Файл: Бодалев А.А. - Общая психодиагностика.pdf

96

товых  баллов  основывается  скорее  на  принципах  операционального

удобства, чем на теоретической необходимости. Психометрически кор-

ректные процедуры получения устойчивых тестовых норм возможны с
помощью специальных методов непараметрической статистики (крите-

рий «хи-квадрат» и  т. п.) для  распределений  произвольной  формы.
Выбор  статистической  модели  распределения - законный  произвол

психометриста, пока сам тест выступает в качестве единственного эта-
лона  измеряемого  свойства. В  этом  случае  остается  лишь  тщательно

следить  за  соответствием  сферы  применения  диагностических  норм
той выборке испытуемых, на которой они были получены. Произволь-

ность в выборе статистической модели шкалы исчезает, когда речь за-

ходит о внешних по отношению к тесту критериях.

Репрезентативность критериальных тестов. В таких тестах в ка-

честве  реального  эталона  применяется  критерий, ради  которого  со-
здается тест, - целевой критерий. Особое значение такой подход име-

ет  в  тех  областях  практики, где  высокие  результаты  могут дать  узко-
специализированные диагностические методики, нацеленные на очень

конкретные  и  узкие  критерии. Такая  ситуация  имеет  место  в  обуче-
нии: тестирование, направленное на получение информации об уров-

не  усвоения  определенных  знаний, умений  и  навыков (При  профес-
сиональном обучений), должно точно отражать уровень освоения этих

навыков  и  тем  самым  давать  надежный  прогноз  эффективности  кон-

кретной профессиональной деятельности, требующей применения этих
навыков. Так  возникают «тесты  достижений», по  отношению  к  кото-

рым  критериальный  подход  обнаружил  свою  высокую  эффективность
(Гуревич К. М, Лубовский В. И,, 1982).

Рассмотрим  операциональную  схему  шкалирования, применяе-

мую  при  создании  критериального  теста. Пусть  имеется  некоторый

критерий  С, ради  прогнозирования  которого  психодиагност  создает
тест X. Для простоты представим С как дихотомическую переменную с

двумя значениями: 1 и 0. С, = 1 означает, что

j

-й субъект достиг кри-

терия (попал в «высокую» группу по критерию), С

j

=0 означает, что

i

-й

субъект не достиг критерия (попал в «низкую» группу). Психодиагност

применяет на нормативной выборке тест X, и в результате каждый ин-
дивид получает тестовый балл X

i

. После того как для каждого индиви-

да  из  выборки  становится  известным  значение  С (иногда  на  это  тре-

97

буются  месяцы  и  годы  после  момента  тестирования), психодиагност

группирует индивидов по порядку возрастания балла X

i

 и для каждого

деления исходной шкалы сырых тестовых баллов подсчитывает эмпи-
рическую  вероятность Р  попадания  в «высокую» группу  по  критерию

С. На рис. 5 показаны распределения вероятности Р (C

i

 = 1) в зависи-

мости от X

i

Рис. 5 Эмпирическая  зависимость  между  вероятностью

критериального события и тестовым баллом

Очевидно, что  кривая  на  рис. 5 по  своей  конфигурации  может

совершенно  не  совпадать  с  кумулятивной  кривой  распределения  час-
тот появления различных X

i

. Кривая, представленная на рис. 5, явля-

ется эмпирической линией регрессии С по X

i

 Теперь можно сформули-

ровать основное требование к критериальному тесту: линия регрессии
должна быть монотонной функцией С от X

i

 Иными словами, ни для од-

ного более высокого значения X. вероятность Р не должна быть мень-
шей, чем для какого-либо менее высокого значения X

i

 Если это усло-

вие  выполняется, то  открывается  возможность  для  критериального
шкалирования  сырых  баллов X. Так  же  как  в  случае  с  интервальной

нормализацией», когда  применяется  поточечный  перевод  интервалов
Х  в  интервалы  Z,  для  которых  выполняется  нормальная  модель  рас-

пределения, так  и  при  критериальном  шкалировании  к  делениям  сы-

рой шкалы X применяется поточечный перевод прямо в шкалу Р на ос-
новании  эмпирической  линии  регрессии. Например, если  испытуемый

А получил  по  тесту X 18 сырых  баллов  и  этому результату  соответст-
вует  Р=0,6, то  испытуемому  А  ставится  в  соответствие  показатель 60

%.

Конечно, любая  эмпирическая  кривая  является  лишь  прибли-

женной моделью той зависимости, которая могла бы быть воспроизве-

98

дена на генеральной совокупности. Обычно предполагается, что на ге-

неральной  совокупности  линия регрессии  С  по  Х  должна  иметь  более

сглаженную  форму. Поэтому  обычно  предпринимаются  попытки  ап-
проксимировать  эмпирическую  линию  регрессии  какой-либо  функ-

циональной зависимостью, что позволяет затем производить прогноз с
применением формулы (а не таблицы или графика).

Например, если  линия регрессии  имеет  вид  приблизительно  та-

кой, какой  изображен  на  рис. 6, то  применение  процентильной  нор-

мализации  позволяет  получить  простую  линейную  регрессию  С  по
нормализованной шкале Z. Это как раз тот случай, когда имеет место

эквивалентность  стратегии, использующей  выборочно-статистические

тестовые нормы, и стратегии, использующей критериальные нормы.

 Рис. 6. Зависимость вероятности критериального события

Р от

нормально  распределенного  диагностического  параметра

X

Операции по анализу распределения тестовых баллов, построе-

нию тестовых норм и проверке их репрезентативности. Завершая этот

раздел, кратко  перечислим  действия, которые  последовательно  дол-
жен произвести психолог при построении тестовых норм.

1. Сформировать выборку стандартизации (случайную или стра-

тифицированную по какому-либо параметру) из той популяции, на ко-

торой  предполагается  применять  тест. Провести  на  каждом  ис-

пытуемом  из  выборки  тест  в  сжатые  сроки (чтобы  устранить  ирреле-
вантный разброс, вызванный внешними событиями, происшедшими за

время обследования).

2.  Произвести группировку сырых баллов с учетом выбранного

99

интервала  квантования (интервала  равнозначности). Интервал  опре-

деляется величиной W/m , где W=x

max

 — х

max

; m - количество интер-

валов равнозначности (градаций шкалы).

3.  Построить распределение частот тестовых баллов (для задан-

ных  интервалов  равнозначности) в  виде  таблицы  и  в  виде  соответ-
ствующих графиков гистограммы и кумуляты.

4. Произвести  расчет  среднего  арифметического  значения  и

стандартного  отклонения, а  также  асимметрии  и  эксцесса  с  помощью

компьютера. Проверить гипотезы о значимости асимметрии и эксцесса.
Сравнить  результаты  проверки  с  визуальным  анализом  кривых  рас-

пределения.

5. Произвести проверку нормальности одного из распределений

с помощью критерия Колмогорова (при n < 200 с помощью более мощ-

ных  критериев) или  произвести  процентильную  нормализацию  с  пе-
реводом  в  стандартную  шкалу, а  также  линейную  стандартизацию  и

сравнить их результаты (с точностью до целых значений стандартных
баллов).

6.  Если совпадения не будет - нормальность отвергается; в этом

случае  произвести  проверку  устойчивости  распределения  расщепле-

нием  выборки  на  две  случайные  половины. При  совпадении  норма-
лизованных баллов для половины и для целой выборки можно считать

нормализованную шкалу устойчивой.

7. Проверить  однородность  распределения  по  отношению  к

варьированию заданного популяционного признака (пол, профессия и

т. п.) с помощью критерия Колмогорова. Построить в совмещенных ко-
ординатах графики гистограммы и кумуляты для полной и частной вы-

борок. При  значимых  различиях  разбить  выборку  на  разнородные
подвыборки.

8. Построить таблицы процентильных и нормализованных тесто-

вых норм (для каждого интервала равнозначности сырого балла). При

наличии  разнородных  подвыборок  для  каждой  из  них  должна  быть

своя таблица.

9.  Определить критические точки (верхнюю и нижнюю) для до-

верительных  интервалов  (на  уровне  Р  <  0,01)  с  учетом  стандартной
ошибки в определении среднего значения.

10. Обсудить  конфигурацию  полученных  распределений  с  уче-

100

том предполагаемого механизма выполнения того или иного теста.

11. В  случае  негативного  результата: отсутствия  устойчивых

норм  для  шкалы  с  заданным  числом  градаций (с  заданной  точностью
прогноза  критериальной  деятельности) - осуществить  обследование

более  широкой  выборки  или  отказаться  от  использования, данного
теста.

3.2. НАДЕЖНОСТЬ ТЕСТА

В дифференциальной психометрике проблемы валидности и на-

дежности тесно взаимосвязаны, тем не менее мы последуем традиции

раздельного  изложения  методов  проверки  этих  важнейших  пси-
хометрических свойств теста.

Надежность  и  точность. Как  уже  отмечалось  в  разделе 3.1, об-

щий разброс (дисперсию) результатов произведенных измерений мож-

но представить как результат действия двух источников разнообразия:
самого измеряемого свойства и нестабильности измерительной проце-

дуры, обусловливающей  наличие  ошибки  измерения. Это  пред-
ставление выражено в формуле, описывающей надежность теста и ви-

де  отношения  истинной  дисперсии  к  дисперсии  эмпирически  заре-
гистрированных баллов:

2

2

x

T

S

S

a

=

(3.2.1)

Так  как  истинная  дисперсия  и  дисперсия  ошибки  связаны  оче-

видным  соотношением, формула (3.2.1) легко  преобразуется  в  фор-
мулу Рюлона:

2

2

1

x

e

S

S

a

-

=

    (3.2.2)

где а - надежность теста;

2

e

S

. -дисперсия ошибки.

Величина ошибки измерения - обратный индикатор точности из-