Дезориентирующие результаты обобщения данных

Обобщение данных, полученных на больших группах людей, иногда дает результаты, которые нельзя применить ни к одному из участников. Это значит, что результаты не обладают так называемой индивидуальной валидностью (individual-subject validity) (Dermer & Hoch, 1999). Индивидуальная валидность указывает, до

какой степени общие результаты исследования можно применить к отдельным участникам. Отсутствие такой валидности в исследованиях с большим количеством участников явилось лейтмотивом работы Сидмэна «Тактика научных исследований» (Sidman, Tactics of Scientific Research, 1960), которую сторонники исследований с малым Досчитают классическим руководством по методологии данного вида исследований. Поскольку средние показатели группы не отражают индивидуальных различий между испытуемыми, Сидмэн указал, что «групповые данные часто описывают процессы или функциональные зависимости, не являющиеся валидными для конкретных людей» (р. 274).

Но более важным, по мнению Сидмэна, является то, что усредненные данные могут свидетельствовать в поддержку теории X, тогда как они не должны этого делать. Рассмотрим один пример из материалов эксперимента по научению детей понятиям. Детям показывали большие наборы парных стимулов и просили определить, какой из стимулов в каждой паре использован верно. Если ребенок делал правильный выбор, то он получал вознаграждение. В качестве стимулов использовались простые геометрические фигуры. На рис. 11.4 показано, какие пары стимулов можно использовать для проведения семи попыток. Знак плюс говорит, какая из фигур в каждой паре получает подкрепление (к примеру, ребенку выдают конфету). Как показано на рисунке, стимулы различаются по форме (треугольники, квадраты или круги), цвету (красный или зеленый) и положению (слева или справа). Правильное понятие в данном примере — это «красный». Набрав большое количество конфет, ребенок должен понять, что форма и положение не играют в выборе никакой роли. Задание считается выполненным, когда ребенок достигает определенной «критериальной» оценки, например дает 10 последовательных правильных ответов.

В литературе, посвященной научению понятиям, очень давно продолжается дискуссия о том, какой способ научения используется при выполнении данного задания (Manis, 1971, р. 64-68). Согласно теории «непрерывности», научение — это процесс постепенного накопления «силы привычки». Каждая подкрепленная попытка усиливает стремление реагировать на значимый показатель и ослабляет реакцию на другие показатели. График этого гипотетического нарастающего процесса научения показан на рис. 11.5, а. Теория «прерывности», в свою очередь, говорит о том, что при первых попытках испытуемые активно проверяют различные «гипотезы». В процессе поиска правильной гипотезы их действия носят случайный характер (уровень 50%), но когда она найдена, действия приобретают 100% -ную точность и сохраняют ее. С точки зрения теории прерывности график должен выглядеть, как показано на рис. 11.5, б.

История этого вопроса длинна и сложна, а общий вывод зависит от многих условий, в частности от способа обработки данных. Если данные, полученные от большого количества участников, сгруппировать и построить общий график, то результаты действительно будут похожи на рис. 11.5, а, отражающий теорию непрерывности. Однако если более пристально изучить действия отдельных участников, особенно при выполнении трудных заданий, то можно построить график, напоминающий рис. 11.5, б, что будет поддержкой теории прерывности (Osier & Tra-utman, 1961). Изучение действий участников незадолго до того, как найдено решение показывает, что точность достигает 50% (см., напр., Trabasso, 1963). После достижения критериальной оценки действия становятся безошибочными. Таким образом, участники действуют на уровне случайности до тех пор, пока не находят правильного решения, после чего качество выполнения задания значительно улучшается. Так как же индивидуальные действия, отображенные на рис. 11.5, б, превращаются в их изображение на рис. 11.5, а после обобщения данных?

Ключевым показателем здесь является время, требующееся каждому ребенку для нахождения правильного ответа: одни справляются заданием быстро, а другим требуется больше времени. Эта ситуация отображена на рис. 11.6. Как вы видите, ряд индивидуальных кривых при объединении дает гладкую кривую, показанную на рис. 11.5, а. Этот пример ясно показывает, как обобщенные данные могут создать картину результата, которая не подтверждается поведением отдельных участников. Поэтому исследователи, использующие планы с большим N, особенно при изучении вопросов научения, должны изучать индивидуальные данные, чтобы понять, соответствуют ли они обобщенным результатам.

Практические проблемы планов с большим N

Когда потенциальных участников очень мало или их трудно найти, необходимо использовать план с малым N. Особенно часто такая ситуация возникает в клинической психологии, когда, к примеру, исследователь хочет изучить людей с редким заболеванием, и в психологии познания при изучении людей с необычными способностями к запоминанию (пример такого человека описан во вставке 12.3). Сходные проблемы появляются в некоторых исследованиях животных, особенно при использовании хирургического вмешательства, ведь хирургическое оборудование недешево, а применяемые процедуры отнимают много времени. Само содержание группы животных обходится довольно дорого, если учесть стоимость урегулирования вопросов с защитниками прав животных, включая затраты на систему безопасности. Животных некоторых видов бывает трудно получить, они могут чрезмерно дорого стоить или требовать длительного обучения. Например, для обучения шимпанзе и других человекообразных обезьян языку жестов требуется потратить сотни часов на каждое животное, поэтому исследования, включающие эту процедуру, обычно продолжаются многие годы. В ходе одного исследования языку жестов обучали гориллу (Patterson & Linden, 1981). К 10 годам обезьяна знала более 400 знаков, а началось исследование, когда ей только исполнился год.