Модель процесса анализа данных психофизиологического диагностирования Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.942 DOI: 10.20998/2411-0558.2016.21.09

В.В. ПАС1ЧНИК, д-р техн. наук, проф., Нацюнальний ушверситет

'^bBÏBCbKa пол^ехшка", Львiв,

Т.В. ШЕСТАКЕВИЧ, ас., Нацюнальний ушверситет '^bBÏBCbKa

пол^ехшка", Львiв

МОДЕЛЬ ПРОЦЕСУ АНАЛ1ЗУ ДАНИХ ПСИХОФ1З1ОЛОГ1ЧНОГО Д1АГНОСТУВАННЯ

1нформацшно-технолопчна шдтримка першого етапу шклюзивного навчання полягае у реал1заци процес1в накопичення результапв психоф1зюлопчного д1агностування особи, формуванш та анал1з1 комплексно! оцшки особи. Формування модел процесу анал1зу накопичених результапв медичного та психолопчного д1агностування особи е етапом розроблення шформацшно!' технологи тдтримки процесу визначення психоф1зюлопчних особливостей особи за допомогою штелектуального та 6агатовим1рного анал1зу даних. Б1блюгр.: 10 назв.

Ключовi слова: шклюзивне навчання, психоф1зюлопчне д1агностування, модель процесу анал1зу даних, комплексна оцшка особи.

Постановка проблеми. Сучасною реалiзацiею процесiв ефективного навчання осiб, що мають особливi освiтнi потреби, е шклюзивне навчання, коли особа здобувае осв^у та отримуе корекцшну пщтримку у масових навчальних закладах. Забезпечення учасниюв процесу iнклюзивного навчання (особа, що мае особливi освiтнi потреби, ïï батьки, спецiалiсти психолого-медико-педагогiчних комiсiй, вчителi та фахiвцi iнклюзивного навчання, роботодавщ тощо) сучасними iнформацiйними технологиями та засобами дае змогу належним чином пщтримати таке навчання та суттево розширити доступ до нього. Розроблення методiв та засобiв для шформацшно-технолопчного супроводу iнклюзивного навчання е актуальним науково-прикладним завданням, розв'язання якого сприятиме бшьш повнiй та яюснш штеграцп особи з особливими потребами у сощум.

Анал1з л1тератури. В моделi iнформацiйно-технологiчного супроводу iнклюзивного навчання, запропонованш у [1], на першому етапi розглядаеться процес визначення психофiзiологiчних особливостей особи на основi накопичених даних дiагностування. Розроблення методiв та засобiв iнформацiйно-технологiчного супроводу процесiв шклюзивного навчання для забезпечення мошторингу та накопичення даних психофiзичного розвитку особи передбачае розроблення схем вщповщних баз даних, проектування сховища даних, розроблення методiв iнтелектуального (Data Mining) та багатовимiрного аналiзу даних (OLAP) для комплексно'!' оцшки особи.

Застосування запропонованих у [2, 3] основних пiдходiв до ведення

© В.В. Пас1чтк, Т.В. Шестакевич, 2016 86

медично! документацп, використання методiв структурування та накопичення даних медичних дослiджень для шформацшно-технологiчного супроводу етатв iнклюзивного навчання потребуе розроблення схеми бази даних та моделi сховища даних для накопичення даних психофiзiологiчного дiагностування. Процес аналiзу даних, що накопичуються у сховищi, розглядаемо як такий, що складаеться iз чотирьох пщпроцеав - формування шформацшно! моделi предметно! областi, попереднього опрацювання даних, виявлення залежностей, оцiнювання та штерпретацп результатiв аналiзу [4]. Врахування особливостей шструмешив iнтелектуального аналiзу тд час проектування бази даних психофiзiологiчного дiагностування та сховища даних комплексного ощнювання особи дае можливiсть бшьш точно подавати особливостi даних, що накопичуються [5], передбачати можливють появи недосконалих даних (неповних, нечiтких, недетермшованих) та розробити методи !х ефективного опрацювання [4, 6]. Використання методiв та засобiв аналiзу даних, реалiзованих у [7 - 9], дае змогу дослщжувати накопиченi данi та виявляти приховаш у них залежносп, тим самим даючи пiдстави для удосконалення процеав психофiзiологiчного дi агностування.

Мета роботи полягае у розробленш моделi аналiзу даних комплексного ощнювання особи з урахуванням схеми сховища даних, у якому збер^аються результати психофiзiологiчного дiагностування. Розробленi моделi е тдгрунтям для розроблення архiтектури шформацшно! системи супроводу iнклюзивного навчання та формування вимог до шформацшних технологий, що вдосконалюють процедури визначення психофiзiологiчних особливостей особи як одного iз ключових етапiв процесу iнклюзивного навчання.

Основний роздш. Схема бази даних результатив психофiзiологiчного дiагностування розроблена iз урахуванням принципiв роботи психолого-медико-педагогiчних комiсiй (ПМПК) та грунтуеться на формi "Картки стану здоров'я i розвитку дитини", яка знаходиться в МПМК та мiстить педагогiчну характеристику особи, результати психологичного та логопедичного дослщження, основнi медичнi висновки.

Модель сховища даних подамо у виглядi

8Б=<ВВ, ЯГ, ЯМ, г/ т/ /ипс>,

де БВ - множина вщношень, !х схем та обмежень, яю мiстять iнформацiю iз вхщно! бази даних психолого^зюлопчного дiагностування; ЯГ - схема множини вщношень факпв г/ ЯМ - схема множини вщношень метаданих т/ /ипс - множина процедур прийняття рiшень [10]. Отримання нових ршень полягае у видобуванш даних зi

87

сховища шляхом реалiзащi вщповщних функцш сховища даних на вщношенш фактiв i3 врахуванням вимог usr_prm, якi висуваються до такого рiшення: Dc = func(rf, usr_prm). Множина вимог до пропонованого ршення залежить вщ потреб користувача-учасника процесу шклюзивного навчання. Зв'язок мiж вiдношеннями rf та DB утворюе гiперкуб даних, вимiром якого е множина вiдношень бази даних результат психофiзiологiчного тестування. Прикладом вимiру комплексно1 оцiнки особи можуть бути даш психологiчного дiагностування, згрупованi для конкретно1 особи за датою. Реалiзацii операци зрiзу у сформованому кубi даних виршуе завдання наступного аналiзу даних, наприклад, отримувати шформащю про роботу психолопв з метою аналiзу ix завантаженостi в певний перiод, дослiджувати повноту наданих особi псиxологiчниx послуг тощо.

Описи даних, накопичених у сxовищi комплексних оцiнок, дають змогу моделювати процеси аналiзу даних при визначенш псиxофiзичниx характеристик особи. Зазначеш методи iнтелектуального та багатовимiрного аналiзу даних дае змогу виявляти закономiрностi у даних комплексно'!' оцiнки особи та фахово виршувати задачу встановлення рiвня псиxофiзичного розвитку та прийнятносп iнклюзивного навчання для особи з особливими потребами.

Модель процесу аналiзу даних для визначення особливостей псиxофiзичного розвитку особи побудовано у виглядi М = (М\, М2, Мз, М4) [4], де М\ - тдпроцес формування предметно1 областi; М2 -пiдпроцес попереднього опрацювання даних; Мз - пiдпроцес виявлення залежностей; М4 - пiдпроцес оцiнювання та штерпретацп результатiв аналiзу.

Модель М\ тдпроцесу формування опису предметног областг. Mi = (X, A, d, p,(x,a), n(x, d)), де Х - множина оаб, яких обстежували; А -показники обстежень; d - результати дiагностування. Функцп p,(x, a), n(x, d) використовують для обчислення значень атрибутiв таблищ. Множина результатiв обстежень за показниками А розбита на пщмножини А = {Ai, A2, A3, A4}, де Ai - iнформативнi властивосп (реестрацiйнi данi особи); A2 - результати дiагностування в ПМПК; A3 -ощнки, отриманi вiд батьюв; A4 - iнформацiя вiд особи. Результати дiагностування d формують множину атрибупв прийняття рiшень

d = {di, ..., ds}, де di - нозологл, i —1, 8. Тобто в xодi формулювання опису предметно1 областi створено таблицю прийняття рiшень T = (X, {Ai, A2, A3, A4}u{di, d2, ..., ds }).

Модель тдпроцесу попереднього опрацювання даних у разi застосування методiв наближених множин (rough set) мае вигляд M2 = (T, Discr(eiK), EscC(a)), де функщя Discr(eiK) виконуе дискретизацiю неперервних значень eiK iз використанням алгоритму булевого виведення

(Boolean reasoning), функщя EscC(ci) усувае HecyTreBi атрибути шляхом побудови редукпв i3 використанням алгоритму Джонсона.

Модель тдпроцесу виявлення залежностей у даних набувае вигляду: Мэ = (T, S, Pat(x)), де функщя Pat(x) будуе класифкатор у формi множини класифшацшних правил.

Модель тдпроцесу ощнювання та ттерпретаци розглядаемо у виглядг M4 = (T, Test(x), F(x), Evl(d)), де фyнкцiя Test(x) створюе тестову множину об'ектiв Х, на яких обчислено оцiнки ix значень F. Evl(d) -функщя ощнювання якостi класифшацп.

Висновки. Формування сховища даних комплексно'1' оцiнки особи на основi внесених у базу даних результат дiагностyвання особи у ПМПК дае змогу накопичувати шформащю про динамiкy психологiчного та фiзичного розвитку особи, яка мае особливi потреби. Аналiз даних сховища комплексно'1' оцiнки особи уможливлюе конструювання моделей научуваносп, що е необхiдним при розробленш сучасних систем самонавчання тощо, математичних моделей навчання i т. п.

Список лггератури: 1. Shestakevych T. The use of Petri Nets for inclusive education IT-support / T. Shestakevych, V. Pasichnyk // Econtechmod, 2015. - Vol. 4. - № 2. - P. 33-38. 2. Race, Ethnicity, and Language Data: Standardization for Health Care Quality Improvement. Improving Data Collection across the Health Care System / Agency for Healthcare Research and Quality, Rockville, MD. 2014. - [Електронний ресурс]. - Режим доступу: http://www.ahrq.gov/research/findings/final-reports/iomracereport/index.html. 3. Завалш Т.1. Методи та засоби структурування i збертання даних в електронних медичних картках / Т.1. Завалш, Ю.В. Школьський // Вюник. НУ "Львiвська полгтехшка" . - Львiв, 2010. -№ 689: 1нформацшш системи та мережт - С.158-168. 4. Литвин В.В. Аналiз даних та знань: навч. поабник / В.В. Литвин, В.В. Паачник, Ю.В. Школьський. - Львiв: Магнолiя-2006, 2015. - 276 с. 5. Khnaisser С. Data Warehouse Design Methods Review: Trends, Challenges and Future Directions for the Healthcare Domain // С. Khnaisser, L. Lavoie, H. Diab, J.-F. Ethier // Springer International Publishing Switzerland, 2015. - T. 539. - Р. 76-87. 6. Audigier V. A principal component method to impute missing values for mixed data / Advances in Data Analysis and Classification // V. Audigier, F. Husson, J. Josse. - Springer Berlin Heidelberg, 2013. - Р. 1-22. 7. Jemal D. What If Mixing Technologies for Big Data Mining and Queries Optimization / Lecture Notes in Computer Science // D. Jemal, R. Faiz. - Intern. Conf., ICCCI 2015, Madrid, Spain, September 21-23, 2015. - Part II. -V. 9330. - Springer, 2015.- C. 619-627. 8. Shen L. Research of Customer Classification Based on Rough Set Using Rosetta Software / L. Shen, S. Chen // Advances in Intelligent Systems and Computing. - Intern. Conf. on Communication, Electronics and Automation Engineering. - Springer Berlin Heidelberg, 2013. - V. 181. - Р. 837-843. 9. Choi G. Analysis of Medical Data Using the Big Data and R. Advances in Computer Science and Ubiquitous Computing // G. Choi, K. Lee, D. Seo, S. Kim, D. Kim, Y. Lee. - Springer Science+Business Media Singapor, 2015. - V. 373. - Р. 867-873. 10. Паачник В.В. Сховища даних Навч. поабн. // В.В. Паачник, Н.Б. Шаховська. - Мaгнолiя-2006, 2008. - 496 с.

References:

1. Shestakevych, T. and Pasichnyk, V. (20i5) "The use of Petri Nets for inclusive education IT-support", Econtechmod, No. 4 (2), pp. 33-38.

2. "Race, Ethnicity, and Language Data: Standardization for Health Care Quality Improvement. Improving Data Collection across the Health Care System" (20i4), Available at: www.ahrq.gov/research/findings/final-reports/iomracereport/index.html (Accessed: i0 February 20i6).

3. Zavalij, T.I. and Nikolskij, J.V. (20i0), "Methods and tools for structuring and storing data in electronic medical records", Visnuk. NU LP Information systems and networks, No. 689, pp. i58-i68.

4. Lytvyn, V.V., Pasichnyk, V.V. and Nikolskij, J.V. (20i5), Data analysis and knowledge. Magnolija-2006, Lviv, 276 p.

5. Khnaisser, С., Lavoie, L., Diab, H. and Ethier, J.. (20i5) "Data Warehouse Design Methods Review: Trends, Challenges and Future Directions for the Healthcare Domain", Communications in Computer and Information Science, Vol. 539, pp. 76-87.

6. Audigier, V., Husson, F. and Josse, J. (20i3), "A principal component method to impute missing values for mixed data", Advances in Data Analysis and Classification, Springer Berlin Heidelberg, pp. i-22.

7. Jemal, D. and Faiz, R. (20i5), "What If Mixing Technologies for Big Data Mining and Queries Optimization", Computational Collective Intelligence, Intern. Conf., ICCCI 2015, Madrid, Spain, pp. 6i9-627.

8. Shen, L. and Chen, S. (20i3), "Research of Customer Classification Based on Rough Set Using Rosetta Software", Advances in Intelligent Systems and Computing. - Intern. Conf. on Communication, Electronics and Automation Engineering, Vol. i8i, pp. 837-843.

9. Choi, G., Lee, K., Seo, D., Kim, D. and Lee, Y. (20i5), "Analysis of Medical Data Using the Big Data and R", Advances in Computer Science and Ubiquitous Computing, Springer Science+Business Media Singapor, Vol. 373, pp. 867-873.

10. Pasichnyk, V. and Shakhovska, N. (2008), Data Warehousing. Magnolija-2006, Lviv, 496 p.

Надшшла (received) 13.04.2016 Статью представил д.т.н., проф. НТУ "ХПИ"Литвт В.В.

Volodymyr Pasichnyk, Dr. Sci. Tech., Professor National University "Lviv Polytechnic" Str. S. Bandera, 12, Lviv, Ukraine, 79013 e-mail: [email protected] ORCID ID 0000-0002-523i-6395

Tetiana Shestakevych, Assistant National University "Lviv Polytechnic" Str. S. Bandera, 12, Lviv, Ukraine, 79013 e-mail: Tetiana.V. [email protected] ORCID ID 0000-0002-4898-6927

УДК 004.942

Модель процесу ан&тзу даних психофiзюлогiчного дiагностування / Пайчник В.В., Шестакевич Т.В. // Вюник НТУ "ХШ". Серiя: 1нформатика та моделювання. - Харк1в: НТУ "ХШ". - 2016. - № 21 (1193). - С. 86 - 91.

1нформацшно-технолопчна шдтримка першого етапу iнклюзивного навчання полягае у реaлiзaцil процесiв накопичення резyльтaтiв психофiзiологiчного дiaгностyвaння особи, формyвaннi та aнaлiзi комплексно! оцiнки особи. Формування моделi процесу aнaлiзy накопичених резyльтaтiв медичного та психологiчного дiaгностyвaння особи е етапом розроблення шформацшно! технологи тдтримки процесу визначення психофiзiологiчних особливостей особи за допомогою штелектуального та бaгaтовимiрного aнaлiзy даних. Бiблiогр.: 10.

Ключовi слова: iнклюзивне навчання, психофiзiологiчне дiaгностyвaння, комплексна оцiнкa, модель процесу aнaлiзy даних, комплексна оцiнкa особи.

УДК 004.942

Модель процесса анализа данных психофизиологического диагностирования / Пасичник В.В., Шестакевич Т.В. // Весник НТУ "ХПИ". Серия: Информатика и моделирование. - Харьков: НТУ "ХПИ". - 2016. - № 21 (1193). - С. 86 - 91.

Информационно-технологическая поддержка первого этапа инклюзивного обучения заключается в реализации процессов накопления результатов психофизиологического диагностирования, формировании и анализе комплексной оценки личности. Формирование модели процесса анализа накопленных результатов медицинского и психологического диагностирования личности является этапом разработки информационной технологии поддержки процесса определения психофизиологических особенностей личности с помощью интеллектуального и многомерного анализа данных. Библиогр.: 10 назв.

Ключевые слова: инклюзивное обучение, психофизиологическое диагностирование, модель процесса анализа данных, комплексная оценка личности.

UDK 004.942

The models of data analysis process of psychophysiological diagnostics / Pasichnyk V.V., Shestakevych T.V. // Herald of the National Technical University "KhPI". Subject issue: Information Science and Modelling. - Kharkov: NTU "KhPI". - 2016. - № 21 (1193). - Р. 86 - 91.

Information and technology support of the first phase of inclusive education process is an accumulation of results of psychophysiological diagnostics, as well as forming and analyzing comprehensive assessment of the person. Modeling the process of analysis of the accumulated medical and psychological diagnosis results is the stage of development of information technology support for the process of determining the physiological characteristics of individuals using intellectual and multivariate analysis. Refs.: 10 titles.

Keywords: inclusive education, psychophysiological diagnostics, comprehensive assessment of the person, modeling the process of analysis.