Результаты МШ индивидуальных различий восприятия 10 стимулов двумя наблюдателями

между 10 объектами, в каждой из которых по 3 ложных нулевых значения. К таким данным применима модель МШ индивидуальных различий. Результаты обработки (программа SPSS) приведены в табл. 18.3. 10 верхних строк этой таблицы — координаты объектов в двух шкалах, а две нижние строки — индивидуальные веса шкал.

Величина индивидуального веса по соответствующей шкале показывает, насколько учитывается признак при различении объектов. Как и следовало ожидать, каждый наблюдатель учитывает только одну координату — точку зрения на объекты, игнорируя другую. Тем не менее, двух точек зрения

в данном случае достаточно, чтобы восстановить исходную конфигурацию объектов с точностью до порядковых отношений между расстояниями

Метрические отношения между объектами не удалось воспроизвести точ­но в связи с малым числом наблюдателей. Если бы был третий наблюдатель, точка зрения которого отличалась от первых двух, то восстановились бы и метрические отношения.

Если эксперты не оценивают различия, а упорядочивают объекты по сте­пени предпочтения, то применяется модель предпочтения. Исходными дан­ными для МШ предпочтений является матрица размером NхP, где N строк соответствуют экспертам, а Р — это столбцы, содержащие ранговые места предпочтений объектов экспертами.

В дистанционной модели предпочтений каждый эксперт характеризуется координатами своей идеальной точки в пространстве ^признаков. Эти коор­динаты — такая комбинация характеристик объектов, которую эксперт счи­тает идеальной. Результирующая матрица содержит, помимо координат объек­тов, и координаты идеальных точек — по одной для каждого эксперта.

Для нашего примера эксперты могли бы упорядочивать объекты по степе­ни их наблюдаемой близости. Таким образом, описание объектов, получен­ное от каждого наблюдателя, стало бы экономнее. Результатом применения модели предпочтения была бы конфигурация объектов и «идеальных точек» наблюдателей, расположенных вблизи тех объектов, которые оказались ря­дом с наблюдателями.

Итак, МШ в своих основных трех модификациях позволяет решать три

группы задач:

1. Исходные данные — прямые оценки субъектом различий между стиму­лами или вычисленные расстояния между объектами, характеризующимися совокупностью признаков. Примером второго типа данных могут являться расстояния между ролями (объектами), вычисленные по совокупности кон­структов (репертуарные решетки Келли). МШ позволяет реконструировать психологическое пространство субъекта, как конфигурацию стимулов в осях существенных признаков, по которым эти стимулы различаются субъектом.

2. Исходные данные — те же, что и в предыдущем случае субъективные различия между стимулами (оцененные прямо или вычисленные), но полученные не от одного, а от группы субъектов. Взвешенная модель инди­видуальных различий позволяет получить групповое психологическое про­странство стимулов в осях общих для данной группы существенных призна­ков. Дополнительно к этому для каждого субъекта — индивидуальные веса признаков как меру учета соответствующих точек зрения при различении стимулов.

3. Исходные данные — результаты упорядочивания каждым из группы субъектов набора стимулов по степени предпочтения. Модель анализа пред­почтений позволяет получить групповое психологическое пространство сти­мулов в осях существенных признаков и размещенные в этом же простран­стве идеальные точки для каждого субъекта.