Байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности
Разработаны и реализованы технология и компьютерная система байесовского прогнозирования эффективности деятельности оператора (пользователя ПК) по его социопсихофизиологическим свойствам. Розроблено і реалізовано технологію і комп'ютерну систему байєсівського прогнозування ефективності діяльнос...
Gespeichert in:
| Datum: | 2005 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | Russisch |
| Veröffentlicht: |
Інститут програмних систем НАН України
2005
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/1352 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности / О.В. Верёвка, К.И. Кузьмина, Т.М. Сёмик // Проблеми програмування. — 2005. — N 1. — С. 69–84. — Бібліогр.: 34 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860241804811567104 |
|---|---|
| author | Верёвка, О.В. Кузьмина, К.И. Сёмик, Т.М. |
| author_facet | Верёвка, О.В. Кузьмина, К.И. Сёмик, Т.М. |
| citation_txt | Байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности / О.В. Верёвка, К.И. Кузьмина, Т.М. Сёмик // Проблеми програмування. — 2005. — N 1. — С. 69–84. — Бібліогр.: 34 назв. — рос. |
| collection | DSpace DC |
| description | Разработаны и реализованы технология и компьютерная система байесовского прогнозирования эффективности деятельности оператора (пользователя ПК) по его социопсихофизиологическим свойствам.
Розроблено і реалізовано технологію і комп'ютерну систему байєсівського прогнозування ефективності діяльності оператора (користувача ПК) за його соціопсихофізіологічними властивостями.
The technique and computer system for the Bayesian prediction of an operator (PC user) activity effectiveness according to personal sociopsychophysiological properties are designed and implemented.
|
| first_indexed | 2025-12-07T18:30:39Z |
| format | Article |
| fulltext |
Прикладне програмне забезпечення
© О.В.Верёвка, К.И.Кузьмина, Т.М.Сёмик, 2005
ISSN 1727-4907. Проблеми програмування. 2005. № 1 69
УДК 681.3 + 658.348.5 + 612.0 + 159.938 + 57: 007
О.В. Верёвка, К.И. Кузьмина, Т.М. Сёмик
БАЙЕСОВСКОЕ ПРОГНОЗИРОВАНИЕ ЭФФЕКТИВНОСТИ
ДЕЯТЕЛЬНОСТИ ОПЕРАТОРА
ПО СОЦИОПСИХОФИЗИОЛОГИЧЕСКИМ
ХАРАКТЕРИСТИКАМ СТРУКТУРЫ ЛИЧНОСТИ
Разработаны и реализованы технология и компьютерная система байесовского
прогнозирования эффективности деятельности оператора (пользователя ПК) по его
социопсихофизиологическим свойствам.
Введение
Целью многих современных ис-
следований человека является поиск
способов и средств индивидуального и
социального прогнозирования эффек-
тивности деятельности, включая ее
психофизиологическое обеспечение и
социопсихофизиологическую стоимость.
Сама по себе задача прогнозирования
интересовала человечество всегда, пе-
риодически меняя свои названия и
суть от гениальных предвидений до
колдовства и ереси в зависимости от
века, страны и личности – носителя
знаний. Наблюдается очередной всплеск
интереса к этой области на уровне
разработки фундаментальных теорети-
ческих и методологических подходов,
построения сценариев будущих собы-
тий в разных сферах человеческой
деятельности с использованием мето-
дологии качественного и системного
анализа. Активно исследуются также
сферы и возможности практического
применения полученных результатов.
Научно-технические знания становятся
стратегическим ресурсом [1].
В постановке задач разработки
прогнозов недостаточно внимания уде-
ляется человеческому фактору. В на-
стоящее время дефицита природных и
технических ресурсов человечеству
необходимы принципиально новые тех-
нологии жизнеобеспечения планеты и
одним из наиболее перспективных
направлений является получение и
использование знаний о человеке. В
связи с этим крайне актуальными ста-
новятся исследования эффективности
деятельности с целью получения инди-
видуального, группового и социального
прогнозов. В контексте сегодняшних
социальных и экономических реалий
социопсихофизиологический аспект
деятельности воспринимается не как
отвлеченный интересный феномен, а
как полноправный (иногда и решаю-
щий) компонент, а социопсихофизио-
логическая стоимость – как мощный
резерв современных экономических
(товарно-денежных) отношений [2].
Данная статья посвящена техно-
логии байесовского прогнозирования
эффективности деятельности оператора
(пользователя ПК) по его социопсихо-
физиологическим свойствам и ее ком-
пьютерной реализации.
Подходы к прогнозированию в
области социопсихофизиологических
исследований
Прогнозирование различных ас-
пектов деятельности по исходной струк-
туре личности – заманчивая перспек-
тива экономии средств, времени и сил
как личности, так и общества, с повы-
шением к тому же эффективности и
безопасности функционирования эко-
номики, обеспечением профессиональ-
ного долголетия и индивидуальной
комфортности. О сложности задачи
прогнозирования эффективности дея-
тельности можно судить, в частности,
по тому, что в работах общефилософ-
ского плана развиваются концепции
относительности формализации и содер-
жательной интерпретации схем чело-
веческой деятельности.
Прикладне програмне забезпечення
70
Данному вопросу посвящено
большое количество разноаспектных
публикаций. Исследовались эффектив-
ность и надежность деятельности чело-
века-оператора, возможности прогно-
зирования умственного и физического
утомления, резервов, индивидуального
стиля деятельности [3—8]. Рассматри-
вались методологические и методичес-
кие вопросы исследования и диагнос-
тики психической напряженности чело-
века-оператора в различных условиях
деятельности, подходы и методы управ-
ления его функциональным состоя-
нием [9]. Результаты подобных иссле-
дований подчеркивают сложность за-
дач прогнозирования поведения и дея-
тельности такого объекта, как человек.
В частности, исследование надежности
человека-оператора в условиях напря-
женной деятельности привело автора
[8] к выводу, что, видимо, структура
индивидуальности представляет собой
не сумму отдельных независимых черт
личности, а целостное образование,
внутренняя структура которого, веро-
ятно, подобна своему материальному
субстрату – мозгу.
В основе всех подходов к иссле-
дованию деятельности в явном или
неявном виде присутствуют адаптаци-
онные возможности человека [10—12],
причем уровень адаптивности к эколо-
гическим условиям и профессиональ-
ным требованиям [8] является основой
систематизации свойств и классифика-
ции индивидуумов.
Разноаспектность проблемы адап-
тационного реагирования отражена в
многочисленных теоретических и прак-
тических знаниях: о системном подхо-
де, общих и частных закономерностях
адаптационного реагирования (Казна-
чеев В.П., Аршавский И.А., Крыжанов-
ский Г.Н., Анохин П.К., Саркисов Д.С.
и др.); о различных уровнях функцио-
нирования биосистем (Фролов М.В.,
Гаркави Л.Х. с соавтор.); о континууме
функциональных состояний и напря-
женности физиологических функций
(Баевский Р.М., Зимкина А.М., Меер-
сон Ф.З.); о структурно-функциональ-
ном обеспечении процессов адаптации
(Симонов П.К., Иванов-Муромский К.А.,
Кузьмина К.И.); о конституционно-гене-
тической обусловленности адаптацион-
ного реагирования, свойствах нервной
системы (Небылицын В.Д., Теплов Б.М.,
Суворова В.В., Медведев В.И., Василев-
ский Н.Н., Сороко С.И.); о биоритмо-
логическом статусе человека, хронодиаг-
ностике, хронотерапии (Моисеева Н.Н.,
Реушкин В.Н., Степанова С.И.) и др.
Разрабатывается информационный
подход к вопросу о многоуровневом
характере адаптации в системах чело-
век — ЭВМ [13]. Для всех вариантов
взаимодействия человека со средой, в
частности с компьютером, отмечена
необходимость усовершенствования
информационного обмена, причем особо
значимыми факторами взаимодействия
с вычислительной техникой являются
индивидуально-типологические особен-
ности, психофизиологическое состоя-
ние и направление его развития в мо-
мент воздействия [14], структура про-
фессиональных качеств, память, мыш-
ление, психомоторика, характеристики
анализаторных систем (слуховой, так-
тильной, зрительной). Рассмотрены
психологические аспекты организации
работы с вычислительными машинами.
Объектом специальных теоретических
и прикладных научных исследований
психологического обеспечения совер-
шенствования информационного взаи-
модействия «оператор — ПК» в раз-
личных условиях деятельности являют-
ся требования к языку, процедуре и
средствам реализации диалога, а также
методики их разработки и экспертизы
[15, 16].
Исследовались также вопросы
влияния индивидуально-психологичес-
ких свойств на функциональную на-
дежность человека-оператора, взаимо-
связь особенностей личности и харак-
теристик стресса, в частности устойчи-
вость к стрессу, в том числе информа-
ционному [17]. Фундаментально проана-
лизированы типологические свойства
нервной системы [18, 19], которые
учитывались или даже являлись опре-
деляющими при оценке профпригод-
ности [20, 21].
Прикладне програмне забезпечення
71
В области моделирования раз-
личных аспектов человеческого факто-
ра в основном присутствуют экспери-
ментальные [17, 22, 23], концептуаль-
ные [24] или же математические моде-
ли ситуационных проявлений деятель-
ности человека в конкретных видах
деятельности [25], что обусловлено, на
наш взгляд, отсутствием знания зако-
нов взаимодействия человека со сре-
дой и колоссальной сложностью чело-
века как объекта исследования.
Прогрессивным для построения
прогнозов в психофизиологических
исследованиях является введение ря-
дом авторов помимо результативности
также понятия «цены», или «стоимо-
сти», деятельности [2, 24, 26]. Учиты-
вая, что одинаковая эффективность
обеспечивается различной социопсихо-
физиологической стоимостью, указан-
ный подход является плодотворным,
поскольку позволяет точнее оценивать
и прогнозировать индивидуальную на-
дежность деятельности человека в
сложных автоматизированных систе-
мах [2].
Необходимость учета человеческого
фактора
В разработках прогнозов слож-
ных систем недостаточно внимания
уделяется человеческому фактору. Прог-
нозирование поведения объекта затруд-
нено также тем, что взаимодействие
человека с техникой, в том числе с
компьютером, происходит в условиях,
когда не унифицированы критерии
функционирования и возможны ошиб-
ки измерения [27]. Кроме того, из-за
большой сложности биологических
объектов привлечение методов точной
математики к прогнозированию эф-
фективности деятельности оператора
имеет ряд трудностей принципиально-
го характера.
Применение вероятностных под-
ходов в теоретических и практических
задачах современных информацион-
ных систем является весьма обещаю-
щим [29]. Выбор привлекаемого мате-
матического аппарата часто влияет на
интерпретацию теоретических и экс-
периментальных данных в области ис-
следований биообъектов. Используются
самые различные математические под-
ходы: многомерный статистический
анализ при прогнозировании работо-
способности операторов, многофак-
торный корреляционно-регрессионный
анализ при изучении межсистемных
взаимоотношений, канонический кор-
реляционный анализ при оценке силы
связи между показателями результа-
тивности деятельности и показателями,
характеризующими состояние изучае-
мых систем организма [24], методы
проверки статистических гипотез.
Особое место занимают методы поиска
и разработки процедур синтеза оценок
состояния физиологических механиз-
мов и иерархической свертки оценок,
позволяющих уменьшить мерность
пространства показателей [28]. Привле-
кается также вся совокупность методов,
используемых при изучении экономи-
ческих закономерностей [30].
Цель исследования – прогнозирова-
ние эффективности деятельности по
исходной структуре личности
В настоящей статье представле-
ны полученные авторами результаты
по разработке и компьютерной реали-
зации технологии прогнозирования
эффективности деятельности операто-
ра (пользователя ПК) по его социопси-
хофизиологическим свойствам (струк-
туре личности). При этом под эффек-
тивностью деятельности подразумева-
ется совместная оценка результативно-
сти процесса, психофизиологического
обеспечения и социопсихофизиологи-
ческой стоимости процесса взаимодей-
ствия.
В основу предлагаемых исследо-
ваний работоспособности человека-
оператора (в частности, пользователя
ПК) положены:
— теоретические положения ин-
формационного взаимосодействия био-
объектов и среды, развиваемые авто-
рами еще с ХХ века и определяемые
объективной информационной струк-
турой экзогенного фактора (среды)
независимо от его физической суб-
Прикладне програмне забезпечення
72
станции и субъективной информаци-
онной значимости этого экзогенного
фактора (СИЗЭФ), определяемой свой-
ствами и состоянием (с учетом направ-
ления его развития) биообъекта в
момент их встречи [14, 22];
— концепция единства биосоци-
альных механизмов адаптации, рас-
смотрения надежности и здоровья
профессионала в аспекте "типология
личности – континуум функциональ-
ных состояний" [23];
— доминантность значения со-
циопсихофизиологической стоимости
деятельности [2];
— байесовский подход к иссле-
дованию актуального состояния и про-
гнозированию работоспособности чело-
века-оператора по статодинамическим
индивидуально-типологическим свой-
ствам [32].
Исследование эффективности дея-
тельности выполнено на базе компью-
терной системы АСНИ [34] c исполь-
зованием унифицированной техноло-
гии проведения психофизиологических
исследований [14], включающей набор
технических и программных средств
проведения экспериментов, обработки
результатов, интегрированной оценки
социопсихофизиологической структуры
и состояний личности. Эффективность
деятельности (ЭД) как целевая функ-
ция, нервно-психическая устойчивость
и врабатываемость изучались с помо-
щью методики Шульте. Актуальное
функциональное состояние анализатор-
ных и вегетативных систем оценива-
лись с помощью теста простой сенсо-
моторной реакции (времени реакции),
теппинг-теста (максимальной частоты
нажатий в минуту для право- и лево-
ручных реализаций), моды и амплиту-
ды моды временных рядов, составлен-
ных из последовательностей нажатий,
теста Люшера (уровня стресса, коэф-
фициента вегетативного баланса).
Привлечение методов точной ма-
тематики к прогнозированию эффек-
тивности деятельности оператора со-
пряжено с преодолением, часто в ущерб
адекватности описания изучаемых про-
цессов, ряда трудностей. Прежде всего
это связано с биологической природой
человека, его существенно большей
сложностью, изменчивостью поведения
по сравнению с техническими компо-
нентами любой системы. Организм
человека способен достигать одинако-
вого результата с помощью различных
поведенческих реакций и других фе-
номенов, основанных на реализации
сугубо биологических механизмов, на-
пример компенсации отказов посред-
ством перехода на иные алгоритмы
деятельности (так называемое функ-
циональное резервирование). В свою
очередь отказ в живой системе не сво-
дится просто к отказу одной или не-
скольких составляющих, но на опреде-
ленном уровне усталости чреват функ-
циональной перестройкой самого орга-
низма и переходом его в иной, «стрес-
совый» режим существования и дея-
тельности. Далее, кроме его собствен-
ного физического состояния, следует
учитывать также воздействие внешних
обстоятельств, поскольку «фон» экспе-
римента может существенно изменить
полученные данные. Еще более слож-
ной является ситуация, когда на осно-
вании изучения нескольких отдельных
представителей следует получить вы-
воды относительно большой группы
операторов, определяемой наличием
ряда характеристик, в различной сте-
пени выраженных. Вероятно, наиболее
нетривиальным является продуцирова-
ние знаний, пригодных для прогнози-
рования как типичных реакций всей
группы, так и поведения конкретного
ее представителя. При групповом оце-
нивании вообще рискованно опериро-
вать точечными оценками, поскольку
исследуемые значения «размыты» по
некоторому интервалу, если контроль-
ная группа является достаточно одно-
родной (рис. 1), или по совокупности
непересекающихся интервалов в про-
тивном случае, причем различные зна-
чения могут иметь неодинаковую сте-
пень выраженности. Кроме того, сами
изучаемые процессы имеют случайную
природу и получаемые при проведении
эксперимента значения могут лишь в
Прикладне програмне забезпечення
73
той или иной степени характеризовать
возможность реального исхода.
Вследствие вышеизложенного
определение разумной и интерпрети-
руемой численной величины, которую
можно было бы принять в качестве
оценки эффективности оператора, яв-
ляется весьма нетривиальной задачей.
Перспективным представляется подход,
при котором в качестве оценки эффек-
тивности выступает не одно число, а
совокупность величин, характеризую-
щих взаимозависимости между резуль-
тативностью работы человека-опера-
тора и личностными характеристиками,
позволяющими оценить психофизио-
логическую «цену» его деятельности,
т.е. степень напряженности регулятор-
ных механизмов и величину израсхо-
дованных функциональных резервов
организма. Под эффективностью дея-
тельности оператора в этом случае
понимается некая мера (например,
временные характеристики) его способ-
ности выполнять предписанные функ-
ции с заданным качеством при сохра-
нении в допустимых пределах психо-
физиологической «цены» этой деятель-
ности. В свою очередь «цена» деятель-
ности численно характеризуется сово-
купностью соотношений между теку-
щим, исходным и предельно допусти-
мым состояниями функциональных
систем организма, ответственных за
обеспечение рассматриваемой деятель-
ности.
Таким образом, в каждом кон-
кретном случае определение оценок
эффективности жестко связано как со
спецификой деятельности человека-
оператора по реализации конечных
целей, так и с особенностями индиви-
дуально-личностного допустимого диа-
пазона психофизиологических пара-
метров предполагаемого или реального
контингента исполнителей. ЭД связана
с некоторыми другими важными пока-
зателями деятельности оператора, на-
пример прямой связью с надежностью
и стабильностью (на рис. 1 значение
а)
б)
в)
0
10
20
30
40
50
60
70
80
90
100
0,
3
0,
6
0,
9
1,
2
1,
5
1,
8
2,
1
2,
4
2,
7 3
3,
3
3,
6
3,
9
4,
2
4,
5
4,
8
Е
щ
е
0
10
20
30
40
50
60
70
80
90
100
0,
3
0,
6
0,
9
1,
2
1,
5
1,
8
2,
1
2,
4
2,
7 3
3,
3
3,
6
3,
9
4,
2
4,
5
4,
8
Е
щ
е
0
10
20
30
40
50
60
70
80
90
100
0,
3
0,
6
0,
9
1,
2
1,
5
1,
8
2,
1
2,
4
2,
7 3
3,
3
3,
6
3,
9
4,
2
4,
5
4,
8
Е
щ
е
Рис. 1. Частотные распределения эффективности деятельности групп операторов
(в секундах) с характеристикой их стабильности (крайний столбик “еще”):
(а) – высокая, (б) – средняя и (в) – низкая
а)
б)
в)
Прикладне програмне забезпечення
74
гистограммы против отметки «еще»
существенно увеличивается при пони-
жении эффективности операторов, со-
ставляющих группу). Целесообразно
поэтому рассматривать не саму чис-
ленную оценку эффективности дея-
тельности конкретного фигуранта, а
определять его принадлежность к одной
из относительно однородных групп,
упорядоченных по результативности.
При исследовании конкретного вида
деятельности целесообразно определять
меру того, что исполнитель работает в
каждом из возможных режимов функ-
ционирования, и затем приписывать
его к группе, работающей в том режи-
ме, которому соответствует макси-
мальная оценка. Удобно сформулиро-
вать задачу прогнозирования ЭД чело-
века в виде подлежащих проверке ги-
потез, например: “высокая ЭД опера-
тора”, “средняя ЭД”, “низкая ЭД”.
Тогда примерный прогноз может быть
получен в виде некоторого приближе-
ния значений вероятности принадлеж-
ности к каждой из выделенных групп.
Квалифицированный эксперт при
анализе социопсихофизиологических
характеристик структуры личности
конкретного человека на основании
своих неформальных соображений час-
то может достаточно адекватно спрог-
нозировать эффективность его деятель-
ности при определенных воздействиях
и в определенных обстоятельствах,
причем указанные им пределы воз-
можных изменений итоговых показа-
телей могут быть весьма близки реаль-
но полученным впоследствии. В любом
случае учет имеющейся априорной
информации с привлечением эксперта
является оправданным и в подавляю-
щем большинстве случаев весьма пло-
дотворным. Например, участие экспер-
та также необходимо для выделения с
целью тщательного последующего изу-
чения индивидов-«экстремалов», пока-
затели которых могут быть наиболее
информативными при установлении,
скажем, возможных и допустимых
границ изменений показателей и при
проведении любой предварительной
классификации.
В свете приведенных выше сооб-
ражений наиболее плодотворным при
прогнозировании эффективности дея-
тельности оператора представляется
привлечение непрямого экспертно-
статистического подхода к анализу
изучаемых явлений.
При таком подходе часто удается
установить наличие зависимости эффек-
тивности от индивидуально-типологи-
ческих показателей, присущей контин-
генту исполнителей, на основании изу-
чения которого делаются выводы.
Крайне полезной является проведение
предварительной классификации по
разумно избранному показателю. На-
пример, при прогнозировании эффек-
тивности деятельности тестируемого
его принадлежность к одной из типо-
логических групп (сангвиники, холе-
рики, флегматики, меланхолики) уже
сама по себе является неявным про-
гнозом эффективности деятельности,
поскольку ее профили по каждой из
групп (три из них приведены на рис. 2)
весьма отличны. Следует, однако, за-
метить, что ортодоксальные представи-
тели «чистых» типов встречаются дос-
таточно редко. Типичным является как
раз противоположный, пограничный
случай, когда оператор на разных эта-
пах деятельности (врабатывание, ста-
бильное функционирование, усталость)
ведет себя как представитель различ-
ных типологических групп. В любом
случае прогнозирование является бо-
лее адекватным, если проводится от-
дельно для каждого из указанного вы-
ше этапов.
Прогнозирование эффективности
деятельности как задача
проверки гипотез
Весьма привлекательным и мате-
матически обоснованным является так
называемый байесовский подход к
проверке гипотез, основанный на
классической теореме Байеса и позво-
ляющий рационально использовать ап-
риорную, в частности экспертную, ин-
формацию [31—33]. В этом случае про-
верка выдвинутых гипотез проводится
по свидетельствам о степени выра-
Прикладне програмне забезпечення
75
женности каждого из совокупности
признаков. Используются также экс-
пертно полученные априорные оценки
о мере связанности каждого из при-
знаков с каждой из гипотез, причем
свидетельства о наличии и выраженно-
сти признаков обрабатываются после-
довательно и полученная на предыду-
щем шаге апостериорная оценка веро-
ятности справедливости гипотезы ис-
пользуется как априорная при учете
следующего свидетельства. Как и лю-
бой другой, байесовский подход не
лишен недостатков. Прежде всего, это
трудность получения экспертных ап-
риорных оценок и лежащее в основе
подхода предположение о независимо-
сти свидетельств, что принципиально
невыполнимо для живых систем. Сто-
ит, однако, отметить, что указанные
недостатки присущи подавляющему
большинству успешно применяемых в
настоящее время подходов, хотя усло-
вие независимости в них часто откры-
то не оговаривается, но неявно пред-
полагается. При любом подходе также
имеет место качественный анализ [1],
поскольку привлекаемые математиче-
ские модели или даже количественные
вычисления на определенных сегмен-
тах информации, как правило, базиру-
ются на использовании знаний экспер-
тов, причем субъективизм в определе-
нии значимых для используемых фак-
торов очень силен. При любой методи-
ке прогнозирования эффективности
деятельности приходится прибегать к
упрощению ситуации, учитывая агре-
гированные факторы, определяемые
единым набором индивидуально-типо-
логических показателей, действующих
независимо.
Оценки, полученные при байе-
совском подходе даже в случае силь-
ной коррелированности свидетельств,
могут быть успешно использованы, по-
скольку они являются в равной степе-
ни «зашумленными» и дают правиль-
ную ранжировку степени справедливо-
сти гипотез. Главное при интерпрета-
ции результатов понимать, что конеч-
ный результат дает не адекватную
оценку вероятности справедливости
гипотез, а только множество значений,
позволяющих получить конструктив-
ные выводы в порядковой шкале, т.е.
ранжировать по убыванию (возраста-
нию) эти неизвестные вероятности.
0
5
10
15
20
25
30
35
0,
3
0,
5
0,
7
0,
9
1,
1
1,
3
1,
5
1,
7
1,
9
2,
1
2,
3
2,
5
2,
7
2,
9
3,
1
3,
3
3,
5
3,
7
3,
9
4,
1
4,
3
4,
5
I
0
5
10
15
20
25
30
35
0,
3
0,
5
0,
7
0,
9
1,
1
1,
3
1,
5
1,
7
1,
9
2,
1
2,
3
2,
5
2,
7
2,
9
3,
1
3,
3
3,
5
3,
7
3,
9
4,
1
4,
3
4,
5
0
5
10
15
20
25
30
35
0,
3
0,
5
0,
7
0,
9
1,
1
1,
3
1,
5
1,
7
1,
9
2,
1
2,
3
2,
5
2,
7
2,
9
3,
1
3,
3
3,
5
3,
7
3,
9
4,
1
4,
3
4,
5
II
III
Рис. 2. Гистограммы распределения временных интервалов (в секундах)
эффективности деятельности разных типологических групп в стадии стабильного
функционирования (I – меланхолики, II – флегматики, III – сангвиники)
III
II
I
Прикладне програмне забезпечення
76
Байесовский подход к проверке
гипотез
Результаты тестирования челове-
ка довольно успешно описываются
множеством показателей возможных
исходов с указанием степени выра-
женности каждого из них. В простей-
шем случае вместо показателя «Нали-
чие признака е» с вариантами ответа
«Признак е присутствует» или «При-
знак е отсутствует» разумно использо-
вать показатель определенности u(e)
«Степень выраженности признака».
Диапазон допустимых значений u(e)
задается значениями от u(e) = −1, что
соответствует полному отсутствию
признака, до u(e) = 1, когда наличие
признака ярко выражено и не вызыва-
ет сомнений; при этом значение u(e) = 0
соответствует случаю полной неопре-
деленности.
Для более формального пред-
ставления вышесказанного введем сле-
дующие обозначения. Для прогнозиро-
вания эффективности сформулирова-
ны три гипотезы H = {hi}
3
1i= , подлежа-
щие ранжированию по апостериорной
оценке правдоподобия их справедливо-
сти согласно эффективности деятель-
ности:
h1 = {высокая}, h2 = {средняя},
h3 = {низкая},
причем понятия «высокая», «средняя»
и «низкая» экспертно определяются
непересекающимися критическими диа-
пазонами в соответствии с целями
исследования. Проверка справедливо-
сти выдвинутых гипотез проводится на
основании учета свидетельств из мно-
жества E = {ej} 1
J
j= . Заданы априорная
оценка P̂ 0(hi) справедливости гипотезы
hi, а также P̂ (ej/hi) – оценка условной
вероятности P(ej/hi) наличия свидетель-
ства ej, если справедлива hi, и P̂ (ej/ h i) –
оценка условной вероятности P(ej/ h i)
наличия свидетельства ej, если hi не-
верна. В качестве информации относи-
тельно наличия свидетельства ej высту-
пает фактор определенности u(ej), при-
нимающий соответствующее степени
выраженности свидетельства ej значе-
ние в интервале от −1 до 1.
Пусть процесс учета свиде-
тельств находится в состоянии Ψj−1, ко-
гда уже учтены первые (j−1) свидетель-
ства, и оценка вероятности того, что
справедлива гипотеза hi, равна P̂ j−1(hi).
В качестве апостериорной оценки
P̂ j(hi) справедливости гипотезы hi в со-
стоянии Ψj целесообразно использо-
вать значение на траверзе u(ej) кусочно-
линейной интерполяции P(hi/ej) (рис. 3)
по точкам P̂ (hi/ej) при u(ej) = 1 (случай
полного подтверждения еj), P̂ (hi/ e j) при
u(ej) = −1 (т.е. при полном отрицании еj)
и по значению P̂ j-1(hi) при u(ej) = 0 (слу-
чай полной неопределенности):
P̂ j(hi) = Q( P̂ (ej/hi), P̂ (ej/ h i), P̂ j-1(hi), u(ej)),
P̂ (h/ e j) Bj-1(h)
Bj(h)
u(ej)
P̂ (h/ej)
1
0 1
Рис. 3. Графическая интерпретация линейной интерполяции оценки
апостериорной вероятности справедливости гипотезы h
-1
Прикладне програмне забезпечення
77
где
Q( P̂ (e/h), P̂ (e/ h ), B(h), u(e)) = B(h) +
+
>−×
≤−×
,при
,при
0)()]()([)(
0)()]()([)(
euhBh/eP̂eu
eueh/P̂hBeu
оценки P̂ (h/e) и P̂ (h/ e ) вычислены по
формуле Байеса,
P̂ (h/e) = P̂ (h)× P̂ (e/h)/[ P̂ (h)× P̂ (e/h) +
+ (1− P̂ (h))× P̂ (e/ h )],
P̂ (h/ e ) = P̂ (h)×(1− P̂ (e/h))/[ P̂ (h)×(1 −
– P̂ (e/h)) + (1 − P̂ (h))×(1 − P̂ (e/ h ))].
Байесовские оценки обладают
известной «компенсационной гибко-
стью», т.е. недостаточное значение по
одному из показателей может быть
сбалансировано или даже вовсе пога-
шено яркой выраженностью другого.
Это совершенно логично для процесса
классификации живого: границы групп,
определяемых как различные, являют-
ся часто достаточно приблизительны-
ми, и каждая группа в то же время
может включать весьма пестрый кон-
тингент. Более того, всегда существуют
операторы, которые в равной степени
могут быть отнесены к каждой из двух
соседних групп. Иногда наибольший
интерес представляют «экстремалы»,
которые при байесовской классифика-
ции достаточно уверенно занимают
место в определенной группе и в то же
время при неформальном анализе явно
отличаются от остальных по некото-
рым существенным параметрам. Для
выполнения конструктивной байесов-
ской проверки гипотез даже при нали-
чии удовлетворительных априорных
экспертных оценок требуется доста-
точно кропотливая работа по исследо-
ванию взаимозависимости связанных с
гипотезами свидетельств, отбору наи-
более информативных из них (и уст-
ранению менее информативных, кор-
реляционно связанных с избранными).
Поиск и оценка степени взаимной за-
висимости проводятся с привлечением
оценок взаимной корреляционной
функции (рис. 4). Все выявленные су-
щественные корреляции затем подвер-
гаются проверке на значимость как
неформальными методами (например,
визуальная оценка соответствующих
диаграмм рассеяния), так и с привле-
чением аппарата статистической про-
верки гипотез, причем предпочтитель-
ными являются непараметрические
критерии. Далее, поскольку порядок
учета свидетельств имеет значение и
наибольшее влияние на итоговые по-
казатели оказывают свидетельства,
0.61
4/MMPI
8/MMPI
7/MMPI 2/MMPI6/MMPI
1/MMPI
Подвиж.
0/MMPI
СНСт
9/MMPIL/MMPI
СНСвНейрот.
-0.59
0.45
0.6
-0.63
К/MMPI
-0.75
F/MMPI
-0.83
Интров.
Уравнов
.
0.6
0.58 0.6 -0.73
0.75
0.71
0.62
0.84
-0.62
-0.73
-0.82
0.6
-0.64
0.54
(13)0.72
-0.59
0.85
0.6
-0.8
0.64 0.69
0.59
(3,8) 0.79
Рис. 4. Граф корреляционных связей характеристик личности с порогом 0.6
Прикладне програмне забезпечення
78
учтенные вначале, требуется устано-
вить порядок их привлечения, наибо-
лее подходящий для конкретной по-
становки решаемой задачи с учетом
условий проведении эксперимента.
Весьма важной является также
классификация состояния, в котором
находится человек-оператор. Разбие-
ние показателей функционирования на
стадии вхождения в деятельность (вра-
батывание), стабильную стадию и по-
следующую усталость также способно
значительно повысить адекватность
полученных результатов.
Привлечение любой методики
оценивания должно сопровождаться
графическим представлением исходной
информации и полученных результа-
тов. Это обеспечивает выявление, ана-
лиз и отсев выбросов и ошибочных
показателей (полученных вследствие
сбоев аппаратуры, например) и может
помочь при формировании «однород-
ных» групп при предварительной клас-
сификации контингента исполнителей
и выделении групп «экстремалов»,
наиболее ярко отражающих возмож-
ные аспекты функционирования, а
также при выборе способа заполнения
пропусков в исходных данных.
Компьютерная реализация
предлагаемого подхода
Весьма перспективным направ-
лением деятельности является создание
компьютерных систем, позволяющих
на базе байесовского подхода выявлять
принадлежность испытуемых к группе
с высокой, средней и низкой эффек-
тивностью деятельности по значениям
индивидуально-типологических показа-
телей, полученным в результате срав-
нительно кратковременного тестиро-
вания. Такой подход особенно привле-
кателен еще и потому, что, кроме ос-
новного параметра, заложенного в
формулировку проверяемых утверж-
дений, можно «отсеивать» претенден-
тов (тестируемых) также по сопутст-
вующим показателям, искусственно
завышая требования относительно диа-
пазонов, в которых последние должны
попадать.
Байесовский подход был поло-
жен в основу системы EFFECT, пред-
назначенной для прогнозирования эф-
фективности деятельности оператора.
Прогнозирование проводилось
на основе анализа индивидуальных со-
циопсихофизиологических показателей
человека, для определения которых в
ИПС успешно функционирует компь-
ютерная система. Наиболее сложными
поэтому были принципиально важные
вопросы разработки стратегии получе-
ния необходимых априорных и дина-
мических оценок, визуализации дан-
ных, определения информативных по-
казателей, а также ряд вопросов, свя-
занных с обеспечением приемлемой
цены эффективного функционирова-
ния, требований надежности и других
вопросов, касающихся сопутствующих
показателей деятельности.
Оценивание априорных вероятно-
стей проводилось по схеме «классифи-
кация с обучением». Была сформиро-
вана большая группа операторов, ана-
логичная по своим показателям пред-
полагаемому контингенту исполните-
лей. Процентное соотношение пред-
ставителей различных классов (высо-
коэффективные, среднеэффективные и
низкоэффективные исполнители) во
всей группе было использовано как
исходное для экспертной априорной
оценки вероятности каждого класса.
Затем были выделены сравнительно
небольшие «обучающие» группы, каж-
дая из которых состояла из достаточно
ярких представителей соответствую-
щего класса. Аккуратно, с возможно
минимальными внешними последейст-
виями и на достаточно хорошей аппа-
ратуре были измерены все экспертно
выделенные потенциально полезные
первичные показатели. По ним были
вычислены значения агрегированных
показателей, характеризующих индиви-
дуально-типологические свойства опе-
раторов: сила нервной системы по воз-
буждению, сила нервной системы по
торможению, уравновешенность, под-
вижность нервной системы, уровень
нейротизма и интроверсии, значения
Прикладне програмне забезпечення
79
шкал № 1–10 теста MMPI, время реак-
ции, средняя частота теппинг-теста
правой руки, коэффициент вегетатив-
ного баланса, уровень стресса (%) и др.
Агрегированные показатели по каждо-
му из членов обучающей группы были
совокупно визуализированы. Весьма
удобным средством для этого является
масштабированная лепестковая диа-
грамма, которая выполняется графиче-
скими средствами EXCEL.
Экспертно, после изучения кор-
реляционной взаимосвязи, был выделен
набор показателей (табл. 1), далее ин-
терпретируемый как совокупность сви-
детельств для проведения проверки ги-
потез эффективности. Априорные оцен-
ки условных вероятностей (табл. 2, 3),
необходимые для вычислений по фор-
муле Байеса, получены на основании
либо частотного (взвешенное среднее
показателей всех членов группы), либо
экспертного подхода (степень уверен-
ности эксперта в том, что рассматри-
ваемый признак присутствует в данной
тестовой группе), либо при совмеще-
нии обоих (взвешенное среднее экс-
пертных оценок, полученных для каж-
дого представителя группы, либо экс-
пертно скорректированное частотное
значение).
Таблица 1. Совокупность свидетельств для проверки гипотез эффективности
№
свид.
j
Название свидетельства
Степень
выражен-
ности
Критические
точки (а–1, а+1) или
а–1, (а+1, b+1), b–1
1 Сила нервной системы по возбуждению
(СНСв)
Высокая (52, 65)
2 Сила нервной системы по торможению
(СНСт)
Средняя 46, (55,70), 80
3 Уравновешенность нервных процессов Высокая (0.8, 1.1)
4 Подвижность нервной системы Высокая (48, 55)
5 Уровень нейротизма Средняя 6, (10, 13), 16
6 Уровень интроверсии Высокая (10, 14)
7 Значение по шкале №2 теста MMPI Среднее 47, (53, 73), 80
8 Значение по шкале №7 теста MMPI Высокое (45, 55)
9 Значение по шкале №6 теста MMPI Высокое (54, 60)
10 Значение по шкале №4 теста MMPI Среднее 46, (53, 62), 70
11 Значение по шкале №8 теста MMPI Высокое (55, 63)
12 Время реакции Средняя 220, (227, 240), 248
13 Средняя частота теппинг-теста правой
руки
Высокая (370, 390)
14 Коэффициент вегетативного баланса Высокая (0.8, 1.2)
15 Уровень стресса Средняя 21, (28, 55), 65
Таблица 2. Априорные начальные оценки вероятностей гипотез
№ гипотезы Название гипотезы
Априорная
оценка прав-
доподобия
1 Высокий уровень эффективности 0,375
2 Средний уровень эффективности 0,375
3 Низкий уровень эффективности 0,25
Прикладне програмне забезпечення
80
Выбор порядка учета свидетельств и
оценивание фактора определенности
Обычно выделяют три стратегии
учета свидетельств [31]:
1) так называемая прямая цепоч-
ка, при которой последовательно учи-
тываются все свидетельства-симптомы
и на каждом шаге корректируется ре-
зультат. Данная стратегия вполне при-
менима для решения задачи прогнози-
рования эффективности оператора и
может привести к удовлетворительным
результатам при условии, что порядок
учета свидетельств определен экспер-
том в соответствии с сопутствующими
требованиями к результату (надеж-
ность, стабильность функционирова-
ния и т.п.), т.е. каждому свидетельству
приписан «рейтинг», равный очередно-
сти учета. Значимость свидетельства и
его рейтинг, таким образом, находятся
в обратной зависимости;
2) обратная цепочка, при кото-
рой выбирается одна из альтернатив-
ных гипотез h, учитываются все свиде-
тельства, имеющие отношение к этой
гипотезе, и после определения оконча-
тельной апостериорной оценки спра-
ведливости избранной гипотезы анало-
гично анализируется следующая. Об-
ратная цепочка может быть успешно
использована при проверке пригодно-
сти оператора для определенного вида
деятельности, когда выбор приоритет-
ной гипотезы очевиден и для её окон-
чательной апостериорной оценки зада-
но критическое пороговое значение. В
этом случае часто бывает достаточно
даже ограничиться проверкой одной
гипотезы («эффективность высокая»).
Прямую цепочку привлечения свиде-
тельств к рассмотрению для приори-
тетной гипотезы опять-таки должен
выстроить эксперт. Для решения зада-
чи прогнозирования в общем случае
обратная цепочка – не лучший выбор;
3) так называемая косвенная це-
почка, ориентированная на свидетель-
ства. Этот подход является логически
наиболее естественным и оправдан-
ным: в первую очередь учитывается то
из еще не учтённых свидетельств, те-
кущая «цена» C(e) которого является
наибольшей. Выражение для C(e) вы-
бирается таким образом, чтобы опре-
делить воздействие учета свидетельст-
ва на изменение оценок для всех до-
пустимых гипотез, т.е. цена является
мерой значимости соответствующего
Таблица 3. Априорные оценки условных вероятностей
№ гип. i № свид. j P̂ (ej/hi) P̂ (ej/ h i) № гип. i № свид. j P̂ (ej/hi) P̂ (ej/ h i)
2 1 0,17 0,6 3 8 0,01 0,67
3 1 0,75 0,33 1 9 0,67 0,2
1 2 0,83 0,4 2 9 0,17 0,5
2 2 0,17 0,8 3 9 0,25 0,42
3 2 0,75 0,5 1 10 0,83 0,99
3 3 0,25 0,33 1 11 0,5 0,1
2 4 0,33 0,8 2 11 0,17 0,3
3 4 0,99 0,5 3 11 0,01 0,33
1 5 0,99 0,5 2 12 0,83 0,4
2 5 0,5 0,8 3 12 0,25 0,67
3 5 0,5 0,75 1 13 0,67 0,4
3 6 0,25 0,33 3 13 0,25 0,58
2 7 0,5 0,7 1 14 0,83 0,6
3 7 0,75 0,58 3 14 0,5 0,75
1 8 0,67 0,4 1 15 0,5 0,1
2 8 0,67 0,4 2 15 0,01 0,4
Прикладне програмне забезпечення
81
свидетельства в текущей ситуации.
Примеры часто используемых выра-
жений приведены, например, в [32],
наиболее интересным из них является
соотношение
C(e) = 1
[
e
i
e
h HH ∈
∑ P̂ (hi/e) − P̂ (hi/e ) ]2 × k(e, hi),
где H e – множество гипотез H = {hi},
связанных со свидетельством е;
k(e, h) — весовые коэффициенты, вы-
бранные экспертно.
Очевидно, первые два подхода
являются чисто экспертными, а при
третьем учитывается текущая ситуа-
ция. Для задачи прогнозирования эф-
фективности деятельности оператора
наиболее рациональным является мо-
дификация косвенной цепочки, кото-
рую можно назвать косвенно-
рейтинговой: для каждого свидетельст-
ва e∈E = {ej} 1
J
j= , J = 15, экспертно опре-
деляется рейтинг R(e), который нахо-
дится в прямой зависимости со зна-
чимостью свидетельства и определя-
ется из соображений обеспечения со-
путствующих требований к результату.
В отличие от стратегии прямой цепоч-
ки разные свидетельства могут иметь
одинаковый рейтинг. В качестве цены
свидетельства в косвенной цепочке ис-
пользуется значение
C(e) = ( )
[
e
i
e
h H
R e
H ∈
∑ P̂ (hi/e) − P̂ (hi/ e ) ]2.
По мере учета информации цены
еще не привлеченных свидетельств
меняются в соответствии с объектив-
ной ситуацией, но неизменно с учетом
решения эксперта относительно их
важности. Таким образом искусствен-
но завышена значимость симптомов,
ответственных за надежность (ско-
рость, безошибочность и т.п) функ-
ционирования и обеспечен отсев тех
операторов, которые не проходят
именно по этому показателю, хотя ве-
ликолепно подходят по остальным.
Завершающим вопросом является
вычисление факторов определенности
для свидетельств, приведенных в
табл. 1, по аппаратно найденным социо-
психофизиологическим характеристикам
структуры личности. Степень выра-
женности u(e) соответствующей харак-
теристики (третий столбец в табл. 1) по
числовому показателю е целесообразно
выполнять по предлагаемой ниже ме-
тодике: экспертно определить непере-
секающиеся и взаимно разнесенные
диапазоны подтверждения и отрицания
для симптомов. Если определить непе-
ресекающиеся интервалы невозможно,
конкретное свидетельство исключить
из числа значимых для данной гипоте-
зы. Таким образом, если наличию сви-
детельства соответствует степень вы-
раженности «высокая», необходимо оп-
ределить пару критических точек: a–1 и
a+1. Ситуации «Признак е отсутствует»
(т.е. u(e) = –1) соответствует выполнение
неравенства е ≤ а–1, ситуации «Признак
е присутствует» (т.е. u(e) = 1) – выпол-
нение неравенства е ≥ а+1, а для e∈(a–1, a+1)
используется ордината u(e) = [2е – (а–1 +
+ а+1)]/(а+1 – а–1) прямой, соединяющей
точки (a–1, –1) и (a+1, 1), на траверзе
абсциссы е (рис. 5). Аналогично в слу-
чае, когда наличию признака соответ-
ствует степень выраженности «сред-
няя», следует задать две пары критиче-
ских точек: a–1, a+1 и b+1, b–1. Затем оп-
ределять u(e) как ординату линейного
сплайна, представленного на рис. 6, на
траверзе абсциссы е, т.е. если е ≤ а–1
или е ≥ b–1, то u(e) = –1; если а–1 < е < а+1,
то u(e) = [2е – (а–1 + а+1)]/(а+1 – а–1); если
а+1 ≤ е ≤ b+1, то u(e) = 1; если b+1 < е < b–1,
то u(e) = [(b–1 + b+1) – 2e]/(b–1 – b+1).
По описанной методике был
проведен модельный эксперимент для
определения ключевых параметров
байесовской проверки гипотез принад-
лежности к группам с высокой, сред-
ней и низкой эффективностью дея-
тельности по индивидуальным социо-
психологическим характеристикам. По-
лученное по контрольной группе опера-
торов соответствие результатов про-
гнозирования и фактической принад-
лежности к группе эффективности
деятельности превысило 74%.
Прикладне програмне забезпечення
82
На основе экспертно откоррек-
тированной информации была создана
база данных компьютерной системы
EFFECT, предназначенной для прогно-
зирования эффективности деятельно-
сти оператора. В режиме эксплуатации
на каждом шаге следует заполнить
соответствующее показателю окно по-
лученным при тестировании конкрет-
ным числовым значением, по которому
система вычисляет показатель опреде-
ленности, используемый далее при пе-
ресчете вероятностей принадлежности
к каждой из групп (высокая, средняя,
низкая эффективность деятельности).
Выделенная совокупность свойств яв-
ляется информативной и описывает
зависимости между эффективностью
деятельности оператора и его статоди-
намическими характеристиками.
Предусмотрена возможность мо-
дификации системы и ее адаптации к
эксплуатации в конкретных условиях.
Для удобства и быстроты работы экс-
перта при модификации системы пре-
дусмотрено использование набора схем
экспертных таблиц.
Визуализация информации
Предложена оригинальная ви-
зуализация результатов применения
подхода в виде лепестковой диаграммы
(рис. 7). Оси диаграммы соответствуют
выбранным информативным показате-
лям. Точкой на оси изображается не
число, а выбранный диапазон, или со-
вокупность интервалов значений (низ-
кий, средний, высокий), или n-мерная
структура – связь двух, трех, ..., N
показателей. Результатом экспертных
оценок является «модель» идеального
объекта предметной области (жирная
линия). Данные конкретного нового
объекта наносятся на диаграмму сле-
дующим образом: в случае попадания
объекта в заданные интервалы его
«линии» совпадают с контурами иде-
ального объекта. В противном случае
оценивается степень приближения к
интервалу и на оси показателя нано-
сится соответствующая точка с коор-
динатами приближения. Такое пред-
ставление данных, кроме удобного вида
для интерпретации, позволяет качест-
Рис. 5. Вычисление коэффициента
определенности одностороннего
свидетельства в случае линейной
интерполяции по паре
критических точек (a–1 и a+1)
u(e)
A
a–1
1
0 a+1 e
-1
u(A)
a+1 b+1 A
b–1 a–1
1
0
–1
u(A)
u(e)
Рис. 6. Вычисление коэффициента
определенности двустороннего сви-
детельства в случае линейного
сплайна по четырем критическим
точкам (a–1 и a+1, b+1 и b–1)
e
0
1
2
3
4
1
2
3
4
5
6
идеальный объект
реальный объект
Рис. 7. Визуализация прогнозирования
поведения объекта предметной области
Прикладне програмне забезпечення
83
венно улучшить процесс управления за
счет предварительной «свертки» ин-
формации и минимизации корректи-
рующих команд.
Выводы
1. Процедуру байесовской про-
верки гипотез можно успешно исполь-
зовать для непрямого прогнозирования
эффективности деятельности человека-
оператора. Она позволяет разумно учи-
тывать априорную информацию, явля-
ется весьма гибкой, позволяющей ран-
жировать значимость привлекаемых
свидетельств за счет порядка их учета
(в частности, при косвенно-рейтинго-
вой стратегии), изменения пороговых
значений при аппроксимации показа-
теля определенности. Результаты име-
ют понятную и аргументируемую ин-
терпретацию. При байесовском подхо-
де учитываются основные и сопутст-
вующие требования и условия предпо-
лагаемого использования результатов.
2. Экспериментальная проверка
показала высокую степень соответствия
полученных прогнозов фактическому
положению, что демонстрирует приме-
нимость предложенного подхода для
решения реальных задач и определяет
целесообразность разработки компью-
терных систем для прогнозирования
эффективности деятельности операто-
ров на основе экспертной информации
в конкретной проблемной области по
предложенной методике.
3. Предложенная оригинальная
визуализация меры принадлежности к
заданным классам произвольной пред-
метной области сложных многомерных
объектов, в том числе не формализуе-
мых в рамках классической математи-
ки, является весьма перспективной.
4. Разработана эксперименталь-
ная компьютерная система EFFECT для
прогнозирования эффективности дея-
тельности человека-оператора по ста-
тодинамическим показателям структу-
ры личности.
5. Методика позволяет выбрать
благоприятный индивидуальный режим
эффективного информационного взаи-
модействия, что повышает надежность
функционирования и выполнения за-
дач с сохранением свойств и собствен-
но биообъектов.
Заключение
Предлагаемый подход позволяет
не просто учитывать личностные свой-
ства, но ощутимо повысить эффектив-
ность взаимодействия человека со сре-
дой (в частности, с компьютером) за
счет индивидуализации их информа-
ционного взаимосодействия согласно
цели функционирования. Предложен-
ная методика прогнозирования эффек-
тивности деятельности человека явля-
ется составляющей разработок новых
информационных технологий управле-
ния состоянием, поведением и свойст-
вами человека.
1. Згуровський М.З. Сценарний аналіз як сис-
темна методологія передбачення // Систе-
мні дослідження та інформаційні техноло-
гії. – 2002. – № 1. – С. 7—38.
2. Сёмик Т.М., Кузьмина К.И. Социопсихофи-
зиологическая стоимость деятельности –
резерв товарно-денежных отношений и
кадрового менеджмента // Персонал. –
К.: МАУП, 1998. – №1. – С. 54—55.
3. Навакатикян А.О., Крыжановская В.В.,
Кальниш В.В. Физиология и гигиена умст-
венного труда. – Киев: “Здоров’я”, 1987.
– 152 с.
4. Макаренко Н.В. Психофизиологические
функции человека и операторский труд. –
Киев: Наук. думка, 1991. – 216 с.
5. Судаков К.В. Системная оценка физиоло-
гических функций человека на рабочем
месте // Вестник Российской АМН. –
1997. – № 1. – С. 18—28.
6. Кузьмина К.И., Сёмик Т.М. Эффективность
деятельности человека-оператора и осо-
бенности ее психофизиологического обес-
печения. – Киев, 1991. – 23 с. – Деп. в
ВИНИТИ 26.02.92 № 653 – В 92.
7. Вопросы кибернетики. Биотехнические
проблемы человеческого фактора. – М.:
АН СССР, 1991. – 152 с.
8. Зингерман А.М. Теоретическое и экспери-
ментальное исследование надежности че-
ловека-оператора в условиях напряженной
деятельности // Психическая напряжен-
ность в трудовой деятельности. – М., Ин-т
психологии АН СССР, 1989. – С.51—65.
9. Психическая напряженность в трудовой
деятельности. – М.: Ин-т психологии АН
СССР, 1989. – 300 с.
10. Казначеев В.П. Современные аспекты
адаптации. – М.: Наука, 1980. – 192 с.
11. Гаркави Л.Х., Квакина Е.Б., Уколова М.А.
Адаптационные функции и резистентность
Прикладне програмне забезпечення
84
организма. – Ростов: Изд-во Ростов. ун-та,
1977. – 63 с.
12. Баевский Р.М. Саморегуляция биологиче-
ских ритмов как один из механизмов адап-
тации организма к изменениям внешней
среды // Адаптивная саморегуляция функ-
ций. – М.: Медицина, 1977. – С.49—67.
13. Венда В.Ф. Системы гибридного интеллек-
та: Эволюция, психология, информатика.
– М: Машиностроение, 1990. – 448 с.
14. Сёмик Т.М., Кузьмина К.И. Компьютерный
аспект информационного взаимодействия
человека со средой // Проблемы програм-
мирования. – Киев: ИПС НАНУ, 1998. –
С.493—500. (Тр. 1 Междунар. конф. по про-
граммированию, 2—4 сентября 1998 г.).
15. Пономаренко В.А., Турзин П.С., Рысакова
С.Л. Проектирование диалога «оператор-
ЭВМ» (психологические аспекты). – М.:
Машиностроение, 1993. – 120 с.
16. Винарик Л.С., Васильева Н.Ф. Взаимодейст-
вие человека с персональным компьюте-
ром в управлении производством. – До-
нецк, 1997. – 49с. – (Препр. / Ин-т эко-
номики промышленности НАНУ).
17. Бодров В.А. Информационный стресс:
Учебное пособие для вузов. – М.: ПЕР СЭ,
2000. – 352 с.
18. Теплов Б.М. Типологические свойства
нервной системы и их значение для пси-
хологии// Вопросы высшей нервной дея-
тельности и психологии. – М.: АН СССР,
1963. – С. 475.
19. Небылицын В.Д. Психофизиологические
исследования индивидуальных различий.
– М.: Наука, 1976. – 336 с.
20. Гуревич К.М. Профессиональная пригод-
ность и основные свойства нервной систе-
мы. – М.: Наука, 1970. – 272 с.
21. Собчик Л.Н. Введение в психологию инди-
видуальности. – М.: Ин-т прикладной пси-
хологии, 1998. – 512 с.
22. Семик Т.М. Общие закономерности и осо-
бенности индивидуального адаптационного
реагирования человека: Дис. ... канд. биол.
наук. – Киев: ИПС, 1993. – 285 с.
23. Кузьмина К.И. Психофизиологические ме-
ханизмы индивидуальной адаптации орга-
низма при действии различных экзогенных
факторов: Дис. ... д-ра биол. наук. – Киев:
ИПС, 1996. – 356 с.
24. Щебланов В.Ю., Бобров А.Ф. Надежность
деятельности человека в автоматизирован-
ных системах и ее количественная оценка.
Концептуальная модель надежности
деятельности // Психологический журнал.
– 1990. – 11, №3. – С. 60—69.
25. Пискун А.В. Методы и средства моделиро-
вания когнитивного поведения пользовате-
ля в адаптивных компьютерных системах:
Дис. ... канд. техн. наук. – Черкассы: Чер-
касский ин-т управления, 2000. – 127 с.
26. Чайнова Л.Д., Чопорова М.Г. Дифференци-
рованная оценка состояния напряженно-
сти человека при решении прикладных за-
дач эргономики // Психическая напряжен-
ность в трудовой деятельности. – М.: Ин-т
психологии АН СССР, 1989. – С. 160—171.
27. Рыбаков Ф.И. Системы эффективного вза-
имодействия человека и ЭВМ. – М.: Радио
и связь, 1985. – 200 с.
28. Синтез оценок функционального состоя-
ния сердечно-сосудистой системы и систе-
мы регуляции давления при психоэмоцио-
нальной пробе / Ю.Г. Антомонов, Г.С. Ге-
деванишвили, А.Б. Котова, М.Г. Сухишви-
ли, Ю.В. Ильченко, В.М. Белов, Т.М. Гонтарь,
И.А. Скачкова // Кибернетика и вычисл.
техника. – 1998. – Вып. 98. – С. 45—50.
29. Биоэкомедицина. Единое информационное
пространство // В.И. Гриценко, М.И. Вовк,
А.Б. Котова и др. – Киев: Наук. думка,
2001. – 314 с.
30. Холден К., Піл Д.А., Томпсон Дж.Л. Еко-
номічне прогнозування: Вступ: Пер. з англ.
– Київ: Інформтехніка—ЕМЦ, 1996. – 216
с.
31. Экспертные системы. Принципы работы и
примеры: Пер. с англ. / Под ред. Р. Фор-
сайта. – М.: Радио и связь, 1987. – 224 с.
32. Веревка О.В., Заложенкова И.А., Парасюк
И.Н. Обобщение интервальных байесов-
ских механизмов вывода и перспективы их
использования // Кибернетика и систем-
ный анализ. – 1998. – №6. – С. 3—13.
33. Концептуальні основи байєсівської діаг-
ностики у розмитому інформаційному про-
сторі при дзвоноподібних функціях на-
лежності / О.В. Верьовка, І.М. Парасюк,
Є.С. Карпінка, І.А. Заложенкова // Пробл.
программирования. – 2004. – №2—3. –
С. 328—333.
34. Автоматизированная система для диагно-
стики и управления надежностью пользо-
вателя компьютера на основе междис-
циплинарного социопсихофизиологичес-
кого подхода / К.И. Кузьмина, Т.М. Сёмик,
Е.С. Карпинка, В.Г. Тюпанский // Теорія і
практика управління соціальними систе-
мами: філософія, психологія, педагогіка,
соціологія. – 2003. – № 4. – С. 90—96.
Получено 13.10.04
Об авторах
Кузьмина Кларисса Ивановна,
д-р биол. наук, вед. науч. сотр.
Сёмик Татьяна Михайловна,
канд. биол. наук, ст. науч. сотр.
Верёвка Ольга Викторовна,
канд. физ.-мат. наук, ст. науч. сотр.
Место работы авторов:
Институт программных систем НАН Украины,
03187, Киев, просп. Академика Глушкова, 40
Тел. (044) 266 3183
E-mail: somik@isofts.kiev.ua
|
| id | nasplib_isofts_kiev_ua-123456789-1352 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1727-4907 |
| language | Russian |
| last_indexed | 2025-12-07T18:30:39Z |
| publishDate | 2005 |
| publisher | Інститут програмних систем НАН України |
| record_format | dspace |
| spelling | Верёвка, О.В. Кузьмина, К.И. Сёмик, Т.М. 2008-07-25T16:17:12Z 2008-07-25T16:17:12Z 2005 Байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности / О.В. Верёвка, К.И. Кузьмина, Т.М. Сёмик // Проблеми програмування. — 2005. — N 1. — С. 69–84. — Бібліогр.: 34 назв. — рос. 1727-4907 https://nasplib.isofts.kiev.ua/handle/123456789/1352 681.3 + 658.348.5 + 612.0 + 159.938 + 57: 007 Разработаны и реализованы технология и компьютерная система байесовского прогнозирования эффективности деятельности оператора (пользователя ПК) по его социопсихофизиологическим свойствам. Розроблено і реалізовано технологію і комп'ютерну систему байєсівського прогнозування ефективності діяльності оператора (користувача ПК) за його соціопсихофізіологічними властивостями. The technique and computer system for the Bayesian prediction of an operator (PC user) activity effectiveness according to personal sociopsychophysiological properties are designed and implemented. ru Інститут програмних систем НАН України Прикладне програмне забезпечення Байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности Байєсівське прогнозування ефективності діяльності оператора за соціопсихофізіологічними характеристиками структури особистості The Bayesian Prediction of an Operator Activity Effectiveness According to Personal Sociopsychophysiological Properties Article published earlier |
| spellingShingle | Байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности Верёвка, О.В. Кузьмина, К.И. Сёмик, Т.М. Прикладне програмне забезпечення |
| title | Байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности |
| title_alt | Байєсівське прогнозування ефективності діяльності оператора за соціопсихофізіологічними характеристиками структури особистості The Bayesian Prediction of an Operator Activity Effectiveness According to Personal Sociopsychophysiological Properties |
| title_full | Байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности |
| title_fullStr | Байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности |
| title_full_unstemmed | Байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности |
| title_short | Байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности |
| title_sort | байесовское прогнозирование эффективности деятельности оператора по социопсихофизиологическим характеристикам структуры личности |
| topic | Прикладне програмне забезпечення |
| topic_facet | Прикладне програмне забезпечення |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/1352 |
| work_keys_str_mv | AT verevkaov baiesovskoeprognozirovanieéffektivnostideâtelʹnostioperatoraposociopsihofiziologičeskimharakteristikamstrukturyličnosti AT kuzʹminaki baiesovskoeprognozirovanieéffektivnostideâtelʹnostioperatoraposociopsihofiziologičeskimharakteristikamstrukturyličnosti AT semiktm baiesovskoeprognozirovanieéffektivnostideâtelʹnostioperatoraposociopsihofiziologičeskimharakteristikamstrukturyličnosti AT verevkaov baiêsívsʹkeprognozuvannâefektivnostídíâlʹnostíoperatorazasocíopsihofízíologíčnimiharakteristikamistrukturiosobistostí AT kuzʹminaki baiêsívsʹkeprognozuvannâefektivnostídíâlʹnostíoperatorazasocíopsihofízíologíčnimiharakteristikamistrukturiosobistostí AT semiktm baiêsívsʹkeprognozuvannâefektivnostídíâlʹnostíoperatorazasocíopsihofízíologíčnimiharakteristikamistrukturiosobistostí AT verevkaov thebayesianpredictionofanoperatoractivityeffectivenessaccordingtopersonalsociopsychophysiologicalproperties AT kuzʹminaki thebayesianpredictionofanoperatoractivityeffectivenessaccordingtopersonalsociopsychophysiologicalproperties AT semiktm thebayesianpredictionofanoperatoractivityeffectivenessaccordingtopersonalsociopsychophysiologicalproperties |