Ethical Aspects of Measuring Intelligence: Towards Competence and Fairness

Full Text

Введение Использование тестов для психологической диагностики имеет длительную историю, богатую как на открытия и инновации, так и на ошибки и нарушения прав участников тестирования. В ходе развития психологии как научной и практической области формировались этические принципы профессиональной деятельности. Часто они становились результатом переосмысления методов работы психологов, иногда - после трагических прецедентов. Сегодня профессиональная и исследовательская деятельность психолога регулируется различными этическими кодексами. В России наиболее распространен этический кодекс Российского психологического общества[47], в мире, например, Мета-кодекс этики Европейской федерации ассоциаций психологов[48] и Этические принципы психологов и кодекс поведения Американской психологической ассоциации[49]. Кодексы обязательно содержат раздел, посвященный использованию психодиагностических инструментов. Однако кодексы дают общие направления деятельности, но не могут и не должны описывать все возможные этические дилеммы, возникающие в процессе работы психолога. Поэтому важно изучать опыт и ошибки прошлого, чтобы научиться распознавать потенциальные этические дилеммы в ежедневной практике и решать их в соответствии с профессиональными принципами. Вышесказанное в полной мере относится к тестированию интеллекта, одной из главных и старейших областей психологической диагностики. Для введения в контекст стоит кратко определить интеллект как способность к рассуждению и решению проблем (Gottfredson, 1997; Neisser et al., 1996). Важность измерения интеллекта, как правило, обосновывается тем, что интеллект является предиктором академических, профессиональных и социальных достижений во взрослом возрасте (Deary, 2012; Deary et al., 2010; Sternberg et al., 2001; Strenze, 2007; Zaboski II et al., 2018). Более того, ученые указывают, что интеллект предсказывает эти достижения лучше, чем какие-либо другие черты и способности (Plomin & von Stumm, 2018). Абсолютное большинство инструментов, используемых для оценки интеллекта (например, тест Стэнфорд-Бине, тест Векслера), базируются на психометрических теориях, которые возникли на основе факторного анализа результатов уже существующих тестов (об истории тестов интеллекта и способностей см.: Анастази, Урбина, 2007). Большое количество разработанных тестов помогло психометрическим теориям приобрести солидное эмпирическое обоснование, что и обеспечило популярность этого подхода среди исследователей и практиков, которые добавляют все новые и новые данные. Длительная история тестирования интеллекта и развития психометрических теорий дает нам возможность рассмотреть множество этических дилемм и потенциальных нарушений прав участников тестирования. Анализ этих кейсов актуален и для современной психодиагностики. Цель данной статьи - рассмотреть этические дилеммы, возникавшие в ходе длительной истории измерения интеллекта и имеющие актуальность на сегодняшний день. Мы обозначим проблемные вопросы, где возможно - предлагаемые пути их решения, и рассмотрим их в контексте сегодняшних представлений об этичной профессиональной деятельности психолога. Международное психологическое сообщество выделяет следующие основные этические принципы[50]:1) уважение прав, свободы и достоинства личности (конфиденциальность, добровольное участие, осведомленность, право на самоопределение, и непосредственно уважение); 2) компетентность (профессиональные знания специалиста, осознание границ своей компетентности, знание профессиональной этики, профессиональное развитие, невозможность действий в определенных условиях); 3) ответственность (непричинение вреда, решение этических дилемм, ответственность по отношению к клиентам, профессиональному сообществу и обществу в целом); 4) честность (справедливость, последовательность, уважение к коллегам, избегание конфликта интересов, ответственность и открытость перед профессиональным сообществом). Мы будем обращаться к этим принципам при описании этических проблем. В первом разделе статьи опишем предпосылки, предусмотренные в самой концепции интеллекта и истории ее развития и измерения IQ, которые лежат в основе многих частных этических и методологических вопросов. Далее через призму четырех этических принципов рассмотрим несколько конкретных кейсов, как исторических, так и современных, иллюстрирующих нетривиальные этические вопросы, которые стоят перед исследователями и практиками. Что измеряют тесты интеллекта? Современные представления об интеллекте и, соответственно, его измерении формировались в контексте западной науки и главенствующих в то или иное время концепций. Так, например, большое влияние на развитие представлений об интеллекте оказала евгеника, отголоски которой мы будем находить в истории измерения интеллекта на протяжении всего двадцатого века. В начале двадцатого века в Старом Свете наука была более ориентирована на теорию и выявление общих закономерностей функционирования человеческой психики (традиция, заданная В. Вундтом и продолженная, например, в гештальт-психологии). В это же время основным двигателем развития инструментов для психологической диагностики становится США, где традиционно был силен уклон на прикладное использование результатов тестирования. Этот подход затем распространился на весь западный мир: опросы и тестирования ориентировались на немедленное прикладное использование, например, в целях отбора в образовании и в профессиональной деятельности. Определенно тесты, их содержание начали отражать запросы общества на измерения. Такая ситуация в какой-то момент привела к монополии на представления о том, кого считать достаточно интеллектуальным, или, другими словами, интеллект какого типа будет востребован в обществе. Востребованным в обществе был интеллект, понимаемый как способность решать когнитивные задания и ориентированный на набор знаний, преподаваемых в учебных заведениях. Монополия такого «аналитического интеллекта» (близкого к академическим достижениям) была нарушена только в начале 1980-х годов, когда в свет сначала вышла книга Г. Гарднера «Структура разума: теория множественного интеллекта» (Gardner, 1983), а следом Р. Стернберг презентовал свою триархическую теорию интеллекта (Sternberg, 1985). Параллельно, начиная с 1920-х годов развивались идеи социального интеллекта - «мудрого поведения в человеческих отношениях», как определил его Э. Торндайк (Thorndike, 1920). Эти идеи к середине - концу 1980-х приобрели большую популярность в психологическом сообществе и продолжили развиваться в начале 1990-х, когда благодаря бестселлеру Д. Гоулмана (Goleman, 1995) стал набирать свою популярность интеллект эмоциональный. Можно резюмировать, что в истории изучения и измерения интеллекта со временем происходит переосмысление того, какие характеристики человека являются значимыми для процессов, происходящих в обществе (Герасимова & Орел, 2022). Критики утверждают, что современные популярные тесты IQ охватывают не весь спектр человеческого интеллекта, часто упуская из вида такие аспекты, как креативность, эмоциональный интеллект, социальные навыки и практическую мудрость (Холодная, 2004a). Так, в 2004 году на страницах журнала «Психология. Журнал ВШЭ» состоялась знаковая дискуссия, посвященная вопросам тестирования интеллекта и роли результатов тестирования для принятия решений. Часть специалистов (Ушаков, 2004; Шмелев, 2004) показывали вклад интеллекта в различные достижения человека - академические или профессиональные. Другие же (Холодная, 2004b) призывали с осторожностью использовать тесты интеллекта, так как в руках непрофессионалов они могут навредить интересам личности. К. Станович (Stanovich, 2009) соглашается с тем, что существует много типов поведения, которое можно охарактеризовать как интеллектуальное, но разделяет со многими психологами обеспокоенность тем, что применение слова «интеллект» к широкому спектру различных видов поведения усугубляет существующую путаницу. Он отмечает, что некоторые люди, несмотря на наличие находящегося в рамках нормы интеллекта, не могут мыслить или действовать рационально. Для описания этого феномена он использует термин «дизрационалия» (dysrationalia): к этому же феномену он относит примеры, когда выдающиеся и успешные в своей профессии люди принимают иррациональные, а порой даже кажущиеся глупыми личные решения. Один из выводов К. Становича состоит в том, что традиционные тесты IQ не могут в полной мере оценить то, что они предназначены оценивать - способность к рассуждению и решению проблем (Stanovich et al., 2016). Эти соображения необходимо иметь в виду и когда мы предполагаем, что коэффициент IQ ничего не значит в реальном мире, и когда мы рассчитываем, что высокий IQ гарантирует рациональное поведение и личный и профессиональный успех. Дополнительно встает вопрос, что понимается под успешностью, которую предсказывают традиционные тесты интеллекта. Исследования показывают, что интеллект, измеренный с помощью традиционных тестов IQ, является довольно точным предиктором академических и профессиональных достижений (Roth et al., 2015). Однако существуют и другие характеристики успеха, такие как индивидуальное чувство самореализации, благополучие. Они в том числе зависят от личных качеств и мотивации, поэтому прогностическую достоверность тестов интеллекта не следует переоценивать и рассматривать как окончательный показатель будущего успеха (Mücka, 2014). Более того, в своей недавней статье Р. Стернберг, Д. Прейсс и С. Карами (Sternberg et al., 2023) заявляют, что господствующая сегодня концепция интеллекта в значительной степени отражает не современные культурные потребности, а скорее потребности Европы и Америки начала XX века, когда эта концепция формировалась. Авторы утверждают, что определение того, что мы понимаем под интеллектом, должно рассматриваться в рамках соответствующих исторических контекстов и может и должно меняться вместе с преобразованиями в обществе. Таким образом, доминирующее понимание интеллекта как аналитических способностей, развиваемых в рамках системы образования (не во всех странах доступного для каждого ребенка), в последние 30 лет все сильнее уступает свои лидирующие позиции более широким взглядам на интеллект и критерии социальной успешности в целом. Образование к тому же отражает общественный консенсус о том, чему нужно учить для успеха в этом конкретном сообществе, а значит индикаторы успеха и лежащие в их основе знания и навыки могут различаться от культуры к культуре. Однако несмотря на критику психометрических теорий, на сегодняшний день пока еще абсолютное большинство тестов, используемых для психодиагностики интеллекта, разработаны в рамках этого подхода. Популярность этих тестов основывается на большом количестве доступных эмпирических данных, что помогает практикам принимать обоснованные решения на основе полученных результатов (хотя и тут ведется научная дискуссия о том, какие именно данные и в какой форме правомерно использовать при интерпретации - см., например, Canivez et al., 2020). Вместе с тем нам кажется, что накопившиеся противоречия и новые общественные запросы подталкивают к парадигмальному сдвигу в глобальных подходах к пониманию и измерению интеллекта. Однако в любом случае исследователям и практикам важно ясно понимать теоретические основания, на которых построены и доминирующие, и альтернативные и еще только разрабатываемые тесты интеллекта, так как теоретическая основа напрямую связана с интерпретацией результатов. Как в результате оценки интеллекта могут нарушаться права различных групп респондентов? А. Бине, основоположник современного подхода к измерению интеллекта, утверждал, что: 1) тест должен применяться только для тех целей и той целевой группы, для которой он создается, и 2) тест не должен быть инструментом стигматизации тех, кому не удалось с ним справиться (Gould, 1981). Однако именно это и произошло с тестированием интеллекта с течением времени. Применение результатов тестирования интеллекта для принятия решений в различных сферах на протяжении всей истории измерений IQ часто становились предметом споров и разбирательств как в научных кругах, так и в средствах массовой информации (The IQ controversy…, 1976; Kamin & Egerton, 1973). Задача данного раздела - попытаться обобщить опыт подобных конфликтов и выявить, какие факторы важно учитывать при принятии тех или иных решений на основе результатов тестирования интеллекта. Первая группа кейсов касается использования показателей IQ как фактора дискриминации меньшинств. Интерпретация результатов некоторых тестов на интеллект на многие годы повлияла на отношение к интеллектуальным способностям людей, не принадлежащих к среднему классу «белой» Америки. Таким важным тестом бесспорно стал тест Army Alpha, разработанный под руководством Р. Йеркса (R.M. Yerkes) в 1917 году и применяемый для тестирования и распределения рекрутов в американской армии. Этим тестом было протестировано почти два миллиона человек (Gould, 1981). Разрабатываемый и интерпретируемый под влиянием евгеники, тест давал преимущество в результатах образованным респондентам, знакомым с бытом и практиками, присущими среднему классу. Очень быстро выяснилось, что тест не подходит для тестирования людей, не владеющих грамотой, и была разработана невербальная версия теста Army Beta. Как будто появление «адаптированной» версии может говорить о том, что разработчики учли то обстоятельство, что тест должен учитывать знакомство потенциальных респондентов с контекстом заданий. Однако невербальные задания также содержали в себе искажения, так как изображали объекты и действия, не знакомые, например, многим чернокожим рекрутам. Естественно, полученные результаты показывали «интеллектуальное преимущество» белых американцев и очень низкий уровень интеллекта у чернокожих. Учитывая масштабность тестирования и влияние вовлеченных в его организацию людей, именно результаты этого теста в конце концов легли в основу принятия закона «Об ограничении иммиграции» 1924 года, зафиксировавшего квоты на въезд для жителей Европы и запрещавшего иммиграцию жителям Азиатского региона. В законе предусматривалось обязательное тестирование всех въезжающих в США. Поначалу это тестирование оценивало не столько интеллект вновь прибывших иммигрантов, сколько их знание английского языка. Позже были разработаны невербальные тесты, и экзамены стали проводиться на родном языке иммигранта, однако тем, кто не мог сдать тест, могло быть отказано во въезде. Стоит отметить, правда, что процент отказов на основании именно результатов тестирования был очень низким (Warne, 2020 на основе данных H. Unrau, 1984). Тем не менее этот пример хорошо иллюстрирует, как легко тестирование интеллекта становится механизмом сегрегации и стигматизации различных групп населения. Реакцией на истории о сегрегации и разделения общества на основе тестирования в некоторых случаях становился полный запрет на любые тестирования умственных способностей. Для примера достаточно вспомнить постановление ЦК ВКП(б) от 4 июля 1936 года «О педологических извращениях в системе Наркомпросов»[51] (ЦК ВКП(б), 1985), поставившим крест на развитии отечественной психодиагностики на долгие годы. В качестве обоснования запрета на проведение обследований умственных способностей учащихся авторы постановления указывают на следующие обстоятельства: «Практика педологов, протекавшая в полном отрыве от педагога и школьных занятий, свелась в основном к ложно-научным экспериментам и проведению среди школьников и их родителей бесчисленного количества обследований в виде бессмысленных и вредных анкет, тестов и т. п., давно осужденных партией. Эти, якобы, научные «обследования», проводимые среди большого количества учащихся и их родителей, направлялись, по преимуществу, против неуспевающих или неукладывающихся в рамки школьного режима школьников и имели своей целью доказать, якобы, с «научной» «биосоциальной» точки зрения современной педологии наследственную и социальную обусловленность неуспеваемости ученика или отдельных дефектов его поведения, найти максимум отрицательных влияний и патологических извращений самого школьника, его семьи, родных, предков, общественной среды и тем самым найти повод для удаления школьников из нормального школьного коллектива. В этих же целях действовала обширная система обследований умственного развития и одаренности школьников, некритически перенесенная на советскую почву из буржуазной классовой педологии и представляющая из себя форменное издевательство над учащимися, противоречащая задачам советской школы и здравому смыслу. Ребенку 6-7 лет задавались стандартные казуистические вопросы, после чего определялся его так называемый «педологический» возраст и степень его умственной одаренности. Все это вело к тому, что все большее и большее количество детей зачислялось в категории умственно отсталых, дефективных и «трудных». На основании отнесения подвергшихся педологическому «изучению» школьников к одной из указанных категорий педологи определяли подлежащих удалению из нормальной школы детей в «специальные» школы и классы для детей «трудных», умственно отсталых, психо-невротиков и т. д.» Как видно из приведенной цитаты, основной обозначенной причиной запрета деятельности педологов являлась сегрегация детей на основе результатов измерения их умственных способностей. В отсутствии стандартов разработки и администрирования тестов у сообщества педологов не было аргументов в споре с советской властью, решившей не работать с культурой оценки умственных способностей, чтобы использовать ее результаты во благо обществу, а просто запретить всяческие измерения, чтобы убрать основания для разделения учащихся по уровню способностей. Пример Советского Союза не является единственным. В Соединенных Штатах подобные кейсы неправомерного использования тестов IQ в конечном итоге вылились в серию судебных исков, повлекших ограничения в использовании тестов. В одном из наиболее известных таких разбирательств - «Ларри П. против Райлза» - федеральный суд США запретил использовать тесты на интеллект для отнесения учащихся к категории «умственно отсталых» и последующего направления их в специальные классы. Аргументация суда заключалась в том, что тесты носили незаконный дискриминационный характер, поскольку при их использовании непропорционально большой процент афроамериканских детей получал результаты IQ ниже 70 баллов, что является одним из критериев умственной отсталости. Беспокойство и общественная критика имели веские основания, однако при принятии итоговых решений валидность результатов самого тестирования не была полноценно оценена и потому, как минимум часть детей впоследствии не получили необходимой образовательной поддержки. Несмотря на эти неоднозначные результаты, запрет действовал еще в течение нескольких десятилетий (Sattler, 2008; Powers et al., 2004). В приведенных примерах наблюдаются нарушения принципов уважения и честности, которые в дальнейшем вызывали контрреакции, зачастую тоже с неоднозначными последствиями в контексте общественного блага. Оценка интеллекта - это чувствительный вопрос для общества, так как она имеет значительное влияние на судьбу людей. Мы полагаем, что реализация принципов уважения и честности возможна при выполнении следующих условий: во-первых, четкого определения целей тестирования и регулярного мониторинга соответствия его результатов этим целям; во-вторых, максимальной нейтральности по отношению к различным группам людей и обеспечении справедливой оценки. Профессиональному сообществу необходимо постоянно отслеживать, на каких предпосылках основываются измерения и выводы, чтобы в будущем своевременно предотвращать и выявлять возможные этические нарушения. Вслед за этим встает вопрос о том, при каких условиях оценивание может быть справедливым и какую роль в спорных последствиях тестирования играет сам тест? Чтобы ответить на этот вопрос, обратимся к проблеме необъективности тестов. Справедливы ли тесты интеллекта для различных групп? Есть две крайние точки зрения: первая, что тесты интеллекта в своей массе позволяют объективно оценить способности, и противоположная, что многие тесты способностей вообще и тесты интеллекта в частности несправедливы по отношению к некоторым группам респондентов. Началом подобной критики стали наблюдения, что этнические меньшинства, отдельные расы, малоимущие и другие группы систематически получают при тестировании баллы ниже, чем доминирующие или привилегированные группы. Критики объясняют это свойствами тестов и несовершенными подходами к оцениванию. Опасения связаны, в частности, с тем, что людям из группы меньшинств могут чаще ставить чрезмерный (ложноположительный) психиатрический диагноз, учащиеся непропорционально часто попадают в специальные классы, а кандидатам отказывают в приеме на работу или в образовательное учреждение из-за несправедливых стандартизированных тестов. В этом контексте кейс «Ларри П. против Райлза», описанный выше, был знаковой вехой этих дебатов. Чтобы описать пространство между этими крайними точками зрения, стоит ввести два важных понятия - справедливость теста (test fairness) и предвзятость теста (test bias). В литературе можно встретить разные позиции: 1) справедливость и непредвзятость являются тождественными понятиями; 2) непредвзятость является одним из необходимых условий справедливости теста; 3) предвзятость теста не исключает справедливость, и наоборот. Одними из первых разделять понятия (не)предвзятости и справедливости предложили Дж. Хантер и Ф. Шмидт (Hunter & Schmidt, 1976), делая акцент на том, что (не)предвзятость относится к техническим и статистическим свойствам теста, которые могут быть оценены; а справедливость теста является социальным и этическим концептом, прежде всего связанным с вопросом принятия решений на основе тестов и их социальными последствиями. Вопрос справедливости, таким образом, авторы тесно связывают с философскими концепциями отбора и приводят описания возможных позиций: например, позиции неквалифицированного индивидуализма, общественных квот, квалифицированного индивидуализма. С точки зрения, которую представляют Дж. Хантер и Ф. Шмидт, справедливость и предвзятость хоть и связаны, но не являются взаимоисключающими, и вопрос справедливого использования любого теста выходит из плоскости объективного и становится вопросом морали и ценностей отдельного человека, организаций и сообществ, принимающих решения. Иную позицию можно встретить в стандартах, совместно разработанных Американской ассоциацией исследований в области образования, Американской психологической ассоциацией и Национальным советом по измерениям в образовании (American Educational Research Association et al., 1999, 2014), являющихся влиятельными игроками в области тестирования в образовании и психологии. В последней версии стандартов тема «Справедливость тестирования» была вынесена в отдельную секцию-книгу (Fairness in Educational…, 2022), наряду с традиционными секциями по валидности и надежности тестов. Стандарты определяют четыре основания справедливого тестирования: 1) сопоставимость интерпретации результатов для разных испытуемых должна быть приоритетнее стандартизации процедур тестирования; 2) отсутствие предвзятости измерения (measurement bias) при разработке теста; 3) доступность измеряемых конструктов для всех тестируемых при разработке теста и 4) интерпретация и использование тестовых баллов должны отражать взаимодействие индивидуальных особенностей тестируемого с тестом и контекстом, в котором он проводится. То есть согласно этой точке зрения, непредвзятость (прежде всего - отсутствие предвзятости измерения) является одним из необходимых условий справедливости теста. Так или иначе, несмотря на некоторую путаницу между понятиями справедливости и предвзятости в неакадемической среде (Reynolds & Suzuki, 2012) и различий в определении «справедливости теста» среди ученых, в научном сообществе есть относительно консолидированное мнение, что (не)предвзятость теста относится к статистическим показателям. Предвзятость в этом смысле означает неодинаковую валидность теста для различных подгрупп, когда индивиды с гипотетически одним уровнем латентной способности (например, одинаковым уровнем интеллекта) получают разные результаты по тесту. Предвзятый тест систематически завышает или занижает значение переменной, для оценки которой он предназначен. Если эта погрешность зависит от культурной переменной, такой как этническая принадлежность, то говорят о наличии культурной предвзятости теста, однако смещение может происходить и относительно других переменных - например, возраста и пола. Очень долгое время среди пользователей тестов и исследователей было распространено мнение, что для использования теста на другом языке и в другой культуре не требуется каких-то изменений в тесте, кроме перевода. Более того, если тест предполагался для использования на том же языке, на котором он разработан, но для другой целевой популяции, или если это невербальный тест, никакие дополнительные процедуры не нужны. Представление о том, что тесты нуждаются в адаптации, которая не является просто переводом, хотя и существовали в научном сообществе долгое время, но официально и полно закрепились не столь давно, ознаменовавшись выходом Руководства по адаптации тестов от Международной комиссии по тестам в 2004 году (Bartram & Hambleton, 2016). Вся процедура адаптации как раз направлена на достижение эквивалентности и сопоставимости конструктов, методов и отдельных заданий для всех целевых групп двух версий инструментов, результаты которых могут быть сравнимы. В случаях, когда эквивалентности по каким-либо причинам невозможно достичь, сравнения не проводятся. В Руководстве описаны способы оценки и преодоления предвзятости, которые в целом соответствует так называемой концепции предвзятости (Van de Vijver & Leung, 2021; Van de Vijver & Poortinga, 1997; Van de Vijver & Tanzer, 2004). Предвзятость на уровне конструктов может быть, если оцениваемый конструкт неодинаково выражается или должен быть определен по-разному у различных групп. В контексте оценки интеллекта вопрос может звучать так: «Является ли интеллект представителя одной культуры/расы/группы тем же самым конструктом, что и интеллект представителя другой культуры/расы/группы?». Предвзятость на уровне методов может возникнуть из-за несопоставимости выборок (различия в образовании и доступе к образованию, социально-экономическом статусе, жители городов или сельской местности и др.) или, например, из-за несопоставимости условий оценивания (неодинаковая понятность инструкций для разных респондентов, коммуникативные проблемы во взаимодействии с администратором тестирования и его установки и др.). Предвзятость на уровне отдельных заданий, пожалуй, является самым очевидным и известным пунктом. Так, даже на заре создания тестов на интеллект при переводе учитывались как минимум нюансы географических названий, меры длины, валюты и так далее. Например, когда тест А. Бине был переведен на английский язык для использования в США, американским психологам было очевидно, что арифметическое задание, требующее знания французских денег, необходимо изменить, поскольку в США нет монет в ½ цента или 2 цента (Terman, 1916). Однако сопоставимость отдельных утверждений не всегда настолько очевидна, и ее проверка требует применения специальных психометрических процедур. В своем справочнике по психологическому тестированию Р. Грегори (Gregory, 2015) указывает, что в большинстве тестов способностей и достижений не обнаружена предвзятость, и ссылается на работы А. Дженсена (Jensen, 1980), C. Рейнольдса (Reynolds, 1994), Н. Кансела и П. Сакетта (Kuncel & Sackett, 2007) и других. Вместе с тем есть работа Й. Вихертс (Wicherts, 2016) с обзором исследований предвзятости батарей тестов интеллекта (в том числе самых популярных, например, WAIS-IV), где автор приходит к выводу, что в более чем половине статей не подтверждается, например, измерительная инвариантность (эквивалентность) методик в отношении этнических групп, пола, образования или возраста. Нет также и консенсуса и о конкретных способах измерения предвзятости (Putnick & Bornstein, 2016), а также о степени влияния разных аспектов предвзятости на валидность выводов о групповых различиях - например, см. полемику Б. Меулемана и соавторов (Meuleman et al., 2023) и К. Вельцеля и соавторов (Welzel et al., 2023). Так или иначе, можно выделить как минимум три альтернативных направления развития тестов интеллекта, возникших в том числе как ответ на критику о предвзятости «классических» тестов. Одно направление включает развитие идеи невербальных культурно-неспецифических тестов. Примерами подобных комплексных и современных тестов могут быть Leiter-3 (Roid & Koch, 2017, доступен для использования в России) и UNIT II (Friedlander Moore et al., 2017; использовался в России в исследовательских целях). Оба теста разрабатывались в так называемой парадигме «универсального дизайна», являются полностью невербальными и были специально созданы для применения как в общих, так и особых популяциях: различных этнических группах, респондентов с ограниченным слухом, речью или другими нарушениями развития. Вторым направлением можно обозначить то, что Дж. Наглиери назвал тестами второго поколения (Naglieri, 2015): прежде всего, Cognitive Assessment System (Naglieri et al., 1997) и Kaufman Assessment Battery for Children II (Bain & Jaspers, 2010; Kaufman & Kaufman, 1983). Особенностью этих тестов является добавление нейропсихологических классификаций и теорий в теоретическое основание теста и наличие полностью невербальных вариантов, что обеспечивает более справедливое оценивание самых разных детских популяций. Согласно авторам, эти тесты предсказывают академические достижения не хуже классических, но при их применении различия между расами в сравнении с классическими тестами уменьшаются вдвое. Третье направление можно обозначить как «культурно-специфическое» или «экологическое» (Berry, 1976, 2022). Эта точка зрения подчеркивает, что интеллект адаптируется к экологическим и культурным условиям, а потому развитие и проявление индивидуального интеллекта будут меняться по мере изменения этих условий - и этот контекст необходимо учитывать при оценке и создании тестов интеллекта. Примером реализации «культурно-специфи- ческого» подхода может быть тест «Panga Munthu», разработанный в Замбии для измерения интеллекта африканских детей (Kathura & Serpell, 1998), где исследователи просили вылепить фигурку человека из глины или проволоки вместо выполнения бумажных заданий. Еще одним примером может быть концепция «практического интеллекта» (Sternberg, 1985; Sternberg et al., 2021), в рамках которой исследователи оценивали интеллект у коренных жителей Аляски с помощью разработанного теста таситного (неявного) знания в сферах информации о травах, рыболовстве, выживании, фольклоре и охоте (Grigorenko et al., 2004). Резюмируя, можно сказать, что вопрос непредвзятого оценивания является составной частью общих вопросов о качестве и валидности инструментария, а также - более глобальных дискуссий об определении интеллекта вообще (см. раздел 1) и природе групповых различий. Нам представляется, что этическая задача исследователей - как минимум быть в курсе этих обсуждений и учитывать их в собственных научных задачах, особенно если они касаются сравнительных исследований. Задача разработчиков тестов - пользоваться лучшими из существующих гайдлайнов для разработки и оценки свойств тестов, проводить полноценные исследования валидности на репрезентативных выборках и проверять, не является ли сам тест и задания источниками различий между группами. Эти задачи напрямую связаны с профессиональной компетентностью, которая, в свою очередь, позволяет реализовываться принципу ответственности - ответственности исследователей и разработчиками перед отдельными индивидами и обществом в целом. Очевидно, что не для всех инструментов будут проведены необходимые исследования и анализы - в этом случае критически важным кажется как минимум описывать тесты согласно международным стандартам, демонстрировать и те аспекты валидности, для которых были получены обнадеживающие результаты, и те аспекты, для которых таких результатов не обнаруживалось или которые не были оценены. Например, для этого возможно использовать Европейскую модель оценки качества тестов. Последняя версия модели была выпущена в 2013 году[52], и имеет перевод на русский, новая версия[53] уже доступна для предварительного просмотра и обсуждения. В данном случае это станет реализацией принципа честности. Соблюдение этого принципа позволит не опускать проблемные вопросы в область «несказанного» или даже «замалчиваемого», а потенциальным пользователям тестов - помнить про качество тестов, выбирать тест с учетом целевой аудитории респондентов и думать про валидность интерпретации. Мы подробнее остановимся на этических аспектах, касающихся выбора и использования качественного (или некачественного) инструментария в следующем разделе. Как оценить качество оценочного инструментария? Вопрос качества тестов закреплен в различных этических кодексах. Например, в этическом кодексе, принятом Российским психологическим обществом, в пункте 2.3.1 говорится об обязанности психолога пользоваться только валидными и надежными инструментами[54]. Однако именно качество используемых тестов зачастую вызывает самые большие дискуссии, и ситуация в России - не исключение. В России при формировании рынка оценочных инструментов действовал еще один важный фактор - экономический. Современная российская психодиагностика зарождалась в начале 1980-х годов (так, первый перевод классического учебника А. Анастази «Психологическое тестирование» увидел свет в 1982 году), и к моменту социальных и экономических потрясений 1990-х годов отечественных инструментов диагностики было еще не очень много. Как пишет А.Г. Шмелев, «...производство отечественных тестов погибло, фактически не поднявшись из младенческой колыбели. Оказалось гораздо выгоднее пользоваться крадеными западными методиками, чем оригинальными отечественными, за которые отечественные специалисты законно хотели получить компенсацию вложенного квалифицированного труда.» (Шмелев, 2004, с. 42). В открытой продаже начали появляться сборники тестов (например, Лучшие психологические тесты, 1992), которые содержали в себе исключительно тексты заданий и способы подсчета баллов, без указаний на то, каким образом проводилась их валидизация и стандартизация. Культура публикации результатов психометрического анализа инструментов начала формироваться гораздо позже, а понимание того, что тест должен иметь опубликованные результаты проверки его качества у массового пользователя тестов, не до конца сформировано и по сей день. «Лучшие психологические тесты» теперь опубликованы на открытых порталах в интернете, а в продаже все также можно найти тесты (в том числе тест Векслера), не имеющими в комплекте технических отчетов о результатах их психометрического анализа. Кроме того, почти любой психологический тест для диагностики интеллекта детей и подростков, используемый в России, можно найти в открытом доступе в сети интернет. Кроме вопроса о правомерном использовании закрытых профессиональных тестов, речь о котором порой не идет, мы опять возвращаемся к вопросу качества тестов. Доступность профессиональных инструментов для непрофессионалов самым негативным образом сказывается на валидности результатов и их интерпретации, так как потенциальный диагностируемый может натренироваться на прохождение тестирования. Еще один аспект, который необходимо обсудить, - стандартизация тестов. Любой психологический тест, который предполагает использование в индивидуальной психодиагностике, требует проведения процедуры стандартизации, так как психолога в первую очередь интересует вопрос соотнесения результата отдельного человека либо с определенным критерием, либо, что более применимо к тестам на интеллект, с представляющей его популяцией. Однако использование тестов на интеллект в России уже дает нам примеры, когда тесты не имеют актуальных норм, но все равно применяются в психодиагностике. Например, широко используемый для диагностики интеллекта у детей и подростков тест Векслера до сих пор использует не просто старые нормы, но еще и полученные не на российских выборках (Филимоненко, Тимофеев, 2016). Употребление таких норм приводит к серьезным ошибкам в интерпретации результатов, особенно в тех случаях, когда интеллект является диагностирующим критерием и результаты диагностики определяют серьезные последствия для жизни ребенка. Более того, даже нормы, полученные для целевой популяции для тестов на интеллект, требуют пересмотра не реже чем раз в десять лет, что было наглядно продемонстрировано эффектом Флинна (Flynn, 1984, 1987). В рамках этого эффекта было продемонстрировано, что каждое следующее поколение показывает более высокие показатели интеллекта, чем предыдущее. Несмотря на то, что вокруг эффекта Флинна ведется обширная дискуссия (например, Dutton et al., 2016; Kaufman, 2010; McGrew, 2010), его выявление сыграло не последнюю роль в стимулировании разработчиков тестов регулярно пересматривать нормы. Лейтмотивом темы качества профессиональных тестов звучит применение принципа компетентности. Принцип компетентности преломляется во всех ситуациях, когда психолог должен сделать осознанный выбор релевантного и качественного инструментария и отказаться от использования инструментов с неподтвержденным психометрическим качеством. Также компетентность будет проявляться в использовании только тех тестов, работать с которыми психолог обучился, так как большинство тестов на интеллект, предназначенных для психодиагностики, достаточно объемны, сложны в администрировании и требуют специального обучения для применения. Нельзя игнорировать тот факт, что для того, чтобы реализовывать принцип компетентности, необходимо соответствующим образом готовить специалистов. Такая подготовка должна включать не только и не столько знакомство с существующими методиками, но овладение основами разработки тестов, психометрики и принципами проведения диагностики и представления результатов. Выбор инструмента для диагностики неизбежно затрагивает и еще один этический принцип - принцип ответственности. Когда психолог использует некачественный инструмент, он всегда получает искаженный результат, ведущий к ошибкам, которые могут иметь драматические последствия в жизни респондента. Решения, принятые на основе искаженных результатов, имеют последствия для ребенка и его родителей, так как ребенок не получает необходимой для него поддержки. Это также создает сложности школе, так как педагоги не могут учесть особенные потребности ребенка. И глобально использование некачественных инструментов наносит вред профессиональному сообществу и обществу в целом, так как ведет к недоверию к специалистам и избеганию обращения за помощью в случае необходимости. Обсуждение Измерение интеллекта занимает отдельное место в истории развития психодиагностики. К настоящему моменту проделан большой путь, появились процедуры адаптации тестов к различным культурным контекстам, знание о необходимости обновления норм и правила стандартизации - психометрическая наука шагнула вперед, дав возможности более точного оценивания и применения новых форматов, таких как, например, компьютерное тестирование. Однако до конца этот путь не пройден, и перед исследователями возникают запросы, на которые необходимо реагировать. В рамках данной статьи обсуждались основные проблемы, связанные с измерением интеллекта, включая глобальные подходы к его операционализации, потенциальные нарушения прав человека в результате применения тестов, справедливость оценивания для различных групп респондентов, а также вопросы качества и выбора тестовых инструментов. С нашей точки зрения, преодоление этих трудностей требует от психологического сообщества постоянной рефлексии, направленной на обеспечение соблюдения этических принципов в психодиагностике, таких как уважение, честность, компетентность и ответственность. Такая рефлексия необходима для движения в сторону адекватного тестирования интеллекта в нашей стране. Данная задача требует совместных усилий всех специалистов - как исследователей, так и практиков. Исходя из проанализированных вопросов, можно сделать несколько ключевых выводов. Во-первых, интеллект представляет собой важный социальный конструкт, результаты его оценки имеют значительное влияние как на уровне отдельного индивида, так и на уровне общества. Например, результаты оценки интеллекта могут стать основой для принятия важных решений, касающихся здоровья, образования или профессиональной деятельности. А на макроуровне они связаны с различными экономическими характеристиками региона или страны, а также такими страновыми характеристиками, как политические свободы, уровень здравоохранения, продолжительность жизни и так далее. Подробнее о концепции макропсихологии интеллекта в исследованиях А.В. Юревича и коллег (Юревич и др., 2007), Д.В. Ушакова и А.А. Григорьева (Ushakov, Grigoriev, 2016)]. Наша позиция заключается в том, что, учитывая большое значение оценки интеллекта для психодиагностики и исследований индивидуальных различий в целом, психологам (как исследователям, так и практикам) важно ориентироваться в дискуссии, касающейся операционализации интеллекта и не упускать из виду «большую картину», так как теоретическая основа напрямую связана с интерпретацией результатов. Во-вторых, справедливая оценка интеллекта представляет собой сложную задачу, затрагивающую как исследователей-разработчиков тестов, так и специалистов-практиков. Для первых проблема заключается в создании валидных и надежных тестов, которые учитывают культурные и социальные различия респондентов. Для вторых - в корректной организации тестирования и интерпретации полученных данных. Современные общественные запросы требуют от научного сообщества создания доказательной базы и обеспечения справедливости тестирования. Однако используемые в России инструменты для измерения интеллекта пока не могут в полной мере удовлетворить эти требования, что подчеркивает необходимость разработки новых диагностических инструментов, соответствующих современным реалиям. В-третьих, необходимо отметить, что даже самый современный и валидный тест не может сам по себе решить всех проблем, связанных с оцениванием интеллекта. Мы хотели бы подчеркнуть значимость контекста использования теста, и вклад каждого конкретного специалиста в валидность тестирования, результатов и их интерпретации. Например, неправомерное использование «некачественного» метода и интерпретация результатов, не подкрепленная научной аргументацией, - это решение конкретного специалиста, даже если оно не до конца осознанное и/или поддерживается определенной «традицией» использования. Мы видим необходимость в повышении чувства индивидуальной ответственности специалистов за свою профессиональную деятельность, а также безусловно - в создании благоприятной среды для развития их профессиональных компетенций и формировании общественных и государственных ожиданий как в отношении работы специалистов, так и по поводу качества психометрического инструментария. Таким образом, общей задачей и практического, и научного профессиональных сообществ является обеспечение обоснованного и корректного использования результатов измерения интеллекта. Принятие решений на основе этих данных должно не только не причинять вреда, но приносить пользу отдельным участникам тестирования и обществу в целом. Заключение Измерение интеллекта является одним из ключевых вопросов психодиагностики и требует постоянного научного развития и этической рефлексии. Несмотря на достигнутый прогресс в создании более точных и совершенных инструментов измерения, остаются нерешенные вопросы, связанные с обеспечением валидности, справедливости и соблюдением прав человека при оценке интеллектуального развития. Продолжение междисциплинарного диалога и повышение ответственности специалистов как в области исследований, так и в практике тестирования представляется необходимым условием для дальнейшего совершенствования методов и повышения их полезности как для отдельных индивидов, так и для общества в целом.

About the authors

Tatiana I. Logvinenko

Sirius University of Science and Technology, The Sirius Federal Territory

Author for correspondence.
Email: logvinenkota.spb@gmail.com
ORCID iD: 0000-0001-7430-1963
SPIN-code: 8068-9856

Research Fellow, Center for Cognitive Sciences

1 Olimpiyskiy Ave., 354340 The Sirius Federal Territory, Russian Federation

Tatiana N. Kanonir

HSE University

Email: tkanonir@hse.ru
ORCID iD: 0000-0001-5606-8379

Dr. Psych. (PhD), Associate Professor, Institute of Education

20 Myasnitskaya St, 101000 Moscow, Russian Federation

Ekaterina A. Orel

HSE University

Email: eorel@hse.ru
ORCID iD: 0000-0002-9100-0713

PhD in Psychology, Senior Research Fellow, Institute of Education

20 Myasnitskaya St, 101000 Moscow, Russian Federation

Alena A. Kulikova

HSE University

Email: aponomareva@hse.ru
ORCID iD: 0000-0002-4296-3521

PhD in Education, Research Fellow, Institute of Education

20 Myasnitskaya St, 101000 Moscow, Russian Federation

References

Supplementary files