ТОП авторов и книг ИСКАТЬ КНИГУ В БИБЛИОТЕКЕ
Отме-
тим, что только 56Їо этой группы достигли или превысили по AFQT 50-й
процентиль, тогда как 80Ї показали средний или более высокий стан-
дартный показатель соответствующей области пригодности. Таким
образом, когда индивиды отбираются на основе способностей, отвечаю-
щих той или иной деятельности, громадное большинство выполняет ее
не ниже среднего значения для всей выборки. Казалось бы, невозможно
почти каждому быть выше среднего. Однако это достигается благодаря
тому, что почти каждый хотя бы в чем-то превосходит средний уровень.
Аналогичное явление было продемонстрировано на совершенно
иной популяции-одаренных детях (D.H.FeIdman, J.C.Bratton, 1972).
В исследовательских целях 49 детей из двух пятых классов оценивались
по 19 показателям, до этого использовавшимися для отбора одаренных
учеников. Среди этих показателей были суммарные результаты группо-
вого теста интеллекта и батареи достижений в обучении, тесты от-
дельных способностей и конкретных учебных предметов, скажем чтения
и арифметики, тесты творческого мышления, оценки по музыке и рисова-
нию, отзывы учителей о наиболее <одаренных> и <творческих> детях
в классе. Когда по каждому критерию было выделено по пять лучших
учеников, они вместе составили 92"д группы. Тем самым еще раз было
показано, что применение многомерных критериев позволяет установить
50,881,031,021,011,000.96
100,700,870,860,840,820,79
200,480,680,670,650,620,59
300,320,550,530,500,460,43
400,180,420,410,370,340,29
500,000,310,280,250,220,17
173 ВАЛИДНОСТЬ. ИЗМЕРЕНИЕ И ИНТЕРПРЕТАЦИЯ
Дифференциальная валидность. При оценке классификацион-
ной батареи большое значение придается ее дифференциальной валидно-
сти по отдельным критериям. Цель такой батареи-предсказать индиви-
дуальные различия в выполнении двух и более видов работ, в окончании
специализированных курсов подготовки и других критериальных ситуа-
циях. Тесты, из которых составляются классификационные батареи, дол-
жны для разных критериев обладать весьма различными коэффициента-
ми валидности. Применительно к проблеме распределения, скажем, по
двум критериям идеальный тест должен иметь высокую корреляцию
с одним критерием и нулевую (или, еще лучше, отрицательную)-с дру-
гим. Тесты общего интеллекта сравнительно мало пригодны для батарей
классификации, поскольку они примерно одинаково прогнозируют успех
в большинстве областей деятельности. Поэтому их корреляция с подле-
жащими дифференциации критериями будет более или менее одинако-
вой. Высокие показатели индивида, справившегося с таким тестом, озна-
чали бы его успех в любой области, и нельзя было бы сказать, где он
окажется большим. В классификационной батарее должно быть несколь-
ко тестов, являющихся хорошими предикторами критерия А и плохими
предикторами критерия В, а также тесты-хорошие предикторы для В,
но плохие для А.
Для отбора тестов с целью максимизации дифференциальной валид-
ности классификационной батареи разработаны специальные статистиче-
ские процедуры (H.E.Brogden, 1951; P.Horst, 1954; W.G.Mollenkopf,
1950e; R.L. Thomdike, 1949). Однако когда число критериев больше двух,
проблема сильно усложняется, и для таких случаев нет чисто аналитиче-
ского решения. На практике применяются различные эмпирические под-
ходы, чтобы приблизиться к нужной цели.
Множественные дискриминантные функции. Проблема рас-
пределения может решаться также при помощи множественной
Рис, 20. Процент получивших результаты выше среднего в тесте AFQT и в соот-
ветствующих областях пригодности по армейской квалификационной батареи в выборке
из 7500 зачисленных на военную службу добровольцев,
С любезного согласия Дж. Э. Ухлейнера
44% ниже среднего
56% выше среднего
50-й процентиль
или выше по AFQT
20% ниже среднего
80% выше среднего
стандартный показатель
100 или выше для
соответствующей
области пригодности
174 ПРИНЦИПЫ ПСИХОЛОГИЧЕСКОГО ТЕСТИРОВАНИЯ
дискриминантной функции (J.W. French, 1966). Существенно, что приме-
няемая в этом случае математическая процедура позволяет определить,
насколько индивидуальные результаты по всей серии тестов прибли-
жаются к типичным результатам лиц данной профессии, прошедших
определенный курс обучения, с данным психиатрическим синдромом
и т.д. Индивид затем может быть отнесен к той группе, к которой он по
своим показателям оказывается ближе всего. Если уравнение регрессии
позволяет предсказать степень успеха в каждой области, то множествен-
ная дискриминантная функция просто относит испытуемых к одной кате-
гории. Принадлежность к группе-единственный критерий, учитываемый
данным методом. Дискриминантная функция применяется в случае, ког-
да количественная критериальная мера невозможна и устанавливается
только принадлежность к той или иной группе. Валидность некоторых
тестов, например, устанавливается проведением их с людьми разных спе-
циальностей, а в пределах каждой из них степень профессионального ма-
стерства никак не измеряется.
Дискриминантная функция также применима, если связь между кри-
терием и одним или несколькими предикторами нелинейна. Так, для не-
которых свойств личности существует известный оптимум, отвечающий
данной профессии. Лица с большей или меньшей выраженностью такого
свойства окажутся в невыгодном положении. Вполне допустимо, напри-
мер, что продавец с умеренным стремлением к лидерству, по всей ве-
роятности, будет преуспевать, причем его шансы на успех снижаются по
мере удаления его тестовых результатов в любую сторону от какого-то
оптимального значения. Дискриминантная функция как раз и позволяет
отбирать лица, чьи результаты располагаются в пределах этого оптиму-
ма, тогда как уравнение регрессии работает по принципу, чем выше зна-
чение тестового показателя, тем благоприятней прогнозируемый резуль-
тат.
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 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171
тим, что только 56Їо этой группы достигли или превысили по AFQT 50-й
процентиль, тогда как 80Ї показали средний или более высокий стан-
дартный показатель соответствующей области пригодности. Таким
образом, когда индивиды отбираются на основе способностей, отвечаю-
щих той или иной деятельности, громадное большинство выполняет ее
не ниже среднего значения для всей выборки. Казалось бы, невозможно
почти каждому быть выше среднего. Однако это достигается благодаря
тому, что почти каждый хотя бы в чем-то превосходит средний уровень.
Аналогичное явление было продемонстрировано на совершенно
иной популяции-одаренных детях (D.H.FeIdman, J.C.Bratton, 1972).
В исследовательских целях 49 детей из двух пятых классов оценивались
по 19 показателям, до этого использовавшимися для отбора одаренных
учеников. Среди этих показателей были суммарные результаты группо-
вого теста интеллекта и батареи достижений в обучении, тесты от-
дельных способностей и конкретных учебных предметов, скажем чтения
и арифметики, тесты творческого мышления, оценки по музыке и рисова-
нию, отзывы учителей о наиболее <одаренных> и <творческих> детях
в классе. Когда по каждому критерию было выделено по пять лучших
учеников, они вместе составили 92"д группы. Тем самым еще раз было
показано, что применение многомерных критериев позволяет установить
50,881,031,021,011,000.96
100,700,870,860,840,820,79
200,480,680,670,650,620,59
300,320,550,530,500,460,43
400,180,420,410,370,340,29
500,000,310,280,250,220,17
173 ВАЛИДНОСТЬ. ИЗМЕРЕНИЕ И ИНТЕРПРЕТАЦИЯ
Дифференциальная валидность. При оценке классификацион-
ной батареи большое значение придается ее дифференциальной валидно-
сти по отдельным критериям. Цель такой батареи-предсказать индиви-
дуальные различия в выполнении двух и более видов работ, в окончании
специализированных курсов подготовки и других критериальных ситуа-
циях. Тесты, из которых составляются классификационные батареи, дол-
жны для разных критериев обладать весьма различными коэффициента-
ми валидности. Применительно к проблеме распределения, скажем, по
двум критериям идеальный тест должен иметь высокую корреляцию
с одним критерием и нулевую (или, еще лучше, отрицательную)-с дру-
гим. Тесты общего интеллекта сравнительно мало пригодны для батарей
классификации, поскольку они примерно одинаково прогнозируют успех
в большинстве областей деятельности. Поэтому их корреляция с подле-
жащими дифференциации критериями будет более или менее одинако-
вой. Высокие показатели индивида, справившегося с таким тестом, озна-
чали бы его успех в любой области, и нельзя было бы сказать, где он
окажется большим. В классификационной батарее должно быть несколь-
ко тестов, являющихся хорошими предикторами критерия А и плохими
предикторами критерия В, а также тесты-хорошие предикторы для В,
но плохие для А.
Для отбора тестов с целью максимизации дифференциальной валид-
ности классификационной батареи разработаны специальные статистиче-
ские процедуры (H.E.Brogden, 1951; P.Horst, 1954; W.G.Mollenkopf,
1950e; R.L. Thomdike, 1949). Однако когда число критериев больше двух,
проблема сильно усложняется, и для таких случаев нет чисто аналитиче-
ского решения. На практике применяются различные эмпирические под-
ходы, чтобы приблизиться к нужной цели.
Множественные дискриминантные функции. Проблема рас-
пределения может решаться также при помощи множественной
Рис, 20. Процент получивших результаты выше среднего в тесте AFQT и в соот-
ветствующих областях пригодности по армейской квалификационной батареи в выборке
из 7500 зачисленных на военную службу добровольцев,
С любезного согласия Дж. Э. Ухлейнера
44% ниже среднего
56% выше среднего
50-й процентиль
или выше по AFQT
20% ниже среднего
80% выше среднего
стандартный показатель
100 или выше для
соответствующей
области пригодности
174 ПРИНЦИПЫ ПСИХОЛОГИЧЕСКОГО ТЕСТИРОВАНИЯ
дискриминантной функции (J.W. French, 1966). Существенно, что приме-
няемая в этом случае математическая процедура позволяет определить,
насколько индивидуальные результаты по всей серии тестов прибли-
жаются к типичным результатам лиц данной профессии, прошедших
определенный курс обучения, с данным психиатрическим синдромом
и т.д. Индивид затем может быть отнесен к той группе, к которой он по
своим показателям оказывается ближе всего. Если уравнение регрессии
позволяет предсказать степень успеха в каждой области, то множествен-
ная дискриминантная функция просто относит испытуемых к одной кате-
гории. Принадлежность к группе-единственный критерий, учитываемый
данным методом. Дискриминантная функция применяется в случае, ког-
да количественная критериальная мера невозможна и устанавливается
только принадлежность к той или иной группе. Валидность некоторых
тестов, например, устанавливается проведением их с людьми разных спе-
циальностей, а в пределах каждой из них степень профессионального ма-
стерства никак не измеряется.
Дискриминантная функция также применима, если связь между кри-
терием и одним или несколькими предикторами нелинейна. Так, для не-
которых свойств личности существует известный оптимум, отвечающий
данной профессии. Лица с большей или меньшей выраженностью такого
свойства окажутся в невыгодном положении. Вполне допустимо, напри-
мер, что продавец с умеренным стремлением к лидерству, по всей ве-
роятности, будет преуспевать, причем его шансы на успех снижаются по
мере удаления его тестовых результатов в любую сторону от какого-то
оптимального значения. Дискриминантная функция как раз и позволяет
отбирать лица, чьи результаты располагаются в пределах этого оптиму-
ма, тогда как уравнение регрессии работает по принципу, чем выше зна-
чение тестового показателя, тем благоприятней прогнозируемый резуль-
тат.
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 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171