M A S A R Y K O V A U N I V E R Z I T A F A K U L T A S O C I Á L N Í C H S T U D I Í Projevy emočních kompetencí v rozpoznávání emočně nabitých slov v kontrastu s obecnou slovní zásobou Diplomová práce Mgr. Nikola Barová Vedoucí práce: Mgr. Ondřej Straka, Ph.D. Katedra psychologie Program Psychologie Brno 2024 MUNI FSS P R O J E V Y EMOČNÍCH KOMPETENCÍ V ROZPOZNÁVÁNÍ EMOČNĚ NABITÝCH SLOV V KONTRASTU S OBECNOU SLOVNÍ ZÁSOBOU Bibliografický záznam Autor: Název práce: Studijní program: Vedoucí práce: Rok: Počet stran: Klíčová slova: Mgr. Nikola Barová Fakulta sociálních studií Masarykova univerzita Katedra psychologie Projevy emočních kompetencí v rozpoznávání emočně nabitých slov v kontrastu s obecnou slovní zásobou Psychologie Mgr. Ondřej Straka, Ph.D. 2024 77 emoční inteligence, emoční kompetence, rozpoznávání emocí z obličejů, emočně nabitá slova, obecná slovní zásoba, Invenio 2 P R O J E V Y EMOČNÍCH KOMPETENCÍ V ROZPOZNÁVÁNÍ EMOČNĚ NABITÝCH SLOV V KONTRASTU S OBECNOU SLOVNÍ ZÁSOBOU Bibliographic record Author: Mgr. Nikola Barová Faculty of Social Studies Masaryk University Department of Psychology Title of Thesis: Manifestation of Emotion Skills in Recognizing Emotionally Laden Words as Compared with General Vocabulary Degree Programme: Psychology Supervisor: Mgr. Ondřej Straka, Ph.D. Year: 2024 Number of Pages: 77 Keywords: emotional intelligence, emotional competence, recognizing emotions from faces, emotionally laden words, general vocabulary, Invenio P R O J E V Y EMOČNÍCH KOMPETENCÍ V ROZPOZNÁVÁNÍ EMOČNĚ NABITÝCH SLOV V KONTRASTU S OBECNOU SLOVNÍ ZÁSOBOU Anotace Vzhledem k neustále probíhajícímu rozvoji CHC teorie kognitivních schopností se stal také model socio-emočních kompetencí její součástí - emoční inteligence je zařazena jako jedna ze širokých schopností. Předkládaná diplomová práce se specificky věnuje rozpoznávání emocí z výrazů obličejů a orientaci v emočně nabitých slovech, přičemž obě tyto schopnosti představují jednu větev modelu emoční inteligence. Diplomová práce navazuje na tým vyvíjející diagnostický systém Invenio a slouží k ověření nástrojů pro měření úrovně těchto schopností. Konkrétně se jedná o subtesty Ferdo a Profesor Zíravý z testu socio-emočních kompetencí Frída a podivuhodná galerie. Kromě toho práce prozkoumává vztah celkové úrovně verbálních schopností k socioemočním kompetencím, neboť rozpoznávání emocí je navázáno na schopnost emoce pojmenovat. Výsledky práce potvrzují potenciál obou subtestů pro identifikaci žáků s deficity v socio-emoční oblasti. Současně ukazují, že schopnost orientace v emočně nabitých slovech může do určité míry sloužit jako indikátor projevů emoční inteligence. Výsledky naznačují významnou roli verbálních schopností, které mohou ovlivňovat pochopení emocionálního obsahu. 4 P R O J E V Y EMOČNÍCH KOMPETENCÍ V ROZPOZNÁVÁNÍ EMOČNĚ NABITÝCH SLOV V KONTRASTU S OBECNOU SLOVNÍ ZÁSOBOU Abstract Based on the ongoing development of the CHC theory of cognitive abilities, socioemotional abilities have also become part of it - emotional intelligence is included as one of the broad abilities. The diploma thesis addresses emotion recognition from facial expressions and orientation in emotionally laden words, as it is one branch of the model of emotional intelligence. Building on the work of the team developing the Invenio diagnostic system, the analyses serve to validate methods for measuring the level of these abilities. Specifically, these are the Ferdo and Profesor Zíravý subtests of the Frída a podivuhodná galerie test of socio-emotional competencies. In addition, the thesis explores the relationship between overall levels of verbal ability and emotional competencies, as emotion recognition is tied to the ability to label emotions. The results confirm the potential of both subtests to identify students with deficits in socioemotional abilities. At the same time, results show that the ability to navigate emotionally laden words can somewhat indicate the manifestations of emotional intelligence. Overall, verbal abilities could play a significant role in understanding emotional content. 5 P R O J E V Y EMOČNÍCH KOMPETENCÍ V ROZPOZNÁVÁNÍ EMOČNĚ NABITÝCH SLOV V KONTRASTU S OBECNOU SLOVNÍ ZÁSOBOU Čestné prohlášení Prohlašuji, že jsem diplomovou práci na téma Projevy emočních kompetencí v rozpoznávání emočně nabitých slov v kontrastu s obecnou slovní zásobou zpracovala sama. Veškeré prameny a zdroje informací, které jsem použila k sepsání této práce, byly citovány v textu a jsou uvedeny v seznamu použitých pramenů a literatury. V Brně 8. prosince 2024 Mgr. Nikola Barová 7 P R O J E V Y EMOČNÍCH KOMPETENCÍ V ROZPOZNÁVÁNÍ EMOČNĚ NABITÝCH SLOV V KONTRASTU S OBECNOU SLOVNÍ ZÁSOBOU Poděkování Mé poděkování patří Mgr. Ondřeji Strakovi, Ph.D. nejen za vedení této práce, ale i trpělivost a pochopení. Děkuji také za důvěru, které se mi během celého studia dostávalo. Šablona DP 3.4.1-FSS (2022-11-10) © 2014, 2016, 2018-2021 Masarykova univerzita 9 O B S A H Obsah 1 Úvod 13 1.1 Emoční kompetence, či emoční inteligence? 13 1.2 Schopnost rozpoznávání emocí 18 1.3 Verbální schopnosti 21 1.4 Emoční obsah a sémantika 23 1.5 Cíle práce 26 2 Metoda 27 2.1 Výzkumný soubor 27 2.2 Výzkumné nástroje 28 2.3 Sběr dat 31 2.4 Analytický postup 32 3 Výsledky 33 3.1 Čištění a příprava dat 33 3.2 Analýza subtestu Ferdo 34 3.3 Analýza subtestu Profesor Zíravý 42 3.4 Analýza testu obecné verbální schopnosti 52 3.5 Testování hypotéz 55 4 Diskuze 58 4.1 Zhodnocení výzkumných nástrojů 58 4.2 Interpretace testování hypotéz 60 4.3 Limity 61 5 Závěr 63 Použité zdroje 65 11 ÚVOD 1 Úvod Přibývající studie, které pojednávají o vztahu mezi projevy socio-emočních kompetencí a verbálními schopnostmi, naznačují, že tento vztah je mnohem komplexnější, než se výzkumníci doposavad domnívali (např. Hoemann et al., 2021; Lindquist et al., 2015b; Nook et al., 2020; Streubel et al., 2020). Tato zjištění otevírají dveře k dalšímu zkoumání sémantických významů a jejich vztahu k socio-emočním kompetencím. Podněcují zájem o to, jakým způsobem se neutrální i emočně nabitá slova propojují se schopnostmi identifikovat, vyjadřovat a regulovat emoce. Přestože dosavadní výzkumy poskytují cenný vhled do problematiky, stále se objevují otázky, které vyžadují další systematické zkoumání. 1.1 Emoční kompetence, či emoční inteligence? Sociální a emoční kompetence se v současnosti stále více skloňují v kontextu vývoje a vzdělávání dětí. Školy investují čas do rozvoje této oblasti nejen u dětí, u kterých jsou tyto kompetence z různých důvodů oslabeny. V posledních letech se dostává do popředí názor, že spolu s efektem kognitivních schopností na školní výsledky je třeba zvažovat i emoční kompetence (viz např. MacCann et al., 2020). Přesah vlivu emočních kompetencí kromě školního úspěchu je možné sledovat až k pracovní úspěšnosti (Furnham & Taylor, 2020; Jiang et al., 2019) či zdraví a wellbeingu (Fernández-Abascal & Díaz, 2015; Megías-Robles et al., 2023). Emoční kompetence odkazují k dovednostem, které jsou spojeny s emocemi. Zahrnují znalosti a schopnosti vyjádřit emoce a regulovat je ve vztahu k ostatním (Saarni, 1999). Kromě toho se užívá též pojem emoční inteligence (El), který odkazuje ke schopnostem zpracovávat emoce a používat je k regulaci svých myšlenek a chování (Matthews et al., 2002; Salovey & Mayer, 1990). El se mění a utváří díky zkušenostem a učení (Zeidner et al., 2002). Přestože se oba pojmy v mnohém podobají, jejich odlišení je důležitou součástí diskurzu. Zeidner et al. (2002) upozorňují, že El je pouhým výsekem emočních kompetencí. Rozlišení těchto pojmů shrnují do dvou rovin: molární a molekulární. Na molární úrovni (emoční kompetence) je schopnost abstraktní, strukturální kvalitou, přičemž projev této schopnosti závisí na situačních faktorech. Oproti tomu na molekulární úrovni (emoční inteligence) jsou schopnosti chápány jako kognitivní, afektivní a konativní procesy, které podporují dynamickou interakci člověk-pro- středí.1 1 Pro snazší čtení textu je v práci užíváno zkrácení „El", které v teoretické části odkazuje k emoční inteligenci. S ohledem na diskuzi o slovu „inteligence" v tomto termínu autorka zkratkou rozumí p r o j e v y emočních kompetencí a emoční inteligence, které zahrnují vnímání, používání, porozumění a regulaci emocí. 13 ÚVOD Různorodost názvosloví se neobešla bez kritiky. Kontroverze se týká už jen použití termínu „inteligence", čímž se El vztahuje přímo k složkám inteligence. Tím však autoři (Mayer, Salovey, Caruso a další) předjímají odlišení El jako schopnosti měřitelné výkonovými testy. Dále se kritika týká obšírnosti a neukotvenosti termínu El. Například Waterhouse (2006) nedostatky spojené s El shrnuje v kritické studii a vysvětluje, že teorie El není unitární. Odkazuje se k nepřesné konceptualizaci konstruktu, navíc v souvislosti s nevyjasněnými vztahy s dalšími příbuznými konstrukty (zejm. osobnostními konstrukty - temperament, charakter, adaptabilita aj.). Ve výsledcích výzkumných počinů i kritiky se tedy ukazují dvě linie modelů popisujících El: model schopností (ability El) a model osobnostní, resp. rysový (traitEI). 1.1.1 Model emoční inteligence dle Mayera a Saloveye Model emoční inteligence, který v současné době patří k nejvýznamnějším, v roce 1990 vytvořili Mayer a Salovey. Ovšem stopy uvažování o emočních kompetencích i emoční inteligenci sahají až k Thorndikovi (1920), který mapoval tzv. sociální inteligenci a definoval ji jako schopnost řídit ostatní lidi a rozumně se chovat ve vztahu k nim. Jeho definice zahrnuje jak kognitivní, tak i praktické aspekty. Kromě dalšího rozpracování definice sociální inteligence (např. Guilford, 1967; Kihlstrom & Cantor, 2000) byly emoční kompetence a inteligence zahrnuly v rámci intra- a interpersonální inteligence (Gardner, 1993) či praktické inteligence (Sternberg 1996).2 Dle pojetí Saloveye a Mayera (1990) El integruje individuální rozdíly v schopnosti zpracovávat emoční informace a přizpůsobovat se jim. Původní model stavěl na třech mentálních procesech, které souvisí s emocemi, ovšem v roce 1997 byl přepracován do verze, ve které se má pojetí El odlišovat od socio-emočních osobnostních vlastností (Big Five, PEN apod.). V základu model emoční inteligence Mayera a Saloveye (1997) zahrnuje čtyři větve: (1) vnímání emocí [perceiving emotions], (2) používání emocí [facilitating thoughtby using emotions), (3) porozumění emocím [understanding emotions) a (4) regulace emocí svých i druhých [managing emotions). Jednotlivé větve jsou uspořádány od nižších po nejvyšší. Původní pojetí El bylo opětovně revidováno a ve výsledku Mayer et al. (2016) vymezují sedm principů3 , které mají za cíl rozptýlit kontroverzi a kritiku ohledně vymezení El. Nejaktuálnější pojetí tedy odráží vědecké poznatky v oblasti El a klade důraz na dostatečné odlišení El od osobnostních konstruktů a sociální inteligence. Rovněž k tomu přispívá zahrnutí El do Cattell-Horn-Carrollovy (CHC) teorie kognitivních schopností. Emoční inteligence v tomto modelu tvoří širokou schopnost, a tedy 2 Mj. E l zpopularizoval též Goleman (1995) v knize Emoční inteligence, která představuje koncept široké veřejnosti. Lákavým, i když v některých ohledech odborně problematickým způsobem prezentuje souvislost mezi E l a „chytrostí", přičemž např. poukazuje na důležitost E l před „klasickou" inteligencí. 3 Například princip 1: Emoční inteligence je mentální schopnost; princip 2: Emoční inteligenci lze nejlépe měřit jako schopnost; princip 3: Inteligence a řešení problémů neodpovídá chování. Více viz Mayer et al. (2016). 14 ÚVOD samostatnou doménu, která sytí g (MacCann et al., 2014; Schneider & McGrew, 2018; Schneider et al., 2016). Tento počin přispívá k diskuzi o měřitelnosti El, neboť odkazuje k El jakožto schopnosti měřitelné výkonovými testy. Přestože mnozí autoři poukazují na to, že se El liší od ostatních širokých schopností, MacCann et al. (2014) ve své studii ukazují El jako schopnost s hierarchickou strukturou podobně jako u ostatních širokých schopností. Takové závěry podporují původní záměr Mayera a Saloveye (1997; Mayer et al., 2008) ve smyslu pečlivého vymezení faset El a díky tomu i lepšímu operacionalizování a empirickému ověření konstruktu. Výsledkem je revidovaný čtyřvětvý model emoční inteligence, který shrnuje Tabulka 1. 1.1.2 Další modely emoční inteligence Kromě pojetí El ve smyslu schopnosti měřitelné výkonovými testy se v literatuře objevují též přístupy využívající osobnostní, resp. rysové konstrukty. Více se tomuto pojetí věnují například Petrides a Furnham (2001), kteří představují model rysové emoční inteligence [traitEI) jako kombinace osobnostních vlastností, které jsou výsledkem obsahové analýzy studií El a jsou empiricky ověřeny. Jedná se například o adaptibilitu, emoční regulaci, self-esteem, sociální kompetence, rysový optimismus aj. Mimoto existují další modely El - některými autory označovány jako eklektický mix dispozičních rysů a vlastností spíše než schopností a kompetencí (Mayer et al., 2008) a dostávají se tedy do opozice k modelům El jakožto mentální schopnosti, zejm. v podobě čtyřvětvého modelu popsaného výše. Smíšené modely (např. Bar-On, 1997; Goleman 1995) zahrnují kromě kognitivních schopností i osobnostní charakteristiky, které mohou předvídat úspěch člověka. Dle autorů modelu El jako schopnosti (Mayera, Saloveye, Carusa a dalších) vznik modelů, které popisují El z pohledu rysů a osobnostních vlastností, způsobuje zmatení, které kolem konstruktu El je. Za jeden z faktorů považují nesoulad s jejich pojetím El z pohledu měřitelné dovednosti. Proto se autoři vymezují vůči těmto modelům a zdůrazňují pečlivé vymezení konstruktu El ve snaze odlišit jej od ostatních přístupů, díky čemuž je možné přispět do diskuze o hranicích lidských schopností (viz Mayer et al., 2008). 15 ÚVOD Tabulka 1 Čtyřvětvý model emoční inteligence (Mayer et al, 2016) Větve Mentální procesy Efektivní regulace emocí svých a/nebo druhých za účelem dosažení požadovaného výsledku Vyhodnocování strategií k udržení, snížení nebo zesílení emoční reakce Monitorování emoční reakce a určení její přiměřenosti Emočně se angažovat, pokud jsou emoce užitečné; neangažovat, pokud užitečné nejsou Zůstat dle potřeby otevřený příjemným i nepříjemným pocitům a informacím, které zprostředkovávají Rozpoznat kulturní rozdíly v hodnocení emocí Pochopit, jak se člověk může cítit v budoucnu nebo za určitých podmínek Rozpoznat pravděpodobné přechody mezi emocemi (např. od hněvu k spokojenosti) Porozumět složitým a smíšeným emocím Rozlišovat mezi náladami a emocemi Posoudit situace, které mohou vyvolat emoce Určovat antecedenty, významy a důsledky emocí Označovat emoce a rozpoznávat vztahy mezi nimi 2. Používání emocí ~ Vybrat problémy na základě toho, jak může probíhající emoční stav usnadnit poznávání Využívat výkyvy nálad k vytváření různých kognitivních perspektiv Upřednostnit způsob myšlení, který vychází ze zaměření pozornosti podle aktuálního pocitu Používat emoce jako prostředek k navázání vztahu ke zkušenostem jiného člověka Používat emoce jako pomůcku pro úsudek a paměť 1. Vnímání emocí ~ Rozpoznat klamavé a neupřímné emocionální projevy Rozlišovat přesné a nepřesné emoční projevy Pochopit, jak se emoce projevují v závislosti na kontextu a kultuře Vyjadřovat emoce, pokud je to žádoucí Vnímat emocionální obsah v prostředí, výtvarném umění a hudbě Vnímat emoce u druhých lidí prostřednictvím jejich hlasových projevů, výrazu tváře, jazyka a chování Rozpoznat emoce ve vlastních tělesných stavech, pocitech a myšlenkách 4. Regulace emocí svých i druhých 3. Porozumění emocím 16 ÚVOD 1.1.3 Měření emoční inteligence Dle Mayera et al. (2000) spočívá měřitelnost El v tom, že splňuje tři empirická kritéria: (1) existují správné a nesprávné odpovědi na mentální problémy; (2) měřené schopnosti korelují s jinými měřítky mentálních schopností (vč. měřítek empatie), jelikož mentální schopnosti jako takové mají tendenci korelovat; a (3) úroveň schopností roste s věkem. Většina měřicích nástrojů však stojí na sebeposuzování (0'Connor et al., 2019). Nejednotnost kolem vymezení El se přenáší též do různosti jejího měření, přestože v základu měřicí nástroje zahrnují fasety v duchu modelu El od Mayera a Saloveye. Výzkumníci využívají různé nástroje, přičemž není jasná shoda na tom, který je „nejlepší". 0'Connor et al. (2019) ve své kritické studii dochází k závěru, že s ohledem na měřený konstrukt a celkové psychometrické vlastnosti výzkumníci nejčastěji využívají MSCEIT [Mayer-Salovey-Caruso Emotional Intelligence Tests; Mayer et al., 2002a, 2002b), SREIT [Self-report Emotional Intelligence Test; Schutte et al., 1998), TEIQue [Trait Emotional Intelligence Questionnaire; Petrides & Furnham, 2001) a EQ-I [Bar-On Emotional Quotient Inventory; Bar-On, 1997). První dva testy vychází z pojetí El jako modelu schopností, další dva z rysového pojetí. Z tohoto užšího výběru pak nejlépe vychází MSCEIT a TEIQue (0'Connor et al., 2019). 1.1.3.1 Možnosti diagnostiky emoční inteligence v ČR V českém prostředí bývají k diagnostice El nejčastěji využívány test MSCEIT a socioemoční subtest z IDS. MSCEIT nasedá na model emoční inteligence Mayera a Saloveye (1997). Každá ze čtyř větví je v testu zahrnuta, takže jej tvoří rozsáhlá baterie položek, které mají výkonovou i sebehodnotící povahu. Správné odpovědi byly stanoveny na základě konsensu, který byl výsledkem velkého počtu studií i hodnocení odborníky. Fasety sice tvoří čtyři větve modelu El, ale současně se dělí na dva typy: experimentální a strategickou. Experimentální El zahrnuje vnímání emocí a. používání emocí a. strategická El porozumění emocím a regulaci emocí (Mayer et al., 2016). Návrh struktury MSCEIT zobrazuje Obrázek 1. Vrchol hierarchie tvoří emoční inteligence jakožto komplexní schopnost, kterou tvoří čtyři větve, které dále tvoří čtyři páry subtestů. Vnímání emocí obsahuje subtesty s obličeji a obrázky, u kterých participant zhodnocuje zobrazenou emoci a její intenzitu. Používání emocízahrnuje situační úkoly, u kterých participant hodnotí prospěšnost různých nálad, a úkoly, v nichž se přiřazují vjemy k emocím (např. barva, světlo). V subtestu Porozumění emocím se sleduje schopnost predikovat změnu emoce i propojit emoce s různými situacemi. A u Regulace emocí se za pomoci příběhu zjišťuje schopnost posoudit postupy pro zvládání emocí, a to i ve vztahu k druhým lidem (Mayer et al., 2011). 17 ÚVOD Obrázek 1 Čtyřvětvý model emoční inteligence (Mayer etal, 2016) Emoční inteligence r Experimentální El Strategická El Vnímání emocí Používaní emoci í Porozumění emocím Regulace emocí n r( ] [ Obroky ] [ F^pom ] [ ' d e l ' " " ] f ^ " ] [ ' " ^ f ] (Regulace e močil u"e vztazích I V České republice je metoda MSCEIT standardizována pro populaci od 16 let (Mayer et al., 2011). Verze pro mladší populaci nebyla prozatím ověřena. Pro výzkum a praktickou diagnostiku El se proto používají subtesty metody The Intelligence and Development Scales (IDS; Grob et al., 2013), která je určena pro děti od 5 do 10 let4 . Metoda IDS v tomto kontextu pracuje s termínem sociálně-emoční kompetence, které jsou pokryly čtyřmi subtesty. V subtestu Rozpoznávání emocí dítě rozpoznává emoce podle výrazů obličeje na fotografii. V subtestu Regulace emocí má. uvést strategie regulace negativních pocitů, které předtím určovalo na fotografiích. V subtestu Porozumění sociálním situacím jde o pochopení na obrázku znázorněné situace a její vysvětlení. A v subtestu Sociálně-kompetentní jednání je za úkol uvést konkrétní sociální chování v sociálních situacích (např. konflikt, sociální zapojení, nouze), které jsou též zobrazeny na obrázcích (Grob et al., 2013). 1.2 Schopnost rozpoznávání emocí Rozpoznávání emocí je důležitou součástí fungování v sociálních situacích. Pomáhá s navigováním v interakcích a dodává jim kontext. Také dle výše uvedených teorií a přístupů k El se jedná o její nezbytnou součást (např. Bar-on, 1997; Grob et al., 2013; Mayer et al., 2016). Lidé identifikují emoce v různých podnětech, zejm. vizuálních a audi- tivních. Schopnost rozpoznávat emoce je ve výzkumech většinou chápána jako schopnost označit či identifikovat obličejové konfigurace či jiné aspekty emocí, které jsou součástí pojmových kategorií, které člověk ovládá (např. Barrett et al., 2019). Kromě toho může ale též odkazovat ke schopnosti přiřadit či asociovat expresivní chování napříč různými modalitami - obličeji, hlasu, řeči těla (např. Shablack et al., 2020; Zieber et al. 2014). Nicméně všechny tyto procesy bývají ve výzkumech posuzovány podobně, a to 4 Následně byla vydána také nová verze cílená na předškolní děti (IDS-P; Grob et a l , 2018). 18 ÚVOD skrze zhodnocení reakce na podnět (obličejový, hlasový, obrázkový) a jejího souladu s předem stanoveným emočním označením (např. radostje emoce spojená se zobrazením obličeje s úsměvem). Většina výzkumů pracuje zejména se základními emocemi, resp. základní teorií emocí. Jednotlivé přístupy k emocím sice nejsou předmětem této práce, ovšem emoce jako takové ano. Doposavad jsme se pohybovali v širším měřítku a uvažovali o emocích z obecnější perspektivy. Schopnost rozpoznávat emoce však tento náhled zužuje, a proto je nezbytné alespoň rámcově zmínit vymezení základních emocí. Dle Keltnera etal. (2019) totiž představuje rozpoznávání emocí jednu z několika strategií5 k odlišování různých (základních) emocí, a to zejména z metodologického hlediska. 1.2.1 Základní emoce Otázky, zda kognitivní procesy vysvětlují emoce, či emoce určují kognitivní procesy, se ve výzkumech objevovaly nesčetněkrát. Výsledkem byl převládající přístup, že existuje základní sada emocí (radost, smutek, vztek, strach, překvapení, znechucení)6 , kterým současně odpovídá typický, univerzální set obličejových výrazů, který je snadno rozpoznatelný (Ekman, 1992, 1993). Na základě něj si člověk vytváří představu o „prototypech" obličejových výrazů (Ekman, 1993), pomocí kterých emoce lépe rozezná. Výrazy v obličeji jsou tedy podle tohoto přístupu konzistentní a specificky odráží vnitřní prožívání člověka. Nekonzistentní obličejové výrazy (např. úsměv při vzteku) zastánci této teorie vysvětlují jako strategie nezávislé na emocích, např. ve smyslu emoční regulace či kulturně-specifického rozměru (Ekman & Cordaro, 2011; Elfenbein, 2013). Ekmanova teorie představovala vlivný přístup k emocím posledních 50 let, ovšem neobešla se bez své kritiky (např. Barrett, 2006; Russell, 1991). Do opozice se staví výzkumníci, kteří tvrdí, že lidé mají v projevování emocí větší variabilitu a že jsou emoce situačně podmíněné (např. Frijda, 1986). Z nedávných studií například shrnující článek Barrett et al. (2019) ukazuje, že výrazy v obličeji nejsou konzistentní s vnitřním emočním stavem (neexistuje jediný výraz pro daný emoční prožitek), ani nejsou výhradně specifické pro konkrétní emoce (člověk se nesměje pokaždé, když je šťastný). Pohled na emoce se tedy aktualizoval a nyní na ně nahlížíme jako na multimodální a dynamické výrazy, které se pohybují na mnohem širší škále, než je šest základních emocí (Keltner et al., 2019). I sám Ekman svoji teorii revidoval (např. Ekman & Cordado, 2011). Uvažuje o základních emocích a dalších afektivních prožitcích (náladách, emočních rysech apod.) jako o fenoménech, které však nemají univerzální povahu, ani je není možné přisoudit předchozí události. Aby emoce byla řazena mezi základní, musí naplnit stanovená kritéria (viz Ekman & Cordaro, 2011). 5 Kromě toho se jedná o emoční kódování, které n a p o m á h á s odlišováním příbuzných emocí (např. láska a touha), či o emoční produkci, k d y se emoce pojmenovávají neverbálně. 6 Později bylo přidáno též opovržení (Ekman & Cordaro, 2011). 19 ÚVOD I přes tuto diskuzi o relevanci základních emocí výzkumné studie většinou pracují právě se základními šesti až sedmi rodinami emocí (Ekman & Cordaro, 2011; Keltner et al., 2019). Zdůvodnění je následovné. Zaprvé, základní emoce symbolizují obecná přesvědčení o emocích a jejich projevech, čímž reprezentují tu nejjasnější a nejrobustnější shodu o jejich obsahu (Keltner etal., 2019). Zadruhé, základní emoce jsou středobodem výzkumů v této oblasti už téměř celé století, a proto představují korpus výzkumných důkazů, na kterém další nové výzkumy stavíme (Barrett et al., 2019). 1.2.2 Vývoj schopnosti rozpoznávání emocí Schopnost rozpoznávat emoce je individuálně podmíněná a zahrnuje širokou škálu faktorů, které mohou ovlivnit, jak efektivně člověk dokáže emoce identifikovat a interpretovat u sebe i druhých. Vývoj této schopnosti je kaskádový (Hoemann et al., 2020) a vstupují do něj různé aspekty - například senzorická zralost (Vaish & Striano, 2004), paměť a pozornost (Oakes, 2023) či slovní zásoba (Beck et al., 2012; Widen, 2013). Zejména však jazyk doprovází vývoj této schopnosti celé dětství. Na předverbální úrovni jsou děti schopny odlišovat pouze valenci či arousal (Widen, 2013). Tyto široké emoční kategorie se následně zužují a přibližně ve věku 2-3 let jsou děti schopny označovat prožitky duálními pojmy „šťastný" a „smutný", další kategorie emocí (např. znechucení) jsou schopny používat až později (Widen, 2013). Následně si děti osvojují širší emoční slovní zásobu, zejm. díky podpoře od rodičů, kteří jim vysvětlují různá emočně nabitá slova (Brownell et al., 2012; Shablack et al., 2020). Schopnost rozpoznávání emocí by měla být kompletně ustavena v rané až pozdní adolescenci (Nook et al., 2020). Pokud se na vývoj této schopnosti zaměříme optikou konkrétních emocí, pro děti jsou nejjednodušší na rozpoznání radost (Dores et al., 2020) a strach (Rodger et al., 2015). Obzvláště problematický je neutrální výraz. Mladší děti pravděpodobně nemají ve svém myšlení jasně definovaný neutrální výraz obličeje, a tak jej často zaměňují za jiné emoce - zejména strach (Mancini et al., 2013). Například Groíšmann a Jessen (2017) to vysvětlují termínem/ear bias, tedy zaujatostí vůči strachovým podnětům. Přestože je možné vývoj schopnosti rozpoznávat emoce takto popsat, výzkumníci si kladou otázku, zda za ním stojí pouze vývojové procesy, díky kterým se děti učí emocím v každodenním životě (Barrett et al., 2019; Poliak et al., 2019). Mimo to Nelson a Russell (2016; Nelson etal., 2018) navrhují, že rozpoznání emocí z výrazů není pouze výsledkem vrozené schopnosti, ale též jiného mechanismu, a to fast mapping. Autoři svými studiemi ukazují, že děti dokáží přiřadit emoci výrazu v obličeji za pomocí procesu eliminace, a tak si vytváří konceptuálni kategorie pro emoce. Vztah mezi jazykem a socio-emočními schopnostmi má tedy oporu v mnoha výzkumech a ukazuje se jasná souvislost mezi individuálními rozdíly v jazykových schopnostech ve vztahu k porozumění emocím u dětí i dospělých (Beck et al., 2012; Israelashvili & Fischer, 2022; Streubel et al., 2020). 20 ÚVOD 1.3 Verbální schopnosti Teoriemi a výzkumy spojenými s emocemi a El kromě jiného prostupuje jeden společný faktor, a tím je jazyk Většina nástrojů měřicích El má verbální podobu. Proto je na místě brát v potaz také verbální schopnosti. V této práci však nejde o posouzení verbálních dovedností vzhledem k vývojové úrovni, ale pouze o posouzení vztahu mezi emoční inteligencí a sémantickými významy. Tím se vracíme zpět k CHC teorii, kde najdeme verbální schopnosti jako Gc, tedy krystalizovanou inteligenci [Comprehension- knowledge). Krystalizovaná inteligence tvoří společně s fluidní inteligencí historický základ CHC teorie, která je integrací Cattell-Hornovy rozšířené Gf-Gc teorie (Horn, 1989) a Carrollovy teorie o třech vrstvách inteligence (Carroll, 1993). Schopnosti tvoří hierarchii - na vrcholu je faktor g, který všechny schopnosti zastřešuje. Uprostřed je vrstva širokých schopností (např. Gf, Gc], které se dále dělí na úzké schopnosti (např. deduktivní usuzování, obecné znalosti; Schneider & McGrew, 2018). Krystalizovaná inteligence [Gc) je dle původní Cattellovy teorie (1943) schopností, kterou člověk získá během života. Odkazuje k hloubce a šíři znalostí a dovedností, které jsou hodnotné pro danou kulturu. Oproti tomu fluidní inteligence [Gf] je schopnost řešit nové problémy, která nijak nesouvisí s naučeným chováním. (Cattell, 1943). Gc funguje jako sklad znalostí a schopností, které souvisí s jazykem a řečí - zahrnuje expresivní slovní zásobu, schopnost porozumět vztahům mezi významy slov a znalosti získané všeobecnou zkušeností z dané kultury (Schneider & McGrew, 2018). Po vzoru struktury CHC teorie se dále dělí na několik úzkých schopností, které dle Schneidera a McGrewa (2018) mají dostatečnou empirickou podporu: obecná verbální informovanost [general verbal information), řečový vývoj [language development), rozsah slovní zásoby [lexical knowledge), schopnost rozumět mluvené řeči [listening ability), komunikační schopnost [communication ability), gramatická citlivost [grammatical sensitivity). Gcnení doménově specifickou schopností (Schneider & McGrew, 2018). S ohledem na měření verbálních schopností, resp. Gc, se vedly diskuze o tom, jak je operacionalizovat. Například metoda Woodcock-Johnson IV COG, která vychází z CHC teorie, měří Gc skrze synonyma a antonyma, ale i všeobecné znalosti (McGrew etal., 2019). Naopak metoda I-S-T2000 R, která odděluje verbální inteligenci a znalosti [Gc), měří verbální inteligenci skrze subtest Doplňování vět, Analogie a Zobecňování (Amthauer et al., 2005). Ukazuje se tedy, že Gc nabývá spíše podobu verbálních schop­ ností7 , které v bateriích bývají oddělovány od znalostí (srov. Keith & Reynolds, 2010). Nejčastěji jsou v bateriích verbální schopnosti operacionalizovány do položek na slovní zásobu, vztahy mezi slovy, analogie či porozumění. 7 Zda m ů ž e m e považovat Gc za čistě verbální schopnost je též p ř e d m ě t e m diskuzí. Někteří autoři dokonce uvádí, že Gc je vesměs totožná schopnost s verbálním p o r o z u m ě n í m (např. K a n et al., 2011). 21 ÚVOD Různost v operacionalizacích i subtestech přináší otázku, jak přistupovat k verbálním schopnostem v této práci. S ohledem na použité metody a doménovou obecnost Gc bude v práci využíván termín verbální schopnosti s odkazem zejm. na porozumění obsahu slov, manipulaci se slovní zásobou i schopnost slova používat. 1.3.1 Mentální slovník V kontextu vztahu verbálních schopností k emocím se nabízí perspektiva psycholingvistiky, ve které se řeší otázka propojování názorných a abstraktních aspektů pojmů, vlivu kognitivních a asociačních procesů, vzniku pojmů, reprezentací, konceptů a vztahů mezi nimi. Na těchto východiscích staví přístup, který pojednává o tzv. mentálním slovníku (srov. Chalupa 2015; Pinker, 1998). Fungování mentálních slovníků bylo doposavad ve výzkumech zkoumáno z velké části s ohledem na procesy, které stojí za vybavováním si nepravidelných sloves (např. Pinker, 2000; Zora et al., 2019) či osvojováním si druhého jazyka (např. Boddaert & Casalis, 2021; Dong et al., 2005). Mentální slovník představuj e jeden ze způsobů, jak můžeme v různých zvukových kódech rozpoznat konkrétní slova. Principy této teorie sahají až k de Saussureovi, v současnosti je spojována zejména s kognitivním psychologem Pinkerem. V jeho pojetí mentální slovník odkazuje k zapamatovaným slovům a schopnosti asociace (Pinker, 1998). Slova představují arbitrárni symboly a spojení mezi signálem a myšlenkou, které jsou sdílené v dané společnosti. Vše, co si s daným slovem spojíme, nemusí být nutně významem tohoto slova. Ovšem při zaznění daného zvuku si tyto významy vy­ bavíme8 (Pinker, 1998). Schopnost porozumění nám umožní ve zvuku rozklíčovat jednotlivé segmenty, které představují slova, a za pomocí vyhledání v mentálním slovníku porozumět jeho významu. Mentální slovník tedy nezahrnuje jen seznam slov, ale také kontext. Každý záznam v mentálním slovníku zahrnuje mnohem více než jen slovo a neexistuje limit pro další informace, které slovo doprovází (Aitchison, 2003). Jednotlivá slova, druhy a kategorie slov mají různé psychologické charakteristiky, zejm. podle komplexnosti kognitivní struktury. Vybavení slova zahrnuje celou sekvenci aktivit, která má podobu právě složité organizace kognitivních struktur a sítí v dlouhodobé paměti (Chalupa, 2015). Pinker (1998) konkrétně vysvětluje vybavení slova z mentálního slovníku jako výsledek asociace se zvukem, významem a gramatickou kategorií, tedy rovinou fonologickou, sémantickou a syntaktickou. Právě díky poslední rovině můžeme abstraktním symbolům dát konkrétní podobu. Slovo samotné má omezené množství významů, ale gramatika umožňuje jejich rozšíření do různých kombinací, čímž nám otevírá nekonečné množství významů (Pinker, 1998). Výzkum Chalupy (2015) ukázal, že specificky pro český jazyk jsou slova v mentálním slovníku uložena různými způsoby, zejm. se liší vybavení slov podle počátečního písmena. 8 Pinker (1998) tento princip vysvětluje na slovu kachna. Slovo kachna nevypadá jako kachna, nechodí a ani nevydává zvuky jako kachna. Přesto toto slovo dokáže zachytit ideu kachny, protože všichni lidé si přebrali a vytvořili b ě h e m svého vývoje stejné spojení mezi z v u k e m tohoto slova a jeho v ý z n a m e m . 22 ÚVOD V tomto kontextu autor zmiňuje tzv. mentální rejstřík, díky kterému je mentální slovník uspořádán. Kromě počátečního písmena může orientaci v něm usnadňovat i jiná forma kategorizace (např. věcnost, společné vlastnosti, funkce). Je nasnadě, že výrazným faktorem je též abstraktnost slova, u které hrají výraznou roli vysoce diferencované kognitivní struktury (Chalupa, 2015). Kromě mentálního rejstříku zde může mít svůj podíl i priming konkrétně tzv. mediovaný priming který odkazuje ke schopnosti vybavit si slovo skrze jiné, které s ním přímo nesouvisí (např. vybavení slova sýr může být spuštěno slovem kočka, a to skrze mediátor myš; Tamminen & Gaskell, 2013). Celkově ale platí, že základem je vypracování vztahů k jiným nezávislým slovům (Chalupa, 2015). Raná znalost slova je značně fragmentovaná, což je dáno nutností jej odlišit od již známých slov. Nové slovo je zobecněno jako součást určité kategorie, čímž slovo získá vlastnosti spojené s touto kategorií (Elman, 2004). Nová slova jsou takto integrována do sémantické struktury, ovšem mnohdy zůstávají pouze v receptivních kompetencích. Schopnost slovo aktivně využít vyžaduje překonat pouhé porozumění a připojit i reprodukční funkci (MacDonald, 2013). Dá se předpokládat, že mentální slovník zahrnuje též emočně nabitá slova. Tato slova mají různou míru názorných i abstraktních kategorií, což může naznačovat různé procesy, které stojí za manipulací s nimi. Jak se ukazuje, svoji roli v porozumění emočně nabitým slovům hrají právě verbální schopnosti (např. Beck et al., 2012; Hoemann etal., 2019; Israelashvili & Fischer, 2023; Streubel et al., 2020). Proto je důležité se více věnovat vztahu mezi těmito doménami, resp. prozkoumat, jaký podíl na porozumění emočně nabitým slovům, potažmo emocím, mají verbální schopnosti. 1.4 Emoční obsah a sémantika Role jazyka ve vnímání emocí je nezastupitelná. Jazyk poskytuje prostředky pro vyjádření emocí pomocí slov a vět. Současně napomáhá vytvářet významové sítě a asociace, které spojují slova s určitými emocemi. Dosavadní výzkumy ukazují souvislost mezi El a verbálními schopnostmi, resp. Gc (např. Nook et al., 2017; Vólker, 2020). Verbální schopnosti formují, jak lidé konstruují emoce (Lindquist et al., 2015b), a umožňují porozumění kognitivním procesům, které za nimi stojí (Beck et al., 2012). Na poli výzkumu se pracuje s konstruktivistickým přístupem ve vztahu mezi emocemi a verbálními schopnostmi, konkrétně ve smyslu, že slova, která člověk zná, slouží jako prediktivní modely toho, jak lze v určitých kontextech chápat různé pocity (např. Barrett, 2017; Hoemann et al., 2020; Lindquist & Gendron, 2013; Lindquist et al., 2015a). Do opozice můžeme postavit například pojetí Ekmana, který tvrdí, že jazyk označuje emoce až dodatečně (Ekman & Cordaro, 2011). V souvislosti s jazykem můžeme nahlížettéž na rozpoznávání emocí. Tento proces je dán vnitřním kontextem, který vzniká v mysli, nebo vnějším kontextem, který tvoří 23 ÚVOD naše okolí (Barrett, 2017). Verbální schopnosti jsou pak důležitou součástí vnitřního kontextu a emočně nabitá slova napomáhají s rozklíčováním komplexních informací, které přichází zvnějšku (Barrett, 2017; Lindquist& Gendron, 2013). Míra, do které člověk ovládá emoční slova, ovlivňuje, jak rozpoznává emoce (Lecker & Aviezer, 2021; Lindquist & Gendron, 2013). Studie potvrzují konstruktivistickou roli kontextu na rozpoznávání emocí (srov. Barrett, 2017). 1.4.1 Emočně nabitá slova Lidé využívají znalost emočně nabitých slov, aby porozuměli emocím vyjadřovaným kolem nich. Tato slova napomáhají s organizací sémantických znalostí o emocích. Nesou informace o kognitivních a kontextuálních příčinách, ale i fyzických aspektech a důsledcích chování (Lindquist et al., 2015b). Schopnost pracovat s emočně nabitými slovy je jedna z důležitých dovedností zakládajících emoční dovednosti (Saarni, 1999). Díky této schopnosti se člověk lépe vypořádává s víceznačnými situacemi (Lecker & Aviezer, 2021). Uvažujeme o dvou typech emočně nabitých slov: slova označující emoci [emotionlabel words; např. vztek, radost) a slova s emočním obsahem [emotion-laden words; např. válka, štěně).9 V souladu s pravidly mentálního slovníku i emoční slova obsahují různou míru abstrakce či konkrétnosti (srov. Chalupa, 2015). Ve výzkumech se však více sleduje míra intenzity a valence emocí ve slovech. Je nasnadě, že vysoce intenzivní emoční slova lépe upoutávají pozornost ve srovnání s méně emočně intenzivními slovy (Megalakaki et al., 2019). Mnohdy ale může být obtížné významově odlišit emoční slova právě tehdy, pokud jsou ve své intenzitě podobné a odkazují ke stejné základní emoci (Gillioz et al., 2012). Úrovně intenzity slov se prolínají s valencí. Střední a vyšší intenzita u emočních slov je benefitující při porozumění. Pro vyšší intenzitu je však důležité, že jsou emoce ve slovech extrémnější (negativní i pozitivní), u střední intenzity porozumění funguje bez ohledu na valenci slov (Megalakaki et al., 2019). Mimoto studie upozorňují, že valence slova má stěžejní vliv na aktivaci mozku. Ukazuje se, že slova s negativním nábojem způsobují pomalejší reakci a vyšší aktivaci mozku ve srovnání s pozitivními či neutrálními slovy (např. Zhang et al., 2017; Yeh et al., 2023). Potvrzuje se, že valence je detekována již v raných fázích zpracování emočních podnětů (Zhang et al., 2017). Intenzita i valence tedy hrají svoji roli při rozklíčování a porozumění emočního obsahu ve slovech. Emoční slova dohromady tvoří emoční slovník. Jeho vznik může být záměrný, ale současně zcela bezděčný (Ruba & Repacholi, 2020) a probíhá převážně v dětství - výzkumy potvrzují, že emoční slovník je z velké části vyvinutý během rané adolescence (Bahn etal., 2017; Nooketal., 2020). Stejně tak výzkumy ukázaly, že vývoj porozumění emočním slovům se zastavuje v podobném věku s tím rozdílem, že zde zůstává určitá 9 Pro snazší čtení textu je užíváno sdružující označení „emoční slova" či „emočně nabitá slova". 24 ÚVOD rezerva pro abstraktní slova - výrazný vliv má úroveň konkrétnosti či abstraktnosti slov, obzvlášť v kontextu emoční valence slov (Zhao et al., 2016). Na vývoj a zpracování emočních slov můžeme nahlížet z různých perspektiv. Jednou z nich je skrze vývoj verbálních schopností. Zde uvažujeme o vývoji v kontextu procesu učení se emočním slovům a konceptům. Konkrétně Hoemann et al. (2020) poznamenávají, že emoční slova zprostředkovávají porozumění tzv. emočním konceptům a zahrnují různou míru abstraktních a konceptuálních kategorií. Emoční koncepty jsou napojeny na emoční slova, která napomáhají s organizací sémantických znalostí o dané emoci, a to skrze kognitivní a kauzální příčiny, tělesné prožitky, prototypické obličejové výrazy či chování (Lindquist et al., 2015b). Základ porozumění emočním slovům spočívá v raném věku, kdy dítě slyší slovo vystihující emoci opakovaně a v různých kontextech. Postupně si takto vytvoří koncepční systém, který mu poslouží k ukotvení a porozumění danému slovu. Děti jsou schopny porozumět novým emočně nabitým slovům pouze z věty, ve které jej slyší, tedy bez celkového kontextu (Shablack et al., 2020). Význam emočních konceptů má nejprve dichotomickou povahu, ovšem díky osvojování nových slov se rozšiřuje schopnost rozpoznat emoční slova do multidimenzionálních úrovní. Ve srovnání s dospělými se děti soustředí více na valenci než na další vlastnosti (Nook et al., 2017). K tomu můžeme doplnit perspektivu neurovědních výzkumů (viz např. Barrett, 2017; Barrett et al., 2019; Hoemann et al., 2021), podle nichž ukládání a vyvolávání emočních konceptů spolupracuje s neurálními sítěmi, které souvisí s různými stavy a procesy. Spouští se tak prediktivní funkce mozku, přičemž dítě pomocí nápověd ze svého okolí pracuje na principu pokus-omyl a sbírá tak zkušenosti s různými emočními slovy (Barrett, 2017; Hoemann et al., 2019). Mozek představuje vnitřní model, který je řízen zkušenostmi implementovanými v podobě konceptů. Koncepty ztělesňují reprezentace v mozku, které předpovídají, co vnímáme skrze smysly, jaké je nejlepší řešení nadcházející události a jaké jsou důsledky pro nastávající prožitek. Pokud nastane situace, která není v souladu s predikcí, mozek ji zakóduje a zpevní - kategorizuje smyslovou událost. Pokud vnitřní model vytvoří koncept emoce, pak je výsledkem případné kategorizace zástupce dané emoce (Barrett, 2017). Emoční slova napomáhají s přisuzováním významu emočnímu obsahu, který přichází zvnějšku (Barrett, 2017; Lindquist & Gendron, 2013). Dosavadní výzkumy ukazují, že znalost emočních slov pozitivně ovlivňuje rozpoznávání emocí (např. Lecker & Aviezer, 2021; Streubel et al., 2020). Stejně jako si děti rozšiřují obecnou slovní zásobu, osvojují si též emoční slova. Děti postupně překonávají dichotomii „pozitivní a negativní emoce" a učí se dalším kategoriím, pomocí kterých mohou emoce rozpoznávat (Barrett 2017; Hoemann et al., 2020; Lindquist et al., 2015b). Každé dítě proto disponuje odlišným emočním slovníkem. Obsáhlost emočního slovníku může již na předškolní úrovni predikovat schopnost emoce rozpoznávat, ale též regulovat (Streubel etal., 2020). Studie, které by popisovaly vztah nejen mezi emočními slovy a schopností rozpoznávat emoce, ale též zohledňovaly obecnou slovní zásobu, spíše chybí. 25 ÚVOD Problematice se v této komplexnosti věnovali například Streubel et al. (2020), ovšem jejich studie nepřinesla jednoznačné výsledky i přes snahu o inovativní metodologický přístup. Přesto je v jejich výsledcích naznačena důležitost slovní zásoby v kontextu emočních kompetencí. Tento vztah však stále představuje prázdné pole pro další vý­ zkumy. 1.5 Cíle práce Výzkumy zaměřené na vztah mezi emoční inteligencí a verbálními schopnostmi se snaží porozumět tomu, jak spolu tyto dva faktory interagují. Jak se ukazuje, spojitost a spolupráce mezi nimi je poměrně úzká. Na jednu stranu výzkumy ukazují, že verbální schopnosti konstruují vnímání a rozpoznávání emocí (např. Barrett, 2017; Lindquist etal., 2015b). Na druhou stranu je zde i přístup, že emoce předcházíJazyk (např. Ekman & Cordaro, 2011). Pokud se budeme držet prvního, v současné době velmi zkoumaného konstruktivistického přístupu, je důležité si klást otázku, jakou pozici zde jazyk má. Přínosné mohou být odpovědi na tyto otázky zejména v kontextu vývoje dětí, u kterých se slovní zásoba, ale i socio-emoční kompetence teprve utváří. Cíle této práce jsou dvojí: explorační i psychometrické. Jedním z cílů je prozkoumat výše naznačenou otázku, tedy jakou roli hrají verbální schopnosti ve vztahu k emoční inteligenci. Konkrétně se práce zaměřuje na jeden z projevů emoční inteligence, a to schopnost rozpoznávat emoce. Tato schopnost je dána do souvislosti se schopností orientovat se v emočně nabitých slovech. Současně ale předpokládáme, že do tohoto vztahu může vstupovat i celková úroveň verbálních schopností. Tímto dílčím cílem je proto prozkoumat souvztažnost mezi schopností rozpoznávat emoce, orientací v emočně nabitých slovech a obecnou verbální schopností v podobě: a. Explorace vlivu schopnosti rozpoznávat emoce a obecné verbální schopnosti na orientaci v emočně nabitých slovech a na základě toho určení, zda může porozumění emočně nabitým slovům sloužit jako indikátor projevů emoční in­ teligence. b. Popsat vztah mezi schopností orientovat se v emocionálním obsahu slov a schopností porozumět sémantickým významům slov. Data získaná pro výše uvedené analýzy jsou též využita k ověření diagnostického nástroje pro měření úrovně schopnosti rozpoznávání emocí z výrazů obličeje a posuzování emočně nabitých slov. Jedná se o subtesty Ferdo a Profesor Zíravý, které jsou součástí testu socio-emočních dovedností Frída a podivuhodná galerie. Tímto cílem diplomová práce navazuje na aktivitu týmu, který vyvíjí diagnostický systém Invenio. 26 METODA 2 Metoda 2.1 Výzkumný soubor Výzkumný soubor tvořili žáci 3. a 4. ročníků základních škol. Cílová populace byla zvolena po domluvě s týmem Invenio, tedy pro potřeby získání dat pro ověření diagnostických her, které jsou určeny dětem 1. stupně ZŠ. Při plánování velikosti vzorku bylo nutné vzít v potaz několik faktorů, hlavními jsou podoba měřicích nástrojů a plánované analýzy. Na datech se budou provádět IRT analýzy, které jsou náročnější na velikost vzorku. Minimální velikost vzorku pro tento typ analýz je 250 respondentů (De Ayala, 2022). Ovšem je nutné brát v potaz též počet položek v jednotlivých měřicích nástrojích. Vyšší počet položek zpřesňuje odhad parametrů - nástroje, na kterých bude provedena IRT analýza, mají přes 60 položek. Tyto podmínky pro stanovení velikosti vzorku byly doplněny power analýzou (pomocí programu G*Power), která při hladině významnosti a = 0,05, síle t e s t u = 0,8 a středně silné velikosti efektu r = 0,6 potvrdila výše avizovanou velikost vzorku. Celkem byla nabídka testování zaslána na 33 základních škol v Jihomoravském kraji a kraji Vysočina. Výběr škol zahrnoval školy s jednou třídou v ročníku i školy s několika paralelními třídami. Zařazeny byly školy na vesnicích, v menších i větších městech. Z oslovených škol se do testování zapojily čtyři základní školy. Informace o nich shrnuje tabulka níže. Tabulka 2 Rozdělení participantů dlejednotlivých ročníků a škol Základní škola 3.ročník 4. ročník Celkem ZŠ Tomáše Garriguea Masaryka 28 47 75 ZŠ JUDr. Josefa Mareše 60 0 60 ZŠ Bakalovo nábřeží 0 26 26 ZŠ Novolíšeňská 37 0 37 Celkem 125 73 198 Celkově se tedy testování zúčastnilo 198 žáků 3. a 4. ročníku z toho 89 dívek. Věk žáků se pohybuje v rozmezí 9-12 let. Průměrný věk žáků je M = 9,73 let [SD = 1,72). 27 METODA 2.2 Výzkumné nástroje Při testování byly využity tři výzkumné nástroje. Jedná se o subtesty Ferdo a Profesor Zíravý, které jsou součástí testu socio-emočních dovedností Frída a podivuhodná galerie a tvoří část diagnostického systému Invenio (Portešová et al., 2022). Kromě toho byl žákům zadán test obecné verbální schopnosti. 2.2.1 Frída a podivuhodná galerie Vybrané subtesty, které jsou stěžejní v této diplomové práci, jsou součást testu Frída a podivuhodná galerie (dále Frída). Tento test se skládá z několika dílčích subtestů a zjišťuje úroveň socio-emočních dovedností u žáků 1.-6. třídy základních škol v různých oblastech. Test obsahuje herní prvky a komiksovou grafiku, aby byl pro žáky zábavný a snižoval testovou úzkost. Jeho hlavním cílem je odhalit děti s deficity ve vývoji socio-emočních dovedností, tedy s podprůměrnou úrovní dovednosti. Hra se odehrává na planetě s podivuhodnou galerií lidských emocí, která patří umělkyni Frídě. Ta hráče prosí o pomoc - ona, ani její kamarádi (mim Ferdo, robot Madang Rabang profesor Otakar Zíravý a dýdžejka Líná Džina) totiž emocím vůbec nerozumí a potřebují, aby s nimi žák procházel galerií a napovídal jim správné odpovědi k různým úkolům (Portešová et al., 2022). Koncepčně test Frída integruje CHC teorii kognitivních schopností a Salovey-Mayer model emoční inteligence. Autoři systému Invenio pracují s termínem socio-emoční dovednosti, kterým shrnují právě projevy emoční inteligence popsané v kapitole 1.1.1 spolu s dovednostní složkou vycházející z CHC. Frída měří tři oblasti socio-emočních dovedností: vnímání, porozumění a zvládání emocí (Portešová et al., 2022). 2.2.2 Subtest Ferdo Subtest Ferdo je zaměřen na rozpoznávání emocí z tváří ve fotkách a videích. V mimice zobrazených obličejů se odráží jedna ze základních kategorií emocí, kterou je třeba za pomocí obličejových konfigurací a jiných aspektů rozklíčovat. Rozpoznávání emocí z tváří je také jedna ze čtyř větví schopností v Salovey-Mayer modelu emoční inteli­ gence. Žáci řeší čtyři typy úkolů: 1) Pojmenovávání emocí (22 položek). Žák vybírá pojmenování zobrazené emoce z šesti možností: radost, strach, hněv, smutek, znechucení, překvapení, absence výraznější emoce („nic zvláštního"). 2) Doplňování emocí (16 položek). V zadání žák vidí dva výrazy se stejnou emocí. Jeho úkolem je doplnit z nabídky čtyř dalších výrazů jeden, který zobrazuje stejnou emoci. 28 METODA 3) Porovnávání emocí (22 položek). Žák porovnává, zda dva zobrazené výrazy zračí stejnou emoci, nebo odlišnou. 4) Vyřazování emocí (16 položek). Žák vybírá, který z výrazů nepatří mezi ostatní, tedy zobrazuje jinou emoci než ostatní výrazy. Každá položka zahrnuje pět obličejů. Žáci postupně prochází těmito částmi hry za narace mima Ferda, který vysvětluje principy hry a motivuje k pokračování ve hře. V případě první části hry jsou navíc všechny možnosti pojmenování emoce přečteny. Každý nový typ úkolu je uveden zácvičnými položkami, na kterých si žáci zkouší daný herní princip. Hru v této verzi tvoří 76 položek. Různá obtížnost položek je znatelná v intenzitě ukázaného výrazu - některé jsou více přehnané, v jiných je emoce pouze naznačená. Každá položka je hodnocena 0 (špatně) nebo 1 (správně) body. Definování správné odpovědi bylo výsledkem sběru pilotních dat a vytvoření konsenzu za pomocí expertního panelu (Portešová et al., 2022). Tento přístup zajišťuje objektivnější vyhodnocení správné odpovědi. 2.2.3 Subtest Profesor Zíravý SubtestProfesorZíravý je zařazen proto, že schopnost orientovatse v emočně nabitých slovech je považována za jeden z projevů El a významně souvisí se schopností rozpoznávat emoce (např. Lecker & Aviezer, 2021; Lindquist & Gendron, 2013). Emočně nabitá slova zahrnují nejen obsahovou informaci, ale také kontextuální a další aspekty. Důležitými vlastnostmi emočně nabitých slov jsou valence a intenzita, jejichž úroveň souvisí s potenciálem zpracování emocí ve slově. Žáci v této hře řeší úkoly dvojího typu: 1) Valence (20 položek). Úkolem žáků je vybrat, které z dvojice slov je více pozi­ tivní. 2) Intenzita (42 položek). Opět z dvojice slov žáci vybírají to, které je nabito silnější emocí. Žáky hrou provází prof. Zíravý, který vysvětluje principy hry a následně je motivuje v průběhu hry k jejímu dokončení. Přestože se jedná o verbálně orientovanou metodu, schopnost čtení není důležitá. Jednotlivé dvojice slov jsou přečteny, aby se co nejvíce zamezilo chybám vzniklým špatným přečtením slova ze strany žáka. S ohledem na rozlišení různé úrovně obtížnosti položek jsou zahrnuta slova méně frekventovaná (např. euforický, cholerický), ale i běžnější (např. skleslý, spokojený). Odpovědi jsou také hodnoceny 0 (špatně) nebo 1 (správně) body. 29 METODA 2.2.4 Test obecné verbální schopnosti Test obecné verbální schopnosti slouží k prozkoumání aktuální schopnosti porozumět neutrálním sémantickým významům slov. Zařazení tohoto testu umožňuje ověřit předpoklad, zda celková úroveň verbálních schopností může ovlivňovat vztah mezi schopností rozpoznávat emoce a orientací v emočně nabitých slovech. Test obecné verbální schopnosti vznikl přímo pro potřeby této diplomové práce. Test je založen na práci se synonymy a antonymy a jeho cílem je zjištění aktuálního rozsahu slovní zásoby a porozumění vztahům mezi slovy. Výsledky z něj mají posloužit pouze k dílčím analýzám. Základní vlastností tohoto verbálního testu mělo být využití pouze emočně neutrálních slov, proto nešlo použít žádný již ověřený test, neboť obsahoval také emočně nabitá slova. Využití metody, která zahrnuje pouze emočně neutrální slova, umožňuje eliminovat vliv, který může být dán emočně zabarveným obsa­ hem. Při vytváření tohoto testu bylo inspirací několik verbálních subtestů z inteligenčních baterií (např. KIT, I-S-T 2000 R, Woodcock-Johnson). Na základě jejich procházení jsem získala představu o tom, jak jsou tyto typy testů vystavěny, a měla jsem možnost se inspirovat pro začátek tvorby testu alespoň nějakou sadou emočně neutrálních slov. V některých případech stačilo vhodně zvolit distraktory a ponechat zadání, v jiných případech byla slova vzorem pro nalezení podobného slova bez emočního náboje. Byla zastoupena jak podstatná jména, tak i přídavná jména a slovesa. Tímto způsobem jsem postupně vytvořila sadu 32 položek pro synonyma a 28 položek pro antonyma. Každá položka zahrnovala slovo v zadání a pět distraktorů. Těchto 60 položek jsem nejprve ověřila v kognitivním interview s dvěma dospělými osobami, zejm. s cílem zjistit, jak fungují distraktory a zda nemají některé z položek nejednoznačné řešení. Na základě toho jsem následně vybrala 22 položek pro synonyma a 21 pro antonyma a opět uskutečnila kognitivní pilotáž, tentokrát ale s dětmi adekvátního věku, a to hlavně za účelem zjištění náročnosti testu a vyřazení dalších položek. Proběhlo ověření se třemi dívkami ve věku 9-10 let. Výsledky pak naznačily, které položky mohou být pro žáky v tomto věku obtížné a které naopak jednodušší. Také se ukázalo, nad kterými položkami děti uvažují jiným způsobem než dospělý člověk. Na základě druhého ověření jsem vyřadila dalších 13 položek. Finální verze testu obecné verbální schopnosti se skládá z 30 položek, 15 položek se synonymy a 15 s antonymy. Úkolem žáků je vybrat z nabízených pěti možností takovou, která významově souhlasí, resp. je opakem k zadanému slovu. Každá položka je hodnocena 0 (špatně) nebo 1 (správně) body. Jestliže žák na položku neodpověděl, je jeho odpověď ohodnocena 0 body. Žáci nebyli při vyplňování testu časově omezeni. 30 METODA 2.3 Sběr dat Sběr dat probíhal během května a června roku 2024. Nástroje byly zadány všem žákům, jejichž rodiče udělili souhlas s účastí. Informované souhlasy byly školám zaslány dopředu a podle zájmu ze strany rodičů se domlouvaly termíny testování. Celé testování administrovala přímo autorka práce. Testování probíhalo vždy v počítačové učebně, neboť zadávané nástroje vyžadovaly počítače (se sluchátky). Testování bylo časově náročnější, proto bylo třeba využít až dvě vyučovací hodiny. Žáci mohli pracovat ve svém libovolném tempu. Před započetím testování bylo žákům stručně představeno, čeho se testování týká, a byli instruováni o tom, jak bude probíhat. Dále bylo všem žákům přiděleno kódové označení, které bylo náhodně vylosováno. Toto označení následně posloužilo ke spárování výsledků ze všech měřicích nástrojů a rovněž k anonymizaci dat. Jelikož se trvání jedné hry či testu odvíjelo od pracovního tempa daného žáka, předpokládala jsem, že žáci nebudou dokončovat aktivity současně. Proto byly žákům představeny všechny aktivity hned na počátku hodiny, aby mezi nimi mohli plynule přecházet dle své potřeby. Instrukce měli žáci též napsané na tabuli. Zároveň si mezi aktivitami dávali přestávky, pokud se cítili unaveni. Využití herní prvků a gamifikace testování se ukazuje jako efektivní a zpříjemňuje celý proces testování (Boot, 2015). I z toho důvodu byl test obecné verbální schopnosti v pořadí zasazen mezi diagnostické hry ve snaze motivovat žáky k dokončení celého testování. Využití herních prvků nejenže ovlivňuje motivaci, ale podporuje aktivnější participaci (Hamari et al., 2014). V případě tohoto testování gamifikace přispěla k tomu, že se žáci po celou dobu zdáli motivovaní se testování účastnit. Nezaznamenala jsem nutnost žáky explicitně pobízet k činnosti. Padaly pouze dotazy na délku jednotlivých úkolů. Naopak po skončení hodnotili žáci testování jako zábavné. 31 METODA 2.4 Analytický postup Data budou zpracována pomocí dvou přístupů: klasické testové teorie (CTT) a teorie odpovědi na položku (IRT). Všechny analýzy budou provedeny za pomocí softwarů Excel, JASP a R (balíčky: mirt, ggplot2). Subtesty Ferdo a Profesor Zíravý budou podrobeny stejnému analytickému plánu. Nejprve budou zanalyzovány deskriptivy proměnných, abychom získali přehled o základních charakteristikách dat. Následně bude provedena položková analýza s využitím principů CTT, jejímž cílem bude posoudit kvalitu jednotlivých položek a vnitřní konzistenci metod (za pomocí koeficientů Cronbachova alfa a McDonaldova omega). Již v této fázi analýzy jsou plánovány úpravy metod - na základě korigovaných korelací a popularity budou vyřazeny položky, které nevykazují dostatečný vztah k celkovému skóru a potenciálně i měřenému konstruktu. Metody budou analyzovány jako celek (bez ohledu na subškály), neboť na podrobnější analýzy v této práci není prostor. Snížení počtu položek je také klíčovým krokem, protože menší, ale kvalitnější sada položek usnadní další plánované analýzy, které stojí na principech IRT Bude odhadnut 2PL model, resp. 3PL model, který umožní podrobnější analýzu vztahu mezi položkami a latentními proměnnými. Na tomto základě pak proběhne další explorace položek (popis jejich charakteristik i jejich role v metodě jako celku) za účelem další úpravy metod. Navíc bude doplněn odhad marginální reliability. U testu obecné verbální schopnosti budou podobně jako u předchozích metod nejprve provedeny deskriptívni analýzy pro získání základního přehledu o charakteristikách dat. Následovat bude položková analýza s využitím principů CTT a odhad reliability pomocí koeficientů Cronbachova alfa a McDonaldova omega s cílem vyhodnotit vnitřní konzistenci a kvalitu testu, neboť výsledky z něj budou používány v dalších dílčích analýzách v této práci. Výsledkovou část uzavře ověření stanovených hypotéz. Bude provedena korelační analýza s cílem prozkoumat vztahy mezi proměnnými - mezi schopností rozpoznávat emoce, obecnou verbální schopností a orientací v emočně nabitých slovech. Také bude provedena lineární regrese, která má odhalit vztah mezi dvěma nezávislými proměnnými (schopností rozpoznávat emoce a obecnou verbální schopností) a jednou závislou proměnnou (orientace v emočně nabitých slovech). Vytvořený model umožní zhodnotit, zda a jak jednotlivé prediktory přispívají k vysvětlení variabilit v orientaci v emočně nabitých slovech. 32 VÝSLEDKY 3 Výsledky 3.1 Čištění a príprava dat Před započetím analýzy bylo potřeba data vyčistit. V tomto případě se jednalo zejména o detekci nedokončených měření. Současně bylo třeba pohlídat potenciální množství chybějících hodnot, neboť data pochází ze třech různých měřicích nástrojů a testování probíhalo ve dvou vyučovacích hodinách. Data byla předně vyčištěna separátně a následně spárována na základě přiděleného kódového označení. Jelikož průchod diagnostickými hrami není možný jinak než skrze označení odpovědi, všechna započatá měření jsou evidována jako dokončená. Chybějící hodnoty u těchto nástrojů vznikly tím, že se žáci neúčastnili celého testování (u subtestu Ferdo chybělo 12 žáků, u subtestu ProfesorZíravý 8 žáků). U verbálního testu již nebylo nutné označit všechny odpovědi, aby žák prošel celým testem. Zde se tedy objevují chybějící odpovědi na položkách. Kvůli výraznému množství chybějících odpovědí byl vyřazen jeden žák. Další žák byl vyřazen kvůli podezřelé odpověďové strategii. K tomu dva žáci nevyplnili test vůbec. Pro dílčí analýzy jednotlivých nástrojů je možné pracovat se záznamy žáků, kteří mají platný výsledek alespoň z jednoho nástroje. Tento vzorek tvoří 198 respondentů. Naopak pro analýzy spojené s ověřováním hypotéz již bude třeba, aby měl žák platně splněné všechny tři měřicí nástroje. V takovém případě je vyřazeno 14 respondentů, kteří nebyli účastni na všech částech sběru dat. Kompletní vzorek tedy tvoří 184 re­ spondentů. 33 VÝSLEDKY 3.2 Analýza subtestu Ferdo 3.2.1 Deskriptívni statistiky Položky v subtestu Ferdo mají dichotomický charakter, tzn. jsou skórovány 0 a 1 pro špatnou a správnou odpověď. Maximální počet možných bodů je 68. Průměrný skór je 48,19 bodů [SD = 5,33), minimum 20 a maximum 60. Další deskriptivy včetně hodnot dle jednotlivých ročníků shrnuje Tabulka 3. Při náhledu na výsledky dle ročníků je třeba brát v potaz, že zastoupení žáků není rovnoměrné. Ovšem ukázala se rostoucí tendence ve výsledcích při srovnání obou ročníků. Tabulka 3 Deskriptívni statistiky skórů subtestu Ferdo N M 95% Cl SD Min Max Šikmost Špičatost 3. ročník 122 47,26 [46,26; 48,27] 5,62 20 60 -1,10 3,80 4. ročník 64 49,95 [48,90; 51,01] 4,21 34 58 -0,92 1,94 Celkové skóre 186 48,19 [47,42; 48,96] 5,33 20 60 -1,15 3,75 Rozložení celkového skóru zobrazují Obrázek 2 a Obrázek 3. Data jsou zešikmená zleva. Nejvíce žáků dosáhlo výsledku mezi hodnotami 40-55 body, hodnoty jsou tedy více koncentrovány na pravé straně grafu. Co se týče špičatosti, rozdělení je leptokurtické. Současně je možné pozorovat několik odlehlých hodnot. Jedna z nich je výrazně odskočená. Po bližší analýze skórů tohoto žáka se jedná o konzistentní výsledek. Obrázek 2 Q-Q plot celkového skóru subtestu Ferdo 7 0 ^ 6 0 "E . š 5 0 c ra o 4 0 o N O ° - 3 0 20 i l i l l i i - 3 - 2 - 1 0 1 2 3 Teoretické kvantily 34 VÝSLEDKY Obrázek 3 Histogram celkového skóru subtestu Ferdo 70 60 50 I 40 20 10 0 20 30 40 Celkové skóre 50 60 3.2.2 CTT analýza subtestu Ferdo Následuje položková analýza v pojetí CTT. V Tabulka 4 jsou uvedeny potřebné údaje o jednotlivých položkách. Z hodnot je patrné, že položky byly z velké části zodpovídány správně. V kontextu CTT se zdají jako nejméně obtížné položky Pojm4, Vyraz2 a Pojml9. Nejnižší popularitu naopak vykazují položky Dopl8, Porov4, Porovl3 a Dopili. Když se zaměříme na korigované korelace [r_cor], je patrné, že hodnoty jsou poměrně nízké. Poukazuje to na skutečnost, že jednotlivé položky mají slabý vztah k celkovému skóru a zbytku škály. Nízké hodnoty korigované korelace naznačují, že tyto položky mohou být nejednoznačné. Vzhledem k těmto výsledkům je zřejmé, že bude nutné některé položky vyřadit nebo upravit, abychom zvýšili vnitřní konzistenci a spolehlivost metody. Jelikož budou data podrobována dalším analýzám, budou již v této fázi analýzy vyřazeny některé položky. Jedná se o položky, jejichž korigované korelace se blíží nule, případně korelují s ostatními položkami negativně. Kromě toho je důležité snížit celkový počet položek před provedením IRT analýzy, která vyžaduje větší statistickou sílu. Tento krok tedy přispívá k vyjasnění metody a současně zlepšuje její psychometrické vlastnosti. Na základě uvedených podmínek je vyřazeno 26 položek1 0 . Jedná se o položky s vysokou i nízkou popularitou. Zároveň se také ukazuje, že jsou zastoupeny položky ze všech 4 subškál. Nejvýraznější jsou však ztráty u subškály Porovnání emocí, což je zajímavý ukazatel pro další podrobnější analýzy této metody. Rozhodně by toto zjištění nemělo být při další adaptaci metody opomenuto. 1 0 Jedná se o položky: P o j m i , Pojm2, Dopl5, Dopl8, Porov2, Porov3, Porov4, Porov5, Porov6, P o r o v l O , P o r o v l l , P o r o v l 2 , V y r a z í , Vyraz4, Vyraz5, P o r o v l 3 , P o r o v l 4 , P o r o v l ľ , P o r o v l 8 , P o r o v l 9 , Porov20, P o j m l l , P o j m l 8 , P o j m l 9 , D o p i l i , D o p l l 3 . 35 VÝSLEDKY Tabulka 4 CTTpoložková analýza subtestu Ferdo Položka r_cor M SD Položka r_cor M SD Pojmi 0,13 0,75 0,44 Vyraz5 0,08 0,51 0,50 Pojm2 0,10 0,64 0,48 Vyrazó 0,26 0,87 0,34 Pojm3 0,22 0,83 0,38 Vyraz7 0,16 0,85 0,36 Pojm4 0,22 0,97 0,18 Vyraz8 0,36 0,88 0,33 Pojm5 0,20 0,69 0,47 Porovl3 0,08 0,14 0,35 Pojmó 0,20 0,79 0,41 Porovl4 0,04 0,84 0,37 Pojm7 0,16 0,76 0,43 Porovl5 0,21 0,81 0,40 Pojm8 0,20 0,71 0,45 Porovl6 0,19 0,95 0,21 Pojm9 0,17 0,83 0,38 Porovl7 0,08 0,52 0,50 PojmlO 0,29 0,92 0,27 Porovl8 0,08 0,93 0,25 Dopil 0,23 0,83 0,38 Porovl9 0,04 0,51 0,50 Dopl2 0,16 0,71 0,45 Porov20 -0,02 0,33 0,47 Dopl3 0,11 0,36 0,48 Vyraz9 0,28 0,94 0,23 Dopl4 0,28 0,89 0,31 VyrazlO 0,27 0,76 0,43 DoplB -0,05 0,91 0,29 Vyrazil 0,26 0,77 0,42 Dopló 0,22 0,76 0,43 Vyrazl2 0,25 0,89 0,32 Dopl7 0,16 0,70 0,46 Vyrazl3 0,11 0,68 0,47 Dopl8 -0,03 0,06 0,24 Vyrazl4 0,21 0,76 0,43 Porovl 0,20 0,93 0,25 Pojmi1 0,10 0,72 0,45 Porov2 0,04 0,21 0,41 Pojml2 0,24 0,96 0,19 Porov3 -0,03 0,43 0,50 Pojml3 0,22 0,63 0,49 Porov4 0,07 0,16 0,37 Pojml4 0,19 0,94 0,23 Porov5 0,00 0,88 0,33 Pojmi5 0,22 0,83 0,38 Porovó -0,02 0,36 0,48 Pojmló 0,16 0,55 0,50 Porov7 0,12 0,95 0,21 Pojml7 0,16 0,96 0,20 Porov8 0,12 0,65 0,48 Pojml8 0,06 0,72 0,45 Porov9 0,19 0,86 0,35 Pojml9 0,08 0,97 0,17 PorovlO -0,04 0,69 0,46 Pojm20 0,20 0,73 0,45 Porovll -0,18 0,32 0,47 Dopl9 0,32 0,96 0,19 Porovl2 -0,10 0,31 0,47 DopllO 0,14 0,96 0,19 Vyrazí 0,10 0,75 0,43 Dopili -0,09 0,11 0,32 Vyraz2 0,42 0,97 0,18 Dopll2 0,22 0,53 0,50 Vyraz3 0,38 0,77 0,42 Dopll3 0,11 0,88 0,32 Vyraz4 0,20 0,65 0,48 Dopll4 0,27 0,73 0,45 Pozn.: Nejsou zahrnuty zácvičné položky. K odhadu reliability pro subtest Ferdo je využita Cronbachova alfa a McDonaldova omega. Hodnota reliability pro 68položkový subtest Ferdo je odhadnuta: a = 0,65 [95%CI = [0,58; 0,72]). Již tuto hodnotu můžeme považovat za velmi dobrou pro 36 VÝSLEDKY diagnostické účely, interval spolehlivosti je relativně úzký. McDonaldova omega vychází následovně: o) = 0,65 [95%CI= [0,06; 0,75]), ovšem šíře intervalu spolehlivosti důvěru v tuto hodnotu příliš nepodporuje, zejm. když vezmeme v potaz, že McDonaldova o) zohledňuje komplexnější strukturu nástroje. I na základě těchto hodnot je zřejmé, že některé položky je třeba ze subtestu vyřadit. Po vyřazení zmíněných položek je odhadnuta reliabilita následovně: a = 0,73 [95%CI = [0,67; 0,78]) a o) = 0,73 [?5%CI = [0,67; 0,78]). Tyto hodnoty už je možné vyhodnotit jako uspokojivé, zejm. když zohledníme diagnostický potenciál metody. 3.2.3 IRT analýza subtestu Ferdo Subtest Ferdo je dále analyzován také v pojetí IRT. Pro správné použití IRT analýzy bylo ověřeno několik klíčových předpokladů - jednodimenzionalita, lokální nezávislost položek a normalita latentní schopnosti. Test je převážně jednodimenzionální, ačkoli je zde několik položek se slabším faktorovým nábojem (např. Dopl3, Porov8). Lokální nezávislost je obecně zachována, přestože některé extrémní hodnoty Q3 statistiky naznačují potenciální problémové položky. Test normality pomocí Shapiro-Wilkova testu ukázal hodnotu W = 0,95 [p < 0,001), což naznačuje, že rozložení latentní schopnosti se odchyluje od normálního rozložení. Data se výrazně kumulují okolo průměru a dále směrem k +1SD. Ověření předpokladů pro IRT analýzu tedy ukazuje, že data jsou v zásadě vhodná, ale s některými omezeními. Ve snaze získat model, který by lépe popisoval data, je odhadnut 1PL i 2PL model. Hodnoty fitů obou modelů shrnuje Tabulka 5. 1PL model vykazuje nejednoznačnou kvalitu fitu. Ačkoli RMSEA naznačuje dobrou shodu, ostatní ukazatele poukazují na nedostatečný fit. Významný rozdíl mezi modelem a pozorovanými daty je potvrzen chíkvadrátem, což naznačuje, že model nemusí přesně popisovat strukturu dat. Celkově 1PL model neodpovídá optimálním standardům fitu. Naopak 2PL model má výborný fit. M2 je nižší, p-hodnota je vysoká a RMSEA, SRMSR, TLI, a CFI jsou všechny v rozsahu hodnot dobrého fitu, což naznačuje, že 2PL model je pro data vhodnější než 1PL model. Rozdíly v diskriminacích mezi položkami jsou tedy důležité a měly by být zohledněny v modelu. V navazujících analýzách je proto využíván 2PL model. Tabulka 5 Fity IPLa 2PL modelů subtestu Ferdo M2 df P RMSEA 90% Cl SRMSR TLI CFI 1PL 2PL 1016,50 841,19 860 819 <0,001 0,288 0,031 0,012 [0,023; 0,039] [0,000; 0,025] 0,092 0,077 0,857 0,979 0,857 0,979 Pro subtest s 42 položkami je odhadnuta marginální reliabilita R(6) = 0,69. Hodnota je mírně nižší než Cronbachova alfa a McDonaldova omega. Rozdíl může poukazovat na odlišnou citlivost metrik na různé faktory - například na míru homogenity 37 VÝSLEDKY položek nebo na strukturu latentních faktoru. Marginální reliabilita lépe reflektuje variabilitu reliabilit jednotlivých položek. Z grafu niže je patrné, že nejvyšší reliability subtest dosahuje při podprůměrné latentní schopnosti, přesněji okolo 6 = -2. Obrázek 4 Reliabilita subtestu Ferdo • o- 0.2- o.o-4 -2 0 2 4 Latentní schopnost (9) Dále je možné zhodnotit subtest pomoci testové informační funkce. Graf TIF vykazuje přibližně typický tvar. Vrchol funkce umístěný cca nad -2 naznačuje bod maximálni informační hodnoty, kde test dosahuje nejlepší přesnosti v odhalení 6. S navyšující se úrovní latentní schopnosti test ztrácí svoji informační hodnotu - neukazuje se, že by poskytoval dostatečné informace pro žáky s nadprůměrnou schopností. Obrázek 5 Testová informačnífunkce subtestu Ferdo 6- 2 - 4 - 2 0 2 Latentní schopnost (6) 38 VÝSLEDKY Tyto výsledky doplňuje graf zobrazující chybu měření. Graf ukazuje, že test není dostatečně citlivý pro extrémní hodnoty latentní schopnosti. Je mírně zploštělý, což může být na první pohled pozitivní, ale může to také znamenat, že test nemá dostatečně obtížné nebo lehké položky k přesnému měření u žáků s extrémně nízkými nebo vysokými schopnostmi. V případě subtestu Ferdo je patrné, že test má málo položek, které jsou dostatečně obtížné na to, aby dobře rozlišovaly mezi žáky s vysokými schopnostmi [6 > 2). Potvrzuje se tím ale zásadní účel subtestu, tedy měřit deficity schopnosti. Ukazuje se, že test je vhodný pro měření nižších schopností. Obrázek 6 Chyba měření v subtestu Ferdo i.o- 0 s - D.2- o.oI I I I I -4 -2 0 2 4 Latentní schopnost (6) Následně je provedena položková analýza v pojetí IRT. Tabulka 6 zobrazuje vlastnosti položek. Hodnoty RMSEA potvrzují, že model popisuje data poměrně dobře s výjimkou několika položek (Porov9, Pojml2, Pojml6), které vykazují špatný fit. Svou phodnotou vyčnívají též položky Porovl5 a VyrazlO, které by mohly být problematické. Analýza dále zdůrazňuje položky, které mají velice nízkou variabilitu (mají nad 95 % správných odpovědí). Jedná se o položky Pojm4 a Vyraz2. Diskriminační parametr (a) většiny položek je v přijatelném rozmezí pro dobře navržené testy (hodnoty přibližně mezi 0,5 a 2). Některé položky však spodní hranice nedosahují (např. Porov8, Pojml6, Dopl3). Tyto položky nedostatečně rozlišují mezi žáky s různými úrovněmi schopnosti a je tedy na zvážení jejich vyřazení. Parametr obtížnosti [b] naznačuje, že položky jsou vzhledem k latentní schopnosti poměrně snadné. Hodnoty parametru [b] se pohybují v záporných čísel. Některé z položek se zdají být velmi málo obtížné [b < -3), je tedy otázkou, kolik takových položek by mělo být zastoupeno. Naopak jako velice obtížná položka vychází jediná položka - Dopl3 [b = 2,54). 39 VÝSLEDKY Tabulka 6 Parametry afitypoložek 2PL modelu subtestu Ferdo Položka X2 df RMSEA P a b Položka X2 df RMSEA P a b Pojm3 9,98 10 0,00 0,44 0,62 -2,68 Vyraz7 10,90 10 0,02 0,37 0,65 -2,96 Pojm4 NaN 0 NaN NaN 1,39 -3,27 Vyraz8 4,51 8 0,00 0,81 1,37 -1,85 Pojm5 5,36 11 0,00 0,91 0,45 -1,84 Porovl5 19,30 10 0,07 0,04 0,35 -4,36 Pojmó 10,00 10 0,00 0,44 0,79 -1,88 Porovl6 2,05 3 0,00 0,56 0,70 -4,58 Pojm7 6,62 11 0,00 0,83 0,31 -3,81 Vyraz9 2,53 3 0,00 0,47 1,15 -2,99 Pojm8 12,50 11 0,03 0,33 0,49 -1,97 VyrazlO 20,57 10 0,08 0,02 0,84 -1,59 Pojm9 11,96 10 0,03 0,29 0,50 -3,25 Vyrazil 12,17 10 0,03 0,27 0,80 -1,81 PojmlO 8,36 7 0,03 0,30 0,95 -2,96 Vyrazl2 4,96 8 0,00 0,76 1,16 -2,17 Dopil 9,90 10 0,00 0,45 0,58 -2,89 Vyrazl3 6,42 11 0,00 0,84 0,30 -2,98 Dopl2 13,45 11 0,04 0,27 0,42 -2,35 Vyrazl4 13,91 10 0,05 0,18 0,70 -1,74 Dopl3 13,70 12 0,03 0,32 0,23 2,54 Pojml2 15,94 2 0,19 0,00 1,55 -2,78 Dopl4 8,30 8 0,01 0,41 1,12 -2,28 Pojml3 17,58 11 0,06 0,09 0,59 -0,95 Dopló 16,02 10 0,06 0,10 0,67 -1,86 Pojml4 4,40 4 0,02 0,35 0,82 -3,86 Dopl7 10,34 11 0,00 0,50 0,44 -2,00 Pojml5 4,49 10 0,00 0,92 0,55 -3,13 Porovl 6,15 6 0,01 0,41 0,84 -3,43 Pojmló 24,30 11 0,08 0,01 0,22 -1,07 Porov7 3,51 3 0,03 0,32 0,63 -5,25 Pojml7 0,60 3 0,00 0,90 0,49 -6,82 Porov8 17,21 11 0,06 0,10 0,19 -3,13 Pojm20 7,69 10 0,00 0,66 0,77 -1,34 Porov9 26,27 10 0,09 0,00 0,75 -2,67 Dopl9 9,90 9 0,02 0,36 0,34 -6,29 Vyraz2 NaN 0 NaN NaN 2,61 -2,32 DopllO 8,17 10 0,00 0,61 0,70 -1,65 Vyraz3 7,72 9 0,00 0,56 1,43 -1,14 Dopll2 2,87 3 0,00 0,41 0,75 -4,72 Vyrazó 6,90 8 0,00 0,55 1,12 -2,06 Dopll4 8,00 10 0,00 0,63 0,65 -0,10 Zjištěné hodnoty dokreslují charakteristické funkce položek. Strmější křivky (např. Vyraz2) značí vyšší diskriminační schopnost. Tyto položky lépe rozlišují mezi žáky s nižší a vyšší schopností. Naopak plošší křivky (např. Dopl3, Dopl9) mají nižší diskriminační schopnost. Je také znatelné, že většina položek má funkci posunutou spíše vlevo - to značí nižší úroveň obtížnosti položky. Můžeme zhodnotit, že křivky mají v zásadě dobré tvary pro IRT modely, ale několik položek nedosahuje potřebných kvalit a mohly by být méně informativní. 40 VÝSLEDKY Obrázek 7 Charakteristickéfunkce položek subtestu Ferdo CD CL 0.8 0 4 0 0 0 6 0 4 0 0 0 6 0 4 0 0 -6 -2 2 6 -6-2 2 6 -6 -2 2 6 Pojmi E Vyrazí 2 Vyraz7 Póroví PojmlO Pojm3 Pojmi 7 Vyrazí 3 VyrazS Porovľ DopU Pojm4 Pojm20 Vyrazí 4 Póroví 5 PorovS Dopl2 Pojm5 Pojmi 2 Póroví 6 Porov9 Dopl3 PojmE Popi 10 Pojmi 3 Vyraz9 Vyraz2 D opi 4 Pojm7 Dopi 12 Pojmi 4 Vyrazí 0 Vyraz3 D opi E PojmS Popi 14 Pojmi 5 Vyrazí 1 VyrazS D opi 7 Pojm9 I I I I I I II I I I I I II I I I I I II I I I I I II I I I I I II I I I I I II I I I I I I 6-2 2 6 -6-2 2 6 -6-2 2 6 -6 -2 2 6 0 5 0 4 0 0 0 5 0 4 0 0 0 5 0 4 0 0 e IRT analýza poukázala na některé další položky, jejichž vlastnosti mohou narušovat kvalitu testu, a tedy i fit modelu. Z hlediska nedostatečného fitu bych navrhovala úpravu či vyřazení položek Porov9, Porovl5, Pojml2 a Pojml6. Kvůli nedostatečné variabilitě je na místě revize položek Vyraz2 a Pojm4. Dále je třeba zvážit hodnoty parametrů, které nejsou zcela žádoucí u položek: Dopl9, Pojm7, Pojm9, Pojml7, Porov8. Celkově by pro další navazující práci s metodou měla být zvážena úprava nebo vyřazení uvedených 10 položek. Výsledky také naznačují, že je důležité v navazujících analýzách prozkoumat metodu na úrovni subškál. 41 VÝSLEDKY 3.3 Analýza subtestu Profesor Zíravý 3.3.1 Deskriptívni statistiky Položky v subtestu Profesor Zíravý jsou též hodnoceny 0 (špatně) a 1 (správně) body. Nejvyšší možný počet bodů je 62, toho ale žádný žák nedosáhl - maximum je 58 bodů a minimum 23 bodů. Průměrné skóre je 45,68 bodů [SD = 6,93). Dle jednotlivých ročníků je opět znatelná rostoucí tendence ve výsledcích, ovšem je třeba zohlednit nevyváženost zastoupení žáků v ročnících. Tabulka 7 Deskriptívni statistiky skórů subtestu Profesor Zíravý N M 95% Cl SD Min Max Šikmost Špičatost 3. ročník 125 44,09 [42,85; 45,33] 6,99 23 56 -0,74 0,16 4. ročník 65 48,72 [47,31; 50,14] 5,70 32 58 -1,06 1,17 Celkové skóre 190 45,67 [44,68; 46,66] 6,92 23 58 -0,83 0,38 Rozdělení dat zobrazují Obrázek 8 a Obrázek 9. Data jsou asymetrická - mírně zešikmená zleva. Většina hodnot je koncentrovaná na pravé straně grafu, ovšem je viditelných několik nízkých výsledků. Špičatostí jsou data velmi blízká normálnímu rozdělení, většina dat je blízko střední hodnotě. Obrázek 8 Q-Q plot celkového skóru subtestu Profesor Zíravý 7 0 - 3 - 2 - 1 0 1 2 3 Teoretické kvantily 42 VÝSLEDKY Obrázek 9 Histogram celkového skóru subtestu Profesor Zíravý 60 - . . 50 _ 40 - . o B 30 - CDO 20 - i 10 o - 1 1 I 1 1 1 1 1 I I I I I I 20 30 40 50 60 Celkové skóre 3.3.2 CTT analýza subtestu Profesor Zíravý I subtest Profesor Zíravý je nejprve podroben položkové analýze v pojetí CTT. V Tabulka 8 jsou uvedené údaje o všech položkách. Z hodnot je patrné, že zejména položky v první části metody byly zodpovídány správně. Naopak v druhé části to dle výsledků působí, jako by se obtížnost zvyšovala - nejnižší popularitu vykazují položky int39, int21 a intl7. Korigované korelace [r_cor) naznačují poměrně dobrou souvislost s testem jako celkem téměř u poloviny položek. Tento výsledek je dobrý vstup pro další práci s metodou. Přesto zde opět nacházíme položky, jejichž korigované korelace jsou blízké nule či jsou negativní. Podobně jako v případě subtestu Ferdo i na tomto místě budou provedeny první úpravy metody a ze stejných důvodů, které jsou vysvětleny v kapitole 3.2.2, budou některé položky vyřazeny ve snaze získat konzistentnější sadu položek pro další analýzy. Na základě zmíněných principů je vyřazeno 18 položek1 1 . Jedná se o položky spíše s nízkou popularitou a jsou víceméně z jedné subškály. V této subškále je v původní verzi dvakrát tolik položek než v první subškále, tudíž jistá redukce je na místě. Opět je však na dalších podrobnějších analýzách prozkoumat vyřazené položky. I zde je k odhadu reliability využita Cronbachova alfa a McDonaldova omega. Pro 62položkový subtest Profesor Zíravý je reliabilita odhadnuta následovně: a = 0,80 [?s%CI = [0,76; 0,84]), a = 0,81 [gs%CI = [0,70; 0,84]). Obě hodnoty poukazují na vysokou vnitřní konzistenci. Přesto budou avizované položky vyřazeny, neboť nepřispívají dostatečně k celkovému měření konstruktu a mohly by nepřiměřeně prodlužovat metodu. Opět je také nutné brát v potaz navazující analýzy. 1 1 Jedná se o položky: v a l l 8 , int3, int6, int9, i n t l 2 , i n t l 3 , i n t l 5 , i n t l 7 , i n t l 8 , int21, int27, int31, int33, int37, int38, int39, int40, int41. 43 VÝSLEDKY Vyřazení položek napomůže k drobnému zvýšení odhadů reliability: a = 0,87 [?s%CI = [0,84; 0,89]), cú = 0,87 [?s%CI = [0,82; 0,89]). Zejména se to ukázalo na šíři intervalů spolehlivosti, která naznačuje snížení variability výsledků a zároveň zvýšení přesnosti odhadů skórů, což v důsledků může znamenat vyšší statistickou sílu metody. Tabulka 8 CTTpoložková analýza subtestu Profesor Zíravý Položka r_cor M SD Položka r_cor M SD vall 0,39 0,95 0,21 intl2 0,06 0,64 0,48 val2 0,38 0,94 0,24 intl3 0,09 0,77 0,42 val3 0,34 0,95 0,22 intl4 0,21 0,77 0,42 val4 0,53 0,92 0,28 intl5 0,08 0,57 0,50 val5 0,52 0,91 0,29 intló 0,19 0,66 0,47 val6 0,45 0,91 0,29 intl7 -0,04 0,37 0,48 val7 0,50 0,93 0,25 intl8 0,17 0,64 0,48 val8 0,38 0,93 0,26 intl9 0,34 0,81 0,40 val9 0,23 0,77 0,42 int20 0,30 0,87 0,34 vallO 0,43 0,90 0,30 int21 -0,19 0,26 0,44 valil 0,57 0,90 0,30 int22 0,40 0,91 0,29 vall2 0,33 0,94 0,23 int23 0,20 0,55 0,50 vall3 0,42 0,84 0,37 int24 0,34 0,88 0,33 vall4 0,35 0,95 0,22 int25 0,30 0,85 0,36 vall5 0,51 0,91 0,29 int26 0,36 0,86 0,35 valló 0,57 0,91 0,29 int27 -0,12 0,51 0,50 vall7 0,22 0,71 0,46 int28 0,28 0,84 0,37 vall8 0,11 0,60 0,49 int29 0,14 0,72 0,45 vall9 0,52 0,93 0,25 int30 0,32 0,72 0,45 val20 0,53 0,92 0,27 int31 0,10 0,49 0,50 intl 0,34 0,80 0,40 int32 0,34 0,78 0,42 int2 0,47 0,83 0,38 int33 0,01 0,43 0,50 int3 0,09 0,50 0,50 int34 0,24 0,40 0,49 int4 0,28 0,71 0,46 int35 0,20 0,87 0,34 int5 0,37 0,82 0,39 int36 0,21 0,57 0,50 into 0,12 0,60 0,49 int37 0,09 0,68 0,47 int7 0,46 0,81 0,39 int38 0,10 0,80 0,40 int8 0,21 0,68 0,47 int39 0,01 0,21 0,41 int9 -0,04 0,66 0,48 int40 -0,11 0,48 0,50 intlO 0,27 0,68 0,47 int41 0,08 0,65 0,48 intll 0,46 0,83 0,38 int42 0,19 0,53 0,50 44 VÝSLEDKY 3.3.3 IRT analýza subtestu Profesor Zíravý Před započetím IRT analýzy jsou opět ověřeny tři klíčové předpoklady. Při ověřování jednodimenzionality bylo identifikováno 11 položek s nízkým faktorovým nábojem. Lokální nezávislost je posouzena pomocí statistiky Q3, která u některých položek signalizuje existenci silnějších vztahů, než je žádoucí. Zejména se jedná o subškálu Valence (položky „val"). Odpovědi na jednotlivé položky subškály jsou si vzájemně více podobné, než by odpovídalo jejich závislosti na měřené latentní proměnné. Tyto hodnoty předjímají nutnost dalšího přezkoumání vybraných položek a výsledky analýzy je třeba číst v kontextu narušení tohoto předpokladu. Normalita latentního rysu je ověřena pomocí histogramu a Shapiro-Wilkova testu normality - W= 0,86 (p < 0,001). Hodnoty naznačují odchylky od normálního rozložení latentního rysu, většina hodnot je uspořádána od průměru do +1SD. Následně je odhadnut model v pojetí IRT. Nejprve je vytvořen 1PL a 2PL model. Jejich srovnání ukazuje, že 2PL model vykazuje lepší fit k datům, což naznačuje, že je schopen lépe odrážet variabilitu a složitost latentních schopností žáků. Ovšem i tak není 2PL model zcela dobrým fitem - vysoká hodnota X2 , nízká p-hodnota, a také CFI a TLI pod hodnotu 0,90 naznačují, že model není ideální pro zachycení struktury dat. RMSEA a SRMSR poukazují, že zatímco model může vykazovat přijatelnou shodu, existují evidentní nedostatky, které by mohly naznačovat, že model neodráží skutečné vztahy mezi položkami a latentními schopnostmi žáků. Tyto výsledky vybízí k prozkoumání dalších možností vylepšení modelu. V tomto ohledu bylo třeba vzít v úvahu, že položky jsou binární - existuje tedy výrazná pravděpodobnost uhádnutí správné odpovědi. Z toho důvodu je zvoleno odhadnutí 3PL modelu se zafixovaným parametrem pseudouhádnutelnosti [g) na hodnotě 0,5. Předpokládá se, že i při velmi nízké schopnosti má žák 50% šanci na správnou odpověď, což je běžné v situacích, kdy žáci odpověď hádají nebo mají omezené znalosti. Tento přístup je výhodný, protože umožňuje modelu lépe odrážet skutečné podmínky, kde existuje určité základní riziko náhodného úspěchu, ale zároveň se zachovává flexibilita v modelování diskriminace a obtížnosti položek. Binární položky často vyžadují modely, které dokážou zachytit vlastnosti těchto odpovědí (zejména v testování, kde se často vyskytují možnosti hádání), a právě 3PL model může být pro tento účel nejvhodnější, protože zahrnuje parametr pseudouhádnutelnosti, což ho činí flexibilnějším a realističtějším než 1PL a 2PL modely. Z hlediska hodnot ukazatelů lze konstatovat, že 3PL poskytuje nejlepší fit. Statistika M2 se snížila, hodnota RMSEA je nej nižší mezi všemi třemi modely a spadá do akceptovatelného rozmezí, přičemž její interval spolehlivosti potvrzuje relativní přesnost modelu. Podobně hodnota SRMSR je nižší než u ostatních modelů, což naznačuje lepší shodu mezi očekávanými a pozorovanými hodnotami. Důležité je také zlepšení v hodnotách TLI a CFI, které jasně převyšují kritéria pro dobrou shodu s daty (> 0,90), zatímco u modelů 1PL a 2PL zůstávají pod touto hranicí. Celkově hodnoty fitu 45 VÝSLEDKY naznačují, že 3PL model je z odhadnutých modelu nejpřesnější a nejvhodnější pro popis analyzovaných dat a bude využíván pro další analýzy. Tabulka 9 Fity 1PL, 2PL a 3PL modelů subtestu Profesor Zíravý M2 df P RMSEA 90% CI SRMSR TLI CFI 1PL 2887,82 945 <0,001 0,010 [0,099; 0,108] 0,173 0,759 0,759 2PL 1867,29 902 <0,001 0,075 [0,070; 0,080] 0,122 0,875 0,880 3PL 1475,29 902 <0,001 0,058 [0,053; 0,063] 0,119 0,926 0,929 Marginálni reliabilita subtestu Profesor Zíravý je odhadnuta na R(6) = 0,85. Jedná se o téměř totožnou hodnotu jako Cronbachova alfa a McDonaldova omega. Z grafu niže je patrné, že nejnižší reliability subtest dosahuje na záporných extrémních hodnotách (cca -2,5SD a méně). Ovšem nárůst je strmý a nejvyšší reliabilita subtestu je při podprůměrné latentní schopnosti okolo 6 = - 1 a zůstává v přijatelných hodnotách až po 2SD. Obrázek 10 Reliabilita subtestu Profesor Zíravý 1 o - 0.2- 0 0 -4 -2 0 2 4 Latentní schopnost (8) Na tomto základu je zhodnocen subtest jako celek. Testová informace není rovnoměrně rozložena, ale dosahuje dvou výrazných vrcholů. Nejvyšší hodnota informace, blížící se 300, se nachází v oblasti okolo 6 = - 1 . Tato hodnota indikuje, že test poskytuje nejvyšší přesnost při odhadu latentních schopností u žáků s touto úrovní schopnosti. Druhý, ale méně výrazný vrchol testové informace je přibližně na hodnotě 6 = 1, kde maximální informace dosahuje přibližně 60. Mimo tyto oblasti, zejména na extrémech škály, je testová informace nízká, což naznačuje omezenou schopnost testu přesně odhadovat schopnosti u těchto skupin žáků. Výsledky potvrzují, že test byl navržen tak, aby byl nej citlivější pro žáky s nízkou úrovní latentní schopnosti. Druhý vrchol na 6 = 1 46 VÝSLEDKY pravděpodobně odráží přítomnost několika položek, které mají vyšší obtížnost. Zároveň je ale potřeba zdůraznit, že hodnota testové informace je příliš vysoká a značí to jistý nesoulad v datech. Je proto na místě dále explorovat subtest a jednotlivé položky. Vysvětlení zde může být několik, zmíním dvě, která se jeví jako nejdůležitější. Prvním z nich je právě klíčový výstup této analýzy, tedy ověření, že subtest dokáže odhalovat deficity ve schopnosti. Kvůli tomu a povaze vzorku se položky z velké části koncentrují v určité oblasti úrovně 6 (v okolí 6 = -1). To znamená, že většina položek je „nakalibrována" na tuto úroveň latentní schopnosti, a tedy i parametry obtížnosti položek leží v blízkosti této hodnoty. Tímto způsobem test poskytuje velmi podrobné a přesné měření schopností žáků v tomto rozmezí. Avšak takto vysoká koncentrace položek může vést k tomu, že v jiných oblastech 6 (např. okolo průměru nebo ve vyšší úrovni schopnosti) test ztrácí schopnost přesného měření, což lze v grafu pozorovat jako prudký pokles testové informace mimo tuto oblast. Za druhé zde hraje výraznou roli výše zmíněná narušená lokální nezávislost položek. Zejména položky subškály Valence mezi sebou korelují silněji, než je žádoucí, což může naznačovat, že měří velmi podobné aspekty nebo že mezi nimi existuje sdílený obsah, který není plně vysvětlen latentní proměnnou. Tato korelace může zkreslovat výsledky analýzy, protože narušuje předpoklad, že každá položka přináší jedinečnou informaci o měřené vlastnosti. Důsledkem může být nadhodnocení testové informace, což by mohlo být řešeno redukcí položek nebo jejich úpravou. Obrázek 11 Testová informačnífunkce subtestu Profesor Zíravý - 3 - 2 - 1 0 1 2 Latentní schopnost (8) Vhodnost subtestu pro měření nižší úrovně latentní schopnosti potvrzuje i zhodnocení chyby měření, kterou zobrazuje následující graf. Křivka ukazuje, že míra chyby měření není konstantní - nejnižší je ve středním pásmu latentní schopnosti, minima dosahuje přibližně kolem hodnoty 6 =-1. Směrem k extrémům dochází k nárůstu 47 VÝSLEDKY chyby měření, což naznačuje nižší přesnost měření pro extrémně nízké nebo vysoké hodnoty latentní schopnosti. Tento jev je ale zároveň u testů běžný. Obrázek 12 Chyba měření v subtestu Profesor Zíravý 1 0 •: s - 0.2- 0 0 - 3 - 2 - 1 0 1 2 3 Latentní schopnost (8) Následně je tedy důležité prozkoumat subtest na úrovni jednotlivých položek. Hodnoty RMSEA ukazují dobrý fit položek, jen několik z nich je na hranici přijatelných hodnot (např. val5, val7, int34). Z výsledku vyčnívá diskriminační parametr (a), který na několika položkách výrazně přesahuje běžné hodnoty (např. položky vall6 b = 49,49 nebo val7 b = 36,02). Tyto vysoké hodnoty již předjímaly výše uvedené extrémně vysoké hodnoty testové informace. Naznačuje to, že tyto položky sice mohou přispívat k odlišení žáků s různou úrovní schopnosti, neboť jsou citlivé na malé rozdíly v latentní schopnosti, ale zároveň mohou zkreslovat celkový výsledek testu. Vzhledem k tomu, že parametr pseudouhádnutelnosti (g) byl fixován na hodnotu 0,5, je třeba vzít v úvahu, že tento parametr modeluje pravděpodobnost správné odpovědi u žáků s velmi nízkou schopností. Tím se zvyšuje práh obtížnosti položek a potenciálně se uměle navyšují hodnoty diskriminačního parametru (a), což částečně může vysvětlovat jeho vysoké hodnoty u některých položek. Přesto je na místě zvažovat úpravu či vyřazení těchto položek. Parametr obtížnosti [b] se pohybuje v hodnotách mezi -1,75 a 1,39. Většina položek je v záporných hodnotách, což znamená, že jsou relativně snadné ve vztahu k průměrné latentní schopnosti. Většina žáků, kteří mají schopnost okolo průměru, mají vysokou pravděpodobnost správné odpovědi. Tyto hodnoty opět potvrzují potenciál metody zaměřovat se na deficity schopnosti. 48 VÝSLEDKY Tabulka 10 Parametry afitypoložek 3PL modelu subtestu Profesor Zíravý Položka X2 df RMSEA p a b Položka X2 df RMSEA P a b vall 0,79 2 0,00 0,67 2,47 -1,71 int5 16,18 15 0,02 0,37 2,06 -0,41 val2 4,37 6 0,00 0,63 2,99 -1,41 int7 9,58 14 0,00 0,79 4,34 -0,27 val3 1,62 4 0,00 0,81 2,12 -1,75 int8 13,87 17 0,00 0,68 1,48 0,58 val4 4,58 4 0,03 0,33 10,90 -1,17 intlO 28,62 17 0,06 0,04 1,67 0,47 val5 11,04 5 0,08 0,05 9,60 -1,09 intll 8,84 14 0,00 0,84 2,44 -0,55 val6 13,69 7 0,07 0,06 5,22 -0,99 intl4 20,77 17 0,03 0,24 0,82 -0,20 val7 8,38 4 0,08 0,08 36,02 -1,25 intló 15,99 17 0,00 0,52 1,38 0,69 val8 1,41 7 0,00 0,99 2,22 -1,43 intl9 7,41 15 0,00 0,95 2,23 -0,31 val9 9,87 17 0,00 0,91 1,13 -0,25 int20 10,08 14 0,00 0,76 1,48 -0,96 vallO 6,95 8 0,00 0,54 7,43 -0,94 int22 8,39 9 0,00 0,50 1,88 -1,24 valil 7,67 5 0,05 0,18 22,55 -1,07 int23 20,52 18 0,03 0,30 2,01 1,36 vall2 0,48 5 0,00 0,99 2,17 -1,67 int24 11,08 14 0,00 0,68 1,14 -1,27 vall3 15,05 13 0,03 0,30 2,66 -0,64 int25 2,56 14 0,00 1,00 1,08 -1,00 vall4 7,87 4 0,07 0,10 6,91 -1,25 int26 10,91 13 0,00 0,62 2,74 -0,60 vall5 4,11 5 0,00 0,53 4,64 -1,19 int28 11,31 15 0,00 0,73 1,29 -0,77 valló 2,60 5 0,00 0,76 49,49 -1,11 int29 20,29 17 0,03 0,26 1,08 0,41 vall7 10,38 17 0,00 0,89 1,73 0,24 int30 16,89 16 0,02 0,39 2,46 0,21 vall9 3,63 4 0,00 0,46 5,69 -1,33 int32 17,11 15 0,03 0,31 3,08 -0,15 val20 3,93 4 0,00 0,42 4,34 -1,34 int34 39,37 18 0,08 0,00 26,01 1,33 intl 17,38 15 0,03 0,30 1,66 -0,36 int35 11,37 14 0,00 0,66 0,81 -1,45 int2 7,23 14 0,00 0,93 2,68 -0,46 int36 19,41 18 0,02 0,37 1,44 1,39 int4 13,56 17 0,00 0,70 1,44 0,25 int42 25,28 18 0,05 0,12 2,30 1,35 Pozri.: Všechny položky mají zafixovaný parametr pseudouhádnutelnosti na g = 0,5. V grafech charakteristických funkcí položek je zřetelné zafixování dolní asymptoty na 0,5. Grafy ukazují, že většina položek má křivky posunuté směrem doleva, což naznačuje nižší obtížnost. Strmost křivek se naopak mezi jednotlivými položkami liší. Strmější křivky indikují vysokou diskriminační sílu, plošší křivky ukazují na nižší diskriminační schopnost a méně strmý nárůst pravděpodobnosti správné odpo­ vědi. 49 VÝSLEDKY Obrázek 13 Charakteristickéfunkce položek subtestu Profesor Zíravý 0 5 0 4 0 0 ° " 0.8 0 4 0 0 o e o 4 o o -6-226 6-2 2 6 1111111I I I I I I lI I I I I I II I I I I I l int34 int35 int36 int42 _ J _y~ _J~~ z 0.3 - 0.4 - 0 0 int23 int24 int25 int26 int28 int29 int30 int32 — r intS inťlO int11 int14 int16 int19 int20 int22 ~ y van 7 val19 val20 intl int2 int4 int5 int7 - / ~ s~ val9 vahO vah 1 vah 2 vah 3 val14 vah 5 vane vah val2 val3 val4 val5 val6 val7 val8 1 1 1 1 1 1 1I I I I I I II I I I I I II I I I I I II I I I I I II I I I I I II I I I I I II I I I I I I 6-2 2 6 6-2 2 6 6-2 2 6 -6-2 2 6 0 5 0 4 UU 06 0-i 0 0 Vzhledem k potenciálním problémům na některých položkách jsou více analyzovány rozdíly mezi očekávanými a pozorovanými výsledky. Ukazuje se, že položky, které nejvíce přispívají k vysoké testové informaci, a tedy mají vysoký parametr [a], mají největší rozdíly mezi modelem a daty. V oblasti cca 6 = - 1 je nejčastěji signalizován nesoulad v datech, což znamená, že zde bylo zastoupeno méně žáků nebo jejich odpovědi byly rozmanitější. Zároveň je třeba tyto výsledky číst v kontextu zafixovaného parametru (g) - může se jednat o položky, u kterých žáci nehádali, ale odpovídali systematicky nesprávně. Také se z většiny jedná o položky ze subškály Valence, u které je narušena lokální nezávislost. 50 VÝSLEDKY Obrázek 14 Ukázka teoretických funkcí vzhledem k empirickým datům subtestu Profesor Zíravý 1 15 ? n e- i l0 iž. , , lí tirT j i i * i , 02 • » i * i | ' i i T i i : i ; i ; i Ť 00 Na základě výše uvedených výsledků navrhuji vyřazení položek val4, val5, val7, v a l i l , vall6, int34. Klíčové jsou hodnoty parametru diskriminace (a), resp. testové informace. Položky se v určitých aspektech rozcházejí s očekávanými výsledky, a tedy nedostatečně přispívají k dobrému fitu modelu. Pokud vezmeme v potaz ještě další vlastnosti položek, doplnila bych k revizi (popř. vyřazení) položky vallO, int7, intl4, int32. K úpravě vybízí i narušená lokální nezávislost položek, která prostupuje položky ze subškály Valence. Proto je pro další práci s metodou na zvážení pečlivější prozkoumání subtestu na úrovni jednotlivých subškál. Na závěr je opětovně vytvořen 3PL model se zafixovaným parametrem (g) pro ověření, jestli mají zamýšlené úpravy význam. Budeme uvažovat o vyřazení všech 10 výše uvedených položek. Fit modelu je podobný, v některých ukazatelích se mírně zhoršil: M2 (527) = 865,66; p < 0,001; RMSEA = 0,058 {9o%Cl = [0,051; 0,065]), SRMSR = 0,112, TLI = 0,889, CFI = 0,895. RMSEA je v mezích přijatelných hodnot, což naznačuje dobrý fit, přičemž intervaly spolehlivosti potvrzují stabilitu tohoto odhadu. 51 VÝSLEDKY SRMSR je nad doporučenou hodnotou, což poukazuje na určité problémy s residuálními odchylkami mezi pozorovanými a očekávanými daty. TLI a CFI jsou nižší, což naznačuje, že model by mohl mít určité nedostatky v zachycení variability dat. Zároveň se ale zhoršení fitu modelu dalo očekávat, protože vyřazené položky poskytovaly významné množství informací a silně ovlivňovaly diskriminaci v určitých oblastech latentní schopnosti. Přesto je úprava subtestu Profesor Zíravý důležitým krokem v dalším vývoji metody. 3.4 Analýza testu obecné verbální schopnosti 3.4.1 Deskriptívni statistiky V testu obecné verbální schopnosti jsou položky skórovány dichotomicky - 0 = špatná odpověď, 1 = správná odpověď. Nejvyšší možné skóre, kterého mohl žák dosáhnout, je 30 bodů. Průměrné skóre je 14,84 bodů [SD = 5,68), minimum 3 body, maximum 28 bodů. V datech se opět ukazují rozdíly mezi ročníky podobně jako u předchozích měřicích nástrojů. Tabulka 11 Deskriptívni statistiky skórů testu obecné verbálníschopnosti N M 95% Cl SD Min Max Šikmost Špičatost 3. ročník 122 13,64 [12,68; 14,60] 5,38 4 26 0,20 -0,95 4. ročník 72 16,86 [15,53; 18,19] 5,65 3 28 -0,05 -0,58 Celkové skóre 194 14,84 [14,03 15,64] 5,68 3 28 0,13 -0,80 Rozdělení dat zobrazují obrázky níže. Je viditelná mírně kladná asymetrie, data jsou posunuta k vyšším hodnotám. Rozdělení má plošší vrchol, neboť jsou data rozptýlenější okolo průměru. 52 VÝSLEDKY Obrázek 15 Q-Q plot celkového skóru testu obecné verbálni schopnosti 4 0 n c CD > -CD C cc > O o N O 3 0 2 0 - 10 -10 - 2 - 1 0 1 2 Teoretické kvantily 3 Obrázek 16 Histogram celkového skóru testu obecné verbálni schopnosti 30 - 25 - 20 - (n o c 15 - aí 'O 10 - 5 - 0 - 10 15 20 Celkové skóre 25 30 3.4.2 CTT analýza testu obecné verbálni schopnosti Jelikož byl test obecné verbálni schopnosti vytvořen pro potřeby této diplomové práce, je vhodné více prozkoumat jednotlivé položky, než budou data podrobena dílčím analýzám. Proto je provedena CTT položková analýza. Tabulka 12 zobrazuje základní charakteristiky položek. Z hodnot je patrné, že položky na synonyma (Ql-15) byly pro žáky méně obtížné než položky na antonyma (Q16-30). Jako nejméně obtížné se dle principů CTT jeví položky Q l a Q4, naopak nejobtížnější položky Q20 a Q5. Korigované korelace [r_cor) ukazují střední souvislost položek s celkovým skóre u většiny položek. Tyto položky je možné považovat za adekvátní - přispívají k celkové 53 VÝSLEDKY homogenitě testu. Přesto zde nacházíme položky, jejichž korigované korelace jsou blízké nule - jedná se např. o položky Q27, Q2 a Q7. Tyto položky nejsou vyhovující. Také u několika dalších položek je možné uvažovat o vyřazení, zvlášť pokud vezmeme v potaz popularitu položek. Další úpravy testu však nejsou předmětem této práce. Pokud by měl být test užíván k dalšímu ověřování v budoucnu, je na místě vzít tyto výsledky v potaz. K odhadu reliability je využita Cronbachova alfa a McDonaldova omega. Pro vyrovnání se s chybějícími daty je zvolena metoda pairwise. Test obecné verbální schopnosti vykazuje dobrou vnitřní konzistenci: a = 0,82 (95 %CI = [0,78; 0,86]), o) = 0,82 (95 %CI = [0,79; 0,85]). Vzhledem k experimentálnímu charakteru testu se jedná o velice uspokojivé hodnoty. Tabulka 12 CTT položková analýza testu obecné verbální schopnosti Položka r_cor M SD Položka r_cor M SD Ql 0,33 0,87 0,34 Q16 0,37 0,31 0,47 Q2 0,08 0,33 0,47 Q17 0,50 0,71 0,45 Q3 0,21 0,55 0,50 Q18 0,36 0,50 0,50 Q4 0,28 0,82 0,39 Q19 0,28 0,32 0,47 Q5 0,34 0,26 0,44 Q20 0,25 0,20 0,40 Q6 0,23 0,63 0,48 Q21 0,30 0,28 0,45 Q7 0,14 0,44 0,50 Q22 0,45 0,35 0,48 Q8 0,43 0,70 0,46 Q23 0,38 0,38 0,49 Q9 0,28 0,75 0,44 Q24 0,44 0,61 0,49 Q10 0,35 0,62 0,49 Q25 0,36 0,70 0,46 Qll 0,53 0,54 0,50 Q26 0,48 0,52 0,50 Q12 0,49 0,52 0,50 Q27 0,05 0,57 0,50 Q13 0,36 0,55 0,50 Q28 0,20 0,58 0,50 Q14 0,31 0,29 0,46 Q29 0,27 0,28 0,45 Q15 0,31 0,29 0,46 Q30 0,44 0,69 0,47 54 VÝSLEDKY 3.5 Testování hypotéz Závěr výsledkové části je věnován testování stanovených hypotéz. Cílem je prozkoumat vztahy mezi proměnnými a také vliv schopnosti rozpoznávat emoce a obecné verbální schopnosti na orientaci v emočně nabitých slovech. Tabulka 13 Korelace mezi proměnnými Proměnná Rozpoznávání emocí Emoční slova Obecná verbální schopnost Rozpoznávání emocí 1 Emoční slova 0,35* 1 Obecná verbální schopnost 0,26* 0,58* 1 *p<0,001 Výsledky korelační analýzy naznačují, že mezi jednotlivými proměnnými existují statisticky významné vztahy, které mohou podporovat hypotézu o provázanosti schopnosti rozpoznávat emoce a obecné verbální schopnosti v souvislosti s emočně nabitými slovy. Vztah mezi schopností rozpoznávat emoce a orientací v emočně nabitých slovech naznačuje středně silnou pozitivní korelaci (r = 0,35). Tento výsledek ukazuje, že žáci s vyšší schopností rozpoznávat emoce mají lepší orientaci v emočních slovech. Tato zjištění mohou podporovat také část hypotézy, že orientace v emočních slovech souvisí s projevy emoční inteligence, jelikož schopnost rozpoznávat emoce představuje její klíčovou součást. Korelace mezi schopností rozpoznávat emoce a obecnou verbální schopností je též pozitivní, ale slabší (r = 0,26). Tento vztah ukazuje, že žáci, kteří mají vyšší úroveň schopnosti rozpoznávat emoce, vykazují také o něco lepší obecné verbální schopnosti. Ačkoli je tato korelace nižší, stále naznačuje, že schopnost rozpoznávat emoce a obecné verbální schopnosti mohou být do určité míry provázány. Nejsilnější korelace se ukazuje mezi emočně nabitými slovy a obecnými verbálními schopnostmi (r = 0,58). Jinými slovy, žáci s lepšími obecnými verbálními schopnostmi mají také lepší porozumění emočním obsahům slov. Silná vazba mezi těmito dvěma schopnostmi může poukazovat na skutečnost, že orientace v emocionálním obsahu slov vyžaduje jak jazykové, tak emocionální schopnosti, přičemž verbální schopnosti mohou sloužit jako základní předpoklad pro přesnější pochopení emočního vý­ znamu. Výsledky korelační analýzy podporují předpoklady, že emoční slova mohou být indikátorem schopnosti rozpoznávat emoce. A také že verbální schopnosti hrají důležitou roli v porozumění emocionálně zabarvenému jazyku. Dále jsou vztahy prozkoumány za pomocí hierarchické regresní analýzy. Analýza proběhla ve dvou krocích: v prvním modelu se testuje vliv proměnné rozpoznávání 55 VÝSLEDKY emocí na proměnnou emoční slova a ve druhém modelu je přidána proměnná obecná verbální schopnost. Deskriptívni statistiky všech proměnných jsou podrobněji uvedeny v předchozích kapitolách. Nejprve jsou ověřeny předpoklady lineární regrese. Regresní rezidua jsou přibližně normálně rozdělena. Dále je vypočítán Durbin-Watsonův koeficient nezávislosti reziduí, i jeho hodnota je v pořádku: Durbin-Watson (M^ = 1,85 [p = 0,30), DurbinWatson (M2) = 1,99 [p = 0,92). V neposlední řadě je ověřen předpoklad homoskedascity, který ukazuje, že mezi proměnnými není výrazná kolinearita [VIF < 10, tolerance > 0,1). V prvním modelu (Mi) se ukazuje, že samotné rozpoznávání emocí vysvětluje přibližně pouze 9 % (p < 0,001) variability v orientaci v emočně nabitých slovech. Druhý model (M2 ) prokazuje výrazně lepší predikční schopnost. Kombinace rozpoznávání emocí a obecné verbální schopnosti vysvětluje 36 % variability v proměnné emoční slova. To naznačuje, že obecné verbální schopnosti hrají zásadní roli při orientaci v emočně nabitých slovech. Vliv obecné verbální schopnosti je silný (/? = 0,53, p < 0,001). Po přidání této proměnné se koeficient rozpoznávání emocí snížil oproti Mi, což ukazuje, že vliv rozpoznávání emocí je menší, když se zohlední verbální schopnosti, ale stále zůstává statisticky významný. Celkově výsledky naznačují, že zatímco rozpoznávání emocí má pozitivní, ale slabší vliv na orientaci v emočně nabitých slovech, obecné verbální schopnosti mají vliv mnohem silnější. Model M 2 , který zahrnuje obě proměnné, lépe vysvětluje orientaci v emočních slovech. To podporuje hypotézu, že obecné verbální schopnosti jsou klíčovým faktorem pro orientaci v emočně nabitých slovech. Rozpoznávání emocí hraje také svoji roli, ale v menší míře. Tabulka 14 Lineární regrese 95%Cl B dolní limit horní limit SE P Model 0 Intercept 45,96 45,01 46,92 0,48 <0,001 Model 1 Intercept 26,44 17,42 35,47 4,57 <0,001 Rozpoznávání emocí 0,40 0,22 0,59 0,09 0,30 <0,001 Model 2 Intercept 26,32 18,69 33,95 3,87 <0,001 Rozpoznávání emocí 0,22 0,06 0,38 0,08 0,16 <0,01 Obecné verbální schopnosti 0,61 0,47 0,93 0,53 0,53 <0,001 (Mi) R2 = 0,09, (M3) R2 = 0,36 56 VÝSLEDKY Na základě uvedených výsledku lze konstatovat, že schopnost orientace v emočně nabitých slovech je ovlivněna jak schopností rozpoznávat emoce, tak obecnými verbálními schopnostmi. Obecné verbální schopnosti se zde ukázaly jako hlavní prediktor se silnějším vlivem. Tento výsledek naznačuje, že obecné verbální schopnosti jsou klíčové pro pochopení emočně nabitých slov a výrazně posilují orientaci v jejich významu. Přítomnost vlivu rozpoznávání emocí však naznačuje, že určité aspekty emoční inteligence mohou hrát podpůrnou roli v porozumění emocionálnímu obsahu slov. Lze tedy zhodnotit, že schopnost porozumět emočním slovům může do určité míry sloužit jako indikátor projevů emoční inteligence. 57 DISKUZE 4 Diskuze Jazyk hraje klíčovou roli ve schopnosti rozpoznávat, vnímat a vyjadřovat emoce v každodenním životě. Pomáhá vytvářet významové struktury a asociace, jež spojují konkrétní slova s emocemi. Předchozí výzkumy naznačují úzký vztah mezi emoční inteligencí a verbálními dovednostmi (např. Nook et al., 2017; Streubel et al., 2020; Vólker, 2020). Přesto je to téma, které i přes snahu o inovativní přístupy zůstává na poli vědeckého výzkumu nejednoznačne uchopené (např. Barett 2017; Ekman & Cordaro, 2011; Hoemann et al., 2020). Ukazuje se, že orientace v emočních slovech může přispívat ke schopnosti emoce rozpoznávat (Lecker & Aviezer, 2021; Streubel et al., 2020), ovšem přímá návaznost k obecné verbální znalosti nebývá často zkoumána. Diplomová práce proto přispívá k zodpovězení otázky o roli obecné slovní zásoby v kontextu socio-emočních kompetencí a ukazuje, že schopnost rozpoznávaní emocí a verbální schopnosti jsou propojené a že obecné verbální schopnosti mohou podporovat orientaci ve významu emočně nabitých slov. Mimo to práce potvrzuje potenciál subtestů Ferdo a Profesor Zíravý z diagnostické hry Frída a podivuhodná galerie pro odhalování deficitů v socio-emočních kompetencích. 4.1 Zhodnocení výzkumných nástrojů Analýza subtestu Ferdo vedla k návrhu na zredukování počtu položek. V položkové analýze v pojetí CTT se ukázalo, že některé položky měly slabý vztah k celkovému skóru a nepřispívaly tedy dostatečně ke spolehlivosti metody. Na tomto základě bylo vyřazeno 26 položek, finální reliabilita metody byla odhadnuta následovně: a = 0,73 a o) = 0,73. Dále byla zkoumána struktura metody v kontextu IRT. Byl odhadnut 2PL model, který poměrně dobře odrážel data. Marginální reliabilita byla mírně nižší R(6) = 0,69, zároveň ale výrazně lepší hodnoty dosahovala při podprůměrné úrovni latentní schopnosti [R(9] > 0,8). Většina položek měla přijatelné parametry diskriminace i obtížnosti, které dále přispívaly ke kvalitnímu měření pro žáky s nižší úrovní schopnosti. Přesto výsledky poukázaly na dalších 10 položek, jejichž úprava či vyřazení by mohly přispět ke zkvalitnění metody. Mimo to je na místě více zanalyzovat metodu s ohledem na jednotlivé subškály, neboť se při analýze jako problematické ukazovaly převážně položky ze dvou subškál: Pojmenovávání emocí a Porovnávání emocí. Výzkumy naznačují, že schopnost pojmenovat emoce vyžaduje práci s emočními reprezentacemi, emočním obsahem (Barrett, 2017; Lindquist et al., 2015a) i adekvátní slovní zásobu (Streubel et al., 2020; Widen, 2013). Pojmenování emocí tedy představuje komplexní proces, který zahrnuje jak sémantické, tak i emocionální zpracování. Porovnávání emocí vyžaduje abstraktní myšlení, práci s kategoriemi a schopnost zvažovat nuance v emočním obsahu (Nelson et 58 DISKUZE al., 2018). Na pozadí odpověďových procesů v těchto subškálách tedy mohou být ještě další kognitivní procesy, které je možné zvážit pro další práci s metodou. U subtestu Profesor Zíravý bylo ze stejných důvodů jako výše na základě CTT položkové analýzy vyřazeno 18 položek. Metoda s 44 položkami dosahovala vysoké reliability: a = 0,87, o) = 0,87. V pojetí IRT byl odhadnut 3PL se zafixovaným parametrem (g) na hodnotě 0,5. Přizpůsobení parametru umožnilo více využít binární charakter položek a vzít v potaz možnost náhodného uhádnutí správné odpovědi. Ve srovnání s dalšími modely právě 3PL model vykazoval nejlepší fit. Marginální reliabilita byla odhadnuta na R(6) = 0,85, přičemž takto vysoké hodnoty dosahoval subtest zejm. při podprůměrné latentní schopnosti. Na druhou stranu test poskytoval pro tuto úroveň schopnosti nevšedně vysokou testovou informaci, k čemuž pravděpodobně přispěl narušený předpoklad lokální nezávislosti zejm. v subškále Valence. Analýza parametrů položek namířila pozornost na problematické položky, které dosahovaly vysokého diskriminačního parametru. Tyto položky současně nedostatečně odrážely empirická data. V tomto případě byla na místě další úprava metody a bylo odstraněno 10 položek. Dle očekávání se fit modelu nezlepšil, protože byly odstraněny položky s vysokou testovou informací. Na druhou stranu tyto položky v nesprávné míře vylepšovaly fit mo­ delu. Kromě těchto úprav je na místě analýza obou subškál samostatně, neboť zejm. subškála Valence se ukázala jako problematická. Výsledky analýzy však mohou být ovlivněny skutečností, že úkolem žáků je hodnocení stejné vlastnosti slova (valence, intenzita), přičemž obsah některých emočních slov může být pro žáky natolik blízký, že odpovědi na jednotlivé položky jsou ovlivněny nejen latentní proměnnou, ale také podobným významovým vnímáním slov (srov. Megalakaki et al., 2019; Warriner et al., 2013). Pokud se podíváme na celkový výkon v subtestech, tak žáci dosáhli v průměru poměrně dobrých výsledků. Částečně se potvrzuje, že základní emoce jsou k rozpoznání nejpřístupnější (Dores et al., 2020; Rodger et al., 2015, Streubel et al., 2020). Tváře vyvolávají přímější a rychlejší emocionální reakce, zatímco slova vyžadují více kognitivního zpracování, což může vést k rozdílům v časování a intenzitě reakcí mozku (Bayer & Schacht, 2014). Na druhou stranu testovaní žáci jsou již ve věku, kdy mají rozvinutý emoční slovník, který dokáží využívat i bez kontextu (Shablack et al., 2020), a měli by být schopni odlišovat nuance mezi různými emocionálními obsahy (Streubel et al., 2020). Velmi důležitý výsledek této práce je však celkové ověření her jakožto měřicích nástrojů, které jsou zaměřené na odhalení deficitů v socio-emočních kompetencích. Systém Invenio se zaměřuje primárně na identifikaci mimořádně intelektově nadaných žáků. Avšak někteří z těchto žáků mohou mít potíže v socio-emoční oblasti. Potvrzení možnosti subtestů měřit deficity v této oblasti je tedy v tomto kontextu přínosný pro další rozvoj diagnostického systému. 59 DISKUZE Deficity v socio-emoční oblasti mají silnou spojitost s vyšší pravděpodobností psychických problémů, jako jsou úzkosti, deprese a agresivní chování. Nižší úroveň El může mít za důsledek obtíže s regulací emocí, což znamená větší zranitelnost vůči psychologickým maladaptacím (Resurrección et al., 2014). Odhalení deficitů v této oblasti může napomoci k cílené intervenci, která poskytne nástroje pro zvládání stresu a problémů v mezilidských vztazích, což může působit pozitivně na psychické zdraví. Z praktického hlediska se tedy nabízí přenést podporu rozvoje El přímo do škol. Výsledky některých studií naznačují, že školní kontext, podpora učitelů a přítomnost vhodných vzorců chování ovlivňují rozvoj El (např. McKown, 2019). V kontextu výsledků této práce a vlivu verbálních schopností na rozpoznávání emocí je na místě podpora rozvoje emocionální slovní zásoby (např. pomocí čtení příběhů, které obsahují různé emoce), ať už jako součást vzdělávacích či terapeutických programů. Takový přístup by mohl napomoci dětem i dospělým lépe porozumět vlastním emocím a zlepšit dovednosti emoční regulace, což j e důležité pro celkové duševní zdraví a sociální adap­ taci. 4.2 Interpretace testování hypotéz Výsledky analýz potvrzují hypotézu, že orientace v emočně nabitých slovech je ovlivněna jak schopností rozpoznávat emoce, tak obecnými verbálními schopnostmi. Díky tomu můžeme uvažovat o orientaci v emočně nabitých slovech jako o indikátoru socioemočních kompetencí. Tato práce tak doplňuje důkazy o tom, že slovní zásoba podporuje porozumění emocím (Beck et al., 2012; Nook et al., 2017) a že emoční slova souvisí se schopností rozpoznávat emoce (Lecker & Aviezer, 2021; Lindquist & Gendron, 2013, Streubel et al., 2020). S rostoucí úrovní verbálních schopností se u dětí rozvíjí komplexnější porozumění emocím, což znamená, že děti s lepšími verbálními schopnostmi mají tendenci si vytvořit složitější emocionální reprezentace (Nook et al., 2017). Emocionální reprezentace jsou navázány na emoční slovní zásobu (Lindquist et al., 2015b), jejíž rozvoj může být klíčový právě pro lepší porozumění emocím (Streubel et al., 2020). Z klinického hlediska to dokládají též studie zaměřené na osoby s alexithymií, které mají obvykle omezenou emoční slovní zásobu. Omezené prostředky pro popis emocí tak pravděpodobně dále přispívají k jejich obtížím s rozpoznáním a pojmenováním emociálních stavů (Lee et al., 2022). 60 DISKUZE 4.3 Limity Jeden ze zásadních výsledků práce je současně jejím limitem, a to zaměření diagnostických her na odhalování deficitů v socio-emoční oblasti. Zjištění potvrzují, že metody dokáží odhalit deficity v této oblasti, zároveň ale výsledky nejsou vystavěny na respondentech s výrazně nižší úrovní schopnosti. Tento limit tedy vybízí k potřebě dalších testování, která by zahrnovala rozšířený vzorek o žáky, u kterých se dají předpokládat deficity v socio-emoční oblasti. Tuto skupinu by mohli tvořit žáci s poruchami autistického spektra, ADHD, část nadaných žáků, u kterých jsou dlouhodobě patrné problémy v socio-emoční oblasti, žáci s opožděným řečovým vývojem apod. Tento předpoklad nachází oporu též v aplikaci na klinickou praxi či kognitivní neurovědy, protože například dle studie Bayer a Schacht (2014) mohou mít lidé s poruchami chování nebo poruchami autistického spektra odlišné reakce na emocionální tváře v důsledku rozdílných mozkových odpovědích na různé typy emocionálních podnětů. Dalším limitem je diskuze o stanovování správných odpovědí v nástrojích zaměřených na El. Určení správné odpovědi je komplikováno subjektivní povahou emocí a jejich prožívání. Zatímco u výkonnostních testů jsou jasně stanovené správné a špatné odpovědi, u „emočních položek" není tak jasná shoda - zhodnocení zahrnuje sociální percepci, empatii a aspekty mezilidských vztahů, což jsou kvality, u nichž správné odpovědi mohou záviset na kontextu a individuálním náhledu. Stanovení správných odpovědí na takové položky je předmětem diskuzí i kritiky již několik let. Při použití metody jako je například MSCEIT, jsou odpovědi hodnoceny na základě konsensu širšího vzorku respondentů. Odpověď je označena jako správná, pokud odpovídá souhlasu většiny (Mayer et al., 2016). Tento přístup však může být kritizován vzhledem ke kulturním a sociálním odlišnostem, které ovlivňují, co lidé považují za „správné" nebo „ideální" emoční reakce. Dalším přístupem je expertní konsenzus, který byl použit i v případě měřicích nástrojů v této práci. Výhodou je získání odborně stanovené správné odpovědi, což může zvyšovat spolehlivost výsledků. Na druhou stranu, výběr expertů a jejich názory mohou být subjektivní nebo mohou být zkresleny jiným způsobem. Obecně experti na oblast emočního prožívání nemusí nutně vykazovat takovou schopnost, kterou chceme měřit daným testem (Zeidner et al., 2001). I přesto je použití expertního konsenzu lepší variantou, protože umožňuje eliminovat některé z problémů spojených s kulturními a sociálními odlišnostmi, které mohou být přítomny v širším vzorku respondentů. Expertní konsenzus totiž zajišťuje, že hodnocení odpovědí je založeno na odborné znalosti a teorii, což zvyšuje relevantnost výsledků v kontextu měření El. V neposlední řadě můžeme vzít v úvahu omezení dané možnou návazností zkoumaných schopností na odpověďové procesy u verbálních položek, případně intelekt. Předpokládáme, že principy odpověďových procesů jsou ovlivněny několika faktory, kde klíčovou roli hraje míra znalosti jednotlivých slov. Pokud žák rozumí jednomu slovu, ale druhé slovo nezná, jeho odpověď může být zkreslena na základě jeho 61 DISKUZE předchozích zkušeností a schopnosti odhadnout význam neznámého slova. Tento jev naznačuje, že odpovědi mohou být ovlivněny nedostatečnou znalostí některých pojmů, což se projevuje jako substituce nebo domněnka. Kromě toho může mít vliv i frekvence slov užitých v emočně verbálním testu, neboť slova s vyšší frekvencí jsou pro žáka lépe dostupná a rychleji rozpoznatelná. Dle studie Hinojosa et al. (2019) mohou frekvence a dostupnost slov reflektovat nejen jazykovou kompetenci, ale i širší kognitivní a intelektové schopnosti žáka. V dalších výzkumech je nezbytné ověřit validitu metod z testu Frída. Jednou z možností je ověření souběžné validity například prostřednictvím metody IDS, která obsahuje socio-emoční subtest. Další variantou je ověření diskriminační validity. Zde může hrát roli právě výše zmíněný intelekt. Intelekt měřený inteligenčními bateriemi se zaměřuje na kognitivní schopnosti, jako je deduktivní a induktivní myšlení, rychlost zpracování informací a verbální či numerické schopnosti aj. Emoční inteligence se orientuje na emoční procesy (na schopnost emoce rozpoznávat, používat, rozumět jim a regulovat je). Tyto dva konstrukty jsou sice teoreticky odlišné, ale zároveň se ukazuje, že spolu souvisí - mezi El a inteligencí může existovat slabá až střední pozitivní korelace, protože obě schopnosti zahrnují složky zpracování informací (např. Mayer et al., 2008; MacCann etal., 2014; Zeidner etal., 2001). V této práci byly projevy El dávány do souvislosti s verbálními schopnostmi, které jsou v CHC teorii kognitivních schopností součást krystalizované inteligence, a jistá souvislost se mezi proměnnými ukázala. I proto se nabízí ještě hlubší prozkoumání v souvislosti s dalšími složkami inteligence, resp. fluidní inteligencí. 62 ZÁVĚR 5 Závěr Diplomová práce potvrdila předpoklady o propojení mezi socio-emočními dovednostmi a verbálními schopnostmi. Analýzy ukázaly že orientace v emočně nabitých slovech je spojena nejen se schopností rozpoznávat emoce, ale také s úrovní obecných verbálních schopností. Bylo zjištěno, že porozumění emočně nabitým slovům může sloužit jako indikátor projevů emoční inteligence. Tyto výsledky zároveň podtrhují důležitost dalšího zkoumání těchto vztahů, zejména v kontextu vývoje u dětí, u kterých se jazykové a socio-emoční dovednosti teprve utvářejí. Celkově výsledky vyzdvihují vztah mezi jazykem a emocemi a otevírají prostor pro další výzkumy v této oblasti. V neposlední řadě analýzy poskytly důkazy o vlastnostech diagnostických nástrojů Ferdo a Profesor Zíravý pro měření schopnosti rozpoznávání emocí a orientace v emočně nabitých slovech. Potvrdil se potenciál těchto nástrojů pro odhalování deficitů v oblasti socio-emočních dovedností. 63 POUŽITÉ ZDROJE Použité zdroje Aitchison, J. (2003). Words in the mind: An Introduction to the Mental Lexicon. Wiley- Blackwell. Amťhauer, R., Brocke, B., Liepmann, D., & Beauducel, A. (2005). Test struktury inteligence I-S-T2000 R (A. Plháková, Ed.). Testcentrum. Bahn, D., Vešker, M., Alanis, J. C. G., Schwarzer, G., & Kauschke, C. (2017). AgeDependent Positivity-Bias in children's processing of emotion terms. Frontiers in Psychology, 8. https://doi.org/10.3389/fpsyg.2017.01268 Bar-On, R. (1997). The emotional quotient inventory (EQ-i): A test of emotional intelligence. Multi-Health Systems. Barrett, L. F. (2006). Are emotions natural kinds? Perspectives on Psychological Science, 2(1), 28-58. https://doi.Org/10.llll/j.1745-6916.2006.00003.x Barrett, L. F. (2017). The theory of constructed emotion: an active inference account of interoception and categorization. Social Cognitive and Affective Neuroscience, 22(11), 1833. https://doi.org/10.1093/scan/nsx060 Barrett, L. F., Adolphs, R., Marsella, S., MartíNez, A. M., & Pollak, S. D. (2019). Emotional expressions reconsidered: challenges to inferring emotion from human facial movements. Psychological Science in the Public Interest, 20(1), 1- 68. https://doi.org/10.1177/1529100619832930 Bayer, M., & Schacht, A. (2014). Event-related brain responses to emotional words, pictures, and faces: a cross-domain comparison. Frontiers in Psychology, 5. https://doi.org/10.3389/fpsyg.2014.01106 65 POUŽITÉ ZDROJE Beck, L., Kumschick, I. R., Eid, M., & Klann-Delius, G. (2012). Relationship between language competence and emotional competence in middle childhood. Emotion, Í2(3), 503-514. https://doi.org/10.1037/a0026320 Boddaert, G., Cornut, C, & Casalis, S. (2021). Integration of newly learned L2 words into the mental lexicon is modulated by vocabulary learning method. Acta Psychologica,212,103220. https://doi.Org/10.1016/j.actpsy.2020.103220 Boot, W. R. (2015). Video games as tools to achieve insight into cognitive processes. Frontiers in Psychology, 6. https://doi.org/10.3389/fpsyg.2015.00003 Brownell, C. A., Svetlova, M., Anderson, R., Nichols, S. R., & Drummond, J. (2012). Socialization of Early Prosocial Behavior: Parents' Talk About Emotions is Associated With Sharing and Helping in Toddlers. Infancy, 18(1), 91-119. https://doi.Org/10.llll/j.1532-7078.2012.00125.x Carroll, J. B. (1993). Human cognitive abilities: A Survey of Factor-Analytic Studies. Cambridge University Press. Cattell, R. B. (1943). The measurement of adult intelligence. Psychological Bulletin, 40(3), 153-193. https://doi.org/10.1037/h0059973 Chalupa, B. (2015). Mentální slovník: Jak rozumíme slovům. Littera. De Ayala, R. J. (2022). The Theory and Practice of Item Response Theory. Guilford Publications. Dong, Y., Shichun, G., & MacWhinney B. (2005). Shared and separate meanings in the bilingual mental lexicon. Bilingualism: Language and Cognition, 8(3), 221-238. https://doi.org/10.1017/sl366728905002270 66 POUŽITÉ ZDROJE Dores, A. R., Barbosa, F., Queirös, C, Carvalho, I. P., & Griffiths, M. D. (2020). Recognizing Emotions through Facial Expressions: A Largescale Experimental Study. International Journal of Environmental Research and Public Health, i7(20), 7420. https://doi.org/10.3390/ijerphl7207420 Ekman, R (1992). An argument for basic emotions. Cognition & Emotion, 6(3-4), 169- 200. https://doi.org/10.1080/02699939208411068 Ekman, R (1993). Facial expression and emotion. American Psychologist, 48(4), 384- 392. https://doi.Org/10.1037/0003-066x.48.4.384 Ekman, R, & Cordaro, D. T. (2011). What is Meant by Calling Emotions Basic. Emotion Review, 3(4), 364-370. https://doi.org/10.1177/1754073911410740 Elfenbein, H. A. (2013). Nonverbal dialects and accents in facial expressions of emotion. Emotion Review, 5(1), 90-96. https://doi.org/10.1177/1754073912451332 Elman, J. L. (2004). An alternative view of the mental lexicon. Trends in Cognitive Sciences, 8(7), 301-306. https://doi.Org/10.1016/j.tics.2004.05.003 Fernändez-Abascal, E. G., & Diaz, M. D. M. (2015). Dimensions of emotional intelligence related to physical and mental health and to health behaviors. Frontiers in Psychology, 06. https://doi.org/10.3389/fpsyg.2015.00317 Frijda, N. H. (1986). The emotions. Cambridge University Press. Furnham, A., & Taylor, N. (2020). The relationship between emotional intelligence and occupational personality scales in senior management. Personality and Individual Differences, 154,109647. https://doi.Org/10.1016/j.paid.2019.109647 67 POUŽITÉ ZDROJE Gardner, H. (1993). Multiple Intelligences: The Theory In Practice. Basic Books. Gillioz, C, Gygax, P., & Tapiero, I. (2012). Individual differences and emotional inferences during reading comprehension. Canadian Journal of Experimental Psychology, 66[4), 239-250. https://doi.org/10.1037/a0028625 Goleman, D. (1995). Emotional intelligence: Why it can matter more than IQ. Bantam Books. Grob, A., Meyer, Ch. S., & Hagmann-von Arx, P. (2013). Inteligenční a vývojová škála pro děti ve věku 5-10 let. Hogrefe - Testcentrum. Grob, A., Reimann, G., Gut, ]., & Frischknecht, M. C. (2018). IDS-P - Inteligenční a vývojová škála pro předškolní děti. Hogrefe - Testcentrum. Groíšmann, T, & Jessen, S. (2017). When in infancy does the "fear bias" develop? Journal of Experimental Child Psychology, 153,149-154. https://doi.Org/10.1016/j.jecp.2016.06.018 Guilford, J. P. (1968). The nature of human intelligence. American Educational Research Journal, 5(2), 249. https://doi.org/10.2307/1161820 Hamari, J., Koivisto, J., & Sarsa, H. (2014). Does Gamification Work? - A Literature Review of Empirical Studies on Gamification. 47th Hawaii International Conference on System Sciences, 2014, 3025-3034, doi: 10.1109/HICSS.2014.377. Hinojosa, J. A., Moreno, E. M., & Ferré, P. (2019). Affective neurolinguistics: towards a framework for reconciling language and emotion. Language Cognition and Neuroscience, 35(7), 813-839. https://doi.org/10.1080/23273798.2019.1620957 68 POUŽITÉ ZDROJE Hoemann, K., Nielson, C, Yuen, A., Gurera, J. W., Quigley, K. S., & Barrett, L. F. (2021). Expertise in emotion: A scoping review and unifying framework for individual differences in the mental representation of emotional experience. Psychological Bulletin, 147(11), 1159-1183. https://doi.org/10.1037/bul0000327 Hoemann, K., Wu, R., LoBue, V., Oakes, L. M., Xu, F, & Barrett, L. F. (2020). Developing an Understanding of Emotion Categories: Lessons from Objects. Trends in Cognitive Sciences, 24(1), 39-51. https://doi.Org/10.1016/j.tics.2019.10.010 Hoemann, K., Xu, F, & Barrett, L. F. (2019). Emotion words, emotion concepts, and emotional development in children: A constructionist hypothesis. Developmental Psychology, 55(9), 1830-1849. https://doi.org/10.1037/dev0000686 Horn, J. L. (1989). Models of intelligence. In R. L. Linn (Ed.), Intelligence, measurement, theory and public policy (pp. 29-73). University of Illinois Press. Israelashvili, J., & Fischer, A. H. (2022). Recognition of Emotion from Verbal and Nonverbal Expressions and Its Relation to Effective Communication: A Preliminary Evidence of a Positive Link. Journal of Intelligence, 11(1), 6. https://doi.org/10.3390/jintelligencell010006 Jiang, W., Huang, S., & Hou, P. (2019). Emotional intelligence, emotional labor, perceived organizational support, and job satisfaction: A moderated mediation model. International Journal of Hospitality Management, 81,120-130. https://doi.Org/10.1016/j.ijhm.2019.01.009 Kan, K, Kievit, R. A., Dolan, C. V, & Van Der Maas, H. L. J. (2011). On the interpretation of the CHC factor Gc. Intelligence, 39(5), 292-302. https://doi.Org/10.1016/j.intell.2011.05.003 69 POUŽITÉ ZDROJE Keith, T. Z., & Reynolds, M. R. (2010). Cattell-Horn-Carroll abilities and cognitive tests: What we've learned from 20 years of research. Psychology in the Schools, 47(7), 635-650. https://doi.org/10.1002/pits.20496 Keltner, D., Sauter, D., Tracy, J. L., & Cowen, A. (2019). Emotional expression: Advances in basic emotion theory. Journal of Nonverbal Behavior, 43(2), 133-160. https://doi.org/10.1007/sl0919-019-00293-3 Kihlstrom, J. E, & Cantor, N. (2000). Social intelligence. In R. J. Sternberg (Ed.), Handbook of Intelligence (pp. 359-379). Cambridge University Press. https://doi.org/10.1017/cbo9780511807947.017 Lecker, M., & Aviezer, H. (2021). More than Words? Semantic Emotion Labels Boost Context Effects on Faces. Affective Science, 2(2), 163-170. https://doi.org/10.1007/s42761-021-00043-z Lee, K. S., Murphy, J., Catmur, C, Bird, G., & Hobson, H. (2022). Furthering the language hypothesis of alexithymia: An integrated review and meta-analysis. Neuroscience & Biobehavioral Reviews, 141,104864. https://doi.Org/10.1016/j.neubiorev.2022.104864 Lindquist, K. A., & Gendron, M. (2013). What's in a word? Language constructs emotion perception. Emotion Review, 5(1), 66-71. https://doi.org/10.1177/1754073912451351 Lindquist, K. A., MacCormack, J. K, & Shablack, H. (2015a). The role of language in emotion: predictions from psychological constructionism. Frontiers in Psychology, 6. https://doi.org/10.3389/fpsyg.2015.00444 Lindquist, K. A., Satpute, A. B., & Gendron, M. (2015b). Does language do more than communicate emotion? Current Directions in Psychological Science, 24(2), 99- 108. https://doi.org/10.1177/0963721414553440 70 POUŽITÉ ZDROJE MacCann, C, Jiang, Y., Brown, L. E. R., Double, K. S., Bucich, M., & Minbashian, A. (2020). Emotional intelligence predicts academic performance: A metaanalysis. Psychological Bulletin, 146{2], 150-186. https://doi.org/10.1037/bul0000219 MacCann, C, Joseph, D. L., Newman, D. A , & Roberts, R. D. (2014). Emotional intelligence is a second-stratum factor of intelligence: Evidence from hierarchical and bifactor models. Emotion, 14{2], 358-374. https://doi.org/10.1037/a0034755 MacDonald, M. C. (2013). How language production shapes language form and comprehension. Frontiers in Psychology, 4. https://doi.org/10.3389/fpsyg.2013.00226 Mancini, G., Agnoli, S., Baldaro, B., Bitti, P. E. R., & Surcinelli, P. (2013). Facial Expressions of Emotions: recognition accuracy and affective reactions during late childhood. The Journal of Psychology, 147[€), 599-617. https://doi.org/10.1080/00223980.2012.727891 Matthews, G., Zeidner, M., & Roberts, R. D. (2002). Emotional Intelligence: Science and myth. Boston Review. Mayer, J. D., Caruso, D. R., & Salovey P. (2016). The ability Model of Emotional intelligence: Principles and updates. Emotion Review, 8(4), 290-300. https://doi.org/10.1177/1754073916639667 Mayer, J. D., & Salovey, P. (1997). What is emotional intelligence. In P. Salovey & D. J. Sluyter (Eds.), Emotional development and emotional intelligence: Educational implications (pp. 3-34). Basic Books. 71 POUŽITÉ ZDROJE Mayer, J. D., Salovey P., & Caruso, D. R. (2000). Models of emotional intelligence. In R. J. Sternberg (Ed.), Handbook of Intelligence (pp. 396-420). Cambridge University Press, https://doi.org/10.1017/cbo9780511807947.019 Mayer, J. D., Salovey, P., & Caruso, D. R. (2002a). Mayer-Salovey-Caruso Emotional Intelligence Test (MSCEIT) Item Booklet. MHS Publishers. Mayer, J. D., Salovey, P., & Caruso, D. R. (2002b). Mayer-Salovey-Caruso Emotional Intelligence Test (MSCEIT) User's Manual. MHS Publishers. Mayer, J. D., Salovey, P., & Caruso, D. R. (2008). Emotional intelligence: New ability or eclectic traits? American Psychologist, 63(6), 503-517. https://doi.Org/10.1037/0003-066x.63.6.503 Mayer, J. D., Salovey, P., & Caruso, D. R. (2011). MSCEIT- Test emoční inteligence. Hogrefe - Testcentrum. McGrew, K. S., LaForte, E. M., & Schrank, F. A. (2019). Woodcock-Johnson IV. Technický manuál verze 2.0 (T. Urbánek, Ed.). Propsyco. McKown, C. (2019). Challenges and opportunities in the applied Assessment of student social and Emotional learning. Educational Psychologist, 54(3), 205- 221. https://doi.org/10.1080/00461520.2019.1614446 Megalakaki, 0., Ballenghein, U., & Baccino, T. (2019). Effects of valence and emotional intensity on the comprehension and memorization of texts. Frontiers in Psychology, 10. https://doi.org/10.3389/fpsyg.2019.00179 72 POUŽITÉ ZDROJE Megías-Robles, A., Sánchez-López, M. T., Gómez-Leal, R., Cabello, R., Gutiérrez-Cobo, M. ]., & Fernández-Berrocal, R (2023). Impulsivity and sensitivity to reward as mediating factors of the negative relationship between emotional intelligence and health-related risk-taking: evidence from a sample of university students. BMC Psychology, íí(386). https://doi.org/10.1186/s40359-023-01417-7 Nelson, N. L., Nowicki, E., Diemer, M. C, Sangster, K., Cheng, C. Y., & Russell, J. A. (2018). Children can create a new emotion category through a process of elimination. Cognitive Development, 47,117-123. https://doi.Org/10.1016/j.cogdev.2018.04.006 Nelson, N. L., & Russell, J. A. (2016). A facial expression of pax: Assessing children's "recognition" of emotion from faces. Journal of Experimental Child Psychology, 141, 49-64. https://doi.Org/10.1016/j.jecp.2015.07.016 Nook, E. C, Sasse, S. E, Lambert, H. K., McLaughlin, K. A, & Somerville, L. H. (2017). Increasing verbal knowledge mediates development of multidimensional emotion representations. Nature Human Behaviour, 1 (12), 881-889. https://doi.org/10.1038/s41562-017-0238-7 Nook, E. C, Stavish, C, Sasse, S. E, Lambert, H. K., Mair, R, McLaughlin, K. A., & Somerville, L. H. (2020). Charting the development of emotion comprehension and abstraction from childhood to adulthood using observerrated and linguistic measures. Emotion, 20(5), 773-792. https://doi.org/10.1037/emo0000609 Oakes, L. M. (2023). The cascading development of visual attention in infancy: learning to look and looking to learn. Current Directions in Psychological Science, 32(5), 410-417. https://doi.org/10.1177/09637214231178744 73 POUŽITÉ ZDROJE O'Connor, P. J., Hill, A., Kaya, M., & Martin, B. (2019). The Measurement of Emotional Intelligence: A critical review of the literature and recommendations for researchers and practitioners. Frontiers in Psychology, 10. https://doi.org/10.3389/fpsyg.2019.01116 Petrides, K. V., & Furnham, A. (2001). Trait emotional intelligence: psychometric investigation with reference to established trait taxonomies. European Journal of Personality, 15(6), 425-448. https://doi.org/10.1002/per.416 Pinker, S. (1998). Words and rules. Lingua, 106(1-4), 219-242. https://doi.org/10.1016/s0024-3841(98)00035-7 Pinker, S. (2000). The irregular verbs. Landfall, 83-85. Portesova, S., Straka, 0., Jaburek, M., Palisek, P., Jajcaj, E, Sromova, V., Macek, D., Hlavica, M., Jirasek, P., Doubravova, L., Gregor, L., Novak, Z., Kottman, J., Dostalek, I., Kolin, 0., Biza, M., Benus, A., Burian, J., Cupakova, D.,... Zatloukal, P. (2022). Subtest pro identifikaci socio-emocnich deficitu. [Manual]. Pollak, S. D., Camras, L. A., & Cole, P. M. (2019). Progress in understanding the emergence of human emotion. Developmental Psychology, 55(9), 1801-1811. https://doi.org/10.1037/dev0000789 Rodger, H., Vizioli, L., Ouyang, X., & Caldara, R. (2015). Mapping the development of facial expression recognition. Developmental Science, 18(6), 926-939. https://doi.org/10.llll/desc.12281 Resurrection, D., Salguero, J., & Ruiz-Aranda, D. (2014). Emotional intelligence and psychological maladjustment in adolescence: A systematic review. Journal of Adolescence, 37(4), 461-472. https://doi.Org/10.1016/j.adolescence.2014.03.012 74 POUŽITÉ ZDROJE Ruba, A. L., & Repacholi, B. M. (2020). Beyond language in infant emotion concept development. Emotion Review, 12(4), 255-258. https://doi.org/10.1177/1754073920931574 Russell, J. A. (1991). Culture and the categorization of emotions. Psychological Bulletin, 110(3), 426-450. https://doi.Org/10.1037/0033-2909.110.3.426 Saarni, C. (1999). The development of emotional competence. https://ci.nii.ac.jp/ncid/BA41352782 Salovey R, & Mayer, J. D. (1990). Emotional intelligence. Imagination, Cognition and Personality, 9(3), 185-211. https://doi.org/10.2190/dugg-p24e-52wk-6cdg Schneider, W. J., Mayer, J. D., & Newman, D. A. (2016). Integrating Hot and Cool Intelligences: Thinking Broadly about Broad Abilities. Journal of Intelligence, 4(1). https://doi.org/10.3390/jintelligence4010001 Schneider, W. ]., & McGrew, K. S. (2018). The Cattell-Horn-Carroll Theory of Cognitive Abilities. In D. R Flanagan & E. M. McDonough (Eds.), Contemporary intellectual assessment: Theories, tests, and issues (pp. 73-163). Guilford Press. Schutte, N. S., Malouff, J. M., Hall, L., Haggerty D. J., Cooper, J. T, Golden, C. J., & Dornheim, L. (1998). Development and validation of a measure of emotional intelligence. Personality and Individual Differences, 25(2), 167-177. https://doi.org/10.1016/s0191-8869(98)00001-4 Shablack, H., Stein, A. G., & Lindquist, K. A. (2020). Comment: A role of Language in Infant Emotion Concept Acquisition. Emotion Review, 12(4), 251-253. https://doi.org/10.1177/1754073919897297 Sternberg, R. J. (1996). Successful intelligence: How Practical and Creative Intelligence Determine Success in Life. Simon & Schuster. 75 POUŽITÉ ZDROJE Streubel, B., Gunzenhauser, C, Große, G., & Saalbach, H. (2020). Emotion-specific vocabulary and its contribution to emotion understanding in 4- to 9-year-old children. Journal of Experimental Child Psychology, 193,104790. https://doi.Org/10.1016/j.jecp.2019.104790 Tamminen, J., & Gaskell, M. G. (2013). Novel word integration in the mental lexicon: Evidence from unmasked and masked semantic priming. Quarterly Journal of Experimental Psychology, 66(5), 1001-1025. https://doi.org/10.1080/17470218.2012.724694 Thorndike, E. L. (1920). Intelligence and its uses. Harper's Magazine, 140, 227-235. http://psycnet.apa.org/psycinfo/1920-10067-001 Vaish, A., & Striano, T. (2004). Is visual reference necessary? Contributions of facial versus vocal cues in 12-month-olds' social referencing behavior. Developmental Science, 7(3), 261-269. https://doi.Org/10.llll/j.1467-7687.2004.00344.x Völker, J. (2020). An Examination of Ability Emotional Intelligence and Its Relationships with Fluid and Crystallized Abilities in a Student Sample. Journal of Intelligence, 8(2), 18. https://doi.org/10.3390/jintelligence8020018 Warriner, A. B., Kuperman, V., & Brysbaert, M. (2013). Norms of valence, arousal, and dominance for 13,915 English lemmas. Behavior Research Methods, 45(4), 1191-1207. https://doi.org/10.3758/sl3428-012-0314-x Waterhouse, L. (2006). Multiple Intelligences, the Mozart Effect, and Emotional Intelligence: A Critical review. Educational Psychologist, 41(4), 207-225. https://doi.org/10.1207/sl5326985ep4104_l Widen, S. C. (2013). Children's Interpretation of Facial Expressions: The Long Path from Valence-Based to Specific Discrete Categories. Emotion Review, 5(1), 72- 77. https://doi.org/10.1177/1754073912451492 76 POUŽITÉ ZDROJE Yen, P., Lee, C, Cheng, Y., & Chiang, C. M. (2023). Neural correlates of understanding emotional words in late childhood. International Journal ofPsychophysiology, 183, 19-31. https://doi.Org/10.1016/j.ijpsycho.2022.ll.007 Zeidner, M., Matthews, G., & Roberts, R. D. (2001). Slow down, you move too fast: Emotional intelligence remains an "elusive" intelligence. Emotion, 1(3), 265- 275. https://doi.Org/10.1037/1528-3542.l.3.265 Zeidner, M., Roberts, R. D., & Matthews, G. (2002). Can emotional intelligence be schooled? A critical review. Educational Psychologist, 37(4), 215-231. https://doi.org/10.1207/sl5326985ep3704_2 Zhang, J., Wu, C, Meng Y., & Yuan, Z. (2017). Different neural correlates of EmotionLabel words and Emotion-Laden words: an ERP study. Frontiers in Human Neuroscience, 11. https://doi.org/10.3389/fnhum.2017.00455 Zhao, Y, Yu, D., Wang L., Zhu, X., Guo, J., & Wang Z. (2016). Effects of valence and arousal on emotional word processing are modulated by concreteness: Behavioral and ERP evidence from a lexical decision task. International Journal ofPsychophysiology, 110, 231-242. https://doi.Org/10.1016/j.ijpsycho.2016.07.499 Zieber, N., Kangas, A., Hock, A. J., & Bhatt, R. S. (2014). The development of intermodal emotion perception from bodies and voices. Journal of Experimental Child Psychology, 126, 68-79. https://doi.Org/10.1016/j.jecp.2014.03.005 Zora, H., Riad, T, & Ylinen, S. (2019). Prosodically controlled derivations in the mental lexicon. Journal of Neurolinguistics, 52,100856. https://doi.Org/10.1016/j.jneuroling.2019.100856 77