?
Психометрическое моделирование: систематическая критика базовых допущений и некоторые альтернативы
В связи с популярностью психометрики, в которой вероятностное моделирование занимает лидирующие позиции, представляется полезным представить критический взгляд на эти методы, который, к сожалению, не обсуждается широко, особенно в русскоязычной литературе. Эта работа – систематический обзор растущей в последние годы критики в адрес нескольких допущений психометрического моделирования: 1) существуют ненаблюдаемые личностные черты и способности, которые влияют на выполнение заданий теста; 2) черты имеют стохастическую природу и, как следствие, для их изучения необходимы вероятностные модели; 3) данные, собранные на агрегированном уровне, аккуратно репрезентируют индивидуальные характеристики; 4) как и в естественных науках, модели в психометрии помогают раскрыть психологическую реальность, которая не поддается прямому наблюдению; 5) если проверка согласия эмпирических данных с моделью дает положительный результат, то модель правильно описывает реальность. Эти предположения критикуются на основании кругового характера определений самих признаков; логических ошибок, встроенных в сами допущения; методологического смешения вариативности и случайности поведения; отсутствия причинно-следственной связи между межиндивидуальной вариативностью ответов и индивидуальными ответами; поверхностных аналогий с моделями в естественных науках, к которым относится психометрика, а также подмены научных задач инструментальными и прагматическими. Мы приходим к выводу, что моделирование в психометрике контрпродуктивно, если используется как метод исследования психологической реальности, стоящей за тестом. Обсуждаются некоторые альтернативные практики количественных исследований, например, проверка существования вариации на уровне индивида и экспериментальный поиск ее объяснения. Существуют и другие возможные альтернативы, например, сетевой подход к психологическим явлениям, фасетная теория или моделирование, ориентированное на наблюдение. Хотя подобные исследования гораздо сложнее реализовать, чем стандартные тесты «соответствия данных модели», вероятно, именно они могут обеспечить рост психологических знаний.