Юрий Чернов - Анализ почерка в работе с кадрами

Никогда не следует забывать, что мы имеем дело с психологией личности. Область весьма деликатная. Простое механическое суммирование результатов здесь не будет работать. Хотя соблазн есть. Важный момент – это правильное понимание, о каких характеристиках личности идет речь. Часто одного названия не достаточно. Приведу пример из моей собственной практики. Вместе с коллегами из швейцарского графологического общества и Цюрихского института прикладной психологии мы проводили исследование. Частью его было сравнение результатов анализа почерка пробанда с результатами двух психометрических тестов. Одним из них был популярный d2-тест [17]. В нем речь идет о концентрации и внимании. Результаты графологического анализа показали очень высокое совпадение оценок (конкордацию) шести графологов, принимавших участие в работе. Но какую концентрацию они оценивали по почерку? Умение сконцентрироваться, а не разбрасываться. А тест оценивал способность концентрированно выполнять задание в течение сравнительно длительного времени. В этом случае, разумеется, не имеет смысла пытаться объединить результаты теста с результатом графологического анализа. Кстати и корреляция между ними оказалась в нашем опыте невысокой. Основной вывод – подбор тестов, включенных в батарею, должен быть очень тщательным.

В отличие от приведенного мной примера существуют многие тесты, которые хорошо сочетаются с анализом почерка. Например, конфликтность в методе PEN оценивают, как уже было отмечено выше, по уровню психотизма. Ее же традиционно рассматривают в графологии.

Итак, мы имеем две оценки одной и той же черты личности. Одна – результат теста, другая – результат анализа почерка. Можно следовать абсолютно формальным путем. Для этого, прежде всего, оба показателя представляют на одной и то же шкале. Наиболее удобно от 0 до 1. Затем вычисляют среднюю величину. Как правило, не простую, а взвешенную:

где P– уровень результата; pt и ph – уровни черты личности по тесту и графологическому анализу соответственно; α и β – весовые коэффициенты теста и анализа почерка. Их определяют экспертно. Как правило, их сумма равна 1, и тогда можно от знаменателя в формуле отказаться. В данной книге мы не станем углубляться дальше. Наша цель – только наметить путь. Поэтому мы оставим открытым целый ряд методических вопросов. Каким образом оценивают весовые коэффициенты? Берутся ли они одинаковыми для всех черт личности или индивидуально? Влияет ли на них качество рукописного текста?

Можно и отказаться от формально-численной модели. Определяют, например, только три качественных уровня характеристики личности: высокий, средний и низкий. Часто к ним добавляют еще два: очень высокий и полное отсутствие, – и тем самым доводят до пяти уровней. Количество уровней не влияет на саму модель. В этом случае очень уместно использовать нечеткую (или размытую) модель. Об опыте применения таких моделей в графологии я уже рассказывал в одной из работ [10].

Впервые понятие размытых множеств ввел американский ученый Лофти Заде в 1965 году. С тех пор направление очень сильно развилось, и сегодня имеются тысячи практических применений нечетких моделей в разных областях. Они позволяют лучше моделировать ситуации там, где велика неточность или неопределенность исходной информации. Основано все на одной простой идее. Традиционные или четкие множества допускают два взаимоисключающих состояния объекта: он либо принадлежит этому множеству, либо нет. В нашем случае уровень черты личности может однозначно относиться только к высокому, или только к среднему, или только к низкому. Размытые множества позволяют сделать суждения более близкими к реальности. Поэтому мы можем сказать, например, что уровень относится, скорее всего, к высокому. Это «скорее всего» содержит элемент неопределенности. Каждый объект в размытой модели принадлежит множеству не целиком, а в какой-то степени. Она определяется так называемой функцией принадлежности. Чтобы это лучше понять, посмотрим на графическое представление (рис. 5.1).

Рис. 5.1. Множество: а – четкая модель; б – размытая модель

Функциям принадлежности дают часто трапецеидальную (как на рисунке) или треугольную форму. По четкой модели при количестве баллов «7» уровень однозначно низкий, при количестве баллов «8» – однозначно средний. В размытой же модели при 7 баллах уровень с достоверностью 0,3 можно считать средним и с достоверностью 0,7 – низким. При 8 баллах с достоверностью 0,5 – средним и с достоверностью 0,5 – низким. Это более соответствует нашим неформальным представлениям. Четкие множества можно считать частным случаем размытых множеств, в которых функция принадлежности равна 0 или 1.