, 1977). В последнем пособии опубликованы тексты
универсальных (для психометрики неспециализированных) программ
множественного регрессионного, дискриминантного, факторного и про-
стейшего кластерного анализов. Психологам, не имеющим большого
опыта работы с ЭВМ, следует еще раз напомнить, что в настоящее
время решение вопросов программного обеспечения требует значитель-
но больших затрат организационной активности, времени, труда ква-
лифицированных специалистов и даже денежных средств, чем решение
технических вопросов (закупка ЭВМ в минимальном комплекте и ввод
ее в эксплуатацию).
Многие программы, необходимые для анализа внутренних психо-
метрических свойств теста (репрезентативности и надежности), приме-
нимы и для анализа валидности. Но в вопросах обеспечения валидно-
сти, так же как и в вопросах обеспечения селективных тестовых норм,
решающее значение имеет не столько программное обеспечение, сколько
информационное обеспечение -- создание в памяти ЭВМ эффективной,
постоянно пополняемой базы данных. К сожалению, разработанные к
настоящему времени на базе ЭВМ ЕС и БЭСМ специализированные
пакеты программ для автоматизации тестовых психологических -."сто
STR.107
дик (Рябов В. Б" 1982; Ермакова И. В., 1984; Деев А. А. и др., 1984)
не сопряжены с адаптированной для психологов СУБД (базой дан-
ных). Эти пакеты решают скорее задачу автоматизации проведения
методик и подсчета <сырых> тестовых баллов, чем задачи психомет-
рического обеспечения.
В банк данных с результатами тестирования, создаваемый в па-
мяти ЭВМ, наряду с анкетной должна быть введена (под специальной
рубрикой) и критериальная информация по обследованным испытуемым
(показатели успешности учебной, профессиональной деятельности, со-
стояния здоровья, показатели общественной и творческой активности,
дисциплины и организованности и т.п.). В результате создания полной
информационной базы и сопряжения ее с соответствующими програм-
мами поиска и сортировки появляется заманчивая возможность замены
части разнородных трудоемких статистических методов обработки дан-
ных универсальными методами информационного поиска и группи-
ровки. Поясним это положение на примере. Пусть некоторая сервисная
диалоговая программа CRT (<критериальное тестирование>) запраши-
вает психолога-психометриста с экрана о критериальном признаке:
успеваемость? (да или нет)
После ответа с клавиатуры <да> следует новый запрос)
уровень? (вые., сред. или низ.)
После ответа <вые> следует запрос:
техническое имя методики?
После ответа <ОМД> (опросник мотивации достижения) компьютер
обрабатывает данные и выдает сообщение:
Средний процентальный балл критериальной выборки=75%
Объем критериальной выборки == 120
Объем тестированной выборки == 340
Критерий: вые. успеваемость
Понятно, что такой высокий средний процентильный балл (более вы-
сокий, чем у 75Ї/о всех тестированных) говорит о наличии взаимосвязи
между показателем теста и уровнем успеваемости, т. е. о валидности
методики ОМД.
Наличие постоянно пополняемого массива критериальной инфор-
мации, сопряженного с тестовой информацией, создает предпосылки
для успешного применения эффективных алгоритмов распознавания
образов (см. 3,5), так как точность этих методов существенно воз-
растает по мере повышения репрезентативности <обучающей выбор-
ки>, или, как чаще говорят в психодиагностике, <экстремальных
групп>. Получая новую порцию критериальной информации, компьютер
будет тут же корректировать, уточнять то <решающее правило>, на
основании которого психолог относит испытуемые, о которых известна
только тестовая информация, к тем или иным критериальным группам
(диагностическим группам). Дополнительные преимущества получает
психолог, работающий с фиксированным контингентом лиц (сотрудни-
ки одного предприятия или учреждения) и создающий в памяти ЭВМ
<лонгитюдный банк данных>, в котором хранится и постоянно допол-
няется информация о повторных тестовых испытаниях, так же как и
новая, меняющаяся со временем критериальная информация. На основе
такой информации ЭВМ по определенным алгоритмам в состоянии
автоматически выявить значимые кроссвременные связи и экстраполи-
ровать их для построения прогноза. Тогда сообщение, аналогичное
тому, которое приведено выше (с. 106), будет дополнено сообщением:
STR.108
средний период упреждения: 6 месяцев
интервал тестирования: 1986-1988
интервал критерия: 1987-1989
В оптимальном варианте психолог должен иметь возможность сфор-
мулировать сервисной программе запрос, указывающий на желаемый
для него период упреждения,- запрос, по которому ЭВМ отберет и
будет коррелировать данные только для тех испытуемых, у которых
кмел место требуемый интервал между тестированием и измерением
критерия.
Особые возможности открывает использование компьютера для
психометрического обеспечения <программированного>, или, как чаще
говорят, <адаптивного тестирования>. Обычно не имея возможности
быстро обрабатывать результаты уже проведенных тестов, психологи
оказываются вынужденными проводить всех испытуемых по полной
программе тестирования: предъявляют каждому все тесты из преду-
смотренной батареи тестов (или все вопросы из предусмотренного
перечня вопросов). Автоматизируя и значительно ускоряя подсчет
тестовых показателей, компьютер позволяет после проведения первых
же тестов принять обоснованное решение о сокращении программы
дальнейшего обследования. Ненужная и даже вредная с точки зрения
исследовательских и методических интересов (матрица <испытуе-
мые X тесты> оказывается заполненной с пробелами), эта возмож-
ность очень важна для практической психодиагностики, когда сущест-
вуют жесткие ограничения на время обследования. Реальностью эта
возможность становится при совмещении в компьютере функции тесто-
вого буклета (лаборанта по проведению методики) и лаборанта по
обработке данных.
Статистической основой для <адаптивного тестирования> является
наличие несимметричных статистических связей между ответами на
разные тесты (на пункты одного и того же теста). Если все испытуе-
мые, которые дают правильный ответ по пункту t-тому, одновременно
дают и правильный ответ по пункту /-тому, то это отношение образует
логическую импликацию: из того факта, что испытуемый дал правиль-
ный ответ на i-тый пункт, автоматически следует, что он даст пра-
вильный ответ и на /-тый пункт.
При этом матрица сопряженности между ответами на i-тый и ;-тый
пункты будет иметь вид:
\
ответы на t-тый пункт <да> <нет> ответы на /-тый пункт
<да>
<нет>
а>0Ь=0
7>0d>Q
Чтобы обнаружить подобные пары пунктов в таком большом пе-
речне, как полный ММР1, включающий, как известно, 566 вопросов,
очевидно требуется довольно мощный компьютер, способный построить
566х566/2=160178 четырехклеточных матриц сопряженности и про-
верить в них равенство (или близость) нулю элементов b или с. При
обнаружении таких связей между пунктами теста в программу предъ-
явления вопросов (при тестировании на компьютере) могут быть вне-
сены следующие оптимизирующие дополнения:
1) каждому пункту кроме ключей по шкалам должны быть по-
ставлены в соответствие номера пунктов, которые можно пропустить
STR.109
яри том или ином ответе на данный пункт (вполне вероятно, что для
некоторых пунктов, это множество будет пустым);
2) кроме вектора накапливаемых <сырых> баллов по шкалам испы-
туемому в ходе тестирования должен быть поставлен в соответствие
вектор из К. компонент - по числу К пунктов в тесте: при появлении
информации о возможности пропуска какого-либо из предстоящих
пунктов в соответствующую ячейку этого вектора будет записан нуль
начальное состояние всех ячеек вектора - 1, что означает необходи-
мость предъявления).
Для конструирования оптимального адаптивного теста после вы-
явления связанных <вложенных> пунктов нужно произвести переста-
новку пунктов: первыми должны предъявляться пункты, имеющие бо-
лее мощное множество пунктов, в которые бни вложены. Такой порядок
предъявления заданий (пунктов) . позволит максимизировать число
возможных пропусков и укоротить среднюю длительность теста. Под-
черкнем, что при такой модификации тестовые нормы можно оставить
практически неизменными: ведь при позитивном ответе на какой-либо
вложенный 1-тый пункт ответ на связанный с ним ;-тый пункт прак-
тически уже известен и может быть сразу же внесен в накапливаемые
суммы по релевантным шкалам.
Другое дело, что тестовые нормы, видимо, скорее всего изменятся
вследствие перестановки пунктов местами, вследствие изменения в по-
рядке тестирования. Нужно помнить, что <имплицирующие> пункты
являются <трудными> заданиями (или логически <сильными> вопро-
сами в опроснике). Всё, кто справился с трудным заданием, заведомо
справятся с более легким. Все, кто утвердительно ответил на вопрос:
<Вы проводите регулярные тренировки по избранному вами виду спор-
та?> - заведомо утвердительно ответят на связанный с ним более
слабый вопрос: <Вы выполняете некоторые систематические комплек-
-сы упражнений?>
Если метод предъявления заданий по порядку возрастания уровня
трудности справедливо можно назвать <дидактическим> (он представ-
ляет возможность обучаться в ходе самого тестирования), то метод
предъявления заданий по порядку убывания уровня трудности - это
экзаменационный> метод (ошибка в решении более трудной задачи
не помогает в решении более легких).
Более эффективный вариант реализации принципов адаптивного
тестирования - построение диагностики по типу ветвящегося дерева
поиска, оптимизирующего редукцию
энтропии диагностически значимых ис- -топ-
ходов (Меллер Ф., Капекки В" 1977).
Если в памяти ЭВМ накоплен реп-
резентативный банк тестовой и Крите"
риальной информации, то по. отноше- "
ник) к заданным парам диагно-
стических классов может быть ав- ," "
тематически построен оптимальный ал- \ноТлТоре
горитм последовательного выбора тестирования, ставящем последова-
тестовых показателей. Упрощенно тельность предъявления пунктов в
его суть можно описать так. На пер- зависимость от ответов испытуемого
вом шаге отыскивается тест (или
пункт теста, если в ЭВМ хранится информация об ответах <эталон-
ных> испытуемых из <обучающей выборки>), который обладает наи-
более высокой точностью в различении заданных классов (имеет мак-
симальный индекс дискриминативности). Затем вся выборка испытуе-
109
STR.110
мых делится на две (три, четыре) части - по ответам на самый дис-
криминативный пункт. Для каждой выборки в свою очередь отыски-
вается самый дискриминативный пункт, по которому новые выборки
делятся на подвыборки и т. п. В результате появляется <дерево>, по-
добное иллюстративному <дереву>, приведенному на рис. 18.
На рис. 18 показано, как в результате анализа пунктов опросника
был выбран в качестве самого информативного (в задаче различения
заданных классов) пункт № 104. Для тех испытуемых, которые отве-
тили <да> на вопрос № 104, самым информативным оказался вопрос
№ 36, а для тех, кто ответил на вопрос № 104 <нет>, самым информа-
тивным оказался пункт № 17. Понятно, что для построения и примене-
ния деревьев диагностического поиска психологу требуется ЭВМ.
3.7. ТРЕБОВАНИЯ К ПСИХОМЕТРИЧЕСКОЙ ПОДГОТОВКЕ ПСИХОЛОГА
Для эффективного развития практической психодиагностики сего-
дня требуется резкое повышение психометрической культуры всех пси-
хологов, использующих измерительные психодиагностические методи-
ки-тесты. Методами рестандартизации теста, простейшими приемами
проверки надежности и валидности должны владеть все психологи.
До сегодня сохранилось не вполне оправданное разделение (и даже
противопоставление) психологов, считающих себя специалистами
области клинических методов, и психологов, считающих себя специа-
листами по тестированию. Но в большинстве реальных практических
ситуаций требуется сочетание этих методов. Клинические, диалогиче-
ские методы необходимы на начальных этапах работы в заданной
области для того, чтобы психолог сумел построить ясное содержа-
тельное представление о предмете психодиагностики. Они также не-
обходимы в особых спорных случаях, требующих индивидуализиро-
ванного подхода. Но когда от психолога требуется проведение уско-
ренных, массовых обследований, обращение к некоторым стандартизо-
ванным, измерительным методикам становится неизбежным. Здесь тре-
буется психометрическая грамотность в подборе такого рода методик:
нельзя использовать методики, про которые неизвестно, какого рода
психометрической отладке они подвергались.
Всеобщая психометрическая грамотность психологов не исключает
выделения из их среды специалистов особого рода - психологов-пси-
хометристов, профессионально занимающихся психометрическим обес-
печением психодиагностики. Поэтому целесообразно привести здесь два
списка нормативных требований - к психологу вообще и к психологу-
психометристу.
Требования к психологу. 1. Психолог должен уметь квалифициро-
ванно разбираться с психометрической документацией в методической
литературе по психодиагностике, должен знать, какие психометриче-
ские характеристики теста должны указать его разработчики, в какой
степени эти психометрические характеристики соответствуют типу тес-
та, с одной стороны, и актуальной задаче, для которой его требуется
использовать, с другой стороны. Например, в тех случаях, когда
требуется использовать тест для прогноза со значительным упрежде-
нием, а сведений о проверке прогностической валидности не получено,
тест не может считаться готовым для решения данной задачи.
2. Психолог должен правильно определить, в какой мере извест-
ные тестовые нормы по требующейся методике применимы в его ситуа-
ции с учетом контингента испытуемых и типа диагностической ситуа-
ции, в какой мере имеет место ситуация <внутрикультурного переноса>
110
STR.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70