Читать онлайн «Графология XXI века». Страница 33

В свое время собрания образцов почерка знаменитостей издавались ежегодно. В частности, Роберт Саудек часто ссылается на подобные издания в Англии. Эти примеры также призваны убедить читателя в справедливости выводов, сделанных при графологическом анализе почерка или, по крайней мере, продемонстрировать его возможности в этих конкретных случаях.

Путь шестой – анализ результатов трудоустройства или приема на учебу

Все перечисленные до сих пор пути получения информации основывались на непосредственной оценке психологических характеристик, будь то анализ почерка известного писателя или результат психологического теста выпускника гимназии. В отличие от них шестой путь является опосредованным. Здесь исследуются образцы почерка людей, принятых на определенную работу или в специальное учебное заведение. При этом известно, какие требования предъявлялись к соискателям.

Таким образом, имеется ряд качеств или, скажем, частичный психологический профиль, которому принятые соответствуют. Например, при приеме в летную школу требуются помимо здоровья выдержка, концентрация, умение работать в стрессовых ситуациях и другие качества. Анализ особенностей почерка как принятых, так и отклоненных соискателей помогает установить определенные закономерности.

Путь седьмой – проведение специальных экспериментов

В этом случае для получения образцов почерка большой группы людей организуют специальные сеансы. На них, как правило, участникам дается диктант. Вообще, многие графологи считают, что текст должен писаться анализантом абсолютно автоматически, без продумывания содержания и без задержек. В этом смысле диктант является оптимальным вариантом.

Участники сеанса – не случайные люди. Их психологические характеристики известны. Они либо давно наблюдаются специалистами, либо участвуют в более обширном эксперименте с применением дополнительных психометрических тестов.

Наряду с перечисленными семью путями выработки графологических правил существует еще один, который мы самым активным образом используем. Это обобщение опыта многих специалистов по анализу почерка. Здесь важно не просто суммировать результаты, а критически их анализировать и сопоставлять с выводами остальных специалистов.

Термина «математическое моделирование» не надо бояться. Речь не идет о сложных математических выкладках и о серпантине формул, с гордостью представляемых группой экспертократов. Мы проанализируем, каким образом естественная неточность и неоднозначность анализа почерка и его графологической интерпретации могут быть наиболее адекватно и просто представлены численно и как это численное представление реализовано в нашей системе.

Перефразируя известную поговорку «Нет плохой погоды, есть неподходящая одежда», можно сказать, что нет плохих моделей, просто для каждой из них существует своя область применения. Правильное и адекватное определение этой области относится к основному искусству моделирования.

Самая совершенная модель имеет естественные ограничения. В нее всегда закладываются особенности конкретной предметной области и ограничения конкретной области использования. В графологическом анализе, как мы уже выяснили, существуют три основных объекта – признаки почерка, психологические черты и графологические функции. Моделирование этих объектов и является нашей целью.

Измерение признаков почерка

Измерению признаков почерка, по крайне мере, некоторых из них, посвящено много публикаций. Отметим только работы двух авторов, на которых мы уже ссылались. Это шведский ученый Теут Валлнер и его немецкая коллега, относящаяся к более молодому поколению, Анжелика Сайбт. Последняя, в частности, привела в своей работе, пожалуй, наиболее полный обзор достижений использования математико-статистических методов в анализе почерка. До сих пор только некоторые признаки численно измерялись и формально анализировались. В нашей системе все признаки представляются численно.

Что означает измерение признаков почерка или, точнее, его численное представление? Каким образом можно его применить, анализируя конкретный образец? Измерение признака почерка в рассматриваемом контексте – это численное определение степени присутствия данного признака в почерке анализанта. Для некоторых признаков это буквально означает измерение с линейкой в руках. Для большинства же такой непосредственный способ неприменим.

Рассмотрим, какие методы применялись до сих пор и какие используются нами.

Бинарный метод

Несмотря на наукообразное название, этот метод является самым простым и традиционным. Эксперт просто утверждает, присутствует данный признак в почерке или нет. В первом случае мы скажем, что степень или фактор присутствия принимает значение 1, во втором случае – 0. В традиционной графологии так и оценивают признаки. Только, естественно, его не называют бинарным и не пишут 0 или 1. Но суть остается. Преимуществом метода, безусловно, является простота, недостатком – явная ограниченность. Как быть, когда нельзя заключить однозначно, имеет место данный признак или нет? И что делать, если разные эксперты решают это по-разному?

Дискретная шкала

Как мы уже отмечали, до сих пор измеряли только те признаки почерка, для которых это было более или менее естественным. Например, Теут Валлнер предлагает семиуровневую шкалу.

Это, безусловно, шаг вперед по отношению к бинарному методу. Но сразу возникает вопрос. А почему, собственно, 7 уровней? Почему не 10 или 20? Естественным развитием применения универсальной шкалы является следующий метод.

Непрерывная нормированная шкала

Фактор присутствия признака почерка измеряется непрерывной функцией, принимающей значения от 0 до 1. При этом значение 0 естественно соответствует абсолютному отсутствию признака, а значение 1 – явному и бесспорному его присутствию. Функция называется нормированной, потому что все признаки измеряются одинаково.

Хотелось бы подчеркнуть важность того, что именно ВСЕ признаки измеряются. Как мы видели, размер почерка или интервалы между строками графологи измеряют непосредственно и позже переносят на непрерывную шкалу. Другие признаки, такие как связность букв или направление строк, они определяют, либо базируясь на своем впечатлении, либо более формально, считая, сколько букв в словах написаны связно, а сколько раздельно. Главное, что, в конце концов, будет дана численная оценка. Мы, естественно, за то, чтобы все, что можно формально измерить или подсчитать, было измерено и подсчитано. Но конечное решение оставляем за пользователями системы.

Дискретную шкалу можно считать частным случаем непрерывной. Но различие между ними не только формальное. Когда мы используем непрерывную шкалу, то можем одновременно оценивать, казалось бы, противоположные признаки. В том же примере с 75 процентами маленьких букв и 25 процентами средних мы можем сказать, что признак маленький почерк имеет фактор присутствия 0,75, а признак средний почерк – 0,25. Оба признака будут учитываться при формировании графологического профиля анализанта.

Таким образом, используя непрерывную нормированную шкалу, мы исходим из того, что теоретически в почерке присутствуют все признаки, только с различными факторами присутствия. В частности, они могут равняться 0. Ответ на вопрос, какое значение является достаточно большим, чтобы утверждать, что признак явно имеет место (или достаточно маленьким, чтобы им можно было пренебречь), остается за графологом.

Размытые функции

Впервые понятие размытых функций, а точнее, размытых множеств появилось в 1965 году. Автором концепции является американский ученый Лофти Заде. Его работа под названием «Размытые множества» (Fuzzy Sets) появилась в журнале Information and Control.

Как естественное развитие размытых множеств появляются размытая логика, размытые измерения, размытые функции, размытая математика и т. д.

В настоящее время эта концепция, успешно преодолев начальный скепсис традиционных математических школ, широко используется в самых разных областях, причем особенно интенсивно – в системах автоматического контроля, искусственного интеллекта, в психологии и социальных науках, то есть там, где неопределенность и нечеткость исходной информации играют существенную роль, которой нельзя пренебречь.

Традиционные или четкие множества позволяют только два взаимоисключающие состояния объекта. Он либо принадлежит этому множеству, либо нет. Оперируя четкими понятиями, мы можем сказать, характеризуется ли почерк правым наклоном букв или нет. Но в действительности мы можем быть не совсем в этом уверены, поскольку какие-то слова написаны прямо, без наклона, а отдельные буквы имеют слишком сильный правый наклон. В отличие от четких множеств, размытые множества позволяют сделать суждения более соответствующими действительности. Они предназначены для моделирования таких утверждений, как «нижние петли в этом почерке преимущественно длинные» или «правые поля достаточно широкие».