Родионова Софья Николаевна, кандидат технических наук, доцент кафедры биомедицинской инженерии
ул. 50 лет Октября, д. 94, г. Курск 305040
Sofya N. Rodionova Candidate of Sciences (Engineering), Associate Professor at the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Кореневский Николай Алексеевич, доктор технических наук, профессор, профессор кафедры биомедицинской инженерии
ул. 50 лет Октября, д. 94, г. Курск 305040
Nikolay A. Korenevsky, Doctor of Sciences (Engineering), Professor
50 Let Oktyabrya Str. 94, Kursk 305040
Трусевич Алена Александровна, студент кафедры биомедицинской инженерии
ул. 50 лет Октября, д. 94, г. Курск 305040
Alena Al. Trusevich, Student at the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Малыхина Екатерина Денисовна, студент кафедры биомедицинской инженерии
ул. 50 лет Октября, д. 94, г. Курск 305040
Ekaterina D. Malykhina, Student at the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Целью исследования является разработка нечетких моделей прогнозирования неврозов у преподавателей и студентов высшей школы, которые позволят повысить эффективность исследований за счет сокращения объема и исключения повторов традиционных опросников при сохранении высокой точности прогнозирования.
Методы. Исследование включало анализ психолого-педагогических и социологических данных, систематизацию факторов риска (академический и профессиональный стресс, цифровая нагрузка, социально экономические условия). Для построения моделей была выбрана методология синтеза гибридных нечетких решающих правил, разработанная на кафедре биомедицинской инженерии Юго-Западного государственного университета, в соответствии с которой для каждого признака были определены соответствующие функции принадлежности, агрегированные в итоговое решающее правило. Оценка эффективности модели проводилась с использованием мер доверия к результатам классификации и контрольных выборок.
Результаты. В рамках исследования экспертным методом был сформирован комплекс предикторов для решения задачи прогнозирования невротических расстройств у преподавателей и студентов. В состав модели включены как традиционные, так и специфические факторы риска. Дополнительно учтены параметры цифровой гигиены и профессиональной нагрузки. На основе сформированного набора признаков синтезирована математическая модель классификации риска возникновения неврозов, обеспечивающая меру доверия к решающему правилу не хуже 0,92. Полученные результаты подтверждают, что предложенные модели обеспечивают высокое качество прогнозирования неврозов у преподавателей и студентов при существенном снижении нагрузки на респондента.
Заключение. В ходе проведенных исследований модели прогнозирования неврозов у преподавателей высшей школы и студентов, отличающиеся тем, что в них совместно с общепринятыми в медицине факторами риска используются показатели, характеризующие трудовой процесс, уровень информационной нагрузки, обеспечили уверенность в правильном принятии решения не хуже 0,9, что позволяет рекомен довать их для использования в медицинской практике.
The purpose of the research is to develop fuzzy models for predicting neuroses in higher education teachers and students. These models will improve the effectiveness of research by reducing the volume and eliminating duplication of traditional questionnaires while maintaining high prediction accuracy.
Methods. The study included an analysis of psychological, pedagogical, and sociological data, and a systematization of risk factors (academic and professional stress, digital workload, and socioeconomic conditions). To build the models, we selected a hybrid fuzzy decision rule synthesis methodology developed at the Department of Biomedical Engineering at Southwestern State University. This methodology defined the corresponding membership functions for each feature and aggregated them into a final decision rule. Model performance was assessed using confidence measures for the classification results and validation samples.
Results. Using an expert method, we developed a set of predictors for predicting neurotic disorders in teachers and students. The model included both traditional and specific risk factors. Digital hygiene and occupational stress parameters were also considered. Based on the resulting set of features, a mathematical model for classifying the risk of developing neuroses was synthesized, providing a confidence measure for the decision rule of at least 0.92. The results confirm that the proposed models provide high-quality predictions of neuroses in teachers and students while significantly reducing respondent burden.
Conclusion In the course of the studies, models for predicting neuroses in university teachers and students, which are distinguished by their use of indicators characterizing the work process and level of information load in conjunction with generally accepted medical risk factors, provided a confidence level of at least 0.9 in correct decision making, allowing them to be recommended for use in medical practice
The authors declare that there are no conflicts of interest present.