CC BY
37
УДК 615.851
моделирование психофункциональных качеств человека на основе показателей психомоторики
О.А. Клиценко 1, О.В. Самородное2 1 Северо-Западный государственный медицинский университет им. И.И. Мечникова,
Санкт-Петербург, Россия
2 Санкт-Петербургский государственный университет сервиса и экономики, Санкт-Петербург, Россия
modeling of psychofunctional qualities of the person on basis of psychomotor parameters
O.A. Klitsenko 1, O.V. Samorodnov2 1 North-West State Medical University named after I.I. Mechnikov, Saint-Petersburg, Russia 2 The Saint-Petersburg state university Service and economy, Saint-Petersburg, Russia
© О.А. Клиценко, О.В. Самороднов, 2012
В работе представлены результаты моделирования психофункциональных особенностей человека, связанных с уровнями социальной адаптированности личности на основе измеренных параметров психомоторики. В статье обоснованы цели и методы моделирования с помощью логистической регрессии и построения классификационных деревьев, а также даны основные характеристики комплекса моделей, соответствующих успешно адаптированным и функционально устойчивым лицам, в сопоставлении с недостаточно адаптированными и недостаточно устойчивыми испытуемыми.
ключевые слова: психомоторная идентификация; успешная социальная адаптированность; недостаточная социальная адаптированность; психофункциональная устойчивость, моделирование, логистическая регрессия, логистическая функция, построение классификационных деревьев.
In work results of modeling of psychofunctional features of the person connected with levels of social adaptedness of the person on the basis of measured parameters of a psychomotility are presented. In article the purposes and methods of modeling by means of logistical regress and construction of classification trees are proved, and also the basic characteristics of a complex of the models corresponding to successfully adapted and functionally steady persons in comparison to insufficiently adapted and insufficiently steady examinees are given.
Key words: psychomotor identification;successful social adaptedness;insufficient social adaptedness; psychofunctional stability, modeling, logistic regression, logistic function, construction of classification trees.
введение
Многочисленные нейрофизиологические исследования свидетельствуют о том, что доминирующая мотивация со временем изменяет способность нейронов мозга реагировать на окружающую действительность: они включаются в работу по «обслуживанию» функций подкрепления, меняя свои прежние функции отвечать на мотивационные, обстановочные и специальные (пусковые) раздражители. Таким образом, со временем происходит формирование так называемой доминанты смысла жизни, отражающей стиль поведения человека и его сложившийся образ жизни в неизменных характеристиках «динамических стереотипов», т.е. формирующей свою специфическую функциональную систему со всеми структурно-
функциональными звеньями, сбалансированными по всем уровням саморегуляции. Такой подход даёт основание считать некую группу лиц, имеющих сходные интересы, занятия и алгоритмы поведения, отдельной таксономической единицей в плане моделирования механизмов социально-психологической адаптации, изучения особенностей функциональных систем участников такой группы. При этом психомоторную организацию человека считают неким интегратором, в котором «отражается практически вся его характеристика и как индивида, и как личности, и как субъекта деятельности» [7, 8]. Это позволило нам считать психомоторные показатели индикаторами «пограничных» значений психофункционального оптимума таких таксономических групп испытуемых, а также
сформулировать цель работы, состоящую в том, чтобы подтвердить методами математического моделирования настоятельную необходимость учёта типологических особенностей (как групповых, так и индивидуальных) испытуемых с целью последующего прогноза развития особенностей их саморегуляции, а также направленной коррекции неблагоприятно развивающегося «слабого звена» целостного интегративного процесса психологической и личностной адаптации, и разработать модели, связывающие характеристики психоэмоционального «равновесия» в ситуациях различного социального плана у конкретных лиц с особенностями его нейропсихиче-ской организации, выраженные через показатели психомоторики.
Методологические и концептуальные основы исследования согласованности психомоторных качеств человека с его нейрофизиологическими, психологическими и социально-поведенческими характеристиками, процедура формирования групп и способы верификации уровней их психофункциональной устойчивости и социальной адаптированности описаны в нашей работе [3].
Материал и методы исследования
Мы имели 2 основные группы респондентов:
1. Успешно адаптированные и устойчивые.
2. Недостаточно адаптированные и недостаточно устойчивые.
Группа успешно адаптированных и устойчивых состояла из «высокоадаптированных» спортсменов-игровиков (36 чел.) и «достаточно адаптированных» шахматистов (88 чел.). Эмпирическим «противовесом» в аспекте социальной успешности были две другие группы. Недостаточно адаптированные и недостаточно устойчивые пациенты Психоневрологического диспансера определялись как «частично адаптированные» (60 чел.), а постоянно проживающие умственно отсталые пациенты Психоневрологического интерната - как «ограниченно адаптированные» (150 чел.). Учитывая вышеизложенное, выбор таких групп не случаен, так как многолетнее пребывание пациентов таких учреждений в условиях постоянных ограничений в психосоциальном аспекте формируют и соответствующую «жизненную доминанту». Всего было обследовано 334 чел. в возрасте 18-30 лет. Среди них было 183 (54,8%) мужчины и 151 (45,2%) женщина. Комплекс психомоторных характеристик состоял из 26 показателей, полученных по общеизвестным методикам,
подробно описанным в ряде публикаций [2, 4, 5]. С учетом того, что для характеристик личностных особенностей человека принципиально важными являются личностная тревожность и показатель уровня интеллекта IQ, в дополнение к классическим параметрам психомоторики мы рассматривали и эти показатели. Все данные обрабатывались c помощью компьютерной системы STATISTICA for Windows (версия 5.5 Лиц. N°AXXR402C29502 3FA). Анализ параметров в группах исследования проводился с использованием критериев Манна -Уитни, Колмогорова - Смирнова, медианного хи-квадрат и модуля ANOVA. На этапе построения моделей использовались корреляционный, регрессионный, факторный, дисперсионный анализ, технологии Data mining (в т.ч. методы построения классификационных деревьев) и модуль нелинейного оценивания (логистическая регрессия) [1].
результаты и их обсуждение
На этапе исследования, предшествующего моделированию мы провели сравнительный анализ показателей психомоторики в четырех вышеуказанных группах. По результатам этого анализа была сформирована таблица оценки различий уровней значимых психомоторных параметров, отражающих направленность психофункциональной адаптации (табл.). В ней перечислены показатели, различающиеся в группах с различной психофункциональной устойчивостью.
В соответствии с целью анализа групп наших респондентов и построения моделей - оценить шанс иметь более высокий уровень социальнопсихологической адаптации при конкретных значениях показателей психомоторики - мы сформулировали задачи построения трех моделей на основе сравнения «более адаптированных» с «менее адаптированными», а также найти факторы, связанные с лучшей адаптированно-стью, и определить шанс перехода лиц в группу более успешных:
1. Устойчивые - недостаточно устойчивые.
2. Высоко - достаточно адаптированные.
3. Частично - ограниченно адаптированные.
Нами был опробован достаточно широкий
комплекс методов анализа данных и построения моделей, включающий как традиционные классические процедуры (сравнение групп, корреляционный, регрессионный, факторный, дисперсионный анализ), так и относительно редко используемые в психологии: логистическую
регрессию, а также технологии Data mining. Приемлемые по качеству модели мы получили с помощью одних и тех же подходов, приемов и
методов. Это можно считать неким косвенным подтверждением объективности конечного результата.
различия уровней значимых психомоторных параметров, отражающих направленность
психофункциональной адаптации
Параметр Сравнение высоко и достаточно адаптированных Сравнение устойчивых и недостаточно устойчивых Сравнение частично и ограниченно адаптированных
Личностная тревожность *** «ниже» *** «выше»
Показатель уровня интеллекта Щ *** «выше» *** «выше»
Количество точных показателей в методике «Реакция на движущий объект» РДО ** «ниже» *** «ниже» *** «выше»
Показатели разброса данных в методике РДО Показатели разброса данных в РДО «После нагрузки» минус «до нагрузки» ** «выше» *** «выше» * «выше» *** «ниже»
Соотношение возбуждения и торможения на основании показателей запаздывающих и опережающих фиксаций в РДО Среднестатистический показатель «Простой сенсомоторной реакции» Разность среднестатистического показателя «Простой сенсомоторной реакции» - «После» минус «до» нагрузки. ** «выше» * «ниже» ***«ниже» *** «выше»
Суммарный показатель по методике «теппинг-тест» Разность суммарного показателя в теппинг-тесте «После» минус «до» нагрузки Разность в показателях последнего отрезка и первого отрезка времени в теппинг-тесте *** «выше» *** «ниже» *** «выше» *** «ниже»
Среднестатистический показатель «Критической частоты слияния мельканий» - КЧСМ *** «ниже» Нет данных Нет данных
Среднестатистический показатель «Критической частоты различения мельканий» - КЧРМ * «ниже» Нет данных Нет данных
Разность среднестатистических величин (исходных) между данными в методиках КЧРМ и КЧСМ ** «выше» Нет данных Нет данных
Среднестатистическая величина (исходная) температуры ладонной части руки *** «ниже» Нет данных Нет данных
Примечание: Метки «выше» и «ниже» указывают на достоверно (* - р < 0,05, ** - р < 0,01, *** - р < 0,001) более высокий или низкий уровень соответствующего параметра в группе с лучшей психофункциональной устойчивостью.
Также необходимо было учитывать требования нормальности распределений анализируемых показателей в сравниваемых группах испытуемых, а проверка на нормальность с помощью комплекса критериев, включенных в систему Statisticafor Windows (Колмогорова - Смирнова, Лиллефорса, Шапиро - Уилка), устойчивого ответа не давала. По одним критериям в некоторых группах распределения можно было считать
нормальным для одних и тех же показателей, а по другим - нет. Поэтому мы сосредоточились на методах, не требующих нормальности распределений исследуемых показателей. С помощью методов построения классификационных деревьев нами были выделены самые важные параметры, определяющие межгрупповые различия, а также получены пороговые значения этих параметров. В последующем, ориентируясь
на эти пороговые значения для параметров, допускающих корректировку, возможно проведение специальных тренингов и других мероприятий, обеспечивающих влияние через данные параметры на адаптацию молодых людей. Обобщенная оценка по всему комплексу отоб-ранных «работающих» параметров в вероятностном формате шанса иметь более высокую социальную адап-тированность (устойчивость) получена нами на основе логистического регрессионного анализа [6]. Следует отметить, что несколько параметров (количество точных показателей в методике «Реакция на движущий объект»; показатели разброса данных в РДО «После нагрузки» минус «до нагрузки»; показатели разброса данных в РДО «После нагрузки» минус «до нагрузки»; соотношение возбуждения и торможения на основании показателей запаздывающих и опережающих фиксаций в РДО; суммарный показатель по методике «Теппинг-тест»; среднестатистический показатель «Критической частоты различения мельканий» (КЧРМ), имеющих достоверные межгрупповые различия, не попали в число показателей, отобранных для построения моделей. Последующий углубленный анализ этих параметров показал, что, несмотря на достоверное статистическое различие в соответствующих группах, эти показатели в сравниваемых группах имеют часть значений в пересекающихся диапазонах, т.е. их разброс таков, что достаточно точно дифференцировать группы с помощью этих параметров нельзя.
Модель 1. Шанс стать «успешно адаптированными», находясь в группе «недостаточно адаптированных». По результатам отбора показателей, влияющих на прогноз успешности, имеем параметры и пороговые их критерии, определяющие «успешную адаптированность и устойчивость»:
Х1 - Личностная тревожность - меньше 50;
Х2 - Показатель уровня интеллекта - больше 85,5;
Х3 - Количество точных показателей в методике «Реакция на движущий объект» - меньше 30;
Х4 - Показатели разброса данных в методике РДО - больше или равно 55;
Х5 - Среднестатистический показатель «Простой сенсомоторной реакции» - меньше 0,27;
Х6 - Суммарный показатель по методике «Теппинг-тест» - больше 335;
Х7 - Разность в показателях последнего отрезка и первого отрезка времени в теппинг-тесте - меньше - 10.
Уравнение логистической регрессии для модели 1 выглядит следующим образом:
= 1,39 - 0,101-Х1 + 0,12-Х2 - 0,169-Х3 + + 0,073-Х4 - 31,23-Х5 + 0,003-Х6 - 0,12-Х7.
Качество модели описывается характеристиками:
- х2 = 2 75,12; р < 0,0001; OR = 499,6;
- прогностическая точность составляет 96%.
Из 300 наблюдений с полным набором данных было 201 истиноотрицательных, 87 - истиноположительных, 5 - ложноотрицательных, 7 - ложноположительных наблюдений.
Наличие ложноположительных и ложноотрицательных случаев объясняется существованием дополнительных, не учитываемых в данном анализе факторов, которые обеспечивают как успешную адаптацию одних, так и снижение таковой для других. Основываясь на сути уравнения логистической регрессии, можно сказать, что комплексная оценка шанса для конкретного человека иметь успешную адаптированность зависит от значений всех, входящих в данное уравнение показателей, т.е. неблагоприятные уровни одних параметров могут быть компенсированы «ресурсом» других.
Модель 2. Шанс стать «высокоадаптирован -ными», находясь в группе «достаточно адаптированных». По результатам отбора показателей, влияющих на прогноз успешности, имеем параметры и пороговые их критерии, определяющие «высокую адаптированность и устойчивость»:
Х1 - Показатели разброса данных в методике РДО - больше 80;
Х2 - Разность среднестатистического показателя «Простой сенсомоторной реакции» -«После» минус «до» нагрузки - больше 0,005;
Х3 - Среднестатистический показатель «Критической частоты слияния мельканий» -первый вариант - меньше 37;
Х4 - Разность среднестатистических величин (исходных) между данными в методиках КЧРМ и КЧСМ - больше 4,2;
Х5 - Среднестатистическая величина (исходная) температуры ладонной части руки -меньше 28,5.
Уравнение логистической регрессии для модели 2 выглядит следующим образом:
^2 =21,11 + 0,014-Х1 + 47,22-Х2 -
- 0,271-Х3 + 0,023-Х4 - 0,415-Х5.
Качество модели описывается характеристиками:
- х2 = 56,36; р < 0,0001; OR = 35,0;
- прогностическая точность составляет 86,6%.
Из 112 наблюдений с полным набором данных было 27 истиноотрицательных, 70 - истиноположительных, 9 - ложноотрицательных, 6 - ложноположительных наблюдений. Получившиеся неточно оцененными случаи могут быть объяснены как некоторыми вариациями личностных особенностей, так и менее четко выраженными различиями между шахматистами и игровиками.
Модель 3. Различия «частично адаптированных» и «ограниченно адаптированных» демонстрируют противоречивость их характеристик, т.е. по некоторым параметрам к «успешно адаптированным» ближе одни, а другим - другие. Данные обстоятельства влияют на интерпретацию и последующее использование результатов этой модели. После отбора показателей, различающихся в данных группах, имеем параметры и пороговые их критерии, характерные для «частично адаптированных и устойчивых»:
Х1 - Личностная тревожность - больше 52;
Х2 - Показатель уровня интеллекта -больше 75;
Х3 - Количество точных показателей в методике «Реакция на движущий объект» - больше 35;
Х4 - Показатели разброса данных в методике РДО - меньше 15;
Х5 - Соотношение возбуждения и торможения на основании показателей запаздывающих и опережающих фиксаций в РДО - больше 1,2;
Х6 - Разность суммарного показателя в Теппинг-тесте «После» минус «до» нагрузки -меньше -4.
Уравнение логистической регрессии для модели 3 выглядит следующим образом:
^3 = 2,59 - 0,01-Х1 - 0,201-Х2 + 0,307-Х3 + + 0,924-Х4 - 5,89-Х5 + 0,007-Х6.
Качество модели описывается характеристиками:
- х2 = 238,05; р < 0,0001; OR = 8468;
- прогностическая точность составляет 99%.
Из 206 наблюдений с полным набором данных было 58 истиноотрицательных, 146 - истиноположительных, по 1 - ложноотрицательных и ложноположительных наблюдений.
О.А. Клиценко e-mail: OLKL@yandex.ru
Быводы
Полученные результаты моделирования доказывают наличие достоверных устойчивых связей между психофункциональными качествами человека и уровнями его социальной адаптированности с измеряемыми показателями психомоторики. Конкретные характеристики моделей способствуют развитию теории функциональных систем, концепций саморегуляции, социальной синергетики и акмеологии. Выявленные критерии в комплексе с разработанными моделями позволяют не только оценить шанс принадлежности к более успешной по психофункциональной устойчивости и социальной адаптированности группе, но и обосновать мероприятия (тренинги, психокоррекцию), направленные на повышение этого шанса.
Литература
1. Боровиков, В.П. STATISTICA: искусство анализа данных на компьютере. Для профессионалов / В.П. Боровиков. - СПб. : Питер,
2001. - 656 с.
2. Голубева, Э.А. Об изучении психофизиологическими методами проблемы соотношения общих и специально человеческих свойств высшей нервной деятельности / Э.А. Голубева // Психол. журн. - 1982. - Т. 3, № 2. - С. 89-99.
3. Клиценко, О.А. Психомоторика как индикатор психофизиологических и социальнопсихологических качеств человека / О.А. Клиценко, О.В. Самороднов // Современные проблемы и пути их решения в науке, транспорте, производстве и образовании. -Т. 15. - Одесса : Черноморье. - С. 32-44.
4. Никандров, В.В. Психомоторика / В.В. Ни-кандров- СПб. : Речь, 2004. - 102 с.
5.Озеров, В.П. Психомоторные способности человека / В.П. Озеров. - Дубна : Феникс+,
2002. - с. 57.
6. Реброва, О.В. Статистический анализ медицинских данных с помощью пакета программ «Статистика» / О.В. Реброва. - М. : Медиа Сфера, 2002 - 380 с.
7. Системная нейрофизиология - о смысле жизни [электронный ресурс]-Режим доступа.
- URL: http://_scorcher.ru>neuro/neuro_sys/life. рЬрЦдата обращения 25.06.2012 г.).
8.Жизненная доминанта (нейрофизиология) [электронный ресурс]-Режим доступа.-URL: http://www.christian-spirit.ru/v112/112-2.htm (дата обращения 25.06.2012 г.).
