Отправить статью по E-mail Применение технологий искусственного интеллекта для диагностики уровня стрессоустойчивости при проведении учений подразделений пожарной охраны
- Авторы: Шкитронов М.Е1
-
Учреждения:
- Санкт-Петербургский университет Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий имени Героя Российской Федерации генерала армии Е.Н. Зиничева»
- Выпуск: Том 6, № 5 (2025)
- Страницы: 270-275
- Раздел: СТАТЬИ
- URL: https://ogarev-online.ru/2712-9950/article/view/375245
- ID: 375245
Цитировать
Аннотация
актуальность темы исследования обусловлена возрастающими требованиями к профессиональной деятельности личного состава подразделений пожарной охраны, работа которых сопряжена с высокими психоэмоциональными нагрузками и риском для жизни. Цель исследования заключается в разработке и апробации методики диагностики уровня стрессоустойчивости личного состава подразделений пожарной охраны на основе технологий искусственного интеллекта в процессе проведения учений. Задачи исследования включают в себя: анализ существующих методов диагностики стрессоустойчивости; анализ существующих алгоритмов обработки данных, получаемых с помощью датчиков физиологических параметров и поведенческих характеристик; изучение отечественного и зарубежного опыта диагностики стрессоустойчивости пожарных в ходе проведения учений подразделений пожарной охраны. Методология исследования основана на системном подходе, в рамках которого использовались такие общенаучные методы, как синтез, анализ, систематизация и формально-логический подход. В исследовании также были задействован ряд специальных методов: историографический анализ научной литературы и методы описательного анализа. Применение технологий искусственного интеллекта для диагностики уровня стрессоустойчивости сотрудников пожарной охраны в условиях, максимально приближенных к условиям реального пожарного инцидента позволит оперативно выявлять сотрудников, подверженных повышенному стрессу во время учений и своевременно оказывать им необходимую психологическую поддержку.
Об авторах
М. Е Шкитронов
Санкт-Петербургский университет Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий имени Героя Российской Федерации генерала армии Е.Н. Зиничева»
Email: shkitronov@mail.ru
Список литературы
- Андреева Е.В., Петров А.А. Применение нейронных сетей для оценки психоэмоционального состояния спасателей в экстремальных ситуациях // Вестник МЧС России. 2020. № 3. С. 45 – 52.
- Бердичевский М.Я., Смирнов И.П. Технологии искусственного интеллекта в задачах управления рисками в пожарной безопасности // Пожарная безопасность. 2019. № 4. С. 101 – 108.
- Васильев В.И. Методы машинного обучения в задачах анализа данных о состоянии здоровья // Информационные технологии. 2021. Т. 27. № 2. С. 85 – 93.
- Горелик А.Л., Скворцов А.В. Классификация и прогнозирование в задачах принятия решений. М.: Радио и связь, 2017. 400 с.
- Государственная противопожарная служба Российской Федерации // МЧС России. URL: https://вдпо.рф/enc/gosudarstvennaya-protivopozharnaya-sluzhba (дата обращения: 01.02.2024).
- Иванов С.П., Кузнецов Д.А. Разработка системы поддержки принятия решений для управления пожарными подразделениями на основе искусственного интеллекта // Системы управления, связи и безопасности. 2022. № 1. С. 120 – 135.
- Карпов А.В. Психология принятия решений в экстремальных условиях. М.: ЮНИТИ-ДАНА, 2016. 320 с.
- Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика, 2018. 224 с.
- Макаров В.Л., Варшавский П.Р. Искусственный интеллект и моделирование сложных систем. М.: Наука, 2019. 288 с.
- ООН. Сендайская рамочная программа по снижению риска бедствий на 2015-2030 годы. URL: https://www.unisdr.org/files/43291_russiansendaiframeworkfordisasterri.pdf (дата обращения: 02.02.2025).
- Cummins N., Schuller B., Fineberg N.A., Preti A. A review of depression and suicide risk assessment using speech analysis. Speech Communication. 2019. № 6. P. 24 – 49.
- Grossi G., Perski A., Blomkvist V., Jangland E., Holm?n A. Wearable sensors for stress and recovery monitoring in professional firefighters: A systematic review. International Archives of Occupational and Environmental Health. 2021. № 94 (2). P. 201 – 214.
- Smith J., Jones B. Artificial intelligence for stress detection in emergency responders: A review // Journal of Occupational Health Psychology. 2023. Vol. 28. No. 4. P. 567 – 582.
- Van der Meer L., M?ller A. Real-time stress monitoring using wearable sensors and machine learning // Sensors. 2022. Vol. 22. No. 15. P. 57 – 89.
- Violanti J.M., Fekedulegn D., Hartley T.A., Andrew M.E., Charles L.E., Mnatsakanova Burchfiel C.M. Posttraumatic stress disorder prevalence among firefighters: a systematic review and meta-analysis. Psychological Medicine. 2021. № 1. P. 2748 – 2759.
Дополнительные файлы
