Внешняя валидность как возможность генерализации данных. Реальный эксперимент. Факторы нарушающие внешнюю валидность. 3 страница

Отбираются тесты, проверенные на надежность и внутреннюю валидность. Затем группа тестируется по определенной программе.

R А(О1) В(О2) С (О3) D(О4).... N(Оn),

где А, В, С... N — тесты, Оi — операция тестирования.

Данные исследования представлены в форме матрицы: т х п, где т — количество испытуемых, п — тесты. Матрица «сырых» данных обрабатывается, подсчитываются коэффициенты линейной корреляции. Получается матрица вида т х п, где п — число тестов. В клеточках матрицы — коэффициенты корреляции, по ее диагонали — единицы (корреляция теста с самим собой). Матрица симметрична относительно этой диагонали. Корреляции оцениваются на статистические различия следующим образом:

сначала r переводится в Z-оценки, затем для сравнения r применяется t-критерий Стьюдента. Значимость корреляции оценивается при ее сопоставлении с табличным значением. При сравнении rэксп. и rтеор. принимается гипотеза о значимом отличии корреляции от случайной при заданном значении точности (a= 0,05 или a= 0,001). В некоторых случаях возникает необходимость вычисления множественных корреляций, частных корреляций, корреляционных отношений или редукции размерности — уменьшения числа параметров.

Главной причиной артефактов, возникающих при проведении многомерного психологического тестирования, является реальное физическое время.

При анализе данных корреляционного исследования мы отвлекаемся от неодновременности проводимых измерений. Кроме того, считается, что результат последующего измерения не зависит от предыдущего, т. е. не существует эффекта переноса.

Перечислим основные артефакты, которые возникают в ходе применения этого плана:

1. Эффект последовательности — предшествующее выполнение одного теста может повлиять на результат выполнения другого (симметричный или асимметричный перенос).

2. Эффект научения — при выполнении серии различных тестовых испытаний у участника эксперимента может повышаться компетентность в тестировании.

3. Эффекты фоновых воздействий и «естественного» развития приводят к неконтролируемой динамике состояния испытуемого в ходе исследования.

4. Взаимодействие процедуры тестирования и состава группы проявляется при исследовании неоднородной группы: интроверты хуже сдают экзамены, чем экстраверты, «тревожные» хуже справляются со скоростными тестами интеллекта. Для контроля эффектов последовательности и переноса следует пользоваться тем же приемом, что и при планировании экспериментов, а именно — контрбалансировкой. Только вместо воздействий меняется порядок проведения тестов.

Для 3 тестов полный план корреляционного исследования с контрбалансировкой выглядит следующим образом:

1-я группа: А В С

2-я группа: С А В

3-я группа: В С А

где А, В, С — различные тесты.

5. Структурное корреляционное исследование. От предшествующих вариантов эта схема отличается тем, что исследователь выявляет не отсутствие или наличие значимых корреляций, а различие в уровне значимых корреляционных зависимостей между одними и теми же показателями, измеренными у представителей различных групп.

6. Лонгитюдное корреляционное исследование. Лонгитюдное исследование — вариант квазиэкспериментальных исследовательских планов. Воздействующей переменной психолог, проводящий лонгитюдное исследование, считает время. Оно является аналогом плана тестирования одной группы в разных условиях. Только условия считаются константными. Результатом любого временного исследования (в том числе и лонгитюдного) является построение временного тренда измеряемых переменных, которые могут быть аналитически описаны теми или иными функциональными зависимостями.

Лонгитюдное корреляционное исследование строится по плану временных серий с тестированием группы через заданные промежутки времени. Помимо эффектов обучения, последовательности и т.д. в лонгитюдном исследовании следует учитывать эффект выбывания: не всех испытуемых, первоначально принимавших участие в эксперименте, удается обследовать через какое-то определенное время. Возможно взаимодействие эффектов выбывания и тестирования (отказ от участия в последующем обследовании) и т.д.

Структурное лонгитюдное исследование отличается от простого лонгитюда тем, что нас интересует не столько изменение центральной тенденции или разброса какой-либо переменной, сколько изменение связей между переменными. Такого рода исследования широко распространены в психогенетике.

Корреляционное исследование завершается выводом о статистической значимости установленных (или неустановленных) зависимостей между переменными. Однако исследователи не ограничиваются такой констатацией. Одна из главных задач, которые возникают перед психологами, — выяснить, не обусловлены ли связи между отдельными параметрами (психологическими свойствами) скрытыми факторами? Для этой цели применяется аппарат редукции числа переменных: методы многомерного анализа данных, которые изучаются психологами в курсе «Математические методы в психологии».

28. Шкалирование переменных при организации эксперимента, виды шкал. (Шкала как измерительный инструмент эксперимента. Виды шкал: порядковая, интервальная, номинальная. Проблема смешение видов шкал при обработке «сырых» данных. Статистические методы применимые к шкалам.)

1 Шкала наименований

Шкала наименований получается путем присвоения «имен» объектам. При этом нужно разделить множество объектов на непересекающиеся подмножества.

Иными словами, объекты сравниваются друг с другом и определяется их эквивалентность—неэквивалентность. В результате данной процедуры образуется совокупность классов эквивалентности. Объекты, принадлежащие к одному классу, эквивалентны друг другу и отличны от объектов, относящихся к другим классам. Эквивалентным объектам присваиваются одинаковые имена.

Операция сравнения является первичной для построения любой шкалы. Для построения такой шкалы нужно, чтобы объект был равен или подобен сам себе (х = х для всех значений х), т.е. на множестве объектов должно быть реализовано отношение рефлексивности.

Следует запомнить: любая шкала есть идеализация, модель реальности, даже такая простейшая, как шкала наименований.

Кроме того, многократное повторение эксперимента (накопление статистики) приводит к «перемешиванию» состава классов: в лучшем случае мы можем получить оценку, указывающую на вероятность принадлежности объекта к классу.

Таким образом, нет оснований говорить о шкале наименований (номинативной шкале, или шкале строгой классификации) как о простейшей шкале, начальном уровне измерения в психологии.

О шкале наименований можно говорить в том случае, когда эмпирические объекты просто «помечаются» числом. Примером таких пометок являются номера на майках футболистов.

В принципе, вместо чисел при использовании шкалы наименований необходимо применять другие символы, ибо числовая шкала (натуральный ряд чисел) характеризуется разными системами операций.

Итак, если объекты в каком-то отношении эквивалентны, то мы имеем право отнести их к одному классу.

Для этой шкалы допустимо любое взаимно однозначное преобразование.

Исследователь, пользующийся шкалой наименований, может применять следующие инвариантные статистики: относительные частоты, моду, корреляции случайных событий, критерий.

2 Шкала порядка

Порядковая шкала образуется, если на множестве реализовано одно бинарное отношение — порядок (отношения «не больше» и «меньше»). Построение шкалы порядка — процедура более сложная, чем создание шкалы наименований.

На шкале порядка объект может находиться между двумя другими, причем если а>b, b>с, то а>с (правило транзитивности отношений).

Классы эквивалентности, выделенные при помощи шкалы наименований, могут быть упорядочены по некоторому основанию. Различают шкалу строгого порядка (строгая упорядоченность) и шкалу слабого порядка (слабая упорядоченность). В первом случае на элементах множества реализуются отношения «не больше» и «меньше», а во втором — «не больше или равно» и «меньше или равно». Шкала порядка сохраняет свои свойства при изотонических преобразованиях. Все функции, которые не имеют максимума (монотонные), отвечают этой группе преобразований. Значения величин можно заменять квадратами, логарифмами, нормализовать и т.д. При таких преобразованиях значений величин, определенных по шкале порядка, место объектов на шкале не изменяется, т.е. не происходит инверсий.

Шкалы порядка широко используются в психологии познавательных процессов, экспериментальной психосемантике, социальной психологии: ранжирование, оценивание, в том числе педагогическое, дают порядковые шкалы. Классическим примером использования порядковых шкал является тестирование личностных черт, а также способностей.

Как бы то ни было, шкала порядка позволяет ввести линейную упорядоченность объектов на некоторой оси признака. Тем самым вводится важнейшее понятие — измеряемое свойство, или линейное свойство, тогда как шкала наименований использует «вырожденный» вариант интерпретации понятия «свойство»: «точечное» свойство (свойство есть — свойства нет).

Числовые значения порядковой шкалы нельзя складывать, вычитать, делить и умножать.

3 Шкала интервалов

Шкала интервалов является первой метрической шкалой.

Шкала интервалов определяет величину различий между объектами в проявлении свойства. С помощью шкалы интервалов можно сравнивать два объекта. При этом выясняют, насколько более или менее выражено определенное свойство у одного объекта, чем у другого.

Шкала интервалов очень часто используется исследователями.

Интервальная шкала позволяет применять практически всю параметрическую статистику для анализа данных, полученных с ее помощью.

4 Шкала отношений

Шкала отношений — наиболее часто используемая в физике шкала. По крайней мере, идеалом измерительной процедуры является получение таких данных о выраженности свойств объектов, когда можно сказать, во сколько раз один объект больше или меньше другого.

Это возможно лишь тогда, когда помимо определения равенства, рангового порядка, равенства интервалов известно равенство отношений. Шкала отношений отличается от шкалы интервалов тем, что на ней определено положение «естественного нуля». Классический пример — шкала температур Кельвина.

В психологии шкалы отношений практически не применяются. Одним из исключении являются шкалы оценки компетентности, основанные на модели Раша.

Значения шкалы отношений инвариантны относительно преобразования вида:

х' = ах.

Значения шкалы можно умножать на константу. К ним применимы любые статистические меры.

Измерения массы, времени реакции и выполнения тестового задания — таковы области применения шкалы отношений.

Отличием этой шкалы от абсолютной является отсутствие «естественной» масштабной единицы.

5 Другие шкалы

1. Дихотомическая классификация часто рассматривается как вариант шкалы наименований. Это верно, за исключением одного случая, когда мы измеряем свойство, имеющее всего лишь два уровня выраженности: «есть—нет», так называемое «точечное» свойство. Примеров таких свойств много: наличие или отсутствие у испытуемого какой-либо наследственной болезни (дальтонизм, болезнь Дауна, гемофилия и др.), абсолютного слуха и др. В этом случае исследователь имеет право проводить «оцифровку» данных, присваивая каждому из типов цифру «1» или «0», и работать с ними как со значениями шкалы интервалов.

2. Шкала разностей, в отличие от шкалы отношений, не имеет естественного нуля, но имеет естественную масштабную единицу измерения. Ей соответствует аддитивная группа действительных чисел. Классическим примером этой шкалы является историческая хронология. Она сходна со шкалой интервалов. Разница лишь в том, что значения этой шкалы нельзя умножать (делить) на константу. Поэтому считается, что шкала разностей — единственная с точностью до сдвига.

В психологии шкала разностей используется в методиках парных сравнении.

3. Абсолютная шкала является развитием шкалы отношении и отличается от нее тем, что обладает естественной единицей измерения. В этом ее сходство со шкалой разностей. Число решенных задач («сырой» балл), если задачи эквивалентны, — одно из проявлений абсолютной шкалы.

В психологии абсолютные шкалы не используются. Данные, полученные с помощью абсолютной шкалы, не преобразуются, шкала тождественна сама себе. Любые статистические меры допустимы.

4. В литературе, посвященной проблемам психологических измерений, упоминаются и другие типы шкал: ординальная (порядковая) с естественным началом, лог-интервальная, упорядоченная метрическая и др. О свойствах порядковой шкалы с естественным началом упоминалось в данном разделе.

Все написанное выше относится к одномерным шкалам. Шкалы могут быть и многомерными: шкалируемый признак в этом случае имеет ненулевые проекции на два (или более) соответствующих параметра. Векторные свойства, в отличие от скалярных, являются многомерными.

6 Шкальные преобразования

Возможны два варианта шкальных преобразований:

1) повышение мощности шкалы;

2) понижение мощности шкалы.

Вторая процедура является тривиальной. Поскольку все возможные процедуры преобразований, которые приемлемы для более мощной шкалы (например, шкалы интервалов), допустимы и для менее мощной (например, шкалы порядка), то у нас есть право рассматривать данные, полученные с помощью интервальной шкалы, как порядковые или, допустим, порядковую шкалу — в качестве номинальной. Другое дело, если (по каким-либо соображениям) у нас возникает потребность перейти от шкалы наименований к шкале порядка и т.д. Для этого требуется вводить необъективные (с позиций математической теории измерений) допущения и эмпирические приемы, базирующиеся лишь на интуиции и правдоподобных рассуждениях. Но в большинстве случаев производится эмпирическая проверка: в какой мере данные, полученные с помощью «слабой» шкалы, удовлетворяют требованиям более «мощной» шкалы. Рассмотрим переход от шкалы наименований к порядковой шкале. Естественно, для этого нужно упорядочить классы по некоторому основанию. Предположим, что принадлежность объекта к некоторому классу есть случайная функция. Тогда переход от номинативной шкалы к шкале порядка возможен в том случае, если существует упорядоченность классов. Во-первых, для каждого элемента существует модальный класс, вероятность принадлежности к которому значимо больше, чем к другим классам.

Во-вторых, для каждого элемента существует только одна функция вероятностной принадлежности к множеству классов, такая, чтобы эти классы можно было упорядочить единственным образом. Проще говоря, каждый класс должен иметь только двух соседей: «слева» и «справа», а порядок соседства определяется эмпирической частотой попадания элементов в различные классы. В «свой» класс элемент попадает чаще, в соседние со «своим» — реже и в отдаленные — еще реже.

При обработке данных осуществляется эмпирическая проверка каждой тройки классов на стохастическую транзитность. Преобразование шкалы порядка в шкалу интервалов — более частый вариант.

Дата добавления: 2015-08-31