Известен и другой способ оценки склонности к риску: испытуемому предлагают путем вызова чисел из блока формирования случайных чисел как можно точнее получить заранее названную сумму. Склонность к риску оценивают по числу превышений и среднему значению набранных сумм. Применение указанного способа ограничивается, на наш взгляд, случайностью формирования более или менее рискованных ситуаций при приближении к заданному числу (степень риска зависит от величины «разрыва» между уже набранной и заданной суммой при одной и той же вероятной величине очередного вызванного числа), что ставит испытуемых в различные условия и не позволяет получить сравнимые и достаточно достоверные данные.

В наш методический комплекс был включен способ оценки склонности к риску, представляющий собой «игру в угадывание»: появление сигнала из двух последовательных альтернативных сигналов (вспышки красного и белого цвета) с начислением очков за каждый правильно предсказанный сигнал. Сигналы вспыхивают в псевдослучайной последовательности (155 сигналов красного и белого цвета) в соотношении 1 : 50 и следуют с интервалом 5 с. Сигналы красного цвета имеют фиксированное положение в последовательности и занимают в ней 31, 58, 62, 100 и 130-е место. Каждое правильное предсказание испытуемым (нажатие на соответствующую кнопку) белого сигнала оценивалось в 2 очка, а красного — в 50 очков. Испытуемому предлагали набрать максимальное количество очков. Длительность последовательности испытуемому не сообщали. Он знал лишь «стоимость» каждого предсказания и частотное соотношение сигналов. Показателем склонности к риску являлось число предсказаний маловероятной вспышки красного сигнала в ходе первых 30 сигналов (только белых), так как появление вспышки красного цвета может служить возмущающим фактором в стратегии принятия решения испытуемым о вероятности появления сигналов. Дальнейшую работу испытуемого не оценивали, она была лишь «маскировкой» действительной цели эксперимента.

С помощью указанного методического комплекса обследовали группу абитуриентов автошкол, а затем каждому была установлена профессиональная успешность по результатам наблюдения за ними в течение одного года работы водителем, а также по данным автопредприятий, ГАИ, самоотчетов и экспертных оценок. Каждого испытуемого характеризовали 62 различными показателями. В качестве примера приводим некоторые данные обследования.

По одним профессионально важным психофизиологическим показателям более высокие средние уровни были зарегистрированы в группе пригодных (способность к обучению вероятностному прогнозированию, реакция на движущийся объект, монотонноустойчивость и др.), по другим — в группе непригодных (например, характеристики внимания). Этот факт еще раз свидетельствует о том, что надежность водителя как звена в системе водитель — автомобиль— среда движения обеспечивается не отдельными психофизиологическими функциями или суммой функций, а их значительно более сложным сочетанием, динамическим взаимодействием.

С целью классификации каждого испытуемого в векторном представлении изображали вектором или точкой х—х(хь х2 . .. х62) в 62-мерном векторном пространстве признаков х. Затем был оценен полученный в результате обследования водителей исходный материал методом линейного факторного анализа.

Результаты факторного анализа для задачи профессионального отбора оказались средними. Тем не менее они вместе с оценкой отдельных признаков методом вариационной статистики позволили сократить число признаков с 62 до 48. Кроме того, можно сделать вывод о том, что решение задачи, по-видимому, не следует искать среди решающих правил, линейных относительно признаков исходного описания. Результаты факторного анализа выборок водителей по отдельным видам перевозок показали целесообразность решения задачи профессионального отбора отдельно для каждого вида перевозок.

Для проверки сделанных выводов была предпринята попытка решения задачи линейным минимаксным методом, хорошо зарекомендовавшим себя при решении задач медицинской диагностики. Решающее правило было найдено только для группы водителей автобусов, а для водителей такси и грузовых автомобилей оно найдено не было ввиду линейной неразделимости классов, что подтвердило справедливость сделанного вывода. Дополнительно был проведен кластерный анализ выборки водителей методом экстремальной группировки. Суть кластерного анализа сводится к выделению в пространстве признаков исходного описания групп объектов без учета их принадлежности к различным классам, характеризующимся малыми внутри- и межгрупповыми расстояниями. Результаты данного анализа считаются хорошими, если объекты в выделенных группах принадлежат в основном к одному из рассматриваемых классов. Кластерный анализ проводили как для всей выборки водителей, так и для выборки водителей, объединенных по виду перевозок. Результаты привели в основном к тем же самым выводам, которые были сделаны по данным линейного факторного анализа.

На следующем этапе был разработан нелинейный алгоритм построения решающего правила, которое представляет собой дихотомическое дерево решений, в общем виде. Решение о принадлежности произвольного объекта к конкретному классу получается при прохождении по дереву решений сверху вниз. В каждой вершине дерева проверяется справедливость относящегося к ней неравенства для конкретного признака xj. Индекс К характеризует здесь конкретный вид перевозок и может принимать значение от 1 до 3. Если неравенство справедливо, то осуществляется переход на получение оценки — номера класса, к которому принадлежит экзаменуемый объект. В противном случае происходит переход к очередной вершине дерева. Если не удовлетворяется ни одно из неравенств решающего правила, выдается отказ в классификации экзаменуемого объекта.

Были построены решающие правила для исходных выборок по всем видам перевозок. На всех выборках получили полное разделение на 2 класса. Эффективность решающих правил из-за небольших размеров выборок проверяли для каждого объекта исходной выборки отдельно, по решающему правилу, построенному на базе оставшихся точек или так называемом скользящем режиме. Число полученных правильных решений лежит в пределах 83— 92%, что является неплохим результатом для задач профессионального отбора.

Решающие правила для определения профессиональной пригодности водителей такси, автобусов и грузовых автомобилей отличаются по количеству и составу используемых психофизиологических показателей, что объясняется наличием специфических особенностей трудовой деятельности у водителей, занятых различными видами перевозок. Следует отметить малое количество (от 6 до 9) признаков, вошедших в решающее правило.