Параметрическая сложность заданий в тестах интеллекта

 
Код статьиS020595920012585-9-1
DOI10.31857/S020595920012585-9
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Должность: Профессор, главный научный сотрудник лаборатории психологии речи и психолингвистики
Аффилиация: ФГБУН Институт психологии РАН
Адрес: Москва, Ул. Ярославская, д. 13
Должность: Старший научный сотрудник лаборатории психологии речи и психолингвистики
Аффилиация: ФГБУН Институт психологии РАН
Адрес: Ул. Ярославская, д. 13
Название журналаПсихологический журнал
ВыпускТом 41 № 6
Страницы26-34
Аннотация

Статья посвящена малоизученной проблеме параметров сложности отдельных заданий теста. Многозначность и недостаточная определенность понятия “сложность” задания приводит к смешению разнородных проблем в области разработки и оценки средств психодиагностики. В статье последовательно раскрывается содержание понятия “сложность” в рамках различных теорий тестирования: классической теории тестирования и в теории латентных черт. Дается определение понятию “сложность” задания для разных типов тестирования: линейного, многоступенчатого и адаптивного. В статье рассмотрены различные коннотации понятия “сложность”. Показано разнообразие характеристик сложности в рамках науки о сложности (complexityscience), в различных когнитивных и лингвистических исследованиях. Отмечено, что “сложность” и “трудность” задания — близкие, но не совпадающие понятия, в статье предпринята попытка их разведения и переформулирования. В связи с этим сложность отдельного задания теста рассматривается как конструкт, составляющие части которого представляют отдельные параметры. Описаны основные параметры сложности заданий тестов интеллекта: количество однородных и/или разнородных элементов задания, количество нерелевантных элементов, количество операций (правил), производимых с элементами задачи, сочетание разных типов стимульного материала, изменение нескольких признаков элементов задания, использование различных типов ответов, временные ограничения на выполнение задания, динамика вариативности условий, нарушение принципов хорошей формы, “выпуклость” элементов, количество дистракторов, нетранзитивность объектов, игровые компоненты в структуре заданий, использование в задачах контекста разной степени конкретности. Варьирование описанными параметрами сложности позволяет конструировать задания теста с заданной вероятностью правильного ответа.

Ключевые словаПознавательные способности, интеллект, психодиагностика, сложность пунктов теста, трудность задания
Источник финансированияИсследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-013-00495 “Эмпирическая верификация структурно-функциональной модели когнитивного ресурса”.
Получено13.11.2020
Дата публикации27.11.2020
Кол-во символов23070
Цитировать  
100 руб.
При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»

Всего подписок: 0, всего просмотров: 892

Оценка читателей: голосов 0

1. Аванесов В.С. Форма тестовых заданий. Учебное пособие. 2 изд. М.: Центр тестирования, 2005. 156 с.

2. Войтов В.К. Расчет значений сложностей заданий для адаптивного теста интеллекта // Экспериментальная психология. 2013. Т. 6. № 2. С. 120−128.

3. Корнилова Т.В., Корнилов С.А., Зиренко М.С., Чумакова М.А. Психометрические свойства модифицированной батареи Интернационального Ресурса Когнитивных Способностей (ICAR) // Национальный психологический журн. 2019. № 3(35). С. 32–45.

4. Куравский Л.С., Артеменков С.Л., Юрьев Г.А., Григоренко Е.Л. Новый подход к компьютеризированному адаптивному тестированию // Экспериментальная психология. 2017. Т. 10. № 3. С. 33−45.

5. Куравский Л.С., Юрьев Г.А., Ушаков Д.В., Юрьева Н.Е., Валуева Е.А., Лаптева Е.М. Диагностика по тестовым траекториям: метод паттернов // Экспериментальная психология. 2018. Т. 11. № 2. С. 77−94.

6. Низбетт Р. Что такое интеллект и как его развивать. Москва: Альпина нонфикшн, 2013.

7. Поддьяков А.Н. Опыт разработки объектов, находящихся в нетранзитивных отношениях превосходства // Когнитивная наука в Москве: новые исследования. Материалы конференции 15 июня 2017 г. / Под ред. Е.В. Печенковой, М.В. Фаликман. М.: ООО “Буки Веди”, ИППиП, 2017. 596 с.

8. Шеронов Е.А. Разработка психологического инструментария для определения пригодности к обучению на медицинских специальностях // Вестник КГУ им Н.А. Некрасова, 2013. Т. 19. С. 51−54.

9. Юсупов Ф.М. О соотношении вербальной и невербальной составляющих в структуре интеллекта / Ф.М. Юсупов // Психологический журнал. 1995. № 1. С. 102−106.

10. Carreiras M., Quiñones I., Hernández-Cabrera J.A., Duñabeitia J.A. Orthographic Coding: Brain Activation for Letters, Symbols, and Digits. Cerebral Cortex, 2015. 25. P. 4748−4760.

11. Crocker L. Introduction to Classical and Modern Test Theory // L. Crocker, J. Algina. N.Y.: Holt, Rinehart and Wilson, 1986.

12. Cucina, J., Byle, K. The bifactor model fits better than the higher-order model in more than 90% of comparisons for mental abilities test batteries // Journ. of Intelligence. 2017. 5(27). 1–21.

13. Dubois, J., Galdi, P., Paul, L.K., Adolphs, R. A distributed brain network predicts general intelligence from resting-state human neuroimaging data. Philosophical Transaction of the Royal Society B: Biological Sciences, 2018. 373 (1756).

14. Fahrenberg J. “Ökologische Validität [ecological validity],” in Dorsch-Lexikon der Psychologie, ed. H. Wirz (Bern: Huber), 2017.

15. Gell-Mann M. The quark and the jaguar: adventures in the simple and the complex. N.Y., 1994.

16. Gottfredson L.S. Why g Matters: The Complexity of Everyday Life // Intelligence, 1997. 24 (1). Р. 79−132.

17. Green K.E., Kluever R.C. Components of Item Difficulty of Raven's Matrices // The Journal of General Psychology. 1992. 119:2. P. 189−199.

18. Greiff S., Wüstenberg S., Funke J. Dynamic problem solving – A new assessment perspective // Applied Psychological Measurement. 2012. 36. P. 189−213.

19. Gupta S., Karahanna E. Technology adoption in complex systems // 7th Annual Conference of the Southern Association for Information Systems. Savannah GA: University of Georgia, 2004.

20. Guttman L. A basis for analyzing test-retest reliability // Psychometrika. 1945. 10. P. 255−282.

21. Hammarström H. Complexity in numeral systems with an investigation into pidgins and creoles // Language complexity: typology, contact, change. Amsterdam, 2008.

22. Juola P. Assessing linguistic complexity // Language complexity: typology, contact, change. Amsterdam, 2008.

23. Kessler Y., Rac-Lubashevsky R., Lichtstein C., Markus H., Simchon A., Moscovitch M. Updating visual working memory in the change detection paradigm // Journal of Vision. 2015. 15(9). 18. P. 1−12.

24. Kirschenbaum S.S. What Makes Decision Tasks Difficult? // Newport. RI: Naval Undersea Warfare Center, 1999.

25. Kovacs, K., & Conway, A.R.A. (2016). Process overlap theory: A unified account of the general factor of intelligence. Psychological Inquiry. 27(3). 151–177.

26. Krieger F., Zimmer H.D., Greiff S., Spinath F.M., Becker N. Why are difficult figural matrices hard to solve? The role of selective encoding and working memory capacity // Intelligence. 2019. 72. P. 35−48.

27. Malone S., Altmeyer K., Vogel M., Brünken R. Homogeneous and heterogeneous multiple representations in equation-solving problems: An eye-tracking study // J Comput Assist Learn. 2020. P. 1−18.

28. McWhorter J. Linguistic simplicity and complexity: why do languages undress? Berlin, 2011.

29. Meo M., Roberts M. J. Marucci F. S. Element salience as a predictor of item difficulty for Raven’s Progressive Matrices // Intelligence. 2007. 35. P. 359−368.

30. Miestamo M. Implicational hierarchies and grammatical complexity // Language complexity as an evolving variable. Oxford, 2009.

31. Pérez-Salas C.P., Streiner D.L., Roberts M.J. A comparison between element salience versus context as item difficulty factors in Raven's Matrices // Intelligence. 2012. 40. P. 325−332.

32. Primi R. Complexity of geometric inductive reasoning tasks: Contribution to the understanding of fluid intelligence // Intelligence. 2002. 30(1). P. 41−70.

33. Ren X., Wang T., Sun S., Deng M., Schweizer K. Speeded testing in the assessment of intelligence gives rise to a speed factor // Intelligence. 2018. 66. P. 64−71.

34. Rouder J.N., Morey R.D., Morey C.C., Cowan N. How to measure working memory capacity in the change detection paradigm // Psychon Bull Rev. 2011. 18(2). P. 324−330.

35. Rüsseler J., Scholz J., Jordan K., and Quaiser-Pohl C.M. Mental rotation of letters, pictures, and three-dimensional objects in German dyslexic children // Child Neuropsychology. 2005. 11. P. 497−512.

36. Sonnleitner P., Brunner M., Greiff S., Funke J., Keller U., Martin R., ... Latour T. The Genetics Lab: Acceptance and psychometric characteristics of a computer-based microworld assessing complex problem solving // Psychological Test and Assessment Modeling. 2012. 54. P. 54−72.

37. The Evolution of Cognitive Ability Tests and Score Interpretation //Applied Measurement in Education. V. 32. № 3. 2019.

38. Waldrop M.M. Complexity: The emerging science at the edge of order and chaos. Touchstone, New York, 1993.

39. White A. P., Zammarelli J. E. Convergence principles: Information in the answer sets of somemultiple choice tests // Applied Psychological Measurement. 1981. 5. P. 21−27.

40. Wood R.E. Task complexity: Definition of the construct // Organizational Behavior and Human Decision Processes. 1986. 37. Р. 60−82.

Система Orphus

Загрузка...
Вверх