Представьте весы, которые три раза подряд показывают один и тот же вес, но на пять килограммов меньше настоящего. Они стабильны, но неверны. Или другие весы, которые каждый раз показывают разное число. Для психологических тестов стабильность называют надёжностью, а соответствие измеряемому — валидностью. Тест может быть надёжным и невалидным, но не может быть валидным, если он ненадёжен.

Надёжность

Есть несколько способов проверить, воспроизводятся ли результаты.

  • Повторное тестирование. Те же люди проходят тест через пару недель. Если порядок людей сохраняется, коэффициент корреляции высокий. Для хороших тестов интеллекта он выше 0,9.
  • Внутренняя согласованность. Согласуются ли между собой вопросы, измеряющие одно свойство. Для этого Ли Кронбах в 1951 году предложил коэффициент альфа. Значения выше 0,7–0,8 обычно считают приемлемыми.
  • Согласие наблюдателей. Если оценку выставляет эксперт, совпадают ли оценки разных экспертов.

Валидность

Это вопрос сложнее и не сводится к одному числу. В 1955 году Ли Кронбах и Пол Мил объяснили, что валидность конструкта (того, что мы хотим измерить, например интеллекта или тревожности) выясняется через сеть доказательств.

  • Содержательная. Охватывают ли задания всю область? Экзамен по математике без геометрии неполон.
  • Критериальная. Предсказывает ли результат что-то во внешнем мире? Хороший тест способностей должен быть связан с успехами в учёбе или работе.
  • Конструктная. Согласуется ли результат с другими измерениями того же свойства и не совпадает ли с несвязанными?

Распространённые ошибки

Самая частая: считать, что если тест даёт однообразный результат, он верен. Гороскопы воспроизводимы, но «измеряют» ничего. Другая ошибка: принимать название за суть. Тест, названный «Тест на эмоциональный интеллект», может измерять лишь знакомство с социальными нормами. Ещё одна: игнорировать погрешность и воспринимать различия в два-три балла как реальные.

Как оценить тест, который вы нашли

  1. Есть ли в описании сведения о нормировании и выборке, на которой он проверялся?
  2. Указаны ли коэффициенты надёжности и как проверялась валидность?
  3. Для какой задачи он предназначен: исследования, образования, клиники?

Учебные тесты нашей энциклопедии помогают проверить понимание темы и не претендуют на измерение способностей или диагностику.