Поиск психодиагностических правил для диагностики эмоциональной устойчивости с помощью детерминационного анализа - (реферат)

Поиск психодиагностических правил для диагностики эмоциональной устойчивости с помощью детерминационного анализа - (реферат)

Вернемся к матрице данных в таблице 1. Всего здесь имеется 53 (~53 качественных) количественных переменных. Пример частный, но в нем проявляется общее для многих психологических обследований обстоятельство: в психологических матрицах данных доли числовых и нечисловых переменных сопоставимы. Это делает особенно острой проблему совместного анализа количественных и качественных переменных, количественных и качественных данных.

    1. 6 Количественные и качественные измерения.

При проведении исследований значения количественных переменных получаются на основе измерений, напоминающих те, которыми пользуются в физике. Такие измерения принято называть количественными. Их отличительный признак - наличие определенных единиц измерения.

Значения нечисловых переменных, содержащиеся в клетках матрицы данных, получаются тоже на основе измерений, но измерений особого рода. Они принципиально отличаются от количественных и носят название “качественных” или “гуманитарных” измерений [3]. Отличительный признак гуманитарных измерений отсутствие единиц измерения. Гуманитарное измерение представляет собой идентификацию, соотнесение имени и образа. Это частный случай тех же самых способов поименования образов, которыми каждый человек систематически пользуется в обыденной жизни. Тексты, которые служат значениями качественных переменных представляют собой имена образов. Чтобы гуманитарное измерение было в научном отношении полезным, необходимо, чтобы процедура соотнесения имен с образами происходила в соответствии с определенными четко заданными правилами. Мы не будем развивать здесь тему гуманитарных измерений. Она исключительно важна для психологии, но она также и чрезвычайно непростая. Важно подчеркнуть, что в психологии (как и во многих других областях деятельности, связанных с людьми), гуманитарные измерения играют не менее фундаментальную роль, чем измерения количественные.

    1. 7 Числовые и нечисловые переменные.

Значениями количественных переменных служат числа. Все количественные переменные в этом смысле можно назвать числовыми. Может показаться, что понятия “количественная переменная” и “числовая переменная” - это одно и то же. Простой пример показывает, что это не так.

Возьмем любую неколичественную переменную, например, диагноз, и обозначим ее значения какими-либо числами (произведем кодирование - см. ниже). Мы получим числовую переменную, которую, тем не менее, количественной назвать нельзя. Переобозначение не меняет сути. Когда мы переобозначаем словесный текст числом, мы не “превращаем текст в число”, мыроль числа ограничиваем ролью текста. Поэтому качественная переменная останется качественной даже тогда, когда ее значения записаны в виде чисел, то есть когда формально ее можно считать числовой. Справедливо и обратное. Если переобозначить числовые значения количественной переменной словами (вместо цифр писать слова), это приведет к неудобствам в оперировании числами, но не изменит природу количественной переменной, не превратит ее в качественную. Различия между числами и словами не сводятся к выбору обозначений.

Пример свидетельствует, что понятия “числовая переменная” и “количественная переменная” не совпадают. Первое оказывается более широким. Среди количественных переменных все числовые. Однако, среди числовых переменных могут быть как количественные, так и качественные. В работе с эмпирическими данными полезны оба понятия.

    1. 8 Кодирование первичных данных.

Качественные нечисловые переменные можно превратить в числовые, заменив словесные тексты числами. Эта процедура носит название кодирования. С числовыми переменными обращаться в некоторых отношениях удобнее, чем с нечисловыми. Особенно это проявляется при работе с компьютером. У чисел есть чисто технические преимущества. Числа, во-первых, более компактны, чем тексты из слов. Во-вторых, компьютер устроен так, что ему проще вместо слов оперировать числами. В роли кодовых символов числа представляют собой просто удобное переобозначение словесных текстов. Роль чисел при этом полностью эквивалентна роли, которую выполняют в естественном языке слова.

В простейших случаях (которые мы рассматриваем здесь) кодирование не вызывает затруднений. В более сложных случаях могут возникнуть проблемы. Способами их разрешения занимается так называемая “теория шкалирования” и возникшая на рубеже 50-х и 60-х годов этого столетия “математическая теория измерений”, которую правильнее было бы называть “математической теорией числового кодирования”. Появление этой теории связывают с основополагающей работой американских математиков П. Суппеса и Дж. Зинеса под названием “Основы теории измерений”, появившейся в начале 60-х годов в США (русский перевод можно найти в книге “Психологические измерения”, Москва, Мир, 1967).

Числовые переменные анализировать проще, чем нечисловые (качественные). Отчасти это связано с привычками, отчасти - с более глубокими проблемами. Например, средний возраст какой-либо определенной категории испытуемых несложно вычислить, если известен возраст каждого испытуемого. Возраст - это количественная переменная. Понятие “средний возраст” легко интерпретировать. Переменные “Пол” или “Диагноз” качественные. Что такое “средний пол” или “средний диагноз” это неясно. В этом проявляется особый тип трудностей, связанных с использованием нечисловых переменных. Для числовых переменных средства анализа более разнообразны и разработаны они более тщательно, чем для нечисловых переменных. Гораздо менее разработаны методы анализа данных с привлечением нечисловых переменных.

В руководствах по методам анализа данных встречаются рецепты, как качественные переменные сделать количественными. Иными словами, как заменить слова (тексты из слов) числами. Эти рецепты напоминают практику оценивания с помощью баллов, которая применяется в средней школе или на соревнованиях по фигурному катанию. Пользоваться такими рецептами следует с особой осторожностью. Заменяя слова числами, исследователь часто привносит в свои собственные данные то, чего в них изначально не было. Основная проблема состоит в надежном котроле за тем, что именно привносится по произволу, а что действительно содержится в самих данных. Замена слов числами способна привести (и приводит зачастую) к неконтролируемым искажениям первичных данных. Вследствие этого иногда получаются результаты, которые в принципе нельзя четко осмыслить, хотя внешне они выглядят вполне “научно”. Таких вещей следует опасаться. Когда речь идет о здоровье людей, это может дорого стоить.

Подчеркнем, что кодирование не вносит никаких принципиально новых моментов в обрабтку и анализ данных, использование этой процедуры продиктовано исключительно соображениями удобства. Содержание данных определяется всецело способами измерения. В результате корректно выполненного кодирования это содержание не меняется. Когда это осознается, когда от кодирования не ждут “чуда”, когда оно проводится с учетом требований научной строгости, когда количественные измерения не перепутываются с качественными, когда то и другое используется по назначению, тогда нет опасности искажения первичной информации в результате кодирования. Более того, только в этом случае могут быть строго поставлены и решены проблемы, связанные с тем, как присвоить числовые коды наилучшим образом, чтобы не исказить имеющиеся эмпирические данные. Только в этом случае могут быть корректно поставлены и решены проблемы анализа количественных данных совместно с качественными, особо важные для психологии. 1. 9 Кодирование при вводе данных в компьютер. Словарь переменных и собственно данные.

Мы уже говорили: чтобы подвергнуть первичную эмпирическую информацию анализу, необходимо представить ее в виде матрицы данных, ввести эту матрицу в компьютер и затем “подключить” программу, которая реализует нужный метод анализа. Здесь как раз удобно воспользоваться преимуществами, которые дает кодирование. Вернемся к матрице данных в виде таблицы 1. Вся информация, содержащаяся в ней, может быть поделена на две части: (1) информация о переменных и (2) информация о самих данных. Первая часть носит название “словарь переменных”, вторая представляет собой собственно данные.

Покажем на примере этой матрицы разделение исходных данных на словарь переменных и собственно данные. Вот как выглядит в данном случае словарь переменных.

    Словарь переменных
    Переменная 1. Порядковый номер испытуемого
    Переменная 2. GP
    Переменная 3. Z
    Переменная 4. EM
    Переменная 5. P
    Переменная 6. TR
    Переменная 7. AL
    Переменная 8. DM
    Переменная 9. V
    Переменная 10. DI

Чтобы увидеть, как этот словарь связан с матрицей данных, достаточно сопоставить названия переменных в словаре и столбцы матрицы данных в Таблице 1. При составлении этого словаря мы закодировали значения качественных переменных целыми числами (значения числовых переменных кодировать не надо, они и так представляют собой числа). То, что на роль кодовых значений выбраны именно целые числа 1, 2, 3, и т. д, объясняется только соображениями простоты и удобства, больше ничем. Коды проставлены слева от текстов, представляющих значения нечисловых переменных.

В пределах значений одной переменной цифры позволяют отличить одно значение от другого. Эти цифры и представляют собой коды или, как еще говорят, “кодовые значения”.

В каком порядке присваивать различные кодовые значения фамилиям, видам диагноза, признакам пола и т. д, очевидно, не играет роли. Безразлично, обозначить ли НПУ кодом 1, а PSY кодом 2, или наоборот. Важно, чтобы коды были разными у различных значений одной переменной, чтобы с помощью кодов можно было отличить одно значение качественно-количественной переменной от другого. Бывают случаи, когда значения качественно-количественной переменной упорядочены каким-либо естественным образом. Тогда порядок, в котором возрастают или убывают кодовые значения, удобно сделать таким же, как и естественный порядок, в котором соотносятся друг с другом значения качественной переменной. В нашем примере таких случаев нет, но они могут быть.

Пользуясь словарем переменных и кодовыми значениями, которые в нем указазаны, можно первоначальную матрицу данных представить в гораздо более компактном виде, как показывает Таблица 2.

Таблица 2. Вид, к которому приводится матрица данных, когда словарь переменных задан (матрицу данных в этой форме мы называем “собственно данными”, хотя условность такого словоупотребления очевидна).

    Пере-менная 1
    Пере-менная 2
    Пере-менная 3
    Пере-менная 4
    Пере-менная 5
    Пере-менная 6
    Пере-менная 7
    Пере-менная 8
    Пере-менная 9
    Пере-менная 10
    1
    21
    8
    12
    12
    12
    21
    14
    9
    9
    2
    21
    4
    15
    14
    21
    18
    12
    24
    12
    3
    15
    14
    15
    12
    9
    15
    20
    15
    12
    4
    15
    18
    15
    18
    3
    9
    14
    9
    6
    5
    12
    14
    9
    16
    12
    15
    6
    18
    18
    6
    6
    20
    21
    20
    24
    24
    8
    21
    21
    7
    15
    20
    15
    18
    24
    21
    8
    24
    12
    8
    15
    14
    15
    18
    6
    12
    16
    15
    9
    1. 10 Роль словаря переменных.

Словарь переменных играет особую роль в организации всей работы с данными. Определение “словарь” здесь полностью оправдано. Названия переменных, значения этих переменных (как числовых, так и нечисловых) образуют в самом прямом смысле словарь, который использует психолог, чтобы ставить содержательные задачи, формулировать гипотезы, определять для себя способы решения задач и проверки гипотез. Конечно, у психолога есть свой собственный профессиональный словарь понятий, которыми он оперирует, когда думает о проблемах диагностики, клиники и т. д. Конечно, этот словарь в каких-то отношениях значительно шире, чем любой словарь переменных, связанный с любым конкретным массивом эмпирических данных. Однако, если иметь в виду первичные эмпирические данные, собранные для того, чтобы отыскать новые знания, то все связи этого профессионального широкого словаря понятий с эмпирическими данными, со всеми знаниями, которые могут быть получены с помощью этих данных, осуществляютсятолько через словарь переменных. Вот почему составлению словаря переменных при работе с эмпирическими данными следует уделять первостепенное внимание. Он полностью определяет то, что можно назвать “проблемным полем” в отношении эмпирических данных. Он задает содержательные границы анализа. Словарь переменных в буквальном смысле организует связь между профессиональным мышление психолога и эмпирическими данными.

    1. 11 Словарь переменных при работе с ДА-системой.

В рамках ДА-технологии составление словаря переменных производится с помощью специального программного обеспечения. Оно представляет собой отдельный модуль ДА-системы. Модуль имеет название DICT (от английского DICTIONARY - словарь). Он обслуживает все технологические процедуры, необходимые для того, чтобы формировать словари переменных.

После того, как словарь переменных создан в памяти компьютера (это делается с помощью простых и легко усваиваемых процедур), он становится затем основным средством общения психолога с компьютером. Словарь переменных обслуживает процесс ввода эмпирических данных в компьютер. Он служит опорой языка, на котором ставятся и решаются задачи анализа эмпирических данных. Благодаря такой роли словаря переменных язык общения с ДА-системой легкий. Он лишен ненужных техницизмов и максимально приближен к тому содержанию, ради которого проводится исследование, совершается анализ собранных данных.

1. 12 Строение словаря переменных при практической работе с данными Словарь переменных представляет собой перечень переменных, где о каждой переменной имеются сведения, которые необходимы, чтобы полностью охарактеризовать переменную. При практической работе с данными состав таких сведений по каждой переменной включает:

    порядковый номер переменной;
    тип переменной;
    название переменной;

Для нечисловых переменных в словаре указываются значения (множества значений) переменных.

Различают следующие основные типы переменных: альтернативная, неальтернативная, целочисленная, вещественная.

Два первых типа относятся к качественным переменным, два другие - к количественным . Типы переменных “Целочисленная” и “Вещественная” отличаются тем, что значениями переменных первого типа могут быть только целые числа, а во втором случае это могут быть практически любые числа (включая, разумеется, и целые).

Название переменной “альтернативная” означает, что каждый объект в матрице данных может характеризоваться только одним значением такой переменной. Целочисленная и вещественная переменные также относятся к альтернативным переменным. Однако по сложившейся традиции термин “альтернативная” закреплен преимущественно за качественными переменными.

Для переменной, относящейся к типу “Неальтернативная”, допускаются ситуации, когда каждый объект в матрице данных может характеризоваться не только одним, но, возможно и несколькими значениями такой переменной (количество значений в принципе не ограничено). ДА-система предоставляет возможность пользоваться неальтернативными переменными.

    1. 13 Пример словаря переменных.

Ниже приводятся реальный словарь переменных. Словарь был использован при исследовании эмоциональной устойчивости.

Пример 1. Словарь переменных, использованных при проведении исследования эмоциональной устойчивости.

    Переменная 1. Порядковый номер испытуемого
    Переменная 2. GP
    Переменная 3. Z
    Переменная 4. EM
    Переменная 5. P
    Переменная 6. TR
    Переменная 7. AL
    Переменная 8. DM
    Переменная 9. V
    Переменная 10. DI
    Переменная 11. AE
    Переменная 12. FA
    Переменная 13. KA
    Переменная 14. R
    Переменная 15. NG
    Переменная 16. OB
    Переменная 17. POD
    Переменная 18. VA
    Переменная 19. VIN
    Переменная 20. OA
    Переменная 21. VR
    Переменная 22. DST
    Переменная 23. NPU
    Переменная 24. GR
    Переменная 25. A
    Переменная 26. B
    Переменная 27. C
    Переменная 28. E
    Переменная 29. F
    Переменная 30. G
    Переменная 31. H
    Переменная 32. I
    Переменная 33. L
    Переменная 34. M
    Переменная 35. N
    Переменная 36. O
    Переменная 37. Q1
    Переменная 38. Q2
    Переменная 39. Q3
    Переменная 40. Q4
    Переменная 41. F1
    Переменная 42. F2
    Переменная 43. F3
    Переменная 44. F4
    Переменная 45. SOM
    Переменная 46. O_C
    Переменная 47. INT
    Переменная 48. DEP
    Переменная 49. ANX
    Переменная 50. HOS
    Переменная 51. PHOB
    Переменная 52. PAR
    Переменная 53. PSY
    Переменная 54. QSI

Глава 4. Анализ диагностических критериев методом детерминационного анализа. 2. 1 Задачи статистического оценивания и задачи анализа выборки Вообще все задачи анализа данных могут рассматриваться либо как задачи анализа выборки, либо как задачи анализа взаимоотношения между результатами, полученными на выборке, и “всем остальным миром” (т. е генеральной совокупностью), либо как задачи смешанного типа, в которых анализ выборки и анализ взаимоотношения между выборкой и генеральной совокупностью производится одновременно. Для решения задач первого типа используются методы описательной статистики. Для решения задач второго типа используются собственно статистические методы, в том числе методы оценки доверительных интервалов, методы разрешения статистических гипотез, основанные на применении критериев типа Стьюдента, Фишера, статистики “хи-квадрат” и т. д. Часто такая широко известная задача анализа, как задача построения уравнения регрессии по имеющимся выборочным данным, ставится и решается как задача смешанного типа. Как задачи смешанного типа ставятся и решаются и многие другие задачи анализа данных.

Если исследователь нашел какие-то, как ему показалось, интересные результаты, анализируя только одну выборку испытуемых, это еще ничего не значит. Может быть случаи, которые он наблюдал, отобраны так, что они не отражают действительной ситуации. Может быть выборка сделана плохо, так что в ней имеются искажения, которые носят систематический характер и не могут быть отнесены за счет случайных факторов. Может быть при работе с приборами в ходе исследования были допущены ошибки. Имеется множество требований, которые необходимо принимать во внимание, чтобы получить действительно ценный, научно выверенный результат. Среди них особое место занимают требования, связанные с оценкой отношения между выборкой и генеральной совокупностью. Как делать такие оценки, в каких случаях этим оценкам можно доверять, какой должна быть выборка и многое другое подробно обсуждается в руководствах по методам статистической обработки данных для психологов, и мы на этом останавливаться не будем. Мы сконцентрируем внимание на задачах анализа выборки, т. е. тех данных, которые доступны исследователю и находятся у него под руками. Более того, мы остановимся только на специальном, хотя и чрезвычайно важном классе задач - на задачах обнаружения диагностических критериев, когда в качестве исходных данных используются данные, полученные при проведении комплексных ультразвуковых обследований.

Обычно о методах анализа выборки (и только выборки) говорят как о методах описательной статистики (в отличие от методов, например, статистического оценивания доверительных интервалов или методов проверки статистических гипотез). Почему такие методы следует рассматривать как отдельный класс методов, видно из следующих соображений. Предположим, вы сформировали выборку в соответствии с требованиями выборочного метода. Предположим, вы тщательно провели все необходимые измерения, подготовили данные к анализу, сделали словарь переменных и ввели данные в компьютер. Допустим вам необходимо отыскать диагностические критерии, позволяющие отличать одну болезнь от другой. Если у вас относительно таких диагностических критериев имеется не слишком много конкурирующих гипотез, нет проблем. Вы пользуетесь, скажем, методом оценивания значимости различий средних значений по Стьюденту, проводите необходимые вычисления и выбираете ту гипотезу, которая приводит к наиболее значимым результатам. Но представьте, что вся совокупность гипотез, которые вы хотите проверить, очень велика. Более того, сами гипотезы сформулированы только в достаточно общем виде и их формулировки необходимо уточнить. Представьте также, что переменных, которые участвуют в формулировании и проверке гипотез, десятки, а может быть и сотни. Что тогда? Нужны методы, которые позволяют провести анализ данных и понять, какие гипотезы представляют интерес и почему. В этом случае как раз и помогут методы анализа выборки, методы описательной статистики.

2. 2 Базовые задачи анализа в режиме описательной статистики Арсенал современных описательных статистических методов очень широк. В современных статистических пакетах, предназначенных для персональных компьютеров, количество методов анализа измеряется десятками. В то же времязадач анализа всего две: Задача 1. (Задача анализа связей). Дать описание связи между переменными. Задача 2. (Задача построения новых признаков). Построить новую переменную (новые признаки) на основе уже заданных.

Для примера укажем, как соотносятся с этими задачами наиболее популярные и широко известные методы анализа.

    Регрессионный анализ. Решает задачу 1.

Методы измерения силы связи на основе всевозможных коэффициентов связи (их около сотни). Решают задачу 1.

    Кластерный анализ. Решает задачу 2.
    Методы таксономического анализа. Решают задачу 2.
    Дискриминантный анализ. Решает задачу 2.
    Факторный анализ. Решает обе задачи одновременно.
    Метод главных компонент. Решает обе задачи одновременно.

Задачи 1 и 2 называются базовыми задачами анализа в режиме описательной статистики.

    2. 3 Базовые задачи при поиске диагностических критериев

При поиске диагностических критериев базовые задачи анализа ставятся и решаются особым образом.

Задача анализа связей (задача 1) ставится и решается как задача поиска диагностических правил. Задача построения новых признаков (задача 2) ставится и решается как задача конструирования вторичных переменных. Технология детерминационного анализа обслуживает постановку и решение обеих этих задач. Рассмотрим каждую из этих задач в отдельности.

2. 4 Задача 1. (Поиск диагностических правил) и практика тестирования В психодиагностике широко распространено тестирование с помощью диагностических признаков. Процедуру использования диагностического признакаa с целью установить диагноз b принято называть психодиагностическим тестом. Пусть a- признак, наличие (отсутствие) которого у испытуемого используется в качестве теста на наличие (отсутствие) заболеванияb. Умозаключение

    Если у испытуемого имеется признак a,
    то

следует предполагать наличие у него психического качества-свойства b представляет собой общеизвестную форму диагностического правила (диагностического суждения). Диагностическое правило такого рода характеризуютсяпрогностической (предсказательной) ценностью и чувствительностью. Подобные правила можно применять только тогда, когда тестирование дало положительный результат, т. е когда у испытуемого обнаружен признакa. В этом случае правило позволяет поставить истинно-положительный гипотетический диагнозb. Поскольку правило применимо только при положительном результате тестирования, оно ассоциируется с “положительным тестом”. Поэтому прогностичесая ценность такого правила называетсяпрогностической (предсказательной) ценностью положительного теста. Чувствительность того же правила принято называть чувствительностью теста. Характеристики правила вычисляются в соответствии со следующими определениями. Прогностическая ценность положительного теста определяется как доля истинно-положительных тестов (случаев заболевания bпри положительном результате тестирования) среди всех положительных тестов (случаев наличия признакаa). Чувствительность теста определяется как доля истинно-положительных тестов (случаев заболевания b при положительном результате тестирования) среди всех больных болезнью b. Когда результаты тестирования болезни b по признаку aдают отрицательный результат, т. е. когда у испытуемого обнаруживается отсутствие признакаa, используются также умозаключения вида Если у испытуемого отсутствует признак a,

    то

следует предполагать отсутствие у него психического качества-свойства b Они представляет собой общеизвестную форму диагностического правила, которое позволяет поставить истинно-отрицательный гипотетический диагноз, состоящий в том, что признакb отсутствует. Такое суждение также характеризуется прогностической ценностью и чувствительностью. В психологической практике прогностическую ценность подобного правила принято называть прогностической (предсказательной) ценностью отрицательного теста, а чувствительность правила принято называть специфичностью теста. Прогностическая ценность отрицательного теста определяется как доля истинно-отрицательных тестов (случаев отсутствия заболеванияbпри отрицательном результате тестирования) среди всех отрицательных тестов (случаев отсутствия признакаa). Специфичность определяется как доля истинно-отрицательных тестов (случаев отсутствия заболеванияb при отрицательном результате тестирования) среди всех не страдающих болезнью b. Таким образом, всякий тест характеризуется четырьмя характеристиками. Это: прогностическая ценность положительного теста

    прогностическая ценность отрицательного теста
    чувствительность теста
    специфичность теста

Каждый тест включает два диагностических правила, приведенные выше. Характеристики этих правил (прогностическая ценность и чувствительность) связаны с четырьмя указанными характеристиками теста, как описано выше. С точки зрения теории вероятностей четыре указанных характеристики представляют собой так называемые “условные вероятности”. В процессе анализа данных величины условных вероятностей такого типа вычисляются как процентные доли (при тестировании болезниb с пощью признака a прогностическая ценность положительного теста - это доля b среди a, чувствительность теста - это доля a среди b, прогностическая ценность отрицательного теста - это доля “не-b” среди“не-a”, специфичность теста - это доля “не-a” среди “не-b”). Чтобы исследовать всевозможные диагностические критерии (решать первую из двух базовых задач), необходимо иметь программное обеспечение, которое позволяет вычислять характеристики тестов. Математическая теория детерминаций - это теория, изучающая свойства условных вероятностей, а детерминация - это адекватная математическая модель диагностического суждения. Именно поэтому детерминационный анализ оказался эффективным средством, а ДА-система эффективным инструментом поиска и анализа диагностических критериев.

2. 5 Понятие детерминации как модель диагностического правила. Понятие детерминации - основное в детерминационном анализе. Термин "детерминация" происходит от латинского determinatio - определение, ограничение. Он был введен в научный обиход в начале 20 века немецким ученым Гайдером, который изучал, как свойства эмбриона определяют, детерминируют свойства развивающегося из него взрослого организма.

Идея детерминации тесно связана с идеей предсказания, объяснения. Понятие детерминации применимо всегда, когда что-либо одно объясняется (определяется) чем-либо другим. В детерминационном анализе это понятие получило математически точный смысл. Детерминация это условное суждение (умозаключение) вида"Если a, то b", которое рассматривается всегда совместно с двумя характеристиками детерминацииточностью и полнотой. Точность детерминации "Если a, то b" представляет собой долю случаев b среди случаев a. Полнота той же детерминации представляет собой долю случаев a среди случаев b. Детерминации бывают самые разные по точности и полноте. Примером точной, но неполной детерминации служит утверждение “Люди - это смертные существа”. Оно представляет собой детерминацию, точность которой (доля смертных среди людей) равна 1 (или 100%). Полнота этой детерминации (доля людей среди смертных существ) заведомо меньше 1, потому что все смертные живые существа отнюдь не исчерпываются людьми. Пример очень неточной, но довольно полной детерминации дает утверждение “Курильщики рано или поздно заболевают раком легких”. Это детерминация, точность которой очень невысокая, примерно 0. 04 (среди курильщиков приблизительно 4% заболевающих раком легких). Полнота этой детерминации составляет около 0. 95 (среди попадающих в клиники с диагнозом рак легкого примерно 95% составляют курильщики).

    Ключевое обстоятельство состоит в следующем.

1. Детерминация "Если a, то b" представляет собой точную математической модель умозаключения (диагностического правила) “Если у испытуемого имеется признакa, то следует предполагать наличие у него болезни b”. Точность детерминации "Если a, то b" совпадает с прогностической ценностью положительного теста, а полнота - с чувствительностью теста.

2. Детерминация "Если не-a, то не-b" представляет собой точную математической модель умозаключения (диагностического правила) “Если у испытуемого отсутствует признакa, то следует предполагать отсутствие у него болезни b”. Точность детерминации "Если не-a, то не-b" совпадает с прогностической ценностью отрицательного теста, а полнота этой детерминации совпадает со специфичностью теста.

Отсюда видно, что имеется далеко идущая глубокая аналогия между диагностическими суждениями и детерминациями. Вследствие этой аналогии математический аппарат анализа детерминаций оказывается адекватным средством математического моделирования связей между признаками, используемыми при тестировании болезней, и самими болезнями, а детерминационный анализ предстает как полезный метод обработки клинической информации, позволяющий проверять действенность известных диагностических тестов и обнаруживать новые эффективные тесты.

Задачи по проверке гипотез, задачи исследования эффективности психотерапевтических воздействий также удобно ставить и решать как задачи анализа детерминаций.

    2. 6 Задача 2. Конструирование вторичных переменных

Вторая базовая задача при поиске диагностических критериев ставится и решается как задача построения (конструирования) новых признаков или так называемых вторичных переменных.

Выше приведены примеры словарей переменных. Переменные, которые входят в них, отличаются одним важным качеством: данные по ним получаются непосредственно в ходе исследования. По этой причине их называютпервичными переменными. Приведенные выше словари это “словари первичных переменных”. Помимо первичных переменных в процессе анализа обычно участвуют также и вторичные переменные. Их называют вторичными потому, что они конструируются из первичных, “во вторую очередь”, уже после того, как исходные данные введены в компьютер.

Вторичные переменные нужны для того, чтобы сделать словарь переменных более удобным, более соответствующим задачам, которые необходимо решить. Чтобы понять, откуда берется необходимость во вторичных переменных, рассмотрим пример. Выше приведен реальный словарь первичных переменных. В нем имеются 53 переменные, которые характеризуют диагноз по фактору“эмоциональная устойчивость”, например: Переменная 23. NPU

    Переменная 53. PSY

В то же время в этом словаре нет переменной, которая характеризовала бы совокупный диагноз .

Этот диагноз можно восстановить для каждого испытуемого, глядя на данные по только что приведенным переменным. Если по значению переменной 23 видно, что НПУ высокая, - эмоциональная устойчивость высокая. Если же нет, то, глядя теперь уже на значение переменной 53, мы всегда можем определить диагноз для этого испытуемого–наличие психопатических тенденций в поведении (да/нет). Имея в виду такого рода умозаключения, можно поручить компьютеру ввести в матрицу данных еще один столбец, а в словарь переменных - новую переменную

    Переменная 55. Эмоциональная устойчивость
    0. Высокая
    1. Средняя
    2. Низкая

Чтобы компьютер мог выполнять такого рода задания, в ДА-системе имеется специальный конструктор вторичных переменных, с помощью которого легко создавать любые вторичные переменные (при этом компьюьтер автоматически дополняет матрицу данных нужными столбцами).

Пользуясь этим конструктором, психолог может по своему усмотрению расширить состав переменных, участвующих в анализе, дополнить основной “словарь первичных переменных” “словарем вторичных переменных”. В реальной работе с данными обследований количество вторичных переменных как правило бывает не меньше, а иногда и значительно превышает количество первичных переменных. Так, при нашем исследовании словарь переменных из примера был дополнен 32 вторичными переменными. При анализе данных, связанном с дифференциальной диагностикой эмоциональной устойчивости к словарю первичных переменных были добавлены более 40 вторичных переменных.

2. 7 Программное обеспечение “ДА-система”, необходимое, чтобы пользоваться детерминационным аналом при обработке психологических данных. На практике детерминационный анализ можно осуществлять только с помощью специального программного обеспечения и при наличии компьютера, на котором это обеспечение может быть установлено. Программное обеспечение такого рода под названием “ДА-система” разрабатывает и распространяет фирма “Контекст”. ДА-система последней версии 3. 0 работает в операционной среде DOS на IBM совместимых компьютерах. Работа с ДА-системой не требует от пользователя специальных знаний в области компьютерной техники, программирования и математической статистики. Язык общения с ДА-системой прост, он легко усваивается специалистами, имеющими гуманитарный склад ума. Основная роль в нем отводится названиям признаков, с которыми имеет дело психолог-клиницист или исследователь. Состав этих признаков пользователь формирует сам, исходя из того, как устроены его исходные данные, каковы его интересы, взгляды на исследуемую проблематику и т. д. ДА-система позволяет делать это достаточно быстро и удобно. При работе с психологическими данными ДА-система обеспечивает:

· формирование словаря первичных качественных и количественных признаков, с помощью которых описывается состояние испытуемых, результаты анализов, поставленные диагнозы, психологические заключения и другие сведения, необходимые для исследования проблемы;

· удобный ввод первичной информации, создание базы данных; · анализ данных.

Результаты обследований часто содержат не только количественную информацию. Многие признаки, которыми оперирует психолог, имеют качественный, а не количественный характер. Для их выражения используются не числа, а имена образов, слова и сочетания слов обычного естественного языка. ДА-система дает возможность анализировать такие качественные признаки. Кроме того она позволяет анализировать качественные признаки совместно с количественными, делать это в рамках единой системы анализа - это отличительная особенность метода. Вернемся к ситуации теста, когда наличие или отсутствие некоего признака aрассматривается как основание для того, чтобы сделать гипотетическое заключение о наличии или отсутствии болезниb. Признак aможет быть как простым, не сводимым к комбинации других признаков, так и сложным, представляющим собой комбинацию (сочетание) ряда простых признаков. ДА-система позволяет обнаруживать и исследовать диагностические тесты, которые основаны на использовании не только простых, но и сложных признаков. В последнем случае простые признаки, из которых комбинируются сложные, различаются по тому, какой вклад вносит каждый из них в прогностическую ценность теста. Вклад этот (так называемая “существенность” признака), как правило, зависит от того, на каком фоне, в окружении каких других простых признаков действует тот или иной признак. ДА-система позволяет оценивать существенность признаков, а также то, как эта существенность (вклад в прогностическую ценность) зависит от фона, на котором проявляется действие признаков.

При анализе психологической информации часто возникает необходимость конструировать новые признаки с учетом особенностей проблемы, а также с учетом качественных и количественных характеристик состояния испытуемого. Для этой цели в ДА-системе имеется удобный “конструктор вторичных переменных”, который дает возможность конструировать любые новые качественные и количественные признаки на основе качественных и количественных признаков, которые имеются в исходных данных обследований.

2. 8 Пример из области дифференциальной диагностики эмоциональной устойчивости. Работа проводилась на кафедре социальной и организационной психологии КГПУ им. К. Э. Циолковского.

В результате комплексного психодиагностического исследования были получены эмпирические данные, описывающие характеристики 94 испытуемых. Данные включали результаты психометрических измерений. В составе измеряемых характеристик были акцентуация характера, агрессивность НПУ, факторы Дерогатиса, факторы Кеттела, - всего 54 параметра. Дополнительными исследованиями было выявлено, что из 94 испытуемых в 16 случаях имеет место невроз, в 45 случаях– низкая нервно-психическая устойчивость, остальные относятся к норме. Приведенные в пунктах 1. 3 и 1. 9 матрица данных и словарь переменных представляют собой фрагменты матрицы данных и словаря переменных из этого исследования. Полный словарь первичных переменных, составленный при вводе исходных данных в ДА-систему, приведен выше в пункте 1. 13.

Проблема. По данным комплексного психодиагностического исследования трудно или невозможно отличить случаи низкой эмоциональной устойчивости вызванные социопсихическими факторами от случаев связанных с пограничными психическими состояниями. Требовалось найти дополнительные диагностические признаки, которые позволяют различать случаи эти случаи. Поиск признаков осуществлялся из числа тех, что измерялись в ходе исследования.

После многочисленных проб с использованием различных математических методов мы остановили свой выбор на детерминационном анализе. Для решения задачи было решено воспользоваться ДА-системой. Мотивы следующие:

· возможность быстро находить новые признаки (сочетания признаков) обладающие высокими детерминирующими диагноз свойствами (высокой прогностической ценностью и чувствительностью);

· возможность определять и анализировать прогностическую ценность и чувствительность как количественных (числовых), так и качественных (нечисловых) признаков;

· возможность определять оптимальные граничные (пороговые) значения количественных признаков;

· возможность анализировать сочетания диагностических признаков (как количественных, так и качественных) и оценивать прогностическую значимость каждого признака в сочетании с другими;

· возможность конструировать новые признаки из уже имеющихся, быстро включать их в анализ;

· легкость, с какой ДА-система позволяет формировать любую нужную подвыборку эмпирического материала, вести анализ в ее пределах и переходить от одной подвыборки к другой;

    · понятность и эффективность вычислительных процедур;
    · простота обращения с программным обеспечением.
    Примеры результатов, найденных с помощью ДА-системы.

Результаты, изложенные ниже, получены в ходе исследования. 1. С помощью ДА-системы была найдена детерминация:

“Если для испытуемого индекс резистентности RI меньше 0. 69, то гипотетический диагноз – социально обусловленная низкая эмоциональная устойчивость” (1) Ее точность 1, полнота 0. 8. Иными словами, тест на социальное обусловливание эмоциональной неустоичивости по признаку "RI меньше 0. 69" имеет предельно высокую прогностическую ценность, равную 1 (100 %), и высокую чувствительность, равную 0. 8 (80%).

2. Помимо детерминации (1) была найдена также детерминация, которая представляет собой диагностическое суждение относительно пограничных состояний:

“Если для испытуемого индекс резистентности RI больше или равен 0. 70, то гипотетический диагноз – низкая эмоциональная устойчивость обусловленная пограничными психическими состояниями” (2)

Ее точность 0. 74, полнота 0. 88. Отсуда следует, что положительный тест на пограничные состояния по признаку "RI больше или равен 0. 70" имеет довольно высокую прогностическую ценность, равную 0. 74 (74%) и еще более высокую чувствительность, равную 0. 88 (88%). Этот результат подтверждается также американскими исследователями.

Детерминации (1) и (2) говорят о том, что в дифференциальной диагностике эмоциональной устоичивости индекс резистентности RI играет особую роль. 3. С помощью ДА-системы удалось получить еще более сильный результат. Было обнаружено, что детерминацию (2) можно сделать более точной. Была найдена детерминация:

    "Если для испытуемого индекс резистентности RI >= 0. 70
    и при этом индекс Карно сильно положителен,

то гипотетический диагноз - низкая эмоциональная устойчивость обусловленная пограничными психическими состояниями " (3)

Она имеет точность, равную 1 и полноту, равную 0. 44. Эта детерминация говорит о том, что в дифференциальной диагностике эмоциональной устойчивости имеет смысл пользоваться тестом на пограничные состояния по сочетанию двух признаков: · индекс резистентности RI больше или равен 0. 70;

    · индекс Карно сильно положителен.

Как показывают расчеты, такой тест имеет предельно высокую прогностическую ценность, равную 1 (100%) и чувствительность, равную 0. 44 (44%). 4. Детерминация (3) представляет собой пример теста, в котором использутся сложный признак, представляющий собой сочетание двух простых признаков "индекс резистентности RI больше или равен 0. 70" и "индекс Карно сильно положителен". Анализ показал, что эти простые признаки (в составе сложного признака) неравнозначны. У каждого свой вклад в прогностическую ценность теста, своя существенность. С помощью ДА-системы легко подсчитать этот вклад. Он равен: · 0. 53 (53%) по признаку "индекс резистентности RI больше или равен 0. 70"; · 0. 26 (26%) по признаку " индекс Карно сильно положителен". Вычисляемые ДА-системой величины существенности простых признаков (их вклады в прогностическую ценность) имеют весьма прозрачный смысл.

Величина 0. 53 по признаку “индекс резистентности RI больше или равен 0. 70”говорит о том, что если этот признак убрать из теста (оставить только признак “индекс Карно сильно положителен”), то первоначальная прогностическая ценность теста (равная 1) уменьшится на величину 0. 53 (53%), и станет равной 1 - 0. 53 = 0. 47.

Величина 0. 26 по признаку “индекс Карно сильно положителен”говорит о том, что если этот признак убрать из теста (оставить только признак " индекс резистентности RI больше или равен 0. 70"), то первоначальная прогностическая ценность теста (равная 1) уменьшится на величину 0. 26 (26%) и станет равной 1 - 0. 26 = 0. 74.

Приведенные данные показывают, что при тестировании на предмет установления низкой эмоциональной устойчивости при пограничных состояниях признак, связанный с индексом Карно, менее существенный, менее значимый, чем признак, связанный с индексом резистентности.

    задачи.
    ЗАКЛЮЧЕНИЕ

На основе проведенного анализа по проблеме исследования эмоциональной устойчивости можно сделать следующие выводы:

1. Несмотря на близость или даже совпадение методологических позиций и научных установок исследователей эмоциональной устойчивости, между ними существует известное расхождение в подходах к ее изучению: одниизучают эмоциональную устойчивость, понимая ее как интегральное свойство личности, другие, подчеркивая специфичность эмоциональной устойчивости, уделяют внимание изучению эмоциональной регуляции поведения в зависимости от силы, знака, лабильности и содержания эмоций, третьисчитают, что она представляет собой способность преодолевать излишнее эмоциональное возбуждение при выполнении сложной деятельности, тем самым невольно делают акцент на изучении волевого самоуправления, четвертые видят ее исток в резервах нервно-психической энергии. 2. Перспективным является подход к исследованию эмоциональной устойчивости на основе понимания ее как качества личности и как психического состояния, обеспечивающих целесообразное поведение в экстремальных ситуациях. Такой подход позволяет вскрывать предпосылки эмоциональной устойчивости, кроющиеся в динамике психики, содержание эмоций, чувств, переживаний, а также диалектически устанавливать зависимость ее от потребностей, мотивов, воли; подготовленности, информированности и готовности личности к выполнению тех или иных задач. 3. Заслуживает внимания исследование процесса формирования эмоциональной устойчивости, возможностей и приемов ее поддержания и сохранения в экстремальных условиях профессиональной деятельности. Важно изучить причины и механизмы эмоциональной неустойчивости, психологические пути и предпосылки ее предотвращения и преодоления.

4. Устойчивое преобладание положительных эмоций является одной из главных эмоциональных детерминант эмоциональной устойчивости.

5. Важный фактор эмоциональной устойчивости - содержание и уровень эмоций, чувств, переживаний в экстремальной обстановке.

6. Эмоциональная устойчивость только частично зависит от типа нервной системы, некоторых свойств темперамента.

7. Эмоциональная устойчивость носит черты специфичности реакции и объединяет в себе природные, защитные и приспособительные механизмы, которые запускают воздействие значимости раздражителя.

8. Познанию природы и закономерностей эмоциональной устойчивости способствует динамический анализ деятельности с учетом возможных трансформаций ее целей, мотивов, способов, смыслового содержания.

9. Проблема эмоциональной устойчивости является актуальной на сегодняшний день в связи с нестабильностью и чрезвычайностью различных ситуаций, вызывающих у человека состояния длительного психического напряжения. Так как эмоциональная устойчивость является одним из важных психологических факторов надежности, эффективности и успеха в экстремальной обстановке; следовательно, разработка методики, диагностирующей эмоциональную устойчивость человека, необходима сегодня для ее дальнейшего применения при профессиональном отборе (в различные сферы деятельности) и при текущей диагностики персонала для своевременной профилактики стрессовых состояний и состояний нервно-психического напряжения, что будет способствовать повышению эффективности профессиональной деятельности как в привычных условиях, так и в условиях экстремальности. 10. Применяя детерминационный анализ, следует иметь в виду, подчеркнем еще раз, что этот метод относится к методам описательной статистики. Он позволяет вычислять характеристики тестов, опираясь исключительно на данные, с которыми имеет дело психолог и которые связанны с определенной выборкой испытуемых. Поэтому для того, чтобы результаты, полученные с помощью ДА, могли быть признаны валидными в научном и практическом плане, их следует дополнить статистическим оцениванием доверительных интервалов для характеристик детерминаций и, если потребуется, оценками статистической значимости различий между значениями этих характеристик. Для решения подобных задач можно применить стандартные методы, которые описаны в руководствах по методам статистистического анализа в психологии. В примере, приведенном выше, соответствующие статистические оценки были сделаны, они подтверждают валидность результатов. Мы их не приводим здесь только потому, что такого рода расчеты имеют общепринятый характер и способы их осуществления хорошо известны. 11. В практике анализа психологической информации эффективно используются различные статистические методы, среди них регрессионный анализ, факторный анализ, метод главных компонент и другие. Многие из них могут дать и дают прекрасные результаты, когда выполнены условия, делающие эти методы адекватным инструментом решения научных и практических проблем. К таким условиям часто относятся требования, чтобы (1) информация имела числовой характер, чтобы (2) связи между признаками были линейны или почти линейны, чтобы (3) распределения испытуемых по значениям признаков имели специальный, так называемый “нормальный” вид, и чтобы (4) связи между многими признаками можно было сводить к анализу связей между парами признаков. Если эти условия выполнены, детерминационный анализ также может помочь в получении полезных результатов, но лучше всего пользоваться выше перечисленными классическими методами. Однако, нередко на практике эти условия выполнены только частично или не выполнены совсем. Кроме того часто оказывается необходимо проводить анализ не “вообще”, а именно в такой форме, чтобы результатом были умозаключения типа тиагностических правил, где фигурируют конкретные дигностические признаки и конкретные виды заболеваний. Именно в этих случаях детерминационный анализ проявляет себя наилучшим образом как эффективное средство ставить и решать практически полезные задачи.

    Литература

Аболин Л. М. Соотношение психологических и физиологических коррелятов эмоциональной устойчивости спортсменов // Вопросы психологии. 1974. №1. С. 104-115.

Аболин Л. М. Эмоциональная устойчивость и пути ее повышения // Вопросы психологии. 1989. №4. С. 141-149.

Дяченко М. И. , Пономаренко В. А. О подходах к изучению эмоциональной устойчивости // Вопросы психологии. 1990. №1. С. 106-112.

Зильберман П. Б. Эмоциональная устойчивость оператора / Под ред. Е. А. Милеряна. М. , 1974.

    Изард К. Эмоции человека. М. ,1980.

Ильин Е. П. , Фетискин Н. П. Сравнительная характеристика типологических особенностей ппроявления свойств нервной системы у тяжелоатлетов и борцов. –В кн. : Психофизиологические особенности спортивной деятельности. Л. , 1975. С. 36-40.

Клайн П. Справочное руководство по конструированию тестов. Киев, 1994. Марищук В. Л. Психологические основы формирования профессионально значимых качеств. : Автореферат докт. дис. Л. , 1982. С. 20.

    Немов Р. С. Психология. М. , 1994. Т. 1.

Писаренко В. М. Роль психики в обеспечении эмоциональной устойчивости человека // Психологический журнал. 1986. Т. 7. №5. С. 62-72.

Плахтиенко В. А. , Блудов Ю. М. Надежность в спорте // Физкультура и спорт. М. , 1985. С. 78.

    Психология эмоций: Тексты. М. , 1984.

Психологический отбор летчиков / Под ред. Е. А. Милеряна. Киев, 1966. С. 145-146. Рейковский Я. Экспериментальная психология эмоций. М. , 1979. Рождественская В. И. К вопросу о проявлении силы нервной системы при разных видах монотонной работы. – В кн. : Проблемы дифференциальной психофизиологии. Т. 9. М. , 1977. Рубинштейн С. Л. Основы общей психологии. Т. 2. М. , 1989.

Фресс П. , Пиаже Ж. Экспериментальная психология. Вып. 5. М. , 1975. Чебыкин А. Я. , Аболин Л. М. Исследование эмоциональной устойчивости и психологические средства ее формирования у спортсменов // Психологический журнал. 1984. Т. 5. №4. С. 83-88.

Черникова О. А. Исследование эмоциональной устойчивости в условиях напряженной деятельности // Тезисы сообщений на 18 Международном психологическом конгрессе. М. , 1966. Т. 11. С. 507.

    Литература.
    1. Урбах В. Ю. Биометрические методы. Москва, Наука, 1964.

2. Гланц С. Методы статистики в психологии и биологии. Москва, “Практика”, 1997. 3. Бонгард М. М. Проблема узнавания. Москва, Наука, 1967.

4. Гельфанд И. М. , Розенфельд Б. И. , Шифрин М. А. Очерки о совместной работе математиков и психологов. Москва, Наука, 1989.

3. Чесноков С. В. "Детерминационный анализ социально-экономических данных", Москва, Наука, 1982.

4. Чесноков С. В. Детерминационная двузначная силлогистика. Известия АНСССР, серия Техническая кибернетика, №5, 1990, стр. 3-21.

5. Cronan J. J, Tubin M. E. Role of the resistiv index in the evaluation of acute renal obstraction. Amer. Jorn. Roen 1995, V. 164, N 2, P. 377-378.

Страницы: 1, 2, 3