Типовые статистические алгоритмы вынесения заключения о профессиональной пригодности по результатам психологического и психофизиологического обследования

При решении прикладных задач прогнозирования профессио­нальной пригодности специалистов для получения приемлемого по степени точности прогноза успешности профессиональной де­ятельности часто бывает недостаточно использования только од­ного теста. Повышение точности прогноза достигается путем ис­пользования набора разнообразных тестов, каждый из которых в отдельности связан с успешностью деятельности, т. е. обладает определенной прогностической валидностью. Для решения конк­ретной задачи не имеет смысла увеличивать количество тестов, направленных на оценку одного и того же свойства из перечня профессионально важных качеств. Тестовые результаты в этом случае высоко коррелируют между собой, и точность прогноза практически не возрастает. Точность прогноза возрастает в том случае, если тесты оценивают различные свойства индивида, вли­яющие на результаты его деятельности.

Интегральная оценка по результатам тестирования должна учитывать степень связи тестовых показателей с успешностью деятельности и выраженность корреляции тестов между собой. Практически это достигается введением весовых коэффициентов для каждого тестового показателя, рассчитываемых таким обра­зом, чтобы суммарная оценка была наиболее тесно связана с вне­шним критерием, т. е. наиболее точно предсказывала профессио­нальную успешность.

Математический аппарат, наиболее часто используемый для этой цели, — множественный регрессионный анализ.

Параметры уравнения множественной линейной регрессии рассчитываются по формуле (8.32):

  (8.32)

где у^а — значения прогнозируемой оценки профессиональной ус­пешности; х, хТ...xmf — значения тестовых показателей; bv bv...bm — коэффициенты уравнения регрессии; а — смещение (свободный член уравнения регрессии).

Решение уравнения состоит в определении его параметров, для чего необходимо предварительно рассчитать следующие ста­тистические характеристики:

 средние арифметические значения психодиагностических показателей у, х\, х²,... Зся;

 средние квадратические отклонения ст, а^л, а^х2,... <У^хт;

 коэффициенты корреляций всех переменных между собой

Параметры уравнения прогноза рассчитываются путем реше­ния системы т уравнений с т неизвестными:

(8.33)

Коэффициенты р чаще являются значениями регрессии для тех случаев, когда тестовые оценки внешнего критерия выра­жены в одной стандартной шкале. Если используются разные шкалы оценок, то P-коэффициенты следует преобразовать по формулам (8.34):

  (8.34)

Свободный член уравнения регрессии рассчитывается по фор­муле (8.35)

(8.35)

Статистические характеристики качества уравнения множе­ственной линейной регрессии рассчитываются по формулам (8.36)- (8.38):

-  коэффициент множественной детерминации (D)

 (8.36)

- коэффициент множественной корреляции (R)

(8.37)

- стандартная ошибка уравнения прогноза (с л), опреде­ляющая среднее квадратическое отклонение истинных зна­чений^ от значений прогнозируемой оценки, вычисленных по уравнению регрессии:

(8.38)

Величина стандартной ошибки уравнения прогноза указыва­ет максимальное отклонение вычисленного значения от истинно­го значения прогнозируемой оценки у 68,3% (+- а) испытуемых. Значимость коэффициента множественной корреляции оценива­ется по критерию Фишера. При этом число степеней свободы зави­сит от количества наблюдений (л) и количества показателей (т).

Следует сказать, что приведенный алгоритм расчета парамет­ров уравнения множественной регрессии заложен в большинстве современных компьютерных статистических программ. От пользо­вателя таких программ требуется лишь понимание того, что он хочет получить от компьютера, и корректный ввод данных.

Другой, наиболее часто используемый в настоящее время в процедурах ППО методический подход, получил название нор­мативного. Его иллюстрацией в самом общем виде может слу­жить метод многомерного шкалирования. Для каждого вида дея­тельности разрабатываются профессиографические характеристи­ки с перечнем наиболее необходимых ПВК. Устанавливаются «ми­нимальные пороги», достаточные для достижения заданной норма­тивами успешности деятельности. Реальные психофизиологическиехарактеристики обследуемого кандидата сравниваются с задан­ными. В зависимости от степени их соответствия выносится за­ключение о профессиональной пригодности.

Например, для оценки кандидатов при отборе на военную службу по контракту разработаны оценочные таблицы (табл. 8.8) по принятым методикам. Пересечение показателей разных ме­тодик в таблице дает интегральную оценку профессиональной пригодности.

Другой практический пример применения метода многомер­ного шкалирования в профессиональной психодиагностике — вы­несение итогового заключения о профессиональной пригодности к поступлению в военное образовательное учреждение высшего профессионального образования (табл. 8.9).

Созданные на основе многомерного шкалирования методичес­кие и организационные модели профессионального консультиро­вания и профотбора в целом показали достаточно большую' эф­фективность (до 76-80% совпадения прогноза с реально показан­ной успешностью деятельности). Но следует сказать, что такая эффективность достигается кропотливой предварительной рабо­той по апробированию, стандартизации и валидизации методик обследования, расчету надежности и достоверности получаемых психофизиологических показателей.