责任心的多元研究与测量，本文主要内容关键词为：责任心论文,测量论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：B8409 文献标识码：A 文章编号：1003-5184(2008)03-0014-04
1 前言
责任心是心理学研究和应用中最重要的个体差异变量之一，对任务绩效、组织行为、人际关系等有重要的预测作用，与稳定婚姻、健康行为、寿命长短等也都有正向的关联[1]，因而在诸多领域受到广泛重视。但在西方心理学中，责任心并没有统一的概念、理论和评价测量工具。不同领域研究对象存在差异，理论解释难以沟通，测量工具推陈出新，众多研究各执一词，呈现一种多元化局面。
2 不同领域的责任心测量
2.1 心理动力学的责任心测量
主题统觉测验(TAT，Thematic Apperception Test)是心理动力学的一种测量方法，其原理是通过被试对模糊刺激的自由反应的分析，推断其潜意识的、深层的态度、冲动与动机，并以此了结其人格结构。Winter基于TAT内容计分技术，发展了责任心测量系统[2]。其计分标准包括5个类别[3]：1)行为的道德－法律标准；2)主观义务感；3)对他人的关注；4)对不良后果的关注；5)自我判断。用这些类别可以为想象性的口头材料计分，这些材料包括个体的TAT故事、演讲、开放式问题等，统称为“自然连续文句”。
Winter等以此责任心计分系统考察了责任心变量在权力动机表达中的调节作用，发现高责任心个体的权利动机可以预测亲社会行为，而低责任心个体的权利动机可以预测放荡和冲动行为。在随后的一系列研究中，Winter及其同事考察了责任心对职业生涯和家庭适应的预测作用，责任心对领导人权力实施的调节作用等[4]。总之，在责任心较高时，权力动机表现为积极和亲社会的影响力，相反，则表现出攻击、酗酒、药物滥用或其它放荡行为[5]。
2.2 人格心理学的责任心测量
责任心测量也是人格研究中的一个活跃领域，但在理论、概念和结构维度解释上存在很多分歧，如McCrae，Costa的大五人格理论(Five Factor Theory，FFT)侧重于生物学解释，认为人格发展主要是一种遗传现象[6]；Roberts等人的社会投资理论(Social Investment Theory)则侧重环境的解释，认为人格发展主要是成年早期社会角色决定的[7]。
责任心特质论关注的核心在于责任心的静态结构，即到底有多少维度。在人格的AB5C模型(Abridged Big Five Dimensional Circumplex)中，责任心特质从理论上存在9个维度：尽职尽责、灵敏高效、谨慎细心、忠诚敬业、理性严格、坚定果断、尽善尽美、有条不紊、规整守序[8]。为了验证这一理论构想，Roberts等人[9]综合了7个最常用的人格测量工具(NEO-PI-R，16PF，CPI，MPQ，JPI-R，HPI，AB5C-IPIP)，揭示了六因素的责任意识结构，分别是：勤奋、秩序、自控、负责、传统、美德，它们显示了良好的汇聚效度（与其高阶因子责任心的高相关），也具有一定的区分效度（与大五其他维度的低相关）。
把责任心作为一种情境性状态的研究相对较少，Garner[10]发展了一个测量短期状态性责任心的工具，包括三个维度：组织性、坚持不懈和动机性，每个维度8个项目，共24项。该量表项目与先前量表并无本质不同，区别在于量表前面的指导语：在稳定特质责任心测量中，要求被试基于自己近一年来的情况作答；在状态责任心测量中，要求被试根据给定的情境作答（如期中考试准备和帮临时出差的朋友看家）。特质与状态两种测量条件下，内部一致性分别为0.86和0.94，因素分析验证了状态性量表的三因素结构。
2.3 社会认知领域的责任心测量
责任心还是社会心理学和管理心理学中的一个重要概念，国内多译为当责(Accountability)，主要是指当事人对自己责任具有清晰认识，并对行为后果负有全部责任，具有当家人的意味，简言之即能够“慎思、明辨、笃行”。它既可以看做是社会对个体认知和行为的期待与要求，也可以看做是个体对社会情境的认知，因而并非简单的个体心理特征，而是个体决策者与其所在社会系统之间的联系纽带[3]。
Royle考察了对他人的非正式当责(Informal Accountability for Other)，他以五个项目的五点量表作为对他人非正式当责的测验，该量表是只有一个维度的测量工具。Mero曾考察了责任认知与责任品质对责任行为的预测作用，他用两个评分员对两个行为变量进行评定，两个变量分别为：专注性和记录（对下属绩效信息的记录质量），并以此来检验当责操作的效果[3]。这实际上是把当责作为一个二维构念来测量。Wood将领导当责界定为三层含义：1)承担责任的意愿；2)言行公开；3)做出应答[11]。在此基础上，Wood发展了用于测量这种责任心的三维结构的三个量表：负责性量表、公开性量表和应答性量表，三个量表的内部一致性系数分别为：0.97、0.97和0.98，说明这些量表信度很高[12]。但遗憾的是研究者并未提供全量表内部一致性系数，也没有对数据进行探索性因素分析，因此，尚且不能说明领导当责就是一个三维的心理结构。
3 责任心测量的多元方法
传统的责任心测量的对象多为被试本人，测量水平属于个体水平，测量方法是对自我的责任心人格特质、责任意识、责任情感或责任行为的反省和报告，其量表也是根据经典测量理论来建构。但这些方法存在着主观性强、与社会赞许性相混淆、容易作伪、不够精确等问题。研究者针对不同问题，发展了责任心的他评测量、团队水平测量、项目反应理论测量、反应时内隐测量等多元化方法。
3.1 责任心的自评与他评测量
责任心的自我报告测量(self-report measures)或自评测量(self-rating measures)，是被试对自己的评价、感受或认识。这种方法在特定情境下（如人事选拔），可能存在社会赞许性的影响，也可能存在作伪问题。Wagerman在研究责任心与学业成绩关系时，同时施测了被试自评和他评两种责任心测量，结果表明被试的两种责任心分数都与学业成绩之间存在显著相关，显示了一种线性关系，而且他评责任心与学业成绩的相关要比自评责任心与学业成绩的相关高(r=0.14，0.36)。研究表明，责任心他评测量应作为自评测量的一个重要补充[13]。
3.2 责任心的个体与团队水平测量
对于有组织的团队，个体责任心与团队水平的整体责任心是否是一种简单的加和关系？English等人发展了责任心的团队水平测量，考查了不同任务下不同分析水平的责任心测量与团队绩效的关系。团队特征的测量有两种水平：1)个体累加水平：把团队成员责任心分数累加（或取其平均值）作为团队的责任心水平；2)团队整体水平：以团队整体为对象，整体不等于个体的累加，同一个体在不同团队中的表现可能相差很大。在研究中，两种测量的工具分别为：总加责任心量表(Summated Conscientiousness Scale，SCS)和团队责任心问卷(Team Conscientiousness Inventory，TCI)。TCI测量责任心的六个子维度：能力、秩序、负责、努力、自律和慎重。通过对30个空军飞行员机组（每组3人）同时施测两种测验，发现TCI与任务绩效有显著相关(r=0.39)，而SCS与任务绩效相关则不显著(r=0.26)；回归分析也发现，团队整体责任心测量对团队整体绩效的预测效力要好于个体水平的责任心的预测效力[14]。
3.3 责任心的经典测量与项目反应理论测量
朱宁宁和张厚粲曾对人格测量的两种方法进行了比较研究，采用项目反应理论(IRT)的GRM模型，发现在人格测验中，IRT要比经典测量理论(CTT)的结果更接近受测者特质的真实情况，也能更细致地区分被试，他们主张应该在人格测验中尝试使用IRT方法[15]。
Chernyshenko在其博士论文中认为，在IRT中采用理想点模型(Ideal Point Model)，更适合于人格测量[16]。理想点模型中的GGUM（广义等级展开模型）既可用于二值计分，也可用于多值计分；既允许在项目间使用分化反应类别，也允许项目的变量水平区分，因而更具灵活性。对比IRT项目分析与CTT，发现理想点模型要比CTT更适合于人格测验的建构，显示出对人格项目的更好拟合，并可以利用特质连续体中间的更多项目来建构量表，这些项目在传统方法中是难以利用的，而且量表可以提供更多信息，由此提高了测量精度。此外，理想点模型量表也显示了较高的结构效度。国内外其它IRT人格测量的研究也表明，GGUM无论在项目拟合，还是测量精度上，都有一定优势[17]。Chernyshenko基于Robert的责任心六侧面研究结果，发展了责任心的六侧面IRT测验，结果验证了Robert的责任心六侧面理论，显示出了比同时施测的优势CTT和优势IRT测验更加优良的测量学特征[18]。
3.4 责任心的外显测量与内隐测量
外显自我报告存在一系列局限，如易受自我欺骗、要求特征、自我提升和印象管理之类系统误差的影响，也易受内省能力的限制[19]，可能使外显测验结果系统偏离被试的真实特质。为了克服外显测量的这些不足，研究者发展了各种内隐测量，如内隐联结测验(Implicit Association Test，IAT)、多因素特质内隐联结测验(Multifactor Trait IAT，MFT-IAT)、个人化内隐联结测验(Personalized IAT)、内隐联结程序(Implicit Association Procedure，IAP)、单目标词内隐联结测验(Single-Target IAT)等[20]。
Steffens(2004)利用标准IAT程序，以我／他为目标词类，尽责／非尽责为属性词类，构成了一个尽责性IAT测验。为了避免与内隐自尊相混淆，Steffens使用了比较极端的尽责属性词（如书生气），而非尽责属性词则选得比较温和。结果发现，被试在外显测验中能够自如地作伪，而在内隐测验中较难作伪；IAT尽责性与NEO-FFI尽责性存在相关趋势，而与NEO-FFI其他人格维度没有相关，这显示了IAT尽责性测验的汇聚与区分效度[21]。
Grumm仍以标准IAT测量大五人格，同时施测了相应外显测量NEO-FFI和内隐自尊IAT。多质多法分析结果既显示了同质异法间的汇聚效度，也显示了异质异法间的区分效度。他们发现，大五IAT测量的不仅是内隐自尊，更是测量到了内隐人格的某些方面[22]。另外值得一提的是，Grumm对各对属性词的项目效应进行了计算，并由此对整个大五IAT进行了因素分析，验证了与外显测量类似的大五因素结构。
Greenwald(2007)[23]在其专利文献中，描述了改进的责任心反应时内隐测量——多因素特质内隐联结测验(MFT-IAT)。针对标准IAT测量人格特质存在的内隐自尊和内隐人格自我概念的可能混淆，Greenwald在IAT属性词的设计上，力图避免两极性词语的对比。Greenwald选取“有组织性”、“注重实效”、“高效能干”和“认真细致”4个词语，构成“尽责性”属性词；从其它4个人格因素中分别抽出最有代表性的2个词构成“非尽责性属性词”。按照标准IAT程序，使用这2种属性词与“我”及“非我”目标词，构成了一个测量内隐尽责性的IAT程序。该测量程序的信度和效度目前尚无实证数据支持。
4 责任心理论与测量的发展展望
4.1 责任心三侧面模型的构想
根据Epstein的认知－体验自我理论(Cognitive-Experiential Self-Theory，CEST)[24]、Schlenker等的责任三角模型(Triangle Model of Accountability)[25]和Roberts等人的社会投资理论(Social Investiment Theory)[6]，责任心是影响责任行为的心理倾向、心理活动和心理内容的统一体，包括责任品质、责任认知和责任情境三个相互作用的侧面。责任品质是个体在长期社会化过程中形成的个体特征，包括内隐和外显的各种与责任相关的动机、情感、价值观、效能感、信念、意志特征，以及在认知操作过程中表现出来的认知、行为和能力等特征。责任认知则是具有某种特定责任品质的个体对环境的认知操作，包括自我认知、人际知觉、角色认知、规则认知、结果预期等内容。责任情境是个体基于已有责任品质对客观环境的主观认识的结果，包括文化环境、社会规范、风俗习惯、任务要求、岗位角色等内容。从理论上讲，三侧面模型进一步整合了责任心理论，既体现了认知双加工思想，又体现了心理动力学思想，有利于解决责任心的稳定性和情境性之争。
4.2 基于责任心三侧面模型对责任测量的展望
从理论上讲，三侧面模型源于不同领域的多个模型，能够解释不同领域的责任心的研究结果，期望能以此对未来研究提供假设和方法上的指导。
1)多侧面分解与综合。以往研究对人格特质的分析，已经比较深入细致，对责任认知过程和责任情境的研究尚不多见，从品质、认知和情境三个侧面的整体来预测责任行为的模型，也有待建立。
2)责任情境研究的细化。责任情境也不仅仅作为实验控制，而是要以多维度的具体指标来考察，才能更好地预测具体责任行为。近年来对人职匹配(Person-job Fit)、个人组织匹配(Person-organization Fit)的重视，实际上也是对情境的重视[26]。
3)个体与团体测量相结合。人事选拔是责任心测量的重要应用领域，选拔的不管是员工还是管理者，都是要嵌入到当前的组织中，因而未来研究应该重视进一步发展团体水平的测量。三侧面模型不仅提供了情境侧面，能够提供环境信息的输入接口，其三侧面所确定的责任行为侧面，也为信息输出提供了界面。由于具有了与外界的信息交换和相互作用，三侧面模型具有了指导责任心团体测量的潜力。
4)关注责任心的内隐层面。在三侧面模型中，三个侧面都具有不同程度的内隐性，尤其是责任品质侧面，具有道德评价意味，因而即可能由于被试知觉程度差异造成测量误差，也可能由于被试有意作伪而造成系统误差。进一步发展内隐测量，是该问题的一个重要解决途径。
5)责任心研究需要统一标度。责任心的结构具有个体差异性和发展性[27]，现有的维度考查只能适用于某一类群体，不同群体的结果难以比较。三侧面模型中可以引入强度和时间因素，从理论上讲，既可比较责任心在不同群体间的差异，也可以显示责任心的个体内发展过程和个体间差异。
责任心是一个相当宽泛的话题，文章仅对涉及责任心测量的几个领域的研究成果作了简单总结，对把握整个责任心研究现状也仅能提供一个出发点。责任心的三侧面模型也只是一个初步的理论构想，尽管具体到每个侧面都有理论基础和实证研究支持，但针对模型整体的验证尚未进行，因而模型的效度有待进一步验证。