ТОП авторов и книг ИСКАТЬ КНИГУ В БИБЛИОТЕКЕ
А если и не отказываться,
то, конечно, нет никакой необходимости в конструировании новых
проективных тестов. Как может (следуя этим аргументам) отдель-
ный исследователь или даже небольшая группа таковых надеяться
открыть что-нибудь полезное разработкой новых проективных тес-
тов, когда пятьдесят лет тестирования по Роршаху доказали обрат-
ное?
Эти возражения против проективного тестирования в том виде, в
котором они традиционно приводятся, выглядят весьма убедительно.
В то же время существует ряд аргументов в поддержку разработки
новых проективных тестов, и они приведены ниже.
АРГУМЕНТ 1
Во-первых, Холли в серии исследований теста Роршаха и других
проективных методик показал (см., напр., Holley, 1973), что тест
Роршаха, будучи подвергнут объективной обработке результатов и
мощному мультивариационному статистическому анализу, является
впечатляющим инструментом отчетливого выделения различных
групп психических больных. Исходя из этого, он утверждает, что,
вероятно, тест Роршаха действительно является настолько полезным
тестом, насколько в этом убеждают нас его клинические привержен-
цы, а попытки многих академических исследователей подтвердить
его валидность потерпели неудачу не столько из-за слабости самого
теста, сколько из-за скудности их собственных обычно одномерных
статистических методов. Если этот аргумент состоятелен, то он ко-
нечно же, может быть в равной степени применим к другим проек-
тивным тестам.
Следует указать, что открытия Холли были повторены многими
его учениками, особенно Вегелиусом (Vegelius, 1976), который даже
разработал свой собственный статистический подход. Hampson и
Kline (1977) также использовали его статистические методы при
исследовании преступной личности с помощью различных проектив-
ных тестов, таких как "Дом-дерево-человек" (Buck, 1948) и ТАТ,
и вновь эти методы оказались весьма многообещающими.
Подход к вычислению показателей по методике Холли прост до
крайности. Протоколы проективных тестов подвергаются подробно-
му содержательному анализу, и баллами 0 или 1 оценивается отсут-
ствие или присутствие тех или иных особенностей. Так, если испы-
туемый А описал таблицу V теста Роршаха как "череп", он получает
1 балл. Все остальные испытуемые получают по этой переменной 1,
если они как-либо упоминали череп, и 0, если нет. Таким образом
можно объективно оценивать практически любой ответ. Данные оп-
росов в равной степени поддаются обработкеэтим методом. Изучение
надежности шкалирования, проведенного разными исследователя-
ми, указывает на ее очень высокую степень. Более, чем 90-процент-
ная согласованность была обнаружена практически по всем перемен-
ным (Hampson и Kline, 1977).
Заслуживает внимания одно замечание об этой системе подсчета
показателей (помимо ее крайней утомительности!) При подсчетах
неизменно встречается большое количество переменных, которые
оцениваются 1 балломтолькоуодногочеловека.Этоискажаетлюбые
последующие корреляции, поскольку все испытуемые, получившие
по такой переменной 0, представляются более похожими (близки-
ми), чем они в действительности, являются. Следовательно, нужно
отбрасывать любую переменную, которая была оценена 1 баллом
менее чем у пяти-шести испытуемых.
В качестве статистического анализа Холли использовал факто-
рный анализ типа Q, то есть вычислялись и подвергались факторному
анализу корреляции между испытуемыми, а не между переменными.
Результирующими факторами, следовательно, были группы испыту-
143
емых. Этот метод очень хорошо подходит для работы с особыми
группами при изучении психических расстройств или преступников.
Специфической особенностью этого анализа является использо-
вание показателя корреляции О (НоНеу и Guilford, 1964) для уста-
новления корреляций между испытуемыми. Этот коэффициент име-
ет то преимущество по сравнению с коэффициентом <р и четырех-
польным коэффициентом корреляции, что на его величину не влияет
способ расщепления заданий теста, а его стандартная погрешность не
является чрезмерно большой. Наиболее важно то, что этот коэффи-
циент не изменяется в зависимости от полярности задания - суще-
ственная особенность в тех случаях, когда корреляционная матрица
будет подвергаться дальнейшему статистическому анализу. И нако-
нец, как показал Vegelius (1976), как и <р, (однако, в отличие от
четырехпольного коэффициента корреляции (Nunnally, 1978)), по-
казатель G математически удобен для факторного анализа.
Как только факторы Q (испытуемые) выделены, применяется
простой коэффициент D для того, чтобы увидеть, какие из перемен-
ных наилучшим образом разделяют эти группы, - полезное вспомо-
гательное средство при определении этих факторов и тех перемен-
ных , которые наилучшим образом извлекают их из данных проектив-
ных тестов.
При рассмотрении этого анализа заслуживает упоминания ряд
моментов. Во-первых, эта методика явно пригодна для исследования
групп - либо когда мы хотим разделить по уже созданным ранее
группам, либо когда мы пытаемся выяснить, может ли быть найдена
какая-либо значимая классификация. В первом случае, например,
G -анализ мог бы быть полезен в кросс-культурных исследованиях
или при изучении успевающих и неуспевающих испытуемых в ка-
ком-либо обучающем курсе. Во втором случае, G-анализ имеет зна-
чение, если предполагается выделение подгрупп: очевидными при-
мерами здесь могут быть исследования испытуемых с дислексией или
депрессией. Однако, понятно, что G-анализ может быть применен
только в классификационных исследованиях.
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
то, конечно, нет никакой необходимости в конструировании новых
проективных тестов. Как может (следуя этим аргументам) отдель-
ный исследователь или даже небольшая группа таковых надеяться
открыть что-нибудь полезное разработкой новых проективных тес-
тов, когда пятьдесят лет тестирования по Роршаху доказали обрат-
ное?
Эти возражения против проективного тестирования в том виде, в
котором они традиционно приводятся, выглядят весьма убедительно.
В то же время существует ряд аргументов в поддержку разработки
новых проективных тестов, и они приведены ниже.
АРГУМЕНТ 1
Во-первых, Холли в серии исследований теста Роршаха и других
проективных методик показал (см., напр., Holley, 1973), что тест
Роршаха, будучи подвергнут объективной обработке результатов и
мощному мультивариационному статистическому анализу, является
впечатляющим инструментом отчетливого выделения различных
групп психических больных. Исходя из этого, он утверждает, что,
вероятно, тест Роршаха действительно является настолько полезным
тестом, насколько в этом убеждают нас его клинические привержен-
цы, а попытки многих академических исследователей подтвердить
его валидность потерпели неудачу не столько из-за слабости самого
теста, сколько из-за скудности их собственных обычно одномерных
статистических методов. Если этот аргумент состоятелен, то он ко-
нечно же, может быть в равной степени применим к другим проек-
тивным тестам.
Следует указать, что открытия Холли были повторены многими
его учениками, особенно Вегелиусом (Vegelius, 1976), который даже
разработал свой собственный статистический подход. Hampson и
Kline (1977) также использовали его статистические методы при
исследовании преступной личности с помощью различных проектив-
ных тестов, таких как "Дом-дерево-человек" (Buck, 1948) и ТАТ,
и вновь эти методы оказались весьма многообещающими.
Подход к вычислению показателей по методике Холли прост до
крайности. Протоколы проективных тестов подвергаются подробно-
му содержательному анализу, и баллами 0 или 1 оценивается отсут-
ствие или присутствие тех или иных особенностей. Так, если испы-
туемый А описал таблицу V теста Роршаха как "череп", он получает
1 балл. Все остальные испытуемые получают по этой переменной 1,
если они как-либо упоминали череп, и 0, если нет. Таким образом
можно объективно оценивать практически любой ответ. Данные оп-
росов в равной степени поддаются обработкеэтим методом. Изучение
надежности шкалирования, проведенного разными исследователя-
ми, указывает на ее очень высокую степень. Более, чем 90-процент-
ная согласованность была обнаружена практически по всем перемен-
ным (Hampson и Kline, 1977).
Заслуживает внимания одно замечание об этой системе подсчета
показателей (помимо ее крайней утомительности!) При подсчетах
неизменно встречается большое количество переменных, которые
оцениваются 1 балломтолькоуодногочеловека.Этоискажаетлюбые
последующие корреляции, поскольку все испытуемые, получившие
по такой переменной 0, представляются более похожими (близки-
ми), чем они в действительности, являются. Следовательно, нужно
отбрасывать любую переменную, которая была оценена 1 баллом
менее чем у пяти-шести испытуемых.
В качестве статистического анализа Холли использовал факто-
рный анализ типа Q, то есть вычислялись и подвергались факторному
анализу корреляции между испытуемыми, а не между переменными.
Результирующими факторами, следовательно, были группы испыту-
143
емых. Этот метод очень хорошо подходит для работы с особыми
группами при изучении психических расстройств или преступников.
Специфической особенностью этого анализа является использо-
вание показателя корреляции О (НоНеу и Guilford, 1964) для уста-
новления корреляций между испытуемыми. Этот коэффициент име-
ет то преимущество по сравнению с коэффициентом <р и четырех-
польным коэффициентом корреляции, что на его величину не влияет
способ расщепления заданий теста, а его стандартная погрешность не
является чрезмерно большой. Наиболее важно то, что этот коэффи-
циент не изменяется в зависимости от полярности задания - суще-
ственная особенность в тех случаях, когда корреляционная матрица
будет подвергаться дальнейшему статистическому анализу. И нако-
нец, как показал Vegelius (1976), как и <р, (однако, в отличие от
четырехпольного коэффициента корреляции (Nunnally, 1978)), по-
казатель G математически удобен для факторного анализа.
Как только факторы Q (испытуемые) выделены, применяется
простой коэффициент D для того, чтобы увидеть, какие из перемен-
ных наилучшим образом разделяют эти группы, - полезное вспомо-
гательное средство при определении этих факторов и тех перемен-
ных , которые наилучшим образом извлекают их из данных проектив-
ных тестов.
При рассмотрении этого анализа заслуживает упоминания ряд
моментов. Во-первых, эта методика явно пригодна для исследования
групп - либо когда мы хотим разделить по уже созданным ранее
группам, либо когда мы пытаемся выяснить, может ли быть найдена
какая-либо значимая классификация. В первом случае, например,
G -анализ мог бы быть полезен в кросс-культурных исследованиях
или при изучении успевающих и неуспевающих испытуемых в ка-
ком-либо обучающем курсе. Во втором случае, G-анализ имеет зна-
чение, если предполагается выделение подгрупп: очевидными при-
мерами здесь могут быть исследования испытуемых с дислексией или
депрессией. Однако, понятно, что G-анализ может быть применен
только в классификационных исследованиях.
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