Опрос-голосование "Какие свойства теста надо различать"?

В группе TESTbyTEST мы недавно провели голосование на эту тему.
Получили вполне закономерные результаты, которые отображены
на скриншоте ниже.

Тем, кому из посетителей форума, тоже хотелось бы ответить, предоставляем
такую возможность, а затем обсудим.

Возможно это покажется кому-то занудством, но...
Устоявшееся словосочетание "психометрические свойства теста" - это все же некоторый проф. жаргон, применяемый для упрощения коммуникации. Сам нередко прибегаю к нему, хотя понимаю, что не прав... поскольку коллег с небольшим психодиагностическим опытом это может вводить в заблуждение.
Когда говорится и пишется о "надежности теста", чаще всего имеют в виду надежность тестовых оценок, рассчитанную для определенной популяции в определенной ситуации. Не более того. Ибо о надежности "теста" можно будет судить лишь после проведения затратного цикла исследований на разных популяциях и в разных условиях, который позволит затем выполнить своеобразный метаанализ в стилистике "обобщения надежности". Это же (даже в еще большей степени) относится к репрезентативности тестовых норм - они еще более чувствительны к характеристикам популяции и диагностической ситуации.
Когда речь идет о "валидности теста", подразумевается не некое "врожденное" свойство теста, а адекватность выводов на основе тестовых оценок (опять-таки в конкретных условиях, на конкретной популяции). В одной ситуации (на одной популяции) они могут быть справедливы, в другой - нет.
Эти позиции закреплены, например, еще в предыдущей редакции американского стандарта (1999).
Что касается достоверности, то здесь опереться на авторитеты не получится, поэтому позволю себе высказать свою точку зрения: это - в минимальной степени характеристика теста как такового; это - характеристика изощренности методов анализа его результатов. При "ручной" обработке говорить об обеспечении достоверности не стоит - это попросту невозможно, и никакие шкалы "лжи" здесь помочь в реальности не в состоянии (разве что создать иллюзию). Поэтому лишь компьютеризация, позволяющая встраивать сколь угодно изощренные методы обработки данных, в состоянии создать некоторые предпосылки к оценке достоверности.
С дискриминативностью немного сложнее. Отчасти это действительно характеристика теста (например, ультракороткий тест в принципе не может быть дискриминативным). Но, в то же время, есть сколько угодно примеров того, как достаточно длинный, на первый взгляд, тест (шкала), демонстрирует низкую дискриминативность... опять-таки, в определенных условиях и на определенной популяции.
Пример: шкала депрессивности Бека, будучи применена на неклинической популяции, более половины респондентов вообще не дифференцирует (получают 0-1 балл из 64 возможных). В неврологической клинике, вероятно, с ее дискриминативностью все в порядке.

С уважением, К.Сугоняев