Geum.ru

Psy служит акмеология комплексная наука о достижении вершин в профессиональной и иных видов деятельности

Вид материалаДокументы

Содержание


2.1 Статистические основы шкалирования в тестологии
Подобный материал:
1   2   3   4   5   6   7   8   9   ...   22
ного, душевного мира личности все сложнее становятся рассказы,

все труднее становится их интерпретировать. Механизм, методы

интерпретации связаны в значительной степени с достижениями

психоанализа, в решающей степени зависят от жизненного опыта

психолога, от опыта его работы с данным тестом, от уровня его

профессиональной квалификации.

Приведенных примеров достаточно, чтобы почувствовать

сильные и слабые стороны строго алгоритмизированных и проек-

тивных тестов. Сильные стороны строго алгоритмизированных

тестов в их относительной простоте применения и интерпретации,

в возможности их быстрой автоматизации, соизмеримости резуль-

тата по всем обследуемым, в возможности их применения с раз-

личными весовыми коэффициентами при профотборе и др.

Сильными сторонами проективных тестов являются высокая

степень их индивидуализации, возможность проникновения их в

бессознательное человека, в его установки, в том числе скрыва-

емые или неосознанные им самим, возможность вскрытия с их по-

мощью нередких конфликтов, дисгармонии между сознательным и

бессознательным, "улучшения" с их помощью интуиции человека,

изучающего другого человека.

Существенной является и другая классификация тестов (Life-

date, Questen-date, Test-date).

L-date (дословно - тесты жизни) - это биографические

тесты, тесты жизненного пути. В зарубежной психологии в насто-

ящее время наступил как бы бум биографических исследований.

Как показали эксперименты, биографические тесты оказались наи-

более надежными, наиболее валидными при прогнозе на многие

виды профессиональной деятельности. Биография это как бы ре-

альная жизнь человека. И если ее точно фиксировать, умно ин-

терпретировать, то можно получить хорошие результаты. По своей

сути тесты данного вида естественно подразделяются на биогра-

фические тесты статистического характера и на биографические

методики, близкие по своей сути к психоаналитическим. Нередко

анализ биографических данных является компонентом сугубо пси-

хоаналитической процедуры.

Q-date - это так называемые тесты-опросники. Они пока на-

иболее распространены при тестировании, так как относительно

просты при создании (хотя некоторые из них совершенствуются

десятилетиями) и при применении. Тесты-опросники поддаются ма-

шинной обработке. В силу этого создание автоматизированных

компьютерных систем в психологии как бы сориентировано на

использование, совершенствование тестов-опросников. К этой ка-

тегории тестов относится ММРI, тест Кэттелла и др.

T-date - это классическая разновидность теста. Это как бы

тест (test - с английского это испытание, проба) в исторически

чистом виде. Классический тест предполагает выполнение зада-

ния-пробы определенной степени трудности. Примером подобного

теста может служить тест "Логические закономерности". Приведем

пример такого теста. Бланк данного теста, направленного на

экспрессдиагностику глубинных структурных компонентов интел-

лекта, выглядит так:


Тест "ЛОГИЧЕСКИЕ ЗАКОНОМЕРНОСТИ"

Фамилия, имя, отчество . . . . . . . . . . . . . .

Дата тестирования . . . . . . . .

Условный номер . . . . .


Задание:

Продолжите логически закономерный ряд чисел, поставив два

числа.

1е число 2е число

Пример: 4, 5, 6, 7, 8 9 10


А теперь более сложные закономерности:


1) 4, 6, 8, 10... .. ..

2) 256, 64, 16, 4... .. ..

3) 1, 3, 7, 15, 31... .. ..

4) 100, 89, 78, 67... .. ..

5) 17, 9, 5, 3... .. ..

6) 8, 24, 8, 48, 8... .. ..

7) 33, 43, 11, 53, 63, 12... .. ..

8) 25, 35, 24, 36... .. ..

9) 2, 14, 38, 86... .. ..

10) 324, 108, 36, 18, 9, 3, 1... .. ..

11) 2, 1, 13, -10, 24, -21... .. ..

12) 13, 27, 32, 48, 65... .. ..

13) 5, 6, 3, 4, 1, 2... .. ..


Подпись: . . . . . . . . . .


Чем больше решено заданий в данном тесте за отведенное

время, тем вероятнее более высокий уровень развития интеллек-

туальных способностей данного типа. Для этого вида тестов, осо-

бенно интеллектуальных, находят так называемый коэффициент ин-

теллектуальности - IQ. Коэффициент интеллектуальности (от

англ. Intellektual Quotient, сокращенно IQ) - показатель

умственного развития, получаемый на основе применения различ-

ных интеллектуальных тестовых методик. Идея количественного

определения уровня интеллектуального развития детей с помощью

тестов принадлежит французскому психологу А.Бине (1903 год),

сам термин введен австрийским психологом В.Штерном (1911 г.).

Показатель IQ используется в армиях ряда стран в методической

системе профессионального психологического отбора при оценке

умственных способностей военнослужащих, он нашел широкое при-

менение и в педагогическом тестировании.

Исторически раньше IQ стал находиться при обследовании

детей. При этом использовалась формула:


УВ

IQ = 100 х ------------

ФВ


Где: УВ - умственный возраст (он больше, чем больше пра-

вильно решено интеллектуальных заданий)

ФВ - фактический возраст


Позднее IQ стал использоваться при обследовании лиц одно-

го возраста. Формула приняла вид:


ФЗ дл

IQ = 100 х ------------

СЗ дв


Где: СЗ дв - среднее значение данной выборки

ФЗ дл - фактическое значение для данной личности (то есть

сколько интеллектуальных заданий выполнил правильно данный

обследуемый)

Если IQ = 100, то это есть не что иное как среднестатисти-

ческий показатель для данной выборки. Не смотря на то, что

исторически IQ стал находится для детей, чаще все же он

используется не для сравнения результатов тестирования между

группами лиц с различным возрастом, а для сравнения результа-

тов тестирования внутри одной выборки, группы. При этом выбор-

ка может иметь различную степень однородности. Менее однород-

ные выборки имеют большую степень разброса результатов тести-

рования. В самом деле, если данный тест будет решать и первок-

лассники, и выпускники физико-математической школы, то будет

две группы значений - крайне низкая и весьма высокая. Если же

этот тест будут решать студенты с относительно однородной ма-

тематической подготовкой, относительно одинаковыми математи-

ческими способностями, то и результаты будут относительно оди-

наковыми. Степень однородности - неоднородности результатов

тестирования отражается в величине стандартного отклонения

(G), дисперсии (G х G). Эти математические величины исключи-

тельно важны в тестологии, акмеологии. В силу чего данная

проблема заслуживает отдельного рассмотрения.

Пока сделаем вывод по параграфу:

1. Тест служит инструментом измерения качеств, психи-

ческих функций личности. Его применение оправдано, когда не-

возможна прямая квантификация изучаемых личностных параметров,

когда необходимо прибегнуть к косвенной квантификации, получе-

нию количественных показателей с помощью тестовых шкал или

когда косвенная квантификация точнее прямой, непосредственной,

экспертной.

2. Тест отличается от простого набора вопросов, заданий

заранее определенной надежностью (степенью устойчивости ре-

зультатов) и достигнутой валидностью (степенью точности тесто-

вого предсказания).

3. Тесты можно классифицировать по различным формаль-

но-логическим основаниям. Принципиальным для понимания особен-

ностей развития, затруднений тестологии является анализ поло-

жительных и слабых сторон четко алгоритмизированных и проек-

тивных тестов; тестов-вопросников, тестов-заданий и биографи-

ческих тестов. Каждый из разновидностей тестов обладает как

своими достоинствами, так и своими недостатками.

Вывод по главе: акмеология, занимаясь изучением особенностей

профессиональной деятельности, использует среди методов иссле-

дований и достижения тестологии. Особое значимость при этом

имеет достигнутая возможность квантификации социальных данных,

возможность измерения личности, параметров ее профессиональной

деятельности, которые предоставляет современная наука о чело-

веке.


R2.2. Глава 2 СТАТИСТИЧЕСКИЕ ОСНОВЫ КЛАССИЧЕСКОГО ТЕСТИРОВАНИЯ.


В настоящее время можно говорить о статистических основах

классического тестирования и тестирования с использованием но-

вых информационных технологий, в частности экспертных систем.

Условно назовем это акмеологическим тестированием. Методологи-

ческой, теоретико-методической основой такого тестирования яв-

ляется опора на концепцию факторно-куммулятивных причин. В

данной главе излагаются статистические основы классического

тестирования. Без знания, использования данного статистическо-

го аппарата невозможно и создание экспертных систем в психоло-

гии, невозможно и акмеологическое тестирование.


2.1 СТАТИСТИЧЕСКИЕ ОСНОВЫ ШКАЛИРОВАНИЯ В ТЕСТОЛОГИИ


Создание работающих, эффективных тестов - это сложная и

длительная работа, требующая как тонкого понимания собственно

психологических проблем диагностики, так и знания основ мате-

матической статистики.

Пожалуй самым простым, но одним из ключевых элементов

математической статистики в тестологии является поиск среднего

арифметического (математического ожидания) по вопросам и шка-

лам теста, а также производных математических величин от мате-

матического ожидания (стандартное отклонение, дисперсия и

др.).

Математическое ожидание есть не что иное как среднее

арифметическое. Знание математического ожидания важно для

оценки результатов тестирования, но порой эта величина не-

достаточно информативна для оценки результатов тестирования в

целом.

Приведем пример. В двух группах (для примера пусть они

будут состоять из 10 человек) проведено тестирование. Исполь-

зован тест "Логические закономерности". Получены следующие ре-

зультаты:


---------------------------------------

N N обсле- количество правильно

груп-дуемого решенных задач

пы

----------------------------------------

1 1 10

1 2 3

1 3 9

1 4 2

1 5 8

1 6 3

1 7 5

1 8 9

1 9 10

1 10 1 -

Среднее арифметическое (математическое ожидание - Х ) равно 6


Данные по второй группе:

-----------------------------------

N N обсле- количество правильно

груп-дуемого решенных задач

пы

-----------------------------------

2 1 6

2 2 7

2 3 9

2 4 5

2 5 8

2 6 10

2 7 5

2 8 6

2 9 4

2 10 4 -

Среднее арифметическое (математическое ожидание - Х ) равно 6,4


Как видим, в первой группе все обследуемые разделились на

две подгруппы (блестяще решившие задания и решившие их плохо).

Во второй группе, наоборот, большая часть обследуемых показала

средние результаты. При этом среднее арифметическое в первой и

второй группах примерно одинаково. Но в первой группе средних

результатов нет вообще, во второй же - нет низких результатов.

То есть в этих группах различна степень "разбросанности" ре-

зультатов тестирования. Эта степень в математике выражается

дисперсией, стандартным отклонением.

Дисперсия (от лат. dispersio - рассеяние) - наиболее

употребляемая мера рассеяния, то есть отклонения от среднего.


n

- 2

> (Хi - Х)

-

2 i = 1

S = -----------------------

n - 1


Где: Х - среднее арифметическое данной выборки

Хi - значение данного элемента выборки

N - количество элементов выборки


Стандартное отклонение - не что иное как корень квадрат-

ный из дисперсии. Встречается два обозначения стандартного от-

клонения (и дисперсии) : G (G x G) и S (S x S).

Где: G - генеральное стандартное отклонение

S - выборочное стандартное отклонение


Найдем данные величины для приводимых примеров.


2

S = 12,666 S = 3,559

1 2


2

S = 4,268 S = 2,066

2 2


Стандартное отклонение играет исключительную роль в

тестологии. Все разрабатываемые в психологии тестовые шкалы

связаны со значениями стандартного отклонения сырых показате-

лей по данной шкале. Однако прежде чем перейти к данной проб-

леме остановимся на анализе понятий "кривая распределения",

"нормальный закон распределения", так часто встречающихся в

тестологии.

Построим для примера гистограммы распределения количест-

ва правильно решенных заданий по тесту "Логические закономер-

ности" для 1 и 2 групп обследуемых.


Гистограмма

правильно решенных задач для 1 группы обследуемых


количество

человек i

10 i

9 i

8 i

7 i

6 i

5 i

4 i

3 i .

2 i . . .

1 i . . . . . .

------------------------------------------------

1 2 3 4 5 6 7 8 9 10 количество

заданий


Гистограмма

правильно решенных задач для 2 группы обследуемых


количество

человек i

5 i

4 i

3 i

2 i . . .

1 i . . . . . . .

------------------------------------------------

1 2 3 4 5 6 7 8 9 10 количество

заданий

И в первом и во втором случаях мы видим неравномерное

распределение результатов тестирования. Однако делать вывод о

низком качестве теста по этим результатам преждевременно:

слишком мало количество обследованных (еще не вступил в силу

закон больших чисел, который начинает проявляться где-то с

30-60 испытаний).

Поэтому объединим результаты тестовых испытаний в 1 и 2

группах.


Гистограмма

правильно решенных задач для двух групп обследуемых


количество

человек i

4 i

3 i . . .

2 i . . . . . . .

1 i . . . . . . . . . .

------------------------------------------------

1 2 3 4 5 6 7 8 9 10 количество

заданий


Эта гистограмма построена по двум параметрам - количество

правильно решенных задач и количество человек. Однако если мы

построим такие гистограммы для групп с неровным числом членов,

то сопоставить полученные результаты будет сложно. Это значи-

тельно легче делать, если будут построены процентные (вероят-

ностные) гистограммы. В нашем примере каждый обследуемый

"весит" 5% (1 из 20). Поэтому вероятностная гистограмма будет

иметь следующий вид:

Гистограмма

правильно решенных задач для двух групп обследуемых


Р

1 i

I

0,4 i

i

0,3 i

i

0,2 i

i . . .

0,1 i . . . . . . .

i . . . . . . . . . .

------------------------------------------------

1 2 3 4 5 6 7 8 9 10 N


Где Р - вероятность успешного решения того или иного ко-

личества пунктов теста.

N - количество правильно решенных пунктов теста

Опираясь на эти данные, можно перейти на язык теории ве-

роятностей , используя при создании, отработки тестов самые

современные достижения в этой области.

Однако вероятностные зависимости устойчивы при достаточно

большом количестве испытаний - от 100 и выше, минимально

30-40. Поэтому для получения достаточно надежных, репрезента-

тивных результатов следует обследовать до 100-1000 испытуемых.

Приведем реальные результаты, полученные по данному тесту.


Гистограмма

правильно решенных задач для 100 обследуемых,

учащихся выпускных классов физико-математической

школы за 10 минут

Р

1 i

I

I

I

0,5 I

i

0,4 i

i

0,3 i

i

0,2 i .

i . .

0,1 i . . . . .

i . . . . . . . .

------------------------------------------------

1 2 3 4 5 6 7 8 9 10 количество

заданий


Однако это лица с целенаправленной математической подго-

товкой. А вот результаты обследования 1000 выпускников средних

школ данным тестом.

Гистограмма

правильно решенных задач для 1000 обследуемых,

выпускников средних школ

Р

1 i

0,5 I

i

0,4 i 0 0

i 0 0 , , 0 0

0,3 i 0 0 , , 0 0 , , 0 0

i , , 0 1 2 2 1 0 , ,

0,2 i 0 0 5 4 5 4 5 6 0 0

i 1 4 . . 4 2

0,1 i . . . .

i . . . . . . . . . .

------------------------------------------------

1 2 3 4 5 6 7 8 9 10 количество

заданий

В данном распределении результаты как бы симметрично

распределены вокруг среднего значения (математического ожида-

ния). Это признак приближения данного распределения к так на-

зываемому нормальному закону распределения. Нормальное распре-

деление - одно из важнейших распределений в теории вероят-

ностей, для которого характерна симметричная кривая распреде-

ления. Степень пологости этой кривой зависит от соотношения

среднего арифметического и стандартного отклонения.

При отработке шкал теста принципиально важно сырые пока-

затели (правильно решенные задачи, баллы) приблизить к нор-

мальному закону распределения. После достижения нормального

распределения результатов тестирования можно переходить к фор-

мированию той или иной шкалы.

В частности в тесте Кэттелла для достижения нормального

распределения надо было подбирать вопросы так, чтобы тестируе-

мые - взрослые люди (мужчины и женщины) по шкале А (общитель-

ность) набирали от 0 до 20 баллов, но в среднем где-то около

10. Именно так и отрабатывался тест - изнурительным подбором

вопросов, которые бы действительно делили людей по характеру

ответов на них, и чтобы получилось в конце концов нормальное

распределение ответов. При этом для дальнейшего шкалирования

важно знать среднее арифметическое (математическое ожидание) и

величину стандартного отклонения. Связь между величиной стан-

дартного отклонения и значением основных шкал, применяемых в

психологии, акмеологии, представлена в следующей таблице.

(см.: Гласс Д., Стэнли Д. Статистические методы в педаго-

гике и психологии. - М.: Прогресс, 1976, с.97; Анастази А.

Психологическое тестирование. - М., Педагогика, 1982, кн.1,

с.83; Бурлачук Л.Ф., Морозов С.М. Словарь-справочник по психо-

логической диагностике. - Киев, 1989, с.101.)


СООТНОШЕНИЕ

значений различных тестовых шкал


Р

вероят-

ность

i

i

i

i

i

i

i

i 0,001 0,022 0,136 0,341 0,341 0,136 0,022 0,001

i

i___________________________________________________ величина

стандарт-

-4G -3G -2G -1G M 1G 2G 3G 4G ного отк-

. . . . . . . . . лонения

от Х ср.

Процент случаев под каждым стандартным отклонением описывается

кривой в соответствии с нормальным законом распределения:


0,1% 2,2% 13,6% 34,1 34,1 13,6% 2,2% 0,1%

. . . . . . . . .

Накопленные проценты:



0,1% 2,3% 15,9% 50% 84,1% 97,7% 99,9%

. . . . . . . . .