(2) эти утверждения оцениваются экспертами по 11-
балльной шкале, от "очень расположен" до "очень не расположен";
(3) отбираются те задания, относительно которых мнения экспертов
не разошлись. Кроме того, отобранные задания должны располагать-
ся по всей 11-балльной шкале. Показателем испытуемого будет ме-
дианная шкальная цена высказываний, с которыми он согласился,
или наибольшая оценка на шкале для заданий, которые он подтвер-
дил. ,
Поскольку, как утверждает Edwards (1957), необходимо около
100 экспертов, если мы хотим получить надежное шкалирование, то
существуют очевидные трудности с подбором этих экспертов. Поми-
мо этого, если эксперты не отражают в точности ту выборочную
совокупность (популяцию, группу лиц), для которых предназнача-
ется средство измерения, то, конечно же, вся процедура будет некор-
ректной.
Nunnally (1978) весьма обоснованно подвел итог тем возражени-
ям, которые выдвигались против использования шкал Терстоуна. По
его мнению, основной трудностью в данной модели является то, что
задания очень редко к ней подходят. Сутью этой модели является то,
156
что на каждое задание имеется ключевой ответ только в одной облас-
ти значений измеряемого свойства. Так, если имеется утверждение:
"Я ненавижу войну,"- то его должны подтвердить только, те, кто
получат средний балл на шкале аттитюда к войне. Однако испытуе-
мые с сильными антивоенными настроениями также, вероятно, отве-
тят на это задание утвердительно. Таким образом, данная модель не
отражает правильно структуру аттитюдов. Другими словами, эти
задания монотонны , и это существенно для большинства заданий
для измерения аттитюдов. Однако данная модель шкалирования не
является монотонной. В ней предполагается континуальность изме-
ряемого свойства и нормальное распределение ответов на задания.
Практические проблемы, связанные с подбором экспертов, вместе с
тем фактом, что трудно подобрать задания так, чтобы они соответст-
вовали предположениям данной модели, являются вескими противо-
показаниями для использования шкал Терстоуна при измерении ат-
титюдов.
Шкалы Гутмена
Шкалы Гутмена уже упоминались в главе 1, когда было указано,
что модель Раша (в случае, если задания не различимы по трудности)
порождает вероятностную версию шкалы Гутмена. Это, однако, не-
обычный взгляд на шкалы Гутмена, который заслуживает здесь не-
сколько более подробного описания.
Шкалы Гутмена попадают в класс моделей, известных как детер-
минированные, в которых предполагается, что кривые, описываю-
щие зависимость "задание-ответ" лишены погрешностей. По шкале
Гутмена предполагается, что в случае, когда задания упорядочены по
трудности, скажем, от 1 до 20, если испытуемый выполнил задание
8, он в состоянии выполнить и задания от 1 до 7. Если же он не смог
выполнить задание 9, то он также не сможет выполнить и задания от
10 до 20.
На основе кривых, описывающих зависимости "задание-ответ", в
данной модели предполагается, что для всех значений, превышаю-
щих некоторую точку на оси измеряемого свойства, вероятность от-
вета О. равна 0, а для всех меньших значений вероятность равна +1.
Это означает, что каждое задание имеет высокую бисериальную кор-
реляцию с общим показателем, и является весьма дискриминатив-
ным в некоторой точке на континуальной оси измеряемого свойства.
Под монотонностью понимается, во-первых, то, что задание допускает как поло-
жительный, так и отрицательный ответ, во-вторых, вероятность утвердительного
ответа возрастает по мере роста значимости данной черты (свойства) и наоборот
(Прим.ред.)
157
При конструировании шкал Гутмена (уже существуют компью-
терные программы для выполнения необходимых при этом задач
сортировки больших объемов) основной целью является создание
заданий, так отобранных в порядке их трудности, что выполнение
некоторого задания означало бы, что будут выполнены и все предше-
ствующие ему задания, а неспособность выполнить некоторое зада-
ние означала бы и неспособность выполнить все последующие. Это
очевидно проще для заданий, применительно к которым такой поря-
док устанавливается относительно легко, таких как задания по мате-
матике или по теории музыки, нежели тех, что относятся к менее
структурированным дисциплинам.
По этому типу шкал высказано много критических замечаний.
Первым и наиболее важным, с нашей точки зрения, является заме-
чание, сделанное Levy (1973), хотя и не в связи со шкалами Гутмена.
Леви подчеркивает важность того, что базовая модель психологиче-
ского теста должна соответствовать объекту измерения. В данном
случае, представляется маловероятным, чтобы кривые, описываю-
щие зависимость "задание-ответ" из шкалы Гутмена, соответствова-
ли каким-либо реальным психологическим данным. Задания далеко
не всегда коррелируют на соответствующем уровне значимости с
общими показателями по измеряемому свойству; таким образом,
модель, в которой предполагается такая корреляция, не пригодна для
обработки имеющихся данных.
Еще одно критическое замечание состоит в том, что задания для
шкалы Гутмена могут отбираться просто выбором заданий, имеющих
широкий диапазон по трудности или скорости выполнения. Однако,
кривые, описывающие зависимость "задание-ответ", являются не
такими, какими они должны быть для того, чтобы удовлетворять
требованиям данной модели. Отсутствие широкого диапазона изме-
нения заданий по трудности означает, что шкалы являются коротки-
ми и, следовательно, слабо дискриминативными.
Аналогичное возражение было выдвинуто Nunnally (1978), кото-
рый указывал, что построение шкалы Гутмена в аспекте трудности
заданий не гарантирует ее одномерность. Так, легкое, среднее, весь-
ма трудное и очень сложное задания, каждое из которых измеряет
что-то свое, вероятно, могут образовать шкалу Гутмена. Однако по
какому свойству или скрытой черте будут в таком случае построены
кривые зависимости "задание-ответ"?
И последним возражением, приведенным Nunnally (1978), явля-
ется то, что шкала Гутмена - это в лучшем случае только лишь
порядковая шкала.
158
Эти критические замечания с нашей точки зрения не могут быть
опровергнуты, и представляется, что попытка сконструировать та-
кую шкалу не будет иметь большого значения.
Шкалы Лайкерта
Шкалы Лайкерта состоят из утверждений, за которыми следуют
пяти- или семибалльные рейтинговые шкалы, указывающие степень
согласия испытуемого с этими утверждениями. Поскольку при шка-
лировании такого типа предполагается только то, что отдельные за-
дания монотонно связаны с измеряемым аттитюдом, а сумма показа-
телей по заданиям линейно связана с ним, очевидно, что в шкалиро-
вании по Лайкерту нет никаких недопустимых предположений.
Однако, я не намерен уделять много внимания конструированию
шкал Лайкерта, поскольку этот тип шкал аттитюдов ничем сущест-
венно не отличается от стандартного личностного опросника, пол-
учаемого путем коррелирования каждого задания с общим показате-
лем. Другими словами, модель, основанная на шкалах Лайкерта,
описывается классической теорией измерения, а тесты лучше всего
конструировать при помощи методик анализа заданий, обсуждав-
шихся ранее. Их дискриминативность является следствием самой
сути заданий - утверждений, относящихся к аттитюдам - и формы
заданий; шкала, указывает степень согласия испытуемого с утверж-
дением.
ШАГИ КОНСТРУИРОВАНИЯ
Здесь будут обсуждены только те моменты, в которых есть какие-
либо существенные различия с процедурами, описанными ранее.
Задания. При шкалировании аттитюдов важно точно указать объ-
ект. В нашем примере мы возьмем аттитюд к евреям (автор надеется
на то, что поскольку он сам является евреем, это позволит избежать
любых обвинений в антисемитизме: никакого умышленного антисе-
митизма в этом примере нет). Вначале соберем все утверждения,
относящиеся к евреям. Крайних утверждений, как положительных,
так и отрицательных, следует избегать, так как в нормальной попу-
ляции (категории обследуемых) многие такие задания покажут сла-
бый разброс и будут в этом случае подвержены влиянию установки
на социально желательные ответы. Аналогично, нейтральные зада-
ния также покажут небольшой разброс. Следовательно, целью будет
найти утверждения, которые являются умеренно положительными
или умеренно отрицательными. Тест должен будет содержать, чтобы
он выглядел более реалистично и его цель была не так очевидна,
примерно половину положительных и половину отрицательных ут-
159
верждений. Этот баланс будет полезен для преодоления установки на
согласие. Приведем несколько заданий в качестве примера;
(1) Евреи внесли значительный вклада современную науку (уме-
ренно положительное)
(2) Без евреев современная наука отстала бы на много лет (поло-
жительное, слишком крайнее)
(3) Евреи склонны держаться вместе как обособленный клан (от-
рицательное, умеренное)
(4) Евреи просочились почти во все важные организации (нега-
тивное, слишком крайнее)
(5) Евреи - это фактически высшая, избранная раса (положи-
тельное, слишком крайнее)
(6) Евреи обычно связаны с деньгами и материальными ценностя-
ми (негативное, слишком крайнее)
Форма задания. Как было описано, для шкалы Лайкерта необхо-
димы пяти- или семибалльные рейтинговые шкалы, указывающие
степень согласия с каждым утверждением. У Nunnally (1978) можно
найти полное обсуждение того, как правильно использовать рейтин-
говые шкалы. В кратком изложении можно сказать, что:
(а) Задания с графическими шкалами легче выполнять и они
приводят к меньшему количеству ошибок, чем задания с числовыми
шкалами.
Пример графической шкалы:
Полностью
Полностью
несогласен
В случае числовой шкалы слова-комментарии указываются рядом
с числами.
(б) Надежность возрастает с увеличением количества градаций
шкалы, и это возрастание резко обрывается после 7. Это говорит в
пользу семибалльной шкалы.
(в) При нечетном количестве градаций результаты несколько от-
личаются от результатов для шкал с четным количеством градаций.
Однако, нечетное количество градаций позволяет использовать ней-
тральный (средний) ответ, который в шкалах аттитюдов представля-
ется полезным (хотя он может породить уже известную установку на
ответ).
Таким образом, имея задания, основанные на утверждениях о
евреях, и семибалльные рейтинговые шкалы степени согласия с эти-
ми утверждениями, мы уже готовы испытать наши задания и подвер-
гнуть их процедуре анализа.
160
Анализ заданий. Для анализа заданий должна использоваться
большая и репрезентативная выборка, отражающая ту часть населе-
ния, для которой разрабатывается этот тест. Идеальным было бы
обследовать в десять раз больше испытуемых, чем есть заданий в
тесте, однако можно использовать и две большие выборки (в каждой
более 100 испытуемых).
Как и при анализе заданий для личностных опросников, каждый
вопрос должен коррелировать с общим показателем по тесту. Чтобы
добиться этого, для отрицательных утверждений оценка показателей
должна быть подвергнута так называемому обращению. Покажем это
на примере.
( 1 ) Евреи склонны держаться вместе замкнутым кланом (отрица-
тельный аттитюд)
(2) Евреи - высококультурная группа в европейском сообществе
(положительный аттитюд)
Для задания 1 показатель равен 8 (количество градаций шкалы
плюс 1) минус реальное значение, отмеченное испытуемым; а для
задания 2 показатель равен реальному значению, отмеченному на
шкале. Общий показатель для каждого испытуемого, отражающий
его позицию по переменной "положительный аттитюд к евреям",
состоит из суммы показателей, полученных по заданиям.
Шаги по обработке результатов следующие:
(1) Подсчитайте показатели для каждого задания, принимая во
внимание обращение для негативных заданий, как описано для зада-
ний 1 и 2 выше.
(2) На основе показателей по заданиям вычислите общий показа-
тель для каждого испытуемого.
(3) Вычислите коэффициента (см. гл.5, стр. 173).
(4) Вычислите корреляцию каждого задания с общим показате-
лем, используя формулу произведения моментов Пирсона.
(5) Отберите задания, для которых выполняется критерий корре-
ляции (в обоих случаях, если используются две формулы).
(6) Если возможно, используйте равное количество положитель-
ных и отрицательных заданий.
(7) Вычислите коэффициент а. для нового теста из отобранных
заданий.
(8) Следует стремиться к шкалам из 20 заданий, как указано в
главе 6 (см. стр. 197), со значением коэффициента а 0.60 или выше.
(9) Если необходимо, переформулируйте некоторые задания и
подвергните их вновь анализу.
4-196
(10) Апробируйте и подвергните анализу заданий окончательно
отобранную шкалу.
(II) Заданиям следует приписать весовые коэффициенты в соот-
ветствии с их корреляцией с общим показателем. Однако, как указы-
вает Nunnally, корреляция шкал, в которых используются весовые
коэффициенты, и шкал без них так велика, что, как оказывается, не
стоит утруждать себя вычислением этих весовых коэффициентов.
(12) Валидизируйте переменную теста при помощи соответству-
ющих экспериментальных приемов.
Вероятно, нет никаких сомнений в том, что в результате этих
процедур будет получено однородное и с признаками очевидной ва-
лидности средство измерения аттитюда к евреям, для которого про-
цедурами шага 12 будет продемонстрировано, валидно оно или нет.
Заслуживает внимания еще один момент. Когда используются
многобалльные шкалы, разброс заданий всегда больше, чем в случае
с дихотомическими заданиями. Следовательно, факторный анализ
заданий шкалы Лайкерта с гораздо большей вероятностью может
привести к четкой факторной структуре чем для личностных опрос-
ников, в которых используется дихотомический подсчет показате-
лей.
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