Каузальный след в индивидуально-интеллектуальных интеграциях. Сообщение 2. Каузальные цепи и лонгитюдные медиаторные модели

Проблема

В соответствии с линиями интеграции, описанными ранее в других исследованиях [Дорфман Л.Я., Калугин А.Ю., 2022a, 2022b], выделим индивидуально-интеллектуальные интеграции. Их можно понимать трояким образом. Во-первых, имеются в виду интеграции теоретических и эмпирических моделей. В нашем исследовании интегрированию подвергаются теория интегральной индивидуальности В.С. Мерлина [Мерлин С.В., 1986], структурно-динамическая теория интеллекта Д.В. Ушакова [Ушаков Д.В., 2011] и теория креативного мышления Дж. Гилфорда [Guilford J.P., 1967] с их эмпирическими моделями в аспекте разноуровневых свойств интегральной индивидуальности, психометрического интеллекта (кристаллизованного и флюидного), креативного мышления (беглости, гибкости, оригинальности). Во-вторых, подходы В.С. Мерлина, Д.В. Ушакова и Дж. Гилфорда рассматриваются кросс-теоретически. Они изучаются в плане их функциональной интеграции. В-третьих, их моде- ли исследуются кросс-эмпирически. Опять-таки, они изучаются в плане их интеграции. Заметим, что эти линии интеграции полагаются. Не очевидно, что они получают эмпирическую поддержку. Здесь появляется проблема, которая состоит в том, чтобы сузить область эмпирической многоаспектности, проверить ее на предмет получения конкретных эмпирических данных.

Производным от обозначенных выше линий интеграций является вопрос об индивидуальноинтеллектуальных интеграциях с позиции каузальной цепи. До сих пор этот вопрос не ставился и не изучался эмпирически. Обратим внимание на модель каузальной цепи в тех случаях, когда следствия прежних причин одновременно могут выступать в роли новых причин, приводящих к новым следствиям [Дорфман Л.Я., 2014]. Эту проблему можно поставить при условии проведения повторных измерений через, по меньшей мере, три периода времени. Тогда разноуровневые свойства индивидуальности выступают в качестве базовой причины (в настоящем, первое измерение), психометрический интеллект и креативное мышление — его следствиями (в будущем, второе, позднее измерение), и в то же время новой причиной разноуровневых свойств индивидуальности (в послебудущем, третье измерение). Данная модель является релевантной гетерогенной каузальной цепи: одна категория — разноуровневые свойства индивидуальности (при первом и третьем измерениях), другая категория — психометрический интеллект и креативное мышление (при втором измерении).

Эмпирическим маркером этой гетерогенной каузальной цепи может служить лонгитюдная медиаторная модель: от экзогенных переменных (разноуровневых свойств индивидуальности при первом измерении) к медиатору (психометрическому интеллекту и креативному мышлению при втором измерении) и от него к эндогенным переменным (разноуровневым свойствам индивидуальности при третьем измерении). Исследование гетерогенной каузальной цепи в форме лонгитюдной медиаторной модели до сих пор не проводилось. Вряд ли любые параметры психометрического интеллекта и креативного мышления могут быть следствием (медиатором) действия любых разноуровневых свойств индивидуальности (при первом измерении). И вряд ли любые параметры психометрического интеллекта и креативного мышления могут быть новой причиной (медиатором) изменений любых разноуровневых свойств индивидуальности (при третьем измерении). Следует уточнить этот вопрос применительно к тем лонгитюдным медиаторным моделям, которые являются статистически пригодными, а также к тем параметрам, которые включаются в их состав и структуру.

Гипотезы и задачи исследования

Сформулируем 2 гипотезы исследования.

Во-первых, предполагаетяс, что функционально теории В.С. Мерлина, Д.В. Ушакова и Дж. Гилфорда имеют ресурс и потенциал для интеграции. Об этом можно судить косвенно через релевантные эмпирические модели, которые имеют медиаторный характер.

Во-вторых, полагались лонгитюдные медиаторные модели. Подразумевались разноуровневые свойства индивидуальности в первом замере (базовая причина), психометрический интеллект и креативное мышление во втором замере (следствие базовой причины и новая причина) и разноуровневые свойства индивидуальности в третьем замере (новое следствие).

Были поставлены 3 задачи исследования:

• 1.    Оценить пригодность медиаторной модели, в которой экзогенными переменными служили разноуровневые свойства индивидуальности при первом замере, медиатором — психометрический интеллект (кристаллизованный и флюидный) при втором замере, эндогенными переменными — разноуровневые свойства индивидуальности при третьем замере.

• 2.    Оценить пригодность медиаторной модели, в которой экзогенными переменными служили разноуровневые свойства индивидуальности при первом замере, медиатором — креативное мышление (беглость, гибкость, оригинальность) при втором замере, эндогенными переменными — разноуровневые свойства индивидуальности при третьем замере.

• 3.    Оценить пригодность медиаторной модели, в которой экзогенными переменными служили разноуровневые свойства индивидуальности при первом замере, медиаторами — психометрический интеллект (кристаллизованный и флюидный) и креативное мышление (беглость, гибкость, оригинальность) совместно при втором замере, эндогенными переменными — разноуровневые свойства индивидуальности при третьем замере.

Метод

Участники исследования

В исследовании приняли участие 211 студентов высших учебных заведений г. Перми, обучающиеся по направлениям гуманитарного профиля, из них 161 девушка и 50 юношей в возрасте от 17 до 22 лет на момент первого замера (M = 18.56, SD = 0.83). Такой половой состав отражает соотношение по полу в гуманитарных направлениях вузов. Данное исследование — часть более широкого исследования, целью которого является изучение индивидуально-интеллектуальных интеграций применительно к академической успеваемости студентов-гуманитариев [Дорфман Л.Я., Калугин А.Ю., 2022a]. Этим обусловлен возрастной и половой состав выборки.

Психодиагностический инструментарий

Свойства интегральной индивидуальности:

• •    Нервная система изучалась с помощью «Павловского темпераментального опросника» Я. Стреляу (Pavlovian Temperament Survey, PST [Strelau J. et al., 1999]); русская адаптация [Данилова Н.П., Шмелев А.Г., 1988]. Опросник включа-

• ет следующие шкалы: сила процессов возбуждения, сила процессов торможения, подвижность нервных процессов.

• •    Темперамент измерялся с использованием «Опросника темперамента» Я. Стреляу (Formal Characteristics of Behaviour – Temperament Inventory, FCB–TI [Strelau J., Zawadzki B., 1995]); русская адаптация [Стреляу Я. и др., 2009]. Опросник включает следующие шкалы: динамичность (живость), настойчивость, сенсорная чувствительность, эмоциональная реактивность, выносливость, активность.

• •    Черты личности оценивались с помощью «Вопросника Большой Пятерки» К. Сото и О. Джона (Big Five Inventory, BFI-2 [Soto C.J., John O.P., 2017]); русская адаптация [Shchebetenko S.A. et al., 2020; Калугин А.Ю. и др., 2021]. Опросник включает следующие шкалы: экстраверсия, доброжелательность (склонность к согласию), добросовестность (контроль импульсивности), негативная эмоциональность (нейротизм), открытость опыту.

• •    Я-концепция измерялась с помощью четырехфакторного опросника Я (4ФЯ) Л.Я. Дорфмана [Дорфман Л.Я., Калугин А.Ю., 2020]. Опросник включает следующие шкалы: Авторское Я, Воплощенное Я, Превращенное Я, Вторящее Я.

Психометрический интеллект:

• •    Флюидный интеллект измерялся с помощью Прогрессивных матриц Равена (Raven’s Progressive Matrices [Равен Дж.К. и др., 1997]). В исследовании использовалась общая шкала.

• •    Кристаллизованный интеллект измерялся с помощью «Универсального интеллектуального теста» (УИТ) Н.А. Батурина и Н.А. Курганского [Батурин Н.А., Курганский Н.А., 1995]. Использовались субшкалы: Осведомленность, Пропущенные слова, Понятливость, Аналогии, Умозаключения, Заучивание слов. Результаты по данным субшкалам суммировались и на основе этих данных вычислялась общая шкала.

Креативное мышление:

• •    Дивергентное (креативное) мышление оценивалось опросником «Альтернативное использование» (Alternate Uses test [Wallach M.A., Kogan N., 1965]); русская адаптация [Аверина И.С., Щебланова Е.И., 1996]. Вычисления проводились по трем шкалам: беглость, гибкость, оригинальность.

Анализ данных

Предварительно данные были стандартизованы и преобразованы в Т-баллы (M = 50, SD = 10). Обработка данных осуществлялась с помощью прикладной программы IBM SPSS Statistics v. 28 и приложения IBM SPSS AMOS v. 28 корпорации IBM. Основным методом анализа данных было структурное моделирование.

В соответствии с задачами исследования проводились три замера и строились три медиаторные модели [Hayes A.F., 2015, 2022; Ryu E., Cheong J., 2017].

Первый замер проводился в ноябре 2019 г. (разноуровневые свойства индивидуальности), второй замер — в октябре 2020 г. (психометрический интеллект и креативное мышление), третий замер — в декабре 2021 г. (разноуровневые свойства индивидуальности).

• 1)    модель M₁, в которой экзогенными переменными служили разноуровневые свойства индивидуальности (первый замер), медиаторами — кристаллизованный и флюидный интеллект (второй замер), эндогенными переменными — разноуровневые свойства индивидуальности (третий замер);

• 2)    модель M 2 , в которой экзогенными переменными служили разноуровневые свойства индивидуальности (первый замер), медиаторами — показатели креативного мышления (беглость, гибкость, оригинальность) (второй замер), эндогенными переменными — разноуровневые свойства индивидуальности (третий замер);

• 3)    модель M₃, в которой экзогенными переменными служили разноуровневые свойства индивидуальности (первый замер), медиаторами — психометрический интеллект (кристаллизованный и флюидный) и креативное мышление (беглость, гибкость, оригинальность) совместно (второй замер), эндогенными переменными — разноуровневые свойства индивидуальности (третий замер).

Проверялись некоторые допущения к использованию структурного моделирования: многомерная нормальность и объем выборки. Многомерная нормальность определялась на основе оценки многомерного эксцесса — значения выше 5 свидетельствовали об отсутствии многомерной нормальности [Наследов А.Д., 2013, с. 354–355]. Оптимальный объем выборки определялся по критерию Р. Клайна: 20-тикратное превышение численности выборки значения критерия Т (20Т) — идеальная выборка, 10Т — приемлемая, менее 5Т — недостаточная [Наследов А.Д., 2013, с. 356].

Основным методом оценки является «максимальное правдоподобие» (maximum likelihood, ML); в случае отклонения от предположения о многомерной нормальности использовался метод «асимптотически свободный от распределения» (asymptotically distribution-free, ADF) М. Брауна [Browne M.W., 1984].

Для оценки соответствия структурных моделей эмпирическим данным использовались следующие индексы пригодности: статистика хи-квадрат (χ2), отношение статистики хи-квадрат к степеням свободы (χ2/df), сравнительный индекс соответствия (CFI) и корень среднеквадратичной ошибки аппроксимации (RMSEA). Ипользовались следующие пороги: χ2/df < 2 — хорошее соответствие модели [Byrne B.M., 1989]; CFI > 0.90 — приемлемое соответствие, CFI > 0.95 — хорошее соответствие; RMSEA < 0.08 — приемлемое соответствие, RMSEA < 0.05 — хорошее соответствие [Brown T., 2015; Gana K., Broc G., 2019]; стастика χ2 и уровень значимости для него приводится, однако данный критерий не является робастным и зависит от объема выборки [Gatignon H., 2014], поэтому указанные показатели приводятся как дополнительные.

Результаты

Вначале каждая модель включала все разноуровневые свойства индивидуальности (первый замер) в качестве экзогенных переменных; интеллект, креативное мышление или интеллект и креативное мышление совместно в качестве медиаторов (второй замер); а также все разноуровневые свойства индивидуальности (третий замер) в качестве эндогенных переменных. Затем по одному удалялись пути и соответствующие свойства, не вносящие значимый вклад ни в один из видов интеллекта, креативного мышления или интеллекта и креативного мышления совместно. Итоговые модели включали только те свойства индивидуальности, которые имели значимые пути хотя бы к одному из видов интеллекта, креативного мышления или интеллекта и креативного мышления совместно. Аналогично отбирались свойства индивидуальности в третьем замере, в моделях были сохранены только те свойства, которые имели значимые пути от переменных интеллекта и креативного мышления.

Многомерный эксцесс модели М1 превосходил критическое значение (c.r. = 9.6), поэтому использовался метод оценки ADF. Оценка оптимального количества выборки по критерию Клайна указывала на преодоление порога приемлемого объема выборки (10Т = 190).

На рис. 1 представлена модель М 1 . Через кристаллизованный интеллект во втором замере возбуждение (нервная система) (β = .26, p < .001) и экстраверсия (личность) (β = -.23, p < .01) в первом замере интегрировались с открытостью опыта (β = .20, p < .001) и Воплощенным Я (личность) (β = .15, p < .05) в третьем замере. Через флюидный интеллект во втором замере Превращенное Я (личность) (β = .17, p < .01) в первом замере интегрировалось с торможением (нервная система) (β = .15, p < .05) в третьем замере. При этом остатки возбуждения и экстраверсии положительно коррелировали с остатками флюидного и кристаллизованного интеллекта (p < .001). Остатки торможения и открытости опыта (p < .01) значимо положительно коррелировали с открытостью опыта и Воплощенным Я (p < .001) в третьем замере. Также значимо положительно коррелировали остатки возбуждения в первом замере с торможениями в третьем замере (p < .001).

Индексы пригодности модели М1 указывали на отличную (p(χ2) > .05, χ2/df < 2, CFI > .95, RMSEA < .05) согласованность с эмпирическими данными. Индексы пригодности модели М1 приведены в таблице.

Многомерный эксцесс модели М 2 был меньше критического значения (c.r. = 0.77), поэтому использовался метод оценки ML. Оценка оптимального количества выборки по критерию Клайна указывала на преодоление порога отличного объема выборки (20Т = 200).

На рис. 2 представлена модель М 2 . Через гибкость во втором замере эмоциональная реактивность (темперамент) (β = -.04, p < .05) в первом замере интегрировалась с открытостью опыту (личность) (β = .25, p < .001) в третьем замере. Остатки беглости, оригинальности и гибкости положительно коррелировали (p < .001).

Рис. 1. Лонгитюдная медиаторная модель М 1

Fig. 1. Longitudinal mediator model M1

Примечание: сплошные линии со стрелками — пути со значимыми положительными коэффициентами; пунктирные линии со стрелками — пути со значимыми отрицательными коэффициентами; сплошные дуги со стрелками — значимые положительные корреляции между остатками; 1 — данные собраны в первом замере, 2 — данные собраны во втором замере, 3 — данные собраны в третьем замере;

• *    – p < .05; ** – p < .01; *** – p < .001.

Note: solid lines with arrows — paths with significant positive coefficients; dashed lines with arrows — paths with significant negative coefficients; solid arcs with arrows — significant positive correlations between residuals; 1 — data collected in the first measurement, 2 — data collected in the second measurement, 3 — data collected in the third measurement;

• *    – p < .05; ** – p < .01; *** – p < .001.

Рис. 2. Лонгитюдная медиаторная модель М 2

Fig. 2. Longitudinal mediator model M2