ПСИХОЛОГИЧЕСКИЙ ЖУРНАЛ, 2014, том 35, № 5, с. 28-36
КОГНИТИВНАЯ ПСИХОЛОГИЯ
НЕЙРОСЕТЕВОЙ АНАЛИЗ ВЗАИМОСВЯЗИ ВЕРБАЛЬНОГО И НЕВЕРБАЛЬНОГО ИНТЕЛЛЕКТА МЛАДШИХ ПОДРОСТКОВ1
© 2014 г. Е. В. Славутская*, JI. А. Славутский**
^Кандидат психологических наук, доцент, Чувашский государственный педагогический университет им. И.Я. Яковлева, Чебоксары; e-mail: slavutskayaev@gmail. com **Доктор физико-математических наук, профессор, Чувашский государственный университет
им. И.Н. Ульянова, Чебоксары; e-mail: las_co@mail.ru
Предлагается комплексная методика обработки данных психодиагностики на основе факторного анализа и аппарата искусственных нейронных сетей. С ее помощью анализируются результаты тестирования младших подростков с использованием свободно-культурного теста интеллекта и 12-факторного опросника Р.Б. Кеттелла. Показано, что формирование взаимосвязей между вербальным и невербальным интеллектом существенно зависит от личностных черт детей в этом возрасте. Использование нейронных сетей позволяет выявить новые закономерности и оценить нелинейные связи между психологическими показателями. Такие взаимосвязи с трудом поддаются анализу традиционными статистическими методами.
Ключевые слова: искусственные нейронные сети, факторный анализ, черты личности, младшие подростки, вербальный интеллект, невербальный интеллект, нейросетевой анализ.
Аппарат искусственных нейронных сетей (ИНС) основан на принципах когнитивной науки [1, 4, 15, 19-21] и может использоваться в практической психологии [2, 9, 23]. При этом широкого распространения для обработки и анализа данных психодиагностики ИНС пока не получили. Главная причина этого - неопределенность в процессе обучения ИНС и сложность в интерпретации полученных результатов. Чаще всего аппарат ИНС используется для автоматизации самой процедуры медико-психологической диагностики [22] или при построении моделей в психофизиологии [13]. Обучение нейронной сети требует профессиональной подготовки, и абсолютное большинство психологов предпочитает пользоваться традиционными статистическими методами анализа [5]. Обучение ИНС на большой выборке респондентов часто оказывается некорректным в практической психологии и приводит к низкой достоверности полученных результатов. Это является результатом высокой неоднородности психологических данных, полученных в разное время, разными психологами, в разных условиях и т.д.
1 Работа выполнена при финансовой поддержке РГНФ (грант № 14-16-21013а(р)).
С другой стороны, факторный анализ как один из основных традиционных инструментов оценки взаимосвязей между данными психодиагностики позволяет количественно оценить только линейные связи между численными психологическими показателями. В том случае, если такие взаимосвязи являются нелинейными, коэффициенты корреляции, матрица которых является основой для факторного анализа, имеют низкие значения. Этот недостаток проявляется и при повторной факторизации данных, поэтому для выявления взаимосвязей в факторных моделях интеллекта и личности необходим инструмент, учитывающий нелинейность таких взаимосвязей.
Классической факторной моделью в психологии является теория личностных черт Р.Б. Кеттелла. Интеллект в его теории разделяется на "текучий" и "кристаллизованный", а контрольную проверку такого разделения Кеттелл осуществлял на выборке детей подросткового возраста [17]. Опросники разрабатывались им для детей в возрасте от восьми лет.
Возраст 9-12 лет (младший подростковый) особенно интересен для изучения взаимосвязи вербального и невербального интеллекта, по-
скольку в этом возрасте формируется словесно-логическое мышление [14]. Этот возрастной период является одним из самых сложных и слабо изученных с психологической точки зрения. По Коллинзу, в этом возрасте происходит кристаллизация личностных структур, личностные характеристики школьников этого возраста дают основание для надежных прогнозов его поведения на 4-6 лет вперед [18]. Г.А. Цукерман рассматривает это время как период синхронизации двух кризисов, что может привести к тяжелым и даже разрушительным последствиям [12]. Значимость и взаимосвязи психологических признаков в этот переходный период быстро меняются [9, 10], что позволяет адекватно проверить устойчивость новых алгоритмов обработки данных психодиагностики, оценить нелинейные связи между психологическими показателями.
В настоящей работе предлагается комплексная методика обработки данных психодиагностики на основе искусственных нейронных сетей и факторного анализа. Аппарат ИНС применяется для селективной оценки взаимосвязей психологических характеристик младших подростков. Для апробации предлагаемых алгоритмов обработки данных авторами выбраны широко распространенные, стандартизированные шкалированные методики психодиагностики. Ниже будет показано, что комплексный анализ данных, включающий аппарат искусственных нейронных сетей и факторный анализ, позволяет на основе стандартных данных психодиагностики получить новые результаты и выявить новые закономерности в психическом развитии детей младшего подросткового возраста.
МЕТОДИКА
Участники исследования. Для обработки и анализа использовались данные психодиагностики 85 учеников пятых классов общеобразовательной
школы, обучающихся по стандартным общеобразовательным программам (44 девочки и 41 мальчик в возрасте от 10.5 до 11.5 лет, М= 11). Обработка проводилась по всей выборке, а также по трем группам учащихся с разным уровнем развития интеллекта (IQ): IQ < 94 (ниже среднего, 29 школьников), 94 < IQ < 107 (средний, 27 школьников), IQ > 107 (выше среднего, 29 школьников).
В качестве базовых для анализа использовались результаты диагностики развития интеллектуальной сферы (невербальный интеллект) детей с помощью свободно-культурного теста интеллекта Р.Б. Кеттелла. Динамика развития характеристик личности учащихся исследуется с помощью 12-факторного опросника Р.Б. Кеттелла и Р.В. Коа-на CPQ (Childrens Personality Questionnaire) для детей 8-12 лет. Опросник предназначен для определения личностных особенностей школьников и содержит 12 шкал для измерения степени выраженности черт личности, которые Р.Б. Кеттелл называет конституциональными [16].
В табл. 1 приведены коэффициенты корреляции IQ с личностными чертами.
Как следует из таблицы 1, коэффициенты R корреляции IQ с личностными характеристиками оказываются достаточно низкими. Это может означать, что данные традиционного корреляционного анализа не позволяют достоверно оценить то, какие личностные черты наиболее связаны с интеллектуальными показателями. Кроме того, низкий уровень R может говорить о том, что связь IQ с личностными чертами оказывается нелинейной.
Именно нелинейность обусловила выбор ИНС для анализа данных. Искусственные нейронные сети - термин, который обозначает вычислительные математические модели (и их программные или аппаратные реализации), построенные по
Таблица 1. Коэффициенты корреляции IQ с личностными чертами испытуемых
Коэффициенты корреляции качеств личности с IQ
1руппы А В С D Е F G Н I О вз Q4
Все 0.01 0.11 -0.14 0.06 0.13 0.09 0.02 0.01 0.23 0.13 0.05 0.06
IQ< 94 0.13 0.19 0.09 -0.15 -0.07 -0.09 0.18 0.27 0.28 -0.36 0.41 -0.22
IQ < 107 0.12 -0.08 0.08 0.21 0.02 0.13 -0.15 -0.23 0.15 0.11 -0.19 0.21
IQ > 107 -0.32 -0.13 0.06 -0.09 0.13 0.19 -0.27 0.13 -0.01 0.10 -0.10 0.33
Примечание. Полужирным шрифтом выделены коэффициенты корреляции с уровнем значимости р < .05. Интерпретация личностных качеств в 12-факторном опроснике Р.Б. Кеттелла и Р.В. Коана (СР<2): А - общительность-замкнутость; В - абстрактное-конкретное мышление; С - эмоциональная стабильность-неустойчивость; О - возбудимость-уравновешенность; Е- независимость-покорность; Р- беспечность-озабоченность; С - высокая-низкая дисциплинированность; Н- смелость-робость; I— мягкость-твердость; О - тревожность-спокойствие; ()3 - высокий-низкий самоконтроль; - напряженность-расслабленность.
Входы Синапсы
Рис. 1. Схема искусственного нейрона: Х1 - компоненты входного вектора (входные данные); Ж1 - веса синапса (г = 1...«); 5 - результат суммирования; У - передаточный сигнал нейрона; Г - нелинейный преобразователь (функция активации).
принципу организации и функционирования биологических нейронных сетей - сетей нервных клеток (нейронов) в живых организмах. Это понятие было сформулировано в исследованиях, посвященных математическому моделированию процессов, протекающих в мозге человека [3, 4, 20]. В основе ИНС как вычислительной структуры лежит понятие единичного искусственного нейрона, моделирующего процессы, происходящие в естественном биологическом нейроне. Единичный искусственный нейрон состоит из входов, синапсов, сумматора, аксона и нелинейного преобразователя (функции активации) [6, 8].
В синапсах входные сигналы умножаются на число, характеризующее силу (вес) синапса. Сумматор выполняет сложение сигналов, поступающих по синапсам. Нелинейный преобразователь реализует нелинейную функцию одного аргумента - выходного сигнала сумматора. Эта функция называется функцией активации, или передаточной функцией нейрона [3, 6, 8]. Нейрон в целом реализует скалярную функцию векторного аргумента и является единичным процессором. Математическая модель нейрона:
и <=1
где Щ - вес синапса, г = 1...«; Ъ - значение смещения (специально вводимая константа, облегчающая обучение ИНС); Б - результат суммирования; Х1 - компонент входного вектора (входной сигнал), У- выходной сигнал нейрона; п - число входов нейрона; Р - функция активации сигнала сумматора.
ИНС - это сеть единичных нейронов, соединенных между собой. Число нейронов и схема соединения их друг с другом может быть различ-
ным. В настоящей работе использовался наиболее распространенный тип ИНС - ИНС прямого распространения (feedforward), в котором нейроны объединены в слои (рис. 2, б). Приведенная схема ИНС состоит из одного входного слоя, одного "скрытого" слоя и одного выходного слоя. Нейроны в слое не связаны друг с другом, но они связаны с нейронами предыдущего и следующего слоя по принципу "каждый с каждым". Вычисления производятся следующим образом. Пер
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.