Вертикальный системный анализ данных психодиагностики учащихся с использованием метода "дерево решений"
Автор: Славутская Елена Владимировна, Абруков Виктор Сергеевич, Славутский Леонид Анатольевич, Бичурина Сеимбика Усмановна, Садовая Виктория Владимировна
Журнал: Science for Education Today @sciforedu
Рубрика: Математика и экономика для образования
Статья в выпуске: 3 т.10, 2020 года.
Бесплатный доступ
Проблема и цель. Выбор форм и методов психолого-педагогического сопровождения учащихся (индивидуально и в группе) в рамках современной образовательной парадигмы требует новых средств анализа данных. Цель работы: исследовать возможности доступного для использования практическими психологами образования современного инструмента - метода «дерево решений» для вертикального системного анализа данных психодиагностики и выбора форм и методов психолого-педагогического сопровождения учащихся. Методология. На основе системного подхода в психологии и педагогике, при использовании одного из инструментов интеллектуального анализа данных - метода «дерево решений», рассматривается задача классификации результатов психодиагностики учащихся. На примере вертикального системного анализа данных тестирования школьников предподросткового возраста строится иерархическая структура связей их разноуровневых психологических характеристик (задатки, индивидуально-психологические и характеристики психосоциального уровня). Диагностические инструменты выбирались таким образом, чтобы в анализируемых данных условно присутствовали психологические характеристики всех уровней. Использовались стандартизированные, шкалированные методы психодиагностики, которые достаточно широко распространены в психолого-педагогической практике. Два нижних уровня: тип нервной системы (теппинг-тест Е. П. Ильина) и IQ (культурно - независимый тест Р. Б. Кеттелла). Индивидуально-психологические качества личности в поведении и деятельности анализировались на основе 12-ти факторного опросника Р. Б. Кеттелла и Р. В. Коана (CPQ). Верхний уровень социально-психологических отношений представлен показателями: отношение к семье, сверстникам, к школе, к себе (тест «Незаконченные предложения» В. Михала); мотивационной характеристикой (тест «Потребность в достижении»). Обрабатывались результаты психологической диагностики 83-х школьников (11-12 лет, пятый класс средней общеобразовательной школы), для которых получены 19 численных показателей тестирования. Результаты. При апробации метода «дерево решений» продемонстрировано, что алгоритм может применяться практическими психологами образования для анализа относительно небольшой выборки результатов психодиагностики - начиная от нескольких десятков респондентов. Показано, что вертикальный системный анализ психологических характеристик может наглядно проводиться по упрощенной процедуре: при сравнении значимости входных атрибутов при классификации по разному количеству подмножеств целевой переменной. В качестве переменных, по которым осуществлялась классификация данных, использовались показатели верхнего уровня (мотивация и система отношений). Метод «дерево решений» позволяет проводить анализ и оценку не только прямых, но и латентных (опосредованных, скрытых) связей психологических данных учащихся. Для предподросткового возраста анализ связей разноуровневых характеристик по результатам классификации показывает прямую взаимосвязь только некоторых характеристик социального уровня с характеристиками базового уровня (задатками) и лишь опосредованную связь с коммуникативными чертами. Психологическая интерпретация выявленных взаимосвязей данных тестирования позволяет уточнить возрастную специфику конкретных групп учащихся для последующего психолого-педагогического сопровождения. Обсуждается возможность использования результатов в анализе проблем перехода учащихся из начальной в среднюю общеобразовательную школу. Заключение. Построение иерархических моделей связи разноуровневых данных психодиагностики учащихся представляет интерес для достаточно широкого круга задач педагогики и психологии, вне зависимости от возраста респондентов, показывает эффективность предлагаемого метода как инструмента для их решения.
Школьники предподросткового возраста, разноуровневые психологические характеристики, вертикальный системный анализ, латентные связи, интеллектуальный анализ данных, дерево решений
Короткий адрес: https://sciup.org/147230547
IDR: 147230547 | УДК: 159.9+371 | DOI: 10.15293/2658-6762.2003.05
Vertical system analysis of students' psycho diagnostic data using the ‘decision tree' method
Introduction. Choosing forms and methods of psychological and educational support for students (individual and group-based) within the modern educational paradigm requires new means of data analysis. The purpose of this research is to investigate the possibilities of the ‘Decision Tree' method, which is a modern tool available for practical educational psychologists, for vertical system analysis of psycho diagnostic data and the choice of forms and methods of psychological and educational support for students. Materials and Methods. Based on a systematic approach in Psychology and Education, using one of the data mining tools - the "decision tree" method, the problem of classifying the results of students' psycho diagnostics is considered. On the example of a vertical system analysis of pre-adolescent schoolchildren tests, a hierarchical structure of connections of their multi-level psychological characteristics (inclinations, individual psychological and psychosocial characteristics) is constructed. Diagnostic tools were selected in such a way that the analyzed data conditionally present psychological characteristics of all levels. The authors used standardized, scaled methods of psycho diagnostics, which are quite widespread in psychological and educational practice. The two lower levels are represented by the type of nervous system (Ilyin's tapping test), and IQ (R. B. Cattell's Culture Fair Intelligence Test). Personality qualities in behavior and activity were analyzed on the basis of 12-factor Cattell's Personality Factor Questionnaire. The upper level of social and psychological relations is represented by such indicators as attitude to family, peers, to school, to oneself (V. Michal's "Unfinished Sentences" inventory). Motivational characteristics were investigated using ‘Need for Achievements' test. The results of psychological diagnostics of 83 schoolchildren (aged 11-12, fifth grade of secondary school) were processed (19 numerical test indicators were obtained). Results. When testing the ‘Decision Tree' method, it was revealed that the algorithm can be used by practical educational psychologists to analyze a relatively small sample of psycho diagnostic results - starting from several dozens of respondents. It is shown that the vertical system analysis of psychological characteristics can be clearly performed using a simplified procedure: comparing the significance of input attributes when classifying by different number of subsets of the target variable. The top-level indicators (motivation and relationship system) were used as variables for classifying data. The ‘Decision Tree' method allows analyzing and evaluating not only direct, but also latent (indirect, hidden) links of students' psychological data. For pre-adolescent age, the analysis of relations between different-level characteristics based on the results of classification shows a direct relationship between only some characteristics of the social level with the characteristics of the basic level (inclinations) and only an indirect relationship with communicative traits. Psychological interpretation of the revealed relationships of testing data allows the authors to clarify the age specificity of certain groups of students for subsequent psychological and educational support. The possibility of using the results for the analysis of transition problems from primary to secondary schools is discussed. Conclusions. The construction of hierarchical models of multi-level data links for students' psycho diagnostics proves to be an efficient tool for solving a wide range of problems within the fields of Education and Psychology.
Список литературы Вертикальный системный анализ данных психодиагностики учащихся с использованием метода "дерево решений"
- Барабанщиков В. А. Системный подход в структуре психологического познания // Методология и история психологии. - 2007. - Т. 2, № 1. - С. 86-99. URL: https://www.elibrary.ru/item.asp?id=19011785
- Воробьев А. В. Обзор применения математических методов при проведении психологических исследований // Психологические исследования. - 2010. - № 2. - С. 8. URL: https://www.elibrary.ru/item.asp?id= 13922162
- Голубева Э. А. Об изучении реактивности, силы и инертности нервной системы в школе Б. М. Теплова - В. Д. Небылицына // Психологический журнал. - 2018. - Т. 39, № 2. - С. 7278. DOI: https://doi.org/10.7868/80205959218020071 URL: https://www.eli-brary.ru/item.asp?id=32561967
- Знаков В. В. Динамический подход к исследованию личности и процессуальный анализ в психологии субъекта // Психологический журнал. - 2019. - Т. 40, № 5. - С. 27-34. DOI: https://doi.org/10.31857/S020595920006073-6 URL: https://www.eli-brary.ru/item.asp?id=39543754
- Кузнецова В. Б. Черты личности как медиатор взаимосвязи между методами воспитания и проблемами поведения у детей // Психологический журнал. - 2017. - Т. 38, № 1. - С. 31-40. URL: https://elibrary.ru/item.asp?id=28358098
- Колишев Н. С., Славутская Е. В., Славутский Л. А. Динамика структурирования личностных черт учащихся при переходе в основную общеобразовательную школу // Интеграция образования. - 2019. - Т. 23, № 3. - С. 390-403. DOI: https://doi.org/10.15507/1991-9468.096.023.201903.390-403 URL: https://www.elibrary.ru/item.asp?id=41041580
- Резниченко Н. С., Шилов С. Н., Абдулкин В. В. Нейросетевой подход в решении медико-психологических проблем и в диагностическом процессе у лиц с ограниченными возможностями здоровья (обзор литературы) // Журнал Сибирского федерального университета. Серия: Гуманитарные науки. - 2013. - Т. 6, № 9. - С. 1256-1264. URL: https://www.elibrary.ru/item.asp?id=20253460
- Славутский Л. А., Славутская Е. В. Нейросетевой анализ взаимосвязи вербального и невербального интеллекта младших подростков // Психологический журнал. - 2014. - Т. 35, № 5. -С. 28-36. URL: https://www.elibrary.ru/item.asp?id=22363313
- Славутская Е. В., Абруков В. С., Славутский Л. А. Простые нейросетевые алгоритмы для оценки латентных связей психологических характеристик младших подростков // Экспериментальная психология. - 2019. - Т. 12, № 2. - P. 131-144. DOI: https://doi.org/10.17759/exppsy.2019120210 URL: https://www.eli-brary.ru/item.asp?id=38587766
- Шадриков В. Д. К новой психологической теории способностей и одаренности // Психологический журнал. - 2019. - Т. 40, № 2. - С. 15-26. DOI: https://doi.org/10.31857/S020595920002981-5 URL: https://www.eli-brary.ru/item.asp?id=37137953
- Adriaens F., Lijffijt J., De Bie T. Subjectively interesting connecting trees and forests // Data Mining and Knowledge Discovery. - 2019. - Vol. 33. - P. 1088-1124. DOI: https://doi.org/10.1007/s10618-019-00627-1
- Amiel J. J., Tan Y. S. M. Using collaborative action research to resolve practical and philosophical challenges in educational neuroscience. // Trends in Neuroscience and Education. - 2019. -Vol. 16. - P. 100116. DOI: https://doi.org/ 10.1016/j .tine .2019.100116
- Braun S. S., Davidson A. J. Gender (non)conformity in middle childhood: a mixed methods approach to understanding gender-typed behavior, friendship, and peer preference // Sex Roles. -2017. - Vol. 77. - P. 16-29. DOI: https://doi.org/10.1007/s11199-016-0693-z
- De Bolle M., De Fruyt F., McCrae R. R., Lockenhoff C. E., Costa P. T., Jr Aguilar-Vafaie M. E., Ahn C.-k., Ahn H.-n., Alcalay L., Allik J., Avdeyeva T. V., Bratko D., Brunner-Sciarra M., Cain T. R., Chan W., Chittcharat N., Crawford J. T., Fehr R., Fickova E., ... Terracciano А. The emergence of sex differences in personality traits in early adolescence: A cross-sectional, cross-cultural study // Journal of Personality and Social Psychology. - 2015. - Vol. 108 (1). - P. 171-185. DOI: https://doi.org/10.1037/a0038497
- Delibalt V. V., Degtyaryov A. V., Dozortseva E. G., Chirkina R. V., Dvoryanchikov N. V., Pi-monov V. A., Debolsky M. G., Malkin D. A. Evaluation of cognitive functions, personality and regulatory sphere in minors with deviant and delinquent behavior within the authority of the psychological, medical and educational committee // International journal of cognitive research in science, engineering and education. - 2017. - Vol. 5 (2). pp. 107-118. DOI: https://doi.org/10.5937/IJCRSEE1702107D
- Daugherty A. M., Sutton B. P., Hillman C. H., Kramer A. F., Cohen N. J., Barbey A. K. Individual differences in the neurobiology of fluid intelligence predict responsiveness to training: Evidence from a comprehensive cognitive, mindfulness meditation, and aerobic exercise intervention // Trends in Neuroscience and Education. - 2020. - Vol. 18. - P. 100123. DOI: https://doi.org/ 10.1016/j .tine.2019.100123
- Fawaz H. I., Forestier G., Weber J. Idoumghar L., Muller P.-A. Deep learning for time series classification: a review // Data Mining and Knowledge Discovery. - 2019. - Vol. 33. - P. 917-963. DOI: https://doi.org/10.1007/s10618-019-00619-1
- Geary D. C. Efficiency of mitochondrial functioning as the fundamental biological mechanism of general intelligence (g) // Psychological Review. -2018. - Vol. 125 (6). - P. 1028-1050. DOI: https://doi.org/10.1037/rev0000124
- Genrikhov I. E., Djukova E. V. About methods of Synthesis Complete Regression Decision Trees // Pattern Recognition and Image Analysis. - 2019. - Vol. 29. - P. 457-470. DOI: https://doi.org/10.1134/S1054661819030040
- Genrikhov I. E., Djukova E. V., Zhuravlev V. I. On full regression decision trees // Pattern Recognition and Image Analysis. - 2017. - Vol. 27. - P. 1-7. DOI: https://doi.org/10.1134/S1054661817010047
- Girn M., Mills C., Christoff K. Linking brain network reconfiguration and intelligence: Are we there yet? // Trends in Neuroscience and Education. - 2019. - Vol. 15. - P. 62-70. DOI: https://doi.org/ 10.1016/j .tine .2019.04.001
- Han H., Soylu F., Anchan D. M. Connecting levels of analysis in educational neuroscience: A review of multi-level structure of educational neuroscience with concrete examples // Trends in Neuroscience and Education. - 2019. - Vol. 17. - P. 100113. DOI: https://doi.org/ 10.1016/j .tine.2019.100113
- Knyazev G. G., Bazovkina D. V., Savostyanov A. N., Kuznetsova V. B., Proshina E. A. Suppression mediates the effect of 5-HTTLPR by stress interaction on depression // Scandinavian Journal of Psychology. - 2017. - Vol. 58 (5). - P. 373-378. DOI: https://doi.org/10.1111/sjop.12389
- Kosonogov V., Vorobyeva E., Kovsh E., Ermakov P. A review of neurophysiological and genetic correlates of emotional intelligence // International journal of cognitive research in science, engineering and education. - 2019. - Vol. 7 (1). - pp. 137-142. DOI: https://doi.org/10.5937/ijcrsee1901137K
- Kurdi G., Leo J., Parsia B., Sattler U., Al-Emari S. A Systematic Review of Automatic Question Generation for Educational Purposes. // International Journal of Artificial Intelligence in Education. - 2020. - Vol. 30. - P. 121-204. DOI: https://doi.org/10.1007/s40593-019-00186-y
- Mei J., Lv H., Yang L., Li Y. Clustering for heterogeneous information networks with extended star-structure // Data Mining and Knowledge Discovery. - 2019. - Vol. 33. - P. 1059-1087. DOI: https://doi.org/10.1007/s10618-019-00626-2
- Pluck G., Mancero P. B., Ortiz E. P. A., Alcivar A. M. U., Gavilanez C. E. M., Chacon P. Differential associations of neurobehavioral traits and cognitive ability to academic achievement in higher education // Trends in Neuroscience and Education. - 2020. - Vol. 18. - P. 100124. DOI: https: //doi .org/10.1016/j .tine .2019.100124
