В результате, если в памяти ЭВМ еще не встречалось
баллов по данному тесту, полученных на женщинах с неродным рус-
ским языком, компьютер выдает сообщение:
Пропентильный балл неопределен. Объем выборки == 0.
Признаки выборки: женщины,
неродной русский язык.
Данный пример, по-видимому, делает очевидным преимущества
компьютеризованной психометрики уже на этапе стандартизации тес-
товых баллов.
Использование ЭВМ для анализа надежности тестов - наиболее
сложившийся, традиционный путь компьютеризации психометрики. Тру-
доемкие в вычислительном отношении корреляционные и дисперсион-
ные формулы надежности (см. 3.2.) легко запрограммировать на ЭВМ
с использованием любого языка высокого уровня (Фортран, Бейсик,
Алгол, ПЛ и др.). Как правило, в существующих готовых пакетах про-
грамм нужные психометрические алгоритмы анализа пунктов теста как
таковые отсутствуют (хотя и могут быть использованы отдельные про-
граммы этих пакетов). Психологу, не имеющему возможности восполь-
зоваться услугами квалифицированного программиста (умеющего ком-
поновать нужную программу из готовых и новых подпрограмм), следует
выбрать для самостоятельной подготовки простейших программ наи-
более простой в освоении язык-интерпретатор типа <Бейсик>, который
дает значительный выигрыш автоматизированной отладкой синтаксиса
программы. Психологу, являющемуся непрофессиональным пользовате-
лем ЭВМ, вполне доступно также освоить самостоятельную работу с
различными сервисными программами-редакторами - текстовым, гра-
фическим, звукомузыкальным и т. п. В результате значительно облег-
чается подготовка и пересмотр стимульного материала, инструкций,
интерпретирующих сообщений, ключей.
Среди опубликованной на русском языке литературы, содержащей
листинги статистических программ на Фортране, наиболее полными
изданиями на сегодняшний день являются <Сборник научных программ
на Фортране> (М., 1974), а также пособие для специалистов-нематема-
тиков (Дэв1ис Дж., 1977). В последнем пособии опубликованы тексты
универсальных (для психометрики неспециализированных) программ
множественного регрессионного, дискриминантного, факторного и про-
стейшего кластерного анализов. Психологам, не имеющим большого
опыта работы с ЭВМ, следует еще раз напомнить, что в настоящее
время решение вопросов программного обеспечения требует значитель-
но больших затрат организационной активности, времени, труда ква-
лифицированных специалистов и даже денежных средств, чем решение
технических вопросов (закупка ЭВМ в минимальном комплекте и ввод
ее в эксплуатацию).
Многие программы, необходимые для анализа внутренних психо-
метрических свойств теста (репрезентативности и надежности), приме-
нимы и для анализа валидности. Но в вопросах обеспечения валидно-
сти, так же как и в вопросах обеспечения селективных тестовых норм,
решающее значение имеет не столько программное обеспечение, сколько
информационное обеспечение -- создание в памяти ЭВМ эффективной,
постоянно пополняемой базы данных. К сожалению, разработанные к
настоящему времени на базе ЭВМ ЕС и БЭСМ специализированные
пакеты программ для автоматизации тестовых психологических -."сто
STR.107
дик (Рябов В. Б" 1982; Ермакова И. В., 1984; Деев А. А. и др., 1984)
не сопряжены с адаптированной для психологов СУБД (базой дан-
ных). Эти пакеты решают скорее задачу автоматизации проведения
методик и подсчета <сырых> тестовых баллов, чем задачи психомет-
рического обеспечения.
В банк данных с результатами тестирования, создаваемый в па-
мяти ЭВМ, наряду с анкетной должна быть введена (под специальной
рубрикой) и критериальная информация по обследованным испытуемым
(показатели успешности учебной, профессиональной деятельности, со-
стояния здоровья, показатели общественной и творческой активности,
дисциплины и организованности и т.п.). В результате создания полной
информационной базы и сопряжения ее с соответствующими програм-
мами поиска и сортировки появляется заманчивая возможность замены
части разнородных трудоемких статистических методов обработки дан-
ных универсальными методами информационного поиска и группи-
ровки. Поясним это положение на примере. Пусть некоторая сервисная
диалоговая программа CRT (<критериальное тестирование>) запраши-
вает психолога-психометриста с экрана о критериальном признаке:
успеваемость? (да или нет)
После ответа с клавиатуры <да> следует новый запрос)
уровень? (вые., сред. или низ.)
После ответа <вые> следует запрос:
техническое имя методики?
После ответа <ОМД> (опросник мотивации достижения) компьютер
обрабатывает данные и выдает сообщение:
Средний процентальный балл критериальной выборки=75%
Объем критериальной выборки == 120
Объем тестированной выборки == 340
Критерий: вые. успеваемость
Понятно, что такой высокий средний процентильный балл (более вы-
сокий, чем у 75Ї/о всех тестированных) говорит о наличии взаимосвязи
между показателем теста и уровнем успеваемости, т. е. о валидности
методики ОМД.
Наличие постоянно пополняемого массива критериальной инфор-
мации, сопряженного с тестовой информацией, создает предпосылки
для успешного применения эффективных алгоритмов распознавания
образов (см. 3,5), так как точность этих методов существенно воз-
растает по мере повышения репрезентативности <обучающей выбор-
ки>, или, как чаще говорят в психодиагностике, <экстремальных
групп>. Получая новую порцию критериальной информации, компьютер
будет тут же корректировать, уточнять то <решающее правило>, на
основании которого психолог относит испытуемые, о которых известна
только тестовая информация, к тем или иным критериальным группам
(диагностическим группам).
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