Details

Диссертационная работа посвящена разработке рекомендательной системы профессиональной ориентации подростков на основе автоматического анализа рукописного текста методами компьютерного зрения и машинного обучения. Предметом исследования является совокупность методов обработки изображений, извлечения графометрических признаков почерка и классификации черт личности по пятифакторной модели OCEAN. Цель работы - создание программного комплекса, обеспечивающего объективную, воспроизводимую и объяснимую психологическую диагностику по образцу рукописного текста и формирование персонализированных профориентационных рекомендаций. В качестве методологической основы использованы: адаптивная бинаризация по методу Саувола, сегментация строк и слов на основе проекционных профилей с переменным порогом, извлечение HOG-дескрипторов с последующим снижением размерности методом PCA, классификация пятью параллельными SVM с ядром RBF с отбором признаков (RFECV) и байесовской оптимизацией гиперпараметров (Optuna/TPE), а также формирование объяснений на основе значений Шепли (SHAP). Реализована клиент-серверная архитектура: бэкенд на FastAPI с базой данных PostgreSQL, одностраничный веб-интерфейс на React 18. Оценка качества на независимой тестовой выборке показала среднюю F1-меру 0,809 и AUC-ROC 0,851 по всем пяти чертам личности, что превышает установленный порог 0,75. Апробация с участием 15 подростков показала оценку удобства использования SUS 81,4 балла; совпадение рекомендаций системы с экспертной оценкой педагогов-психологов составило 86,7% в топ-3. Результаты применимы в образовательных учреждениях как инструмент поддержки принятия решений при профессиональном самоопределении учащихся.

This dissertation presents a recommender system for vocational guidance of adolescents based on automatic handwriting analysis using computer vision and machine learning methods. The subject of research encompasses image processing techniques, graphometric handwriting feature extraction, and personality trait classification within the Big Five (OCEAN) model. The objective is to develop a software system providing objective, reproducible, and explainable psychological assessment from handwriting samples and generating personalised career recommendations. The methodology includes adaptive binarisation by the Sauvola method, line and word segmentation via projection profiles with a variable threshold, HOG descriptor extraction with PCA dimensionality reduction, classification by five parallel RBF-kernel SVMs with recursive feature elimination (RFECV) and Bayesian hyperparameter optimisation (Optuna/TPE), and prediction explanations based on Shapley values (SHAP). A client-server architecture was implemented: a FastAPI backend with a PostgreSQL database and a React 18 single-page frontend. Evaluation on an independent test set yielded a mean F1-score of 0.809 and AUC-ROC of 0.851 across all five personality traits, exceeding the established threshold of 0.75. A user study with 15 adolescents produced a System Usability Scale score of 81.4 (Excellent); agreement between system recommendations and expert psychologist assessments reached 86.7% within the top-3. The results are applicable in educational institutions as a decision-support tool for students professional self-determination.

• Разработка рекомендательной системы профессиональной ориентации подростков с использованием методов компьютерного зрения для анализа рукописного текста
  • Введение
  • 1. Обзор предметной области
  • 2. Проектирование системы
  • 3. Программная реализация
  • 4. Тестирование и апробация системы
  • Заключение
  • Список использованных источников
  • Приложение 1. Исходный код серверных модулей
  • Приложение 2. Листинги модуля предварительной обработки изображений
  • Приложение 3. Листинги модуля сегментации рукописного текста
  • Приложение 4. Листинги модуля извлечения признаков почерка
  • Приложение 5. Листинги модуля классификации личностных характеристик
  • Приложение 6. Листинги пользовательского интерфейса