Выделяют пять общих требований к тестам контроля знаний: валидность; определенность (общепонятность)

Вид материала

Содержание

Метод линейной регрессии
Метод промежуточной шкалы
Метод сопоставления функций успеха
Анализ качества диагностических материалов
Оценка надежности нормативно-ориентированного теста
Оценка надежности критериально-ориентированного теста
Параллельная форма теста x
Стандартная ошибка тестовых измерений
Оценка валидности диагностических тестов
Адаптивное тестирование
Психологическое тестирование
Основные требования к психологическим тестам

Подобный материал:

1 2 3 4 5 6 7 8 9 10 11

Метод линейной регрессии

Данный метод [30] основан на том, что сначала усредняются трудности всех якорных заданий одного из вариантов и соответствующие среднеквадратичные отклонения, например для 1-ого варианта:

и т.д. до варианта с номером

.

Затем вычисляют коэффициенты

.

В результате все параметры, соответствующие первому варианту (кроме характеристик якорных заданий) остаются без изменения, а все параметры заданий остальных вариантов преобразуются к единой метрической шкале первого варианта. Более полноценные методы преобразования латентных параметров к единой метрической шкале представлены в работах [33,34].

Метод промежуточной шкалы

В качестве единой метрической шкалы для всех вариантов теста можно рассматривать промежуточную шкалу, масштаб которой определяется средним геометрическим значением оценок дифференцирующих способностей якорных заданий. А начало отсчета (ноль шкалы) средним арифметическим значением оценок трудностей якорных заданий [27,28].

Например, преобразование результатов оценивания параметров 1-го и 2-го вариантов на промежуточную шкалу можно выполнить, используя следующие формулы [27,28]:

,

где

.

Очевидно, что после преобразования получаем:

т.е. преобразованные оценки обоих вариантов будут иметь общие масштабы и общее начало отсчета. Для сопоставления с результатами других вариантов целесообразно выполнить еще одно линейное преобразование, обеспечивающее масштаб шкалы равный 1 и стандартное начало отсчета равное 0:

.

Оценка трудности заданий и уровней подготовленности, полученные по разным вариантам теста, оказываются отнесенными к единой метрической шкале с масштабом равным 1 и нулевым началом отсчета, т.е.:

с усреднением только по якорным заданиям. Среднее значение трудностей якорных заданий будет равно 0, а среднее значение дифференцирующей способности равно 1.

Метод сопоставления функций успеха

Сущность данного метода [28] заключается в следующем каждому узловому (якорному) заданию j с характеристиками

оцененными по первому варианту теста соответствует функция успеха одной переменной

, j=1, 2, 3, ………t.

Сумма таких функций для всех узловых заданий является оценкой математического ожидания первичного балла произвольного участника с уровнем подготовленности

при решении t узловых заданий:

,

аналогично для варианта

имеем:

.

Преобразование функций успеха заданий на шкалу первого задания зависит от коэффициентов

линейного преобразования:

.

Если двухпараметрическая модель Раша полностью адекватна экспериментально полученным данным тестирования и оценки параметров всех заданий безошибочны, то для каждого

существует пара чисел

, для которой функции

совпадают для любого полученного значения

. На практике указанные условия не выполняются и параметры

находят из условия минимума расстояния между функциями

по стандартной квадратичной метрике, т.е. из условия минимума интеграла вида:

,

где

- функция распределения

в изучаемой выборке. На практике процесс сводится к минимизации функции вида:

,

где

- случайная выборка из нормального закона распределения с нулевым математическим ожиданием и реально полученной дисперсией D отклонения от нуля оценок параметра

в варианте с номером

. Таким образом:

, i=1, 2, …..,H ≥

.

Данная методика легко реализуется на практике, однако функции:

вычисляются приближенно, т.к. ее аргументы

могут быть вычислены только приближенно с определенными среднеквадратичными ошибками. Поэтому вместо функции:

следует минимизировать взвешенную сумму квадратов уклонений:

,

где

- вес

, т.е. величина обратно пропорциональная соответствующей дисперсии. Дисперсию значения

можно оценить по формуле:

,

т.к.

, то:

, аналогично:

/

Дисперсия и вес разности

,

где С – произвольная постоянная.

Поскольку выражения для весов включают в себя искомые параметры

, то задачу необходимо решать итерационными методами. Для этого, необходимо сначала положить все веса

=1 для всех элементов

из нормальной выборки и найти начальные приближения для

, путем минимизации функции:

.

Затем, используя найденные значения

надо вычислить веса:

и найти новые значения

путем минимизации функции:

.

Процесс продолжают до тех пор, пока не будет достигнута достаточная сходимость результатов, что достигается, как правило, уже после второй итерации.

Анализ качества диагностических материалов

Одним из ключевых моментов диагностики знаний является необходимость не только оценивать уровень знаний испытуемых, но и анализировать качество диагностических материалов, что необходимо для адекватной оценки знаний.

Понятие качества диагностических материалов включает в себя оценку их надежности и валидности [25,26,35-37], являющихся одними из важнейших характеристик педагогических измерений. Надежность теста – это характеристика методики, отражающая точность измерения и устойчивость результатов к воздействию посторонних случайных факторов. При этом необходимо, чтобы сами испытуемые не изменяли свой уровень подготовки перед повторным тестированием (по тому же самому тесту). С одной стороны такая постановка вопроса является единственно верной, но с другой стороны желательно, чтобы испытуемый получал знания и в процессе тестирования (обучение на собственных ошибках) и анализируя свои результаты. Надежность теста связана с понятием стандартной ошибки, чем выше надежность, тем меньше стандартная ошибка измерений. Существует несколько различных понятий надежности диагностического теста и соответственно методов ее определения [16,36,38,39]:

надежность параллельных форм;
ретестовая надежность;
надежность расщепленных частей теста.

Надежность параллельных форм – характеристика, получаемая с помощью параллельных форм (вариантов) теста, проведенных на одной и той же выборке испытуемых. Корреляция результатов обоих тестов является показателем надежности. В реальной ситуации доказать параллельность двух форм (вариантов) теста или провести повторное тестирование с соблюдением одинаковых условий не представляется возможным.

Ретестовую надежность определяют при повторном использовании того же самого теста спустя некоторый промежуток времени. Однако, любой испытуемый, проходя тестирование, всегда получает дополнительные знания, анализируя свои результаты. Поэтому, ретестовая надежность так же не может считаться абсолютно объективным показателем.

Надежность расщепленных частей теста исследуется путем анализа устойчивости результатов отдельных совокупностей тестовых заданий при однократном тестировании. По-сути, данный способ является некоторой модификацией способа исследования надежности параллельных форм, однако он более технологичен и поэтому получил более широкое распространение.

Согласно классической теории тестов наблюдаемый тестовый балл X можно представить в виде суммы двух компонент [2]: истинного Т и Е – связанного с угадыванием, неправильным пониманием смысла задания и т.д.

Х=Т+Е

Дисперсия наблюдаемых тестовых баллов

состоит из дисперсии истинной компоненты

и дисперсии ошибочной компоненты

Коэффициент надежности теста К определяется следующим соотношением:

Если данное отношение близко к 0, то интерпретация результатов является ненадежной, если коэффициент близок к 1, то он является надежным. Следует отметить, что коэффициент надежности характеризует не только сам тест, но является и критерием оценки выборки испытуемых.

Оценка надежности нормативно-ориентированного теста

Для вычисления надежности нормативно-ориентированного теста используется коэффициент корреляции Пирсона между результатами двух параллельных тестов [40], что можно продемонстрировать, используя данные представленные в таблице 2.

Таблица 2.

№ студента i	Индивидуальный балл по тесту X	Индивидуальный балл по тесту Y		X2	Y2
1	X1	Y1	X1 Y1	X12	Y12
2	X2	Y2	X2 Y2	X22	Y22
…..	…..	….	….	….	….
N	Xn	Yn	Xn Yn	Xn2	Yn2
∑	∑Xi	∑Yi	∑ XiYi	∑ Xi2	∑ Yi2

При оценке надежности теста по двум половинам расщепленного теста используется формула Спирмена-Брауна [40]:

,

где К - надежность всего теста, а

- надежность, вычисленная по двум половинам теста, причем

вычисляется как коэффициент корреляции Пирсона. При этом необходимо подсчитывать баллы испытуемых отдельно для четных и для нечетных заданий теста (см. табл. 3).

Таблица 3.

№ студента i	Индивидуальный балл по нечетным заданиям теста	Индивидуальный балл по четным заданиям теста		X2	Y2
1	X1	Y1	X1 Y1	X12	Y12
2	X2	Y2	X2 Y2	X22	Y22
…..	…..	….	….	….	….
N	Xn	Yn	Xn Yn	Xn2	Yn2
∑	∑Xi	∑Yi	∑ XiYi	∑ Xi2	∑ Yi2

Однако наибольшее распространение на практике получило применение для расчета надежности теста так называемой формулы KR-20:

,

где К- коэффициент надежности, m- число заданий в тесте,

- доля правильных ответов на j задание,

- доля неправильных ответов на j задание. Дисперсия

индивидуальных баллов N студентов вычисляется по формуле:

.

Если величина коэффициента надежности К составляет от 0,90 до 0,99, то тест имеет отличную оценку надежности, если от 0,80 до 0,89 то хорошую, от 0,70 до 0,79 – удовлетворительную и менее 0,69- неудовлетворительную надежность. По формуле KR20 оценивается надежность таких тестов как SAT (K=0.91) и TOEFL (К=0,93). По данным [41] для текущего контроля знаний необходимо, чтобы тест имел надежность не менее 0,80, а для итоговой аттестации более 0,90.

Оценка надежности критериально-ориентированного теста

Многие авторы [42,36,38,43,44] указывают, что традиционные способы оценки надежности не подходят для критериально – ориентированных тестов, т.е. тестов ориентированных на определенную область содержания. В большинстве случаев именно такие тесты и используются для текущей и итоговой аттестации студентов. Если процесс обучения является достаточно эффективным, то дисперсия тестовых баллов будет невелика и распределение наблюдаемых баллов будет гомогенным. Поэтому, корреляционная оценка надежности теста будет низкой [40], но с другой стороны высокий гомогенный тестовый балл может быть показателем качества обучения и его можно использовать для характеристики работы обучающей системы. Однако здесь необходимо быть достаточно осторожным и надежность теста ориентированного на область содержания следует определить как постоянство результатов тестирования для испытуемых, которым предлагается два набора заданий, выбранных из одного и того же банка, соответствующего одному и тому же содержанию. Задания так же могут быть заданы путем случайного выбора из банка, соответствующего одному и тому же содержанию. Последний способ является более технологичным и предпочтительным.

При проведении тестов ориентированных на определенную область содержания уровень удовлетворительной подготовки определяется 70%-90% правильных ответов. В этом случае надежность определяется как постоянство результатов. Ответ на этот вопрос можно получить при использовании параллельных форм теста, проводимого одновременно или через некоторое время.

По результатам тестирования составляется так называемая таблица сопряжения “2х2” (см. таблицу 4).

Таблица 4.

ТЕСТ X	ПАРАЛЛЕЛЬНАЯ ФОРМА ТЕСТА X
		“НЕЗАЧЕТ”	“ЗАЧЕТ”
	“НЕЗАЧЕТ”	a	b
	“ЗАЧЕТ”	c	d

Величины a,b,c,d-это доли испытуемых, получивших соответствующую аттестацию по результатам обеих форм теста. При данном подходе постоянство результатов тестирования отражает в основном свойства выборки испытуемых, а не высокое качество теста. Поэтому трудность теста должна соответствовать уровню подготовки тестируемых [2]. Для вычисления коэффициента корреляции

можно использовать следующую формулу [45]:

Если две параллельные формы теста эквивалентны по уровню трудности, а уровень подготовки студентов описывается нормальным распределением баллов в параллельных формах теста, то можно рассчитать надежность теста по так называемому тетрахорическому коэффициенту корреляции [45]:

Этот коэффициент независим от среднего уровня способностей испытуемых, но зависит от уровня индивидуальных способностей и будет выше для более разнородно подготовленной группы тестируемых. Если распределение баллов в параллельных тестах не соответствует нормальному, то тетрахорический коэффициент корреляции дает завышенную оценку и не может быть применим.

Для оценки надежности критериально – ориентированных тестов может быть применена более упрощенная методика [39]. По данным таблицы 4 оценивают вероятность (Р) принятия согласованного решения отнесения испытуемых к определенной группе (получившей зачет по результатам двух тестов и получивших незачет по результатам обоих тестов):

P=a+d

Вероятность Р позволяет только приближенно оценить надежность теста. Для более точной оценки необходимо учитывать вероятность случайного принятия согласованного решения [39] (Pc):

И вычислить надежность на основе так называемого каппа коэффициента (Кǽ):

Данный коэффициент может принимать значения от -1 до +1. Объективной оценкой надежности критериально – ориентированного теста может служить близость коэффициентов рассчитанных по разным методикам.

Стандартная ошибка тестовых измерений

Оценка надежности теста двойной интерпретации (и нормативно и критериально – ориентированного) позволяет дать оценку стандартной ошибки индивидуального балла студента, которая может быть рассчитана по следующей формуле [40]:

,

где

- стандартная ошибка индивидуального балла студента, К – надежность теста,

- стандартное отклонение индивидуальных баллов в тесте

В качестве примера можно рассмотреть тест TOEFL [46]. По данным разработчика этого теста компании ETS надежность, вычисленная по формуле KR20 составляет 0,91,

= 45, тогда

= 15. Если испытуемый например, набрал 500 баллов в данном тесте, то с доверительной вероятностью 0,68 его истинный балл лежит в пределах 500±15. При доверительной вероятности 0,95 его истинный балл будет находиться в пределах 500±30.

Для увеличения надежности тестов можно использовать способы, рекомендованные в работах В.С.Аванесова, М.Б.Челышковой и других исследователей. Сущность этих способов заключается в следующем:

Необходимо провести анализ каждого тестового задания на соответствие его формы и содержания основам тестовой теории.

Необходимо по возможности стремится к большому числу заданий в тесте, так как это способствует повышению качества теста и его надежности.

Желательно удалить из теста задания, плохо различающие подготовленных и неподготовленных учащихся, плохо сформулированные и вводящие в заблуждение тестируемых.

Предпочтительнее использовать в тесте задания в закрытой форме, что существенно уменьшает влияние случайного угадывания.

Оценка валидности диагностических тестов

Напомним, что под валидностью теста подразумевается его способность измерять именно те характеристики для измерения которых он был разработан. На практике различают несколько видов валидности:

-содержательную валидность;

-критериальную валидность;

-конструктную валидность.

Содержательной валидностью должны обладать все диагностические материалы, применяемые для контроля знаний. Тест обладает содержательной валидностью, если в нем адекватно отображены все основные аспекты исследуемой области содержания. Оценка содержательной валидности осуществляется на основе анализа конгруэнтности и технологических качеств теста. Иногда для оценки содержательной валидности используют метод “дублирования” [43]. Сущность метода заключается в том, что двум группам разработчиков тестов выдаются одинаковые планы области содержания и целей тестирования, одинаковые спецификации тестовых заданий и т.д. Проверка эквивалентности тестов и их содержательной валидности осуществляется путем сравнения результатов тестирования на одной и той же выборке испытуемых. Близость полученных результатов свидетельствует о хорошей содержательной валидности.

Критериальная валидность – это степень соответствия между результатами тестирования и внешними критериями [47]. Примером критериальной валидности может, например, служить корреляция результатов вступительных экзаменов с успехами студентов на первом курсе, т.е. результаты вступительного тестирования являются валидными, если коэффициент их корреляции с успехами студентов высок. Критериальная валидность [47] подразделяется на:

-конкурентную (текущую) валидность;

-прогностическую валидность.

Текущая валидность оценивается по корреляции результатов данного теста с результатами других тестов или других внешних критериев.

Прогностическая валидность теста определяется как корреляция между результатами тестирования и некоторым внешним критерием, например будущими успехами испытуемых в профессиональной деятельности.

Конструктная валидность включает в себя все вышеперечисленные виды валидностей. Однако для ее определения необходимо наиболее точно описать конструкт (переменную), для измерения которой предназначен тест. Для этого необходимо:

-перечислить гипотезы, касающиеся данной переменной, с которыми должен коррелировать данный тест;

-перечислить гипотезы, касающиеся данной переменной, с которыми не должен коррелировать данный тест;

-выявить группы испытуемых, которые должны показывать низкие (или высокие) результаты при тестировании.

Оценка валидности теста является более сложной задачей, чем оценка надежности, поскольку основывается не только на работе с опытными данными, но и теоретическими концепциями построения тестов. При оценке валидности необходимо учитывать две основные характеристики. Первая – конгруэнтность тестового задания элементу содержания (оценка того, в какой степени тестовое задание измеряет элемент или аспект содержания, включенный в спецификацию). Вторая - технологическое качество теста, в том числе и его форма.

Конгруэнтность тестовых заданий. Для оценки данного параметра используется следующая процедура:

1)эксперты по содержанию данной дисциплины присваивают каждому тестовому заданию рейтинг, учитывающий степень соответствия (например, от 1-неудовлетворительная конгруэнтность до 5 - отличная),

2)проводится статистический анализ рейтингов и на его основе выдается заключение о конгруэнтности теста.

Другой метод оценки конгруэнтности тестовых заданий элементам содержания заключается в том, что экспертам выдается два списка – один с заданиями, второй с элементами содержания и целями тестирования. Задачей эксперта является установления соответствия задания элементу содержания из списка. Затем составляется таблица соответствия "задание-элемент содержания" и на основе исследования распределения

на независимость данных в этой таблице оценивается степень конгруэнтности.

Оценка технологического качества тестовых заданий производится на основании экспертного заключения специалистов и в процессе непосредственного использования данных тестовых заданий.

Адаптивное тестирование

Процедура адаптивного тестирования предполагает анализ ответов на последовательность тестовых заданий определенной трудности. Следует отметить, что адаптивное тестирование возможно, если заранее определена трудность тестовых заданий, что предполагает их предварительную апробацию и обработку результатов с использованием методов дисперсионного анализа и теории тестирования для определения надежности, валидности, дифференцирующей способности и трудности. Кроме того, адаптивное тестирование можно проводить в случае, когда искусственно задан некоторый уровень сложности тестового задания Р, равный числу операций, которые надо осуществить для его правильного выполнения. Например, Р может быть равен числу формул необходимых для решения задачи, предлагаемой испытуемому системой тестирования.

В случае тестового контроля можно поступать следующим образом. Если ответ правильный, то предполагается, что уровень подготовки студента выше сложности предъявленной задачи, и он способен решать задачи заданной трудности, в противном случае — неспособен. В данном случае можно использовать следующий подход. Если тестируемый успешно решил данное задание, то у него появляется желание решить более трудное задание. Если нет — то им будет сделана еще одна попытка решения задания той же трудности. Если оно также не решено, то предъявляется задача пониженной трудности. Если сразу не решено менее трудное задание, то предлагается задача еще меньшей трудности. Аналогично происходит процесс повышения трудности заданий. В результате, если исключить этап обучения при решении задач, то испытуемый выберет для себя определенный уровень трудности, вокруг которого и будет размываться трудность заданий.

Таким образом, функция «уровня знаний» является преобразованием функции «трудности» задачи через «способность решения задач» определенной «трудности». В этом случае термины «уровень знаний», «способность решения задач» и «трудность» носят нечеткий характер. Поэтому для формализации этих понятий целесообразно использование аппарата нечетких множеств. Кроме того, в указанной постановке заметна разница между «сложностью» и «способностью решения задач».

Непосредственно с адаптивным тестированием связано понятие адаптивного обучения, которое позволяет обеспечить представление учебного материала на оптимальном 50% уровне сложности, поскольку легкие задания не обладают развивающим потенциалом, а очень сложные снижают мотивацию к обучению. Адаптивное тестирование направлено на адаптацию процесса обучения к индивидуальным особенностям в условиях коллективного обучения. Контроль в первую очередь направлен на оценку состояния обученности и необходим для соответствующей коррекции учебного процесса.

Исходный тест по предложенному модулю может быть предназначен для предварительного тестирования групп учащихся с целью приближенного определения уровня обученности группы по соответствующему модулю курса. Целесообразность адаптивного контроля определяется оптимизацией процесса тестирования, так как нет необходимости давать легкие задания знающему студенту и сложные задания не достаточно хорошо подготовленному. Использование заданий, соответствующих уровню подготовки позволяет уменьшить время тестирования и повысить точность измерения уровня знаний.

В настоящее время выделяют три варианта адаптивного контроля:

-пирамидальное тестирование;

-flexi level-тестирование;

-stradaptive тестирование.

При пирамидальном тестировании на первом шаге всем испытуемым выдаются задания одинакового среднего уровня трудности, а затем в зависимости от ответов либо более трудное, либо более простое путем деления шкалы заданий пополам. Например [48,49], если банк заданий состоит из 21 упорядоченного по трудности задания, то тестирование начинается с 11 задания, а затем выдается либо шестое, либо шестнадцатое и т.д.

При flexi level-тестировании контроль начинается с любого уровня трудности заданий, а при stradaptive тестировании каждое последующее задание отличается от предыдущего на один шаг по трудности.

В статистической обработке ответов при адаптивном тестировании применяют IRT теорию, которая использует для моделирования вероятностей правильных ответов логистическую кривую. Проводя сравнительный анализ логистического и нормального распределений можно показать, что логистическое распределение очень хорошо апроксимируется нормальным. В свою очередь нормальный закон является предельным случаем биномиального распределения. Этот факт можно формально интерпретировать так, что «уровень знаний» является долей решенных задач, так как число решенных из общего числа задач при заданной вероятности решения подчинено биномиальному распределению.

Другая математическая модель адаптивного контроля знаний исходит из определения уровня обученности учащихся в зависимости от трудности заданий. Теоретической основой в данном случае является теория Item Response Theory (IRT) в сочетании с дидактическим принципом индивидуализации обучения. Целям дифференциации обучаемых служит построение индивидуальных кривых испытуемых по двухпараметрической модели A.Bimbaum.

Психологическое тестирование

Назначение психодиагностики и классификация ее методов

Психологическая диагностика позволяет распознать и измерить индивидуально-психологические особенности человека (свойств его личности и интеллекта), например способностей к тому или иному виду обучения [50]. Результаты психодиагностических измерений могут показывать не только наличие определенных свойств, но и степень их выраженности, уровень развития. В основе психодиагностики лежит дифференциальная психометрия. Целью которой является разработка требований к измерительным психодиагностическим методам анализ и интерпретация получаемых данных. Для этого можно использовать два подхода:

1) измерение индивидуально-психологических особенностей, требующее соотнесения с нормой (номотетический метод) [25];

2) распознавание индивидуально-психологических особенностей и их описание (идеографический метод) [25].

Эти подходы отличаются по следующим основаниям (см. таблицу 5):

пониманием объекта измерения;

направленностью измерения;

характером методов измерения.

Таблица 5

Основание	Номотетический подход	Идеографический подход
Понимание объекта измерения	Понимание личности как набора свойств	Понимание личности как целостной системы
Направленность измерения	Выявление и измерение общих для всех людей свойств личности	Распознавание индивидуальных особенностей личности
Методы измерения	Стандартизованные методы измерения, требующие сопоставления с нормой	Проективные методики и идеографические техники

Психодиагностические методы классифицируются по различным критериям и показателям, на выявление которых они направлены [51,52]:

по используемому материалу (вербальные, невербальные, манипуляционные, тесты "бумаги и карандаша" и т.д.);
по количеству получаемых показателей (простые и комплексные);
тесты с "правильным" решением и тесты с возможностью различных ответов;
по психической активности испытуемых:
интроспективные (сообщение испытуемого о личном опыте, отношениях): анкеты, беседа;
экстроспективные (наблюдение и оценка разнообразных проявлений);
проективные (испытуемый проецирует неосознаваемые свойства личности (внутренние конфликты, скрытые влечения и др.) на малоструктурированные, многозначные стимулы);
исполнительные (испытуемый осуществляет какое-либо действие (перцепционное, мыслительное, моторное), количественный уровень и качественные особенности которого являются показателем интеллектуальных и личностных черт).
по качеству: стандартизованные, не стандартизованные;

по назначению:

общедиагностические (тесты личности по типу опросников Р.Кеттелла или Г.Айзенка, тесты общего интеллекта);
тесты профессиональной пригодности;
тесты специальных способностей (технических, музыкальных, тесты для пилотов и т.д.);
тесты достижений;
по материалу, которым оперирует испытуемый:
бланковые;
предметные (кубики Кооса, "сложение фигур" из набора Векслера);
аппаратурные (устройства для изучения особенностей внимания и т.д.);
по количеству обследуемых: индивидуальные и групповые;
по форме ответа: устные и письменные;
по ведущей ориентации: тесты на скорость, тесты мощности, смешанные тесты. В тестах мощности, задачи трудны и время их решения не ограничено (исследователя интересует как успешность, так и способ решения задачи);
по степени однородности задач: гомогенные и гетерогенные (отличаются тем, что в гомогенных задачи схожи друг с другом и применяются для измерения вполне определенных личностных и интеллектуальных свойств; в гетерогенных тестах задачи разнообразны и применяются для оценки разнообразных характеристик интеллекта);
по комплексности: изолированные тесты и тестовые наборы (батареи);
по характеру ответов на задачи: тесты с предписанными ответами, тесты со свободными ответами;
по области охвата психического: тесты личности и интеллектуальные тесты.

Основные требования к психологическим тестам

Требования, предъявляемые к психологическим тестам, могут быть сформулированы, исходя из определения психологического теста: "Тест – стандартизованное, ограниченное во времени испытание, предназначенное для установления количественных и качественных психологических различий" [26]. Тест это один из методов измерения в психодиагностике, который должен характеризоваться высокой степенью объективности, надежности и валидности.

Объективность психологического теста означает, что первичные показатели, полученные после обработки данных выполнения респондентом тестовых заданий, их оценка и интерпретация не зависят от поведения и субъективных суждений экспериментатора. Разработка заданий, процедура проведения, обработка результатов теста должна осуществляться согласно определенным стандартным правилам:

правило единообразия процедуры проведения теста для получения сравнимых с нормой результатов;
правило единообразия оценки выполнения теста;
правило определения нормы выполнения теста для сопоставления с ними показателей, полученных в результате обработки данных тестирования.

Эти правила называют этапами стандартизации психологического теста.

Первый этап: создание единообразной процедуры тестирования, в которую входит:

условия тестирования (например, объем кратковременной памяти лучше измерять с помощью субтеста повторения цифровых рядов в тесте Векслера, когда нет внешних раздражителей, таких как посторонние звуки, голоса и т.д.);

Содержание инструкции и особенности ее предъявления (например, в тесте "10 слов" каждое слово должно предъявляться через определенный интервал времени в секундах);

Наличие стандартного материала для тестирования;

Временные ограничения выполнения данного теста;

Стандартный бланк для выполнения данного теста (использование стандартного бланка облегчает процедуру обработки);

Учет влияния ситуационных переменных на процесс и результат тестирования (под ситуационными переменными подразумевается состояние испытуемого (усталость, перенапряжение и т.д.), нестандартные условия тестирования (плохое освещение, отсутствие вентиляции и др.), прерывание тестирования;

Учет влияния поведения диагноста на процесс и результат тестирования (например, одобрительно поощряющее поведение экспериментатора во время тестирования может восприниматься респондентом как подсказка "правильного ответа" и др.);

Учет влияния опыта респондента в тестировании (респондент, который уже не в первый раз проходит процедуру тестирования, преодолел чувство неизвестности и выработал определенное отношение к тестовой ситуации).

Второй этап: создание единообразной оценки выполнения теста: стандартной интерпретации полученных результатов и предварительной стандартной обработки. Этот этап предполагает сравнение полученных показателей с нормой выполнения этого теста для данного возраста (например, в тестах интеллекта), пола и т.д.

Третий этап: определение норм выполнения теста [26].

Нормы разрабатываются для различных возрастов, профессий, полов и др. Вот некоторые из существующих видов норм (см. таблицу 6):

Таблица 6.

Школьные нормы	Разрабатываются на основе тестов школьных достижений или тестов школьных способностей. Они устанавливаются для каждой школьной ступени и действуют на всей территории страны.
Профессиональные нормы	Устанавливаются на основе тестов для разных профессиональных групп (например, механиков разного профиля, машинисток и др.).
Локальные нормы	Устанавливаются и применяются для узких категорий людей, отличающихся наличием общего признака, например, возраста, пола, географического района, социального и экономического статуса и т.д. (например, для теста Векслера на интеллект, нормы ограничены возрастными рамками)
Национальные нормы	Разрабатываются для представителей данной народности, нации, страны в целом. Необходимость таких норм определяется конкретной культурой, моральными требованиями и традициями каждой нации.

Наличие нормативных данных (норм) в стандартизованных методах психодиагностики является их существенной характеристикой.

Нормы необходимы при интерпретации тестовых результатов (первичных показателей) в качестве эталона, с которым сравниваются результаты тестирования. Например, в тестах интеллекта получаемый первичный показатель IQ соотносится с нормативным IQ (43, 44, 45 баллов в тесте Равена). Если полученный IQ респондента выше нормативного, равен 60 баллам (в тесте Равена), можно говорить об уровне развития интеллекта этого респондента как высоком. Если полученный IQ ниже, то низком; если полученный IQ равен 43, 44 или 45 баллам, то среднем.

Blog

Выделяют пять общих требований к тестам контроля знаний: валидность; определенность (общепонятность)

Содержание

Метод линейной регрессии

Метод промежуточной шкалы

Метод сопоставления функций успеха