Рецензия на методику ПИТ СПЧ (стр. 5 )

Выделение факторов осуществлялось при помощи метода максимального правдоподобия, так как в этом случае пакет SPSS выводит значение критерия χ², на основании которого принимается статистическое решение о количестве факторов. Вращение факторного решения выполнялось косоугольным методом промакс.

Для решения с одним фактором критерий χ² оказался равен 64,4, что при 44 степенях свободы дает уровень статистической значимости p = 0,024. Таким образом, уже одного общего фактора достаточно, чтобы вполне удовлетворительно воспроизвести матрицу корреляций между субтестами. Об этом же говорят и собственные значения факторов до вращения: 5,08, 0,83, 0,80, 0,72 и т. д. Однако матрица остаточных корреляций содержит восемь (т. е. 14%) остатков, превышающих конвенциальный порог 0.05, поэтому было принято решение продолжить выделение факторов. Двухфакторное решение дает значение критерия χ² = 39,7 (34 степени свободы, p = 0,230), при этом только один остаток превышает порог 0,05 (остаточная корреляция между субтестами «осведомленность» и «геометрическое сложение» равна -0,059). Матрица факторного отображения приводится в Таблице 5.

Таблица 5. Двухфакторное решение для субтестов ПИТ СПЧ

Субтесты	g-Назрузка	Фактор 1	Фактор 2	Общность
1. Осведомленность	0,70	0,49	0,20	0,44
2. Скрытые фигуры	0,64	-0,11	0,76	0,45
3. Пропущенные слова	0,75	0,51	0,25	0,52
4. Арифметические задачи	0,72	0,39	0,33	0,46
5. Понятливость	0,69	0,86	-0,18	0,53
6. Исключение изображений	0,59	0,03	0,55	0,33
7. Аналогии	0,68	0,59	0,07	0,43
8. Числовые ряды	0,74	0,32	0,42	0,49
9. Умозаключения	0,79	0,58	0,23	0,59
10. Геометрическое сложение	0,60	0,22	0,36	0,31
11. Заучивание слов	0,55	0,15	0,38	0,26

Оба фактора после вращения имеют примерно одинаковый вес и коррелируют между собой на уровне 0,797, что примерно соответствует данным о связях между факторами вербального понимания и перцептивного рассуждения в тесте WISC-IV [6].

Картина нагрузок в наибольшей мере соответствует делению субтестов на вербальные и графические (см. Таблицу 1), хотя имеется ряд существенных отличий. Во-первых, числовые субтесты (арифметические задачи и числовые ряды) имеют примерно одинаковую нагрузку на оба фактора. В случае с арифметическими задачами это не вызывает удивления, ведь испытуемому необходимо понять условия и требования задачи, что предполагает развитые вербальные способности. Числовые ряды не имеют существенной вербальной составляющей, поэтому можно было бы ожидать, что этот субтест будет иметь меньшую факторную сложность. Во-вторых, субтест «заучивание слов» в большей мере нагружает второй фактор, несмотря на то, что его задания предполагают оперирование вербальным материалом. Исходя из полученных результатов, можно предположить, что первый фактор измеряет кристаллизованный интеллект, а второй имеет отношение к текучему интеллекту. Дополнительно следует отметить, что для ряда субтестов, относящмхся ко второму фактору (исключение изображений, геометрическое сложение, заучивание слов), общность и нагрузка на главный фактор оказались не слишком высокими, что может свидетельствовать о меньшей надежности измерения. Что касается субтеста «заучиванием слов», то его общность могла бы также возрасти при добавлении в батарею других субтестов, предназначенных для измерения эффективности оперативной памяти.

4.5. Нормы

Стандартизация методики проводилась на населении Челябинской и Курганской областей. Авторы пособия указывают, что данные области достаточно хорошо отражают общероссийскую популяцию по многим параметрам. Это общее заявление не сопровождается детальным описанием состава выборки по полу, этнической принадлежности, социально-экономическому положению или типу населенного пункта. Отсутствует также информация об использованном выборочном плане (тип выборки, способ определения страт, доля испытуемых, извлеченных из каждой страты и т. п.), являющаяся необходимым элементом описания выборки стандартизации [2, 4].

Высокой положительной оценки заслуживает объем выборки стандартизации: в целом был обследован 4121 учащийся, при этом в каждой из четырех возрастных групп количество испытуемых превышало тысячу человек.

5. Заключение

5.1. Общая оценка качества теста

ПИТ СПЧ является, с моей точки зрения, одним из ярких свидетельств того, что отечественные разработчики могут создавать психологические тесты, удовлетворяющие всем требованиям психометрики. К его несомненным достоинствам относятся следующие моменты: 1) опора на адекватное отечественным условиям лексико-информационное наполнение при разработке оригинальных заданий, 2) широкий спектр субтестов для диагностики различных сторон функционирования интеллекта, 3) наличие четырех эквивалентных форм методики, что открывает возможности для лонгитюдных и экспериментальных исследований, 4) достаточно высокая валидность и надежность, обеспеченная большим числом пилотажных исследований на огромных выборках и с привлечением аппарата классического психометрического анализа, 5) чрезвычайно большая выборка стандартизации, 6) приспособленность для группового проведения, 7) наличие компьютерных средств диагностики и обработки результатов.

Любой тест имеет свои ограничения и ПИТ СПЧ здесь не является исключением из правил. Прежде всего бросается в глаза недостаточно проработанная теоретическая основа методики. Разрабатываемая как аналог наиболее известных западных инструментов, данная батарея волей-неволей скопировала и присущую им в то время эмпирическую ориентацию в отборе субтестов и клинический подход к интерпретации результатов тестирования. Анализ факторной структуры ПИТ СПЧ позволяет говорить о существовании не более двух факторов второго порядка, что не обеспечивает статистическую основу для клинической интерпретации профиля, предлагаемого в руководстве. Определенным ограничением являются также жесткие лимиты времени на выполнение заданий теста, вследствие чего результаты тестирования по всем субтестам могут сильно зависеть от такого фактора, как индивидуальная скорость переработки информации.

5.2. Соответствия инструмента оцениваемым функциям и заявленным областям применения

ПИТ СПЧ обладает достаточной валидностью для измерения общего, вербального и невербального интеллекта. В наибольшей мере эта батарея окажется пригодной для решения задач образовательного мониторинга, отбора и распределения, а также при проведении научных исследований. В меньшей мере тест годится для психологического консультирования (особенно детей, имеющих проблемы в обучении), однако и в этой области он также может быть весьма полезен.

5.3. Рекомендации по развитию инструмента

С моей точки зрения, разработка следующих версий данной батареи должна производиться с опорой на явно сформулированную концепцию интеллекта и интенсивное применение факторно-аналитических методов. Вполне возможно, что арифметические субтесты и задания на осведомленность следует исключить из теста, чтобы результат тестирования в меньшей мере определялся содержанием обучения. Кроме того, можно было бы увеличить количество субтестов, направленных на диагностику особенностей оперативной памяти, а также снять ограничения по времени на ряд субтестов.

Имеет смысл также использовать методы современной психометрики (IRT) для шкалирования заданий, что позволит получать более дифференцированные оценки уровня интеллекта по субтестам и интегральным показателям, исследовать смещения заданий и т. д. Поскольку с момента создания теста уже прошло значительное время, необходима его рестандартизация на основе национальной выборки.

Нуждается в более тщательной проработке процедура интерпретации баллов. Она должна опираться, с одной стороны, на теорию интеллекта, которая легла в основу теста, а с другой стороны, иметь солидное эмпирическое подтверждение в научных исследованиях. Нормативные таблицы к тесту должны при этом пополниться данными о статистически значимом различии между интегральными показателями по кластерам субтестов.

Литература

Батурин интеллектуальный тест (ПИТ СПЧ): Руководство. – Психологический центр ПсиХРОН: Санкт-Петербург – Челябинск, 2004 Crocker L., Algina J. Introduction to classical and modern test theory. – Wadsworth Pub Co, 2006. Flanagan D. P., Kaufman A. Essentials of WISC-IV assessment, 2ed. – John Wiley & Sons, 2009. Nunnally J., Bernstein I. Psychometric theory, 3ed. – McGraw-Hill, 1994. Raiford S. E., Weiss L. G., Rolfhus E., Coalson D. WISC-IV Technical Report #4: General Ability Index, 2005 // http://www. /NR/rdonlyres/1439CDFE-6980-435F-93DA-05888C7CC082/0/80720_WISCIV_Hr_r4.pdf Watkins M. W., Wilson S. M., Kotz K. M., Carbone M. C., Babula T. Factor Structure of the Wechsler Intelligence Scale for Children–Fourth Edition Among Referred Students // Educational and Psychological Measurement 2006 66: 975. Williams P. E., Weiss L. G., Rolfhus E. L. WISC–IV Technical Report #2: Psychometric Properties 2003 // http://www. /hai/Images/pdf/wisciv/WISCIVTechReport2.pdf Williams P. E., Weiss L. G., Rolfhus E. WISC–IV Technical Report #1: Theoretical Model and Test Blueprint, 2003 // http://www. /hai/Images/pdf/wisciv/WISCIVTechReport1.pdf

Приложения

интаксис SPSS для факторизации корреляций между субестами ПИТ СПЧ

SET LOCALE = 'ru'.

MATRIX DATA VARIABLES = S01 TO S11

/FORMAT = LOWER

/CONTENTS = CORR

/N = 420.

BEGIN DATA

1,00

0,39 1,00

0,52 0,39 1,00

0,45 0,42 0,47 1,00

0,46 0,30 0,46 0,45 1,00

0,32 0,37 0,40 0,37 0,29 1,00

0,43 0,35 0,49 0,42 0,47 0,35 1,00

0,47 0,42 0,47 0,47 0,46 0,44 0,42 1,00

0,47 0,43 0,56 0,54 0,53 0,37 0,50 0,53 1,00

0,30 0,37 0,38 0,37 0,38 0,31 0,31 0,43 0,44 1,00

0,34 0,35 0,39 0,32 0,28 0,25 0,29 0,33 0,41 0,25 1,00

END DATA.

VARIABLE LABELS

S01 'осведомленность'

S02 'скрытые фигуры'

S03 'пропущенные слова'

S04 'арифметические задачи'

S05 'понятливость'

S06 'исключение изображений'

S07 'аналогии'

S08 'числовые ряды'

S09 'умозаключения'

S10 'геометрическое сложение'

S11 'заучивание слов'.

FACTOR

/MATRIX = IN(COR = *)

/CRITERIA = FACTORS(2)

/PRINT = DEFAULT REPR

/EXTRACTION = ML

/ROTATION = PROMAX.

ункция на языке R для построения таблицы перевода сырых баллов в стандартизированные баллы

norms. table <- function(score, reliability, scale. mean=100, scale. sd=15)

{

true. score <- (score-scale. mean)*reliability+scale. mean

s. e.m <- scale. sd*sqrt( 1-reliability )

lower <- round( true. score - 1.64485*s. e.m )

upper <- round( true. score + 1.64485*s. e.m )

p. rnk <- round( 100*pnorm( (score-scale. mean)/scale. sd ) )

return( data. frame( score, lower, upper, p. rnk ) )

}

# Пример вызова функции

norms. table(score = seq(70, 130, 5), reliability = 0.89)

[1] Не совсем ясно, почему для вычисления корреляций взяли данные только 420 испытуемых разного возраста, а не весь массив стандартизации.