно предоставленные Глубокую признательность авторы выражают Александру Волкову. Он является разработчиком программных систем, описанных в пятой главе. Параграф 5.1 на- На подготовку материалов, представленных в параграфах 8.2 и 8.3 восьмой гла- вы, а также в параграфах 9.1 и 9.3 девятой главы, в значительной мере повлияла Главы 1-5 написаны д. т. н., проф. Т. А. Гавриловен, главы 6-9 — д. т. н., проф. В. Ф. Хорошевским. Предисловие и заключение — результат совместной работы Об авторах Т. А. Гаврилова — д. т. н., профессор кафедры компьютерных интеллектуальных технологий Санкт-Петербургского государственного технического университета, От издательства Ваши замечания, предложения, вопросы отправляйте по адресу электронной по- чты [email protected] (издательство «Питер», компьютерная редакция). Мы будем рады узнать ваше мнение! Подробную информацию о наших книгах вы найдете на Web-сайте издательства Введение в интеллектуальные системы о Краткая история искусственного интеллекта d Основные направления исследований в области искусственного интеллекта п Представление знаний и вывод на знаниях 1.1. Краткая история искусственного 1.1.1. Предыстория Идея создания искусственного подобия человека для решения сложных задач и моделирования человеческого разума витала в воздухе еще в древнейшие време- В XVIII веке Лейбниц и Декарт независимо друг от друга продолжили эту идею, предложив универсальные языки классификации всех наук. Эти работы можно Окончательное рождение искусственного интеллекта как научного направления произошло только после создания ЭВМ в 40-х годах XX века. В это же время Нор- Термин «искусственный интеллект» — ИИ — (AI — artificial intelligence) был Вскоре после признания искусственного интеллекта отдельной областью науки произошло разделение его на два направления: нейрокибернетика и «кибернети- 1.1.2. Зарождение нейрокибернетики Основную идею этого направления можно сформулировать следующим образом: Единственный объект, способный мыслить, — это человеческий мозг. Поэтому лю- Таким образом, нейрокибернетика ориентирована на программно-аппаратное моделирование структур, подобных структуре мозга. Физиологами давно уста- Первые нейросети были созданы Розенблаттом и Мак-Каллоком в 1956-1965 гг. Это были попытки создать системы, моделирующие человеческий глаз и его взаи- Однако в 1980-х в Японии в рамках проекта «ЭВМ V поколения» был создан первый нейрокомпьютер, или компьютер VI поколения. К этому времени ограни- Транспьютерная технология — это только один из десятка новых подходов к ап- паратной реализации нейросетей, которые моделируют иерархическую структу- это задачи распознавания образов, например идентификация объектов по резуль- татам аэрофотосъемки из космоса.
Более глубокое рассмотрение этого чрезвычайно перспективного и интересного 1.1.3. От кибернетики «черного ящика» к ИИ В основу этого подхода был положен принцип, противоположный нейрокиберне- тике. Не имеет значения, как устроено «мыслящее» устройство. Главное, чтобы на за- Это направление искусственного интеллекта было ориентировано на поиски ал- горитмов решения интеллектуальных задач на существующих моделях компью- В 1956-1963 гг. велись интенсивные поиски моделей и алгоритмов человеческо- го мышления и разработка первых программ на их основе. Представители сущес- 1. В конце 50-х годов родилась модель лабиринтного поиска. Этот подход представ- ляет задачу как некоторое пространство состояний в форме графа, и в этом ющим. Была проделана большая работа по разработке этой модели, но для ре- шения практических задач эта идея не нашла широкого п-рименения. В первых
гонку упущенных возможностей в начале 80-х объявлена глобальная програм- 6. В ответ на успехи США в конце 70-х в гонку включается Япония, объявив о начале проекта машин V поколения, основанных на знаниях. Проект был рас- Начиная с середины 1980-х годов, повсеместно происходит коммерциализация искусственного интеллекта. Растут ежегодные капиталовложения, создаются Каталог: %D0%9F%D1%80%D0%B5%D0%B4%D1%81%D1%82%D0%B0%D0%B2%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%BD%D0%B0%D0%BD%D0%B8%D0%B9%20%D0%B2%20%D0%98%D0%A1 Скачать 3.92 Mb. Поделитесь с Вашими друзьями: |
[PDF] К пониманию и концептуализации управления знаниями в контексте межорганизационных сетей
- Идентификатор корпуса: 15616722
title={На пути к пониманию и концептуализации управления знаниями в контексте межорганизационных сетей}, автор = {Свен А. Карлссон}, год = {2002} }
- С. Карлссон
- Опубликовано в 2002 г.
- Бизнес
Утверждается, что основным экономическим ресурсом в следующей экономике являются знания. Важным источником конкурентного преимущества в этой экономике является сеть внешних связей организации. В данной статье представлена концепция управления стратегическими знаниями в контексте межорганизационных сетей. Концептуализация основана на расширении представления о фирме, основанного на ресурсах и знаниях, а также на идеях межфирменных отношений и «экономики даров…»
apollon1.alba.edu.gr
Системы управления знаниями: вопросы внедрения управления человеческим капиталом предприятия в условиях переходной экономики
- Мищук Г., Билан Ю., Павлушенко Людмила
Бизнес
- 2016
04 9 управление знаниями систем (KMS) является жизненно важным фактором конкурентоспособности организаций. Поэтому мы рассмотрели концепцию СУЗ с точки зрения ее влияния на экономическую…
Управление знаниями в судоходной отрасли: влияние мобильности людей на организационную базу знаний и эффективные практики передачи знаний: взгляд из Китая
- J. Fei
Бизнес
- 2009
Острая нехватка квалифицированных кадров в судоходной отрасли решается различными способами. В этой диссертации рассматривается проблема с новой точки зрения, где высокая мобильность в…
Развертывание внутренних порталов знаний: три основные проблемы
- C. Löbbecke, M. Myers
Business
Inf. Управление
- 2017
Исследование факторов, влияющих на управление знаниями и обмен ими при инновациях в университетах: пилотное исследование
- М. М. Хак, А. Р. Алан, М. Рази, А. Субиякто
Бизнес, образование
2016 6-я Международная конференция по информационным и коммуникационным технологиям Мусульманский мир (ICT4M)
- 2016
Факторы, влияющие на управление знаниями (KM) и обмен знаниями (KS), имеют много потенциальных преимуществ в процессе принятия решений для повышения эффективности организации. Основное назначение…
Заимствованная теория: применение теорий обмена в исследованиях информационных наук
- Хейзел Холл
Экономика
- 2003
Модель для повышения молчаливых знаний в нефункциональных требованиях Элецитация
Т. Представленная модель, которая укрепляет концептуальную связь между дисциплинами управления знаниями и разработки требований, и ядром TCER позволяет визуализировать направление неявного и явного потока знаний в четырех сценариях выявления NFR.
Analisis de Flujos de Conocimiento en Proyectos de Mejora de Procesos Software bajo una perspectiva multi-enfoque
- Б. Л. Флорес-Риос, Ф. Пино, Х. Э. Ибарра-Эскер, Ф. Гонсалес-Наварро, Оскар М. Родригес-04 904
Информатика
- 2014
В этом документе определяется структура для сбора различных типов знаний и идентификации потоков знаний из элементов эталонной модели процесса и предлагается стратегия, которая поддерживает создание, обмен и развитие знаний участвует в проекте SPI.
с показателем 1-10 из 100 ссылок
Сорт Byrelevancemost, под влиянием документов,
На основе теории фирмы, основанной на знаниях »,« Стратегическое управление »(17), стр.
- R. Грант
Business
- . 1996
Основной вклад статьи заключается в изучении механизмов координации, с помощью которых фирмы интегрируют специальные знания своих членов, что влияет на основу организационного потенциала, принципы организационного дизайна и детерминанты горизонтального и Вертикальные границы фирмы.
Ресурсный взгляд на системы управления организационными знаниями
- P. Meso, Robert D. Smith
Business
J. Knowl. Управление
- 2000
Полученные данные показывают, что для того, чтобы фирма могла получить долгосрочную стратегическую выгоду от OKMS, она должна адаптировать более широкий социально-технический подход при разработке, внедрении и управлении своей OKMS.
Взгляд на фирму, основанный на знаниях: последствия для практики управления
- R. Грант
Бизнес
- 1997
:
Книга «Управление промышленными знаниями» освещает сложные процессы, происходящие при создании и успешной передаче корпоративных знаний.
В настоящее время общепризнано, что…
Управление знаниями и инновации: сети и создание сетей
- J. Swan, S. Newell, H. Scarbrough, D. Hislop
Business
J. Knowl. Управление
- 1999
Критический обзор литературы по управлению знаниями приводит доводы в пользу модели управления знаниями на уровне сообщества для интерактивных инноваций и противопоставляет ее когнитивному подходу, лежащему в основе многих инициатив по управлению знаниями под руководством ИТ.
Реляционный взгляд: совместная стратегия и источники межорганизационного конкурентного преимущества
- Джеффри Х. Дайер, Харбир Сингх
Бизнес
- 1998
В этой статье мы предлагаем точку зрения, которая предполагает, что критические ресурсы фирмы могут выходить за границы фирмы и могут быть встроены в межфирменные ресурсы и процедуры. Мы утверждаем, что все больше…
Информационные системы и организационное обучение: социальная эпистемология систем организационных знаний
- B. Pentland
Информатика
- 1995
Изучение знаний в основе динамической теории фирмы
- J. Spender
Business
- 1996
Эпистемология мультипейпий человеческое знание и, переформулируя концепцию познающего индивида, коллективное знание социальных групп, помочь менеджерам открыть свое место в фирме как динамичной системе деятельности, основанной на знаниях.
Знание, умственный труд и организации: обзор и интерпретация
- Ф. Блэклер
Бизнес
- 1995
В настоящее время существует интерес к конкурентному преимуществу, которое знания могут дать организациям, и к значимости знаний работники, организационные компетенции и наукоемкие…
Обзор: управление знаниями и системы управления знаниями: концептуальные основы и вопросы исследований
- М. Алави, Д. Лейднер
Бизнес
MIS Q.
- 2001
Целью KMS является поддержка создания, передачи и применения знаний в организациях путем продвижения класса информационных систем , называемые системами управления знаниями.
Концепция управления знаниями в проектных организациях
Пемсел, София, Вевиора, Анна, Мюллер, Ральф, Обри, Моник и Браун, Керри
(2014)
Концептуализация управления знаниями в проектных организациях.
Международный журнал управления проектами , 32 (8), стр. 1411-1422.
Посмотреть в издательстве
В этом документе концептуализируется и определяется управление знаниями (KG) в проектных организациях (PBO). Два ключевых вклада в многогранный взгляд на КР и понимание КР в ОПО продвигаются вперед, в отличие от концепций управления знаниями и организационного обучения. Концептуальная основа касается макро- и микроуровневых элементов КР и их взаимодействия. Наше определение КР в ОПО подчеркивает условный характер процессов КР по отношению к их организационному контексту. Эти вклады обеспечивают новую платформу для понимания KG в PBO.
Больше статистики…
Идентификационный код: 67550 Тип изделия: Вклад в журнал (Журнальная статья)
Рефери: Да Измерения или продолжительность: 12 Ключевые слова: Управление знаниями, определение и концептуализация управления знаниями, проектные организации DOI: 10. 1016/j.ijproman.2014.01.010 ISSN: 0263-7863 Чистый ID: 32678210 Подразделения: Прошлое > Факультеты и подразделения QUT > Бизнес-школа QUT
Текущее > Школы > Школа менеджментаВладелец авторских прав: Проконсультируйтесь с автором(ами) по вопросам авторского права Заявление об авторских правах: Эта работа защищена авторским правом. Если документ не предоставляется в соответствии с лицензией Creative Commons, вы должны исходить из того, что повторное использование ограничено личным использованием и что для всех других видов использования необходимо получить разрешение от владельца авторских прав. Если документ доступен по лицензии Creative Commons (или другой указанной лицензии), обратитесь к лицензии для получения подробной информации о разрешенном повторном использовании. You may also like
Как управлять гневом и раздражением методы: Управление гневом — советы психолога
Не могу ужиться в коллективе: Не могу ужиться в коллективе
Человек краснеет: Почему мы краснеем, когда нам стыдно?
Беседы психолога: Читать онлайн «Беседы с психологом. Подсказки на каждый день», Вероника Семёнова – ЛитРес