анализа и методов выделения информативных признаков (в том числе и скрытых), не имея при этом глубоких познаний ни в математике, ни в программировании, точнее, при минимальных познаниях в данных областях. На данный момент на языке R (R Core Team, 2014) программно реализованы (автор – Борислав Поляков, выпускник факультета информационных технологий МГППУ):
– загрузка и предобработка входных данных, – ручная и автоматическая разметка стимульных материалов (выделение зон интереса), – алгоритм вычисления матрицы представления преемника, – построение расширенной таблицы данных со значениями входных переменных, необходимых для последующего анализа, – метод снижения размерности пространства признаков (метод главных компонент), – визуализация компонентных нагрузок для выбора интерпретируемых компонент, – алгоритм обучения дерева решений, – алгоритм оценки предсказательной способности дерева, – визуализация дерева решений.
Разработанное ПО было применено для исследовательского анализа данных видеоокулографии, полученных при прохождении испытуемыми теста интеллекта Равена и при чтении учениками начальных классов небольшого отрывка текста с целью выделения показателей, информативных с точки зрения предсказания результатов выполнения заданий теста Равена, возрастной группы и уровня сформированности навыка чтения. Успешное применение предложенного подхода свидетельствует о его эффективности и большом потенциале при использовании в качестве метода исследовательского анализа глазодвигательной активности.
Ананьева К. И., Демидов А. А., Швец Т. А. Оценка психологических особенностей человека по изображению его лица представителями разных расовых групп // Экспериментальная психология. 2013. Т. 6. № 3. С. 98–109.
Барабанщиков В. А., Жегалло А. В. Регистрация и анализ направленности взора человека. М.: Изд-во «Институт психологии РАН», 2013.
Безруких М. М., Демидов А. А., Иванов В. В. Возрастные особенности окуломоторной активности детей в процессе чтения // Психология человека в современном мире. Том 2: Матер. Всеросс. юбил. науч. конф., посв. 120-летию со дня рождения С. Л. Рубинштейна. М.: Изд-во «Институт психологии РАН» 2009. С. 151–155.
Воронцов К. В. Логические алгоритмы классификации. Материалы лекций факультета управления и прикладной математики Московского физико-технического института. М.: МФТИ, 2007.
Куравский Л. С, Мармалюк П. А., Барабанщиков В. А., Безруких М. М., Демидов А. А., Иванов В. В., Юрьев Г. А. Оценка степени сформированности навыков и компетенций на основе вероятностных распределений глазодвигательной активности. Вопросы психологии. 2013. № 5. С. 64–81.
Куравский Л. С, Мармалюк П. А., Баранов С. Н., Алхимов В. И., Юрьев Г. А., Артюхина С. В. (Марковские модели глазодвигательной активности и их применение для тестирования профессиональных навыков. Информационные технологии. 2014. № 8. С. 34–43.
Лепский А. Е. Математические методы распознавания образов: Курс лекций. Таганрог: ТТИ ЮФУ, 2009. URL: http://lepskiy.ucoz.com/ lect_lepskiy_bronevich_pass.pdf