Применение технологий интеллектуального анализа данных для исследования психоэмоционального состояния студентов
Автор: Бобкова Елена Петровна, Зыкин Сергей Владимирович, Полуянов Андрей Николаевич
Статья в выпуске: 3 т.9, 2020 года.
Бесплатный доступ
В связи со сложностью объекта исследования анализ данных в медицине является основным инструментом поиска закономерностей и проверки гипотез. Прежде всего, это относится к психологии, в том числе, к анализу поведения субъектов в тех или иных ситуациях. Для выявления высокотревожного состояния студентов, анализа склонности к депрессии или суициду ежегодно в Омском промышленно-экономическом колледже проводится исследование психоэмоционального состояния студентов. Традиционно для этого используются стандарные тесты, основанные на методике «Шкалы тревоги» Спилберегера-Ханина. Целью данной работы является снижение трудоемкости стандартных тестов. Значительные и слабо мотивированные усилия приходится прилагать студентам при заполнении тестов, затем преподавателям при обработке и анализе тестов. Для решения указанной проблемы предлагается сделать тест компактным за счет применения стандартных и оригинальных методов анализа данных с минимизацией потери точности тестирования. Основным новым результатом данной работы является диагностическая шкала, положенная в основу экспресс-оценки психоэмоционального состояния студентов. Расчет диагностической шкалы был выполнен с использованием графических процессоров на суперкомпьютере ИМ СО РАН. Исследования ориентированы на старшие классы общеобразовательных школ и младшие курсы учебных заведений среднего профессионального образования.
Уровень тревожности, корреляционный анализ, дискриминантный анализ, диагностическая шкала
Короткий адрес: https://sciup.org/147234278
IDR: 147234278 | DOI: 10.14529/cmse200304
Список литературы Применение технологий интеллектуального анализа данных для исследования психоэмоционального состояния студентов
- Spielberger, C.D. Assessment of state and trait anxiety: Conceptual and methodological issues // Southern Psychologist. 1985. Vol. 2, no 4. P. 6-16.
- Ханин Ю.Л. Краткое руководство к применению шкалы реактивной личностной тревожности Ч.Д. Спилбергера. Ленинград: ЛНИИФК, 1976. 18 с.
- Костина Л.М. Методы диагностики тревожности. СПб.: Изд-во «Речь», 2005. 198 с.
- Прихожан А.М. Тревожность у детей и подростков: психологическая природа и возрастная динамика. Воронеж: Изд-во НПО «МОДЭК», 2000. 304 с.
- Карелин А.П. Большая энциклопедия психологических тестов. М.: Изд-во «Проспект», 2015. 420 с.
- Титкова Л.С. Математические методы в психологии. Владивосток: Изд-во Дальневосточного университета, 2014. 140 с.
- Сидоренко Е.В. Методы математической обработки в психологии. СПб.: Изд-во «Речь», 2015. 350 с.
- Герасевич В.А., Аветисов А.Р. Современное программное обеспечение для статистической обработки биомедицинских исследований // Белорусский медицинский журнал. 2015. № 1. С. 12-25.
- Тест Спилбергера—Ханина. URL: https://psytests.org/psystate/spielberger-run.html (дата обращения: 27.07.2020).
- Тест исследование тревожности (опросник Спилберга). URL: https://onlinetestpad.com/ru/test/714-test-issledovanie-trevozhnosti-oprosnik-spilberga (дата обращения: 27.07.2020).
- Тест на уровень тревожности Спилбергера—Ханина. URL: https://psychojour-nal.ru/tests_online/127-test-na-uroven-trevozhnosti-spilbergera-hanina.html (дата обращения: 27.07.2020).
- Зыкин С.В., Редреев П.Г., Чернышев А.К. Формирование представлений данных для построения медицинских диагностических шкал // Омский научный вестник. 2011. № 2(100). С. 190-193.
- Полуянов А.Н. Расчет диагностической шкалы на графических процессорах // Омский научный вестник. 2012. № 3(113). С. 277-279.
- Лбов Г.С., Неделько В.М., Неделько С.В. Метод адаптивного поиска логической решающей функции // Сибирский журнал индустриальной математики. 2009. Т. XII, № 3(39). С. 66-74.
- Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Изд-во Института математики СО РАН, 1999. 270 с.
- Загоруйко Н.Г., Кутненко О.А., Борисова И.А., Дюбанов В.В., Леванов Д.А., Зырянов О. А. Выбор информативных признаков для диагностики заболеваний по генетическим данным // Вавиловский журнал генетики и селекции. 2014. Т. 18, № 4-2. С. 898-903.
- Дюк В.А. Компьютерная психодиагностика. СПб.: Изд-во «Братство», 1994. 364 с.
- Буров А.В. Корреляционный анализ взаимосвязей между индивидуально-психологическими особенностями детей и показателями адаптации к школьному обучению // Научно-методический электронный журнал «Концепт». 2014. № 7. С. 101-105. URL: http://e-koncept.ru/2014/14193.htm (дата обращения: 27.07.2020).
- Glen J.J. Mathematical Programming Models for Piecewise-Linear Discriminant Analysis // The Journal of the Operational Research Society. 2005. Vol. 56, no. 3. P. 331-341. DOI: 10.1057/palgrave.jors.2601818.
- Chang D.S., Kuo Y.C. An approach for the two-group discriminant analysis: An application of DEA // Mathematical and Computer Modelling. 2008. Vol. 47, no. 9-10. P. 970981. DOI: 10.1016/j.mcm.2007.05.010.
- Дубнов П.Ю. Обработка статистической информации с помощью SPSS. М.: Изд-во «ACT», 2004. 221 с.
- Томашев М.В., Авдеев А.С., Краснова М.В. Адаптивное тестирование как средство управления качеством образования // Информатика и образование. 2018. № 9. С. 2733. DOI: 10.32Б17/0234-04Б3-2018-33-9-27-33.
