Введение (Introduction). В текущей ситуации информационной перенасыщенности критически важным моментом является формирование цифровых продуктов, позволяющих в максимально сжатые сроки донести ключевое сообщение до целевой аудитории компании или проекта. К цифровым продуктам можно отнести нематериальные результаты деятельности, существующие в электронной форме, распространяемые через интернет и предназначенные для удовлетворения информационных, образовательных, развлекательных и других потребностей пользователей. Ключевыми признаками цифрового продукта являются неосязаемость (отсутствие физического носителя), возможность неограниченного тиражирования без потери качества, доставка по цифровым каналам и потребление с помощью электронных устройств.  Одной из технологий, позволяющей тестировать цифровые продукты с целью оптимизации, персонализации и масштабирования с минимальными издержками, является технология ближней инфракрасной спектроскопии (fNIRS). Применение fNIRS для оценки эффективности цифровых продуктов является инновационным методом, позволяющим решать данные задачи на высоком исследовательском уровне.

Ключевая управленческая проблема, решаемая с помощью fNIRS, состоит в том, что традиционные методы аналитики (опросы, фокус-группы, веб-аналитика) не позволяют измерить неосознанные когнитивные и эмоциональные реакции потребителя на цифровой продукт в реальном времени. Опросы страдают от социальной желательности и искажений памяти, а поведенческие метрики (время просмотра, клики) не дают ответа на вопрос – почему контент является эффективным или нет. fNIRS, напротив, регистрирует объективные гемодинамические корреляты внимания, эмоциональной валентности и когнитивной нагрузки, что позволяет принимать обоснованные решения на этапе разработки контента и прогнозировать его эффективность до выхода на рынок. Система обработки информации при помощи fNIRS реализуется в рамках когнитивного подхода – теоретико-методологической парадигмы, которая рассматривает мозг как физический субстрат (основу) познавательных (когнитивных) процессов: восприятия, внимания, памяти, эмоций, адаптации, принятия решения, языка и сознания. Таким образом, применение fNIRS закрывает разрыв между субъективными оценками и реальным нейрофизиологическим откликом аудитории и выступает инструментом операционализации когнитивной парадигмы, превращая теоретические конструкции в измеримые нейромаркеры для прикладных задач, таких как оценка и оптимизация цифровых продуктов. 

Для обоснования методики и формирования инструментария исследования нами был проведен контент-анализ тематических данных в поисковой системе Google Scholar. Поисковый запрос (на русском и английском языках): «когнитивный подход к оценке видеоконтента с использованием технологии ближней инфракрасной спектроскопии (дословно: «a cognitive approach to video content evaluation using near infrared spectroscopy technology»). Поиск выполнялся в режиме «с кавычками» для точного соответствия ключевым словам. Учитывались только рецензируемые статьи, монографии и материалы конференций; патенты и цитаты исключались. Дублирующие записи удалялись.

Динамика тематических публикаций за последние десять лет представлена на рисунке 1.

Исследование показало, что в базе данных Google Scholar содержится 22400 тематических документов. Полученное количество результатов объясняется тем, что поисковая система учитывает наличие любого из слов запроса в полнотекстовом поле, поэтому релевантный объем публикаций после фильтрации по заголовкам и аннотациям составил 87 единиц, из которых для содержательного анализа было отобрано 32 наиболее цитируемые работы. Содержательный анализ публикаций с максимальными показателями цитирования показал, что тематические данные в научной базе данных Google Scholar охватывают как фундаментальные основы fNIRS (регистрация гемодинамики, когнитивные корреляты), так и прикладные аспекты (управление цифровыми продуктами, пользовательский опыт).

В работах М. Балкони и Э. Мольтени (Balconi, Molteni, 2016) и Дж. Б. Балардина (Balardin, 2017) исследуется возможность fNIRS в изучении эмоций и социальной реальности. Авторами подчёркивается экологическая валидность метода, важная для тестирования видеоконтента в условиях, приближенных к реальному просмотру. Статьи авторов обосновывают применение метода для регистрации эмоциональной валентности и вовлеченности, что непосредственно используется в проведенном эксперименте.

Рис. 1. Динамика тематических публикаций в базе данных GoogleScholar (дата обращения – 10 апреля 2026 г.)

Fig. 1. Dynamics of thematic publications in the Google Scholar database (Accessed 10 April 2026)

В публикациях П. Пинти и др. (Pinti et al, 2018, 2020) обобщается современное состояние и перспективы fNIRS в когнитивной науке, а также представлен обзор носимых fNIRS-систем в нейроисслдованиях. Данные исследования были использованы при создании методологической базы для проведения эксперимента с динамическими стимулами без жёсткой фиксации испытуемого, а также послужили теоретическим фундаментом для интерпретации гемодинамических ответов: маркер внимания, памяти и когнитивной нагрузки. 

В исследованиях К. Полмургана и др. (Paulmurugan et al, 2021) рассматривается применение fNIRS в системах «компьютер-мозг», подчеркивается высокая временная разрешающая способность метода для регистрации нейронной активности в реальном времени. В своей работе С. Крампе (Krampe, 2022) предлагает перовое систематическое руководство по использованию мобильной версии fNIRS в поисковых исследованиях, представлены протоколы сбора и интерпретации гемодинамических данных для оценки потребительского поведения. Д. Ю и др. (Yu et al, 2023) исследует пользовательский опыт через призму потока, показывает, как fNIRS позволяет измерить вовлеченность и когнитивную нагрузку при взаимодействии с динамическим цифровым контентом.

Х. Се и др. (Xie et al, 2024) применяют fNIRS для оценки эффективности обучения пользователей онлайн-видеокурсов, демонстрируя возможности метода анализировать эффективность образовательного контента по параметрам внимания и запоминаемости. М. Чи и др. (Chy et al, 2025) представляют современный обзор основных принципов fNIRS в нейронауке, анализируя переход от лабораторных экспериментов к практическим задачам, включая тестирование цифровых продуктов и управление инновациями.

Обзор научной литературы по проблеме исследования позволил сформулировать основные положения когнитивного подхода в исследованиях с применением fNIRS (рис. 2).

Рис. 2. Основные положения когнитивного подхода в исследованиях с применением fNIRS

Fig. 2. Key points of the cognitive approach in fNIRS research

Возможности функциональной ближней инфракрасной спектроскопии для исследовательских задач представлены в таблице 1.

Таким образом, нейрофизиологические данные могут служить индикатором работы ментальных систем на основе объективных биометрических данных.

Цельисследования (The aim of the work). Целью проведенного эксперимента выступила разработка рекомендаций по созданию цифровых продуктов (видеоконтента) с предсказуемо высокими показателями вовлеченности и запоминаемости на основе объективных биометрических данных.

Материалы и методы исследования (MaterialsandMethods).  В эксперименте приняли участие 20 человек от 18 до 30 лет (средний возраст 24,3 года). Критерии отбора: добровольное участие, отсутствие в анамнезе эпилепсии, опухоли головного мозга, тяжелых черепно-мозговых травм, инсульта и аневризмы (является противопоказанием для fNIRS). Все участники имели нормальное или скорректированное зрение, не использовали психотропные средства.

Используемое оборудование: портативная fNIRS-система NIRSport (NIRx Medical Technologies, США) с 8 источниками и 8 детекторами, частота дискретизации 25 Гц, две длины волн (760 и 850 нм). Каппа с оптодами размещалась над префронтальной корой (каналы F3, F4, Fz, FCz) в соответствии с международной системой 10-10.

Процедура: участники эксперимента размещались на стуле на расстоянии 70 см от монитора (диагональ 24 дюйма, разрешение 1920х1080). После надевания каппы с инфракрасными датчиками,

охватывающими префронтальную кору, проводилась калибровка сигнала (автоматическая установка усиления) и двухминутная запись фонового сигнала для установления базального уровня. Затем предъявлялась инструкция: «Внимательно смотрите видеоролик. Специальных действий не требуется». Тестируемый видеоролик (реклама бренда «Мегафон», 60 секунд) транслировался однократно. Момент появления карточки бренда (первые 2 секунды) маркировался триггером, синхронизированным с записью fNIRS. После просмотра проводился отсроченный тест узнавания через 24 часа (участникам предъявлялись 10 логотипов, включая тестируемый, и оценивалась точность идентификации).

Обработка сигнала: сырые данные (интенсивность на двух длинах волн) конвертировались в концентрации HbO и HbR с использованием модифицированного закона Бугера-Ламберта-Бера (DPF = 6,0). Проводилась фильтрация: полосовой фильтр 0,01-0,5 Гц для удаления медленных дрейфов и сердечного ритма; артефакты движения выявлялись визуально и удалялись с помощью метода скользящего среднего (около 3 секунд). Базовая коррекция выполнялась вычитанием среднего уровня за 5 секунд до начала каждого сегмента. Гипотезы эксперимента с применением fNIRS представлены в таблице 2.

Краткое содержание основных этапов эксперимента представлена на рисунке 3.

Результаты исследования и их обсуждение (Results and Discussion).  В качестве тестируемого цифрового продукта использовался видео контент рекламного характера длительностью 60 секунд, размещённый в открытом доступе на цифровой платформе RUTUB (российский видеохостинг).

Тестируемое событие в ролике – предъявление карточки бренда (Мегафон. Мобильная связь № 1 в России) в первые 2 секунды воспроизведения видео (рис. 4).

Рис. 4. Тестируемое событие в ролике – карточка бренда (Мегафон. Мобильнаясвязь № 1 вРоссии)

Fig. 4. The tested event in the video is the brand card (Megafon. Mobile communications No. 1 in Russia)

Исследование показало, что в момент предъявленеия карточки бренда у 15 из 20 участников (75%) зафиксирован резкий прирост HbO в лобных каналах (Fz, F3, F4)  – среднее увеличение составило 0,21 +/- 0,08 мкМ (относительно базовой линии), тогда как HbR изменился незначительно
(-0,02 +/- 0,03мкМ). У 5 участников (25%) наблюдалось одновременное, но нестабильное увеличение как HbO, так и HbR (средние приросты: 0,15 и 0,10 мкМ соотвественно), что свидетельсвует о повышенной вариативности внимания респондентов.

Статистическая проверка гипотезы Н1: для каждого участника сравнивались пиковые значения HbO в лобных каналах (усреднённые по Fz, F3, F4) в первые 3 секунды для динамичных фрагментов и статичные фрагменты (кадры с текстом на  экране, не содержащие движения). Средний пик HbO для динамичных сцен составил 0,23 +/- 0,09 мкМ, для статичных – 0,09 +/- 0,06 мкМ (t(19) = 5,12, р = 0,0001). Таким образом, H1 подтверждалась полностью – префронтальная активация служит объективным маркетиром захвата внимания (рис. 5).

Гипотеза Н2 (эмоциональная валентность): анализ асимметрии HbO в префронтальных каналах (F3/F4) за весь период эксперимента не выявил устойчивого доминирования левой или правой стороны. Средний индекс асимметрии составил 0,02 +/- 0,07, что не отличается от нуля (t(19) = 1,27, р = 0,22). Лишь у одного участника зафиксирована правосторонняя асимметрия (индекс = – 0,18), что может указывать на индивидуальную негативную реакцию на содержание тестируемого цифрового продукта. Таким образом, Н2 для данного видеоконтента не подтверждается – контент, по результатм исслдеования, не вызвал выраженной эмоциональной реакции участников эксперимента на происходящее на экране.

Рис. 5. Цветовое картирование лобных долей

Fig. 5. Color mapping of the frontal lobes

Гипотеза Н3 (когнитивная нагрузка и запоминаемость): для оценки когнитивной нагрузки мы выделили сегмент с быстрой сменой кадров и текстовыми вставками (с 6 по 13 секунду) (рис. 6).

Рис. 6. Цветовое картирование лобных долей в момент увеличения когнитивной нагрузки 

Fig. 6. Color mapping of the frontal lobes during increased cognitive load

Важно отметмить, что, поскольку исслдеование было ограничено регистрцией гемодинамической активности только в лобной коре (префронтальная область), мы не оценивали активность височных и затылочных зон. Тем не менее, многочисленные работы показывают, что лобные отделы коры головного мозга актвно участвуют в процессах произвольного внимания, рабочей памяти и эмоциоанальной регуляции, что позволяет использовать их в качестве валидного источника нейромаркеров для оценки вовлеченности и когнитивной нанрузки при восприятии видеоконтента (например, Б. Паскоаль-Роа и др. (Pascual-Roa et al, 2026), С. Берка и др.  (Berka et al, 2007). Но для более детального изучения зрительного внимания и долговременного кодирования в будущем целесообразно расширить область исслдеования на затылочную и височную области.

Таким образом, предлагаемый подход позволяет измерить ключевые показатели оценки: привлечение внимания пользователей, эмоциональную валентность, когнитивную нагрузку и запоминаемость. На основе полученных данных могут быть формализованы нейромаркеры успешного контента. Процедура нейрооптимизации представлена на рисунке 7.

Рис. 7. Процедура нейрооптимизации видеоконтента на основе fNIRS-метода

Fig. 7. The procedure for neurooptimization of video content based on the fNIRS-method