Динамика усвоения искусственного языка

Структура полученных нами данных позволила проанализировать, как происходило усвоение используемого в методике искусственного языка различными группами. Наглядное отображение этой динамики представлено на рис. 2. Графики построены по усредненному количеству правильных ответов на каждые 10 заданий теста.

Как видно из приведенного графика, программисты лучше справляются с заданиями теста уже на первых 10 вопросах. На первые 10 вопросов теста программисты дали больше верных ответов, чем фоновая группа случайных пользователей. И в дальнейшем эта тенденция сохраняется. Интересно проанализировать также и кривую, по которой идет научение на нашем материале. У программистов, несмотря на более высокие результаты с самого начала, прогресс в научении начинается с третьего десятка заданий: после 20-го вопроса количество верных ответов неуклонно растет.

Иная картина складывается на выборке случайных пользователей. У них прогресс начи­нается сразу же, однако после 30-го вопроса количество верных ответов не увеличивается (несмотря на то что максимум – 10 из 10 – достигнут не был). 0123456789 10 20 30 40 Средний балл в группе Количество заданий ALMT Программисты Студенты-психологи Случайные пользователи

Рис. 2. Сравнительная динамика усвоения искусственного языка в основной и фоновых группахОРГАНИЗАЦИОННАЯ ПСИХОЛОГИЯ. 2012. Т. 2. № 2 www.orgpsyjournal.hse.ru 43

Таблица 1. Результаты сравнения выборок по времени, затраченному на решение задач (критерий Краскела–Уоллиса)

Интервал	χ 2*	p -value
Задания 1–10	12.77	0.002
Задания 11–20	20.41	0.000
Задания 21–30	9.25	0.010
Задания 31–40	9.73	0.008
* df = 2

Несмотря на то что значимых различий по степени усвоения искусственного языка между программистами и студентами-психологами обнаружить не удалось, динамика решения задач теста у этих групп различается, и, как в предыдущем случае, на последних 10 заданиях теста.

Еще один параметр, который нам удалось проследить, – это время, затраченное на решение задач. Различия во времени выполнения теста между разными группами были проанализированы с помощью критерия Краскела–Уоллиса, позволяющего сравнивать несколько независимых выборок. Поскольку нас интересовала динамика изучения языка, было проанализировано время решения каждых 10 задач теста в каждой из трех выборок. Результаты сравнения выборок для каждого из четырех временных интервалов представ­лены в табл. 1. Из нее видно, что различия по временным затратам на выполнение каждой части теста между изучаемыми группами являются значимыми. Графическое представле­ние результатов (рис. 3) позволяет отметить, что программисты тратили на выполнение заданий теста существенно больше времени, чем представители других исследуемых групп.

Как видно из результатов анализа временной динамики, во всех группах существует тенденция к уменьшению времени, затрачиваемого на решение тестовых задач. Однако 0 50 100 150 200 250 300 10 20 30 40 t (сек.) Задания Программисты Студенты-психологи Пользователи

Рис. 3. Временная динамика решения тестовых задач разными группами респондентовОРГАНИЗАЦИОННАЯ ПСИХОЛОГИЯ. 2012. Т. 2. № 2 www.orgpsyjournal.hse.ru 44

каждая группа демонстрирует индивидуальные временные показатели на каждой десятке вопросов теста.

Основная группа программистов, которая успешнее остальных справилась с заданиями теста, работала в среднем медленнее представителей фоновых групп. Второй результат по времени показала группа студентов-психологов, которая, как описано выше, также занимает второе место по количеству решенных задач. И наконец, быстрее всего с методикой спра­вилась группа случайных пользователей, которые хуже всего решали задачи теста. Таким образом, наблюдается обратная зависимость между успешностью решения тестовых задач и затраченным на это временем.

Помимо этого, у группы программистов время, затраченное на решение первых 10 задач теста, существенно больше времени, затраченного на последние задачи. Другие группы столь резкой динамики не показывают. Более того, из анализа графика прослеживается та же тенденция: чем менее успешно группа в целом справилась с решением тестовых задач, тем меньше разница между временем, затраченным ею на решение первых и последних задач теста.

Обсуждение результатов

Итак, нам удалось зафиксировать следующее. Во-первых, программисты, хотя бы на уровне тенденции, более успешно справляются с задачей усвоения искусственного языка, и, во-вторых, динамика их работы с искусственно созданным языковым материалом суще­ственно отличается от динамики, продемонстрированной в фоновых группах.

Таким образом, можно сделать вывод о том, что успешность работы с искусственными языками действительно является отличительной чертой для профессии программиста. Однако говорить о направлении этой связи мы, конечно, не можем. На материале прове­денного нами исследования невозможно ответить на вопрос, приходят ли в эту профессию люди, изначально более способные к работе с искусственными языками, или эта способность развивается в ходе профессиональной деятельности.

Мы можем выделить две причины различий результатов между выборками. Прежде всего для программиста работа с искусственными языками является одним из аспектов профессиональной деятельности, и, следовательно, она для них более привычна. В преды­дущих исследованиях по психологии программирования уже были описаны особенности деятельности программистов [Орел, 2007], повторим только, что работа с языковыми струк­турами является главной составляющей их профессиональной деятельности. К привычной деятельности можно применить готовые схемы решения, а если они не будут работать, то, скорее, возникнет желание решить задачу, чем бросить ее.

Еще один фактор, по-видимому, повлиявший на результат, – это мотивация респонден­тов. В одном из предыдущих исследований было показано, что программисты, в среднем, обладают более высоким уровнем эрудиции, чем представители того же класса профессий (Человек – Знаковые системы) [Орел, 2007]. Помимо демонстрации общего высокого уровня знаний в различных областях, эрудиция – это еще и показатель высокой познавательной активности респондента. А это, в свою очередь, означает желание узнать нечто новое, приоб­рести новые способы и средства решения еще нерешенных задач. То есть у программиста скорее сформируется мотивация решать новые задачи, тем более такие, которые по своей структуре согласуются с их профессиональной деятельностью. К сожалению, нами не прово­дилась оценка мотивации респондентов во время тестирования, и мы можем опираться только на устные отзывы. Однако наши результаты хорошо ложатся на гипотезу о том, что респонденты, обладающие более слабой мотивацией решить задачу (т.е. решить ее ради того, ОРГАНИЗАЦИОННАЯ ПСИХОЛОГИЯ. 2012. Т. 2. № 2 www.orgpsyjournal.hse.ru 45

чтобы получить решение) и более сильной установкой на самопознание, скорее потеряют интерес к тесту, если сразу не достигнут высоких результатов. Отсюда – и полученное нами расхождение в динамике выполнения теста основной и фоновыми группами.

В случае же выборки случайных пользователей этот фактор работает в меньшей степени просто за счет того, что в ней представлено меньше людей с выраженной познавательной потребностью: поскольку выборка составлена случайным образом, этот тезис работает просто за счет статистических законов. Конечно, все участники контрольной группы проявили достаточный уровень мотивации, чтобы принять участие в исследовании и дойти до конца теста. Однако, поскольку каждый участник тестирования получал обратную связь, мотивация эта, скорее, направлена на самопознание. Тогда как опрошенные программи­сты, принявшие участие в исследовании, отмечали, что главным фактором, заставившим их пройти исследование до конца, был именно интерес к задаче.

Задачи теста для всех групп были одинаково новые – в том смысле, что именно в таком виде сталкиваться с усвоением искусственного языка никому из участников эксперимента ранее не приходилось. Для программистов задания теста могут только отдаленно напо­минать профессиональную деятельность – и тем более вряд ли на сознательном уровне. Таким образом, по-видимому, представители разных групп, участвовавших в тестировании, подходят к решению задач с разными мотивационными установками, что и отражается на времени решения.

Наиболее выраженный мотив разобраться в задаче и решить ее как раз представлен в стратегии, используемой программистами: потратить больше времени на первые задачи, понять принцип их решения. Студенты-психологи тоже демонстрируют такую тенденцию, однако у них она менее выражена, чем у программистов. И наконец, у пользователей интернета временные характеристики прохождения теста наиболее близки к тем, которые проявляются при использовании стратегии случайных ответов. Заметим также, что время решения последних задач у всех трех групп практически одинаковое.

Еще одно возможное объяснение, одновременно открывающее перспективу для будущих исследований, – это различия в когнитивных стилях. Каган [Холодная, 2004] предложил различать импульсивные и рефлексивные когнитивные стили, основное отличие между которыми как раз лежит в области динамики решения мыслительных задач. Те, кто обладает рефлексивным когнитивным стилем, сравнительно медленно вникают в задачу, но потом, разобравшись во всех ее нюансах, сравнительно быстро решают сходные задачи. Они способны посвятить довольно длительное время изучению условий и сознательным поискам метода решения, тогда как обладатели импульсивного когнитивного стиля, скорее, будут действовать методом проб и ошибок [Корнилова, Парамей, 1989]. Согласно некоторым исследованиям, у программистов преобладает рефлексивный стиль [Turkle, 1984], однако сравнительный анализ с другими профессиональными группами, возможно, еще предстоит проделать.

Разработанная экспериментальная методика может использоваться в профориентаци­онных целях для диагностики способностей. Ее очевидные плюсы в том, что решение пред­ставленных в ней задач не требует никаких специальных знаний, она занимает в среднем 20 минут и позволяет сделать вывод о способности респондента работать с искусственными языковыми структурами. Методика может быть использована как часть профориентаци­онного комплекса для выявления склонностей и способностей респондента в той или иной профессиональной сфере. Чтобы данную методику использовать в целях отбора, ее необхо­димо доработать и дополнить более комплексной диагностикой этой сложной способности.ОРГАНИЗАЦИОННАЯ ПСИХОЛОГИЯ. 2012. Т. 2. № 2 www.orgpsyjournal.hse.ru 46

Литература

Бабаева Ю.Д., Войскунский А.Е. Одаренный ребенок за компьютером М.: Сканрус, 2003.

Вирт Н. Алгоритмы и структуры данных. СПб.: Невский диалект, 2001

Иванова Г.С. Основы программирования. М.: Изд-во МГТУ им. Баумана, 2002.

Корнилова Т.В., Парамей Г.В. Подходы к изучению когнитвных стилей: двадцать лет спустя // Вопросы психологии. 1989. № 6. C. 140–147.

Корнилова Т.В., Тихомиров О.К. Принятие интеллектуальных решений в диалоге с компьюте­ром. М.: Изд-во МГУ, 1990.

Леонтьев А.Н. Деятельность. Сознание. Личность. М., 1975

Орел Е.А. Вербальные способности как фактор успешности в программировании // Вестник МГУ. Сер. 14. Психология. 2007. № 2. С. 70–79.

Орел Е.А. Психологическая структура деятельности по созданию программного обеспечения // Личностно развивающее профессиональное образование. Материалы V Международной научно-практической конференции. Часть III. Екатеринбург, 2006

Тихомиров О.К., Бабанин Л.Н. ЭВМ и новые проблемы психологии. М., 1986.

Тихомиров О.К., Белавина И.Г., Березанская Н.Б., Богданова Т.Г., Васильев И.А. Психология и практика автоматизации проектирования ЭВМ // Психологический журнал. 1982. № 5. С. 39–54.

Тихомиров О.К., Белавина И.Г., Войскунский Е.А. Психология и практика программного обеспе­чения ЭВМ // Вестник МГУ. Сер. 14. Психология. 1981. № 1. С. 3–14.

Тихомиров О.К., Гурьева Л.П. Психологический анализ трудовой деятельности, опосредован­ной компьютерами // Психологический журнал. 1986. Т. 7. № 5. С. 13–26.

Холодная М.А. Когнитивные стили. О природе индивидуального ума. 2-е издание. СПб.: Питер, 2004

Шнейдерман Б. Психология программирования. Человеческий фактор в вычислительных и информационных системах. Пер. с англ. А.И. Горлина, Ю.Б. Котова. М.: Радио и связь, 1984.

Albrecht A.J. Measuring application development productivity // Proceedings of IBM Application Development Symp., 1979. P. 83–92.

Atwood M.E., Ramsey H.R. Cognitive structures in the comprehension and memory of computer programs. Technical Memorandum SAI-77-O25-DEN, Science Applications, Inc. March 8. 1977.

Bell D., Morrey I., Pugh J. Software Engineering A Programming Approach, Englewood Cliffs, NJ: Prentice-Hall, 1987.

Blackwell A.F., Britton C., Cox A., Green T.R.G., Gurr C.A., Kadoda G.F., Kutar M., Loomes M., Nehaniv C.L., Petre M., Roast C., Roes C., Wong A., Young R.M. Cognitive dimensions of notations: design tools for cognitive technology // Beynon M., Nehaniv C.L., Dautenhahn K. (eds.) Cognitive Technology. Springer, Berlin, 2001.P. 325–341.

Brooks R. Towards a theory of the comprehension of computer programs // International Journal of Man-Machine Studies. 1983. Vol. 18 (6). P. 543–554.

Canas J.J., Bajo M.T., Gonzalvo P. Mental models and computer programming // International Journal of Human-Computer Studies. 1994. Vol. 40. P. 795–811.

Carver D.L. Programmer variations in software debugging approaches // International Journal of Man-Machine Studies. 1989. Vol. 31(3). P. 315–322.

Chaudhary B.D. Factors of program complexity and their effects on program comprehension. Thesis submitted to the Department of Electrical Engineering, Indian Institute of Technology Kanpur, 1979.

Cheney P.H. Effects of individual characteristics, organizational factors and task characteristics on computer programmer productivity and job satisfaction // Information and Management. 1984. Vol. 7(4). P. 209–214.ОРГАНИЗАЦИОННАЯ ПСИХОЛОГИЯ. 2012. Т. 2. № 2 www.orgpsyjournal.hse.ru 47

Curtis B., Sheppard S.B. Kruesi-Bailey E., Baley J., Boehm-Davies D.A. Experimental evaluation of software documentation formats // Journal of Systems and Software. 1989. Vol. 9. P. 167–207.

Di Persio T., Isbister D., Shneiderman B. An experiment using memorization/reconstruction as a measure of programmer ability // International Journal of Man-Machine Studies. 1980. Vol. 13. P. 339–354.

Dijkstra E.W. A discipline of programming. Prentice-Hall, 1976

Dunsmore H.E., Gannon J.D. Analysis of the effects of programming factors on programming effort // Journal of Systems and Software. 1980. Vol. l (2). P. 141–153.

Good J., Brna P. Program comprehension and authentic measurement: a scheme for analyzing descriptions of programs // International Journal of Human-Computer Studies. 2004. Vol. 61. P. 169–185.

McKeithen K.B., Reitman J.S., Rueter H.H., Hirtle S.C. Knowledge organization and skill differences in computer programmers // Cognitive Psychology. 1981. Vol. 13. P. 307–325.

Navarro-Prieto R., Canas J.J. Are visual programming languages better? The role of imagery in program comprehension // International Journal of Human-Computer Studies. 2001. Vol. 54. P. 799–829.

Norcio A.F., Kerst S.M. Human memory organization for computer programs // Journal of the American Society for Information Science. 1983. Vol. 34. P. 109–114.

O’Brien M.P., Shaft T.M., Buckley J. An Open-Source Analysis Scheme for Identifying Software Comprehension Processes // Kadoda G. (ed.). Proceedings of PPIG-13: 13th Annual Meeting of the Psychology of Programming Interest Group, Bournemouth, UK. 2001. P. 129–146.

Pane J.F. Programming System for Children that is Designed for Usability. PhD Thesis, Computer Science Department Carnegie Mellon University, Pittsburgh, PA. Computer Science Technical Report CMU-CS-02-127. 2002.

Pane J.F., Myers B.A. Tabular and Textual Methods for Selecting Objects from a Group. in Proceedings of VL 2000: IEEE International Symposium on Visual Languages. Seattle, WA: IEEE Computer Society. 2000. P. 157–164.

Pane J.F., Ratanamahatana C.A., Myers B.A. Studying the Language and Structure in Non-Programmers’ Solutions to Programming Problems // International Journal of Human-Computer Studies. 2001. Vol. 54 (2). P. 237–264.

Shneiderman B., Mayer R. Syntactic/semantic interactions in programmer behavior: a model and experimental results // International Journal of Computer and Information Sciences. 1979. Vol. 8(3). P. 219–238.

Sommerville D. Software Engineering, Wokingham: Addison-Wesley, 1985.

Turkle S. The Second Self: Computers and the Human Spirit. N.Y.: Simon and Shuster, 1984.

Vessey I. On matching programmers» chunks with program structures: An empirical investigation // International Journal of Man-Machine Studies. 1987. Vol. 27. P. 65–89.

Von Mayrhauser A., Lang S. A coding scheme to support systematic analysis of software comprehension // IEEE Transactions on Software Engineering. 1999. Vol. 25. P. 526–540.

Walston C.E., Felix C.P. A method of programming measurement and estimation // IBM Systems Journal. 1977. Vol. 16 (l). P. 54–73.ОРГАНИЗАЦИОННАЯ ПСИХОЛОГИЯ. 2012. Т. 2. № 2 www.orgpsyjournal.hse.ru 48