Почему статистический прогноз вызывает сопротивление? 2 страница
Последовательность трех уровней представляет собой описание психодиагностики «снизу вверх». В идеальном варианте эти три уровня согласуются между собой, причем сведения одного уровня к другому не происходит. Например, математический уровень психометрической модели соответствует теоретически ожидаемой модели поведения (или когнитивной характеристики). Информация, полученная в результате эмпирических исследований, и математическое моделирование на основе теорий и концепций обогащают житейские представления о характеристиках поведения, познания и т.д. В попытке достигнуть этого мы без особой необходимости не подчеркиваем различия между теоретическими конструктами и математическими моделями, а описания конструктов на уровне здравого смысла не всегда отбрасываем как наивные, ненаучные, ошибоч-
ные или необоснованные. Житейские представления о поведении человека достаточно хаотичны, но они-то и поставляют материал для научной психологии. В качестве примера понятия, в котором можно выделить три уровня, можно привести концепцию атома. Представления об атоме упоминались уже Демокритом, понятие атома существовало на уровне житейских представлений, а затем получило теоретическое обоснование и соответствующую математическую модель.
Взаимодействие между уровнями никогда не бывает абсолютно успешным, поскольку каждый уровень имеет свою собственную логику развития. Развитие математического моделирования происходит слишком быстро по сравнению с изменениями житейских представлений, а иногда даже по сравнению с динамикой деятельности практического психодиагноста. Это и обусловливает различия в деятельности практических психологов и разработчиков математических методов в психологии. Кроме того, уровень знаний пользователей-непрофессионалов и практических психодиагностов также различен, поскольку они ориентируются на разные вещи при тестировании и прогнозировании. На наш взгляд, взаимодействие мех<ду уровнями должно рассматриваться как полезное и разумное. Ни один из уровней не может существовать сам по себе, ни один из них не сводим к другому, в то время как их сопоставление представляется продуктивным для понимания поведения человека.
Помимо выделения трехуровневой структуры, возможно также рассмотрение психодиагностики как системы, состоящей из четырех компонентов. Компоненты и уровни нередко взаимодействуют. Концепции надежности и валид-ности, являющиеся главным предметом данной главы, могут быть рассмотрены с точки зрения трех уровней и четырех компонентов. В обыденном сознании надежность и валидность имеют много различных значений, также как и в некоторых научных дисциплинах (например, в эпистемологии). В психологии требования надежности и валидности предъявляются как к теоретическим конструктам, так и к тестам и процедурам; точно так же его можно отнести и к проведению диагностического обследования. Остановимся подробнее на характеристике житейских представлений о надежности и валидности, на описании соответствующих психологических концепций.
Понятие надежности широко используется в повседневной жизни, но оно существует также и как психологическое понятие, имеет оно и свое математическое определение. В классической и в современной теории тестов акцент сделан на математическом (статистическом) определении. Это определение представлено в главе 1. В данной же главе мы приведем описание житейских представлений о надежности и валидности, рассмотрим некоторые философские определения, имеющие определенное влияние в психологии, и изложим содержание психологических концепций валидности и надежности. Понятие надежности тесно связано с понятием надежности теста или опросника (а часто им и ограничивается).
Понятие валидности присутствует в обыденном сознании не так широко, как понятие надежности. Тем не менее существует некоторое представление о валидности утверждений. В психологии понятие валидности имеет различные значения, на которые оказывают влияние как представления здравого смысла, так и данные эпистемологии, как психологические теории и конструкты, так и развитие математических моделей и различных техник анализа данных. Значение понятия валидности меняется в связи с развитием представлений на всех трех уровнях и в эпистемологии. Валидность — понятие многостороннее.
3.1. Надежность
Слово «надежность» часто используется в повседневной речи. Например, можно говорить о человеке как о надежном или ненадежном. В психодиагностике понятие «надежность» относится в большинстве случаев к характеристике тестов, процедур и способов оценивания. Более того, существует теория тестов, которая определяет надежность теста в соответствии с определенными правилами и основывается на представлении о характеристиках тестовых показателей. Существуют эмпирические процедуры оценки надежности тестов (это рассматривалось в главе 1). Уровни не являются абсолютно независимыми.
3.1.1. Житейские представления о надежности
В повседневной жизни мы характеризуем человека как надежного или ненадежного. В основе этого лежит наше
представление о том, можем или не можем мы доверять этому человеку, честен он или нет. Термин «надежность» используется также и при оценке качества информации. Это понятие может также использоваться и при характеристике презервативов или при оценке долговечности снежного покрова в начале зимы. Надежность представляет интерес для психологов как характеристика человека. Еще в 1928 г. Хартшорн и Мэй попытались оценить индивидуальные различия людей по характеристике «надежность». По обшему мнению, успех не сопутствовал исследователям при измерении этой характеристики, т.к. она оказалась слишком зависимой от ситуации. Однако в одной из интерпретаций данного исследования эта характеристика была названа стабильной, а нестабильность результатов была приписана низкому методическому уровню сбора и обработки данных (Rushton, Brainerd, Pressley, 1983).
Многие люди рассматривают надежность как важную характеристику. В одном исследовании, проведенном голландскими психологами, 600 родителям предлагалось перечислить характеристики, которые они считают важными для своих детей. Как показало это исследование, наиболее часто называются следующие качества: честность, справедливость, независимость, открытость и ответственность (Van Voorst tot Voorst-Alting van Geusau, 1984).
Долгое время предметом исследований психологов были прилагательные, описывающие личностные характеристики. С помощью эксплоративного факторного анализа, обычно по методу варимакс-вращения, следуя традиции простой структуры по Терстоуну, выделялись и интерпретировались отдельные факторы. Существует разделяемое многими исследователями положение о том, что прилагательные, описывающие личностные характеристики, могут быть представлены пятифакторной моделью (см. также гл. 5). Эта модель была создана в результате анализа всех прилагательных, с помощью которых можно описать человека. Третий фактор из этой модели — «добросовестность» (ответственность) — в какой-то степени напоминает то, что называется надежностью. Приведем список прилагательных, представляющих полярные, т.е. наиболее позитивные и, соответственно, самые негативные, характеристики по этому фактору, организованный, спо-
собный к планированию, эффективный, ответственный, надежный, добросовестный, с одной стороны, и беззаботный, хаотический, беспорядочный, легкомысленный, безответственный, неряшливый, непредсказуемый, забывчивый, с другой.
В США в прикладной психологии управления используются так называемые «тесты честности» («integrity tests»). И, хотя характеристики этих тестов не бесспорны, они достаточно хорошо предсказывают соответствующий критерий. Этот критерий содержит преимущественно описание таких личностных характеристик и типов поведения, как безответственность, бездеятельность, проблемы с дисциплиной, возможные нарушения правил во время работы, медлительность и частое отсутствие на рабочем месте. В тесте существуют задания, направленные на выявление таких позитивных характеристик, как добросовестность, управляемость, надежность, и задания, выявляющие такие негативные типы поведения, как стремление к сенсациям, ссоры с авторитетными лицами, враждебность (Sackett, 1994). Американские работодатели выбрали из 86 предложенных характеристик, описывающих подчиненных, те, которые они считают наиболее важными: некоррумпированное™, целостность натуры, добросовестность. Когнитивные способности занимают в этом списке шестое место (Ones, Viswesvaran & Schmidt, 1993).
Подведем некоторые итоги. В этом разделе речь шла о том, что понятие «надежность» часто используется в повседневном общении для описания качеств того или иного человека. Надежность является очень важной характеристикой человека, как по мнению родителей, так и по мнению работодателей. Характеризуя человека как надежного, мы имеем в виду, что он не действует непредсказуемым образом от случая к случаю. Этот же смысл вкладывается в понятие надежности" в психологии.
3.1.2. Понятие надежности в психодиагностике
Надежность является важным понятием научной психологии. Концептуальная схема и практические процедуры оценки надежности используются и в других научных дисциплинах. В прекрасных обзорах методов оценивания в педагогике под редакцией Американского Совета по обра-
зованию всегда отводится место для главы о концептуальных и методических аспектах надежности. Стенли (1971) считает, что о надежности проще говорить на языке формул. Но, отмечает он, внимание должно также уделяться и «логическим и эмпирическим аспектам» (стр. 359). «Логический аспект» в терминологии Стенли близок тому, что в данной работе мы называем концептуальным аспектом.
Исходное предположение концепции надежности состоит в том, что при оценивании различных феноменов (биологических, физиологических, психологических) неизбежны ошибки измерения. При повторном измерении никогда не будут получены те же баллы или та же сумма баллов, что и в первом измерении. Под надежностью в психодиагностике понимается повторяемость результатов измерения (Runkel & McGrath, 1972; Nunnally & Bernstein, 1994) или согласованность результатов измерения (Feldt & Brennan, 1989, Stanley, 1971).Таким образом, понятие «надежность» показывает степень свободы результатов тестирования от ошибок измерения, а также степень согласованности и повторяемости полученных результатов. Об ошибках в повседневной жизни говорят в тех случаях, когда человек мог избежать неудачи или исправить сделанное. «Errare humanum est»*, в то же время мы говорим: «Я больше никогда не допущу подобной ошибки».
Понятие «случайной ошибки» в математической модели также является частью этой модели. В этом смысле ошибки могут считаться неизбежными. Совсем не просто описать случайные ошибки. Можно попытаться рассматривать их как характеристику самого процесса оценивания или, что также возможно, как нечто свойственное самому исследуемому феномену. Речь не идет о постоянной или систематической ошибках, которые можно контролировать в процессе психологического оценивания и которых можно избежать путем стандартизации. Понятие случайной ошибки плохо улавливается на интуитивном уровне, а термин «надежный» иногда соотносится с понятием валидности. Как было показано в гл. 2, случайность и случайные события не слишком легки для понимания. Люди усматривают закономерности в случайном наборе чисел и сами они не * Errare humanum est (лат.) — Человеку евойственно ошибаться (прим. перев.)
способны создать такой набор. Всегда соблазнительно видеть структуру или какой-либо план в случайных феноменах. В этом смысле случайные ошибки противоречат интуитивным представлениям.
Кроме того, в обыденном языке понятия надежности и валидности иногда отождествляются. Например, прогноз погоды называется надежным в том случае, если он соответствует реальным событиям, а не тогда, когда различные радиовещательные компании дают одинаковую информацию. Лекарство считается надежным тогда, когда оно дает желаемый эффект, но не когда различные специалисты выписывают одно и то же лекарство в сходных случаях.
Любое руководство по теории тестов перечисляет множество возможных источников случайных ошибок. В качестве таких источников могут быть названы: сам человек, колебания внимания и работоспособности, забывчивость, легкомысленное отношение, импульсивность. Второй источник — это среда. Окружение различается объективно и субъективно. Оно по-разному влияет на субъекта, работающего с тестом. Наконец, и сами методики, и процедуры, и даже сами исследователи могут быть источниками ошибок. В той мере, в какой можно учесть или устранить эти факторы, они не являются источниками «ненадежности» теста, но всегда остаются иные, неконтролируемые, ошибки. Существует ряд практических процедур, определяющих случайные ошибки. Теория «обобщаемости» («generalizability theory») Кронбаха, Глезера, Нанды и Раджаратнама (1972) наряду с другими может рассматриваться как система, упорядочивающая источники ошибок. Эта теория определяет различные коэффициенты надежности применительно к той конкретной области заданий, показатели которой психолог хочет обобщить: например, относительно заданий (внутренняя согласованность), относительно времени (стабильность) , относительно оценок разных экспертов (согласие между теми, кто производит оценивание). Дисперсионный анализ применяется для оценки всех источников (см., например, Van der Kamp, 1976, De Gruvter & Van der Kamp, 1991).
Надо признать, что психологам, математикам и методологам не так легко представить себе, что же такое случайная ошибка «на самом деле». Но, может быть, к этому и не
следует стремиться. В математических моделях трудностей с понятием случайной ошибки не возникает, а практическая ценность этого понятия доказана (личное сообщение Сниджерса, Амстердам, 20 декабря, 1994).
Исторически сложилось так, что надежность измерительного инструмента или процедуры измерения определяется с помощью двух конкретных показателей: ошибки измерения и коэффициента надежности. Первый отражает расхождение тестовых баллов, получаемых у одного человека. Если величина этого расхождения мала, то измерение может быть признано надежным. Стандартная ошибка рассматривается как стандартное отклонение в процессе большого числа измерений на одном и том же человеке. Практически это недостижимо, так как невозможно много раз предлагать работу с одним и тем же тестом одному и тому же человеку. Выходом из этой ситуации стало введение коэффициента надежности. Коэффициент надежности является выражением двух отношений: постоянства — непостоянства и стабильности — нестабильности. Существует несколько коэффициентов, описание которых можно встретить в любом руководстве по использованию тестов. В 1937 году Кьюдер и Ричардсон составили список этих коэффициентов. Хорошо известны предложенные ими KR-20 и KR-21.
Разработка первого коэффициента надежности приписывается Спирмену (1904). Если невозможно подвергнуть одинаковым тестовым испытаниям одного и того лее человека и не существует его двойника (ведь можно же подумать о монозиготных близнецах!), то, очевидно, нужно проявить некоторую изобретательность, чтобы создать «копию» этого человека. Оригинальное решение Спирмена заключалось в том, чтобы сконструировать неких искусственных «двойников для разных целей», по выражению Уиттманна (1988, стр. 513). То же было сделано Фишером, отцом дисперсионного анализа. Он тоже создавал искусственных двойников, используя их в разных целых. Результаты испытуемых внутри клеток матрицы двумерного распределе-ния представляют собой результаты «двойников», выбранных для оценки дисперсии ошибки. Это, конечно, не реальные, а статистически сконструированные двойники. Задания в тесте Спирмена — это «теоретические» двойни-
ки, потому что они представляют случайную выборку в одной из областей вопросов теста. Это было одной из причин определения надежности для параллельных тестов Гуллик-сена (1950). Блестящая идея Спирмена позволяет определить надежность в виде формулы: 1 минус отношение дисперсии ошибки к общей дисперсии (см. гл. 1).
У одного и того же теста могут быть различные коэффициенты надежности. Однако изначально нужно знать, какой тип надежности подходит для тех или иных практических и исследовательских целей. Например, что является наиболее приемлемым — согласие ли между экспертами, между разными измерениями, между разными заданиями одного и того же теста или двумя частями одного теста. Пользователь тестов должен выбрать коэффициент, наиболее соответствующий его целям. Обратившись к справочникам, можно определить, имеется необходимый коэффициент надежности или нет.
Понятие «надежность» используется для характеристи-.-ки тестов, методик и процедур оценивания. Под «надежностью» понимается повторяемость и согласованность результатов Тестирования. Концепция надежности предполагает также оценку неизбежных случайных ошибок. Считается, что расхождение между результатами тестирования в отношении какой-либо характеристики основывается на реально существующих, стабильных различиях между людьми. Допускается, что истинные результаты человека стабильны во времени. В основе лежит допущение, что однажды полученные показатели не изменяются (Feldt & Brennan, 1989, Wittmann, 1988, Nunnally & Bernstein, 1994). Это предположение присутствует в известных руководствах по теории тестов (Gulliksen, 1950). Следовательно, можно говорить об «истинных» баллах (истинных в платоновском смысле, т.е. подлинных, идеальных сущностей) , в соответствии с которыми все изменения во времени являются только «видимостью». В настоящее время исследователи уже не делают предположений о существовании неизменных истинных показателей, но требование надежности тестовых показателей остается, поскольку истинные или надежные показатели рассматриваются как предполагаемая оценка многих независимых повторных процедур тестирования. Однако эти истинные или надежные баллы могут изменяться с течением времени.
Понятие надежности в психодиагностике специально разработано для характеристики тестов и других методик. Теоретическая основа заимствована из теории тестов. Но применительно к психодиагностическому процессу концепция надежности обычно не рассматривалась. В каком смысле психодиагностический процесс может быть назван надежным и как можно оценить надежность процесса оценивания? Прямого ответа на этот вопрос не существует.
В первой главе приведено описание измерения случайной ошибки. Учет случайной ошибки позволяет обеспечить интервалы надежности для полученных баллов. Психодиагност предпочитает иметь дело не с точечным оцениванием, а с интервальным, при котором существует 95-процентная вероятность того, что будут получены истинные показатели человека. Кстати, синоптики, делая прогноз погоды, поступают примерно так же.
Невозможно не видеть ценность понятия случайной ошибки. Эти ошибки можно оценить с помощью некоторых искусственных конструктов («двойников» Спирмена). Однако они остаются чуждыми нашему интуитивному пониманию. Представление о надежности на уровне здравого смысла иногда имеет сходство с психологической концепцией валидности. Отметим, что представляется достаточно соблазнительным рассматривать полученные результаты как стабильные. Однако такого условия нет в современной теории тестов. Классическое понятие параллельного теста базируется на скрытом допущении, что вещи никогда не меняются (см. также Wittmann, 1988). Следствием этого является то, что в теории отсутствуют средства понятийного описания и процедуры измерения феномена динамики и изменений. Слишком просто сказать, подобно Платону, что все изменения — это только «видимость» и что «ничто не ново под луной». Наннелли и Бернштейн (1994) с некоторым сожалением приводят этот вывод в своем собственном руководстве, но это не больше и не меньше, чем следствие из классической теории тестов.
Подведем некоторые итоги. Концепция надежности является важной и сложной. В руководствах по проведению психологичесого оценивания приводится описание различных коэффициентов надежности. Их вычисление основано преимущественно на классической теории тестов. Концеп-
ция надежности развивалась внутри психологии, но она используется и в рамках других наук. Можно встретить замечания, что в психологии слишком много внимания уделяется ошибкам, потому что сами психологические концепции содержат слишком много ошибок. Однако Наннелли и Бернштейн (1994) замечают, что проблемы коррекции ошибочного оценивания не чужды медицинским и естественным наукам. Так, например, при измерении давления может быть зафиксировано некоторое непостоянство, как и при измерении психологических характеристик (Lenders, 1988).
3.1.3. Проблема согласованности трех уровней психодиагностики при определении надежности
В предыдущем разделе описывались житейские представления о надежности и психологические концепции надежности, обсуждались различия между ними. Житейские представления о надежности можно углубить и дополнить положениями научной психологии о существовании случайных ошибок, согласованности и повторяемости. Также возможна и обратная ситуация, когда представления из житейской психологии дадут толчок для разработки содержания понятия надежности.
Отношение между математическим определением надежности и содержанием психологических теорий нельзя назвать простыми и ровными. Леви (1974, стр. 21) критиковал классическую теорию тестов, отмечая, что «.. .теория тестов сильна своим практическим применением, но ее отношение к другим психологическим теориям сомнительно, неясно». Уиттманн (1988) делает замечание сходного характера, а Вуд (1989) считает, что то же самое может быть высказано и по адресу современной теории анализа ответов на задания теста (IRT).
Конечно, психометрики выдвигают аргументы в свою защиту, отмечая при этом недостатки содержания самих психологических теорий и говоря о том, что исследователи не понимают теории тестов. Например, Мелленберг (1980) приводит в качестве примера исследование клинических психологов, которые оценивают «адаптацию», рассматривая различия между показателями, полученными при характеристике «образа-Я» и характеристике «идеального
9?,
образа-Я». Клинические психологи были удивлены, не обнаружив корреляции этих показателей с другими индикаторами адаптации. Мелленберг отметил ненадежность показателей различий и вероятность того, что существует корреляция между двумя этими измерениями. В полученных результатах нет ничего удивительного, считает Мелленберг: они могли быть предсказаны исходя из определения надежности показателей различий в классической теории тестов.
Иногда происходит просто путаница. Автору этой книги предложили однажды высказать свое мнение о тесте, который оценивает способность детей воспринимать предмет, показанный с разных сторон, как тождественный. Методика основана на концепции Пиаже о понимании необходимости учета точки зрения на объект. Пиаже использовал известный тест с тремя горами: детям предлагалось описать, что, по их мнению, видят те дети, которые смотрят на горы с другого места. Маленькие дети допускают ошибки при выполнении этого теста. Ошибки учитывались при начислении ребенку баллов за выполнение теста. Для детей разного возраста был определен коэффициент согласованности. Данный показатель оказался ниже для старших детей и выше для детей из семей с низким социально-экономическим статусом. Однако, это объяснялось той простой причиной, что показатели разброса для маленьких детей и детей из семей с низким социально-экономическим статусом были больше. Указанный феномен является феноменом развития, т.к. более старшие дети делают меньше ошибок при решении заданий на понимание перспективы. Следовательно, при работе с этим тестом должен быть использован другой индекс надежности. * Попытка связать психологию, занимающуюся разработкой предметного содержания, с психометрикой или со статистической моделью может быть обнаружена при разработке теории аспектов (the facet theory). В рамках этой теории анализируются соответствующие и независи-. мые аспекты конструктов и идет поиск приемлемых способов их оценивания (см. например, De Groot & Medendorp,
1986).
Как показано в этой главе, взаимодействие между уровнями протекает не всегда гладко. Временами оно ведет к
трениям между психологами, занимающимися разработкой предметного содержания, с одной стороны, и психометриками — с другой. Это противостояние имеет, вероятно, тот же характер, что и противоречие между клиническим и статистическим подходами (см. гл. 4). Однако это противостояние способствует также и лучшем пониманию концепций надежности, повторяемости, внутренней согласованности и источников случайных ошибок, а также способов их оценивания.
3.2. Валидность
Представления о валидности существуют как на уровне здравого смысла, так и в форме психологической концепции. Понятие валидности занимает важное место в каждой научной дисциплине. В психометрии понятию валидности уделяется не слишком много внимания по сравнению с концепцией надежности. Концепция валидности относительно трудна для изучения и для математического определения. Теория анализа ответов на задания теста (IRT) может быть рассмотрена как специфический вклад психометрии в развитие концепции валидности. Кроме того, существует несколько различных моделей и статистических процедур, которые можно использовать при изучении валидности. Принято считать, что каждая процедура, помогающая ответить на вопросы, имеет отношение к валидности. В последующих главах приводится описание валидности на уровне здравого смысла, представлено философское понимание валидности, в частности те аспекты, которые существенны для психологической науки. Эта информация приводится для того, чтобы определить, насколько ценным для психодиагностики является житейское и философское понимание валидности. Далее рассматривается использование концепции валидности в психологическом тестировании и экспериментальном (и квазиэкспериментальном) исследовании.
3.2.1. Представление о валидности на уровне здравого смысла
Валидность означает «быть валидным», т.е. действительным, эффективным, имеющим реальное отношение к чему-то. О придании валидности говорят, например, в случае утверждения документа, результатов голосования, вступ-
ления в силу закона и т.д. О методике или процедуре говорят, что она валидна для определенных целей. Но невозможно сказать о человеке, что он «валиден» аналогично тому, как мы говорим о его «надежности». Представление о валидности на житейском уровне содержит отчасти и философские элементы. Например, ответ детей на вопрос: «Как ты узнал, что другие дети говорили правду?» — содержит те же критерии, которые встречаются и в философских работах (Van Houdt, 1994). В своих ответах дети от 7 до 11 лет указывают на:
1) связь между утверждениями человека и реальными событиями;
2) связь утверждения с предыдущими суждениями (связанность) ;
3) тот факт, что проблема решится, если будет рассказано, что случилось (прагматическая полезность);
4) согласие между независимыми наблюдателями (интерсубъектный консенсус);
5) тот факт, что никто не отрицает истинность утверждения (ассенсус).
3.2.2. Житейские представления о валидности и понятие валидности в психодиагностике
Принцип корреспонденции и валидность. Понятие валидности используется для характеристики теста, процедуры или утверждения. Часто валидность определяется как теория (принцип) корреспонденции. В рам-ках этой теории определяются отношения между субъектом, познающим мир, и объективной реальностью. Существует несколько вариантов этой теории. До девятнадцатого века наиболее распространенной была теория истины. Первым исследователем формальной истинности объяснения, а затем и создателем теории корреспонденции был Аристотель. Вслед за ним Фома Аквинский попытался определить истину как соответствие (adequatio) процессов познания (intellectus) реальной действительности («реальности вне языка») (res). В этих теориях центральным является отношение между суждением в той или иной форме (на уровне житейских представлений, на языке логики или математики) и реальным миром. Это очень старые вопросы о взаимоотношениях между объектом и субъектом, между
бытием и сознанием, между реальной действительностью и нашим представлением о мире, между нашими суждениями и реальным положением дел.
Эти вопросы являются важными и для психодиагностики, например вопрос о том, как соотносятся оценки, данные психодиагностом, и оцениваемые характеристики личности. Точна ли оценка психодиагноста? Еще один случай проявления теории корреспонденции можно рассмотреть на примере теории когнитивного развития Пиаже, согласно которой развитие интеллекта ребенка проходит несколько стадий от сенсомоторного интеллекта до стадии формальных операций, и только на последней стадии у ребенка возникает способность понимать основные свойства реальности.