Общая биология 

Надежность тестовых методик. Функциональные виды тестирования

В практическом смысле под надежностью понимают постоянство или устойчивость результатов измерений. Если определенный измерительный инструмент надежен, то при повторных измерениях, проводимых тем же инструментом и другим человеком, результат не изменится. И наоборот, ненадежные измерительные инструменты дают различные результаты измерений, зависящие от самых различных обстоятельств.

Надежность – это общее требование, предъявляемое к измерениям любого типа при любых условиях.

Существует несколько способов оценки того, насколько надежные результаты измерений дает данный тест. Чаще всего используются три метода.

1.Оценка надежности теста методом повторного тестирования . Одним из наиболее часто используемых. С помощью этой процедуры вычисляется коэффициент корреляции между двумя переменными – результатами измерений, полученными при двукратном тестировании одних и тех же людей с использованием одного и того же теста, но в разное время.

С точки зрения исследователя, процедура повторного тестирования проста и занимает немного времени. Испытуемым она, вероятно, нравится меньше, поскольку им приходится проходить тест дважды. Как подчеркивают Смит и Джордж, важным аспектом тестирования является мотивация испытуемых хорошо справиться с тестом. Возможно, что при повторном тестировании испытуемые чувствуют нетерпение или скуку, за счет чего в результаты вносится дополнительная погрешность.

При исследовании надежности теста методом повторного тестирования в промежутке между первым и вторым тестированием могут произойти также и другие события. Если это слишком короткое время, то на коэффициент устойчивости могут повлиять такие факторы, как запоминание вопросов теста или полученный при первом тестировании опыт, а также снижение интереса испытуемых к тесту. Если между первым и вторым тестированием проходит слишком много времени, то испытуемые могут измениться в каком-либо релевантном тесту отношении (они могут подготовиться, накопить опыт, изучить материал и так далее).

Неодинаковые реакции испытуемых на первое тестирование вносят дополнительную ошибку в оценку надежности теста. По этой причине данный метод наиболее полезен для оценки надежности тестов, предназначенных для оценки умений, которые не имеют отношения к памяти и вряд ли улучшатся в результате непродолжительной практики во время первого тестирования. В качестве примеров таких тестов можно привести тесты на остроту слуха, на умение решать проблемы и на тонкую моторику.

2. Оценка надежности теста методом проверки внутренней согласованности . Некоторые проблемы, связанные с мотивацией, памятью и полученным опытом, возникающие при оценке надежности методом повторного тестирования, можно обойти путем использования метода проверки внутренней согласованности теста. При этом проверяется согласованность ответов на отдельные вопросы теста, а не постоянство результатов, полученных при тестировании в разное время. Один из часто применяемых подходов заключается в том, что несколько испытуемых проходят тестирование раз, после чего тест делят на две части, результаты которых подсчитываются отдельнo. У каждого испытуемого теперь по два результата, и их используют для расчета коэффициента корреляции.

Обычно деление теста на две части производится следующим образом: в одну половину включают вопросы с нечетными, а в другую – с четными номерами. Полученный коэффициент корреляции r между двумя наборами “результатов” называется коэффициентом внутренней согласованности или иногда – разделительным коэффициентом.

3. Оценка надежности теста методом эквивалентных форм Кроме метода проверки внутренней согласованности можно воспользоваться альтернативной процедурой, которая основана на использовании двух различных тестов.

Если в основе обоих тестов лежит один и тот же материал, и они эквивалентны по форме и степени сложности, можно провести оценку надежности с помощью процедуры использования эквивалентных форм. Каждому испытуемому предлагаются оба теста и вычисляется коэффициент корреляции между полученными результатами (r), который называется коэффициентом эквивалентности. В этом названии содержится указание на главный недостаток этого метода – трудность конструирования эквивалентных форм теста. Тест считается надежным, если при использовании одного и того же измерительного инструмента получаются одинаковые результаты. Если же разные формы теста не эквивалентны, то не используется один и тот же измерительный инструмент, и, соответственно, оценка надежности будет занижена.

Конструирование эквивалентных форм теста может быть трудным и занимающим много времени делом. Кроме того, перед тем как разные формы теста можно будет применить для оценки надежности теста, они должны быть проверены на эквивалентность с использованием другой выборки. Однако после того как тест показал свою адекватность и надежность, может оказаться полезным наличие под рукой эквивалентных форм теста.

Но в отличие от надежности помимо случайных факторов на валидность теста влияют систематические факторы. Они привносят систематические искажения в результаты. Эти факторы есть другие психические свойства, которые мешают проявиться в результатах теста тому свойству, на которое тест направлен. Например, мы хотим измерять потенциал обучаемости (важнейший компонент общих интеллектуальных способностей человека). Но даем испытуемому тест с жестким ограничением времени исполнения и отсутствием возможности вернуться и исправить допущенную ошибку. Совершенно очевидно, что искомое психическое свойство оказывается смешанным в тесте с ложным психическим свойством - стрессоустойчивостью: испытуемые с высокими показателями стрессоустойчивости будут лучше выполнять тест. В этом проявится эффект систематического искажения.



В современной психометрике разработаны десятки разнообразных теоретических и экспериментальных методов проверки валидности тестов. Основным элементом практически всех этих методов является так называемый критерий. Критерий валидности - это независимый от теста, внешний по отношению к тесту источник информации об измеряемом психическом свойстве. Мы не можем судить о валидности теста до тех пор, пока не сравним его результаты с источником истинной (или хотя бы заведомо более валидной) информации об измеряемом свойстве - с критерием.

В научных исследованиях преобладают специальные лабораторные критерии. Например, конструируется компактный тест-опросник на тревожность. А в качестве критерия валидности для него используется специальный трудоемкий объективный лабораторный эксперимент, в котором воспроизводится реальная ситуация тревожности (испытуемым-добровольцам угрожают за ошибочные действия ударами тока и т. п.).

На практике очень часто в качестве критерия валидности используются прагматические критерии - показатели эффективности той деятельности, ради прогнозирования которой предпринимается тестирование. В школе самый типичный критериальный показатель - это успеваемость. Но для социально-психологической адаптации ребенка внешним критериальным показателем может быть уровень популярности в классе.

27. Проблема адаптации иностранных и иноязычных тестов и методик. (Теоретичні та методологічні питання адаптації іноземних тестів і методик)

Психологическая практика испытывает потребность в научно-обоснованых и одновременно экономичных, стандартизованных психодиагностических тестах. В этой связи всегда была и остаётся актуальной проблема не только разработки отечественных, но и адаптации иностранных, апробированных и валидизированных методов диагностики. Адаптация теста – это комплекс мероприятий, обеспечивающих адекватность методики в новых условиях её применения.

Основные этапы адаптации теста:

1) анализ исходных теоретических положений автора теста, предполагающий выявление точек соприкосновения с теорией и методологией отечественной психологии;

2) лингвистический перевод текста и его инструкцийна язык пользователя.Завершается этот этап экспертной оценкой соответствия текстов переведённого варианта текстам оригинала;

3) экспериментальная проверка переведённого текста по критериям валидности, надёжности и достоверности в соответствии с психометрическими требованиями;

4) эмпирическая стандартизация теста на соответствующих выборках.

Из приведённых этапов видно, что использование иноязычных тестов – это не просто перевод на другой язык. В этом случае осн. трудности связаны не только с языковыми, но и с социокультурными различиями среды, в которой тест создавался и в которой будет применяться.Лингвистический аспект адаптации означает приспособление лексики и грамматики текста к возрастной и образовательной специфике контингентов лиц, планируемых для обследования, а также учёт коннотативного значения (специалисты по логике используют понятие коннотативный как эквивалент понятию подразумеваемый . Таким образом, коннотативное значение – это то, которое предполагается или подразумевается или выражается словом, символом, жестом или событием. Коннотативные значения обычно определяют абстрактные качества, общие свойства или классы объектов, или эмоциональные компоненты). Следует иметь ввиду, что языковым особенностям культуры того общества, в котором создавался тест, трудно, а порой просто невозможно найти равноценный эквивалент в иной культуре.Поэтому профессиональный перевод псих тестов всегда сопровождается ещё и лингвистической коррекцией, аязыковые конструкции подвергаются псих верификации(правильности восприятия, мыслей, предположений.Верификация - это подтверждение соответствия конечного продукта предопределённым эталонным требованиям.) Следовательно, полная эмпирическая адаптация теста после его перевода обязательна, и часто она так же сложна, как разработка оригинальной методики.

В последнее время адаптация зарубежных тестов становится не только объектом обсуждения специалистов, но и направлением специальных исследований, предметом соответствующей методической и рекомендательной, инструктивной литературы.

Известно сколь сложные стадии адаптации проходили многие методики, например Миннесотский многофакторный личностный тест (MMPI) или 16-факторный личностный опросник Р.Кеттела (16-PF). Адаптация этих методик выражалась в проверке соответствия американских и словянских тестовых норм с помощью статистических расчётов средних арифметических и стандартных отклонений по основным диагностическим шкалам на новых выборках испытуемых. Исследовались также корреляции между шкалами этих методик, Однако самый глав этап проверки коректности адаптированых вариантов этих опросников – анализ воспроизводимости диагностических шкал, т. е. анализ корреляций между отдельными пунктами,- был проведен значительно позднее. Это позволило выяснить:

1) насколько правомерным было заимствование системы дифференцированных понятий (личностных черт) по отношению к тем, которые были предложены разработчиками в иных социокультурных условиях;

2) какие собственно диагностические понятия реально “ работают” в наших условиях.

В результате серии исследований выяснилось, что зарубежные многофакторные личностные тест-опросники по отношению к русскоязычным выборкам обнаруживают как устойчивые диагностические свойства, так и специфические особенности.

Таким образом для практической психодиагностики адаптация иностранных тестов означает не только семантическую интерпретацию в новом языковом варианте, но и тщательную экспериментальную и нормативную их апробацию в иных социокультурных условиях с применением современных методов математического анализа.

Тест обычно считается надежным , если с его помощью получаются одни и те же показатели для каждого обследуемого при повторном тестировании.

надежность по внутренней согласованности: если некоторая переменная измеряется частью теста, то другие его части, не будучи согласованными с первой, измеряют нечто другое.

Надежность ретестовая - предполагает повторное предъявление того же самого теста тем же испытуемым и примерно в тех же условиях, что первоначальное, а затем установление корреляции между двумя рядами данных (не меньше 1 мес после 1, коэф кор больше 0,7).

Надежность параллельных форм предусматривает создание эквивалентных форм опросника и предъявление их одним и тем же испытуемым для того, чтобы затем оценить корреляцию между полученными результатами (СЛОЖНОСТЬ, 2 набора заданий).

Надежность частей теста определяется путем деления опросника на две части (обычно на четные и нечетные задания), после чего и рассчитывается корреляция между этими частями. Обычно к этому способу определения надежности рекомендуется прибегать только в тех случаях, когда необходимо быстро получить результаты.

наилучшей процедурой определения надежности является проведение повторных исследований через более или менее значительные временные интервалы .

Все исследования надежности должны выполняться на достаточно больших (рекомендуется 200 и более испытуемых) и репрезентативных выборках. Надежность - важная характеристика теста, но сама по себе ценности не представляет. Она необходима для достижения валидности.

7.Валидность теста

Тест называется валидным , если он измеряет то, для измерения чего предназначен.

Очевидная валидность - описывает представление о тесте, сложившееся у испытуемого.

Конкурентная валидность оценивается по корреляции разработанного теста с другими, валидность которых относительно измеряемого параметра установлена

Прогностическая валидность устанавливается с помощью корреляции между показателями теста и некоторым критерием, характеризующим измеряемое свойство, но в более позднее время.

Инкрементная валидность имеет ограниченное значение и относится к случаю, когда один тест из батареи тестов может иметь низкую корреляцию с критерием, но не перекрываться другими тестами из этой батареи. В этом случае данный тест обладает инкрементной валидностью. Это может быть полезно при проведении профотбора с помощью психологических тестов.

Дифференциальная валидность может быть проиллюстрирована на примере тестов интересов. Тесты интересов обычно коррелируют с академической успеваемостью, но по-разному для разных дисциплин.

эмпирическая – рассчитывается величина статистической связи между результатами обследования одних и тех же испытуемых с помощью данной методики и известными методиками, измеряющими данное свойство.

Конструктная валидность теста демонстрируется полным, насколько это возможно, описанием переменной, для измерения которой предназначается тест.

критериальная – количественная мера связи между полученными результатами тестирования и внешними критериями оценки диагностируемого свойства.

Одним из важных отличий психометрических тестов является то, что они стандартизированы , а это позволяет сравнить показатели, полученные одним испытуемым, с таковыми в генеральной совокупности или соответствующих группах.

Стандартизация теста наиболее важна в тех случаях, когда осуществляется сравнение показателей обследуемых.

При этом вводится понятие нормы, или нормативных показателей. Для получения стандартных норм нужно тщательно отобрать большее количество испытуемых в соответствии с ясно обозначенным критерием. При формировании выборки стандартизации следует учитывать ее объём и репрезентативность.

В некоторых случаях приходится формировать несколько групп стандартизации или стратифицировать группу стандартизации относительно таких параметров, как возраст, пол, социальный статус. Устанавливать нормы не всегда обязательно. При использовании психологических тестов в научном исследовании нормы не столь важны и достаточно «сырых» показателей теста.

Нормы для каждой группы должны быть представлены в средних величинах и показателе стандартного отклонения.

Сегодня на практике все больше используется такой тип производной оценки, как стандартные показатели , удовлетворяющий большинству требований, предъявляемых к психологическому измерению. Такие показатели выражают отличие индивидуального результата испытуемого от среднего в единицах стандартного отклонения соответствующего распределения.

Созданием стандартизованного теста и его публикацией обычно завершается работа психолога , однако следует помнить и о том, что с течением времени необходим пересмотр (ревизия) теста.

При создании теста можно пользоваться факторным анализом для сжатия информации или, компактного описания изучаемых явлений при наличии множества наблюдений или переменных. чтобы найти несколько фундаментальных факторов, которые объясняли бы большую часть дисперсии в группе оценок по различным тестам или другим психометрическим измерениям.

Существует несколько процедур факторного анализа, но все они предполагают две стадии: 1) факторизацию матрицы корреляций, с тем чтобы получилась первоначальная факторная матрица; 2) вращение факторной матрицы, с тем чтобы обнаружить наиболее простую конфигурацию факторных нагрузок.

Прежде чем психодиагностические методики могут быть использованы для практических целей, они должны пройти проверку по ряду формальных критериев, доказывающих их высокое качество и эффективность. Эти требования в психодиагностике складывались годами в процессе работы над тестами и над их совершенствованием. В результате появилась возможность оградить психологию от всевозможных безграмотных подделок, претендующих на то, чтобы называться диагностическими методиками.

К числу основных критериев оценки психодиагностических методик относится надежность и валидность. Большой вклад в разработку этих понятии внесли зарубежные психологи (А. Анастази, Е. Гизелли, Дж. Гилфорд, Л. Кронбах, Р. Торндайк и Е. Хаген и др.). Ими были разработаны как формально-логический, так и математико-статистический аппарат (прежде всего корреляционный метод и фактический анализ) обоснования степени соответствия методик отмеченным критериям.

В психодиагностике проблемы надежности и валидности методик тесно взаимосвязаны, тем не менее существует традиция раздельного изложения этих важнейших характеристик. Следуя ей, начнем с рассмотрения надежности методик.

НАДЕЖНОСТЬ

В традиционной тестологии термин "надежность" означает относительное постоянство, устойчивость, согласованность результатов теста при первичном и повторном его применении на одних и тех же испытуемых. Как пишет А.Анастази (1982), вряд ли можно с доверием относиться к тесту интеллекта, если по нему в начале недели ребенок имел показатель, равный НО, а к концу 80. Повторное применение надежных методик дает сходные оценки. При этом в определенной мере могут совпадать как сами результаты, так и порядковое место (ранг), занимаемое испытуемым в группе. И в том, и в другом случае при повторении опыта возможны некоторые расхождения, но важно, чтобы они были незначительными, в пределах одной группы. Таким образом, можно сказать, что надежность методики - это такой критерий, который говорит о точности психологических измерений, т.е. позволяет судить о том, насколько внушают доверие полученные результаты.

Степень надежности методик зависит от многих причин. Поэтому важной проблемой практической диагностики является выяснение негативных факторов, влияющих на точность измерений. Многие авторы пытались составить классификацию таких факторов. Среди них наиболее часто называются следующие:

1) нестабильность диагностируемого свойства;

    несовершенство диагностических методик (небрежно составлена инструкция, задания по своему характеру разнородны, нечетко сформулированы указания по предъявлению методики испытуемым и т.д.);

    меняющаяся ситуация обследования (разное время дня, когда проводятся эксперименты, разная освещенность помещения, наличие или отсутствие посторонних шумов и т.д.);

    различия в манере поведения экспериментатора (от опыта к опыту по-разному предъявляет инструкции, по-разному стимулирует выполнение заданий и т.д.);

    колебания в функциональном состоянии испытуемого (в одном эксперименте отмечается хорошее самочувствие, в другом - утомление и т.д.);

    элементы субъективности в способах оценки и интерпретации результатов (когда ведется протоколирование ответов испытуемых, оцениваются ответы по степени полноты, оригинальности и т.п.).

Если все эти факторы иметь в виду и постараться в каждом из них устранить условия, снижающие точность измерений, то можно добиться приемлемого уровня надежности теста. Одним из важнейших средств повышения надежности психодиагностической методики является единообразие процедуры обследования, его строгая регламентация: одинаковые для обследуемой выборки испытуемых обстановка и условия работы, однотипный характер инструкций, одинаковые для всех временные ограничения, способы и особенности контакта с испытуемыми, порядок предъявления заданий и т.д. При такой стандартизации процедуры исследования можно существенно уменьшить влияние посторонних случайных факторов на результаты теста и таким образом повысить их надежность.

На характеристику надежности методик большое влияние оказывает исследуемая выборка. Она может как снижать, так и завышать этот показатель, например, надежность может быть искусственно завышена, если в выборке небольшой разброс результатов, т.е. если результаты по своим значениям близки друг к другу. В этом случае при повторном обследовании новые результаты также расположатся тесной группой. Возможные изменения ранговых мест испытуемых будут незначительными, и, следовательно, надежность методики будет высокой. Такое же неоправданное завышение надежности может возникнуть при анализе результатов выборки, состоящей из группы, имеющей очень высокие результаты, и из группы с очень низкими оценками по тесту. Тогда эти далеко отстоящие друг от друга результаты не будут перекрываться, даже если и вмешаются в условия эксперимента случайные факторы. Поэтому в руководстве обычно делается описание выборки, на которой определялась надежность методики.

В настоящее время надежность все чаще определяется на наиболее однородных выборках, т.е. на выборках, схожих по полу, возрасту, уровню образования, профессиональной подготовке и т.п. Для каждой такой выборки приводятся свои коэффициенты надежности. Приводимый показатель надежности применим только к группам, подобным тем, на которых он определялся. Если методика применяется к выборке, отличающейся от той, на которой проверялась ее надежность, то эта процедура должна быть проведена заново.

много, как и условий, влияющих на результаты диагностических испытаний (В Черны, 1983) Однако практическое применение находят лишь несколько видов надежности

Так как все виды надежности отражают степень согласованности двух независимо полученных рядов показателей, то математико-статистический прием, с помощью которого устанавливается надежность методики, - это корреляции (по Пирсону или Спирмену, см гл. XIV). Надежность тем выше, чем больше полученный коэффициент корреляции приближается к единице, и наоборот.

В данном пособии при описании видов надежности основной упор делается на работы К.М Гуревича (1969, 1975, 1977, 1979), который, проведя тщательный анализ зарубежной литературы по этой проблеме, предложил толковать надежность как:

    надежность самого измерительного инструмента,

    стабильность изучаемого признака;

3) константность, т.е. относительную независимость результатов от личности экспериментатора

Показатель, характеризующий измерительный инструмент, предлагается называть коэффициентом надежности, показатель, характеризующий стабильность измеряемого свойства, - коэффициентом стабильности; а показатель оценки влияния личности экспериментатора - коэффициентом константности.

Именно в таком порядке рекомендуется осуществлять проверку методики: целесообразно сначала проверить инструмент измерения. Если полученные данные удовлетворительны, то можно переходить к установлению меры стабильности измеряемого свойства, а уже после этого при необходимости заняться критерием константности.

Остановимся на более подробном рассмотрении этих показателей, характеризующих с разных сторон надежность психодиагностической методики.

1. Определение надежности измерительного инструмента. От того, как составлена методика, насколько правильно подобраны задания с точки зрения их взаимосогласованности, насколько она однородна, зависит точность, объективность любого психологического измерения. Внутренняя однородность методики показывает, что ее задания актуализируют одно и то же свойство, признак.

Для проверки надежности измерительного инструмента, говорящего о его однородности (или гомогенности), используется так называемый метод "расщепления". Обычно задания делятся на четные и нечетные, отдельно обрабатываются, а затем результаты двух полученных рядов коррелируются между собой. Для применения этого способа нужно поставить испытуемых в такие условия, чтобы они смогли успеть решить (или попытаться решить) все задания. Если методика однородна, то большой разницы в успешности решения по таким половинкам не будет, и, следовательно, коэффициент корреляции будет достаточно высоким.

Можно делить задания и другим путем, например сопоставить первую половину теста со второй, первую и третью четверть - со второй и четвертой и т п. Однако "расщепление" на четные и нечетные задания представляется наиболее целесообразным, поскольку именно этот способ наиболее независим от влияния таких факторов, как врабатываемость, тренировка, утомление и пр.

Методика признается надежной, когда полученный коэффициент не ниже 0,75-0,85. Лучшие по надежности тесты дают коэффициенты порядка 0,90 и более.

Но на начальном этапе разработки диагностической методики можно получить невысокие коэффициенты надежности, например, порядка 0,46-0,50. Это означает, что в разрабатываемой методике присутствует некоторое число заданий, которые в силу своей специфичности ведут к снижению коэффициента корреляции. Такие задания необходимо специально проанализировать и либо переделать их, либо вообще изъять.

Чтобы легче было установить, за счет каких заданий снижаются коэффициенты корреляции, необходимо проанализировать таблицы с выписанными данными, подготовленными для корреляций. Следует отметить, что любые изменения в содержании методики - изъятие заданий, их перестановка, переформулировка вопросов или ответов требует заново высчитывать коэффициенты надежности.

При ознакомлении с коэффициентами надежности не следует забывать, что они зависят не только от правильного подбора заданий с точки зрения их взаимосогласованности, но и от социально-психологической однородности той выборки, на которой проверялась надежность измерительного инструмента.

В самом деле, в заданиях могут встретиться понятия, малоизвестные одной части испытуемых, но хорошо известные другой части. От того, как много в методике таких понятий, будет зависеть и коэффициент надежности, задания с такими понятиями могут случайно расположиться и в четной и в нечетной половине теста. Очевидно, показатель надежности не следует приписывать только методике как таковой и нельзя уповать на то, что он будет неизменным, с какой бы выборкой ни проводилось тестирование.

2. Определение стабильности изучаемого признака. Определить надежность самой методики - это не значит решить все вопросы, связанные с ее применением. Нужно еще установить, насколько устойчив, стабилен признак, который исследователь намерен измерять. Было бы методологической ошибкой рассчитывать на абсолютную стабильность психологических признаков. В том, что измеряемый признак со временем меняется, нет ничего опасного для надежности. Все дело в том, в каких пределах варьируются результаты от опыта к опыту у одного и того же испытуемого, не приводят ли эти колебания к тому, что испытуемый по непонятным причинам оказывается то в начале, то в середине, то в конце выборки. Сделать какие-то конкретные выводы об уровне представленное измеряемого признака у такого испытуемого нельзя. Таким образом, колебания признака не должны иметь непредсказуемого характера. Если не ясны причины резких колебаний, то такой признак не может быть использован в диагностических целях.

Для проверки стабильности диагностируемого признака, свойства используется прием, известный как тест - ретест. Он заключается в повторном обследовании испытуемых с помощью той же методики. О стабильности признака судят по коэффициенту корреляции между результатами первого и повторного обследования. Он будет свидетельствовать о сохранении или несохранении каждым испытуемым своего порядкового номера в выборке.

На степень устойчивости, стабильности диагностируемого свойства влияют разнообразные факторы. Число их достаточно велико. Выше уже говорилось о том, как важно соблюдать требования единообразия процедуры проведения эксперимента. Так, например, если первое тестирование проводилось в утренние часы, то и повторное

должно быть проведено утром, если первый опыт сопровождался предварительным показом заданий, то и при повторном испытании это условие также должно быть соблюдено и т.д.

При определении стабильности признака большое значение имеет промежуток времени между первым и повторным обследованием. Чем короче срок от первого до второго испытания, тем (при прочих равных условиях) больше шансов, что диагностируемый признак сохранит уровень первого испытания. С увеличением временного интервала стабильность признака имеет тенденцию снижаться, так как возрастает число посторонних факторов, влияющих на нее. Следовательно, напрашивается вывод, что целесообразно проводить повторное тестирование через короткий срок после первого. Однако тут есть свои сложности если срок между первым и вторым опытом небольшой, то некоторые испытуемые могут воспроизвести свои прежние ответы в памяти и, таким образом, отойдут от смысла выполнения заданий. В этом случае результаты двух предъявлении методики уже нельзя рассматривать как независимые.

Трудно четко ответить на вопрос, какой срок можно считать оптимальным для повторного эксперимента. Только исследователь, исходя из психологической сущности методики, условий, в которых она проводится, особенностей выборки испытуемых, может определить этот срок. При этом такой выбор должен быть научно обоснован. В тестологической литературе наиболее часто называются временные интервалы в несколько месяцев (но не более полугода.) При обследовании детей младшего возраста, когда возрастные изменения и развитие происходят очень быстро, эти интервалы могут быть порядка нескольких недель (А Анастази, 1982).

Важно помнить, что коэффициент стабильности не следует рассматривать только с его узко формальной стороны, по его абсолютным значениям. Если тест исследует свойство, которое в период тестирования находится в процессе интенсивного развития (например, умение проводить обобщения), то коэффициент стабильности, может оказаться невысоким, но это не следует истолковывать как недостаток теста Такой коэффициент стабильности должен интерпретироваться как показатель определенных изменений, развития исследуемого свойства. В этом случае, например, КМ Гуревич (1975) рекомендует рассмотреть по частям ту выборку, на которой устанавливался коэффициент стабильности. При таком рассмотрении выделится часть испытуемых, проходящих путь развития в одинаково ровном темпе, другая часть - где развитие шло особенно быстрыми темпами; и часть выборки, где развитие у испытуемых практически совсем нельзя заметить. Каждая часть выборки заслуживает специального анализа и истолкования. Следовательно, недостаточно просто констатировать, что коэффициент стабильности низкий, нужно понять, от чего это зависит.

Совсем другое требование предъявляется к коэффициенту стабильности, если автор методики считает, что измеряемое свойство уже сформировано и должно быть достаточно устойчивым. Коэффициент стабильности в этом случае должен быть достаточно высоким (не ниже 0,80).

Таким образом, вопрос о стабильности измеряемого свойства решается не всегда однозначно. Решение зависит от сущности самого диагностируемого свойства.

3. Определение константности, т е относительной независимости результатов от личности экспериментатора. Поскольку методика, разработанная для диагностических

целей, не предназначена для того, чтобы вечно оставаться в руках своих создателей, крайне важно знать, в какой мере ее результаты поддаются влиянию личности экспериментатора. Хотя диагностическая методика всегда снабжается подробными инструкциями по ее применению, правилами и примерами, указывающими, как проводить эксперимент, регламентировать манеру поведения экспериментатора, скорость его речи, тон голоса, паузы, выражение лица очень трудно. Испытуемый в своем отношении к опыту всегда отразит то, как сам экспериментатор к этому опыту относится (допускает небрежность или действует точно в соответствии с требованиями процедуры, проявляет требовательность, настойчивость или бесконтрольность и т.п).

Особенно существенную роль личность экспериментатора играет при проведении так называемых недетерминированных методик (например, в проективных тестах).

Хотя в тестологической практике критерием константности пользуются нечасто, однако, по мнению КМ Гуревича (1969), это не может служить основанием для его недооценки. Если у авторов методики возникают подозрения по поводу возможного влияния личности экспериментатора на исход диагностической процедуры, то целесообразно проверить методику по этому критерию. При этом важно иметь в виду следующий момент. Если под воздействием нового экспериментатора все испытуемые в одинаковой степени стали работать немного лучше или немного хуже, то сам по себе этот факт (хотя и заслуживает внимания) на надежность методики не окажет влияния. Надежность изменится лишь тогда, когда воздействие экспериментатора на испытуемых различно: одни стали работать лучше, другие хуже, а третьи так же, как и при первом экспериментаторе. Другими словами, если испытуемые при новом экспериментаторе изменили свои порядковые места в выборке.

Коэффициент константности определяется путем корреляции результатов двух опытов, проведенных в относительно одинаковых условиях на одной и той же выборке испытуемых, но разными экспериментаторами. Коэффициент корреляции не должен быть ниже 0,80.

Итак, были рассмотрены три показателя надежности психодиагностических методик. Может возникнуть вопрос, нужно ли при создании психодиагностических методик осуществлять проверку каждого из них? В зарубежной литературе идет дискуссия по этому поводу. Одни исследователи считают, что все способы определения надежности теста в какой-то мере идентичны и поэтому достаточно проверить надежность методики каким-нибудь одним из них. Например, автор неоднократно переиздававшейся в США книги по статистике для психологов и педагогов Г. Гэррет (1962) не находит принципиальных различий между способами проверки надежности. По его мнению, все эти способы показывают воспроизводимость тестовых показателей. Иногда тот, иногда другой обеспечивает лучший критерий. Другие исследователи придерживаются иной точки зрения. Так, авторы "Стандартных требований к педагогическим и психологическим тестам" (1974) в главе "Надежность" отмечают, что коэффициент надежности в современном понимании - это родовое понятие, включающее в себя несколько видов, и каждый вид имеет свой особый смысл. Разделяет эту точку зрения и К.М. Гуревич (1975). По его мнению, когда говорят о разных способах определения надежности, то имеют дело не с лучшей или худшей мерой, а с мерами разной по существу надежности. В самом деле, чего стоит методика, если не ясно, надежна ли она сама по себе как измерительный инструмент или не установлена стабильность измеряемого свойства? Чего стоит диагностическая методика, если

неизвестно, могут ли изменяться результаты в зависимости от того, кто ведет эксперимент? Каждый в отдельности показатель никак не заменит других способов проверки и, следовательно, не может рассматриваться в качестве необходимой и достаточной характеристики надежности. Только методика, располагающая полной характеристикой надежности, наиболее пригодна для диагностико-практического применения.

ВАЛИДНОСТЬ

Другим после надежности ключевым критерием оценки качества методик является валидность. Вопрос о валидности методик решается лишь после того, как установлена достаточная ее надежность, поскольку ненадежная методика без знания ее валидности является практически бесполезной.

Следует заметить, что вопрос о валидности до последнего времени представляется одним из самых сложных. Наиболее укоренившимся определением этого понятия является то, которое приведено в книге А. Анастази: "Валидность теста - понятие, указывающее нам, что тест измеряет и насколько хорошо он это делает" (1982. С. 126). Валидность по своей сути - это комплексная характеристика, включающая, с одной стороны, сведения о том, пригодна ли методика для измерения того, для чего она была создана, а с другой стороны, какова ее действенность, эффективность. По этой причине не существует какого-то единого универсального подхода к определению валидности. В зависимости от того, какую сторону валидности хочет рассмотреть исследователь, используются и разные способы доказательства. Другими словами, понятие валидности включает в себя разные ее виды, имеющие свой особый смысл. Проверка валидности методики называется валидизациеи.

Валидность в первом ее понимании имеет отношение к самой методике, т.е это валидность измерительного инструмента. Такая проверка называется теоретической валидизациеи. Валидность во втором понимании уже относится не столько к методике, сколько к цели ее использования. Это прагматическая валидизация.

Итак, при теоретической валидизации исследователя интересует само свойство, измеряемое методикой. Это, по существу, означает, что проводится собственно психологическая валидизация. При прагматической валидизации суть предмета измерения (психологического свойства) оказывается вне поля зрения. Главный акцент сделан на то, чтобы доказать, что "нечто", измеряемое методикой, имеет связь с определенными областями практики.

Провести теоретическую валидизацию, в отличие от прагматической, порой оказывается значительно труднее. Не вдаваясь пока в конкретные детали, остановимся в общих чертах на том, как проверяется прагматическая валидность: выбирается какой-нибудь независимый от методики внешний критерий, определяющий успех в той или иной деятельности (учебной, профессиональной и т.п.), и с ним сравниваются результаты диагностической методики. Если связь между ними признается удовлетворительной, то делается вывод о практической эффективности, действенности диагностической методики.

Для определения теоретической валидности найти какой-либо независимый критерий, лежащий вне методики, гораздо труднее. Поэтому на ранних стадиях развития тестологии, когда концепция валидности только складывалась, бытовало интуитивное представление о том, что тест измеряет:

1) методика признавалась валидной, так как то, что она измеряет, просто "очевидно";

    доказательство валидности основывалось на уверенности исследователя в том, что его метод позволяет "понять испытуемого";

    методика рассматривалась как валидная (т.е. принималось утверждение, что такой-то тест измеряет такое-то качество) только потому, что теория, на основании которой строилась методика, "очень хорошая".

Принятие на веру голословных утверждений о валидности методики не могло продолжаться длительное время. Первые проявления действительно научной критики развенчали такой подход: начались поиски научно обоснованных доказательств.

Как уже говорилось, провести теоретическую валидизацию методики - это показать, действительно ли методика измеряет именно то свойство, качество, которое она, по замыслу исследователя, должна измерять. Так, например, если какой-то тест разрабатывался для того, чтобы диагностировать умственное развитие школьников, надо проанализировать, действительно ли он измеряет именно это развитие, а не какие-то другие особенности (например, личность, характер и т.п.). Таким образом, для теоретической валиди-зации кардинальной проблемой является отношение между психическими явлениями и их показателями, посредством которых эти психические явления пытаются познать. Она показывает, что замысел автора и результаты методики совпадают.

Не столь сложно осуществить теоретическую валидизацию новой методики, если для измерения данного свойства уже имеется методика с известной, доказанной валидностью. Наличие корреляции между новой и аналогичной старой методиками указывает на то, что разработанная методика измеряет то же психологическое качество, что и эталонная. И если новый метод одновременно оказывается более компактным и экономичным в проведении и обработке результатов, то психодиагносты получают возможность использовать новый инструмент вместо старого. Такой прием особенно часто используется в дифференциальной психофизиологии при создании методик диагностики основных свойств нервной системы человека (см. гл. VII).

Но теоретическая валидность доказывается не только путем сопоставления с родственными показателями, а также и с теми, где исходя из гипотезы значимых связей не должно быть. Таким образом, для проверки теоретической валидности важно, с одной стороны, установить степень связи с родственной методикой (конвергентная валидность) и отсутствие этой связи с методиками, имеющими другое теоретическое основание (дискриминантная валидность).

Гораздо труднее провести теоретическую валидизацию методики тогда, когда такой путь невозможен. Чаще всего именно с такой ситуацией сталкивается исследователь. В таких обстоятельствах только постепенное накопление разнообразной информации об изучаемом свойстве, анализ теоретических предпосылок и экспериментальных данных, значительный опыт работы с методикой позволяет раскрыть ее психологический смысл.

Важную роль для понимания того, что методика измеряет, играет сопоставление ее показателей с практическими формами деятельности. Но здесь особенно важно, чтобы методика была тщательно проработана в теоретическом плане, т.е. чтобы имелась прочная, обоснованная научная база. Тогда при сопоставлении методики с взятым из

повседневной практики внешним критерием, соответствующим тому, что она измеряет, может быть получена информация, подкрепляющая теоретические представления о ее сущности.

Важно помнить, что если доказана теоретическая валидность, то интерпретация полученных показателей становится более ясной и однозначной, а название методики соответствует сфере ее применения.

Что касается прагматической валидизации, то она подразумевает проверку методики с точки зрения ее практической эффективности, значимости, полезности. Ей придают большое значение, особенно там, где встает вопрос отбора. Разработка и использование диагностических методик имеет смысл только тогда, когда есть обоснованное предположение, что измеряемое качество проявляется в определенных жизненных ситуациях, в определенных видах деятельности.

Если опять обратиться к истории развития тестологии (А Анастази, 1982; B.C. Аванесов, 1982; К.М. Гуревич, 1970; "Общая психодиагностика", 1987; Б.М Теплов, 1985 и др), то можно выделить такой период (20-30-е гг), когда научное содержание тестов и их теоретический "багаж" интересовали в меньшей степени. Важно было, чтобы тест "работал", помогал быстро отбирать наиболее подготовленных людей. Эмпирический критерий оценки тестовых заданий считался единственно верным ориентиром в решении научных и прикладных задач.

Использование диагностических методик с чисто эмпирическим обоснованием, без отчетливой теоретической базы нередко приводило к псевдонаучным выводам, к неоправданным практическим рекомендациям. Нельзя было точно назвать те способности, качества, которые тесты выявляли. Б.М. Теплов, анализируя тесты того периода, назвал их "слепыми пробами" (1985).

Такой подход к проблеме валидности тестов был характерен вплоть до начала 50-х гг. не только в США, но и в других странах. Теоретическая слабость эмпирических методов валидизации не могла не вызвать критики со стороны тех ученых, которые в разработке тестов призывали опираться не только на "голую" эмпирику и практику, но и на теоретическую концепцию. Практика без теории, как известно, слепа, а теория без практики мертва. В настоящее время теоретико-прагматическая оценка валидности методик воспринимается как наиболее продуктивная.

Для проведения прагматической валидизации методики, т.е. для оценки ее эффективности, действенности, практической значимости, обычно используется независимый внешний критерий - показатель проявления изучаемого свойства в повседневной жизни. Таким критерием может быть успеваемость (для тестов способностей к обучению, тестов достижений, тестов интеллекта), производственные достижения (для методик профессиональной направленности), эффективность реальной деятельности - рисования, моделирования и т.д. (для тестов специальных способностей), субъективные оценки (для тестов личности).

Американские исследователи Тиффин и Маккормик (1968), проведя анализ используемых для доказательства валидности внешних критериев, выделяют четыре их типа:

1) критерии исполнения (в их число могут входить такие, как количество выполненной работы, успеваемость, время, затраченное на обучение, темп роста

квалификации и т.п.);

2) субъективные критерии (они включают различные виды ответов, которые отражают отношение человека к чему-либо или к кому-либо, его мнение, взгляды, предпочтения; обычно субъективные критерии получают с помощью интервью, опросников, анкет);

3) физиологические критерии (они используются при изучении влияния окружающей среды и других ситуационных переменных на организм и психику человека; замеряется частота пульса, давление крови, электросопротивление кожи, симптомы утомления и т.д.);

4) критерии случайностей (применяются, когда цель исследования касается, например, проблемы отбора для работы таких лиц, которые менее подвержены несчастным случаям).

Внешний критерий должен отвечать трем основным требованиям:

он должен быть релевантным, свободным от помех (контаминации) и надежным.

Под релевантностью имеется в виду смысловое соответствие диагностического инструмента независимому жизненно важному критерию. Другими словами, должна быть уверенность в том, что в критерии задействованы именно те особенности индивидуальной психики, которые измеряются и диагностической методикой. Внешний критерий и диагностическая методика должны находиться между собой во внутреннем смысловом соответствии, быть качественно однородными по психологической сущности (К.М. Гуревич, 1985). Если, например, тест измеряет индивидуальные особенности мышления, умение выполнять логические действия с определенными объектами, понятиями, то и в критерии нужно искать проявление именно этих умений. Это в равной степени относится и к профессиональной деятельности. Она имеет не одну, а несколько целей, задач, каждая из которых специфична и предъявляет свои условия к выполнению. Из этого вытекает существование нескольких критериев выполнения профессиональной деятельности. Поэтому не следует проводить сопоставление успешности по диагностическим методикам с производственной эффективностью в целом. Необходимо найти такой критерий, который по характеру выполняемых операций соотносим с методикой.

Если относительно внешнего критерия неизвестно, релевантен он измеряемому свойству или нет, то сопоставление с ним результатов психодиагностической методики становится практически бесполезным. Оно не позволяет прийти к каким-либо выводам, которые могли бы дать оценку валидности методики.

Требования свободы от контаминации вызываются тем, что, например, учебная или производственная успешность зависит от двух переменных: от самого человека, его индивидуальных особенностей, измеряемых методиками, и от ситуации, условий учебы, труда, которые могут привнести помехи, "загрязнить" применяемый критерий. Чтобы в какой-то мере избежать этого, следует отбирать для исследования такие группы людей, которые находятся в более или менее одинаковых условиях. Можно использовать и другой метод. Он состоит в корректировке влияния помех. Эта корректировка носит обычно статистический характер. Так, например, производительность следует брать не по абсолютным значениям, а в отношении к средней производительности рабочих, работающих в аналогичных условиях.

Когда говорят, что критерий должен иметь статистически достоверную надежность, это означает, что он должен отражать постоянство и устойчивость исследуемой функции.

Поиски адекватного и легко выявляемого критерия относятся к очень важным и сложным задачам валидизации. В западной тестологии много методик дисквалифицировано только потому, что не удалось найти подходящего критерия для их проверки. Например, у большей части анкет данные по их валидности сомнительны, так как трудно найти адекватный внешний критерий, отвечающий тому, что они измеряют.

Оценка валидности методики может носить количественный и качественный характер.

Для вычисления количественного показателя - коэффициента валидности - сопоставляются результаты, полученные при применении диагностической методики, с данными, полученными по внешнему критерию, тех же лиц. Используются разные виды линейной корреляции (по Спирмену, по Пирсону).

Сколько испытуемых необходимо для расчета валидности? Практика показала, что их не должно быть меньше 50, однако лучше всего более 200 Часто возникает вопрос, какой должна быть величина коэффициента валидности, чтобы она считалась приемлемой? В общем отмечается, что достаточно того, чтобы коэффициент валидности был статистически значим. Низким признается коэффициент валидности порядка 0,20- 0,30, средним - 0,30-0,50 и высоким - свыше 0,60.

Но, как подчеркивают А. Анастази (1982), К.М. Гуревич (1970) и др, не всегда для вычисления коэффициента валидности правомерно использовать линейную корреляцию. Этот прием оправдан лишь тогда, когда доказано, что успех в какой-то деятельности прямо пропорционален успеху в выполнении диагностической пробы. Позиция зарубежных тестологов, особенно тех, кто занимается профпригодностью и профотбором, чаще всего сводится к безоговорочному признанию того, что для профессии больше подойдет тот, кто больше выполнил заданий в тесте. Но может быть и так, что для успеха в деятельности нужно обладать свойством на уровне 40% решения теста. Дальнейший успех в тесте уже не имеет никакого значения для профессии Наглядный пример из монографии КМ Гуревича: почтальон должен уметь читать, но читает ли он с обычной скоростью или с очень большой скоростью - это уже не имеет профессионального значения. При таком соотношении показателей методики и внешнего критерия наиболее адекватным способом установления валидности может быть критерий различий.

Возможен и другой случай: более высокий уровень свойства, чем это требует профессия, служит помехой профессиональному успеху. Так Ф Тейлор нашел, что наиболее развитые работницы производства имеют невысокую производительность труда. То есть высокий уровень их умственного развития мешает им высокопроизводительно трудиться. В этом случае для вычисления коэффициента валидности более подошел бы дисперсионный анализ или вычисление корреляционных отношений.

Как показал опыт работы зарубежных тестологов, ни одна статистическая процедура не в состоянии полностью отразить многообразие индивидуальных оценок. Поэтому часто для доказательства валидности методик используют другую модель - клинические оценки. Это не что иное, как качественное описание сущности изучаемого

свойства. В этом случае речь идет об использовании приемов, не опирающихся на статистическую обработку.

Существует несколько видов валидности, обусловленных особенностями диагностических методик, а также временным статусом внешнего критерия Во многих работах (А Анастази, 1982; Л.Ф Бурлачук, СМ. Морозов, 1989; КМ. Гуревич, 1970; Б.В Кулагин, 1984; В Черны, 1983; "Общая психодиагностика", 1987 и др) называются чаще всего следующие:

    Валидность "по содержанию". Этот прием используется в основном в тестах достижений. Обычно в тесты достижений включается не весь материал, который прошли учащиеся, а какая-то его небольшая часть (3-4 вопроса). Можно ли быть уверенным в том, что правильные ответы на эти немногие вопросы свидетельствуют об усвоении всего материала. На это и должна ответить проверка валидности по содержанию. Для этого проводится сопоставление успешности по тесту с экспертными оценками учителей (по данному материалу). Валидность "по содержанию" также подходит к критериально-ориентированным тестам. Иногда этот прием называют логической валидностью.

    Валидность "по одновременности", или текущая валидность, определяется с помощью внешнего критерия, по которому информация собирается одновременно с экспериментами по проверяемой методике. Другими словами, собираются данные, относящиеся к настоящему времени успеваемость в период испытания, производительность в этот же период и т д. С ним коррелируют результаты успешности по тесту.

    "Предсказывающая" валидность (другое название - "прогностическая" валидность). Определяется также по достаточно надежному внешнему критерию, но информация по нему собирается некоторое время спустя после испытания. Внешним критерием обычно бывает выраженная в каких-нибудь оценках способность человека к тому виду деятельности, для которой он отбирался по результатам диагностических испытаний. Хотя этот прием наиболее соответствует задаче диагностических методик - предсказанию будущей успешности, применять его очень трудно. Точность прогноза находится в обратной зависимости от времени, заданного для такого прогнозирования. Чем больше проходит времени после измерения, тем большее количество факторов требуется учитывать при оценке прогностической значимости методики. Однако учесть все факторы, влияющие на предсказание, практически невозможно.

    "Ретроспективная" валидность. Она определяется на основе критерия, отражающего события или состояние качества в прошлом. Может быть использована для быстрого получения сведений о предсказательных возможностях методики. Так, для проверки того, в какой мере хорошие результаты теста способностей соответствуют быстрому обучению, можно сопоставить прошлые оценки успеваемости, прошлые экспертные заключения и т.д. у лиц с высокими и низкими на данный момент диагностическими показателями.

При приведении данных о валидности разработанной методики важно точно указать, какой вид валидности имеется в виду (по содержанию, по одновременности и т.д.). Желательно также сообщать сведения о численности и особенностях индивидов, на которых проводилась валидизация. Такая информация позволяет пользующемуся методикой исследователю решить, насколько валиден этот прием для той группы, к

которой он собирается его применять. Как и в случае с надежностью, необходимо помнить, что в одной выборке методика может обладать высокой валидностью, а в другой - низкой. Поэтому если исследователь планирует использовать методику на выборке испытуемых, существенно отличающейся от той, на которой проводилась проверка валидности, ему необходимо заново провести такую проверку. Приводимый в руководстве коэффициент валидности применим только к группам испытуемых, подобным тем, на которых он определялся.

Литература

Анастази А. Психологическое тестирование" В 2 кн. / Под ред. К.М. Гуре-вича, В И. Лубовского М., 1982. Кн 1.

Гуревич К.М О надежности психофизиологических показателей // Проблемы дифференциальной психофизиологии М., 1969 Т VI. С 266-275.

Гуревич К.М Надежность психологических тестов // Психологическая диагностика Ее проблемы и методы М, 1975 С 162-176.

Гуревич КМ Статистика - аппарат доказательства психологической диагностики//Проблемы психологической диагностики Таллин 1977. С 206-225

Гуревич К.МЧ^о такое психологическая диагностика М., 1985.

*Надежность и валидность теста - это характеристики соответствия исследования формальным критериям, определяющим качество и пригодность к применению на практике.

Что такое надежность

В ходе проверки надежности теста проводится оценка постоянства полученных результатов при повторном проведении испытания. Расхождения данных должны отсутствовать или же быть незначительными. В противном случае невозможно относиться к результатам теста с доверием.

Надежность теста - это критерий, который свидетельствует о Существенными считаются следующие свойства тестов:

  • воспроизводимость результатов, полученных по итогам исследования;
  • степень точности или соответствующих приборов;
  • устойчивость результатов на протяжении определенного периода времени.

В трактовке надежности можно выделить следующие основные составляющие:

  • надежность измерительного инструмента (а именно грамотности и объективности тестового задания), которая может быть оценена путем расчета соответствующего коэффициента;
  • стабильность изучаемого признака на протяжении длительного периода времени, а также предсказуемость и плавность его колебаний;
  • объективность результата (то есть его независимость от личных предпочтений исследователя).

Факторы надежности

На степень надежности может повлиять целый ряд негативных факторов, наиболее существенными из которых являются следующие:

  • несовершенство методики (неверная или неточная инструкция, нечеткая формулировка заданий);
  • временная нестабильность или постоянные колебания значений показателя, который подвергается исследованию;
  • несоответствие обстановки, в которой проводятся первоначальные и повторные исследования;
  • меняющееся поведение исследователя, а также нестабильность состояния испытуемого;
  • субъективный подход при оценке результатов теста.

Способы оценки надежности теста

При определении надежности теста могут быть использованы следующие методики.

Метод повторного тестирования является одним из самых распространенных. Он позволяет установить степень корреляции между результатами исследований, а также временем, в которое они были проведены. Данная методика отличается простотой и эффективностью. Тем не менее у испытуемых, как правило, повторные исследования вызывают раздражение и негативные реакции.

  • конструктивная валидность теста - это критерий, применяемый при оценке теста, имеющего иерархическую структуру (используется в процессе исследования сложных психологических явлений);
  • валидность по критерию подразумевает сопоставление результатов тестирования с уровнем развития у испытуемого той или иной психологической характеристики;
  • валидность по содержанию определяет соответствие методики изучаемому явлению, а также круг параметров, которые она охватывает;
  • прогностическая валидность - это который позволяет оценить перспективное развитие параметра.

Типы критериев валидности

Валидность теста - это один из показателей, который позволяет оценить адекватность и пригодность методики для изучения того или иного явления. Можно выделить четыре основных критерия, которые могут повлиять на нее:

  • критерий исполнителя (речь идет о квалификации и опыте исследователя);
  • субъективные критерии (отношение испытуемого к тому или иному явлению, что отражается на конечном результате теста);
  • физиологические критерии (состояние здоровья, усталость и прочие характеристики, которые могут оказать существенное влияние на конечный результат тестирования);
  • критерий случайностей (имеет место в определении вероятности наступления того или иного события).

Критерий валидности представляет собой независимый источник данных о том или ином явлении (психологическом свойстве), исследование которого проводится посредством тестирования. До тех пор, пока не будет проведена проверка полученных результатов на соответствие критерию, о валидности судить нельзя.

Основные требования к критериям

Внешние критерии, которые влияют на показатель валидности теста, должны отвечать следующим основным требованиям:

  • соответствие именно той сфере, в которой проводится исследование, релевантность, а также смысловая связь с диагностической моделью;
  • отсутствие каких-либо помех или резких разрывов в выборке (суть состоит в том, что все участники эксперимента должны соответствовать заранее установленным параметрам и находиться в схожих условиях);
  • исследуемый параметр должен быть надежным, постоянным и не подвергаться резким перепадам.

Способы установления валидности

Проверка валидности тестов может осуществляться несколькими способами.

Оценка очевидной валидности подразумевает проверку соответствия теста его предназначению.

Оценка конструктивной валидности проводится в том случае, когда для изучения определенного сложного показателя проводится ряд экспериментов. Она включает в себя:

  • конвергентную валидизацию - проверку взаимосвязи оценок, полученных с использованием различных комплексных методик;
  • дивергентную валидизацию, которая состоит в том, чтобы методика не подразумевала оценки посторонних показателей, не касающихся основного исследования.

Оценка прогностической валидности подразумевает установление возможности предвидения перспективного колебания изучаемого показателя.

Выводы

Валидность и надежность тестов - это взаимодополняемые показатели, которые дают наиболее полную оценку справедливости и значимости результатов исследований. Зачастую они определяются одновременно.

Надежность показывает, насколько результатам теста можно доверять. Имеется в виду их постоянство при каждом повторном проведении аналогичного испытания с одними и теми же участниками. Низкая степень надежности может говорить о намеренном искажении или безответственном подходе.

Понятие валидности теста связано с качественной стороной эксперимента. Речь идет о том, соответствует ли выбранный инструмент оценке того или иного психологического явления. Здесь могут быть применены как качественные показатели (теоретическая оценка), так и количественные (расчет соответствующих коэффициентов).

1. При проведении исследований часто встаёт вопрос о том, насколько характерный материал вы используете. Как называется мера соответствия по некоей характеристике испытуемого той популяции, к которой он принадлежит:
а) валидность;
б) вариабельность;
в) репрезентативность ;
г) надёжность.
2. Как называется стадия исследования, на которой формулируются идеи о причинах и следствиях избранных для исследования явлений:
а) стадия наблюдения;
б) корреляционная стадия;
в) контрольная стадия;
г) стадия формирования гипотезы.
3. Какое из утверждений описывает понятие валидности:
а) способность теста определять меру дефекта;
б) характеристика единства способов использования теста;
в) показатель того, что тест измеряет то, для измерения чего предназначен;
г) мера вероятности получения ошибочных результатов.
4. Репрезентативность теста указывает на:
а) возможность применения к данной выборке норм, указанных в тесте;
б) степень однородности диагностируемой выборки;
в) насколько результат по данному тесту одного испытуемого отличается от результата другого испытуемого.
5. Какое утверждение определяет понятие стандартизации тестов:
а) приведение теста в соответствие со стандартами;
б) использование единообразных процедур проведения и обсчета результатов;
в) согласование популяционных нормативов с культурными и социальными стандартами.
6. Какое из утверждений точнее всего описывает, что такое коэффициент интеллекта:
а) характеристика имеющихся познавательных способностей;
б) характеристика врожденных способностей;
в) мера приобретенных интеллектуальных навыков;
г) характеристика зоны ближайшего развития.
7. Оценка психологического состояния при помощи системы тестов называется:
а) психодиагностика;
б) диагноз;
в) измерение;
г) психологический эксперимент.
8. Работы, каких двух исследователей стояли у истоков метода тестирования:
а) Э. Крепелина и А. Бине;
б) П. Жане и Ф. Гальтона;
в) Ф. Гальтона и Дж. Кеттелла;
г) Ф. Гальтона и А. Бине.
9. Кто предложил исследование памяти методом пиктограммы:
а) С.Л. Рубинштейн;
б) А.Р. Лурия;
в) Т. Рибо;
г) В.Б. Зейгарник.
10. Используемая в детской диагностике методика обучающего обучения А.Я. Ивановой направлена на изучение:
а) интеллектуального уровня;
б) зоны ближайшего развития;
в) мотивации учебной деятельности;
г) эмоциональных блоков интеллектуальной работы.
11. Целевые установки пробы Бурдона и матриц Равена соотносятся как:
а) предпосылки интеллекта - интеллект;
б) интеллект - мышление;
в) ригидность - гибкость.
12. Что одно из перечисленного является существенным элементом предложенного А.Ф. Лазурским «естественного эксперимента» в отличие от лабораторного:
а) условия эксперимента не связаны с искусственными условиями и требованиями;
б) эксперимент проводится без использования технических средств;
в) экспериментатор включен в выполнение задания вместе с испытуемым;
г) наблюдение в естественных условиях с точностью и научностью эксперимента, когда испытуемый не осведомлен о проводящемся исследовании;
д) применяется специальная аппаратура и четко спланированные задания.
13. Тест фрустрации Розенцвейга относится к одной из названных групп:
а) личностные опросники;
б) тесты достижений;
в) психометрические тесты;
г) проективные методы;
д) свободное интервью.
14. Оценка коэффициента интеллекта опирается на сопоставление:
а) паспортного возраста и уровня образования;
б) умственного и эмоционального возраста;
в) интеллектуального и паспортного возраста;
г) максимальных и минимальных показателей;
д) уровень актуального развития и потенциальных возможностей.
15. Включенное наблюдение – это:
а) наблюдение, использующее «батареи» психологических тестов;
б) длительное наблюдение;
в) наблюдение в условиях лаборатории;
г) наблюдение, при котором психолог является непосредственным участником событий;
д) наблюдение включает в себя несколько этапов.
16. Метод познания, который ограничивается регистрацией выявленных фактов при исследовании возрастных особенностей, называется:
а) формирующим экспериментом;
б) наблюдением;
в) констатирующим экспериментом;
г) квазиэкспериментом;
д) моделированием.
17. Метод активного воздействия исследователя на изменения психики ребенка – это:
а) включенное наблюдение;
б) пилотажный эксперимент;
в) контрольный эксперимент;
г) формирующий эксперимент;
д) констатирующий эксперимент.
18. Синонимом формирующего эксперимента является:
а) квазиэксперимент;
б) проективный эксперимент;
в) контрольный эксперимент;
г) генетико-моделирующий;
д) лабораторный эксперимент.
19. Данные о реальном поведении человека, полученные в ходе внешнего поведения, называются:
а) L- данными;
б) Q- данными;
в) T-данными;
г) Z- данными.
20. Б.Г.Ананьев относит лонгитюдный метод исследования:
а) к организационным методам;
б) к эмпирическим методам;
в) к способам обработки данных;
г) к интерпретационным методам .
21. Тип результатов, регистрируемых с помощью опросников и других методов самооценок, называется:
а) L- данными;
б) Q- данными;
в) T-данными;
г) Z- данными.
22. Целенаправленное, планомерно осуществляемое восприятие объектов, в познании которых заинтересована личность, является:
а) экспериментом;
б) контент-анализом;
в) наблюдением;
г) методом анализа продуктов деятельности.
23. Длительное и систематическое наблюдение, изучение одних и тех же людей, позволяющее анализировать психологическое развитие на различных этапах жизненного пути и на основе этого делать определённые выводы, принято называть исследованием:
а) пилотажным;
б) лонгитюдным;
в) сравнительным;
г) комплексным.
24. Понятие «самонаблюдение» является синонимом термина:
а) интроверсия;
б) интроекция;
в) интроспекция ;
г) интроскопия.
25. Краткое, стандартизированное психологическое испытание, в результате которого делается попытка оценить тот или иной психологический процесс или личность в целом, - это:
а) наблюдение;
б) эксперимент;
в) тестирование;
г) самонаблюдение.
26 Получение субъектом данных о собственных психических процессах и состояниях в момент их протекания или вслед за ним – это:
а) наблюдение;
б) эксперимент;
в) тестирование;
г) самонаблюдение.
27. Активное вмешательство исследователя в деятельность испытуемого с целью создания условий для установления психологического факта называется:
а) контекст-анализом;
б) анализом продуктов деятельности;
в) беседой;
г) экспериментом.
28. Способ исследования структуры и характера межличностных отношений людей на основе измерения межличностного выбора называется:
а) контент-анализом;
б) методом сравнения;
в) методом социальных единиц;
г) социометрией.
29. Возможность исследователя вызвать какой-то психический процесс или свойство является главным достоинством:
а) наблюдения;
б) эксперимента;
в) контент-анализа;
г) анализа продуктов деятельности.
30. Оценка согласованности показателей, получаемых при повторном тестировании тех же испытуемых и тем же самым тестом или эквивалентной его формой, характеризует тест с точки зрения его:
а) валидности;
б) достоверности;
в) надёжности.
31. Первые интеллектуальные тесты для детей были разработаны:
а) Бине-Симоном;
б) И.П. Павловым;
в) Эббингаузом.
32. К формализованным методикам относятся:
а) тесты;
б) опросники;
в) проективные методики;
г) психофизиологические методики;
д) все ответы верны;
е) все ответы неверны.
33. К малоформализованным методикам НЕ относят:
а) наблюдение;
б) беседу;
в) анализ продуктов деятельности;
г) опросники;
д) тесты.
34.Стандартизация - это:


35.Надежность- это:
а) единообразие процедуры проведения и оценки выполнения теста;
б) согласованность результатов теста при первичном и повторном его применении на одних и тех же испытуемых
в) понятие, указывающее, что тест измеряет и насколько хорошо он это делает
36.Валидность - это:
а) единообразие процедуры проведения и оценки выполнения теста;
б) согласованность результатов теста при первичном и повторном его применении на одних и тех же испытуемых
в) понятие, указывающее, что тест измеряет и насколько хорошо он это делает
37. Прием, используемый для повторного обследования испытуемых с помощью одной и той же методики для проверки стабильности диагностируемого признака, называется:
а) константностью;
б) контент-анализ;
в) тест-ретест.
38. Таблицы Шульте предназначены для исследования объема внимания, а таблицы Шульте-Горбова для исследования:
а) устойчивости внимания;
б) концентрации внимания;
в) переключаемости внимания;
г) динамической асимметрии внимания.
39. В каком пункте указаны методики, лучше всего позволяющие выявить разноплановость мышления:
а) классификация и сложение фигур;
б) сложение фигур и исключение предметов;
в) пиктограмма и сложение фигур;
г) классификация и исключение предметов;
д) пиктограмма и классификация.
40. Методика Дембо-Рубинштейн представляет собой:
а) тест уровня самооценки;
б) экспериментально-психологическую методику изучения свойств личности по самооценке;
в) экспериментально-психологическую методику изучения самооценки.
41. Какое из приведенных утверждений НЕ отражает основных правил оценки профиля MMPI:
а) профиль должен оцениваться как единое целое;
б) при оценке профиля наиболее существенно значение Т-нормы по каждой шкале, сравнение с которой отражает степень выраженности психопатологии;
в) профиль характеризует особенности личности и актуальное психическое состояние;
г) при оценке профиля наиболее существенно отношение уровня каждой шкалы к среднему уровню профиля в целом и, особенно, по отношению к соседним шкалам.
42. Тест «чернильных пятен» создан Г. Роршахом:
а) в 1912 г.;
б) в 1921 г.;
в) в 1935 г.;
г) в 1951 г.
43. Минимальный возраст, начиная с которого может использоваться цветовой тест отношений А.М. Эткинда:
а) 3-4 года;
б) 5-6 лет;
в) 7-8 лет;
г) 9-10 лет.
44. «Кубики Кооса», «куб Линка» являются методиками для исследования:
а) процесса решения конструктивных задач;
б) абстрактно-логического мышления;
в) дискурсивного мышления;
г) оперативной памяти.
45. Во взрослом и детском вариантах теста Векслера наиболее культурально-зависимы результаты по тесту:
а) недостающие детали;
б) арифметика;
в) лабиринт;
г) осведомленность.
46. Какой из перечисленных факторов может приводить к снижению показателей по вербальному тесту Векслера:
а) высокий уровень тревоги;
б) высокая потребность в самореализации;
в) высокий уровень внимания;
г) высокая самооценка.
47. Какой из перечисленных тестов НЕ является проективным:
а) ТАТ;
б) тест Роршаха;
в) тест тревожности Спилберга-Ханина;
г) тест незаконченных фраз.
48. Какой из перечисленных тестов НЕ предназначен для оценки интеллектуальных способностей:
а) ТАТ;
б) тест Векслера;
в) тест общих способностей;
г) тест Стенфорд-Бине.
49. Опросник Спилберга-Ханина позволяет:
а) оценить уровень депрессии;
б) выявить склонность к полярным колебаниям аффекта;
в) сопоставить истинную и ситуационную самооценку;
г) сопоставить ситуационную и конституциональную тревожность.
50. Какой из тестов позволяет сопоставить вербальные и невербальные способности:
а) тест Роршаха;
б) тест Векслера;
в) тест Бендер;
г) тест Кеттелла.
51. 16-факторный личностный опросник разработал …..
а) Кеттел
б) Рорших
в) Векслер
г) Бендер
52. Какой из тестов содержит 3 шкалы валидности и 10 клинических шкал:
а) тест Векслера для взрослых;
б) тест Айзенка;
в) MMPI;
г) Тест Кеттелла.
53. Тесты способностей показывают:
а) уровень предшествующей подготовки;
б) степень вклада наследственности в способности;
в) возможности успеха в той или иной области;
г) общий уровень умственных способностей.
54. Какой из цветов в тесте Люшера НЕ относится к основным:
а) синий;
б) желтый;
в) фиолетовый;
г) сине-зеленый.
55. Надежность теста показывает:
а) какую стабильность результатов измерения обеспечивает сам тест;
б) насколько стабильны те свойства и качества, которые измеряются с помощью теста;
в) насколько стабильна процедура подсчета суммарного балла по тесту.
56. Каково исходное назначение опросника Т. Лири:
а) изучение групповой динамики;
б) изучение взаимоотношений в семье;
в) изучение ролевых идентификаций личности;
г) изучение социальной конфликтности.
57. Какое из утверждений верно описывает назначение теста Розенцвейга:
а) выявление агрессивных реакций на стресс;
б) определение уровня стрессоустойчивости;
в) определение типов реагирования на фрустрацию;
г) диагностика клинических типов агрессивности.
58. Методологической основой психодиагностики является:
а) хорошо разработанная психологическая теория;
б) психометрика;
в) практическая область применения психодиагностических методов.
59. Фактор социальной желательности оказывает наибольшее влияние в:
а) ситуации клиента;
б) ситуации экспертизы;
в) патопсихологической диагностики.
60. Содержательная валидность теста – это:
б) отражение в содержании теста ключевых сторон изучаемого психологического феномена;
в) показатель внутренней однородности (согласованности) теста.
61. Если выборка репрезентативна срезу популяции, то:
а) результаты выборочного распределения можно описать распределением близким к нормальному;
б) результаты выборочного распределения можно описать любым математическим распределением;
в) по результатам выборочного распределения вообще нельзя судить о репрезентативности выборки.
62. Нелинейное преобразование стандартных показателей необходимо для того, чтобы:
а) удобства интерпретации полученных результатов;
б) добиться сопоставимости результатов, принадлежащих к распределениям полученным по различным тестам;
в) добиться сопоставимости результатов, принадлежащих к распределениям различной формы.
63. Социально-психологический норматив – это:
а) статистическая норма, эмпирически полученная на какой-либо выборке;
б) система требований общества к индивиду;
в) индивидуальная норма, рассчитанная для данного конкретного индивида.
64. Идея стандартизации методик и тестов принадлежит:
а) Дж. Кеттелу;
б) В.Вундту;
в) А. Бине.
65. Проективные тесты и методики отличаются от объективных тестов и стандартизированных самоотчетов тем, что:
а) не могут давать объективных и надежных результатов;
б) результаты по тесту не поддаются никакой формализации;
в) интерпретация результатов по тесту зависит от компетентности и уровня квалификации психодиагноста.
66. Экспертная эмпирическая валидизация относится к:
а) теоретическому типу валидизации;
б) практическому типу валидизации;
в) теоретическому и практическому типам валидизации.
67. Конструктная валидность теста – это:
а) степень представленности (репрезентации) исследуемого психологического конструкта в результатах теста;
б) показатель внутренней однородности (согласованности) теста;
в) отражение в содержании теста ключевых сторон изучаемого психического свойства.
68. Между валидностью и надежностью существует следующее соотношение:
а) валидность ≤ надежность;
б) валидность ≥ надежность;
в) валидность = надежность;
69. Достоверность теста – это:
а) его защищенность от фальсификации результатов психодиагностом;
б) его защищенность от влияния на результаты различных внешних воздействий;
в) его защищенность от фальсификации результатов испытуемым;
70. Валидность теста доказывает:
а) независимость результатов теста от мнения психодиагноста;
б) можно ли применять данный тест на практике;
в) измеряет ли тест тот психический феномен, для измерения которого он предназначен.