Психометрія: як вимірюють психіку — надійність, валідність, норми

Психометрія відповідає на питання, яке легко поставити і важко закрити: як перетворити тривогу, мотивацію чи інтелект на число, якому можна довіряти. Психолог щодня має справу з балами — за опитувальником, за скринінговою шкалою, за тестом здібностей. Психометрія пояснює, звідки ці бали беруться, наскільки вони точні і що з ними взагалі дозволено робити. Без неї будь-яка методика лишається набором питань під красивою назвою.

Що таке психометрія і навіщо вона психологу

Психометрія (англ. psychometrics; в українських текстах трапляється й форма «психометрика») — це галузь психології, що займається кількісним вимірюванням психічних властивостей, поведінки й результативності, а також розробкою, аналізом та вдосконаленням інструментів такого вимірювання: тестів, опитувальників, шкал. Саме так її визначає словник Американської психологічної асоціації, і в цьому визначенні важливі обидві половини — і теорія вимірювання, і щоденна робота з конкретними методиками.

Її легко сплутати з психодіагностикою, хоча питання в них різні. Психодіагностика запитує: що відбувається з цією людиною і яку методику обрати під її запит. Психометрія запитує інше: чи взагалі цей інструмент вимірює те, що обіцяє, і наскільки стабільно він це робить. Перша працює з випадком, друга — з інструментом. Практик, який не володіє другою, змушений вірити інструментам на слово.

Користь тут цілком прикладна. Психометрія дає мову, якою можна пояснити, чому бал 14 за скринінговою шкалою — це не «чотирнадцять одиниць депресії», а позиція відносно нормативної групи, до того ж із певною похибкою. Вона ж пояснює, чому дві методики з майже однаковою назвою дають різні результати і чому сирий бал без норм не означає нічого.

Як з'явилася наука про психологічне вимірювання

Відлік зазвичай ведуть від антропометричної лабораторії, яку Френсіс Гальтон відкрив у Лондоні 1884 року: відвідувачі за невелику плату проходили серію замірів — зріст, сила стиску, гострота зору, швидкість реакції. Гальтона цікавили саме індивідуальні відмінності, і з цієї роботи згодом виросли ідеї кореляції та регресії до середнього.

Сам вислів «розумовий тест» увів у обіг американець Джеймс Маккін Кеттелл у статті 1890 року в журналі Mind. Його батарея так само спиралася на сенсорні й моторні показники — і саме тому виявилася безплідною: перевірки початку XX століття показали, що швидкість реакції майже не пов'язана з навчальними успіхами.

Прорив зробили двоє. Чарльз Спірмен у роботі 1904 року показав, що різні інтелектуальні завдання позитивно корелюють між собою, і запропонував пояснити цю закономірність спільним чинником — тим самим фактором g. Заразом він описав спосіб урахувати похибку вимірювання, без якого будь-які кореляції систематично занижуються. А Альфред Біне і Теодор Сімон 1905 року побудували першу практичну шкалу інтелекту — із завданнями, упорядкованими за складністю, і з поняттям розумового віку.

Далі схема закріпилася: Вільям Штерн запропонував ділити розумовий вік на хронологічний, Льюїс Терман — множити частку на сто, і так з'явився коефіцієнт інтелекту. Дисципліна оформилася 1935 року разом із заснуванням Психометричного товариства, а з наступного року почав виходити фаховий журнал Psychometrika.

Класична теорія тестів: істинний бал і похибка

Наріжна ідея класичної теорії тестів настільки проста, що вміщується в один рядок: спостережуваний бал складається з істинного бала і випадкової похибки. Істинний бал — це не «правда про людину», а середнє, яке ми отримали б, якби могли провести нескінченно багато незалежних вимірювань того самого. Похибка — усе, що додали втома, настрій, шум за вікном, випадково вгадана відповідь.

Із цієї формули випливає надійність: частка розкиду балів, яку дає справжня відмінність між людьми, а не похибка. Оцінюють її по-різному — повторним тестуванням через певний час, паралельними формами, узгодженістю пунктів усередині шкали, збігом оцінок різних експертів. Кожен спосіб ловить свій вид похибки, тому фраза «надійність тесту» без уточнення, яка саме, не означає нічого.

Практично важливіша похідна — стандартна похибка вимірювання. Вона перетворює бал на діапазон: якщо різниця між двома результатами менша за похибку, обговорювати цю різницю немає підстав. Уявімо психологиню, яка порівнює два заміри тривоги в клієнта з інтервалом у місяць: 18 і 21 бал. Без похибки вимірювання це «погіршення», з нею — найімовірніше, той самий рівень.

Три опори якісної методики

Щоб методику можна було застосовувати, вона має витримати три перевірки, і жодна з них не заміняє двох інших.

Надійність відповідає за відтворюваність. Найпопулярнішу її оцінку — коефіцієнт альфа, запропонований Лі Кронбахом 1951 року, — використовують здебільшого неправильно. Нідерландський психометрист Клас Сейтсма показав, що альфа є лише нижньою межею надійності, нічого не говорить ні про внутрішню узгодженість, ні про одновимірність шкали, а звичний поріг 0,70 не має статусу закону. Сучасні методисти радять наводити поряд з альфою коефіцієнт омега.

Валідність відповідає за суть: чи вимірює методика саме те, що заявлено в її назві. Тест може бути бездоганно надійним і при цьому стабільно вимірювати не те. У сучасному розумінні, закріпленому в міжнародних стандартах тестування, валідність — властивість не самого тесту, а того висновку, який на його підставі роблять; тому її не «мають» раз і назавжди, а обґрунтовують під кожне застосування.

Норми відповідають за зіставність. Бал набуває сенсу лише у порівнянні з результатами групи, на якій методику стандартизували, тому у звітах пишуть не сирий бал, а стандартну оцінку — процентиль, Т-бал, стен. Норми до того ж старіють: популяція змінюється, і методики доводиться періодично перестандартизувати.

Теорія відповіді на завдання і адаптивне тестування

У класичної теорії є вразливе місце: усі її показники прив'язані до конкретної вибірки й конкретного набору пунктів. Той самий пункт у сильній і слабкій групі виглядає по-різному, а бал за одну версію тесту не переводиться напряму в бал за іншу.

Теорія відповіді на завдання розв'язує цю проблему інакше. Вона моделює ймовірність тієї чи іншої відповіді на окремий пункт як функцію від латентної властивості людини і від параметрів самого пункту — складності, розрізнювальної здатності, ймовірності вгадування. Найощадливіша з таких моделей, модель Раша, спирається на єдиний параметр складності. Виграш у тому, що людина і завдання опиняються на спільній шкалі, тож оцінку властивості можна отримати з різних наборів пунктів і потім порівнювати.

Звідси виростає комп'ютерне адаптивне тестування: програма добирає наступне завдання під поточну оцінку, бо надто легкі й надто складні пункти майже не додають інформації. Однакова точність досягається помітно меншою кількістю завдань, а сама процедура стає коротшою і менш виснажливою.

Факторний аналіз: звідки беруться шкали

Питання «скільки шкал насправді містить опитувальник» вирішує не автор, а дані. Факторний аналіз шукає невелику кількість прихованих вимірів, які пояснюють, чому певні групи пунктів відповідаються разом.

Історія напряму почалася зі Спірмена і його спільного чинника, продовжилася роботами Луїса Терстоуна про кілька первинних розумових здібностей, а до звичного нам вигляду особистісних опитувальників її довів Реймонд Кеттелл, який вивів шістнадцять факторів. Пізніші дослідження на матеріалі мови звели картину до п'яти широких вимірів — моделі, на якій сьогодні тримається більшість сучасних методик оцінювання особистості.

Розрізняють два режими роботи. Розвідувальний аналіз запитує, яка структура тут узагалі проглядається. Підтверджувальний перевіряє заздалегідь сформульовану гіпотезу про структуру — і потрібен він саме тоді, коли методику переносять у нову популяцію.

Адаптація методики іншою мовою

Найпоширеніша хиба — вважати, що адаптація тесту дорівнює його перекладу. Міжнародна тестова комісія, яка видає керівні принципи перекладу та адаптації методик, описує цю роботу як окреме дослідження: подвійний переклад зі зворотним звірянням, експертна оцінка культурної доречності кожного пункту, збір даних на місцевій вибірці, перевірка факторної структури та еквівалентності вимірювання, побудова власних норм.

Уявімо команду, що адаптує опитувальник вигорання. Пункт про регулярні понаднормові години в одній країні описує звичайну робочу норму, в іншій — рідкісний виняток; після дослівного перекладу він працює вже на іншій ділянці шкали. Поки це не перевірено, зіставляти результати з оригінальними нормами не можна.

Практичний висновок для психолога простий: перш ніж брати методику в роботу, варто з'ясувати, чи має вона україномовну адаптацію з опублікованими даними — чи це лише перекладений файл, що ходить професійними спільнотами.

Типові помилки психометрії на практиці

Найгучніша сучасна претензія до психології стосується саме вимірювання. Дженніфер Флейк і Ейко Фрід описали набір сумнівних вимірювальних практик: застосувати шкалу, не повідомивши жодних її психометричних характеристик; тихо викинути частину пунктів або переробити варіанти відповіді; зібрати перелік питань «під це дослідження» і назвати його шкалою. Кожна з них робить результат неперевірним.

У повсякденній практиці помилки виглядають скромніше, але коштують не менше:

• Бал без норм. «Клієнт набрав 24» — нульова інформація, поки невідомо, з ким ми порівнюємо.
• Альфа замість валідності. Висока узгодженість пунктів не свідчить, що шкала вимірює заявлений конструкт.
• Скринінг замість діагнозу. Опитувальник відсіює тих, кого варто розпитати уважніше, а діагноз лишається роллю клінічного інтерв'ю.
• Тест без доказів. Популярні кольорові й «типологічні» методики не мають опублікованих даних про надійність і валідність, а переконливими здаються тому, що описують будь-кого.

Тому й обирати варто інструменти з відкритою психометричною історією: у нашому каталозі психологічних тестів для кожної методики вказано, на чому вона побудована і що її результат означає, а що ні. Професійні стандарти тестування додають до цього вимогу компетентності: методику застосовує той, хто розуміє її обмеження і вміє коректно пояснити результат людині.

Міфи і факти про психометрію

Насправді	Поширений міф
Надійність і валідність — різні речі: тест може стабільно вимірювати не те	Стабільний результат означає, що тест вимірює правильно
Бал набуває сенсу лише в порівнянні з нормативною групою	Сирий бал сам собою показує рівень властивості
Альфа — нижня межа надійності, а не доказ одновимірності шкали	Альфа понад 0,70 доводить, що шкала якісна
Адаптація — окреме дослідження з власними нормами	Достатньо акуратно перекласти тест українською
Психометрія займається теорією і технікою вимірювання	Психометрія — це «зчитування» інформації з предметів руками

Джерела

• APA Dictionary of Psychology: psychometrics (визначення психометрії; там же — окреме значення слова psychometry в парапсихології, яке не має підтверджень).
• Spearman C. "General Intelligence," Objectively Determined and Measured. American Journal of Psychology, 1904, 15, 201-293. Першоджерело
• Sijtsma K. On the Use, the Misuse, and the Very Limited Usefulness of Cronbach's Alpha. Psychometrika, 2009. DOI: 10.1007/s11336-008-9101-0 · PMID: 20037639 · Повний текст
• Watson D. Personality Assessment. Noba Project (огляд типів методик оцінювання особистості та їхньої валідності). Відкритий підручник
• Cattell J. M. Mental Tests and Measurements. Mind, 1890, os-XV(59):373-381. DOI: 10.1093/mind/os-XV.59.373
• Cronbach L. J. Coefficient Alpha and the Internal Structure of Tests. Psychometrika, 1951, 16:297-334. DOI: 10.1007/BF02310555
• Borsboom D., Mellenbergh G. J., van Heerden J. The Concept of Validity. Psychological Review, 2004, 111(4):1061-1071. DOI: 10.1037/0033-295X.111.4.1061 · PMID: 15482073
• Flake J. K., Fried E. I. Measurement Schmeasurement: Questionable Measurement Practices and How to Avoid Them. Advances in Methods and Practices in Psychological Science, 2020, 3(4):456-465. DOI: 10.1177/2515245920952393
• American Educational Research Association, American Psychological Association, National Council on Measurement in Education. Standards for Educational and Psychological Testing. Washington, 2014.
• International Test Commission. ITC Guidelines for Translating and Adapting Tests (2nd ed.), 2017.