Вы находитесь на сайте журнала "Вопросы психологии" в девятнадцатилетнем ресурсе (1980-1998 гг.).  Заглавная страница ресурса... 

118

 

СПОСОБ ПОЛУЧЕНИЯ СЕМАНТИЧЕСКИ «РАВНОУДАЛЕННЫХ» ШКАЛ

(для субъективной оценки качеств личности другого)

 

И.Г. ДУБОВ, Л.М. СМИРНОВ

 

Во многих областях экспериментальной психологии, например, при изучении особенностей когнитивной сферы личности, возникает задача построения шкал, позволяющих производить унификацию оценки мнения испытуемых о различного рода объектах.

В частности, этот вопрос затрагивается в исследованиях, в ходе которых строится экспресс-методика оценки личности. При этом большое внимание уделяется технике работы с биполярными и униполярными шкалами.

Наиболее продуктивные работы, выполненные в этой области советскими исследователями (см., например, [3], [6]), основывались на способах формирования Списков биполярных и униполярных шкал, прошедших проверку при создании семантического дифференциала Осгуда, полярные профилей Форверга, тестов Гилфорда, Кэттела, Айзенка и др. Создатели таких списков, как правило, применяли факторный анализ большого количества оценок, используя набор прилагательных, которые представляют собой денотативные характеристики личности. Отличаясь лишь в частностях, техника отбора шкал состояла в следующем. Составление предварительного списка шкал основывалось либо на анализе признаков, заимствованных из литературных источников, либо на выборе испытуемыми прилагательных, наиболее подходящих для описания данного объекта. После этого на базе наиболее часто встречающихся слов с помощью словаря антонимов строились, если это предусматривалось, биполярные шкалы. Окончательный список шкал составлялся с учетом их факторной структуры после факторного анализа данных, полученных в

 

119

 

предварительном исследовании, из списка исключались шкалы, имеющие слишком малую нагрузку по выделенным факторам. На этом процедура отбора шкал заканчивалась.

В связи с тем, что исследователи ставили задачу оценки личности в целом при помощи ограниченного набора шкал, представляющих основные качества личности в обыденном сознании людей, указанная техника составления экспресс-методики в принципе, при достаточно представительном начальном списке, выглядела удовлетворительно.

Естественно, что в факторную структуру не может войти ничего из того, что не нашло какого-либо отражения в начальном списке, уже поэтому она может неадекватно представлять категоризацию обыденного сознания. При этом молчаливо предполагается, что все мнения людей, по-разному в целом смотрящих на мир, допустимо представить ограниченным числом факторов или измерений. Таким образом, техника получения шкал навязывает здесь при отсутствии исходной гипотезы о структуре факторов определенную теоретическую конструкцию, которую ряд исследователей прямо считают определением личности, а не представлением о ней обыденного сознания того круга людей, который был охвачен обследованием.

Шкалы, получившие высокие факторные веса в каком-либо эксперименте и вошедшие поэтому в составляемый список, при повторном эксперименте на другой выборке испытуемых характеризуются низкими факторными нагрузками, а то и вообще оказываются включенными в другие факторы. Это, скорее, указывает на отсутствие у людей единого представления о структуре личности.

Однако наблюдаемая инвариантность определенных когнитивных структур позволяет поставить вопрос о другом, часто игнорируемом недостатке «факторной» стратегии получения списка шкал. Как правило, в окончательный список по каждому из полученных факторов включается несколько шкал, имеющих наиболее высокие факторные веса. Естественно, что эти шкалы (прилагательные) обладают значительной синонимией, но степень этой синонимии указанная процедура определяет очень нестрого. Между тем испытуемые интуитивно отмечают как саму синонимию таких шкал, так и различие в уровнях сходства близких по значению понятий, представленных в списке.

Различия эти незначительны, но ощутимы, а их фиксация приводит к тому, что испытуемые, идентифицируя часть шкал и выставляя по ним одну и ту же оценку (хотя они и обозначают разные стороны личности), в то же время неоправданно разводят их с другими шкалами, представляющими тот же фактор, и по этой причине могут значительно изменить оценку, выставляемую по данным шкалам. Это существенно осложняет проведение экспресс-оценки, тем более, что при повторном эксперименте процесс оценивания чаще всего проходит иначе, а полученные сдвиги оценок интерпретируются как вызванные внешними причинами, что снижает достоверность данных. Разнесение таких шкал по месту, занимаемому в списке, не является при этом достаточно эффективным средством повышения надежности методики.

Понятно, что интерпретация значений и степень близости предложенных понятий в семантических полях у каждого человека относительно различна, но вместе с тем центростремительная тенденция «облака» таких индивидуальных точек (Осгуд и др.), обусловливающая «универсальные» границы этих колебаний, общечеловеческие инварианты в рамках конкретного языка, позволят поставить вопрос о необходимости отбора шкал, построенного с учетом принципа приблизительно равной семантической удаленности прилагательных друг от друга.

Особенно остро необходимость использовать этот принцип ощущается при разработке методик, нацеленных на всестороннюю развернутую экспресс-оценку одного качества личности, представленного какой-либо категорией как обыденного, так и научного сознания. Список семантически «равноудаленных» друг от друга шкал в такой методике должен обязательно включать максимально возможное количество составляющих аспектов изучаемого качества в соответствии с его развернутой дефиницией.

Предлагаемый ниже способ проведения оценки отдельных качеств личности, выбранных экспериментатором для изучения, принципиально отличается от оценки личности в целом в рамках некоторой факторной структуры. По сравнению с интегративной тенденцией максимального снижения числа размерностей в факторной стратегии исследования предлагаемая стратегия носит дифференцирующий характер, обеспечивая переход в исследовании от одного качества личности к репрезентации этого качества многими его аспектами. Предлагаемая стратегия, опираясь на анализ деталей, нюансов, а не крупных блоков, в рамках которых происходит оценка личности, совершенно необходима в ряде конкретных исследований.

Соблюдение принципа равного уровня семантического сходства шкал, составляющих список, существенно, как нам кажется, повышает достоверность полученных в исследовании данных.

Решению задачи составления списков таких шкал более соответствуют методы кластерного анализа. Алгоритм кластеризации, разработанный С. Джонсоном и позднее использованный Дж. Миллером в предложенном им методе классификации, с успехом был применен в ряде исследований, связанных с анализом категориальных систем, в том числе в оригинальной работе, выполненной А.С. Кондратьевой и А.Г. Шмелевым, в которой анализировался достаточно широкий спектр личностных качеств [2].

Используя другую, рассматриваемую ниже процедуру, мы предприняли попытку составить список шкал для описания одного качества личности, уровень семантических различий которых друг с другом был бы приблизительно одинаков при одновременной представленности в списке всех основных компонентов, составляющих оцениваемое качество.

Был составлен список прилагательных, взятых из грамматического словаря русского языка [1], соответствовавших заданному нами определению личностного качества «гибкость (флексибильность)», несущего положительную нравственную окраску. После получения экспертных оценок соответствия шкал развернутой характеристике качества и исключения слов, чрезвычайно редко встречающихся в текстах, список был сокращен до 70 слов. Использование

 

120

 

частотных словарей русского языка было признано нецелесообразным, так как специфические задачи исследования расходятся с целями составителей этих словарей. Так, в частотный словарь под ред. Л.Н. Засориной не вошли такие широко употребительные характеристики, как «демократичный», «свободомыслящий», «экспериментирующий», «критичный» и др. Вместо использования частотного словаря или проведения специального исследования по определению частоты отобранных слов (см., например: Ч. Осгуд и Г. Суси [10]) мы ограничились исключением всех прилагательных, которые испытуемые затруднялись определить. Список всех слов, вошедших в окончательный список, приведен в табл. 1.

В соответствии с инструкцией, отобранные слова были объединены индивидуально 28 испытуемыми — студентами естественных и гуманитарных факультетов МОПИ им. Н.К. Крупской — в произвольное число групп по принципу синонимии. Для каждой пары прилагательных испытуемый решал простейшую из возможных задач: относятся ли они к одной группе или нет. Число групп, которые он выделял, выбиралось им самостоятельно. Полученные данные были преобразованы в матрицу сходства 70×70. Мерой сходства служила частость отнесения испытуемыми двух прилагательных к одной группе.

 

Таблица 1

 

1. Адаптивный

30. Мятежный

2. Аналитичный

31. Находчивый

3. Бунтовщический

32. Необычный

4. Вариативный

33. Непредубежденный

5. Вольнодумный

34. Непринужденный

6. Вольномыслящий

35. Новаторский

7. Вперёдсмотрящий

36. Обратимый

8. Восприимчивый

37. Оригинальный

9. Гибкий

38. Остроумный

10. Гипотетезирующий

39. Парадоксальный

11. Демократичный

40. Переимчивый

12. Дерзкий

41. Переменчивый

13. Диалектичный

42. Пластичный

14. Дерзновенный

43. Поворотливый

15. Динамичный

44. Податливый

16. Дипломатичный

45. Подвижный

17. Еретичный

46. Проблемный

18. Изменчивый

47. Прогрессивный

19. Инициативный

48. Прогрессирующий

20. Интуитивный

49. Прыткий

21. Ироничный

50. Разномыслящий

22. Ищущий

51. Разнообразный

23. Комбинирующий

52. Раскованный

24. Конструктивный

53. Раскольнический

25. Критичный

54. Ревизующий

26. Ловкий

55. Саркастичный

27. Меняющийся

56. Светлоголовый

28. Мобильный

57. Свободомыслящий

29. Мыслящий

58. Ситуационный

59. Скептичный

65. Хитроумный

60. Современный

66. Эволюционирующий

61. Сомневающийся

67. Эластичный

62. Творческий

68. Экспериментирующий

63. Толковый

69. Экстравагантный

64. Фантазирующий

70. Юркий

 

Выше уже упоминалось, что к полученным таким образом матрицам сходства в экспериментальной психосемантике нередко применяют алгоритмы иерархической кластеризации, предложенные С. Джонсоном [8]. Результатом такой кластеризации является дендрограмма. Напомним, что матрица сходства (близости) легко превращается в матрицу расстояний. По Джонсону, у данной матрицы сходства существует единственное дерево иерархической кластеризации. Чтобы это выполнялось, для соответствующих расстояний он ввел ограничение, а именно ультраметрическое неравенство: dijmax [diz, dzj], требование более жестокое, чем неравенство треугольника: dijdiz + dzj. Для собранных субъективных мнений испытуемых нередко не выполняется даже и неравенство треугольника. Поэтому на практике появляется множество деревьев, которые можно построить для данной исходной матрицы сходства. Дж. Хартиган специально рассмотрел вопрос о представлении матрицы сходства с помощью деревьев. Он указал условия, когда существует единственная тачная структура дерева (в частности, выполнение ультраметрического неравенства оказывается достаточным условием), нашел меру для оценки расхождения дерева реальной матрицы с точной структурой и предложил пути нахождения оптимального, в смысле близости к точной структуре, дерева [9]. В то же время предложения Хартигана не снимают все неоднозначности, возникающие при работе с реальными матрицами близости.

Существует еще много алгоритмов кластеризации, отличающихся выбором ограничений на связи внутри кластера, каждый из них дает свое решение для данной матрицы близости. Такое решение получается однозначным, когда выполняются требования к отношениям между элементами матрицы сходства, специфичные для выбранного способа обработки.

Для матрицы близости, полученной путем сбора мнении людей, как правило, характерно невыполнение упомянутых требований, необходимых для однозначного разбиения на кластеры. При описании субъективных мнений более адекватен аппарат теории нечетких множеств [4], [5], [6], ибо он позволяет учесть возможную многозначность и нетранзитивность отношений, плавность перехода от принадлежности к непринадлежности элементов к тому или иному множеству [5].

В целях практической реализации возможной принадлежности элемента к нескольким кластерам А.Г. Шмелев [6, 76] в рамках своей задачи обратился к методу кластеризации кликами, который, не используя аппарата теории нечетких множеств, моделирует возможность пересечения кластеров. Число клик в иных случаях может даже превышать число элементов.

Для своей задачи мы посчитали необходимым выделить непересекающиеся классы эквивалентности (для заданного уровня), нечетким в нашем случае является само отношение сходства. Практически было использовано понятие нечеткого отношения, которое ввели для матриц близости С. Тамура и др. [11]. При конечном числе элементов, в соответствии с их определением, исходная матрица преобразуется следующим образом. В каждой из всех возможных цепочек, какими можно соединить (используя все остальные сравниваемые объекты)

 

121

 

Таблица 2

 

0,25

Все прилагательные объединены в один кластер

0,28

[49,70,26,45,15,28,43,9,44,42,67,1,36,27,41,18,40,8,58,4,23,51,57,6,5,53,17,3,30,12,13,

35,68,22,62,19,47,60,38,31,29,63,56,7,48,66,64,20,11,33,24,2,50,46,55,21,59,25,61,34, 52,10,14,54,65,16] [37,39,32,69]

0,32

[49,70,26,45,15,28,43,9,44,42,67,1,36,27,41,18,40,8,58,4,23,51,57,6,5,53,17,3,30,12,13,

35,68,22,6219,47,60,38,31,29,63,56,7,48,66,64,20,11,33,24,2,50,46] [55:21,59,25,61] [34,52] [37,39,32,69]

0,35

[49,70,26,45,15,28,43,9,44,42,67,1,36,27,41,18,40,8,58,4,23,51] [57,6,5,53,17,3,30,12,13,35,68,22,62,19,47,60,38,31,29,63,56,7,48,66,64,20,11,33,24] [55,21,59,25,61] [34,52] [37,39,32,62]

0,39

[49,70,26,45,15,28,43,9,44,42;67,1,36,27,41,18,40,8,58,4,23] [57,6,5,53,17,3,30,12,13,35,68,22,6219,47,60,38,31,29,63,56,7,48,66] [64,20] [55,21,59,25,61] [34,52] [37,39 32 69]

0,42

[49,70,26,45,15,28,43] [27,41,18,40,8,58,44,42,67,9,1,36] [23,4] [57,6,5,53,17,3,30,12] [62,19,47,60,13,35,68,22,38,31,29,63,56,7,48,66] [55,21,59,25,61] [34,52] [37,39,32,69]

0,46

[49,70,26,45,15,28,43] [27,27,41,18,40,8 44,42,67,9,1,36] [23,4] [57,6,5,53,17,3,30,12] [35,68,22,62,19,47,60] [38,31,29,63,56] [7,48,66] [55,21,59,25,61] [34,52] [37,39,32,69]

0,50

[49,70,26,45,15,28,43] [27,41,18] [44,42,67,9] [23,4] [57,6,5,53,17,3,30,12] [62,19] [38,31] [29,63,56] [7,48] [55,21,59,25] [34,52]

0,53

[49,70,26,45,15,28,43] [27,41,18] [44,42,67,9] [57,6,5,53,17,3,30] [62,19] [38,31] [29,63,56] [7,48] [55,21,59,25] [34,52]

0,57

[49,70,26,45,15,28,43] [27,41,18] [44,42,67,9] [57,6,5,53,17,3,30] [62,19] [38,31] [29,63,56] [55,21,59,25]

0,60

[49,70,26,45,15,28] [27,41,18] [44,42,67,9] [57,6,9] [53,17,3,30] [62,19] [38,31] [55,21,59]

0,64

[49,70,26,45] [27,41] [44,42,67] [57,6,5] [53,17,3,30] [62,19] [38,31] [55,21,59]

0,67

[49,70,26] [27,41] [44,42] [57,6,5] [53,17] [3,30] [62,19] [55,21,59]

0,71

[49,70,26] [57,6,5] [53,17] [3,30] [55,21,59]

0,75

[49,70,26] [57,6,5] [53,17] [3,30] [55,21]

0,78

[49,70,26] [57,6,5] [53,17]

0,82

[49,70] [57,6,5]

0,85

[49,70]

 

два объекта a и b, выбирается звено с минимальным значением близости. Из всех этих минимальных значений выбирается максимальное. Полученная величина и является нечетким отношением a и b.

С. Тамура и др. [11] показали, что определенное таким образом отношение есть отношение эквивалентности, которое, следовательно, позволяет провести разбиение объектов на клаcсы эквивалентности, внутри которых близость попарно всех объектов не ниже задаваемого для разбиения уровня.

Перебор всех путей, которыми можно соединить два объекта цепочками по 2, 3..., n звеньев, при больших n затруднителен. Дж. Данн предложил простой способ, резко сокращающий число сравнений и опирающийся на получение из исходных данных дерева максимальной длины, показав, что из него восстанавливается матрица нечетких отношений [7].

Изменяя после нормировки уровень, на котором рассматриваются классы эквивалентности, от 0 до 1, мы получаем все возможные для исходной матрицы данные разбиения. При отсутствии абсолютной синонимии на некотором уровне близости все прилагательные будут отличны друг от друга. При отсутствии нулевых связей все прилагательные могут объединиться (выбрав низкую степень близости) в один кластер. В табл. 2 приводятся все разбиения, полученные в нашем эксперименте. Квадратными скобками объединены номера прилагательных из табл. 1, вошедших в один класс эквивалентности. Номера прилагательных, которые не входят в кластер (т.е. образуют класс, состоящий из одного прилагательного), для простоты в табл. 2. опущены.

При составлении конкретного списка шкал выбирались прилагательные, имеющие в данном кластере наиболее высокую частоту связи друг с другом. Здесь следует исходить из того, что каждый класс эквивалентности объединяет группу прилагательных, представляющих определенный аспект «гибкости». При увеличении уровня близости выделяются слова, которые, на наш взгляд, наиболее специфично выражают этот аспект.

Для выделения из полученного ядра кластера одного прилагательного, включаемого в список шкал, следует учесть количество и частоту связей каждого из ядерных составляющих с другими прилагательными, образующими кластер.

Выбор уровня анализа определяется, с одной стороны, стремлением максимально полно и максимально дифференцированно представить в списке изучаемое качество, с другой— необходимым для исследователя количеством шкал.

В нашем исследовании уровень, соответствующий максимально полной и дифференцированной представленности качества «гибкость», когда было выделено 11 достаточно крупных кластеров, составил 0,46. В качестве ядерных центров, можно выделить следующие шкалы:

1. Юркий

2. Переменчивый

3. Пластичный

4.. Вариативный

5. Свободомыслящий

6. Творческий

7. Остроумный

8. Прогрессирующий

9. Ироничный

10. Непринужденный

11. Необычный

На более низком уровне эквивалентности соответственно имеется меньшее количество кластеров, которые менее дифференцированы, а на более высоком уровне кластеры малочисленны за счет выделения слов с невысокой связью с другими.

Полученные результаты содержат новые возможности построения экспресс-методик оценки личности, позволяющих более дифференцированно

 

122

 

анализировать личностные качества. Кроме того, настоящий способ повышения надежности методик путем устранения неравномерной синонимии составляющих тест шкал, может, как нам кажется, найти применение не только в работах, проводящихся с описанием или шкалированием объектов с помощью прилагательных какого-либо одного класса, но также и в случае необходимости анализа синонимии высказываний, предлагаемых или получаемых в тестах, а также в ряде других случаев.

Отметим, что в связи со спецификой объекта конкретного исследования может потребоваться корректировка списка в рамках шкал, составляющих ядро кластеров.

 

1. Зализняк А. А. Грамматический словарь русского языка.— М., 1977.

2. Кондратьева А. С., Шмелев А. Г. Семантическая структура межличностной оценки и самооценки у лиц с нормальным и повышенным давлением.— Психологический журнал. 1983. Т. 4.  № 2. С. 87—93.

3. Петренко В. Ф. Введение в экспериментальную психосемантику: Исследование форм репрезентации в обыденном сознании.— М., 1983.

4. Смирнов Л. М. О возможности использования теории нечетких множеств в дифференциальной психофизиологии.— В кн.: Дифференциальная психофизиология и ее генетические аспекты. М., 1975. С. 163—165.

5. Смирнов Л. М. Психологический анализ оценки эмоциональности человека: Автореф. канд. дис— М., 1980.— 24 с.

6. Шмелев А. Г. Введение в экспериментальную психосемантику: Теоретико-методологические основания и психодиагностические возможности.— М., 1983.

7. Dunn J. С. A graph theoretic analysis of pattern classification via Tamura fuzzy relation.— IEEE trans. on systems, man, and cybernetics, 1974. SMC—4. P. 310—312.

8. Johnson S. C. Hierarchical Clustering Schemes.— Psychometrica. 1967. V. 2. № 3. P. 241 — 255.

9. Hartigan J. A. Representation of similarity matrices by trees.— J. Amer. Statist. Assoc. 1967. V. 62. P. 1146—1158.

10. Osgood C, Suci G. Factor Analysis of Meaning — Semantic Differential Technique.— Chicago, 1969.

11. Tamura S., Hiquchi S., Tanaka K. Pattern classification based on fuzzy relation.— IEEE trans. on systems, man, and cybernetics, 1971. SMC—1. № 1. P. 61—67.

 

Поступила в редакцию 18.Х 1983 г.