Н., 1979) показали неудовлетворительно низк1-
уровень надежности прогноза на основе таких показателей, как одн
кратно измеренный уровень сходства (темперамента, мотивов, интер
сов, ценностных ориентаций) или взаимодополнительности психическ]
свойств будущих супругов. Но эту надежность можно существенно п
высить, если ввести в уравнение (3.5.1) показатели типа АХ(. В да
ном случае содержательно-психологический смысл этих показател
будет заключаться в следующем: они указывают на то, в каком и
правлении действует на уровень сходства (совместимости) опыт взг
модействия будущих супругов. Потенциально несовместимые супру
в ходе взаимодействия (за период помолвки), как правило, дивер]
руют в своих показателях (например, имеющиеся незначительн
акцентуации характера взаимно усиливаются). Наоборот, потенциал1
совместимые супруги могут очень быстро конвергировать: оказывае"
достаточным проведение одного-двух обсуждений с участием психол<
STR.99
до спорным вопросам, чтобы сблизиться в представлениях о желаемом
семейном укладе и образе жизни.
Более сложные математические, методы прогнозирования, напри-
мер, учитывающие циклическую динамику объектов, пока еще редко
используются в психодиагностике, так как требуют частых многократ-
ных измерений системы тестовых показателей, что оказывается невоз-
можным по чисто практическим причинам. Тем не менее уже сегодня
можно твердо констатировать недостаточность линейных моделей про-
гнозирования. Для ознакомления с рядом других подходов к прогно-
зированию мы рекомендовали бы психологам обратиться к руковод-
ству <Рабочая книга по прогнозированию> (М., 1982).
Остановимся здесь более специально на подходе, который ныне
представляет собой реальную альтернативу ограниченным линейным
статистическим моделям и позволяет строить эффективный прогноз
для более сложных зависимостей между прогнозируемыми (зависимы-
ми) и прогнозирующими (независимыми) переменными. Этот подход,
по традиции, принято называть <распознаванием образов>, так кау
разработка его математического аппарата была во многом стимулиро-
вана инженерными задачами конструирования искусственных систе>
<зрения>, <слуха>, других органов чувств (Распознавание образов.
М., 1970).
В психодиагностике роль <элементарных сенсорных данных> выпол-
няют первичные тестовые показатели Х\, Х,..., Xk, а роль <образа>
(выходного сигнала системы) выполняет соответствующая диагности-
ческая категория. Таким образом, по существу, <распознавание обра-
зов> " и есть диагностика в широком смысле.
Поясним специфику подхода на простейшем схематическом при-
мере. Пусть Ру - вероятность такого типового критерия оценки сту-
дентов, как <успеваемость>, Х\ - уровень интереса к специальности,
выявленный у абитуриента, Хч - уровень знаний о специальности. Воз-
можна такая нелинейная форма зависимости Ру от параметров Xi и
Хъ (рис. 16).
Здесь (на рис. 16) точки Xi=0 и
Xi-=Q- медианные значения соответ-
ствующих тестовых показателей. В
данном упрощенном примере в стату-
се <образа> фигурирует каждый из че-
тырех квадрантов диагностического
про.странства. Для предсказания Ру
мы не можем построить линейной ком-
бинации Xi и Ха, какие бы коэффици-
енты pi и 2 мы не взяли. Для пред-
сказания Ру 1мы должны зафиксиро-
вать попадание индивида в заданную
область пространства параметров.
<Образ>, или диагностическая катего-
рия, и есть на геометрическом языке
определенная область в пространстве
параметров.
С точки зрения <распознавания образов> предварительная задача
диагностики (предваряющая практическую диагностику) - опреде-
лить границы диагностических категорий - областей в пространстве
Р<0,5р >0.5
Р "0,5р >0,f
Рис, 16. Иллюстрация нелинейной
связи вероятности критериального
события Р и диагностических пара-
метров Xi и Ха
" Этот подход включает в себя линейные модели как частный случай.
STR.100
параметров, которым эмпирически корректно могут быть приписаны
некоторые пороговые (качественно специфичные) значения прогнозиру-
емого критериального показателя. Это задача построения <разделяю-
щего правила> (или <решающего правила>). Точность такого разде-
ления и предопределяет прогностическую валидность методики на дан-
ной совокупности испытуемых в данной диагностической ситуации.
Репрезентативность выборки при этом определяется степенью из-
менения точности разделения при увеличении совокупности обследо-
ванных. Влияние того или иного параметра на точность разделения
определяет <вес>, с которым входит данный параметр в задачу диаг-
ностики.
Построение формальной процедуры разделения может произво-
диться по-разному. В простейшем случае - это сравнение тестовог>
показателя с некоторым порогом. В более сложных случаях применя-
ются методы дискриминантного анализа, позволяющего описывать
<разделяющие правила> (границы диагностических областей в прост-
ранстве параметров) в виде сложных функций сразу от нескольких
параметров.
Применение определенного метода для решения задачи построения.
системы диагностических категорий определяется несколькими факто-
рами: во-первых, это соответствие допущений, положенных в основу
алгоритма, содержательным представлениям о психологической типо-
логии индивидов в рамках рассматриваемой системы психодиагности-
ческих параметров, во-вторых, это степень полноты имеющейся инфор-
мации для эффективной <остановки> алгоритма, обеспечивающей оп-
тимальное решение задачи за приемлемое время.
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172