СИСТЕМНАЯ ПСИХОЛОГИЯ
И СОЦИОЛОГИЯ

    Просмотров: 1657

СИСТЕМНАЯ ОРГАНИЗАЦИЯ ПСИХОЛОГИЧЕСКОЙ РАБОТЫ СО ШКОЛЬНИКАМИ

НА ОСНОВЕ ПСИХОЛИНГВИСТИЧЕСКОГО АНАЛИЗА ПИСЬМЕННОЙ РЕЧИ

Б. М. Абушкин,

А. В. Мещанкин,

МГПУ, Москва,

Н. С. Мерцалова,

НМИЦК Минздрава РФ, Москва

В статье рассматривается новый подход для системной организации адаптивной личностной диагностики подростка и активного диалога с ним, направленный на осознание и развитие своих личностных качеств, а также социальных интересов и возможностей.

Современная диагностическая практика в образовательной сфере использует практически все методические разработки психологии. Многообразие методик определяется их измерительными характеристиками. Многие из них восходят к середине прошлого века и ранее.

Проблема системной организации работы психологов в решении современных задач диагностической работы в школе обуславливается разрозненностью как в использовании научно-понятийного аппарата, так и в интерпретации получаемых результатов, ограничиваемой отдельными аспектами личностного портрета. Системный подход, характерный для современного этапа построения практической работы в психологии, предполагает вести работу со школьниками начиная c системно-образуемых качеств формирующейся личности.

Предлагаемый подход для организации адаптивной работы со школьниками с учетом современных вычислительных возможностей компьютеров и информационных технологий позволяет выйти на системный анализ и прогноз по индивидуальным аспектам развития школьников.

Для решения поставленной задачи был выбран инструмент психолингвистического анализа письменной речи подростков для исследования особенностей их эмоциональной сферы. В работе предложен метод поиска корреляции когнитивных особенностей человека и его письменной речи, основанный на современных методах дистрибутивной семантики. При разработке методики был обоснован набор базовых эмоций и на их основе осуществлена разметка испытуемыми заранее выбранных прилагательных русского языка, набрана статистика по предложенным прилагательным. На основе полученного эмпирического материала осуществлялась разметка других прилагательных русского языка с использованием математических процедур. На контрольной выборке подростков с заведомо известными профессиональными перспективами проходило обучение нейронной сети, которая ставит в соответствие эмоциональному портрету профессиональные перспективы и в дальнейшем адаптивно подстраивается под все новые изменения. Получены первые результаты, позволяющие судить о валидности всего программного комплекса.

Ключевые слова: психолингвистика; базовые эмоции; дистрибутивная семантика; когнитивные способности мозга; письменная речь; анализ текста.

Для цитаты: Абушкин Б. М., Мещанкин А. В., Мерцалова Н. С. Системная организация психологической работы со школьниками на основе психолингвистического анализа письменной речи // Системная психология и социология. 2019 № 1 (29). С. 68–74.

Литература

1.      Осин Е. Н. Измерение позитивных и негативных эмоций: разработка русскоязычного аналога методики PANAS // Психология. Журнал Высшей школы экономики. 2012 Т. 9 № 4 С. 91–110.

2.      Романова Е. С. Профессиональное становление и развитие с позиций дуального подхода // Системная психология и социология. 2010 Т. 1 № 1 С. 43–56.

3.      Рыжов Б. Н. Системная психология: методология и методы психологического исследования. М.: МГПУ, 1999 277 с.

4.      Consoli D. Emotions that influence purchase decisions and their electronic processing // Annales Universitatis Apulensis Series Oeconomica. 2009 № 2 (11). P. 1–45.

5.      Ekman P. and et. al. Universals and cultural differences in the judgments of facial expressions of emotion //Journal of personality and social psychology. 1987 V. 53 № 4 С. 712–717.

6.      Felbo B. and et al. Using millions of emoji occurrences to learn any-domain representations for detecting sentiment, emotion and sarcasm. URL: https://arxiv.org/pdf/1708.00524.pdf

7.      Curran J. R. From distributional to semantic similarity: Ph. D. thesis. Edinburgh: University of Edinburg, 2003 177 p.

8.      Lee L. Similarity-based approaches to natural language processing: Ph.D. thesis. USA: Harvard University, 1997 63 p.

9.      Lindquist K. A., Wager T., Kober H., Bliss-Moreau E., Barrett L. The brain basis of emotion: A meta-analytic review // Behevioral and brain sciences. 2012 V. 35 P. 121–202.

10.   Mohammad S. M. Sentiment analysis: Detecting valence, emotions, and other affectual states from text // Emotion measurement. 2016 P. 201–237.

11.   Mohammad S., Turney P. Emotions Evoked by Common Words and Phrases: Using Mechanical Turk to Create an Emotion Lexicon // Proceedings of the NAACL HLT 2010 Workshop on Computational Approaches to Analysis and Generation of Emotion in Text. 2010 Los Angeles, California. June 2010 P. 26–34.

12.   Ortony A., Turner T. What’s Basic About Basic Emotions? // Psychological Review. 1990 V. 97 № 3 P. 315–331.

13.   Pelevina M., Arefyev N., Biemann C., Panchenko A. Making Sense of Word Embeddings // In Proceedings of the 1st Workshop on Representation Learning for NLP co-located with the ACL conference. Berlin, Germany. Association for Computational Linguistics. 2016 P. 174–183.

14.   Pennington J., Socher R., Manning C. Glove: Global vectors for word representation // Proceedings of the 2014 conference on empirical methods in natural language processing (EMNLP). 2014P. 1532–1543.

15.   Strapparava C., Valitutti A., Stock O. The Affective Weight of Lexicon // Proceedings of LREC, 2006 P. 423–426.

16.   Turney P., Pantel. P. From Frequency to Meaning: Vector Space Models of Semantics // Journal of Artificial Intelligence Research. 2010 V 37 P. 141–188.

17.   Wood I., Ruder S. Emoji as emotion tags for tweets // Proceedings of the Emotion and Sentiment Analysis Workshop LREC2016. Portorož, Slovenia. 2016 P. 76–79.