Навигатор по экспертизам в рамках проекта-конкурса МОНЭКС

No Comments

Проект Многокритериальной ОНлайн ЭКСпертизы (далее – МОНЭКС) направлен на повышение качества психодиагностических методик, применяемых в Российской Федерации, а также на появление и поддержание действующего на постоянной основе профессионального сообщества высококвалифицированных экспертов в сфере психологической диагностики, выполняющих объективную и независимую оценку качественных и психометрических характеристик психодиагностических методик.

monex.png ​Идея проекта МОНЭКС базируется на опыте, приобретенном экспертным сообществом психологов-диагностов в результате работы по подготовке и изданию двух томов «Ежегодника рецензий и обзоров» (редакторы — Н.А.Батурин и Е.В.Эйдман), а также на материалах пятилетнего опыта дискуссий в онлайн-режиме, проводившихся в рамках Интернет-сообщества психологов-диагностов.

Показательная экспертиза
В июне 2014 была проведена демонстрационная экспертиза и обсуждение методики Р.Кеттелла (16PF форма С, адаптация А.Н. Капустиной). More

Мои веб-разработки

No Comments

Официальный сайт книги А.Г. Шмелева «Практическая тестология»

Аннотация | Практическая тестология - Google Chrome_468

«ПРАКТИЧЕСКАЯ ТЕСТОЛОГИЯ: Тестирование в образовании, прикладной психологии и управлении персоналом»
Книга представляет собой практическое руководство, основанное на тридцатилетнем интенсивном опыте автора по созданию и внедрению тестов и компьютеризированных тестовых систем, а также преподаванию курса «Психологическое тестирование» на факультете психологии МГУ, начиная с 1981 года. More

Распознавание эмоций

No Comments

Сделал маленькое shiny-приложение с использованием Microsoft Emotion API (из коллекции алгоритмов искусственного интеллекта от Microsoft Cognitive Services) для анализа эмоций по выражению лица на фотографии.

Распознавание эмоций

Алгоритм анализирует лицо на наличие восьми различных эмоций: гнев, презрение, отвращение, страх, радость, спокойствие, грусть и удивление. Определяет пол и возраст человека на фотографии.

https://beta.rstudioconnect.com/psych/emo/

Проверка текстовых данных на ошибки в R

No Comments

Тем, кто работает с текстовыми данными, будет интересен новый пакет hunspell, позволяющий выполнять проверку на наличие ошибок в написании слов. По сути, этот пакет является R-интерфейсом к известному движку Hunspell, на основе которого работает проверка орфографии в LibreOffice, OpenOffice, Mozilla Firefox, Google Chrome, Mac OS X, InDesign и др. программном обеспечении. https://www.opencpu.org/posts/hunspell-release/

Пример использования (см. также https://beta.rstudioconnect.com/psych/spell/):

More

Сравнение «идеального» и «реального» профилей руководителей

No Comments

Пробуем посчитать коэффициент МакКрэя на реальных данных. Идеальный профиль руководителя — «усредненный» результат по личностному опроснику B5plus, полученный на выборке успешных руководителей. Рассматриваем реальный профиль одного успешного руководителя, который добился существенных изменений в эффективности подразделения за очень короткий срок после своего назначения, а также сравниваем его с идеальным профилем (группой успешных руководителей) и профилем неуспешного руководителя, у которого ниже уровень эффективности и существуют проблемы в подразделении.

More

R-советы: Экономим время и место на диске путем сжатия файла данных

No Comments

Начинания с R 2.10 можно читать данные прямо из текстового файла, сжатого с помощью GZIP или других программ для архивации файлов. Сжатие большого файла данных, безусловно, может сэкономить дисковое пространство: для файла, содержащего в основном цифры, 50% + уменьшение размера файла является типичным. Но не приведет ли экономия пространства к тому, что придется платить в скорости, когда дело дойдет до чтения файла с данными для анализа? Давайте попробуем это проверить.

Во-первых, сгенерируем матрицу размером 10 млн. строк и 1000 столбцов, заполненную случайными числами, и сохраним ее в отдельный файл: More

Устнавливаем пакеты в новой копии R (на другом компьютере)

No Comments

Представим ситуацию, что у вас есть домашний и рабочий компьютер. На домашнем компьютере установлен R и все используемые вами пакеты к нему. На рабочем компьютере установлена свежая версия R, но нет всех пакетов, которые вы постоянно используете. Можно по памяти установить недостающие пакеты на рабочем компьютере, но есть способ проще:

1. На домашнем компьютере получаем полный список установленных пакетов
pkgList <- installed.packages(priority=»NA»)[,»Package»]

2. Сохраняем объект pkgList в текущем рабочем каталоге (воспользуйтесь командой getwd(), чтобы узнать текущий рабочий каталог)
saveRDS(pkgList, «pkg.Rds»)

3. На рабочем компьютере запускаем R (предварительно скопировав файл pkg.Rds в необходимый каталог) и выполняем команду:
install.packages(readRDS(«pkg.Rds»))

Теперь на домашнем и рабочем компьютерах у вас одинаковый набор пакетов.

Older Entries