Материалы. Основными материалами для работы послужили данные анкетных опросов на базе методики «Сегменты» [1-2], проведенных в группах больных психическими расстройствами (параноидная шизофрения – 80 чел., вялотекущая шизофрения – 36 чел., аффективное расстройство – 8 чел.) и в контрольной группе (здоровые – 15 чел.).
Методы исследований: Стимульный материал представляет собой контурное изображение человеческого тела, недифференцированного по полу, в двух проекциях (в полразворота спереди и сзади). Изображение тела разбито на 13 секторов (сегментов), каждому из которых соответствует порядковый номер. Испытуемому предъявляется стимульный материал и предлагается с использованием специального бланка попарно сравнивать части тела: выделяя наиболее важную, значимую для него часть тела (максимально «глухая» инструкция).
При обработке результатов опроса использовались кардинальные процедуры, основанные на методе анализа иерархий (МАИ) [3-6]. МАИ – это хорошо известный метод теории принятия решений, основанный на относительных измерениях с опорой на шкалу отношений, которая используется при парных сравнениях объектов (расположенных на одном уровне иерархии) относительно элемента (например, критерия) вышестоящего уровня иерархии. В работах автора МАИ Т. Саати и его последователей раскрыты возможности метода (теоретические и прикладные), разработаны такие важные инструменты аппарата МАИ, как: фундаментальная шкала (шкала отношений с учетом психофизических особенностей переработки информации человеком) для измерения результатов парных сравнений объектов, нормативный и дескриптивный подходы МАИ.
Процедуры МАИ (в отличие от ранговых процедур обработки) позволяют адекватно учитывать методику опроса (попарные сравнения сегментов тела), а также оценивать меру согласованности исходной информации.
Результаты и обсуждение. Прежде всего, отметим, что ранговые процедуры, основанные на традиционной статистической обработке экспертных оценок, полученных в порядковой шкале некорректны. В ряде работ последних лет [4, 7, 8] на примерах было показано, что экспертные выводы и оценки, основанные на ранговых процедурах обработки экспертной информации, имеют ряд недостатков: 1) нарушение транзитивности оценок; 2) коэффициент конкордации не является адекватной мерой оценки согласованности экспертной информации; 3) имеется тенденция к «сглаживанию» весовых оценок.
Типичным примером такого рода можно считать работу голландских исследователей [10], посвященную оценке приоритетов пациентов, специалистов в области психического здоровья и работников внебольничных служб в вопросах развития служб психосоциальной реабилитации. При использовании порядковой (ранговой) пятибалльной шкалы оценок ответов, результаты, полученные после стандартной статистической обработки, по большинству вопросов оказались средними («смазанными») величинами.
Такие эффекты изначально связаны с психофизиологической природой экспертных оценок. Эксперт может сравнить два объекта, сказать какой из них предпочтительнее по некоторому критерию (метод парных сравнений), но обычно не может ответить, во сколько раз один объект лучше другого.
Важной особенностью метода анализа иерархий является следующий фундаментальный факт: для представления экспертной информации в рамках МАИ используется шкала отношений. В силу этого оценки, выраженные в шкале отношений, допускают все основные математические операции и при этом (в условиях согласованности экспертных оценок) гарантируется устойчивость и корректность полученных результатов обработки.
Суть использованного в работе кардинального алгоритма обработки данных опросов: переход от суммарных результатов (ранговых) по каждому сегменту к относительным оценкам результатов (на основе матрицы парных сравнений), т.е., переход от ранговой (ординальной) шкалы (количество предпочтений по каждому сегменту) к шкале отношений (отношение предпочтений за/против) и далее использования аппарата МАИ.
В качестве примера в табл. 1 приведена часть (для первых 5 сегментов: S1 – S5) полученной матрицы парных предпочтений в группе из 36 человек (вялотекущая шизофрения).
Таблица 1. Матрица парных ранговых предпочтений для сегментов S1 –S5
| Si Sj | 1 | 2 | 3 | 4 | 5 |
| 1 | 26; 10 | 12; 24 | 12; 24 | 14; 22 | |
| 2 | 3; 33 | 8; 28 | 7; 29 | ||
| 3 | 34; 2 | 28; 8 | |||
| 4 | 22; 14 | ||||
| 5 |
В табл. 1, например, элемент матрицы «26;10» показывает суммарное количество предпочтений «за» – 26 и, соответственно, 10 – «против» при сравнении сегментов S1 и S2 .
Информация, представленная в табл. 1 получена на основе суммирования рангов предпочтений по всей группе. Подобная ранговая информация может использоваться для оценки значимости различий в разных группах на основе непараметрических критериев (например, критерия Манна-Уитни), но для вычисления средних значений, квадратичных отклонений и оценки весомости сегментов эту ранговую информацию использовать некорректно [4, 7-9]. Вычисления средних значений, квадратичных отклонений, оценок весомостей корректно проводится только в шкале отношений.
Используя данные табл. 1, отобразим эту информацию в шкалу отношений. Для этого перейдем к значениям отношений количеств предпочтений «за» / «против» для каждой пары сегментов. Например, элемент матрицы «26;10» из табл. 1 меняется на отношение 26/10, которое показывает во сколько раз сегмент S1 предпочтительнее сегмента S2 . Для обратного парного сравнения сегментов S2 и S1 , очевидно, получим обратное отношение 10/26. Для элементов главной диагонали (т.е., результатов парного сравнения-отношения сегмента с самим собой: S1 и S1 , S2 и S2 и т.д.), очевидно, получим 1.
После этих преобразований получим числовую (кардинальную) матрицу результатов парных сравнений в шкале отношений – таблицу 2.
Таблица 2. Матрица парных кардинальных предпочтений для сегментов S1 – S5
| Si Sj | 1 | 2 | 3 | 4 | 5 |
| 1 | 1 | 26/10 | 12/24 | 12/24 | 14/22 |
| 2 | 10/26 | 1 | 3/33 | 8/28 | 7/29 |
| 3 | 24/12 | 33/3 | 1 | 34/2 | 28/8 |
| 4 | 24/12 | 28/8 | 2/34 | 1 | 22/14 |
| 5 | 22/14 | 29/7 | 8/28 | 14/22 | 1 |
Полученная матрица парных предпочтений (табл. 2) является классической числовой матрицей парных сравнений, которая является исходной информацией в рамках МАИ для вычисления оценок весомости сравниваемых объектов (в нашем случае сегментов) на основе алгоритмов МАИ.
Далее используем основные соотношения МАИ [3]:
A*W = λmax*W ,
ИС = (λmax – n) / (n – 1) (1)
ОС = ИС / СИ ,
здесь А – обратно-симметричная матрица размера n*n (подматрица размера 5*5 этой матрицы представлена в табл. 2, – полная матрица А имеет размеры 13*13) оценок результатов парных сравнений сегментов;
W – вектор нормированных весов сегментов;
λmax – максимальное собственное число матрицы А;
ИС – индекс согласованности матрицы А;
СИ – случайный индекс для матрицы парных сравнений размера n , берется из таблицы индексов СИ (см., например, [3]) ;
ОС – отношение согласованности для матрицы парных сравнений, т.е., свернутая оценка качества исходной информации, содержащейся в матрице А. Для случаев ОС ≤ 0.1 – принято считать, что матрица А хорошо согласована.
Приведем далее в табл. 3 полученные нормированные веса сегментов, для групп больных и здоровых.
Таблица 3. Нормированные веса сегментов тела, полученные для групп больных и контрольной группы здоровых
| Cегмент | Ш-F20 | Ш-F21 | А-F34 | Контроль |
| 1 | 0,039 | 0,035 | 0,021 | 0,028 |
| 2 | 0,019 | 0,018 | 0,013 | 0,010 |
| 3 | 0,156 | 0,219 | 0,185 | 0,095 |
| 4 | 0,064 | 0,054 | 0,022 | 0,052 |
| 5 | 0,043 | 0,055 | 0,054 | 0,060 |
| 6 | 0,095 | 0,118 | 0,156 | 0,119 |
| 7 | 0,084 | 0,063 | 0,074 | 0,156 |
| 8 | 0,080 | 0,065 | 0,055 | 0,102 |
| 9 | 0,076 | 0,074 | 0,073 | 0,102 |
| 10 | 0,072 | 0,059 | 0,039 | 0,078 |
| 11 | 0,099 | 0,102 | 0,132 | 0,100 |
| 12 | 0,070 | 0,052 | 0,083 | 0,043 |
| 13 | 0,103 | 0,086 | 0,091 | 0,055 |
Обозначения групп больных: Ш-F20 – шизофрения вялотекущая; Ш-F21 – шизофрения параноидная, смешанная; А-F34 – аффективное расстройство.
Для рассматриваемых групп больных исходная информация хорошо согласована: для группы Ш-F20 отношение согласованности ОС = 0,03; для группы Ш-F21 – значение ОС = 0,05; для группы А-F34 – значение ОС = 0,09.
Для контрольной группы значение ОС = 0,07.
На рис. 1 данные табл. 3 представлены графически – в виде интегративных профилей сегментов тела для каждой группы.
Рис. 1. Интегративные профили весомости сегментов тела для групп больных
и контрольной группы
Анализ полученных результатов для весомости сегментов тела в группах больных и контрольной группе приводит к следующим выводам:
1) весомость 3-его сегмента (область лица – проекция социальных контактов) имеет для групп больных значимое отличие (на уровне значимости p < 0.05) от весомости этой зоны в контрольной группе. Значимость данной зоны достаточно высокая во всех группах. Полученные результаты можно интерпретировать следующим образом – область лица для рассматриваемых групп больных несет излишнюю смысловую нагрузку;
2) весомость 7-го сегмента (область живота) имеет для групп больных значимое отличие (на уровне значимости p < 0.05) от весомости этой зоны в контрольной группе. Область живота в различных телесных системах связана с волей, с оценкой себя как устойчивого, способного на совершение дел, поступков. Полученные результаты можно интерпретировать следующим образом – в рассматриваемых группах больных наблюдается сниженная оценка своих возможностей и способностей.
Выводы.
- Для обработки данных опроса на базе методики «Сегменты» предлагается использовать кардинальный алгоритм в рамках процедур метода анализа иерархий. Предлагаемый подход (в отличие от ранговых методов) предоставляет дополнительные возможности для оценки исходной информации и обеспечивает корректность полученных результатов обработки информации.
- Полученные оценки весомости сегментов тела, имеющих интерпретацию социальных контактов (лицо) и оценки волевых возможностей (область живота), в группах больных, имеют значимые отличия от соответствующих величин в контрольной группе.
- Метод анализа иерархий может быть использован для обработки данных любых других психологических опросников, основанных на измерении результатов сравнений объектов, как при групповом, так и при индивидуальном диагностическом обследовании испытуемых.
Литература
- Дворянчиков Н.В., Саламова Д.К., Ениколопов С.Н. «Сегменты – метод исследования телесного образа «Я» // Сексология и сексопатология. – 2003, № 5, с. 11-19.
- Дворянчиков Н.В., Носов С.С., Саламова Д.К. Половое самосознание и методы его диагностики. – М.: Флинта, 2011, 216 с.
- Саати Т. Л. Принятие решений при зависимостях и обратных связях: Аналитические сети / Пер. с англ. – М.: Изд. ЛКИ, 2008. – 360 с.
- Ларичев О. И. Теория и методы принятия решений. Изд. 3-е, перераб. и доп. – М.: Логос, 2006, 392 с
- Митихин В.Г. Об одном контрпримере для метода анализа иерархий // Проблемы управления. 2012, № 3, с. 77–79.
- Митихин В.Г. Еще раз о корректности метода анализа иерархий. Материалы IV межд. научно-практ. конференции «Фундаментальные и прикладные науки сегодня», 20-21.10.2014, North Charleston, USA, т. 1, с. 188-194.
- Зотьев Д.Б. К проблеме определения весовых коэффициентов на основании экспертных оценок // Заводская лаборатория. Диагностика материалов, 2011, №1, с. 75-78.
- Ерасов И.В., Офицеров В.П. Об одном кардинальном алгоритме обработки экспертной информации на основе метода анализа иерархий // Информатизация образования и науки, 2013, №4(20) , стр. 153-161.
- Новиков Н.Ю. Теория шкал. Принципы построения эталонных процедур измерения, кодирования и управления. – М.: Физматлит, 2009, 504 с.
- Hoof F., Weeghel J., Kroon H. Community Care: exploring the priorities of clients, mental health professionals and community providers. // Journal of Psychiatry, 2000, v. 46, p. 208-219.[schema type=»book» name=»ОЦЕНКА ТЕЛЕСНОГО КОМПОНЕНТА ЛИЧНОСТИ У БОЛЬНЫХ ПСИХИЧЕСКИМИ РАССТРОЙСТВАМИ С ПОМОЩЬЮ МЕТОДА АНАЛИЗА ИЕРАРХИЙ » description=»Актуальность работы заключается в том, что половое самосознание является одной из базовых характеристик индивидуальности и тонким индикатором психического здоровья. Материалами для работы послужили данные анкетных опросов на базе методики «Сегменты», направленной на исследование телесного Я-образа у больных психическими расстройствами. Для обработки полученных данных использована кардинальная модификация метода анализа иерархий, которая предоставляет дополнительные возможности для оценки исходной информации и обеспечивает корректность полученных результатов обработки информации.» author=»Алиева Лейла Мусаферовна, Митихин Вячеслав Георгиевич, Солохина Татьяна Александровна» publisher=»БАСАРАНОВИЧ ЕКАТЕРИНА» pubdate=»2017-02-16″ edition=»ЕВРАЗИЙСКИЙ СОЮЗ УЧЕНЫХ_29.08.2015_08(17)» ebook=»yes» ]