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).
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
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).
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