|
В работах Осгуда, Диза, Филленбаума и Рапопорта межиндивиду- альные различия рассматривались в основном как фактор шума — помеха для решения поставленной задачи. В исследовании Филленбаума и Рапопорта примерно 1/4 всех индивидуальных матриц сходства подвергались индивидуальной многомерной реконструкции, но полученные индивидуальные конфигурации оценивались с точки зрения чисто количественной — настолько близки они к структуре, полученной по групповым данным. Но и при таком подходе проблема индивидуальных различий все равно неизменно содержится внутри самой схемы метода. Дело в том, что поэлементное суммирование индивидуальных матриц сходства (слоев куба данных) оправдано лишь в случае выполнения двух условий (Isaak, 1968 — цитируется по Fillenbaum, Rapoport, 1971) : во-первых, все испытуемые в равной мере обучены употреблять данные значения дифференцированно (гипотеза равной компетенции), во-вторых, они употребляют их достаточно сходным образом, т.е. имеется высокое сходство в конфигурации индивидуальных систем значений (пер-цептуальная гипотеза). Для анализа межиндивидуальной устойчивости факторного пространства семантического дифференциала неоднократно использовался метод трехстороннего факторного решения Л. Таккера (Tucker, 1963). Согласно модели Таккера, элемент трехсторонней матрицы Xijk может быть представлен в виде: где iAm, jВр, kCq — матрицы факторных нагрузок для I, J, К классификационных оснований, mGpq — кубическая матрица одновременных корреляций факторных значении I • , J- и К- го факторов. В "семанти-ческом дифференциале" основания I, J и К соответствуют шкалам, шкалируемым понятиям и испытуемым. Факторная стуктура шкал в этом случав подобна той, которая получается растягиванием куба данных ПО строкам (см. 2.1). Только в данном случае она дополняется факторными матрицами субъектов, понятий и матрицей тройственного взаимодействия. Сотрудник Ч. Осгуда Дж. Левин произвел такой трехсторонний факторный анализ куба СД-данных со сторонами 21 шкала х 31 понятие X 60 испытуемых (цит, по Osgood et al,, 1975). Был выделен всего один значимый фактор, объяснивший 47% дисперсии, из матрицы корреляций испытуемых (слоев куба) и по четыре фактора из матриц корреляций шкал и понятий. В дальнейшем этот трехсторонний метод анализа неоднократно применялся к СД-данным различного типа — от шкалирования картин абстрактной живописи до "личностного дифференциала". В большинстве случаев основную долю межиндй* видуальных различий объяснял первый фактор, второй фактор давал — 81 —
|