Надежность и валидность теста - это что такое? Тесты по психодиагностике

МЕТОДИКА РАСЧЕТА ТЕСТОВЫХ ХАРАКТЕРИСТИК

Бовтрукевич Мария Викторовна,

студент 3 курса г. Минск

Киреенко Анна Владимировна

студент 3 курса , кафедра информационных технологий, БГУ, г. Минск

Сиротина Ирина Казимировна

научный руководитель, ст. преподаватель, БГУ, г. Минск

На сегодняшний день вопрос тестового контроля очень актуален. Широкое применение он получил при проведении вступительной компании в вузы, при проверке знаний учащихся школ, лицеев, средних специальных и высших учебных заведений, при приеме на работу.Поскольку тестыпомогают определить человеку его способности, задатки, склонности, а также уровень знаний, умений и навыков, то они занялизначимую позицию в сфере образования.

Тест - это инструмент, состоящий из квалиметрически выверенной системы тестовых заданий, стандартизированной процедуры проведения и заранее спроектированной технологии и анализа результатов для измерения качеств и свойств личности, учебных достижений, изменение которых возможно в процессе систематического обучения .

Педагогическим тестом называется система заданий специфической формы, определенного содержания, равномерно возрастающей трудности - система, создаваемая с целью объективно оценить структуру и измерить уровень подготовленности учащихся (студентов). .

Главная проблема тестовогоконтролязнаний- сам процесссозданиятестов, ихунификацияианализ.Чтобы довеститестдополнойготовностикприменениюнеобходимонесколько лет собирать статистические данные.Довольночастовстречаетсязначительныйсубъективизмвформированиисодержаниясамих тестов, в отборе и формулировке тестовых вопросов. Многое такжезависитот конкретной тестовой системы, от того, сколько времени отводится наконтроль знаний, от структуры включенных в тестовое задание вопросов и т. д.Для объективной оценки уровня знаний необходимо грамотное составление теста: недостаточно придумать вопросы и варианты ответов, так как в этом случае может возникнуть немало противоречий, ошибок, неопределенностей, задания могут оказаться слишком простымиили же наоборот, слишком сложными. Всвязи с чемтестовые задания проходят процесс специальной оценки, который мы и рассмотрим в нашей работе.

Целью нашей работы является систематизация методов, позволяющих рассчитывать тестовые характеристики. Проведя анализ научной литературы по теме исследования , мы отобрали самые распространенные тестовые характеристики, собрали их воедино, подробно расписали их применение, составили общие правила для создания качественного теста, привели примеры. Мы надеемся, что данная работа усовершенствует такую форму проверки знаний, как тестовый контроль, что в свою очередь улучшит качество образования.

В теории и практике тестовых измерений последователи выделяют разнообразные тестовые характеристики: надежность, валидность, дискриминативность, социокультутраняя адаптированность, достоверность, однозначность, стандартизированность, точность, сложность, нормирование и др. В данной работе в силу спецификации нашего исследования мы рассмотрели следующие из них: надежность, валидность, дискриминативность.

Дискриминативность задач определяется, как способность отделять испытуемых с высоким общим баллом по тесту от тех, кто получил низкий балл, или испытуемых с высокой продуктивностью учебной деятельности от испытуемых с низкой продуктивностью. .

Для вычисления дискриминативности мы будем использовать метод крайних групп: при расчете дискриминативности тестового задания учитываются результаты наиболее и наименее успешных студентов. Доля членов крайних групп может изменяться в широких пределах в зависимости от величины выборки. Чем больше выборка, тем меньшей долей испытуемых можно ограничиться при выделении групп с высоким и низким результатами. Нижняя граница «отсечения групп»составляет 10 % от общего числа испытуемых в выборке, верхняя -33 %. В нашей работемы будем использовать 27 % группу, так как при таком процентном соотношении достигается максимальная точность определения дискриминативности.

Индекс дискриминации D определяетсякак разность между долей лиц, правильно решивших задачу, из «высокопродуктивной»и «низкопродуктивной»групп и находится поформуле:

где: Nn max - количество студентов в группе лучших, верно выполнивших задание; Nn min - количество студентов в группе худших, верно выполнивших задание; N max - общее количество испытуемых в группе лучших; N min - общее количество испытуемых в группе худших.

В. К. Гайда и В. П. Захаров предлагают вычислять коэффициент дискриминации, рассчитывая меру соответствия между успешностью решения одной задачи и всего теста. Этот показатель будет являться коэффициентом дискриминации, для его расчета используют формулу:

, (2)

где: x - среднее арифметическое значение всех индивидуальных оценок по тесту;

x n - среднее арифметическое значение оценок по тесту у тех испытуемых, которые правильно решили задачу;

δ x - среднеквадратическое отклонение индивидуальных оценок по тесту для выборки;

n - число испытуемых, правильно решивших задачу;

N d - общее число испытуемых.

Коэффициент дискриминации может принимать значения от -1 до +1. Высокое положительное значение дискриминативности тестового задания свидетельствует об эффективности деления испытуемых, высокое отрицательное значение свидетельствует о непригодности данной задачи для теста, о ее несоответствии суммарному результату. Результат D ≥0,3 считается удовлетворительным. Если значение коэффициента близко к 0, то задачи должны рассматриваться как некорректно сформулированные.

Валидность означает пригодность тестовых результатов для той цели, ради чего проводилось тестирование . Валидность -это характеристика способности теста служить поставленной цели измерения . Валидность определяет, насколько тест отражает то, что он должен оценивать .

Различают следующие ее виды: с одержательная валидность - характеристика репрезентативности содержания теста по отношению к запланированным для проверки знаниям и умениям ;к онструктная (концептуальная) валидность - характеристика адекватного измерения теоретического конструкта,т. е. действительно ли тест на умственное развитие определяет коэффициент умственного развития; к ритериальная валидность-определяет способность теста служить индикатором строго определенных особенностей, форм поведения;т екущая валидность - характеристика теста, отражающая его способность различать испытуемых на основании того признака, который является объектом выявления в данной методике;п рогностическая валидность предоставляет информацию о том, насколько точно можно судить о качестве, выявленном в ходе тестирования, по прошествии определенного времени после измерения .

Для оценки валидности теста обычно используют корреляцию между показателями теста и некоторым внешним критерием. Для педагогических тестов в качестве критерия обычно берутся оценки экспертов, выставленные ими при традиционной проверке знаний студентов без использования тестов. Процесс валидизации осложняется необходимостью установления меры согласованности оценок экспертов, которых обычно бывает не менее трех человек.

Валидностьпо количественным способам определенияпреимущественно выясняетсяс помощью качественных оценок, как правило, с привлечением экспертов :офакторном анализе говорят, когда для определения валидности используется факторный анализ с целью определения факторных нагрузок и факторного состава теста; консенсусная валидность - для получения второго ряда оценок используют данные внешних экспертов; эмпирическа я валидность - для получения второго ряда оценок используют результаты, полученные путем применения методики известной ранее или из других источников.

В данной работе мы рассмотрим пример расчета валидности с учетом результатов тестирования и экспертных оценок:

, (3)

где: - среднееарифметическоеэкспертных оценок,

Стандартное отклонение этих оценок:

(3.2)

Аналогично - среднееарифметическоетестовых баллов студентов, а
- стандартное отклонение этих баллов, вычисляются также по формулам (3.1), (3.2).

Надежностью называется характеристика теста, отражающая точность тестовых измерений, а также устойчивость тестовых результатов к действию случайных факторов .

Различают два вида надежности: надежность как устойчивость; надежность как внутреннюю согласованность.

Надежность как устойчивость. Устойчивость результатов теста - возможность получения одинаковых результатов у испытуемых в различных случаях. Надежность как устойчивостьизмеряется с помощью повторного проведения теста на той же выборке испытуемых, обычно через две недели после первого тестирования. Надежность теста тем выше, чем более согласованы результаты одного и того же человека при повторной проверке знаний посредством того же теста или эквивалентной его формы (параллельного теста). Для нахождения данной характеристики предлагают в , использовать формулу Пирсона:

, (4)

где X i - тестовый балл i-го испытуемого при первом измерении;

Y i - тестовый балл того же испытуемого при повторном измерении;

N -количество испытуемых.

Внутренняя согласованность определяется связью каждого конкретного элемента теста с общим результатом, тем, насколько каждый элемент входит в противоречие с остальными, насколько каждый отдельный вопрос измеряет признак, на который направлен весь тест. Для проверки внутренней согласованности рассматриваются следующие методы: метод расщепления или метод автономных частей; метод эквивалентных бланков; метод Альфа Кронбаха. В методе расщепления применяются формулы: Спирмана-Брауна; Рюлона; Кьюдера-Ричардсона; Стенли. Если значения коэффициента r попадают в интервал 0,80-0,89, то говорят, что тест обладает хорошей надежностью, а если этот коэффициент не меньше 0,90, то надежность можно назвать очень высокой. При применении метода расщепления тестовую матрицу разбивают на две половины, состоящие из заданий с четными и нечетными номерами.

Формула Спирмена -Брауна выглядит так:

Перед применением этой формулы, надо применить формулу (3). Обратите внимание на то, что в данном случаи X i - тестовый балл i -го испытуемого за задания с четным номером; Y i

Формула Рюлона выглядит так:

Дисперсия разностей между результатами каждого испытуемого по обеим половинам тестаS 2 d находится по формуле:

где:X i - тестовый балл i-го испытуемого за задания с четным номером;

Y i - тестовый балл того же испытуемого за задания с нечетным номером.

Дисперсия суммарных баллов результатаS 2 z находится по формуле:

, (6.2)

где: Z i - суммарный балл за весть тест i -го студента.

Формула Кьюдера-Ричардсонавыглядит так:

, (7)

где: p j - доля правильных ответов на j -ое задание, т.е. кол-во правильных ответов, деленное на кол-во студентов;

q j - доля неправильных ответов на j -ое задание, т. е. кол-во неправильных ответов, деленное на кол-во студентов (q j = 1 -p j );

S 2 z - дисперсия суммарных баллов результата, которая вычисляется по формуле (5.2).

При подсчете надежности по формуле Стенли студентов необходимо разделить на две группы. В первую группу войдут 27% «сильных» студентов (те, кто набрал наибольшее количество баллов), а в слабую 27% «слабых» студентов (те, кто набрал наименьшее количество баллов).

Формула Стенли:

, (8)

где W L - количество неправильных ответов на данный вопрос в слабой группе;

W H - количество неправильных ответов на данный вопрос в сильной группе;

n - количество вопросов в тесте;

k - количество испытуемых в сильной (слабой) группе, т. е. 27 % от общего числа испытуемых.

Коэффициент Альфа Кронбаха показывает внутреннюю согласованность характеристик, описывающих один объект, и находится по формуле:

, (9)

где: S 2 Y - дисперсия суммарных баллов результата, которая вычисляется по формуле (3.2);

S 2 Yi - дисперсия элемента i .

Методику расчета тестовых характеристик покажем на конкретном примере . Мы получили результаты тестирования студентов, представленные в таблице 1.

Таблица 1

Результаты первого тестирования

Спустя две недели тест провели повторно и получили результат, представленный в таблице 2.

Таблица 2

Результаты второго тестирования

Используя данные таблиц, перейдем к расчету всех вышеперечисленных характеристик.

Дискриминативность

1.Рассчитываем количество студентов в крайних группах, сразу округляя до целых:.

2. Рассмотрим группу лучших и группу худших, в каждой из которых будет по 3 человека. Получим таблицу 3.

Таблица 3

Сводная таблица тестирования с экспертными оценками

Таким образом в группу лучших входят студенты под номером 1, 10, 4; в группу худших: 3, 5, 2 (если встречаются студенты с одинаковым баллом за тест, учитываем экспертные оценки).

3. Составимтаблицу4, состоящую только из студентов группы лучших и студентов группы худших, сразу рассчитывая количество студентов в каждой группе, правильно выполнивших задание.

Таблица 4

Сводная таблица тестирования с экспертными оценками
для крайних групп

4. Рассчитываем индекс дискриминативности для каждого задания по формуле (1):

, , , , , , , , , .

Длаем вывод, что задания 6 и 7 недискриминативны.

Валидность

В таблице 6найдены E i (экспертная оценка),Z i (общий балл за тест), n - известно, в нашем случае равно 10.

1. Находим и по формуле (3.1):

2. Находим и по формуле (3.2):

,.

3.Валидность рассчитывается по формуле (3). Для удобства отдельно посчитаем:

Получим: .

Надежность как устойчивость

1. Для начала построим таблицу 5.

Таблица 5

Нахождения надежности по формуле Пирсона

2. Применим формулу (4):

Надежность как внутренняя согласованность. Данную характеристику мы будем считать методом расщепления по формуле Рюлона (6).

1. Для начала найдем дисперсию разностей между результатами каждого испытуемого по обеим половинам теста. Заполним таблицу 6.

Таблица 6

Расчет дисперсии разностей результатов

2. Применим формулу (6.1): .

3. Найдем дисперсию суммарных баллов результата, предварительно построив таблицу 7.

Таблица 7

Расчет дисперсии суммарных баллов

4. Применяя формулу (6.2), а затем и формулу (6), получим:

, .

Интерпретация результатов

1. Надежность как устойчивость: поскольку значение коэффициента приблизительно равно 0,923, то тест имеет высокую степень надежности. Значит, с этой точки зрения он составлен очень хорошо.

2. Надежность как внутренняя согласованность: значение коэффициента корреляции приблизительно равно 0,198. Это говорит о низкой надежности, поэтому лучше провести повторное тестирование с целью определения, какие тестовые задания необходимо заменить.

3. Дискриминативность: недискриминативны задания 6 и 7, так как неудовлетворительным считается коэффициент дискриминации менее 0,3. Это значит, что эти задания непригодны для теста и их необходимо заменить.

4. Валидность: степень корреляции между результатами теста и внешним критерием (экспертными оценками) достаточно высока и составляет 0,962823. Данный результат говорит о высокой валидности рассмотренного теста.

Обращаем ваше внимание на особые случаи .

• Иногда при нахождении коэффициента надежности происходит деление на нуль. Это может произойти, если все студенты имеют одинаковое количество правильных и неправильных ответов. Такое редко бывает на практике, скорее всего, произошла утечка ответов. В данном случае следует тест провести повторно.
• При нахождении надежности как устойчивости, так же возможен случай, который дает в ответе неопределенность, т. е. происходит деление нуля на нуль. Такое может произойти, когда студент дал одинаковое количество правильных и неправильных ответов на первом и повторном тестировании. Это означает, что тест составлен очень удачно или же наоборот, очень неудачно. Советуем вам проверить другие тестовые характеристиками и, исходя из них, сделать заключение.
• При расчете валидности также возможен случай, когда происходит деление на 0. Это может произойти в том случае, если все студенты имеют одинаковое количество правильных и неправильных ответов или, если все экспертные оценки одинаковы. Такой случай редко может произойти на практике, скорее всего, произошла утечка ответов, и данный результат искажен.

Если мы хотим составить тестовые задания, обладающие удовлетворительной дискриминативностью, то необходимо избегать следующего: 1) излишней сложности, запутанности формулировок; 2) неоднозначности условий; 3) очевидности решения; 4) зависимости результата от памяти или от других индивидуальных особенностей испытуемого, а не от уровня развития тех умений и навыков, для оценки которых разрабатывается тест; 5) абсурдности, нереальности вариантов ответов; 6) появления двух и более правильных ответов, не оговоренных в условии.

Существуют следующие способы повышения валидности теста: 1) подбор оптимальной трудности заданий для обеспечения нормального закона распределения баллов по тесту; 2) экспертиза качества содержания теста;
3) расчет оптимального времени выполнения теста; 4) подбор заданий с высокой дискриминативностью.

Предварительное исследование источников ненадежности позволяет по возможности устранить их влияние при конструировании теста. К числу таких источников обычно относят: 1. Субъективизм при оценке результатов выполнения заданий теста. Наиболее эффективный метод преодоления отмеченного недостатка - использование закрытых заданий, которые благодаря возможности объективной оценки результатов выполнения при прочих равных ведут к повышению надежности теста. 2. Угадывание. Как показывают специальные исследования, угадывание существенно снижает надежность теста, особенно в тех случаях, когда тестируется группа слабых учеников, которые обычно прибегают к догадке при выполнении наиболее трудных заданий теста. 3. Отсутствие логической корректности формулировок заданий теста. Как правило, некорректные задания пропускают сильные ученики, что в целом негативно отражается на надежности теста. 4. Неоправданный выбор весовых коэффициентов. При правильном положении вещей выбор весовых коэффициентов в процессе подсчета индивидуальных баллов обучаемых должен базироваться на соответствующей теории. 5. Длина теста. Надежность растет по мере увеличения длины теста. Для удовлетворительной, но не хорошей надежности обычно достаточно 30 заданий теста. 6. Отсутствие стандартной инструкции к тесту. Инструкции к тесту должны быть предельно стандартизованы и точны. Любые неоднозначности, двусмысленности и отступления от требований стандартизации в инструкции ведут к снижению надежности теста. 7. Иные источники ненадежности связаны с испытуемыми, а не с заданиями теста. Например, испытуемый может плохо себя почувствовать во время работы над тестом либо ошибиться в инструкции. На результаты выполнения теста могут повлиять усталость и скука, температура в помещении, шум за окном и т. п.

В заключение отметим, что в рамках нашего проекта с целью оптимизации процесса эмпирической обработки тестовых характеристикстудентами специальности «Информатика» Фалеем Александром и Березюком Сергеем разработани реализован онлайн сервис .Обработка пользовательских данных разделена на три этапа: прием информации от клиента и формирование массивов исходных данных, обработка значений с помощью расчетных формул и алгоритмов, компоновка и вывод результатов пользователю. Целевой аудиторией данного сервиса преимущественно могут стать учителя школ и преподаватели вузов.Адрес проекта: www.qualitester.com .

Список литературы:

1. Аванесов В. С. Композиция тестовых заданий/ В. С. Аванесов. - М.: Адепт, 1998. - 217 с.

2. Аванесов В. С. Применение заданий в тестовой форме в новых образовательных технологиях / В.С. Аванесов // Школьные технологии. - 2007. - № 3. - С. 146-163.

3. Аванесов В. С. Форма тестовых заданий: учеб. пособие / В. С. Аванесов. М.: Центр тестирования, 2005. - 120 с.

4. Гуцанович С. А., Радьков А. М. Тестирование в обучении математике: диагностико-дидактические основы / С. А. Гуцанович, А. М. Радьков. - Мозырь: Издательский Дом «Белый Ветер», 2001. - 168 с.

5.Майоров А. Н. Теория и практика создания тестов для системы образования. - Москва: «Интеллект-Центр», 2002. - 296 с.

6.Челышкова,М.Б. Теория и практика конструирования педагогических тестов. - Москва: «Логос», 2002. - 432 с.

Gennadii_M 17 марта 2016 в 14:52

Тестирование. Фундаментальная теория

• Тестирование IT-систем

• Tutorial

Недавно был на собеседовании на Middle QA на проект, который явно превышает мои возможности. Уделил много времени тому, чего не знал вообще и мало времени повторению простой теории, а зря.

Ниже основы основ для повторения перед собеседованием для Trainee and Junior: определение тестирования, качество , верификация / валидация , цели, этапы, тест план, пункты тест плана, тест дизайн, техники тест дизайна, traceability matrix , test case, чек-лист, дефект, error/deffect/failure , баг репорт, severity vs priority, уровни тестирования, виды / типы, подходы к интеграционному тестированию , принципы тестирования, статическое и динамическое тестирование, исследовательское / ad-hoc тестирование, требования, жизненный цикл бага, стадии разработки ПО, decision table, qa/qc/test engineer, диаграмма связей.

Все замечания, корректировки и дополнения очень приветствуются.

Тестирование программного обеспечения - проверка соответствия между реальным и ожидаемым поведением программы, осуществляемая на конечном наборе тестов, выбранном определенным образом. В более широком смысле, тестирование - это одна из техник контроля качества, включающая в себя активности по планированию работ (Test Management), проектированию тестов (Test Design), выполнению тестирования (Test Execution) и анализу полученных результатов (Test Analysis).

Качество программного обеспечения (Software Quality) - это совокупность характеристик программного обеспечения, относящихся к его способности удовлетворять установленные и предполагаемые потребности.

Верификация (verification) - это процесс оценки системы или её компонентов с целью определения удовлетворяют ли результаты текущего этапа разработки условиям, сформированным в начале этого этапа. Т.е. выполняются ли наши цели, сроки, задачи по разработке проекта, определенные в начале текущей фазы.
Валидация (validation) - это определение соответствия разрабатываемого ПО ожиданиям и потребностям пользователя, требованиям к системе .
Также можно встретить иную интерпритацию:
Процесс оценки соответствия продукта явным требованиям (спецификациям) и есть верификация (verification), в то же время оценка соответствия продукта ожиданиям и требованиям пользователей - есть валидация (validation). Также часто можно встретить следующее определение этих понятий:
Validation - ’is this the right specification?’.
Verification - ’is the system correct to specification?’.

Цели тестирования
Повысить вероятность того, что приложение, предназначенное для тестирования, будет работать правильно при любых обстоятельствах.
Повысить вероятность того, что приложение, предназначенное для тестирования, будет соответствовать всем описанным требованиям.
Предоставление актуальной информации о состоянии продукта на данный момент.

Этапы тестирования:
1. Анализ продукта
2. Работа с требованиями
3. Разработка стратегии тестирования
и планирование процедур контроля качества
4. Создание тестовой документации
5. Тестирование прототипа
6. Основное тестирование
7. Стабилизация
8. Эксплуатация

Тест план (Test Plan) - это документ, описывающий весь объем работ по тестированию, начиная с описания объекта, стратегии, расписания, критериев начала и окончания тестирования, до необходимого в процессе работы оборудования, специальных знаний, а также оценки рисков с вариантами их разрешения.
Отвечает на вопросы:
Что надо тестировать?
Что будете тестировать?
Как будете тестировать?
Когда будете тестировать?
Критерии начала тестирования.
Критерии окончания тестирования.

Основные пункты тест плана
В стандарте IEEE 829 перечислены пункты, из которых должен (пусть - может) состоять тест-план:
a) Test plan identifier;
b) Introduction;
c) Test items;
d) Features to be tested;
e) Features not to be tested;
f) Approach;
g) Item pass/fail criteria;
h) Suspension criteria and resumption requirements;
i) Test deliverables;
j) Testing tasks;
k) Environmental needs;
l) Responsibilities;
m) Staffing and training needs;
n) Schedule;
o) Risks and contingencies;
p) Approvals.

Тест дизайн – это этап процесса тестирования ПО, на котором проектируются и создаются тестовые сценарии (тест кейсы), в соответствии с определёнными ранее критериями качества и целями тестирования.
Роли, ответственные за тест дизайн:
Тест аналитик - определяет «ЧТО тестировать?»
Тест дизайнер - определяет «КАК тестировать?»

Техники тест дизайна

Эквивалентное Разделение (Equivalence Partitioning - EP) . Как пример, у вас есть диапазон допустимых значений от 1 до 10, вы должны выбрать одно верное значение внутри интервала, скажем, 5, и одно неверное значение вне интервала - 0.

Анализ Граничных Значений (Boundary Value Analysis - BVA). Если взять пример выше, в качестве значений для позитивного тестирования выберем минимальную и максимальную границы (1 и 10), и значения больше и меньше границ (0 и 11). Анализ Граничный значений может быть применен к полям, записям, файлам, или к любого рода сущностям имеющим ограничения.

Причина / Следствие (Cause/Effect - CE). Это, как правило, ввод комбинаций условий (причин), для получения ответа от системы (Следствие). Например, вы проверяете возможность добавлять клиента, используя определенную экранную форму. Для этого вам необходимо будет ввести несколько полей, таких как «Имя», «Адрес», «Номер Телефона» а затем, нажать кнопку «Добавить» - это «Причина». После нажатия кнопки «Добавить», система добавляет клиента в базу данных и показывает его номер на экране - это «Следствие».

Предугадывание ошибки (Error Guessing - EG). Это когда тестировщик использует свои знания системы и способность к интерпретации спецификации на предмет того, чтобы «предугадать» при каких входных условиях система может выдать ошибку. Например, спецификация говорит: «пользователь должен ввести код». Тестировщик будет думать: «Что, если я не введу код?», «Что, если я введу неправильный код? », и так далее. Это и есть предугадывание ошибки.

Исчерпывающее тестирование (Exhaustive Testing - ET) - это крайний случай. В пределах этой техники вы должны проверить все возможные комбинации входных значений, и в принципе, это должно найти все проблемы. На практике применение этого метода не представляется возможным, из-за огромного количества входных значений.

Попарное тестирование (Pairwise Testing) - это техника формирования наборов тестовых данных. Сформулировать суть можно, например, вот так: формирование таких наборов данных, в которых каждое тестируемое значение каждого из проверяемых параметров хотя бы единожды сочетается с каждым тестируемым значением всех остальных проверяемых параметров.

Допустим, какое-то значений (налог) для человека рассчитывается на основании его пола, возраста и наличия детей - получаем три входных параметра, для каждого из которых для тестов выбираем каким-то образом значения. Например: пол - мужской или женский; возраст - до 25, от 25 до 60, более 60; наличие детей - да или нет. Для проверки правильности расчётов можно, конечно, перебрать все комбинации значений всех параметров:

А можно решить, что нам не нужны сочетания значений всех параметров со всеми, а мы хотим только убедиться, что мы проверим все уникальные пары значений параметров. Т.е., например, с точки зрения параметров пола и возраста мы хотим убедиться, что мы точно проверим мужчину до 25, мужчину между 25 и 60, мужчину после 60, а также женщину до 25, женщину между 25 и 60, ну и женщину после 60. И точно так же для всех остальных пар параметров. И таким образом, мы можем получить гораздо меньше наборов значений (в них есть все пары значений, правда некоторые дважды):

Такой подход примерно и составляет суть техники pairwise testing - мы не проверяем все сочетания всех значений, но проверяем все пары значений.

Traceability matrix - Матрица соответствия требований - это двумерная таблица, содержащая соответсвие функциональных требований (functional requirements) продукта и подготовленных тестовых сценариев (test cases). В заголовках колонок таблицы расположены требования, а в заголовках строк - тестовые сценарии. На пересечении - отметка, означающая, что требование текущей колонки покрыто тестовым сценарием текущей строки.
Матрица соответсвия требований используется QA-инженерами для валидации покрытия продукта тестами. МСТ является неотъемлемой частью тест-плана.

Тестовый сценарий (Test Case) - это артефакт, описывающий совокупность шагов, конкретных условий и параметров, необходимых для проверки реализации тестируемой функции или её части.
Пример:
Action Expected Result Test Result
(passed/failed/blocked)
Open page «login» Login page is opened Passed

Каждый тест кейс должен иметь 3 части:
PreConditions Список действий, которые приводят систему к состоянию пригодному для проведения основной проверки. Либо список условий, выполнение которых говорит о том, что система находится в пригодном для проведения основного теста состояния.
Test Case Description Список действий, переводящих систему из одного состояния в другое, для получения результата, на основании которого можно сделать вывод о удовлетворении реализации, поставленным требованиям
PostConditions Список действий, переводящих систему в первоначальное состояние (состояние до проведения теста - initial state)
Виды Тестовых Сценариев:
Тест кейсы разделяются по ожидаемому результату на позитивные и негативные:
Позитивный тест кейс использует только корректные данные и проверяет, что приложение правильно выполнило вызываемую функцию.
Негативный тест кейс оперирует как корректными так и некорректными данными (минимум 1 некорректный параметр) и ставит целью проверку исключительных ситуаций (срабатывание валидаторов), а также проверяет, что вызываемая приложением функция не выполняется при срабатывании валидатора.

Чек-лист (check list) - это документ, описывающий что должно быть протестировано. При этом чек-лист может быть абсолютно разного уровня детализации. На сколько детальным будет чек-лист зависит от требований к отчетности, уровня знания продукта сотрудниками и сложности продукта.
Как правило, чек-лист содержит только действия (шаги), без ожидаемого результата. Чек-лист менее формализован чем тестовый сценарий. Его уместно использовать тогда, когда тестовые сценарии будут избыточны. Также чек-лист ассоциируются с гибкими подходами в тестировании.

Дефект (он же баг) – это несоответствие фактического результата выполнения программы ожидаемому результату. Дефекты обнаруживаются на этапе тестирования программного обеспечения (ПО), когда тестировщик проводит сравнение полученных результатов работы программы (компонента или дизайна) с ожидаемым результатом, описанным в спецификации требований.

Error - ошибка пользователя, то есть он пытается использовать программу иным способом.
Пример - вводит буквы в поля, где требуется вводить цифры (возраст, количество товара и т.п.).
В качественной программе предусмотрены такие ситуации и выдаются сообщение об ошибке (error message), с красным крестиком которые.
Bug (defect) - ошибка программиста (или дизайнера или ещё кого, кто принимает участие в разработке), то есть когда в программе, что-то идёт не так как планировалось и программа выходит из-под контроля. Например, когда никак не контроллируется ввод пользователя, в результате неверные данные вызывают краши или иные «радости» в работе программы. Либо внутри программа построена так, что изначально не соответствует тому, что от неё ожидается.
Failure - сбой (причём не обязательно аппаратный) в работе компонента, всей программы или системы. То есть, существуют такие дефекты, которые приводят к сбоям (A defect caused the failure) и существуют такие, которые не приводят. UI-дефекты например. Но аппаратный сбой, никак не связанный с software, тоже является failure.

Баг Репорт (Bug Report) - это документ, описывающий ситуацию или последовательность действий приведшую к некорректной работе объекта тестирования, с указанием причин и ожидаемого результата.
Шапка
Короткое описание (Summary) Короткое описание проблемы, явно указывающее на причину и тип ошибочной ситуации.
Проект (Project) Название тестируемого проекта
Компонент приложения (Component) Название части или функции тестируемого продукта
Номер версии (Version) Версия на которой была найдена ошибка
Серьезность (Severity) Наиболее распространена пятиуровневая система градации серьезности дефекта:
S1 Блокирующий (Blocker)
S2 Критический (Critical)
S3 Значительный (Major)
S4 Незначительный (Minor)
S5 Тривиальный (Trivial)
Приоритет (Priority) Приоритет дефекта:
P1 Высокий (High)
P2 Средний (Medium)
P3 Низкий (Low)
Статус (Status) Статус бага. Зависит от используемой процедуры и жизненного цикла бага (bug workflow and life cycle)

Автор (Author) Создатель баг репорта
Назначен на (Assigned To) Имя сотрудника, назначенного на решение проблемы
Окружение
ОС / Сервис Пак и т.д. / Браузера + версия /… Информация об окружении, на котором был найден баг: операционная система, сервис пак, для WEB тестирования - имя и версия браузера и т.д.
…
Описание
Шаги воспроизведения (Steps to Reproduce) Шаги, по которым можно легко воспроизвести ситуацию, приведшую к ошибке.
Фактический Результат (Result) Результат, полученный после прохождения шагов к воспроизведению
Ожидаемый результат (Expected Result) Ожидаемый правильный результат
Дополнения
Прикрепленный файл (Attachment) Файл с логами, скриншот или любой другой документ, который может помочь прояснить причину ошибки или указать на способ решения проблемы

Severity vs Priority
Серьезность (Severity) - это атрибут, характеризующий влияние дефекта на работоспособность приложения.
Приоритет (Priority) - это атрибут, указывающий на очередность выполнения задачи или устранения дефекта. Можно сказать, что это инструмент менеджера по планированию работ. Чем выше приоритет, тем быстрее нужно исправить дефект.
Severity выставляется тестировщиком
Priority – менеджером, тимлидом или заказчиком

Градация Серьезности дефекта (Severity)

S1 Блокирующая (Blocker)
Блокирующая ошибка, приводящая приложение в нерабочее состояние, в результате которого дальнейшая работа с тестируемой системой или ее ключевыми функциями становится невозможна. Решение проблемы необходимо для дальнейшего функционирования системы.

S2 Критическая (Critical)
Критическая ошибка, неправильно работающая ключевая бизнес логика, дыра в системе безопасности, проблема, приведшая к временному падению сервера или приводящая в нерабочее состояние некоторую часть системы, без возможности решения проблемы, используя другие входные точки. Решение проблемы необходимо для дальнейшей работы с ключевыми функциями тестируемой системой.

S3 Значительная (Major)
Значительная ошибка, часть основной бизнес логики работает некорректно. Ошибка не критична или есть возможность для работы с тестируемой функцией, используя другие входные точки.

S4 Незначительная (Minor)
Незначительная ошибка, не нарушающая бизнес логику тестируемой части приложения, очевидная проблема пользовательского интерфейса.

S5 Тривиальная (Trivial)
Тривиальная ошибка, не касающаяся бизнес логики приложения, плохо воспроизводимая проблема, малозаметная посредствам пользовательского интерфейса, проблема сторонних библиотек или сервисов, проблема, не оказывающая никакого влияния на общее качество продукта.

Градация Приоритета дефекта (Priority)
P1 Высокий (High)
Ошибка должна быть исправлена как можно быстрее, т.к. ее наличие является критической для проекта.
P2 Средний (Medium)
Ошибка должна быть исправлена, ее наличие не является критичной, но требует обязательного решения.
P3 Низкий (Low)
Ошибка должна быть исправлена, ее наличие не является критичной, и не требует срочного решения.

Уровни Тестирования

1. Модульное тестирование (Unit Testing)
Компонентное (модульное) тестирование проверяет функциональность и ищет дефекты в частях приложения, которые доступны и могут быть протестированы по-отдельности (модули программ, объекты, классы, функции и т.д.).

2. Интеграционное тестирование (Integration Testing)
Проверяется взаимодействие между компонентами системы после проведения компонентного тестирования.

3. Системное тестирование (System Testing)
Основной задачей системного тестирования является проверка как функциональных, так и не функциональных требований в системе в целом. При этом выявляются дефекты, такие как неверное использование ресурсов системы, непредусмотренные комбинации данных пользовательского уровня, несовместимость с окружением, непредусмотренные сценарии использования, отсутствующая или неверная функциональность, неудобство использования и т.д.

4. Операционное тестирование (Release Testing).
Даже если система удовлетворяет всем требованиям, важно убедиться в том, что она удовлетворяет нуждам пользователя и выполняет свою роль в среде своей эксплуатации, как это было определено в бизнес моделе системы. Следует учесть, что и бизнес модель может содержать ошибки. Поэтому так важно провести операционное тестирование как финальный шаг валидации. Кроме этого, тестирование в среде эксплуатации позволяет выявить и нефункциональные проблемы, такие как: конфликт с другими системами, смежными в области бизнеса или в программных и электронных окружениях; недостаточная производительность системы в среде эксплуатации и др. Очевидно, что нахождение подобных вещей на стадии внедрения - критичная и дорогостоящая проблема. Поэтому так важно проведение не только верификации, но и валидации, с самых ранних этапов разработки ПО.

5. Приемочное тестирование (Acceptance Testing)
Формальный процесс тестирования, который проверяет соответствие системы требованиям и проводится с целью:
определения удовлетворяет ли система приемочным критериям;
вынесения решения заказчиком или другим уполномоченным лицом принимается приложение или нет.

Виды / типы тестирования

Функциональные виды тестирования

Функциональное тестирование (Functional testing)
Тестирование пользовательского интерфейса (GUI Testing)
Тестирование безопасности (Security and Access Control Testing)
Тестирование взаимодействия (Interoperability Testing)

Нефункциональные виды тестирования

Все виды тестирования производительности:
o нагрузочное тестирование (Performance and Load Testing)
o стрессовое тестирование (Stress Testing)
o тестирование стабильности или надежности (Stability / Reliability Testing)
o объемное тестирование (Volume Testing)
Тестирование установки (Installation testing)
Тестирование удобства пользования (Usability Testing)
Тестирование на отказ и восстановление (Failover and Recovery Testing)
Конфигурационное тестирование (Configuration Testing)

Связанные с изменениями виды тестирования

Функциональное тестирование рассматривает заранее указанное поведение и основывается на анализе спецификаций функциональности компонента или системы в целом.

Тестирование пользовательского интерфейса (GUI Testing) - функциональная проверка интерфейса на соответствие требованиям - размер, шрифт, цвет, consistent behavior.

Тестирование безопасности - это стратегия тестирования, используемая для проверки безопасности системы, а также для анализа рисков, связанных с обеспечением целостного подхода к защите приложения, атак хакеров, вирусов, несанкционированного доступа к конфиденциальным данным.

Тестирование взаимодействия (Interoperability Testing) – это функциональное тестирование, проверяющее способность приложения взаимодействовать с одним и более компонентами или системами и включающее в себя тестирование совместимости (compatibility testing) и интеграционное тестирование

Нагрузочное тестирование - это автоматизированное тестирование, имитирующее работу определенного количества бизнес пользователей на каком-либо общем (разделяемом ими) ресурсе.

Стрессовое тестирование (Stress Testing) позволяет проверить насколько приложение и система в целом работоспособны в условиях стресса и также оценить способность системы к регенерации, т.е. к возвращению к нормальному состоянию после прекращения воздействия стресса. Стрессом в данном контексте может быть повышение интенсивности выполнения операций до очень высоких значений или аварийное изменение конфигурации сервера. Также одной из задач при стрессовом тестировании может быть оценка деградации производительности, таким образом цели стрессового тестирования могут пересекаться с целями тестирования производительности.

Объемное тестирование (Volume Testing). Задачей объемного тестирования является получение оценки производительности при увеличении объемов данных в базе данных приложения

Тестирование стабильности или надежности (Stability / Reliability Testing). Задачей тестирования стабильности (надежности) является проверка работоспособности приложения при длительном (многочасовом) тестировании со средним уровнем нагрузки.

Тестирование установки направленно на проверку успешной инсталляции и настройки, а также обновления или удаления программного обеспечения.

Тестирование удобства пользования - это метод тестирования, направленный на установление степени удобства использования, обучаемости, понятности и привлекательности для пользователей разрабатываемого продукта в контексте заданных условий. Сюда также входит:
User eXperience (UX) - ощущение, испытываемое пользователем во время использования цифрового продукта, в то время как User interface - это инструмент, позволяющий осуществлять интеракцию «пользователь - веб-ресурс».

Тестирование на отказ и восстановление (Failover and Recovery Testing) проверяет тестируемый продукт с точки зрения способности противостоять и успешно восстанавливаться после возможных сбоев, возникших в связи с ошибками программного обеспечения, отказами оборудования или проблемами связи (например, отказ сети). Целью данного вида тестирования является проверка систем восстановления (или дублирующих основной функционал систем), которые, в случае возникновения сбоев, обеспечат сохранность и целостность данных тестируемого продукта.

Конфигурационное тестирование (Configuration Testing) - специальный вид тестирования, направленный на проверку работы программного обеспечения при различных конфигурациях системы (заявленных платформах, поддерживаемых драйверах, при различных конфигурациях компьютеров и т.д.)

Дымовое (Smoke) тестирование рассматривается как короткий цикл тестов, выполняемый для подтверждения того, что после сборки кода (нового или исправленного) устанавливаемое приложение, стартует и выполняет основные функции.

Регрессионное тестирование - это вид тестирования направленный на проверку изменений, сделанных в приложении или окружающей среде (починка дефекта, слияние кода, миграция на другую операционную систему, базу данных, веб сервер или сервер приложения), для подтверждения того факта, что существующая ранее функциональность работает как и прежде. Регрессионными могут быть как функциональные, так и нефункциональные тесты.

Повторное тестирование - тестирование, во время которого исполняются тестовые сценарии, выявившие ошибки во время последнего запуска, для подтверждения успешности исправления этих ошибок.
В чем разница между regression testing и re-testing?
Re-testing - проверяется исправление багов
Regression testing - проверяется то, что исправление багов, а также любые изменения в коде приложения, не повлияли на другие модули ПО и не вызвало новых багов.

Тестирование сборки или Build Verification Test - тестирование направленное на определение соответствия, выпущенной версии, критериям качества для начала тестирования. По своим целям является аналогом Дымового Тестирования, направленного на приемку новой версии в дальнейшее тестирование или эксплуатацию. Вглубь оно может проникать дальше, в зависимости от требований к качеству выпущенной версии.

Санитарное тестирование - это узконаправленное тестирование достаточное для доказательства того, что конкретная функция работает согласно заявленным в спецификации требованиям. Является подмножеством регрессионного тестирования. Используется для определения работоспособности определенной части приложения после изменений произведенных в ней или окружающей среде. Обычно выполняется вручную.

Подходы к интеграционному тестированию:
Снизу вверх (Bottom Up Integration)
Все низкоуровневые модули, процедуры или функции собираются воедино и затем тестируются. После чего собирается следующий уровень модулей для проведения интеграционного тестирования. Данный подход считается полезным, если все или практически все модули, разрабатываемого уровня, готовы. Также данный подход помогает определить по результатам тестирования уровень готовности приложения.
Сверху вниз (Top Down Integration)
Вначале тестируются все высокоуровневые модули, и постепенно один за другим добавляются низкоуровневые. Все модули более низкого уровня симулируются заглушками с аналогичной функциональностью, затем по мере готовности они заменяются реальными активными компонентами. Таким образом мы проводим тестирование сверху вниз.
Большой взрыв («Big Bang» Integration)
Все или практически все разработанные модули собираются вместе в виде законченной системы или ее основной части, и затем проводится интеграционное тестирование. Такой подход очень хорош для сохранения времени. Однако если тест кейсы и их результаты записаны не верно, то сам процесс интеграции сильно осложнится, что станет преградой для команды тестирования при достижении основной цели интеграционного тестирования.

Принципы тестирования

Принцип 1 – Тестирование демонстрирует наличие дефектов (Testing shows presence of defects)
Тестирование может показать, что дефекты присутствуют, но не может доказать, что их нет. Тестирование снижает вероятность наличия дефектов, находящихся в программном обеспечении, но, даже если дефекты не были обнаружены, это не доказывает его корректности.

Принцип 2 – Исчерпывающее тестирование недостижимо (Exhaustive testing is impossible)
Полное тестирование с использованием всех комбинаций вводов и предусловий физически невыполнимо, за исключением тривиальных случаев. Вместо исчерпывающего тестирования должны использоваться анализ рисков и расстановка приоритетов, чтобы более точно сфокусировать усилия по тестированию.

Принцип 3 – Раннее тестирование (Early testing)
Чтобы найти дефекты как можно раньше, активности по тестированию должны быть начаты как можно раньше в жизненном цикле разработки программного обеспечения или системы, и должны быть сфокусированы на определенных целях.

Принцип 4 – Скопление дефектов (Defects clustering)
Усилия тестирования должны быть сосредоточены пропорционально ожидаемой, а позже реальной плотности дефектов по модулям. Как правило, большая часть дефектов, обнаруженных при тестировании или повлекших за собой основное количество сбоев системы, содержится в небольшом количестве модулей.

Принцип 5 – Парадокс пестицида (Pesticide paradox)
Если одни и те же тесты будут прогоняться много раз, в конечном счете этот набор тестовых сценариев больше не будет находить новых дефектов. Чтобы преодолеть этот “парадокс пестицида”, тестовые сценарии должны регулярно рецензироваться и корректироваться, новые тесты должны быть разносторонними, чтобы охватить все компоненты программного обеспечения,
или системы, и найти как можно больше дефектов.

Принцип 6 – Тестирование зависит от контекста (Testing is concept depending)
Тестирование выполняется по-разному в зависимости от контекста. Например, программное обеспечение, в котором критически важна безопасность, тестируется иначе, чем сайт электронной коммерции.
Принцип 7 – Заблуждение об отсутствии ошибок (Absence-of-errors fallacy)
Обнаружение и исправление дефектов не помогут, если созданная система не подходит пользователю и не удовлетворяет его ожиданиям и потребностям.

Cтатическое и динамическое тестирование
Статическое тестирование отличается от динамического тем, что производится без запуска программного кода продукта. Тестирование осуществляется путем анализа программного кода (code review) или скомпилированного кода. Анализ может производиться как вручную, так и с помощью специальных инструментальных средств. Целью анализа является раннее выявление ошибок и потенциальных проблем в продукте. Также к статическому тестированию относится тестирования спецификации и прочей документации.

Исследовательское / ad-hoc тестирование
Простейшее определение исследовательского тестирования - это разработка и выполнения тестов в одно и то же время. Что является противоположностью сценарного подхода (с его предопределенными процедурами тестирования, неважно ручными или автоматизированными). Исследовательские тесты, в отличие от сценарных тестов, не определены заранее и не выполняются в точном соответствии с планом.

Разница между ad hoc и exploratory testing в том, что теоретически, ad hoc может провести кто угодно, а для проведения exploratory необходимо мастерство и владение определенными техниками. Обратите внимание, что определенные техники это не только техники тестирования.

Требования – это спецификация (описание) того, что должно быть реализовано.
Требования описывают то, что необходимо реализовать, без детализации технической стороны решения. Что, а не как.

Требования к требованиям:
Корректность
Недвусмысленность
Полнота набора требований
Непротиворечивость набора требований
Проверяемость (тестопригодность)
Трассируемость
Понимаемость

Жизненный цикл бага

Стадии разработки ПО - это этапы, которые проходят команды разработчиков ПО, прежде чем программа станет доступной для широко круга пользователей. Разработка ПО начинается с первоначального этапа разработки (стадия «пре-альфа») и продолжается стадиями, на которых продукт дорабатывается и модернизируется. Финальным этапом этого процесса становится выпуск на рынок окончательной версии программного обеспечения («общедоступного релиза»).

Программный продукт проходит следующие стадии:
анализ требований к проекту;
проектирование;
реализация;
тестирование продукта;
внедрение и поддержка.

Каждой стадии разработки ПО присваивается определенный порядковый номер. Также каждый этап имеет свое собственное название, которое характеризует готовность продукта на этой стадии.

Жизненный цикл разработки ПО:
Пре-альфа
Альфа
Бета
Релиз-кандидат
Релиз
Пост-релиз

Таблица принятия решений (decision table) – великолепный инструмент для упорядочения сложных бизнес требований, которые должны быть реализованы в продукте. В таблицах решений представлен набор условий, одновременное выполнение которых должно привести к определенному действию.

Прежде чем психодиагностические методики могут быть использованы для практических целей, они должны пройти проверку по ряду формальных критериев, доказывающих их высокое качество и эффективность. Эти требования в психодиагностике складывались годами в процессе работы над тестами и над их совершенствованием. В результате появилась возможность оградить психологию от всевозможных безграмотных подделок, претендующих на то, чтобы называться диагностическими методиками.

К числу основных критериев оценки психодиагностических методик относится надежность и валидность. Большой вклад в разработку этих понятии внесли зарубежные психологи (А. Анастази, Е. Гизелли, Дж. Гилфорд, Л. Кронбах, Р. Торндайк и Е. Хаген и др.). Ими были разработаны как формально-логический, так и математико-статистический аппарат (прежде всего корреляционный метод и фактический анализ) обоснования степени соответствия методик отмеченным критериям.

В психодиагностике проблемы надежности и валидности методик тесно взаимосвязаны, тем не менее существует традиция раздельного изложения этих важнейших характеристик. Следуя ей, начнем с рассмотрения надежности методик.

НАДЕЖНОСТЬ

В традиционной тестологии термин "надежность" означает относительное постоянство, устойчивость, согласованность результатов теста при первичном и повторном его применении на одних и тех же испытуемых. Как пишет А.Анастази (1982), вряд ли можно с доверием относиться к тесту интеллекта, если по нему в начале недели ребенок имел показатель, равный НО, а к концу 80. Повторное применение надежных методик дает сходные оценки. При этом в определенной мере могут совпадать как сами результаты, так и порядковое место (ранг), занимаемое испытуемым в группе. И в том, и в другом случае при повторении опыта возможны некоторые расхождения, но важно, чтобы они были незначительными, в пределах одной группы. Таким образом, можно сказать, что надежность методики - это такой критерий, который говорит о точности психологических измерений, т.е. позволяет судить о том, насколько внушают доверие полученные результаты.

Степень надежности методик зависит от многих причин. Поэтому важной проблемой практической диагностики является выяснение негативных факторов, влияющих на точность измерений. Многие авторы пытались составить классификацию таких факторов. Среди них наиболее часто называются следующие:

1) нестабильность диагностируемого свойства;

несовершенство диагностических методик (небрежно составлена инструкция, задания по своему характеру разнородны, нечетко сформулированы указания по предъявлению методики испытуемым и т.д.);

меняющаяся ситуация обследования (разное время дня, когда проводятся эксперименты, разная освещенность помещения, наличие или отсутствие посторонних шумов и т.д.);

различия в манере поведения экспериментатора (от опыта к опыту по-разному предъявляет инструкции, по-разному стимулирует выполнение заданий и т.д.);

колебания в функциональном состоянии испытуемого (в одном эксперименте отмечается хорошее самочувствие, в другом - утомление и т.д.);

элементы субъективности в способах оценки и интерпретации результатов (когда ведется протоколирование ответов испытуемых, оцениваются ответы по степени полноты, оригинальности и т.п.).

Если все эти факторы иметь в виду и постараться в каждом из них устранить условия, снижающие точность измерений, то можно добиться приемлемого уровня надежности теста. Одним из важнейших средств повышения надежности психодиагностической методики является единообразие процедуры обследования, его строгая регламентация: одинаковые для обследуемой выборки испытуемых обстановка и условия работы, однотипный характер инструкций, одинаковые для всех временные ограничения, способы и особенности контакта с испытуемыми, порядок предъявления заданий и т.д. При такой стандартизации процедуры исследования можно существенно уменьшить влияние посторонних случайных факторов на результаты теста и таким образом повысить их надежность.

На характеристику надежности методик большое влияние оказывает исследуемая выборка. Она может как снижать, так и завышать этот показатель, например, надежность может быть искусственно завышена, если в выборке небольшой разброс результатов, т.е. если результаты по своим значениям близки друг к другу. В этом случае при повторном обследовании новые результаты также расположатся тесной группой. Возможные изменения ранговых мест испытуемых будут незначительными, и, следовательно, надежность методики будет высокой. Такое же неоправданное завышение надежности может возникнуть при анализе результатов выборки, состоящей из группы, имеющей очень высокие результаты, и из группы с очень низкими оценками по тесту. Тогда эти далеко отстоящие друг от друга результаты не будут перекрываться, даже если и вмешаются в условия эксперимента случайные факторы. Поэтому в руководстве обычно делается описание выборки, на которой определялась надежность методики.

В настоящее время надежность все чаще определяется на наиболее однородных выборках, т.е. на выборках, схожих по полу, возрасту, уровню образования, профессиональной подготовке и т.п. Для каждой такой выборки приводятся свои коэффициенты надежности. Приводимый показатель надежности применим только к группам, подобным тем, на которых он определялся. Если методика применяется к выборке, отличающейся от той, на которой проверялась ее надежность, то эта процедура должна быть проведена заново.

много, как и условий, влияющих на результаты диагностических испытаний (В Черны, 1983) Однако практическое применение находят лишь несколько видов надежности

Так как все виды надежности отражают степень согласованности двух независимо полученных рядов показателей, то математико-статистический прием, с помощью которого устанавливается надежность методики, - это корреляции (по Пирсону или Спирмену, см гл. XIV). Надежность тем выше, чем больше полученный коэффициент корреляции приближается к единице, и наоборот.

В данном пособии при описании видов надежности основной упор делается на работы К.М Гуревича (1969, 1975, 1977, 1979), который, проведя тщательный анализ зарубежной литературы по этой проблеме, предложил толковать надежность как:

надежность самого измерительного инструмента,

стабильность изучаемого признака;

3) константность, т.е. относительную независимость результатов от личности экспериментатора

Показатель, характеризующий измерительный инструмент, предлагается называть коэффициентом надежности, показатель, характеризующий стабильность измеряемого свойства, - коэффициентом стабильности; а показатель оценки влияния личности экспериментатора - коэффициентом константности.

Именно в таком порядке рекомендуется осуществлять проверку методики: целесообразно сначала проверить инструмент измерения. Если полученные данные удовлетворительны, то можно переходить к установлению меры стабильности измеряемого свойства, а уже после этого при необходимости заняться критерием константности.

Остановимся на более подробном рассмотрении этих показателей, характеризующих с разных сторон надежность психодиагностической методики.

1. Определение надежности измерительного инструмента. От того, как составлена методика, насколько правильно подобраны задания с точки зрения их взаимосогласованности, насколько она однородна, зависит точность, объективность любого психологического измерения. Внутренняя однородность методики показывает, что ее задания актуализируют одно и то же свойство, признак.

Для проверки надежности измерительного инструмента, говорящего о его однородности (или гомогенности), используется так называемый метод "расщепления". Обычно задания делятся на четные и нечетные, отдельно обрабатываются, а затем результаты двух полученных рядов коррелируются между собой. Для применения этого способа нужно поставить испытуемых в такие условия, чтобы они смогли успеть решить (или попытаться решить) все задания. Если методика однородна, то большой разницы в успешности решения по таким половинкам не будет, и, следовательно, коэффициент корреляции будет достаточно высоким.

Можно делить задания и другим путем, например сопоставить первую половину теста со второй, первую и третью четверть - со второй и четвертой и т п. Однако "расщепление" на четные и нечетные задания представляется наиболее целесообразным, поскольку именно этот способ наиболее независим от влияния таких факторов, как врабатываемость, тренировка, утомление и пр.

Методика признается надежной, когда полученный коэффициент не ниже 0,75-0,85. Лучшие по надежности тесты дают коэффициенты порядка 0,90 и более.

Но на начальном этапе разработки диагностической методики можно получить невысокие коэффициенты надежности, например, порядка 0,46-0,50. Это означает, что в разрабатываемой методике присутствует некоторое число заданий, которые в силу своей специфичности ведут к снижению коэффициента корреляции. Такие задания необходимо специально проанализировать и либо переделать их, либо вообще изъять.

Чтобы легче было установить, за счет каких заданий снижаются коэффициенты корреляции, необходимо проанализировать таблицы с выписанными данными, подготовленными для корреляций. Следует отметить, что любые изменения в содержании методики - изъятие заданий, их перестановка, переформулировка вопросов или ответов требует заново высчитывать коэффициенты надежности.

При ознакомлении с коэффициентами надежности не следует забывать, что они зависят не только от правильного подбора заданий с точки зрения их взаимосогласованности, но и от социально-психологической однородности той выборки, на которой проверялась надежность измерительного инструмента.

В самом деле, в заданиях могут встретиться понятия, малоизвестные одной части испытуемых, но хорошо известные другой части. От того, как много в методике таких понятий, будет зависеть и коэффициент надежности, задания с такими понятиями могут случайно расположиться и в четной и в нечетной половине теста. Очевидно, показатель надежности не следует приписывать только методике как таковой и нельзя уповать на то, что он будет неизменным, с какой бы выборкой ни проводилось тестирование.

2. Определение стабильности изучаемого признака. Определить надежность самой методики - это не значит решить все вопросы, связанные с ее применением. Нужно еще установить, насколько устойчив, стабилен признак, который исследователь намерен измерять. Было бы методологической ошибкой рассчитывать на абсолютную стабильность психологических признаков. В том, что измеряемый признак со временем меняется, нет ничего опасного для надежности. Все дело в том, в каких пределах варьируются результаты от опыта к опыту у одного и того же испытуемого, не приводят ли эти колебания к тому, что испытуемый по непонятным причинам оказывается то в начале, то в середине, то в конце выборки. Сделать какие-то конкретные выводы об уровне представленное измеряемого признака у такого испытуемого нельзя. Таким образом, колебания признака не должны иметь непредсказуемого характера. Если не ясны причины резких колебаний, то такой признак не может быть использован в диагностических целях.

Для проверки стабильности диагностируемого признака, свойства используется прием, известный как тест - ретест. Он заключается в повторном обследовании испытуемых с помощью той же методики. О стабильности признака судят по коэффициенту корреляции между результатами первого и повторного обследования. Он будет свидетельствовать о сохранении или несохранении каждым испытуемым своего порядкового номера в выборке.

На степень устойчивости, стабильности диагностируемого свойства влияют разнообразные факторы. Число их достаточно велико. Выше уже говорилось о том, как важно соблюдать требования единообразия процедуры проведения эксперимента. Так, например, если первое тестирование проводилось в утренние часы, то и повторное

должно быть проведено утром, если первый опыт сопровождался предварительным показом заданий, то и при повторном испытании это условие также должно быть соблюдено и т.д.

При определении стабильности признака большое значение имеет промежуток времени между первым и повторным обследованием. Чем короче срок от первого до второго испытания, тем (при прочих равных условиях) больше шансов, что диагностируемый признак сохранит уровень первого испытания. С увеличением временного интервала стабильность признака имеет тенденцию снижаться, так как возрастает число посторонних факторов, влияющих на нее. Следовательно, напрашивается вывод, что целесообразно проводить повторное тестирование через короткий срок после первого. Однако тут есть свои сложности если срок между первым и вторым опытом небольшой, то некоторые испытуемые могут воспроизвести свои прежние ответы в памяти и, таким образом, отойдут от смысла выполнения заданий. В этом случае результаты двух предъявлении методики уже нельзя рассматривать как независимые.

Трудно четко ответить на вопрос, какой срок можно считать оптимальным для повторного эксперимента. Только исследователь, исходя из психологической сущности методики, условий, в которых она проводится, особенностей выборки испытуемых, может определить этот срок. При этом такой выбор должен быть научно обоснован. В тестологической литературе наиболее часто называются временные интервалы в несколько месяцев (но не более полугода.) При обследовании детей младшего возраста, когда возрастные изменения и развитие происходят очень быстро, эти интервалы могут быть порядка нескольких недель (А Анастази, 1982).

Важно помнить, что коэффициент стабильности не следует рассматривать только с его узко формальной стороны, по его абсолютным значениям. Если тест исследует свойство, которое в период тестирования находится в процессе интенсивного развития (например, умение проводить обобщения), то коэффициент стабильности, может оказаться невысоким, но это не следует истолковывать как недостаток теста Такой коэффициент стабильности должен интерпретироваться как показатель определенных изменений, развития исследуемого свойства. В этом случае, например, КМ Гуревич (1975) рекомендует рассмотреть по частям ту выборку, на которой устанавливался коэффициент стабильности. При таком рассмотрении выделится часть испытуемых, проходящих путь развития в одинаково ровном темпе, другая часть - где развитие шло особенно быстрыми темпами; и часть выборки, где развитие у испытуемых практически совсем нельзя заметить. Каждая часть выборки заслуживает специального анализа и истолкования. Следовательно, недостаточно просто констатировать, что коэффициент стабильности низкий, нужно понять, от чего это зависит.

Совсем другое требование предъявляется к коэффициенту стабильности, если автор методики считает, что измеряемое свойство уже сформировано и должно быть достаточно устойчивым. Коэффициент стабильности в этом случае должен быть достаточно высоким (не ниже 0,80).

Таким образом, вопрос о стабильности измеряемого свойства решается не всегда однозначно. Решение зависит от сущности самого диагностируемого свойства.

3. Определение константности, т е относительной независимости результатов от личности экспериментатора. Поскольку методика, разработанная для диагностических

целей, не предназначена для того, чтобы вечно оставаться в руках своих создателей, крайне важно знать, в какой мере ее результаты поддаются влиянию личности экспериментатора. Хотя диагностическая методика всегда снабжается подробными инструкциями по ее применению, правилами и примерами, указывающими, как проводить эксперимент, регламентировать манеру поведения экспериментатора, скорость его речи, тон голоса, паузы, выражение лица очень трудно. Испытуемый в своем отношении к опыту всегда отразит то, как сам экспериментатор к этому опыту относится (допускает небрежность или действует точно в соответствии с требованиями процедуры, проявляет требовательность, настойчивость или бесконтрольность и т.п).

Особенно существенную роль личность экспериментатора играет при проведении так называемых недетерминированных методик (например, в проективных тестах).

Хотя в тестологической практике критерием константности пользуются нечасто, однако, по мнению КМ Гуревича (1969), это не может служить основанием для его недооценки. Если у авторов методики возникают подозрения по поводу возможного влияния личности экспериментатора на исход диагностической процедуры, то целесообразно проверить методику по этому критерию. При этом важно иметь в виду следующий момент. Если под воздействием нового экспериментатора все испытуемые в одинаковой степени стали работать немного лучше или немного хуже, то сам по себе этот факт (хотя и заслуживает внимания) на надежность методики не окажет влияния. Надежность изменится лишь тогда, когда воздействие экспериментатора на испытуемых различно: одни стали работать лучше, другие хуже, а третьи так же, как и при первом экспериментаторе. Другими словами, если испытуемые при новом экспериментаторе изменили свои порядковые места в выборке.

Коэффициент константности определяется путем корреляции результатов двух опытов, проведенных в относительно одинаковых условиях на одной и той же выборке испытуемых, но разными экспериментаторами. Коэффициент корреляции не должен быть ниже 0,80.

Итак, были рассмотрены три показателя надежности психодиагностических методик. Может возникнуть вопрос, нужно ли при создании психодиагностических методик осуществлять проверку каждого из них? В зарубежной литературе идет дискуссия по этому поводу. Одни исследователи считают, что все способы определения надежности теста в какой-то мере идентичны и поэтому достаточно проверить надежность методики каким-нибудь одним из них. Например, автор неоднократно переиздававшейся в США книги по статистике для психологов и педагогов Г. Гэррет (1962) не находит принципиальных различий между способами проверки надежности. По его мнению, все эти способы показывают воспроизводимость тестовых показателей. Иногда тот, иногда другой обеспечивает лучший критерий. Другие исследователи придерживаются иной точки зрения. Так, авторы "Стандартных требований к педагогическим и психологическим тестам" (1974) в главе "Надежность" отмечают, что коэффициент надежности в современном понимании - это родовое понятие, включающее в себя несколько видов, и каждый вид имеет свой особый смысл. Разделяет эту точку зрения и К.М. Гуревич (1975). По его мнению, когда говорят о разных способах определения надежности, то имеют дело не с лучшей или худшей мерой, а с мерами разной по существу надежности. В самом деле, чего стоит методика, если не ясно, надежна ли она сама по себе как измерительный инструмент или не установлена стабильность измеряемого свойства? Чего стоит диагностическая методика, если

неизвестно, могут ли изменяться результаты в зависимости от того, кто ведет эксперимент? Каждый в отдельности показатель никак не заменит других способов проверки и, следовательно, не может рассматриваться в качестве необходимой и достаточной характеристики надежности. Только методика, располагающая полной характеристикой надежности, наиболее пригодна для диагностико-практического применения.

ВАЛИДНОСТЬ

Другим после надежности ключевым критерием оценки качества методик является валидность. Вопрос о валидности методик решается лишь после того, как установлена достаточная ее надежность, поскольку ненадежная методика без знания ее валидности является практически бесполезной.

Следует заметить, что вопрос о валидности до последнего времени представляется одним из самых сложных. Наиболее укоренившимся определением этого понятия является то, которое приведено в книге А. Анастази: "Валидность теста - понятие, указывающее нам, что тест измеряет и насколько хорошо он это делает" (1982. С. 126). Валидность по своей сути - это комплексная характеристика, включающая, с одной стороны, сведения о том, пригодна ли методика для измерения того, для чего она была создана, а с другой стороны, какова ее действенность, эффективность. По этой причине не существует какого-то единого универсального подхода к определению валидности. В зависимости от того, какую сторону валидности хочет рассмотреть исследователь, используются и разные способы доказательства. Другими словами, понятие валидности включает в себя разные ее виды, имеющие свой особый смысл. Проверка валидности методики называется валидизациеи.

Валидность в первом ее понимании имеет отношение к самой методике, т.е это валидность измерительного инструмента. Такая проверка называется теоретической валидизациеи. Валидность во втором понимании уже относится не столько к методике, сколько к цели ее использования. Это прагматическая валидизация.

Итак, при теоретической валидизации исследователя интересует само свойство, измеряемое методикой. Это, по существу, означает, что проводится собственно психологическая валидизация. При прагматической валидизации суть предмета измерения (психологического свойства) оказывается вне поля зрения. Главный акцент сделан на то, чтобы доказать, что "нечто", измеряемое методикой, имеет связь с определенными областями практики.

Провести теоретическую валидизацию, в отличие от прагматической, порой оказывается значительно труднее. Не вдаваясь пока в конкретные детали, остановимся в общих чертах на том, как проверяется прагматическая валидность: выбирается какой-нибудь независимый от методики внешний критерий, определяющий успех в той или иной деятельности (учебной, профессиональной и т.п.), и с ним сравниваются результаты диагностической методики. Если связь между ними признается удовлетворительной, то делается вывод о практической эффективности, действенности диагностической методики.

Для определения теоретической валидности найти какой-либо независимый критерий, лежащий вне методики, гораздо труднее. Поэтому на ранних стадиях развития тестологии, когда концепция валидности только складывалась, бытовало интуитивное представление о том, что тест измеряет:

1) методика признавалась валидной, так как то, что она измеряет, просто "очевидно";

доказательство валидности основывалось на уверенности исследователя в том, что его метод позволяет "понять испытуемого";

методика рассматривалась как валидная (т.е. принималось утверждение, что такой-то тест измеряет такое-то качество) только потому, что теория, на основании которой строилась методика, "очень хорошая".

Принятие на веру голословных утверждений о валидности методики не могло продолжаться длительное время. Первые проявления действительно научной критики развенчали такой подход: начались поиски научно обоснованных доказательств.

Как уже говорилось, провести теоретическую валидизацию методики - это показать, действительно ли методика измеряет именно то свойство, качество, которое она, по замыслу исследователя, должна измерять. Так, например, если какой-то тест разрабатывался для того, чтобы диагностировать умственное развитие школьников, надо проанализировать, действительно ли он измеряет именно это развитие, а не какие-то другие особенности (например, личность, характер и т.п.). Таким образом, для теоретической валиди-зации кардинальной проблемой является отношение между психическими явлениями и их показателями, посредством которых эти психические явления пытаются познать. Она показывает, что замысел автора и результаты методики совпадают.

Не столь сложно осуществить теоретическую валидизацию новой методики, если для измерения данного свойства уже имеется методика с известной, доказанной валидностью. Наличие корреляции между новой и аналогичной старой методиками указывает на то, что разработанная методика измеряет то же психологическое качество, что и эталонная. И если новый метод одновременно оказывается более компактным и экономичным в проведении и обработке результатов, то психодиагносты получают возможность использовать новый инструмент вместо старого. Такой прием особенно часто используется в дифференциальной психофизиологии при создании методик диагностики основных свойств нервной системы человека (см. гл. VII).

Но теоретическая валидность доказывается не только путем сопоставления с родственными показателями, а также и с теми, где исходя из гипотезы значимых связей не должно быть. Таким образом, для проверки теоретической валидности важно, с одной стороны, установить степень связи с родственной методикой (конвергентная валидность) и отсутствие этой связи с методиками, имеющими другое теоретическое основание (дискриминантная валидность).

Гораздо труднее провести теоретическую валидизацию методики тогда, когда такой путь невозможен. Чаще всего именно с такой ситуацией сталкивается исследователь. В таких обстоятельствах только постепенное накопление разнообразной информации об изучаемом свойстве, анализ теоретических предпосылок и экспериментальных данных, значительный опыт работы с методикой позволяет раскрыть ее психологический смысл.

Важную роль для понимания того, что методика измеряет, играет сопоставление ее показателей с практическими формами деятельности. Но здесь особенно важно, чтобы методика была тщательно проработана в теоретическом плане, т.е. чтобы имелась прочная, обоснованная научная база. Тогда при сопоставлении методики с взятым из

повседневной практики внешним критерием, соответствующим тому, что она измеряет, может быть получена информация, подкрепляющая теоретические представления о ее сущности.

Важно помнить, что если доказана теоретическая валидность, то интерпретация полученных показателей становится более ясной и однозначной, а название методики соответствует сфере ее применения.

Что касается прагматической валидизации, то она подразумевает проверку методики с точки зрения ее практической эффективности, значимости, полезности. Ей придают большое значение, особенно там, где встает вопрос отбора. Разработка и использование диагностических методик имеет смысл только тогда, когда есть обоснованное предположение, что измеряемое качество проявляется в определенных жизненных ситуациях, в определенных видах деятельности.

Если опять обратиться к истории развития тестологии (А Анастази, 1982; B.C. Аванесов, 1982; К.М. Гуревич, 1970; "Общая психодиагностика", 1987; Б.М Теплов, 1985 и др), то можно выделить такой период (20-30-е гг), когда научное содержание тестов и их теоретический "багаж" интересовали в меньшей степени. Важно было, чтобы тест "работал", помогал быстро отбирать наиболее подготовленных людей. Эмпирический критерий оценки тестовых заданий считался единственно верным ориентиром в решении научных и прикладных задач.

Использование диагностических методик с чисто эмпирическим обоснованием, без отчетливой теоретической базы нередко приводило к псевдонаучным выводам, к неоправданным практическим рекомендациям. Нельзя было точно назвать те способности, качества, которые тесты выявляли. Б.М. Теплов, анализируя тесты того периода, назвал их "слепыми пробами" (1985).

Такой подход к проблеме валидности тестов был характерен вплоть до начала 50-х гг. не только в США, но и в других странах. Теоретическая слабость эмпирических методов валидизации не могла не вызвать критики со стороны тех ученых, которые в разработке тестов призывали опираться не только на "голую" эмпирику и практику, но и на теоретическую концепцию. Практика без теории, как известно, слепа, а теория без практики мертва. В настоящее время теоретико-прагматическая оценка валидности методик воспринимается как наиболее продуктивная.

Для проведения прагматической валидизации методики, т.е. для оценки ее эффективности, действенности, практической значимости, обычно используется независимый внешний критерий - показатель проявления изучаемого свойства в повседневной жизни. Таким критерием может быть успеваемость (для тестов способностей к обучению, тестов достижений, тестов интеллекта), производственные достижения (для методик профессиональной направленности), эффективность реальной деятельности - рисования, моделирования и т.д. (для тестов специальных способностей), субъективные оценки (для тестов личности).

Американские исследователи Тиффин и Маккормик (1968), проведя анализ используемых для доказательства валидности внешних критериев, выделяют четыре их типа:

1) критерии исполнения (в их число могут входить такие, как количество выполненной работы, успеваемость, время, затраченное на обучение, темп роста

квалификации и т.п.);

2) субъективные критерии (они включают различные виды ответов, которые отражают отношение человека к чему-либо или к кому-либо, его мнение, взгляды, предпочтения; обычно субъективные критерии получают с помощью интервью, опросников, анкет);

3) физиологические критерии (они используются при изучении влияния окружающей среды и других ситуационных переменных на организм и психику человека; замеряется частота пульса, давление крови, электросопротивление кожи, симптомы утомления и т.д.);

4) критерии случайностей (применяются, когда цель исследования касается, например, проблемы отбора для работы таких лиц, которые менее подвержены несчастным случаям).

Внешний критерий должен отвечать трем основным требованиям:

он должен быть релевантным, свободным от помех (контаминации) и надежным.

Под релевантностью имеется в виду смысловое соответствие диагностического инструмента независимому жизненно важному критерию. Другими словами, должна быть уверенность в том, что в критерии задействованы именно те особенности индивидуальной психики, которые измеряются и диагностической методикой. Внешний критерий и диагностическая методика должны находиться между собой во внутреннем смысловом соответствии, быть качественно однородными по психологической сущности (К.М. Гуревич, 1985). Если, например, тест измеряет индивидуальные особенности мышления, умение выполнять логические действия с определенными объектами, понятиями, то и в критерии нужно искать проявление именно этих умений. Это в равной степени относится и к профессиональной деятельности. Она имеет не одну, а несколько целей, задач, каждая из которых специфична и предъявляет свои условия к выполнению. Из этого вытекает существование нескольких критериев выполнения профессиональной деятельности. Поэтому не следует проводить сопоставление успешности по диагностическим методикам с производственной эффективностью в целом. Необходимо найти такой критерий, который по характеру выполняемых операций соотносим с методикой.

Если относительно внешнего критерия неизвестно, релевантен он измеряемому свойству или нет, то сопоставление с ним результатов психодиагностической методики становится практически бесполезным. Оно не позволяет прийти к каким-либо выводам, которые могли бы дать оценку валидности методики.

Требования свободы от контаминации вызываются тем, что, например, учебная или производственная успешность зависит от двух переменных: от самого человека, его индивидуальных особенностей, измеряемых методиками, и от ситуации, условий учебы, труда, которые могут привнести помехи, "загрязнить" применяемый критерий. Чтобы в какой-то мере избежать этого, следует отбирать для исследования такие группы людей, которые находятся в более или менее одинаковых условиях. Можно использовать и другой метод. Он состоит в корректировке влияния помех. Эта корректировка носит обычно статистический характер. Так, например, производительность следует брать не по абсолютным значениям, а в отношении к средней производительности рабочих, работающих в аналогичных условиях.

Когда говорят, что критерий должен иметь статистически достоверную надежность, это означает, что он должен отражать постоянство и устойчивость исследуемой функции.

Поиски адекватного и легко выявляемого критерия относятся к очень важным и сложным задачам валидизации. В западной тестологии много методик дисквалифицировано только потому, что не удалось найти подходящего критерия для их проверки. Например, у большей части анкет данные по их валидности сомнительны, так как трудно найти адекватный внешний критерий, отвечающий тому, что они измеряют.

Оценка валидности методики может носить количественный и качественный характер.

Для вычисления количественного показателя - коэффициента валидности - сопоставляются результаты, полученные при применении диагностической методики, с данными, полученными по внешнему критерию, тех же лиц. Используются разные виды линейной корреляции (по Спирмену, по Пирсону).

Сколько испытуемых необходимо для расчета валидности? Практика показала, что их не должно быть меньше 50, однако лучше всего более 200 Часто возникает вопрос, какой должна быть величина коэффициента валидности, чтобы она считалась приемлемой? В общем отмечается, что достаточно того, чтобы коэффициент валидности был статистически значим. Низким признается коэффициент валидности порядка 0,20- 0,30, средним - 0,30-0,50 и высоким - свыше 0,60.

Но, как подчеркивают А. Анастази (1982), К.М. Гуревич (1970) и др, не всегда для вычисления коэффициента валидности правомерно использовать линейную корреляцию. Этот прием оправдан лишь тогда, когда доказано, что успех в какой-то деятельности прямо пропорционален успеху в выполнении диагностической пробы. Позиция зарубежных тестологов, особенно тех, кто занимается профпригодностью и профотбором, чаще всего сводится к безоговорочному признанию того, что для профессии больше подойдет тот, кто больше выполнил заданий в тесте. Но может быть и так, что для успеха в деятельности нужно обладать свойством на уровне 40% решения теста. Дальнейший успех в тесте уже не имеет никакого значения для профессии Наглядный пример из монографии КМ Гуревича: почтальон должен уметь читать, но читает ли он с обычной скоростью или с очень большой скоростью - это уже не имеет профессионального значения. При таком соотношении показателей методики и внешнего критерия наиболее адекватным способом установления валидности может быть критерий различий.

Возможен и другой случай: более высокий уровень свойства, чем это требует профессия, служит помехой профессиональному успеху. Так Ф Тейлор нашел, что наиболее развитые работницы производства имеют невысокую производительность труда. То есть высокий уровень их умственного развития мешает им высокопроизводительно трудиться. В этом случае для вычисления коэффициента валидности более подошел бы дисперсионный анализ или вычисление корреляционных отношений.

Как показал опыт работы зарубежных тестологов, ни одна статистическая процедура не в состоянии полностью отразить многообразие индивидуальных оценок. Поэтому часто для доказательства валидности методик используют другую модель - клинические оценки. Это не что иное, как качественное описание сущности изучаемого

свойства. В этом случае речь идет об использовании приемов, не опирающихся на статистическую обработку.

Существует несколько видов валидности, обусловленных особенностями диагностических методик, а также временным статусом внешнего критерия Во многих работах (А Анастази, 1982; Л.Ф Бурлачук, СМ. Морозов, 1989; КМ. Гуревич, 1970; Б.В Кулагин, 1984; В Черны, 1983; "Общая психодиагностика", 1987 и др) называются чаще всего следующие:

Валидность "по содержанию". Этот прием используется в основном в тестах достижений. Обычно в тесты достижений включается не весь материал, который прошли учащиеся, а какая-то его небольшая часть (3-4 вопроса). Можно ли быть уверенным в том, что правильные ответы на эти немногие вопросы свидетельствуют об усвоении всего материала. На это и должна ответить проверка валидности по содержанию. Для этого проводится сопоставление успешности по тесту с экспертными оценками учителей (по данному материалу). Валидность "по содержанию" также подходит к критериально-ориентированным тестам. Иногда этот прием называют логической валидностью.

Валидность "по одновременности", или текущая валидность, определяется с помощью внешнего критерия, по которому информация собирается одновременно с экспериментами по проверяемой методике. Другими словами, собираются данные, относящиеся к настоящему времени успеваемость в период испытания, производительность в этот же период и т д. С ним коррелируют результаты успешности по тесту.

"Предсказывающая" валидность (другое название - "прогностическая" валидность). Определяется также по достаточно надежному внешнему критерию, но информация по нему собирается некоторое время спустя после испытания. Внешним критерием обычно бывает выраженная в каких-нибудь оценках способность человека к тому виду деятельности, для которой он отбирался по результатам диагностических испытаний. Хотя этот прием наиболее соответствует задаче диагностических методик - предсказанию будущей успешности, применять его очень трудно. Точность прогноза находится в обратной зависимости от времени, заданного для такого прогнозирования. Чем больше проходит времени после измерения, тем большее количество факторов требуется учитывать при оценке прогностической значимости методики. Однако учесть все факторы, влияющие на предсказание, практически невозможно.

"Ретроспективная" валидность. Она определяется на основе критерия, отражающего события или состояние качества в прошлом. Может быть использована для быстрого получения сведений о предсказательных возможностях методики. Так, для проверки того, в какой мере хорошие результаты теста способностей соответствуют быстрому обучению, можно сопоставить прошлые оценки успеваемости, прошлые экспертные заключения и т.д. у лиц с высокими и низкими на данный момент диагностическими показателями.

При приведении данных о валидности разработанной методики важно точно указать, какой вид валидности имеется в виду (по содержанию, по одновременности и т.д.). Желательно также сообщать сведения о численности и особенностях индивидов, на которых проводилась валидизация. Такая информация позволяет пользующемуся методикой исследователю решить, насколько валиден этот прием для той группы, к

которой он собирается его применять. Как и в случае с надежностью, необходимо помнить, что в одной выборке методика может обладать высокой валидностью, а в другой - низкой. Поэтому если исследователь планирует использовать методику на выборке испытуемых, существенно отличающейся от той, на которой проводилась проверка валидности, ему необходимо заново провести такую проверку. Приводимый в руководстве коэффициент валидности применим только к группам испытуемых, подобным тем, на которых он определялся.

Литература

Анастази А. Психологическое тестирование" В 2 кн. / Под ред. К.М. Гуре-вича, В И. Лубовского М., 1982. Кн 1.

Гуревич К.М О надежности психофизиологических показателей // Проблемы дифференциальной психофизиологии М., 1969 Т VI. С 266-275.

Гуревич К.М Надежность психологических тестов // Психологическая диагностика Ее проблемы и методы М, 1975 С 162-176.

Гуревич КМ Статистика - аппарат доказательства психологической диагностики//Проблемы психологической диагностики Таллин 1977. С 206-225

Гуревич К.МЧ^о такое психологическая диагностика М., 1985.

В противоположность этому, валидность показывает, измеряетли используемая в данном исследовании методика то показатель точности, для измерения чего она предназначена. Например, при использовании Словарного теста в картинках Пибоди (Peabody Picture Vocabulary Test) ребенку пока-.

Часть 1, Комплексное изучение жизненного пути человека

зывают буклет с картинками. Экспериментатор произносит вслух стимульное сло­во и просит ребенка показать на странице буклета одну из 4-х картинок, изобража­ющую названный предмет и т. д. Это всего лишь тест на понимание слов английско­го языка, предъявляемых в устной форме. Тем не менее исследователи иногда оши­бочно используют его для измерения уровня интеллекта. Излишне говорить, что подобное использование теста является невалидным, то есть необоснованным.

Прямое наблюдение. Возможно, самый распространенный вид измерения, используемый в работе с младенцами и маленькими детьми, - непосредственное наблюдение за поведением ребенка в определенной ситуации. Исследователь мо­жет проследить за тем, как ребенок обращается с игрушкой или реагирует на посто­ронних. Детей можно наблюдать в школьной обстановке, чтобы посмотреть, как они работают вместе над решением какой-то задачи. Чтобы повысить точность и информативность наблюдения, ученые часто пользуются записывающей аппарату­рой, например видеокамерой. Если же требуется провести исследование старших детей, подростков или взрослых, организация прямого наблюдения за их поведени­ем наталкивается на все возрастающие трудности. Подросткам и взрослым не очень-то нравится «выходить на сцену», они предпочитают рассказать исследовате­лям о своих мыслях и чувствах.

Анализ индивидуальных случаев. Этот метод нацелен на изучение индиви­дуальности и может представлять собой глубинные интервью, наблюдение или их сочетание. Для исследований таким методом часто отбирают неординарных людей: это могут быть и нобелевские лауреаты, и психически больные, и оставшиеся в живых узники концлагерей, и талантливые музыканты. Обычно при описании и оценивании их поведения используется неформальный, качественный подход. Ана­лиз случаев может использоваться при разработке новых областей исследования или для более тщательного изучения последовательного взаимодействия множе­ства противоречащих друг другу влияний. Самый ранний пример применения этого метода встречается в «дневниках ребенка», содержащих данные наблюдений за развивающимся малышом. Записи в такого рода дневниках, как правило, ведутся неполно и несистематически, что можно заметить в выдержках из дневника, со­ставленного Муром (Moore, 1896).

5-я неделя: узнал лицо человека.

9-я неделя: узнал грудь, когда увидел ее и лицо матери.

12-я неделя: узнал свою руку.

16-я неделя: узнал свой большой палец и соску.

17-я неделя: узнал шарик с расстояния в несколько футов.

Анализ индивидуальных случаев редко используется в исследованиях возраст­ного развития, поскольку влечет за собой проблемы субъективности и неконтроли­руемых переменных, к тому же он связан с изучением одного конкретного челове­ка. Поэтому установить причинно-следственные связи и сделать обобщения оказы-

Глава 1 Развитие человека перспективы, процессы и методы исследования

вается почти невозможно. В то же время правильно проведенный анализ развития одного человека может стимулировать более строгое исследование вскрытых в нем проблем.

В практических областях, таких как медицина, образование, социальная работа и клиническая психология, анализ индивидуальных случаев - важный инструмент для постановки диагноза и выработки рекомендаций. Краткосрочное исследование с использованием этого метода, например детальный анализ реакций ребенка на военные действия или травму, может оказаться полезным для понимания его пове­дения в дальнейшем. Несмотря на то что к анализу индивидуальных случаев как к инструменту исследования следует относиться с осторожностью, он дает яркую, наглядную, детальную картину изменения целостного индивидуума на фоне его ок­ружения.

Тесты достижений и способностей. Письменные тесты достижений или спо­собностей - широко распространенная форма измерения физических и когнитив­ных аспектов развития. Чтобы приносить пользу, эти тесты должны быть надежны­ми и валидными в том, что касается измерения способностей, для оценки которых они разработаны. Чаще всего это бланковые методики, заполняемые вручную, хотя все большее распространение получают их компьютерные версии.

Методики самоотчета. К методикам самоотчета относятся интервью и запол­няемые самим испытуемым разнообразные формы отчетов и опросников, в которых исследователь задает вопросы с целью выявления мнений и типичных форм поведе­ния опрашиваемого. Иногда испытуемых просят сообщить информацию о себе, о том, каковы они сейчас, в настоящем, или какими они были в прошлом. Иногда их просят поразмышлять над своими утверждениями или намерениями, высказаться по поводу каких-то суждений об их поведении или образе жизни либо оценить себя по набору черт личности. В любом случае предполагается, что они постараются быть по возможности честными и объективными. Иногда такие методики включают в себя «шкалу лжи», содержащую повторяющиеся в несколько измененной форме вопросы основной части опросника и предназначенную для оценки искренности респондента. Несмотря на такой контроль, данные, получаемые с помощью мето­дик самоотчета, могут ограничиваться тем, что захочет сообщить респондент, или тем, что он сочтет приемлемым для исследователя.

Несмотря на широкое использование интервью и опросников в исследованиях подростков и взрослых, эти методики требуют существенной адаптации при работе с детьми. В одном таком исследовании ученым потребовалось выяснить представ­ления детей о самих себе и своих семьях. Была использована техника самоотчета, известная под названием интерактивный диалог. Один из таких диалогов был по­священ вопросу «На кого похож я и на кого похожи члены моей семьи». Исследова­тель заготавливал к интервью набор карточек с сюжетными картинками. Отвечая на вопросы, дети раскладывали карточки на две группы, указывая тем самым на сходство или отличие ситуаций, изображенных на картинках, с отношениями в их семье (Reid, Ramey, & Burchinal, 1990).

Часть 1. Комплексное изучение жизненного пути человека

Проективные методики. Иногда исследователь вообще не задает прямых вопросов. В проективных тестах испытуемым предлагаются картинка, задача или ситуация, несущие в себе элемент неопределенности, а они должны рассказать ис­торию, объяснить, что нарисовано, или найти выход из ситуации. Поскольку исход­ная задача, в силу своей неопределенности, такова, что правильных или неправиль­ных ответов быть не может, предполагается, что в этом случае люди будут проеци­ровать на эту ситуацию свои собственные чувства, установки, тревоги и потребности. Вероятно, самой известной проективной методикой является тест «чернильных пя­тен» Роршаха. Другим примером может служить тест тематической апперцепции (ТАТ), при проведении которого испытуемого просят придумывать небольшие ис­тории по мере предъявления серии картин довольно неопределенного содержания. Затем тестирующий анализирует темы, содержащиеся во всех придуманных испы­туемым историях.

Широко используются и такие проективные методики, как тест словесных ассо­циаций и тест незаконченных предложений. Испытуемых могут попросить закон­чить фразу типа: «Мой папа всегда...» Им могут показать набор картинок и предло­жить рассказать, что тут нарисовано, выразить свое отношение к изображенному, проанализировать рисунки или расположить их в таком порядке, чтобы получился связный рассказ. Так, в одном исследовании 4-летние дети участвовали в игре под названием «Медвежий пикник». Экспериментатор рассказывал несколько историй о семье плюшевых медвежат. Затем ребенку давали в руки одного медвежонка («это будет твой медвежонок») и предлагали закончить рассказ (Mueller, & Lucas, 1975).

Интерпретация данных

После того как данные собраны, для исследователя наступает время интерпре­тировать их и проверить, насколько они подтверждают выдвинутую им ранее гипо­тезу. Мы не всегда интерпретируем одни и те же события одинаково. (Три свидете­ля ограбления или три участника одного и того же эксперимента могут представить три разные версии происшедшего.) В научном исследовании развития ребенка не­обходимо использовать надежные, воспроизводимые и непротиворечивые методи­ки анализа, которые приводят к одинаковым выводам, иначе прогресс и расширение знаний в этой области науки станут невозможными. Выполнение этой задачи начи­нается с понимания того, что точной интерпретации данных могут помешать самые различные обстоятельства.

Серьезная проблема возникает в связи с предвзятостью наблюдателя - прису­щей всем нам склонности видеть то, что мы ожидаем или хотим увидеть. (Это и называется субъективностью.) Мы либо не замечаем, либо отказываемся пове­рить во все то, что противоречит существующим у нас предпосылкам. Происходит ли это из-за принадлежности к определенному культурному слою с его традициями, предрассудками, стереотипами или вследствие недостатка опыта, - в любом слу­чае предвзятость приводит к ошибочным выводам. Исследователь, который наблю­дает, например, за ростом спортивного мастерства у женщин, занимающихся тяже­лой атлетикой, может быть изначально необъективен, полагая, что женщины либо

Глава 1. Развитие человека: перспективы, процессы и методы исследования

не могут, либо не должны заниматься этим видом спорта. Другой пример: амери­канский исследователь может заключить, что финны крайне недружелюбны и избе­гают знакомств, тогда как на самом деле это следствие застенчивости и самоуглуб­ленности, берущей начало в традициях иной культуры.

Точной интерпретации фактов может помешать и невосприимчивость. Наблю­дая изо дня в день одно и то же, мы можем настолько привыкнуть к происходящему, что становимся неспособны осознать его значение. Например, по тому, за какой партой в классе сидит тот или иной ученик, мы, при желании, можем определить, как относятся к нему одноклассники, лидер он или изгой, к какой компании или группе он принадлежит. Но если мы видим этих детей в классе несколько дней в неделю, мы можем проглядеть эту легкодоступную информацию. Другим, не менее показательным примером может служить наша неспособность уловить признаки дистресса у самых близких нам людей.

Тест 3. Методы исследования

1. Данные о реальном поведении человека, полученные в ходе внешнего наблюдения, называются:

а) L – данными;

б) Q-данными;

в) Т-данными;

г) Z-данными.

2. Тип результатов, регистрируемых с помощью опросников и других методов самооценок, называется:

а) L – данными;

б) Q-данными;

в) Т-данными;

г) Z-данными.

3. Такое присвоение чисел объектам, при котором равные разности чисел соответствуют равным разностям измеряемого признака или свойства объекта, предполагает наличие шкалы:

а) наименований;

б) порядка;

в) интервалов;

г) отношений.

4. Шкала порядка соответствует измерению на уровне:

а) номинальном;

б) ординальном;

в) интервальном;

г) отношений.

5. Ранжирование объектов по выраженности определенного признака составляет суть измерений на уровне:

а) номинальном;

б) ординальном;

в) интервальном;

г) отношений.

6. Крайне редко в психологии применяется шкала:

а) наименований;

б) порядка;

в) интервалов;

г) отношений.

7. К числу постулатов, которым подчиняются преобразования порядковых шкал, не относятся постулаты:

а) трихотомии;

б) асимметрии;

в) транзитивности;

г) дихотомии.

8. В наиболее общей форме шкалы измерений представлены шкалой:

а) наименований;

б) порядка;

в) интервалов;

г) отношений.

9. Нельзя производить никаких арифметических действий в шкале:

а) наименований;

б) порядка;

в) интервалов;

г) отношений.

10. Установление равенства отношений между отдельными значениями допустимо на уровне шкалы:

а) наименований;

б) порядка;

в) интервалов;

г) отношений.

11. Б.Г. Ананьев относит лонгитюдный метод исследования:

а) к организационным методам;

б) к эмпирическим методам;

в) к способам обработки данных;

г) к интерпретационным методам.

12. Целенаправленное, планомерно осуществляемое восприятие объектов, в познании которых заинтересована личность, является:

а) экспериментом;

б) контент-анализом;

в) наблюдением;

г) методом анализа продуктов деятельности.

13. Длительное и систематическое наблюдение, изучение одних и тех же людей, позволяющее анализировать психическое развитие на различных этапах жизненного пути и на основе этого делать определенные выводы, принято называть исследованием:

а) пилотажным;

б) лонгитюдным;

в) сравнительным;

г) комплексным.

14. Понятие «самонаблюдение» является синонимом термина:

а) интроверсия;

б) интроекция;

в) интроспекция;

г) интроскопия.

15. Систематическое применение моделирования наиболее характерно:

а) для гуманистической психологии;

б) для гештальтпсихологии;

в) для психоанализа;

г) для психологии сознания.

16. Краткое, стандартизированное психологическое испытание, в результате которого делается попытка оценить тот или иной психический процесс или личность в целом, – это:

а) наблюдение;

б) эксперимент;

в) тестирование;

г) самонаблюдение.

17. Получение субъектом данных о собственных психических процессах и состояниях в момент их протекания или вслед за ним – это:

а) наблюдение;

б) эксперимент;

в) тестирование;

г) самонаблюдение.

18. Активное вмешательство исследователя в деятельность испытуемого с целью создания условий для установления психологического факта называется:

а) контент-анализом;

б) анализом продуктов деятельности;

в) беседой;

г) экспериментом.

19. Основным для современных психогенетических исследований не является метод:

а) близнецовый;

б) приемных детей;

в) семейный;

г) интроспекции.

20. В зависимости от ситуации можно выделить наблюдение:

а) полевое;

б) сплошное;

в) систематическое,

г) дискретное.

21. Способ исследования структуры и характера межличностных отношений людей на основе измерения их межличностного выбора называется:

а) контент-анализом;

б) методом сравнения;

в) методом социальных единиц;

г) социометрией.

22. Впервые экспериментальная психологическая лаборатория была открыта:

а) У. Джемсом;

б) Г. Эббингаузом;

в) В. Вундтом;

г) Х. Вольфом.

23. Первая в мире экспериментальная лаборатория начала свою работу:

а) в 1850 г.;

б) в 1868 г.;

в) в 1879 г.;

24. Первая экспериментальная психологическая лаборатория в России известна:

а) с 1880 г.;

б) с 1883 г.;

в) с 1885 г.;

25. Первая педологическая лаборатория была создана:

а) А.П. Нечаевым в 1901 г.;

б) С. Холлом в 1889 г.;

в) У. Джемсом в 1875 г.;

г) Н.Н. Ланге в 1896 г.

26. В России первую экспериментальную психологическую лабораторию открыл:

а) И.М. Сеченов;

б) Г.И. Челпанов;

в) В.М. Бехтерев;

г) И.П. Павлов.

27. Возможность исследователя вызвать какой-то психический процесс или свойство является главным достоинством:

а) наблюдения;

б) эксперимента;

в) контент-анализа;

г) анализа продуктов деятельности.

28. С помощью экспериментального метода проверяются гипотезы о наличии:

а) явления;

б) связи между явлениями;

в) причинно-следственной связи между явлениями;

г) корреляции между явлениями.

29. Устанавливать наиболее общие математико-статистические закономерности позволяет:

а) контент-анализ;

б) анализ продуктов деятельности;

в) беседа;

г) эксперимент.

30. Ассоциативный эксперимент для изучения неосознаваемых аффективных образований разработал и предложил:

а) П. Жане;

б) З. Фрейд;

в) Й. Брейер;

а) Р. Готтсданкер;

б) А.Ф. Лазурский;

в) Д. Кэмпбелл;

г) В. Вундт.

32. Понятие «эксперимент полного соответствия» в научный оборот ввел:

а) Р. Готтсданкер;

б) А.Ф. Лазурский;

в) Д. Кэмпбелл;

г) В. Вундт.

33. Промежуточным между естественными методами проведения исследования и методами, где применяется строгий контроль переменных, является:

а) мысленный эксперимент;

б) квазиэксперимент;

в) лабораторный эксперимент;

г) метод беседы.

34. Активно изменяемая в психологическом эксперименте характеристика называется переменной:

а) независимой;

б) зависимой;

в) внешней;

г) побочной.

35. По Д. Кэмпбеллу, потенциально управляемые переменные относятся к переменным эксперимента:

а) независимым;

б) зависимым;

в) побочным;

г) внешним.

36. В качестве критерия достоверности результатов валидность, достигаемая в ходе реального эксперимента по сравнению с идеальным, называется:

а) внутренней;

б) внешней;

в) операциональной;

г) конструктной.

37. Мера соответствия экспериментальной процедуры объективной реальности характеризует валидность:

а) внутреннюю;

б) внешнюю;

в) операциональную;

г) конструктную.

38. При лабораторном эксперименте в наибольшей степени нарушается ва-лидность:

а) внутренняя;

б) внешняя;

в) операциональная;

г) конструктная.

39. Понятие «экологическая валидность» чаще используется как синоним понятия «валидность»:

а) внутренняя;

б) внешняя;

в) операциональная;

г) конструктная.

40. Восемь основных факторов, нарушающих внутреннюю валидность, и четыре фактора, нарушающих внешнюю, выделил:

а) Р. Готтсданкер;

б) А.Ф. Лазурский;

в) Д. Кэмпбелл;

г) В. Вундт.

41. Фактор неэквивалентности групп по составу, снижающий внутреннюю валидность исследования, Д. Кэмпбелл назвал:

а) селекцией;

б) статистической регрессией;

в) экспериментальным отсевом;

г) естественным развитием.

42. Эффект плацебо был открыт:

а) психологами;

б) педагогами;

в) медиками;

г) физиологами.

43. Фактор присутствия любого внешнего наблюдателя в эксперименте называется эффектом:

а) плацебо;

б) Хотторна;

в) социальной фасилитации;

г) ореола.

44. Влияние экспериментатора на результаты наиболее значительно в исследованиях:

а) психофизиологических;

б) «глобальных» индивидуальных процессов (интеллекта, мотивации, принятия решения и т. п.);

в) психологии личности и социальной психологии;

г) психогенетических.

45. В качестве специально разработанной методики интроспекция наиболее последовательно использовалась в психологических исследованиях:

а) А.Н. Леонтьева;

б) В. Вундта;

в) В.М. Бехтерева;

г) З. Фрейда.

46. Психологические приемы, конструируемые на учебном материале и предназначенные для оценки уровня овладения учебными знаниями и навыками, известны как тесты:

а) достижений;

б) интеллекта;

в) личности;

г) проективные.

47. Оценка возможностей личности по овладению знаниями, умениями и навыками, носящими общий или специфический характер, осуществляется с помощью тестирования:

а) достижений;

б) интеллекта;

в) личности;

г) способностей.

48. Оценка согласованности показателей, получаемых при повторном тестировании тех же испытуемых и тем же самым тестом или эквивалентной его формой, характеризует тест с точки зрения его:

а) валидности;

б) достоверности;

в) надежности;

г) репрезентативности.

49. Критерий качества теста, используемый при выяснении его соответствия области измеряемых психических явлений, представляет валидность теста:

а) конструктную;

б) по критерию;

г) прогностическую.

50. Критерий качества теста, используемый при измерении какого-либо сложного психического феномена, имеющего иерархическую структуру, измерить который из-за этого одним актом тестирования невозможно, известен как:

а) конструктная валидность теста;

б) валидность теста по критерию;

в) валидность теста по содержанию;

г) надежность теста.

51. На данные личностных опросников не должно влиять:

а) использование обследуемыми неверных эталонов;

б) отсутствие у обследуемых навыков интроспекции;

в) несоответствие интеллектуальных возможностей респондентов требованиям опросной процедуры;

г) личностное воздействие исследователя.

52. Для установления статистической взаимосвязи между переменными применяется:

а) t-критерий Стьюдента;

б) корреляционный анализ;

в) метод анализа продуктов деятельности;

г) контент-анализ.

53. Факторный анализ в психологии впервые начал применять:

а) Р. Кеттелл;

б) К. Спирмен;

в) Дж. Келли;

г) Л. Терстоун.

54. Наиболее часто встречающееся значение в совокупности данных называется:

а) медианой;

б) модой;

в) децилем;

г) процентилем.

55. Если психологические данные получены по интервальной шкале или шкале отношений, то для выявления характера взаимосвязи между признаками применяется коэффициент корреляции:

а) линейной;

б) ранговой;

в) парной;

г) множественной.

56. Табулирование, представление и описание совокупности результатов психологического исследования осуществляется:

а) в описательной статистике;

б) в теории статистического вывода;

в) в проверке гипотез;

г) в моделировании.

57. Наиболее широкий диапазон применения математических методов в психологии допускает квантификация показателей в шкале:

а) наименований;

б) порядка;

в) отношений;

г) интервальной.

58. Дисперсия является показателем:

а) изменчивости;

б) меры центральной тенденции;

в) среднеструктурным;

г) среднестепенным.

59. К многомерным статистическим методам не относится:

а) многомерное шкалирование;

б) факторный анализ;

в) кластерный анализ;

г) корреляционный анализ.

60. Наглядную оценку сходства и различия между некоторыми объектами, описываемыми большим количеством разнообразных переменных, обеспечивает:

а) многомерное шкалирование;

б) факторный анализ;

в) кластерный анализ;

г) структурно-латентный анализ.

61. Совокупность аналитико-статистических процедур выявления скрытых переменных (признаков), а также внутренней структуры связей между этими признаками называется:

а) многомерным шкалированием;

б) факторным анализом;

в) кластерным анализом;

г) структурно-латентным анализом.