Метод субъективного шкалирования

Этот метод, заимствованный из классической психофизики: [см.: 51], является простым и прямым методом получения матрицы семантического сходства. Перед испытуемыми ставится задача оценить сходство значений с помощью некоторой градуальной шкалы. Например, в экспериментах Рубинштейна и Гуднау {см.: 339] это была пятизначная шкала, где 0 обозначал низшую степень сходства, а 4 – высшую; в экспериментах А. П. Клименко использовалась десятибалльная градуальная шкала [см.: 100]. Как полагает Миллер, прямой метод шкалирования дает наиболее точные результаты по сравнению с техникой косвенной оценки, но характеризуется значительной трудоемкостью [см.: 330]. Так, исследование семантических отношений и объектов требует для построения матрицы сходства п(п-1) /2 попарных сопоставлений.

В качестве примера использования метода субъективного шкалирования для семантического анализа прилагательных и: глаголов, но без последующей математической обработки данных и построения семантических пространств можно привести работы Мосиера [331] и Клиффа [310]. Примером использования метода субъективного шкалирования с последующей обработкой данных с помощью многомерного шкалирования может служить работа Рипса, Шобина, Смита [337], посвященная реконструкции семантического пространства названий птиц и животных. В этой работе испытуемых просили оценить по четырехбалльной шкале степень субъективного сходства 12 названий птиц, а также слова птица и животное. Среднегрупповая матрица расстояний (которая обратно пропорциональна матрице сходства объектов) подвергалась процедуре многомерного анализа. Суть ее состоит в следующем: исходя из матрицы субъективного сходства (расстояния между анализируемыми объектами), реконструируется такое геометрическое пространство минимально возможной размерности, в котором расстояния между координатными точками, соответствующими анализируемым объектам, подобны субъективным расстояниям матрицы сходства. Математически процедура многомерного шкалирования заключается в определении координатных проекций точек на некоторые координатные оси, исходя из известных расстояний между этими точками.

В рассматриваемом эксперименте было выделено двухмерное семантическое пространство, удовлетворительно описывающее исходные матрицы данных. На основе найденных нагрузок каждого слова по каждому из выделенных факторов-осей семантического пространства были реконструированы координаты

 

Рис. 3. Семантическое пространство названий птиц

 

этих слов в семантическом пространстве (рис. 3). Горизонтальную ось семантического пространства–Ф₁–авторы интерпретировали как фактор «размер» (орел, гусь«=> малиновка, воробей, голубой попугайчик), а вертикальную – Ф₂ – как фактор «дикость» (орел, сойка, воробей, малиновка) в оппозиции домашним птицам (курица, утка, гусь). Построенное пространство является не только компактной формой описания и дифференциации анализируемой лексики, но и обладает статусом модельного представления вербальной семантической памяти, позволяющего предсказать некоторые закономерности ее функционирования. Согласно этой модели значения слов записываются в памяти как наборы их семантических характеристик, и чем ближе расположены слова в семантическом пространстве, тем более они близки по содержанию. Действительно, если использовать в качестве слова-стимула в ассоциативном эксперименте слово bird (птица), то более частотными ассоциациями будут слова малиновка, воробей, сойка и т. п., имеющие с этим словом меньшие расстояния в семантическом пространстве.

Многомерное шкалирование как процедура математической обработки данных наиболее типична для метода субъективного шкалирования. Но не исключено применение к матрице данных, полученных с помощью субъективного шкалирования, процедур факторного и кластерного анализа. Например, в нашем исследовании матрица сходства поступков строилась как субъективным шкалированием, так и приписыванием поступкам испытуемыми набора заданных мотивов, где мерой сходства поступков выступало сходство их мотивов [см.: 186]. Факторизация данных, полученных в группе взрослых испытуемых, выделила сходство факторных структур матриц, построенных обеими процедурами. Эти результаты свидетельствуют о том, что в основе субъективного сходства поступков лежит их мотивационный аспект.

Методически факторизация матриц сходства, построенных с помощью субъективного шкалирования, может осуществляться двумя способами: 1) когда нормированный коэффициент субъективного сходства рассматривается как приближение к коэффициенту корреляции; 2) когда на основе оценок субъективного сходства каждой пары объектов со всеми другими объектами вычисляется коэффициент корреляции этой пары объектов, который и рассматривается как мера их сходства. Эти допущения и позволяют перейти от матрицы субъективного сходства к матрице корреляции, которая подвергается факторному анализу.