Çfarë do të thotë vlefshmëri? Si të rregulloni gabimet më të zakonshme

Vlefshmëria në thelbin e saj është një karakteristikë komplekse që përfshin, nga njëra anë, informacionin nëse teknika është e përshtatshme për të matur se për çfarë është krijuar, dhe nga ana tjetër, cili është efektiviteti, efikasiteti dhe dobia praktike e saj.

Kontrollimi i vlefshmërisë së një metodologjie quhet validim.

Për të kryer vërtetimin pragmatik të një teknike, d.m.th., për të vlerësuar efektivitetin, efikasitetin, rëndësinë praktike të saj, zakonisht përdoret një kriter i jashtëm i pavarur - një tregues i manifestimit të pronës që studiohet në Jeta e përditshme. Një kriter i tillë mund të jetë performanca akademike (për testet e aftësive të të nxënit, testet e arritjeve, testet e inteligjencës), dhe arritjet e prodhimit (për metodat e orientuara drejt profesionalizmit), dhe efektiviteti i aktiviteteve reale - vizatimi, modelimi, etj. (për teste speciale aftësitë), vlerësimet subjektive (për testet e personalitetit).

4 lloje të kritereve të jashtme:

1. kriteret e performancës (këto mund të përfshijnë të tilla si sasia e punës së kryer, performanca akademike, koha e shpenzuar në trajnim, shkalla e rritjes së kualifikimeve, etj.);
2. kriteret subjektive (këto përfshijnë lloje te ndryshme përgjigjet që pasqyrojnë qëndrimin e një personi ndaj diçkaje ose dikujt, mendimin, pikëpamjet, preferencat e tij; zakonisht kriteret subjektive merren duke përdorur intervista, pyetësorë, pyetësorë);
3. kriteret fiziologjike (ato përdoren gjatë studimit të ndikimit mjedisi dhe variabla të tjerë të situatës në trupin dhe psikikën e njeriut; maten pulsi, presioni i gjakut, rezistenca elektrike e lëkurës, simptomat e lodhjes etj.);
4. kriteret e aksidenteve (përdoren kur qëllimi i hulumtimit ka të bëjë, për shembull, me problemin e përzgjedhjes për punë të atyre individëve që janë më pak të ndjeshëm ndaj aksidenteve).

Vlefshmëria empirike.

Nëse, në rastin e vlefshmërisë së përmbajtjes, testi vlerësohet në kurriz të ekspertëve (të cilët vendosin korrespondencën e artikujve të testit me përmbajtjen e subjektit të matjes), atëherë vlefshmëria empirike matet gjithmonë duke përdorur korrelacionin statistikor: korrelacioni i dy llogaritet seria e vlerave - rezultatet dhe treguesit e testit parametri i jashtëm, i zgjedhur si kriter vlefshmërie.

Ndërtoni vlefshmërinë.

Vlefshmëria e konstruktit i referohet vetë konstruktit teorik dhe përfshin kërkimin e faktorëve që shpjegojnë sjelljen e marrjes së testit. Si një lloj i veçantë, vlefshmëria e konstruksionit u kanonizua në një artikull nga Cronbach dhe Meehl (1955). Autorët vlerësuan duke përdorur këtë lloj vlefshmërie të gjitha studimet testuese që nuk synonin drejtpërdrejt parashikimin e disa kritereve përkatës. Studimi përmbante informacion mbi konstruktet psikologjike.

Vlefshmëria e përmbajtjes.

Vlefshmëria e përmbajtjes kërkon që çdo artikull, detyrë ose pyetje që i përket një domeni të caktuar të ketë një shans të barabartë për t'u testuar në një test. Vlefshmëria e përmbajtjes vlerëson konsistencën e përmbajtjes së testit (detyrat, pyetjet) me zonën e matur të sjelljes. Testet, të përpiluara nga dy ekipe zhvillimi, kryhen në një mostër lëndësh. Besueshmëria e testit llogaritet duke i ndarë artikujt në dy pjesë, duke rezultuar në një indeks të vlefshmërisë së përmbajtjes.

Vlefshmëria "parashikuese".

Vlefshmëria "parashikuese" përcaktohet gjithashtu nga një kriter i jashtëm mjaft i besueshëm, por informacioni për të mblidhet disa kohë pas testit. Një kriter i jashtëm është zakonisht aftësia e një personi, e shprehur në një lloj vlerësimi, për llojin e aktivitetit për të cilin ai u zgjodh bazuar në rezultatet e testeve diagnostikuese. Edhe pse kjo teknikë është më në përputhje me detyrën e teknikave diagnostikuese - parashikimi i suksesit në të ardhmen, është shumë e vështirë të zbatohet. Saktësia e parashikimit lidhet në mënyrë të zhdrejtë me kohën e specifikuar për një parashikim të tillë. Sa më shumë kohë të kalojë pas matjes, aq sasi e madhe duhet të merren parasysh faktorët kur vlerësohet rëndësia prognostike e teknikës. Megjithatë, është pothuajse e pamundur të merren parasysh të gjithë faktorët që ndikojnë në parashikim.

Vlefshmëria "retrospektive".

Ai përcaktohet në bazë të një kriteri që pasqyron ngjarjet ose gjendjen e cilësisë në të kaluarën. Mund të përdoret për të marrë shpejt informacion në lidhje me aftësitë parashikuese të teknikës. Pra, për të kontrolluar deri në çfarë mase rezultate të mira test aftësie takohen mësimi i shpejtë, mund të krahasoni vlerësimet e performancës së kaluar, mendimet e ekspertëve të kaluar, etj. te personat me të lartë dhe të ulët ky moment treguesit diagnostikues.

Vlefshmëria konvergjente dhe diskriminuese.

Strategjia për përfshirjen e disa artikujve në test varet nga mënyra se si psikologu e përcakton konstruktin diagnostik. Nëse Eysenck e përcakton vetinë "neuroticizëm" si të pavarur nga ekstraversioni-introversioni, atëherë kjo do të thotë se pyetësori i tij duhet të përmbajë përafërsisht po aq artikuj me të cilët do të pajtoheshin introvertët neurotikë dhe ekstrovertët neurotikë. Nëse në praktikë rezulton se testi do të mbizotërohet nga artikuj nga kuadranti "Neuroticizëm-Introversion", atëherë, nga pikëpamja e teorisë së Eysenck, kjo do të thotë se faktori "neuroticizëm" rezulton të jetë i ngarkuar me një gjë të parëndësishme. faktori - "introversion". (Pakërisht i njëjti efekt ndodh nëse kampioni anon – nëse përmban më shumë introvertë neurotikë sesa ekstrovertë neurotikë.)

Për të shmangur vështirësi të tilla, psikologët dëshirojnë të merren me tregues (artikuj) empirikë që informojnë qartë vetëm për një faktor. Por kjo kërkesë nuk përmbushet kurrë në të vërtetë: çdo tregues empirik rezulton të përcaktohet jo vetëm nga faktori që na nevojitet, por edhe nga të tjerët - të parëndësishëm për detyrën e matjes.

Kështu, për faktorët që përcaktohen konceptualisht si ortogonalë me atë që matet (që ndodhin në të gjitha kombinimet), testuesi duhet të përdorë një strategji balancimi artificial në përzgjedhjen e artikujve.

Korrespondenca e zërave me faktorin e matur siguron vlefshmëria konvergjente provë. Balancimi i artikujve kundrejt faktorëve të parëndësishëm siguron vlefshmërinë diskriminuese. Empirikisht, ai shprehet në mungesë të një korrelacioni domethënës me një test që mat një veti konceptualisht të pavarur.

Një person përdor metoda dhe mjete të ndryshme për të testuar ose matur disa cilësi. Shkalla në të cilën kjo teknikë dhe mjet janë në gjendje të prodhojnë rezultate me cilësi të lartë tregon vlefshmërinë e tyre. Çfarë do të thotë ky koncept në psikologji? Cilat lloje të vlefshmërisë ekzistojnë? Në psikologji, kjo pronë zakonisht zbatohet për testet dhe metodat e përdorura nga specialistët.

Çfarë është vlefshmëria?

Koncepti në fjalë ka shumë përkufizime. Çfarë është vlefshmëria? Kjo është përshtatshmëria dhe vlefshmëria e përdorimit të një teknike ose rezultati në një situatë specifike. Vlera e aplikimit të kësaj fjale– shkalla e përputhshmërisë së rezultateve dhe metodave me detyrat e caktuara.

Vlefshmëria është një matje e një treguesi tjetër që mat cilësi specifike. Kështu, një teknikë ka për qëllim matjen e një cilësie specifike, për shembull, inteligjencën, dhe vlefshmëria e saj duhet të tregojë se sa mirë kjo teknikë ndihmon në marrjen e rezultateve.

Me një fjalë tjetër, vlefshmëria mund të quhet besueshmëri. Ai mat ato teste dhe teknika që masin cilësi të caktuara psikologjike. Sa më mirë të masin cilësitë që matin, aq më e lartë është vlefshmëria e tyre.

Vlefshmëria bëhet e rëndësishme në dy raste:

1. Kur zhvillohet një teknikë e caktuar.
2. Kur një teknikë e caktuar tregon rezultate, është e nevojshme të përcaktohet se sa të mira janë rezultatet.

Pra, vlefshmëria është një karakteristikë që tregon përshtatshmërinë e një teknike të caktuar për matjen e një cilësie të caktuar dhe dobinë, cilësinë dhe efektivitetin e kësaj teknike.

Në mënyrë tipike, disa lloje të vlefshmërisë përdoren për të vërtetuar një test ose teknikë të veçantë. Këtu krahasojmë edhe treguesit e dhënë nga mjete të ndryshme. Ka shumë mënyra për të matur një cilësi apo karakteristikë të veçantë psikologjike. Më shpesh, psikologët do të përdorin teknikën që jep rezultate më të besueshme. Kjo do të tregojë vlefshmërinë e saj të lartë.

Së bashku me vlefshmërinë, koncepti i besueshmërisë shpesh konsiderohet. Metodat dhe testet duhet të jenë të besueshme, domethënë duhet të jenë të qëndrueshme dhe të besueshme. Eksperimentuesi duhet të jetë i sigurt se po shqyrton saktësisht cilësinë që dëshiron të ekzaminojë. Kjo është arsyeja pse besueshmëria mund të mos jetë gjithmonë e vlefshme, por vlefshmëria duhet të jetë gjithmonë e besueshme.

Vlefshmëria në psikologji

Vlefshmëria përdoret në shumë fusha të jetës ku maten tregues të ndryshëm. Në psikologji, vlefshmëria bëhet gjithashtu e nevojshme, veçanërisht në psikologjinë eksperimentale. Vlefshmëria në psikologji është:

• besimi i eksperimentuesit se ai po matë cilësinë që i nevojitet;
• besueshmëria e treguesve që matin këtë cilësi.

Nëse lexuesi ka marrë ndonjëherë teste psikologjike, atëherë ai di për dëshirën e brendshme për të marrë një përgjigje specifike për pyetjen e shtruar. Vlefshmëria e një testi i tregon eksperimentuesit një rezultat specifik që ai e arrin përmes testimit. Këtu ia vlen detyrë specifike, përgjigjen për të cilën duhet të marrë pasi të kryejë të gjitha veprimet e nevojshme.

Metodat dhe testet duhet të jenë të dobishme dhe të besueshme, gjë që matet me vlefshmërinë e tyre.

Ekzistojnë tre mënyra për të kontrolluar vlefshmërinë:

1. Vlerësimi i vlefshmërisë së përmbajtjes është korrespondenca e rezultateve të vlerësimit të subjektit të testimit me cilësitë reale që shfaqen në realitet. Këtu përdoret një koncept i tillë si vlefshmëria e fytyrës - një person duhet të shohë një lidhje reale midis përmbajtjes së vetë metodologjisë dhe rezultateve të saj dhe realitetit në të cilin manifestohet cilësia që matet.
2. Vlerësimi i vlefshmërisë së konstruktit është përcaktimi që një metodë mat konstruktet shkencërisht të vlefshme dhe të specifikuara. Vërtetimi konvergjent lejon përdorimin e teknikave të shumta që shikojnë karakteristika të ngjashme dhe prodhojnë rezultate më të sakta të cilësisë në fjalë. Vlefshmëria diskriminuese përjashton teknika të tjera që marrin në konsideratë cilësi që nuk lidhen me cilësinë e dëshiruar.
3. Vlefshmëria e kriterit të vlerësimit është nëse rezultatet korrespondojnë me treguesit e pritur që përcaktohen me mjete të tjera. Kjo përdor vlefshmërinë parashikuese për të ndihmuar në parashikimin e sjelljes së ardhshme.

Llojet e vlefshmërisë

Ekzistojnë disa lloje të vlefshmërisë, të cilat do t'i shqyrtojmë më poshtë:

1. Vlefshmëria e jashtme është një përgjithësim i përfundimit të një situate, popullsie, variablash të pavarur. Ai ndahet në:

• Vlefshmëria operacionale.
• Vlefshmëria e konstruksionit është një shpjegim i sjelljes së një personi në kohën e marrjes së një testi.

1. Vlefshmëria e brendshme është ndryshimi gjatë eksperimentit nën ndikimin e faktorëve të pandryshueshëm.
2. Vlefshmëria diferenciale.
3. Vlefshmëria në rritje.
4. Vlefshmëria ekologjike është një tregues që një person është i aftë të kryejë veprime të ndryshme, të cilat mund të jenë të suksesshme në një situatë, por jo në një situatë tjetër.

Ky klasifikim përdoret nga psikologjia eksperimentale. Psikologjia organizative dhe psikodiagnostika përdorin një klasifikim tjetër:

1. Ndërtoni vlefshmërinë. Ai ndahet në:

• Vlefshmëria konvergjente.
• Vlefshmëria divergjente.

1. Vlefshmëria e bazuar në kritere (empirike) - llogaritja e korrelacionit bazuar në rezultatin e testit me një parametër të jashtëm që u zgjodh si një tregues i vlefshëm. Ai ndahet në:

• Vlefshmëria aktuale është studimi i një parametri në kohën e tashme.
• Vlefshmëria retrospektive është një gjendje ose ngjarje që ka ndodhur në të kaluarën.
• Vlefshmëria parashikuese - parashikimi i sjelljes, cilësisë.

1. Vlefshmëria e përmbajtjes - përdoret në eksperimente ku merren parasysh disa ndërveprime ose aktivitete. Ka një nëngrup:

• Vlefshmëri e qartë.

Llojet e tjera të vlefshmërisë janë:

• A priori.
• Kongruent.
• Të lidhura.
• Konstruktive.
• Konsensusi.
• Faktorial.
• Teorike etj.

Çfarë është vlefshmëria e testit?

Shumë njerëz bëjnë teste. Ekzistojnë teste të veçanta psikologjike të përdorura nga psikologët dhe teste të tjera tabloide. Çfarë është vlefshmëria e testit, e cila është një kriter i rëndësishëm? Ky është një tregues i korrespondencës së një karakteristike, cilësie, vetie me testin që i mat ato.

Testet janë të ndryshme. Ato përdoren për të matur parametrat psikofiziologjikë të njeriut. Treguesi më i lartë i vlefshmërisë mbetet 80%. Përdorimi i testeve bëhet i dobishëm kur ato lejojnë marrjen e të dhënave të sakta për disa karakteristika specifike. Ekzistojnë disa qasje për të studiuar vlefshmërinë e një testi:

1. Ndërtoni vlefshmërinë, e cila ju lejon të studioni më thellë cilësitë e një personi në një situatë, aktivitet, sistem.
2. Vlefshmëria e bazuar në kriter është studimi i një parametri në kohën e tanishme dhe parashikimi i tij në të ardhmen.
3. Vlefshmëria e përmbajtjes - konsistenca e konstrukteve psikologjike, diversiteti i tyre.
4. Vlefshmëria parashikuese - parashikon zhvillimin e një cilësie të caktuar në të ardhmen, e cila është e vështirë sepse mund të zhvillohet ndryshe në njerëz të ndryshëm.

Derisa të përcaktohet besueshmëria dhe vlefshmëria e testit, ai nuk përdoret në praktikën psikologjike. Shumë varet nga fushat në të cilat përdoren testet. Ekzistojnë teste arsimore, profesionale dhe teste të tjera që përdoren në institucione individuale për të parashikuar dhe identifikuar karakteristikat e aplikantëve.

Në faqen e internetit të ndihmës psikologjike mund të bëni edhe teste që tashmë kanë vlefshmëri të lartë dhe tregojnë rezultate të besueshme.

Cila është vlefshmëria e metodologjisë?

Cila është vlefshmëria e metodologjisë? Ky është një tregues që tregon nëse teknika në fjalë studion cilësinë apo karakteristikën për të cilën është menduar. Në këtë rast, theksi vihet në faktin se subjekti që testohet mund ta shohë dhe karakterizojë veten ndryshe. Kjo është arsyeja pse rezultatet jo gjithmonë marrin parasysh mendimet e njerëzve që mund të mos vërejnë disa karakteristika.

Validimi quhet kontrollimi i vlefshmërisë së një metodologjie. Për të përcaktuar efektivitetin, efikasitetin dhe prakticitetin e metodologjisë së përdorur, përdoret një tregues i jashtëm i pavarur - cilësi që vërehet në jetën e përditshme. Ekzistojnë 4 lloje të treguesve të jashtëm:

1. Kriteri i performancës është koha e shpenzuar, sasia e punës, niveli i performancës akademike, rritja e aftësive profesionale etj.
2. Kriteret subjektive janë mendimi, pikëpamjet, preferenca, qëndrimi i subjektit ndaj dikujt ose diçkaje. Këtu përdoren pyetësorë, intervista, pyetësorë.
3. Kriteret fiziologjike - ndikimi i botës së jashtme në psikikën dhe trupin e njeriut. Këtu maten pulsi, frekuenca e frymëmarrjes, simptomat e lodhjes etj.
4. Kriteri i rastësisë - a është e mundur, për shembull, të përzgjidhen individë që nuk janë të prirur për aksidente? Studimi i ndikimit të një rasti specifik.

Qasja teorike për matjen e vlefshmërisë së metodave bën të mundur njohjen nëse një teknologji studion në të vërtetë cilësinë për të cilën ishte menduar.

Vlefshmëria përcaktohet edhe nga shfaqja e cilësisë që studiohet. Është mirë nëse është e zakonshme, gjë që e bën teknikën të nevojshme dhe të dobishme. Ndryshimet etike dhe kulturore në shoqëri bëhen gjithashtu të rëndësishme.

Fundi

Në praktikën psikologjike, testet dhe teknikat shpesh përdoren për të ndihmuar në studimin e personalitetit të një personi. Këtu po flasim në veçanti për parametrat e brendshëm, të cilat nuk janë të dukshme me sy. Cilësitë e karakterit, sjellja, prognoza e mundshme për të ardhmen, si do të jetë një person dhe si do të jetë jeta e tij - e gjithë kjo studiohet nga teste dhe metoda të ndryshme që ndjekin një rezultat të vetëm - studimin e një personi.

Rezultati i përcaktimit të suksesshëm të vlefshmërisë së një instrumenti të caktuar është njohja e suksesshme e çdo personi, pavarësisht se si e shikon ai veten. Njerëzit shpesh nuk vërejnë disa cilësi në vetvete dhe rrallë e shikojnë veten me një vështrim të matur. Testet dhe metodat ju lejojnë të zbuloni parametra individualë.

Parashikimi i testeve dhe metodave të vlefshme është një njohuri e shpejtë dhe cilësore e një personi tjetër me aftësinë për ta ndihmuar atë në zgjidhjen e çdo problemi psikologjik. Kjo nuk do të arrihet së shpejti, por mjetet ekzistuese kanë treguar tashmë efektivitetin e tyre. Në mënyrë tipike, kjo pyetje është me interes vetëm për ata njerëz që janë të përfshirë në përcaktimin e cilësisë së testeve dhe metodave. Sidoqoftë, do të jetë gjithashtu e dobishme për njerëzit e zakonshëm të dinë se cilat ushtrime duhet t'u besohen dhe cilat jo.

Numri i biletës 9

Pyetësorët e motivimit dhe karakteristikat e tyre.

Pyetësorët motivues janë një grup pyetësorësh të krijuar për të diagnostikuar sferën e nevojave motivuese të individit, i cili lejon dikë të përcaktojë se për çfarë synohet aktiviteti i individit (motivet si arsye që përcaktojnë zgjedhjen e drejtimit të sjelljes). Për më tepër, çështja se si rregullohet dinamika e sjelljes është me rëndësi të madhe. Në këtë rast, ata shpesh përdorin matjen e qëndrimeve. Zhvillimi i pyetësorëve motivues në psikodiagnostikë lidhet kryesisht me nevojën për të vlerësuar ndikimin e faktorit të "dëshirueshmërisë sociale", i cili ka një natyrë qëndrimi dhe zvogëlon besueshmërinë e të dhënave të marra duke përdorur pyetësorët e personalitetit. Pyetësorët më të famshëm të motiveve përfshijnë "Lista e Preferencave Personale" e zhvilluar nga A. Edwards (1954), e cila është krijuar për të matur "forcën" e nevojave, të huazuar nga lista e propozuar nga G. Murray për testin tematik të perceptimit. Këto nevoja përfshijnë, për shembull, nevojat për sukses, respekt, udhëheqje, etj. "Forca" e secilës nevojë nuk shprehet në vlerat absolute, por në lidhje me “forcën” e nevojave të tjera, d.m.th. përdoren tregues personal. Për të studiuar rolin e faktorit të “dëshirueshmërisë sociale”, A. Edwards (1957) propozoi një pyetësor të veçantë. Përdoren gjerësisht edhe pyetësorët e tjerë të motiveve, për shembull, "Forma për studimin e personalitetit" nga D. Jackson (1967), pyetësorët e A. Mehrabyan (1970), etj.

Pas besueshmërisë, një tjetër kriter kyç për vlerësimin e cilësisë së metodave është vlefshmëria. Çështja e vlefshmërisë së një teknike zgjidhet vetëm pasi të jetë vendosur besueshmëria e saj e mjaftueshme, pasi një teknikë jo e besueshme nuk mund të jetë e vlefshme. Por teknika më e besueshme pa njohuri për vlefshmërinë e saj është praktikisht e padobishme.

Duhet të theksohet se çështja e vlefshmërisë deri vonë duket të jetë një nga më të vështirat. Përkufizimi më i vendosur i këtij koncepti është ai i dhënë në librin e A. Anastasit: “Vlefshmëria e testit është një koncept që na tregon se çfarë mat testi dhe sa mirë e bën atë”.

Për këtë arsye, nuk ka asnjë qasje të vetme universale për përcaktimin e vlefshmërisë. Në varësi të aspektit të vlefshmërisë që studiuesi dëshiron të marrë në konsideratë, përdoren metoda të ndryshme të provës. Me fjalë të tjera, koncepti i vlefshmërisë përfshin llojet e ndryshme të tij, të cilat kanë kuptimin e tyre të veçantë. Kontrollimi i vlefshmërisë së një metodologjie quhet validim.

Vlefshmëria në kuptimin e saj të parë lidhet me vetë metodologjinë, pra është vlefshmëria e instrumentit matës. Ky lloj testimi quhet vërtetim teorik. Vlefshmëria në kuptimin e dytë i referohet jo aq metodologjisë sa qëllimit të përdorimit të saj. Ky është vërtetim pragmatik.

Për ta përmbledhur, mund të themi sa vijon:

gjatë vërtetimit teorik, studiuesit i intereson vetia e matur me teknikën. Kjo në thelb do të thotë se vetë vërtetimi psikologjik po kryhet;

me vlefshmërinë pragmatike, esenca e lëndës së matjes (vetia psikologjike) del jashtë syve. Theksi kryesorështë krijuar për të vërtetuar se diçka e matur me një teknikë ka një lidhje me fusha të caktuara të praktikës.

Kryerja e vërtetimit teorik, në krahasim me vërtetimin pragmatik, ndonjëherë rezulton të jetë shumë më e vështirë. Pa hyrë në detaje specifike tani për tani, le të shohim skicë e përgjithshme se si testohet vlefshmëria pragmatike: zgjidhet një kriter i jashtëm, i pavarur nga metodologjia, që përcakton suksesin në një aktivitet të caktuar (edukativ, profesional, etj.), dhe krahasohen rezultatet e metodologjisë diagnostike me të. Nëse lidhja mes tyre konsiderohet e kënaqshme, atëherë nxirret një përfundim për rëndësinë praktike, efektivitetin dhe efikasitetin e teknikës diagnostikuese.

Për të përcaktuar vlefshmërinë teorike, është shumë më e vështirë të gjesh ndonjë kriter të pavarur që qëndron jashtë metodologjisë. Prandaj, në fazat e hershme të zhvillimit të testologjisë, kur koncepti i vlefshmërisë sapo po merrte formë, ekzistonte një ide intuitive që testi mat:

1) teknika u quajt e vlefshme, pasi ajo që mat është thjesht e qartë;

2) prova e vlefshmërisë u bazua në besimin e studiuesit se metoda e tij i lejon atij të kuptojë temën;

3) teknika u konsiderua e vlefshme (d.m.th., u pranua deklarata se një test i tillë mat cilësinë e tillë) vetëm sepse teoria në bazë të së cilës u bazua teknika ishte shumë e mirë.

Pranimi i pretendimeve të pabazuara në lidhje me vlefshmërinë e metodologjisë nuk mund të vazhdonte kohe e gjate. Shfaqjet e para të kritikës vërtet shkencore e hodhën poshtë këtë qasje: filloi kërkimi për prova të bazuara shkencërisht.

Kështu, të bësh vërtetimin teorik të një metodologjie do të thotë të provosh se metodologjia mat saktësisht vetinë, cilësinë, të cilën studiuesi synoi të matë.

Kështu, për shembull, nëse është zhvilluar ndonjë test për të diagnostikuar zhvillimin mendor të fëmijëve, është e nevojshme të analizohet nëse ai vërtet mat këtë zhvillim, dhe jo disa karakteristika të tjera (për shembull, personaliteti, karakteri, etj.). Kështu, për vërtetimin teorik problem kardinalështë marrëdhënia ndërmjet dukurive psikologjike dhe treguesve të tyre, nëpërmjet të cilave tentohet të njihen këto dukuri psikologjike. Kjo tregon se sa përputhen synimet e autorit dhe rezultatet e metodologjisë.

Nuk është aq e vështirë të kryhet vërtetimi teorik i një teknike të re nëse matja të kësaj pasurie Ekziston tashmë një metodë me vlefshmëri të provuar. Prania e një korrelacioni midis një metode të re dhe një metode të ngjashme tashmë të testuar tregon se metoda e zhvilluar mat të njëjtën cilësi psikologjike si ajo referencë. Dhe nëse metodë e re Në të njëjtën kohë, rezulton të jetë më kompakt dhe ekonomik në kryerjen dhe përpunimin e rezultateve, atëherë psikodiagnostikët kanë mundësinë të përdorin një mjet të ri në vend të atij të vjetër.

Por vlefshmëria teorike vërtetohet jo vetëm nga krahasimi me treguesit përkatës, por edhe me ata ku, bazuar në hipotezën, lidhje kuptimplote nuk duhet të jetë. Kështu, për të kontrolluar vlefshmërinë teorike, është e rëndësishme, nga njëra anë, të përcaktohet shkalla e lidhjes me një teknikë të lidhur (vlefshmëria konvergjente) dhe mungesa e kësaj lidhjeje me teknikat që kanë një bazë teorike të ndryshme (vlefshmëria diskriminuese).

Është shumë më e vështirë të kryhet vërtetimi teorik i një metode kur një metodë e tillë verifikimi është e pamundur. Më shpesh, kjo është situata me të cilën përballet një studiues. Në rrethana të tilla, vetëm akumulimi gradual i informacionit të ndryshëm në lidhje me pronën që studiohet, analiza e mjediseve teorike dhe të dhënave eksperimentale dhe përvoja e rëndësishme në punën me teknikën bëjnë të mundur zbulimin e kuptimit të saj psikologjik.

Rol i rendesishem Për të kuptuar se çfarë mat metodologjia, është e rëndësishme të krahasohen treguesit e saj forma praktike aktivitetet. Por këtu është veçanërisht e rëndësishme që metodologjia të përpunohet me kujdes teorikisht, domethënë të ketë një bazë shkencore solide, të bazuar mirë. Më pas, duke e krahasuar teknikën me një kriter të jashtëm të marrë nga praktika e përditshme që korrespondon me atë që mat, mund të merret informacion që mbështet idetë teorike për thelbin e saj.

Është e rëndësishme të mbani mend se nëse vërtetohet vlefshmëria teorike, atëherë interpretimi i treguesve të marrë bëhet më i qartë dhe më i paqartë, dhe emri i teknikës korrespondon me qëllimin e zbatimit të saj. Sa i përket vërtetimit pragmatik, ai përfshin testimin e një teknike nga pikëpamja e efektivitetit, rëndësisë dhe dobisë së saj praktike, pasi ka kuptim të përdoret një teknikë diagnostikuese vetëm kur vërtetohet se vetia që matet manifestohet në situata të caktuara jetësore. , në lloje të caktuara aktivitetesh. I kushtohet rëndësi e madhe sidomos kur shtrohet çështja e përzgjedhjes.

Nëse i drejtohemi përsëri historisë së zhvillimit të testologjisë, mund të veçojmë një periudhë (vitet 20-30 të shekullit të 20-të) kur përmbajtja shkencore e testeve dhe bagazhi i tyre teorik ishin me më pak interes. Ishte e rëndësishme që testi funksionoi dhe ndihmoi në zgjedhjen e shpejtë të njerëzve më të përgatitur. Kriteri empirik për vlerësimin e detyrave të testit u konsiderua i vetmi udhëzues i saktë në zgjidhjen e problemeve shkencore dhe aplikative.

Përdorimi i teknikave diagnostikuese me justifikim thjesht empirik, pa një bazë të qartë teorike, shpesh çoi në përfundime pseudoshkencore, në të pajustifikuara rekomandime praktike. Ishte e pamundur të emërtoheshin me saktësi tiparet dhe cilësitë që zbuluan testet. Ato ishin në thelb teste të verbër.

Kjo qasje ndaj problemit të vlefshmërisë së testit ishte tipike deri në fillim të viteve '50. shekulli XX jo vetëm në SHBA, por edhe në vende të tjera. Dobësia teorike e metodave të vërtetimit empirik nuk mund të ngjallte kritika nga ata shkencëtarë të cilët, në zhvillimin e testeve, kërkuan të mbështeteshin jo vetëm në empirikë dhe praktikë të zhveshur, por edhe në një koncept teorik. Praktika pa teori, siç e dimë, është e verbër, dhe teoria pa praktikë është e vdekur. Aktualisht, vlerësimi teorik dhe praktik i vlefshmërisë së metodave perceptohet si më produktiv.

Për të kryer vërtetimin pragmatik të një teknike, d.m.th., për të vlerësuar efektivitetin, efikasitetin dhe rëndësinë e saj praktike, zakonisht përdoret një kriter i jashtëm i pavarur - një tregues i manifestimit të pronës që studiohet në jetën e përditshme. Një kriter i tillë mund të jetë performanca akademike (për testet e aftësive të të nxënit, testet e arritjeve, testet e inteligjencës), dhe arritjet e prodhimit (për metodat e orientuara drejt profesionalizmit), dhe efektiviteti i aktiviteteve reale - vizatimi, modelimi, etj. (për teste speciale aftësitë), vlerësimet subjektive (për testet e personalitetit).

Studiuesit amerikanë D. Tiffin dhe E. McCormick, pasi kanë analizuar kriteret e jashtme të përdorura për të vërtetuar vlefshmërinë, identifikojnë katër lloje [31 secila):

1) kriteret e performancës (këto mund të përfshijnë të tilla si sasia e punës së kryer, performanca akademike, koha e shpenzuar në trajnim, shkalla e rritjes së kualifikimeve, etj.);

2) kritere subjektive (ato përfshijnë lloje të ndryshme përgjigjesh që pasqyrojnë qëndrimin e një personi ndaj diçkaje ose dikujt, mendimin, pikëpamjet, preferencat e tij; zakonisht kriteret subjektive merren duke përdorur intervista, pyetësorë, pyetësorë);

3) kriteret fiziologjike (përdoren për të studiuar ndikimin e mjedisit dhe variablave të tjerë të situatës në trupin dhe psikikën e njeriut; maten frekuenca e pulsit, presioni i gjakut, rezistenca elektrike e lëkurës, simptomat e lodhjes, etj.);

4) kriteret e aksidenteve (zbatohen kur qëllimi i studimit ka të bëjë, për shembull, me problemin e përzgjedhjes për punë të personave të tillë që janë më pak të ndjeshëm ndaj aksidenteve).

Kriteri i jashtëm duhet të plotësojë tre kërkesa themelore:

duhet të jetë relevant;

pa ndërhyrje;

të besueshme.

Relevanca i referohet korrespondencës semantike të një mjeti diagnostikues me një kriter të pavarur jetësor. Me fjalë të tjera, duhet të ketë besim se kriteri përfshin pikërisht ato tipare të psikikës individuale që maten me teknikën diagnostikuese. Kriteri i jashtëm dhe teknika diagnostikuese duhet të jenë në korrespondencë të brendshme semantike me njëri-tjetrin dhe të jenë cilësisht homogjene në thelb psikologjik. Nëse, për shembull, një test mat karakteristikat individuale të të menduarit, aftësinë për të kryer operacione logjike me objekte të caktuara, koncepte, atëherë në kriteret duhet të kërkojmë manifestimin pikërisht të këtyre aftësive. Kjo vlen njëlloj për veprimtari profesionale. Ai nuk ka një, por disa qëllime dhe objektiva, secila prej të cilave është specifike dhe imponon kushtet e veta për zbatim. Kjo nënkupton ekzistimin e disa kritereve për kryerjen e veprimtarive profesionale. Prandaj, suksesi në teknikat diagnostikuese nuk duhet të krahasohet me efikasitetin e prodhimit në përgjithësi. Është e nevojshme të gjendet një kriter që, bazuar në natyrën e operacioneve të kryera, të jetë i ndërlidhur me metodologjinë.

Nëse nuk dihet në lidhje me një kriter të jashtëm nëse ai është i rëndësishëm për pronën që matet apo jo, atëherë krahasimi i rezultateve të një teknike psikodiagnostike me të bëhet praktikisht i padobishëm. Ai nuk lejon që dikush të dalë në ndonjë përfundim që mund të vlerësojë vlefshmërinë e metodologjisë.

Kërkesat për lirinë nga ndërhyrjet shkaktohen nga fakti se, për shembull, suksesi arsimor ose industrial varet nga dy variabla: nga vetë personi, karakteristikat e tij individuale, të matura me metoda, dhe nga situata, kushtet e studimit dhe të punës, të cilat mund të futur ndërhyrje dhe "ndot" kriterin e aplikuar. Për të shmangur deri diku këtë, grupe njerëzish që janë në kushte pak a shumë identike duhet të zgjidhen për kërkime. Mund të përdoret një metodë tjetër. Ai konsiston në korrigjimin e ndikimit të ndërhyrjes. Ky rregullim është zakonisht statistikor në natyrë. Kështu, për shembull, produktiviteti nuk duhet të merret në terma absolutë, por në raport me produktivitetin mesatar të punëtorëve që punojnë në kushte të ngjashme.

Kur thonë se një kriter duhet të ketë besueshmëri statistikisht domethënëse, kjo do të thotë se ai duhet të pasqyrojë qëndrueshmërinë dhe qëndrueshmërinë e funksionit që studiohet.

Kërkimi i një kriteri adekuat dhe lehtësisht të identifikuar është shumë i rëndësishëm dhe detyra komplekse vërtetimi. Në testimin perëndimor, shumë metoda skualifikohen vetëm sepse nuk ishte e mundur të gjendej një kriter i përshtatshëm për testimin e tyre. Për shembull, shumica e pyetësorëve kanë të dhëna të dyshimta të vlefshmërisë, sepse është e vështirë të gjesh një kriter të jashtëm adekuat që korrespondon me atë që ata matin.

Vlerësimi i vlefshmërisë së metodave mund të jetë sasior dhe cilësor.

Për të llogaritur një tregues sasior - koeficientin e vlefshmërisë - rezultatet e marra gjatë aplikimit të teknikës diagnostikuese krahasohen me të dhënat e marra duke përdorur një kriter të jashtëm për të njëjtët individë. Përdoren lloje të ndryshme të korrelacionit linear (sipas Spearman, sipas Pearson).

Sa lëndë nevojiten për të llogaritur vlefshmërinë?

Praktika ka treguar se nuk duhet të jetë më pak se 50, por më e mira është më shumë se 200. Shpesh lind pyetja: sa duhet të jetë vlera e koeficientit të vlefshmërisë në mënyrë që ai të konsiderohet i pranueshëm? Në përgjithësi, vihet re se mjafton që koeficienti i vlefshmërisë të jetë statistikisht i rëndësishëm. Një koeficient vlefshmërie prej rreth 0,20-0,30 konsiderohet i ulët, mesatar - 0,30-0,50 dhe i lartë - mbi 0,60.

Por, siç theksojnë A. Anastasi, K. M. Gurevich dhe të tjerë, nuk është gjithmonë legjitime të përdoret korrelacioni linear për të llogaritur koeficientin e vlefshmërisë. Kjo teknikë justifikohet vetëm kur vërtetohet se suksesi në ndonjë aktivitet është drejtpërdrejt proporcional me suksesin në kryerjen e një testi diagnostik. Pozicioni i testologëve të huaj, veçanërisht atyre që merren me përshtatshmërinë dhe përzgjedhjen profesionale, më së shpeshti zbret në njohjen e pakushtëzuar se ai që ka kryer më shumë detyra në test është më i përshtatshëm për profesionin. Por mund të ndodhë gjithashtu që për të pasur sukses në një aktivitet duhet të keni një pronë në nivelin 40% të zgjidhjes së testit. Suksesi i mëtejshëm në test nuk ka më asnjë rëndësi për profesionin. Një shembull i qartë nga monografia e K. M. Gurevich: një postier duhet të jetë në gjendje të lexojë, por nëse ai lexon me shpejtësi normale ose me shpejtësi shumë të madhe - kjo nuk ka më rëndësi profesionale. Me një korrelacion të tillë midis treguesve të metodës dhe kriterit të jashtëm, mënyra më adekuate për të vendosur vlefshmërinë mund të jetë kriteri i dallimeve.

Një rast tjetër është gjithashtu i mundur: një nivel më i lartë i pronës sesa kërkohet nga profesioni ndërhyn në suksesin profesional. Pra, edhe në agimin e shekullit të 20-të. Studiuesja amerikane F. Taylor zbuloi se punëtorët femra më të zhvilluara të prodhimit kanë produktiviteti i ulët punës. Kjo do të thotë, niveli i tyre i lartë i zhvillimit mendor i pengonte ata të punonin shumë produktiv. Në këtë rast, analiza e variancës ose llogaritja e marrëdhënieve të korrelacionit do të ishte më e përshtatshme për llogaritjen e koeficientit të vlefshmërisë.

Siç ka treguar përvoja e testologëve të huaj, asnjë procedurë e vetme statistikore nuk është në gjendje të pasqyrojë plotësisht diversitetin e vlerësimeve individuale. Prandaj, një model tjetër përdoret shpesh për të vërtetuar vlefshmërinë e metodave - vlerësimet klinike. Ky nuk është gjë tjetër veçse një përshkrim cilësor i thelbit të pronës që studiohet. Në këtë rast, bëhet fjalë për përdorimin e teknikave që nuk mbështeten në përpunimin statistikor.

Llojet e vlefshmërisë

Vlefshmëria në thelbin e saj është një karakteristikë komplekse që përfshin, nga njëra anë, informacionin nëse teknika është e përshtatshme për të matur se për çfarë është krijuar, dhe nga ana tjetër, cili është efektiviteti, efikasiteti dhe dobia praktike e saj.

Kontrollimi i vlefshmërisë së një metodologjie quhet validim.

Për të kryer vërtetimin pragmatik të një teknike, d.m.th., për të vlerësuar efektivitetin, efikasitetin dhe rëndësinë e saj praktike, zakonisht përdoret një kriter i jashtëm i pavarur - një tregues i manifestimit të pronës që studiohet në jetën e përditshme. Një kriter i tillë mund të jetë performanca akademike (për testet e aftësive të të nxënit, testet e arritjeve, testet e inteligjencës), dhe arritjet e prodhimit (për metodat e orientuara drejt profesionalizmit), dhe efektiviteti i aktiviteteve reale - vizatimi, modelimi, etj. (për teste speciale aftësitë), vlerësimet subjektive (për testet e personalitetit).

4 lloje të kritereve të jashtme:

kriteret e performancës (këto mund të përfshijnë të tilla si sasia e punës së kryer, performanca akademike, koha e shpenzuar në trajnim, shkalla e rritjes së kualifikimeve, etj.);

kriteret subjektive (ato përfshijnë lloje të ndryshme përgjigjesh që pasqyrojnë qëndrimin e një personi ndaj diçkaje ose dikujt, mendimin, pikëpamjet, preferencat e tij; zakonisht kriteret subjektive merren duke përdorur intervista, pyetësorë, pyetësorë);

kriteret fiziologjike (përdoren për të studiuar ndikimin e mjedisit dhe variablave të tjerë të situatës në trupin dhe psikikën e njeriut; maten frekuenca e pulsit, presioni i gjakut, rezistenca elektrike e lëkurës, simptomat e lodhjes etj.);

kriteret e aksidenteve (përdoren kur qëllimi i hulumtimit ka të bëjë, për shembull, me problemin e përzgjedhjes për punë të atyre individëve që janë më pak të ndjeshëm ndaj aksidenteve).

Vlefshmëria empirike.

Nëse, në rastin e vlefshmërisë së përmbajtjes, testi vlerësohet në kurriz të ekspertëve (të cilët vendosin korrespondencën e artikujve të testit me përmbajtjen e subjektit të matjes), atëherë vlefshmëria empirike matet gjithmonë duke përdorur korrelacionin statistikor: korrelacioni i dy llogaritet seria e vlerave - pikët në test dhe treguesit në parametrin e jashtëm të zgjedhur si kriter vlefshmërie.

Ndërtoni vlefshmërinë.

Vlefshmëria e konstruktit i referohet vetë konstruktit teorik dhe përfshin kërkimin e faktorëve që shpjegojnë sjelljen e marrjes së testit. Si një lloj i veçantë, vlefshmëria e konstruksionit u kanonizua në një artikull nga Cronbach dhe Meehl (1955). Autorët vlerësuan duke përdorur këtë lloj vlefshmërie të gjitha studimet testuese që nuk synonin drejtpërdrejt parashikimin e disa kritereve përkatës. Studimi përmbante informacion mbi konstruktet psikologjike.

Vlefshmëria e përmbajtjes.

Vlefshmëria e përmbajtjes kërkon që çdo artikull, detyrë ose pyetje që i përket një domeni të caktuar të ketë një shans të barabartë për t'u testuar në një test. Vlefshmëria e përmbajtjes vlerëson konsistencën e përmbajtjes së testit (detyrat, pyetjet) me zonën e matur të sjelljes. Testet, të përpiluara nga dy ekipe zhvillimi, kryhen në një mostër lëndësh. Besueshmëria e testit llogaritet duke i ndarë artikujt në dy pjesë, duke rezultuar në një indeks të vlefshmërisë së përmbajtjes.

Vlefshmëria "parashikuese".

Vlefshmëria "parashikuese" përcaktohet gjithashtu nga një kriter i jashtëm mjaft i besueshëm, por informacioni për të mblidhet disa kohë pas testit. Një kriter i jashtëm është zakonisht aftësia e një personi, e shprehur në një lloj vlerësimi, për llojin e aktivitetit për të cilin ai u zgjodh bazuar në rezultatet e testeve diagnostikuese. Edhe pse kjo teknikë është më në përputhje me detyrën e teknikave diagnostikuese - parashikimi i suksesit në të ardhmen, është shumë e vështirë të zbatohet. Saktësia e parashikimit lidhet në mënyrë të zhdrejtë me kohën e specifikuar për një parashikim të tillë. Sa më shumë kohë të kalojë pas matjes, aq më i madh është numri i faktorëve që duhet të merren parasysh gjatë vlerësimit të rëndësisë prognostike të teknikës. Megjithatë, është pothuajse e pamundur të merren parasysh të gjithë faktorët që ndikojnë në parashikim.

Vlefshmëria "retrospektive".

Ai përcaktohet në bazë të një kriteri që pasqyron ngjarjet ose gjendjen e cilësisë në të kaluarën. Mund të përdoret për të marrë shpejt informacion në lidhje me aftësitë parashikuese të teknikës. Kështu, për të kontrolluar shkallën në të cilën rezultatet e testit të aftësive të mira korrespondojnë me mësimin e shpejtë, mund të krahasohen vlerësimet e performancës së kaluar, opinionet e ekspertëve të kaluar, etj. në individë me tregues diagnostikues me rrymë të lartë dhe të ulët.

Vlefshmëria konvergjente dhe diskriminuese.

Strategjia për përfshirjen e disa artikujve në test varet nga mënyra se si psikologu e përcakton konstruktin diagnostik. Nëse Eysenck e përcakton vetinë "neuroticizëm" si të pavarur nga ekstraversioni-introversioni, atëherë kjo do të thotë se pyetësori i tij duhet të përmbajë përafërsisht po aq artikuj me të cilët do të pajtoheshin introvertët neurotikë dhe ekstrovertët neurotikë. Nëse në praktikë rezulton se testi do të mbizotërohet nga artikuj nga kuadranti "Neuroticizëm-Introversion", atëherë, nga pikëpamja e teorisë së Eysenck, kjo do të thotë se faktori "neuroticizëm" rezulton të jetë i ngarkuar me një gjë të parëndësishme. faktori - "introversion". (Pakërisht i njëjti efekt ndodh nëse kampioni anon – nëse përmban më shumë introvertë neurotikë sesa ekstrovertë neurotikë.)

Për të shmangur vështirësi të tilla, psikologët dëshirojnë të merren me tregues (artikuj) empirikë që informojnë qartë vetëm për një faktor. Por kjo kërkesë nuk përmbushet kurrë në të vërtetë: çdo tregues empirik rezulton të përcaktohet jo vetëm nga faktori që na nevojitet, por edhe nga të tjerët - të parëndësishëm për detyrën e matjes.

Kështu, për faktorët që përcaktohen konceptualisht si ortogonalë me atë që matet (që ndodhin në të gjitha kombinimet), testuesi duhet të përdorë një strategji balancimi artificial në përzgjedhjen e artikujve.

Korrespondenca e zërave me faktorin që matet siguron vlefshmërinë konvergjente të testit. Balancimi i artikujve kundrejt faktorëve të parëndësishëm siguron vlefshmërinë diskriminuese. Empirikisht, ai shprehet në mungesë të një korrelacioni domethënës me një test që mat një veti konceptualisht të pavarur.

Llojet e vlefshmërisë

Ekzistojnë disa lloje të vlefshmërisë, për shkak të karakteristikave të metodave diagnostikuese, si dhe statusit të përkohshëm të kriterit të jashtëm. Në shumë vepra (A Anastasi, 1982; L.F. Burlachuk, S.M. Morozov, 1989; KM. Gurevich, 1970; B.V. Kulagin, 1984; Në Cherny, 1983; "Psikodiagnostika e Përgjithshme", 1987, etj.) përmenden më shpesh:

1. Vlefshmëria e përmbajtjes. Kjo teknikë përdoret kryesisht në testet e arritjeve. Në mënyrë tipike, testet e arritjeve nuk përfshijnë të gjithë materialin që kanë trajtuar nxënësit, por një pjesë të vogël të tij (3-4 pyetje). A mund të jeni i sigurt se përgjigjet e sakta për këto pak pyetje tregojnë se e keni zotëruar të gjithë materialin? Kjo është ajo që duhet të përgjigjet një test i vlefshmërisë së përmbajtjes. Për ta bërë këtë, bëhet një krahasim midis suksesit të testit dhe vlerësimeve të ekspertëve të mësuesve (bazuar në këtë material). Vlefshmëria e përmbajtjes vlen edhe për testet e referuara në kritere. Kjo teknikë nganjëherë quhet vlefshmëri logjike.

2. Vlefshmëria e njëkohshme ose vlefshmëria e vazhdueshme përcaktohet nga një kriter i jashtëm me anë të të cilit informacioni mblidhet njëkohësisht me eksperimentet e procedurës që testohet. Me fjalë të tjera, mblidhen të dhëna në lidhje me performancën aktuale gjatë periudhës së testimit, performancën gjatë së njëjtës periudhë, etj. Rezultatet e suksesit në test lidhen me të.

3. Vlefshmëria "parashikuese" (një emër tjetër është vlefshmëria "parashikuese"). Përcaktohet gjithashtu nga një kriter i jashtëm mjaft i besueshëm, por informacioni mbi të mblidhet disa kohë pas testit. Një kriter i jashtëm është zakonisht aftësia e një personi, e shprehur në një lloj vlerësimi, për llojin e aktivitetit për të cilin ai u zgjodh bazuar në rezultatet e testeve diagnostikuese. Edhe pse kjo teknikë është më në përputhje me detyrën e teknikave diagnostikuese - parashikimi i suksesit në të ardhmen, është shumë e vështirë të zbatohet. Saktësia e parashikimit lidhet në mënyrë të zhdrejtë me kohën e specifikuar për një parashikim të tillë. Sa më shumë kohë të kalojë pas matjes, aq më i madh është numri i faktorëve që duhet të merren parasysh gjatë vlerësimit të rëndësisë prognostike të teknikës. Megjithatë, është pothuajse e pamundur të merren parasysh të gjithë faktorët që ndikojnë në parashikim.

4. Vlefshmëria “retrospektive”. Ai përcaktohet në bazë të një kriteri që pasqyron ngjarjet ose gjendjen e cilësisë në të kaluarën. Mund të përdoret për të marrë shpejt informacion në lidhje me aftësitë parashikuese të teknikës. Kështu, për të kontrolluar shkallën në të cilën rezultatet e testit të aftësive të mira korrespondojnë me mësimin e shpejtë, mund të krahasohen vlerësimet e performancës së kaluar, opinionet e ekspertëve të kaluar, etj. në individë me tregues diagnostikues me rrymë të lartë dhe të ulët.

Korrelacioni

Korrelacioni (varësia e korrelacionit) është një marrëdhënie statistikore midis dy ose më shumë ndryshoreve të rastësishme (ose vlerave që mund të konsiderohen si të tilla me një shkallë të pranueshme saktësie). Në këtë rast, ndryshimet në vlerat e një ose më shumë prej këtyre sasive çojnë në një ndryshim sistematik të vlerave të një ose sasive të tjera. Një masë matematikore e korrelacionit të dy ndryshoreve të rastit është raporti i korrelacionit, ose koeficienti i korrelacionit (ose). Nëse një ndryshim në një variabël të rastësishëm nuk çon në një ndryshim natyror në një variabël tjetër të rastësishëm, por çon në një ndryshim në një karakteristikë tjetër statistikore të kësaj ndryshoreje të rastësishme, atëherë lidhje e ngjashme nuk konsiderohet korrelacion, megjithëse është statistikor.

Termi "korrelacion" u prezantua për herë të parë në përdorim shkencor nga paleontologu francez Georges Cuvier në shekullin e 18-të. Ai zhvilloi "ligjin e korrelacionit" të pjesëve dhe organeve të qenieve të gjalla, me ndihmën e të cilit është e mundur të rivendoset pamja e një kafshe fosile, duke pasur në dispozicion vetëm një pjesë të mbetjeve të saj. Fjala "korrelacion" u përdor për herë të parë në statistika nga biologu dhe statisticieni anglez Francis Galton në fund të shekullit të 19-të.

Disa lloje të koeficientëve të korrelacionit mund të jenë pozitivë ose negativë (është gjithashtu e mundur që të mos ketë marrëdhënie statistikore - për shembull, për variablat e pavarur të rastësishëm). Nëse supozohet se një marrëdhënie e rreptë e rendit është specifikuar në vlerat e variablave, atëherë një korrelacion negativ është një korrelacion në të cilin një rritje në një variabël shoqërohet me një ulje në një variabël tjetër, dhe koeficienti i korrelacionit mund të jetë negativ. ; një korrelacion pozitiv në kushte të tilla është një korrelacion në të cilin një rritje në një variabël shoqërohet me një rritje në një variabël tjetër dhe koeficienti i korrelacionit mund të jetë pozitiv.

*Besueshmëria dhe vlefshmëria e një testi janë karakteristika të përputhshmërisë së një studimi me kriteret formale që përcaktojnë cilësinë dhe përshtatshmërinë për përdorim në praktikë.

Çfarë është besueshmëria

Gjatë testimit të besueshmërisë së testit, vlerësohet qëndrueshmëria e rezultateve të marra kur testi përsëritet. Mospërputhjet e të dhënave duhet të mungojnë ose të jenë të parëndësishme. Përndryshe, është e pamundur të trajtohen rezultatet e testit me besim.

Besueshmëria e testit është një kriter që tregon se vetitë e mëposhtme testet:

• riprodhueshmëria e rezultateve të marra nga studimi;
• shkalla e saktësisë ose instrumentet përkatëse;
• stabiliteti i rezultateve në të gjithë periudhë të caktuar koha.

Në interpretimin e besueshmërisë, mund të dallohen komponentët kryesorë të mëposhtëm:

• besueshmëria e instrumentit matës (përkatësisht shkrim-leximi dhe objektiviteti i detyrës së testimit), i cili mund të vlerësohet duke llogaritur koeficientin përkatës;
• qëndrueshmëria e karakteristikës që studiohet për një periudhë të gjatë kohore, si dhe parashikueshmëria dhe qetësia e luhatjeve të saj;
• objektiviteti i rezultatit (d.m.th., pavarësia e tij nga preferencat personale të studiuesit).

Faktorët e besueshmërisë

Shkalla e besueshmërisë mund të ndikohet nga një sërë faktorësh negativë, ndër të cilët më domethënës janë këta:

• papërsosmëria e metodologjisë (udhëzime të pasakta ose të pasakta, formulim i paqartë i detyrave);
• paqëndrueshmëri e përkohshme ose luhatje të vazhdueshme në vlerat e treguesit që po studiohet;
• pamjaftueshmëria e mjedisit në të cilin kryhen studimet fillestare dhe pasuese;
• ndryshimi i sjelljes së studiuesit, si dhe paqëndrueshmëria e gjendjes së subjektit;
• qasje subjektive gjatë vlerësimit të rezultateve të testit.

Metodat për vlerësimin e besueshmërisë së testit

Teknikat e mëposhtme mund të përdoren për të përcaktuar besueshmërinë e testit.

Metoda e ritestimit është një nga më të zakonshmet. Kjo ju lejon të përcaktoni shkallën e korrelacionit midis rezultateve të studimeve, si dhe kohës në të cilën ato janë kryer. Kjo teknikë është e thjeshtë dhe efektive. Megjithatë, si rregull, ekzaminimet e përsëritura shkaktojnë acarim dhe reagime negative te subjektet.

• Vlefshmëria konstruktive e një testi është një kriter që përdoret kur vlerësohet një test që ka struktura hierarkike(përdoret në procesin e studimit të fenomeneve komplekse psikologjike);
• Vlefshmëria e bazuar në kriter përfshin krahasimin e rezultateve të testit me nivelin e zhvillimit të një ose një karakteristike psikologjike të subjektit të testimit;
• vlefshmëria e përmbajtjes përcakton korrespondencën e metodologjisë me fenomenin që studiohet, si dhe gamën e parametrave që ajo mbulon;
• vlefshmëria parashikuese është ajo që lejon dikë të vlerësojë zhvillimin e ardhshëm të një parametri.

Llojet e kritereve të vlefshmërisë

Vlefshmëria e testit është një nga treguesit që ju lejon të vlerësoni përshtatshmërinë dhe përshtatshmërinë e një teknike për të studiuar një fenomen të veçantë. Ka katër kritere kryesore që mund të ndikojnë në të:

• kriteri i interpretuesit (po flasim për kualifikimet dhe përvojën e studiuesit);
• kriteret subjektive (qëndrimi i subjektit ndaj një fenomeni të caktuar, i cili reflektohet në rezultatin përfundimtar të testit);
• kriteret fiziologjike (gjendja shëndetësore, lodhja dhe karakteristika të tjera që mund të kenë një ndikim të rëndësishëm në rezultatin përfundimtar të testit);
• kriteri i rastësisë (zhvillohet në përcaktimin e probabilitetit të ndodhjes së një ngjarjeje të caktuar).

Kriteri i vlefshmërisë është një burim i pavarur i të dhënave për një fenomen të caktuar (veti psikologjike), studimi i të cilit kryhet përmes testimit. Derisa rezultatet e marra të kontrollohen për pajtueshmërinë me kriterin, nuk mund të gjykohet vlefshmëria.

Kërkesat e kritereve bazë

Kriteret e jashtme që ndikojnë në treguesin e vlefshmërisë së testit duhet të plotësojnë kërkesat themelore të mëposhtme:

• pajtueshmëria me fushën e caktuar në të cilën po kryhet hulumtimi, rëndësia, si dhe lidhja semantike me modelin diagnostik;
• mungesa e ndonjë ndërhyrjeje ose thyerje të mprehta në mostër (çështja është që të gjithë pjesëmarrësit në eksperiment duhet të përputhen paraprakisht vendosni parametrat dhe të jetë në kushte të ngjashme);
• parametri në studim duhet të jetë i besueshëm, konstant dhe të mos jetë subjekt i ndryshimeve të papritura.

Mënyrat për të vendosur vlefshmërinë

Kontrollimi i vlefshmërisë së testeve mund të bëhet në disa mënyra.

Vlerësimi i vlefshmërisë së fytyrës përfshin kontrollimin nëse një test është i përshtatshëm për qëllimin.

Vlefshmëria e konstruksionit vlerësohet kur kryhen një seri eksperimentesh për të studiuar një masë specifike komplekse. Ai përfshin:

• vlefshmëria konvergjente - kontrollimi i marrëdhënieve të vlerësimeve të marra duke përdorur teknika të ndryshme komplekse;
• vlefshmëria divergjente, e cila konsiston në sigurimin që metodologjia nuk nënkupton vlerësimin e treguesve të jashtëm që nuk lidhen me studimin kryesor.

Vlerësimi i vlefshmërisë parashikuese përfshin krijimin e mundësisë së parashikimit të luhatjeve të ardhshme të treguesit që studiohet.

konkluzionet

Vlefshmëria dhe besueshmëria e testit janë tregues plotësues që ofrojnë vlerësimin më të plotë të drejtësisë dhe rëndësisë së rezultateve të kërkimit. Shpesh ato përcaktohen njëkohësisht.

Besueshmëria tregon se sa mund të besohen rezultatet e testit. Kjo do të thotë qëndrueshmëri e tyre sa herë që përsëritet një test i ngjashëm me të njëjtët pjesëmarrës. Një shkallë e ulët besueshmërie mund të tregojë shtrembërim të qëllimshëm ose një qasje të papërgjegjshme.

Koncepti i vlefshmërisë së testit lidhet me anën cilësore të eksperimentit. Po flasim nëse mjeti i zgjedhur korrespondon me vlerësimin e një dukurie të veçantë psikologjike. Këtu mund të përdoren si tregues cilësorë (vlerësimi teorik) ashtu edhe tregues sasiorë (llogaritja e koeficientëve përkatës).

1. Një tregues i cilësisë së metodës, aftësisë së saj për të prodhuar rezultate që pasqyrojnë në mënyrë adekuate fenomenin që studiohet, d.m.th. pikërisht rezultatet për të cilat synohet (metoda V.). 2. Një masë e korrespondencës së një teorie me të dhënat empirike, aftësia për të bërë parashikime të arsyeshme të sakta bazuar në teori (teoria V.). 3. Një masë e përputhshmërisë së rezultateve me realitetin që studiohet, ose më saktë, me idetë për realitetin (V. rezultatet). Në këtë artikull diskutohet në kuptimin e parë V.. Në shkencën pozitiviste, bëhet një dallim midis matjes, procedurave eksperimentale të brendshme dhe të jashtme dhe përfundimit statistikor.

B. procedurat e matjes

Matja i referohet procesit të lidhjes së një koncepti teorik me një ose më shumë variabla latente, dhe këto të fundit me variablat e vëzhguar. Në teorinë klasike, rezultati i matjes përfshin dy komponentë jo të ndërlidhur: të vërtetë dhe të gabuar. Janë bërë supozime në lidhje me gabimet e matjes, sipas të cilave bëhet e njohur sjellja e gabimeve. B. e një procedure matjeje është një masë e korrespondencës së saj me konstruktin që matet. Më shpesh se të tjerat vlerësohen V. e bazuar në kriter (shpesh i quajtur empirik), konstruktiv, konvergjent dhe diskriminues. Si metoda ndihmëse për vendosjen e V. përdoret përmbledhja e literaturës për këtë çështje dhe vlerësimet e ekspertëve.

Kriteri V. i procedurës së matjes vlerësohet nga ngushtësia lidhje statistikore(korrelacione) ndërmjet rezultateve të matura dhe një kriteri të jashtëm. Kështu, kriteri V. i shkallës së udhëheqjes do të thotë që treguesi i marrë lidhet me ndonjë tregues të marrë në mënyrë të pavarur, për shembull, të dhënat sociometrike. Një tregues i një kriteri kriteri nënkupton jo vetëm një mesazh për koeficientin e korrelacionit midis treguesve të testit dhe një treguesi të jashtëm, por edhe për të gjitha rrethanat e studimit: si dhe në çfarë situate u mat kriteri, në çfarë kampioni studimi. kryhen, etj. Kriteret mund të jenë aktuale (të matura njëkohësisht duke përdorur një procedurë të vlefshme) dhe prognostike. V. parashikues është shumë i dëshirueshëm për metodat e matjes të orientuara praktikisht. Disavantazhet e qasjes janë vështirësitë në zgjedhjen e një kriteri dhe rreziku i matjes së një kriteri të pavlefshëm, i cili redukton ndjeshëm koeficientin e korrelacionit që rezulton. Si sjellja që vlerësohet, ashtu edhe kriteri mund të ndryshojnë me kalimin e kohës dhe mostrat mund të jenë të njëanshme. Nëse studiuesi do të gjente një kriter të përsosur, krijimi i një procedure matjeje do të bëhej i tepërt. Në këtë drejtim, paradoksi i formuluar nga J. Kelly është i kuptueshëm: vlera e një metode është aftësia e saj për të dhënë informacion tashmë të njohur. Varësia e testit të kriterit nga vetitë e kriterit dhe pamundësia për të gjetur një tregues objektiv të kënaqshëm në shumë fusha të njohurive ulin ndjeshëm vlerën e testit të kriterit si tregues i cilësisë së procedurës së matjes.

V. konstruktive përcaktohet nga marrëdhënia statistikore midis treguesve të kësaj procedure dhe metodave të tjera që matin një konstrukt të lidhur. Hipotezat për marrëdhëniet statistikore formulohen përpara se të testohen, bazuar në një teori përmbajtësore. Vlefshmëria e konstruksionit është një proces i gjatë dhe asnjë korrelacion empirik nuk mund të garantojë vlefshmërinë e matjes. Teorikisht, postulohet një marrëdhënie midis konstrukteve, vlerësohet korrelacioni midis treguesve të këtyre konstrukteve dhe bazuar në të dhënat e marra, rishikohen marrëdhëniet e pritshme teorikisht midis konstrukteve ose midis konstrukteve dhe treguesve. Përzgjidhet një konstrukt i ri (ose një tregues i ri, ose një teori e re për marrëdhënien midis konstrukteve) dhe procesi përsëritet përsëri. Të dy konstruktet mund të rezultojnë të palidhura. Kjo ndodh kur metodat e matjes që shfaqen me të njëjtin emër ndërtohen mbi baza të ndryshme teorike. Probleme të tjera shoqërohen me situata ku treguesi i matur i përdorur për të vërtetuar procedurën nuk matet në mënyrë të vlefshme; i njëjti tregues mat njëkohësisht konstruksione të ndryshme; gabimet e matjes janë të ndërlidhura. Nëse studiuesi është i bindur se dizajni strukturor është i saktë (nuk ka marrëdhënie midis treguesve dhe konstrukteve të jashtme, dhe korrelacioni midis gabimeve të matjes është zero), ai/ajo mund të gjejë korrelacione midis konstrukteve, të korrigjuara për mosbesueshmërinë e treguesve. .

Për të vlerësuar një procedurë konstruktive të matjes V., shpesh përdoret analiza e faktorëve të treguesve. Ky emër i referohet një game të gjerë teknikash për zvogëlimin e dimensioneve të të dhënave ku një numër i vogël variablash (faktorësh) latente nxirren nga shumë variabla të matur. Numri dhe interpretueshmëria teorike e faktorëve interpretohet si masë e V.-së së metodës së matjes dhe ngarkesat faktoriale të variablave të matur interpretohen si masë e V.-së së treguesve. Ngarkimi i faktorëve është një masë e standardizuar lidhje strukturore ndërmjet faktorit të përgjithshëm (ndryshores latente) dhe treguesit. Shpesh përkufizohet si korrelacion midis një faktori dhe një ndryshoreje. Metodat e njohura gjerësisht të analizës së faktorëve (për shembull, analiza e boshteve kryesore) është një procedurë eksploruese, d.m.th. nuk lejon testimin e hipotezave statistikore, dhe rezultati i analizës përcaktohet ndjeshëm zgjidhje teknike, e cila pranohet nga studiuesi. Në këtë kuptim, aftësitë e metodës si mjet vërtetimi janë të kufizuara. Për të reduktuar arbitraritetin e analizës së faktorëve, përdoret verifikimi i kryqëzuar: kampioni ndahet rastësisht në gjysmë, faktorët nxirren në gjysmën e kampionit dhe justifikimi dhe qëndrueshmëria e zgjidhjes së faktorit kontrollohet në gjysmën tjetër.

Konceptet e V. konvergjente dhe diskriminuese u prezantuan nga D. Campbell dhe D. Fiske si dy tregues të ndërlidhur të besueshmërisë së një metode. V. konvergjente kërkon “konvergjencë” (korrelacion të lartë) të konstrukteve të lidhura, diskriminuesi V. kërkon mungesën e korrelacioneve ndërmjet matjeve të konstrukteve të palidhura. Ky koncept zbatohet në mënyrë më strikte në një qasje të njohur si qasja "shumë tipare, shumë metoda" ose MTMM (shumë tipare, shumë metoda). Thelbi i tij është se disa veti maten me disa metoda. Duhet të ketë korrelacione të larta midis treguesve të së njëjtës veti të matur duke përdorur metoda të ndryshme dhe korrelacione të ulëta midis treguesve të vetive të ndryshme të matur duke përdorur të njëjtën metodë. Kushti i tretë është që grupi i parë i koeficientëve të korrelacionit të tejkalojë të dytin. Ekzistojnë gjithashtu metoda statistikore më rigoroze për analizimin e matricës së korrelacionit të MCMM. Ekuacionet strukturore kanë fituar popullaritet vitet e fundit, veçanërisht analiza e faktorëve konfirmues, e cila zbërthen kovarianca të matjes në komponentë të lidhur me metodën, vetinë dhe efektet e gabimit sipas një modeli thelbësor. Koeficientët strukturorë që rezultojnë interpretohen si tregues të B.

B. metoda eksperimentale

Gama e koncepteve që lidhen me vlerësimin e eksperimentit V. (dhe rezultatet e eksperimentit) u zhvillua nga metodologët postpozitivistë në vitet 1960 (D. Campbell, T. Cook, J. Stanley, etj.). Në traditën epistemologjike që daton që nga J.S. Mill dhe që lidh shkakun me manipulimin, një eksperiment i vërtetë me shpërndarja e rastësishme subjektet sipas kushteve konsiderohet si mjeti i vetëm i testimit bindshëm të hipotezave shkakësore. Nga ky këndvështrim, pretendimet kauzale në shkencat joeksperimentale (sociologjia) janë të paligjshme. Përparësia kohore e shkakut të supozuar (ndryshores së pavarur) të efektit (ndryshores së varur) si një nga kushtet e një marrëdhënieje shkakësore në një eksperiment sigurohet nga manipulimi dhe matja e pasojave të tij. Një tjetër kërkesë për përfundimin shkakor që është më e vështirë për t'u kënaqur është mungesa e shpjegimeve alternative të besueshme. V. e brendshme kuptohet si besimi se është variabli i pavarur X ai që shërben si shkaku kryesor i ndryshueshmërisë sistematike në vlerat e ndryshores së varur Y, d.m.th. nuk ka variabla të tjerë që ndërmjetësojnë marrëdhënien midis X dhe Y. Ne nuk jemi në gjendje të garantojmë vlefshmërinë e eksperimentit, por duke marrë parasysh karakteristikat e procedurës kërkimore të përdorur, mund të identifikojmë dhe eliminojmë shkaqet kryesore të pavlefshmërisë. Campbell dhe Stanley propozuan një klasifikim të arsyeve të rënies së B-së së brendshme. Historia (sfondi) janë ngjarjet që ndodhën midis X dhe Y dhe mund të ndikojnë në kovariancën e tyre. Ndryshimet natyrore janë ndryshime në gjendjen e brendshme të subjekteve që nuk shoqërohen me ndikimin e X, si lodhja, rritja, mësimi. Efekti i mjetit shoqërohet me ndryshime të padëshiruara procedurat e matjes (defekte teknike, lodhje e vëzhguesit). Efekti i regresionit statistikor (rrëshqitja drejt mesatares) vërehet kur grupet eksperimentale dhe/ose të kontrollit përzgjidhen bazuar në vlerat ekstreme të treguesve përkatës; për arsye statistikore në momentin e matjes së dytë vlerat maksimale treguesit do të ulen, dhe ata minimalë do të rriten. Përzgjedhja në grup si shkak i invaliditetit shoqërohet me përzgjedhje jo të rastësishme (jo ekuivalente) të lëndëve ose njësive të tjera kërkimore. Atrition (“vdekshmëria eksperimentale”) i referohet humbjes së pabarabartë dhe jo të rastësishme të pjesëmarrësve në studim. Ndërveprimi i përzgjedhjes me faktorë të tjerë përshkruan një situatë ku subjektet e përzgjedhura jo rastësisht kanë histori të ndryshme personale, prirje për lodhje, braktisje etj. V. e brendshme vlerësohet në mënyrë cilësore nga shkalla e devijimit të procedurës së kërkimit nga një rast ideal. Kjo vlen edhe për planet kërkimore jo-eksperimentale, në të cilat kërcënimet e reja i shtohen listës së arsyeve për uljen e vlefshmërisë.

V. e jashtme karakterizon shkallën e përgjithësimit të rezultateve të marra në të tjera popullatë dhe kontekstet. Përsëritja e suksesshme e studimit shërben si një nga kushte të rëndësishme duke vlerësuar vlefshmërinë e teorive dhe duke ndihmuar në qartësimin e gamës së përshtatshmërisë së këtyre të fundit. Një nga strategjitë për arritjen e V. së jashtme është edhe identifikimi dhe eliminimi i shkaqeve përgjegjëse për faturë të rastësishme rezultat. Ky, në veçanti, është efekti reaktiv (ndikimi i procedurës fillestare të matjes në sjelljen e subjekteve) dhe ndërhyrja e ndërsjellë e ndikimeve eksperimentale. Strategjitë e tjera mbështeten në përdorimin e një modeli eksperimental të rastësishëm me një matje të vetme pas studimit (që eliminon efektin reaktiv); zvogëlimi i rrezikut të ndikimit të eksperimentuesit (për shembull, minimizimi i kontaktit midis eksperimentuesit dhe subjektit, rritja e numrit të studiuesve, ose një metodë e dyfishtë e verbër, kur studiuesi nuk e di se cili nga subjektet është i ekspozuar ndaj çfarë ndikimesh deri në fund i eksperimentit); duke rritur V. (realizmin) ekologjik të studimit. Një rol të rëndësishëm metodologjik në mbështetjen e kërkimit shkencor luan riprodhimi me zgjerim, kur çdo përsëritje e mëpasshme e një eksperimenti përfshin modifikime të vogla procedurale.

B. konkluzioni statistikor

Me konkluzion statistikor nënkuptojmë përmbushjen e një sërë kushtesh që zvogëlojnë mundësinë e një vendimi të gabuar statistikor në lidhje me hipotezën zero (për barazinë e një parametri me një vlerë të caktuar ose korrespondencën e një modeli statistikor me të dhënat e marra) ose madhësia e efektit. Metoda kryesore për marrjen e vendimeve statistikore në dekadat e fundit ka qenë testimi i rëndësisë statistikore, d.m.th. për barazinë e një parametri me një vlerë të caktuar. Për këtë përdoren kriteret z, t, F, x2 etj.. Vlera e fituar empirikisht e kriterit krahasohet me atë kritike dhe në bazë të këtij krahasimi hidhet poshtë ose nuk hidhet poshtë hipoteza zero. Kështu, vendimi është binar në natyrë (po ose jo). Në këtë proces, mund të bëhet një nga tre gabimet: refuzimi i gabuar i një hipoteze të vërtetë zero (gabim i tipit I, alfa), pranimi i gabuar i një hipoteze të vërtetë alternative (gabim i tipit II, beta) dhe formulimi i gabuar i hipotezave statistikore, d.m.th. Është e gabuar të përkthehet pyetja kërkimore në gjuhën statistikore.

Kërcënimet për konkluzionet statistikore të V. janë të shumta dhe të natyrës së ndryshme. Përdorimi i treguesve të pavlefshëm (seksioni i këtij neni Vlefshmëria e procedurave të matjes) nuk bën të mundur interpretimin e sigurt të rezultateve të marra. Përdorimi i variablave të matur në mënyrë jo të besueshme çon në një nënvlerësim të konsiderueshëm të statistikave të marra.

Një klasë e madhe kërcënimesh ndaj V. konkluzioni statistikor shoqërohet me formulim të gabuar të modelit. Në veçanti, më të famshmit modele lineare zgjidhen në rastet kur shkelen supozimet themelore: marrëdhënia midis variablave është jolineare, ka vlera ekstreme, variante të ndryshores së varur për nivele të ndryshme variabla e pavarur është e pabarabartë, variablat maten më përafërsisht sesa kërkohet nga modeli dhe vlerat që mungojnë të variablave nuk shpërndahen rastësisht. Paketat standarde të analizës statistikore ofrojnë metoda për diagnostikimin e shkeljeve të supozimeve të modelit. Gabime konceptuale më komplekse bëhen për shkak të përcaktimit të gabuar të variablave si të pavarur ose të ndërvarur, zgjedhjes së gabuar të modeleve për masa të varura (të përsëritura) ose të pavarura, efekte fikse ose të rastësishme. Kur krahasojnë disa mjete ose vlerësojnë rëndësinë e disa korrelacioneve, studiuesit jo gjithmonë marrin parasysh inflacionin e gabimit të tipit I: për shembull, për variablat j marrim korrelacione k = j(j - 1)/2 dhe probabilitetin e marrjes së rastësishme të të paktën një koeficienti të rëndësishëm korrelacioni, alfatot. , është i barabartë me 1 - (1 - alfa)k. Duke përdorur gjithashtu numer i madh variablat në një numër i vogël vëzhgimet (të anketuarit) krijon “mbipërshtatshmërinë” e modelit, kur modeli përshkruan në mënyrë të përsosur të dhënat e mostrës, por është i pamjaftueshëm për të përshkruar popullatën e përgjithshme.

Shumë gabime të thjeshta Përfundimi statistikor është për shkak të kombinimit të çuditshëm dhe mekanik të dy qasjeve të ndryshme ndaj vendimit statistikor - Fisher dhe Neyman-Pearson. Qasja e fundit thekson rëndësinë e fuqisë testuese për vlerësimin e rëndësisë. Kështu, rezultati mund të rezultojë të jetë statistikisht i parëndësishëm për arsye që lidhen me fuqi e pamjaftueshme metoda: ndikim i dobët eksperimental, mostër e vogël ose heterogjene, matje jo e besueshme e variablave, vlerë tepër e vogël e gabimit të tipit të parë. Rëndësia statistikore është probabiliteti që një rezultat të jetë për shkak të rastësisë në një kampion të një madhësie të caktuar, por nuk thotë asgjë për madhësinë e efektit. Udhëzimet moderne rekomandojnë raportimin në botime jo vetëm të treguesit të rëndësisë (p), por edhe të vlerave të efektit (treguesit tipikë janë r Pearson, Student's t, Cohen's d, Higges' g, nu2 për analizën e variancës, etj.). Alternativa të tjera ndaj vendimeve binare në lidhje me rëndësinë statistikore janë intervalet e besimit, statistikat Bayesian dhe, më gjerësisht, riprodhimi dhe meta-analiza e shtuar.

B. në kërkimin cilësor

V. në kërkimin cilësor nuk mund të vlerësohet duke përdorur metodat klasike të përshkruara më sipër. Një sërë autorësh tregojnë primitivitetin e qasjeve ekzistuese për vlerësimin e V. dhe “kriteriologjisë” në përgjithësi (T. Schwandt, J. Smith). Në të njëjtën kohë, refuzimi i idesë së besueshmërisë/autenticitetit, në krahasim me objektivitetin e diskredituar, duket tepër radikal edhe për studiuesit postmodernë. Prandaj, autorë të tjerë (E. Guba, I. Lincoln, S. Kvale, S. Mishler) po përpiqen të riformulojnë kriteret tradicionale të vlefshmërisë, duke i bërë ato më pak pozitiviste. Diskutohen procedura të reja për vendosjen e besueshmërisë: vlefshmëria komunikative (pjesëmarrja e subjekteve në diskutimin e rezultateve; përfshirja e kolegëve në diskutim), vërtetimi procedural (saktësia, tërësia dhe plotësia e shënimeve në terren ose të dhënave të marra; përshkrim i plotë, i balancuar dhe transparent i rezultateve, i hapur ndaj interpretimeve të tjera; ndjeshmëri ndaj reagimet nga kolegët; rishikimi i konkluzioneve në fragmente të tjera të materialit të marrë) etj. Ndër qasjet e tjera për të justifikuar besueshmërinë e rezultateve, duhet përmendur përcaktimi i shkallës së gjasave (besueshmërisë) si një vlerësim i njohurive të fituara nga këndvështrimi i njohurive ekzistuese; besimi (besueshmëria) si një vlerësim dhe kuptim kolektiv i rezultateve, duke marrë parasysh natyrën e fenomenit dhe rrethanat e vëzhgimit të tij; të rrënjosura në të dhëna, të ngulitura në kontekstin e programit kërkimor (besueshmëria), i cili bazohet në studimin dhe vlerësimin e kujdesshëm të aspekteve procedurale; ndjeshmëria si aftësia e studiuesit për të parë problem social dhe të kontribuojë në zgjidhjen e tij; autenticiteti ontologjik dhe arsimor - aftësia për të rritur vetëdijen e pjesëmarrësve në kërkim (në rastin e parë) dhe mjedisin e tyre (në të dytën); autenticiteti katalitik si ndikim në programet sociale që kontribuojnë në përmirësimin e cilësisë së jetës së popullsisë së studiuar.

Autorët postmodernist diskutojnë koncepte dhe parime thelbësisht të reja të vërtetimit të njohurive: vlefshmëria ironike (J. Baudrillard), neopragmatike (J.-F. Lyotard), rizomatike (J. Derrida). N. Denzin vërtetoi metodën e trekëndëshit si një alternativë radikale ndaj qasjeve tradicionale të vërtetimit. Triangulimi është përdorimi i kombinuar dhe pasurues i ndërsjellë i metodave, metodologjive, të dhënave, teorive dhe/ose studiuesve të ndryshëm. Shumëllojshmëria e qasjeve dhe teknikave është krijuar për të dobësuar kufizimet epistemologjike, për të kapërcyer kufijtë e vendosur dhe për të zbuluar aspekte të reja të fenomenit. Duhet theksuar se ideja e trekëndëshimit [të së vërtetës] u krijua në post-pozitivizëm (D. Campbell), ku kuptohej si një procedurë e caktuar, një grup trukesh të dobishme: përveç intervistimit të njerëzve "të zakonshëm". , intervistojnë ekspertë; ndani në mënyrë të rastësishme kampionin e subjekteve në gjysmë dhe analizoni të dhënat veç e veç; përjashtoni një variabël nga analiza dhe shikoni se si ndryshon modeli; vërtetoni konstruktin duke përdorur qasjen "shumë tipare - shumë metoda", etj. Për të shmangur lidhjet e padëshiruara me pozitivizmin, etnografi postmodern L. Richardson, në një frymë radikale, braktis idenë e trekëndëshit dhe ofron një metaforë tjetër tërheqëse - një kristal, jo një trekëndësh, kristalizimi, jo trekëndëshi. Një kristal krijon, përthyhet dhe shtrembëron njëkohësisht, ai është i shumëanshëm dhe asnjë nga anët e tij nuk është më i besueshëm se çdo tjetër. Ashtu si dija, një kristal rritet dhe prishet. Qasja metaforike ndaj problemit të vërtetimit të njohurive dhe vlerësimit të cilësisë së saj nuk është e rastësishme. Ai është krijuar për të shkatërruar qasjet dhe idetë e bazuara në kritere rreth standardeve. Hulumtimi social ka vlerë vetëm kur u jep mundësi të barabarta përfaqësuesve të flasin. grupe të ndryshme, krijon versione po aq të mundshme dhe shtyp interpretimet dominuese, "korrekte".

Përkufizim i shkëlqyer

Përkufizim jo i plotë ↓