Игра как адаптивный симулятор
Мы создали не просто игру, а универсальный симулятор условий принятия решений, с которыми сталкиваются специалисты (инженеры, аналитики, финансисты) в реальной работе: неполная информация, меняющиеся условия, ограниченные ресурсы, необходимость оптимизации
- -1-Постепенное усложнениеУровни становятся сложнее, позволяя игроку адаптироваться и демонстрировать рост (обучаемость).
- -2-Скрытые параметрыЭлементы игры (точки для построения, параметры башен, маршруты) изначально обладают разной эффективностью, которую нужно обнаружить.
- -3-Работа с информациейДействия игрока отражают, как он обрабатывает новую информацию, планирует и корректирует стратегию.
Как это работает
От цифрового следа к психологическому портрету
- Цифровые следыКаждое действие в игре (клик, построение, разрушение, изучение информации, реакция на волну) фиксируется как точка данных.
- Поведенческие паттерныАлгоритмы машинного обучения агрегируют тысячи следов за 40-60 минут игры, выявляя консистентные паттерны поведения (например, «систематическое тестирование новых башен» или «постепенная оптимизация маршрутов»).
- Психометрические шкалыВыявленные паттерны сопоставляются с результатами валидации на репрезентативных выборках с использованием традиционных тестов. Это позволяет перевести паттерны в количественные оценки по фасетам и шкалам.
- Интегральная оценкаОценки по шкалам объединяются в целостный профиль по ключевым конструктам (когнитивные функции, личностные черты).
Архитектура технологии
Pipeline трансформации данных
Сквозная экосистема превращает 30 минут геймплея
в объективный профиль эффективности сотрудника.
в объективный профиль эффективности сотрудника.
Научная основа и психометрическая надёжность
Мы опираемся на современные модели личности и строгие методы валидации, чтобы обеспечить точность и объективность оценки
- Научная основаОценка разработана на основе концепции evidence-centered design (ECD) и опирается на современные нейробиологические модели личности, включая Теорию чувствительности к подкреплению (RST), PEN-модель Айзенка, Пятифакторную модель личности (FFM) и Кибернетическую теорию Большой пятерки (CB5T).
- Выборка и бенчмаркиНаше исследование охватывает более 10 000 корпоративных менеджеров и предпринимателей из 500+ компаний — от стартапов до крупных международных корпораций, представляющих более 20 отраслей и более 25 функциональных направлений.
- НадежностьШкалы GBA имеют высокую внутреннюю согласованность шкал (Cronbach α = 0.69 – 0.74), подтверждая консистентность измерений. Высокий уровень тест-ретестовой надёжности инструмента (>0.83) указывает на его способность оценивать устойчивые личностные диспозиции, нежели вариации состояния человека.
- Прогнозирование профессиональной эффективностиОценка способности результатов GBA прогнозировать профессиональные успехи оценивалась на выборке из более чем 100 сотрудников разных функциональных областей и грэйдов с привлечением данных KPI и оценок руководителей — и показала статистически значимые предикторы, подтверждая рогностическую ценность GBA NeuroFrame в реальных рабочих условиях.
- Практическое применениеGBA NeuroFrame разработан для оценки персонала на основе объективных данных, предоставляя информацию о когнитивных стилях и личностных особенностях сотрудников. NeuroFrame помогает HR-специалистам оптимизировать процессы найма и развития сотрудников, осуществлять планирование
преемственности и формировать эффективные команды. GBA NeuroFrame успешно применяется в различных отраслях — от финансов и IT до производства, розничной торговли, образования и логистики — помогая компаниям формировать сильные и результативные команды по всему миру. - Конструктная валидностьЭксплораторный факторный анализ (EFA) выявил два ключевых домена: когнитивные способности и личностные черты. Конфирматорный факторный анализ (CFA) подтвердил высокую степень соответствия модели эмпирическим данным (χ²/DF, CFI = 0.96, IFI, RMSEA = 0.06).
- Критериальная валидностьКогнитивные шкалы демонстрируют статистически значимые корреляции с признанными тестами когнитивных способностей, такими как Прогрессивные матрицы Равена (RAPM) и Saville’s Aptitude assessment, а также с комплексными тестами на внимание, память, переключаеомсть, обработку информации и принятие решений. Личностные шкалы валидизированы при помощи общепризнанных психометрических моделей и подтверждают соответствие таким ключевым конструктам, как открытость опыту, склонность к риску, настойчивость, доброжелательность и сознательность. Прогностические модели, в том числе на основе методов Машинного обучения (Decision Tree, Random Forest, Gradient Boosting и др.), а также Регрессионный анализ подтвердили статистически значимые взаимосвязи оценок когнитивных функций и личностных черт с результатами ассессмента GBA NeuroFrame (R² ≈ 0.46, Accuracy ≈ 72-89 в зависимости от модели, ROC AUC ≈ 0.77).
