Вклады индивидуально-интеллектуальных интеграций в академическую успеваемость студентов гуманитарного профиля подготовки

Полный текст

Введение Академическая успеваемость: внутренние и внешние факторы. Академическая успеваемость студентов напрямую связана с ростом их профессиональной компетентности. В условиях превалирования компетентностной парадигмы в образовании изучение академической успеваемости становится весьма актуальным. Академическая успеваемость - это комплексная характеристика, зависящая от множества факторов. Обычно выделяют внутренние и внешние факторы академической успеваемости. К внутренним относят различные физиологические и психологические характеристики: хронобиологический тип (Зенкина и др., 2019), мотивацию достижения и учебную мотивацию (Ишмуратова и др., 2021; Abdelrahman, 2020; Anderman, 2020; Chen et al., 2019; Steinmayr et al., 2019), уровень интеллекта (Morales-Vives et al., 2020; Tikhomirova et al., 2020), эмоциональный интеллект (Ahmed et al., 2019), критическое, рефлексивное и креативное мышление (Akpur, 2020), академическую самоэффективность (Nasir, Iqbal, 2019; Olivier et al., 2019; Stajković et al., 2018; Usher et al., 2019), вовлеченность (Ишмуратова, Потанина, Бондаренко, 2021; Фомина, Филиппова, Моросанова, 2021; Olivier et al., 2019), самоконтроль (Duckworth et al., 2019) и саморегуляцию (Ишмуратова, Потанина, Бондаренко, 2021; Фомина, Филиппова, Моросанова, 2021; Morosanova et al., 2022), черты личности (Morales-Vives, Camps, Dueñas, 2020; Stajković et al., 2018; Morosanova et al., 2022), готовность к самостоятельному обучению (Torun, 2020), надежду и оптимизм (Rand et al., 2020), психологическую зрелость (Morales-Vives et al., 2020). Во внешние факторы включают социоэкономический статус и тип школы (Suna et al., 2020), воспитание (Howard et al., 2019), вовлеченность родителей (Прохоров, 2019; Veas et al., 2019), социальное окружение (Докука, 2021) и др. Внешние и внутренние факторы могут вносить вклад в академическую успеваемость как по отдельности, так и совместно. Однако сами эти факторы могут быть весьма разнородными, что ставит вопрос о двойных системах. Двойные системы. Можно выделить несколько вариантов полисистемного подхода: 1) когда на одно явление проецируется несколько систем, тогда явление приобретает многокачественность и многомерность; 2) когда есть несколько явлений, которые относятся к разным системам и имеют разные основания, однако они интегрируются, создавая двойную (тройную и т. д.) систему; 3) когда есть несколько явлений, относящихся к нескольким системам одновременно, но при этом имеющих разные основания, их интеграция происходит на основе общего между ними. В рамках данного исследования остановимся на второй трактовке полисистемного подхода. Под двойными будем понимать системы, которые совместно действуют, но обусловлены разными причинами, имеют разные основания (Deutsch, Strack, 2006) и вбирают в себя несколько различающихся комплексов явлений. Примерами двойных систем в области когнитивной психологии могут быть интуитивное и логическое мышление по У. Джеймсу (James, 1996); быстрое и медленное мышление по Д. Канеману (Kahneman, 2011); дивергентное и конвергентное мышление по Дж. Гилфорду (Guilford, 1950); логический и интуитивный опыт по Я.А. Пономареву (1976) и др. Все эти примеры указывают на два типа систем: интуитивную и аналитическую. Интуитивная система (cистема 1) оперирует быстро и не требует усилий, является подсознательной и автоматической. Аналитическая система (cистема 2) носит преднамеренный сознательный характер, основана на правилах, является рефлексирующей, находится под контролем, функционирует медленнее и требует больше усилий, а также логических умозаключений (Stanovich, 2010). Как взаимодействуют системы 1 и 2? Можно выделить пять вариантов (моделей) их взаимодействия: параллельная, последовательная, гибридная (De Neys, 2017), интерактивная и интегративная (Deutsch, Strack, 2006). В параллельной модели системы функционируют одновременно, конкурируя. Последовательная модель предполагает, что сначала активируется cистема 1, а затем при необходимости cистема 2. Например, интуитивная cистема 1 активируется первой в случае столкновения с проблемой, так как является базовой, если решить проблему не получается, подключается логическая cистема 2 (Evans, Stanovich, 2013; Kahneman, 2011, Stanovich, 2010). Гибридная модель взаимодействия систем предполагает как последовательную, так и параллельную активацию (De Neys, 2017). Такой вариант функционирования систем возможен, когда, например, интуитивной cистеме 1 требуется участие логической cистемы 2 для вынесения более сложных, но все же интуитивных ответов. Интерактивную модель можно понимать как параллельную с активным взаимодействием между системами в процессе функционирования. Интегративная модель имеет индуктивный характер, объединяя cистему 1 и cистему 2 в более общую систему (Дорфман, Калугин, 2021), тогда общее может выступать маркером интеграции. Общее, с одной стороны, представляет совместную область между cистемами 1 и 2, а с другой - выходит за их рамки, на более высокий уровень абстракции. На этом более высоком уровне преодолеваются различия между cистемами 1 и 2. Такое общее можно обозначить как генерализованное (Дорфман, Калугин, 2021). Кросс-теоретические и кросс-эмпирические интеграции. Термин «интеграция» происходит от латинских слов integratio - процесс вставки частей во что-то, соединение и integer - целый. Ранее (Дорфман, Калугин, 2021; Дорфман, Калугин. Интеграция знания.., 2022b; Dorfman, Kalugin, 2022) отмечалось, что понятие интеграции имеет как минимум четыре значения: общее как результат объединения свойств, процесс (а не результат) их собирания, охват свойств, их масштаб, индуктивный характер. Несколько в ином, но дополняющем свете в интеграции можно обозначить также триаду важных признаков: объединение, укрупнение, обобщение. Возможность объединения возникает в ситуациях, когда исходно сосуществуют несколько разрозненных составляющих, например свойств темперамента и черт личности в режиме их фрагментации. Так объединение становится одним из признаков интеграции. Укрупнение выражается в том, что при интеграции возникают образования с более крупными составом и единицами, чем состав и единицы исходных составляющих, например масштаб типов темперамента в сравнении с масштабом его отдельных свойств. Обобщение является формой абстракции, посредством которой возникают понятия, общие для исходных составляющих, например степень абстракции понятия индивидуальности в сравнении с абстракцией ее отдельных свойств. Так обобщение становится еще одним важным признаком интеграции. Общее может обнаруживаться на разных уровнях интеграции: методологическом, теоретическом, эмпирическом и практическом (см. подробнее: Дорфман, Калугин, 2021). В рамках нашего исследования остановимся только на двух уровнях - теоретическом и эмпирическом. Понятие «кросс-теоретические интеграции» обозначает, что несколько теорий рассматриваются не изолировано, а объединяются. Это способствует производству нового знания на основе объединения и укрупнения теорий (Дорфман, Калугин. Интеграция знания.., 2022b). Их общность предполагает более высокие степени абстракции, чем абстракции интегрируемых теорий, взятых по отдельности, более крупное целое, чем целое в отдельных теориях. При этом интеграция теорий не исключает их дифференциацию, они могут сохранять свою специфичность, являясь частью более общей теории. Так, теория И. Ньютона не потеряла свою актуальность, став частью общей теории относительности А. Эйнштейна. Таким образом, кросс-теоретические интеграции - это интеграции на уровне теорий, в отличие от них кросс-эмпирические интеграции - это интеграции на уровне эмпирических моделей. Теории подлежат эмпирической проверке, то есть они должны быть операционализируемы, теоретическое понятие находит выражение в эмпирическом понятии. Например, феномен интеллекта, о сущности и структуре которого можно долго рассуждать в теоретическом плане, становится измеримым в виде психометрического интеллекта. Психометрический интеллект в свою очередь можно соотносить с другими операционализированными понятиями, например с психометрической креативностью и интегральной индивидуальностью. Если исследователь полагает, что есть веские основания для интеграции нескольких теорий, то он может проверить это предположение на уровне эмпирических моделей. Индивидуально-интеллектуальные интеграции и академическая успеваемость. Ранее мы обращались к индивидуально-интеллектуальным интеграциям в связи с академической успеваемостью (Дорфман, Калугин. Индивидуально-интеллектуальная модель.., 2022a), однако тогда акцент был сделан на опосредовании интеллекта и креативного мышления во влиянии свойств индивидуальности на академическую успеваемость. Обнаружено, что кристаллизованный интеллект, креативные оригинальность и гибкость по отдельности могут выступать медиаторами и обеспечивать непрямую связь свойств индивидуальности с успеваемостью. Данная работа продолжает линию исследования вкладов индивидуально-интеллектуальных интеграций в академическую успеваемость. Изучению подвергаются прямые вклады разноуровневых свойств индивидуальности, интеллекта и креативности в академическую успеваемость. Интеллект (Лобанов и др., 2018; Ржанова и др., 2020), черты личности (Morales-Vives et al., 2020; Stajković et al., 2018), а также интеллект и личностные характеристики совместно (Смирнов и др., 2007) производят вклады в академическую успеваемость. Однако эти исследования затрагивают лишь отдельные аспекты индивидуальности, совокупное влияние разноуровневых свойств индивидуальности в сочетании с интеллектом и креативностью практически не изучалось. В настоящем исследовании данный пробел в некоторой степени восполняется. Исходной предпосылкой данного исследования являются принцип системности (Ломов, 1984), системно-интегративный подход (Вяткин, Дорфман, 2018) и положение о двойных системах (Дорфман, 2016). Они применяются к индивидуально-интеллектуальным интеграциям и академической успеваемости. С позиций кросс-теоретических интеграций (Дорфман, Калугин, 2021) разноуровневые индивидуальные свойства берутся в рамках теории интегральной индивидуальности В.С. Мерлина (1986), рассматривается кристаллизованный и флюидный интеллект в рамках структурно-динамической теории интеллекта Д.В. Ушакова (2003, 2011), креативные беглость, оригинальность и гибкость в рамках теории дивергентного (креативного) мышления Дж. Гилфорда (Guilford, 1967). Академическая успеваемость студентов трактовалась как выражение культурно-образовательной среды их обучения (Suna et al., 2020) и воспитания (Howard et al., 2019; Veas et al., 2019). Данное исследование носит полисистемный характер, имеет дело с двойной системой, погруженной в культурно-образовательную среду. Теоретическая схема исследования имеет следующий вид: интегральная индивидуальность (cистема 1), интеллект и креативность (cистема 2), внешняя культурно-образовательная среда. Системы 1 и 2 разводятся и в то же время образуют двойную систему, потому что они, с одной стороны, имеют разные основания, а с другой - интегрируются. Проблема исследования заключается в выявлении эффектов, которые производит указанная двойная система на академическую успеваемость. Эффекты тестируются при двух условиях: 1) системы 1 и 2 действуют совместно; 2) системы 1 и 2 действуют в параллельном режиме и по отдельности. Построены три модели: полная, коррелирующая, некоррелирующая. Гипотезы по каждой модели формулировались следующие: 1. Полная модель. Все переменные индивидуальности (система 1), интеллекта и креативности (система 2) включаются в модель как коррелирующие и действуют совместно; они производят значимый вклад в академическую успеваемость. 2. Коррелирующая модель. Отдельные переменные cистемы 1 и cистемы 2 коррелируют и совместно производят значимый вклад в академическую успеваемость. 3. Некоррелирующая модель. Отдельные переменные cистемы 1 и cистемы 2 не коррелируют и производят значимый вклад в академическую успеваемость по отдельности. 4. Коррелирующая модель является наиболее пригодной в сравнении с пригодностью полной и некоррелирующей моделей. Процедура и методы исследования Участники исследования. Участниками исследования выступили 415 студентов ряда пермских высших учебных заведений, преимущественно обучающиеся гуманитарного профиля. Возраст участников варьировал от 17 до 22 лет (M = 18,6; SD = 1,0), 122 юноши и 293 девушки. Психодиагностический инструментарий. В соответствии с теорией интегральной индивидуальности В.С. Мерлина (1986), измерялись свойства нервной системы, темперамента и личности. Павловский темпераментальный опросник Я. Стреляу (Strelau et al., 1999) в адаптации (Данилова, Шмелев, 1988) использовался для изучения свойств нервной системы (сила процессов возбуждения, сила процессов торможения, подвижность нервных процессов). Опросник темперамента Я. Стреляу (Strelau, Zawadzki, 1995) в адаптации (Стреляу и др., 2009) использовался для измерения свойств темперамента (активность, выносливость, динамичность, настойчивость, сенсорная чувствительность, эмоциональная реактивность). Вопросник Большой пятерки (BFI-2) К. Сото и О. Джона (Soto, John, 2017) в адаптации (Shchebetenko et al., 2020; Калугин и др., 2021) использовался для оценки черт личности (экстраверсия, доброжелательность, добросовестность, нейротизм, открытость опыту). Четырехфакторный опросник Я (4ФЯ) Л.Я. Дорфмана (Дорфман, Калугин, 2020) позволил измерить четыре стороны Я-концепции (Авторское Я, Воплощенное Я, Превращенное Я, Вторящее Я). Универсальный интеллектуальный тест (УИТ) Н.А. Батурина и Н.А. Курганского (1995) позволил оценить кристаллизованный интеллект (использовалась общая шкала, полученная путем суммирования баллов по субшкалам Осведомленности, Пропущенных слов, Понятливости, Аналогий, Умозаключений, Заучивания слов). С помощью прогрессивных матриц Дж. Равена (Равен и др., 1997) измерялся флюидный интеллект (общая шкала). В соответствии с концепцией Дж. Гилфорда использовался опросник «Альтернативное использование» (Wallach, Kogan, 1965) в адаптации (Аверина, Щебланова, 1996) для изучения дивергентного (креативного) мышления (беглость, гибкость, оригинальность). Шкала академической успеваемости получена путем усреднения годовых оценок студентов за экзамены. Анализ данных. «Сырые» данные были стандартизированы, переведены в Т-баллы со средним 50 и стандартным отклонением 10. Затем была проверена нормальность распределения на основе анализа асимметрии и эксцесса. Значения асимметрии и эксцесса в пределах ±1 могут считаться отличными, а ±2 - приемлемыми (George, Mallery, 2016, pр. 114-115). Строились три модели. Первая модель М1 обозначалась как полная. В нее вошли все переменные индивидуальности, интеллекта и креативности в качестве экзогенных переменных, академическая успеваемость выступала эндогенной переменной. Экзогенные переменные коррелировали. В модель М2 включались переменные индивидуальности, интеллекта и креативности как коррелирующие. Модель М3 соответствовала модели М2, однако переменные индивидуальности, интеллекта и креативности в ней не коррелировали. Переменные индивидуальности, интеллекта и креативности включались в модели избирательно в соответствии с критерием значимости. Индексы пригодности моделей оценивались с использованием статистики хи-квадрат (χ2), отношения статистики хи-квадрат к степеням свободы (χ2/df), сравнительного индекса соответствия (comparative fit index, CFI) и корня среднеквадратичной ошибки аппроксимации (root mean-square error of approximation, RMSEA). Модели сравнивались по разнице хи-квадрат (Δχ2). Использовались следующие пороговые значения: χ2/df < 3 - приемлемое соответствие модели; χ2/df < 2 - хорошее соответствие (Schreiber et al., 2006); CFI > 0,90 - приемлемое соответствие; CFI > 0,95 - хорошее соответствие; RMSEA < 0,08 - приемлемое соответствие; RMSEA < 0,05 - хорошее соответствие (Brown, 2015). Структурное моделирование осуществлялось в пакете IBM SPSS AMOS v.28. Результаты Описательные статистики. В табл. 1 приведены средние и стандартные отклонения переменных, минимум и максимум, оценки асимметрии и эксцесса и их стандартные ошибки. Также отражены средние и стандартные отклонения использованных переменных. Они были предварительно стандартизованы в Т-баллы, поэтому среднее у всех равно 50, а стандартное отклонение 10. В пределах от 40 до 60 Т-баллов находится статистическая норма. Выраженную асимметрию и эксцесс имела только переменная Превращенное Я (Sk > 2; K > 2). Приемлемый эксцесс имела переменная Вторящее Я (K > 1), при этом асимметрия переменной была близка нулю (Sk = -0,16). Значения асимметрии и эксцесса остальных переменных могут считаться отличными (Sk < 1; K < 1). Путевые модели. В модель М1 вошли значимые пути от Добросовестности к Академической успеваемости (β = 0,35; p < 0,001) и от Кристаллизованного интеллекта к Академической успеваемости (β = 0,33; p < 0,001). Переменные индивидуальности и интеллекта (как имеющие значимые пути к Академической успеваемости, так и не имеющие) совместно объясняли 22,6 % дисперсии Академической успеваемости. Модель М1 была приемлемо согласована с эмпирическими данными (χ2/df < 3; CFI > 0,90; RMSEA < 0,08). В коррелирующую модель М2 (рис. 1) вошли значимые пути от Добросовестности к Академической успеваемости (β = 0,34; p < 0,001), от Кристаллизованного интеллекта к Академической успеваемости (β = 0,34; p < 0,001) и от Нейротизма к Академической успеваемости (β = 0,20; p < 0,001). Значимыми были корреляции Нейротизма (противоположный полюс эмоциональной стабильности) и Добросовестности (r = -0,29; p < 0,001), Добросовестности и Кристаллизованного интеллекта (r = -0,15; p = 0,001). Эти переменные совместно объясняли 19 % дисперсии Академической успеваемости. Модель М2 была отлично согласована с данными (χ2/df < 2; CFI > 0,95; RMSEA < 0,05). При сравнении моделей М1 и М2 лучшую согласованность с данными продемонстрировала модель М2 (Δχ2 = 409,78; Δdf = 157; p < 0,001). Таблица 1 / Table 1 Описательные статистики / Descriptive statistics Переменные / Variables Минимум / Minimum Максимум / Maximum Среднее значение / Mean Стандартное отклонение / Standard deviation Асимметрия, Sk / Skewness, Sk Стандартная ошибка асимметрии / Skewness standard error Эксцесс, K / Kurtosis, K Стандартная ошибка эксцесса / Kurtosis standard error Возбуждение / Excitation 18 73 50 10 -0,14 0,12 -0,20 0,24 Торможение / Inhibition 18 70 50 10 -0,50 0,12 -0,15 0,24 Подвижность / Mobility 21 74 50 10 -0,11 0,12 -0,45 0,24 Динамичность / Briskness 22 70 50 10 -0,14 0,12 -0,53 0,24 Настойчивость / Perseveration 22 67 50 10 -0,39 0,12 -0,55 0,24 Сенсорная чувствительность / Sensory sensitivity 16 64 50 10 -0,89 0,12 0,46 0,24 Эмоциональная реактивность / Emotional reactivity 27 70 50 10 -0,16 0,12 -0,70 0,24 Выносливость / Endurance 32 75 50 10 0,46 0,12 -0,49 0,24 Активность / Activity 28 68 50 10 -0,25 0,12 -0,87 0,24 Экстраверсия / Extraversion 22 74 50 10 -0,34 0,12 -0,10 0,24 Доброжелательность / Agreeableness 8 72 50 10 -0,53 0,12 0,51 0,24 Добросовестность / Conscientiousness 17 69 50 10 -0,41 0,12 0,00 0,24 Нейротизм / Negative emotionality 27 75 50 10 0,19 0,12 -0,41 0,24 Открытость опыту / Open-mindedness 12 74 50 10 -0,24 0,12 0,03 0,24 Авторское Я / Authored Self 6 67 50 10 -0,50 0,12 0,53 0,24 Воплощенное Я / Embodied Self 12 74 50 10 -0,49 0,12 0,96 0,24 Превращенное Я / Mutated Self -17 59 50 10 -2,05 0,12 7,37 0,24 Вторящее Я / Related Self 11 83 50 10 -0,16 0,12 1,29 0,24 Беглость / Fluency 29 86 50 10 0,82 0,12 0,70 0,24 Оригинальность / Originality 28 90 50 10 0,61 0,12 0,51 0,24 Гибкость / Flexibility 26 85 50 10 0,36 0,12 0,21 0,24 Флюидный интеллект / Fluid intelligence 12 70 50 10 -0,65 0,12 0,52 0,24 Кристаллизованный интеллект / Crystallized intelligence 17 79 50 10 -0,36 0,12 0,23 0,24 Изображение выглядит как текст, снимок экрана, диаграмма, линия Автоматически созданное описание Рис. 1. Коррелирующая модель М2 Figure 1. Correlated model M2 Примечание: сплошные однонаправленные стрелки - пути с положительными коэффициентами; пунктирные двунаправленные стрелки - отрицательные корреляции между переменными; *** = p < 0,001. Note: the solid single-headed arrows - paths with positive coefficients; the dashed double-headed arrows - negative correlations between variables; *** = p < 0.001. В некоррелирующую модель М3 (рис. 2) вошли значимые пути от Добросовестности к Академической успеваемости (β = 0,33; p < 0,001), от Кристаллизованного интеллекта к Академической успеваемости (β = 0,32; p < 0,001) и от Нейротизма к Академической успеваемости (β = 0,19; p < 0,001). Переменные индивидуальности и интеллекта совместно объясняли 24,5 % дисперсии Академической успеваемости. Изображение выглядит как текст, снимок экрана, линия, диаграмма Автоматически созданное описание Рис. 2. Некоррелирующая модель М3 Figure 2. Uncorrelated model M3 Примечание: сплошные однонаправленные стрелки - пути с положительными коэффициентами; *** p < 0,001. Note: the solid single-headed arrows - paths with positive coefficients; *** p < 0.001. Модель М3 была плохо согласована с данными (χ2/df > 3; CFI < 0,90; RMSEA > 0,08). В табл. 2 приведены индексы пригодности тестируемых моделей. Таблица 2 / Table 2 Индексы пригодности и сравнение моделей / Fit indices and comparison of models Модели / Models χ2 df p χ2/df CFI RMSEA Сравнение моделей / Model comparison Δχ2(Δdf) М1. Полная модель / М1. Full model 410,94 158 < 0,001 2,60 0,949 0,062 - - М2. Коррелирующая модель / М2. Correlated model 1,16 1 0,281 1,16 0,999 0,020 M1 vs M2 409,78(157)*** М3. Некоррелирующая модель / М3. Uncorrelated model 45,57 3 < 0,001 15,19 0,662 0,185 M2 vs M3 44,41(2)*** Примечание: χ2 - значение статистики хи-квадрат; df - степени свободы; p - уровень значимости; χ2/df - относительный хи-квадрат; CFI - сравнительный индекс соответствия; RMSEA - корень среднеквадратичной ошибки аппроксимации; Δχ2 - разница хи-квадрат; Δdf - разница степеней свободы; *** p < 0,001. Note: χ2 - chi-square statistics; df - degrees of freedom; p - significance level; χ2/df - the ratio of chi-square statistics to degrees of freedom; CFI - comparative fit index; RMSEA - root mean square error of approximation; Δχ2 - chi-square difference; Δdf - degrees of freedom difference; *** p < 0.001. При сравнении моделей М2 и М3 лучшую согласованность с данными продемонстрировала модель М2 (Δχ2 = 44,41; Δdf = 2; p < 0,001). Обсуждение Первая гипотеза получила эмпирическую поддержку в полной модели М1 применительно к Добросовестности (cистема 1) и Кристаллизованному интеллекту (cистема 2). Вторая гипотеза получила эмпирическую поддержку в коррелирующей модели М2 применительно к Добросовестности, Нейротизму (cистема 1) и Кристаллизованному интеллекту (cистема 2). Третья гипотеза получила недостаточную эмпирическую поддержку в некоррелирующей модели М3 применительно к Добросовестности, Нейротизму (cистема 1) и Кристаллизованному интеллекту (cистема 2). Коррелирующая модель М2 была наиболее пригодной в сравнении с пригодностью полной М1 и некоррелирующей М3 моделями. Полученные результаты позволяют предположить, что системы 1 и 2 скорее совместно, чем по отдельности, производят значимые вклады в академическую успеваемость. Это может означать, что системы 1 и 2 интегрируются. Вместе с тем индивидуально-интеллектуальные интеграции были ограниченными и избирательными. Они затрагивали одни переменные, такие как Добросовестность, Нейротизм (система 1) и Кристаллизованный интеллект (система 2) и не касались других переменных. Отметим, что Добросовестность и Кристаллизованный интеллект коррелировали отрицательно, схожая по выраженности и направлению корреляция обнаруживалась исследователями ранее (Moutafi et al., 2003, 2006). Обычно отрицательную связь объясняют компенсаторным механизмом: менее интеллектуальным людям приходится быть более добросовестными, чтобы добиться успеха. Возможна и обратная интерпретация: более интеллектуальным людям зачастую не обязательно демонстрировать добросовестность (Chamorro-Premuzic et al., 2005). Нейротизм и Добросовестность коррелировали отрицательно. Метаанализы указывают на высокую отрицательную взаимосвязь между этими переменными (Van der Linden et al., 2010). Возможно, это связано с тем, что обе эти черты вместе с Доброжелательностью составляют метачерту Стабильность по Деянгу (DeYoung, 2006). Предыдущие исследования, в которых изучался эффект интеллекта и черт личности на академическую успеваемость, дают схожие результаты. В исследовании Ф. Моралес-Вивес, Э. Кэмп, Х.М. Дуэньяс (Morales-Vives et al., 2020) значимый эффект на академическую успеваемость оказывал Общий интеллект (β = 0,40; p < 0,05), Открытость опыту (β = 0,08; p < 0,05), Добросовестность (β = 0,05; p < 0,05) и Ориентация на работу (β = 0,14; p < 0,05). В нашем случае Открытость опыту показала незначимые результаты, в отличие от Нейротизма. Переменная Ориентации на работу нами не изучалась. А. Стайкович с колл. (Stajković et al., 2018) из пяти черт личности выявили значимый эффект на академическую успеваемость только у Добросовестности (β = 0,11; p < 0,01) и Эмоциональной стабильности (обратный полюс Нейротизма) (β = -0,08; p < 0,05). Это согласуется с нашими результатами. Пошаговый регрессионыый анализ, проведенный С. Мамедовым (Mammadov, 2022), на основе метааналитической корреляционной матрицы (в метаанализе использовались 228 уникальных исследований, 267 независимых выборок, N = 413 074) показал, что при контроле когнитивных способностей наибольший вклад в академическую успеваемость из черт личности вносит Добросовестность (β = 0,35; p < 0,01) и Нейротизм (β = 0,13; p < 0,01). Остальные черты также вносили значимый эффект, однако размер регрессионного коэффициента находился в пределах 0,02-0,05 в абсолютном выражении. Когнитивные способности в данном исследовании могут быть соотнесены с Кристаллизованным интеллектом в нашем исследовании, так как автор понимал под ними широкий спектр способностей, среди которых тесты IQ, прогрессивные матрицы Равена, тест на когнитивные способности (CogAT). Регрессионный коэффициент Когнитивных способностей составил 0,42 (p < 0,01). При этом следует учесть, что Когнитивные способности вводились на первом шаге регрессионного анализа, то есть учитывалась вся их совместная дисперсия с Академической успеваемостью. Совокупно когнитивные способности и черты личности в исследовании С. Мамедова объясняли 27,8 % дисперсии Академической успеваемости. Модель М2 в нашем исследовании объясняла 19 % дисперсии Академической успеваемости. Возможно, более низкий процент объясненной дисперсии связан, во-первых, с меньшей мощностью нашего исследования, вследствие чего другие свойства индивидуальности оказались незначимы; во-вторых, с меньшей зашумленностью метааналитических данных (измеряются истинные феномены); в-третьих, метааналитические когнитивные способности полнее отражают интеллектуальные возможности человека, чем Кристаллизованный интеллект. В исследовании Т. Тихомировой с колл. (Tikhomirova et al., 2020) обнаружено, что значимость тех или иных предикторов академической успеваемости меняется в разных периодах обучения. В рамках нашего исследования интерес представляет вклад Флюидного интеллекта в академическую успеваемость, который был значим в младшем и среднем звеньях и его значения варьировали в пределах 0,33-0,52. В старших классах эффект Флюидного интеллекта пропадал. Т. Тихомирова с колл. видит причину разрыва связи интеллекта и успеваемости в особенностях системы образования, когда в старших классах остаются учащиеся, ориентированные на поступление в вуз, и выборка уравнивается по уровню развития когнитивных характеристик. В нашем исследовании также не был обнаружен эффект Флюидного интеллекта на академическую успеваемость студентов вузов. Ранее мы изучали медиаторные эффекты индивидуальности на академическую успеваемость (Дорфман, Калугин. Индивидуально-интеллектуальная модель.., 2022a), опосредованные интеллектом и креативностью. Обнаружен значимый вклад Кристаллизованного интеллекта в академическую успеваемость (β = 0,27; p < 0,001). Однако также выявлены эффекты креативных Оригинальности (β = 0,11; p < 0,05) и Гибкости (β = 0,11; p < 0,05). Эти эффекты обнаружены при раздельном включении переменных интеллекта и креативности в модели, при одновременном их включении эффекты креативности пропадали. Это говорит о важности учета взаимодействия переменных и систем в целом. В целом полученные нами результаты хорошо соотносятся с другими исследованиями, посвященными факторам академической успеваемости. Особенность нашего исследования заключается в понимании и интерпретации механизмов взаимодействия факторов академической успеваемости. Индивидуальность и интеллект с креативностью понимаются как двойные системы, которые могут действовать совместно, но при этом обусловлены разными причинами, имеют разные основания. Данные системы интегрируются избирательно в соответствии с решаемыми задачами. Хотя свойства систем стабильны, составы их могут меняться. В случае с академической успеваемостью из всего многообразия свойств индивидуальности выделились Добросовестность и Нейротизм, которые интегрировались с Кристаллизованным интеллектом. Кристаллизованный интеллект в свою очередь был отобран из системы 2, включающей также Флюидный интеллект и показатели креативности, для решения задач академической успеваемости. Студент проявляет себя как активный субъект, актуализируя те или иные свойства своей индивидуальности, интеллекта и креативности для решения поставленных жизнью задач. Академическая успеваемость требует от студента актуализации и интеграции свойств Добросовестности, Нейротизма и Кристаллизованного интеллекта. Другие жизненные задачи актуализируют и интегрируют иные свойства систем 1 и 2. Заключение С позиций принципа системности, системно-интегративного подхода и положения о двойных системах изучались вклады индивидуально-интеллектуальных интеграций в академическую успеваемость. Теоретическая схема исследования имела следующий вид: интегральная индивидуальность (система 1), интеллект и креативность (система 2), внешняя культурно-образовательная среда. Во внимание принимались два условия: 1) системы 1 и 2 действуют совместно; 2) системы 1 и 2 действуют в параллельном режиме и по отдельности. Установлено, что коррелирующая модель М2 является значимой и наиболее пригодной в сравнении с пригодностью полной М1 и некоррелирующей М3 моделями. Полученные результаты позволили предположить, что системы 1 и 2 скорее совместно, чем по отдельности, производят значимые вклады в академическую успеваемость. Это могло означать, что системы 1 и 2 интегрируются. Вместе с тем индивидуально-интеллектуальные интеграции были ограниченными и избирательными. То есть не все свойства одной системы интегрировались со всеми свойствами другой системы. В соответствии с задачами успеваемости в учебе актуализировались и интегрировались конкретные свойства системы 1 (Добросовестность и Нейротизм) с конкретным свойством системы 2 (Кристаллизованный интеллект). Можно допустить, что для других жизненных задач те же свойства систем 1 и 2 могли предстать в новых составах. Исследование имеет практическую значимость, так как позволяет судить о некоторых важных факторах академической успеваемости. Согласно некоторым интерпретациям, Добросовестность и Кристаллизованный интеллект могут выступать как альтернативы для успешной реализации учебной деятельности, выполняя компенсаторную функцию. Иными словами, студенты с низким Кристаллизованным интеллектом могут добиваться тех же успехов в учебной деятельности, что и студенты с высоким уровнем Кристаллизованного интеллекта, но менее добросовестные, за счет добросовестного подхода к учебе. Однако совместный положительный вклад Добросовестности и Кристаллизованного интеллекта в академическую успеваемость свидетельствует в пользу их кумулятивного эффекта при одновременной актуализации. Положительная связь Нейротизма с Академической успеваемостью указывает на то, что несколько повышенный уровень тревожности студента положительно сказывается на его учебе. Эмоциональная стабильность, наоборот, ведет к меньшей чувствительности студента к требованиям среды. Следовательно, учитывающая индивидуальные особенности обучающихся и сбалансированная в плане требований и поощрений система обучения может способствовать повышению академической успеваемости. Ограничения и перспективы исследования. Очевидным ограничением исследования является участие студентов гуманитарного направления (данное ограничение нашло отражение в заглавии статьи) и преимущественно женского пола. Отсюда перспективами исследования может стать расширение выборки за счет других направлений подготовки (технических, естественнонаучных) и выравнивание выборки по полу. При этом соотношение по полу в пользу женщин соответствует дисциплинам гуманитарного профиля

Об авторах

Леонид Яковлевич Дорфман

Пермский государственный институт культуры

Автор, ответственный за переписку.
Email: dorfman07@yandex.ru
ORCID iD: 0000-0001-8494-5674
SPIN-код: 7398-0715
Scopus Author ID: 8664947000
ResearcherId: AAD-5451-2020

доктор психологических наук, профессор, заведующий кафедрой гуманитарных дисциплин

Российская Федерация, 614000, Пермь, ул. Газеты «Звезда», д. 18

Алексей Юрьевич Калугин

Пермский государственный гуманитарно-педагогический университет

Email: kaluginau@yandex.ru
ORCID iD: 0000-0002-3633-2926
SPIN-код: 3744-8423
Scopus Author ID: 57192099434
ResearcherId: X-7824-2018

кандидат психологических наук, доцент, заведующий кафедрой теоретической и прикладной психологии

Российская Федерация, 614990, Пермь, ул. Сибирская, д. 24

Список литературы