Вербальные данные в количественной оценке способов предъявления визуальных объектов

Процессы сохранения и передачи опыта трактуется нами как «проектирование» воспринимаемого качества опыта, по аналогии с «проектированием деятельности» (Ломов, 1977), где в разработку технической системы включается не только технический проект, но и формирование у специалиста компетенций для последующего использования разрабатываемой системы. Соответственно, результатом проектирования воспринимаемого качества опыта должно стать технологическое средство передачи информации об опыте, позволяющее сформировать у обучаемого соответствующее воспринимаемое качество будущей деятельности.

Парадигма воспринимаемого качества предполагает методическую триангуляцию, которая обеспечивается двумя взаимосвязанными группами методов, касающихся, с одной стороны, получения и обработки вербальных данных (выявления «молчаливого знания», или неявных характеристик когнитивного опыта), а с другой стороны — регистрации и анализа внешненаблюдаемых данных, которые являются показателями явных характеристик опыта (Носуленко, Самойленко, 2012, 2016). Последнее относится, прежде всего, к методу полипозиционного наблюдения, где в качестве инструментов широко применяются различные средства видеозаписи (подробно см. в: Lahlou, Nosulenko, Samoylenko, 2012). Важнейшим этапом полипозиционного наблюдения является не столько сама видеозапись, сколько процедура «кооперативного дебрифинга». Для этого монтируется фильм, в котором отражаются наиболее значимые (с точки зрения исследователя) эпизоды изучаемой деятельности. В ходе дебрифинга профессионал-эксперт и исследователь обсуждают материалы, представленные в фильме. По результатам дебрифинга корректируются выводы, сделанные при анализе полученной вербальной и невербальной информации. Окончательный материал служит основой для конструирования соответствующего медиа-продукта.

В таком подходе становится необходимой оценка адекватности получаемых верба­лизаций. Ряд наших исследований показал возможность построения вербальных портретов объекта, содержание которых позволяет другим людям идентифицировать этот объект (Носуленко, Самойленко, 2013). В данной статье продолжается оценка потенциала вербальных данных для решения вопросов, возникающих при монтаже видеоматериала, который будет использоваться в медийной системе передачи опыта. Один из таких вопросов связан с выбором принципов визуализации видеоизображений, позволяющей выделить наиболее значимые характеристики демонстрируемого объекта в контексте других объектов. Некоторые ответы на этот вопрос оказалось возможным получить из анализа материалов, полученных при изучении восприятия экспрессий лица в разных условиях предъявления (Лободинская, 2016). Мы предположили, что особенности восприятия изображений в разных ситуациях проявляются в вербальных описаниях, продуцируемых участниками, а обработка этих описаний даст количественные показатели их значимости в зависимости от условий предъявления.

Метод

В исследовании использовался вербальный материал, полученный в экспериментах по изучению восприятия эмоциональных экспрессий, которые были выполнены Е.А. Лободинской. На основании этих вербализаций была создана база данных, в которой вербальные единицы связаны с показателями, характеризующими экспериментальную ситуацию. Основными независимыми переменными в этой базе являлись тип экспрессии на предъявляемых изображениях и способ их экспозиции в эксперименте. Соответственно, анализ представленности вербальных единиц был направлен на выявление связи между этими показателями и составляющими воспринимаемого качества изображений.

Процедура эксперимента

В исследовании использовалась методика распознавания эмоциональных экспрессий лица в разных ситуациях экспозиции (Лободинская, 2016). Эксперимент состоял из трех экспериментальных серий, отличающихся способом предъявления (последовательность серий в эксперименте была случайной).

В одной серии участнику на 50 мс демонстрировалось фотоизображение экспрессии на лице (целевое изображение), до и после которого предъявлялись фотоизображения спокойного лица. В этом случае возникает эффект кажущегося движения, поэтому такой способ предъявления был назван «стробоскопическим». В другой серии спокойное выражение лица заменялось рандомизированной маской («шумовой контекст» целевого изображения). Наконец, еще в одной серии предъявлялось только фотоизображение экспрессии («без контекста»).

На фотоизображениях было представлено 7 экспрессий, соответствующих базовым эмоциям («радость», «удивление», «гнев», «отвращение», «страх», «печаль»,«спокойное лицо»), каждая из которых демонстрировала экспрессию шести натурщиков. Таким образом, в одной серии предъявлялось в случайном порядке 42 изображения.

Участники эксперимента имели опыт восприятия экспрессий лица, группа состояла из восьми экспертов. От участников требовалось вслух описать любые замеченные особенности изображения, а также отметить выражение лица натурщика.

Обработка и анализ вербальных данных

Вербальные описания, продуцируемые участниками, записывались на звуковой носитель и затем распечатывались в виде текстового файла, который подвергался обработке в соответствии с принципами поэтапного анализа вербализаций (Носуленко, Самойленко, 2011, 2015; Самойленко, 2010).

На начальным этапе из текста вербализаций выделяются вербальные единицы, независимым образом отражающие отдельные аспекты или же сущности воспринимаемых объектов. Например, из фразы «Это гнев 100%, я видел брови насупленные и наклон головы вперед» выделяется 3 вербальные единицы: «гнев 100%» (локализация и оценка степени представленности эмоции «гнев»), «брови насупленные» (идентификация части лица и оценка ее качества) и «наклон головы вперед» (идентификация целостного изображения и характеристика его положения). Выделенные таким образом вербальные единицы группируются в базе данных, объединяющей информацию об участниках, о параметрах используемых объектов и т. д. Анализ направлен на установление связи между вербальными единицами и всеми другими данными. Каждая вербальная единица рассматривается как
отдельный элемент среди «измеряемой» и подвергающейся статистической обработке совокупности данных.

Вербальные единицы индексируются в соответствующих полях базы данных, куда заносится информация об участнике, о типе предъявляемого изображения, о типе экспрессии на изображении и об экспериментальной ситуации. На следующем этапе осуществляется кодирование вербальных единиц. Для этого выделено пять полей базы данных, в которых отмечаются составляющие их воспринимаемого качества: воспринимаемое движение изображения, локализуемый участок изображения (целое или часть), идентификация локализуемого участка изображения, воспринимаемая экспрессия изображения и т. д.

На этапе кодирования каждая вербальная единица взвешивается в зависимости от ее положения в целостном тексте, числа повторений, оговорок и исправлений, общего числа вербальных единиц, выделенных из высказываний каждого участника и т. п. Это позволяет учесть общие взаимосвязи вербальной единицы с другими фрагментами вербального протокола. В отдельном поле базы данных указывается «вес» вербальной единицы в зависимости от общего вербального продукта конкретного участника. Этот коэффициент взвешивания рассчитывается следующим образом: Kns = Ns/Nav, где Ns — количество вербальных единиц, выделенных из вербализаций участника S, а Nav — среднее значение вербальных единиц по группе. В другое поле заносятся данные о значимости характеристики, отражаемой в вербальной единице (коэффициент Kvu). Так, вербальные единицы «чуть заметно», «заметно» и «очень хорошо заметно» имеют различный вес с точки зрения их присутствия в совокупности вербальных единиц. Этот же коэффициент учитывает также и уверенность участника в своем суждении (например, «либо гнев, либо горе»). Его величина меняется в диапазоне от 0,5 до 1,5. Наконец, третье поле предназначено для расчета общего «:веса» вербальной единицы (VUW), который определяется произведением двух предыдущих коэффициентов и служит для статистического анализа частотности употребления разных типов вербальных единиц.

Важным принципом обработки вербальных данных является открытость процесса кодирования: разработка категорий анализа и их значений осуществляется непосредственно в процессе анализа (Носуленко, Самойленко, 2011, 2015). В зависимости от конкретных задач исследования, выделенные категории группируются по принципу семантической близости и воспринимаемого содержания. Степень расширения группируемых категорий определяется также условием получения данных, достаточных для оценки статистической значимости регистрируемых изменений. Например, в поле «воспринимаемое движение изображения» первоначально было занесено более 10 категорий, однако поскольку нас интересовал, прежде всего, сам факт восприятия изменений в предъявляемых изображениях, этот тип вербальных единиц был объединен в одну группу — «изменения». Аналогично, в поле «идентификация локализуемого участка изображения» было оставлено 9 категорий: «голова», «лицо», «верх» (головы или лица), «глаза», «брови», «нос», «рот», «губы», «зубы». Соответственно, в поле «локализуемый участок изображения» заносилось только 2 признака («целое» и «часть»).

В поле «воспринимаемая экспрессия изображения» в конечном итоге были оставлены обозначения, повторяющие названия экспрессий, характеризующих стимульные изображения: «гнев», «отвращение», «печаль», «радость», «страх», «удивление», «нейтральная». Для такой группировки потребовался детальный анализ каждой вербальной единицы. Например, вербальные единицы типа «испуг» были отнесены в категорию «страх», а «нейтральное» — в категорию «спокойное».

Для анализа вербальных данных использовалась специально разработанная компьютерная программа. При запуске программы осуществляется загрузка списков, необходимых для выбора параметров и стратегий анализа. Опции выбора соответствуют отдельным полям индексирования и кодирования базы данных и позволяют оценить совокупность полученной информации и обнаружить возможные связи между разными типами закодированных данных. Кроме выбора параметров сортировки данных (по отношению к характеристикам предъявляемого изображения и к регистрируемым составляющим воспринимаемого качества этих изображений), программа позволяет автоматизировать некоторые задачи комплексного анализа. Например, при групповом анализе данных система осуществляет нормализацию данных каждого участника в соответствии с «весом» отдельной вербальной единицы. Получаемые результаты, а также информация о выбранных критериях анализа экспортируются в таблицу Excel, которую можно использовать для последующей обработки с применением других статистических программ.

Результаты

В процессе анализа вербализаций, продуцированных участниками экспериментов, было закодировано 1305 вербальных единиц. Среднее количество вербальных единиц, характеризующих одну из шести экспрессий, равнялось 186,4. С учетом общего «веса» вербальных единиц (WUV), предъявление каждой экспрессии сопровождалось, в среднем по группе участников, 178,6 «измерениями» (одно измерение — отдельная характеристика воспринимаемого изображения, представленная в одной взвешенной вербальной единице). Из них 60% случаев соответствовали правильной идентификации заложенной в изображении экспрессии, в 22% описаний давалась ошибочная характеристика, а в 18% случаев характеристика конкретной экспрессии не описывалась. Изменения по отношению к контексту, как и предполагалось, в 94% случаев соответствовали ситуациям маскировки «нейтральным» изображением.

В этой работе нас интересует, прежде всего, распределение вербальных данных в зависимости от способа предъявления изображения. На рис. 1 показано соотношение частотности правильных и ошибочных идентификаций экспрессий, а также случаев, не воспринятых экспрессий в разных ситуациях их предъявления (выбор: \экспрессия\тип маскиров- ки\экспрессия\тип идентификации экспрессии\).

Рисунок показывает, что наибольшее число правильных идентификаций экспрессий соответствует ситуациям «шумового» контекста и, как и следовало ожидать, ситуациям отсутствия контекста. Их количество значимо превышает как число ошибочных характеристик, так и число случаев необнаружения экспрессий (р < 0,005, критерий Манна—Уитни). В случае же «стробоскопического» предъявления, различия между правильными, ошибочными и отсутствующими идентификациями оказались не значимыми. То есть предъявление объекта в контексте аналогичных в большей степени затрудняет определение его специфики, чем ситуация маскировки шумом. Таким образом, можно сделать вывод, что вербальные данные, обработанные методом поэтапного анализа, дают возможность количественной оценки субъективной значимости эмоциональной составляющей в воспринимаемом качестве изображений, предъявляемых в разных контекстах.

Рис. 2 демонстрирует связь между типом заложенной в изображении экспрессии и особенностями ее идентификации при восприятии изменений по отношению к контексту («стробоскопическое» предъявление). Выбор: \экспрессия\изменения\экспрессия\тип идентификации экспрессии\.

Из рисунка видно, прежде всего, значительное число случаев обнаружения изменений в изображении без идентификации соответствующей экспрессии. Если отсутствие указаний (правильных или ошибочных) на воспринятую эмоцию составляло, в целом, только 17% случаев, то при обнаружении изменений такие случаи обнаруживаются в 51% описаний. То есть, показав факт изменения в изображении, участники уже не могли сказать, какой экспрессии эти изменения соответствуют, или же давали ошибочную оценку появляющейся экспрессии (особенно для экспрессий «печаль», «радость», «страх»).

Что касается соотношения описаний, характеризующих изображения в целом, или относящихся к отдельной части изображения, то в среднем только в 27% случаев давалась характеристика части. При этом для правильной идентификации разных экспрессий участникам требовалось разное количество деталей. Так, наибольшее количество описаний части изображения соответствуют экспрессиям «удивление» (40%), страх (36%), «гнев» (35%) и «отвращение» (34%). Меньше всего описаний деталей (5%) требуется для характеристики «нейтрального» изображения.

Мы ожидали, что анализ данных об описании конкретных элементов изображения, локализуемых участниками при его восприятии, может дать набор субъективных признаков, которые используются человеком для оценки той или иной экспрессии на изображении. Эти ожидания частично подтвердились в нашем исследовании. На рис. 3 показано соотношение между представленностью в описаниях разных частей изображения при правильной идентификации экспрессии. Соответственно, выбор вербальных единиц осуществлялся по пути: \экспрессия\часть\локализация\экспрессия\. На рисунке не представлены данные по экспрессии «радость», поскольку для ее обозначения использовалось описание только одной части изображения («рот»).

Если ограничиться только ситуациями, когда обнаруживаются изменения («нейтральный» контекст и выбор по категории \изменения\), то для ряда экспрессий количество используемых вербальных признаков существенно редуцируется. Например, для экс­
прессии «гнев» изменения заметны только в области бровей и носа, для экспрессии «отвращение» — в области рта и носа, для экспрессии «печаль» — в области глаз и бровей, для экспрессии «радость» — только в области рта. В то же время экспрессии «страх» и «удивление» в обеих ситуациях выбора представлены одинаковыми наборами признаков.

Показанные на рисунке результаты анализа подтверждают перспективу построения вербальных портретов изображения, по которым можно впоследствии конструировать другие объекты с заданным эмоциональным воздействиям. Результативность подобной реконструкции воспринимаемого качества подтверждена многочисленными исследованиями на объектах других модальностей (Технологии сохранения и воспроизведения когнитивного опыта, 2016). Хотя в нашей работе и не ставилась цель такой реконструкции, возможность выявления совокупности значимых признаков, дифференцирующих воспринимаемые объекты, продемонстрирована вполне наглядно. Получаемые с помощью описанного метода вербальные портреты содержат значимую информацию об объекте, которая, в совокупности с другими доступными данными, может быть передана человеку, осваивающему опыт использования объекта (Носуленко, Самойленко, 2015).

Заключение

В этой статье мы стремились продемонстрировать возможности применения вербального анализа для количественной оценки данных, полученных в экспериментальном исследовании восприятия эмоциональных экспрессий. Результаты такого исследования должны были помочь в разработке принципов визуализации видеоизображений для решения задач выделения наиболее значимых характеристик демонстрируемого объекта.

Полученные результаты показали, что вербальные данные, продуцируемые участниками эксперимента, адекватно характеризуют особенности восприятия изображений в разных ситуациях. Обработка этих данных методами, выработанными в рамках парадигмы воспринимаемого качества, дает количественные показатели их значимости в зависимости от типа воспринимаемого изображения, а также от условий его предъявления.

Для решения задач передачи когнитивного опыта важным, по нашему мнению, является результат, демонстрирующий связь особенностей идентификации воспринимаемого изображения и способа предъявления этого изображения. Так, наименее успешная идентификация заложенной в изображении экспрессии характерна для ситуации «стробоскопического» предъявления. Этот факт имеет для нас определенную практическую значимость: при монтаже видеоматериала, используемом в медиапродукте для усвоения специфики некоторой деятельности, нецелесообразно показывать реальный процесс изменений объекта. Лучшее восприятие специфики предназначенного для усвоения момента будет в ситуации, когда этот момент «вырван» из контекста или же показан в «шумовом» контексте, элементы которого не имеют предметной связи с целевым объектом.

Результаты исследования показывают перспективу дальнейшей интеграции разных экспериментальных подходов.

        Финансирование

Исследование выполнено в рамках государственного задания Министерства науки и высшего образования Российской Федерации, проект 25.3471.2017/ПЧ «Выявление значимых составляющих когнитивного опыта специалиста в задачах их сохранения и передачи».