Санкт-Петербургский Государственный Институт Психологии и Социальной Работы

Вид материалаДокументы

Содержание


6. Психометрические требования к построению и проверке методик
Хорошо это или плохо?
Возникает вопрос, что за эту точку отсчета брать?
Выборка стандартизации
Подобный материал:
1   ...   6   7   8   9   10   11   12   13   ...   17

6. ПСИХОМЕТРИЧЕСКИЕ ТРЕБОВАНИЯ К ПОСТРОЕНИЮ И ПРОВЕРКЕ МЕТОДИК



Диагностические методики обычно называют измерительными инструментами, а психологическую диагностику — психометрией.

Психометрия — область психологической диагностики, связанная с теорией и практикой измерений в психологии.

Это понятие было введено немецким исследователем Х. Вольфом, который ставил перед собой задачу измерить величину внимания посредством продолжительности аргументации, за которой человек в состоянии проследить.

Реализация идеи измерений психических явлений началась с работ по психофизике. Первоначально под психометрией понималось измерение временных характеристик психических процессов. Однако очень скоро область психометрии расширилась — к ней стали относить измерения не только ощущений, но и более сложных психических функций, другими словами, все то, что связано с количественным определением психических явлений, стали включать в понятие «психометрия», которое затем переросло в понятие «общая психометрия».

С появлением такой области исследований, как дифференциальная психология, психометрия получила свое новое развитие, поскольку стали возникать особые правила и требования к принципам измерения, следование которым обеспечивало его точность и достоверность. В связи с этим обнаружилась необходимость использовать понятие, более точно определяющее данную область измерений. Оно должно было отражать не всю совокупность психологических и психофизических измерений, а только ту, которая имеет отношение к дифференциально-психологическим характеристикам. В качестве такого понятия предлагается использовать термин «дифференциальная психометрия».

В ряде работ по психологической диагностике обосновывается целесообразность отличать понятие «дифференциальная психометрия» от понятия «общая психометрии». Как первое, так и второе понятие связано с теорией и практикой измерений в психологии. В то же время важно отметить следующее.

1. К общей психометрии относятся измерения общепсихологического (свойственного всем людям) характера, т. е. функциональные зависимости между свойствами стимула и свойствами субъективных реакций. Так, в психофизике определяется зависимость между физическими характеристиками стимулов и субъективными характеристиками ощущений (например, объективная прибавка веса и порог субъективного ощущения увеличения тяжести). В социально-психологических областях выявляется соответствие между рядами социальных объектов и психологическими реакциями (например, социальные объекты — разные виды рекламируемых товаров, психологические реакции — от «очень нравится» до «очень не нравится»).

2. К дифференциальной психометрии относятся измерения, касающиеся индивидуальных различий между людьми по способностям, когнитивным функциям (внимание, память, мышление и т. д.), мотивам, эмоциональным особенностям и пр. Здесь числовые значения (баллы, ранги, шкальные значения) приписываются не стимулам, а индивидам.

Дифференциальная психометрика по отношению к психодиагностике и дифференциальной психологии выступает в качестве технолого-методической дисциплины. Она обосновывает требования, которым должны удовлетворять психодиагностические методики, процедуру их разработки и применения.

Выше говорилось о том, что психодиагностические методики называют измерительными инструментами. Однако возникает вопрос, правомерно ли их так называть, являются ли они таковыми, подобными, пример, тем, которые используются в физических измерениях?

Ответ на этот вопрос можно найти в работах К. М. Гуревича. На примере анализа тестов он показывает, что такое определение диагностических методик носит условный характер. Сначала нужно вспомнить, что представляет собой измерение. Измерить — значит определить какой-либо мерой величину измеряемого. Для этого нужно, чтобы были соблюдены по крайней мере два условия.

П е р в о е у с л о в и е касается самого измерительного инструмента: он должен иметь на протяжении всего измерения одну и ту же, тождественную самой себе меру. Нельзя измерять инструментом, у которого нет такой тождественной самой себе меры (например, если бы на линейке расстояния от одного деления до другого были неодинаковы на разных участках).

В т о р о е у с л о в и е — нужно, чтобы то, что измеряется, во всех случаях оставалось одними тем же, т. е. также было тождественно самому себе. К. М. Гуревич считает, что соблюсти эти два условия в психодиагностических исследованиях крайне затруднительно.

Например, в тесте предложены задания на умение производить такую логическую операцию, как классификация понятий. Так, даны понятия пшеница, чечевица, кукуруза, бамбук, ячмень. Испытуемый должен зачеркнуть слово, которое не подходит к четырем основным. Обычно испытуемые зачеркивают бамбук. Это ошибка. Бамбук, как пшеница, ячмень и кукуруза, относится к злаковым, а чечевица — к бобовым. Это слово и следует зачеркнуть.

Чем можно объяснить, что не все испытуемые дают правильный ответ?

К. М. Гуревич называет несколько причин:

1) испытуемый слабо владеет такой логической операцией, как классификация;

2) испытуемый владеет логической операцией, но не знает того материала, на котором ее надо применить;

3) испытуемый знает материал, владеет логической операцией, но он не способен работать в том обычно довольно быстром темпе, который требуется при выполнении теста.

Возникает вопрос, что же измеряет в действительности данное задание?

Как было показано выше, у одних испытуемых оно измеряет что-то одно, у других — другое, у испытуемых, владеющих соответствующим материалом, оно измеряет то, на что направлено, — владение логической операцией. У тех же испытуемых, которым материал задания мало знаком, измеряется их знание. Кроме того, у тех и других измеряется их индивидуальный темп.

Этот анализ К. М. Гуревич продолжает дальше. Тест состоит из целого набора заданий; иногда их число доходит до 40. Можно ли выполненное задание считать мерой, через которую определяется количественный показатель измеряемой стороны психики?

Нельзя, так как эта мера измеряет разные стороны психики. У одних выявляется владение логическими действиями, у других — знание тех понятий, которые представлены в тесте, у третьих фактически измеряется их темп; у одних эта мера имеет одно, а у других — другое содержание.

На основании проведенного анализа К. М. Гуревич делает вывод о том, что данные, которые получаются в тестировании, нельзя считать измерениями в подлинном смысле слова. Тест не является измерительным инструментом в том понимании, которое существует, например, в физических измерениях, хотя какую-то оценку той стороны психики, на диагностирование которой он направлен, тест показывает — правда, не в количественном выражении. Тест, да и любая психодиагностическая методика не имеет эталонной единицы измерения, однако он позволяет сравнить людей друг с другом по принципу «лучше — хуже» выполнены задания, по принципу «больше — меньше» совпадений с ключом,

Тест можно считать инструментом сравнения. При сравнении не подчеркивается, что из двух сравниваемых объектов один больше другого на столько-то единиц. В этом случае достаточно установить, что какой-то объект больше другого (или других). По результатам сравнения можно расположить все изучаемые объекты в определенном порядке — от меньшего к большему или наоборот. Сравнение не предполагает обязательного измерения, а значит, не предполагает и единицы измерения. При сравнении устанавливается только последовательность, порядок сравниваемых объектов по их величине. Технология сравнения «встраивается» в саму методику.

Сделанный К. М. Гуревичем вывод относительно тестов с полным правом может быть перенесен и на другие диагностические методики.

Именно потому, что любая психодиагностическая методика выполняет качественно-количественное измерение она для получения достоверной информации должна удовлетворять психометрическим требованиям. К числу таких требований относятся стандартизация, надежность, валидность и адаптация методик.


Стандартизация.

Диагностическая методика отличается от любой исследовательской тем, что она стандартизирована. Как отмечает А. Анастази, стандартизация — это единообразие процедуры проведения и оценки выполнения теста. Таким образом, стандартизация рассматривается двух планах: как выработка единых требований к процедуре эксперимента и как определение единого критерия оценки результатов диагностических испытаний.

Стандартизация процедуры эксперимента подразумевает:
  1. унификацию инструкций;
  2. стимульного материала;
  3. бланков обследования;
  4. способов регистрации результатов;
  5. условий проведения обследования.


К числу требований, которые необходимо соблюдать при проведении эксперимента, можно отнести такие:
  1. инструкции следует сообщать испытуемым одинаковым образом, как правило, письменно; в случае устных указаний они даются в разных группах одними и теми же словами, понятными для всех, в одинаковой манере;
  2. ни одному испытуемому не следует давать никаких преимуществ перед другими;
  3. в процессе эксперимента не следует давать отдельным испытуемым дополнительные пояснения;
  4. эксперимент с разными группами следует проводить в одинаковое по возможности время дня, в сходных условиях;
  5. временные ограничения в выполнении заданий для всех испытуемых должны быть одинаковыми и т. д.

Обычно авторы методики в руководстве приводят точные и подробные указания по процедуре ее проведения. Формулирование таких указаний составляет основную часть стандартизации новой методики, так как только строгое их соблюдение дает возможность сравнить между собой показатели, полученные разными испытуемыми.

Другим важным моментом в стандартизации методики является выбор критерия, по которому следует проводить сравнение результатов диагностических испытаний, поскольку диагностические методики не имеют заранее определенных стандартов успешности или неудачи в их выполнении.

Так, например, ребенок шести лет, выполняя тест умственного развития, получил балл, равный 117.

Хорошо это или плохо?

Часто ли такой показатель встречается у детей данного возраста?

Количественный результат как таковой ничего не означает. Полученный дошкольником балл нельзя интерпретировать как показатель относительно высокого, среднего или низкого развития, так как это развитие выражено в мерах, присущих данной методике, и, таким образом, абсолютного значения полученные результаты иметь не могут. Очевидно, нужно располагать точкой отсчета и какими-то дозированными мерами, чтобы с их помощью оценивать полученные при диагностировании индивидуальные и групповые данные.

Возникает вопрос, что за эту точку отсчета брать?

В традиционном тестировании такая точка добывается статистическим путем — это так называемая статистическая норма.

В общих чертах стандартизация диагностической методики, ориентированной на норму, осуществляется путем ее проведения на большой репрезентативной выборке того типа, для которой данная методика предназначена (подробно о том, что такое репрезентативная выборка, будет сказано ниже). Относительно этой группы испытуемых, называемой выборкой стандартизации, разрабатываются нормы, указывающие не только средний уровень выполнения, но и его относительную вариативность выше и ниже среднего уровня. В результате можно оценить разные степени успешности или неуспешности в выполнении диагностической пробы. Это позволяет определить положение конкретного испытуемого относительно нормативной выборки или выборки стандартизации.

Для вычисления статистической нормы психологи-диагносты обратились к давно применяемым в биологии приемам математической статистики. Рассмотрим пример.

На призывной пункт явилось несколько тысяч молодых людей. Допустим, что все они примерно одного возраста. Что мы получим при измерении их роста? Обычно оказывается, что большинство почти одного роста, совсем немного людей будет очень маленького и очень высокого роста. Остальные же распределятся симметрично, уменьшаясь по количеству от среднего максимума в ту и другую сторону. Распределение рассматриваемых величин — это нормальное распределение (или распределение по нормальному закону, кривая распределения Гаусса). Математики показали, что для описания такого распределения достаточно знать два показателя — среднее арифметическое и так называемое стандартное отклонение, которое получается путем несложных вычислений.

Обозначим среднее арифметическое , а стандартное отклонение — σ (сигма малая). При нормальном распределении все изучаемые величины практически находятся в пределах 5σ. Нормальное распределение обладает многими преимуществами, в частности, оно позволяет заранее рассчитать, сколько случаев будет расположено в определенном удалении от среднего арифметического при использовании для определения удаленности стандартного отклонения. Для этого имеются специальные таблицы. Из них видно, что в пределах ±σ находится 68 % изучаемых случаев. За этими пределами — 32 % случаев, а так как распределение симметрично, то по 16 % с каждой стороны. Итак, преобладающая и наиболее представительная часть распределения находится в пределах ±σ. Все расчеты и рассуждения нужны только для того, чтобы дать оценку индивидуальным данным, получаемым при выполнении тестов.

Рассмотрим стандартизацию диагностической методики на примере тестов Стэнфорд–Бине. В группу испытуемых входили 4498 человек от 5до 18 лет. Усилия стэнфордских психологов были направлены на то, чтобы распределение полученных по каждому возрасту данных о выполнении тестов было близко к нормальному. Этого результата удалось добиться далеко не сразу; в некоторых случаях ученым приходилось заменять одни задания другими. В конце концов, эта работа была закончена, были подготовлены тесты по каждому возрасту со средним арифметическим, равным 100, и со стандартным отклонением, равным 16, с распределением, близким к нормальному.

Выше говорилось о том, что при измерении роста новобранцев было получено нормальное распределение данных по их росту. Никто не вмешивался в процесс измерения, не заменял одних новобранцев другими. Все получилось естественно, само собой. Но при работе с психологическими методиками дело идет не так. Опытным психологам, неплохо представляющим психические возможности детей, приходилось заменять некоторые задания, чтобы приблизить полученные результаты нормальному распределению. Результаты диагностических испытаний в психологии очень редко укладываются в рамки нормального закона; их приходится для этого специально подгонять. Причины этого явления нужно искать в самом существе теста, в обусловленности его выполнения подготовкой испытуемых.

Для чего нужно распределение, близкое к нормальному?

Для того, чтобы классифицировать весь полученный при стандартизации по каждому возрасту материал, т. е. результаты тестирования. Для такой классификации используются стандартное отклонение σ и среднее арифметическое . Принимается, что результаты в пределах ±σ показывают границы наиболее характерной, представительной части распределения, границы нормы для данного возраста. При σ =16 и =100 границы нормы будут от 84 до 116. Интерпретируется это так: результаты испытуемых, которые не выходят за эти границы, находятся в пределах нормы. Те, чьи результаты менее 84, находятся ниже нормы, а те, чьи результаты более 116, — выше нормы. Нередко этот же прием применяют и для дальнейшей классификации. Тогда результаты в пределах от –σ до –2σ интерпретируются как несколько ниже нормы, а от –2σ до –3σ — как значительно ниже нормы. Соответственно классифицируются результаты, находящиеся выше нормы.

Вернемся к результату, полученному ребенком шести лет, о котором упоминалось выше. Его успешность по тесту равна 117. Этот результат выше нормы, но очень незначительно (верхняя граница нормы 116).

Кроме статистической нормы, основой для сравнения, интерпретации результатов диагностических испытаний могут стать и такие показатели, как процентили.

Процентиль — это процентная доля индивидов из выборки стандартизации, первичный результат которых ниже данного первичного показателя. Например, если 28 % людей правильно решат не более 15 задач в арифметическом тесте, то первичному показателю 15 соответствует 28-й процентиль (Р28). Процентили указывают на относительное положение индивида в выборке стандартизации. Их также можно рассматривать как ранговые градации, общее число которых равно 100, с той лишь разницей, что при ранжировании принято начинать отсчет сверху, т. е. с лучшего члена группы, получающего ранг 1. В случае же процентилей отсчет ведется снизу, поэтому, чем ниже процентиль, тем хуже позиция индивида.

50-й процентиль (Р50) соответствует медиане — одному из показателей центральной тенденции. Процентили свыше 50 представляют показатели выше среднего, а те, которые лежат ниже 50, — сравнительно низкие показатели. 25-й и 75-й процентили известны также под названием 1-го и 3-го квартилей, поскольку они выделяют нижнюю и верхнюю четверти распределения. Как и медиана, они удобны для описания распределения показателей и сравнения с другими распределениями.

Процентили не следует смешивать с обычными процентными показателями. Последние являются первичными показателями и представляют собой процент правильно выполненных заданий, тогда как процентиль это производный показатель, указывающий на долю от общего числа членов группы Первичный результат, который ниже любого показателя, полученного в выборке стандартизации, имеет нулевой процентильный ранг (Р0). Результат, превышающий любой показатель в выборке стандартизации, получает процентильный ранг 100 (Р100). Эти процентили, однако, не означают нулевого или абсолютного результата выполнения теста.

Процентильные показатели обладают рядом достоинств, в частности:

1) их легко рассчитать и понять даже сравнительно неподготовленному человеку;

2) их применение достаточно универсально и подходит к любому типу тестов.

Однако недостаток процентилей это существенное неравенство единиц отсчета в том случае, когда анализируются крайние точки распределения. При использовании процентилей (как уже отмечалось выше) определяется только относительное положение индивидуальной оценки, но не величина различий между отдельными показателями.

В психодиагностике существует и другой подход к оценке результатов диагностических испытаний. В нашей стране под руководством К. М. Гуревича разрабатываются тесты, в которых в качестве точки отсчета выступает не статистическая норма, а не зависимый от результатов испытания, объективно заданный социально-психологический норматив. Социально-психологический норматив реализуется в совокупности заданий, составляющих тест. Следовательно, сам тест в полном его объеме и является таким нормативом. Все сопоставления индивидуальных или групповых результатов тестирования проводятся с тем максимумом, который представляется в тесте (а это полный набор знаний). В качестве критерия оценки выступает показатель, отражающий степень близости результатов к нормативу. Имеется разработанная схема представления групповых количественных данных. Для анализа данных относительно их близости к социально-психологическому нормативу, условно рассматриваемому как 100%-ное выполнение всего теста, все испытуемые подразделяются по результатам тестирования на пять подгрупп:

1) наиболее успешные — 10 %;

2) близкие к успешным — 20 %;

3) средние по успешности — 40 %;

4) мало успешные — 20 %;

5) наименее успешные — 10 %.

Для каждой из подгрупп подсчитывается средний процент правильно выполненных заданий. Далее строится система координат, где по оси абсцисс идут номера подгрупп, по оси ординат — процент выполненных каждой из подгрупп заданий. После нанесения соответствующих точек вычерчивается график, отражающий приближение каждой из подгрупп к социально-психологическому нормативу. Такая обработка проводится по результатам как теста в целом, так и каждого субтеста в отдельности.


Выборка стандартизации

При разработке и применении любой точки отсчета следует обращать особое внимание на выборку испытуемых, на которой проводится стандартизация диагностической методики. В математической статистике принято различать такие понятия, как генеральная совокупность (популяция) и выборка.

Всякая большая совокупность людей, которую хотели бы исследовать или относительно которых собираются делать выводы, называется генеральной совокупностью.

Выборка — это часть или подмножество совокупности. Проводить исследование всей популяции не принято. Обычно из нее выделяют группу людей — выборку стандартизации, — которая реально подвергается тестированию, и с ее помощью оценивается генеральная совокупность. Чтобы оценки носили достоверный характер, выборка должна быть репрезентативна, представительна рассматриваемой популяции, т. е. ее вероятностные свойства должны совпадать или быть близкими к свойствам генеральной совокупности.

А. Анастази приводит пример формирования репрезентативной выборки при стандартизации шкалы Векслера. Выборка включала 1 300 000 человек с равным количеством мужчин и женщин. Испытуемые в возрасте от 16 до 64 лет были распределены по семи возрастным уровням. При формировании выборки исследователи опирались на данные последней переписи населения США. Учитывалось пропорциональное распределение населения по географическим районам, принадлежность к городскому и сельскому населению, принадлежность к белой или цветной расе, учитывались также уровень образования и профессия. На каждом возрастном уровне в выборку были введены один мужчина и одна женщина, находящиеся в учреждениях для умственно отсталых.

По мнению А. Анастази, подавляющее большинство диагностических методик стандартизовано не для столь широких популяций, как многие полагают. Трудно рассчитывать, что по какому-либо тесту имеются адекватные нормы для таких обширных популяций, как, например, «взрослые американцы-мужчины» или «американские дети 14-летнего возраста». Выборки, ориентированные на широкие популяции, не всегда репрезентативны и чаще всего бывают смещены в тех или иных отношениях (т. е. некоторые подгруппы популяции могут быть представлены непропорционально своей численности). Так, если определить популяцию как «14-летние дети», а выборку стандартизации составить из 14-летних школьников, то ее нельзя рассматривать в качестве репрезентативной, поскольку не все 14-летние дети являются школьниками. В этом случае лучше сузить определение популяции (т. е. определить ее как «14-летние школьники»), чем переносить нормы, полученные на школьниках, на популяцию 14-летних детей.

Таким образом, одним из способов обеспечения репрезентативности выборки является ограничение популяции. Ограничить популяцию можно по разным признакам: по возрасту, полу, социальному происхождению, профессии, социально-экономическому статусу, здоровью и т. д. Такая популяция определяется как специфическая, и стандартизация диагностических методик осуществляется на узконаправленных выборках, которые репрезентативны специфической популяции. Создатель диагностической методики должен всегда сообщать, для какой специфической популяции были разработаны нормативные показатели.

Отбор испытуемых в выборку стандартизации осуществляется следующим образом:

1) дается определение популяции с выделением в ее структуре переменных, значимых и малозначимых для изучаемого психического явления (возраст, образование, профессия и т. д.);

2) популяция делится на части в соответствии со значимыми переменными;

3) испытуемые отбираются в случайном порядке и пропорционально численности каждой значимой части совокупности.

Случайный отбор может осуществляться по алфавиту, по таблице случайных чисел или другим способом. Важно, чтобы у всех представителей популяции были равные шансы попасть в выборку стандартизации. Это условие подразумевает, что каждый выбор не зависит от остальных.

Объем выборки может варьироваться в широких пределах, но её минимальный порог, необходимый для получения достоверных результатов, — порядка 200 человек.