The Collection of Humanitarian Studies. Electronic scientific journal

Коллекция гуманитарных исследований

УДК: 159:316.472.4:004.7

bbk: 88.53

Золотухина Ю.В.Суббота Е.Н.Савостиков В.А.Барков С.С.

Методики и процедуры экспертно-психологической оценки видеоматериалов, размещаемых в публичных и социальных сетях


 

Видеохостинги и социальные сети в XXI в. занимают значимое место в процессе социализации человека и оказывают влияние на формирование ценностей и установок. С целью определить возможное негативное или позитивное воздействие видеоматериалов на индивидуальное или общественное сознание необходимо иметь набор методик и процедур экспертно-психологической оценки. Процесс анализа включает в себя две составляющих – анализ контента и контекста. В данной статье будут рассмотрены методы, позволяющие произвести анализ контента видеоматериала, а также метод, позволяющий выявить характер эмоционального воздействия отдельных видео единиц на индивидуальное или общественное сознание. В последнем случае возможно проведение экспериментального исследования с выделением параметров воздействующих элементов: определение длительности видео фрагментов, содержащих воздействие; впечатлений, возникающих на основе их просмотра; их обобщающего смысла. Экспертная оценка производится при помощи набора экспертной группы и ее разделения на две подгруппы. Происходит предъявление воздействующих видео фрагментов экспертной группе №1; экспертной группе №2 предъявляется видео в целом. Таким образом, с помощью данного метода экспертно-психологической оценки возможно получение полной характеристики особенностей контента и контекста видеоматериала, а также определение характера воздействия видео единиц на индивидуальное и общественное сознание.


Ключевые слова

 

Экспертно-психологическая оценка видеоматериалов; анализ содержания видеоматериалов; качественный анализ данных.


 

 

В настоящий момент видеоматериалы являются одним из самых распространенных современных коммуникационных ресурсов. Информационная сеть Интернет является ведущим источником,из которого видеоматериалы поступают к потребителю. По данным последнего пресс-релиза Международного союза электросвязи от 22.07.2016, количество пользователей сети Интернет в мире составляет 3,5 миллиарда человек. Большинство пользователей теперь приходится на развивающиеся страны – в них насчитывается 2,5 миллиарда пользователей, а в развитых странах – 1 миллиард.

 

Самым популярным видеохостингом XXI века является «YouTube». Аудитория «YouTube» составляет более миллиарда человек – почти треть пользователей сети Интернет. Каждую минуту на «YouTube» загружается 35 часов видео, а в день– 50400 часов. Также видеоматериалы представлены пользователям в свободном доступе в социальных сетях «Вконтакте», «Facebook», «Instagram».Распространённость видеоматериалов обусловлена тем, что видео объекты, не ограничены в своем распространении. Основная масса данных видеоматериалов является лично формируемыми пользователями непрофессиональными видеозаписями. 

 

Социальные сети и видеохостинги стали играть огромную роль в социализации человека и во многом оказывают влияние на формирование ценностей и установок. Однако, следует отметить, что сами технологии амбивалентны относительно направлений психологического развития человека. Психологическое развитие, вызванное и обусловленное применением информационных технологий, может пойти по позитивному, нейтральному или негативному пути, при этом сами по себе компьютеры, браузеры, языки и сеть Интернет не определяют направления развития субъекта и общества в целом [2]. Кроме того, анализа видеоматериала представляет интерес в целях обеспечения безопасности и предотвращения уголовных и административных правонарушений, а также выявления угрозы террористических актов [5].

 

Таким образом, перед научным сообществом стоит вопрос о включении сети Интернет в коммуникативное пространство человека и о воздействии, которое несут отдельные видеоматериалы на индивидуальное и общественное сознание. С целью определить возможное воздействие необходимо иметь соответствующий набор методик и процедур экспертно-психологической оценки. Следует отметить, что некоторые элементы анализа видеоматериала выполняются с помощью нейронной сети, так как являются объемными и требуют больших ресурсных затрат.

 

Сегодня развитие методов анализа видеоматериалов идет в направлениях, которые единовременно охватывают как обработку видеосигналов, так отношение пользователя к содержанию видео [4].

 

Анализ видеоданных является более сложным по сравнению с анализом аудиоданных или отдельных изображений. Его процесс включает в себя двойную перспективу анализа – анализ контента и контекста.

 

Можно выделить основные уровни анализа видеоматериалов: 

1. Анализ аудио потока, взятого из видео материала. Он отличается от анализа аудио объекта. Видео может включать в себя звуки, относящиеся к обыденной жизни. Это могут быть разговоры, шум машин и т.д. Все звуки необходимо распознать и идентифицировать. Может быть полезен также анализ динамики и физических параметров звука.


1.2. Распознавание звуковых событий. Требует использования специально обученной на наборе звуков различных событий нейронной сети. Выполняется на основе метода сравнения с эталоном. 


1.3. Определение и анализ физических параметров звука и его изменений. Можно выделить различные параметры, к примеру: продолжительность звука, его высота, сила, тембр голоса. 
Полученные данные из анализа аудио материала могутбыть использованы в событийном анализе видеоматериала, а также для непосредственной характеристики лиц, присутствующих на видеозаписи.


2. Анализ кадров. Зрительная информация в видеоматериале играет основную роль. Чтобы проанализировать видео, необходимо произвести разбиение его на кадры – изображения и анализировать каждое в отдельности. Ключевую роль в данном анализе играет динамика движений объектов. 


2.1. Анализ объектов на кадрах видеоматериала. Данный анализ проводится с целью распознавания образов. Распознавание образов, в свою очередь, проводится с целью выделения ряда признаков объектов и отнесения объектов, согласно полученным признакам, к определенному классу. Данный процесс несет название идентификация объекта. Можно выделить три основных направления в области распознавания объектов на изображениях: 
– распознавание на основе сравнения изображения с эталоном;
– распознавание с помощью нейронных сетей; 
– распознавание по характерным точкам (способ получения характерных точек может отличаться). В зависимости от объекта распознавания могут использоваться и другие методы. Например, для распознавания лиц применяется метод распознавания на эластичном графе,метод главных компонент и другие. 

 

2.2. Идентификация объектов. Методы идентификации делят на две категории [3]: 
– теоретические методы, основывающиеся на количественном описании объектов изображения; 
– структурные (синтаксические) методы, основывающиеся на применении символьных описаний и связей между ними. Основными применяемыми методами группы теоретических методов являются: 
– метод решающих функций. Предполагает, что перед процессом идентификации был проведен процесс распознавания объекта, в результате которого был получен вектор модели объекта, который соотносится с набором заранее определенных классов посредством набора решающих функций; 
– метод потенциальных функций.  В основу данного метода заложена геометрическая интерпретация задачи идентификации, заключающаяся в представлении изображений в виде векторов в пространстве входных сигналов, что позволяет представить задачу идентификации как аппроксимационную задачу. 

 

Структурные методы основаны на применении символических описаний и связей между ними [3]: 
– метод подбора индексов границ. Основан на том, что граница объекта описывается цепным кодом, на основе которого строится дерево схожести, которое сравнивается с эталонным значением; 
– метод базовых точек. Основан на характеристике каждого класса объектов набором точек, которые определённым образом расположены в пространстве. Решение принимается на основании анализа соотношения между координатами базовых точек распознаваемого объекта и 268 координатами базовых точек эталонов. Используя те или иные описанные методы, можно провести анализ кадров видеоданных, в результате которого может быть получен набор объектов, присутствующих в анализируемых видеоданных, на основе чего сделать предположения о предпочтениях пользователя. Также полученный набор объектов может быть полезен в событийном анализе видео ряда.


3. Событийный анализ видео ряда. Используются результаты анализа аудио потока и результаты анализа кадров. Данный анализ используется с целью идентификации событий, происходящих на видео объектах. Он может быть проведен путем сопоставления распознанных объектов с распознанными звуковыми событиями, за счет чего можно идентифицировать событие. В свою очередь совокупность идентифицированных событий может иметь свое место в описании пользователя, чьи видео данные были проанализированы. К примеру, после анализа 9 видео объектов будет выяснено, что на 7 из них был распознан сам пользователь и были распознаны события, включающие те или иные сборы активных студентов. На основе такой информации можно будет сделать вывод, о том, что пользователь социально активен. 

 

4. Составление совокупности характеризующих пользователей признаков, полученных в результате анализа видео объектов. На основе анализа видео объектов могут быть получены следующие характеристики пользователя: 

 

– эмоциональная установка пользователя, некоторые черты его характера (на основе жанров мультимедиа контента пользователя и тональности имеющегося в них текста).Мишенями анализа при определении психоэмоциональных особенностей пользователя являются: интеллектуальность, эмоциональность, коммуникабельность, самооценка, уровень самоконтроля, склонность к групповому взаимодействию [1];
– этичность, нравственность пользователя (наличие нецензурных элементов, полученных в процессе анализа речевых сообщений аудио объектов и аудио потоков, а также анализе кадров видео объектов); 
– активность пользователя, увлечения, наиболее часто посещаемые места и др. (на основе анализа видео с его участием). 
Данные способы качественного анализа видеоданных затрагивают лишь одну перспективу анализа – анализ контента или контекста. Однако, методика экспертно-психологической оценки видеоматериалов позволяет охватить обе перспективы и получить объективные результаты.

 

 

Процедура экспертной оценки видеоматериалов.

 


Выстраивая процедуру анализа на первом этапе необходимо использовать аналитический метод оценки полного и оригинального видеоматериала с целью определения параметров и характеристик,входящих в него, воздействующих видео единиц. Итогом анализа становится определение длительности видео фрагментов, содержащих предполагаемое воздействие; впечатлений, возникающих на основе их просмотра; их обобщающего смысла. 

 

На основе анализа проводится экспертная оценка с целью определения модальности и качества потенциального эмоционального воздействия выделенных видео фрагментов на индивидуальное или общественное сознание. Для этого путём случайного выбора формируются две экспертные группы, уравненные по полу, социальному статусу и возрасту. Также стоит отметить, что введение в экспертную группу иностранных лиц, не являющихся носителями языка характерного для видео фрагмента, позволит получить объективные результаты без анализа вербальной информации, а основываясь лишь на чувственном восприятии.

 

Организация экспертной оценки происходит в три этапа: 

 

1. Предъявление экспертной группе №1 видео фрагментов, содержащих потенциальное воздействие. Экспертам после просмотра фрагментов задаётся вопрос: «Какие впечатления и эмоциональные реакции вызвал данный видео фрагмент?»;
2. Предъявление экспертной группе №2 оригинального, полнометражного видео. После чего задаётся вопрос: «Какие впечатления и эмоциональные реакции вызвало данное видео?»; 
3. На третьем этапе происходит сравнение эмоционального воздействия отдельного видео фрагмента и соотнесение с воздействием данного фрагмента в контексте полного видео. При сохранении эмоциональной реакции на фрагменты при просмотре полного видео можно говорить о том, что видеоматериал оказывает воздействующий эффект определенной модальности. 

 

В качестве примера можно привести такой приём, как product placement. Он заключается в том, что реквизит, которым пользуются действующие лица на видео – имеет реальный коммерческий аналог. Обычно демонстрируется сам рекламируемый продукт, либо его логотип, или упоминается о его хорошем качестве. На первом этапе мы из всего видео выделяем фрагменты, в которых используется данный приём. Видео фрагменты описываются, замеряется их продолжительность по времени, и они демонстрируются экспертной группе №1. Их ответы фиксируются, основное внимание уделяется чувствам, эмоциональной окраске слов. Подсчитывается общее количество слов, которыми эксперт охарактеризовал видео фрагмент, выделяются слова с негативной и позитивной модальностью, подсчитывается их количественное соотношение. На следующем этапе полнометражное видео демонстрируется экспертной группе №2 и процесс фиксации результатов повторяется. На заключительном этапе проводится сравнение контекстов, впечатлений и эмоциональных реакций экспертов из двух групп после просмотра фрагментов видеозаписи и полнометражной, оригинальной видеозаписи. Также происходит сравнение характеристик по доминирующей модальности. При сохранении эмоциональной реакции на фрагменты при просмотре полного видео можно говорить о том, что видеоматериал оказывает воздействующий эффект позитивной или негативной модальности.

 

 

Вывод.

 


Учитывая ежесуточное стабильно возрастающее количество видеоматериалов в сети интернет, остро встаёт вопрос о влиянии данной информационной среды на индивидуальное и общественное сознание. Отражённый в данной статье метод экспертно-психологической оценки,применяемый в совокупности с другими, позволяет произвести целостный анализ контента и контекста видеоматериала.

Сведения об авторах

Золотухина Ю.В.

ФГБОУ ВО «Курский государственный медицинский университет» Минздрава России (КГМУ)

аспирант кафедры психологии здоровья и коррекционной психологии

zolot.y@mail.ru

305041, г. Курск, ул. К. Маркса, 3, Российская Федерация


Суббота Е.Н.

ФГБОУ ВО «Курский государственный медицинский университет» Минздрава России (КГМУ)

студент

305041, г. Курск, ул. К. Маркса, 3, Российская Федерация


Савостиков В.А.

ФГБОУ ВО «Курский государственный медицинский университет» Минздрава России (КГМУ)

студент

305041, г. Курск, ул. К. Маркса, 3, Российская Федерация


Барков С.С.

ФГБОУ ВО «Курский государственный медицинский университет» Минздрава России (КГМУ)

студент

305041, г. Курск, ул. К. Маркса, 3, Российская Федерация



Литература

 

 

 

1. Баранюк В.В., Десяткова А.Д., Смирнова О.С. Подходы к определению психоэмоциональных особенностей информационного образа пользователя социальных сетей // Internationaljournalofopeninformationtechnologies. Том 4, N8(2016), с. 61 – 65

2. Войскунский А.Е. Информационная безопасность: психологические аспекты //Национальный психологический журнал. N 1 (2010), с. 48 –53.

3. Смирнов О.С., Петров А.И., Бабийчук Г.А. Основные методы анализа, используемые при исследовании социальных сетей // Труды XI Международной научно-практической конференции «Современные информационные технологии и ИТ-образование (SITITO’16), Москва, Россия, 25 – 26 ноября 2016г. 

4. Carlo Regazzoni, Andrea Cavallaro, Ying Wu, Janusz Konrad, ArunHampapur. Video Analytics for Surveillance: Theory and Practice // IEEE Signal Processing Magazine. –Volume: 27, Issue 5, Sept. 2010,pages 16 – 17.

5. Russell Bobbitt, ArunHampapur, Lisa Brown. Video Analytics in Urban Environments // Advanced Video and Signal Based Surveillance, 2009. AVSS ‘09. Sixth IEEE International Conference on, 2009. – pages 128 – 133.