Основы социально-педагогической диагностики

- определение возможных объектов экстраполяции, то есть выделение таких воспитательных процессов и тенденций, для которых экстраполяция возможна;

- определение временных границ экстраполяции, то есть продолжительности наиболее вероятного прогноза.

Прогнозировать воспитательный процесс можно не только аналитическими методами, но и графическими. Одним из наиболее используемых методов графического прогнозирования является построение сетевых моделей воспитательного процесса.

Теоретической основой сетевого моделирования послужила теория графов. (Теория графов - область математического анализа пространственных фигур, называемых графами). Граф представляет собой совокупность двух различных элементов. Одни называются вершинами, другие - дугами.

На рисунке дается пример сетевой модели и показываются оба вида элементов.

Граф называется ориентированным ( как на рисунке), если дуги направленные.

Начало дуги называется началом пути, а ее окончание - концом пути. Путь на сетевых моделях - есть последовательность дуг, в которой каждая предшествующая дуга совпадает с последующей. Обычно вершинам присваивается какой-либо символ (То, Т1, Т2 . . . Т). Номера вершин устанавливаются последовательно.

Основная цель построения сетевой модели - это представление воспитательного процесса в виде последовательности отдельных ситуаций, которая достаточно описывает основные действия или шаги. Часто с помощью такой сетевой модели определяются связи между отдельными этапами воспитательной деятельности учащихся. В этом случае каждая вершина соответствует этапу деятельности, а дуги обозначают связи между этими этапами.

При построении сетевой модели необходимо соблюдать ряд правил, определяемых тем, что всякая вершина обозначает этап или ситуацию, которая может быть названа нами “событием”. Отсюда:

- правило первое: между двумя “событиями” может быть только одна дуга;

- правило второе: “событие”, происходящее раньше по времени, должно иметь номер меньше, чем более позднее событие;

- правило третье: необходимо избегать двух и более связей между “событиями”, имеющими общее начало и окончание;

- правило четвертое: сетевая модель не может иметь замкнутых циклов, когда начало пути совпадает с его концом, и тупиков - событий, из которых не выходит ни одной дуги, если это “событие” не является завершающим;

- правило пятое: все события объединяются в комплексы, условием функционирования которых является обязательная реализация всех входящих в него ситуаций-событий. “Событие” В не может наступить, если не завершилось “событие” А.

Такие сетевые модели называются детерминированными.

Предшествующие “события” соединяются по принципу “А” и “В” и обозначаются знаком О.

На рисунке мы видим объединение двух воспитательных ситуаций 1 и 2,

в результате которого возникает новая ситуация 3. Сети, в которых происходит выбор пути дальнейшего развития воспитательного процесса, строятся по принципу “или” и называются альтернативными.

Обозначаются такие связи знаком и читаются:

“Событие” 3 происходит или после “события” 1, или после “события” 2.

Основным параметром сетевой модели воспитательного процесса является его продолжительность. Момент начала работы (воспитательная ситуация 1) и момент окончания работы (воспитательная ситуация n) образуют промежуток, который называют продолжительностью модели. Общая продолжительность всего пути является суммой продолжительности каждого отдельно взятого пути, объединяющего значимые для исследователя “события”.

Путь, на который затрачивается минимальное время, называется критическим путем.

Графическое прогнозирование с помощью построения сетевой модели будет заключаться в расчете критического пути решения воспитательный ситуаций. Введение в сетевую модель исходных данных заключается в определении времени выполнения какого-либо задания по реализации воспитательной цели, анализа связей и структуры процесса и определения всего объема необходимой работы. В последнее время издано большое количество литературы по сетевому моделированию, поэтому желающим более подробно познакомиться с принципами такого моделирования мы рекомендуем обратиться к ней.

Любое воспитательное явление вызывается и определяется всегда многими факторами, которые можно рассматривать как элементы общей структуры. Если обозначить в целом воспитательную ситуацию в виде переменной А, то понятно, что есть другие переменные Х, Y, Z, которые причинно определяют ситуацию А.

Для исследователя важно определить значения связей между Х, Y и Z и ситуацией А. Может быть, Х, Y и Z не исчерпают своего влияния на А, тогда появляется некоторая переменная К, которая дополняет рассматриваемые связи. Между этими переменными также существуют определенные зависимости, которые проявляются либо сильно, либо слабо. Тогда перед нами встает вопрос - какие связи надо учитывать, а какие прямо не влияют на изменение ситуации А? Этот вопрос для понимания сущности процессов воспитания чрезвычайно важен, так как воспитание определяется множеством факторов, среди которых нам надо учитывать только значимые.

Поставленные нами вопросы можно разрешить, используя метод причинного анализа, который впервые начал использоваться в социологии Э.Дюркгеймом в 30-х гг.

Если рассматривать характер связей, то мы приходим к следующим зависимостям между каждой парой переменных (для понимания метода причинного анализа обращаем читателя к тем разделам данной работы, где рассматриваются такие понятия, как корреляция, факторный анализ и другие виды статистического анализа получаемых факторов):

X Y (X обусловливает Y)

X Y ( Y обусловливает X)

X Y ( взаимодействие X и Y)

X -- Y (нет связи между X и Y)

Последние два вида связей могут иметь следующие виды корреляционных связей: r 0 и r = 0.

Так, если оба значения корреляции могут принимать либо нулевые значения, либо неопределенные, то из получаемых экспериментальным путем данных нельзя определить структуру изучаемой воспитательной ситуации. Если r 0, то между X и Y есть причинная связь. При случае r = 0 связи нет, а есть какая-то другая переменная (Z), которая влияет на X и Y.

В специальной литературе причинный анализ используют в построении причинных и непричинных моделей предсказания.

Неэкспериментальные модели являются проекцией в будущее установившихся связей, наблюдаемых в прошлых воспитательных ситуациях. В этих построениях мы исходили из того, что прогностическая модель повторяет все связи, установившиеся в прошлом.

Причинные модели имеют смысл, если выдерживаются три условия их построения:

а) имеется конечный набор определенных значимых переменных, достаточно плохо характеризующих воспитательную ситуацию;

б) исследователь либо предполагает, либо имеет экспериментально подтвержденные данные о наличии связей между переменными;

в) если существует влияние неучтенных факторов, то это влияние не влияет на те процессы, которые определяют исследуемую ситуацию.

Для примера проанализируем граф, где есть причинная связь трех переменных Х₁, Х₂, Х₃.

На Х₂ и Х₃ влияют дополнительные факторы а₂ и а₃. Этот граф описывается следующими уравнениями:

Х₁ = а₁

Х₂ = в₂₁Х₁ + а₂

Х₃ = в₃₁Х₁ +в₃₂Х₂ + а₃,

Х₁, Х₂ и Х₃ - изучаемые проявления процесса; а₁, а₂ и а₃ - скрытые или малозначимые факторы; коэффициенты “в” - есть частные коэффициенты регрессии.

Если отсутствует какая-либо связь в причинной модели, то соответствующий коэффициент будет равен нулю. Например, если отсутствует связь Х₂₃, то в = 0, следовательно r₂₃= 0.

Количество измеряемых связей в причинных моделях практически неограниченно. Границы модели определяются системой структурных уравнений, образующих треугольную матрицу произвольного размера.

Для примера рассмотрим причинную модель, объясняющую зависимую переменную положения учащегося в системе внутриколлективных отношений. Обозначим ее “а₆”. Эта переменная должна объясняться ограниченным количеством показателей: а₁ - коллективистской направленностью личности; а₂ - интересом к определенному кругу предметов; а₃ - отношениями в коллективе; а₄ - умениями, значимыми для классного коллектива; а₅ - личностными качествами каждого ученика.

Система уравнений имеет следующий вид:

а₁ = Р₁₁а₁

а₂ = Р₂₁а₁ + Р₂₂а₂

а₃ = Р₃₁а₁ + Р₃₂а₂ + Р₃₃а₃

а₄ = Р₄₁а₁ + Р₄₂а₂ + Р₄₃а₃ +Р₄₄а₄

а₅ = Р₅₁а₁ + Р₅₂а₂ + Р₅₃а₃ + Р₅₄а₄ + Р₅₅а₅

Граф причинной модели может быть изображен, как на следующем рисунке:

Вычисление коэффициентов позволяет сравнить причинные связи с экспериментально полученными данными и тем самым определить степень адекватности модели. (Более подробно методы причинного анализа изложены в следующих работах: Тинтнер Г. Введение в эконометрику. - М., 1965; Кэндол М., Стюарт А. Статистические выводы и связи. - М., 1973).

Используя различные виды причинного анализа, мы можем проследить соотносительные силы влияния каждой переменной (каждого показателя) на исследуемый нами процесс. Помимо этого определяется распределение влияния по всем связям.

К примеру, влияние а₁ на а₆ определяется величиной Рij, а совместное воздействие всех измеряемых величин корреляцией rij. В этом случае разность rij - Pij будет выражать меру влияния а₁, а₂ .....а₅ на а₆. Отсюда из оценочных уравнений можно вычислить опосредованное влияние каждой отдельной связи.

В общем случае модель причинной структуры может включать любое количество исследуемых нами показателей и вполне описывается предлагаемой нами системой уравнений.

“О мир пойми! Певцом - во сне - открыты

Закон звезды и формула цветка”.

М.Цветаева

Простейший метод прогнозирования, использование точечной диаграммы, непригоден, когда обработке подлежит информация, полученная от очень большого количества испытуемых. В этом случае линия регрессии заменяется математическим уравнением - будем называть его прогностическим. Это уравнение имеет следующий вид:

Yi = A + B Xi , где

- Yi - численное выражение прогнозируемой переменной для испытуемого с № i

- Xi - то же для прогнозирующей переменной

- А, В - математически полученные постоянные, одни и те же в рамках одного исследования.

Выше рассматривался пример о связи результатов итогового школьного теста и итогового теста первого семестра. Применим к имеющейся здесь зависимости прогностическое уравнение. Так здесь:

Yi - результаты первого семестра,

Xi - результаты школьного теста.

И, допустим, что для констант А и В получены значения А=0,18 и В=0,73.

Имея чьи либо результаты школьного теста и подставив их в уравнение, можем получить предполагаемое значение для результатов теста первого семестра (0,18 + 0,73 3,5 = 2,735) (пусть = 3,5). Имея истинные результаты для тестов первого семестра, мы позже сможем сравнить их с предсказанными и убедиться в том, что правильно использовали уравнение прогноза.

Предсказанные значения никогда абсолютно точно не совпадают с теми, которые получаются на самом деле. Любой прогноз предполагает наличие ошибки, которая известна как стандартная ошибка оценки. Стандартная ошибка показывает величину несовпадения предсказанного результата с истинным. Малое её значение свидетельствует о высокой достоверности прогноза. Величина стандартной ошибки уменьшается если при прогнозировании использовать больше данных.

“На берегу канала

Дрожат тростник и сумрак,

А третий - серый ветер”.

Гарсия Лорка

Мультипольное разложение

Мультипольное разложение - прием, позволяющий искать зависимость одного прогнозируемого параметра от нескольких прогнозирующих для более успешного прогнозирования. Вернемся к рассмотренному выше примеру. Ранее мы установили наличие сильной позитивной связи между результатами последнего школьного тестирования и первого семестрового в колледже. Как оказалось, результаты теста первого семестра находятся в позитивной связи с результатами еще двух тестов. С результатами раздела “Вербальное мышление” вступительного теста он связан коэффициентом корреляции 0,61, а с результатами раздела “Математика” этого же теста - с коэффициентом 0,51.

Мультипольное разложение позволяет сделать прогноз о результатах первого семестра на основе всех трех имеющихся прогнозирующих факторов. Формула мультипольного разложения похожа на формулу простейшего прогностического уравнения, хотя и представляется более сложной. Причина этого в том, что смысл мультипольного разложения полностью повторяет смысл прогностического уравнения. Усложнение вызвано тем, что в рассмотрение включается большее количество прогнозирующих переменных. Мультипольное разложение представляется следующей формулой:

Y' = A + B₁ X₁ + В₂ Х₂ + В₃ Х₃ + ... ,

где

- прогнозирующая переменная

- ряд прогнозирующих переменных

- числовые множители, которые, как и для простейшего случая, вычисляются математически и постоянны в рамках одного исследования.

В нашем примере

- Y ' - результат теста первого семестра,

- Х₁ - результат последнего школьного теста

- Х₂ - результат раздела “Вербальное мышление”

- Х₃ - результат раздела “Математика”

Допустим, при расчете получились следующие значения для числовых множителей: А = 0,18, В₁ = 0,73, В₂ = 0,005, В₃ = 0,002, и пусть имеются результаты учащегося по каждому из трех прогнозирующих параметров:

Х₁ (школьный тест) = 3,5, Х₂ (вербальное мышление) = 580, Х_З (математика) = 600

Подставляя результаты в формулу мультипольного разложения, получаем:

Таким образом, предполагаемое значение результатов теста первого семестра для этого ученика будет равно 3,15. Позже мы сравним этот результат с реальным и сделаем заключение о справедливости прогноза.

Коэффициент мультипольной корреляции

Этот коэффициент отражает степень связи между группой прогнозирующих переменных и одной прогнозируемой. Обозначать его будем R . Вычислить его величину можно по формуле Пирсона, где в качестве одной переменной берется ряд значений для прогнозирующей, а в качестве другой - прогнозируемой переменной. Возвращаясь к примеру вспомним, что для прогнозируемой переменной было получено значение 3,15. Проделав подобную процедуру для 100 учащихся получим ряд значений. Затем, обратившись к реальным значениям результатов теста для этих же студентов, получим второй ряд значений. Осуществив расчеты для этих рядов, используя формулу Пирсона, можно будет сделать вывод о том, насколько хорошо реальные значения совпадают с предсказанными в массиве данных. Если полученное значение R₂ будет лежать близко к 1, то это значит, что прогноз сделан достаточно точно и результатами его можно пользоваться. Реальные значения для хорошо проведенного прогностического исследования, конечно, не дают R₂ = 1, а дают его в пределах 0,8.

Коэффициент детерминации

Квадрат значения коэффициента мультипольной корреляции дает значение величины, называемой коэффициентом детерминации. (r₂). Пусть r = 0,70, тогда r₂ будет равно 0,49. Что же это значит? Коэффициент детерминации показывает, какой процент отклонений от истины величины прогнозируемой переменной можно отнести на счет вариаций прогнозирующих. Значение для r₂ = 0,49 говорит о том, что 49% отклонений результатов от истины при прогнозировании результатов теста первого семестра происходит за счет наличия разброса значений для результатов исходных тестов. Когда результаты получаются из мультипольного разложения r₂ - переходит при обозначении в R₂, без перемены смысла. Ценность результатов, даваемых прогностическим уравнением, зависит от того, с какой группой производились исследования (устойчивой или нет), а также к одной ли и той же группе относятся все используемые, данные в прогнозе. Если необходимо работать с разными группами, нужно подбирать их сходными по основным параметрам.

Анализ функции дискриминанты

В большинстве прогностических исследований конечный результат получается в виде числа. Но вариант получения результата в виде категориальной переменной тоже имеет место. Если это так, то прием мултипольного разложения неприменим и применяется анализ функции дискриминанта, который совпадает с мультипольным разложением по смыслу.

“Вот она - пресвятая во все времена,

Возносящая к истине нас - новизна”.

Г. Горбовский

В гуманитарных науках мало методик, которые удовлетворяют всем этим критериям. Задача исследователя заключается в том, чтобы отделить результаты измерений, связанные с реальными отличиями, существующими между испытуемыми, от результатов, полученных за счет случайных влияний, то есть установить ошибку измерения. Исследователь должен знать, какие статистические процедуры позволяют аннулировать эти влияния.

Преднаучные методы

В любой науке мы не можем обойтись без использования как научных, так и преднаучных методов.

Метод “упрямства”. Экспериментатор упрямо верит во что-либо и не расположен к объективному анализу и сравнению.

Интуитивный метод. Считается, что истина постигается с помощью интуиции.

Метод авторитета. Любые утверждения специалиста в какой-либо области принимаются слепо, без критики, и считаются безупречной истиной.

Метод рассуждения. При получении новых знаний экспериментатор выстраивает цепь рассуждений, используя при этом известные логические правила.

Эмпирический метод. Опыт, полученный непосредственно из факта, считается единственным критерием истины. Доверяют только информации, полученной через сенсорный опыт. Этот метод может являться источником ошибок, потому что то, над чем мы экспериментируем, представляет собой только небольшую выборку множества потенциальных ситуаций. Однако из этих пяти методов данный метод является наиболее приемлемым.

Схемы исследования и корреляционный анализ

В 1997 году вышла книга Т.В.Корниловой “Введение в психологический эксперимент”, которая определяет в ней критерии научности с точки зрения применения нормативов исследования

Построить схему исследования - значит подготовить предписания, после выполнения которых исследователь получает ответ по исследуемой проблеме, то есть приобретает большую возможность понимания реальных влияний.

Хорошая схема исследования увеличивает внутреннюю и внешнюю валидность исследования. Идеальная схема исследования позволяет однозначно интерпретировать результаты и отклонить наименее вероятные интерпретации.

Можно выделить различные схемы исследования.

Схемы чисто экспериментальные

Данные схемы характеризуются тем, что экспериментатор полностью контролирует переменную, которая, как он предполагает, находится в причинно-следственной зависимости от результатов эксперимента. При этом используется случайный метод (R-метод) отбора испытуемых как экспериментальной, так и контрольной групп. Случайный отбор не означает, что испытуемые отбираются наугад. Используется систематизированная процедура приписывания испытуемых к одной из групп (экспериментальной или контрольной). Случайно, таким образом, то, что каждый субъект имеет одинаковую вероятность быть приписанным к экспериментальной или контрольной группе.

Метод случайного формирования экспериментальной и контрольной групп дает два преимущества. Прежде всего, обе группы имеют равную вероятность того, что процент испытуемых определенного типа в них будет одним и тем же. Кроме того, низка вероятность того, что обе группы будут слишком различны.

Например, если мы проводим исследование с испытуемыми, которые представлены студентами-психологами, и если при этом приписываем каждого из них к экспериментальной или контрольной группе случайным образом, можно с высокой степенью вероятности считать, что в двух группах будет одинаковое количество студентов различного возраста, пола, уровня подготовки и т. д. Следовательно, две группы не слишком различаются между собой. Необходимо подчеркнуть, что состав группы при случайном отборе не является результатом намеренного отбора, тогда как при использовании метода парного отбора (М-метода) экспериментатор сам принимает решение, например, какое количество мужчин и женщин поместить в каждую группу.

Рассмотрим схему Соломона (Solomon), которая считается идеальной схемой проведения эксперимента.

Схема 1

R O₁ O₂} G₁

R O₃ O₄} G₂

R O₅} G₃

R O₆} G₄

G₁, G₂, G₃, G₄ - четыре группы испытуемых;
R - случайный отбор испытуемых R-методом для каждой группы;
- означает использование в группе экспериментального воздействия;
О - означает наблюдение или измерение до или после эксперимента или измерения.

Наблюдения, которые предшествуют экспериментальному воздействию , обычно называют пред-тестом (O₁, O₃). Наблюдения или измерения, которые следуют за экспериментальным воздействием, называются пост-тестом (O₂, O₄, O₅, O₆). Как видно из схемы, четыре группы различаются следующим образом: в группах G₁ и G₃ использовалось экспериментальное воздействие, в группах G₂ и G₄ оно не применялось. В группах G₁ и G₂ использовались пред-тесты (O₁, O₃) и пост-тесты (O₂, O₄), тогда как G₃ и G₄ имеют только пост-тест (O₅, O₆).

Схема Соломона считается идеальной схемой исследования, потому что позволяет исключить большое количество альтернативных гипотез, которые понижают внутреннюю валидность исследования.

Предположим, что мы используем схему Соломона в исследовании по влиянию краткой психотерапии, направленной на уменьшение некоторых фобий. Воздействие состоит из цикла в 10 психотерапевтических встреч. Следовательно, мы должны сформировать четыре группы с 10 испытуемыми в каждой из популяций лиц, подверженных одной и той же фобии, например, страху к насекомым. Используя R-метод, сформируем и припишем каждой группе одно условие (см. Схему 3). Таким образом, мы имеем две группы, в каждой из которых осуществляется как пред-тест, так и пост-тест в эксперименте по изучению, например, реакции избегания насекомых. В группе G₁ в интервале между пред-тестом и пост-тестом осуществляется экспериментальное воздействие. Это первая экспериментальная группа. В группе G₂ экспериментальное воздействие не осуществляется. Это первая контрольная группа. Кроме того, в данном эксперименте еще одна группа (G₃) подвергалась экспериментальному воздействию. Это вторая экспериментальная группа, а другая (G₄) - нет (вторая контрольная группа). Влияние экспериментального воздействия может быть проверено путем сравнения результатов пост-теста (О₂, О₅) групп G₁ и G₃, с одной стороны, с результатами пост-тестов О₄ и О₆ контрольных групп G₂ и G₄, с другой стороны. Влияние пред-теста может быть проанализировано путем сравнения пост-тестов О₂ и О₄ с О₅ и О₆. Влияние неэкспериментальных событий может быть непосредственно проанализировано путем сравнения разницы пред-теста и пост-теста в контрольной группе G₂. Если в данной группе наблюдается уменьшение страха к насекомым, то это может свидетельствовать о том, что даже при отсутствии психотерапии у испытуемых имеется тенденция к уменьшению страха к насекомым или же имело место какое-то неэкспериментальное событие, которое помогло уменьшить страх к насекомым - например, сезонные вариации частоты появления насекомых.

Схема Соломона позволяет контролировать большое количество возможных факторов, которые влияют на внутреннюю валидность выводов исследования. Единственным ограничением в применении данной схемы является ее сложность и, как следствие, высокая стоимость. Действительно, проведение исследований по схеме Соломона требует четырех групп для изучения эффекта только одного воздействия.

Наиболее часто используемой экспериментальной схемой является следующая:

Схема 2

R O₁ O₂ } G₁

R O₃ O₄ } G₂

Схема 4 соответствует верхней половине схемы Соломона, то есть той ее части, которая касается групп G₁ и G₂. В этой схеме случайное приписывание (R-метод) позволяет исключить интерпретации, связанные с “эффектами регрессии”, “отбора” и “смертности”. Наличие контрольной группы с пред-тестом и пост-тестом, эквивалентной экспериментальной группе, позволяет проанализировать статистически значимое влияние на результаты эксперимента неэкспериментальных факторов, а также ошибки метода. Однако если установлено, что между пред-тестом и экспериментальным воздействием существует зависимость, то это не всегда можно объяснить ошибками метода.

Другим типом схемы является схема, соответствующая нижней половине схемы Соломона, то есть той ее части, которая относится к группам G₃ и G₄ (см. Схему 5).

Схема 3

R O5 } G3

R O6 } G4

Эта схема, в отличие от предыдущей, позволяет преодолеть трудности, связанные с возможным взаимодействием пред-теста и экспериментального воздействия. Действительно, если нет пред-теста, то не может быть взаимодействия между пред-тестом и экспериментальным воздействием. R-метод позволяет сделать вывод о том, что разница, которая возникает между двумя группами, наблюдается за счет экспериментального воздействия .

Другие возможные интерпретации могут быть исключены посредством сравнения с контрольной группой, но не могут быть подвергнуты проверке по отдельности, как в случае анализа эксперимента по схемам 5 и 6, рассмотренным выше. Другими словами, если сопоставление результатов по экспериментальной и контрольной группам дает существенное различие, то исследователь может считать, что в экспериментальной группе отсутствовало влияние каких-либо неэкспериментальных факторов, например, факторов “истории” и “_созревания”, при условии, что обе группы формировались с помощью R-метода. Если же различия не наблюдаются, то экспериментатор не в праве сказать, что это является следствием действия неэкспериментальных фактов.

Квазиэкспериментальные схемы

Этот термин был введен в 1966 г. Кэмпбеллом (Campbell) и Стэнли (Stanley). Под квазиэкспериментальными схемами понимаются схемы, в которых не применяется метод случайного приписывания испытуемых к группам. В чисто экспериментальных схемах, как было показано выше, независимая переменная всегда варьируется непосредственно самим исследователем, который приписывает испытуемых к экспериментальной и контрольной группам случайным образом.

Лабораторный эксперимент имеет значительные ограничения по возможности применения его вне лаборатории. Действительно, многие переменные, которые являются объектом исследования в психологии, не могут варьироваться экспериментатором по каким-либо причинам, например, по причинам этического или социального характера. В тех случаях, когда строго лабораторный эксперимент невозможен, необходимо провести такое исследование, которое допускает вмешательство также случайных факторов. Во многих случаях государственное учреждение или частная фирма, которые планируют введение изменения, обращаются к исследователям с тем, чтобы проверить эффективность нововведения. В данных случаях изменение, вводимое государственным учреждением или частной фирмой, выполняет роль экспериментального воздействия.

Тот факт, что в схемах, приведенных ниже, не используется R_метод, накладывает ограничения на интерпретацию результатов. Однако, в целом, это не препятствует выявлению причинно-следственных связей между переменными. Для этого необходимо, чтобы вместо R_метода использовался метод парных связей, или М_метод. Приведем пример данной схемы:

Схема 4

O1 O2 } G1

O3 O4 } G2

Эта схема характеризуется отсутствием случайного отбора испытуемых при формировании экспериментальной и контрольной групп, что предполагает возможность неоднозначной интерпретации результатов исследования и снижает внутреннюю валидность эксперимента. Отсутствие случайного отбора приводит к тому, что контрольная и экспериментальная группы становятся несопоставимыми (или неэквивалентными). Несопоставимость групп означает, что в контрольной и экспериментальной группе доли испытуемых, обладающих определенными характеристиками, различны. Например, в контрольной группе доля (%) лиц с высоким уровнем интеллекта может быть больше, чем в экспериментальной. Или может случиться так, что в экспериментальную группу попадут испытуемые, для которых характерен более высокий темп обучения по сравнению с испытуемыми в контрольной группе. В этих случаях различия между результатами пост-тестов в двух группах могут определяться именно указанными факторами, а не экспериментальным воздействием. Еще одним источником снижения валидности исследования и неоднозначности в интерпретации результатов может являться действие какого-либо неконтролируемого фактора (например, истории) в одной из групп.

Например, при исследовании влияния типа преподавателя на усвоение учебного материала в качестве экспериментальной и контрольной групп взяты два школьных класса. Предположим, что два класса находятся в разных частях школьного здания и один из них расположен рядом со спортивным залом, из которого постоянно слышен шум, мешающий слушать преподавателя. Если класс, на который влияет шум, образует контрольную группу и его оценки в пост-тесте окажутся низкими, то имеются все основания считать, что это результат влияния постоянного шума на процесс обучения в контрольном классе, а не результат экспериментального воздействия на экспериментальный класс.

Предэкспериментальные схемы

Предэкспериментальные схемы исследования, так же как и квазиэкспериментальные, не предусматривают случайного отбора испытуемых в экспериментальные группы. Отсутствие случайного отбора в этом случае приводит к возможности неоднозначной интерпретации результатов, что, в свою очередь, затрудняет подтверждение той или иной гипотезы исследования и его валидности. Различие между предэкспериментальными и квазиэкспериментальными схемами является, скорее, не качественным, а количественным. Квазиэкспериментальные схемы, по сравнению с предэкспериментальными, дают возможность исключить достаточно большое количество факторов, понижающих внутреннюю валидность, тогда как предэкспериментальные схемы, помимо названных выше недостатков, имеют и множество других, снижающих валидность исследования. Предэкспериментальные схемы всегда рассматриваются в методологической литературе как схемы исследования (см. Схему 7), которые не следует применять.

Схема 1

O₁ O₂ } G₁

Эта схема обычно называется схемой с единственной экспериментальной группой, в которой используются пред- и пост-тесты. Схема предусматривает повторение экспериментальных воздействий на одних и тех же испытуемых (см. первую строчку в Схеме Соломона). При этом, независимо от количества экспериментальных воздействий, исследователь должен проводить пред- и пост-тест. Например, в случае терапии по снятию фобий исследователь должен тестировать интенсивность избегания насекомых как до, так и после десяти психотерапевтических занятий. Если при сравнении результатов пред- и пост-тестов отмечается значимая разница, то исследователь может предположить, что произошло снижение (или усиление) страха к насекомым, но не может с полной уверенностью утверждать, что это произошло вследствие психотерапевтического воздействия.

Эта схема допускает выводы, справедливые статистически, но не дает гарантии в плане внутренней валидности. Действительно, изменение страха к насекомым могло бы произойти с равной вероятностью за счет таких факторов, как история, созревание, изменение инструмента измерений, регрессия к среднему и смертность.

Наконец, наиболее простой и наиболее неэффективной схемой исследования является следующая:

Схема 2

O₁ } G₁

Данная схема называется схемой с единственной группой и единственным пост-тестом. Рассмотрим в качестве примера терапию по устранению страха к насекомым. Если экспериментатор не располагает дополнительной информацией, то исследование, проведенное по данной схеме, мало информативно, так как после терапии пост-тест применяется только в одной группе. Исследователь не имеет достаточных оснований для того, чтобы определить психотерапия или что-то другое повлияло на снижение страха к насекомым, поскольку отсутствуют элементы, на которых может базироваться случайное вмешательство, и отсутствуют какие-либо доказательства изменения зависимой переменной (страх к насекомым). Причиной неинформативности этой схемы является тот факт, что, в отличие от других предэкспериментальных схем, она не предусматривает измерения исходного параметра. Исследователю не с чем сравнить результаты теста. Таким образом, мы имеем дело со схемой, которую невозможно интерпретировать. Результаты такого исследования могут быть использованы в особых случаях, когда исследователь располагает информацией, которая была получена независимо от рассматриваемого исследования. На основании данной информации можно интерпретировать результаты исследования.

Итак, необходимо подчеркнуть, что не существует идеального эксперимента. Однако имеются некоторые требования к исследованию, соблюдение которых является обязательным. Прежде всего это наличие контрольной группы, с результатами которой можно сравнивать результаты, полученные в экспериментальной группе. Кроме того, это использование R-метода, то есть метода случайного отбора испытуемых, или использование М-метода, то есть метода парности, для приписывания испытуемых к контрольной и экспериментальной группам.

Другие методы исследования

Ограничения наблюдаются за счет того, что часто используется информация, полученная от людей, непосредственно не вовлеченных в ситуации. Кроме того, часто накопленные данные не являются полными и их трудно использовать для сравнения двух исследований.

Необходимость проведения клинических исследований обусловлена проявлением отрицательных посттерапевтических эффектов и рождением новых направлений в терапии. Однако, отсутствие точного определения независимой и зависимой переменных, а также отсутствие контроля за возможными источниками низкой валидности исследования исключают возможность делать выводы о причинно-следственных связях.

Схемы исследования для отдельного случая устанавливают причинную связь, существующую между переменными, исходя из исследования одного испытуемого. Затем сравниваются ответы до и после введения независимой переменной. Основным правилом для данных схем является введение в каждый эксперимент только одной переменной. Если две переменные варьируются одновременно, то невозможно определить, какова степень влияния каждой из них на наблюдаемое изменение.

Кроме того, важно оценить базовый уровень в поведении, чтобы потом суметь оценить эффективность воздействия. Результаты не всегда можно анализировать с помощью статистических методов. Часто результаты могут быть представлены графическим способом, который отражает изменение в поведении испытуемого на различных этапах эксперимента.

Необходимо, однако, подчеркнуть, что в клинических исследованиях критерии изменения переменных более жесткие, чем в экспериментальных. Снижение на 50% показателей поведения с отклонениями может считаться статистически значимым, но является недостаточным в клиническом плане. Поэтому эти схемы остаются спорными в методологическом аспекте.

Различаются схемы с отменой воздействия и схемы без отмены воздействия. Что касается схем с отменой воздействия, наиболее простой из них является схема типа А - В, где А - фаза, в которой оценивается базовый уровень изменяемого поведения, В - фаза, в которой вводится независимая переменная. Схема А - В может быть модифицирована, потому что причинные отношения между переменными являются валидными. Часто воздействие отменяется для того, чтобы способствовать возвращению поведения к тому уровню, который имел место до введения независимой переменной.

Следующий тип схемы: А - В - А. Она воспроизводит схему А - В, но добавляет к ней вторую фазу А, во время которой прерывается экспериментальное воздействие.

Если имеется прогресс в поведении, когда воздействие имеет место, и регресс, когда воздействие снимается, то это означает, что воздействие является эффективным. Однако невозможно исключить факторы “истории”, “созревания” или “регрессии к средним”. Эта схема позволяет тем, кто ее использует, установить причинную связь между исследуемыми переменными.

Однако, существуют и необратимые воздействия, например, хирургические. Следовательно, в данном случае схема не может использоваться. По моральным причинам лучше предусмотреть четвертую фазу В - повторное воздействие.

Но при этом возникают две основные проблемы.

Влияние воздействия может не быть полностью обратимым, например, при обучении.

Иногда более предпочтительным будет оставить испытуемого в новых условиях, возникших в результате воздействия.

Еще одной схемой является схема В - А - В, где В - фаза, в которой вводится воздействие, А - фаза базового уровня, то есть отсутствия воздействия, В - вторая фаза, в которой снова вводится воздействие.

Среди вариантов схемы А - В - А имеются схемы А - В,
А - В, А - В, в которых оценка базового уровня и применение воздействия осуществляются несколько раз.

Что касается второго типа схемы (без отмены воздействия), мы имеем прежде всего многочисленные схемы базового уровня, подразумевающие одновременное измерение двух или более базовых уровней, которые могут быть определены как относительно различного поведения одного и того же испытуемого, так и относительно различных ситуаций, в которых испытуемый ведет себя одинаково.

То же самое справедливо и для различных испытуемых, у которых наблюдается одно и то же поведение. Одновременно с воздействием на первый измеряемый фактор оцениваются другие базовые уровни. Во второй фазе изменяемая переменная используется на втором базовом уровне. Такая же процедура осуществляется столько же раз, сколько имеется базовых уровней. Следовательно, воздействие вводится в различные моменты для каждого базового уровня.

Эффективность воздействия оценивается по отношению к модификациям поведения, которые наблюдались в момент введения независимой переменной. Однако, причинная связь устанавливается менее прямым способом, чем в схемах А - В - А. Для этой схемы также важно, чтобы один тип поведения был нечувствителен к модификациям других типов поведения.

Еще одним типом схемы является схема с чередующимися воздействиями, то есть одно и то же поведение подвергается различным воздействиям (А и В), представленным в различных условиях. Воздействия применяются с изменением порядка их представления. Первая фаза служит для определения базового уровня поведения в каждом условии-стимуле, вторая фаза - это фаза, в которой применяются воздействия. Она допускает причинные отношения между переменными, однако, при этом необходим строгий контроль.

Следующая схема основывается на изменении критерия, с помощью которого оценивается базовый уровень поведения при непрерывном добавлении одного и того же воздействия. Каждая фаза связана с различным выходным критерием. Таким образом, после измерения базового уровня поведения фиксируется первый критерий поведения.

После того, как испытуемый удовлетворяет этому первому критерию, определяется новый критерий, который является более убедительным, и т. д.

Эффективность воздействия проявляется тогда, когда ритм изменения поведения отвечает фиксированному критерию.

Что касается степени обобщения результатов, то она действительно связана с репрезентативностью используемой выборки и ситуации, в которой проводится исследование. С другой стороны, преимущества, связанные с высокой репрезентативностью выборки, ограничивают прямое применение выводов исследования для определенного индивидуума. Некоторые авторы предлагают повторить тот же эксперимент вначале на индивидах, имеющих симптомы, идентичные рассмотренным в первом исследовании, а затем на индивидах, у которых наблюдаются симптомы, сравнимые с симптомами первых испытуемых.

“Но получив удачу свою,

Уходя, знаю я, что не всех

Из вас я увидел.

Лучшие встречи остались

без завершения”.

Н.Рерих

Первый этап проведения исследования предусматривает изучение существующей литературы и библиографический поиск публикаций по интересующей теме.

Что касается библиографического поиска, очень полезно использовать интернет, в котором можно найти практически любую необходимую для исследователя ссылку. В соответствующих сайтах интернета представлены аннотации всех статей, которые были опубликованы в психологии за определенный год по определенной тематике. Ознакомившись с ними, можно получить представление о состоянии интересующей области. В психологических сайтах, помимо аннотаций, указывается, где можно найти статьи. Следовательно, по интересующей тематике исследователь может найти большое количество статей, но его задача состоит в том, чтобы ограничиться узкой областью своих интересов. При чтении статей особое внимание необходимо уделить вступлению, в котором описывается в общих чертах проблематика и состояние развития области, а также заключению, в котором представлены результаты и выводы, сделанные исследователем и библиографии.

Второй этап проведения исследования касается формулировки проблемы исследования. Проблема исследования ограничивается специфическим вопросом. Затем проводится эмпирическая проверка гипотез исследования. Чем более четко сформулированы гипотезы, тем точнее их можно проверить.

Третий этап предусматривает выбор испытуемых. В психологических исследованиях в качестве испытуемых часто привлекаются студенты. В идеале испытуемые должны выбираться из популяции случайным образом. Количество испытуемых, участвующих в исследовании, влияет на точность эксперимента. Чем больше их количество, тем меньше размах отклонения от истинных значений.

Четвертый этап. Может оказаться полезным проведение пилотажного исследования, в котором на малой выборке проводится проверка инструмента исследования. Оно позволяет выявить возможные дефекты, присущие исследованию или инструменту, которым намеревается пользоваться исследователь.

Пятый этап - это проведение исследования и анализ результатов.

Шестой этап- публикация результатов.

Как писать статью?

Нет смысла начинать статью с новых теоретических разработок. Важно дать понять, какой смысл имеет данное исследование, как могут быть использованы результаты. Кроме того, должны быть четко изложены гипотезы. Что касается метода, необходимо показать, что исследование может быть повторено. Поэтому необходимо подробно описать все то, что было сделано. Особенно следует остановиться на выборке. Необходимо указать, с помощью какого метода она была сформирована, пригодна ли для исследования поставленной проблемы. Выборка должна быть описана надлежащим образом: недостаточно сказать, что исследование проведено на группе детей, необходимо уточнить возраст, социальную принадлежность, образование родителей и т. д. Кроме того, необходимо отметить, насколько сравниваемые группы однородны по демографическим характеристикам и т. д. Необходимо указать, имеется ли контрольная группа и соответствует ли она экспериментальной. Далее следует описать зависимые переменные, то есть те переменные, которые находятся под контролем экспериментатора. Что касается метода исследования, необходимо хорошо описать его и определить его валидность. Это должно быть сделано кратко в нескольких строках, без отсылок к другим авторам и статьям. Затем необходимо отметить, сколько замеров было проведено, имелись ли эксперты в случае наблюдения и насколько согласуются их выводы между собой. Кроме того, необходимо зафиксировать, известно ли было испытуемым о целях исследования. И наконец, были ли процедуры идентичными для всех групп испытуемых.

О независимых переменных необходимо сообщить: экспериментальными они были или дифференциальными. В случае независимых экспериментальных переменных необходимо сказать, варьировались ли они, а также какие аспекты процедур и какие именно независимые переменные могут снизить внешнюю валидность исследования.

Излагая результаты исследования, необходимо отразить тот факт, соблюдались ли принципы проведения статистического анализа теста. Необходимо последовательно описать процедуру статистического анализа и указать уровень значимости результатов. Если результаты не являются значимыми, следует обязательно отметить это, поскольку это важный статистический результат.

В заключении необходимо указать, какая из переменных влияет на другие, но при этом надо быть осторожным в выводах, так как не все виды статистического анализа позволяют однозначно утверждать это. В заключении также приводятся возможные альтернативные объяснения результатов.

“Венец дерзания и помыслов заря - наука! Ключи познания к воротам бытия - наука!”

Джами

Эта книга рождалась долго по многим причинам. В начале 90-х годов она не была бы принята, т.к. на социально-педагогическую диагностику многие педагоги смотрели как на раздел общей педагогики и не видели в ней самостоятельного направления педагогики.

В середине 90-х изменилась ситуация в самой педагогике и проблема диагностики стала актуальной и интересной для многочисленных педагогов-исследователей.

Эта книга одна из первых, которая систематизирует подходы к исследованию социально-педагогических процессов на основе единой методологии, которой является теория измерения.

Я попытался в этой книге изложить в перечне основные методы, которые сегодня наиболее используемы в исследованиях.

К сожалению, меня сильно ограничивал объем, т.к. убежден, что многотомное исследование мало кто читает, а толковый читатель прекрасно использует указанную литературу. Отсюда мое мнение, что заинтересованному читателю достаточно сжатого изложения материала, что можно объяснить, во-первых, тем, что существует огромное количество литературы, где многие статистические методы исследования описаны самым подробным образом. Во-вторых, я пришел к необходимости написать монография в двух частях, обобщающую основные принципы и методы измерения в социальной педагогике, в которой сделал попытку обозначить принципиальные подходы к организации диагностического исследования в достаточно кратком изложении. Насколько это правильно и удачно получилось - судить читателю.

К сожалению, эта книга завершает целое направление диагностики, построенное на использовании математической статистики, которая в социальных науках сначала произвела настоящую революцию, а сегодня, к сожалению, не имеет дальнейшего развития. Чтобы пояснить эту мысль приведу такой пример: классическая механика прекрасно описывает поведение тел, двигающихся с небольшими скоростями, но не способна описать процессы, происходящие во время движения со скоростями близкими к скорости света. Для этого потребовалась другая теория, другая математика и другая физика. Так и с социальной педагогикой, для которой в 21 веке нужна другая философия, методология, математика и диагностика.

Основы математического аппарата этой новой диагностики сейчас закладываются в использовании математической тории нечетких множеств.

Теория нечетких множеств позволяет описывать многие, до сих пор еще не подающиеся описанию, явления в психологии, философии, лингвистике, в управленческих науках, и во многих других областях гуманитарного исследования.

В классической статистике, на основе которой написана эта книга, мы имеем дело со множествами. Но в конце ХХ века ученые подошли к мысли, что многие процессы описываются построениями, которые “множествами” в классическом виде назвать нельзя. Эти построения следует считать “нечеткими множествами”, где переход от принадлежности к определенному классу до не принадлежности происходит постепенно. В позиций логики это означает, что эти явления не имеет четких значений истинности, нет между ними четких связей и четких правил вывода. Я не хочу вместо заключения начинать новую книгу, поэтому отсылаю любознательного читателя к работам А.Кофмана “Введение в теорию нечетких множеств”, Л.А.Заде “Тени нечетких множеств” и Р.Г.Пиотровского “Введение в математическую лингвистику”.

Продолжение исследования сущности социальной или социально-педагогической диагностики связано с необходимостью рассмотрения проблемы источника энергии, которая движет социальными процессами. Со времен Фрейда и постфрейдистов эта проблема рассматривалась в социально-философской литературе мало. В психологии и педагогике этот вопрос как бы не существует и привлекает внимание исследователей. На самой деле, для диагностики проблема источника энергии является крайне актуальной, т.к. невозможно исследовать процесс не понимая, что есть источник движения объекта исследования и как происходит движение объекта во времени и пространстве. Современное понимание источника движения социальных процессов и систем было заложено в работах великого российского ученого В.И.Вернадского. Его книга “Химическое строение биосферы Земли и ее окружение”, изданная в 1965 году, положила начало пониманию биогеохимической энергии как двигателя всех процессов на Земле. Эта энергия, получаемая от солнца путем фотосинтеза переходит из одного состояния в другое, заставляя все живое расширяться путем размножения до возможного предела. Живая личность тоже создает вокруг себя какое-то поле, расширяя свое присутствие до возможных для нее пределов. Ее развитие и движение есть процесс взаимодействия с другими объектами и системами. Не предвосхищая результаты следующего исследования хочу подчеркнуть, что исследование двух источников, а может и более, движения живой материи, к которой относится и социум, позволит многие вопросы педагогики, психологии и других социальных наук рассматривать совершенно иначе, чем это делается сейчас.