автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Исследование и разработка моделей, методов и алгоритмов экстенсионального подхода в компьютерной психодиагностике

РГБ ОД

На правах рукописи

ДЮК Вячеслав Анатольевич

ИССЛЕДОВАНИЕ И РАЗРАБОТКА МОДЕЛЕЙ, МЕТОДОВ И АЛГОРИТМОВ ЭКСТЕНСИОНАЛЬНОГО ПОДХОДА В КОМПЬЮТЕРНОЙ ПСИХОДИАГНОСТИКЕ

05.13.16 - применение вычислительной техники, математического моделирования и математических методов в научных исследованиях

Автореферат диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург -1998

Работа выполнена в Санкт-Петербургском институте информатики и автоматизации РАН.

Научный руководитель д.т.н., проф. Полонников Р.И. Официальные оппоненты: д.т.н., с.н.с. Горский Н.Д.

к.ф.-м.н. Павловский В.Ф. Ведущая организация: Санкт-Петербургский Государственный

электротехнический университет.

Защита состоится «..М.. 1998 года в...;'(Р....часов на заседании диссертационного совета Д.003.62.01 при Санкт-Петербургском институте информатики и автоматизации РАН по адресу: 199178, С.-Петербург, 14-я линия, д. 39.

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского института информатики и автоматизации РАН

Автореферат разослан.1998 г.

Ученый секретарь диссертационного совета

КОПЫЛЬЦОВ А.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Математические модели, методы и алгоритмы составляют основу технологий применения вычислительной техники в различных предметных областях. Их внедрение расширяет возможности традиционных методов "докомпьютерного" развития той или той области и способно кардинально изменять характер и повышать продуктивность труда специалистов. Вместе с тем, эффективное использование математических моделей, методов и алгоритмов практически в каждой конкретной области требует максимально учитывать ее особенности, специфику данных и целей.

Исходные данные психодиагностического эксперимента отличаются высокой размерностью, номинальным и качественным характером, наличием больших групп зависимых и неинформативных признаков, априорной неопределенностью структуры и нечеткостью внешних критериев. В этих условиях традиционная методология конструирования психодиагностических решающих правил (психодиагностических шкал), основанная на линейном факторном, регрессионном и дискриминантом анализе, приводит к получению лишь очень приблизительных диагностических решений. Поэтому психологи давно отмечают необходимость поиска путей и средств создания новой системы методов, обоснования и разработки нового инструментария экспериментально-психологического исследования [Ломов Б.Ф., Рубахин В.Ф., Забродин Ю.М., Ямпольский Л.Т., Кулагин Б.В., Шмелев А.Г.]. К ожидаемой новой концепции анализа психодиагностической информации, кроме естественного требования более высокой эффективности, предъявляется важное требование понятности процесса получения результата и его хорошей интерпретируемости, присущее традиционной методологии.

Альтернативу традиционной методологии в психодиагностике, удовлетворяющую перечисленным требованиям, составляет экстенсиональный подход, основанный на принятии диагностического решения относительно исследуемого объекта путем его сравнения с диагностическими прецедентами (Поспелов Д.А.). С одной стороны, использование этого подхода при неограниченном расширении множества диагностических прецедентов всегда приводит к теоретически достижимым пределам эффективности. С другой - получаемые результаты хорошо интерпретируются, так как за каждым диагностическим прецедентом стоит изученный реальный человек с известными особенностями, проблемами и историей. Более того, анализируя диагностические прецеденты, представляющие собой целостные образы, у специалиста, проводящего исследование, активизируется правополушарное мышление, что способствует включению в процесс диагностики мощного механизма человеческой интуиции.

Применяя экстенсиональный подход, психологи и врачи получают в свое распоряжение не только эффективное средство поддержки принятия диагностических решений, но также ценную возможность непрерывно обогащать это средство материалом из собственной диагностической практики.

Широкое применение экстенсионального подхода в психодиагностике стало возможным сравнительно недавно благодаря развитию компьютерных технологий. Однако в настоящее время отсутствуют методические разработки экстенсионального подхода.

Цель работы заключается в исследовании и разработке моделей, методов и алгоритмов экстенсионального подхода, способствующих повышению точности, надежности и объективизации психодиагностических решений.

Для реализации поставленной цели в работе решались следующие задачи:

• Теоретическое обоснование экстенсионального подхода в психодиагностике.

• Разработка методов и алгоритмов определения групп информативных признаков, описывающих диагностические прецеденты.

• Разработка методов и алгоритмов для исследования структуры и создания композиций диагностических прецедентов.

• Проведение широкомасштабных экспериментально-психологических исследований и разработка практических методик компьютерной психодиагностики.

Методы исследования. В работе используются методы прикладной статистики, анализа данных, распознавания образов и экспериментальной психологии.

Научная новизна. В процессе решения поставленных задач получены следующие новые научные результаты:

1. Разработана математическая модель для экстенсиональной диагностики и на ее основе предложены критерии оценки информативности описаний диагностических прецедентов, а также формулы для определения минимального требуемого объема множества диагностических прецедентов.

2. Разработан экономичный "циклический" алгоритм, позволяющий снизить трудоемкость методов поиска информативных групп признаков, таких как методы последовательного уменьшения и увеличения группы признаков и метод "плюс 1 минус г".

3. Разработан алгоритм "адаптивной развертки" пространства описания, позволяющий повысить выразительность геометрического изображения экспериментальных данных при их проецировании на плоскость или в трехмерный объем.

4. Проведены широкомасштабные экспериментально-психологические исследования и по их результатам разработаны эффективные автоматизированные методики экспресс-диагностики психической адаптивности.

Практическая ценность. Разработанные модели, методы и алгоритмы представляют для психологов и врачей новую технологию получения психодиагностических решений, обладающих повышенной точностью, надежностью и объективностью. Использование разработанных моделей, методов и алгоритмов позволило сконструировать практический алгоритм диагностики психической адаптивности по результатам тестирования Миннесотским тестом MMPI. Применение этого алгоритма на протяжении ряда лет в системе профессионального психологического отбора абитуриентов специальных высших учебных заведений позволяет в несколько раз снизить нагрузку на психиатров и психологов, проводящих трудоемкую экспертизу.

Апробация работы. Основные результаты работы докладывались и обсуждались на 4-м Ленинградском симпозиуме по теории адаптивных систем, 1979; YI Всесоюзном съезде психологов, Москва, 1983; Всесоюзной конференции "Современное состояние, перспективы развития морской медицины и гигиены водного транспорта, Москва, 1983; Всесоюзной конференции по инженерной психологии, ЛГУ, 1984; Всесоюзной конференции "Психологические проблемы формирования профессионала", Звенигород, 1984; Научно-технической конференции "Совершенствование средств и методов охраны здоровья работников водного транспорта", Ленинград, 1985; Международной конференции по морской медицине, Рига, 1986; Международной конференции "Биомод-92", Санкт-Петербург, 1992; 7-м Российско-Французском семинаре "Анализ данных и прикладная статистика", Санкт-Петербург, 1994; IY Международной конференции "Региональная информатика", Санкт-Петербург, 1995; Семинаре по анализу данных на персональных компьютерах, Обнинск, 1995; Y Международной конференции "Региональная информатика-96", Санкт-Петербург, 1996; Международной конференции "Статистическое образование в изменяющемся мире: идеи, ориентации, технологии", Санкт-Петербург, 1996.

Публикации. Основные результаты работы изложены в монографии "Компьютерная психодиагностика" (25 п.л.), 1994. Кроме того, самостоятельно и в соавторстве по теме работы опубликовано 14 печатных работ.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы (180 названий). Общий объем работы 140 страниц с рисунками и таблицами.

СОДЕРЖАНИЕ РАБОТЫ

Во введении содержится обоснование актуальности темы диссертации, сформулированы основные научные результаты, выносимые на защиту, а также практическая ценность полученных результатов.

В первой главе предложена классификация психодиагностических тестов. Ее основанием служат сочетания различных форм тестовых заданий со способами реагирования испытуемых.

Рассмотрены способы формирования исходных признаков при конструировании тестов и специфика экспериментально-психологической информации.

Приводится обзор традиционных математических методов построения психодиагностических правил. Традиционная методология базируется на линейных диагностических моделях. Делается вывод, что в условиях неоднородных диагностических классов, с которыми часто приходится иметь дело в психологии, эти модели приводят лишь к очень приблизительным оценкам и не позволяют полностью раскрывать ценную диагностическую информацию, заключенную в особенностях структуры экспериментальных данных.

Альтернативу традиционной методологии может составить только такой подход к анализу психодиагностической информации, который наряду с более высокими возможностями раскрытия информационного потенциала экспериментально-психологических данных, был бы конкурентоспособен с линейными моделями в семантическом аспекте. Этими характеристиками обладает экстенсиональный подход, использование которого стало реальным благодаря развитию современной компьютерной техники. Вместе с тем, основными проблемами данного подхода является поиск групп информативных признаков для сравнения объектов с диагностическими прецедентами и определение оптимальных композиций диагностических прецедентов.

Во второй главе описана разработанная теоретическая модель экстенсиональной диагностики. Она основана на следующей формализации.

Имеется множество А, содержащее N эмпирических объектов

(А - {а, }, / = 1, Ы), которое с помощью внешнего критерия разбито на диагностические классы. Тем самым, задана эмпирическая система с отношениями эквивалентности А = (А\«). Каждый объект измеряется по р признакам, которые соответствуют, например пунктам психодиагностического теста. То есть, задано отображение <р\\ А ->Хсйр, где множество эмпирических объектов изображается множеством р-мерных векторов X = {х}} в Яр .

Определеиие. Отображение <р отражает отношение эквивалентности эмпирической системы А, если существует число а е (0,1) такое, что вероятность правильной классификации Рр объектов Х| множества А по любому из

"к" ближайших к х, прецедентов, взятых из этого же множества А, где к{И) = епИег(аМ)~ 1, постоянна и превосходит Р? - вероятность случайного

угадывания диагностического класса X,.

Назовем (р полностью отражающим отношение А, если Рр = 1; частично отражающим при Рд<Рр< 1 и не отражающим при Рр = Рд .

Введенный в определение параметр а характеризует "сложность отображения <р ". Его значение обратно минимальному объему множества диагностических прецедентов, достаточному для достижения максимально возможной вероятности правильной классификации Рр, осуществляемой по 1-му

ближайшему к диагностируемому объекту прецеденту.

Формализация отражающей способности отображения эмпирической системы на числовую систему позволяет описать закономерности взаимодействия информативного и неинформативного подпространств признаков при использовании экстенсиональных методов диагностики.

Пусть даны два отображения - <рр:А Хр с Яр и рд:А->Хчс:Я(},и пусть (рр отражает отношения эквивалентности эмпирической системы, а

<рч - не отражает эти отношения; Хр и Xя - множества точек, равномерно распределенных ври ^-мерных единичных кубах соответственно. В пространстве Яр+я с помощью комбинаторных методов в диссертации установлена следующая зависимость

1 1+1 2

N р = ——а РИ2, (1)

АГ + 1

где Ир - количество объектов, классифицируемых в пространстве Кр+д по к-му ближайшему прецеденту таким же образом, как и в информативном подпространстве Кр ; N - общее количество объектов.

На основании установленной зависимости получено выражение, связывающее вероятность правильной экстенсиональной диагностики в пространстве Лр+9 с параметрами информативного и неинформативного под-

пространств, объемом выборки и номером ближайшего прецедента, по которому производится принятие диагностического решения:

Практически важным является использование установленной зависимости в целях приблизительной оценки требуемого объема множества диагностических прецедентов. Этот объем составляет

Другой практически важной является возможность использования модели для построения критериев эффективности описаний диагностических прецедентов. В частности, в работе рассмотрен следующий критерий

Если предположить, что эффекты диагностики по ближайшим прецедентам с различными рангами близости к диагностируемому объекту являются независимыми, то предложенная оценка у имеет дисперсию, как при выборке Ь ■ N объектов. Такое повышение эффективности оценки происходит за счет того, что для определения значения у одна и та же выборка N объектов используется ¿-кратно и каждый раз по-новому. Величина Ь выбирается исходя из опыта.

В третьей главе рассматриваются алгоритмы поиска информативных описаний диагностических прецедентов и исследования структуры множества диагностических прецедентов.

Предложен "циклический" алгоритм поиска групп информативных признаков, позволяющий существенно уменьшить трудоемкость реализации методов последовательного уменьшения и увеличения группы признаков (ПУМГ и ПУВГ), а также метода "плюс / минус г". Его идея, которая иллюстрируется примером ПУМГ, заключается в разбиении процесса нахождения информативной группы признаков на V циклов. В начале каждого цикла иерархия близости объектов по отношению друг к другу определяется для всех N объектов. Затем для каждого объекта XI составляется собственный список Щт) его "т" ближайших соседей и внутри циклов ПУМГ анализируются перестановки в иерархии близостей только между объектами, вошедшими в Щт). Тем са-

! 1-е-

~<* РЩРр-Рч) при М<Ыгр , к Ч" X

р£=рр прям* Игр

1

ЛГгр =ЩРр-Рд)1{Р1~Р<1).

(3)

(4)

мым, процесс оказывается состоящим из набора V операций в начале каждого цикла сложности 0{Ы2) и (р-У) операций внутри циклов сложности О(тЛ'). Существует объем списков Щшоггг), при котором с гарантированным отсутствием ошибок достигается максимальный выигрыш в трудоемкости циклического алгоритма по отношению к не оптимизированному варианту. В работе приводятся формулы для определения всех параметров циклического алгоритма. Для типовой задачи построения психодиагностического решающего правила (/>=500, <7=200, N=200) циклический алгоритм дает приблизительно десятикратный выигрыш.

Также в третьей главе приводится аналитический обзор методов исследования многомерной структуры данных и даются рекомендации по их применению в целях определения композиций диагностических прецедентов. Предлагается подход, позволяющий повысить выразительность проекций данных на плоскости и в трехмерные объемы. Такое повышение выразительности основывается на объединения противоположных свойств методов, йсполь-зующих дисперсионные и разностные критерии искажения расстояний между объектами (метод главных компонент, нелинейное масштабирование, многомерное шкалирование, целенаправленное проецирование), и методов развертки пространства с помощью заполняющих пространство кривых (ЗПК). Для перйых методов справедливо следующее утверждение: близкие на получаемых проекциях в Яр (р'<3) объекты обязательно близки в исходном пространстве Кр, но далекие на проекциях объекты могут оказаться близкими в Яр. Для ЗПК все происходит наоборот: далекие на развертке объекты далеки в IIр, но близкие на развертке объекты могут быть далекими в Яр . Объединению свойств указанных методов способствует алгоритм, названный адаптивной разверткой.

Начальной точкой гиперкривой в выбирается объект, наиболее удаленный от всех остальных объектов выборки. Затем гиперкривая последовательно переходит в от одного объекта к другому, пока не пройдет все объекты. Ее путь определяется двумя факторами. Первый - близость предыдущего и последующего объектов. И второй - минимальная истинная размерность окрестности каждого последующего объекта. Учет указанных двух факторов приводит к тому, что гиперкривая начинается на краю распределения исследуемых объектов и далее проходит все объекты выборки, как бы "спиралеобразно закручиваясь" внутрь встречающихся на ее пути группировок. Нанесение гиперкривой на проекцию объектов в двух и трехмерные объемы повышает выразительность изображений, а по виду графика расстояний

на кривой между объектами удобно выносить суждения о тех или иных структурных особенностях выборки.

В четвертой главе представлены результаты практического применения разработанных методов и алгоритмов. Они получены на основе широкомасштабного исследования с использованием специально созданной автоматизированной системы сбора и обработки экспериментально психологических данных.

Объекты исследования - абитуриенты специальных вузов (мужского пола, возраст 18-20 лет).

Количество испытуемых - более 20 ООО.

Диагностируемое свойство - психическая адаптивность.

Тестовая методика - Миннесотский многофазный личностный вопросник MMPI (550 бинарных признаков).

Внешний критерий - экспертная оценка.

На первом этапе обработки данных строилась традиционная для психодиагностики линейная диагностическая шкала. В нее вошли 111 утверждений из исходного теста MMPI и коэффициент корреляции результатов, даваемых шкалой, с экспертными оценками составил приблизительно 0.7.

На втором этапе конструировался экстенсиональный алгоритм диагностики психической адаптивности. Определение информативного подпространства признаков с метрикой Хэмминга производилось на обучающей выборке, содержащей две полярные группы психической адаптивности ("В" - высокая и "Н" - низкая) по 100 человек каждая. На рис. 1 приведены графики зависимости вероятности правильной диагностики объектов от номера ближайшего прецедента, по идентификатору которого производится принятие диагностического решения (вероятность оценивалась по методу скользящего экзамена). Один график иллюстрирует полученные значения в исходном 550-мерном пространстве признаков, другой - в информативном подпространстве.

Поиск информативного подпространства (преобразование пространства) осуществлялся методом последовательного уменьшения группы признаков. В качестве критерия оптимальности группы использовалась величина v, рассчитываемая по формуле (4) для L-3. В результате работы алгоритма была отобрана группа из 364 признаков.

Как следует из полученных данных, был достигнут достаточно высокий уровень вероятности правильной диагностики по сравнению с начальным уровнем в исходном пространстве признаков. Вместе с тем, более полезные результаты, дало рассмотрение ошибок 1-го и 2-го рода. Оказалось, что плохо диагностируются главным образом испытуемые с низкой психической адаптивностью, в то время как лица с высокими адаптивными способностями распознаются алгоритмом с высокой точностью. А именно, ошибка первого рода

составила всего 6%, а ошибка второго рода имеет очень большую величину -38%.

Объяснение указанному факту кроется в проявившейся после преобразования пространства признаков геометрической структуре диагностических классов. Одна из закономерностей этой структуры лежит фактически на виду. Из промежуточных результатов работы алгоритма диагностики психической адаптивности по методу ¿-ближайших прецедентов следует, что причина неэффективного распознавания лиц с низкими адаптивными способностями состоит в том, что данные лица располагаются в пространстве приблизительно одинаково далеко как от ближайших прецедентов из полярного диагностического класса "В", так и от ближайших прецедентов из своего собственного класса "Н".

Рис. 1. Результаты экстенсиональной диагностики

Более полная картина структуры экспериментальных данных вырисовывается по результатам применения алгоритма адаптивной развертки. Эти результаты представлены на рис.2. Как видно из рисунка, можно в первом приближении выделить 4 кластера К1, К2, К3 и К4. В кластеры К1г К2 и К3, размещенные по соседству, входят, главным образом, испытуемые с высокими и удовлетворительными адаптивными способностями, а кластер К4 включает лиц с низкой психической адаптивностью.

По совокупным результатам обработки данных различными процедурами сделаны следующие выводы о геометрической структуре распределения исследуемых объектов в построенном 364-мерном пространстве.

Распределение испьпуемых имеет вид облака с явно выраженным плотным ядром. В это ядро, которое в свою очередь состоит из нескольких еще более крупных группировок, отображаются в подавляющем большинстве случаев лица с высокой и удовлетворительной психической адаптивностью. Затем, по мере удаления от ядра, встречаются отдельные более разреженные группировки испытуемых, насыщенные в основном людьми с пониженными адаптивными способностями. И, наконец, еще более удаляясь от ядра, начинают преобладать испьпуемые, у которых эксперты диагностируют низкую психическую адаптивность.

Выявленная закономерность в структуре экспериментальных данных дала возможность предложить простой и, вместе с тем, эффективный экстенсиональный алгоритм диагностики психической адаптивности. Он основывается на определении удаленности диагностируемого испытуемого от ядра распределения объектов обучающей выборки. Для измерений этой удаленности пригодны различные показатели. В данном случае был использован эвристический показатель, численно равный среднему расстоянию Хэмминга от диагностируемого объекта до 3-х ближайших прецедентов из группы лиц с высокими адаптивными способностями, которые, как показано, непосредственно образуют ядро распределения. На основании анализа экспериментальных данных был введен эмпирический порог для этого показателя, равный 100.

Расчеты с использованием контрольной выборки объемом 525 человек показали, что при таком пороге вероятность ошибочного отнесения кандидатов с высокими, удовлетворительными и сниженными адаптивными способностями к группе лиц с низкой психической адаптивностью составила 6%, а вероятность ошибочного распознавания кандидатов с низкой психической адаптивностью уменьшилась с 38 до 15%.

Применение в медико-психологическом отборе абитуриентов разработанного экстенсионального алгоритма экспресс-диагностики психической адаптивности позволяет существенно снизить круг лиц, нуждающихся в трудоемкой психолого-психиатрической экспертизе. В целом всю процедуру такого отбора можно охарактеризовать следующим образом.

Среди общего потока абитуриентов приблизительно 10% составляют лица с низкой психической адаптивностью. Поэтому после прохождения абитуриентами тестирования MMPI и автоматической диагностики психической адаптивности из каждой тысячи абитуриентов только 15 человек будут ошибочно отнесены к группе с высокой психической адаптивностью, а 85 человек с низкой психической адаптивностью правильно войдут в группу риска для дальнейшего углубленного исследования. Ошибочно в данную группу будет отнесено 54 человека с высокой и удовлетворительной психической адаптивностью. В целом объем группы риска составляет 139 человек. Тем самым нагрузка на экспертов - психиатров и психологов снижается почти в 7 раз, что является весьма существенным при дефиците времени и специалистов в условиях комплектования вуза. При этом группа риска оказывается сильно насыщенной лицами с низкой психической адаптивностью. Их количественное соотношение с хорошо адаптирующимися лицами составляет более чем 3/2 (рис.3).

Полезные сведения для более тонкой диагностики дал семантический анализ выделенных внутри диагностических классов группировок (рис.4). Особенно четкому осмыслению поддалась группировка К4, в которую в основном вошли лица с низкой психической адаптивностью. Их подробное изучение позволило интерпретировать К^ как группировку, отражающую отдельные виды кратковременных невротических реакций. Другие группировки отражают, по-видимому, некоторую типологию здоровых людей. Таким образом, применение экстенсиональных диагностических алгоритмов позволяет не только достигать более эффективных результатов, чем при использовании традиционных методов, но и выявлять внутригрупповые неоднородности распределений объектов, дающие основание для более детальной дифференциальной диагностики.

Рис.З. Сравнительные характеристики диагностических подходов ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Построена теоретическая модель для экстенсиональной диагностики, описывающая связи ошибок диагностики с рангами близости диагностических прецедентов, с долями информативного и неинформативного подпространств признаков, с формализованными свойствами этих подпространств и с объемом множества диагностических прецедентов. На основе данной модели предложены критерии оценки используемого пространства признаков и формулы для определения требуемого объема множества диагностических прецедентов, пригодные для планирования экстенсионального эксперимента.

2. Разработан экономичный "циклический" алгоритм, позволяющий существенно снизить трудоемкость методов поиска групп информативных признаков, таких как методы последовательного уменьшения и увеличения группы признаков и метод "плюс / минус г".

3. Разработан алгоритм "адаптивной развертки пространства описания", позволяющий в совокупности с известными алгоритмами проецирования данных на плоскость или в трехмерный объем получать более выразительные изображения геометрической структуры данных.

4. С помощью разработанной автоматизированной системы сбора, ввода в компьютер и обработки данных психодиагностического тестирования проведены широко масштабные экспериментально-психологические исследования абитуриентов специальных вузов. В результате этих исследований разработаны традиционная линейная шкала и экстенсиональный алгоритм диагностики психической адаптивности, позволяющие значительно снизить требования к ресурсам, привлекаемым для организации профессионального психологического отбора.

5. Построенный экстенсиональный алгоритм диагностики психической адаптивности имеет значительно лучшие показатели, чем линейная диагностическая шкала, разработанная по традиционной в психологии методике.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Воробьев В.М., Дюк В.А., Иовлев Б.В., Сенопалышков Е.В., Чигирев В.А. Разработка автоматизированной системы массового обследования в профилактических целях //Исследование механизмов и эффективности психотерапии при нервно-психических заболеваниях. - Л.: Психоневрологический институт им. В.М.Бехтерева, 1981. с. 137-141.

2. Воробьев В.М., Дюк В.А. Адаптивные свойства личности И принципы их машинной диагностики/Лез. докл. VI Всесоюзи. Съезда психологов. -М., 1983. с. 223-224.

3. Воробьев В.М., Дюк В.А., Буров В.В., Шлеймер A.A. Перспективы психогигиены и психопрофилактики специалистов водного транспорта//Современное состояние и перспективы развития морской медицины и гигиены водного транспорта. - Одесса, 1983. с. 167-168.

4. Дюк В.А., Воробьев В.М. Совершенствование автоматизированных методов обработки психологических измерений//Тез. докл. Всесоюзн. конф. По инженерной психологии. - Л.: ЛГУ им. А.А.Жданова, 1984. с. 58 - 60.

5. Воробьев В.М., Буров В.В., Дюк В.А. Опыт медико-психологического обследования некоторых контингентов молодежи/Ддравоохранение РСФСР, 1982, №2. с. 37-39.

6. Воробьев В.М., Дрызго Н.П., Дюк В.А., Саввин Ю.Б., Чигирев В.А. Научно-методические рекомендации по применению стандартизировашюго личностного вопросника для медико-психологического обследования кандидатов в ввузы. - Л.: МО СССР, 1984.-32 с.

7. Буров В.В., Воробьев В.М., Дюк В.А. Профилактика нервно-психических заболеваний у курсантов//Тез. докл. научн. техн. конф. "Совершенствование средств и методов охраны здоровья работников водного транспорта". - Л., 1985. с. 132-134.

8. Воробьев В.М., Дюк В.А. Применение стандартизированных вопросников для экспресс-диагностики нервно-психических расстройсга//Психологическая диагностика при нервно-психических и психосоматических заболеваниях. - Л.: Психоневрологически! ин-т им. В.М.Бехтерева, 1985. с. 27-29.

9. Дюк В.А. Проблемы применения формальных методов формирования метапоня-тий при концептуальном анализе знаний/Методы и системы принятия решений. Системы поддержки процессов проектирования на основе знаний. - Рига.: Рижск.техн.ун-т, 1991. с. 90-95.

10. Дюк ВА. Новый класс метрик//Тез. докл. Междунардн. конф. по бионическому моделированию "БИОМОД-92", - СПб, 1992. - с.231-233.

11. Дюк ВА. Компьютерная психодиагностика. - СПб: "Братство", 1994. - 364 с.

12. Дюк ВА. Современные информационные технологии в психодиагностике: экстенсиональный подход - альтернатива традиционной методологии//Тр. IV Межд.конф. "Региональная Информатика", СПб, 1995.-е. 175-176.

13. Дюк ВА. Возможности компьютера в психодиагностике/Юбозрение психиатрии и медицинской психологии им. В.М.Бехтерева, 1996, №2. с. 97 103.

14. Дюк В.А. Новые информационные технологии в психодиагностике//Тр. V Межд.конф. "Региональная информатика", СПб, 1996. -т.2, с. 261-267.

15. Вассерман Л.И., Дюк В.А., Иовлев Б.В., Червинская K.P. Психологическая диагностика и новые информационные технологии. - СПб.: "Стройлеспечать", 1997. -203 с.