Психологические измерения и проблема равноинтервального шкалирования

1. Садовников И. Н. Нарушения письменной речи и их преодоление v младших школьников. — М., 1997.

2. Ефименкова Л. Н. Коррекция устной и письменной речи учащихся начальных клас­сов. М.: «Владос», 2002.

3. Шумаева Н. Т. Как хорошо уметь читать. - СПб., «Акцидент» 1997

4. Аксенова А. К., Якубовская Э. В. Дидактические игры на уроках русского языка в классах вспомогательной школы. - М.: «Просвещение» 1991

5. «Логопедия» / Под ред. Л. С. Волковой. - М.: «Просвещение», 1989

6. Цвынтарный В. В. Играем пальчиками и развиваем речь. - Н. Новгород: «Флокс»,

7. Богомолова А. И. Логопедическое пособие для занятий с детьми - М: «Просвещение», 1994.

К.Д. Зароченцев, А.И. Худяков

Психологические измерения и проблема равноинтервального шкалирования

Как и в случае других измерений, результатом психологического измерения является случайная величина. Вид распределения этой случайной величины показывает степень устойчивости результатов измерения. Если распределение равномерно по всему интервалу возможных значений оценок или величина эксцесса очень велика, то можно сделать вывод, что нам не удалось обнаружить предполагаемый фактор, или предложенный критерий оценки неадекватно понят испытуемыми, или выборка испытуемых неоднородна. В последнем случае есть надежда, разбив исходную выборку испытуемых каким-либо способом на однородные подвыборки, получить набор распределений с выраженным максимумом. Наличие максимума распределения показывает, что мы что-то с какой-то точностью (мера вариабельности) измерили – выявили какой-то латентный фактор, но насколько этот фактор соответствует искомому (проблема валидности) по виду распределения, разумеется, решить невозможно.

При отсутствии соответствующих "опорных" физических шкал вид распределения оценок – единственный показатель устойчивости результатов измерения, а проблема интерпретации латентного фактора аналогична проблеме интерпретации в факторном анализе.

Если разные эмпирические процедуры, в основе выполнения которых лежат разные психические системы, дают результаты, "попадающие" в окрестности "истинного" латентного фактора, то можно надеяться на успех проведения измерения, но какое "попадание" ближе к цели, решить, практически, невозможно [27].

Следовательно, даже меньший разброс результатов, полученных с помощью какой-либо процедуры (большая точность), не дает права утверждать, что эти результаты более валидны и, что эта эмпирическая процедура предпочтительна.

Если нет оснований для выбора одного из нескольких конкурирующих методов, то целесообразно применять их все и считать решением то, что есть общего в результатах [8]. Как правило, к результатам, полученным различными эмпирическими процедурами, применяют различные математические модели, что затрудняет сравнение полученных шкал, практически, не дает возможности для взаимной проверки данных, полученных разными способами.

Вероятностные модели построения психологических шкал имеют ряд неоспоримых преимуществ. Главное преимущество в том, что введение вероятностной меры позволяет корректно совместить психологические и математические теоретические модели и, как следствие, использовать не только вычислительную, но прогностическую мощь математики. Но при этом возникает опасность отрыва теоретических, абстрактных построений от реальности, что проявляется в расхождении теоретических прогнозов и данных эксперимента. Существенный недостаток вероятностного подхода обусловлен свойствами самой вероятностной меры. Вероятностная мера вводится на множестве событий и множестве исходов. Оценка конкретного вида этой меры (функция распределения) производится по виду распределения частот в гистограмме. Вид распределения частот оценивается по выборке. При этом отдельная реализация не имеет смысла сама по себе. Имеет смысл только некая совокупность реализаций, попадающих в некий интервал. Так же, как в теории вероятности не имеет смысла утверждение: "попадание в точку числовой оси с такой-то вероятностью", а имеет смысл утверждение: "попадание с такой-то вероятностью в данный интервал". Поэтому действия с отдельными реализациями не корректны в парадигме вероятностной модели, следовательно, невозможен индивидуальный подход. Имеют смысл только данные группы испытуемых, допускающие вероятностные представления, а не данные отдельного индивида.

Кроме того, оценка значений вероятностей по полученным в эксперименте частотам, приводит к тому, что при переходе к табличным z -оценкам проблема погрешности измерения остается в стороне. Причем, небольшие выборки, используемые в психологических экспериментах (объемом в 20 – 30 человек), приводят к достаточно грубым оценкам вероятностей.

Рассмотрим альтернативный подход, лишенный этих недостатков. Исходным элементом в предлагаемой модели является набор оценок, данных отдельным испытуемым стимульному набору.

В методе парных сравнений оценкой стимула будем считать количество "побед", одержанных этим стимулов в актах сравнения с другими стимулами. В процессе измерения испытуемый распределяет данное количество очков (возможных побед) среди стимулов. Всего возможен n (n -1)/2 акт сравнения, где n – количество стимулов, следовательно, это количество очков распределяется между стимулами. Максимальное число побед, который может получить один стимул, равно n -1, минимальное, соответственно, 0. Чем более в стимуле выражен критерий оценки, тем чаще этот стимул выиграет в сравнении с другими, тем больше получит очков. В результате применения метода парных сравнений к выборке испытуемых мы получаем трехмерную матрицу A_ijk, где i, j =[0, n ] – количество стимулов, k =[0, m ] – количество испытуемых. Суммируя по j, получаем двумерную матрицу A_ik = SA_ijk, k -тая строка которой представляет собой набор оценок, данных k -тым испытуемым стимулам.

В случае прямых методов оценки мы сразу получаем аналогичную матрицу непосредственных оценок.

Сравнивая распределения оценок по стимулам у разных испытуемых мы можем разбить общую выборку испытуемых на подвыборки, в которых различия в распределениях оценок по стимулам незначительны в пределах выбранного уровня значимости.

Рассмотрим матрицу A¢_ik, составленную из оценок, данных испытуемыми из выделенной однородной подвыборки. i -тый столбец этой матрицы представляет собой случайную величину, каждая реализация которой – это оценка, данная i -тому стимулу k -тым испытуемым. Наша подвыборка сформирована из исходной выборки по принципу малых отличий между распределениями оценок по стимулам у испытуемых, т.е. малых различий между строками матрицы A¢_ik, следовательно, можно ожидать, что случайные величины, представленные столбцами матрицы будут иметь выраженный максимум. Таким образом, каждому стимулу можно сопоставить шкальное значение, найденное путем усреднения по однородной выборке испытуемых A¢_i = S A¢_ik/m, и оценить погрешность как оценки стимула отдельным испытуемым, так и погрешность среднего; т.е. использовать традиционный аппарат обработки экспериментальных данных.

В методе непосредственной количественной оценки испытуемый распределяет стимулы (дает оценки) по заданному количеству категорий, стараясь, как это требует инструкция, выдерживать интервалы между категориями психологически равными. Предполагается, что испытуемый способен выполнить это требование, это является основанием считать построенные шкалы шкалами интервалов.

В методе парных сравнений испытуемый распределяет между стимулами заданное количество баллов (количество выигрышей). При этом можно утверждать, что получаемая таким образом шкала является шкалой порядка.

Единый концептуальный подход к построению шкал на основе данных непосредственной количественной оценки и метода парных сравнений позволяет сравнить эти шкалы, определить вид допустимого преобразования, следовательно, тип полученных шкал.

Поставленная задача решалась, в частности, путем апробации и сравнения различных эмпирических процедур психологического измерения сложных перцептивных стимулов. Этим обусловлен выбор стимульного материала. С одной стороны, изменение каких-то параметров в стимульном наборе должно вызывать явные изменения реакций испытуемых, с другой стороны, стимулы должны провоцировать наиболее полное и разнообразное включение психологических функциональных систем в деятельность оценки.

Одним из самых значимых для человека элементов в системе его восприятия является человеческое лицо – центр приема и передачи социальных сигналов. Известно, что уже новорожденные предпочитают лицо или его схематическое изображение [11, 23, 27]. Исследования показали правомочность применения символических изображений лица в шкалах оценки выражения эмоций [22, 25]. Ягер и Борг для построения подобных шкал использовали схематические изображения лица, в которых варьировалась степень изгиба дуги, представляющей на рисунках рот [20].

Более 90% сюжетов любительской фотографии содержат изображение человека, как самой значимой фигуры, определяющей смысл сюжета. В условиях тахистоскопического предъявления изображения человека воспринимаются при значительно меньшем времени предъявления, чем сюжеты без человека [1, 4, 13, 19].

Исходя из вышеизложенного, художнику А.В.Самосудову было дано задание сконструировать ряд изображений, в которых был бы осуществлен переход от схематического изображения предмета к стилизованному изображению лица через ряд изображений разной степени неопределенности. Полученные семь изображений предъявлялись испытуемым в качестве стимульного материала.

В психологическом измерении рисунков были использованы два критерия оценки. Первый критерий интегральный, который выражает общее отношение испытуемого к данному изображению. В инструкции испытуемым предлагалось оценить свое общее отношение к стимулам, насколько они "предпочитают" эти стимулы другим. Поэтому в дальнейшем будем называть этот критерий критерием "предпочтение".

Второй критерий более частный. Испытуемых просили оценить в стимулах-рисунках степень похожести рисунка на живое человеческое лицо. Далее этот критерий будем называть "похожесть". В пилотажных исследованиях в инструкции по оценке по второму критерию отсутствовало слово "живое". Испытуемых просто просили оценить степень похожести рисунка на лицо. Но испытуемые, легко разгадав замысел художника, давали очевидные одинаковые оценки. После того, как в инструкцию ввели слово "живое", в оценках испытуемых появилось больше разнообразия. Например, для некоторых испытуемых первое изображение оказалось менее похожим на живое лицо, чем второе или даже третье.

Мы использовали простой несбалансированный метод парных сравнений (МПС) с принудительным выбором, т.е. испытуемый должен был в любом случае принять решение в пользу какого-нибудь стимула в паре, нейтральные ответы запрещались. Если испытуемый затруднялся, ему советовали делать выбор наугад, полагаясь на "внутренний голос".

Предъявлялись 7 стимулов, следовательно, производился 21 акт сравнения. Для каждого испытуемого заполнялась матрица ответов обычным способом. Затем для каждого стимула суммировались его "победы" и, таким образом, получали распределение "сырых" оценок между стимулами данным испытуемым.

Метод непосредственной количественной оценки (НКО). В этой эмпирической процедуре испытуемым предлагалось оценить степень выраженности критерия в стимулах по сто балльной шкале, причем концы шкалы не закреплялись за лучшим и, соответственно, худшим стимулами в наборе. Испытуемые получали инструкцию стараться использовать психологически равномерную субъективную шкалу, т.е. им указывалось, что психологическое расстояние, например, между 26 и 29 баллами равно расстоянию между 72 и 75 баллами. Выбор размаха шкалы от 0 до 100 объясняется желанием, во-первых, повысить точность измерения, во-вторых, дать испытуемому большую свободу действий.

Непосредственная количественная оценка субъективных интервалов (НОИ). Процедура НОИ была организована следующим образом. При проведении МПС испытуемым давалась дополнительная инструкция: "После того, как Вы в каждом акте сравнения выбрали тот стимул в паре, который, по-вашему, мнению более соответствует предложенному критерию, оцените, насколько баллов выражен критерий в этом стимуле больше по сравнению с другим стимулом в паре. Оценку сделайте в равномерной шкале размахом от 0 до 100 баллов.

Запишите оценку в соответствующую клеточку матрицы МПС. Если Вы считаете, что стимулы в паре никак не отличаются друг от друга, сделайте выбор стимула наугад, полагаясь на свой "внутренний голос", и в соответствующую клеточку матрицы впишите 0".

Процесс психологического измерения активизирует иерархический набор психологических систем, иерархия которого определяется, с одной стороны, объектом психологического измерения (стимульным набором и инструкцией), с другой стороны, индивидуальными особенностями испытуемого, т.е. непосредственно предметом психологического измерения, как мы его определили выше.

Разбиение выборки испытуемых на четыре подгруппы (см. ниже) демонстрирует четыре типа реакции на данный стимульный набор. Для того чтобы выяснить, имеют ли эти выделенные различия в типах реакции какое-либо психологическое основание, или являются просто артефактом эксперимента, мы использовали ряд психометрических методик.

Влияние личностных особенностей на оценку исследовалось с помощью 16-факторного личностного опросника Кеттелла, опросника ПДТ Мельникова-Ямпольского и опросника Айзенка [2, 5, 10].

Влияние эмоционального состояния исследовалось с помощью шкалы самооценки Спилбергера-Ханина [9, 17].

Участие мыслительно-познавательных процессов исследовали с помощью "прогрессивных матриц Равена" и теста Д.В.Сочивко на определения индивидуального стиля познавательной деятельности (ИСПД) [2, 14, 15, 16, 18].

Особенности когнитивного стиля исследовались с помощью теста Струпа, теста скрытых фигур Терстона, теста свободной сортировки Гарднера, теста ригидности мышления Лачинса.

В эксперименте принимали участие в общей сложности более1200 испытуемых, мужчин и женщин в возрасте от 16 до 45 лет, жителей разных городов страны, имеющих образование не ниже среднего. Все они приняли участие в основной фазе эксперимента, а именно оценили стимульный набор по критерию "предпочтение" методами НКО (1010 испытуемых) и МПС (1147). По критерию "похожесть" оценили рисунки методом НКО 274 испытуемых, методом МПС – 324. Непосредственно субъективные интервалы (НОИ) оценили по критерию "предпочтение" 214 человек, по критерию "похожесть" – 93.

Психометрические методики предлагались: ПДТ – 58, опросник Кеттелла – 40, опросник Спилбергера-Ханина – 125, ИСПД – 214, опросник Айзенка – 208, прогрессивные матрицы Равена – 63, методики определения когнитивного стиля – 128 испытуемым, соответственно.

Количество испытуемых, привлеченных к участию в базовом эксперименте, определилось стремлением достичь компромисса между эффектами малой и большой выборок, стремлением довести объем самой малочисленной группы K₁ (см. ниже) испытуемых до величины, позволяющей корректно применять методы статистического анализа (примерно 80 испытуемых).

Разное количество испытуемых выполнявших разные психометрические методики объясняется следующими соображениями.

Опросники Кеттелла и ПДТ применялись в пилотажном исследовании для определения дальнейшего направления работы, поэтому выборки объемом примерно 50 испытуемых вполне достаточно для проведения общего корреляционного анализа. Эти методики практически дублируют друг друга, поэтому они были использованы для взаимного контроля результатов.

Опросники Айзенка и Спилбергера-Ханина, а также методы исследования когнитивного стиля использовались для целенаправленного изучения действия соответствующих факторов в выделенных группах испытуемых.

Тест ИСПД был разработан недавно, еще не получил всеобщего признания, поэтому к выполнению этой методики было привлечено такое большое количество испытуемых.

Объем выборки для установления возможных связей оценок стимулов с когнитивными стилями вполне достаточен для корреляционного анализа.

Исходным материалом для первичной обработки результатов эксперимента служили матрицы "сырых" оценок A_ik, i =[1, n ], k =[1, m ], где n – количество стимулов, m – количество испытуемых. Таким образом, строка матрицы – распределение "сырых" оценок, данных i -тым испытуемым стимульному набору. Каждый элемент матрицы представляет оценку, данную испытуемым стимулу.

В результате применения эмпирических процедур получены наборы "сырых" оценок. На основе этих "сырых" оценок были построены шкалы в едином концептуальном и алгоритмическом ключе. Шкалы на основе оценок, полученных методами МПС и НКО, были построены способом, описанным выше.

Шкалы для оценок методом НОИ были построены способом, аналогичным построению шкал в модели Терстона. Только для этого использовалась матрица непосредственной оценки интервалов между стимулами. В этой матрице в пустые клетки вписывались соответствующие значения из "зеркально" расположенных клеток с обратным знаком. Таким образом, получалась полная матрица оценок интервалов, в диагоналях которой стояли 0. Далее суммировались элементы в столбцах матрицы, которые представляли шкальные значения стимулов. Операция усреднения по количеству стимулов и сдвига точки отсчета шкалы в 0 считалась излишней в соответствие со свойствами предполагаемой шкалы интервалов.

Чтобы свести к минимуму интериндивидуальные различия в шкалах, связанные с используемым методом, например, с выбором испытуемым начала отсчета и размаха шкалы в методе НКО, и получить возможность более корректного сравнения шкал полученных разными эмпирическими процедурами, индивидуальные шкалы были переведены в единую шкалу с помощью линейного преобразования:

y=(b₂-b₁)(x-a₁)/(a₂-a₁)+b₁,

где x – шкальное значение исходной шкалы; a₂, a₁ – минимальное и максимальное значения исходной шкалы, соответственно; y – шкальное значение новой шкалы; b₂, b₁ – минимальное и максимальное значения новой шкалы, причем выбрано b₂ =10, b₁ =0.

Шкальное значение для i -того стимула определяется, как усредненная "сырая" оценка по всей выборке испытуемых: A_i = S A_ik/m ± st/m, где s – оценка среднеквадратичного отклонения, m – объем выборки испытуемых, t – значение распределения Стьюдента, соответствующее выбранному уровню значимости. Эти данные приведены в таблице 1.

В оценках стимулов по критерию "похожесть" явно прослеживается тенденция уменьшения оценок с ростом номера стимула, т.е. чем больше номер стимула, тем он меньше похож, по мнению испытуемых, на живое человеческое лицо.

Несмотря на некоторый разброс оценок, выборка испытуемых при оценках по критерию "похожесть" оказалась достаточно однородной, и выделить какие-либо подгруппы не удалось.

Иная картина в случае критерия "предпочтение". В таблице 1 приведены шкальные значения для оценок по этому критерию. Распределение оценок по стимулам показывает, что, учитывая погрешность измерения, оценки стимулов мало отличаются. Можно прийти к выводу, что в среднем для испытуемых все стимулы почти одинаково "предпочтительны" (или, соответственно, непредпочтительны), но вид индивидуальных диаграмм распределения оценок говорит, что это не так.

Таблица 1.

Шкальные значения, вычисленные по всей выборке испытуемых по данным МПС, НКО, НОИ для критериев "предпочтение" и "похожесть". X – шкальное значение; s – среднеквадратичное отклонение; m – объем выборки испытуемых, n – номера стимулов-рисунков.

 

«предпочтение»	«похожесть»
МПС
n
X	6,1	5,5	3,7	6,1	3,3	4,7	5,6		8,9	7,7	5,7	5,5	4,6	2,0	0,7
s	3,1	3,2	2,8	3,3	3,2	3,3	3,7		2,4	2,1	1,8	2,0	2,2	1,7	1,9
m
НКО
n
X	6,0	5,2	3,3	5,3	2,9	4,3	5,2		8,9	7,6	5,6	5,6	4,5	1,4	0,5
s	4,0	3,4	2,8	3,5	3,1	3,6	4,1		2,6	2,4	2,4	2,6	2,7	1,9	1,8
m
НОИ
n
X	6,1	6,2	4,1	5,7	3,8	3,9	3,9		9,2	7,2	5,0	4,8	3,8	1,7	1,1
s	4,1	3,1	2,8	3,2	2,9	3,5	3,8		2,4	2,0	2,4	1,9	2,0	2,2	2,5
m

 

Матрицу индивидуальных шкальных значений метода МПС подвергли факторному анализу методом главных компонент.

Были выделены два фактора, получившие разумное объяснение. Весовые значения для этих двух факторов (главных компонент) приведены в таблице 2.

Таблица 2

Значения весов для двух главных компонент, получивших интерпретацию.

W₁ – распределение по стимулам весов, определяющих фактор "похожести на человеческое лицо"; W₂ – распределение весов по стимулам для фактора "неопределенность"; D – значение дисперсии.

1. D =35,6	2. D =18,2
W1	.71	.72	.53	-.12	-.14	-.77	-.76	W2	-.45	-.23	.36	.63	-.60	-.15	-.41

 

Первый фактор можно интерпретировать как соответствующий степени похожести на лицо, так как значения весов практически повторяют порядок шкальных значений стимулов по критерию "похожесть" (см. табл. 1). Второй фактор можно интерпретировать как фактор неопределенности рисунка. В этом случае наибольший вклад в этот фактор дают "переходные" стимулы (№3, №4), а наименьший – стимулы, на которых явно изображены или лицо, или предметы (№1, №2, №6, №7).

В соответствии с выделенными факторами общая выборка испытуемых была разбита на две группы, которые получили названия "группа социально ориентированного типа, гр. S) и "группа когнитивно ориентированного типа, гр. K). Эти группы, в свою очередь6 были разделены на две подгруппы каждая - гр. S₁, гр. S₂, гр. K₁, гр. K₂, соответственно.

Разбиение осуществлялось следующим образом. Были вычислены суммы квадратов разностей рангов шкальных значений каждого испытуемого и рангов весов для каждого фактора для гр. S₁ и гр. K₁, для гр. S₂ и гр. K₂ между рангами шкальных значений и рангами весов взятых с обратным знаком. В соответствующие группы были отнесены испытуемые, у которых эти разности не превышали 26, что отвечает уровню значимости 5%.

Для каждой выделенной группы были построены шкалы по данным используемых эмпирических методов (МПС, НКО, НОИ). Шкальные значения приведены в таблице 3.

Таблица 3.

Шкальные значения оценок по критерию "предпочтение" в выделенных группах испытуемых. X – шкальное значение; s – среднеквадратичное отклонение; m – объем выборки (количество испытуемых в группе).

 

МПС	НКО
n
X	9.1	8.2	5.5	5.4	3.3	1.5	1.7		8.7	7.4	4.7	4.8	2.8	1.5	1.8
s	1.6	1.4	2.2	2.7	2.5	1.5	2.2		2,3	2,4	2,4	3,0	2,7	2,7	2,9
m		Гр. S1
X	2,1	2,5	2,5	6,9	4,4	7,9	8,5		2,3	2,7	2,2	5,8	3,8	7,1	8,0
s	2,1	2,0	2,4	2,9	3,2	1,9	1,9		3,1	2,6	2,4	3,5	3,2	2,9	2,8
m		Гр. S2
X	1,9	4,5	5,7	9,3	7,3	4,2	2,5		3,1	4,2	4,8	8,0	6,0	4,2	3,9
s	2,3	3,3	2,6	1,3	2,1	3,0	2,5		3,6	3,3	3,0	2,9	3,4	3,3	3,6
m		Гр. K1
X	8,2	6,0	2,5	5,6	1,6	5,5	8,2		8,0	5,5	2,4	2,8	1,6	5,0	7,1
s	2,0	2,7	2,3	2,2	2,1	2,9	2,1		2,0	3,0	2,3	2,8	2,2	3,3	3,5
m		Гр. K2

 

«Предпочтение» НОИ
n
X	9,1	8,1	5,4	4,9	3,2	1,0	1,0		1,1	2,5	2,9	6,5	5,1	7,5	7,8
s	2,0	1,7	2,0	2,5	2,2	1,2	1,8		2,1	2,5	2,5	3,0	3,2	2,1	2,8
m	89; Гр. S1		42; Гр. S2
X	2.7	5.7	5.0	9.1	6.2	3.9	2.4		7.6	5.3	3.3	2.2	2.3	5.1	7.6
s	3.3	3.6	2.6	1.8	2.7	3.3	2.8		2.7	3.0	2.9	2.3	3.0	3.1	2.8
m	16; Гр. K1		23; Гр. K2

На рис.1 показаны примеры связи между шкалами, полученными МПС, НКО и НОИ для выделенных групп и разных критериев. Видно, что точки практически лежат на прямой линии. Шкалы не представленные ради экономии места на рисунках обнаруживают также линейную связь. Регрессионный анализ не дал повода отвергнуть гипотезу о линейном виде зависимости.

НКО
										¨
									¨
							¨
						¨
			¨
											МПС
Рис.1a «Похожесть»
НОИ
										¨
									¨
							¨
						¨
			¨
		¨
											МПС
Рис.1b «Похожесть»
НОИ
										¨
									¨
							¨
						¨
			¨
		¨
											НКО
Рис.1с «Похожесть»

 

НКО
										¨
									¨
						¨¨
				¨
			¨
											МПС
Рис.1d «Предпочтение», Гр. S1

 

Рис. 1. Примеры связи между шкальными значениями, построенными по данным различных эмпирических процедур.

В таблице 4 приведены надлежащие математические выкладки и значения оценок статистики Фишера.

Таблица 4

Оценка линейности зависимости между шкалами МПС и НКО в выделенных группах для критерия "предпочтение" и критерия "похожесть". F₁, F₂ – статистики Фишера для проверки адекватности линейной модели, F₃ – статистика для проверки корректности линейной модели, r – коэффициент корреляции между шкальными значениями.

	Гр. S1	Гр. S2	Гр. K1	Гр. K2	«Похожесть»
F1	0,06	0,07	0,06	0,09	0,09
F2
r	0,98	0,96	0,91	0,96	0,98

 

Таблица 5

Оценка линейности зависимости между шкалами МПС и НОИ в выделенных группах для критерия "предпочтение" и критерия "похожесть". F₁, F₂ – статистики Фишера для проверки адекватности линейной модели, F₃ – статистика для проверки корректности линейной модели, r – коэффициента корреляции между шкальными значениями.

 

	Гр. S1	Гр. S2	Гр. K1	Гр. K2	«Похожесть»
F1	0,29	0,13	0,1	0,05	0,09
F2
r	0,96	0,95	0,94	0,97	0,98

 

Таблица 6

Оценка линейности зависимости между шкалами НКО и НОИ в выделенных группах для критерия "предпочтение" и критерия "похожесть". F₁, F₂ – статистики Фишера для проверки адекватности линейной модели, F₃ – статистика для проверки корректности линейной модели, r – коэффициент корреляции между шкальными значениями.

	Гр. S1	Гр. S2	Гр. K1	Гр. K2	«Похожесть»
F1	0,22	0,18	0,14	0,22	0,23
F2
r	0,397	0,93	0,91	0,87	0,95

 

Примечания к таблицам 4, 5, 6:

Проверяется линейная модель y=ax+b+e; а, b – параметры модели, e – случайное отклонение.

1. Проверка адекватности модели.

Для этого была использована схема, в которой x и y не случайны, но могут быть измерены с некоторыми случайными ошибками, главное, чтобы ошибки были меньше диапазона изменений переменных. Исходная "балльная модель" удовлетворяет требованиям этой схемы.

F₁=(m-1)(1-r²)S_y²/[(m-2)SS_yi²]; F₂=nF₁.

m =7 (количество точек); S_yi – оценки соответствующих среднеквадратичных отклонений в точках i; r – коэффициент корреляции между x и y; n – количество измерений в точке i; S_y – оценка среднеквадратичного отклонения переменной y.

Если F₁>1, F₂>F₀, гипотеза о линейной зависимости отвергается. F₀ =4.2 для уровня значимости 0.001.

2. Проверка значимости регрессии (корректности линейной модели)

F₂=(m-2)r²/(1-r²).

Если F₂<F₀, гипотеза о корректности модели отвергается. F₀ =6.6 для уровня значимости 0.05.

Таким образом, нет оснований отказаться от гипотезы о линейной зависимости между шкалами, построенными по данным, полученным различными эмпирическими процедурами – МПС, НКО, НОИ. Следовательно, допустимым преобразованием для этих шкал является линейное, а именно линейное преобразование определяет шкалы интервалов.

Линейная связь между шкальными значениями показывает, что, с одной стороны, испытуемые действительно могут непосредственно оценивать субъективные расстояния между сложными перцептивными стимулами при работе с критериями разной степени сложности, с другой стороны, еще раз подтверждает, что построенные шкалы являются шкалами интервалов.

Считается общепризнанным, что МПС более точен, т.к., лежащая в его основе операция установления различия не вызывает у испытуемых таких затруднений, как операция установления равенства, на которую опирается метод НКО.

Очевидно, что процедура МПС очень громоздка, утомительна как для испытуемого, так и для экспериментатора, причем время проведения эксперимента резко возрастает с увеличением количества стимулов. Процедура НКО менее утомительна, время ее проведения минимально.

Рассмотрим рис.2. На рисунке изображены автокорреляционные функции оценок для обоих критериев и обсуждаемых процедур.

 

r							·
							¨
		·	·
		¨
			¨	·	·	¨
				¨	¨	·
		1-2	2-3	3-4	4-5	5-6	6-7
			Ni-Ni+1
		Рис.2а – «Предпочтение»

 

r			·				·¨
		¨	¨	·
		·			·	¨
						·
				¨	¨
		1-2	2-3	3-4	4-5	5-6	6-7
							Ni-Ni+1
		Рис.2b – «Похожесть»

 

Рис.2 Автокорреляционная функция для оценок методом НКО (·) и МПС (¨), пунктирная линия обозначает 5% уровень значимости.

Корреляции между оценками соседних стимулов в методе НКО значительно выше, чем в МПС, и практически все они (кроме одного случая) превышают линию 5% уровня значимости. Вид автокорреляционных функций для простого и сложного критериев практически совпадает. Следовательно, на оценку каждого отдельного стимула влияет весь стимульный набор и изменение стимульного набора (например, введение новых стимулов) может повлиять на оценку отдельного стимула. Как показали беседы с испытуемыми, они пытались часто оценивать не стимул как таковой, а сначала разгадать закономерность построения ряда стимулов, воспринимали процесс оценки как игру, навязанную им экспериментатором.

Автокорреляционная функция МПС показывает, что оценки, полученные этим методом, не так сильно взаимосвязаны, как в методе НКО, но, тем не менее, говорить об их полной независимости нельзя. В одном из экспериментов испытуемым предлагались стимулы в процедуре МПС, но при этом, кроме двух стимулов сравниваемой пары, весь остальной стимульный набор также находился в поле зрения испытуемого. Результаты этого эксперимента никак не отличались от данных традиционного проведения МПС. Следовательно, в акте сравнения внимание испытуемого локализовано на предлагаемой паре, а остальные стимулы не замечаются. Но вид автокорреляционной функции все-таки указывает на влияние на оценку всего стимульного набора, возможно, через эталоны, формируемые в обобщенном образе испытуемого.

Таким образом, выбор эмпирической процедуры зависит от конкретной экспериментальной ситуации, но для повышения валидности измерения полезно применять обе эмпирических процедуры, если это возможно, и строить по этим данным обобщенную шкалу.

До сих пор, рассуждая о типе построенных шкал, мы не разу не упомянули о такой необходимой, по мнению многих, характеристике шкал интервалов, как единица измерения субъективного расстояния. Именно эта характеристика позволяет отнести шкалы интервалов к метрическим шкалам. Можно было бы выбрать в качестве единицы измерения расстояния ошибку оценки шкального значения, тем более что эту ошибку можно трактовать как оценку величины разностного порога (величины едва заметного различения ЕЗР).

Это предлагает, например, А.А.Карелин и называет интервал неразличения субъективной единицей измерения (СЕИ). Он считает, что с ростом величины стимула возрастает величина используемых категорий.

При методе категорий равенство категорий задается инструкцией – это осознанный процесс, а рост категорий с ростом стимула процесс неосознанный. Это же относится и СЕИ, и к ЕЗР. А.А.Карелин приходит к следующим выводам:

1) Величина СЕИ изменяется пропорционально величине измеряемого стимула;

2) Сходство категориальных шкал и шкал СЕИ показывает, что в их основе лежит динамика изменения одних и тех же психологических образований [7].

Но многие исследователи не считают возможным использовать оценку ошибки измерения (интервал неопределенности) в качестве единицы измерения [26].

Можно ли принимать за единицу измерения даже субъективную "мнимую" величину, значение которой не отражается на субъективную ось, человек ее "не видит"?

Наши данные показывают, что величина ошибки мало меняется от оценки к оценке по всей шкале. Таким образом, взяв среднюю по шкале ошибку, можно построить шкалу интервалов.

Но имеет ли смысл усложнять и без того очень громоздкий аппарат построения психологической шкалы. Рассмотрим вид допустимого преобразования, определяющий тип шкалы интервалов: y=ax+b. По определению, шкала интервалов задается с точностью до начала отсчета – параметр b, и с точностью до масштаба – параметр a.

Последнее положение означает, что выбор единицы измерения меняет шкалу, но чтобы новая шкала оставалась шкалой интервалов, необходимо сохранение жесткой структуры шкалы, т.е., чтобы все расстояния (интервалы) в новой шкале изменились в одинаковое число раз. Из этого следует, что если мы имеем два разных стимульных набора, соответственно, две шкалы интервалов, каждую со своей структурой, то, чтобы построить единую шкалу, объединяющую оба набора стимулов, необходимо, чтобы в одном наборе имелось, как минимум, два стимула из другого набора. Это позволит нам определить взаимный масштаб, определить коэффициент перевода шкальных значений одной шкалы в другую. Таким способом нам удалось построить шкалу интервалов оценки качества более ста любительских фотоотпечатков, измеренных методом парных сравнений [6].

Таким образом, выбор единицы измерения весьма произволен при соблюдении условий, не разрушающих структуру шкалы. Поэтому все шкальные значения в нашей работе приведены в условных единицах, тем более, что любые манипуляции с оценками, имеющими собственные погрешности, сильно увеличивают окончательную погрешность измерения.

«Чем обширнее класс высокоспецифических особенностей исследуемых явлений, тем более универсальными должны быть признаки, общие для них всех. Психические явления не составляют тут исключения. Иначе говоря, только самые универсальные характеристики психики общие для всех многосторонних и многоаспектных частных и специфических ее проявлений, воплощенных в личности. Закон обратной пропорциональности объема и содержания: чем более частные и высокоспецифические характеристики должны быть охвачены соответствующим методом измерения, анализа и психодиагностического заключения, тем более, общий характер должна носить соответствующая система единиц измерения.

Аналогично системе единиц измерения в физике (сантиметр, грамм, секунда и т.д.) в основании системы психологических средств измерения, а затем и психологических единиц измерения должны лежать единицы, относящиеся к самым универсальным параметрам психики. Таким образом, родовая специфичность психической ткани может и должна быть выражена в единицах измерения особенностей структуры психического времени, психического пространства, специфических форм выражения психологической интенсивности (психологической энергетики) и психологической качественной специфичности» [3].

Рассмотрим трехмерную матрицу A_ijk, полученную в результате проведения процедуры МПС. Вычислим две величины: A_i = SS A_ijk / n и P_i =SS A_ijk / mn.

A_i – шкальное значение "балльной" модели, P_i – оценка вероятности предпочтения, средняя для данного стимула. Если разделить A_i на m, что очевидно не меняет структуру шкалы, то эти две величины численно совпадут.

Согласно закону сравнительных суждений Терстона, для построения шкалы интервалов вероятности предпочтения переводят в квантили нормального распределения.

В работе [21] приведен рисунок, который демонстрирует связь между шкалами, построенными на основе данных МПС, классическим методом Терстона, и данных метода категорий в модификации, прибли