ПСИХОЛОГИЧЕСКАЯ ОПТИМИЗАЦИЯ МОТИВАЦИИ СПОРТСМЕНОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

“SCIENCE AND EDUCATION IN THE 21ST CENTURY” 95 w SUN’IY INTELLEKT USULLARIDAN FOYDALANIB SPORTCHILARNING MOTIVATSIYASINI PSIXOLOGIK OPTIMIZATSIYA QILISH Rublev Aleksandr Markovich aspirant; Federal davlat byudjeti oliy ta'lim muassasasi Lomonosov nomidagi Moskva davlat universiteti, Moskva, Rossiya. e-mail: [email protected] https://doi.org/10.5281/zenodo.17397729 ANNOTATSIYA KALIT SO‘ZLAR Ushbu maqola sportchilarda psixodiagnostika va motivatsiyani optimallashtirish vositasi sifatida sun'iy intellekt (AI) texnologiyalarining imkoniyatlarini o'rganadi. Bu shuni ko'rsatadiki, an'anaviy diagnostika usullari (so'rovlar, kuzatishlar, testlar) sub'ektivlik bilan cheklangan, holbuki AIning duruş, yuz ifodalari va qarashlarini tahlil qilish algoritmlari jalb qilish va demotivatsiyaning ob'ektiv ko'rsatkichlarini beradi. Motivatsiyaga metatizimli yondashuv [1] qo'llaniladi, u tartibga solishning kognitiv, hissiy va ijtimoiy darajalarini birlashtiradi. Sport va ta’lim amaliyotida OpenFace, OpenPose/HRNet va ko‘zni kuzatish modellarini qo‘llash stsenariylari ko‘rib chiqiladi. Sportchining motivatsiyasi; sun'iy intellekt; psixodiagnostika; kompyuter ko'rish; yumshoq ko'nikmalar; qatnashish monitoringi. ПСИХОЛОГИЧЕСКАЯ ОПТИМИЗАЦИЯ МОТИВАЦИИ СПОРТСМЕНОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Рублёв Александр Маркович аспирант‑соискатель; Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный университет имени М. В. Ломоносова», Москва, Россия. e‑mail: [email protected] АННОТАЦИЯ КЛЮЧЕВЫЕ СЛОВА В статье рассматривается потенциал технологий искусственного интеллекта (ИИ) как инструмента психодиагностики и оптимизации мотивации спортсменов. Показано, что традиционные методы диагностики (опросники, наблюдение, тесты) ограничены субъективностью, тогда как ИИ‑алгоритмы анализа позы, мимики и взгляда позволяют получать объективные показатели вовлечённости и демотивации. Используется метасистемный подход к мотивации [1], интегрирующий когнитивные, эмоциональные и социальные уровни регуляции. Рассматриваются сценарии применения OpenFace, OpenPose/HRNet и моделей слежения за взглядом в спортивной и образовательной практике. мотивация спортсменов; искусственный интеллект; психодиагностика; компьютерное зрение; soft skills; мониторинг вовлечённости. “SCIENCE AND EDUCATION IN THE 21ST CENTURY” 96 PSYCHOLOGICAL OPTIMIZATION OF ATHLETES’ MOTIVATION USING ARTIFICIAL INTELLIGENCE METHODS Rublev Alexander Markovich postgraduate student; Federal State Budgetary Educational Institution of Higher Education "Lomonosov Moscow State University," Moscow, Russia. e-mail: [email protected] ABSTRACT KEYWORDS The article examines the potential of Artificial Intelligence (AI) technologies as a tool for psychodiagnostics and optimization of athletes’ motivation. It is shown that traditional diagnostic methods (questionnaires, observation, and tests) are limited by subjectivity, whereas AI algorithms for pose, facial expression, and gaze analysis provide objective indicators of engagement and demotivation. A metasystem approach to motivation [1] is applied, integrating cognitive, emotional, and social levels of regulation. The article discusses practical scenarios for using OpenFace, OpenPose/HRNet, and gaze-tracking models in sports and educational contexts. athletes’ motivation; artificial intelligence; psychodiagnostics; computer vision; soft skills; engagement monitoring. Введение Мотивация выступает ключевым фактором спортивной результативности и устойчивости к нагрузкам. Современные психодиагностические подходы сталкиваются с проблемой субъективных искажений. Цель исследования - показать возможности искусственного интеллекта для объективной оценки мотивации и построения персонализированных программ её оптимизации в спорте и обучении soft skills. Объясняющий язык (смысл и применение): ИИ помогает выявлять снижение мотивации по поведению спортсменов - это важно для тренеров и педагогов, чтобы корректировать нагрузки и эмоциональную поддержку. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ И МЕТОДОЛОГИЧЕСКИЙ КОНТЕКСТ Психология мотивации развивалась в рамках деятельностного, системного и метасистемного подходов [3]. Мета системный ракурс позволяет рассматривать мотивацию как многоуровневую структуру, где когнитивные, эмоциональные и социальные компоненты взаимодействуют. В последние годы интеграция ИИ‑методов позволяет объединить эти уровни в единую модель анализа поведения. Объясняющий язык (смысл и применение): Теоретическая база позволяет связать психологические механизмы мотивации с цифровыми индикаторами поведения. МОТИВАЦИЯ СПОРТСМЕНОВ И ЕЁ ДИАГНОСТИКА В спорте высших достижений мотивация поддерживает не только продуктивность, но и профессиональную идентичность спортсмена. Основу составляет мотив достижения [7], однако значимы также социальные и эмоциональные факторы [5]. Традиционные опросники не всегда отражают реальные состояния, поэтому необходим поиск объективных индикаторов вовлечённости. В исследованиях отечественных авторов подчёркивается роль личностных качеств спортсмена — устойчивости, самооценки и регуляции поведения — как опосредующих факторов мотивации [9, 10]. Объясняющий язык (смысл и применение): Диагностика мотивации через поведенческие данные помогает видеть истинное состояние спортсмена, а не только его ответы в анкетах. ИИ КАК ИНСТРУМЕНТ ПСИХОДИАГНОСТИКИ МОТИВАЦИИ Искусственный интеллект открывает новые возможности для анализа позы, движений, мимики и направления взгляда. Алгоритмы OpenPose и HRNet позволяют фиксировать микродинамику тела, OpenFace - оценивать мимику, а модели gaze‑tracking - отслеживать визуальное внимание [15]. В совокупности эти методы дают объективные параметры вовлечённости, которые можно использовать для мониторинга состояния спортсмена. Новые подходы к моделированию взгляда и анализу внимания, включая Gaze360 и ETH- “SCIENCE AND EDUCATION IN THE 21ST CENTURY” 97 XGaze, также демонстрируют высокую точность в условиях естественного поведения [17, 19]. Объясняющий язык (смысл и применение): Системы компьютерного зрения позволяют видеть падение интереса и усталость ещё до того, как человек это осознаёт. ПСИХОЛОГИЧЕСКАЯ ОПТИМИЗАЦИЯ НА ОСНОВЕ ИИ‑МАРКЕРОВ Поведенческие ИИ‑маркеры позволяют выявлять ранние признаки выгорания, адаптировать нагрузки и создавать индивидуальную обратную связь. Метасистемный подход [1] обеспечивает объединение данных разных уровней - физиологических, когнитивных и социальных - в интегративную диагностическую модель. Такая модель может использоваться для мониторинга состояния спортсменов и студентов. Объясняющий язык (смысл и применение): Использование ИИ делает психологическую помощь спортсменам более точной и своевременной. ПРИМЕНЕНИЕ В КУРСАХ SOFT SKILLS В образовательных курсах soft skills аналогичные ИИ‑инструменты применимы для оценки внимания и эмоционального участия студентов. Например, анализ микромимики и позы помогает преподавателю определить, насколько аудитория вовлечена. Это открывает путь к персонализированным траекториям развития коммуникативной активности и саморегуляции. Объясняющий язык (смысл и применение): Такие методы можно внедрить в МГУ для анализа эмоциональной вовлечённости студентов на курсах soft skills. ВЫВОДЫ 1. Методы искусственного интеллекта позволяют объективизировать диагностику мотивации спортсменов. 2. Метасистемный подход обеспечивает интеграцию психологических и цифровых данных. 3. Применение ИИ способствует раннему выявлению демотивации и выгорания. 4. Технологии компьютерного зрения применимы не только в спорте, но и в образовании, особенно в курсах soft skills. СПИСОК ЛИТЕРАТУРЫ 1. Αнаньев, Б.Г. Человек как предмет познания. - М.: Наука, 2001. 2. Горбунов, Г.Д. Психология спорта. - М.: Академия, 2014. 3. Гордеева, Е.Г. Внутренняя и внешняя мотивация: теория, исследования, практика. - М.: Смысл, 2011. 4. Ильин, Е.П. Мотивация и мотивы. - СПб.: Питер, 2002. 5. Ильин, Е.П. Психология спорта. - СПб.: Питер, 2016. 6. Ильясов А.О., Кумсков М.И., Проничкин Ю.В., Маъмуров Б.Б. «Комплексная система оценки качества обучения спортсменок на основе анализа нейронными сетями видеозаписей тренировок». С. 62–63, Бухара, 2019. 7. Карапетян, Э.Н. Психология мотивации спортивных достижений. - М.: Советский спорт, 2015. 8. Киселёв, В.С. Психология личности спортсмена. - М.: Советский спорт, 2011. 9. Кудрявцев, Т.В. Психология труда. - М.: Издво МГУ, 2005. 10. Кумсков, М.И., Беллонин, К.В. Конструирование позы человека по фотографии на основе нейронных сетей глубокого обучения. - Доклад на международной конференции. - Бухара, 2019. 11. Леонтьев, А.Н. Деятельность. Сознание. Личность. - М.: Смысл, 2004. 12. Разина, Т.В. Психология мотивации научной деятельности: методология, теория, эмпирические исследования. - Сыктывкар: Изд-во СыктГУ, 2014. 13. Разина, Т.В. Структурно‑функциональная организация и генезис мотивации научной деятельности: дисс. … д‑ра психол. наук. - Ярославль, 2016. 14. Рубинштейн, С.Л. Основы общей психологии. - СПб.: Питер, 2019. 15. Шадриков, В.Д. Психология деятельности и способности человека. - М.: Логос, 2007. 16. Baltrušaitis, T., Robinson, P., Morency, L.-P. (2018). OpenFace: An open source facial behavior analysis toolkit. IEEE WACV. 17. Cao, Z., Simon, T., Wei, S.-E., Sheikh, Y. (2017). Realtime multi-person 2D pose estimation using part affinity fields. IEEE CVPR. 18. Kellnhofer, P., Recasens, A., Stent, S., Matusik, W., Torralba, A. (2019). Gaze360: Physically unconstrained gaze estimation in the wild. IEEE ICCV. 19. Mayer, J.D., Faber, M.A., Xu, X. (2007). Seventy-five years of motivation measures (1930-2005): A descriptive analysis. Motivation and Emotion, 31, 83-103.