Согласно другим методам, вначале берется полный
набор заданий, из которого последовательно изымаются наименее
удачные, пока не достигается требуемая валидность теста. Поскольку да-
же такие методы требуют большого объема вычислений, к ним целесо-
образно обращаться только при наличии вычислительной техники
(J.A.Fossum, 1973; S.Henrysson, 1971).
Следует отметить, что все способы отбора заданий по их чистой эф-
фективности представляют подход, обратный тому, который ориентиро-
ван на внутреннюю согласованность. В первом случае чем выше корре-
ляция между заданием и тестом, тем больше шансов на то, что задание
будет изъято; во втором же случае чем выше такая корреляция, тем
больше вероятность того, что задание будет включено в тест. Цели обо-
их подходов, разумеется, различны. Один направлен на наиболее широ-
кий охват критерия и меньшее дублирование заданий; второй же предус-
матривает повышение однородности теста. И то и другое желательно
иметь в виду при составлении теста. Выбор конкретной процедуры
в большой степени зависит от характера теста и его назначения. Так,
в биографическом опроснике задания (вопросы) можно оценивать и от-
бирать только в соответствии с внешним критерием, причем охватывае-
мое опросником содержание в высшей степени неоднородно. Примером
совсем иного рода может служить тест на правописание, весьма одно-
родный по содержанию; здесь уже существенным ориентиром для отбо-
ра заданий является внутренняя согласованность.
Применительно ко многим задачам тестирования удовлетворитель-
ное решение означает распределение сравнительно однородных заданий
по отдельным тестам или субтестам, каждый из которых относится к ка-
кому-то одному аспекту критерия. Таким образом, учет разных аспектов
достигается разнообразием тестов, каждый из которых позволяет полу-
чить более или менее однозначный результат, а не разнородностью зада-
ний в рамках одного теста. При таком подходе задания с низкими ин-
дексами внутренней согласованности не отбрасываются, а выделяются.
Тем самым в пределах каждого субтеста или группы заданий может
быть достигнута довольно высокая внутренняя согласованность. В то же
время такая согласованность не будет трактоваться как заменитель ва-
лидности по критерию, и потребуется лишь уделить некоторое внимание
тому, чтобы разные аспекты критерия были адекватно представлены
в тесте и чтобы не было чрезмерной концентрации заданий по неко-
торым из аспектов.
196 ПРИНЦИПЫ ПСИХОЛОГИЧЕСКОГО ТЕСТИРОВАНИЯ
АНАЛИЗ ЗАДАНИЙ ТЕСТОВ НА СКОРОСТЬ
Независимо от того, входит ли скорость в число измеряемых функций,
индексы заданий, вычисленные для скоростных тестов, могут создавать
ложное впечатление. Если не считать заданий, при выполнении которых
никто или почти никто из обследуемых не испытывает недостатка време-
ни, эти индексы отражают не столько действительную трудность или ва-
лидность заданий, сколько их положение в тесте. Задания, выполняемые
в тесте позднее, будут выполнены сравнительно малым числом испы-
туемых, поскольку лишь немногие успевают до них добраться. Каким бы
легким ни было задание, если оно расположено в конце теста на ско-
рость, оно будет казаться трудным. Если, скажем, вопрос об имени ис-
пытуемого поместить в конце скоростного теста, то процент лиц, отве-
тивших на него, будет весьма низким.
Точно так же переоценивается валидность заданий, к выполнению
которых многие испытуемые не успевают приступить. Поскольку более
опытные индивиды обычно работают быстрее, они, по-видимому, скорее
доберутся до заданий, находящихся в конце теста на скорость
(W.G. Mollenkopf, 1950 а). Таким образом, независимо от характера
самого задания некоторая корреляция между ним и критерием будет об-
наружена, даже если оно находится ближе к концу теста.
Чтобы избежать некоторых из этих затруднений, можно ограничить
анализ каждого задания только данными испытуемых, достигших со-
ответствующего задания в тесте. Это решение, однако, нельзя считать
удовлетворительным, если число лиц, выполнивших задание, невелико.
Такая процедура сопряжена с использованием быстро сокращающегося
числа испытуемых, вследствие чего результаты по последним заданиям
могут оказаться ненадежными. Более того, испытуемые, выполнившие
такие задания, вероятно, будут представлять собой селективную выбор-
ку, не сопоставимую с более широкой выборкой, использованной для
анализа ранних заданий. Как уже отмечалось, испытуемые, работающие
быстро, часто также более опытны. Таким образом, более поздние зада-
ния будут анализироваться на выборке индивидов с более высоким уров-
нем. Последствием такого селективного фактора окажется занижение
уровня трудности более поздних заданий, поскольку процент справив-
шихся с заданием в селективной выборке выше, чем во всей выборке.
Отметим, что в данном случае ошибка обратна той, которая появляется
при вычислении процента справившихся с заданием относительно всей
исходной выборки. В этом случае происходит завышение трудности
заданий.
Влияние вышеописанной процедуры на индексы валидности заданий
не столь очевидно, но тем не менее реально. Замечено, например, что не-
которые из испытуемых, показывающих низкие результаты, торопясь
выполнить тест в отведенное время, отмечают в тестовом бланке (или
тетради) ответы почти наугад. Среди испытуемых с высокими результа-
тами эта тенденция выражена гораздо меньше. В итоге выборка, на ко-
торой производится анализ более позднего задания, нередко включает
в себя нескольких весьма слабых респондентов, выполняющих задания
на уровне случайности, и довольно значительное число опытных и бы-
стрых испытуемых, чьи ответы обычно оказываются правильными. В та-
кой группе корреляция задания и критерия, вероятно, будет выше. чем
В боттРР прттгч>">вт11-,1-т"-"-"- ---" "
197 АНАЛИЗ ЗАДАНИЙ
респондентов выборка, на которой анализируются задания, располо-
женные в конце теста, охватывала бы относительно узкий диапазон спо-
собности. В этих условиях валидность более поздних заданий скорее все-
го окажется ниже, чем если бы она вычислялась на всей выборке.
Ожидаемое влияние скорости на индексы трудности и валидности
заданий проверялось опытным путем как для случаев, когда статистиче-
ская обработка проводится по всей выборке (A.G.Wesman, 1949), так
и для случаев, когда выборка ограничивалась лицами, пытавшимися вы-
полнить задание (W.G. Mollenkopf, 1950 а). Во втором из этих двух ис-
следований сопоставимым группам старшеклассников давались две
формы вербального теста и две формы математического теста. Каждая
из двух форм состояла из одних и тех же заданий, но начальные и ко-
нечные серии в этих формах менялись местами. Каждая форма предъя-
влялась в жестких (условия скорости) и свободных (условия возможно-
стей) временных рамках. Такой способ тестирования позволил сравнить
между собой как формы тестов, так и временные условия. Результаты
ясно показали, что положение задания в скоростном тесте влияет на ин-
дексы трудности и валидности. Когда одной то же задание предъявля-
лось не в самом начале скоростного теста, оно выполнялось большим
процентом испытуемых, пытавшихся его решить, и имело более высокую
корреляцию с критерием.
Трудности, возникающие в ходе анализа заданий скоростного теста,
в принципе аналогичны тем, о которых говорилось в гл. 5 в связи
с надежностью тестов на скорость. Были предложены различные спо-
собы преодоления этих трудностей, касающиеся как процедуры тестиро-
вания, так и статистической обработки результатов. Одним из эмпириче-
ских решений было увеличение лимита времени для групп, на которых
проводится анализ заданий. Такое решение приемлемо, если только сама
скорость не является важным аспектом измеряемой тестом способности.
Помимо технических проблем, относящихся к конкретным тестам, необ-
ходимо иметь в виду, что данные, получаемые в ходе анализа заданий
скоростных тестов, ненадежны и нуждаются в тщательном изучении.
ПЕРЕКРЕСТНАЯ ВАЛИДАЦИЯ
Значение перекрестной валидации. Важно, чтобы валидность теста
определялась на выборке испытуемых, отличной от той, с помощью ко-
торой производился отбор заданий. Такое независимое измерение валид-
ности всего теста называется перекрестной валидацией (C.I. Mosier,
1951). Любой коэффициент валидности, найденный по выборке, приме-
нявшейся для отбора заданий, окажется завышенным, так как случайные
особенности этой выборки будут учитываться как истинные свойства по-
пуляции. Фактически при таких обстоятельствах высокий коэффициент
валидности может появиться, даже когда тест совершенно не обладает
валидностью в предсказании конкретного критерия.
Предположим, что в выборке из 100 студентов-медиков было выде-
лено 30 человек с самой высокой успеваемостью и 30 с наиболее низкой
успеваемостью, которые составили контрастные критериальные группы.
Если теперь эти две группы сопоставить по ряду качеств, фактически не
имеющих отношения к успеваемости в медицинском институте, то, не-
198 ПРИНЦИПЫ ПСИХОЛОГИЧЕСКОГО ТЕСТИРОВАНИЯ
частных школ и рыжеволосых студентов. Если бы нам пришло в голову
приписывать каждому человеку по очку за окончание частной школы
и за рыжий цвет волос, то средний результат оказался бы, несомненно,
выше в верхней, чем в нижней критериальной группе. Однако это не сви-
детельствует о валидности выбранных признаков, так как данный про-
цесс валидации содержит круг в доказательстве. Оба предиктора вы-
браны в первую очередь на основе случайных особенностей, характери-
зующих данную выборку. И те же случайные различия ответственны за
появление различий между суммарными результатами. Однако при про-
верке на другой выборке случайные различия в количестве окончивших
частные школы и рыжих, скорее всего, исчезнут или изменят знак, и сле-
довательно, валидность показателей нарушится.
Практический пример. Конкретной иллюстрацией необходимо-
сти перекрестной валидации является исследование, в котором была
предпринята попытка выяснить применимость роршаховского теста чер-
нильных пятен для найма управляющих агентствами по страхованию
жизни (А. К. Kurtz, 1948). Этот тест был применен к 80 испытуемым,
тщательно отобранным среди нескольких сот таких управляющих, рабо-
тавших в восьми страховых компаниях. Из этих 80 человек 42, считав-
шихся весьма компетентными работниками, составили верхнюю крите-
риальную группу. Остальные 38 человек были неудовлетворительными
работниками, и они образовали нижнюю критериальную группу. Полу-
ченные 80 тестовых ответов были изучены экспертами по тесту Роршаха,
отобравшими 32 знака (т.е. характеристики ответов), чаще встречавших-
ся в одной группе, нежели в другой. Затем каждому испытуемому было
присуждено по +1 очку за каждый знак, чаще обнаруживаемый в верх-
ней критериальной группе, и по-1 очку за каждый знак, чаще встречав-
шийся в нижней критериальной группе. Поскольку всего имелось по 16
знаков каждого типа, суммарный результат теоретически мог принимать
значения от -16 до +16.
Когда этот ключ, основанный на 32 знаках, был применен к перво-
начальной группе из 80 человек, принадлежность 79 из них к верхней или
нижней группе была определена правильно. Таким образом, корреляция
между результатом теста и критерием оказалась близкой к 1,00. Однако
когда была проведена перекрестная валидация теста на второй сопоста-
вимой выборке управляющих страховыми агентствами, насчитывавшей
41 человек (21 в верхней группе и 20 в нижней), коэффициент валидности
упал до ничтожной цифры 0,02. Очевидно, таким образом, что ключ, раз-
работанный на первой выборке, не пригоден для отбора персонала на
такую должность.
Пример со случайными данными. Э. Э. Кьюретон (Е. Е. Ки-
reton, 1950) убедительно показал, что использование одной и той
же выборки для отбора заданий и валидации теста может привести
к значительному завышению коэффициента валидности даже при чисто
случайных условиях. В этой работе прогнозируемым критерием служил
средний балл каждого из 29 студентов, записавшихся на курс психоло-
гии. Весь диапазон значений этого критерия был разбит на две области:
оценки не ниже <В> и оценки ниже <В>. Роль <заданий> в этом экспери-
менте играли 85 номерков (1-85). Чтобы получить <результаты> теста
для каждого испытуемого, номерки складывались в коробочку, переме-
ТТТИВЯ ЛИСТ. И RЫГTПЯTTИr НЯ Г-ТПТТ Тр тлч UMV vn-rnner ттзгтпгтп гтт1ттот1Г>й г-гп-
199 АНАЛИЗ ЗАДАНИЙ
дентом заданий. Подобный <тест> был проведен 29 раз, что дало
полный набор <результатов> каждого студента по каждому <заданию>.
Эту процедуру Э. Кьюретон остроумно назвал <тест В-проективного
психокинеза>.
Затем был проведен анализ заданий, в котором в качестве критерия
фигурировал средний балл студента. В результате из 85 <заданий> было
отобрано 24, из коих 9 чаще <выполнялись> членами верхней крите-
риальной группы и поэтому получили веса + 1, тогда как 15 чаще <вы-
полнялись> в нижней группе, и им приписывались веса - 1. Сумма весов
<заданий> составляла итоговый результат каждого студента. Несмотря
на заведомо случайное происхождение данных, корреляция <результатов
теста> с критерием успеваемости для все той же группы из 29 студентов
оказалась равной 0,82. Этот результат аналогичен тому, который был
получен в примере с тестом Роршаха. В обоих случаях очевидное со-
ответствие между результатами теста и критерием объясняется исполь-
зованием одних и тех же случайных различий как для отбора заданий,
так и для определения валидности теста в целом.
Условия, влияющие на снижение валидности. Степень сни-
жения коэффициента валидности при перекрестной валидации частично
зависит от размера первоначальной совокупности заданий и от того, ка-
кая часть заданий сохраняется. Если первоначальное число заданий вели-
ко, а доля отобранных заданий мала, то возрастает возможность исполь-
зования случайных различий и тем самым получения завышенного
коэффициента валидности. На степень снижения валидности при пере-
крестной валидации влияет также размер выборки. Поскольку завыше-
ние валидности в первоначальной выборке является результатом нако-
пления ошибок выборки, при малых выборках (для которых такие
ошибки больше) будет наблюдаться большее снижение валидности.
Если задания отбираются сообразно гипотезам, которые формули-
руются заранее, исходя из психологической теории или опыта работы
с данным критерием, то при перекрестной валидации сокращение валид-
ности будет минимальным. Например, если согласно частной гипотезе
ответ <да> должен появляться чаще среди успевающих учеников, то за-
дание следует отбросить, когда ответ <да> значительно чаще исходит от
неуспевающих учеников. Наоборот, бездумный эмпирический подход оз-
начал бы, например, включение в первоначальную серию самых разно-
образных вопросов, безотносительно к их связи с критериальным пове-
дением, в расчете на последующий отбор заданий, имеющих значимую
положительную или отрицательную корреляцию с критерием. В послед-
нем случае следует ожидать большего снижения валидности, чем
в первом. Итак, снижение валидности теста при перекрестной валида-
ции будет наибольшим, если выборки малы, исходный набор заданий ве-
лик, величина отобранных заданий мала и задания подбираются без за-
ранее выработанной системы гипотез.
ВЗАИМОДЕЙСТВИЕ МЕЖДУ ЗАДАНИЕМ И ГРУППОЙ
Предварительные исследования. В той мере, в какой разные куль-
туры или субкультуры благоприятствуют развитию различных навыков
и знаний, эти различия сказываются и на результатах тестов. Общий
200
ПРИНЦИПЫ ПСИХОЛОГИЧЕСКОГО ТЕСТИРОВАНИЯ
средой. В связи с этим возникает вопрос об относительной трудности
заданий для групп с различными культурами. Если трудность измеряет-
ся обычным способом, т.е. с помощью процента справившихся с зада-
нием, то будет ли ранг порядка задания тем же самым от группы к груп-
пе, независимо от общего уровня его выполнения? Уже в первых
исследованиях, направленных на выяснение этого вопроса, был обнару-
жен ряд существенных различий между городскими и сельскими детьми
по отношению к трудности заданий тестов Станфорд-Бине (Н.Е. Jones,
H.S.Conrad, M.B.BIanchard, 1930) и общей информативности теста
(M.E.Shimberg, 1929).
Более полную информацию о групповых различиях относительно
трудности заданий дает мера взаимодействия между заданием и груп-
пой, получаемая посредством дисперсионного анализа. Существует
и другой метод, по которому определяется корреляция в двух группах
процента выполнивших одни и те же задания или значений А.
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
набор заданий, из которого последовательно изымаются наименее
удачные, пока не достигается требуемая валидность теста. Поскольку да-
же такие методы требуют большого объема вычислений, к ним целесо-
образно обращаться только при наличии вычислительной техники
(J.A.Fossum, 1973; S.Henrysson, 1971).
Следует отметить, что все способы отбора заданий по их чистой эф-
фективности представляют подход, обратный тому, который ориентиро-
ван на внутреннюю согласованность. В первом случае чем выше корре-
ляция между заданием и тестом, тем больше шансов на то, что задание
будет изъято; во втором же случае чем выше такая корреляция, тем
больше вероятность того, что задание будет включено в тест. Цели обо-
их подходов, разумеется, различны. Один направлен на наиболее широ-
кий охват критерия и меньшее дублирование заданий; второй же предус-
матривает повышение однородности теста. И то и другое желательно
иметь в виду при составлении теста. Выбор конкретной процедуры
в большой степени зависит от характера теста и его назначения. Так,
в биографическом опроснике задания (вопросы) можно оценивать и от-
бирать только в соответствии с внешним критерием, причем охватывае-
мое опросником содержание в высшей степени неоднородно. Примером
совсем иного рода может служить тест на правописание, весьма одно-
родный по содержанию; здесь уже существенным ориентиром для отбо-
ра заданий является внутренняя согласованность.
Применительно ко многим задачам тестирования удовлетворитель-
ное решение означает распределение сравнительно однородных заданий
по отдельным тестам или субтестам, каждый из которых относится к ка-
кому-то одному аспекту критерия. Таким образом, учет разных аспектов
достигается разнообразием тестов, каждый из которых позволяет полу-
чить более или менее однозначный результат, а не разнородностью зада-
ний в рамках одного теста. При таком подходе задания с низкими ин-
дексами внутренней согласованности не отбрасываются, а выделяются.
Тем самым в пределах каждого субтеста или группы заданий может
быть достигнута довольно высокая внутренняя согласованность. В то же
время такая согласованность не будет трактоваться как заменитель ва-
лидности по критерию, и потребуется лишь уделить некоторое внимание
тому, чтобы разные аспекты критерия были адекватно представлены
в тесте и чтобы не было чрезмерной концентрации заданий по неко-
торым из аспектов.
196 ПРИНЦИПЫ ПСИХОЛОГИЧЕСКОГО ТЕСТИРОВАНИЯ
АНАЛИЗ ЗАДАНИЙ ТЕСТОВ НА СКОРОСТЬ
Независимо от того, входит ли скорость в число измеряемых функций,
индексы заданий, вычисленные для скоростных тестов, могут создавать
ложное впечатление. Если не считать заданий, при выполнении которых
никто или почти никто из обследуемых не испытывает недостатка време-
ни, эти индексы отражают не столько действительную трудность или ва-
лидность заданий, сколько их положение в тесте. Задания, выполняемые
в тесте позднее, будут выполнены сравнительно малым числом испы-
туемых, поскольку лишь немногие успевают до них добраться. Каким бы
легким ни было задание, если оно расположено в конце теста на ско-
рость, оно будет казаться трудным. Если, скажем, вопрос об имени ис-
пытуемого поместить в конце скоростного теста, то процент лиц, отве-
тивших на него, будет весьма низким.
Точно так же переоценивается валидность заданий, к выполнению
которых многие испытуемые не успевают приступить. Поскольку более
опытные индивиды обычно работают быстрее, они, по-видимому, скорее
доберутся до заданий, находящихся в конце теста на скорость
(W.G. Mollenkopf, 1950 а). Таким образом, независимо от характера
самого задания некоторая корреляция между ним и критерием будет об-
наружена, даже если оно находится ближе к концу теста.
Чтобы избежать некоторых из этих затруднений, можно ограничить
анализ каждого задания только данными испытуемых, достигших со-
ответствующего задания в тесте. Это решение, однако, нельзя считать
удовлетворительным, если число лиц, выполнивших задание, невелико.
Такая процедура сопряжена с использованием быстро сокращающегося
числа испытуемых, вследствие чего результаты по последним заданиям
могут оказаться ненадежными. Более того, испытуемые, выполнившие
такие задания, вероятно, будут представлять собой селективную выбор-
ку, не сопоставимую с более широкой выборкой, использованной для
анализа ранних заданий. Как уже отмечалось, испытуемые, работающие
быстро, часто также более опытны. Таким образом, более поздние зада-
ния будут анализироваться на выборке индивидов с более высоким уров-
нем. Последствием такого селективного фактора окажется занижение
уровня трудности более поздних заданий, поскольку процент справив-
шихся с заданием в селективной выборке выше, чем во всей выборке.
Отметим, что в данном случае ошибка обратна той, которая появляется
при вычислении процента справившихся с заданием относительно всей
исходной выборки. В этом случае происходит завышение трудности
заданий.
Влияние вышеописанной процедуры на индексы валидности заданий
не столь очевидно, но тем не менее реально. Замечено, например, что не-
которые из испытуемых, показывающих низкие результаты, торопясь
выполнить тест в отведенное время, отмечают в тестовом бланке (или
тетради) ответы почти наугад. Среди испытуемых с высокими результа-
тами эта тенденция выражена гораздо меньше. В итоге выборка, на ко-
торой производится анализ более позднего задания, нередко включает
в себя нескольких весьма слабых респондентов, выполняющих задания
на уровне случайности, и довольно значительное число опытных и бы-
стрых испытуемых, чьи ответы обычно оказываются правильными. В та-
кой группе корреляция задания и критерия, вероятно, будет выше. чем
В боттРР прттгч>">вт11-,1-т"-"-"- ---" "
197 АНАЛИЗ ЗАДАНИЙ
респондентов выборка, на которой анализируются задания, располо-
женные в конце теста, охватывала бы относительно узкий диапазон спо-
собности. В этих условиях валидность более поздних заданий скорее все-
го окажется ниже, чем если бы она вычислялась на всей выборке.
Ожидаемое влияние скорости на индексы трудности и валидности
заданий проверялось опытным путем как для случаев, когда статистиче-
ская обработка проводится по всей выборке (A.G.Wesman, 1949), так
и для случаев, когда выборка ограничивалась лицами, пытавшимися вы-
полнить задание (W.G. Mollenkopf, 1950 а). Во втором из этих двух ис-
следований сопоставимым группам старшеклассников давались две
формы вербального теста и две формы математического теста. Каждая
из двух форм состояла из одних и тех же заданий, но начальные и ко-
нечные серии в этих формах менялись местами. Каждая форма предъя-
влялась в жестких (условия скорости) и свободных (условия возможно-
стей) временных рамках. Такой способ тестирования позволил сравнить
между собой как формы тестов, так и временные условия. Результаты
ясно показали, что положение задания в скоростном тесте влияет на ин-
дексы трудности и валидности. Когда одной то же задание предъявля-
лось не в самом начале скоростного теста, оно выполнялось большим
процентом испытуемых, пытавшихся его решить, и имело более высокую
корреляцию с критерием.
Трудности, возникающие в ходе анализа заданий скоростного теста,
в принципе аналогичны тем, о которых говорилось в гл. 5 в связи
с надежностью тестов на скорость. Были предложены различные спо-
собы преодоления этих трудностей, касающиеся как процедуры тестиро-
вания, так и статистической обработки результатов. Одним из эмпириче-
ских решений было увеличение лимита времени для групп, на которых
проводится анализ заданий. Такое решение приемлемо, если только сама
скорость не является важным аспектом измеряемой тестом способности.
Помимо технических проблем, относящихся к конкретным тестам, необ-
ходимо иметь в виду, что данные, получаемые в ходе анализа заданий
скоростных тестов, ненадежны и нуждаются в тщательном изучении.
ПЕРЕКРЕСТНАЯ ВАЛИДАЦИЯ
Значение перекрестной валидации. Важно, чтобы валидность теста
определялась на выборке испытуемых, отличной от той, с помощью ко-
торой производился отбор заданий. Такое независимое измерение валид-
ности всего теста называется перекрестной валидацией (C.I. Mosier,
1951). Любой коэффициент валидности, найденный по выборке, приме-
нявшейся для отбора заданий, окажется завышенным, так как случайные
особенности этой выборки будут учитываться как истинные свойства по-
пуляции. Фактически при таких обстоятельствах высокий коэффициент
валидности может появиться, даже когда тест совершенно не обладает
валидностью в предсказании конкретного критерия.
Предположим, что в выборке из 100 студентов-медиков было выде-
лено 30 человек с самой высокой успеваемостью и 30 с наиболее низкой
успеваемостью, которые составили контрастные критериальные группы.
Если теперь эти две группы сопоставить по ряду качеств, фактически не
имеющих отношения к успеваемости в медицинском институте, то, не-
198 ПРИНЦИПЫ ПСИХОЛОГИЧЕСКОГО ТЕСТИРОВАНИЯ
частных школ и рыжеволосых студентов. Если бы нам пришло в голову
приписывать каждому человеку по очку за окончание частной школы
и за рыжий цвет волос, то средний результат оказался бы, несомненно,
выше в верхней, чем в нижней критериальной группе. Однако это не сви-
детельствует о валидности выбранных признаков, так как данный про-
цесс валидации содержит круг в доказательстве. Оба предиктора вы-
браны в первую очередь на основе случайных особенностей, характери-
зующих данную выборку. И те же случайные различия ответственны за
появление различий между суммарными результатами. Однако при про-
верке на другой выборке случайные различия в количестве окончивших
частные школы и рыжих, скорее всего, исчезнут или изменят знак, и сле-
довательно, валидность показателей нарушится.
Практический пример. Конкретной иллюстрацией необходимо-
сти перекрестной валидации является исследование, в котором была
предпринята попытка выяснить применимость роршаховского теста чер-
нильных пятен для найма управляющих агентствами по страхованию
жизни (А. К. Kurtz, 1948). Этот тест был применен к 80 испытуемым,
тщательно отобранным среди нескольких сот таких управляющих, рабо-
тавших в восьми страховых компаниях. Из этих 80 человек 42, считав-
шихся весьма компетентными работниками, составили верхнюю крите-
риальную группу. Остальные 38 человек были неудовлетворительными
работниками, и они образовали нижнюю критериальную группу. Полу-
ченные 80 тестовых ответов были изучены экспертами по тесту Роршаха,
отобравшими 32 знака (т.е. характеристики ответов), чаще встречавших-
ся в одной группе, нежели в другой. Затем каждому испытуемому было
присуждено по +1 очку за каждый знак, чаще обнаруживаемый в верх-
ней критериальной группе, и по-1 очку за каждый знак, чаще встречав-
шийся в нижней критериальной группе. Поскольку всего имелось по 16
знаков каждого типа, суммарный результат теоретически мог принимать
значения от -16 до +16.
Когда этот ключ, основанный на 32 знаках, был применен к перво-
начальной группе из 80 человек, принадлежность 79 из них к верхней или
нижней группе была определена правильно. Таким образом, корреляция
между результатом теста и критерием оказалась близкой к 1,00. Однако
когда была проведена перекрестная валидация теста на второй сопоста-
вимой выборке управляющих страховыми агентствами, насчитывавшей
41 человек (21 в верхней группе и 20 в нижней), коэффициент валидности
упал до ничтожной цифры 0,02. Очевидно, таким образом, что ключ, раз-
работанный на первой выборке, не пригоден для отбора персонала на
такую должность.
Пример со случайными данными. Э. Э. Кьюретон (Е. Е. Ки-
reton, 1950) убедительно показал, что использование одной и той
же выборки для отбора заданий и валидации теста может привести
к значительному завышению коэффициента валидности даже при чисто
случайных условиях. В этой работе прогнозируемым критерием служил
средний балл каждого из 29 студентов, записавшихся на курс психоло-
гии. Весь диапазон значений этого критерия был разбит на две области:
оценки не ниже <В> и оценки ниже <В>. Роль <заданий> в этом экспери-
менте играли 85 номерков (1-85). Чтобы получить <результаты> теста
для каждого испытуемого, номерки складывались в коробочку, переме-
ТТТИВЯ ЛИСТ. И RЫГTПЯTTИr НЯ Г-ТПТТ Тр тлч UMV vn-rnner ттзгтпгтп гтт1ттот1Г>й г-гп-
199 АНАЛИЗ ЗАДАНИЙ
дентом заданий. Подобный <тест> был проведен 29 раз, что дало
полный набор <результатов> каждого студента по каждому <заданию>.
Эту процедуру Э. Кьюретон остроумно назвал <тест В-проективного
психокинеза>.
Затем был проведен анализ заданий, в котором в качестве критерия
фигурировал средний балл студента. В результате из 85 <заданий> было
отобрано 24, из коих 9 чаще <выполнялись> членами верхней крите-
риальной группы и поэтому получили веса + 1, тогда как 15 чаще <вы-
полнялись> в нижней группе, и им приписывались веса - 1. Сумма весов
<заданий> составляла итоговый результат каждого студента. Несмотря
на заведомо случайное происхождение данных, корреляция <результатов
теста> с критерием успеваемости для все той же группы из 29 студентов
оказалась равной 0,82. Этот результат аналогичен тому, который был
получен в примере с тестом Роршаха. В обоих случаях очевидное со-
ответствие между результатами теста и критерием объясняется исполь-
зованием одних и тех же случайных различий как для отбора заданий,
так и для определения валидности теста в целом.
Условия, влияющие на снижение валидности. Степень сни-
жения коэффициента валидности при перекрестной валидации частично
зависит от размера первоначальной совокупности заданий и от того, ка-
кая часть заданий сохраняется. Если первоначальное число заданий вели-
ко, а доля отобранных заданий мала, то возрастает возможность исполь-
зования случайных различий и тем самым получения завышенного
коэффициента валидности. На степень снижения валидности при пере-
крестной валидации влияет также размер выборки. Поскольку завыше-
ние валидности в первоначальной выборке является результатом нако-
пления ошибок выборки, при малых выборках (для которых такие
ошибки больше) будет наблюдаться большее снижение валидности.
Если задания отбираются сообразно гипотезам, которые формули-
руются заранее, исходя из психологической теории или опыта работы
с данным критерием, то при перекрестной валидации сокращение валид-
ности будет минимальным. Например, если согласно частной гипотезе
ответ <да> должен появляться чаще среди успевающих учеников, то за-
дание следует отбросить, когда ответ <да> значительно чаще исходит от
неуспевающих учеников. Наоборот, бездумный эмпирический подход оз-
начал бы, например, включение в первоначальную серию самых разно-
образных вопросов, безотносительно к их связи с критериальным пове-
дением, в расчете на последующий отбор заданий, имеющих значимую
положительную или отрицательную корреляцию с критерием. В послед-
нем случае следует ожидать большего снижения валидности, чем
в первом. Итак, снижение валидности теста при перекрестной валида-
ции будет наибольшим, если выборки малы, исходный набор заданий ве-
лик, величина отобранных заданий мала и задания подбираются без за-
ранее выработанной системы гипотез.
ВЗАИМОДЕЙСТВИЕ МЕЖДУ ЗАДАНИЕМ И ГРУППОЙ
Предварительные исследования. В той мере, в какой разные куль-
туры или субкультуры благоприятствуют развитию различных навыков
и знаний, эти различия сказываются и на результатах тестов. Общий
200
ПРИНЦИПЫ ПСИХОЛОГИЧЕСКОГО ТЕСТИРОВАНИЯ
средой. В связи с этим возникает вопрос об относительной трудности
заданий для групп с различными культурами. Если трудность измеряет-
ся обычным способом, т.е. с помощью процента справившихся с зада-
нием, то будет ли ранг порядка задания тем же самым от группы к груп-
пе, независимо от общего уровня его выполнения? Уже в первых
исследованиях, направленных на выяснение этого вопроса, был обнару-
жен ряд существенных различий между городскими и сельскими детьми
по отношению к трудности заданий тестов Станфорд-Бине (Н.Е. Jones,
H.S.Conrad, M.B.BIanchard, 1930) и общей информативности теста
(M.E.Shimberg, 1929).
Более полную информацию о групповых различиях относительно
трудности заданий дает мера взаимодействия между заданием и груп-
пой, получаемая посредством дисперсионного анализа. Существует
и другой метод, по которому определяется корреляция в двух группах
процента выполнивших одни и те же задания или значений А.
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