Альтернативы вероятностному психологическому измерению

Философская рамка

Психологическое измерение в своей основе сталкивается с фундаментальным вопросом о том, обладают ли психологические признаки количественной структурой, поддающейся числовому представлению. Это не просто технический вопрос; он затрагивает саму природу психологической реальности. Преобладающая вероятностная психометрика, опирающаяся на латентные переменные и статистический вывод, подразумевает такую количественную структуру, часто без строгого эмпирического обоснования. В этой лекции будут рассмотрены традиции, которые ставят под сомнение это предположение, стремясь понять психологические явления через призмы, не предполагающие соизмеримость со стандартными числовыми шкалами, опираясь на философскую критику самого измерения.

Введение

Ландшафт психологического измерения долгое время доминировали вероятностные подходы, главным образом основанные на классической теории тестов (CTT) и теории отклика на задание (IRT). Эти рамки концептуализируют психологические признаки как латентные переменные, измеряемые с некоторой степенью ошибки, и сильно зависят от статистического вывода для количественной оценки этих конструктов [McNeish et al., 2020]. Однако этот вероятностный парадигмат подвергался постоянной, фундаментальной критике, ставящей под сомнение его основы и пригодность для отражения сложности психологических феноменов.

Одной из самых сильных критик является предположение, что психологические признаки по своей природе количественны. Michell утверждает, что психометрика часто присваивает числовые значения признакам «не задумываясь, могут ли эти признаки поддерживать операции, представленные в эмпирической числовой системе отношений, которая навязывается» [Barrett, 2003, с. 75]. Этот «императив измерения», вытекающий из пифагорейской философии, которая отождествляет науку с количественным измерением, привел к «патологии науки», когда числовые манипуляции предшествуют эмпирической проверке количественной структуры [Barrett, 2003]. Цель этой лекции — обзор интеллектуальных альтернатив, возникших из такой критики, исследование рамок, которые стремятся измерять психологические явления без опоры на теорию вероятностей или, по крайней мере, без её фундаментальных предпосылок.

Критика и ограничения

Одним из существенных ограничений современных психометрических практик, особенно тех, что основаны на суммарных баллах, является скрытое предположение о количественной структуре, которая может не существовать эмпирически для многих психологических признаков. Как убедительно утверждают Michell и Barrett, психометрика часто присваивает числа без предварительной проверки, может ли базовый признак поддерживать операции, подразумеваемые этими числами. Если психологический конструкт, например «тревожность», не обладает истинными интервалами или отношениями шкалы, то обращение с суммарными баллами как с таковыми для статистического анализа (например, вычисление средних, стандартных отклонений или использование параметрических тестов) может привести к вводящим в заблуждение выводам о величине и различиях между индивидами. Без этой фундаментальной эмпирической проверки любой последующий статистический вывод, каким бы сложным он ни был, основывается на потенциально ошибочных предпосылках, что затрудняет интерпретацию того, что числа действительно представляют, кроме как простого порядкового ранжирования.

Другой критической слабостью являются часто не исследуемые предположения, заложенные в статистических моделях, которые могут серьезно подорвать обобщаемость и воспроизводимость результатов. Greenland et al. подчеркивают, что «каждый метод статистического вывода зависит от сложной сети предположений», многие из которых «на практике являются нереалистичными или, в лучшем случае, необоснованными». Например, предположение случайной выборки или независимости, критически важное для многих вероятностных моделей, часто нарушается в психологических исследованиях, особенно при использовании выборок удобства. Если эти фундаментальные предположения не выполняются, статистические тесты и доверительные интервалы, основанные на них, становятся ненадежными, что приводит к завышенным ошибкам первого рода или неточным оценкам величины эффекта. Это означает, что даже если исследование сообщает о статистически значимых результатах, эти выводы могут не обобщаться на другие популяции или контексты, а попытки их воспроизведения могут потерпеть неудачу не из-за отсутствия истинного эффекта, а из-за недействительности предположений статистической модели в новом контексте.

Наконец, широкое использование традиционных вероятностных моделей часто игнорирует динамическую, контекстуальную и возникающую природу многих психологических явлений. Jana Uher критикует применение вероятностей склонности к отдельным лицам, утверждая, что «эмпирические частоты индивида не могут сходиться (то есть стабилизироваться) в долгосрочной перспективе, как это может быть верно для физических систем». Психологические признаки, такие как личность, предполагается, развиваются и изменяются на протяжении жизни, что означает, что вероятности сами по себе не являются статичными. Эта преходящесть и зависимость от контекста ставят под сомнение модели, которые стремятся измерять фиксированные, латентные черты. Если психологические состояния лучше понимать как возникающие свойства сложных взаимодействующих систем, как предполагают сетевые подходы [Borsboom et al., 2021], то статические вероятностные модели, рассматривающие признаки как стабильные, независимые сущности, неизбежно искажают феномен. Сложность решения этой проблемы заключается в разработке математических рамок, способных адекватно отражать такую внутреннюю динамичность и чувствительность к контексту без ущерба для строгости, необходимой для научного исследования.