Рис, 4.1. Пример матрицы «свойствах методы. Буквами обозначены свойства или конструкты, а числами - методы исследования

Разрабатывая, к примеру, тест тревожности, мы могли бы предположить, что самоотчеты о переживании чувства тревоги коррелируют с физиологическими изменениями, которые рассматриваются как индикаторы тревоги (например, повышение частоты сердечных сокращений). Наличие прогнозировавшейся корреляции между показателями, имеющими общую теоретическую основу, называется конвергентной валидностью. Другие гипотезы касаются вопроса о том, какие показатели не должны коррелировать друг с другом. Например, при валидизации теста тревожности необходимо доказать, что некоторые физиологические изменения не связаны с самоотчетами о переживании чувства тревоги, таким образом, исключая общее возбуждение как объяснение полученных результатов. Дифференциация показателей, имеющих разную теоретическую основу, называется дивергентной (или дискрими-нантной) валидностью.

Весьма оригинальное решение вопроса конструктной валидности предложили Кемпбелл и Фиске (Campbell & Fiske, 1959), разработавшие матрицу «свойства X методы» (СМ). Использование матрицы СМ подразумевает анализ корреляций между предполагаемыми свойствами или конструктами, каждый из которых измеряется при помощи разных методов. В примере, проиллюстрированном на рис. 4.1, исследуется три свойства, каждое из которых оценивается при помощи трех методов, результатом чего является 9 показателей (А1,А2 и т. д.), составляющих массив таблицы. Конвергентную валидность демонстрировали бы достаточно высокие коэффициенты корреляции между показателями каждого столбца, то есть показателями, которые, как предполагается, характеризуют один и тот же конструкт и отличаются только методами, посредством которых они были получены. Дивергентную валидность демонстрировали бы низкие коэффициенты корреляции между любыми показателями, не попадающими в один столбец. Особенно интересны в этом отношении корреляции между показателями каждой строки — то есть, показателями, полученными при использовании одного и того же метода оценки. Иногда положительные корреляции между результатами обусловлены только методическим сходством заданий, а не характером измеряемых параметров. К примеру, в ряде тестов требуется быстрая реакция в условиях ограничения времени; тогда, что бы ни измеряли тесты, испытуемые, чувствующие себя в такой обстановке более уверенно, справятся с заданиями лучше. О корреляциях, являющихся результатом частичного совпадения методов, говорят, что они отражают дисперсию общности методов. Матрица СМ позволяет определить вклад дисперсии общности методов во все полученные корреляционные связи.

Как следует из вышесказанного, конструктная, как и критериальная валидность в большинстве случаев оценивается через проверку ожидаемых корреляций между результатами измерений. Однако между этими двумя видами валидности имеются существенные различия. Критериальная валидность обычно оценивается по какому-то одному внешнему показателю, например школьной успеваемости, в отношении которого мы хотим сделать прогноз; конструктная же валидность оценивается по целой системе предполагаемых взаимосвязей. Цель определения критериальной валидности, как правило, — в прагматическом прогнозе; цель определения конструктной валидности — валидизация лежащей в основе теста теории. Поэтому то, что последняя из рассмотренных форм валидности носит то же название, что и одна из форм валидности эксперимента, о которой рассказывалось в главе 2, не случайно (хотя и может смутить читателя). В обоих случаях сутью вопроса является теоретическая обоснованность: в одном — в отношении измерения, в другом — в отношении исследования в целом.

Надежность

Стандартизованный тест должен обладать не только валидностью, но и удовлетворять критерию надежности. Вопрос надежности в его применении к тестам также довольно очевиден: Согласованы ли результаты измерения данным тестом? Предположим, что мы даем одному ребенку IQ -тест несколько раз подряд, а затем сравниваем результаты. Если они близки, тест обладает хорошей надежностью; значительный разброс результатов свидетельствовал бы о недостаточной надежности.

Пример с IQ иллюстрирует одну из основных форм надежности — ретестовую надежность. Существует два способа оценки ретестовой надежности. Один — дать один и тот же тест дважды. Однако понятно, что если тесты одинаковы, ребенок может вспомнить свои ответы, а это приведет к искусственному завышению надежности (это также может привести к занижению надежности, если ребенок воспримет повторное предъявление теста как сигнал к изменению своих ответов). Дабы избежать этой проблемы, ретестовую надежность иногда оценивают с использованием взаимозаменяемых форм теста. Как следует из названия, такой подход требует наличия двух разных, но эквивалентных версий теста, при этом один вариант предъявляется в момент 1, а другой — в момент 2. Вновь высокая согласованность ответов будет свидетельствовать о высокой надежности.

Второй из основных типов надежности называется надежностью внутренней согласованности. Теперь суть состоит в согласованности ответов на разные вопросы одного теста, предъявляемого однократно. Как правило, для этого пользуются процедурой «расщепления» теста на нечетные и четные задания с

последующим сравнением ответов между двумя этими категориями. Вновь о высокой надежности будет говорить высокая согласованность ответов.

Важно отличать надежность от других конструктов, которые также имеют отношение к согласованности независимо от полученных результатов. Предположим, что интервал между первым и вторым выполнением теста интеллекта не один день, а два года. Обнаружив значительное расхождение между этими двумя показателя -ми, должны мы сделать вывод о ненадежности теста или о том, что IQ ребенка действительно изменился за два года? Допустим, мы решили измерять не интеллект, а вес. Если наши измерения показывают, что 9-летний ребенок весит на 15 фунтов больше, чем он весил в 7-летнем возрасте, должны ли мы заключить, что наши весы неисправны? Разумеется, вероятнее всего, что наш ребенок действительно прибавил в весе за прошедшие два года, то есть в период физического развития стабильность веса далека от идеальной. Многие аспекты жизнедеятельности ребенка (включая успешность выполнения IQ -тестов) далеки от идеальной стабильности в период его развития. Поэтому важно понимать разницу между надежностью измерения и стабильностью поведения.

Надежность измерения также важно отличать от типичности поведения. Вопрос типичности — это вопрос согласованности поведения в разных ситуациях. Предположим, нас интересует агрессия у дошкольников. Мы идем в детский сад и регистрируем все наблюдаемые там акты агрессии. На основе полученных данных мы вычисляем индекс агрессии для каждого ребенка. Затем мы отправляемся домой к детям и измеряем агрессию там. Обнаруживается, что наши показатели агрессии в домашних условиях слабо связаны с показателями агрессии в детском саду — иными словами, эти показатели существенно расходятся. Заключим ли мы, что один или оба метода измерения ненадежны? Хотя это вполне возможный вывод, более разумно было бы заключить, что уровень агрессии зависит от обстановки. В этом случае обнаруженный факт связан с типичностью поведения, а не с надежностью измерений.

Вероятно, полезно было бы резюмировать сказанное выше. Надежность — это свойство метода измерения; стабильность и типичность — это свойства поведения. Надежность — это то, что исследователь всегда пытается максимизировать. Стабильность и типичность же — это феномены, которые нужно изучать, а не максимизировать. Наконец, эти феномены можно изучать только по достижении достаточно высокого уровня надежности. Только будучи уверенными в надежности наших методов для определенного времени и ситуации, мы можем попробовать оценить согласованность поведения во времени (вопрос стабильности)*и в разных ситуациях (вопрос типичности).

Регрессия

Вернемся на время к ретестовой надежности. Надежность, которая далека от идеальной подразумевает, что результаты второго выполнения теста отличаются от результатов, полученных при первом тестировании. Можно ли уточнить это обобщенное утверждение и сказать что-либо о направлении изменения, то есть повысятся или понизятся результаты при втором предъявлении? Если рассматривать индивидуальные случаи, то предугадать направление измерения нельзя. Однако на уровне среднегрупповых показателей такой прогноз возможен. В целом испытуемые, получающие при первом тестировании низкие результаты, во второй раз справляются с заданиями успешнее, а испытуемые, получающие при первом тестировании высокие результаты, на второй раз справляются хуже. Тенденция, проявляющаяся в изменении при повторном тестировании изначально крайних показателей в направлении группового среднего, называется регрессией к среднему. Прежде чем попытаться объяснить, почему это происходит, рассмотрим конкретный пример. Допустим, мы предлагаем отобранной группе детей некий тест IQ и получаем распределение баллов, изображенное на рис. 4.2. Часть детей (пустые кружочки) получила оценки значительно ниже среднего, часть (закрашенные кружки) — значительно выше среднего, а результаты остальных (зачеркнутые кружки) находились в пределах среднего. Теперь предположим, что мы даем тот же тест той же группе неделю спустя и получаем распределение, изображенное на рис. 4.3. Как можно заметить, у детей, получивших первоначально низкие результаты, успешность в среднем повысилась, а у детей, первоначально получивших высокие результаты — снизилась. Таким образом, у обеих групп наблюдалась регрессия к среднему. Однако, поскольку некоторые из тех, кто первоначально справился с заданиями на среднем уровне, впоследствии улучшили или ухудшили свои результаты, общий диапазон значений и среднее значение остались неизменными.

Почему происходит регрессия? Результат любого испытуемого можно рассматривать как сумму двух компонентов — «истинного результата», или фактического значения измеряемого параметра, и погрешности, обусловленной несовершенством измерения. Ясно, что «погрешность» — это еще один способ описания надежности: абсолютная надежность подразумевает отсутствие погрешностей; и наоборот, чем больше погрешность, тем ниже надежность. В отношении погрешности обычно бывают оправданны два допущения. Первое — среди истинных показателей погрешность распределена по закону нормального распределения. Это означает, что небольшие погрешности встречаются чаще, чем существенные; это также означает, что погрешности с равной вероятностью могут привести как к завышению, так и к занижению индивидуальной оценки каждого испытуемого. Второе допущение — погрешности случайным образом распределены между испытуемыми и между тестовыми ситуациями. Это означает, что погрешность в результатах определенного испытуемого в одном тесте не коррелирует с погрешностью этого же испытуемого в другом тесте; погрешность в первом тесте не связана погрешностью во втором тесте.

Рассмотрим теперь результаты, изображенные на рис. 4.2. Каким образом на них отразились погрешности измерения? В частности, как повлияли на полученное распределение существенные погрешности, то есть те, которые приводят к значительному завышению или занижению результата? Справедливо допустить, что низкие показатели (пустые кружочки), в целом, явились следствием непропорционального количества отрицательных погрешностей; это одна из причин низких результатов части детей. Аналогично справедливо допустить, что высокие показатели, в целом, явились следствием непропорционального количества положительных погрешностей; это одна из причин высоких результатов другой части детей. Но что происходит при повторном тестировании? Вспомним, что погрешности результатов одного тестирования не связаны с погрешностями результатов другого. Поэтому маловероятно, что существенные погрешности изменят результаты тех же детей и в том же направлении. Скорее всего, результаты каждого ребенка затронет относительно небольшая погрешность, которая равно вероятно может исказить истинный показатель, как в сторону повышения, так и в сторону понижения. Это «выравнивание» погрешностей при повторном тестировании обусловливает тенденцию низких показателей к повышению, а высоких — к понижению; иными словами, обусловливает регрессию к среднему.

Основная проблема, которую ставит регрессия перед исследователем, очевидна. Как и недостаточная надежность в целом, регрессия представляет угрозу для валидности исследования. Более того, поскольку регрессия — систематический феномен, она может явиться причиной систематически неверных выводов. Предположим, что в описанном ранее исследовании IQ мы не только повторно протестировали детей, но и включили между первым и вторым тестированием новую образовательную программу. Получив результаты, указанные на рисунках 4.2 и 4.3, мы могли бы заключить, что эффект нашей программы зависит от изначального уровня способностей: программа привела к повышению IQ слабоодаренных детей, но фактически снизила IQ у одаренных. Очевидно, что в подобном случае регрессия может произвести ложное впечатление изменения. Или же регрессия может маскировать истинное изменение; к примеру программа действительно развивает у детей способности, однако истинное улучшение показателей делается незаметным из-за потерь, обусловленных регрессией.

Исследования программ вмешательства, таких как описанные выше, являются наиболее типичным контекстом проявления эффекта регрессии, так как выборкой для них обычно служат дети с низкой успеваемостью. Этому недостатку подвержены также определенного вида планы уравненных групп. Рассмотрим несколько измененную схему описанного в главе 3 исследования лиц, окончивших и не окончивших школу. Представьте теперь, что вас интересует стабильность IQ во времени. Сохраняются ли способности у окончивших школу лучше, чем у не окончивших ее? Вы уравниваете группы по показателю IQ, среднему между показателями обеих групп (скажем, 97) и проводите повторное тестирование 10 лет спустя, Принимая во внимание лишь регрессию, мы можем предположить, что средний показатель тех, кто окончил школу, повысится (поскольку отобраны представители популяции, имевшие относительно низкие результаты), а средний показатель тех, кто не окончил школу, снизится (поскольку отобраны представители популяции, имевшие относительно высокие результаты). Вновь регрессия может произвести заметный эффект, который не имеет ничего общего с эффектом изучаемой независимой переменной.

Рис. 4.2. Гипотетическое распределение результатов при первом предъявлении теста IQ

Рис. 4.3. Гипотетическое распределение результатов при повторном предъявлении теста IQ

Методы наблюдения

Прямое наблюдение поведения одновременно и наиболее ценный и наиболее сложный из методов психологического исследования. Поэтому я завершу эту главу обсуждением некоторых трудностей, связанных с наблюдением поведения.

Сначала нужно внести некоторую ясность. В определенном смысле, всякое исследование включает наблюдение поведения: как еще можно было бы оценить значение зависимой переменной? В ряде случаев регистрация поведения происходит практически, если не буквально, автоматическим образом. Реакции со стороны сердца могут фиксироваться на электрокардиограмме. Решая задачи, испытуемый может давать ответы, нажимая на кнопку, Достаточно взрослым испытуемым предлагаются опросники. Каковы бы ни были другие проблемы в таких исследованиях, проблема точности регистрации поведенческих реакций, как правило, не стоит.

При наблюдении точность регистрации определенно является проблемой. Обсервативное исследование обычно направлено на изучение довольно продолжительных эпизодов естественного поведения, которое невозможно зарегистрировать автоматически; от наблюдателя требуется вынесение суждений относительно наличия или отсутствия определенного поведения и о его значении. Поэтому центральный вопрос состоит в том, какова объективность решения наблюдателя. Разделим тему методов наблюдения на три основные проблемы: что наблюдать, как наблюдать и как определить точность результатов наблюдения. Более подробно с этими вопросами можно ознакомиться у Хартман и Вуд (Hartman & Wood, 1990), Одом и Огава (Odom & Ogawa, 1992), Сэкетт (Sackett, 1978), а также Йарроу и Уакслер (Yarrow & Waxier, 1979).

Что наблюдать

На определенном уровне ответы на вопрос «что» довольно очевидны. Понятно, что общие интересы исследователя ограничены поведением, которое можно наблюдать. Характер поведения, в свою очередь, определяет, насколько целесообразна та или иная стратегия наблюдения. Одни формы поведения легче изучать методом наблюдения, чем другие. Агрессия, к примеру, естественный претендент на обсервативную оценку: частое, наблюдаемое, «зримое» поведение. Хотя существуют и другие способы измерения (например, рейтинговые шкалы, изощренные экспериментальные тесты), они в меньшей степени отвечают целям исследования. И наоборот, частота сердечных сокращений и физиологические реакции не подходят в качестве объекта обсервативной оценки. Такие реакции трудно, а зачастую невозможно увидеть непосредственно, и применение других методов будет и более легким, и более разумным выбором.

Однако ситуация осложняется, когда исследователь выходит за рамки первоначального решения использовать методы наблюдения, пытаясь определить, какие именно аспекты поведения следует регистрировать. Предположим, мы изучаем стиль взаимодействия матери со своим младенцем. Для начала мы должны осознать, что все запротоколировать невозможно; наблюдение всегда связано с некоторым абстрагированием от конкретики каждого момента. Но до какого уровня конкретности следует абстрагироваться? Нужно ли отмечать тот факт, что мать подняла брови, широко раскрыла глаза, приподняла уголки рта, издала звук. Или мы должны работать на более глобальном, интерпретационном уровне, отмечая, что мать улыбнулась и заговорила с малышом? Или использовать еще более обобщенную систему интерпретации и указать на то, что мать поощряет только что произведенные действия младенца? Или мы должны перейти на еще более высокий уровень и отметить, что мать позитивно и доброжелательно относится к своему ребенку?

Проведенные выше разграничения обозначают как оппозицию микро- и макронаблюдения (Sackett, Ruppenthal & Gluck, 1978). Использование микросистемы наблюдения предполагает пристальное внимание к тонким деталям поведения, максимальную приближенность к фактическому поведению и практически нейтральное, четкое описание происходящего. Разумеется, некоторые детали все-таки опускаются и присутствует некоторая интерпретация; но даже в этих условиях целью является по возможности наиболее полное, конкретное и безоценочное описание. Макросистема наблюдения, напротив, предполагает некоторый отход от фактического описания, суммирование микроэлементов наблюдения, результатом которого становится формулирование определенной оценочной категории. «Улыбка» или «объятия» — примеры макрокатегорий на относительно специфическом уровне; «поощрение» и «отвлечение» — примеры более глобального, интерпретационного уровня.

Как следует из вышесказанного, противопоставление микро- и макросистем предполагает не столько дихотомию, сколько наличие континуума. В разных системах наблюдения может реализовываться разное соотношение конкретики и интерпретации. Таблицы 4.2 и 4.3 являют собой пример систем взаимодействия между матерью и младенцем, систем, которые довольно точно попадают в категории микро- и макронаблюдений. В системе, разработанной Эле, Троник и Бразелтон (Als, Tronick, & Brazelton, 1979) (табл. 4.2), анализируются наиболее элементарные формы адаптации младенца при взаимодействии с матерью. В системе, разработанной Лэмб (Lamb, 1976) (табл. 4.3), анализируются способы поддержания младенцем контакта со своими родителями в незнакомой ситуации, включая возможные различия в реагировании на мать и на отца. Главными направлениями оценки являются две глобальные макрокатегории: дистальное/аффилиативное поведение, проксимальное поведение/поведение привязанности.

То, где скорее всего будет работать исследователь на континууме от микро- к макросистемам, зависит от двух основных факторов. Один из них — цель исследования. Если она заключается в выявлении мимических признаков разнообразных эмоциональных состояний (например, Izard, 1979), естественно, необходима микросистема наблюдения. Если же цель в изучении терминант улыбки или смеха (например, Sroufe, Waters, & Matas, 1974), более разумно использовать макросистему. Конечно, в одном исследовании можно сочетать микро- и макроанализ, особенно если поведение фиксируется на видеопленке. Однако обратите внимание на однонаправленность перехода от одной системы к другой при использовании письменной регистрации. Как правило, имеется возможность, применив микросистему, затем перевести полученные результаты в макроимформацию — например, провести анализ мимики с последующим определением частоты улыбок. Используя же макросистему, невозможно перевести результаты в микроинформацию.

Вторую из главных детерминант уровня наблюдения можно обозначить как осуществимость, что бы исследователь ни хотел наблюдать, решающим условием будет возможность наблюдения. Регистрация микрохарактеристик, к примеру, может оказаться осуществимой только при тесном контакте с испытуемыми или только при наличии видеокамеры. Исследователи, работающие в других условиях (к которым, разумеется, относятся максимально естественные), бывают вынуждены ограничиться макросистемой наблюдения. Еще одним фактором, о котором вскоре мы поговорим более подробно, является надежность методов наблюдения. Результаты наблюдения не будут иметь смысла, если два независимых наблюдателя расходятся во мнении относительно наблюдаемого явления. Иногда требование микросистемы регистрировать мельчайшие подробности превосходит возможности наблюдателей, вынуждая исследователя перейти к более обобщенным категориям оценки. Иногда необходимость интерпретации при использовании макросистемы (были действия матери проявлением отвержения или просто попыткой переключить внимание ребенка?) может приводить к постоянным разночтениям, вынуждая исследователя перейти на уровень, более близкий к фактическому (например, отвернулась от ребенка). В чем бы ни заключалась проблема, общий принцип таков: соотношение конкретики и интерпретации в системе наблюдения определяется не только тем, что желательно, но и тем, что возможно.

Таблица 4.2

Пример микросистемы наблюдения для регистрации поведения младенца при взаимодействии с матерью

_________________________________I. Тип вокализаций_________________________________

1) отсутствуют; 2) отдельные звуки; 3) кряхтение; 4) гуление; 5) плач; 6) хныканье; 7) смех.

_________________________II. Направление зрительного внимания_________________________

1. Направление взгляда: 1) к лицу матери; 2) от лица матери; 3) взгляд следует за лицом матери; 4) слегка в сторону на уровне носа; 5) слегка в сторону, вниз; 6) слегка в сторону, вверх; 7) в сторону на уровне носа; 8) вниз; 9) вверх.

2. Поворот головы: 1) к матери на уровне носа; 2) к матери, вниз; 3) к матери, вверх;

4) слегка в сторону на уровне носа; 5) слегка в сторону, вниз; 6) слегка в сторону, вверх; 7) в сторону на уровне носа; 8) вниз; 9) вверх.

3. Левый/правый модификатор положения головы: 1) слева от младенца; 2) справа от младенца.

4. Моргание и специфические движения глаз: 1) моргание; 2) глаза скошены; 3) взгляд в сторону и сфокусирован на видимом предмете (например, стуле), не используемом матерью в качестве элемента взаимодействия; 4) взгляд значительно смещен в сторону от оси носа.

_________________________________III. Выражение лица________________________________

1. Щеки (лишь примеры): 1) нейтральное положение, расслаблены; 2) подтянутые, впалые; 3) выпуклые.

2. Брони (лишь примеры): 1) нейтральное положение покоя; 2) изогнуты, чуть приподняты посередине; 3) "постоянно двигаются вверх-вниз.

3. Рот (только примеры): 1) нейтральное положение покоя; 2) слегка приоткрыт и напряжен; 3) широкая улыбка; 4) широко открыт.

Окончание табл. 4.2

4. Глаза: 1) нейтральное положение; 2) широко открыты; 3) полузакрыты; 4) закрыты.

5. Язык: 1) не высунут; 2) чуть высунут, но не выходит за пределы губ; 3) язык высунут и выходит за пределы губ.

6. Специфические выражения лица: 1) плачущее; 2) гримаса; 3) надутое; 4) настороженное/серьезное; 5) жмурится; 6) зевает; 7) нейтральное; 8) морщит нос; 9) спокойное; 10) простая улыбка; И) ласковое; 12) широкая улыбка.

___________________________IV. Положение и движение тела___________________________

1) наклоняется вперед с согнутой спиной; 2) корпус повернут в сторону; 3) прогибается; 4) откидывается назад; 5) лежит на боку; 6) нейтральное; 7) положение изменяется матерью; 8) приподнимается; 9) туловище вытянуто, голова приподнята над подушкой или туловище и шея вытянуты; 10) наклоняется вперед с прямой спиной.

______________________________V. Движение рук и ног__________________________

1. Амплитуда движений: 1) отсутствует; 2) незначительная; 3) средняя; 4) значительная.

2. Руки и ноги, задействованные в движении: 1) отсутствуют; 2) одна рука или одна нога; 3) две руки или ноги; 4) три конечности; 5) обе руки и обе ноги; 6) из-за матери видны только руки — двигается одна; 7) то же, что и в 6 — обе руки.

3. Пространственная зона, в которой осуществляется движение: 1) отсутствует; 2) средняя линия; 3) между средней линией и плечами; 4) справа или слева.

4. Специфические движения рук: 1) трет глаза; 2) тянет руки ко рту; 3) машет; 4) шевелит пальцами; 5) руки сомкнуты па уровне средней линии; 6) руки и ноги вытянуты вперед.

5. Специфические движения ног: 1) брыкается; 2) вздрагивает.

Источник: «Analysis of Face-to-Face Interaction in Infant-Adult Dyads» (pp. 43-44) H. Als, E. Tronick & T. Berry Braxelton. In M. E. Lamb, S. J. Suomi, & G. R. Stephenson (Eds.), Social Interaction Analysis (pp. 33-76), Copyright 1979, Madison, WI: The University of Wisconsin Press.

Таблица 4.3 Пример макросистемы наблюдения для регистрации поведения младенца при взаимодействии с родителями

Окончание табл. 4.3

Как наблюдать

Предположим, исследователь с ручкой и папкой в руке и твердым намерением провести наблюдение определенного рода повеления дошкольников приходит в детский сад. Как ему регистрировать интересующие его данные?

Один из возможных вариантов: просто записывать в повествовательной форме видимое поведение в его естественном виде. Этот метод называется нарративной записью, его также называют записью специфических моделей (термин предложен Баркер и Райт (Barker & Wright, 1951), поток поведения. Конечно, даже для максимально подробного нарративного описания все же характерна некоторая избирательность. Обычно все внимание сосредотачивается на одном ребенке, а поведение других детей учитывается лишь в момент их взаимодействия с наблюдаемым ребенком. Наблюдая ребенка, необходимо постоянно принимать решения о том, какие действия стоят того, чтобы их зафиксировать, а какие (например, моргание, сглатывание) можно проигнорировать. Кроме того, нужно принимать решения об уровне описания поведения. Например, сомкнул Джонни пальцы, сжал кулак или угрожал другому ребенку? В определенном смысле, при использовании нарративной записи наблюдатель выполняет функции видеокамеры и магнитофона. Однако он — это видеокамера-магнитофон со встроенным мощным аппаратом-редактором.

Несмотря на упомянутые выше ограничения, главным достоинством нарративной записи является ее подробность. Она дает больше информации, чем любой другой метод наблюдения. Эта полнота изложения делает нарративную запись особенно ценной для специалистов, которым требуется исчерпывающая информация о ребенке. Поэтому нарративную запись обычно используют учителя и клиницисты. Кроме того, нарративная запись может послужить отправной точкой для разработки исследовательских программ, наводя на мысль о существовании неких феноменов, которые затем будут изучаться более узконаправленными систематическими методами. Наконец, нарративная запись это не всегда и необязательно всего лишь подготовительное мероприятие перед исследованием; если регистрация производится достаточно умело и последовательно, полученные данные могут стать базой для исследования. В этих случаях нарративная запись представляет из себя «сырые» данные, которые необходимо кодировать и проанализировать; в результате из потока действий вычленяются интересующие исследователя элементы и феномены.

Если говорить о недостатках, ведение нарративной записи может потребовать значительных расходов и времени. Особенно высок уровень требований к наблюдателю, как и вероятность разных форм субъективности и систематических ошибок. У исследователя может накопиться огромный объем информации, только малая часть которой представляет некоторый интерес. Или, исследователь еще до начала наблюдения сформулировал вполне четкие цели и гипотезы, тогда нарративная запись будет не самой экономичной формой сбора данных. В обоих случаях имеет смысл использовать более узконаправленные методы наблюдения.

Второй из основных способов наблюдения — метод временных срезов (иногда называемый также методом интервальных срезов). От нарративной записи его отличают две особенности. Во-первых, при использовании метода временных срезов в центре внимания находится ограниченное количество специфических действий, а не их поток. В своем практическом применении приведенные в качестве примеров микро- и макросистема (табл. 4.2 и 4.3) также предполагают использование временных срезов. Здесь заранее оговорен точный список действий, и регистрируются только эти действия. Поскольку уже имеются четкие определения, нет необходимости составлять нарративное описание поведения; используется некий контрольный перечень или система кодирования. Второй отличительной особенностью является разделение всего периода наблюдения на строго отмеренные, обычно непродолжительные временные интервалы. Наблюдатель может 15 секунд наблюдать, отвернуться и регистрировать увиденное в течение 15 секунд, наблюдать еще 15 секунд, еще 15 секунд регистрировать и т. д. Таким образом, «срезы» в методе временных срезов происходят в двух плоскостях: анализируется только часть поведения, а само наблюдение производится только в определенные интервалы времени.

Третий способ лучше объяснить на примере. В своем, как это часто называют «классическом», исследовании Доу (Dawe, 1934) изучала ссоры дошкольников. Хотя мнения воспитателей и расходились, оказалось, что ссоры — не очень частое явление, имеющее место в среднем 3,4 раза в час. Если принять во внимание низкую частоту подобных случаев, использование нарративной записи временных срезов было бы малоэффективным. Кроме того, метод временных срезов мог бы ввести в заблуждение; наблюдатель мог бы упустить момент ссоры, если бы она произошла в период регистрации, или увидеть лишь ее часть, если бы она происходила в промежуточный момент. Поэтому Доу использовала метод выборочного анализа поведенческих событий, при котором единицей изучения служит эпизод изучаемого поведения, а не интервал времени. Как и при использовании метода временных срезов, наблюдатель прежде всего должен определиться, какое поведение его интересует. Однако, используя метод выборочного анализа поведенческих событий, наблюдатель просто дожидается, пока это поведение будет иметь место, и только затем начинает записывать. Протокольные записи Могут быть разных видов, от нарративного описания до последовательности кодов. Доу использовала сочетание заранее сформулированных категорий с дополнительными замечаниями. К оценивавшимся категориям относились «пассивное поведение», «мстительное поведение» и «ненаправленная активность». Какова бы ни была форма регистрации, сосредоточение на определенном виде поведения как элементарной единице наблюдения позволяет получить информацию (например, среднею продолжительность эпизодов изучаемого поведения, предшествующие ему события и события, следующие за ним), которая могла бы быть упущена при использовании временных срезов.

В целом, факторы, влияющие на выбор той или иной системы регистрации, те же, что и факторы, влияющие на выбор микро- или макронаблюдения: цель и осуществимость. В одних обсервативных исследованиях (например, в отчетах о клинических случаях) необходимо нарративное описание, в других — уместен более узконаправленный подход с использованием таких методов, как временные срезы и выборка событий. Каковы бы ни были цели, исследователь должен применять систему, отвечающую требованиям данных конкретных условий, не превосходящую возможности наблюдателей и лимит времени, а также, предполагающую рациональное соотношение между полезной информацией и затратами времени и усилий. Более подробно о плюсах и минусах разных систем регистрации можно узнать из ряда специальных работ (Hartman & Wood, 1990, Mann, Have, Plunkett, & Meisels, 1991, Odom & Ogawa, 1992).