Самооценка как возможный предиктор карьеры в области STEM: адаптация опросника для измерения пяти факторов самооценки

678

Аннотация

Проблема привлечения девушек в специальности, связанные со STEM , является важной для многих стран, в том числе и России. Некоторые исследования показывают, что различные параметры самооценки могут быть связаны с низкой представленностью женщин в этих специальностях. Для того, чтобы оценить на российских данных, в какой степени самооценка связана с тем, что женщины не продолжают работу в STEM даже после получения образования, была проведена адаптация англоязычной методики многофакторной самооценки (SDQ III). Для адаптации из полной версии опросника выбрано пять факторов, которые по существующим данным связаны с тем, что девушки реже выбирают для обучения STEM специальности: «Математическая самооценка», «Гуманитарная самооценка», «Самооценка внешности», «Самооценка отношений с представителями своего пола» и «Самооценка отношений с представителями противоположного пола». Выборку составили женщины (N=532), в возрасте старше 18 лет. Для анализа факторной структуры опросника использован конфирматорный факторный анализ, который подтвердил выделение пяти теоретически заложенных факторов самооценки. Анализ психометрических свойств в рамках современной теории тестирования (IRT анализ) показал, что опросник обладает удовлетворительными психометрическими характеристиками и может быть использован для измерения выделенных факторов самооценки.

Общая информация

Ключевые слова: самооценка, конфирматорный факторный анализ, IRT анализ

Рубрика издания: Общая психология

Тип материала: научная статья

DOI: https://doi.org/10.17759/jmfp.2018070305

Для цитаты: Лебедева Н.В., Кузьмина Ю.В. Самооценка как возможный предиктор карьеры в области STEM: адаптация опросника для измерения пяти факторов самооценки [Электронный ресурс] // Современная зарубежная психология. 2018. Том 7. № 3. С. 53–63. DOI: 10.17759/jmfp.2018070305

Полный текст

 
 

Введение

Проблема вовлеченности девушек в обучение и карьеру в области STEM актуальна для многих стран. Несмотря на рост интереса к сфере наук и технологий, во многих странах, включая Россию, в этой области наблюдается сильный разрыв между мужчинами и женщинами. Даже получая образование в области естественных и точных наук, женщины реже остаются в этой области, реже получают степень, их уровень доходов существенно ниже, чем у мужчин, имеющих такой же уровень образования [24]. Например, в России за 2015 год доля женщин среди специалистов высшего уровня квалификации, занятых в сфере естественных и точных наук составляет 29% (для сравнения: в сфере здравоохранения, биологии и сельского хозяйства — 69%), среди специалистов среднего уровня квалификации доля женщин, занятых в сфере физических и инженерных направлений деятельности, — 25%[2].

Обсуждая возможные причины такой диспропорции, психологи и социологи выделяют несколько взаимосвязанных групп факторов: разрыв между мужчинами и женщинами в математических достижениях, гендерные стереотипы, касающиеся математики, наук и технологий, а также различия в самооценке между мужчинами и женщинами.

В целом, можно выделить два подхода к пониманию и соответственно измерению самооценки. В первом случае самооценка понимается как единый кон­структ, являющийся аффективным компонентом самосознания [1]. В рамках этого подхода созданы методики, сфокусированные на измерении общего уровня самооценки, к таковым можно отнести шкалу самоуважения Розенберга [23]. В рамках второго подхода самооценка рассматривается как многомерный конструкт, включающий в себя частные самооценки в разных областях [17]. Р. Шавелсон [25] предложил модель, согласно которой самооценка может быть разделена на академические и неакадемические представления о себе. Академическая самооценка включает самооценку в предметных (учебных) областях (например, математика), неакадемическая самооценка включает самооценку в тех сферах жизнедеятельности, которые не связаны с процессом обучения (например, физические представления о себе, самооценка своих отношений с родителями и т. п.). На основе модели самооценки как многофакторного конструкта разработан инструмент для ее измерения (Self-Description Questionnaire, SDQs), адаптированный для разных возрастных групп: младших школьников (SDQI), учеников средней школы (SDQII) и старших школьников, студентов и взрослых людей (SDQIII) [11; 12; 13; 14].

Измерение самооценки как многофакторного кон­структа дает более полное представление об особенностях поведения человека и может лучше объяснить некоторые поступки и решения человека [2; 15]. В частности, в ряде исследований показано, что общий уровень самооценки не является предиктором выбора карьерного пути в какой-либо сфере, в то время как академическая самооценка является значимым преди­ктором выбора образовательных траекторий [7; 27].

Предыдущие исследования показали, что некоторые факторы самооценки могут выступать значимыми предикторами выбора обучения и работы в STEM- областях [6; 7; 24]. В частности, исследования показали, что математическая самооценка является важным предиктором выбора обучения в STEM-областях для девушек, но не для юношей [6; 28]. Также было показано, что девушки, обучающиеся на STEM- специальностях или работающие в этой сфере, ниже оценивают свою внешнюю привлекательность и менее уверены в отношениях со сверстниками, по сравнению с женщинами, занятыми в других областях [4; 8; 26].

Таким образом, было выделено пять факторов самооценки, которые могут отличать девушек, выбирающих STEM специальности, от девушек из других областей: математическая самооценка, гуманитарная самооценка (самооценка вербальных способностей), самооценка внешности, самооценка своих отношений с противоположным полом, самооценка отношений со своим полом.

Текущее исследование

Для того чтобы оценить, в какой степени самооценка является фактором, связанным с оттоком женщин из STEM-областей в России, необходимо было создание надежного инструмента для измерения выделенных факторов самооценки.

Для адаптации выбран опросник SDQ III, созданный для измерения факторов самооценки на англоязычной выборке. Полная версия опросника включает 136 утверждений, объединенных в 13 факторов самооценки [13]. Для русскоязычной версии выбрано пять интересующих нас факторов; для каждого из факторов переведено 6—7 утверждений.

На первом этапе была проведена проверка корректности и понятности перевода вопросов опросника, а также проверка функционирования ответных категорий разных вариантов шкалы согласия (пятибалльная шкала, семибалльная шкала и восьмибалльная шкала). Выборка составила 285 человек (женщины — 51%). Опросник обладает высокой надежностью (альфа Кронбаха — 0,81) и имеет приемлемые значения дис- криминативности (выше 0,4).

После проведения предварительной апробации некоторые утверждения были скорректированы, плохо работающие пункты убраны, взамен них сформулированы другие. Для дальнейшего использования опросника выбрана пятибалльная шкала согласия, так как крайние ответные категории семи- и восьмибалльной шкал не выбирались респондентами.

На основном этапе адаптации доработанный вариант опросника был применен на более представительной выборке женщин. Мы ограничились выборкой женщин, поскольку в будущем планировали использовать этот инструмент для исследования самооценки у женщин. После сбора данных проведен психометрический анализ итоговой версии инструмента, состоящего из 35 утверждений, объединенных в 5 факторов.

Далее будут рассмотрены результаты основного этапа адаптации инструмента.

Метод

Выборка

В опросе участвовали 532 женщины старше 18 лет, из них 97% получили высшее образование. Среди участников 8% находились в возрасте от 18 до 25 лет, 44% — от 26 до 35 лет, 40% — от 36 до 45 лет, 8% — старше 45 лет. Большая часть опрошенных женщин (70%) получили образование в сфере STEM, 20% имели гуманитарное образование, 10% — экономическое.

Выборка участников набиралась методом «удобной» выборки и «снежного кома». Сбор данных проводился анонимно с использованием онлайн-формы для заполнения.

Все респонденты были привлечены к участию в исследовании на безвозмездной основе и письменно подтвердили свое согласие на участие в исследовании.

Статистический подход

Анализ факторной структуры опросника проводился с помощью конфирматорного факторного анализа (КФА).

Для оценки качества разных факторных моделей выбран метод оценки MLR (Maximum Likelihood Restricted), поскольку этот метод более устойчив к отклонениям от нормального распределения и хорошо зарекомендовал себя в случае использования пяти- и более балльной шкалы Ликерта [22]. Проанализировано несколько альтернативных моделей с целью выбора модели, обладающей наилучшими статистиками согласия: 1) теоретическая 5-факторная модель; 2) 4-факторная модель; 3) модель, в которой 5 факторов объединены в два фактора высшего порядка: академическая и неакадемическая самооценка. Анализ проведен с помощью программы Mplus 7.0 [21].

Анализ психометрических свойств опросника проводился в рамках Современной теории тестирования (Item Response Theory, IRT). Применение IRT-анализа позволяет оценить инвариантность характеристик утверждений опросника относительно испытуемых [18].

В опроснике используется политомическая шкала, которая анализируется в модели Rating Scale Model (RSM) [3]. Применение модели RSM основано на том, что у каждого утверждения опросника равное количество ответных категорий и предполагается аналогичная трудность перехода от одной ответной категории к последующей [9]. Учитывая небольшой размер выборки, был использован последовательный подход, предполагающий отдельный анализ каждой шкалы.

Проведен анализ испытуемых и утверждений опросника для определения нестандартных профилей испытуемых и проблемных утверждений опросника, а также анализ функционирования ответных категорий шкалы [9]. Анализ проведен в программе WINSTEPS [10].

Результаты

Описательная статистика

В табл. 1 представлены средние значения и стандартные отклонения по каждому утверждению. Средние значения по пунктам шкалы находятся в пределах от 2,6 до 3,8; стандартное отклонение варьируется от 0,67 до 1,37.

Согласованность утверждений опросника достаточно высока (альфа Кронбаха = 0,89).

Таблица 1

Описательные статистики по утверждениям

 

Фактор самооценки

Утверждение

M

SD

Математическая самооценка

1. Я легко справляюсь с трудными и нестандартными заданиями по математике

3,49

1,34

6. У меня есть способности к математике и точным наукам

3,68

1,36

11. У меня не было (нет) проблем с математикой и точными науками

3,72

1,37

16. Мне легко давалось изучение математики и точных наук

3,71

1,37

21. У меня были (есть) хорошие оценки по математике и точным наукам

3,83

1,34

26. Решение математических задач в школе или университете давалось мне легко

3,71

1,35

31. Я способна быстро и без особых трудностей разобраться в вычислениях и понимать математические формулы

3,54

1,34

Гуманитарная самооценка

2. Я хороший рассказчик

3,05

0,78

7. Я умею увлекательно и интересно описывать события

3,04

0,74

12. Я хорошо умею выражать свои мысли

3,15

0,73

17. Мне легко давалось написание сочинений в школе

3,07

0,73

22. У меня есть способности к гуманитарным наукам

3,02

0,81

27. Я легко осваиваю иностранные языки

2,99

0,79

32. Я пишу, как правило, без ошибок

3,27

0,70

Самооценка внешности

3. Мой внешний вид меня в основном устраивает

3,29

0,71

8. Мне кажется, у меня привлекательная внешность

3,23

0,69

13. Большую часть времени я выгляжу привлекательно

3,08

0,73

18. Я довольна тем, как я выгляжу

3,28

0,68

23. Я умею красиво одеваться

3,42

0,70

28. Мне повезло с внешностью

3,35

0,67

33. Моя фигура меня устраивает

3,30

0,77

 

Примечание: M mean (среднее значение); S.E. Standard Error (стандартная ошибка).

Анализ факторной структуры опросника

В рамках оценки факторной структуры опросника проведен конфирматорный факторный анализ. Индексы соответствия сравниваемых моделей данным представлены в табл. 2.

Теоретически предполагаемая модель с пятью выделенными факторами обладает удовлетворительными индексами соответствия модели данным. Факторные нагрузки для большинства утверждений — выше 0,70.

Два утверждения фактора «Самооценка отношений со своим полом» (№ 19 и № 34) имеют низкие факторные нагрузки (0,16 и 0,44 соответственно). В факторе «Самооценка отношений с противоположным полом» одно утверждение (№ 35) также имеет низкую факторную нагрузку по своему фактору (0,33).

Эти утверждения также имеют низкие кросс-факторные нагрузки. Удаление этих утверждений значительно не улучшило модель (Модель 2), поэтому для дальнейшего анализа они оставлены в опроснике для того, чтобы проверить их функционирование в рамках IRT-подхода.

В пятифакторной модели факторы имеют значимую корреляцию другс другом(табл. 3). Математическая и гуманитарная самооценка негативно взаимосвязаны, также математическая самооценка негативно коррелирует с самооценкой отношений со своим полом. Самооценка внешности и самооценка отношений с противоположным полом имеют высокую корреляцию (r = 0,82).

Далее была проверена модель с четырьмя факторами, в которой факторы самооценки внешности и отношений с противоположным полом объединены в один фактор. Тест различий хи-квадрат показывает, что эта модель значимо хуже подходит данным в сравнении с пятифакторной моделью (табл. 2).

На следующем этапе была проверена модель с двумя факторами высшего порядка. Тест различий хи-квадрат показывает, что эта модель также значимо хуже подходит данным, по сравнению с 5-факторной моделью.

В целом, конфирматорный факторный анализ подтвердил выделение пяти теоретически заложенных факторов самооценки. Некоторые утверждения обладают низкими факторными нагрузками, но их удаление значимо не улучшает модель.

Таблица 2
Индексы соответствия моделей данным

GOF

Модель 1 (5 факторов)

Модель 2 (5 факторов без 3 утверждений)

Модель 3 (4 фактора)

Модель 4 (факторы высшего порядка)

BIC (sample-size adjusted)

28517,39

24933,13

29053,64

28555,62

X2

1958,91

1566,68

2338,66

1995,94

Scaling factor

1,44

1,48

1,44

1,44

df

550

454

554

554

RMSEA

0,069

0,068

0,078

0,07

90% C.I. RMSEA

0,066—0,073

0,064—0,72

0,075—0,081

0,067—0,073

CFI

0,89

0,91

0,87

0,89

SRMR

0,078

0,061

0,079

0,094

A x2 (A df)a

 

 

379,75***(4)

37,03*** (4)


Примечание: BIC Bayesian information criterion (Байесовский информационный критерий); RMSEA root mean square error of approximation (квадратичная усредненная ошибка апроксимации); 90% CI — 90% confidence interval for RMSEA (доверительный интервал для RMSEA); CFI comparative fit index (сравнительный критерий согласия); SRMR standardized root mean square residual (стандартизированный корень квадратов остатков); «a» — тест различий Хи-квадрат был рассчитан с использованием корректировки на фактор шкалирования Sattora-Bentler.

Для того чтобы более детально проанализировать утверждения опросника, далее проведен IRT-анализ каждого их выделенных факторов.

Таблица 3
Корреляции между факторами

Факторы

Модель 1

Модель 2

Модель 3

Модель 4

Математическая самооценка

1

 

 

 

Гуманитарная самооценка

-0,51***

1

 

 

Самооценка внешности

0,09*

0,46***

1

 

Самооценка отношений со своим полом

-0,14**

0,44***

0,36***

1

Самооценка отношений с противоположным полом

0,12**

0,45***

0,82***

0,47***

IRT-анализ шкал опросника

Отдельный анализ размерности каждого из пяти факторов опросника показал, что каждая шкала является одномерной и каждый фактор направлен на измерение только одного конструкта.

Средние показатели статистик согласия по утверждениям шкал не выходят за пределы критических значений и близки к 1 (табл. 4).

Таблица 4
Статистические данные по шкалам опросника

Показатель

Трудность

S.E.

INTFIT MNSQ

OUTFIT MNSQ

Математическая самооценка

Среднее

0,00

0,13

0,95

0,93

S.D.

0,99

0,01

0.24

0,44

MAX.

1,56

0,14

1,42

1,94

MIN.

-1,60

0,12

0,66

0,54

Гуманитарная самооценка

 

Среднее

0,00

0,11

0,98

0,89

S.D.

0,54

0,00

0,22

0,24

MAX.

0,55

0,11

1,49

1,46

MIN.

-1,15

0,11

0,76

0,72

Самооценка внешности

Среднее

0,00

0,11

0,98

0,87

S.D.

0,67

0,00

0,28

0,32

MAX.

1,32

0,12

1,40

1,43

MIN.

-1,01

0,11

0,69

0,54

Самооценка отношений с представителями своего пола

Среднее

0,00

0,08

1,00

0,96

S.D.

0,25

0,00

0,56

0,56

MAX.

0,45

0,08

2,22

2,14

MIN.

-0,37

0,08

0,55

0,53

Самооценка отношений с представителями противоположного пола

Среднее

0,00

0,09

0,98

1,02

S.D.

1,11

0,00

0,42

0,48

MAX.

1,38

0,09

1,93

2,05

MIN.

-1,91

0,09

0,61

0,59

Анализ утверждений опросника показал, что они обладают средней трудностью для используемой выборки респондентов (показатели трудности утверждений близки к 0) (табл. 5). Высокая корреляция утверждений с баллом по каждому фактору свидетельствует об измерении общего конструкта.

При анализе пунктов опросника были определены три проблемных утверждения.

В факторе «Математическая самооценка» одно утверждение (№ 1) имеет неудовлетворительные статистики согласия (OUTFIT MNSQ = 1,94).

Утверждение № 19 фактора «Самооценка отношений со своим полом» имеет низкую корреляцию с баллом по фактору (0,37) и статистики согласия с моделью выше критических (INTFIT MNSQ=2,22; OUTFIT MNSQ= 2,14).

Статистики согласия утверждения № 35 фактора «Самооценка отношений с противоположным полом» также выше критических (INTFIT MNSQ=1,93; OUTFIT MNSQ= 2,05).

После удаления трех плохо работающих утверждений статистики согласия с моделью для шкал улучшились, также уменьшилась ошибка измерения. Дальнейший анализ произведен без этих утверждений.

Статистики согласия по респондентам находятся в допустимых пределах. Согласно показателю разделения групп[3] (separation index), опросник делит выборку на четыре группы по всем факторам, кроме «Общение с представителями своего пола». По этому фактору выборка может быть разделена на три группы.

Для анализа функционирования ответных категорий утверждений проанализированы частоты выбора категории и оценены пороги перехода от одной ответной категории к следующей.

Результаты анализа показали, что ответные категории шкалы в целом неравно наполнены. Респонденты чаще выбирали средние категории шкалы опросника; крайние категории («Полностью не согласен» и «Полностью согласен») выбирались редко, а в некоторых шкалах не выбирались вообще (например, шкала «Гуманитарная самооценка»). При этом наблюдаемые средние значения упорядочены и имеют схожие с ожидаемыми значения.

Согласно полученным результатам, ответные категории всех факторов, кроме фактора «Самооценка отношений с представителями своего пола», функционируют схожим образом.

Пороги перехода от одной ответной категории к следующей упорядочены от меньшего значения к большему. Каждой ответной категории соответствует интервал оси, где вероятность выбора этой категории доминирует, а каждая последующая, более высокая категория шкалы имеет схожую степень присутствия измеряемого признака с предыдущей.

В целом, ответные категории этих факторов функционируют удовлетворительно.

По фактору «Самооценка отношений с представителями своего пола» каждая последующая, более высокая категория шкалы не выражает большую степень присутствия измеряемого признака с предыдущей. Наблюдается неудовлетворительное функционирование двух средних категорий.

Психометрический анализ опросника показывает, что большинство утверждений опросника функционируют удовлетворительно. Опросник можно определить как качественный и надежный инструмент для измерения четырех факторов самооценки.

Таблица 5
Общая статистика по утверждениям

Трудность

S.E.

INTFIT MNSQ

OUTFIT MNSQ

Корреляция с баллом

Математическая самооценка

1

1,56

0,12

1,4

1,94

0,95

6

-0,1

0,13

1,05

0,9

0,95

11

-0,45

0,14

0,79

0,66

0,96

16

-0,3

0,14

0,66

0,54

0,97

21

-1,6

0,14

1,12

1,04

0,94

26

-0,3

0,14

0,79

0,65

0,96

31

1,2

0,12

0,79

0,74

0,97

Гуманитарная самооценка

2

0,21

0,11

0,9

0,8

0,87

7

0,28

0,11

0,92

0,82

0,85

12

-0,39

0,11

0,76

0,72

0,87

17

0,08

0,11

0,87

0,74

0,84

22

0,41

0,11

1,02

0,91

0,86

27

0,55

0,11

1,49

1,46

0,77

32

-1,15

0,11

0,88

0,82

0,83

Самооценка внешности

13

1,32

0,11

0,85

0,82

0,85

8

0,35

0,11

0,79

0,65

0,87

18

0,01

0,12

0,7

0,54

0,88

3

-0,05

0,12

1,05

0,88

0,84

33

-0,14

0,12

1,4

1,23

0,82

28

-0,48

0,12

0,69

0,54

0,87

23

-1,01

0,11

1,39

1,43

0,76

Самооценка отношений с представителями своего пола

4

0,08

0,08

0,89

0,84

0,72

9

0,45

0,08

0,65

0,59

0,83

14

0,05

0,08

0,71

0,66

0,85

19

-0,37

0,08

2,22

2,14

0,37

24

-0,31

0,08

0,55

0,55

0,85

29

0

0,08

0,57

0,53

0,87

34

0,1

0,08

0,38

1,39

0,55

Самооценка отношений с представителями противоположного пола

5

-1,91

0,09

1,1

1,31

0,67

10

0,43

0,09

0,82

0,83

0,84

15

0,47

0,09

0,61

0,59

0,88

20

1,11

0,09

0,79

0,77

0,85

25

-1,14

0,09

0,94

0,99

0,74

30

1,38

0,09

0,65

0,62

0,88

35

-0,32

0,09

1,93

2,05

0,52

Обсуждение

В данном исследовании проведена разработка и апробация русскоязычной версии опросника многофакторной самооценки личности. За основу взят опросник SDQIII, включающий в себя 13 факторов самооценки, однако на данном этапе в создаваемый опросник включено только пять факторов: «Математическая самооценка», «Гуманитарная самооценка», «Самооценка своей внешности», «Самооценка своих отношений с противоположным полом» и «Самооценка отношений со своим полом».

Отбор этих факторов связан с тем, что опросник разрабатывался в рамках проекта для оценки возможных предикторов гендерной диспропорции в сфере STEM. По данным некоторых исследований выделенные факторы самооценки могут отличать женщин, занятых в STEM, от женщин из других областей [4; 6; 7; 8; 26; 28].

Каждый из факторов измерялся семью утверждениями, степень согласия с которыми оценивалась по пятибалльной шкале (от «полностью не согласен» до «полностью согласен»). Для анализа факторной структуры опросника был проведен конфирматорный факторный анализ, который подтвердил заложенную 5-факторную структуру опросника. Анализ корреляций между факторами показал, что математическая самооценка негативно коррелирует с гуманитарной самооценкой и самооценкой отношений со своим полом, что частично расходится с ранее полученными данными о том, что математическая и гуманитарная самооценка имеют незначимые корреляции [16;19].

Возможно, эти различия связаны со спецификой выборки, участвующей в исследовании. В нашем исследовании участвовали только женщины старше 18 лет, которые получают высшее образование или уже имеют его. Кроме того, большая часть участвующих в исследовании — женщины, выбравшие область STEM для получения образования или карьеры.

IRT-анализ опросника показал, что каждая шкала является одномерной и каждый фактор направлен на измерение только одного конструкта. Утверждения опросника обладают средней трудностью для используемой выборки респондентов. Опросник способен хорошо дифференцировать респондентов по выделенным факторам.

Анализ отдельных утверждений каждой из шкал показал, что статистики согласия для трех утверждений находятся за пределами нормативных значений. В дальнейшем, после удаления этих утверждений, статистики согласия шкал с моделью улучшились, также уменьшилась ошибка измерения. В будущем, при продолжении адаптации опросника и его использовании, эти задания могут быть заменены другими.

Анализ ответных категорий показал, что для четырех факторов ответные категории функционируют удовлетворительно, пороги перехода от одной ответной категории к следующей упорядочены от меньшего значения к большему и расстояние между порогами перехода примерно равное.

Опросник может быть использован для оценки четырех факторов самооценки. Фактор «Самооценка отношений со своим полом» обладает худшими показателями по сравнению с другими факторами; это относится как к функционированию заданий, так и к функционированию ответных категорий. В будущем утверждения этого фактора требуют доработки.

Процесс адаптации и доработки опросника может быть продолжен по нескольким направлениям. В первую очередь, необходимо провести адаптацию на более представительной выборке, которая должна быть сбалансирована по демографическим характеристикам. В будущем необходимо включить в выборку мужчин и участников в возрасте от 16 до 18 лет, а также респондентов с разным уровнем образования.

Еще одним направлением дальнейшей адаптации опросника может стать добавление утверждений для измерения других факторов самооценки, которые в настоящей версии не учитывались. Например, в будущем можно добавить такие факторы, как самооценка эмоциональной стабильности, самооценка решения проблем и творческого мышления, шкала самоуважения.

Также необходимо включить в процесс дальнейшей валидизации оценку конвергентной валидности, что подразумевает измерение других конструктов и характеристик, которые теоретически должны коррелировать с измеряемыми факторами самооценки. Например, теоретически академическая самооценка должна коррелировать с академическими достижениями и академической мотивацией, поэтому в дальнейшем можно включить в исследование измерение математических и гуманитарных достижений и опросник для измерения мотивации.


[1] STEM Science, Technology, Engineering, Math.

[2] Федеральная служба государственной статистики (Росстат). М., 2015. URL:http://www.gks.ru/free_doc/doc_2015/rusfig/ rus-15.pdf

[3] Показатель разделения групп используется для расчета индекса разделения групп по формуле SI=(4G+1)/3, где G — это показатель разделения. Индекс является еще альтернативным критерием надежности шкалы и показывает, на сколько статистически значимо различающихся групп можно разделить выборку.

Литература

  1. Столин В.В. Самосознание личности. Москва: Изд-во Моск. ун-та, 1983. 285 c.
  2. Academic motivation, self-concept, engagement, and performance in high school: Key processes from a longitudinal perspective / J. Green [et al.] // Journal of adolescence. 2012. Vol. 35. №. 5. P. 1111–1122. doi:10.1016/j.adolescence.2012.02.016
  3. Andrich D. A rating formulation for ordered response categories [Электронный ресурс] // Psychometrika. 1978. Vol. 43. № 4. P. 561–573. URL: https://link.springer.com/content/pdf/10.1007%2FBF02293814.pdf (дата обращения: 12.08.2018).
  4. Barth J.M., Dunlap S., Chappetta K. The influence of romantic partners on women in STEM majors // Sex Roles. 2016. Vol. 75. № 3–4. P. 110–125. doi:10.1007/s11199-016-0596-z
  5. Betz N.E., Hackett G. Applications of self-efficacy theory to understanding career choice behavior // Journal of social and clinical psychology. 1986. Vol. 4. № 3. P. 279–289. doi:10.1521/jscp.1986.4.3.279
  6. «But I’m not good at math»: The changing salience of mathematical self-concept in shaping women’s and men’s STEM aspirations / L.J. Sax [et al.] // Research in Higher Education. 2015. Vol. 56. № 8. P. 813–842. doi:10.1007/s11162-015-9375-x
  7. Eccles J.S. Understanding women's educational and occupational choices: Applying the Eccles et al. model of achievement related choices //Psychology of women quarterly. 1994. Vol. 18. № 4. P. 585–609. doi:10.1111/j.1471-6402.1994.tb01049.x
  8. Effects of everyday romantic goal pursuit on women’s attitudes toward math and science / L.E. Park [et al.] // Personality and Social Psychology Bulletin. 2011. Vol. 37. № 9. P. 1259–1273. doi:10.1177/0146167211408436
  9. Linacre J.M. Optimizing rating scale category effectiveness [Электронный ресурс] // J Appl Meas. 2002. Vol. 3. № 1. P. 85–106. URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.424.2811&rep=rep1&type=pdf (дата обращения: 12.08.2018).
  10. Linacre J.M. Wright B.D. Winsteps.com. A User's Guide to BIGSTEPS [Электронный ресурс]: Rasch-Model Computer Program. 2006. 130 p. URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.639.4296&rep=rep1&type=pdf (дата обращения: 12.08.2018).
  11. Marsh H.W. SDQ I manual & research monograph: Self-Description Questionnaire. [San Diego, CA]: Psychological Corporation [and] Harcourt Brace Jovanovich, 1988. 171 p.
  12. Marsh H.W. Self-Description Questionnaire (SDQ) II: A theoretical and empirical basis for the measurement of multiple dimensions of adolescent self-concept: An interim test manual and a research monograph. New South Wales, Australia: University of Western Sydney, Faculty of Education, 1992.
  13. Marsh H.W. Self-Description Questionnaire (SDQ) III: A theoretical and empirical basis for the measurement of multiple dimensions of adolescent self-concept: An interim test manual and a research monograph. New South Wales, Australia: University of Western Sydney, Faculty of Education, 1992.
  14. Marsh H.W. Self-Description Questionnaire (SDQ): A theoretical and empirical basis for the measurement of multiple dimensions of adolescent self-concept: An interim test manual and a research monograph // New South Wales, Australia: University of Western Sydney, Faculty of Education, 1992.
  15. Marsh H.W., Craven R.G. Reciprocal effects of self-concept and performance from a multidimensional perspective: Beyond seductive pleasure and unidimensional perspectives // Perspectives on psychological science. 2006. Vol. 1. № 2. P. 133–163. doi:10.1111/j.1745-6916.2006.00010.x
  16. Marsh H.W., O'NEILL R. Self description questionnaire III: the construct validity of multidimensional self-concept ratings by late adolescents // Journal of Educational Measurement. 1984. Vol. 21. № 2. P. 153–174. doi:10.1111/j.1745-3984.1984.tb00227.x
  17. Marsh H.W., Shavelson R. Self-concept: Its multifaceted, hierarchical structure // Educational psychologist. 1985. Vol. 20. № 3. P. 107–123. doi:10.1207/s15326985ep2003_1
  18. Meade A.W., Lautenschlager G.J. Same question, different answers: CFA and two IRT approaches to measurement invariance [Электронный ресурс] // 19th Annual Conference of the Society for Industrial and Organizational Psychology. 2004. Vol. 1. URL: https://pdfs.semanticscholar.org/0685/2710c39ae93bfa090fc553d06e01b9751c46.pdf (дата обращения: 12.08.2018).
  19. Meta-analytic path analysis of the internal/external frame of reference model of academic achievement and academic self-concept / J. Moller [et al.] // Review of Educational Research. 2009. Vol. 79. № 3. P. 1129–1167.
  20. Moksnes U.K., Espnes G.A. Self-esteem and life satisfaction in adolescents–gender and age as potential moderators // Quality of Life Research. 2013. Vol. 22. № 10. P. 2921–2928. doi:10.1007/s11136-013-0427-4.
  21. Muthen L.K. Mplus [Электронный ресурс]: Statistical Analysis With Latent Variables: User’s Guide. Los Angeles, CA: Muthén & Muthén, 1998–2012. 856 p. URL: https://www.statmodel.com/download/usersguide/Mplus%20user%20guide%20Ver_7_r6_web.pdf  (дата обращения: 12.08.2018).
  22. Rhemtulla M., Brosseau-Liard P.E., Savalei V. When can categorical variables be treated as continuous? A comparison of robust continuous and categorical SEM estimation methods under suboptimal conditions // Psychological methods. 2012. Vol. 17. № 3. P. 354–373. doi:10.1037/a0029315
  23. Rosenberg M. Rosenberg self-esteem scale (RSE) [Электронный ресурс] // Acceptance and Commitment Therapy. Measures. 2006. P. 61–63. URL: http://integrativehealthpartners.org/downloads/ACTmeasures.pdf#page=61 (дата обращения: 12.08.2018).
  24. Settles I.H., O’Connor R.C., Yap S.C.Y. Climate Perceptions and Identity Interference Among Undergraduate Women in STEM: The Protective Role of Gender Identity // Psychology of Women Quarterly. 2016. Vol. 40. № 4. P. 488–503. doi:10.1177/0361684316655806
  25. Shavelson R.J., Hubner J.J., Stanton G.C. Self-concept: Validation of construct interpretations // Review of educational research. 1976. Vol. 46. № 3. P. 407–441. doi:10.3102/00346543046003407
  26. Stereotypes about gender and science: Women≠ scientists/ L.L. Carli [et al.] // Psychology of Women Quarterly. 2016. Vol. 40. № 2. P. 244–260.
  27. Wang M.T., Eccles J.S., Kenny S. Not lack of ability but more choice: Individual and gender differences in choice of careers in science, technology, engineering, and mathematics // Psychological science. 2013. Vol. 24. № 5. P. 770–775. doi:10.1177/0956797612458937
  28. Zeldin A.L., Britner S.L., Pajares F. A comparative study of the self-efficacy beliefs of successful men and women in mathematics, science, and technology careers // Journal of Research in Science Teaching: The Official Journal of the National Association for Research in Science Teaching. 2008. Vol. 45. № 9. P. 1036–1058. doi:10.1002/tea.20195

Информация об авторах

Лебедева Наталия Владимировна, преподаватель кафедры клинической психологии и психологии личности, Институт психологии и образования, ФГАОУ ВО «Казанский (Приволжский) федеральный университет» (ФГАОУ ВО КФУ), ; аспирант, ФГАОУ ВО «Национальный исследовательский университет «Высшая школа экономики» (ФГАОУ ВО НИУ ВШЭ), Москва, Россия, ORCID: https://orcid.org/0000-0002-5019-9033, e-mail: natty.lebedeva@gmail.com

Кузьмина Юлия Владимировна, кандидат психологических наук, старший научный сотрудник Центра психометрики и измерений в образовании, Национальный исследовательский университет «Высшая школа экономики», Москва, Россия, ORCID: https://orcid.org/0000-0002-4243-8313, e-mail: jkuzmina@hse.ru

Метрики

Просмотров

Всего: 1814
В прошлом месяце: 18
В текущем месяце: 7

Скачиваний

Всего: 678
В прошлом месяце: 3
В текущем месяце: 1