Задание для самопроверки 7.1 19 страница

но, что ничего не будет обнаружено, поскольку задания, трудные для мужчин, являются легкими для женщин, и наоборот. Таким образом, тест вполне может быть насыщен заданиями, содержа­щими смещения, но анализ групповых различий или регрессион­ный анализ будет при этом оценивать шкалу в целом как вполне удовлетворительную (см. рис. 17.1). Только обращаясь к уровню от­дельных заданий, можно действительно увидеть, что происходит, и выделить задания, которые, вероятно, было бы полезно удалить из шкалы.

Что бы ни говорили инструкции к тестам, люди делают весьма странные вещи при выполнении личностных тестов. Если бы вы взяли шкалы Айзенка и Уилсона, то могли бы получить подтверж­дение этому. Эти характеристики известны как «смещения отве­та», или «установки на ответ», поскольку они описывают спосо­бы, которыми индивидуумы склонны решать оценочные задания. Например, хорошо известно, что люди с большей вероятностью склонны соглашаться с утверждениями, чем не соглашаться с

ними, — это в полном объеме эксплуатируется недобросовестны­ми исследователями рынка. Представим себе, что тщательно ото­бранной выборке из людей вы задали вопрос: «Намереваетесь ли вы голосовать за существующее правительство на следующих вы­борах?» — и обнаружили, что 55% ответили положительно. Затем другой выборке вы задали вопрос: «Намереваетесь ли вы голосо­вать за одну из оппозиционных партий на следующих выборах?» Вы можете наивно полагать на основе первого опроса, что около 100 — 55 = 45% людей дадут положительный ответ. В действитель­ности пропорция, вероятно, будет значительно выше, просто по­тому, что люди более склонны говорить «да», чем «нет», независи­мо от того, какой вопрос им задан (Cronbach, 1946). Это называется установкой на молчаливое согласие.

Этот факт имеет некоторые весьма неприятные последствия при тестировании персонала. Он означает, что в любой личност­ной шкале, например, в шкале тревоги, где все задания обрабаты­ваются по одной и той же схеме (таким образом, что ответ «да» или «совершенно согласен» обеспечивает высокие показатели по тесту), оценки будут подвержены влиянию «молчаливого согла­сия». Они будут несколько выше, чем они должны были бы быть благодаря склонности людей соглашаться с утверждениями. По-видимому, каждый окажется более тревожным, чем он есть на самом деле. Само по себе это, может быть, и не является слишком большой проблемой. Если бы можно было установить, что в сред­нем оценка каждого человека была на два балла выше, чем следо­вало бы из-за установки на ответ, было бы достаточно просто вы­честь это число из оценки каждого индивидуума. На практике не было бы особой необходимости беспокоиться и прибегать к этой процедуре, поскольку корреляции между тестовыми оценками и другими характеристиками не будут меняться в результате вычита­ния постоянной величины из оценки каждого человека. Тогда в чем же проблема?

Настоящие трудности возникают, если существуют индивиду­альные различия в установке на молчаливое согласие. Может быть, некоторые индивидуумы имеют сильную тенденцию соглашаться с утверждениями, в то время как другие полностью свободны от такой установки. Именно это и представляет особую опасность, поскольку оценки индивидуумов по тесту тревожности будут ис­пытывать на себе влияние как самой тревожности, так и склонно-сти соглашаться. Очевидно, тест будет переоценивать показатели

тревожности для индивидуумов, склонных к молчаливому согла­сию, и в то же время будет совершенно точно характеризовать людей, не имеющих подобной склонности. Именно поэтому боль­шинство личностных тестов содержит утверждения, которые об­рабатываются по противоположным направлениям. Если около 50% утверждений формулируется таким образом, что согласие с утвер­ждением предусматривает высокий показатель по черте (напри­мер, «я страдаю от нервозности»), а остальная часть формулирует­ся в противоположном ключе («большую часть времени я спокоен и расслаблен»), молчаливое согласие будет оказывать небольшой эффект. При обработке теста любая тенденция к молчаливому согла­сию будет благодаря этому нейтрализована. К тестам, сконструиро­ванным не таким способом, следует относиться с осторожностью. Другой «стиль ответа», который может оказывать воздействие на то, каким образом люди отвечают на утверждения теста, — социальная желательность. Это склонность показывать себя в луч­шем свете и отвергать любые варианты поведения и чувств, кото­рые могут быть социально неприемлемы. Утверждения, касающи­еся сквернословия, таких свойств, как скупость, агрессивность, наличие чувства юмора, честность, трудолюбие и понятливость, находятся среди тех, на которые может оказывать влияние соци­альная желательность. Она представляет особую проблему, когда личностные тесты используются для отбора персонала; любой, кто имеет хотя бы чуточку разума, осознает, что при приеме на работу, вероятно, не слишком уместно признаваться в том, что у него случаются галлюцинации, что он нечестен и неряшлив при заполнении личностного опросника и т.п.

Социальную желательность нетрудно измерить. Можно попро­сить ранжирующих тщательно изучить утверждения в личностных опросниках и решить, в какой степени каждое утверждение под­вержено действию социальной желательности. В случаях хорошего согласия между ранжирующими высоковероятно, что социальная желательность будет влиять на вариант ответа, Эдварде (Edwards, 1957) провел такой эксперимент и обнаружил, что имелась суще­ственная корреляция между рангами социальной желательности каждого утверждения в тесте и выбираемым вариантом ответа: люди имеют тенденцию отвечать на вопросы в социально жела­тельной форме.

Как и в случаях молчаливого согласия, это создает серьезные трудности только в том случае, если мы признаем, что одни люди

в большей степени, "чем другие, подвержены социальной жела­тельности, при заполнении личностных опросников. К сожалению, редко удается использовать то же решение для социальной жела­тельности (уравновешивание вопросов теста таким образом, что­бы некоторые социально желательные вопросы имели тенденцию увеличивать оценку по черте, в то время как другие — уменьшать ее). Можете ли вы придумать задание теста, измеряющего тревож­ность, где вопрос на высокий уровень тревожности оказывается также и более социально желательным по сравнению с вопросом, говорящим о низком уровне тревожности? Поэтому в обычной практике пытаются просто устранить из личностных опросников в процессе их разработки утверждения, уровень социальной жела­тельности которых высок.

Индивидуальные различия в склонности давать социально же­лательные ответы могут быть измерены с помощью шкалы Крау-на—Марлоу (Crowne, Marlowe, 1964), следовательно, группе ин­дивидуумов можно дать этот опросник наряду с разрабатываемым опросником, в контексте, в котором тот будет использоваться. Если на любое утверждение опросника сильно влияет социальная жела­тельность, ответы на эти вопросы будут существенно коррелиро­вать с оценками индивидуумов по шкале Крауна—Марлоу, Если социальная желательность, наоборот, мало влияет на утвержде­ния, корреляции будут незначительны. Это позволяет выделить те утверждения, которые наиболее сильно подвержены социальной желательности, и рассмотреть затем вопрос об их устранении или

перефразировании в процессе конструирования теста. Способ, который люди используют при заполнении шкал Ли-керта, также может зависеть от некоторых других особенностей их личности. Типичная шкала Ликерта может предложить тестируе­мому обвести кружком одну из цифр от 1 до 5, когда ранг 1 озна­чает, что испытуемый «полностью не согласен» с утверждением, а ранг 5 подразумевает, что он «полностью согласен» с ним. Не­сколько лет назад Пол Клайн, Джоун Мей и я заинтересовались разработкой «объективного теста» для измерения авторитарных аттитюдрв. Мы предполагали, что авторитарные типы склонны рас­сматривать мир в категориях «черное—белое», лишенных любых сомнений и двойственности. По этой причине мы высказали пред­положение, что при предъявлении 5-балльной ранговой шкалы они, в отличие от контрольных групп, будут обводить в кружок большей частью крайние числа 1 и 5 и значительно реже промежу-

точные позиции. Именно это мы и получили (Cooper et al,, 1986). Таким образом, здесь представлена другая личностная особенность, влияющая на способ, используемый людьми при заполнении шкал Ликерта.

Задание для самопроверки 17.4

Назовите какие-либо переменные, которые могут влиять на характер выполнения личностных тестов.

Факторы, влияющие

на выполнение тестов способностей

Без лишних слов ясно, что условия предъявления теста, по-видимому, оказывают большое влияние на успешность его вы­полнения, особенно применительно к тестам способностей. Тес­тирование больших групп нервничающих людей в переполненной душной комнате с высоким уровнем фонового шума — это доста­точно очевидный рецепт для неудачного выполнения теста, так же как и любое отклонение от инструкции теста, применения об­разцов или временных лимитов. Однако в этом разделе мы рас­смотрим некоторые другие психологические характеристики ин­дивидуумов, которые также могут влиять на способ обращения с тестами способностей.

Мотивация личности при работе с любым тестом, вероятно, будет оказывать определенное влияние на успешность его выпол­нения. Поощрение даже очень маленьких детей к успешному вы­полнению может привести к значительному повышению их опе­нок по тестам способностей сравнительно с контрольными груп­пами (Brown, Walberg, 1993). Предполагается, что культурные факторы также оказывают большое влияние на успешность вы­полнения тестов. Если ребенок убежден, что он вряд ли сможет хорошо выполнить тест, то, возможно, он действительно будет плохо выполнять его в силу подверженности влиянию стереоти­пов (например, Steele, Aronson, 1995). Предполагается также, что важна социальная атмосфера ситуации тестирования и что воз­раст, пол, уровень тревоги и уровень энтузиазма индивидуума могут влиять на получаемые оценки. Однако, как утверждает Кронбах (Cronbach, 1994), имеется удивительно мало доказательств лю­бых устойчивых различий. Совершенно не обязательно, что чер-

нокожие дети будут выполнять тесты способностей лучше, если психолог.будет черным, а не белым (Jensen, 1980; Sattler, Gwyn-ne, 1987).

Имеется также по-настоящему обширный массив литератур­ных данных по психологии тревоги, возникающей во время тес­тирования и ее воздействию на успешность. Существует междуна­родное общество по изучению этого предмета и даже имеются тесты тревожности, предназначенные для специфических пред­метных областей, таких, как математика или спорт, так же как и общий тест тревоги (Spielberger, 1980), хотя (с моей точки зре­ния) мало убедительных доказательств, что тестовая тревога ре­ально отличается от «обычного» состояния тревоги или от черты тревожности. Высокие уровни тревоги оказываются действитель­но связаны с пониженной успешностью выполнения многих тес­тов способностей или достижений (например, Schwarzer et al, 1989), однако утверждение на этой основе причинной связи мо­жет оказаться опасным. Возможно, что сильная тревога возникает как результат вполне правильной самооценки того, что человек окажется не в состоянии выполнить тест хорошо.

Эффекты практики и тренинга также могут улучшать успеш­ность выполнения тестов при некоторых обстоятельствах, но сле­дует сделать разграничение между теми вмешательствами, кото­рые предназначены для изменения уровня черты, и теми, кото­рые специфичны для одного конкретного измерительного инструмента, например, обучение распределению времени и стратегиям угады­вания для теста школьных способностей (тест используется при поступлении в колледж в США). Вмешательства, предназначен­ные улучшить уровень черт, не ставят больших этических про­блем, в то же время попытки улучшить успешность выполнения одного определенного теста, без сомнения, несправедливы по от­ношению к кандидатам, которым не хватает скрытого знания о том, как тест работает, что делает для них невозможным выбор соответствующей стратегии, или которым не хватает денег, что­бы нанять репетитора. Польза от этого не слишком велика. В случае теста школьных способностей совершенно не ясно, не лучше ли будет время и энергию, отданную изучению «тонкостей теста», потратить на то, чтобы пройти курс повышения математических способностей или ликвидации каких-либо других слабых мест в знаниях (Evans, Pike, 1973). Фундаментальная позиция состоит, конечно, в том, что психологические тесты не должны преда­ваться широкой гласности, чтобы возможные кандидаты не мог-

ли получить полезные знания таким образом. Вся необходимая информация должна быть, конечно, представлена всем кандида­там только во время предъявления инструкций по тесту.

Те, кто утверждает, что подобные проблемы требуют удаления тестов способностей в психологическую пустыню наряду с френо­логией и животным магнетизмом, упускают из виду две позиции. Во-первых, если бы эти эффекты были бы столь важны, тесты способностей не могли бы предсказать варианты конкретных форм поведения. Как мы видели, существуют доказательства того, что, несмотря на эти проблемы, тесты способностей могут быть здесь полезными. Во-вторых, они игнорируют руководящие указания, касающиеся «хорошей практики» предъявления тестов. Практически для всех тестов инструкции подчеркивают, что экзаменатор дол­жен использовать свои навыки межличностного общения, чтобы заставить участников чувствовать себя настолько спокойными и защищенными, насколько возможно, стимулировать детей выпол­нять все наилучшим образом и т.д. Более того, в конце концов все тесты включают несколько Заданий, которые знакомят кандида­тов с типами предъявляемых задач, использованием опросного листа и т.д. Таким образом, на практике большинство кандидатов должны чувствовать себя спокойными, иметь необходимую моти­вацию и приобретать некоторый опыт, предшествующий основ­ному тестированию.

Помимо этого, некоторые организации в настоящее время пред­лагают своим кандидатам возможность предварительного само­стоятельного тестирования. Например, Государственная служба Северной Ирландии предусматривает типовой отбор, который включает рассылку соискателям детальной выборки заданий пси­хометрического теста, так чтобы они могли попытаться выпол­нить их сами перед прохождением процедуры психометрического обследования (дополнительное преимущество здесь заключается в том, что индивидуумы, которые набирают очень низкий балл по тестам самопредъявления, могут отказаться от своих притязаний, уменьшая тем самым расходы),

В этой главе обсуждались некоторые проблемы психометрическо­го тестирования, и в особенности понятие смещения, которое недо­статочно хорошо понимается как внутри, так и вне психологичес-

|кого сообщества. Мы также коротко рассмотрели и другие пере­менные, которые могут влиять на успешность выполнения тестов способностей и личностных тестов, и обсудили их важность и по­следствия для практики тестирования.

Предложения по дополнительному чтению

Книга Арта Дженсена Проблема смещения в психологическом тестиро-6 вании (Bias in Mental Testing, Jensen, 1980), с моей точки зрения, — одна из наиболее интересных из числа когда-либо написанных работ по психо­метрике. Она содержит превосходные разделы по анализу природы сме­щения тестовых оценок, их обнаружения и может быть с полным основа­нием рекомендована. Две более ранние главы покойного П. Вернона (гла­ва 20 (Vernon, 1979) и глава 12 (Vernon, 1963)) все еще заслуживают внимания, и еще раз подчеркнем, что образцовые тексты Кронбаха (Cronbach) и Анастази (Anastasi), так же как и некоторые тексты по пси­хологии труда, содержат плодотворное обсуждение влияния тревоги, мо­тивации и различных установок на успешность выполнения тестов.

Ответы на задания по самопроверке

17.1. (а) Оценки по тестам интеллекта.

17.2. (а) Использование теста приведет к тому, что для работы в орга­низации будет отобрано больше женщин, чем мужчин.

(б) Важно помнить, что претенденты на определенную должность не образуют случайную выборку людей. Такие факторы, как гео­графическое местоположение бизнеса, особенности конкуриру­ющих видов бизнеса, воспринимаемые шансы получить работу, структура разделенной системы образования, переселение, се­мейные традиции найма на работу и т.д., могут взаимодейство­вать со способностями, обеспечивая весьма искаженную выборку. Например, если в какой-либо географической области имеется известный работодатель, который принимает на работу боль­шое число женщин-соискательниц с высоким IQ, другие пред­приниматели этой области могут прекратить принимать на ра­боту отвергнутых соискателей.

(в) Постройте график критериальной успешности по успешности теста для обеих групп и проверьте, имеют ли две линии одина­ковые высоту и наклон. Также проверьте надежность теста внут­ри каждой группы и выявите признаки внутреннего смещения. Если обнаружите какие-либо задания, вносящие искажения, уда­лите их и пересчитайте коэффициенты валидности. Пролистай­те публикации, чтобы установить, имелись ли сообщения других исследователей со сходными результатами при использовании такого же теста и такого же критерия. Если все окажется оши­бочным, попытайтесь использовать другой тест.

17.3. Женщины, имеющие низкий уровень способностей, действуют хуже, чем мужчины с низким уровнем способностей, но женщи­ны, имеющие высокий уровень способностей, превосходят вы-сокослособных мужчин по этому тестовому заданию. Оно обна­руживает существенные признаки смещения, несмотря на то что одинаково трудно и для мужчин, и для женщин.

17.4 Кроме личностной черты, которую тест стремится измерить, от­веты будут испытывать на себе влияние социальной желатель­ности, склонности к молчаливому согласию и к реагированию по принципу крайняя позиция/консерватизм, хотя могут быть важ­ны и другие переменные (например, восприятие индивидуумом причины тестирования).

КОНСТРУИРОВАНИЕ НАДЕЖНОГО ТЕСТА

Общая картина

Эта глава включена в книгу по двум причинам. Во-первых, возможно, что читатели на каком-то этапе могут изъявить жела­ние разработать свою собственную шкалу, и поэтому кажется уме­стным предложить некоторые руководящие указания по поводу того, как можно конструировать задания и организовывать их в надежную шкалу, хотя я возражаю против этого и объясню поче­му: я думаю, что в психологии существует уже слишком много тестов. Во-вторых, в данной главе показано, почему невозмож­но просто собрать задания и считать, что они формируют надеж­ную и валидную шкалу. Предложены также некоторые подходы к тому, как сконструировать тест без использования факторного анализа.

Главы, рекомендуемые

для предварительного чтения

1, 11, 13 и 17.

Введение

Эта глава включена на случай, если читатели либо заинтересу­ются тем, как конструируются тесты, либо у них возникнет жела­ние разработать свою собственную шкалу для измерения какой-либо черты личности или способностей. Пожалуйста, не делайте этого! По моему опыту, большинство студентов, которые решают конструировать шкалы, не представляют себе, какая огромная ра­бота требуется для их разработки, уточнения и валидизации.

Многие читатели будут сталкиваться с тестами, весьма отли-чающимиря от тех, которые были описаны в этой книге. В особен­ности социальные психологи измеряют несколько параметров лич­ности, весьма отличных от черт, обсуждавшихся в главах 5, 6 и 8, и у читателей может возникнуть вопрос, почему я до сих пор не обсуждал локус контроля, самооценку и т.п. Проблема заключает­ся в том, что большинство из этих тестов просто недостаточно отработаны. Некоторые (например, показатели локуса контроля), по-видимому, вообще измеряют не черту, а являются ситуативно-специфичными (Coombs, Schroeder, 1988). Еще хуже то, что, ког­да эти задания подвергаются факторному анализу, они редко фор­мируют единственную шкалу. Многие (если не большинство) из этих тестов измеряют сочетания нескольких отдельных личност­ных черт, которые, как мы видели в главе 13, делают их интерпре­тацию почти невозможной.

Если бы случилось невероятное и я стал бы диктатором, мой первый указ был бы следующим: «Для каждого психолога наказуе­мым проступком является публикация любой шкалы, если более чем 70% надежной вариативности этой шкалы может быть предсказа­но существующими тестами». Другими словами, я совершенно убеж­ден в необходимости доказать, что любой новый тест открывает некоторые аспекты личности или способностей, которые действи­тельно весьма отличаются от любой комбинации черт, которую мы уже знаем и понимаем. Иначе тесты будут просто размножаться. Одна шкала будет измерять две части экстраверсии и одну часть нейротицизма. в то время как другая будет измерять две части экстраверсии и одну часть психотицизма. Вокруг этих личностных измерений будут построены громоздкие теории, затем у кого-либо возникнет яркая идея прокоррелировать эти два теста друг с дру­гом, и (поскольку оба они измеряют в какой-то степени экстра­версию) корреляция будет большой и положительной. Волнение побежит по журналам, прославятся имена, и возникнут еще более усложненные теории, объясняющие то, что нам, просто мысля­щим психометрикам, кажется достаточно очевидным.

Однако в этом описании должно быть какое-то заблуждение, поскольку большинство психологов придерживаются совершенно противоположной точки зрения и размножение тестов продолжа­ется, несмотря на доказательства, часто дающие основание счи­тать, что это не слишком хорошая идея. Рассмотрим тесты, изме­ряющие самооценку, — понятие, широко используемое в соци­альной психологии. Существуют доказательства (собранные вместе

в книге Клайна (Kline, 1993, ch. 20)), что тесты, претендующие на измерение самооценки, в действительности просто характеризуют смесь тревожности (или нейротицизма) и экстраверсии. Посколь­ку трудно представить, почему любой психолог должен хотеть из­мерять смесь двух различных черт в одном тесте, продолжающееся использование этих шкал всегда вызывало определенное недоуме­ние у Клайна. Вполне допустимо объединять показатели из не­скольких различных шкал; например, если есть необходимость выделить умных невротиков, это делается сложением стандарти­зованных показателей индивидуумов по тестам, измеряющим об­щие способности и нейротицизм. Дело в том, что, поступая таким образом, пользователи тестов вынуждены осознавать, какие чер­ты реально подвергались оцениванию, а не выстраивать сложные теории по поводу того, что они ошибочно воспринимают как со­вершенно новые аспекты индивидуальных различий.

Тесты также широко внедряются в психологию труда, но по иным причинам. Не исключено, что в этой области «новые» шка­лы могут быть проданы за поразительно большие суммы денег даже до того, как они будут должным образом валидизированы. И снова я не могу понять, почему пользователи хотят применять тесты способностей или личностные тесты, которые просто заново изоб­ретают колесо или (что еще хуже) измеряют сочетание уже хоро­шо понятых черт, поскольку, как следует из главы 13, значение показателей психологической шкалы можно интерпретировать толь­ко в том случае, если все задания измеряют одну и ту же черту.

Несмотря на эти устрашающие предупреждения, полезно знать преимущества (и недостатки) нескольких методов разработки шкал, чтобы любой мог понять и оценить достоинства публикуемых тес­тов. Все они применяются к тестам, которые измеряют черты и не имеют временного ограничения (чтобы каждый человек имел время попытаться ответить на все вопросы). Последний пункт очень важен, поскольку последние задания всегда оказываются трудными и, если предлагаемый лимит времени ограничен, многие кандидаты только по этой причине не будут даже пытаться их выполнить.

Подготовка заданий теста

Очевидно, что написание заданий — решающий шаг в разра­ботке теста. Если они написаны плохо, то никакая психометричес­кая мудрость не сможет обеспечить надежную и валидную шкалу.

Клайн (Юте, 1986) дает некоторые основанные на здравом смыс­ле эмпирические правила для написания заданий, и я буду опи­раться на эту работу в следующих трех разделах. У вас может также возникнуть желание заново проверить руководящие указания ва­шей профессиональной ассоциации по конструированию и исполь­зованию психологических тестов, которые могут напоминать ре­комендации, представленные в приложении Б. При формирова­нии тестовых заданий необходимо иметь в виду следующие основные положения:

• Задания должны быть соответствующим образом подобраны и касаться каждой отдельной стороны концепта. Арифмети­ческий тест не должен базироваться только на задачах на «сложение». Опросник по диагностике депрессии должен включать вопросы, касающиеся разных видов поведения (на­пример, нарушения сна или привычек питания), так же как и чувств. Было бы целесообразно составить список основных граней оцениваемого феномена и написать равное число за­даний, затрагивающих каждую грань. Например, учитель может принять решение оценивать арифметические способ­ности на основе умения выполнять деление и умножение письменно в столбик, решать геометрические/тригономет­рические задачи, системы уравнений, находить корни квад­ратные уравнений, производить дифференцирование и ин­тегрирование. Очень часто необходимо будет провести лите­ратурный, поиск (или изучить диагностические руководства — такие как Диагностическое статистическое руководство по психическим расстройствам, DSM-IV), чтобы убедиться, что у вас есть полное и законченное понимание предмета, кото­рый должен быть оценен.

• Тест должен быть достаточно длинным для гарантии того, что он охватывает все аспекты изучаемого предмета, и на­дежным. В соответствии с эмпирическими правилами вы мо­жете начать по крайней мере с 30 заданий и уменьшать их количество не менее чем до 20 заданий, хотя, если в изуча­емом предмете существует много граней, вы можете нуж­даться и в большем их количестве.

• Каждое задание должно оценивать только ту черту, для из­мерения которой оно предназначено, иначе говоря, ответы на задания не должны зависеть от индивидуальных разли­чий в словарном запасе, социальной желательности (или

других переменных, упоминавшихся в главе 17) или от лю­бых иных черт.

• Должно быть тщательно проанализировано соответствие каж­дого задания данной культуре. В обычном случае это включа­ет имплицитное знание, требуемое для понимания (или ре­шения) проблемы. В примере с арифметическим тестом учи­тель допускает, что все дети будут в состоянии складывать, вычитать, умножать, делить и понимать порядок выполне­ния арифметических операций в уравнениях и т.д.

• Важно обеспечить, чтобы задания были логически незави­симы. В случае личностных тестов убедитесь в том, что, если логически последовательный человек отвечает на какое-либо задание определенным образом, это не «принуждает» его давать какой-либо определенный ответ на любые другие за­дания. Другими словами, два задания не должны иметь в виду одно и то же. В случае тестов способностей вам не следует основывать одно задание на ответе на предыдущее задание, например: «Задание 1: Сколько будет 2 + 3 ?», «Задание 6: Сколько будет, если ответ на задание 1 умножить на 4?»

• Вы могли понять, что проблема семантической зависимости заданий в личностных шкалах интересует меня особенно силь­но. Очень легко создать шкалу с высоким уровнем надежно­сти, перефразируя одно и то же задание несколько раз. Но это искусственная шкала, поскольку задания не отобраны должным образом из всей интересующей области. Поэтому я бы настоятельно советовал формирующим задания исследо­вать каждую возможную пару их и проверить, не принужда­ет ли способ, который использует человек, отвечая на одно задание, отвечать на другие определенным образом, обус­ловленным чем-либо иным, кроме черты, которую тест при­зван измерять.

Подготовка заданий для тестов способностей

Определите формат ответа, например, открытый (2 + 2 = ?) или множественного выбора [2 + 2 = (а) 4, (б) 22, (в) 5, (г) 3], и, если выбран формат множественного выбора, определите, сколь­ко альтернатив следует предложить. Должно быть предложено по крайней мере четыре альтернативы, чтобы уменьшить эффекты «удачного угадывания».

Напишите равное-количество заданий по каждой теме. При использовании формата множественного выбора постарайтесь скон­струировать хорошие, правдоподобные дистракторы (возможно, основывающиеся на анализе ошибок из других тестов) и попы­тайтесь обеспечить, чтобы задания по каждой теме имели сходные и соответствующие диапазоны трудности.

Убедитесь, что не поддались соблазну проверять нечто незна­чительное только потому, что это легко сделать. Например, если вы разрабатываете тест для опенки статистических способностей студентов, самый легкий тип заданий, который можно написать, касается формул и определений, например: «Как выглядит урав­нение для вычисления стандартного отклонения значений в дан­ной выборке?» Проблема, однако, заключается в том, что препо­даватель должен быть заинтересован в проверке того, насколько хорошо студенты понимают и могут применять эти понятия, — повторение определения в подражание попугаю редко оказывает­ся целесообразным. Другой хороший пример — тест, направлен­ный на оценку навыков вождения. Я могу вспомнить, как учил и повторял длину тормозного пути, хотя оказалось, что экзаменато­ры никогда не проверяли, знали ли обучающиеся, когда они вели машину, каковы в действительности эти дистанции.

Галликсен (Gulliksen, 1986) опубликовал превосходную, без излишних технических подробностей работу по оценке способно­стей и достижений. В ней приводится несколько других форм тес­товых заданий, и ее прочтение является принципиально важным для любого, кто заинтересован в конструировании тестов в этой области в целом.