Обработка данных направлена на решение следующих задач:
1) упорядочивание исходного материала, преобразование множества данных в целостную систему сведений, на основе которой возможно дальнейшее описание и объяснение изучаемых объекта и предмета;
2) обнаружение и ликвидация ошибок, недочетов, пробелов в сведениях; 3) выявление скрытых от непосредственного восприятия тенденций, закономерностей и связей; 4) обнаружение новых фактов, которые не ожидались и не были замечены в ходе эмпирического процесса; 5) выяснение уровня достоверности, надежности и точности собранных данных и получение на их базе научно обоснованных результатов.
Обработка данных имеет количественный и качественный аспекты. Количественная обработка есть манипуляция с измеренными характеристиками изучаемого объекта (объектов), с его «объективизированными» во внешнем проявлении свойствами. Качественная обработка - это способ предварительного проникновения в сущность объекта путем выявления его неизмеряемых свойств на базе количественных данных.
Количественная обработка направлена в основном на формальное, внешнее изучение объекта, качественная - преимущественно на содержательное, внутреннее его изучение. В количественном исследовании доминирует аналитическая составляющая познания, что отражено и в названиях количественных методов обработки эмпирического материала, которые содержат категорию «анализ»: корреляционный анализ, факторный анализ и т. д. Основным итогом количественной обработки является упорядоченная совокупность «внешних» показателей объекта (объектов). Реализуется количественная обработка с помощью математико-статистических методов.
В качественной обработке доминирует синтетическая составляющая познания, причем в этом синтезе превалирует компонент объединения и в меньшей степени присутствует компонент обобщения. Обобщение - прерогатива следующего этапа исследовательского процесса- интерпретационного. В фазе качественной обработки данных главное заключается не в раскрытии сущности изучаемого явления, а пока лишь в соответствующем представлении сведений о нем, обеспечивающем дальнейшее его теоретическое изучение. Обычно результатом качественной обработки является интегрированное представление о множестве свойств объекта или множестве объектов в форме классификаций и типологий. Качественная обработка в значительной мере апеллирует к методам логики.
Противопоставление друг другу качественной и количественной обработок (а, следовательно, и соответствующих методов) довольно условно. Они составляют органичное целое. Количественный анализ без последующей качественной обработки бессмыслен, так как сам по себе он не в состоянии превратить эмпирические данные в систему знаний. А качественное изучение объекта без базовых количественных данных в научном познании - немыслимо. Без количественных данных качественное познание - это чисто умозрительная процедура, не свойственная современной науке. В философии категории «качество» и «количество», как известно, объединяются в категории «мера». Единство количественного и качественного осмысления эмпирического материала наглядно проступает во многих методах обработки данных: факторный и таксономический анализы, шкалирование, классификация и др. Но поскольку традиционно в науке принято деление на количественные и качественные характеристики, количественные и качественные методы, количественные и качественные описания, примем количественные и качественные аспекты обработки данных как самостоятельные фазы одного исследовательского этапа, которым соответствуют определенные количественные и качественные методы.
Качественная обработка естественным образом выливается в описание и объяснение изучаемых явлений, что составляет уже следующий уровень их изучения, осуществляемый на стадии интерпретации результатов. Количественная же обработка полностью относится к этапу обработки данных.
Уже в ходе исследования можно предполагать о его результатах, но обычно эти вы-воды рассматривают как предварительные, а более достоверные и основательные данные можно получить лишь в результате тщательного анализа.
Анализ данных в социальной работе заключается в интеграции всей собранной информации и в приведении ее к виду, удобному для объяснения.
Методы анализа социальной информации можно условно разделить на два больших класса в соответствии с той формой, в которой эта информации представлена:
- качественные методы ориентированы на анализ инфор-мации, представленной главным образом в словесной форме.
- количественные методы носят математический характер и представля-ют собой приемы обработки цифровой информации.
Качественный анализ является предварительным условием для применения количественных методов, он направлен на выявление внутренней структуры данных, то есть на уточнение тех категорий, которые используются для описания изучаемой сферы реальности. На этой стадии происходит окончательное определение параметров (переменных), необходимых для исчерпывающего описания. Когда имеются четкие описательные категории, легко перейти к простейшей измерительной процеду-ре — подсчету. Например, если выделить группулюдей, нуждающихся в определенной помощи, то можно подсчитать количество таких людей в дан-ном микрорайоне.
При качественном анализе возникает необходимость произвести сжатие инфор-мации, то есть получить данные в более компактном виде.
Основным приемом сжатия информации выступает кодирование - процесс анализа качественной информации, который включа-ет выделение смысловых сегментов текста или реаль-ного поведения, их категоризацию (называние) и реорганизацию .
Для этого в самом тексте находят и отмечают ключевые слова, то есть те слова и выражения, которые несут главную смысловую нагрузку, прямо указывают на со-держание текста в целом или его отдельного фрагмен-та. Используются разные типы выделения: подчерки-вание одной или двумя линиями, цветовая маркировка, наносят пометки на полях, которые могут носить характер как дополни-тельных значков, так и комментариев. Например, можно выделять те фрагменты, где клиент говорит о себе. С другой стороны, можно выделять все, что касается его здоровья, можно разделить те проблемы, которые клиент в состоянии решить сам, и те проблемы, для решения которых он нуждается в посторонней помощи.
Сходные по содержанию фрагмен-ты метятся аналогичным образом. Это позволяет легко их идентифицировать и при необходимости собиратьвместе. Затем выделенные фрагменты отыскивают по разным рубрикам. Анализируя текст, можно сравнить отдельные его фрагменты между собой, выявляя сходства и различия.
Обработанный таким образом материал становится легко обозри-мым. Главные моменты выступают на первый план, как бы возвышаясь над массой деталей. Появляется возможность анализировать отношения между ними, выявлять их общую структуру и на этой основе вы-двигать некоторые объяснительные гипотезы.
Когда изучается одновременно несколько объектов (как минимум два) и когда сопоставление с целью обнаружения сходств и различий становится основ-ным приемом анализа применяется сравнительный метод . Количество изучае-мых объектов здесь невелико (чаще всего два или три), и каждый из них изучается достаточно углубленно и всесторонне.
Необходимо найти такую форму представления данных, которая наиболее удобна для анализа. Основ-ным приемом здесь выступает схематизация. Схема всегда упрощает реальные отношения, огрубляет истинную картину. В этом смысле схематизация отноше-ний является одновременно и сжатием информации. Но она предполагает также нахождение наглядной и легко обозримой формы представления информа-ции. Этой цели служит сведение данных в таблицы или диаграммы.
Для удобства сравнения материал сводят в таблицы. Общая структура таблицы такова: каждая клетка представляет собой пересечение строки и столбца. Таблица удобна тем, что в нее можно включать как ко-личественные, так и качественные данные. Смысл таблицы в том, чтобы ее мож-но было окинуть взглядом. Поэтому обычно таблица должна умещаться на одном листе. Сводная таблица, используемая для анализа, часто чертится на большом листе бумаги. Но большую таблицу всегда можно раз-бить на несколько частей, то есть сделать из нее не-сколько таблиц. Чаще всего строка соответствует одному случаю, а столбцы представляют его различные аспекты (при-знаки).
Еще одним приемом сжатого и наглядного пред-ставления информации служат диаграммы. Существу-ют разные типы диаграмм, но практически все они яв-ляются структурными схемами, на которых условными фигурами (прямоугольниками или овалами) изобража-ются элементы, а линиями или стрелками — связи между ними. Например, с помощью диаграммы удобно представить структуру любой организации. Элемента-ми ее выступают люди, точнее — должности. Если ор-ганизация большая, то в качестве элементов выбира-ются более крупные структурные элементы — подраз-деления. С помощью диаграммы легко представить иерархию отношений (систему подчинения): старшие должности располагаются на схеме выше, а младшие — ниже. Линии, соединяющие элементы, точно указыва-ют, кто кому непосредственно подчиняется.
Представление в виде диаграмм вполне можно ис-пользовать и для выявления логической структуры со-бытий или текста. В этом случае вначале проводится смысловой анализ и намечаются узловые события или компоненты, а затем они представляются в графичес-кой форме так, чтобы максимально ясной становилась связь между ними. Понятно, что схематизация приво-дит к огрублению картины за счет опускания многих деталей. Однако происходит сжатие информации, преобразование ее в вид, удобный для восприятия и запоминания.
Таким образом, основными приемами ка-чественного анализа являются кодирование и нагляд-ное представление информации.
Количественный анализ включает методы статистического описания выборки и методы статистического вывода (проверки статистических гипотез).
Количественные (статистические) методы анализа широко применяются в научных исследованиях вооб-ще и в социальных науках в частности. Социологи прибегают к статисти-ческим методам для обработки результатов массовых опросов общественного мнения. Психологи применя-ют аппарат математической статистики для создания надежных диагностических инструментов — тестов.
Все методы количественного анализа принято разделять на две большие группы. Методы статистичес-кого описания направлены на получение количествен-ной характеристики данных, полученных в конкрет-ном исследовании. Методы статистического вывода позволяют корректно распространять резуль-таты, полученные в конкретном исследовании, на всё явление как таковое, делать заключения общего ха-рактера. Статистические методы позволяют выявлять устойчивые тенденции и строить на этой основе теории, предназначенные для их объяснения.
Наука всегда имеет дело с разнообразием действи-тельности, но свою задачу она видит в обнаружении порядка вещей, некоторой устойчивости внутри на-блюдаемого разнообразия. Статистика снабжает удобны-ми приемами такого анализа.
Для использования статистики требуются два ос-новных условия:
а) необходимо иметь данные о группе (выборке) людей;
б) эти данные должны быть представлены в формализованном (кодифицированном) виде.
Нужно учитывать возможную ошибку выборки, так как для исследования берутся только отдельные респонденты, нет никакой га-рантии, что они являются типичными представителя-ми социальной группы в целом. Ошибка выборки зависит от двух моментов: от размера выборки и от степени вари-ации признака, который интересует исследователя. Чем больше выборка, тем меньше вероятность того, что в нее попа-дут индивиды с крайними значениями исследуемой переменной. С другой стороны, чем меньше степень вариации признака, тем в целом ближе будет каждое значение к истинному среднему. Зная размер выборки, и получив меру рассеяния наблюдений, нетрудно вывести показатель, который называется стандартная ошибка среднего. Он дает интервал, в котором должна лежать истинная средняя популяции.
Статистический вывод представляет собой процесс проверки гипотез. Причем первоначально всегда выдвигается предположение, что наблюдаемые различия носят случайный характер, то есть выборка принадле-жит к той же генеральной совокупности. В статистике такое предположение получило название нулевая ги-потеза.
Методика подготовки выпускной (квалификационной) работы, требования к ее содержанию и оформлению
Выпускная (квалификационная) работа завершает подготовку специалиста по социальной работе в вузе и показывает его готовность решать теоретические и практические задачи.
Выпускная (квалификационная) работа должна представлять собой самостоятельную законченную разработку, в которой анализируются актуальные проблемы социальной работы, раскрываются содержание и технологии разрешения этих проблем не только в теоретическом, но и в практическом плане на местном, региональном уровнях. Любая выпускная (квалификационная) работа по социальной работе должна быть своего рода социальным проектом.
Выпускная (квалификационная) работа должна свидетельствовать о наличии у автора глубоких и всесторонних знаний объекта и предмета исследования, способности к самостоятельным научным исследованиям с использованием полученных в ходе освоения основной образовательной программы знаний и навыков;
Выпускная (квалификационная) работа должна содержать обоснование выбора темы исследования, обзор опубликованной специальной литературы по данной проблеме, изложение полученных результатов исследования, конкретные выводы и предложения.
Выпускная (квалификационная) работа должна продемонстрировать уровень овладения автором методами научного исследования и научным языком, его умение кратко, логично и аргументированно излагать материал.
Выпускная (квалификационная) работа не должна механически повторять учебные работы выпускника (курсовые, реферативные работы и пр.).
Выводы, предложения и рекомендации по исследуемым проблемам, выдвигаемые автором в адрес органов, организаций, учреждений и служб социальной защиты населения, должны быть конкретны, иметь практическую и теоретическую ценность, обладать элементами новизны.
Цели дипломной работы:
Систематизация, закрепление и расширение теоретических и практических знаний по социальной работе, их применение при решении конкретных практических задач;
Развитие навыков самостоятельной работы;
Овладение методикой исследования, обобщения и логического изложения материала.
В дипломной работе студент должен показать:
Прочные теоретические знания по избранной теме, проблемное изложение теоретического материала;
Умение изучать и обобщать общую и специальную литературу по теме, решать практические задачи, делать выводы и предложения;
Навыки проведения анализа и расчетов, экспериментирования, владения вычислительной техникой;
Умение грамотно применять методы оценки социальной эффективности, предлагаемых мероприятий.
Дипломная работа имеет четкую композицию: введение, основная часть, состоящая из нескольких глав, и заключение.
Во введении указывается тема и цель дипломной работы, обосновывается актуальность исследования, его теоретическое и практическое значение, называются основные методы исследования. В нем дается обоснование обращения к данной теме, ее актуальность в настоящий момент, значение, цель и содержание поставленных задач, формулируются объект и предмет исследования, сообщается, в чем заключается теоретическая значимость и практическая ценность полученных результатов.
Темы выпускных (квалификационных) работ утверждаются выпускающими кафедрами. Тема должна соответствовать специальности, при ее формулировке целесообразно учитывать сложившиеся на кафедре научные направления и возможность обеспечения студентов квалифицированным научным руководством. Желательно, чтобы темы были актуальными и обладали новизной, теоретической и практической значимостью. При формулировке темы нужно учитывать наличие или отсутствие литературы и практических материалов, наработки самого студента по теме (курсовые работы, научные доклады и т. п.), интерес студента к избранной теме, возможности студента провести необходимые исследования.
Следовательно, введение является достаточно ответственной частью дипломной работы, т. к. предопределяет дальнейшее раскрытие темы и содержит необходимые квалификационные характеристики.
Актуальность темы, важность, значимость в настоящее время, современность, злободневность - обязательное условие любой научной работы. Обоснование актуальности - начальный этап любого исследования, характеризующий профессиональную подготовку студента в том, как он умеет выбрать тему, сформулировать, насколько правильно он ее понимает и оценивает с точки зрения современности, ее научной или практической значимости. Освещение актуальности не должно быть многословным. Достаточно показать суть проблемы, определить, где проходит граница между знанием и незнанием о предмете исследования.
От формулировки научной проблемы и доказательств, что ее часть, являющаяся объектом исследования данной работы, еще не получила достаточной разработки и освещения в научной литературе, логично перейти к формулировке цели предпринимаемого исследования, а также указать на конкретные задачи, которые предстоит решать в соответствии с этой целью. Цель исследования - то, к чему стремится дипломник в своей дипломной работе, что собирается осуществить, установить, для чего он взялся за разработку данной темы. В соответствии с заданной целью, студенту предстоит сформулировать конкретные задачи исследования как определенные этапы исследования, которые необходимо пройти для достижения поставленной цели.
Кроме вышеуказанного, обязательным элементом введения является формулировка объекта и предмета исследования, где объект - это процесс или явление, порождающее проблемную ситуацию и избранное для исследования, а предмет - то, что находится в границах объекта. Объект и предмет исследования соотносятся между собой как общее и частное. Именно на предмет исследования и должно быть направлено основное внимание дипломника, т. к. именно предмет исследования определяет тему работы, обозначенную на титульном листе.
Обязательным элементом введения научной работы является также указание на методы исследования , которые служат инструментом в добывании фактического материала, являясь необходимым условием достижения поставленной в такой работе цели.
Во введении описываются и другие элементы научного процесса. К ним, в частности, относят указание, на каком конкретном материале выполнена сама работа. Здесь же дается характеристика основных источников получения информации (официальных, научных, литературных, библиографических), а также указываются методологические основы проведенного исследования.
Основная часть состоит из нескольких глав, которые, в свою очередь, делятся на параграфы. В этой композиционной части излагаются основные теоретические положения дипломной работы, анализируется фактический материал, приводятся статистические данные. Возможный иллюстративный материал может быть представлен здесь же, либо внесен в приложение.
В основной части работы студент раскрывает методологию и методику исследования, используя с этой целью следующие методы: наблюдение, сравнение, анализ и синтез, индукцию и дедукцию, теоретическое моделирование, восхождение от абстрактного к конкретному, и наоборот.
Содержание глав основной части должно точно соответствовать теме работы и полностью ее раскрывать. Выводы, сделанные дипломником в исследовании, должны быть непротиворечивыми, аргументированными, научно обоснованными. При этом под аргументированностью понимается логический процесс, суть которого заключается в том, что в нем обосновывается истинность высказанного суждения с помощью других суждений, примеров, доводов.
Заключение содержит выводы по дипломной работе. Выводы должны отражать основное содержание работы, быть точными и краткими. Они не должны подменяться механическим суммированием выводов в конце глав, представляющих краткое резюме, а содержать то новое, что составляет итоговые результаты исследования. Именно здесь содержится то знание, которое является новым по отношению к исходному знанию. Именно оно выносится на обсуждение и оценку государственной комиссии и общественности в процессе защиты дипломной работы.
В случае, если работа имела практическое значение, в выводах должны содержаться указания, где и каким образом они могут применяться в практике социальной работы. В некоторых случаях возникает необходимость указать пути продолжения исследования темы, те задачи, которые придется решать будущим исследователям в первую очередь. Завершают работу список использованных нормативных материалов и список использованной литературы.
Вспомогательные или дополнительные материалы, которые загромождают текст основной части работы, помещают в приложении. По содержанию приложения могут быть достаточно разнообразными. Это, например, могут быть копии подлинных документов (Уставы, Положения, Инструкции, отчеты, планы и т. д.), отдельные выдержки из инструкций и правил, неопубликованные тексты и т д. По форме они могут представлять собой текст, таблицы, графики, карты.
В приложения нельзя включать библиографический список использованной литературы, вспомогательные указатели всех видов, справочные комментарии и примечания, которые являются не приложениями к основному тексту, а элементами справочно-сопроводительного аппарата работы, помогающими пользоваться ее основным текстом.
Выпускная квалификационная работа сдается на кафедру в печатном виде. Примерный объем работы должен составлять 2-2,5 п.л. (50-60 страниц машинописного текста). Границы полей: слева - 3,5 см; справа - 1,5 см, сверху и снизу - 2,5 см. Компьютерный набор осуществляется в текстовом варианте Microsoft Word (интервал 1-1,5 по множителю, 12-14-й кегль Times New Roman).
Все страницы работы, включая страницы с таблицами и схемами, нумеруются последовательно арабскими цифрами, расположенными, как правило, над серединой текста.
Титульный лист дипломной работы включает полное название организации, в которой выполнена работа, название кафедры, заглавие сочинения, шифр и наименование специальности, фамилию и инициалы исполнителя, фамилию, инициалы, научную степень (должность, звание) научного руководителя, город и год написания.
Название глав и параграфов обозначается в той же последовательности и в той же формулировке, в какой они приводятся в тексте работы.
Текст основной части работы делится на главы, разделы, подразделы, пункты, параграфы.
Оформленная в соответствии с требованиями дипломная работа должна быть сдана на выпускающую кафедру не позднее 14 дней до срока защиты. Сроки предзащиты и сроки защиты дипломной работы устанавливаются выпускающей кафедрой.
3.1. Первичная и вторичная количественная обработка
Процесс количественной обработки данных имеет две фазы: первичную и вторичную.
Первичная количественная обработка нацелена на упорядочивание информации об объекте и предмете изучения, полученной на эмпирическом этапе исследования. К основным методам первичной обработки относятся: табулирование, построение диаграмм, гистограмм (ступенчатая диаграмма), полигонов распределения (соединяются прямыми отрезками верхние точки центральных осей всех участков гистограммы) и кривых распределения (полигон распределения, но плавные кривые линии). Диаграммы отражают дискретное распределение, остальные графические формы – непрерывное.
Вторичная количественная обработказаключается главным образом в статистическом анализе итогов первичной обработки. Здесь важно получить ответы на три главных вопроса.
1. Какое значение наиболее характерно для выборки?
Для решения этого вопроса вычисляются т.н. «меры центральной тенденции». Это величины, являющиеся обобщающими, и к ним относят: среднее арифметическое, медиану, моду, среднее геометрическое и среднее гармоническое. В психологии обычно используют первые три.
Среднее арифметическое (оценка математического ожидания) вычисляется по формуле:
где x i – каждое наблюдаемое значение признака, i – индекс, указывающий на порядковый номер данного значения признака;
n – количество наблюдений.
Медиана (Ме)– это точка на измерительной шкале, выше и ниже которой находится ровно по 50% величин ряда (наблюдений). Её определяют по срединному рангу по формуле:
Т.е., чтобы вычислить медиану, необходимо проранжировать ряд значений (наблюдений). Полученное значение медианы может не соответствовать значению ряда, а находится между двумя соседними значениями, тогда вычисляется среднее арифметическое этих значений.
Например, имеем ряд 3-5-6-7-9-10-11-12. Проранжировав его, имеем 1-2-3-4-5-6-7-8. Ранговая медиана в этом ряду: Ме=8+1/2=4,5. Этому рангу соответствует середина между членами первоначального ряда, имеющими ранги 4 и 5. Следовательно, медиана этого ряда равна 8 (7+9/2). Следует отметить, что величины 8 в ряду нет, но таково значение медианы этого ряда.
Мода (Мо) – это значение, наиболее часто встречающееся в выборке. Пример: 2, 6, 6, 8, 9, 9, 9, 10; Мо=9.
Если все значения в группе встречаются одинаково часто, то считается, что моды нет. Если два соседних значения имеют одинаковую частоту и они больше частоты любого другого значения, мода есть среднее этих двух значений (например: 1, 2, 2, 2, 4, 4, 4, 5, 5, 7; Мо=3). Если то же самое относится к двум несмежным значениям, то существует две моды, а группа значений признака является бимодальной (пример: 0, 1, 1, 1, 2, 3, 4, 4, 4, 7; Мо=1 и 4).
Обычно среднее арифметическое применяется при стремлении к наибольшей точности, и когда впоследствии нужно будет вычислять стандартное отклонение. Медиана – когда в значениях признака есть нетипичные данные (например: 1, 3, 5, 7, 9, 26, 13). Мода – когда не нужна высокая точность, но важна быстрота определения меры центральной тенденции.
2. Велик ли разброс данных относительно среднего значения?
Для ответа на этот вопрос применяются меры изменчивости (рассеивания, разброса). Они позволяют судить о степени однородности полученного множества, о его компактности, и косвенно – о надёжности получаемых результатов. Наиболее используемые в психологических исследованиях: размах, среднее отклонение, дисперсия, стандартное отклонение, квартильное отклонение.
Размах (Р) – это интервал между максимальным и минимальным значениями признака. Определяется легко, но чувствителен к случайностям, особенно при малом числе данных. Пример: (0, 2, 3, 5, 8; Р=8); (-0,2, 1,0, 1,4, 2,0; Р=2,2)
Среднее отклонение (МД) – это среднее арифметическое разницы (по модулю) между каждым значением в выборке и её средним:
где d=│XM│; где М – среднее выборки; Х – конкретное значение; N – число значений.
Множество всех конкретных отклонений от среднего характеризует изменчивость данных, но, если их не взять по модулю, то их сумма будет равна нулю, и мы не получим информации об их изменчивости. МД показывает степень скученности данных вокруг среднего (иногда вместо М берут Ме или Мо).
Дисперсия (Д) (от лат. – рассыпанный).
Д=∑d 2 /(N-1) или σ х 2 =∑(х i -х ср) 2 *(m i / N-1),
где m i – количество появлений значений х i при N наблюдениях.
Для больших выборок (N≥30) в знаменателе просто N.
Стандартное отклонение или среднее квадратичное отклонение. В психологии принято обозначать эту величину σ (сигма):
σ = √∑(x i – x) 2 /n-1
Коэффициент ковариации является относительной характеристикой рассеивания и рассчитывается по формуле:
V= (σ х / х ср)*100%
Квартильное отклонение (Q). На практике нам часто важно узнать не точку, а интервал значений, следовательно, ось накопленной частоты (если все значения разместить на оси) разбивается на равное количество интервалов. Это S-образная кривая (ось накопленной частоты), где М – генеральная средняя. Функция этой кривой выглядит символически следующим образом:
F(Х) = (1/σ√2π*)∫((-(t-µ) 2)/ 2σ 2)dt
Точки на оси накопленной частоты, делящие её в установленной пропорции, называются квантилями (отсюда название квантильной стандартизации тестов). Среди квантилей выделяют квартили, квинтили, децили, процентили. Например, 3 квартиля (Q 1 , Q 2 , Q 3) делят выборку на 4 равные части (кварты) таким образом, что 25% испытуемых ниже Q 1 , 50% ниже Q 2 , 75% ниже Q 3 , 99 процентилей делят выборку на 100 равных частей (процентов) и т.д.
Квартиль первая вычисляется по формуле: Q 1 =(R 1 +R n/2)/2, т.е. полусумма первого и последнего рангов первой – левой от медианы - половины ряда;
Квартиль третья: Q 3 =(R n/2 +R n)/2, т.е. полусумма первого и последнего рангов второй – правой от медианы – середины ряда.
Полученным значениям рангов соответствуют определённые величины в исходном ряду данных. Для характеристики Распределения вычисляется среднее квартильное отклонение:
Q=(Х 1 (Q 3)-Х 2 (Q 1))/2,
где Х 1 и Х 2 – значения ряда, соответствующие третьей и первой квартили.
Понятно, что при симметричном распределении Q 2 и Ме будут совпадать. А вообще точка на оси, соответствующая Q 2 определяется после отделения 50% всех значений выборки.
3. Существует ли взаимосвязь между отдельными данными в имеющейся совокупности и каковы характер и сила этих связей?
Для решения этого вопроса необходимо вычислить меры связи (корреляции). Меры связи выявляют соотношения между двумя переменными. Эти связи вычисляют с помощью коэффициентов корреляции.
Коэффициент корреляции Карла Пирсона вычисляется путём нормирования ковариации переменных на произведение их среднеквадратических отклонений:
r xy =(∑(x ср -x i)(y ср -y yi)/√∑(x ср -x i) 2 ∑(y ср -y yi) 2 .
Значение коэффициента может варьировать от -1 до +1.
Коэффициент ранговой корреляции Чарльза Эдварда Спирмена:
r s =1-6*∑d 2 /(N(N 2 -1))
Его полученное значение необходимо сравнить с табличным (в справочниках, учебниках по статистике, специальных изданиях и др.).
3.2. Виды количественного анализа данных
Статистический анализ данных, входящий в процедуру обработки результатов исследования включает в себя, кроме указанного, следующее.
1. Дисперсионный анализ (ДА). В отличие от корреляционного, может выявлять зависимость между двумя, тремя и т.д. переменными. Изменения изучаемого признака могут быть вызваны как несколькими переменными, так и их взаимодействием, что может выявить ДА.
2. Факторный анализ. Позволяет снизить размерность пространства данных, т.е. обоснованно уменьшить количество измеряемых признаков за счёт их объединения в некоторые совокупности (факторы). Основой анализа является матрица корреляций, т.е. таблицы коэффициентов корреляции каждого признака со всеми остальными. В зависимости от числа факторов в корреляционной матрице различают:
Однофакторный (по Спирмену);
Бифакторный (по Холзингеру);
Многофакторный (по Терстону.
Весьма сложный математический и логический аппараты факторного анализа часто затрудняют выбор адекватного задачам исследования варианта метода.
3. Регрессионный анализ. Метод позволяет изучать зависимость среднего значения одной величины от вариации другой (других) величины. Специфика метода заключается в том, что хотя бы одна из рассматриваемых величин носит случайный характер. Тогда описание зависимости распадается на две задачи: 1) выявление общего вида зависимости и 2) уточнение путём вычисления оценок параметров зависимости. Решение первой задачи – дело мастерства и интуиции исследователя, т.к. стандартных методов её решения не существует. Решение же второй задачи по сути представляет собой нахождение аппроксимирующей кривой. Чаще всего эта аппроксимация осуществляется с помощью математического метода наименьших квадратов.
Идея этого метода принадлежит Фрэнсису Гальтону, заметившему, что у очень высоких родителей дети были несколько меньше ростом, а у очень маленьких родителей – дети более рослые. Эту закономерность он назвал регрессией.
4. Таксономический анализ. Это математический приём группировки данных в классы (таксоны, кластеры) таким образом, чтобы объекты, входящие в один класс, были более однородны по какому-либо признаку по сравнению с объектами, входящими в другие классы. В итоге появляется возможность определить в той или иной метрике расстояние между изучаемыми объектами и дать упорядоченное описание их взаимоотношений на количественном уровне. В силу недостаточной проработанности критериев эффективности и допустимости кластерных процедур данный метод рассматривается как дополнительный или дополняется другими методами, в частности, факторным анализом.
Методы обработки данных могут быть условно поделены на качественные и количественные. Качественная обработка является особым способом проникновения в сущность объекта путем выявления его неизмеряемых свойств, она направлена преимущественно на содержательное, внутреннее изучение объекта. В качественной обработке результатов исследования доминируют синтетические способы познания, логические методы. Качественная обработка результатов исследования переходит в описание и объяснение изучаемых явлений, что составляет уже следующий уровень их изучения на этапе интерпретации результатов.
Первичная обработка данных может включать составление сводных таблиц полученных результатов, в которых фиксируются количественные и качественные данные (частоты их встречаемости, переведённые в ранги показатели, числовые коды качественных параметров и т.д.). Полученные в результате исследования данные, сгруппированные в таблицы легко и удобно обрабатывать с помощью методов статистической обработки данных, т.е. с помощью математических формул, определённых способов количественных расчетов, благодаря которым показатели можно обобщать, приводить в систему, выявляя скрытые в них закономерности.
Все методы статистической обработки данных можно условно разделить на первичные и вторичные. Первичные методы статистического анализа - это методы, с помощью которых получают показатели, непосредственно отражающие результаты психодиагностики.К первичным методам статистической обработки относятся:
1. Определение выборочной средней величины , т.е. средней оценки изучаемого в исследовании психологического качества. Выборочное среднее определяется по формуле:
где х ср -выборочная средняя величина или среднее арифметическое значение по выборке;
п - количество испытуемых в выборке или частных психодиагностических показателей, на основе которых вычисляется средняя величина;
x k - частные значения показателей у отдельных испытуемых. Всего таких показателей п, поэтому индекс k данной переменной принимает значения от 1 до п;
∑ - принятый в математике знак суммирования величин тех переменных, которые находятся справа от этого знака.
Выражение соответственно означает сумму всех х с индексом k от 1 до n.
2. Выборочная дисперсия - величина, характеризующая, степень отклонений частных значений от средней величины в определённой выборке. Чем больше дисперсия, тем больше отклонения или разброс данных, и наоборот. Дисперсию определяют по формуле:
где - выборочная дисперсия, или просто дисперсия;
-
выражение, означающее, что для всех x k
от первого до последнего в данной выборке необходимо вычислить разности между частными и средними значениями, возвести эти разности в квадрат и просуммировать;
п - количество испытуемых в выборке или первичных значений, по которым вычисляется дисперсия.
3. Выборочная мода - это количественное значение исследуемого признака, наиболее часто встречающееся в выборке. Мода определяется по формуле:
Где Мо – мода,
x 0 – значение начала модального интервала,
h – размер модального интервала,
f Мо – частота модального интервала,
f Мо-1 – частота интервала, находящего перед модальным,
f Мо1 – частота интервала, находящего после модального.
4. Выборочная медиана - это значение изучаемого признака, делящее выборку, упорядоченную по величине данного признака, пополам. Если количество значений нечетно, то медиана будет соответствовать центральному значению ряда, который определяется по формуле:
где № Me – номер значения, соответствующего медиане,
N – количество значений в совокупности данных.
Тогда медиана будет обозначаться, как
Если количество данных четно, то есть вместо одного есть два центральных значения, то берется средняя арифметическая из двух центральных значений:
Вторичными методами статистической обработки называются методы, с помощью которых на основе первичных данных выявляются скрытые в них статистические закономерности. К вторичным методам, наиболее часто используемым в психологических исследованиях, относят:
1. Сравнение выборочных средних величин, принадлежащих к двум совокупностям, определение достоверности различий между ними по критерию t-Стьюдента . Он вычисляется по формуле:
,
где х 1 - среднее значение переменной по одной выборке данных;
х 2 - среднее значение переменной по другой выборке данных;
т 1 и т 2 - интегрированные показатели отклонений частных значений из двух сравниваемых выборок от соответствующих им средних величин.
т 1 и т 2 в свою очередь вычисляются по следующим формулам:
где - выборочная дисперсия первой переменной (по первой выборке);
Выборочная дисперсия второй переменной (по второй выборке);
п ] - число частных значений переменной в первой выборке;
п 2 - число частных значений переменной по второй выборке.
После определения по данной формуле показателя t, по таблице 5 для заданного числа степеней свободы, равного n 1 + п 2 - 2, и выбранной вероятности допустимой ошибки находят необходимое табличное значение t и сравнивают с ними вычисленное значение t. Если вычисленное значение t больше или равно табличному, то делают вывод о том, что сравниваемые средние значения из двух выборок действительно статистически достоверно различаются с вероятностью допустимой ошибки, меньшей или равной избранной.
Таблица 5. Критические значения t-критерия Стъюдента для заданного числа степеней свободы и вероятностей допустимых ошибок, равных 0,05; 0,01 и 0,001
| Число степеней свободы (n 1 + n 2 -2) | Вероятность допустимой ошибки | ||
| 0,05 | 0,01 | 0,001 | |
| Критические значения показателя t | |||
| 2,78 | 5,60 | 8,61 | |
| 2,58 | 4,03 | 6,87 | |
| 2,45 | 3,71 | 5,96 | |
| 2,37 | 3,50 | 5,41 | |
| 2,31 | 3,36 | 5,04 | |
| 2,26 | 3,25 | 4,78 | |
| 2,23 | 3,17 | 4,59 | |
| 2,20 | 3,11 | 4,44 | |
| 2,18 | 3,05 | 4,32 | |
| 2,16 | 3,01 | 4,22 | |
| 2,14 | 2,98 | 4,14 | |
| 2,13 | 2,96 | 4,07 | |
| 2,12 | 2,92 | 4,02 | |
| 2,11 | 2,90 | 3,97 | |
| 2,10 | 2,88 | 3,92 | |
| 2,09 | 2,86 | 3,88 | |
| 2,09 | 2,85 | 3,85 | |
| 2,08 | 2,83 | 3,82 | |
| 2,07 | 2,82 | 3,79 | |
| 2,07 | 2,81 | 3,77 | |
| 2,06 | 2,80 | 3,75 | |
| 2,06 | 2,79 | 3,73 | |
| 2,06 | 2,78 | 3,71 | |
| 2,05 | 2,77 | 3,69 | |
| 2,05 | 2,76 | 3,67 | |
| 2,05 | 2,76 | 3,66 | |
| 2,04 | 2,75 | 3,65 | |
| 2,02 | 2,70 | 3,55 | |
| 2,01 | 2,68 | 3,50 | |
| 2,00 | 2,66 | 3,46 | |
| 1,99 | 2,64 | 3,42 | |
| 1,98 | 2,63 | 3,39 |
2. Сравнение частотных, например процентных, распределений данных с помощью критерия χ 2 - критерия Пирсона . Он вычисляется по формуле:
где P k -. частоты результатов наблюдений до эксперимента;
V k - частоты результатов наблюдений, сделанных после эксперимента;
т - общее число групп, на которые разделились результаты наблюдений.
После определения по данной формуле показателя χ 2 , по таблице для заданного числа степеней свободы, и выбранной вероятности допустимой ошибки находят необходимое табличное значение χ 2 и сравнивают с ними вычисленное значение χ 2 . Если вычисленное значение χ 2 больше или равно табличному, то делают вывод о том, что сравниваемые значения из двух выборок действительно статистически достоверно различаются с вероятностью допустимой ошибки, меньшей или равной избранной.
3. Метод ранговой корреляции Спирмена - это метод, позволяющий определить тесноту (силу) и направление корреляционной связи между двумя признаками или двумя профилями (иерархиями) признаков. Его формула следующая:
где R s - коэффициент ранговой корреляции по Спирмену;
d i - разница между рангами показателей одних и тех же испытуемых в упорядоченных рядах;
п - число испытуемых или цифровых данных (рангов) в коррелируемых рядах.
4. Факторный анализ - это метод определения совокупности внутренних взаимосвязей, возможных причинно-следственных связей в исследовательском материале. В результате факторного анализа выявляются факторы, под которыми понимают в данном случаепричины, объясняющие множество частных (парных) корреляционных зависимостей. Факторный анализ предполагает вычисление корреляционной матрицы для всех переменных, участвующих в анализе, извлечение факторов, вращение факторов для создания упрощенной структуры, интерпретация факторов. Математическая модель факторного анализ может быть представлена следующим образом:
V i = A i,1 F 1 + A i,2 F 2 + ... + A i,k F k + U ,
где V i - значение i-й переменной, которое выражено в виде линейной комбинации k общих факторов, A i,k - регрессионные коэффициенты, показывающие вкладкаждого из k факторов в данную переменную; F 1...k - факторы, общие для всех переменных; U - фактор, характерный только для переменной V i .
Практикум
Задание 1. Дайте определение эксперименту как методу психологического исследования. В чем различия эксперимента и других методов исследования (наблюдения, корреляционного исследования)?
Задание 2. Дайте определение экспериментальной гипотезе. Какие виды гипотез вы знаете (не менее 5)? Приведите примеры этих гипотез.
Задание 3. Какие виды переменных вы знаете? Определите их. Какие переменные являются основными и входят в формулировку основной экспериментальной гипотезы? Приведите примеры переменных.
Задание 4. Укажите НП и ЗП, особенности НП (межсубъектная или внутрисубъектная, управляемая или субъективная), назовите, какой экспериментальный план был использован.
Для изучения воздействия тесноты на решение задач участников попросили решить серию словесных головоломок, находясь при этом либо в больших, либо в маленьких комнатах. Чтобы получить одинаковое среднее значение вербального IQ в группах, исследователи измеряли вербальный интеллект участников, а затем распределили их по двум условиям.
Задание 5. Чем отличается однофакторный эксперимент от многофакторного? Приведите примеры.
Задание 6. Используя приведенный текст, укажите, родоначальником каких методов в психологии можно считать Ф. Гальтона. Согласны ли вы, что результаты тестов сенсорного различения могут помочь в оценке интеллекта?
В 1884 г. на Всемирной выставке и Лондоне Френсис Гальтон организовал антропометрическую лабораторию, где за плату в 3 пенса посетителям предлагалось проверить остроту зрения, слуха, мышечную силу и измерить некоторые физические характеристики. Ф. Гальтон считал, что тесты сенсорного различения могут служить средством оценки интеллекта (в частности, он обнаружил, что при идиотии нарушается способность различать тепло, холод, боль).
Задание 7. Объедините перечисленные параметры в две группы, характеризуя особенности индивидуального и группового тестирования. Объясните преимущества и недостатки обоих видов обследования.
Учет индивидуальных особенностей; свобода испытуемых в ответе на вопросы и задания; возможность охвата больших групп испытуемых; невозможность учета случайных факторов (болезнь, усталость, эмоциональный дискомфорт); возможность достижения взаимопонимания с испытуемым; предъявление заданий через микрофон; получение большого объема данных; возможность наблюдения за тем, как выполняется задание; предъявление заданий в максимально формализованном виде; проективных методик; упрощение инструкции; объективность при обработке данных; экономия тестового материала; легкость сбора данных; быстрота сбора данных (экономия времени); применение гибких тестовых заданий.
Задание 8. Исправьте ошибки в приведенном тексте.
Задача наблюдения - точно и подробно описывать переживания, психические состояния и поведение. Оно должно ограничиваться беспристрастной регистрацией фактов поведения, не пытаясь проникать в их причины. Наблюдение выполняет только вспомогательные функции, позволяя накопить эмпирический материал, и практически не используется как самостоятельный метод. Нет таких ситуаций, где можно было бы использовать наблюдение в качестве единственного объективного метода.
Задание 9. Сформулируйте ваше отношение к высказыванию:
«Метод – самая первая, основная вещь. От метода, от способа действия зависит вся серьезность исследования. Все дело в хорошем методе. При хорошем методе и не очень талантливый человек может сделать много. А при плохом методе и гениальный человек будет работать впустую и не получит никаких ценных, точных знаний».
1. Hикандров В.В. Психологическое исследование и его методическое обеспечение. СПб., 2003.
2. Дружинин В.Н. Экспериментальная психология. М., 2006.
3. Никандров В.В. Наблюдениe и эксперимент в психологии. СПб., 2001.
4. Никандров В.В. Экспериментальная психология. СПб., 2003.
5. Практикум по общей и экспериментальной психологии / под ред. А.А. Крылова. Л., 1990.
6. Практикум по общей, экспериментальной и прикладной психологии. 2-е изд. / ред. А.А. Крылов, С.А. Маничев. СПб., 2000.
психологический исследование метод
Методы обработки экспериментальных данных разделяют на количественные и качественные.
К первым относится математико-статистическая обработка, ко вторым - описание типичных проявлений или исключений из общего правила.
К математико-статистической обработке следует отнести все процедуры перевода качественных данных в количественные показатели: экспертная оценка по шкале, рейтинг, нормирование, а также все формы статистического анализа - корреляционный, регрессионный, факторный, дисперсионный, кластерный и т.д.
Рассмотрим некоторые из них.
Метод экспертных оценок - формализованная процедура сбора, анализа и интерпретации независимых суждений достаточного количества экспертов о степени выраженности каждого из подлежащих оценке психологических качеств или явлений. Его широко применяют в психологии личности. При этом, экспертные оценки наиболее целесообразно проводить не в виде описания качественных проявлений свойств (это гораздо эффективнее сделать в последующей беседе с экспертами), а в виде количественной оценки степени того или иного свойства или элемента поведения.
Факторный метод - он представляет собой систему моделей и методов для преобразования исходного набора признаков к более простой и содержательной форме. Он базируется на предположении, что наблюдаемое поведение испытуемого может быть объяснено с помощью небольшого числа скрытых характеристик, называемых факторами.
При использовании этого метода обобщение данных представляет собой группировку испытуемых по степени их близости в пространстве измеряемых признаков, то есть выделяются группы похожих испытуемых.
Существуют два основных варианта постановки задачи:
Группировка испытуемых на незаданные группы;
Группировка испытуемых на заданные группы.
Задача группировки испытуемых на незаданные группы. Этот вариант задачи формулируется следующим образом: имеется многомерное психологическое описание выборки испытуемых и требуется осуществить их разделение на однородные группы, то есть такое разделение, при котором в составе выделенных групп оказались бы испытуемые, похожие по психологическим характеристикам. Такая постановка задачи группировки испытуемых соответствует интуитивным представлениям о типе личности.
Для решения этой задачи используется кластерный анализ, который разработан в рамках математической теории распознавания образов.
Задача группировки испытуемых на заданные группы. При решении этой задачи предполагается, что имеются результаты многомерного психологического обследования нескольких групп испытуемых и о каждом испытуемом заранее известно, к какой группе он принадлежит. Задача заключается в том, чтобы найти правило разбиения испытуемых на заданные группы по психологическим характеристикам.
Кластерный метод - метод автоматической классификации, предназначенный для анализа структуры взаимного расположения испытуемых в S пространстве измеряемых признаков. Он позволяет производить объективную классификацию испытуемых по большому набору признаков и основывается на гипотезе «компактности». Если представить каждого испытуемого в виде точки в многомерном пространстве признаков, то естественно предположить, что геометрическая близость точек в этом пространстве указывает на схожесть соответствующих испытуемых. Методы кластерного анализа (автоматической классификации) дают возможность получать сокращенное описание распределения испытуемых путем выделения их скоплений в пространстве исследуемых признаков Психология. Учебник / под ред. В.Н. Дружинина - М.: ЮНИТИ, 2009. С. 101. .
