СИСТЕМА И СПОСОБ ВЫЯВЛЕНИЯ И ИСПОЛЬЗОВАНИЯ ЭТАЛОННОГО ЭМОЦИОНАЛЬНО-ИНТЕЛЛЕКТУАЛЬНОГО ПРОФИЛЯ (ЭИ-ПРОФИЛЯ) ПО ГРУППАМ АНАЛИЗА Российский патент 2024 года по МПК G16H10/00 A61B5/01 A61B5/117 A61B3/113 

ОБЛАСТЬ ТЕХНИКИ

Изобретение относится к области обработки цифровых данных на базе алгоритмов машинного обучения с применением искусственного интеллекта, а также к области психологии, в частности, к системе и способу автоматизированного формирования и применения эталонных эмоционально-интеллектуальных профилей, сформированных по различным группам анализа, и может быть использовано, по меньшей мере, в процессе найма, ротации, развития, обучения кадров и т.д.

УРОВЕНЬ ТЕХНИКИ

В настоящее время многие компании вводят «эмоциональный интеллект» в систему корпоративных компетенций, внедряют программы развития «эмоционального интеллекта» в систему обучения и развития сотрудников и руководителей. Возрастает также потребность рынка в оценке «эмоционального интеллекта» руководителей и сотрудников в целях принятия решения о наборе, ротации, кадровых перестановках, формировании кадрового резерва, а также в целях мониторинга эмоционального выгорания и повышения эффективности деятельности и взаимодействия руководителей и сотрудников. В связи с этим становится актуальным вопрос выявления и использования эталонных эмоционально-интеллектуальных профилей в процессе найма, ротации, развития, обучения кадров и т.д.

В международной заявке WO 2019083392 A1, дата публикации 02.05.2019, раскрыт способ подготовки рекомендаций для принятия решений на основе компьютерной оценки личности и возможностей пользователей, при котором пользователю предоставляется доступ к по меньшей мере одному компьютерному заданию для его выполнения; эмоции пользователя идентифицируются в реальном времени во время выполнения по меньшей мере одного задания с помощью по меньшей мере одной видеокамеры; получают данные о выполнении пользователем по меньшей мере одного задания; на основе данных, полученных после выполнения по меньшей мере одного задания, и выявленных эмоций пользователя определяют по меньшей мере одну способность пользователя; формулируют рекомендации пользователю для принятия решений на основе по меньшей мере одной способности, определенной на предыдущем этапе.

Однако в данном решении отсутствует формирование и применение эталонных эмоционально-интеллектуальных профилей с учетом различных характеристик (например, таких как должность, профессия, отрасль, пол, возраст, демографические характеристики и т.д.).

Технической задачей настоящего изобретения является разработка системы и способа автоматизированного формирования и применения эталонного эмоционально-интеллектуального профиля (ЭИ-профиля) с учетом различных характеристик.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Техническим результатом заявляемого изобретения является создание системы автоматизированного формирования и применения эталонного эмоционально-интеллектуального профиля (ЭИ-профиля) с учетом различных характеристик (например, таких как должность, профессия, отрасль, пол, возраст, демографические показатели и т.д.), что позволяет повысить точность и скорость формирования эталонных ЭИ-профилей.

Указанный технический результат достигается за счет того, что:

Система автоматизированного формирования и применения эталонного эмоционально-интеллектуального профиля (ЭИ-профиля), сформированного по группам анализа, содержит:

- по меньшей мере один сервер, включающий систему формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа, и систему применения эталонного ЭИ-профиля по группам анализа;

причем система формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа, и система применения эталонного ЭИ-профиля по группам анализа включают следующее:

- подмодуль управления, причем с помощью указанного подмодуля управления классифицируют каждого пользователя по группам анализа, при этом каждый пользователь может соответствовать одной или более группам анализа;

- модуль автоматизированного сбора данных пользователя, включающий подмодуль сбора текстовых данных, подмодуль сбора данных датчиков, подмодуль сбора аудио и видео данных, причем с помощью указанных подмодулей сбора текстовых данных, данных датчиков и аудио и видео данных собирают данные при выполнении каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа, и передают собранные данные пользователя модулю анализа данных;

- модуль анализа данных, причем с помощью указанного модуля анализа данных обрабатывают собранные данные пользователя с помощью методов машинного обучения и формируют или обновляют индивидуальный ЭИ-профиль пользователя и передают каждый индивидуальный ЭИ-профиль каждого пользователя модулю формирования и применения эталонного ЭИ-профиля по группам анализа;

- модуль формирования и применения эталонного ЭИ-профиля по группам анализа, включающий подмодуль ретроспективного анализа и подмодуль реализации, причем с помощью указанного подмодуля ретроспективного анализа формируют или обновляют эталонный ЭИ-профиль по каждой группе анализа путем вычисления усредненного ЭИ-профиля по каждой группе анализа на основе индивидуальных ЭИ-профилей пользователей, принадлежащих соответствующей группе анализа, и с помощью указанного подмодуля реализации категорируют индивидуальный ЭИ-профиль пользователя путем сравнения индивидуального ЭИ-профиля пользователя с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю;

- по меньшей мере одну базу данных, связанную с, по меньшей мере, одним сервером управления, причем с помощью указанной по меньшей мере одной базы данных хранят данные пользователей, в том числе включающие данные, собранные при выполнении каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и эталонного ЭИ-профиля по группам анализа.

Достижение технического результата обеспечивается за счет автоматизированного сбора и обработки данных датчиков в сочетании с данными о способностях эмоционального интеллекта, что позволяет повысить скорость и точность формирования эталонного ЭИ-профиля, а также за счет классификации каждого пользователя по группам анализа, формирования индивидуального ЭИ-профиля каждого пользователя и формирования эталонного ЭИ-профиля по каждой группе анализа на основе индивидуальных ЭИ-профилей пользователей, принадлежащих соответствующей группе анализа, что повышает точность формирования эталонного ЭИ-профиля.

В системе группа анализа может являться, по меньшей мере, группой анализа по должности, по профессии, по отрасли, по полу, по возрасту, по демографическим характеристикам.

В системе при формировании эталонного ЭИ-профиля по одной или более группам анализа могут дополнительно учитываться ключевые показатели, обеспечивающие эффективность выполняемой деятельности, выявленные для каждой группы анализа.

В системе сбор текстовых данных может включать, по меньшей мере, сбор результатов выполнения пользователем задач для формирования индивидуального ЭИ-профиля пользователя и эталонного ЭИ-профиля по группам анализа; сбор данных датчиков может включать, по меньшей мере, сбор данных с помощью одного или более датчиков, включающих в том числе трекеры, выбранных из датчиков, измеряющих, по меньшей мере, следующие показатели пользователя: пульс, температуру, сердечный ритм, кожно-гальваническую реакцию (КГР), электроэнцефалограмму, при выполнении пользователем задач для формирования индивидуального ЭИ-профиля пользователя и эталонного ЭИ-профиля по группам анализа; сбор аудио и видео данных может включать, по меньшей мере, следующее: аудио фиксацию голоса пользователя и особенностей голоса: тона, темпа, тембра, интонации, скорости речи, видеофиксацию мимических и пантомимических проявлений эмоций пользователя, видеофиксацию взгляда пользователя, положения каждого глаза в пространстве, направления движения взгляда для каждого глаза, точки фиксации, при выполнении пользователем задач для формирования индивидуального ЭИ-профиля пользователя и эталонного ЭИ-профиля по группам анализа.

В системе на основе сформированного индивидуального ЭИ-профиля пользователя, категорированного в соответствии с характером соответствия показателей индивидуального ЭИ-профиля пользователя показателям эталонного ЭИ-профиля по группе анализа, соответствующей пользователю, могут формировать рекомендации по дальнейшему взаимодействию с пользователем.

В системе категории могут включать, по меньшей мере, следующие категории:

- индивидуальный ЭИ-профиль пользователя имеет равные или более высокие показатели по сравнению с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю;

- индивидуальный ЭИ-профиль пользователя имеет показатели, которые полностью или частично находятся в коридоре допустимых значений, по сравнению с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю.

- индивидуальный ЭИ-профиль пользователя имеет показатели, которые полностью или частично не соответствуют эталонному ЭИ-профилю по группе анализа, соответствующей пользователю.

В системе сравнение индивидуального ЭИ-профиля пользователя с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю, может осуществляться по ключевым и не ключевым показателям.

Система дополнительно может содержать модуль интеграции для интеграции с внешними сервисами.

Система дополнительно может содержать сервер приема, хранения и обработки больших данных, включающих, по меньшей мере, данные с трекеров.

Указанный технический результат достигается за счет того, что:

Способ автоматизированного формирования и применения эталонного эмоционально-интеллектуального профиля (ЭИ-профиля), сформированного по группам анализа, с помощью вышеописанной системы, в котором осуществляют формирование индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа и применение эталонного ЭИ-профиля по группам анализа с помощью, по меньшей мере, одного сервера, и, по меньшей мере, одной базы данных, связанной с, по меньшей мере, одним сервером, при этом, по меньшей мере, один сервер содержит, по меньшей мере, систему формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа и систему применения эталонного ЭИ-профиля по группам анализа, и способ включает следующее:

- выполнение каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа,

- классификацию каждого пользователя по группам анализа с помощью подмодуля управления, при этом пользователь может соответствовать одной или более группам анализа;

- автоматизированный сбор данных каждого пользователя с помощью подмодуля сбора текстовых данных, подмодуля сбора данных датчиков, подмодуля сбора аудио и видео данных, причем с помощью указанных подмодулей сбора текстовых данных, данных датчиков и аудио и видео данных собирают данные при выполнении каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа,

причем данные пользователей, в том числе включающие данные, собранные при выполнении пользователем задач для формирования индивидуального ЭИ-профиля пользователя и эталонного ЭИ-профиля по группам анализа, хранят с помощью, по меньшей мере, одной базы данных;

- передачу собранных данных каждого пользователя модулю анализа данных, обработку собранных данных каждого пользователя и формирование или обновление индивидуального ЭИ-профиля пользователя на основе собранных данных с помощью модуля анализа данных с применением методов машинного обучения;

- передачу индивидуального ЭИ-профиля пользователя модулю формирования и применения эталонного ЭИ-профиля по группам анализа, причем модуль формирования и применения эталонного ЭИ-профиля по группам анализа включает подмодуль ретроспективного анализа и подмодуль реализации;

- формирование или обновление эталонного ЭИ-профиля по каждой группе анализа путем вычисления усредненного ЭИ-профиля по каждой группе анализа на основе одного или более индивидуальных ЭИ-профилей пользователей, принадлежащих соответствующей группе анализа, с помощью подмодуля ретроспективного анализа;

- категоризация индивидуального ЭИ-профиля пользователя путем сравнения индивидуального ЭИ-профиля пользователя с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю, с помощью подмодуля реализации.

ОПИСАНИЕ ЧЕРТЕЖЕЙ

Реализация изобретения будет описана в дальнейшем в соответствии с прилагаемыми чертежами, которые представлены для пояснения сути изобретения и никоим образом не ограничивают область изобретения.

Заявляемое изобретение проиллюстрировано фигурами 1-4, на которых изображены:

Фиг. 1 иллюстрирует вариант блок-схемы автоматизированного формирования и применения эталонного ЭИ-профиля.

Фиг. 2 иллюстрирует пример сформированного эталонного ЭИ профиля должности.

Фиг. 3 иллюстрирует пример категорирования индивидуального ЭИ-профиля пользователя.

Фиг. 4 иллюстрирует вариант архитектуры системы автоматизированного формирования и применения эталонного ЭИ-профиля.

ДЕТАЛЬНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ

В приведенном ниже подробном описании реализации изобретения приведены многочисленные детали реализации, призванные обеспечить отчетливое понимание настоящего изобретения. Однако квалифицированному в предметной области специалисту будет очевидно, каким образом можно использовать настоящее изобретение как с данными деталями реализации, так и без них. В других случаях хорошо известные методы, процедуры и компоненты не были описаны подробно, чтобы не затруднять излишне понимание особенностей настоящего изобретения.

Кроме того, из приведенного изложения будет ясно, что изобретение не ограничивается приведенной реализацией. Многочисленные возможные модификации, изменения, вариации и замены, сохраняющие суть и форму настоящего изобретения, будут очевидными для квалифицированных в предметной области специалистов.

Настоящее изобретение обеспечивает автоматизированное формирование и применение эталонного эмоционально-интеллектуального профиля (ЭИ-профиля), сформированного по группам анализа, например, по должности, профессии, отрасли, полу, возрасту, демографическим характеристикам и т.д., что позволяет формировать различные эталонные ЭИ-профили, например отраслевой эталонный ЭИ-профиль эффективного сотрудника/руководителя, и применять различные эталонные ЭИ-профили для оценки индивидуальных ЭИ-профилей пользователей.

Основные этапы:

- этап автоматизированного сбора данных;

- этап обработки данных и формирование эталонных ЭИ-профилей для различных групп анализа;

- этап реализации эталонных ЭИ-профилей для различных групп анализа в выявлении высокопотенциальных кандидатов по различном группам анализа (в определенной отрасли, должности, профессии, определенного возраста, пола, социального статуса и т.д.).

Измерение показателей эмоционального интеллекта проводится путем выполнения оцениваемым человеком (пользователем) психодиагностической задачной методики. Пользователь выполняет интеллектуальные задачи с использованием информации, которую дают эмоции, а также с изображением проявлений определенных эмоций на лицах, в определенных ситуациях, во взаимодействии. Например, для измерения уровня развития эмоционального интеллекта используется онлайн-методика «Тест Эмоционального Интеллекта» (ТЭИ) [1]. Методика ТЭИ позволяет определить общий уровень развития эмоционального интеллекта, а также уровень развития эмоционального интеллекта по 10 разделам, 4 ветвям эмоционального интеллекта (идентификация эмоций, использование эмоций для решения задач, понимания эмоций, управление эмоциями), и двум доменам. ТЭИ имеет высокую степень надежности (Alpha Cronbach общего уровня EI = 0,93), структурной и факторной валидности (χ2 = 39,87, RMSEA = 0,027 (0,001; 0,044), CFI = 0,99) [2], [3].

Во время измерения показателей эмоционального интеллекта с использованием онлайн-методики ТЭИ осуществляется параллельное измерение объективных показателей оцениваемого человека с помощью датчиков и приборов (например, измерительные сенсорные датчики, трекеры, фитнес-браслеты, Apple Watch и т.д.), которые устанавливают на оцениваемом человеке, позволяющих в реальном времени получить: пульс, температуру, сердечный ритм, кожно-гальваническую реакцию (КГР), электроэнцефалограмму (ЭЭГ).

Параллельно осуществляют видеофиксацию мимических и пантомимических проявлений эмоций оцениваемого человека при выполнении им интеллектуальных задач, при которой сопоставляют и сохраняют на носителе информации видео оцениваемого человека и интеллектуальных задач, выполняемых оцениваемым человеком. Параллельно осуществляют аудиофиксацию голоса оцениваемого человека и его особенностей: тона, темпа, тембра, интонации, скорости речи, при выполнении обучающих или развивающих или интеллектуальных задач, при которой сопоставляют и сохраняют на носителе информации голос обучаемого человека и видео обучающих или развивающих или интеллектуальных задач, выполняемых им. Также параллельно осуществляют видеофиксацию взгляда, положения каждого глаза в пространстве, направления движения взгляда для каждого глаза, точки фиксации при выполнении обучающих или развивающих или интеллектуальных задач оцениваемого человека, при которой сопоставляют и сохраняют на носителе информации видео обучаемого человека и обучающих или развивающих или интеллектуальных задач, выполняемых им.

При этом пользователей разделяют (классифицируют) по группам анализа - по должности, профессии, отрасли, полу, возрасту, демографическим характеристикам и т.д.

Далее осуществляют обработку собранных данных пользователя и формирование индивидуального ЭИ-профиля пользователя на основе собранных данных с применением методов машинного обучения. Формируют различные эталонные ЭИ-профили по группам анализа путем вычисления усредненного ЭИ-профиля по группе анализа на основе индивидуальных ЭИ-профилей пользователей, принадлежащих соответствующей группе анализа. При формировании эталонных ЭИ-профилей учитываются ключевые показатели, выявленные для каждой группы анализа. Например, формируют эталонный ЭИ-профиль эффективного сотрудника конкретной должности, отрасли на основе выявленных ключевых показателей, обеспечивающих эффективность выполняемой деятельности [2].

Осуществляют категоризацию индивидуального ЭИ-профиля пользователя путем сравнения индивидуального ЭИ-профиля пользователя с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю. Сравниваются индивидуальные показатели ЭИ-профиля пользователя и рекомендуемые показатели эталонного ЭИ-профиля по соответствующей группе анализа с учетом выявленных ключевых показателей. Например, сравнивают ключевые показатели индивидуального ЭИ-профиля кандидата на должность руководителя в отдельной отрасли промышленности (например, это может быть кандидат на должность директора машиностроительного завода и т.д.) с рекомендуемыми ключевыми показателями эталонного ЭИ-профиля эффективного руководителя в соответствующей отрасли промышленности. И далее формируют выводы о соответствии или несоответствии индивидуальных показателей ЭИ-профиля пользователя эталонному ЭИ-профилю по группе анализа, соответствующей пользователю, и формируют рекомендации по дальнейшему взаимодействию с кандидатом в зависимости от результатов сопоставления с ЭИ-профилем.

Система для осуществления настоящего изобретения содержит следующие модули: модуль автоматизированного сбора данных, модуль анализа данных, модуль формирования и применения различных эталонных ЭИ-профилей (Фиг. 1).

Модуль автоматизированного сбора данных включает подмодуль управления, подмодуль сбора текстовых данных, подмодуль сбор данных с датчиков, подмодуль сбора и анализа аудио и видео данных. С помощью указанных подмодулей сбора текстовых данных, данных датчиков и аудио и видео данных собирают данные при выполнении каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа, и передают собранные данные пользователя модулю анализа данных.

Подмодуль управления используется для классификации (разделения) людей по группам анализа: по должности, профессии, отрасли, полу, возрасту, демографическим характеристикам и т.д. Используя в качестве исходных данных данные, указанные пользователем при прохождении теста, подмодуль формирует разнообразные группы в соответствии с требованиями системы. Каждая группа может как являться отображением одной характеристики пользователя, так и являться отображением сразу нескольких характеристик. Каждый пользователь может соответствовать одной или более группам анализа, например, по должности и отрасли, по должности, отрасли и полу, по должности, профессии и возрасту и т.д.

С помощью подмодуля сбора текстовых данных собирают данные при выполнении каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа. Подмодуль сбора текстовых данных включает в себя визуальное представление форм сбора текстовых данных с использованием современного дизайна, а также сбор этих данных и их интерпретацию.

Подмодуль сбора данных с датчиков. С помощью данного подмодуля получают и интерпретируют данные датчиков (например, измерительных сенсорных датчиков), частично или полностью выполняя функции SCADA-системы.

Подмодуль сбора и анализа аудио и видео данных. С помощью данного подмодуля собирают и интерпретируют данные, получаемые с одного или нескольких видеоисточников в процессе сбора в натуральных условиях.

С помощью одного или нескольких датчиков измеряют пульс, температуру, сердечный ритм, кожно-гальваническую реакцию (КГР), электроэнцефалограмму (ЭЭГ).

Для регистрации ЭЭГ можно применять анализатор-монитор биопотенциалов головного мозга. Запись проводится монополярно в 32 отведениях с двумя аурикулярными референтами. При сопротивлении не выше 20 кОм. Частота дискретизации сигнала - 1000 Гц.

Схема записи фоновой активности (функциональные пробы): «глаза открыты», эпоха анализа - 1 минута, «глаза закрыты», эпоха анализа - 1 минута, «заполнение участниками опросников, направленных на диагностику эмоционального интеллекта» (эпоха анализа - индивидуально).

В ходе обработки и анализа результатов электроэнцефалографии изучаются следующие значения: мощность (мкВ2) тета-, альфа- и бета-ритмов в передних (усреднение Fp1, Fp2, F3, F4, F7, F8, Fz), центральных (усреднение FC1, FC2, C3, Cz, C4, CP1, CP2), височных (усреднение FT9, FT10, FC5, FC6, T3, T4, T5, T6, CP5, CP6, TP9, TP10) и задних (усреднение P3, Pz, P4, O1, Oz, O2) отведениях при 3 условиях: «глаза открыты», «глаза закрыты» и «при заполнении опросников, направленных на диагностику эмоционального интеллекта» (Рис. 2). Отрезки с активностью выше 100 мкВ и ниже - 100 мкВ предлагается считать артефактами и удалять.

Дальнейший статистический анализ осуществляется с помощью дисперсионного анализа с повторными измерениями и апостериорными сравнениями с поправкой Бонферрони мощности ритмов ЭЭГ во время проб «глаза закрыты», «глаза открыты» и «заполнение опросников».

Показатель сопротивления кожи (КГР) может быть зарегистрирован с помощью модификации unit UT30C с двумя электродами хлорированного серебра (крепление на палец). Данные регистрируются по процедуре временного сэмплинга с выборкой интервалов, длительность каждого интервала - 4 сек. Результаты сэмплинга усредняются для периодов предъявления нейтральных и эмоционально значимых слайдов.

Измерение пульса может производится с помощью пальчикового пульсоксиметра (например, Choicemmed MD300C318). Прибор регистрирует среднюю частоту пульса.

Регистрирующиеся данные с приборов соотносятся по временной шкале с результатами задачного теста ТЭИ. Осуществляется дальнейшая обработка данных.

Полученный в ходе первого этапа массив данных далее подвергается ряду процедур:

1. Обработка данных, полученных с помощью онлайн-методики ТЭИ, и получение результатов в соответствии с алгоритмом теста.

2. Обработка данных, полученных с помощью датчиков и приборов.

3. Обработка данных, полученных с помощью видеофиксации.

4. Формирование базы данных на основе: результатов тестирования; показателей, полученных с помощью датчиков и приборов; показателей, полученных путем видеофиксации; показателей по критериям эффективности для рассматриваемой должности. Отбраковка невалидных данных и сомнительных показателей.

5. Выявление параметров, которые в большей степени влияют на более высокие показатели эффективности, характерные для определенной должности, отрасли. На этом этапе осуществляется анализ с применением метода контрастных групп и с использованием статистических методов. Основанием для выделения контрастных групп по выявленным критериям эффективности является показатель стандартного отклонения общего уровня показателя эффективности по всей выборке (Анастази и др., 1982). В результате определяются две группы: первая группа с показателем эффективности выше среднего на одно стандартное отклонение и вторая группа с показателем эффективности ниже среднего на одно стандартное отклонение. Приемлемо устанавливать процент случаев для контрастных групп на показателе в 33% распределения (Анастази и др., 2005). Далее с помощью критериев различий (в зависимости от особенностей выборки, ее численного состава подбираются наиболее адекватные и мощные параметрические и непараметрические критерии) сопоставляются результаты по тесту, показатели приборов и датчиков и показатели, полученные с помощью видеофиксации, обеих групп и определяются ключевые параметры, по которым выявлены статистически значимые различия.

6. Оценка полученных результатов с привлечением квалифицированных экспертов по отрасли и формирование непосредственно ЭИ-профиля эффективного сотрудника конкретной должности с указанием выявленных ключевых параметров.

Модуль анализа данных. С помощью данного модуля обрабатывают собранные данные пользователя с помощью методов машинного обучения и формируют или обновляют (например, в случае если пользователь повторно проходит тестирование после обучения, повышения квалификации и т.д.) индивидуальный ЭИ-профиль пользователя. С помощью аппаратно-программных средств сырые данные преобразуются в статистически интерпретируемые таблицы. Ошибочные значения отсекаются или уравниваются.

Для оценки мимических и пантомимических проявлений эмоций при выполнении интеллектуальных задач комплексно в реальном времени может быть использована система кодирования FACS, которая может стать отраслевым стандартом в области кодирования выражений лица. Система автоматически определяет фронтальную проекцию лица в видеопотоке и кодирует каждый кадр с помощью 20 единиц действия (action units). Предварительные результаты решения проблемы обнаружения мимики в спонтанных выражениях во время разговора сравниваются после обработки классификаторами SVM и AdaBoost. Наилучшие результаты в распознавании эмоций были получены в 3 шага машинного обучения, где AdaBoost используется на первом этапе, фильтрация Габора на втором и SVM делается на выходах фильтра Габора.

Полученные данные хранятся в виде массивов чисел в базе данных. Данные одного типа конвертируются в соответствии с репрезентативной выборкой.

В качестве инструмента машинного обучения используется нейронная сеть прямого распространения. Изначальные модели создаются на основе уже существующих отобранных и усредненных данных. В качестве метода обучения используется метод обратного распространения ошибки.

Используя FFNN модель для обучения нейронной сети, моделируется прогноз наблюдения за каждым массивом получаемой от датчиков информации. На основе корреляции прогноза и реального наблюдения составляется сводная таблица.

Далее, используя следующую FFNN модель, прогнозируются вероятные корреляции в суммарном массиве вероятностей для выбранной группы. В качестве сопоставляемого весового параметра используются данные внешних источников о результативности применения.

Данные используются рекурсивно, то есть полученные результаты используются для обучения нейронной сети и начинают влиять на веса. В качестве метрики и функции потерь измеряется число верно угаданных меток (accuracy), то есть релевантность с предыдущими результатами. В исключительных случаях критические значения могут обрабатываться вручную, вмешательством «учителя».

Модуль формирования и применения эталонного ЭИ-профиля по группам анализа включает в себя два рекурсивных профиля: подмодуль ретроспективного анализа и подмодуль реализации.

Подмодуль ретроспективного анализа. С помощью данного подмодуля формируют или обновляют эталонный ЭИ-профиль по каждой группе анализа путем вычисления усредненного ЭИ-профиля по каждой группе анализа на основе индивидуальных ЭИ-профилей пользователей, принадлежащих соответствующей группе анализа. На основе таблиц вычисляются значения средних ЭИ-профилей. Формируются усредненные данные по группам анализа.

При формировании эталонных ЭИ-профилей учитываются ключевые показатели, выявленные для каждой группы анализа. Например, для расчета эталонного ЭИ-профиля по различным группам (отраслевого эталонного ЭИ-профиля, эталонного ЭИ-профиля определенной должности) определяются критерии эффективности для конкретной должности, которые позволяют делать объективные выводы об успешности или неуспешности выполняемой деятельности. Признаки по данным критериям должны быть наблюдаемыми, измеряемыми, переводимыми в числовые значения.

Пример формирования эталонного ЭИ-профиля сотрудника на должность по работе с клиентами для Организации. Приняло участие 1000 сотрудников данного направления (Фиг. 2).

На первом этапе был осуществлен сбор эмпирических данных, определены критерии эффективности - в данном случае показатели KPI.

На втором этапе был осуществлен анализ данных с использованием контрастных групп, выделенных в соответствии с правилами: основанием для выделения контрастных групп по уровню KPI являлся показатель стандартного отклонения общего уровня KPI по всей выборке (Анастази и др., 1982). В результате были выделены две группы: первая группа с уровнем KPI выше среднего на одно стандартное отклонение и вторая группа с уровнем KPI ниже среднего на одно стандартное отклонение. Приемлемо устанавливать процент случаев для контрастных групп на показателе в 33% распределения, что соответствует цифре по 300 человек (Анастази и др., 2005).

Проверка распределения результатов 1000 сотрудников по Тесту Эмоционального Интеллекта на нормальность показала, что все шкалы ТЭИ имеют нормальное распределение. Для дальнейшего анализа данных отдавались предпочтения параметрическим статистическим критериям в силу их мощности, был использован t-критерий. Для анализа статистической значимости результатов был выбран уровень значимости, равный 0,001. Это позволило выявить общие тенденции в связях эмоционального интеллекта с показателями эффективности деятельности сотрудников.

При анализе результатов двух групп респондентов с самыми высокими и самыми низкими показателями KPI было выявлено, что группа сотрудников, которая обладала более высокими показателями KPI, имеет более высокие оценки по многим разделам эмоционального интеллекта: статистически значимые различия наблюдаются по разделам «Фасилитация» и «Эмпатия», по ветви «Использование эмоций для решения задач», «Понимание эмоций» и «Управление эмоциями», по опытному и стратегическому домену, и по общему ЭИ.

Далее, в рамках этого же этапа, был сформирован эталонный ЭИ-профиль кандидата на должность специалиста по работе с клиентами. В эталонном ЭИ-профиле сотрудника на должность специалиста по работе с клиентами были выделены ключевые параметры, влияющие на степень достижения KPI - как показателя эффективности деятельности сотрудника на данной должности.

Подмодуль реализации. С помощью данного подмодуля категорируют индивидуальный ЭИ-профиль пользователя путем сравнения индивидуального ЭИ-профиля пользователя с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю. Конкретный ЭИ-профиль пользователя сравнивается с усредненными значениями. Разница значений интерпретируется в соответствии с заданными алгоритмами.

Категории включают, по меньшей мере, следующие категории:

- индивидуальный ЭИ-профиль пользователя имеет равные или более высокие показатели по ключевым параметрам по сравнению с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю;

- индивидуальный ЭИ-профиль пользователя имеет показатели, которые полностью или частично находятся в коридоре допустимых значений по ключевым параметрам, по сравнению с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю, что говорит о потенциале к росту, при этом остальные показатели по ключевым параметрам, которые не входят в коридор допустимых значений, должны быть выше соответствующих показателей эталонного ЭИ-профиля.

- индивидуальный ЭИ-профиль пользователя имеет показатели, которые полностью или частично не соответствуют по ключевым параметрам эталонному ЭИ-профилю по группе анализа, соответствующей пользователю.

Сравнение индивидуального ЭИ-профиля пользователя с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю, осуществляют по ключевым и не ключевым показателям.

На основе категоризации кандидата и отнесения его к определенной группе в соответствии с характером соответствия индивидуальных показателей его ЭИ-профиля эталонному ЭИ-профилю по соответствующей группе анализа формируются рекомендации по дальнейшему взаимодействию с ним с последующим принятием решений.

Фиг. 3 иллюстрирует пример категорирования индивидуального ЭИ-профиля пользователя.

Реализация отраслевых эталонных ЭИ-профилей в выявлении высокопотенциальных кандидатов в определенной отрасли, должности осуществляется с помощью заявленной системы. В нужной группе кандидатов, прошедших тестирование, происходит сопоставление индивидуальных результатов с эталонным ЭИ-профилем, категоризация кандидатов в соответствии с характером соответствия индивидуальных показателей эталонному ЭИ-профилю эффективного сотрудника на должность, формируются рекомендации по дальнейшему взаимодействию с ним с последующим принятием решений.

Система автоматизированного формирования и применения эталонного ЭИ-профиля включает один или несколько серверов с системой формирования индивидуальных ЭИ-профилей пользователей и/или различных эталонных ЭИ-профилей по группам анализа, а также системой применения различных эталонных ЭИ-профилей, сформированных по группам анализа, одну или несколько баз данных, связанных с одним или более серверами. С помощью одной или нескольких баз данных хранят данные пользователей, в том числе включающие данные, собранные при выполнении каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и эталонного ЭИ-профиля по группам анализа.

Примерный вариант архитектуры системы проиллюстрирован на Фиг. 2. Платформа WAY2WEI (Way to Working Emotional Intelligence/Путь к Работающему Эмоциональному интеллекту) построена базе веб-технологий и позволяет обеспечивать взаимодействие с пользователями через любой современный браузер. Услуги предоставляются по принципу SAAS.

Архитектурно-информационная система реализована в виде модулей:

- Пользовательский Портал - подсистема публикации.

- Модуль сбора данных - подсистема сбора данных.

- Вычислительный модуль теста - подсистема подсчета результатов теста ТЭИ.

- Аналитический модуль (система анализа агрегированных данных (тест/трекер) и формирования ЭИ-профиля) - подсистема анализа результатов статистической обработки данных, формирования ЭИ-профиля и автоматизированного вывода результатов и рекомендаций (отчета).

- Модуль реализации (система применения ЭИ-профилей) - подсистема реализации и применения ЭИ-профилей для выявления высокопотенциальных кандидатов.

Дополнительно также есть:

- Модуль обучения - подсистема дистанционного обучения пользователей.

- Портал партнеров - подсистема обучения, сертификации и взаимодействия экспертов.

- Интернет-магазин - каталог электронных курсов для заказа пользователями системы.

- Модуль интеграции - разработанный API для интеграции с внешними приложениями и информационными системами.

- Мобильная платформа - подсистема публикации и управления мобильными приложениями.

Кластерная архитектура решения позволяет выдерживать значительные нагрузки и гибко масштабироваться при необходимости. Модуль интеграции обеспечивает интеграции с любыми внешними системами дистанционного обучения (СДО), корпоративными информационными системами, порталами и мобильными приложениями. Данные передаются и обрабатываются обезличено, что позволяет полностью соответствовать Федеральному Закону о персональных данных №152-ФЗ. Таким образом, для обеспечения тестирования и обучения пользователей в закрытых контурах части системы могут отчуждаться, либо интегрироваться с уже существующими системами тестирования и обучения. Поддержкой работоспособности занимается исключительно команда разработки. В числе прочего это позволяет проводить ежедневные обновления сразу для всех пользователей. Также существуют клиенты в виде мобильных приложений, упрощающие доступ к системе с мобильных устройств. Приложения реализуются на кроссплатформенном фреймворке. Это позволяет повысить эффективность работы, сократить затраты на разработку.

Web-сервер: серверы на базе ОС Linux, в которых развернуто приложение.

ХОД-Т: система приема и хранения больших данных (Big-data) - данных с трекеров (фитнес-браслеты, Apple Watch и т.д.).

Данные по API передаются специализированное хранилище на основе СУБД ClickHouse.

Сервер хранения данных: Защищенные сервера для работы баз данных на базе MySQL, ClickHouse.

Специалисту в данной области техники должно быть очевидно, что все операции для обработки данных по настоящему изобретению могут быть реализованы с использованием по меньшей мере одного вычислительного устройства. Вычислительное устройство содержит по крайней мере один процессор, память и инструкции, хранимые в памяти и исполняемые процессором, с помощью которых осуществляют обработку данных для автоматизированного формирования и применения эталонного эмоционально-интеллектуального профиля (ЭИ-профиля). Обработка данных может быть централизованной, например с помощью одного вычислительного устройства, или распределенной, например с помощью нескольких вычислительных устройств, распределенных по сети.

В общем случае вычислительное устройство, обеспечивающее обработку данных, необходимую для реализации заявленного решения, содержит такие компоненты, как: один или более процессоров, по меньшей мере одну память, средство хранения данных, интерфейсы ввода/вывода, средство В/В, средства сетевого взаимодействия.

Процессор устройства выполняет основные вычислительные операции, необходимые для функционирования устройства или функциональности одного или более его компонентов. Процессор исполняет необходимые машиночитаемые команды, содержащиеся в оперативной памяти.

Память, как правило, выполнена в виде ОЗУ и содержит необходимую программную логику, обеспечивающую требуемый функционал.

Средство хранения данных может выполняться в виде HDD, SSD дисков, рейд массива, сетевого хранилища, флэш-памяти, оптических накопителей информации (CD, DVD, MD, Blue-Ray дисков) и т.п. Средство позволяет выполнять долгосрочное хранение различного вида информации.

Интерфейсы представляют собой стандартные средства для подключения и работы с серверной частью, например, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire и т.п.

Выбор интерфейсов зависит от конкретного исполнения устройства, которое может представлять собой персональный компьютер, мейнфрейм, серверный кластер, тонкий клиент, смартфон, ноутбук и т.п.

В качестве средств В/В данных используется клавиатура. Помимо клавиатуры, в составе средств В/В данных также может использоваться: джойстик, дисплей (сенсорный дисплей), проектор, тачпад, манипулятор мышь, трекбол, световое перо, динамики, микрофон и т.п.

Средства сетевого взаимодействия выбираются из устройств, обеспечивающих сетевой прием и передачу данных, например, Ethernet карту, WLAN/Wi-Fi модуль, Bluetooth модуль, BLE модуль, NFC модуль, IrDa, RFID модуль, GSM модем и т.п. С помощью средств обеспечивается организация обмена данными по проводному или беспроводному каналу передачи данных, например, WAN, PAN, ЛВС (LAN), Интранет, Интернет, WLAN, WMAN или GSM, 3G, 4G, 5G, 6G и т.д.

Компоненты вычислительного устройства сопряжены посредством общей шины передачи данных.

В настоящих материалах заявки представлено предпочтительное раскрытие осуществления заявленного технического решения, которое не должно использоваться как ограничивающее иные, частные воплощения его реализации, которые не выходят за рамки испрашиваемого объема правовой охраны и являются очевидными для специалистов в соответствующей области техники.

Специалисту в данной области техники должно быть понятно, что различные вариации заявляемого способа и системы не изменяют сущность изобретения, а лишь определяют его конкретные воплощения и применения.

Источники:

[1] Сергиенко Е.А. и др. «Тест эмоционального интеллекта - русскоязычная методика», https://psyjournals.ru/files/109555/sps_2019_n3_Sergienko_et_al.pdf

[2] Программа для ЭВМ «Тест эмоционального интеллекта». Регистрационный номер: RU 2018618517.

[3] Патент РФ на изобретение «Способ повышения эффективности человека на основе оценки и развития эмоционального интеллекта» Регистрационный номер: RU 2720400 С1.

Группа изобретений относится к системе и способу автоматизированного формирования и применения эталонного эмоционально-интеллектуального профиля (ЭИ-профиля), сформированного по группам анализа. Предложена система для реализации способа, которая содержит сервер, включающий систему формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа, и систему применения эталонного ЭИ-профиля по группам анализа; подмодуль управления, с помощью которого классифицируют каждого пользователя по группам анализа, при этом каждый пользователь может соответствовать одной или более группам анализа; модуль автоматизированного сбора данных пользователя, включающий подмодуль сбора текстовых данных, подмодуль сбора данных датчиков, подмодуль сбора аудио- и видеоданных, с помощью которых собирают данные при выполнении каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа; модуль анализа данных, с помощью которого обрабатывают собранные данные пользователя с помощью методов машинного обучения, и формируют или обновляют индивидуальный ЭИ-профиль пользователя, и передают каждый индивидуальный ЭИ-профиль каждого пользователя модулю формирования и применения эталонного ЭИ-профиля по группам анализа, включающему подмодуль ретроспективного анализа и подмодуль реализации, с помощью подмодуля ретроспективного анализа формируют или обновляют эталонный ЭИ-профиль по каждой группе анализа путем вычисления усредненного ЭИ-профиля по каждой группе анализа на основе индивидуальных ЭИ-профилей пользователей, принадлежащих соответствующей группе анализа, и с помощью подмодуля реализации категорируют индивидуальный ЭИ-профиль пользователя путем сравнения индивидуального ЭИ-профиля пользователя с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю. Группа изобретений обеспечивает повышение точности и скорости формирования эталонных ЭИ-профилей. 2 н. и 8 з.п. ф-лы, 4 ил.

1. Система автоматизированного формирования и применения эталонного эмоционально-интеллектуального профиля (ЭИ-профиля), сформированного по группам анализа, содержащая:

- по меньшей мере один сервер, включающий систему формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа, и систему применения эталонного ЭИ-профиля по группам анализа;

причем система формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа, и система применения эталонного ЭИ-профиля по группам анализа включают следующее:

- подмодуль управления, причем с помощью указанного подмодуля управления классифицируют каждого пользователя по группам анализа, при этом каждый пользователь может соответствовать одной или более группам анализа;

- модуль автоматизированного сбора данных пользователя, включающий подмодуль сбора текстовых данных, подмодуль сбора данных датчиков, подмодуль сбора аудио- и видеоданных, причем с помощью указанных подмодулей сбора текстовых данных, данных датчиков и аудио- и видеоданных собирают данные при выполнении каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа, и передают собранные данные пользователя модулю анализа данных;

- модуль анализа данных, причем с помощью указанного модуля анализа данных обрабатывают собранные данные пользователя с помощью методов машинного обучения, и формируют или обновляют индивидуальный ЭИ-профиль пользователя, и передают каждый индивидуальный ЭИ-профиль каждого пользователя модулю формирования и применения эталонного ЭИ-профиля по группам анализа;

- модуль формирования и применения эталонного ЭИ-профиля по группам анализа, включающий подмодуль ретроспективного анализа и подмодуль реализации, причем с помощью указанного подмодуля ретроспективного анализа формируют или обновляют эталонный ЭИ-профиль по каждой группе анализа путем вычисления усредненного ЭИ-профиля по каждой группе анализа на основе индивидуальных ЭИ-профилей пользователей, принадлежащих соответствующей группе анализа, и с помощью указанного подмодуля реализации категорируют индивидуальный ЭИ-профиль пользователя путем сравнения индивидуального ЭИ-профиля пользователя с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю.

- по меньшей мере одну базу данных, связанную с, по меньшей мере, одним сервером управления, причем с помощью указанной по меньшей мере одной базы данных хранят данные пользователей, в том числе включающие данные, собранные при выполнении каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и эталонного ЭИ-профиля по группам анализа.

2. Система по п. 1, характеризующаяся тем, что группа анализа является, по меньшей мере, группой анализа по должности, по профессии, по отрасли, по полу, по возрасту, по демографическим характеристикам.

3. Система по п. 1, характеризующаяся тем, что при формировании эталонного ЭИ-профиля по одной или более группам анализа дополнительно учитываются ключевые показатели, обеспечивающие эффективность выполняемой деятельности, выявленные для каждой группы анализа.

4. Система по п. 1, характеризующаяся тем, что сбор текстовых данных включает, по меньшей мере, сбор результатов выполнения пользователем задач для формирования индивидуального ЭИ-профиля пользователя и эталонного ЭИ-профиля по группам анализа;

сбор данных датчиков включает, по меньшей мере, сбор данных с помощью одного или более датчиков, включающих в том числе трекеры, выбранных из датчиков, измеряющих, по меньшей мере, следующие показатели пользователя: пульс, температуру, сердечный ритм, кожно-гальваническую реакцию (КГР), электроэнцефалограмму, при выполнении пользователем задач для формирования индивидуального ЭИ-профиля пользователя и эталонного ЭИ-профиля по группам анализа;

сбор аудио- и видеоданных включает, по меньшей мере, следующее: аудиофиксацию голоса пользователя и особенностей голоса: тона, темпа, тембра, интонации, скорости речи, видеофиксацию мимических и пантомимических проявлений эмоций пользователя, видеофиксацию взгляда пользователя, положения каждого глаза в пространстве, направления движения взгляда для каждого глаза, точки фиксации, при выполнении пользователем задач для формирования индивидуального ЭИ-профиля пользователя и эталонного ЭИ-профиля по группам анализа.

5. Система по п. 1, характеризующаяся тем, что на основе сформированного индивидуального ЭИ-профиля пользователя, категорированного в соответствии с характером соответствия показателей индивидуального ЭИ-профиля пользователя показателям эталонного ЭИ-профиля по группе анализа, соответствующей пользователю, формируют рекомендации по дальнейшему взаимодействию с пользователем.

6. Система по п. 1, характеризующаяся тем, что категории включают, по меньшей мере, следующие категории:

- индивидуальный ЭИ-профиль пользователя имеет равные или более высокие показатели по сравнению с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю;

- индивидуальный ЭИ-профиль пользователя имеет показатели, которые полностью или частично находятся в коридоре допустимых значений, по сравнению с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю.

- индивидуальный ЭИ-профиль пользователя имеет показатели, которые полностью или частично не соответствуют эталонному ЭИ-профилю по группе анализа, соответствующей пользователю.

7. Система по п. 6, характеризующаяся тем, что сравнение индивидуального ЭИ-профиля пользователя с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю, осуществляют по значимым и незначимым показателям.

8. Система по п. 1, характеризующаяся тем, что дополнительно содержит модуль интеграции для интеграции с внешними сервисами.

9. Система по п. 1, характеризующаяся тем, что дополнительно содержит сервер приема, хранения и обработки больших данных, включающих, по меньшей мере, данные с трекеров.

10. Способ автоматизированного формирования и применения эталонного эмоционально-интеллектуального профиля (ЭИ-профиля), сформированного по группам анализа, с помощью системы по пп. 1-9, в котором осуществляют формирование индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа и применение эталонного ЭИ-профиля по группам анализа с помощью, по меньшей мере, одного сервера, и, по меньшей мере, одной базы данных, связанной с, по меньшей мере, одним сервером, при этом, по меньшей мере, один сервер содержит, по меньшей мере, систему формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа и систему применения эталонного ЭИ-профиля по группам анализа, и способ включает следующее:

- выполнение каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа,

- классификацию каждого пользователя по группам анализа с помощью подмодуля управления, при этом пользователь может соответствовать одной или более группам анализа;

- автоматизированный сбор данных каждого пользователя с помощью подмодуля сбора текстовых данных, подмодуля сбора данных датчиков, подмодуля сбора аудио- и видеоданных, причем с помощью указанных подмодулей сбора текстовых данных, данных датчиков и аудио- и видеоданных собирают данные при выполнении каждым пользователем задач для формирования индивидуального ЭИ-профиля пользователя и/или эталонного ЭИ-профиля по группам анализа,

причем данные пользователей, в том числе включающие данные, собранные при выполнении пользователем задач для формирования индивидуального ЭИ-профиля пользователя и эталонного ЭИ-профиля по группам анализа, хранят с помощью, по меньшей мере, одной базы данных;

- передачу собранных данных каждого пользователя модулю анализа данных, обработку собранных данных каждого пользователя и формирование или обновление индивидуального ЭИ-профиля пользователя на основе собранных данных с помощью модуля анализа данных с применением методов машинного обучения;

- передачу индивидуального ЭИ-профиля пользователя модулю формирования и применения эталонного ЭИ-профиля по группам анализа, причем модуль формирования и применения эталонного ЭИ-профиля по группам анализа включает подмодуль ретроспективного анализа и подмодуль реализации;

- формирование или обновление эталонного ЭИ-профиля по каждой группе анализа путем вычисления усредненного ЭИ-профиля по каждой группе анализа на основе одного или более индивидуальных ЭИ-профилей пользователей, принадлежащих соответствующей группе анализа, с помощью подмодуля ретроспективного анализа;

- категоризация индивидуального ЭИ-профиля пользователя путем сравнения индивидуального ЭИ-профиля пользователя с эталонным ЭИ-профилем по группе анализа, соответствующей пользователю, с помощью подмодуля реализации.