С популяционными показателями

Сопоставление полученных данных

Психометрически стандартизированный подход

Диагностических данных

Методы валидизации субъективной оценки

В психиатрическое клинике нашли применение следующие способы валидизации и обоснования субъективных диагностических оценок.

· Использование психометрически обоснованных и диагностически эффективных методик.

· Повторные клинико-психологические диагностические исследования.

· Проведение диагностических исследований разными специалистами.

· Совместные диагностические исследования несколькими специалистами.

Данный подход основан на нормализованной оценке диагностических данных. Нормализация подразумевает получение диагностической информации, прежде всего, в цифровом виде. Первичная цифровая информация затем подвергается нормализации.

Нормализация диагностических данных – это математическое преобразование первичных «сырых» оценок в оценки единой шкалы, которая учитывает выраженность измеряемого конструкта в популяции.

Нормализация «сырых» оценок выполняет две задачи:

· сопоставление полученных данных с популяционными показателями;

· сопоставление диагностических данных, полученных в разных шкалах с различной размерностью, на единой шкале.

Полученные с помощью диагностической методики первичные цифровые данные сами по себе не несут клинического или психологического смысла. Валидно оценить выраженность диагностируемого конструкта по значениям сырых оценок невозможно, посколькуотсутствует обоснование связи низких и высоких значений диагностического показателя с различными уровнями выраженности психологического свойства. Обоснование такой связи и реализуется путем нормализации.

Проведение нормализации требует полученияпервичных данных исследования большой группы испытуемых. Такая группа получила название «нормативной выборки». Диагностические данные, полученные при исследовании нормативной выборки, называются «нормативными данными».

Итак, нормативная выборка – это группа испытуемых, исследованная с помощью определенной диагностической методики с целью получения нормативных данных для нормализации первичных оценок, получаемых этой же диагностической методикой.

Нормативные данные представляют распределение оценок диагностической методики в соответствующей нормативной выборке. Предполагается, что распределение диагностических оценок в нормативной выборке соответствует их распределению во всей популяции. Считается также, что распределение исследуемого признака в общей популяции людей соответствует закону нормального распределения (см. ниже). Поэтому распределение нормативных данных в процессе обработки приводится к нормальному распределению. Для достижения наибольшего соответствия нормативная выборка должна быть репрезентативной.

Репрезентативность – это показатель максимального количественного и качественного соответствия испытуемых нормативной выборки той популяции, для исследования которой предназначается данная методика.

Репрезентативность норм достигается соблюдением двух условий:

· достаточное количество испытуемых;

· стратификация выборки.

Адекватная репрезентативность требует, чтобы объём выборки составлял не менее 500 испытуемых. Чем больше количество испытуемых в выборке, тем меньше будут стандартные погрешности измерения.

Стратификация выборки подразумевает классификацию испытуемых по основным категориям населения: возрасту, полу и социальному положению. Кроме того, стратификация может включать подбор какой-либо специфической выборки в зависимости от направленности методики.

В результате нормализации каждой сырой оценке будет соответствовать преобразованная стандартизированная оценка. С помощью специальных таблиц перевода сырая оценка переводится в стандартизированную. Стандартизированные оценки, как правило, уже имеют нормальное распределение.

Нормальное распределение

Дата добавления: 2015-06-04