| Аннотация |
Интеграция данных из разных источников является задачей, очень актуальной для современной психологии. Интеграция данных позволяет получить более полное и целостное понимание психических процессов и явлений. Это также расширяет возможности для научных исследований, позволяет увеличивать базы данных и проводить метаанализы.
Поскольку психологические исследования обычно включают сбор данных у людей, традиционно не используются (очень) большие выборки. Еще на рубеже 2000-х-2010-х годов размеры выборок большинства экспериментальных исследований были относительно невелики (медианный размер выборки около 40; Bakker et al., 2012), тогда как размеры выборок наблюдений, как правило, были от малых до средних (медианный размер выборки около 120; Fraley & Marks, 2007). Были разработаны различные статистические процедуры для того, чтобы делать выводы на основе данных с малыми и средними размерами выборки. Однако в настоящее время в связи с быстрым развитием цифровых технологий, инструментов и сервисов объемы выборок психолого-педагогических исследований кратно увеличиваются и можно ожидать, что этот тренд только усилится и в современной психологии всё чаще будут использоваться большие наборы данных или большие данные.
Большие данные могут быть доступны в форме экспериментальных данных или данных наблюдений. В экспериментальных исследованиях исследователи могут, например, использовать устройства отслеживания для частого сбора физиологических и психологических реакций участников в течение определенного периода или интегрировать данные из разных источников (репозиториев данных). Большой объем данных может быть доступен, когда исследователи извлекают данные с таких веб-сайтов, как в Контакте, Google и др. Многие правительства и организации, например, Портал открытых данных ЕС (http://data.europa.eu/euodp/en/home) и правительство США (https://www.data.gov/), также предоставили свои данные в свободный доступ общественности. Все более перспективным считается подход, основанный на данных (data-driven approach), который позволяет психологам делать прогнозы с большей уверенностью и надежностью. Переход к подходу, основанному на данных, позволяет исследователям быстро и точно проверять гипотезы, способствуя прорывам, которые могли быть упущены при традиционных подходах (например, Nock et al., 2022; Catellani et al., 2023; Marsch et al., 2021; etc.).
Предполагается, что в 2025 году будет создана демо-версия модуля системы поиска и интеграции данных из репозитория RusPsyDATA, включающая лишь небольшую часть баз данных репозитория. Перспективами данного направления разработок могут быть:
• переведение всех баз данных репозитория в формат промышленной базы данных (например, SQL);
• создание модуля автоматического перевода вновь поступивших в репозиторий баз данных в формат промышленной базы данных;
• создание модуля поиска и перевода баз данных из других репозиториев в формат промышленной базы данных;
• трансляция на коммерческой основе опыта по установке репозитория баз данных внешним организациям (например, когда организация хочет сделать репозиторий в другой научной области);
• продажа услуг по интеграции данных из различных баз из RusPsyData по запросу исследователей (организаций). Например: базовый функционал бесплатный, а расширенные запросы, включающие более трех полей, платные.
Задачи исследования:
• Провести анализ существующих репозиториев баз данных; проблем, возникающих при поиске данных и их интеграции и т.д.
• Выявить мотивирующие и демотивирующие факторы использования репозитория RPD авторами исследований в области психологии и педагогики, а также определить их представления о перспективах его развития
• Создать модуль поиска и интеграции данных из репозитория RusPsyDATA по выбранным характеристикам (с возможностью расширения на другие открытые репозитории психологических данных)
• Сделать интерфейс репозитория RusPsyDATA и модуля интеграции дружественным для иностранных пользователей
• Провести VI Международную научно-практическую конференцию Цифровая гуманитаристика и технологии в образовании (DHTE 2025), на которой будут представлены результаты проекта
Bakker, M., Van Dijk, A., & Wicherts, J. M. (2012). The rules of the game called psychological science. Perspectives on Psychological Science, 7, 543–554. https://doi.org/10.1177/1745691612459060
Catellani, P., Biella, M., Carfora, V. et al. (2023) A theory-based and data-driven approach to promoting physical activity through message-based interventions // Frontiers in Psychology, vol. 14, doi: 10.3389/fpsyg.2023.1200304
Fraley, R. C., & Marks, M. J. (2007). The null hypothesis significance testing debate and its implications for personality research. In R. W. Robins, R. C. Fraley, & R. F. Krueger (Eds.), Handbook of research methods in personality psychology (pp. 149–169). New York, NY: Guilford Press
Marsch, L.A. Digital health data-driven approaches to understand human behavior. Neuropsychopharmacol. 46, 191–196 (2021). https://doi.org/10.1038/s41386-020-0761-5
Nock MK, Millner AJ, Ross EL, et al. Prediction of Suicide Attempts Using Clinician Assessment, Patient Self-report, and Electronic Health Records. JAMA Netw Open. 2022;5(1):e2144373. doi:10.1001/jamanetworkopen.2021.44373
|
| Типы НИОКТР |
Разработка новых материалов, научно-методических материалов, продуктов, процессов, программ, устройств, типов, элементов, услуг, систем, методов, методик, рекомендаций, предложений, прогнозов
|
