Концепция системы поддержки принятия решений при тестировании интеллекта

Представлены новая система поддержки принятия решений, основанная на использовании факторных моделей и самоорганизующихся карт Кохонена, а также метод фильтрации артефактов, искажающих результаты тестирования и обусловленных влияниями внешней среды, такими как усталость, подсказки и др. Устранение артефактов выполняется на основе сравнения наблюдаемых и прогнозируемых ответов на вопросы с помощью фильтра Калмана, адаптированного для решения рассматриваемой задачи. Оценка распределения мер соответствия различным уровням развития способностей после ответа испытуемым на вопросы теста позволяет, при условии достижения необходимого уровня надежности выводов, оптимизировать процедуру тестирования за счет сокращения избыточных заданий. Предложенный подход имеет преимущества по сравнению с использованными ранее способами тестирования, что обусловлено его большей информативностью, связанной с уче том влияния фактора времени на результаты тестирования.

Тесты, предназначенные для измерения уровня интеллектуального развития, являются наиболее распространенными в психодиагностике. Проявления интеллекта многообразны, но им присуще то общее, что позволяет отличить их от других особенностей поведения, а именно: вовлечение в любой интеллектуальный акт мышления, памяти, воображения, всех психических функций, которые обеспечивают познание окружающего мира. Это нашло свое отражение в многочисленных тестах для оценки различных интеллектуальных функций (тесты логического мышления, смысловой и ассоциативной памяти, арифметические, пространственной визуализации и т. д.). В настоящее время проблема большого числа заданий в данных методиках является актуальной, так как требует больших временных затрат, достаточно длительной концентрации внимания и собранности от испытуемого. Это является основанием для разработки системы поддержки принятия решений (СППР) при тестировании, которая позволила бы сократить число выполняемых заданий без потери точности итоговой оценки результатов, а также учитывала бы динамику прохождения тестирования. Исследования, проведенные в этой области, показали эффективность применения нейронных сетей и других обучаемых структур для решения данной задачи [5].

В ходе тестирования на испытуемого оказывают влияние такие внешние факторы, как усталость, подсказки и др., что искажает конечный результат и приводит к появлению артефактов. Представляемая здесь система тестирования позволяет бороться с этими явлениями, устраняя их на основе сравнения наблюдаемых и прогнозируемых результатов ответов на вопросы для разных уровней способностей испытуемых. В качестве инструмента для сравнения используется фильтр Калмана – нестационарная система с обратной связью, включающая в себя как составную часть формирующий фильтр, воспроизводящий идеализированную модель поведения [6].

1. Айзенк Г. Дж. Коэффициент интеллекта. Киев, 1994.
2. Дружинин В. Н. Психология общих способностей. 2-е изд. Спб., 1999.
3. Елисеев О. П. Тест Р. Амтхауэра, тест структуры интеллекта (TSI). Практикум по психологии личности. СПб., 2003.
4. Кохонен Т. Самоорганизующиеся карты. М., 2008.
5. Куравский Л. С., Юрьев Г. А. Адаптивное тестирование как марковский процесс: модели и их идентификация // Нейрокомпьютеры: разработка и применение. 2011. № 2.
6. Куравский Л. С., Юрьев Г. А. Об одном подходе к адаптивному тестированию и устранению его артефактов // Нейрокомпьютеры: разработка и применение. 2012. № 1.
7. Куpавский Л. С., Маpмалюк П. А., Панфилова А. С., Ушаков Д. В. Исследование фактоpных влияний на pазвитие психологических хаpактеpистик с пpименением нового подхода к оценке адекватности моделей наблюдениям // Информационные технологии. 2011. № 11.
8. Куравский Л. С., Марголис А. А., Юрьев Г. А., Мармалюк П.А. Концепция системы поддержки принятия решений для психологического тестирования // Психологическая наука и образование. 2012. № 1.
9. Куравский Л. С., Юрьев Г. А. Вероятностный метод фильтрации артефактов при адаптивном тестировании // Экспериментальная психология. 2012. Т. 5. № 1.
10. Панфилова А. С. Применение самоорганизующихся карт Кохонена и метода Монте-Карло для исследования адекватности факторных моделей интеллекта // Психологическая наука и образование. 2011. № 5.
11. Равен Дж. К. Продвинутые прогрессивные матрицы: руководство к Прогрессивным Матрицам Равена и Словарным Шкалам. Разд. 4 / Дж. К. Равен, Дж. Х. Курт, Дж. Равен. М., 1998.
12. Шахтарин Б. И. Случайные процессы в радиотехнике. 4-е изд., перераб. и доп. Т.1. Линейные преобразования. М., 2010.
13. Boomsma D. I., Molenaar P. C. The genetic analysis of repeated measures. I. Simplex models // Behavior Genetics. 1987. № 17.
14. Neale M. C., Cardon L. R. Methodology for genetic studies of twins and families. Dordrecht, 1992.
15. Rasch G .Probabilistic models for some intelligence and attainment tests // Copenhagen, Danish Institute for Educational Research, expanded edition (1980) with foreword and afterword by B. D. Wright. Chicago, 1960/1980.