Архив статей журнала
Цель исследования - изучение связи между прогностическими способностями курсантов-авиадиспетчеров и их поведением в конфликте. Данные личностные особенности были выбраны в связи с их высокой профессиональной значимостью в сфере управления воздушным движением. В статье обоснованы актуальность изучения связи между интеллектуальными и коммуникативными способностями авиадиспетчеров и необходимость развития данных способностей в условиях получения высшего профессионального образования. Приведены результаты определения взаимосвязи между выраженностью основных свойств мышления авиадиспетчеров, характеризующих их способность к прогнозированию ситуации, и стратегиями их поведения в конфликте. В качестве основных методов исследования были использованы теоретический анализ литературы, обобщение, тестирование, анализ, статистические методы. В представленном исследовании участвовали 64 курсанта второго курса Ульяновского института гражданской авиации им. Главного маршала авиации Б. П. Бугаева, обучающихся по специализации «Организация воздушного движения». В качестве эмпирического метода исследования было выбрано тестирование по методике Томаса - Килманна (в адаптации Н. В. Гришиной), направленное на выявление стратегий поведения респондентов в конфликтной ситуации, а также тестирование по методике Л. А. Регуша «Способность к прогнозированию». В результате диагностики были измерены следующие свойства мышления, характеризующие прогностические способности курсантов: аналитичность, осознанность, гибкость, перспективность и доказательность мышления. В ходе анализа результатов тестирования были построены диаграмма среднегрупповой выраженности пяти основных стратегий поведения респондентов в конфликте и диаграмма выраженности пяти основных составляющих (по Л. А. Регушу) прогностических способностей курсантов-авиадиспетчеров и рассмотрена взаимосвязь между ними. Анализ полученных результатов проведен с точки зрения требований будущей профессии опрошенных. Для определения степени согласованности рядов значений стратегий поведения в конфликте и свойств прогностичности мышления в группе опрошенных был использован метод статистического анализа данных с помощью коэффициента корреляции Пирсона (R-Пирсона). Полный текст статьи в переводе на английский язык публикуется во второй части данного выпуска.
В статье приводятся результаты применения методов машинного обучения для исследования данных специальной анкеты, учитывающей общие характеристики авиарейсов, характеристики пассажиров и их мнения о различных аспектах авиарейса. Цель исследования - выявление в экспериментальных данных факторов, негативно влияющих на отношение пассажиров к услугам авиакомпании. При проведении исследования были использованы популярные алгоритмы, входящие в состав свободного программного обеспечения для анализа данных и машинного обучения, университета Вайкато (Новая Зеландия) WEKA, распространяемого по лицензии GNU GPL: наивный байесовский классификатор; многослойный перцептрон, использующий алгоритм обратного распространения ошибки; метод ближайших соседей (KNN) с адаптивным подбором параметров; деревья решений - алгоритм J48, который является аналогом на Java известного алгоритма C4.5; случайный лес; логистическая регрессия; алгоритм адаптивного бустинга (AdaBoost); машина опорных векторов - алгоритм SMO (Sequential Minimal Optimization), являющийся одной из возможных реализаций алгоритма машины опорных векторов. Показано, что наилучшие по точности модели, отражающие удовлетворенность пассажиров услугами авиакомпании, получаются с помощью алгоритмов «случайный лес» (погрешность на тестовой выборке - 3,9 %) и нейросетевого подхода (погрешность на тестовой выборке - 3,7 %). Вместе с тем, указанные алгоритмы не позволяют явным образом выделить факторы, характерные для авиапассажиров, не удовлетворенных качеством обслуживания. Этот пробел восполняет алгоритм на основе метода структурного резонанса в многомерных данных SRMD, позволивший выявить в данных точные логические правила, обладающие высокой полнотой. Полученные логические правила являются хорошо интерпретируемыми паттернами пассажиров, которые либо отрицательно, либо нейтрально оценивают услуги авиакомпании в целом. Полный текст статьи в переводе на английский язык публикуется во второй части данного выпуска.