Анализ поведения человека и животных с помощью
Компьютерной системы The Observer XT 10.5
Работа с внешними данными.
Особо отметим, что большим преимуществом системы The Observer XT как современной компьютерной системы перед обычным наблюдением является то, что с ее помощью можно очень эффективно проводить совместный анализ поведенческих данных, выполненных с помощью этой системы, и данных, полученных из других источников, например, зарегистрированных синхронно физиологических показателей, движений глаз, эмоциональной экспрессии, показаний различных приборов. Такая возможность позволяет использовать The Observer XT как интегратор различных событий, связанных с наблюдаемым поведением человека или животного. Это означает, что исследователь может в одном масштабе времени, на одном экране компьютера увидеть совместную динамику интересующих его событий. Немало важно и то, что, используя богатые функциональные возможности данной системы по сортировке и визуализации имеющихся данных, психолог получает возможность очень дифференцированно выявить соответствие интересующих его поведенченских проявлений испытуемого (например, напряжение мышц руки) вербальным проявлениям, выражению эмоций на лице, нажатием на определенные управляющие клавиши и др. Кроме того, отметим, что The Observer XT позволяет также проводить и статистический анализ количественных данных.
И так, внешними данными, импортируемыми в The Observer XT, могут быть числовые значения, полученные с помощью самых различных систем ввода данных - (в руководстве Обзервера они называются Data AcQuisition или DAQ). В качестве DAQ психологи очень часто используют многоканальные системы для регистрации таких физиологических функций как ЭЭГ, ЭКГ, КГР, дыхание. Если испытуемый выполняет какую-то компьютерную задачу, например, работает на автомобильном тренажере, то в качестве внешних данных можно использовать информацию от спидометра, положения руля автомобиля, включения сигналов поворота и т.д. В последние годы при оценке usability нового гаджете или новой компьютерной программы в качестве важных внешних данных психологи используют результаты, полученные с помощью компьютерных систем, осуществляющих регистрацию движений глаз.
Для работы с внешними данными нужно иметь в виду следующее: в The Observer XT можно импортировать любой файл, полученный с постоянной частотой оцифровки данных, т.е. зарегистрированные числовые значения должны записываться в файл данных регулярно, например, через 10 мс, 100 мс или каждую секунду. Это необходимо для того, чтобы Обзервер смог отображать на экране компьютера все наблюдаемые события в едином масштабе времени. Кроме того, важно, чтобы файл внешних данных был сохранен в стандартном ASCII-формате.
Подробные инструкции по работе с внешними файлами даны в главе 6 руководства пользователя The Observer XT 10.5.
Основной технический вопрос, встающий перед исследователем – как обеспечить синхронизацию Обзервера и внешней DAQ-системы. Поскольку с помощью Обзервера психолог, как правило, анализирует видео файл, в котором записано поведение испытуемого, то указанная проблема заключается в том, как синхронизовать процесс видео регистрации с работой внешних устройств или компьютерных программ. Самый простой вариант, если не требуется высокая точность, это вручную нажать на кнопку начала видео регистрации и одновременно запустить сбор внешних данных, например, движений глаз. Можно ожидать, что точность такой синхронизации будет не меньше 100-300 мс. Для большинства задач, связанных с наблюдением за поведением человека и регистрацией медленных событий (например, периодограмма дыхания или КГР), этого вполне достаточно.
Для более прецизионной синхронизации разных событий лучше всего использовать программно-аппаратные возможности The Observer XT, которые позволяют ему взаимодействовать с внешними программами или устройствами с помощью специальных команд. Подчеркнем, что большинство из известных нам систем регистрации физиологических реакций или ай-трекеров, стандартным образом принимают соответствующие команды от Обзервера и могут быть синхронизированы с ним (см. ниже).
Многие современные цифровые видеокамеры имеют вход для дистанционного управления началом записи, поэтому хорошую синхронизацию можно также обеспечить и с помощью подачи синхроимпульса от компьютерной системы регистрации физиологических реакций к видеокамере. Кроме того, в продаже имеются специальные устройства, предназначенные для синхронизации разнородных потоков данных. Исследователь может их также использовать, например, посылая специальную команду из своей прикладной программы одновременно на видеокамеру, полиграф и другие устройства.
Рассмотрим ниже, как импортировать в Обзервер внешние данные. Импорт заключается в том, что их необходимо добавить к уже имеющемуся Наблюдению. После его открытия нужно сделать следующее: в меню File (файл) выбрать опцию Import (импорт), а в ней - External Data (внешние данные). После выбора файла с внешними данными, они автоматически присоединяются к открытому Наблюдению. Также можно воспользоваться специальной кнопкой - Import Data (импорт данных), которая появляется сверху на линейке инструментов при работе с Наблюдением.
Стандартным образом Обзервер импортирует внешние данные из нескольких популярных в настоящее время компьютерных DAQ-систем: MindWare, BIOPAC, DataScience, Polar. Это означает, что структура этих файлов данных и их заголовки знакомы для Обзервера. Если пользователь хочет загрузить только часть внешнего файла – одну из его колонок (например, в файле данных содержится информация об амплитуде нескольких отведений ЭЭГ), то это следует сделать в ручном режиме, выбрав опцию Manual Import (импорт вручную). Если исследователь импортирует незнакомый для Обзервера, особый файл (например, в том случае, если он работает со своей оригинальной прикладной программой, моделирующей операторскую деятельность), то в ручном режиме можно описать его структуру с помощью специального инструмента Custom Import Profiles (импорт пользовательских файлов). Это не очень несложная процедура, но она потребует определенных усилий, сопровождающихся естественными для такой работы пробами и ошибками. Подробные инструкции по импорту внешних файлов в ручном режиме и особых файлов приведены в разделе 6.2 шестой главы «Руководства пользователя» компьютерной системы The Observer XT 10.5.
Если готовится эксперимент, в котором с помощью Обзервера в режиме реального времени записывается на видео и анализируется поведение испытуемого (описанный выше режим Live Observation) и одновременно регистрируются внешние данные (например, ЭКГ), то целесообразно запланировать следующий способ синхронизации двух процессов. В этом случае Обзервер посылает внешнему компьютеру или прибору специальный синхросигнал, содержащий информацию о текущем времени. Эта информация, записанная в файл данных используемой DAQ-системы, в дальнейшем и будет использована для синхронизации лог-файла Обзервера с импортируемыми данными.
Таким образом, в Обзервере предусмотрены два варианта синхронизации его лог файла с внешними данными:
1. Автоматическая синхронизация предполагает, что используемая DAQ-система функционально может получать синхроимпульсы от Обзервера в режиме реального времени, т.е. когда «вживую» проводится наблюдение. В этом случае, естественно, нужно в качестве источника наблюдения (Observation source) выбрать режим Live Observation (наблюдение «вживую»), а далее сделать соответствующие установки в разделе DAQ Hardware Settings (аппаратные установки DAQ-системы) – выбрать необходимый порт для передачи синхроимпульса и его тип. Поскольку эти установки связаны с особенностями используемой регистрирующей аппаратуры, то при выборе этих установок психологу может потребоваться консультация инженера или подробное знакомство с особенностями системы управления используемым оборудованием, которые, как правило, изложены в руководстве по его использованию. Фактически на один из аналоговых входов регистрирующего оборудования (например, многокального полиграфа) в качестве временной метки (синхроимпульса) записывается прямоугольный импульс. Естественно, что компьютер, на котором установлен Обзервер и другой компьютер (или регистрирующий прибор) должны быть соединены специальным кабелем, по которому от выбранного COM-порта Обзервера будет передаваться синхроимпульс.
Отметим также, что в зависимости от процедуры проводимого исследования нужно выбрать одни из двух типов передачи синхроимпульса, например, если регистрация физиологических показателей осуществляется постоянно, то нужно выбрать вариант On-Off signal (включение и выключение синхросигнала является, соответственно, меткой начала и конца наблюдения), а, если регистрация проводится с какой-то периодичностью, то нужно выбрать другой вариант синхронизации – Time Code (временной код). В этом случае Обзервер будет передавать регистрирующей аппаратуре специальный цифровой код, содержащий информацию о времени и дате наступившего события.
При чтении внешнего файла данных The Observer XT автоматически распознает записанные в нем синхросигналы.
2. Синхронизация вручную предпочтительна в следующих случаях: 1) Наблюдение и регистрация внешних данных начинаются и заканчиваются одновременно; 2) между началом Наблюдения и началом приема внешних данных необходима какая-то постоянная временная задержка (например, 60с требуется для адаптации испытуемого к условиям опыта); 3) когда для регистрации поведения используется цифровая камера, который исследователь управляет самостоятельно, включая и выключая ее, в этом случае в процессе самой записи можно делать голосовые или зрительные метки о включении регистрирующей аппаратуры; 4) можно делать ручные отметки о начале и конце Наблюдения, используя возможности самой регистрирующей аппаратуры – в этом случае на одном из каналов записи в нужное время будет появляться соответствующий импульс, который впоследствии будет декодирован как синхроимпульс.
Более подробная информация о возможностях и проблемах синхронизации дана в разделе 6.3. Руководства пользователя The Observer XT.
Анализ данных.
Компьютерная система The Observer XT предоставляет исследователям большой набор возможностей для анализа полученных данных. Кроме того, имеется несколько полезных инструментов для предварительной группировки и/или отбора той группы данных, которую нужно обработать. Рассмотрим эти возможности Обзервера, подробно описанные в 7 и 8 главах Руководства пользователя.
4.2.1. Способы отбора данных для анализа.
Решая задачу выбора данных для анализа исследователь может применять следующие средства:
1. Группировка данных (Grouping data) позволяет объединять два или несколько наблюдений (или элементов кодировочных схем) в одно. Группировка данных нужна в том случае, если необходимо получить усредненную оценку какого-либо типа поведения (например, испытуемый смотрит на часы) по нескольким испытуемым или нескольким наблюдениям.
2. Очень полезным инструментом является функция фильтрации данных (Filtering data), с ее помощью можно очень гибко выбрать из большого массива данных ту часть, которая будет изображена на экране и проанализирована. Отбор части данных для анализа бывает часто нужен в том случае, когда исследователь хочет получить результаты по отдельной группе испытуемых (например, по женщинам) или отдельному виду поведения из общей группы анализируемых поведенческих актов (например, в группе «Вербальные реакции» оцениваются лишь те события, когда испытуемый задает вопросы). Фильтрацию можно применить как к наблюдениям, так и зарегистрированным событиям, выделенным в схеме наблюдения предметам анализа, отдельным видам поведения, значениям независимых переменных.
3. Функция нестинга (Nesting) или анализ вложенных данных позволяет провести анализ тех временных интервалов (т.е. отдельных частей всего наблюдения), которые в рамках проведенного наблюдения совпали во времени с другим событием или даже комбинацией нескольких событий, включая те показатели, которые были зарегистрированы как внешние данные. Анализ так называемых вложенных данных бывает важен при проверке разного рода каузальных гипотез: например, какие события происходили в тех случаях, когда частота сердечных сокращений превышает 100 ударов в минуту.
4. Весьма интересная возможность для пользователя – это проводить анализ данных в определенных пользователем, т.е. произвольно выбранных временных интервалах. Для этого предусмотрены две возможности: а) анализ данных в рамках произвольного временного интервала (Free intervals), т.е. анализ только части наблюдения (или внешних данных) в диапазоне «от и до» и б) анализ всего наблюдения, разделенного на интервалы равной длительности (Time bins).
Произвольный временной интервал может быть задан, начиная от какого-либо времени с начала наблюдения или от начала выбранного события, или некоторой критической величины регистрируемого параметра внешних данных. В рамках выбранного исследователем временного интервала проводится анализ всех наступивших в нем событий и значений внешних данных. Анализ событий в определенный временной и интервала необходим, например, в тех случаях, когда ставится задача посмотреть, что происходило за 1 минуту до или 1 минуту после возникновения некоторого целевого события.
Анализ наблюдения, разделенного на равные интервалы длительности, например, 300 секундное наблюдение разбивается на 10 30-ти секундных интервалов, полезен, когда нужно наглядно оценить временную динамику проявления какого-либо события.
5. Проведение сложного отбора данных может осуществляться с помощью объединения и комбинации отдельных частей выбранной для анализа информации в разные контейнеры – инструмент Selection boxes. Этот вид селекции данных перед их анализом заключается в том, что исследователь может с помощью системы фильтров в наглядной графической форме отобрать несколько групп данных, объединенных в отдельные контейнеры («ящики»), провести их выборочный анализ и свести результаты в отдельные таблицы.
Подчеркнем, что селекция данных может проводиться на основе не только одного, но и нескольких критериев одновременно. Например, для анализа выбираются данные только 1-го испытуемого в те моменты когда он делал ошибки и при этом на лице проявлялись отрицательные эмоции.
4.2.2. Выбор данных, создания профиля анализа данных.
Для начала работы по селекции данных нужно войти в меню Analyze (анализ), а в нем выбрать пункт New Data Profile (новый профиль данных). Профиль данных – это та совокупность установок, параметров, фильтров, которая определяет основания для селекции данных; в ходе анализа данных можно по необходимости создавать несколько рабочих профилей – в соответствии с целью исследования и текущими задачами проводимой обработки.
Окно профиля данных представляет собой специальный графический интерфейс – панель селекции данных (Data Selectionpane), показывает содержание текущего профиля данных. Это важно иметь в виду для общей ориентировки в процессе сложного (и часто многоступенчатого и длительного) анализа результатов, чтобы не забыть, что уже сделано, и что следует еще сделать. Одновременно можно работать лишь с одним профилем данных.
Слева на панели селекции данных представлена таблица со всеми возможными компонентами (Components) анализируемого наблюдения, на основе которых исследователь может осуществлять селекцию данных, т.е. указывать критерии своего выбора – использовать фильтр наблюдений (Filter Observation), фильтр событий (Filter Events), задавать или выбирать необходимые временные интервалы (Select Intervals).
Справа находятся два важных графических элемента, соединенные между собой направленной вправо стрелкой и отображающих текущие результаты проведенной селекции данных – старт (Start box) и результаты (Results box). Эти прямоугольники-контейнеры соединены между собой направленной вправо. Контейнер Start box отображает все имеющиеся данные, если производится некоторый отбор данных (для этого делается соответствующий выбор на панели компонентов), то появляется дополнительный прямоугольный элемент-фильтр (Filter), который следует вручную поместить прямо на стрелку, т.е. в промежутке между Start box и Results box. Это будет означать, что в результате проведенной фильтрации только часть данных будет обработана и поступит в контейнер результатов. В ходе анализа данных можно проводить множественную селекцию данных, и как наглядный результат – появляются новые прямоугольники, показывающие, каким данным будут соответствовать какие результаты. Таким образом, между элементами Start box и Results box для селекции данных может быть помещено много разных фильтров (selection boxes). Причем для сохранения разных результатов на панели Components можно создать несколько разных контейнеров, и соответственно, соединить их новыми стрелками с новыми фильтрами (рис. 1).
Рис. 1. Панель селекции данных: используется 4 фильтра и 3 соответствующих контейнера результатов.
Для изменения параметров выбора данных в каждом из фильтров (т.е. в каждом selection box) можно воспользоваться функцией Settings (установки), нажав на соответствующие кнопки.
Для того, чтобы сделать сложную многофакторную и гибкую селекцию данных параметры установок в фильтрах можно комбинировать самыми разными способами. Например, можно задать нестинг по типу поведения - «водитель смотрит в зеркало», а затем, реализуя функцию логического оператора «and», ограничить число нужных событий двумя дополнительными условиями – «скорость автомобиля от 10 до 40 км/час» и «выполняется круговое движение».
Рис. 2. Пример сложной селекции данных с использованием функции Nesting, выбирающей только те интервалы времени, когда водитель автомобиля смотрел в одно из зеркал, а также при наличии двух дополнительных условий: ограничение скорости и круговое движение (т.е. два раза реализуется логическая функция «И»).
Рис. 3. Пример выбора данных с использованием функции Nesting, ограничивающей виды поведенческих актов водителя автомобиля теми временными интервалами, когда он глядел в правое или левое зеркала (т.е. реализация логической функции «ИЛИ»).
Следует подчеркнуть, что выполняя селекцию данных, нужно обращать не только на то, какие фильтры подключены, но и на их порядок в цепочке от Start до Result. Дело в том, что алгоритмы селекции данных, примененные в Обзервере, имеют некоторые особенности. Если каждый фильтр соответствует разным основаниям селекции данных, например, первый – выбирает одного из испытуемых, второй – один из уровней независимой переменной, а третий – определенный вид поведения, то их порядок не имеет никакого значения. Однако, в том случае, если для одной и той же группы компонентов используются два фильтра, например, два раза подряд выбираются определенные виды поведения (сначала – «игра», а затем – «плач»), то результат работы первого фильтра будет действовать только в том случае, если критерий, выбранный для первого фильтра, будет также повторен во втором фильтре.
Если для отбора данных используется последовательность, состоящая из нестинга (т.е. отбора из целого наблюдения определенных временных интервалов) и фильтра (т.е. отбора определенных событий, происходящих в рамках наблюдения), то нестинг должен быть задан всегда до фильтра. Это важно, поскольку, если поставить фильтр первым, то он может исключить те события, которые входят в те временные интервалы, которые соответствуют нестингу. Таким образом, следует сначала проводить селекцию по временным интервалам, а затем – по событиям.
Подробные инструкции по работе с панелью селекции данных приведены в главе 7 Руководства пользователя системы The Observer XT.
4.3. Визуализация анализируемых данных.
Визуализация полученных данных – важный этап работы исследователя, поскольку у него появляется возможность наглядно представить на одном экране в едином масштабе времени все отмеченные в ходе кодирования виды поведения, а также внешние данные. Фактически – это второй этап наблюдения за поведением, позволяющий сопоставить исходную видеозапись с результатами осуществленной исследователем вручную кодировки и изменениями, происходящими во внешних данных. Для метода наблюдения это очень характерно и принципиально – изучаемый феномен сначала нужно увидеть.
Кроме того, сама возможность компактной визуализации результатов кодирования изучаемого поведения (фактически проведенного контен-анализа) при их непосредственном сопоставлении с видеозаписью на одном экране позволяет еще раз, в целом оценить содержательную адекватность результатов кодирования с теми изменениями поведения, которые были запечатлены камерой на видеозаписи, и теми событиями, которые происходили во внешних данных.
Поскольку на экране монитора, отображающего определенный временной интервал наблюдения, все закодированные события могут быть представлены одновременно и в наглядной графической форме, то такая возможность позволяет исследователю увидеть в обобщенном виде целостную картину (как характерный паттерн изменения поведения) того, что является для него предметом наблюдения.
Если на предыдущем этапа работы с данными была проведена их селекция, то до визуализации отобранных данных исследователю нужно выбрать соответствующий профиль данных. Если селекции сделано не было, то визуализироваться будут все события и внешние данные, включенные в наблюдение.
Визуализация имеющихся данных реализуется из основного меню Обзервера в режиме Analyze (анализ), где нужно выбрать функцию Visualize data (визуализировать данные). На экране появляется большое окно Visualization (визуализация), на котором горизонтально (один под другим) изображены временная ось, а под ней - графики, представляющие собой результаты кодирования поведения, а также внешние данные (см. рис. 4). Результаты кодирования разных событий (state events), выделенных исследователем вручную, выглядят как последовательность цветных меток-прямоугольников (каждое событие соответствует отдельному цвету), изображающих их появление во времени. Их ширина соответствует длительности помеченного события. Мгновенные события (point events) отображаются черными вертикальными линиями. По умолчанию вверху этого экрана помещены видеозаписи - одно или несколько окон, в которых отображаются содержание соответствующих данной записи видеофайлов, например, вид общей сцены, лицо испытуемого или экран компьютера, на который он смотрит (см. рис. 4).
Подчеркнем, что видеофайлы и внешние данных во времени четко синхронизированы с результатами кодирования поведения, т.е. в любой момент времени от начала до конца наблюдения можно посмотреть, какое содержание видеозаписи или файла внешних данных соответствует определенному поведенческому событию.
Для удобства перемещения по анализируемому наблюдению во времени можно воспользоваться специальной панелью – Playback Control (управление видеозаписью) со стандартными клавишами Пуск, Стоп, Вперед, Назад, изменение скорости прокрутки и др. Все элементы визуализации можно включить или отключить с помощью инструмента View Settings (установки визуализации), расположенного в правом верхнем углу рабочего окна.
Рис. 4. Пример визуализации данных исследования поведения геймера, играющего в компьютерную игру, моделирующую кольцевые гонки на автомобиле.. Вверху – два видеофайла: с записью видео с экрана компьютера в ходе игры и записью движений глаз, наложенными на игровое поле. Ниже – результаты ручного кодирования наблюдаемых событий, еще ниже – временная динамика ЭКГ, зарегистрированной в ходе опыта и импортированной в анализируемое наблюдение как внешние данные.
Обратим внимание на одни весьма полезный инструмент селективной визуализации данных – Episode Selection (выбор эпизода). Он также доступен в режиме Analyze (анализ), где нужно выбрать соответствующую функцию. Она позволяет разделить целую запись на несколько частей - эпизидов. Например, начало опыта, получение испытуемым инструкции, выполнение задания и др. Каждый эпизод может объединять несколько событий, которые произошли в процессе наблюдения. Эпизоды создаются с помощью перетаскивания «мышью» выбранных исследователем событий в поле, соответствующее создаваемому эпизоду. Для демонстрационных и/или учебных целей созданные таким образом эпизоды могут быть экспортированы в отдельные видеофайлы, снабдим их титрами и специальными текстовыми сообщениями между отдельными эпизодами. Отметим, что это хороший способ создания видеотеки отдельных видов поведения.
В режиме визуализации можно проводить наглядный анализ данных сразу нескольких наблюдений, для чего они должны быть предварительно сгруппированы. Если исследователь создал несколько профилей данных или если в наблюдении задано несколько испытуемых, то их можно визуализировать в виде отдельных графиков выделенных вручную событий.
Иногда исследователю в ходе визуального анализа данных бывает нужно осуществить редакцию последовательности некоторых событий, например, добавить еще одно событие или убрать ранее ошибочно отмеченное. Такие возможности также предусмотрены (см. соответствующий раздел в главе 5 Руководства пользователя).
В режиме визуализации данных Обзервером предусмотрены различные варианты работы с графическими данными: включение/исключение отдельных окон, перемещение их по экрану, изменение масштаба вертикальной и горизонтальных осей, перемещение графиков по экрану, объединение отдельных видов поведения в созданные ранее поведенческие группы, изменение цвета меток событий и др.
В ходе анализа данных бывает необходимо сделать копию какой-то важной части наблюдения в виде рисунка. Фактически нужно сделать скриншот экрана. Для этого можно воспользоваться специальным инструментом – «камерой», для чего предусмотрена специальная кнопка в правом верхнем углу экрана.
4.4. Числовой анализ данных.
Кроме визуального анализа данных, полученных в ходе наблюдения, система The Observer XT предусматривает гибкие средства для анализа числовых данных – как правило, длительностей и частот отдельных видов поведения. Например, можно оценить среднюю длительность определенного вида поведения на протяжении всего периода наблюдения, подсчитать частоту этого события. Для этого в режиме анализа данных (Analyze) предусмотрена функция Behavior Analysis (анализ поведения). В том случае, если в кодировочную схему были включены не только категориальные (или номинальные) оценки, но и числовые характеристики (т.е. исследователь делал порядковые оценки), то можно использовать функцию Numerical Analysis (числовой анализ). Рассмотрим эти возможности подробнее.
При использовании функции анализ поведения Обзервер строит таблицу, в которой представлены числовые данные о частоте и длительности каждого события в соответствии с использованной исследователем кодировочной схемой и проведенной селекцией данных. В появившемся окне необходимо указать структуру таблицы, обозначив, что будет отображаться по ее строкам и столбцам. В соответствии с появившемся содержанием таблицы у исследователя появляется несколько возможностей: 1) сохранить ее в архивном файле для дальнейшего использования в Обзервере; 2) записать полученные данные в виде файла Excel для проведения их дальнейшего анализа, например, средствами Excel или SPSS; 3) включить в нее некоторые показатели описательной статистики; 4) отобразить содержание в виде графиков.
Естественно, что для данных, полученных в случае использования метода непрерывной регистрации событий (Continuous Sapling) и с помощью метода выборочной регистрации (Instantanteous Sampling) набор возможных статистических показателей будет различным. В первом случае рассчитываются 14 статистик, описывающих средние значения длительности и частоты событий, а также меры разброса данных. В последнем случае – это всего лишь 5 различных оценок частот событий.
При использовании функции числовой анализ Обзервер обрабатывает числовые величины модификаторов или внешних данных, вычисляя по ним ряд статистических показателей. Также рассчитывается ряд статистических показателей: минимум, максимум, среднее арифметическое, общая длительность отдельных видов поведения и их число, а также средняя частота их появления в минуту; для внешних данных оценивается число сделанных измерений. Например, при изучении поведения геймера, выполняющего игровую задачу управления гоночным автомобилем, можно вычислить среднюю скорость движения автомобиля в выбранный исследователем интервал времени или оценить частоту нажатия на определенную клавишу.
Естественно, что для серьезного статистического анализа полученных данных, например, использования показателей непараметрической статистики, нужно экспортировать данные в какую-либо статистическую систему.
Обратим внимание читателя на возможные проблемы с анализом данных, когда исследователь создает несколько журналов регистрации событий (event logs) в рамках одного наблюдения. Дело в том, что журналы могут занимать только часть длительности наблюдения или перекрываться во времени, а это, в свою очередь, отражается на оценках относительной частоты и длительности событий. Поэтому исследователю нужно быть очень аккуратным в выборе данных для анализа и понимании смысла разных полученных статистических показателей. Ряд из указанных проблем обсуждается в 9 главе Руководства пользователя системы The Observer XT 10.5.
4.4.1. Анализ последовательности событий.
Весьма характерный метод для анализа данных, полученных в ходе наблюдения, – анализ последовательности событий (Lag Sequential Analysis). После выполнения процедуры кодировки всех наблюденных исследователем событий естественно возникает ряд вопросов, связанных с поиском возможных закономерностей в последовательности появления какой-то пары событий (А и В). Формально это означает, что нужно оценить частоту перехода от одного событие к другому в заданный для анализа интервал времени. Например, подсчитать число появлений на лице определенной эмоции после нажатия на клавишу F1 (помощь) в интервале 5 или 10 с. Или оценить, как часто испытуемый водитель смотрит в зеркало заднего вида перед повышением скорости движения.
При проведении анализа последовательности событий выбирают определенный временной интервал, а также величину задержки (lag) - число событий, разделяющих во времени два интересующих нас события: А – «критерий» и В – «цель». Например, lag = 1 означает, что за событием А в анализируемый промежуток времени сразу следует событие В, при lag = 2 между двумя событиями происходит какое-то событие С, а при lag = 2 – этом временном промежутке произошли два события – C и D. В зависимости от того, в каком направлении (вперед или назад) мы проводим анализ можно задавать положительные (+1, +2) или отрицательные (-1, -2) значения уровня задержки. При этом мы отвечаем на два разных вопроса: в первом случае – как часто после события А наступает событие В и что происходит между ними, во втором – как часто В предшествует А.
Выделяют два вида анализа последовательности событий – анализ положения событий (State lag analysis) и анализ событий во времени (Time lag analysis). В первом случае рассчитывается эмпирическая частота перехода от «критерия» к «цели» при заданном уровне задержки без относительно того, какой промежуток времени их разделяет. Во втором – оценка частоты перехода рассчитывается в заданный исследователем временной интервал.
Анализ последовательности событий (Lag Sequential Analysis) как функция обработки данных выбирается в режиме Analyze, а выбор одного из двух указанных выше вариантов осуществляется в специальном окне – установки при анализе последовательности событий (Lag Sequential Analysis Settings). В первом варианте следует указать величину уровня задержки в диапазоне от -9 до + 9 (state lag), а во втором – временной интервал задержки (time lag) в миллисекундах, секундах, минутах или часах.
В качестве количественных показателя в анализе последовательности событий рассчитываются два – абсолютная (Frequency) и относительная (Probability) частоты переходов между двумя событиями.
Как опцию можно выбрать возможность провести этот анализ только по каждому испытуемому в отдельности или внутри какой-то отдельной группы событий (Restrict lag to Subject-Behavior group). Например, если в рамках использованной кодировочной схемы была создана группа «вербально поведение», то анализ последовательности будет проведен для отдельных видов поведения, входящих только в эту группу.
В качестве опций в данной процедуре заданы еще две возможности - не учитывать повторяющиеся «критерии» (Ignore recurring criteria) и не учитывать повторяющиеся «цели» (Ignore recurring targets). Эти опции целесообразно использовать в тех случаях, когда в ряду зарегистрированных событий следуют подряд два или более «критерия» или «цели», соответственно.
В качестве результата работы процедуры «анализ последовательности событий» Обзервер строит квадратную таблицу – матрицу смешения, в которой представлены числа, либо частоты, либо вероятности перехода между теми событиями, которые были отобраны для анализа. Отметим, важность последнего: с помощью данной процедуры бубут проанализированы те события, были отобраны исследователем, а при отсутствии сделанной селекции – все отмеченные в ходе кодирования виды поведения.
Следующий вид анализа данных, полученных в ходе наблюдений, осуществленных несколькими экспертами-наблюдателями, связан со статистической оценкой их согласованности. Это очень важно, поскольку хорошая согласованность эмпирических данных, подверженных вкладу различных субъективных факторов […], является общенаучным критерием надежности научных результатов.
4.4.2. Анализ надежности.
В режиме анализа данных (Analize) исследователь имеет возможность выполнить статистическую процедуру анализ надежности (Reliability Analysis). Результатом работы психолога-исследователя, использующего Обзервер для кодирования (или классификации) различных видов наблюдаемого поведения «вживую» или по видеозаписи, является последовательность зафиксированных событий. Возникает вопрос, насколько хорошо проведена эта классификация (или измерения по шкале наименований)? Насколько объективны полученные данные? Когда наблюдение выполняется несколько раз одним и тем же человеком или разными исследователями, то появляется возможность оценить надежность результатов этих повторных измерений как меру их сходства. Эти задачи весьма типичны для разных психологических исследований: оценка надежности работы одного и того же эксперта (intra-observer reliability), подготовка начинающих экспертов, оценка надежности данных наблюдения путем использования нескольких опытных экспертов (inter-observer reliability).
Процедура анализ надежности выполняет сравнение двух наблюдений. В том случае, когда необходимо сравнить результаты трех или четырех наблюдений, например, данные, полученных от трех или четырех разных экспертов, нужно составить соответствующие пары наблюдений: 1-2, 1-3, 1-4, 2-3 и т.д.
Поскольку результатом наблюдения является отметка некоторого события, сделанная в определенное время, то согласованность двух сопоставляемых оценок определяется тем, появилась ли в определенный временной интервал одна и та же метка некоторого события сразу у двух наблюдателей (или в двух разных наблюдениях у одного и того же наблюдателя). Если «да», то делается вывод о согласованность между этой парой оценок, если «нет» (т.е. в одном наблюдении это событие отмечено, а в другом – нет), то эти данные не согласованы. Данная процедура сопоставляет наличие/отсутствие совпадений в рамках определенного критического диапазона (tolerance window). Величина этого окна устанавливается исслед