Дмитрий Ушаков - Психология интеллекта и одаренности

Иную картину, однако, дает анализ показателей образования не по формальным признакам, а по результатам испытаний учащихся.

С одной стороны, Линн показал высокую связь показателей среднего интеллекта по странам и результатов международных исследований качества образования (PISA и TIMSS), r = 0.9 с учетом коррекции на ненадежность измерений (Lynn, 2008).

С другой стороны, в проведенном Э. Хантом и В. Виттманом иерархическом регрессионном анализе показатели по PISA оказываются наиболее мощным предиктором ВВП, по отношению к которому интеллект не добавляет значимо объясняемой дисперсии (Hunt, Wittman, 2008).

Таким образом, правдоподобно заключить, что компетентности действительно выступают опосредующим звеном между интеллектом и экономическими показателями. К этому, однако, нужно добавить, что формальные показатели системы образования, такие как средняя продолжительность обучения, охват населения различными уровнями образования и т. д., не являются сами по себе хорошими показателями приобретенных компетентностей.

Еще один вопрос, который заслуживает здесь рассмотрения, заключается в том, связаны ли экономические показатели со средним уровнем интеллекта населения или же с особенностями его распределения, например, размером интеллектуальной элиты или, напротив, уменьшением числа людей с чрезмерно низкими когнитивными способностями, не позволяющими заниматься сколько-нибудь квалифицированной работой. В рамках развиваемой модели это означает относительную важность для экономики решения задач разного уровня сложности. Конечно, средний интеллект населения и размер интеллектуальной элиты – связанные показатели, однако их корреляция не достигает единицы. Такие страны, как США или ЮАР, имеют больший разброс интеллектуальных показателей, чем, например, западноевропейские государства, следовательно, при одинаковых средних значениях интеллекта там окажется больше лиц, как входящих в интеллектуальную элиту, так и не способных к ведению квалифицированной работы.

В недавнем исследовании было показано, что национальная продуктивность, оцениваемая по числу патентов, в большей степени связана с численностью интеллектуальной элиты, чем со средним интеллектом населения (Gelade, 2008). Необходимо добавить, что число патентов – это показатель не столько работы всех индивидов в целом, сколько наиболее дееспособных и активных из них, поэтому сильная связь с размером интеллектуальной элиты не может вызвать большого удивления. В терминах предложенной модели можно выразить сказанное следующим образом: структура сложности задач в изобретательской деятельности, отражаемой в количестве патентов, не типична для таковой в экономике в целом.

Наконец, следует отметить, что исследования Линна показали экономическое значение не просто интеллекта, но генерального фактора интеллекта, т. е. фактически одномерной когнитивной способности. Это позволяет существенно упростить модель, отказавшись от многомерного представления способностей. Конечно, сводя способности к одному измерению, мы теряем некоторый объем информации. Весьма вероятно, что существует экономическое значение креативности в ее психометрическом понимании. Порой обсуждается специальная роль вербального интеллекта (Storfer, 1990). Однако уже одни только данные по экономическому значению генерального фактора интеллекта настолько существенны, что составленная на их основе модель позволяет делать весомые выводы. Формирование некоторых компетентностей требует определенных специальных способностей, но на глобальном уровне, изучавшемся Линном, речь идет о результирующей, которая отражается в генеральном факторе интеллекта.

Изложенные положения модели дают основания перейти к ее формализации [7]. Эта формализация имеет двоякое значение. Во-первых, в практическом плане она открывает путь к количественным оценкам и тем самым сообщает модели предсказательные возможности. В частности, она позволяет дать экономические оценки различным сценариям работы с одаренными детьми. Во-вторых, в исследовательском плане формализация ускоряет процесс совершенствования теории, поскольку позволяет формулировать точные предсказания, соотнесение которых с действительностью выявляет нестыковки в теории и заставляет вносить в последнюю изменения. В то же время любая формализация связана со схематизацией, отбрасыванием части «пышно зеленеющего древа жизни» в пользу сухой теории. В особой степени это касается ее начальных этапов, когда закладываются принципы схематизации для той или иной области. Поэтому представляется, что оптимальным путем сегодня является сочетание двух подходов – номотетического, стремящегося к созданию абстрактных моделей, и идеографического, сохраняющего богатство живого представления о человеческой личности.

Вначале необходимо ввести функции, отображающие способности на компетентности и компетентности – на экономические достижения. Первая описывает, каким образом у групп людей, включенных в экономический процесс, на основе способностей формируются компетентности, и фактически является показателем работы образовательной системы страны. Функция, отображающая компетентности на экономические достижения, характеризует экономическую систему государства, а именно востребованность в ней высококомпетентных специалистов.

Для наших целей удобно сразу использовать одну функцию, являющуюся композицией двух перечисленных, поскольку при этом можно воспользоваться данными Р. Линна, которые приводят в соответствие способности и экономические достижения.

Для удобства последующих расчетов преобразуем оси интеллекта I и экономических показателей D таким образом, чтобы все данные Линна уместились в отрезках [0, 1]. Это достигается за счет следующего преобразования:

где индекс t обозначает соответствующую страну в данных Линна. Далее будем работать в новых осях, поэтому штрихи учитывать для удобства не будем.

Рассмотрим два варианта аппроксимации: при помощи степенной функции и при помощи показательной функции, которую предлагает Дикерсон (Dickerson, 2006). Мы пойдем по двум путям отдельно, а потом сравним полученные результаты.

Все степенные и показательные функции представим в виде трехпараметрического семейства:

F 1 ( I; k, m, a ) = m ( I – a ) k ,

F 2 ( I; k, m, a ) = m × k ( I – a ).

Будем искать соответствующие функции f 1 ( I ) и f 2 ( I ) методом наименьших квадратов: