„Статията предлага нов метод за обективна високо надеждна експресна диагностика и прогнозиране на професионални и творчески способности чрез обработка на електроенцефалограми c. "

ДИАГНОСТИКА И ПРОГНОЗИРАНЕ НА ПРОФЕСИОНАЛНИ

И ТВОРЧЕСКИ СПОСОБНОСТИ ПО МЕТОДА НА АНАЛИЗ НА ЗАПИТВАНЕТО

ЕЛЕКТРОЕНЦЕФАЛОГРАМИ В СИСТЕМАТА EIDOS

Доцент доктор. Луценко Е. В., e-mail: [email protected], начален URL: www.Lc.narod.ru

Доцент на катедра „Компютърни технологии и системи“,

Кубански държавен аграрен университет (Краснодар)

Доктор на биологичните науки, професор Лебедев А.Н.

Ръководител на лабораторията по когнитивна психология, Институт по психология РАН (Москва) Статията предлага нов метод за обективна високо надеждна експресна диагностика и прогнозиране на професионални и творчески способности чрез обработка на електроенцефалограми в системата "Eidos", която е инструмент за анализ на ASK . Предаването на данни по 252 електроенцефалограмни отвеждания се извършва до системата "Eidos" напълно автоматично (без ръчно въвеждане) с помощта на специално създаден софтуерен интерфейс, който осигурява обработка на данни за неограничен брой респонденти във всяка предметна област.

Традиционни решения. Традиционно понастоящем при вземането на такива решения основната роля се играе от: нивото на предметна подготовка по основни предмети, необходимо за получаване на проходен бал при приемните изпити при обучение на бюджетна основа и/и способността за плащане на кандидатът (или неговите родители) при обучение на платена основа. В този случай решението за избора на специалност се взема от самия кандидат. През последните години вместо традиционните приемни изпити се въвежда централизирано тестване, вкл. номер чрез Интернет (система „Телетестване“) и един изпит.

Предложена технология. Авторите изхождат от факта, че генотипът се проявява не само във фенотипни характеристики, но и в определени параметри на електроенцефалограмата (ЕЕГ).

По този начин, за да се реши проблемът, поставен в статията, е необходимо да се решат следните три задачи:

1. Да се ​​установи естеството на връзката между ЕЕГ PI и диагностицираните способности.

2. Идентифицирайте най-информативните ЕЕГ параметри (EEG PI) и изключете неинформативните от модела, като същевременно запазите адекватността на модела.

3. Да се ​​създаде технология, която осигурява диагностика и прогнозиране на професионалните и творческите способности на даден респондент въз основа на измерените стойности на неговия IP ЕЕГ.

Изложение на проблема с автора. Първоначалните данни за изчисления са представени под формата на таблица (DOS или текст в Excel):

- първата колона съдържа кодовете на респондентите (имаше 151 от тях);

- в третия (MRK) - качествените оценки на експерта за способността на учениците да учат;

- останалите колони съдържат стойностите на индексите за биопотенциал за различни производни (PI EEG). Трябва да се отбележи, че цялата тази информация се отстранява от респондента само за 11 секунди.

От научна гледна точка представлява интерес да се изследва вътрешната организация на ЕЕГ IP, която е характерна за различни нива на проява на способности.

Прагматичен "Минимален проблем": синтез на модел, който е достатъчно адекватен за практически цели, осигуряващ изчисляването на стойностите на първата колона от минималното подмножество на останалите.

Прагматична „Максимална задача“: синтез на най-адекватния модел, използващ всякакви структури и комбинации от данни от останалите колони с ЕЕГ PI.

Необходимо е да се изследват и двата модела за адекватност, като се използва половината от редовете на таблицата с входни данни за синтезиране на моделите, а другата половина за проверка на точността на прогнозите въз основа на тези модели по сляп начин. Също така е необходимо да се сравнят и двете решения за точност на прогнозата.

Изпълнение. Разработена е специална програма (т. Нар. „Интерфейс на програмата“), която използва изходен файл с данни като входен файл, преобразуван в DBF формат с помощта на Excel и генерира бази данни на справочни книги за класове и характеристики, както и обучителна извадка за системата "Eidos" [2, 3].

Изходният файл с данни използва 3 класификационни скали за пол, възраст, способности в определен вид дейност, общо 33 класа (градации) и 252 описателни скали с различен брой градации, общо над 11 000 градации.

В текущата версия на системата Eidos общият брой на градациите не трябва да надвишава 4000. Следователно всяка скала беше разделена на един и същ брой градации - интервали, границите на които се определят от програмата автоматично въз основа на действителния максимум и минимални стойности по скалата, а броят на градациите се определя от изследователя в диалога ... Оказа се, че не може да има повече от 15 такива градации при 252 мащаба (4000/252 = 15,9).

След това моделът беше синтезиран и беше изчислена вътрешната интегрална и диференциална валидност (среднопретеглена надеждност на разпознаване на учебната извадка) за различен брой градации. Оказа се, че колкото повече градации, толкова по-висока е валидността на модела. Когато от модела се премахнат най-малко значимите градации, валидността на модела намалява.

Има няколко опции за изчисление:

1. Изчисляване с максимален брой градации, общо 3780 градации. Вътрешната интегрална валидност на модела е 95%, а диференциалната валидност се оказва еднаква: за високо ниво на способности - 100%, за средно - 97%, а за ниско

2. Изчисляване от 2016 г. на градации, чиято значимост е била повече от 0. Валидността не се е променила.

3. Синтезът на модела е извършен въз основа на данни за нечетни респонденти и диагностика и прогнозиране за четни респонденти. В същото време външната диференциална валидност беше: за високо ниво на способности - 91%, за средно - 75%, за ниско - 70%, средно претеглена външна интегрална валидност: 79%. Очевидно, както показва опитът, с увеличаване на размера на извадката валидността на модела би се увеличила.

4. При определяне на пола на респондентите, вътрешната диференциална валидност на „Съпруг“. съставлява 91%, "Жен". - 95%.

5. При определяне на възрастта: интегралната валидност е около 70% и варира от 100% до цифри от 40% за 30% за възрасти: 11, 15, 19, 32. Предлага се хипотеза, която обяснява тези резултати: за изброените възрасти е характерно преструктуриране на електрическия модел мозъчна активност, по време на която е по-трудно да се схванат типичните структури и тяхната връзка с развитието на способностите.

Системата "Eidos" за всеки тип модел генерира 50 различни вида текстови форми и 50 различни типа двумерни и триизмерни графични форми, които в тази статия не могат да бъдат цитирани поради големия им обем.

Заключение. Демонстрирана висока технологичност и надеждност на диагностиката и прогнозиране на професионални и творчески способности чрез ASC анализ на електроенцефалограми в системата "Eidos".

Основните предимства на предложения метод са:

1. Обективност (включително невъзможността съзнателното влияние на респондента върху резултатите от теста).

2. Висока скорост и технологичност на получаване на първоначални данни (11 секунди на 1 респондент, вместо един и половина до два часа при традиционния подход).

3. Висока надеждност на диагностиката и прогнозирането.

4. Възможност за експлоатация на техниката в режим на периодична адаптация и синтез на модела.

В бъдеще е препоръчително да се изучават проби с много по-големи размери, с голям брой класове и в други предметни области. В същото време значителните мащаби и градации за различните задачи, както и клавишите за интерпретация, ще се различават.

Литература:

1. Лебедев А.Н., Луцкий В.А. Ритмите на електроенцефалограмата. резултат от взаимосвързани трептящи нервни процеси. Биофизика том 17, брой 3. 1972, с. 556 -558

3. Луценко Е.В. Теоретични основи и технология на адаптивния семантичен анализ в подкрепа на решенията (на примера на универсалната автоматизирана система за разпознаване на образци „EIDOS-5.1“). - Краснодар: KYUI Министерство на вътрешните работи на Руската федерация, 1996 г. - 280s.

4. Луценко Е.В., Лаптев В.Н., Третяк В.Г. Прогнозиране на качеството на специалните дейности чрез метода на подсъзнателно (подпрагово) тестване, основано на семантичен резонанс. // В сборник: „Материали от II междууниверситетска научно-техническа конференция“. - Краснодар: KVI, 2001. - с. 127-128.