Вычислительные процедуры для объединения данных научных исследований

Прежде чем обрисовать в общих чертах вычислительные процедуры М., важно разграничить две области применения этого метода: а) объединение данных, полученных в разных исслед., б) сравнение таких данных. Каждая из этих областей требует использования различных метааналитических методов. Что касается рассмотрения процедур, посредством к-рых данные разных исслед. сравниваются в явном виде, независимо от того, проводится ли это сравнение в расплывчатой или сфокусированной форме, следует обратиться к Розенталю.

В контексте объединения данных из разных исслед., посвященных изучению одного и того же конкретного вопроса, встречаются две основные стратегии: а) определение общего уровня значимости объединенных данных и б) определение величины отмеченных эффектов. Для каждой из этих стратегий было разработано множество конкретных процедур.

Общая значимость данных

При объединении результатов, полученных в независимых работах, оценивающих одинаково направленную конкретную гипотезу, в распоряжении исследователя имеется множество процедур, называемых сложными критериями. В этой статье мы ограничиваемся рассмотрением методов, разработанных Фишером, Вайнером и Стауффером с соавторами.

Известный под названием метода суммирования логарифмов (adding logs method), сложный критерий Фишера является одной из наиболее популярных и часто используемых процедур проверки гипотез и задается следующим уравнением:

χ2 = Σ — 2 ln p.

Эта процедура заключается в суммировании со знаком минус удвоенных натуральных логарифмов соответствующих значений р односторонних критериев, приведенных в анализируемых исслед. Получающаяся в результате стат., к-рая и положена в основу данного критерия, имеет χ2-распределение с числом степеней свободы (df), равным удвоенному числу исследований (N), включенных в анализ (т. е. df = 2N). Метод Фишера особенно эффективен, когда число анализируемых исслед. относительно невелико (не более 5). Хотя было доказано, что эта процедура яв-ся в большей степени асимптотически оптимальной, чем др. методы объединения, она обнаруживает довольно серьезный недостаток всякий раз, когда в двух исслед. приводятся одинаково значимые результаты противоположного характера. В этой ситуации метод Фишера дает допускающие двоякое толкование результаты, подтверждая значимость любого из исходов. Поэтому, когда проводится обзор всего нескольких исслед., рекомендуется не использовать эту процедуру механически. Но, вообще говоря, можно усомниться в пользе проведения М. в тех случаях, когда расходящиеся данные получены в таком ограниченном количестве исслед. Если число исслед. в к.-л. области мало, а полученные в них данные явно расходятся, то возникают вопросы не только в отношении уместности применения М. как метода обзора данных, но и в отношении того, указывают ли анализируемые публикации на сколько-нибудь жизнеспособную область исслед.

Сложный критерий Вайнера, называемый методом «суммирования значений t», имеет вид:

Вычислительные процедуры для объединения данных научных исследований - student2.ru .

Основанная на выборочном распределении независимых статистик t,эта процедура заключается в вычислении нормированного отклонения (standard normal deviate), равного сумме значений t-критерия, деленной на корень квадратный из дисперсии t-распределения. Эти значения t-критерия или берутся прямо из включаемых в обзор публикаций, или, если в них приведены только значения р,получаются путем преобразования указанных р в t. Дисперсия t-распределения имеет приближенно нормальное распределение, когда число степеней свободы (df)для каждого значения t больше или равно 10. Следовательно, в тех случаях, когда число степеней свободы для каждого значения t меньше 10, этот метод не будет давать достаточно хорошего приближения. Т. о., хотя метод Вайнера и обладает преимуществом в том смысле, что нечувствителен к числу обозреваемых исслед., его эффективное использование, в конечном счете, зависит от числа степеней свободы, связанного с каждым исслед.

Наконец, метод Стауффера, известный как метод суммирования значений Z (adding Z'smethod), яв-ся, возможно, наиболее широко используемой процедурой объединения данных, к-рая иллюстрируется следующим уравнением:

Вычислительные процедуры для объединения данных научных исследований - student2.ru .

Эта вычислительная процедура относительно проста. После преобразования приведенных в публикациях значений р в соответствующие нормированные отклонения, или Z-величины, эти значения Z суммируются и делятся на корень квадратный из числа объединяемых исслед. (N). Данная процедура основана на том известном факте, что сумма нормированных отклонений сама яв-ся нормированным отклонением, с дисперсией, равной числу включаемых в анализ исслед. Единственное известное ограничение этого метода связано с тем, что предположение единичной дисперсии для каждого из объединяемых исследований может при некоторых обстоятельствах повышать ошибки I и II рода.

Когда число объединяемых данных невелико, при оценивании общей значимости данных разумно воспользоваться не одной, а несколькими процедурами параллельно. Даже если объединяется большое число опубликованных данных, рекомендуется использовать вторую процедуру объединения как средство проверки результатов М. Хотя существенные различия в результатах применения метааналитических процедур встречаются крайне редко, вычисление критериальных статистик разными методами все же делает выводы анализа более убедительными. В зависимости от конкретных обстоятельств, исследователь должен рассматривать возможность применения и других процедур, включ. модели сложения вероятностей и проверки среднего р Эджингтона (Edgington's adding probabilities and testing mean p models), модели сложения взвешенных Z-величин и проверки среднего Z (the adding weighted Zs and testing mean Z models), а также различные вычислительные методы и методы объединения данных в блоки.

Оценка величины эффекта

Вторая общая метааналитическая стратегия в области объединения данных, полученных в разных исслед., предполагает оценивание силы интересующего эффекта. В отличие от первой стратегии, предполагающей определение общей значимости данных, оценка величины эффекта сосредоточена более конкретно на силе эффекта гипотетической связи между переменными. Как заметил Коэн: «Не подразумевая каких-либо необходимых выводов о причинности, удобно пользоваться выражением величина эффекта взначении уровня представленности определенного феномена в генеральной совокупности или, иначе говоря, степени ложности нулевой гипотезы (нулевой величины эффекта)».

Оценки величины эффекта можно получать с помощью широкого множества методов. В данном случае мы ограничимся рассмотрением статистических критериев, подходящих для оценки а) корреляционных связей и б) групповых различий на основе t-критерия Стьюдента. При оценивании эффекта корреляционных связей цель заключается в объединении данных разных исслед., касающихся связи между двумя изучаемыми переменными, измеренными в интервальной шкале или шкале отношений, тогда как оценивание групповых различий относится к оценке степени изменения предусмотренного гипотезой исхода (= результата) при сравнении двух тождественных групп, чаще всего определяемой относительно таких условий, как «контроль/эксперимент» или «предварительное/итоговое тестирование».

Опубликованные исслед. различаются эксперим. планами и критериальными статистиками, приводимыми в описании результатов. Данные, относящиеся к связи между переменными, могут быть выражены в единицах корреляции произведения моментов Пирсона (r), квантилей χ2-распределения или к.-л. др. стат., а данные о групповых различиях могут приводится с использованием t, F или др. стат. Поэтому прежде чем оценивать общую величину эффекта, нужно перейти от разных итоговых статистик, сообщаемых в анализируемых публикациях, к к.-л. общей мере. К наиболее часто используемым для этой цели мерам относятся корреляция произведения моментов Пирсона (применительно к корреляционным данным) и d-статистика (применительно к групповым различиям, оцениваемым с помощью t-критерия Стьюдента). Хотя далее речь пойдет именно об этих двух стат., М., конечно же, не ограничивается их применением. Что касается процедур преобразования с использованием разнообразных стат., следует обратиться к Розенталю. После того как сообщаемые в анализируемых публикациях стат. выражены в единых мерах, можно начинать анализ величины эффекта.

Корреляционные связи.Оценка величины эффекта между двумя изучаемыми переменными требует выполнения простых арифметических действий по следующей формуле:

Вычислительные процедуры для объединения данных научных исследований - student2.ru .

Иначе говоря, вычисляется простое среднее арифметическое корреляций путем деления суммы приведенных в публикациях коэффициентов корреляции на число суммируемых коэффициентов (п). В качестве альтернативы использованию значений r можно усреднять значения величины Z Фишера:

Вычислительные процедуры для объединения данных научных исследований - student2.ru .

После замены значений rсоответствующими значениями Z (по формуле или с помощью специальной таблицы преобразований Фишера) сумма значений Z делится на число коэффициентов корреляции, включ. в анализ. Затем Вычислительные процедуры для объединения данных научных исследований - student2.ru преобразуется обратно в соответствующее значение r,к-рое и сообщается в качестве итоговой стат. анализа.

В ходе дальнейшего оценивания величины эффекта может потребоваться учесть различия между исслед., касающиеся а) вариации объема выборок и б) использования различных способов или методик измерения. Так как две вышеописанные процедуры не предусматривают введение поправок или весов исходя из различий объема выборок, коэффициент корреляции (или Z Фишера) из исслед., проведенного на выборке из 10 чел., будет учитываться в них с тем же весом, что и др. коэффициент, полученный на выборке объемом в 500 человек. Признавая потенциальную важность этого типа вариабельности, Хантер с соавторами и Розенталь рекомендуют при проведении анализа величины эффекта использовать среднее арифметическое значений r, взвешенных соответственно различиям выборок, на к-рых они были получены. Вообще говоря, желательно сообщать данные о величине эффекта, основанные на средних арифметических и взвешенных, и невзвешенных величин.

Относительно измерения переменных, включаемых в М. величины эффекта, должно быть подтверждено, что на общем концептуальном или теорет. уровне выбранные для анализа переменные относятся к двум феноменам, сохраняющим свою идентичность во всех условиях проведения обозреваемых исслед. (напр., соц. класс и психол. благополучие). Но на уточненном и более конкретном уровне измерений соответствующие переменные могли измеряться с помощью разных способов или методик. Хотя этот источник потенциальных различий так или иначе учитывается в анализе общей значимости данных, его нужно принимать в расчет и при интерпретировании значения оценок величины эффекта. В тех областях исслед., где определенные измерительные шкалы были признаны стандартными и потому регулярно используются, эта проблема может не быть столь острой, как в тех областях, где нет общепринятых и широко используемых шкал. Однако именно в этих последних областях исслед. можно извлечь существенные выгоды из М., разумеется, при условии, что он отражает вдумчивый и внимательный подход к анализируемым данным.

Групповые различия.При оценивании групповых различий, определенных на основе t-критерия Стьюдента, проводится двухступенчатый анализ. Сначала, по данным каждого включенного в обзор исслед. определяется стандартизованная масштабно-инвариантная оценка предполагаемого эффекта. Так, напр., если проводится обзор 7 опубликованных исслед., стандартизованная оценка величины эффекта вычисляется для каждого из различных наборов групп, содержащихся в этих исслед. Эти наборы сопоставляемых групп чаще всего отображают ситуации типа «контроль/эксперимент» или «предварительное/итоговое тестирование». Для вычисления стандартизованной оценки величины эффекта (d) в каждом исслед. используется следующая формула:

Вычислительные процедуры для объединения данных научных исследований - student2.ru .

В этом выражении абсолютная разность между средними величинами, приводимыми при каждом сопоставлении групп, делится на стандартное (среднее квадратическое) отклонение (SD). Используемое здесь SD — это стандартное отклонение, вычисленное либо по данным контрольной группы или предварительного тестирования, либо по данным объединенной выборки (или «генеральной совокупности»). После определения этих стандартизованных разностей между групповыми средними (d), каждой величине d придается положительное или отрицательное значение, в зависимости от дифференциального эффекта, зарегистрированного внутри этих двух типов групп. Если, как и предполагалось в гипотезе, величина группового среднего больше в экспериментальной группе или в итоговом тестировании, чем в контрольной группе или в предварительном тестировании, то соответствующая величина d для данного исслед. получает знак плюс. Если же наблюдается обратное, противоречащее исходной гипотезе, соотношение групповых средних, то соответствующая величина d получает знак минус. Когда все знаки определены, можно вычислить общую итоговую меру величины эффекта для объединяемых из разных исслед. данных. Эта вычислительная процедура представлена выражением

Вычислительные процедуры для объединения данных научных исследований - student2.ru ,

согласно к-рому сумма положительных и отрицательных значений d для каждого включенного в обзор исслед. делится на число исслед. (п). Эта итоговая статистика (среднее d)и будет отображать величину эффекта между двумя состояниями групп, измеренного в единицах стандартного отклонения.

Заключение

Решающим условием расширения сферы использования метааналитических методов является доступность необходимой информ. о статистических критериях, используемых в обозреваемых исслед. Без сообщения в публикациях точных значений критериальных статистик (например, р, t, Z, d или r)и др. необходимой информ., перспективы применения М. будут весьма ограниченными. С увеличением доступности такой информ. будет продолжаться реальное расширение метааналитических исслед. и совершенствование его методологии.

По мере развития самого М. ряд проблем, считавшихся ранее препятствиями на пути использования его методов, привлек внимание исследователей. В результате были выявлены некоторые вызывающие сомнение аспекты М. и предприняты попытки (нужно сказать, успешные) найти решения этих проблем. В частности, М. справился с такими проблемами, как учет посредствующего воздействия др. переменных и применение в исслед. непараметрических методов. В настоящее время М. представляет собой динамическую, многоаспектную систему методов, позволяющую теоретически и методологически убедительным способом объединять в одно целое данные разных научных исслед.

Будущее М., по-видимому, зависит не столько от разрешения технических проблем, сколько от продвижения в понимании концептуальной базы М.

См. также Теория алгоритмически-эвристических процессов, Критерий хи-квадрат, Корреляционные методы, Теория обработки информации, Проверка нулевой гипотезы, Моделирование структурными уравнениями, Анализ временных рядов

Д. Никинович

Метапсихология (metapsychology)

В буквальном смысле слова термин М. означает то, что находится «за» психологией или «позади» нее, так же как термин «метафизика» означает то, что находится «за» физикой или «позади» нее. Эти два значения связаны между собой, но не идентичны. То, что находится «за» психологией, обычно относится к сфере систематизации или теорет. рассмотрения вопросов и проблем, к-рые, строго говоря, не принадлежат к области психологии, но релевантны ей. Обычно это проблемы и вопросы общетеоретического или филос. характера, предполагаемые психологией.

В этом смысле термин М. наиболее часто используется в рамках психоанализа. З. Фрейд часто употреблял этот термин, вначале подразумевая, что психология, к-рой он занимался, имела дело с тем, что лежало за пределами сознательного опыта, а позднее — говоря об исходных посылках психоанализа. Рапопорт и Гилл расширили М. психоанализа и показали, что полное его понимание возможно лишь при комплексном подходе, учитывающем 5 перспектив: а) динамическую (постулирование психол. сил); б) экономическую (рассмотрение постулированных сил с т. зр. количества заключенной в них энергии); в) структурную (постулирование постоянных психол. структур); г) генетическую (описание происхождения и развития рассматриваемых психол. явлений); д) адаптивную (понимание психол. явлений в их связи со средой).

Вторая трактовка термина М. — т. е., как того, что находится «позади» психологии, — появилась позднее и связана с развитием философии науки. С этой т. зр. М. — всего лишь одна из многочисленных научных специализаций, нацеленная на раскрытие максимально полной совокупности принципов, исходных предпосылок, понятий и принимаемых без доказательств способов объяснения или объяснительных факторов, к-рые делают конкретную науку понятной. Чтобы «метанаука» в этом смысле слова заявила о себе, сама наука должна просуществовать какое-то время; тогда вслед за ней может прийти и «метанаука».

Разные трактовки термина М. использовал Ж. Политцер. Принимая на вооружение первую из рассмотренных выше трактовок, он обвинял «классическую психологию» в выходе за пределы ее собственного предмета — челов. действия, — для введения в оборот таких ошибочных метапсихологических понятий, как «материя души» или «внутренняя жизнь». В этом смысле термины М. и «метапсихологические» понятия (принципы и т. д.) имеют негативные, уничижительные коннотации, поскольку метапсихологические допущения понуждают психологию выходить за границы ее предмета и постулировать наличие таких фиктивных сущностей, как душа, ментальные процессы и факты сознания.

См. также Теоретическая психология

А. Джорджи

Метод антиципации (anticipation method)

М. а. в вербальном научении — это распространенный способ предъявления стимульного материала в задачах на парные ассоц. и заучивание рядов.

При использовании М. а. в задачах на парные ассоц. испытуемым говорится, что они должны реагировать определенным образом всякий раз, когда предъявляется стимул. Несколько секунд спустя этот стимул и соответствующая ему реакция предъявляются совместно. Т. о. испытуемые чередуют антиципирующие реакции и получаемую обратную связь. Эти пары «стимул—реакция» предъявляются каждый раз в случайном порядке. Обучение продолжается до тех пор, пока не будет достигнут определенный критерий (например, правильное предвосхищение всех реакций). М. а. для задач на парные ассоц. отличается от метода проверки заучивания (также называемого методом задержки или вспоминания) для тех же задач, при к ром испытуемым показывают весь список пар прежде чем они будут давать ответы на каждый отдельный стимул.

При использовании М. а. в задачах на заучивание рядов испытуемым сначала предъявляется список элементов, к-рые предстоит заучить в соответствующем порядке. При последующих пробах испытуемые пытаются предвосхитить очередной пункт из списка за несколько секунд до его появления. В каждой пробе элементы списка предъявляются в неизменной последовательности. Обучение продолжается до тех пор пока не будет достигнут определенный критерий (как правило, безошибочное воспроизведение). М. а. для задач на заучивание рядов отличается от метода проверки заучивания для тех же задач, при к-ром предъявления испытуемым полного списка чередуются с попытками воспроизвести этот полный список.

Достоинство М. а. заключается в том, что он обеспечивает испытуемых немедленной обратной связью в отношении правильности их реакций. Однако его недостатком яв-ся то, что он объединяет научение и выполнение. Выполнение, как правило, оказывается несколько лучшим при использовании метода проверки заучивания, чем М. а., хотя это превосходство может зависеть от характеристик заучиваемого списка.

См. также Методология (научных) исследований

М. Мэтлин

Метод критических случаев (critical incident technique)

М. к. с., относящийся к категории методов профессиографического анализа деятельности, был впервые описан Дж. Фланаганом в 1954 г. Этот метод связан со сбором сотен описаний эпизодов эффективных и неэффективных трудовых действий, которые реально наблюдали в своей трудовой деятельности опытные специалисты, руководители и другие работники. Эти эпизоды, названные «критическими случаями», должны представлять собой специфические действия, к-рые иллюстрируют успех или неудачу в одной из сторон анализируемого вида деятельности. Напр., критическим неэффективным случаем для водителя грузовика может являться: «Водитель не посмотрел в зеркало заднего вида, когда давал задний ход, и в результате врезался в припаркованную машину». Наблюдателя, вспоминающего критический случай, как правило, просят описать: а) что послужило причиной данного случая и ситуацию, в к-рой он произошел; б) в чем именно заключалась эффективность или неэффективность действий индивидуума; в) очевидные последствия этих действий; г) в состоянии ли был индивидуум контролировать эти последствия.

После того как набирается несколько сотен критических случаев, они подвергаются контент-анализу и классифицируются одним или несколькими экспертами по категориям или «измерениям» критического рабочего поведения. Эти измерения впоследствии служат основой для проверки или разраб. тестов и других процедур профессионального отбора. Их также можно использовать как базис при разработке программ профессионального обучения.

Важное преимущество М. к. с. как метода профессиографического анализа заключается в том, что он фокусируется на наблюдаемом и поддающемся измерению рабочем поведении. К недостаткам этого метода можно отнести то, что его реализация требует много времени и сил, а также его пренебрежение средним уровнем трудовой эффективности.

М. к. с. использовался также для других, не связанных с профессиографическим анализом, целей.

См. также Промышленная психология, Профессиографический анализ, Оценка труда работника для установления заработной платы, Анализ рабочих заданий

У. Сосер-мл.

Метод Монтессори (Montessory method)

На пороге XX в. в Европе приобрел распространение новый и революционный метод обучения — М. М. — основанный на оригинальных идеях Марии Монтессори, первой женщины-врача в Италии. Ее страсть к преподаванию обнаружилась, когда она в своей школе начала обучать детей с задержками умственного развития, а позднее — трудных детей.

Она считала основной проблемой образования необходимость в установлении новых и лучших взаимоотношений между детьми и взрослыми на протяжении различных стадий детского развития. Она признавала права детей и с уважением относилась к ним как к людям, обладающим чувством собственного достоинства. Работа учителя, объясняла она, заключается в налаживании взаимоотношений между учеником и учителем. Это достигается путем управления ситуацией в классе и введением материалов, которые увлекают детей и позволяют им обучаться самим в своем собственном темпе. Здание школы должно стать Домом детей, с детской мебелью и оборудованием, специально изготовленными для того, чтобы отвечать их интеллектуальным и физ. потребностям.

Дети располагают свободой в выборе любых материалов, к к-рым они тянутся. Каждый выбор уч-ся раскрывает уникальные потенциальные возможности ребенка. Дети могут работать самостоятельно или в группах. Классы не разделены по возрасту и правила нацелены на поощрение взаимного сотрудничества, а не соперничества. Поскольку дети оказываются увлечены своей работой, они не имеют времени для озорства. Взамен этого они обретают самодисциплину.

Материалы Монтессори предназначены для обеспечения дошкольника элементами практ. жизненного опыта, развития сенсорных способностей, языка и школьных умений. Письмо вводится до обучения чтению посредством рисования (копирования) букв пальцем на покрытой песком бумаге (tracing sandpaper letters). К 4 или 5 годам дети Монтессори спонтанно осваивают письмо. Правописание осваивается с использованием разрезной азбуки.

Полный цикл обучения включает науки, историю, географию, геометрию и арифметику. Программа обучения опирается на существующие данные о том, что дети дошкольного возраста могут решать задачи и выполнять большое количество интеллектуальной работы до достижения ими формального возраста поступления в школу. Монтессори ссылалась на уникальную способность разума впитывать впечатления в период от рождения до 6-летнего возраста.

См. также Альтернативные педагогические системы, Обучение методом (управляемых) открытий, Индивидуальное образование, Результаты обучения (I, II)

Ш. Браун

Методика вынужденного выбора (forced-choice testing)

Тестирование с применением М. в. в. требует сравнительных, в противоположность абсолютным, оценок пунктов. М. в. в. обычно применяется в самооценочных инструментах, таких как инвентари интересов или оценочные (рейтинговые) шкалы. Чел., отвечающему на пункты таких опросников, предъявляются пары, тройки или, максимум, 5—6 типичных черт, действий или других характеристик, связанных с измеряемым качеством и уравненных по своей желательности/нежелательности. Респондент должен проранжировать их, указав наиболее и наименее предпочитаемую (или наиболее и наименее характерную), и разместить все оставшиеся в каждом из пунктов между этими двумя полюсами. В противоположность этому, «абсолютное измерение» (absolute measurement)часто выполняется с помощью оценочных (рейтинговых) шкал, в к-рых используется такая форма ответов, как «согласен/не могу сказать/не согласен» или «нравится/безразличен/не нравится», иногда с добавлением градаций интенсивности: «очень нравится/скорее нравится/ни да ни нет/ скорее не нравится/очень не нравится». Сторонники абсолютного шкалирования критически относятся к М. в. в., потому что она не допускает выражения того, в какой степени чел. нравится некоторая деятельность или качество, и насколько важными или характерными он их считает. Сторонники М. в. в., однако, заявляют, что она препятствует тенденции респондента давать большинство оценок в средней области шкалы (между двумя полюсами) или делать выбор на основе воспринимаемой соц. желательности. Другим аргументом в пользу М. в. в. яв-ся то, что она отражает реальную жизненную ситуацию: невозможно одновременно делать три равно привлекательных вещи, и нередко нам приходится выбирать среди трех равно непривлекательных занятий.

См. также Психологическая оценка, Шкалирование

Э. Даймонд

Методика наводнения (flooding)

М. н. (фладинг) относится к группе методов поведенческой терапии и используется преимущественно для снятия страхов и фобий. Самую общую характеристику применения М. н. дают в своей статье Маршалл, Готье и Гордон: «Фладинг — это родовой термин для обозначения процедур, имеющих своей целью угашение классов дезадаптивных реакций на аверсивные раздражители за продолжительные периоды времени при отсутствии реальных физически травмирующих последствий». Как следует из этого определения, М. н. имеет два главных отличительных признака. Во-первых, пациент к.-л. образом подвергается действию устрашающего или аверсивного раздражителя. Во-вторых, пациент подвергается конфронтации с интенсивными или в высокой степени аверсивными вариантами раздражителя, обычно в течение длительного времени.

Подтверждена высокая эффективность М. н. в лечении агорафобий. В комбинации с профилактикой реакций, метод также показан для лечения обсессивно-компульсивных расстройств. Используются две основные стратегии экспозиции пациента действию аверсивных раздражителей. Наводнение in vivo предполагает воздействие реальных раздражителей, часто в естественной обстановке. Психотерапевт может сопровождать больного или предписывать ему самостоятельное включение в соответствующую деятельность. При воображаемом наводнении раздражители представлены лишь в воображении: больной просто как можно ярче визуализирует критические моменты. Обычно наводнение in vivo позволяет добиться лучших результатов.

См. также Новаторские психотерапии, Психотерапия

А. Беллак

Методика репертуарных решеток (repertory grid technique)

Все формы репертуарной решетки яв-ся производными от Репертуарного теста ролевых конструктов Дж. Келли (Role Construct Repertory Grid Test). Впервые данный тест был описан в его двухтомном труде, где он сформулировал основные принципы теории личных конструктов. М. р. р. сыграла существенную роль в развитии теории Дж. Келли с самого начала ее использования, выступая и как методика клинической оценки, и как исследовательский инструмент.

По сути дела, М. р. р. представляет собой метод количественного и статистического анализа взаимосвязей между когнитивными измерениями, используемыми при выполнении задания на множественную классиф. Все еще широко применяемая оригинальная процедура Дж. Келли предназначалась для получения от каждого испытуемого репрезентативной выборки «личных конструктов» (биполярных измерений суждений типа «веселый/ печальный») и оценки взаимосвязей между этими конструктами по мере их использования для категоризации списка знакомых испытуемому лиц. Др. исследователями были разработаны тесты решетки, в к-рых испытуемым либо предлагался стандартный набор конструктов, либо использовалась некоторая комбинация извлеченных у тестируемого и заданных тестирующим конструктов. Однако при всех формах репертуарной решетки данные, полученные от каждого испытуемого, заносятся в отдельную двумерную матрицу, где каждый конструкт записывается в соответствующую строку, а каждый элемент — в соответствующий столбец.

Статистические методы, применяемые для анализа индивидуальных репертуарных решеток как в исследовательских, так и клинических целях, среди прочих, включают в себя анализ главных компонент, многомерное шкалирование, иерархический кластерный анализ и непараметрический факторный анализ. Сходные методы анализа применялись к объединенным данным репертуарных решеток, полученных от группы испытуемых.

Наиболее широко используемым стандартизированным репертуарным тестом является Тест решетки для шизофренических расстройств мышления Баннистера и Франселла (Grid Test of Schizophrenic Thought Disorder). К другим стандартным тестам решеток относятся Решеточный тест когнитивной сложности Джеймса Биери (Grid Test of Cognitive Complexity),описанная Франселла Биполярная импликативная решетка (Bipolar Implications Grid), а также Диадная решетка (Dyad Grid)и Двойная диадная решетка (Double Dyad Grid), описанные Энтони Райлом.

См. также Теория личных конструктов

Дж. Адамс-Уэббер

Методика Роршаха (Rorchach technique)

Эта методика приобрела известность после публикации в 1921 г. «Психодиагностики» (Psychodiagnostik)Германа Роршаха. Он рассматривал психич. расстройства как (овладевающие человеком) болезненные сущности (disease entities)и любил говорить о таких способностях организма, как воля, эмоции, интеллект и воображение. Роршах сначала был юнгианским аналитиком и, экспериментируя с чернильными пятнами, он пытался разраб. средства предсказания того, будут ли пациенты интроверсивными или экстратенсивными.

Техника Роршаха приобрела популярность в тот период в истории клинической психологии, когда в ней господствовал психоаналитический подход и когда внутренние процессы и бессознательное являлись для клинических психологов осн. предметом исслед.

Техника Роршаха больше не считается магическим инструментом, обладающим непостижимой способностью к проникновению за пределы «здесь-и-сейчас», и чудесным образом раскрывающим внутреннюю сущность. Отчасти это следствие того факта, что некая внутренняя сущность больше не является осн. целью поиска, по крайней мере, тем способом, как это делалось прежде. Скорее, большинство клиницистов в настоящее время интересует прогнозирование поведения в конкретных ситуациях. Экснер, сделав тщательный обзор различных интерпретационных схем теста Роршаха и, отобрав в каждой из них самое ценное, предложил исчерпывающую систему, к-рая позволила придать большую стройность и последовательность в проведении, обработке рез-тов и использовании этого теста в исследовательских целях.

См. также Проективные методики

У. Клопфер

Методика чернильных пятен Хольцмана (Holtzman inkblot technique)

Данная методика (HIT)была разработана Уэйном Хольцманом и др. в 1961 г. с целью преодоления психометрических недостатков Теста чернильных пятен Роршаха. Ее отличительные особенности состоят в следующем.

— Тестовый материал.Был разработан новый набор чернильных пятен, в результате чего их общее количество увеличилось до 45 по сравнению с 10 у Роршаха. Сконструирован тж параллельный набор. Эти параллельные формы дают высокий коэффициент надежности эквивалентных форм.

— Процедура.Задача тестируемого радикально изменилась. Тестируемый ограничен единственным ответом на каждое пятно.

— Система количественных показателей.Ответы оцениваются по двадцати двум переменным, а взвешенная система подсчета количественных показателей дает один числовой показатель для каждой их этих переменных.

— Интерпретация.Хольцман и его коллеги представили обширные данные корреляционного и факторного анализа переменных HIT,а тж данные о корреляциях этих переменных с личностными опросниками.

Результаты исслед. свидетельствуют о том, что показатель движения измеряет способность к воображению и идеаторную зрелость, и что HIT дифференцирует такие диагностические категории, как шизофрения и депрессия. Гэмбл представил сводку данных в следующих областях: влияние экзаменатора и установки тестируемого; возрастные изменения; кросс-культурные исслед.; и связь показателей HIT с когнитивными процессами, агрессией, образом тела и диагностическими категориями.

Хольцман практически не проявлял интереса к концептуальной валидности HIT. Его исслед. фокусировались преим. на связях отдельных переменных чернильных пятен с личностными чертами или диагностическими категориями. Осн. цель клинического использования методики чернильных пятен, а именно описание личности конкретного человека, оказалась утраченной.

См. также Проективные методики, Методика Роршаха

Э. М. Сиипола

Методики психотерапии (psychotherapy techniques)

Ниже приводятся конкретные примеры методик, используемых психотерапевтами для изменения поведения, когниций и эмоционального состояния клиентов.

Наши рекомендации