Факторы когнитивной сложности тестовых вопросов в психофизиологических исследованиях

Иван Горбунов; Марина Куприкова

doi:10.21638/spbu16.2023.208

Авторы

Иван Горбунов Санкт-Петербургский государственный университет
Марина Куприкова Санкт-Петербургский государственный институт психологии и социальной работы, Российская Федерация, 199178, Санкт-Петербург, 12-я линия В.О., 13 https://orcid.org/0009-0005-4445-4500

DOI:

https://doi.org/10.21638/spbu16.2023.208

Аннотация

В работе представлены результаты исследования особенностей функционального состояния мозга при аудиальном восприятии 60 типичных для психофизиологической экспертизы вопросов, взятых из шаблонов базы данных полиграфа, и ответов на них, имеющих различные лингвистические характеристики. Это количество различных типов слов, процентные соотношения слов из разных частей речи, количество отрицаний, наличие форм личных местоимений и их место в вопросе, количество букв, процент гласных, положение интонационного ударения. В качестве психологических характеристик, влияющих на функциональное состояние мозга, были измерены: вербальный интеллект по тесту Р.Амтхауэра, личностная и ситуативная тревожность по тесту Спилбергера — Ханина. Для измерения функционального состояния мозга проводилась регистрация 19-канальной ЭЭГ в системе 10–20%. Функциональное состояние мозга оценивалось через расчет фрактальной размерности ЭЭГ-методом. Выборку составили студенты и служащие ряда учебных заведений Санкт-Петербурга, девять мужчин и восемь женщин в возрасте от 19 до 59 лет. Анализ экспериментальных данных позволил подтвердить гипотезу о влиянии измеренных анкетных характеристик, лингвистических характеристик вопросов и психологических особенностей испытуемых на фрактальную размерность ЭЭГ. Анализ ЭЭГ в различных отведениях позволил выявить два фактора сложности ЭЭГ, относящиеся к лобным и затылочным областям мозга. Была получена регрессионная модель оценки когнитивной сложности того или иного вопроса теста, отражающейся в сложности кривой ЭЭГ испытуемого, воспринимающего данный вопрос. Полученная модель позволяет подбирать вопросы для психофизиологической экспертизы, имеющие требуемый уровень когнитивной сложности. Результаты работы свидетельствуют о значимости такого показателя, как фрактальная размерность ЭЭГ, для исследований функционального состояния мозга и зависимости его как от личностных и биологических характеристик человека, так и от эмоционального состояния и сложности поступающей на анализаторы информации.

Ключевые слова:

ЭЭГ, фрактальная размерность, когнитивная сложность, лингвистические особенности, психофизиологическая экспертиза

Скачивания

Данные скачивания пока недоступны.

Библиографические ссылки

Литература

Арбиб М. Метафорический мозг. 2-е изд. М.: Едиториал УРСС, 2004.

Вассерман Е. Л., Карташев Н. К., Полонников Р. И. Фрактальная динамика электрической активности мозга. СПб.: Наука, 2004.

Горбунов И. А., Зайнутдинов М. Р., Локоткова М. А. Моделирование процесса речепорождения с помощью математических моделей нейронных сетей у больных неврозами // Петербургский психологический журнал. 2015. № 11. С. 11–37.

Горбунов И. А., Ткачева Л. О. Связь семантических характеристик сознания с изменениями функционального состояния мозга // Вестник СПбГУ. 2011. Т. 12, №1. С. 324–329.

Кануников И. Е., Антонова Е. В., Белов Д. Р., Марков Ю. Г. Применение теории динамического хаоса для анализа электроэнцефалограмм // Вестник СПбГУ. Сер. 3. Биология. 1998. Вып. 1. № 3. С. 55–61.

Ляшевская О. Н., Шаров С. А. Частотный словарь современного русского языка на материалах Национального корпуса русского языка. М.: Азбуковник, 2009.

Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2004.

Фрумкина Р. М. Психолингвистика. 2-е изд. М.: Академия, 2006.

Холодная М. А., Щербакова О. В., Горбунов И. А., Голованова И. В., Паповян М. И. Информационноэнергетические характеристики различных типов когнитивной деятельности // Психологический журнал. 2013. Т. 34, № 5. С. 96–107.

Шанский Н. М. Лингвистический анализ художественного текста. Л.: Просвещение, 1990.

Шеперд Г. Нейробиология: в 2 т. М.: Мир, 1987.

Gillis M., Vanthornhout J., Simon J. Z., Francart T., Brodbeck Ch. Neural markers of speech comprehension: measuring EEG tracking of linguistic speech representations, controlling the speech acoustics // Journal of Neuroscience. 2021. Vol. 41, no. 50. P. 10316–10329.

Gorbunov I., Pershin I., Zainutdinov M., Koval V. Using the neural model of the person’s semantic space to reveal the occurred with him events // IMCIC 2019-10th International Multi-Conference on Complexity, Informatics and Cybernetics, Proceedings. Vol. 2. Orlando, 2019. P. 164–165.

Higuchi T. Approach to an irregular time series on the basis of the fractal theory // Physica D. 1988. No. 31. P. 277–283.

Huth A. G., Heer W. A. de, Griffiths Th. L., Theunissen F. E., Gallant J. L. Natural speech reveals the semantic maps that tile human cerebral cortex // Nature. 2016. Vol. 532, no. 7600. P. 453–458.

Just M. A., Cherkassky V. L., Aryal S., Mitchell T. M. A neurosemantic theory of concrete noun representation based on the underlying brain codes // PloS one. 2010. Vol. 5, no. 1. P. e8622.

Lutzenberger W., Birbaumer N., Flor H., Rockstroh B., Elbert T. Dimensional analysis of the human EEG and intelligence // Neuroscience Letters. 1992. Vol. 143, no. 1–2. P. 10–40.

Mekler A. A., Gorbunov I., Gavrilov V. Systemic processes in the brain: The EEG study on the emotions of different hierarchical levels and signs // International Journal of Psychophysiology. 2014. Т. 94, no. 2. P. 191–191.

Neubauer A. C., Fink A. Intelligence and neural efficiency // Neuroscience & Biobehavioral Reviews. 2009. Vol. 33. Р. 1004–1023.

Shcherbakova O. V., Gorbunov I. A., Golovanova I. V., Kholodnaya M. A. The neural efficiency hypothesis: Further evidence from the EEG study of conceptual thinking // International Journal of Psychophysiology. 2014. Vol. 2, no. 94. P. 218.

Tkacheva L. O., Gorbunov I. A., Nasledov A. D. Reorganization of system brain activity while understanding visually presented texts with the increasing completeness of information // Human Physiology. 2015. Vol. 41. P. 11–21. https://doi.org/10.1134/S0362119714060127

References

Arbib, M. (2004). Metaphorical brain. 2nd ed. Moscow: Editorial URSS Publ. (In Russian)

Frumkina, R. M. (2006). Psycholinguistics. 2nd ed. Moscow: Akademiia Publ. (In Russian)

Gillis, M., Vanthornhout, J., Simon, J. Z., Francart, T., Brodbeck, Ch. (2021). Neural markers of speech comprehension: measuring EEG tracking of linguistic speech representations, controlling the speech acoustics. Journal of Neuroscience, 41, 50, 10316–10329.

Gorbunov, I. A., Tkacheva, L. O. (2011). Connection of semantic characteristics of consciousness with changes in the functional state of the brain. Vestnik of St Petersburg University, 12, 1, 324–329. (In Russian)

Gorbunov, I., Pershin, I., Zainutdinov, M., Koval, V. (2019). Using the neural model of the person’s semantic space to reveal the occurred with him events. IMCIC 2019-10th International Multi-Conference on Complexity, Informatics and Cybernetics, Proceedings, 2, 164–165.

Gorbunov, I. A., Zainutdinov, M. R., Lokotkova, M. A. (2015). Modeling the process of speech production using mathematical models of neural networks in patients with neurosis. Peterburgskii psikhologicheskii zhurnal, 11, 11–37. (In Russian)

Higuchi, T. (1988). Approach to an irregular time series on the basis of the fractal theory. Physica D, 31, 277–283.

Huth, A. G. Heer, W. A. de, Griffiths, Th. L., Theunissen, F. E., Gallant, J. L. (2016). Natural speech reveals the semantic maps that tile human cerebral cortex. Nature, 532, 7600, 453–458.

Just, M. A., Cherkassky, V. L., Aryal, S., Mitchell, T. M. (2010). A neurosemantic theory of concrete noun representation based on the underlying brain codes. PLoS One, 5, 1, e8622.

Lutzenberger, W., Birbaumer, N., Flor, H., Rockstroh, B., Elbert, T. (1992). Dimensional analysis of the human EEG and intelligence. Neuroscience Letters, 143, 1–2, 10–40.

Lyashevskaya, O. N., Sharov, S. A. (2009). Frequency Dictionary of the Modern Russian Language Based on the Materials of the National Corpus of the Russian Language. Moscow, Azbukovnik Publ. (In Russian)

Kanunikov, I. E., Antonova, E. V., Belov, D. R., Markov, Yu. G. (1998). Application of the theory of dynamic chaos for the analysis of electroencephalograms. Vestnik of St. Petersburg University. Ser. 3. Biology, 1, 3, 55–61. (In Russian)

Kholodnaya, M. A., Shcherbakova, O. V., Gorbunov, I. A., Golovanova, I. V., Papovyan, M. I. (2013). Information and energy characteristics of various types of cognitive activity. Psikhologicheskii zhurnal, 34, 5, 96–107. (In Russian)

Mekler, A. A., Gorbunov, I., Gavrilov, V. (2014). Systemic processes in the brain: The EEG study on the emotions of different hierarchical levels and signs. International Journal of Psychophysiology, 94, 2, 191–191.

Neubauer, A. C., Fink, A. (2009). Intelligence and neural efficiency. Neuroscience & Biobehavioral Reviews, 33, 1004–1023.

Osovsky, S. (2004). Neural networks for information processing. Moscow, Finansy i statistika Publ. (In Russian)

Shansky, N. M. (1990). Linguistic analysis of a literary text. Leningrad, Prosveshchenie Publ. (In Russian)

Shcherbakova, O. V., Gorbunov, I. A., Golovanova, I. V., Kholodnaya, M. A. (2014). The neural efficiency hypothesis: Further evidence from the EEG study of conceptual thinking. International Journal of Psychophysiology, 2, 94, 218.

Shepherd, G. (1987). Neurobiology: in 2 vols. Moscow, Mir Publ. (In Russian)

Tkacheva, L. O., Gorbunov, I. A., Nasledov, A. D. (2015). Reorganization of system brain activity while un-derstanding visually presented texts with the increasing completeness of information. Human Physiology, 41, 11–21. https://doi.org/10.1134/S0362119714060127

Wasserman, E. L., Kartashev, N. K., Polonnikov, R. I. (2004). Fractal dynamics of the electrical activity of the brain. St Petersburg, Nauka Publ. (In Russian)