Особенности проведения многоуровневого психологического эксперимента

Частичная проверка какой-либо гипотезы исключает противоположную гипотезу, но не роль других переменных, которые могут играть дополнительную роль. Так, в теории научения одни авторы смогли проверить значение ассоциаций, возникающих между различными сигналами какой-нибудь ситуации, и создали основу гипотез, обозначаемых S — S. Другие исследователи доказали важность связей, устанавливающихся между сигналами ситуации и ответом посредством так называемого процесса подкрепления. Эти гипотезы, обозначаемые S — R, конечно, не исключают первых. Процессы научения включают, по нашему мнению, эти сложные аспекты, причем главную роль играют то одна, то другая система в зависимости от ситуаций.

Часто именно благодаря сопоставлению  гипотез и попыткам синтеза их наука достигает своих самых  замечательных успехов. Об этом свидетельствует  как физическая, так и психологическая  теории.

1.3.Независимая и зависимая переменная.

Экспериментирование имеет  своей целью проверить существование какой-либо связи между двумя рядами фактов. Основной принцип остается всегда одним и тем же. Изменение данного, и наблюдение за тем, как сказывается это изменение на поведении.(1. Стр 13,42)

Фактор, изменяемый экспериментатором, называется независимой переменной; фактор, изменение которого вызывает независимая переменная, называется зависимой переменной. Мы будем постоянно пользоваться этой терминологией.

Глава 2. Особенности  проведения многоуровневого психологического эксперимента.

2.1. Планирование эксперимента.

Варьировать одну и только одну переменную не всегда возможно, и мы уже несколько  раз сталкивались с этой трудностью. Добавим теперь, что этот тип эксперимента не является идеальным, потому что, как  правило, наше поведение определяется различными переменными, действующими одновременно. Это соображение в  соединении с возможностями, открываемыми дисперсионным анализом, привело  психологов (после агрономов и  биологов) к применению все более  и более сложных планов эксперимента. Действительно, всякий эксперимент  организуется согласно какому-то плану, который является не чем иным, как  логической схемой, определяющей характер и порядок различных фаз эксперимента. (1. Стр 29,57)

Самый простой план сводится к сравнению  результатов, соответствующих двум степеням независимой переменной. Эти  две степени могут соответствовать  какому-то количественному (например, две длительности или две интенсивности) или качественному (время реакции  на звук или на свет) различию. Крайним  случаем качественного различия является отсутствие или наличие  этой переменной. Для каждой степени  переменной получаем популяцию измерений  на одном или нескольких испытуемых. Сравнение осуществляется посредством  статистического критерия (t Стьюдента  или c ²), позволяющего сказать, разрешают ли результаты, полученные в той или иной ситуации, отбросить нулевую гипотезу, то есть рассматривать две популяции измерений как не принадлежащие к одной гомогенной совокупности. В этом случае различие результатов двух популяций измерений объясняется при данном пороге вероятности различием степеней независимой переменной. Когда имеется больше двух степеней независимой переменной, попарное сравнение групп результатов значительно длиннее и может привести к ошибкам.

Очевидно, в функциональных экспериментах, где изменения независимой переменной носят количественный характер, почти  не возникает трудностей. Крайне важно  знать ход изменения зависимой  переменной, если хотите, закон ее изменения.      

      Так обстоит дело, например, с кривой заучивания или кривой забывания. Иное дело, однако, в факторных экспериментах, когда различия степеней независимой переменной носят качественный характер, что является очень частым случаем. В таком случае нужно определить соответствующую роль каждой из них. Дисперсионный анализ, которым мы обязаны Фишеру (1925), позволяет во всех случаях, когда мы имеем несколько популяций измерений одной и той же независимой переменной, соответствующих различным условиям, определить значимую роль той или иной из них. Его принцип прост и аналогичен принципу t Стьюдента. Вначале рассматривают все популяции измерений как принадлежащие к одной и той же совокупности, то есть принимают нулевую гипотезу. Затем вычисляют общую дисперсию совокупности, которая является не чем иным, как суммой дисперсий различных популяций измерений, как это можно доказать. Сравнивают две оценки дисперсий измерений. Одна вычисляется без учета возможных различий между средними выборок измерений, полученных для различных значений независимой переменной. Другая, кроме вариаций, влияющих на первую оценку (“ошибку”), учитывает эти различия средних. Эти две оценки должны быть равными (их отношение или отношение F Снедекора принимает в таком случае значение 1.00), если различия средних нулевые, то есть если эта независимая переменная не влияет на данный феномен. Фактически же можно требовать только, чтобы отношение F не было значительно выше 1.00, и таблица Снедекора позволяет узнать, так ли это. Наконец, дисперсионный анализ позволяет сказать, оказывает ли независимая переменная особое влияние, не измеряя непосредственно это влияние. Он соответствует, следовательно, методу обнаружения влиятельных переменных.  Дисперсионный анализ открыл новые перспективы перед экспериментированием в науках, основанных на предположениях. До сих пор трудно было планировать эксперименты, предполагающие более одной независимой переменной. Как мы видели, в таком случае проблема состояла в том, чтобы нейтрализовать действие второй переменной, как правило, переменной порядка, чтобы избежать эпизодических влияний ситуаций, вызывающих либо облегчение, либо усложнение задачи, короче — искажающих результаты. Еще один шаг вперед был сделан, когда для проверки действия независимой переменной стали применять различные, но равноценные группы испытуемых, причем одни из них подвергались воздействию этой переменной, а другие — нет. Почему же в таком случае не измерить одновременно действие нескольких независимых переменных, если обеспечена равноценность групп? Именно таким образом Фишер разработал метод планирования эксперимента сначала применительно к агробиологии. В этой дисциплине плодотворное экспериментирование должно учитывать одновременно по крайней мере почву, удобрения и семена. Дорого и часто безуспешно было бы варьировать только одну из этих переменных. Планирование эксперимента было введено в психологию около 1940 года и сейчас составляет часть ее обычной методологии.

2.2. Обработка и обобщение результатов.

Самым захватывающим этапом экспериментирования  является, бесспорно, тот, когда сырые  данные посредством применения ряда приемов, в которых большую роль играет воображение и научная  культура экспериментатора, превращаются в значимые результаты. Эта фаза экспериментирования включает в  себя три основных момента: обработку  результатов, их объяснение и обобщение.

2.2.1.Обработка результатов.

Учитывая многочисленность и иногда разрозненность данных, первая задача экспериментатора состоит в установлении порядка, то есть в классификации  полученных результатов и такой  их группировке, которая позволила  бы экспериментатору охватить их единым взглядом. Эта классификация должна быть, очевидно, проведена исходя из независимых переменных, но не следует  забывать, что таких классификаций  может быть несколько. Для того чтобы  выявить значение полученных результатов, нужно усилить их освещение.(5 стр 246)

Три основных способа позволяют  осуществить эту группировку  полученных данных.

А) Таблицы. Их применение общеизвестно. Для того чтобы быть полезными, они должны быть ясными. Результаты могут быть сгруппированы в них в виде сырых значений или в виде таблиц частот или процентов. В каждом случае нужно найти самую репрезентативную и наиболее показательную классификацию.

Б) Графики. Мы не будем останавливаться на этой процедуре, популяризированной всей современной техникой. Нужно, однако, подчеркнуть, что графики имеют то достоинство, что устанавливают зависимость между двумя или несколькими переменными и, превращая цифры в линии или блоки, лучше позволяют глобально охватить множество результатов, чем таблицы, часто перегруженные слишком полной информацией. Однако этот способ имеет одно неудобство. Если он символизирует большое число результатов, то это изображение связано с принятым масштабом. Различие в 1 мм при масштабе один сантиметр к метру проходит незамеченным. Оно становится символически значительным, если (посредством, как правило, первоначального изменения) масштаб становится один сантиметр к миллиметру.(3 стр 298)

С другой стороны, масштабы не должны быть обязательно арифметическими. Многие явления (в психофизике в  свете теории информации) оказываются  более простыми, если принять логарифмический масштаб значений независимой переменной. Экспериментатор, производящий это преобразование, руководствуется при этом общим принципом всякой научной методологии: стремлением к упрощению отношении между переменными и, в том случае, если оно не достигается немедленно, его постулируют и группируют результаты с этой целью. Чаще всего этот принцип весьма плодотворен.

В) Статистическая обработка. Она часто связана с предыдущими процедурами. Группировка количественных результатов чаще всего состоит в поисках основных параметров их распределения, являющихся, как правило, показателем центральной тенденции и показателем дисперсий значений вокруг этой центральной тенденции. Если распределение значений почти нормальное, то речь идет о среднем и стандартном отклонении; если оно неравномерное,— о медиане и полуинтерквартильном отклонении. Если распределение особое, лучше ограничиться графиком.

Может быть, следует подчеркнуть, что  распределение, не имеющее формы  кривой Лапласа — Гаусса, не менее  верно, или, лучше сказать, не менее  типично для явления, чем нормальное распределение. Не все совокупности измерений следуют биноминальному закону. Однако, если распределение  близко к нормальному. закономерно  спросить себя, не являются ли констатируемые неправильности, асимметрии результатом  какого-либо недостатка процедуры (недостаточного числа измерений, недостаточного диапазона  значений независимой переменной).

Группировка результатов является лишь первым этапом. За ней должна следовать  статистическая обработка результатов.

а) В функциональных экспериментах  Э. за графическим изображением должен искать теоретический закон y=f(x), который мог бы связать независимую и зависимую переменные, при этом он иногда может пользоваться статистическими критериями, позволяющими сказать, соответствуют ли эмпирические результаты вероятному теоретическому закону или нет.

б) В факторных экспериментах, предназначенных  для выяснения влияния одного или нескольких факторов, основной принцип статистической обработки  состоит в том, чтобы установить, можно ли принять нулевую гипотезу или, напротив, следует ее отбросить. Отказ от нее означает, что различные  группы результатов не могут принадлежать (при данном пороге вероятности) одной  и той же совокупности. t Стьюдента, c ², F Снедекора, дисперсионный анализ имеют при различных степенях сложности одинаковое значение. Непараметрический  анализ позволяет ныне трактовать распределения, не являющиеся нормальными.(1. стр 251)

С другой стороны, недостаточно используемый анализ ковариации позволяет решить, являются ли значимыми различия между  индивидами или группами, даже если уровень их первоначальных результатов  различен.

Эти виды анализа имеют целью  выявить возможное влияние какой-нибудь независимой переменной. Но существуют и другие способы обработки, цель которых — установить наличие  и интенсивность связи между  двумя зависимыми переменными. В  этом случае применяется метод корреляций. Некоторые считают, что корреляции полезны только в прикладной психологии. Это пагубное заблуждение. Простая  корреляция устанавливает связь  между двумя переменными (интеллектуальный уровень отцов и детей, например); сложная корреляция позволяет выразить зависимость двух переменных, оставляя постоянной третью.

Все возможности, открываемые методом  корреляций, не используются еще в  равной мере. Из трех методов, которые  различают в настоящее время, корреляции R, или корреляции между результатами, достигнутыми в различных испытаниях одной и той же группой индивидов, наиболее употребительны. Метод Q,, устанавливающий корреляцию между двумя сериями измерений, произведенных на двух индивидах или двух группах индивидов, находит слишком малое применение. Между тем он позволяет сравнивать структуру психологических профилей, что является полезным путем подхода к личности. Наконец, метод Р также открывает путь к исследованию структуры личности. Он состоит в определении корреляции между двумя типами ответов одного и того же испытуемого в разное время. Он является путем к изучению pattern реакций.

Если Э. имеет перед собой  какую-нибудь матрицу корреляций, он может, следуя Спирмену и Тёрстону, спросить себя, не может ли совокупность интеркорреляций объясняться действием  только нескольких факторов. Другими  словами, посредством факторного анализа  он ищет совокупность более простых  определителей, чем множество независимых  переменных, характеризующих каждое испытание.

Как и метод корреляций, завершением  которого он является, факторный анализ позволяет формулировать или  проверять гипотезы. Следует, однако, признать, что для психолога факторный  анализ в различных его формах (одно- или мультифакторных) может  дать лишь довольно грубую приблизительную  оценку действия психологических переменных, поскольку он постулирует аддитивную структуру их действия, а не иерархические  отношения, которые устанавливают  все другие способы подхода к  психологическим переменным. Но наука  часто идет вперед, пользуясь полуадекватными  методами, при условии, что ученые сознают относительность их разработки.

2. 2.2 Объяснения

Обработка полученных результатов  лишь констатирует факты. Для того чтобы  идти вперед, наука должна дать им объяснение. Факторный анализ является, в сущности, попыткой превзойти простую констатацию. Он постулирует возможное действие сущностей, которые остаются математическими, но могут, по-видимому, получить другой статут при условии физиологических  или психологических сопоставлений.

Дать объяснение — это значит в каждом конкретном случае определить, не является ли установленный тип  отношений частным случаем известного и уже более или менее проверенного более общего закона.

Разумеется, виды объяснения могут  быть весьма различными. Можно дать объяснение на уровне физиологических  механизмов или на уровне переменных ситуации; можно определить, объясняется  ли ряд результатов действием  промежуточных переменных, существование  которых постулируется (таким характером обладают факторы) и статут которых  изменяется в зависимости от их объяснительной ценности и соответствия другим промежуточным  переменным. В самом деле, было бы ошибочным считать, что данному  результату соответствует лишь один какой-то способ объяснения. Во всех случаях  для каждого явления можно  пользоваться различными “решетками для чтения шифра”. Для всякого, кто ищет объяснения, основная ошибка будет состоять в том, чтобы принять  какую-нибудь частную причину за главную причину. Это верно уже применительно к одному-единственному плану объяснения, а fortiori, это верно, если допускаются различные планы объяснения какого-нибудь явления. Чтобы не ограничиваться общими рассуждениями, приведем в качестве примера возникновение эмоциональной реакции агрессивности в результате торможения какой-нибудь потребности. Эта реакция может объясняться: