|
группы, т. е. самых успешных профессионалов и тех, от которых необходимо избавиться. Разработанная методология имеет свои преимущества и негативные стороны. Остановимся на некоторых из них. Одним из положительных качеств подобного подхода является достаточная быстрота и эффективная оценка информативности используемых методов. Одновременно можно использовать практически любое количество показателей, из которых автоматизированная процедура позволяет сделать выбор тех, которые имеют отношение к распознаванию заданного «образа». Таким «образом» может быть любой внешний критерий. Это может быть совокупность профессионально успешных, или неуспешных работников, слушатели с высокой или низкой академической успеваемостью. Другим преимуществом является достаточно полная картина статистических характеристик, получаемых на промежуточном этапе, которые позволяют исследовать многочисленные связи между используемыми параметрами. Ценным в этом подходе является системность и целенаправленность всей исследовательской процедуры. Четко формулируется задача, заключающаяся в распознавании внешнего критерия (образа) с помощью независимых от него измерений. И здесь «все средства хороши», которые приводят к более точному распознаванию. Различные методы, применяемые в психодиагностике, могут сравниваться не по какой-то эфемерной ценности (объективные — субъективные, бланковые инструментальные, личностные интеллектуальные, современные устаревшие), а по тому вкладу, который они вносят в распознавание заданного «образа». В этом случае можно проверять валидность любых используемых тестов, которые имеют результатом своего применения цифровой показатель. Однако последнее преимущество имеет и свою противоположность. Происходит определенное выхолащивание содержательного аспекта диагно185 |
Для прогноза в этом случае используется уравнение множественной регрессии типа: Д =А+к-Х1+т-Х2+1ХЗ + ... + q-Xn, (2.3) где Д—прогнозируемая поведенческая величина (например, уровень успешности обучения в вузе или профессионализма); к, ш, 1, q—коэффициенты уравнения, полученные ранее на большой выборке испытуемых; XI, Х 2,... Хп—показатели тестовых измерений. Для получения коэффициентов диагностических уравнений множественной регрессии иногда используют не всю выборку, а только полярные группы, т. е. самых успешных профессионалов и тех, от которых система желала бы избавиться. Разработанная методология имеет свои преимущества и негативные стороны /172/. Остановимся на некоторых из них. Одним из положительных качеств подобного подхода является достаточная быстрота и эффективная оценка информативности используемых методов. Одновременно можно использовать практически любое количество показателей, из которых автоматизированная процедура позволяет сделать выбор тех, которые имеют отношение к распознаванию заданного «образа». Заданным «образом» может быть любой внешний критерий. Это может быть контингент профессионально успешных, или неуспешных сотрудников, слушатели с высокой или низкой академической успеваемостью, сотрудники с делинквентными формами поведения, виновники чрезвычайных происшествий и т. п. Другим преимуществом является достаточно полная картина статистических характеристик, получаемых на промежуточном этапе, которые позволяют исследовать многочисленные связи между используемыми параметрами. 132 Ценным в этом подходе является системность и целенаправленность всей исследовательской процедуры. Четко формулируется задача, заключающаяся в распознавании внешнего критерия (образа) с помощью независимых от него измерений. И здесь «все средства хороши», которые приводят к более точному распознаванию. Различные методы, применяемые в психодиагностике, могут сравниваться не по какой-то эфемерной ценности (объективные — субъективные, бланковые инструментальные, личностные интеллектуальные, современные устаревшие), а по тому вкладу, который они вносят в распознавание заданного «образа». В этом случае можно проверять валидность любых используемых тестов, которые имеют результатом своего применения цифровой показатель. Однако, последнее преимущество имеет и свою противоположность. Происходит определенное выхолащивание содержательного аспекта диагностики. Этому способствует и получаемое конечное диагностическое уравнение, которое является математической абстракцией, позволяющей распознавать заданный образ, но требующей одновременно дополнительного достаточно сложного анализа для получения содержательной характеристики «образа». Другим более серьезным недостатком является нестабильность получаемых моделей распознавания. Каждая новая выборка дает новую модель распознавания неизменного внешнего критерия. В эту модель могут войти другие показатели, ранее отвергнутые в ходе регрессионной процедуры. Это создает ощущение определенной ненадежности полученных результатов. Однако, эта неопределенность объясняется тем, что различные показатели являются представителями одного и того же фактора, т. е. несмотря на многовариативность моделей, содержательная сущность их сохраняется. Использование описанной методологии распознавания образов (внешних поведенческих характеристик) позволило получить достаточ |