Автоматизированная генерация презентаций на основе когнитивно-эстетической парадигмы

Цель исследования. Разработка программного решения для автоматизированной генерации презентаций, ориентированного на интеграцию принципов когнитивной психологии и эстетики. Исследование направлено на создание интеллектуальной платформы, способной формировать презентации, которые не только передают информацию, но и обеспечивают её эффективное визуальное восприятие, привлекая и удерживая внимание аудитории. В условиях стремительного роста объёмов данных и сокращения временных ресурсов возрастает потребность в инструментах, способных автоматизировать процесс создания визуального контента без ущерба для его качества. Предлагаемое решение учитывает особенности восприятия информации человеком, опираясь на такие когнитивные принципы, как теория когнитивной нагрузки, гештальт-принципы и визуальное выделение, а также применяет методы эстетического проектирования для создания сбалансированной и выразительной визуальной структуры.

Методы. Статья сочетает различные подходы и методы, включая когнитивные и эстетические аспекты, объектно-ориентированное программирование и интеграцию с технологиями искусственного интеллекта, что позволяет автоматически формировать как текстовый, так и визуальный контент, адаптируя его под заданную структуру презентации. 

Результаты. Разработанное программное решение продемонстрировало преимущество по сравнению с существующими аналогами в ряде параметров: сокращение времени на создание презентаций, повышение визуального качества, адаптивность и соответствие когнитивным стратегиям восприятия информации. Результаты эксперимента с участием пользователей подтвердили высокую эффективность предложенного подхода по критериям удобства использования, дизайна и восприятия.

Заключение. Предложенное решение, основанное на когнитивно-эстетической парадигме, представляет собой перспективное направление в области автоматизации визуальной коммуникации. Оно демонстрирует потенциал к масштабируемости и интеграции в различные сферы, где требуется создание презентационного контента, совмещающего информативность, визуальную выразительность и человеко-ориентированный подход.

1. Златопольский Д.М. Основы программирования на языке Python. М.: ДМК Пресс, 2017. 284 с.

2. Свейгарт Эл. Автоматизация рутиных задач с помощью Python: практическое руководство для начинающих. М.: Вильямc, 2016. 592 с.

3. Гэддис Т. Начинаем программировать на Python. 4-е изд. СПб.: БХВ-Петербург, 2019. 768 с.

4. Федоров Д. Ю. Программирование на языке высокого уровня Python. М.: Издво Юрайт, 2019. 161 с. URL: https://urait.ru/bcode/437489

5. Рейтц К., Шлюссер Т. Автостопом по Python. СПб.: Питер, 2017. 336 с. (Серия «Бестселлеры O’Reilly»).

6. Буч Г. Объектно-ориентированный анализ и проектирование на примерах приложений. М.: ДМК Пресс, 2007. 520 с.

7. Приемы объектно-ориентированного проектирования. Паттерны проектирования / Э. Гамма, Р. Хелм, Р. Партнер, Д. Влиссидес. СПб.: Питер, 2009. 368 с.

8. Чирвинский А. Основы теории цвета в графическом дизайне // Журнал дизайна и теории цвета. 2019. № 3. С. 45–53.

9. Хайн Дж. Алгоритмы автоматической настройки цвета для приложений обработки изображений // Журнал цифровой обработки изображений. 2020. Т. 33, № 4. С. 124–130.

10. Стивенс Х. Интеллектуальная генерация презентаций в динамических средах // Международный журнал передовой компьютерной науки и приложений. 2019. Т. 10, № 6. С. 155–161.

11. Осборн А.Ф. Разработка презентаций для визуальной ясности // Журнал деловой и технической коммуникации. 2018. Т. 32, № 1. С. 87–102.

12. Смит Дж. Проектирование адаптивного пользовательского интерфейса // Труды IEEE по системам «человек-машина». 2022. Т. 52, № 2. С. 320–330.

13. Рой П., Панди С., Джайн К. Глубокое обучение для обработки естественного языка: применение глубоких нейронных сетей к задачам машинного обучения в области обработки естественного языка. Cham: Springer, 2018. 280 с.

14. Ротман Д. Трансформаторы для обработки естественного языка: создание и развертывание современных конвейеров обработки естественного языка. Бирмингем: Packt Publishing, 2021. 374 с.

15. Яричев М. GPT-3: Создание инновационных продуктов обработки естественного языка с использованием API OpenAI GPT-3. Независимое издание, 2021. 210 с.

16. Скрябин А. Практическая генерация изображений с TensorFlow: создание генеративных моделей с использованием VAE, GAN и моделей диффузии. Бирмингем: Packt Publishing, 2022. 380 с.

17. Джавад М., Лонгхи А. Машинное обучение для визуальной аналитики данных: от моделей глубокого обучения до GAN и VAE. Cham: Springer, 2021. 420 с.

18. Фостер Д. Генеративное глубокое обучение: обучение машин рисовать, писать, сочинять и играть. Севастополь: O'Reilly Media, 2019. 352 с.

19. Wong D. M., Shankaranarayanan G. Automated Data Visualization: A Review and Future Directions // Journal of Visual Languages & Computing. 2022.

20. Allison J., McNamara S. Data Storytelling for Business: The Essential Guide to Engaging Visualization. Springer, 2021.

21. Gomez, E., Decker, S. Generative Design for Data Visualization: A Review and Framework // Computer Graphics Forum. 2022.