Перевага нейронних мереж в психологічних дослідженнях

Проблема вимірювання в психологічних дослідженнях досі залишається актуальною, оскільки більшість досліджуваних явищ в психологічних дослідженнях не має міжнародних еталонів вимірювання. Наприклад, оцінка рис характеру особистості виробляється на описовому рівні, де поки не досягнута узгодженість в систематизації серед вчених.

Досліджувані психологічні явища характеризуються тим, що вони піддаються якісному аналізу. Бувають такі випадки, коли неможливо врахувати всі чинники, безпосередньо сприяють вирішенню поставленого завдання, тоді для повноцінного якісного аналізу використання нині діючих математичних методів вважається недостатнім.

З точки зору нейроінформаціонних технологій всі завдання, які вирішуються людиною, умовно діляться на дві групи:

1.Задачі, що вимагають точних, ясних відповідей, що не піддаються двусмисловим поняттям, де рішення спирається на конкретні умови з певним алгоритмом.

2.Задачі, де неможливо врахувати всі умови, що впливають на рішення задачі, і тому враховується тільки приблизний комплекс найважливіших умов. У зв`язку з тим, що деяка частина умов не враховується, відповідь завдання має приблизний, неточний характер, і алгоритм вирішення задачі не може бути точно визначений.

Статистичні методи можуть вирішувати завдання, що входить в першу групу. Для вирішення завдань, що відносяться до другої групи, можна використовувати інтелектуальний метод ( "data mining") - метод нейронних мереж. Цей метод дозволяє виявити приховані закономірності, які неможливо виявити за допомогою інших (в тому числі статистичних) методів. Механізм роботи нейронних мереж можна порівняти з математичною моделлю мозку, з процесом інтуїції.

На сьогоднішній день нейронні мережі широко застосовуються в багатьох наукових дослідженнях, особливо в медичних. За допомогою нейронних мереж можна вивчати наступні показники:

1. Вага ознаки (W) - визначає синоптичну зв`язок нейронів. Вага ознаки показує діагностичну цінність певної ознаки для порівняльної характеристики груп. Тут досліджувану ознаку виділяється абстрактно, без урахування інших ознак. Величина ознаки змінюється від 0 до 1.

2. Інформативність ознаки (I) - це порівняння ознаки, представленого в різних групах. Тут враховується і участь інших ознак, і їх зв`язок. Наприклад, певний футболіст має свій вклад, граючи в команді (інформативність, I), і він же має окремо свій внесок в світі футболу (вага ознаки, W). Інформативність градирень від -1 до 1.

3. Подібність, однорідність групи (S). Ступінь схожості розподілу варіанти ознаки в групі. Показник змінюється від 0 до 1.

4. Різниця ознаки між двома групами (R). Розподіл варіантів ознаки між групами змінюється від 0 до 1.

Вага ознаки (W) отпределяется множенням подібності (S) і відмінності (R): W = S * R. Інформативність (I) доповнює і підтверджує вага ознаки (W), але вони не завжди перетинаються, тому що вага ознаки не враховує участь інших ознак. Довірчі кордону для кількісних показників створюються для різних випадків, окремо порівнюються з контрольними групами.

Нейронні мережі застосовувалися успішно перший раз в психології (2007), дослідженні зв`язку характерних рис особистості з його конституціональними (анатомічними) ознаками. За допомогою цієї математичної методики були виявлені певні закономірності спадковості деяких характерних рис особистості. З огляду на своєрідне гідність методу нейронних мереж, його можна застосовувати в психологічних дослідженнях, в яких проводиться якісний аналіз тих чи інших явищ.

Акбарова Санобар Нарзікуловна

Ергашев Ілёс А`замовіч