Оценка мелкой моторики: эволюция методов от выполнения бытовых движений до точного метода FingerFit

В научной литературе можно найти большое количество  исследований, рассматривающих взаимосвязь мелкой моторики с различными способностями человека, такими как речь, внимание, память, когнитивные способности, общая координация, логическое мышление, воображение. Все перечисленные способности являются значимыми для успешного обучения, бытовой и профессиональной деятельности. При этом, оценка мелкой моторики при этом является ключевым и наиболее спорным вопросом в исследованиях.

Типичная моторика для современного человека предполагает в основном вовлечение в работу рук и пальцев. К ежедневным двигательным операциям относятся: удержание ручки, перелистывание книжных страниц, печатание на клавиатуре.

Мастерство во многих профессиях определяется уровнем владения мелкой моторикой. Пианисты, дирижеры, киберспортсмены, хирурги, музыканты, стоматологи, ювелиры имеют специфические двигательные задачи, которые решаются с помощью кисти. Пять пальцев действуют согласованно, формируют профессиональные мышечные синергии.  

Эволюция метода ФингерФит

С 2017 года нашей командой были изучены более сотни методов оценки и развития мелкой моторики. Мы пришли к выводу, что на тот момент не существовало единого универсального метода, пригодного для медицинских и педагогических целей, а также развития профессиональных навыков.

В 2018 году была подана заявка, а в 2020 году был получен патент на изобретение «Способ оценки мелкой моторики рук», авторы А.А. Померанцев, А.Н. Старкин. В заявке предлагалось определять уровень мелкой моторики по времени сложной реакции, затрачиваемой на построение обратных жестов рук. Метод не предполагал компьютерного контроля правильности построения жестов, а всю работу выполнял оператор тестирования.

В 2023 году метод получил развитие за счет включения в него алгоритма компьютерного зрения, позволяющего быстро и точно оценивать жесты человека. В данном методе акцент тестирования был полностью смещен с тестирования скорости построения жестов на тестирование скорости и правильности выполнения синергий мелкой моторики. На данном этапе был получен патент на изобретение «Способ оценки мелкой моторики рук на основе анализа синергий с помощью компьютерного зрения», автор А.А. Померанцев. Данный метод не учитывал различную сложность построения синергий, а также не принимал во внимание двигательные ошибки.

В 2024 году метод получил очередное развитие. В компьютерный код была введена формула Шеннона, которая на основе подсчета двигательных ошибок позволила высчитывать величину двигательной энтропии.

Такой способ оценки мелкой моторики получил название «FingerFit» и стал единственным в мире, позволяющим оценивать мелкую моторику с математической точностью.

Оценка мелкой моторики Фингерфит (FingerFit): краткое описание метода

Суть тестирования мелкой моторики (мелкомоторной координации) заключается в проведении следующих операций:

1. визуализация необходимого жеста-команды на мониторе компьютера;
2. зрительное восприятие жеста (афферентация);
3. решение логической задачи построения комплементарного жеста с противоположной комбинацией согнутых и выпрямленных пальцев («отзеркаливание»);
4. восприятие исходного жеста на основе памяти и информации с  проприорецепторов (обратная афферентация);
5. сопоставление исходного жеста и жеста-ответа (формирование двигательного действия на основе эфферентного синтеза);
6. показ жеста-ответа (эфферентация);
7. считывание жеста компьютером;
8. генерация компьютером ожидаемого комплементарного жеста;
9. сопоставление ожидаемого жеста и показанного жеста-ответа;
10. переключение на следующий жест теста.

Пункты схемы 2, 3, 4, 5, 6 могут допускать потерю информации (энтропию), которая ведет к двигательным ошибкам.

В случае если представленный жест-ответ не совпадает с ожидаемым жестом (9), фиксируется двигательная ошибка выполнения синергии. Для построения синергии тестируемый вновь строит исходный жест и итерация повторяется. Если при построении исходного жеста также фиксируется ошибка, она относится к ошибке восприятия.

Оценка двигательной энтропии

Общее количество информации для решения двигательной задачи (построение комплементарного жеста) складывается из восприятия исходного жеста, восприятия жеста-команды, формирования жеста-ответа и построения синергии.

В тестировании учитываются комбинации жестов и синергий с различным количеством информации. Расчёты показывают, что синергии мелкой моторики могут содержать от 8,58 бит до 69,3 бит информации, имея 25 градаций сложности.

Любая двигательная ошибка связана с потерей информации (информационная энтропия) при восприятии, либо при выполнении синергии. Суммарная информационная энтропия может быть больше количества информации жеста и/или количества информации синергии, в виду того, что на каждую синергию или построение жеста может приходиться несколько ошибок выполнения.

По результатам применения метода FingerFit рассчитываются следующие показатели:

1.	Общее количество выполненных синергий
2.	Количество выполненных синергий для правой / левой руки
3.	Общее количество невыполненных синергий
4.	Общее количество информации закодированной жестами, бит
5.	Общее количество информации закодированной синергиями, бит
6.	Общее количество информации в тесте, бит
7.	Общее количество информации обработанной пользователем, бит
8.	Общее время тестирования, с
9.	Время тестирования для правой / левой руки, с
10.	Время построения каждой синергии, с
11.	Количество ошибочных жестов
12.	Количество ошибочных жестов правой / левой рукой
13.	Количество двигательных ошибок по каждому пальцу
14.	Суммарная энтропия синергий, бит
15.	Суммарная энтропия восприятия, бит
16.	Суммарная относительная энтропия, %
17.	Суммарная энтропия для правой / левой руки, бит
18.	Латеральная асимметрия (по времени), %
19.	Латеральная асимметрия (по количеству ошибок), %
20.	Латеральная асимметрия (по количеству выполненных синергий), %
21.	Латеральная асимметрия (по объёму энтропии), %
22.	Средняя скорость обработки информации, бит/с
23.	Среднее время обработки 1 бит информации, мс
24.	Коэффициент, характеризующий ментальный способ работы с информацией «аналитический/целостный»
25.	Коэффициент «врабатываемость-утомляемость»

Визуальное представление данных

Используя метод FingerFit, можно построить графики времени выполнения синергий отдельно для левой/правой руки.

Для углубленного изучения мелкой моторики и когнитивных способностей, подробные результаты тестирования по методу FingerFit можно выгрузить в файл электронной таблицы.

Оценка подвижности по методу FingerFlex

FingerFlex — метод, позволяющий оценить подвижность мелкой моторики на основе выполнения пользователем набора жестов из 1024 возможных комбинаций. При формировании жеста каждый палец может быт согнут или выпрямлен в двух суставах: межфаланговом и в пястно-фаланговом, таким образом имея 4 возможных положения. Задача пользователя сводится к выполнению наибольшего количества предложенных жестов. Подвижность мелкой моторики определяется по степени сложности выполненных жестов.

Запись мелкой моторики с помощью сенсорных перчаток

Трудовые операции и двигательные действия также анализируются с помощью сенсорных перчаток собственной разработки. Печатки позволяют записать все синергии и провести их качественный и количественный анализ.