Определение областей интереса.
Автоматическая оценка мотивационных критериев с использованием психографических тестов.
А.А. Барыкина 1, А.А.Тельных2
ННГУим. Н.И. Лобачевского, 
ИПФ РАН 
В докладе рассматриваются вопросы автоматизации измерения основных характеристик психографического теста В.Г. Леонтьева с использованием методов и алгоритмов компьютерного зрения и машинного обучения. Показано, что использование данных методов позволяет автоматизировать процесс получения характеристик психографического тестирования и облегчает процесс их интерпретации.
Иногда для измерения уровня мотивации человека используется так называемый «Психографический тест», который был разработан в 1992 году В.Г. Леонтьевым [1]. Этот тест базируется на представлении о чистом листе бумаге с рамкой, как о некотором пространстве в котором размещены стремления человека к тем или иным видам деятельности. Испытуемому предлагается указать точкой, где на этом чистом листе бумаги находится его стремление к тому или иному виду деятельности, обозначить стрелкой откуда это стремление пришло и куда оно направлено. Предварительно заданная рамка, ограничивает область пространства чувствительности теста. Интерпретация теста учитывает символику прямоугольного пространства, которая была разработана Максом Пульвером, Гертц Артусом, Михаэлем Грюнвальдом и др. Основные положения этих разработок даны в книге К. Коха [2]. «Показатели психографического теста в совокупности дают характеристику мотивации по силе, устойчивости, уровню побуждения, содержанию, генезису (когда возник мотив, имеется ли тенденция к угасанию или развитию его), структурности (какие мотивы являются доминирующими, устойчивыми), качеству (созерцательные, связанные с активными действиями, осознанные или неосознанные и т.д.).» [3]
|
|
|
Валидность и надежность теста подтверждена различными исследованиями, этот тест рекомендован для диагностики мотивации, стремлений и намерений в научных и практических целях [4]. При интерпретации результатов теста, через центр прямоугольника провидится ось координат (X;Y), которая делит его на четыре зоны с координатами [+X,+Y],[-X,+Y],[+X,-Y],[-X,-Y] соответственно. Каждая из этих зон прямоугольника обозначает различные характеристики мотивации. На рисунке 1 представлены характеристики мотивации на поле чувствительности. Далее в прямоугольнике проводится диагональ из левого нижнего угла в правый верхний угол, которая в психологической практике называется «линией жизни». Мотивацию характеризуют следующие показатели [4]:
· Угол между линией жизни и вектором стремления.
· Направление вектора мотивации.
|
|
|
· Координаты точки мотивации.
· Расстояние от нижней линии рамки до точки мотивации.
· Расстояние от начала координат до точки мотивации. 
Рисунок 1. Характеристики мотивации на поле чувствительности.
Типичные примеры психографических тестов представлены на Рисунке 2. К сожалению обработка и интерпретация результатов исследования с применением Психографического теста В.Г. Леонтьева, несколько трудоёмки и затратны по времени, что делает её малораспространённой среди учёных и недоступной для применения практикующими психологами.
Рисунок 2. Типичные примеры психографических тестов.
Для решения задачи автоматизации измерения параметров психографического теста в ИПФ РАН был разработан программный комплекс PsyGraph, который базируется на алгоритмах компьютерного зрения и машинного обучения. Был разработан следующий алгоритм автоматического измерения параметров психографического теста, который включает в себя семь основных шагов:
· Шаг 1. Определение рамки.
· Шаг 2. Определение областей интереса.
· Шаг 3. Определение граничных точек.
· Шаг 4. Определение точки мотивации.
· Шаг 5. Определение конечной точки вектора мотивации.
· Шаг 6. Построение системы координат.
|
|
|
· Шаг 7. Вычисление параметров теста.
Определение рамки.
Описанием рамки является 4 угловых точки ABCD, как показано на Рисунке 1. Для посика этих угловых точек и, соответственно, для определения рамки используется алгоритм поиска фрагментов изображения, основанный на нейроноподобных детекторах заданных объектов, который описан в [5]. Используется 4 нейроноподобных детектора для каждого угла рамки. Поиск ведется по фрагменту изображения, включающему искомую точку.
Определение областей интереса.
Для определения областей интереса все изображение разбивается на прямоугольные фрагменты размером 16x16 пикселей, в каждом из которых вычисляется дисперсия данного фрагмента. Если разница между дисперсией всего изображения и дисперсией анализируемого фрагмента превышает заданный порог, то данная область рассматривается как область интереса.
Определение граничных точек.
Для определения граничных точек используется алгоритм поиска угловых точек методом Харриса [6] с последующим совмещением полученных точек с найденными областями интереса.
Определение точки мотивации.
Точка мотивации находится как точка центров областей интереса, наиболее удаленная от граничных точек. В случае, если все области интереса лежат на одной линии, то точкой мотивации считается середина отрезка, соединяющего найденные граничные точки.
|
|
|
Определение конечной точки вектора мотивации (точки стремления).
Для определения конечной точки вектора мотивации используется нейроноподобный детектор изображения стрелки, выполненный как детектор атрибутов области интереса, построение которого описано в статье [7].
Дата добавления: 2019-01-14; просмотров: 204; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!