Способ дистанционной диагностики и мониторинга состояний человека: интеграция IT-технологий и психофизиологии

В этой статье речь пойдет об уникальном опыте создания программно-аппаратного комплекса для дистанционной оценки психики и физиологии человека (разработка для решения задач HR-службы).

Задание поступило от частного инвестора. Заказчик хотел получить современный и технологичный инструмент для оценки персонала и производительности его труда. Разработку планировалось внедрять и тестировать на базе производственной компании, относящейся к нефтегазовой отрасли.

Статья будет интересна топ-менеджерам и владельцам компаний, специалистам HR-служб, а также тем исследователям и разработчикам, которые занимаются созданием и внедрением инноваций в таких областях, как D-Health, e-Health, m-Health, HR-Digital.

В статье рассказывается:

· как разработчики подошли к решению обозначенной заказчиком проблемы;

· какие основные исследования проводились в рамках работы для достижения поставленной цели;

· как можно использовать IBM Watson Analytics для обработки данных в исследованиях;

· к каким результатам пришли разработчики, создавая систему дистанционной диагностики и мониторинга психофизиологических состояний человека.

Ключевые слова: психофизиология, система, диагностика, мониторинг, IT-технологии, HR, IBM Watson Analytics, сотрудники.

Как все началось

Осенью 2014 года к нам обратился заказчик с необычной для нас тогда формулировкой проблемы и возможным вариантом ее решения: «Нам нужно постоянно оценивать состояние сотрудников, которые работают в сложных условиях внешней среды и к ним трудно добраться. Бригад у нас много. Держать врача возле каждой удаленной бригады затруднительно (непросто найти нужного специалиста, готового долгое время работать вдалеке от социума и семьи за небольшие деньги). Госпитализация заболевшего сотрудника связана с необходимостью дополнительных затрат (транспортировка к «цивилизации», замена новым сотрудником). Возможным решением проблемы могло бы стать наличие у нас оборудования или устройства, которое позволяло бы одному врачу дистанционно осуществлять контроль за несколькими бригадами одновременно».

После уточнений у заказчика всех нюансов описанной им ситуации и интересующих нас аспектов, касающихся требований к «устройству», мы сформулировали для себя предварительный перечень задач, которые надо решить:

1. От состояния каждого сотрудника зависит общая производительность труда, а от этого – решение задач, поставленных руководством.

2. Необходимо создать устройство (систему), позволяющее дистанционно отслеживать уровень продуктивности сотрудников и состояние их здоровья, чтобы можно было своевременно принимать решения по персоналу:

· кого необходимо заменить (не подходит для сложных условий труда);

· кого следует перевести временно на другой вид работ;

· кому требуется госпитализация;

· кому необходим отдых (отгул, отпуск);

· кому нужна консультация (коррекция состояний).

3. Устройство должно позволять специалисту также оценивать:

· готовность сотрудника работать с информацией и принимать решение самостоятельно (предстоит интеллектуальная деятельность – способен ли сейчас работать эффективно или нет);

· готовность сотрудника к физическим нагрузкам (готов ли сейчас к нагрузкам или нет);

· сможет ли сотрудник в том состоянии, в котором он находится сейчас, быстро адаптироваться к новым условиям среды или деятельности.

4. Целесообразность разработки (планируемые результаты):

· экономия компании на издержках (транспортировка заболевших сотрудников, поиск новых сотрудников на места выбывших, снижение количества ложных вызовов медиков на места, уменьшение количества медиков в штате компании);

· оптимизация деятельности сотрудников и улучшение качества производственных процессов (если вовремя проводить корректирующие мероприятия с персоналом, то можно поддерживать нужный уровень производительности труда и мотивацию у сотрудников).

В процессе нашего взаимодействия заказчик также обосновал перспективность требуемого «устройства»: «Именно эта разработка – это частный случай, но если смотреть на проблему шире[1] и видеть дальше, то… Скоро начнется эпоха диджитализации HR-процессов[2], и уже полным ходом идет развитие D-Health[3]. В Россию это тоже все придет. В ближайшее время начнут меняться требования[4] к компаниям относительно охраны труда[5]. Технологии придут и сюда. Начнут принимать законы, регламентирующие деятельность[6] по оказанию медицинских услуг дистанционно. Мне к 2017 г. уже нужно иметь продукт, который можно будет предложить рынку. Некая рабочая версия, которую легко можно модифицировать и изменить под потребности заказчиков, специфику их бизнеса. И у меня, если вы сейчас это «устройство» сделаете, будет готовое и проверенное решение. А это уже новые возможности для получения прибыли. Поэтому я и хочу это «устройство» создать!»

После долгого общения с заказчиком мы поняли специфичность проблемы: разработка должна вестись на стыке информационных технологий, психологии, физиологии, медицины. То есть потребуется системный и комплексный подходы при проведении исследований и разработок. И, следовательно, нужно будет искать и включать в команду соответствующих специалистов.

Сформулировав для себя цель (создать систему дистанционной диагностики и мониторинга психофизиологических состояний человека), мы приступили, как в таких случаях говорят, к изучению темы:

· провели исследования рынка для прояснения ситуации (что уже существует на нашем рынке и за рубежом);

· провели патентный поиск[7] (какие полезные модели и изобретения[8] по нашей теме уже есть);

· посетили Сколково (какие стартапы[9] сейчас работают в данном направлении);

· провели интервью с HR-специалистами, директорами компаний [10], администраторами и инструкторами фитнес-клубов, руководителями медицинских центров[11] (где еще в будущем может быть востребована создаваемая система);

· получили консультации[12] у медицинских работников, психологов[13], физиологов (какие способы оценки состояний психики и физиологии существуют, какие используются в практике[14]).

В результате проделанной работы мы пришли к следующим выводам:

1. Предположение о возможности создания системы по запросу заказчика подтвердилось (создать можно, уже существуют аналоги).

2. С помощью существующих технологий и приборов можно изучать сотрудников и их состояния с целью оценки пригодности сотрудника к тем или иным условиям труда или виду деятельности.

3. Для решения проблемы, обозначенной заказчиком, имеющиеся на рынке решения не подходят (либо дорого, либо большие габариты устройств, либо ограничения по количеству измеряемых параметров), значит, придется делать самим.

4. Для исполнения технической части берется платформа Microsoft Azure[15] (большие возможности, доступно, знакомо).

5. Для оценки состояний сотрудников мы будем использовать методы, принятые в психологии и психофизиологии, но нам подходят не все способы исследований и оценки. Поскольку система должна выполнять диагностику и мониторинг дистанционно, то, следовательно, получать нужные данные можно через тесты, анкеты, опросники. Все измерения, связанные с наличием стационарного оборудования (анализы крови, электрокардиограф, электроэнцефалограф и пр.) или присутствием рядом специалиста (функциональные пробы), придется исключить.

6. Сбор дополнительных данных, которые нам нужны, должен производиться с помощью неинвазивного метода. Для этого подходят датчики и носимые устройства, которые лучше не создавать самим, а использовать те, которые уже имеются на рынке. Также нужно понять, что лучше подходит – датчики, фитнес-трекеры, умные часы. А для этого требуется провести дополнительное исследование. На данный момент ясно, что устройства или датчики должны иметь маленькие размеры и быть в свободном доступе на территории РФ, т.е. их можно купить и не ждать поставки из другой страны.

7. Для обработки данных можно использовать систему искусственного интеллекта (СИИ). СИИ позволит исключить ошибки, связанные с человеческим фактором при работе с данными (субъективная оценка состояния сотрудника), и даст возможность оперативно оценивать большое количество сотрудников. Самостоятельно создавать СИИ не нужно, можно использовать IBM Watson[16] (перспективно, года на два-три это может стать конкурентным преимуществом: доступ к СИИ сейчас имеет ограниченное количество исследователей). Кроме того, данная СИИ может придать всей разработке эффект «новизны» (применение нового способа обработки данных и поиска корреляций между переменными).

Также мы поняли, что принцип работы создаваемой системы должен быть следующим:

<b> Рис. 1. Концепт системы</b>
Рис. 1. Концепт системы

· WEB-приложение – для диагностики индивидуальных особенностей пользователей системы и платформа для подключения носимых устройств.

· Мобильное приложение и носимое устройство – для мониторинга изменения состояний пользователей системы.

· СИИ – обработка данных, прогнозирование.

· Call-центр – специалист, который осуществляет взаимодействие с пользователями системы (коррекция состояний на основе полученных данных).

Создав концепт системы, мы скорректировали цель: сделать систему дистанционной диагностики и мониторинга психофизиологических состояний человека в виде программно-аппаратного комплекса.

Имея цель, проведя предварительное исследование, сделав соответствующие выводы и создав концепт будущей системы, мы сформулировали для себя следующие задачи и подзадачи:

1. Отобрать способы оценки психофизиологических и психоэмоциональных состояний человека, которые лучше всего подходят для целей диагностики и мониторинга (конкретные тесты, опросники, процедуры, которые признаны в практике психологии и психофизиологии).

2. Создать web-приложение:

· подобрать необходимые тесты и опросники (валидные и проверенные временем);

· создать программное обеспечение (программа для ЭВМ).

3. Создать мобильное приложение:

· подобрать необходимые тесты и опросники (валидные и проверенные временем);

· создать программное обеспечение (версия для Android).

4. Подключить к web-приложению носимые устройства через API:

· выбрать необходимые модели по нужным параметрам.

5. Организовать сбор данных (от web-приложения, мобильного приложения, носимого устройства) и их обработку в СИИ:

· освоить работу с IBM Watson Analytics;

· выявить, как можно обрабатывать данные (поиск корреляции между переменными), разработать нужные алгоритмы.

6. Проверить работу всей системы (сбор данных через web-приложение, мобильное приложение и носимое устройство, обработка данных в СИИ по заданным алгоритмам).

7. Определить, как можно использовать получаемые от пользователей системы данные для коррекции их состояний:

· провести исследование и выявить линейные и нелинейные связи между переменными (какие независимые переменные и как влияют на зависимые переменные, какие взаимосвязи существуют).

Чуть позже была добавлена еще одна задача: создать систему поддержки принятия решений (СППР), чтобы у специалистов, которые будут использовать систему дистанционной диагностики и мониторинга психофизиологических состояний, появился «помощник». Тогда специалисты смогут осуществлять коррекцию состояний сотрудников, используя не только свои профессиональные знания (психология, физиология, медицина), но и систематизированную определенным образом в СППР информацию по дополнительным темам.

Обозначенные выше задачи показались нам интересными, и мы взялись за реализацию проекта.

В рамках решения многих задач пришлось проводить отдельные исследования (определять объект и предмет исследования, выдвигать рабочие гипотезы, проводить эксперименты, делать выводы и планировать следующие необходимые исследования) либо организовывать и проводить тестирование, если это касалось оборудования.

Проект был увлекательным, но…

Если бы мы тогда знали, сколько времени и сил уйдет на все необходимые исследования и разработки, знали бы, что в течение 2016 года не будет финансирования, и придется вкладывать свои деньги, то, возможно, мы никогда не взялись бы за этот проект. Но мы согласились и приступили к работе.

Итак, что происходило потом (описываемые далее исследования и разработки относятся к периоду 2015–2017 гг.).

Этапы работы

Чтобы приступить к выполнению поставленных задач, важно было определиться, по какому пути мы идем:

1. Берем уже готовое и модернизируем под нашу цель (т.е. находим аналог, покупаем его и переделываем).

2. Создаем с нуля (вникаем полностью в тему).

Оценив все «за» и «против», сопоставив решения с имеющимися ресурсами (время, деньги и пр.) и появляющимися в перспективе возможностями, сделав несколько попыток объединиться с другими разработчиками, мы в итоге выбрали второй путь: делаем сами с нуля.

Начался подготовительный этап.

Сначала нужно было:

· быстро вникнуть в области новых знаний (психофизиология, физиология, медицина, измерительные устройства);

· собрать для работы над проектом команду (привлечь необходимых специалистов: разработчиков мобильных приложений, математиков, научных сотрудников).

Если с технической частью и IT-технологиями было все более-менее понятно (какие нужны специалисты, какие языки программирования будут использоваться, какой примерно будет архитектура баз данных и т.п.), то для начала работ по направлению «способы оценки состояний» надо было выбрать определенные научные школы, в рамках которых мы будем проводить собственные исследования и разработки.

Решено было взять за основу труды И.П. Павлова, Б.М. Теплова, В.Д. Небылицина, В.М. Русалова, В.С. Мерлина, П.К. Анохина, Е.П. Ильина, А.А. Ухтомского, С.Э. Мурика.

Изучив их работы и получив дополнительные консультации у специалистов (медицинских работников, практикующих психотерапевтов, научных сотрудников – психологов и физиологов), мы разработали концепцию, которой впоследствии и придерживались, проектируя программно-аппаратный комплекс.

<b>Рис. 2. Концепция «Результативность и продуктивность» </b>
Рис. 2. Концепция «Результативность и продуктивность»

Выполнение поставленных задач зависит от результативности сотрудника. Результативность сотрудника зависит от его психоэмоциональных и психофизиологических состояний. Состояния сотрудника зависят от условий внешней среды, рациона питания, режима активности и сна.

На подготовительный этап у нас ушло около четырех месяцев. Завершив его, мы перешли к реализации поставленных задач.

Основное, что мы планировали измерять в ходе своих исследований и разработок, – это изменение состояний психики и физиологии человека. О качестве изменений психики и физиологии можно судить по изменениям состояния нервной системы (Н.С.) и уровня адаптационного потенциала организма.

Показатель адаптационного потенциала дает представление о том, насколько легко нервная система будет переходить из одного состояния в другое. Показатель состояния Н.С. позволяет предположить, куда с наибольшей вероятностью пойдет реакция дальше (возбуждение или торможение).

Определившись с тем, что мы будем измерять, приступили к изучению существующих методов оценки психофизиологических состояний и определили, какие параметры нужно знать, чтобы понять, как меняется состояние Н.С. и уровень адаптационного потенциала. Определили критерии оценки.

Затем, сверив то, что «есть» (тесты, опросники, анализы, функциональные пробы), с тем, что нам «надо», мы отобрали необходимые для наших целей тесты и опросники.

Отобранные тесты и опросники легли в основу систем диагностики и мониторинга, которые нужно было реализовать в виде web-приложения и мобильного приложения, что в дальнейшем и было выполнено.

Созданное web-приложение имеет три уровня доступа в систему (роли):

· администратор (может вносить специалистов и пользователей в систему, предоставлять специалистам доступ к данным, создавать тесты и анкеты, делать рассылку push-уведомлений пользователям);

· специалист (может видеть данные по пользователям);

· пользователь (может регистрироваться в системе, подключать носимые устройства, проходить тестирование, отправлять специалисту текст и изображение).

<b> Рис. 3. Скриншот экрана web-приложения (кабинет пользователя)</b>
Рис. 3. Скриншот экрана web-приложения (кабинет пользователя)

Web-приложение используется для определения индивидуальных особенностей пользователя системы (образ жизни, анамнез, результаты тестов). Индивидуальные особенности позволяют определить начальную точку отсчета для отслеживания динамики дальнейших изменений в состояниях пользователя.

Определение индивидуальных особенностей и подключение носимого устройства к системе производится один раз перед началом обслуживания пользователя в системе. Дальнейшая коммуникация специалиста с пользователем системы происходит через мобильное приложение. Все поступающие от пользователя данные отображаются в кабинете специалиста.

<b> Рис. 4. Скриншот экрана «кабинет специалиста» (данные с фитнес-трекера) </b>
Рис. 4. Скриншот экрана «кабинет специалиста» (данные с фитнес-трекера)

Особым моментом в разработке стала ситуация с подключением устройств к системе по API. Чтобы приступить к этому этапу работы, нужно было провести дополнительное исследование и выбрать устройства, которые можно было бы использовать для сбора данных во время мониторинга (подробнее об этом в приложении № 1 – высылается по запросу читателя). Носимые устройства планировалось использовать для получения объективной оценки изменений в состояниях пользователей системы.

<b> Рис. 5. Фитнес-трекеры Jawbone UP 24 и Fitbit Flex (были отобраны для экспериментов)</b>
Рис. 5. Фитнес-трекеры Jawbone UP 24 и Fitbit Flex (были отобраны для экспериментов)

Когда эти исследования были проведены и необходимые устройства выбраны, мы смогли доработать приложение. Более того, решив вопрос с подключением устройств по API, мы тем самым определили путь дальнейшего развития своей разработки. У нас получилась платформа для подключения разных носимых устройств, которые можно использовать для сбора различных данных.

Решение этой задачи особых затруднений у команды не вызвало. Прототип был готов через две недели, минимально работающая версия – через два месяца.

На решение следующей задачи (создание мобильного приложения) у нас ушло около месяца, и решалась она параллельно с первой задачей.

Решение начать работу двух команд одновременно было обусловлено двумя доводами:

1. Хотели ускорить процесс разработки.

2. Не хотели, чтобы кто-то еще, кроме нас, знал, как работает вся система.

Команда, работавшая над web-приложением, не знала, как и зачем будет использоваться этот модуль проектируемого программно-аппаратного комплекса (доступ к серверу был ограничен, бизнес логика частично скрыта). Команда, работавшая над мобильным приложением, не знала, куда и зачем передаются данные из приложения и как они будут потом использоваться.

Таким образом, на этапе создания системы мы обезопасили себя от угрозы хищения интеллектуальной собственности. Впоследствии, когда приложения были готовы и на них получены соответствующие документы (передача прав), мы связали их через сервер с помощью своей команды и получили единую систему диагностики и мониторинга.

Созданное мобильное приложение позволяет пользователю заполнять опросники и отправляет информацию на сервер. Таким образом осуществляется мониторинг (отслеживание изменений в состояниях психики и физиологии – субъективная оценка изменений в состояниях пользователей системы).

Также в приложении существует функция вызова специалиста call-центра – кнопка «SOS». Сделали эту функцию на этапе минимально работающей версии. В дальнейшем планировалось использовать эту функцию как экстренный вызов (если человеку стало плохо, то он нажимает «SOS», и по месту его локации высылается «скорая помощь»).

<b>Рис. 6. Скриншот экрана мобильного приложения </b>
Рис. 6. Скриншот экрана мобильного приложения

Сложности, которые возникли при создании системы мониторинга (мобильное приложение):

1. На этапе проектирования мы пришли к выводу, что анкеты могут и, скорее всего, будут меняться в ходе последующих этапов исследований и разработок. Поэтому нужно было найти решение, которое позволило бы не переделывать каждый раз мобильное приложение.

Поступили следующим образом: вставили в основной код ссылку на Google Формы. То есть в мобильном приложении открывалось окно с анкетами, которые хранились на Google Drive.

<b>Рис. 7. Скриншот экрана мобильного приложения (анкета)</b>
Рис. 7. Скриншот экрана мобильного приложения (анкета)

В дальнейшем после завершения всех исследований мы планировали заменить эти анкеты окончательными версиями, которые открывались бы в мобильном приложении, а данные хранились бы уже на нашем сервере.

Временное решение себя оправдало, так как за время разработок было более двух десятков вариантов анкет.

1. На создание анкет для оценки изменения состояний ушло больше времени, чем ожидали, примерно в четыре раза. Это было связано с тем, что пришлось проводить больше экспериментов, чем планировали. Была задача составить такие анкеты, чтобы мы могли получать нужные данные, чтобы пользователю было удобно заполнять анкеты, чтобы данные из анкет эффективно обрабатывались в СИИ. Кроме того, в процессе создания анкет пришлось параллельно учиться работать с СИИ.

Создание анкет

Понимание необходимости создания собственных анкет для отслеживания изменений в психофизиологических состояниях пришло в момент изучения уже существующих тестов, анкет и опросников, когда мы искали подходящие для диагностики и мониторинга инструменты. Мы нашли пригодные для диагностики тесты и опросники, но не смогли найти анкеты или опросники, которые полностью подходили бы нам для целей мониторинга. Поэтому было решено создать нужные анкеты самостоятельно.

Для этого мы провели определенные исследования и эксперименты с целью поиска оптимальной формы и содержания анкет (варианты описания действительности, из которых пользователю нужно выбрать те варианты, которые позволяют получить максимально достоверную информацию о наличии того или иного явления/факта).

Как формировалась выборка для экспериментов:

· На первом этапе (предварительные исследования) мы привлекли друзей и знакомых – десять человек. Критериев для отбора не было, главным было желание принять участие в экспериментах.

· На втором этапе (основные исследования) мы привлекли желающих принять участие в экспериментах, разместив лэндинг в интернете и дав рекламу в Яндекс.Директ. Дополнительно использовали рекламу в Facebook. Откликнулось 48 человек, из которых отобрали 30. Критерии отбора: пол участников (мужчины и женщины), возраст участников (от 25 до 45). Профессиональная деятельность и социальный статус не являлись критериями.

Все участники прошли предварительное психологическое обследование (интервью с целью выявления имеющихся заболеваний, наличия депрессии или невроза). Эксперименты проводились с соблюдением этических принципов Хельсинкской декларации.

Процедура проведения экспериментов описана в приложении № 2 (высылается по запросу читателя).

Подходы, которые применялись при разработке анкет:

1. Запись должна фиксировать наблюдаемый факт в том виде, в котором он существовал реально, не подменяя его описанием личных впечатлений и суждений наблюдателя.

2. Запись должна фиксировать не только наблюдаемый факт, но и ту окружающую обстановку, в которой он происходил.

3. Запись должна по возможности полно в соответствии с поставленной целью отражать изучаемую реальность.

Анкета должна отвечать требованиям:

· обеспечивать получение требуемой информации;

· иметь устойчивые критерии и надежные шкалы оценок;

· формулировка вопросов должна быть понятна опрашиваемому.

За основу анкет были взяты примеры (опросники, тесты, анкеты) других авторов, валидные и проверенные временем, которые измеряют параметры очень близкие к тем, которые нужны нам.

За восемь месяцев путем проб и ошибок в ходе полевых экспериментов были созданы анкеты, которые позволяют оценивать изменения состояний по направлениям:

· изменение когнитивных способностей;

· изменение уровня мотивации;

· изменение физиологических состояний;

· изменение продуктивности;

· изменение психоэмоциональных состояний.

Если говорить о степени их валидности, то для мониторинга изменений состояний пользователей нашей системы эти анкеты подходят. Если эти анкеты использовать для других целей, то их точность требует дальнейшей проверки (тестирования и экспериментов).

Окончательные варианты анкет, которые используются в рабочей версии системы, предназначены для оценки изменения состояний Н.С. и уровня адаптационного потенциала. Анкеты фиксируют то, что нужно нам, и данные, которые в них содержатся, пригодны для дальнейшей обработки в СИИ. Результаты интеллектуальной деятельности были депонированы в РАО[17].

Как упоминалось ранее, разработка анкет была связана с параллельным процессом – обучение работе с СИИ, которую планировали использовать для анализа данных, полученных от диагностики и мониторинга.

СИИ, которую мы выбрали, – IBM Watson Analytics (доступно, перспективно, продукт развивают и совершенствуют). Позиционируется на рынке как «умный сервис для анализа данных, который проводит исследование данных, автоматизирует прогнозную аналитику и строит графики без дополнительных усилий».

В начале 2015 года мы как исследователи получили доступ к этой СИИ, которая в тот период еще была закрыта для массового потребителя в РФ. Это дало нам уникальную возможность не привлекать к работе математиков на определенных этапах выполнения поставленных задач.

Для чего мы использовали IBM Watson Analytics:

· поиск зависимостей между параметрами;

· определение прогностической силы.

<b>Рис. 8. Скриншот экрана из кабинета пользователя (режим исследования) –</b><b> выявление зависимостей</b>
Рис. 8. Скриншот экрана из кабинета пользователя (режим исследования) – выявление зависимостей
<b> Рис. 9. Скриншот экрана из кабинета пользователя (режим исследования) – поиск корреляции</b>
Рис. 9. Скриншот экрана из кабинета пользователя (режим исследования) – поиск корреляции
<b>Рис. 10. Скриншот экрана из кабинета пользователя – оценка самочувствия </b><b>(режим прогнозирование) </b>
Рис. 10. Скриншот экрана из кабинета пользователя – оценка самочувствия (режим прогнозирование)
<b> Рис. 11. Скриншот экрана из кабинета пользователя – оценка утомления(режим прогнозирование)</b>
Рис. 11. Скриншот экрана из кабинета пользователя – оценка утомления(режим прогнозирование)

Что использует IBM Watson Analytics для обработки данных:

· дисперсионный анализ, корреляционный анализ, регрессионный анализ;

· коэффициент корреляции определяется автоматически с учетом качества данных (представлены данные только из одного типа шкал или данные представлены из разных видов шкал).

<b>Рис.12. Скриншот экрана из кабинета пользователя (логистическая регрессия)</b>
Рис.12. Скриншот экрана из кабинета пользователя (логистическая регрессия)
<b> Рис. 13. Скриншот экрана из кабинета пользователя (линейная регрессия)</b>
Рис. 13. Скриншот экрана из кабинета пользователя (линейная регрессия)

Плюсы и минусы, которые мы обнаружили в процессе использования IBM Watson Analytics:

· лучше всего СИИ работает с данными, представленными только из неметрических шкал (номинальные и порядковые), либо только из метрических (интервальные и абсолютные);

· при попытках обработать данные из разных шкал одновременно, например, из номинальных шкал, порядковых и интервальных, приходилось вносить правки вручную (определять для СИИ, какие данные она должна воспринимать как из метрических шкал, а какие как из неметрических);

<b> Рис. 14. Скриншот экрана из кабинета пользователя (определение шкал)</b>
Рис. 14. Скриншот экрана из кабинета пользователя (определение шкал)

· лучше всего IBM Watson Analytics работает с однородной информацией, т.е. когда в систему загружаются данные только из номинальных шкал или только из порядковых.

Работа с IBM Watson Analytics позволила нам усовершенствовать составленные ранее анкеты селективного типа, которые использовались на первом этапе исследований (предварительные исследования). В процессе использования СИИ мы пришли к необходимости добавления в наши анкеты некоторых дополнительных шкал. Внесение этих шкал позволило нам уменьшить погрешности в измерениях, что впоследствии было подтверждено с помощью дополнительных экспериментов и расчетов.

Используя IBM Watson Analytics, мы сделали анкеты для мониторинга – нашли оптимальный вариант содержания анкет. Созданные анкеты удобны для пользователей, позволяют получать нужные данные, в СИИ их легко обрабатывать, так как данные собираются с помощью шкал. При разработке анкет мы использовали номинальные и порядковые шкалы, а в отдельных случаях – дихотомические шкалы.

Освоив работу с IBM Watson Analytics (анализ данных для выявления зависимостей между переменными и определение прогностической силы выявленных взаимосвязей), разработав анкеты (оценка изменений состояний Н.С. и уровня адаптационного потенциала), создав мобильное приложение (мониторинг динамики изменений состояний) и web-приложение (диагностика индивидуальных особенностей пользователя), мы подошли к наиболее интересному этапу работы – проверке функционирования созданной системы.

Проверка работы системы была проведена успешно, что способствовало переходу к выполнению следующей задачи: определить, как получаемые от пользователей системы данные можно использовать для коррекции их состояний.

Мы хотели понять, как независимые переменные (условия среды, рацион питания, режим активности и сна) влияют на зависимые переменные (когнитивные способности, эмоциональные и физиологические состояния, состояния утомления, состояния мотивации), и как выявленные взаимосвязи можно использовать в будущем, если созданную нами систему будут использовать не только для диагностики и мониторинга, но и для коррекции состояний пользователей системы.

В процессе манипулирования переменными (изменение рациона питания и режима активности) были выявлены функциональные связи:

· углеводная диета способствует появлению импульсивного поведения;

· высокая активность ухудшает когнитивные способности.

Эти взаимосвязи можно использовать для коррекционного воздействия на пользователей системы, чтобы менять их психофизиологические состояния (меняя независимую переменную, изменяем зависимую переменную).

Также в ходе проведенного исследования было выявлено, хотя эти результаты и не планировалось получить, что метеозависимость существует. У некоторых участников экспериментов прослеживалась четкая взаимосвязь: изменение атмосферного давления или влажности воздуха влияло на их физическое самочувствие, когнитивные способности, уровень утомления. В планы изучения также не входило, но обнаружилось, что количество и качество сна зависит от времени отхода ко сну.

В ходе исследований для снижения погрешности в измерениях мы проводили предварительное обучение участников экспериментов (разъясняли на личной встрече, как им следует заполнять анкеты) и делали тестовый период 3–5 дней (заполнение анкет без дальнейшей их обработки), чтобы участники могли привыкнуть к процедуре измерения и научились правильно заполнять анкеты.

В процессе эксперимента выдвигалось много предварительных гипотез (что и как может влиять на изменения состояний Н.С. и уровня адаптационного потенциала организма), многие из которых подтвердились. Апробация полученных в ходе исследований результатов проводилась путем консультирования со специалистами (физиологи, психологи, врачи).

Полученные результаты заставили нас серьезно задуматься о проведении дополнительных исследований, которые помогут разработать собственную систему коррекции психофизиологических состояний (способ коррекции психофизиологических состояний человека через изменение состояний Н.С. и адаптационного потенциала организма) и перенести ее в СППР.

После ознакомления с математическим аппаратом Сети Петри и графической моделью Цепи Маркова мы пришли к пониманию того, что переходы состояний можно отобразить в виде матрицы и взять ее за основу при разработке методики коррекции состояний.

К моменту написания данной статьи предварительный вариант матрицы и описание к ней (условия перехода между состояниями с учетом особенностей работы Н.С. и физиологии человека) были созданы. Теперь требуется провести эксперименты для проверки существующих гипотез.

<b> Рис. 15. Матрица «переходы между состояниями» </b>
Рис. 15. Матрица «переходы между состояниями»

После обсуждения с математиками возможности заменить в этих экспериментах людей на математические модели мы пришли к выводу, что это приемлемо. Наличие математической модели, созданной на основе прежних данных, позволит больше не задействовать людей в экспериментах и даст больше возможностей для моделирования условий и проверки существующих гипотез (как изменятся состояния Н.С. и адаптационного потенциала при изменении определенных независимых переменных). Для генерации необходимых данных в этих экспериментах планируется использовать метод Монте-Карло.

Итоги

В результате проделанной работы (исследования и разработки) к ноябрю 2017 года все поставленные задачи были решены, цель достигнута. Был создан программно-аппаратный комплекс для дистанционной диагностики и мониторинга психофизиологических состояний человека, который можно использовать для решения задач HR-службы:

· дистанционная оценка состояний сотрудников – готовность к нагрузкам и определенному виду деятельности;

· оценка продуктивности сотрудников;

· профилактика заболеваний.

<b> Рис. 16. Схема работы системы (IT-технологии)</b>
Рис. 16. Схема работы системы (IT-технологии)

Создание web-приложения и мобильного приложения привело к необходимости создания методического пособия для специалистов (как пользоваться системой во время диагностики и мониторинга), что было также удачно реализовано.

Полученные в ходе исследования результаты (выявленные зависимости между переменными и оценка их прогностической силы) можно использовать для коррекции психофизиологических состояний человека в таких направлениях, как:

· спорт и фитнес (цели – адаптация к нагрузкам и профилактика перетренированности);

· медицина (цели – дистанционное сопровождение клиентов в послеоперационный период, сопровождение клиентов с депрессивными расстройствами для отслеживания начала рецидивов).

А разработанные анкеты для мониторинга можно использовать во время проведения других исследований с целью изучения взаимосвязей между независимыми переменными (условия среды, режим активности и сна, рацион питания) и зависимыми (определенные состояния психики и физиологии человека).

Анкеты позволяют измерять необходимые параметры для дальнейшей комплексной оценки изменений: когнитивные способности, адаптационный потенциал, состояние нервной системы, уровень мотивации.

<b>Рис. 17. Схема взаимодействия (клиент, специалист, система) </b>
Рис. 17. Схема взаимодействия (клиент, специалист, система)

Перспективы использования разработки в бизнесе

Полученную систему дистанционной диагностики и мониторинга психофизиологических состояний человека можно модернизировать, чтобы использовать в крупных компаниях, увлеченных идеями диджитализации HR-процессов или Corporate wellness, в которых готовы внедрять соответствующие инновации (поддержание необходимой производительности труда и личной эффективности, профилактика заболеваний, цифровой портрет сотрудника).

Разработка подходит для решения следующих задач:

· эффективная адаптация сотрудников к стрессам и нагрузкам;

· поддержание необходимого уровня мотивации и производительности труда;

· подбор персонала под виды деятельности с учетом индивидуальных особенностей (когнитивные способности, мотивация, уровень адаптационного потенциала, свойства нервной системы).

<b> Рис. 18. Проблемы и решения (возможности созданной системы) </b>
Рис. 18. Проблемы и решения (возможности созданной системы)

Однако существуют ограничения в использовании системы, о которых стоит упомянуть. Так, в ходе тестирования программно-аппаратного комплекса было выявлено, что при отсутствии осознанного подхода к заполнению анкет и прохождению тестов, при отсутствии со стороны пользователя заинтересованности в том, чтобы система помогала ему создавать и поддерживать необходимые психофизиологические состояния, ценность разработки теряется.

Нет мотивации к заполнению анкет и прохождению тестов – нет качественных данных. Нет качественных данных – теряется дальнейший смысл их обработки в СИИ, так как на выходе получим информацию, которую нельзя будет использовать для прогнозирования и коррекции состояний.

Решением этой проблемы может стать повышение уровня мотивации и заинтересованности сотрудников в данной разработке (позиционирование системы в компании как «привилегии» для лучших сотрудников, как «поощрения» или «дополнительного бонуса»). То есть услуга по сопровождению с помощью программно-аппаратного комплекса должна быть для сотрудников бесплатной и предоставляться только избранным.

В ходе проведения коллективного интервью со специалистами и руководителями HR-служб ими было озвучено интересное предложение – что нужно сделать, чтобы сотрудник смог убедиться в том, что система будет ему помогать, и, соответственно, стал более осознанно подходить к вопросу заполнения анкет.

Эксперты предложили следующее: дать нескольким сотрудникам (начинать нужно с тех, кто обладает авторитетом в коллективе и может впоследствии убедить других сотрудников в пользе предлагаемой системы) возможность несколько дней пользоваться системой в тестовом режиме. И в процессе пользования системой наглядно показывать сотрудникам, сравнивая результаты работы (например, их показатели KPI или план продаж) с их образом жизни и с тем, какие в связи с этим у них возникают эмоции и физические состояния. Т.е. сотрудникам нужны графики, где отображено, как их состояния коррелируют с результатами их работы.

Проанализировав предложенное экспертами решение, мы пришли к заключению, что наша система может стать хорошим дополнением к существующей корпоративной системе оценки по KPI. Для этого потребуется обеспечить поступление в систему данных от компании (отчеты по KPI), а потом связать их с нашими данными (наложить результаты работы сотрудников на график изменения их состояний). Тогда сотрудник сможет увидеть, например, как выполнение плана продаж зависит от его самочувствия или от того, насколько он высыпается.

Увидев существующие взаимосвязи, сотрудник может их проигнорировать либо задуматься о том, как данную ситуацию можно исправить. Затем от размышлений он может перейти к действиям: поменять свой образ жизни, чтобы улучшить самочувствие и через это повлиять на результаты продаж.

Эти предположения мы проверили через прототип на небольшом количестве продавцов. Гипотеза подтвердилась. Если сотрудник видит наглядно, что результаты продаж зависят от его психофизиологических состояний, то он начинает думать, как можно повлиять на качество работы через изменение своего образа жизни.

Результаты этого небольшого опыта привели нас к мысли о необходимости доработать программно-аппаратный комплекс. Однако, каким перспективным это направление ни казалось бы, данные работы не входили в перечень поставленных задач. Кроме того, мы посчитали, что вопросом интеграции корпоративных данных с нашими данными следует заниматься тогда, когда есть клиент, заинтересованный в такой модификации разработки. Поэтому вносить изменения и заниматься улучшением системы в тот момент не стали.

Значимость проделанной работы для науки

В процессе исследований и разработки системы дистанционной диагностики и мониторинга состояний человека были созданы:

· способ диагностики индивидуальных особенностей нервной системы и организма (на данный момент от патентования отказались и ограничились описанием ноу-хау);

· алгоритмы для анализа данных (какие параметры и как между собой сравнивать, чтобы быстрее обнаружить существующие взаимосвязи).

В процессе поиска корреляции между параметрами были выявлены следующие закономерности:

· большая активность приводит к ухудшению когнитивных способностей;

· углеводная диета усиливает импульсивность в поведении.

Эти результаты совпали с результатами экспериментов других ученых, которые проводили похожие исследования, поэтому выявленные взаимосвязи можно использовать для целей коррекции состояний человека.

Другие выявленные взаимосвязи требуют дополнительной проверки, так как данные получены из опросников, т.е. имеются сомнения в их объективности (те, кто заполнял анкеты, имеют свое индивидуальное восприятие действительности, определенный уровень образования и жизненного опыта, что могло отразиться на качестве полученных данных).

Если результаты, которые мы получили, совпадут с результатами, полученными в лабораторных условиях и с использованием дополнительного измерительного оборудования, то можно будет смело утверждать, что их тоже можно использовать для целей коррекции психофизиологических состояний человека.

Итоги

Подводя итог, можно сказать, что своей разработкой мы доказали, что создать систему дистанционной диагностики и мониторинга состояний человека можно. Программно-аппаратный комплекс будет работать, если обеспечить необходимое условие: доступ к сети интернет в моменты проведения диагностики, мониторинга и обработки данных.

Созданный программно-аппаратный комплекс был отмечен экспертами на конкурсах (финалисты конкурсов): Russian Startup Tour 2015, Мосгортех 2017.

Описанный выше проект был завершен в декабре 2017г., и мы благодарны заказчику за тот опыт, который получили в процессе исследований и разработок. А также хотели поблагодарить компании, которые помогли нам реализовать задуманное: ФРИИ[21], GVA[22], Microsoft, IBM, Epson.

И, конечно, хочется сказать спасибо тем специалистам, которые помогли нам своевременными советами или консультациями: Александру Громилову, Евгению Леонову, Вадиму Сухомлинову, Эмели Драль, Марату Хасанову, Антону Якубенко, Григорию Петрову, Максиму Яцковскому, Борису Зингерману.

Method of Remote Diagnostics and Monitoring of Human States for Solving HR Service Problems: IT and Psychophysiology Integration

Konstantin Fedotov, researcher, organizational change consultant, project manager, Moscow, Russia, 01.01.10@bk.ru

This article is devoted to the unique experience of creating a software and hardware complex for remote assessment of the human mind and physiology.

The task was assigned by a private investor. The customer requested a modern and technological tool for assessing the staff and its labour productivity. The product was planned to be implemented and tested at the oil and gas production company.

The article appeals to top managers and company owners, HR specialists as well as researchers and developers who create and implement innovations for D-Health, e-Health, m-Health, and HR-Digital fields.

It explains:

· How the developers addressed the customer-specified problem;

· What basic investigations were carried out for achieving the stated goal;

· How IBM Watson Analytics can be used to process research data;

· What results were obtained by the developers while creating a system for remote diagnostics and monitoring of human psychophysiological states.

Conclusions drawn by the team of researchers and developers:

· Creation of a software and hardware complex for remote diagnostics and monitoring of human psychophysiological states is possible;

· The software and hardware complex will operate if the following condition is met – Internet access is required for diagnostics, monitoring, and data processing.

The product will help to:

· Reduce costs in the company (automating the process of staff assessment, reducing the number of forced downtime due to illness of employees);

· Improve labour productivity (due to timely correction of employees' states).

Keywords: psychophysiology, system, diagnostics, monitoring, IT, HR, IBM Watson Analytics, employees.

We appreciate the contribution of the following companies that helped us to achieve our purpose: IIDF, GVA, Microsoft, IBM, Epson. And we would like to express our gratitude to those specialists who helped us with timely advice or consultations: Aleksandr Gromilov, Evgeny Leonov, Vadim Sukhomlinov, Emeli Dral, Marat Khasanov, Anton Yakubenko, Grigory Petrov, Maksim Yatskovsky, Boris Zingerman.

44
2 комментария

Ссылку можно какую привести на проект. Или его заморозили ?

Ответить
Комментарий удалён автором поста

Константин, приветствую! Написала вам на указанную почту.
С уважением, Кабина Александра

Ответить