Добавил:

ivanov666 Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Башкирский Государственный Аграрный Университет

Предмет:

[НЕСОРТИРОВАННОЕ]

Файл:

Психология профессиональной пригодности. Учебное пособие для вузов

.pdf

Скачиваний:

Добавлен:

08.09.2026

Размер:

2 Мб

Скачать

☆

<<< < Предыдущая 26 27 28 29 30 31 32 33 34 35 36 37 3839 / 5039 40 41 42 43 44 45 46 47 48 49 50 > Следующая >>>

Глава 10. Приемы разработки и оценки методов диагностики...

разработал компьютерные программы факторного, кластер ного и регрессионного анализа, которые использовались для распознавания внешнего критерия эффективности службы в системе органов внутренних дел [196].

Мерой связи между внешним критерием (например, фактором «профессионализм») и тестовым показателем слу жит коэффициент линейной корреляции по Пирсону. Ко эффициент принимает значения от –1 до +1. Показатели связаны положительно, если с ростом одного из них возра стает и второй, и, наоборот, при росте одного и уменьшении другого. Коэффициенты корреляции рассчитываются для выборки в целом. Однако интерес представляет конкретный человек, у которого по показателям психодиагностических измерений можно было бы предсказать профессиональную успешность. Для этого используется техника регрессионно го анализа.

В простейшем случае, если обозначить буквой «Д» про гнозируемую оценку профессиональной успешности конк ретного человека, а «Х» — его тестовый показатель, то про гноз можно определить по формуле:

× Х,

Д = r

381

где r — коэффициент корреляции.

От относительных величин (нормированных) легко пе рейти к абсолютным. В этом случае формула регрессии при нимает вид:

Д = А + кХ,

где Д и Х — нормированные показатели; А — свободный член; к — коэффициент при аргументе, то есть тестовом по казателе.

Полностью поведение человека непредсказуемо, и коэф фициент корреляции между внешним (рабочим) поведением и результатами отдельных тестовых измерений, как правило, составляет 0,2—0,3. Однако множество разных тестовых по

Раздел II. Методы определения профессиональной пригодности

382

казателей, взятых в совокупности, связаны с прогнозируе мым поведенческим качеством сильнее. Происходит сово купное усиление возможностей в задаче распознавания внешнего «образа».

Для прогноза в этом случае используется уравнение мно

жественной регрессии типа:

⋅ Х

Д = А + R

+ m ⋅ X2 + i ⋅ X3 + … + q ⋅ Xn,

где Д — прогнозируемая поведенческая величина (напри мер, уровень «профессионализма»), R, m, i, q — коэффици енты уравнения, полученные ранее на большой выборке ис пытуемых; X

, X2, X3 … Xn— показатели тестовых измерений.

Для получения коэффициентов диагностических уравне ний множественной регрессии иногда используют не всю вы борку, а только полярные группы, то есть самых успешных профессионалов и тех, от которых целесообразно избавиться.

Разработанный методический подход, по мнению Б.Г. Бо вина, имеет свои преимущества и недостатки [196]. Положи тельными качествами являются, в частности, быстрота рас чета и эффективность оценивания информативности применяемых методов. Одновременно можно использовать практически любое количество показателей, из которых ав томатизированная процедура позволяет сделать выбор тех, которые имеют отношение к распознаванию заданного «об раза». Заданным «образом» может быть любой внешний кри терий: наиболее и наименее профессионально успешные сотрудники, студенты с разным уровнем академической ус певаемости, виновники аварийных ситуаций и т. п.

Другим преимуществом является достаточно полная кар тина статистических характеристик, получаемых на промежу точном этапе, которые позволяют исследовать многочислен ные связи между используемыми параметрами. Различные психодиагностические методы могут сравниваться по тому вкладу, который они вносят в распознавание заданного «об раза». В этом случае можно проверять валидность любых те стов, использование которых дает цифровой показатель.

Глава 10. Приемы разработки и оценки методов диагностики...

Последнее преимущество имеет и свой недостаток — про исходит определенное «выхолащивание» качественного, со держательного аспекта диагностики. Другим недостатком яв ляется нестабильность получаемых моделей распознавания. Каждая новая выборка дает новую модель распознавания не изменного внешнего критерия. В эту модель могут войти дру гие показатели, ранее отвергнутые в ходе регрессионной про цедуры. Это создает ощущение определенной ненадежности полученных результатов. Однако эта неопределенность объясняется тем, что различные показатели обусловлены од ним и тем же фактором, то есть несмотря на многовариатив ность моделей, содержательная сущность их сохраняется.

383

10.4. Математические процедуры разработки шкал методик

Результаты обследования (абсолютные показатели) по всем методикам, используемым при психологическом от боре, выражаются в оценках (относительных величинах) по 9балльной шкале. Перевод абсолютных величин резуль татов обследований в относительные (баллы) может быть осуществлен путем расчета средних арифметических вели чин и сигмы или путем процентного распределения соглас но закону «нормальной кривой» применительно к 9балль ной шкале.

Оценка, балл x —1,96

9—−1,96 8 −1,51 −1,95 7 −1,01 −1,50 6 −0,51 −1,00 5 −0,50 +0,50 4 +0,51 +1,00 3 +1,01 +1,50 2 +1,51 +1,95 1 +1,96 —

σ≤ x

≤ x + 1,96σ

Раздел II. Методы определения профессиональной пригодности

384

Для середины 9балльной шкалы (5 баллов) берется ин тервал, включающий в себя варианты, отстоящие от средней величины на ±0,50 s. Каждый последующий балл в обе сто роны от балла 5 составляет интервал в 0,5 s. Такое построе ние 9балльной шкалы справедливо, когда число наблюдений (N) превышает 120. При меньшем количестве наблюдений и другом выбранном уровне значимости доверительный интер вал определяется по стандартным значениям критерия Стью дента из специальных таблиц.

Рассчитанная таким образом шкала требует дополни тельной корректировки в процессе обследования, так как не дает плавного распределения всего массива результатов. Сама же корректировка проводится опытным путем, что снижает объективность и точность получаемых шкал. Кро ме того, расчет s — довольно трудоемкий процесс.

В настоящее время доказано [18, 66], что распределение оценок многих стандартизированных психологических тес тов апроксимируется формой «нормальной кривой». Поэто му представляется целесообразным расчет шкал для методи ки психологического отбора проводить с использованием закона нормального распределения случайных величин.

Расчет шкал с использованием закона нормального рас пределения случайных величин применительно к 9балльной шкале оценок производится следующим образом: из всего массива абсолютных показателей сначала выделяется 4% луч ших и 4% худших показателей, и всем вариантам, начиная с худшего в первом случае и лучшего во втором, соответствен но присваиваются баллы 9 и 1; далее из оставшихся снова вы деляется, но уже 7% лучших и худших результатов, и всем ва риантам в этих пределах соответственно присваиваются баллы 8, 2 и т. д.

Для того чтобы разработанная шкала отвечала научным требованиям, число наблюдений, на которых она разрабо тана, должно быть 500 и более, так как только в этом случае закон нормального распределения случайных величин (по казателей изучения психологических качеств) вступает в силу и будут учтены (оценены) все возможные варианты в

Глава 10. Приемы разработки и оценки методов диагностики...

Распределение процентов «нормальной кривой» по группам

и баллам интегральной оценки психологического отбора

аппурГVIIIIIII

ллаБ123456789

%,еинеледерпсаР017116102611163

385

Таблица 12

пределах указанных процентов применительно к 9балльной шкале.

Корректировка процентов по соответствующим баллам для интегральной оценки и групп психологического отбора проводится на основе экспериментальных исследований и определяется потребностями практики распределения (дифференцировки) кандидатов по результатам психологи ческого отбора (табл. 12).

За абсолютный показатель при выведении интегральной оценки или группы берется сумма баллов (L) по всем мето дикам с учетом их весовых коэффициентов или коэффици ентов корреляции с интегральным внешним критерием. Расчет шкалы производится, как указано выше, аналогично расчету для отдельной методики:

…

;

AK BK CK NK

++++

123

KKK K

++++

123

Ar Br Cr Nr

++++

123

rrr r

++++

123

Нормативные оценки по 9балльной шкале для некото рых методик психологического отбора летчиков по абсолют ным показателям приведены в таблице 13.

При разработке шкал как отдельных методик, так и ин тегрального показателя возникает вопрос определения дос таточного объема наблюдений для получения достоверных статистических показателей. Для этого на основе предвари тельных исследований определяется среднее квадратическое отклонение (s), ориентировочно характеризующее колебле

Раздел II. Методы определения профессиональной пригодности

386

Таблица 13

Нормативные оценки методик психологического отбора

нелсиЧ

ыллаБ

8632—56203—33874—8443—73501—011891—181

7112—53272—92714—6482—3379—401812—991

6191—01232—62623—0442—7209—69442—

5171—09181—22582—1391—3208—98572—542

4151—07131—71441—7251—8117—97813—672

3631—0519—2139—3111—4195—07273—913

2611—5315—825—87—0163—85524—373

керроK

арут

662

≥

511

кубон

еыннев

атечос

яин

4301—99483111081

40—14653624

ылакШысапмоKысаЧ

вонатсУ

еинел

оноказ

сонрем

йет

иксытО

еинав

лесич

912

мость изучаемого признака в генеральной совокупности. Далее устанавливается необходимый уровень доверительной вероятности (P), который определяется целями исследова ния и соответствует значениям:

≥ 0,95 0,99 0,999

≥ 1,96 2,58 3,29

Наконец, задается (произвольно, на основании опыта) степень точности (D) характеристики среднего значения ге неральной совокупности (допускаемая ошибка отклонения от генеральной совокупности). Расчет необходимой выбор ки производится по формуле

2 σ2/Δ2

N = t

Например, необходимо установить N при разработке шкалы конкретной методики. По предварительным расче

Глава 10. Приемы разработки и оценки методов диагностики...

там σ = 23, уровень доверительности вероятности P = 0,99 и соответственно t = 2,58, а допускаемая ошибка Подставляя значения в формулу, находим N = 352.

Увеличение или уменьшение выборки произойдет при ус тановлении другого доверительного уровня или точности ха рактеристики среднего значения (допускаемой ошибки). На пример, при P = 0,999 количество наблюдений N = 580 и т. д.

Величину допускаемой ошибки можно определить и по формуле

387

Δ = 3 с.

Δ = 2tσ/n

где n — размерность используемой шкалы; k — градация абсо лютных показателей внутри каждого из 9 баллов; цифра 2 вве дена для учета знаков «минус» и «плюс». При определении максимально допустимого значения ошибки k не учитывает ся. Для более точного определения го балла k должна составлять 3,5 или более вариантов. Напри мер, величина ошибки для 9балльной шкалы методики при P = 0,99 и зателей внутри каждого балла (3 с) будет составлять: а максимально допустимая величина даций внутри каждого балла. При изменении доверительной вероятности и градаций внутри баллов будет меняться и

быть проверена путем изучения фактического распределения абсолютных показателей в процентах по соответствующим баллам 9балльной шкалы. Так, если фактическое распреде ление совпадает с расчетным, методика составлена пра вильно. Если произошел сдвиг в сторону 1 или 9 баллов, то это означает, что степень трудности, условия или время предъявления подобраны неправильно и этот недостаток необходимо устранить. Например, при выполнении методи ки «Часы» результаты обследования распределились по 9 балльной шкале со сдвигом к 9 баллам по отношению к рас четным. Это означает, что время на выполнение задания (12 мин) велико и большее, чем должно быть, число испытуе

σ = 23 и трех вариантов значений абсолютных пока

Правильность (не валидность) построения методик может

Δ градация внутри каждо

Δ = 4,4 с,

Δ = 13 с, то есть без гра

Δ.

Раздел II. Методы определения профессиональной пригодности

388

мых успевают правильно решить все задачи. Уменьшение времени выполнения до 8 мин привело к нормальному (рас четному) распределению полученных результатов.

Для определения правильности выбора единиц измере

ния или градаций методики можно воспользоваться форму

Δ = 2tσ/n

лой делимой единицы измерения, эта единица измерения не может быть использована в качестве дифференциации дан ного текста. Например, в методике «Компасы» единицей из мерения является задача из одного компаса, то есть он может быть учтен или нет. Эта единица измерения неделима, часть компаса не может быть учтена. Полученная часть единицы дает сведения о том, на сколько нужно увеличить (расширить) количество задач или как изменить единицу измерения. Так, например, если личество задач в тесте должно быть увеличено в 3 или более раза. С увеличением числа задач в тесте этот недостаток уст раняется. Практические исследования показывают, что коли чество задач в тесте должно быть (при P = 0,95 и максималь но допустимом значении

В.С. Аванесов [5] приводит примерные числа высказы ваний для разработки вопросников: минимальное число — 10; достаточное — от 23 до 29; практически оптимальное — от 30 до 40; теоретически желаемое — свыше 41.

. В тех случаях, когда Δ составляет часть от не

Δ оказалась равной 1,3 — это значит, что ко

Δ) не менее 20.

10.5. Статистический алгоритм разделения субъектов на классы профессиональной

пригодности

10.5.1. Постановка задачи

Пусть информация о психологических особенностях чело века содержится в nмерном векторе v (v

(i = 1, 2, …, n) — число, полученное при помощи той или

из v

другой методики (среди них могут быть определенным об разом закодированы и качественные характеристики чело

, v2, …, vn). Каждое

Глава 10. Приемы разработки и оценки методов диагностики...

389

века). В дальнейшем компоненты v будут называться при знаками. Выбор признаков обычно производится с учетом психологических требований к профессиональной пригод ности. Предлагаемый алгоритм позволяет отбросить те из используемых признаков, которые оказываются неинфор мативными для данной конкретной задачи определения профессиональной пригодности.

Предполагается, что группам лиц, с одной стороны, при годных (группа «А»), а с другой стороны, непригодных (груп па «В») к рассматриваемой деятельности соответствуют два класса nмерных векторов {v

} и {vB}, которые могут сильно

пересекаться, но статистически различны. В дальнейшем все гда будем считать, что {v

} — класс векторов, характеризую

щих пригодных к данной деятельности субъектов.

С математической точки зрения задача определения профессиональной пригодности заключается в отнесении с определенной вероятностью ошибки вектора (v

, v2, …, vn) к

одному из двух классов — «А» или «В».

Имеется много различных методов решения этой задачи. Во всех методах необходим этап «обучения»: статистический анализ уже имеющегося опыта. Для целей определения про фессиональной пригодности они не получили большого рас пространения — одни изза крайней громоздкости и сложно сти применения даже при помощи вычислительных машин, другие потому, что оказались не очень эффективными.

Успех классификации по многим признакам в задачах диагностики зависит от информативности этих признаков и способа интеграции информации. Этот способ интеграции должен быть:

1) простым в вычислительном отношении и доступным при использовании;

2) малочувствительным к отсутствию какоголибо при знака;

3) в какойто мере инвариантным к сдвигу распределе ний признаков (последнее существенно в силу необ ходимости считаться с разными методическими усло виями получения одного и того же признака).

Раздел II. Методы определения профессиональной пригодности

390

Этим требованиям в значительной степени удовлетворя ет алгоритм, основанный на модификации последователь ного статистического анализа отношения вероятностей [58]. Он был предложен для диагностических целей и оказался весьма эффективным при дифференциальной диагностике ряда заболеваний по таким признакам, на основании кото рых постановка диагноза оказывалась затрудненной даже для опытных специалистов [63].

Для целей определения профессиональной пригоднос ти этот алгоритм должен быть еще более эффективным, так как психологические признаки v

, v2, …, vn являются слабо

статистически зависимыми, а при этих условиях последова тельный анализ отношения вероятностей является опти мальной процедурой для классификации на два класса [64].

10.5.2. Алгоритм

Алгоритм состоит из двух этапов: первого — этапа обучения, во время которого накапливается информация о признаках на основании уже имеющегося опыта и оценивается инфор мативность выбранных признаков, и второго — этапа клас сификации, на котором выносится решение о пригодности субъекта к определенной деятельности.

Обучение. Предполагается, что на основании предыдуще го опыта можно выделить группы субъектов «А» и «В», кото рые отражают наше понимание пригодности (или непригод ности) к данной деятельности и являются определенными эталонами для дальнейшего прогнозирования пригодности. Ряд практических вопросов, связанных с образованием клас сов «А» и «В», будет рассмотрен ниже. Далее предполагается, что имеется какойто набор признаков v ность которых для определения профессиональной пригод ности можно и не знать. Теперь можно построить множество векторов {v

} и {v

пы субъектов «А» и «В».

Процесс обучения состоит в получении оценки дискрет

, v2,…, vn, существен

<<< < Предыдущая 26 27 28 29 30 31 32 33 34 35 36 37 3839 / 5039 40 41 42 43 44 45 46 47 48 49 50 > Следующая >>>

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]