В частности, еще в 1942. г. А. Болдуином был предложен подсчет со-
вместной встречаемости слов в тексте (Baldwin А., 1942). В конце
50-х годов Ч. Осгуд с сотрудниками обогатил контент-анализ методи-
кой <связанности символов>, в которой развивается принцип Болдуи-
на, что позволяет обнаруживать неслучайные, связанные между со-
бой элементы содержания, представленные в специальных матрицах
(Семенов В. Е., 1983; Osgood Ch., 1959). В сущности, эта методика
была началом введения в контент-анализ корреляционной техники, а
затем и факторного анализа.
Новым этапом в развитии контент-анализа стала его компьютери-
зация в 60-х годах. В Массачусетском технологическом институте по-
явился <универсальный анализатор> (The General Inquirer) - ком-
плекс программ анализа текстовых материалов для ЭВМ, при помощи
которого можно, подсчитывать частоты категорий содержания текста,
получать азл<чйыенндёксы{га~осневе_ совместного появления этих
_-ктгоан и т. Д. (Stone Ph., Dunphy D., 1966). Подобным образом на
ЭВМ были исследованы речи двадцати американских президентов при
их вступлении на этот пост, редакционные статьи в газетах разных
стран, личные письма, сочинения, вербальное поведение психически
больных людей и прочие материалы. С 70-х годов в США разрабаты-
ваются стандартные программы анализа разнообразных документов
на ЭВМ, которые предлагаются организациям и частным лицам (Со-
хоп А" 1977), тогда же компьютерный контент-анализ развивается и
в других странах (Deichelsel А., 1975).
Естественно, что использование ЭВМ в контент-анализе обеспечи-
вает преимущества, заключающиеся в надежности получаемых данных
и быстроте анализа, по сравнению с ручным, выполняемым людьми-
кодировщиками, которые подвержены ошибкам из-за утомления и субъ-
51
STR.52
ективных факторов. Таким образом, трудоемкость составления про-
грамм окупается тем огромным объемом содержания, которое доста-
точно быстро и надежно можно проанализировать на компьютере, а
также освобождением кодировщиков от их чрезвычайно утомительного
труда. В целом проблемы использования машинного контент-анализа
близки общей стратегии применения ЭВМ в эмпирических социальных
исследованиях. Важно правильно определить, когда следует восполь-
зоваться машинным, а когда ручным анализом, что зависит от задач
исследования, от объема материалов, подлежащих анализу, от степе-
ни их формализуемости.
На основании данного обзора представляется, что качественно-ко-
личественный анализ документов в нашей психодиагностике несомнен-
но должен использоваться более широко и интенсивно.
STR.53
ГЛАВА 3
ПСИХОМЕТРИЧЕСКИЕ ОСНОВЫ ПСИХОДИАГНОСТИКИ
3.1. РЕПРЕЗЕНТАТИВНОСТЬ ТЕСТОВЫХ НОРМ
Основные статистические принципы построения тестов достаточно
полно освещены в появившейся в начале 80-х годов на русском языке
литературе по дифференциальной психометрике (Аванесов В. С., 1982;
Анастази А" 1982; Гайда В. К., Захаров В. П., 1982). Тем не менее в
указанных руководствах центральная проблема психометрики те-
стов - вопрос о тестовых нормах - еще не получила последователь-
ного освещения. Прежде всего это относится к руководству известной
представительницы американской тестологии А. Анастази.
В руководстве Анастази не получают достаточного критического об-
суждения две основополагающие предпосылки традиционной западной
тестологии: вопрос о применении статистических норм (квантилей рас-
пределения баллов) в качестве диагностических норм и вопрос о све-
дении всех эмпирических распределений к нормальной модели. Здесь
эти предпосылки будут проанализированы в контексте краткой рекон-
струкции системы основных понятий дифференциальной психометрики.
Статистическая природа тестовых шкал. Типичный измерительный
тест в психодиагностике - это последовательность кратких заданий,
или пунктов, дающая в результате ее выполнения испытуемым последо-
вательность исходов, которая затем подвергается однозначной количе-
ственной интерпретации. Примеры интерпретации в интеллектуальных
тестах, состоящих из отдельных задач: <правильное решение>, <оши-
бочное решение>, <отсутствие ответа> (пропуск задачи из-за нехватки
времени). Примеры интерпретации в случае личностных опросников,
состоящих из высказываний, предлагаемых для подтверждения испы-
туемым: <подтверждение> (ответ <верно>), <отвержение> (ответы <не
согласен>, <неверно>).
Суммарный балл по тесту подсчитывается с помощью ключа: ключ
устанавливает числовое значение исхода по каждому пункту. Напри-
мер, за правильное решение задания - <+1>, за неправильное или
пропуск - <О>. Тогда балл буквально выражает количество правиль-
ных ответов.
Исход по отдельному заданию подвержен воздействию не только со
стороны измеряемого фактора - способности или черты испытуемого,
но и побочных шумовых факторов, которые являются иррелевантными
по отношению к задаче измерения. Примеры случайных факторов: ко-
лебания внимания, вызванные неожиданными отвлекающими события--
ми (шум на улице, стук в дверь и т. п.), трудности в понимании смыс-
ла задания (вопроса), вызванные особенностями опыта данного кон-
кретного испытуемого, и т. п. Последовательность исходов оказывает-
ся последовательностью событий, содержащей постоянный и случайный
компоненты. Как известно, основным приемом, позволяющим устранить
искажающее влияние случайных факторов на результат (суммарный
балл), является балансирование этого влияния с помощью повторе-
ния. При этом фактически предполагается, что повторение обеспечива-
ет рандомизацию (случайное варьирование) неконтролируемого фак-
53
STR.54
тора, в результате чего при суммировании исходов положительные и
негативные эффекты случайных факторов взаимопоглощаются (о ме-
ханизме рандомизации см.: Готтсданкер P., 1982).
В оптимальном тесте набор и последовательность заданий органи-
зуются таким образом, чтобы повысить долю постоянного компонента
и сократить долю случайного в величине суммарного балла. Тем не ме-
нее, несмотря на различные статистические ухищрения, суммарный
балл в психологических измерениях содержит несравненно большугс
долю случайного компонента, чем в обычных физических измерениях.
В силу этого суммарный балл оказывается определенным лишь в из-
вестных пределах, заданных ошибкой измерения.
Для того чтобы оценить эффективность, дифференциальную цен-
ность всей процедуры измерения, необходимо соотнести размеры ошиб-
ки измерения с размерами разброса суммарных баллов, вызванных ин-
дивидуальными различиями в измеряемой характеристике между испы-
туемыми. В терминах статистики речь идет о сравнении так называе-
мой <истинной> дисперсии распределения суммарных баллов с диспер-
сией <ошибки>.
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