Факторы когнитивной сложности тестовых вопросов в психофизиологических исследованиях

В работе представлены результаты исследования особенностей функционального состояния мозга при аудиальном восприятии 60 типичных для психофизиологической экспертизы вопросов, взятых из шаблонов базы данных полиграфа, и ответов на них, имеющих различные лингвистические характеристики. Это количество различных типов слов, процентные соотношения слов из разных частей речи, количество отрицаний, наличие форм личных местоимений и их место в вопросе, количество букв, процент гласных, положение интонационного ударения. В качестве психологических характеристик, влияющих на функциональное состояние мозга, были измерены: вербальный интеллект по тесту Р.Амтхауэра, личностная и ситуативная тревожность по тесту Спилбергера — Ханина. Для измерения функционального состояния мозга проводилась регистрация 19-канальной ЭЭГ в системе 10–20%. Функциональное состояние мозга оценивалось через расчет фрактальной размерности ЭЭГ-методом. Выборку составили студенты и служащие ряда учебных заведений Санкт-Петербурга, девять мужчин и восемь женщин в возрасте от 19 до 59 лет. Анализ экспериментальных данных позволил подтвердить гипотезу о влиянии измеренных анкетных характеристик, лингвистических характеристик вопросов и психологических особенностей испытуемых на фрактальную размерность ЭЭГ. Анализ ЭЭГ в различных отведениях позволил выявить два фактора сложности ЭЭГ, относящиеся к лобным и затылочным областям мозга. Была получена регрессионная модель оценки когнитивной сложности того или иного вопроса теста, отражающейся в сложности кривой ЭЭГ испытуемого, воспринимающего данный вопрос. Полученная модель позволяет подбирать вопросы для психофизиологической экспертизы, имеющие требуемый уровень когнитивной сложности. Результаты работы свидетельствуют о значимости такого показателя, как фрактальная размерность ЭЭГ, для исследований функционального состояния мозга и зависимости его как от личностных и биологических характеристик человека, так и от эмоционального состояния и сложности поступающей на анализаторы информации.

Арбиб М.  Метафорический мозг. 2-е изд. М.: Едиториал УРСС, 2004.

Вассерман Е. Л., Карташев Н. К., Полонников Р. И.  Фрактальная динамика электрической активности мозга. СПб.: Наука, 2004.

Горбунов И. А., Зайнутдинов М. Р., Локоткова М. А.  Моделирование процесса речепорождения с помощью математических моделей нейронных сетей у больных неврозами // Петербургский психологический журнал. 2015. № 11. С. 11–37.

Горбунов И. А., Ткачева Л. О.  Связь семантических характеристик сознания с изменениями функционального состояния мозга // Вестник СПбГУ. 2011. Т. 12, №1. С. 324–329.

Кануников И. Е., Антонова Е. В., Белов Д. Р., Марков Ю. Г.  Применение теории динамического хаоса для анализа электроэнцефалограмм // Вестник СПбГУ. Сер. 3. Биология. 1998. Вып. 1. № 3. С. 55–61.

Ляшевская О. Н., Шаров С. А.  Частотный словарь современного русского языка на материалах Национального корпуса русского языка. М.: Азбуковник, 2009.

Осовский С.  Нейронные сети для обработки информации. М.: Финансы и статистика, 2004.

Фрумкина Р. М.  Психолингвистика. 2-е изд. М.: Академия, 2006.

Холодная М. А., Щербакова О. В., Горбунов И. А., Голованова И. В., Паповян М. И.  Информационноэнергетические характеристики различных типов когнитивной деятельности // Психологический журнал. 2013. Т. 34, № 5. С. 96–107.

Шанский Н. М.  Лингвистический анализ художественного текста. Л.: Просвещение, 1990.

Шеперд Г.  Нейробиология: в 2 т. М.: Мир, 1987.

Gillis M., Vanthornhout J., Simon J. Z., Francart T., Brodbeck Ch.  Neural markers of speech comprehension: measuring EEG tracking of linguistic speech representations, controlling the speech acoustics // Journal of Neuroscience. 2021. Vol. 41, no. 50. P. 10316–10329.

Gorbunov I., Pershin I., Zainutdinov M., Koval V.  Using the neural model of the person’s semantic space to reveal the occurred with him events // IMCIC 2019-10th International Multi-Conference on Complexity, Informatics and Cybernetics, Proceedings. Vol. 2. Orlando, 2019. P. 164–165.

Higuchi T.  Approach to an irregular time series on the basis of the fractal theory // Physica D. 1988. No. 31. P. 277–283.

Huth A. G., Heer W. A. de, Griffiths Th. L., Theunissen F. E., Gallant J. L.  Natural speech reveals the semantic maps that tile human cerebral cortex // Nature. 2016. Vol. 532, no. 7600. P. 453–458.

Just M. A., Cherkassky V. L., Aryal S., Mitchell T. M.  A neurosemantic theory of concrete noun representation based on the underlying brain codes // PloS one. 2010. Vol. 5, no. 1. P. e8622.

Lutzenberger W., Birbaumer N., Flor H., Rockstroh B., Elbert T.  Dimensional analysis of the human EEG and intelligence // Neuroscience Letters. 1992. Vol. 143, no. 1–2. P. 10–40.

Mekler A. A., Gorbunov I., Gavrilov V.  Systemic processes in the brain: The EEG study on the emotions of different hierarchical levels and signs // International Journal of Psychophysiology. 2014. Т. 94, no. 2. P. 191–191.

Neubauer A. C., Fink A.  Intelligence and neural efficiency // Neuroscience & Biobehavioral Reviews. 2009. Vol. 33. Р. 1004–1023.

Shcherbakova O. V., Gorbunov I. A., Golovanova I. V., Kholodnaya M. A.  The neural efficiency hypothesis: Further evidence from the EEG study of conceptual thinking // International Journal of Psychophysiology. 2014. Vol. 2, no. 94. P. 218.

Tkacheva L. O., Gorbunov I. A., Nasledov A. D. Reorganization of system brain activity while understanding visually presented texts with the increasing completeness of information // Human Physiology. 2015. Vol. 41. P. 11–21. https://doi.org/10.1134/S0362119714060127