4.5. СБОР ДАННЫХ 4.5.1. Общее понятие о данных

4.5. СБОР ДАННЫХ 4.5.1. Общее понятие о данных: Процесс непосредственного исследования предполагает контакт

4.5. СБОР ДАННЫХ 4.5.1. Общее понятие о данных
Процесс непосредственного исследования предполагает контакт исследователя с объектом, в результате чего получают совокупность характеристик этого объекта. Полученные характеристики являются главным материалом для проверки рабочей гипотезы и решения проблемы.

В зависимости от предмета и цели исследования эти характеристики могут представать в виде различных параметров объекта (пространственных, временных, энергетических, информационных, интеграционных), в виде соотношений между частями объекта или его самого с другими объектами, в виде различных зависимостей его состояний от всевозможных факторов и т. д. Всю совокупность подобных сведений называют данными об объекте, а точнее, первичными данными, чтобы подчеркнуть непосредственный характер этих сведений и необходимость их дальнейшего анализа, обработки, осмысления. На первый взгляд забавное, но по существу верное мнение высказывает Ж. Годфруа, считающий, что данные – это элементы подлежащие анализу, это любая информация, которая может быть классифицирована с целью обработки [89]. В теоретическом исследовании под сбором данных подразумевается поиск и отбор уже известных фактов, их систематизация, описание под новым углом зрения. В эмпирическом исследовании подданными понимается отражение предметов, явлений, признаков или связей объективной действительности. Таким образом, это не сами объекты, а их чувственно-языковые отображения. Реальные объекты – это фрагменты мира, а данные о них – это фундамент науки. Эти данные есть «сырье» научного исследования при индуктивных гипотезах и цель при дедуктивных гипотезах.

4.5.2. Классификация данных

Данные можно классифицировать по различным основаниям (критериям), среди которых в науке наиболее популярны следующие:

I. По научному обоснованию 1.

Научные. 2.

Ненаучные.

II. По вкладу в проверку гипотезы и решение проблемы 1.

Решающие. 2.

Значительные. 3.

Незначительные.

III. По области и характеру источников информации 1.

Социологические. 2.

Психологические. 3.

Педагогические. 4.

Физиологические и т. д.

IV. По методам исследования 1.

Данные наблюдения. 2.

Данные опроса. 3.

Экспериментальные данные и т. д.

V. По методам в сочетании с источниками (классификацияР. Б. Кеттелла) 1.

L-данные. 2.

Q-данные. 3.

Т-данные.

VI. По информативности

1. Неметрические

а) качественные (классификаторные, номинативные).

б) порядковые (компаративные).

2. Метрические:

а) интервальные.

б) пропорциональные;

Научные данные – это сведения, полученные в результате научных изысканий и характеризующиеся высокой степенью достоверности (доказанности и надежности), возможностью проверки, теоретической обоснованностью, включенностью в широкую систему научных знаний. Характерной особенностью научных данных, как и вообще научных знаний, является их относительная истинность, т. е. потенциальная возможность их опровержения в результате научной критики.

Ненаучные данные – сведения, полученные ненаучными путями. Например, из житейского опыта, из религиозных источников, из традиций, от авторитетов и т. д.

Эти данные не доказываются, зачастую считаются самоочевидными. Не имеют теоретических обоснований.

Многие из них претендуют на абсолютную истинность, их принятие субъектом познания базируется на некритическом усвоении, доверии (своему опыту, догматам, авторитетам).

Решающие данные – это сведения, позволяющие однозначно принять или отвергнуть выдвинутую гипотезу.

Значительные данные – это данные, вносящие весомый вклад в решение проблемы, но недостаточные для ее решения без привлечения других сведений.

Незначительные – данные малой информативности по решаемому вопросу.

Социологические, психологические и т. д. – данные, полученные в соответствующих сферах бытия, в первую очередь – общественного бытия. В узком смысле – это данные соответствующих наук:

Данные наблюдения, опроса и т. д. – сведения, полученные с помощью того или иного эмпирического метода.

Пятая группировка предложена американским психологом Р. Б. Кеттеллом в середине XX столетия и обычно относится к данным по проблемам личности и социально-психологическим вопросам [430, 431].

L-данные (life data) – сведения, получаемые путем регистрации фактов реальной жизни. Обычно это данные наблюдения за повседневной жизнью человека или группы. С них рекомендуется начинать предварительное исследование проблемы [150].

Q-данные (questionnaire data) – сведения, получаемые с помощью опросников, тестов интересов, самоотчетов и других методов само а также путем свободного обследования психиатров, учителей и т. п.

Благодаря простоте инструментария и легкости получения информации Q-данные занимают ведущее место в исследованиях личности. Число методик огромно.

Наиболее известные: опросники Айзенка (EPI, EPQ), Миннесотский многопрофильный личностный перечень (MMPI), Калифорнийский психологический тест (CPI), 16-факторный личностный опросник Кеттелла (16PF), тест Гилфорда – Циммермана для исследования темперамента (GZIS).

Т-данные (test data) – сведения, получаемые с помощью объективных тестов, а также физиологических измерений. Эти данные «объективны», поскольку их получают в результате объективного измерения реакций и поведения человека без обращения к самооценке или оценке экспертов. Количество методик для получения Т-данных также очень велико.

Это тесты способностей, тесты интеллекта, тесты достижений. Кеттелл сюда же относит антропометрические и физиологические измерения, ситуативные и проективные тесты (всего более 400 методик, разбитых на 12 групп).

Наиболее, известны: тест «пятна Роршаха», тест Ро-зенцвейга, тест тематической апперцепции (ТАТ), тесты интеллекта Стенфорд-Бине, Векслера, Амтхауэра.

Деление данных по информативности базируется на качественно-количественной нагрузке их содержания, позволяющей эти сведения соотносить друг с другом или с уже имеющимися сведениями в данной области на том или ином уровне точности. Эта группировка данных согласуется с классификацией измерительных шкал по С. Стивенсу [360].

Неметрические данные – это те, которые не имеют метрики, т. е. единиц измерения.

Метрические – количественные данные, имеющие единицы измерения.

Качественные данные (классификаторные, номинативные) – сведения, на основании которых изучаемый объект (или его состояние) можно отнести к какому-либо множеству (классу) сходных объектов.

В этих данных отражаются сугубо качественные характеристики объекта, не позволяющие выяснить степень выраженности признака объекта, а следовательно, и его соотношение с подобными объектами, входящими в тот же класс.

Эти данные указывают только на наличие или отсутствие какого-либо признака, по которому объект можно отнести к тому или иному классу. Каждый класс сходных объектов имеет определенное наименование, поэтому система классов носит название шкалы наименований (номинальной шкалы), а сами данные называются номинативными.

Психологическая основа получения таких данных и построения таких шкал – процессы опознания (идентификации), т. е. установление отношений равенства или неравенства. Примеры: 1) синий – красный – желтый и т. д.; 2) мужчина – женщина; 3) холерик – сангвиник – флегматик – меланхолик.

Порядковые, или компаративные (лат. comparativus – сравнительный) – это данные, на основании которых объекты можно сравнивать по степени выраженности их признаков в системе оценок «больше – меньше».

Это дает возможность упорядочивать объекты по определенному изучаемому признаку в возрастающем (убывающем) порядке, т. е. ранжировать. Соответствующие шкалы называются порядковыми или ранговыми. Но далее субординации здесь не продвинуться.

Указать, насколько различаются между собой объекты, невозможно. Психологическая основа выявления этих данных и построения порядковых шкал – процессы различения и предпочтения, т. е. установление отношений «равно – неравно» и «больше – меньше».

Примеры: любые шкалы шкала твердости минералов Мооса, итоговая турнирная таблица без указания результатов, ранжирование популярных артистов, приятность звуков, запахов, цветов и т. п.

Интервальные данные – это те, которые позволяют метрически оценить выраженность признака и ответить на вопрос, «на сколько» у одного объекта этот признак выражен больше или меньше, чем у другого.

Эта разница на континууме значений измеряемого признака (на шкале) представляется как некоторая сумма субъективно равных интервалов, поэтому и данные называются интервальными. А шкалы – шкалами интервалов, расстояний или разностей, где интервалы являются единицами измерения.

Психологическая основа – способность к уравниванию субъективных (в первую очередь, сенсорных и эмоциональных) расстояний. Примеры: шкалы температур по Цельсию, Реомюру и Фаренгейту; календарные даты; шкалы, основанные на прямом измерении сенсорных расстояний.

Пропорциональные данные – это те, которые дополнительно к интервальной информации дают ответ на вопрос, «во сколько раз» признаку одного объекта выражен сильнее или слабее, чем у другого. Для этого на шкале данных должна иметься опорная точка, соответствующая естественному нулевому значению измеряемого признака. Такие шкалы называются пропорциональными, или шкалами отношений.

Точка отсчета, называемая абсолютным нулем, указывает на отсутствие данного качества. Абсолютный нуль нельзя путать с относительным, или условным. Последний вводится искусственно, по договоренности. Например, на шкале температур по Цельсию, Фаренгейту и Реомюру за нулевую точку условно принята температура плавления льда.

И в этих координатах бессмысленно говорить, во сколько раз что-то теплее или холоднее чего-то другого. Только шкала Кельвина имеет абсолютный нуль (-273,16° по Цельсию). К сожалению, для психологических характеристик обычно очень трудно указать нулевое значение, а значит, и получить пропорциональные данные.

Тем не менее ряд специальных приемов, объединенных под наименованием процедур прямого (субъективного) шкалирования, открывает возможность получения пропорциональных данных и построения шкал отношений. Психологическая основа этих процедур – способность человека к определению субъективных отношений. Обычно это отношения, фиксирующие двойное или тройное превосходство (2:1, 3:1).

Примеры: физические данные и соответствующие шкалы длин, весов, плотностей и т, д.; прямые психофизические шкалы громкости (сонов), яркости (брилов), тяжести (вегов) и т. п.

4.5.3. Процедура сбора данных

Сбор данных в целом должен соответствовать намеченному на предыдущем этапе алгоритму действий, чтобы избежать как пробелов в искомых знаниях, так и лишних трудозатрат. Очень важно при этом точно и четко фиксировать все действия и получаемые сведения.

Для этого обычно ведется протокол исследования, используются специальные средства фиксации (видео, аудио и т. п.). Осуществляемый на этом этапе контакт исследователя с изучаемым объектом не должен наносить последнему вреда, процедура сбора данных должна быть предельно гуманизирована.

Процесс сбора данных конкретизируется в зависимости от выбранного метода и задач исследования.

Источник: https://bookucheba.com/eksperimentalnaya-psihologiya-knigi/sbor-dannyih-451-obschee-ponyatie-16025.html

4.5.3. Процедура сбора данных

4.5. СБОР ДАННЫХ 4.5.1. Общее понятие о данных

Сбор данных в целом должен соответствоватьнамеченному на предыдущем этапе алгоритмудействий, чтобы избежать как пробеловв искомых знаниях, так и лишних трудозатрат.Очень важно при этом точно и четкофиксировать все действия и получаемыесведения.

Для этого обычно ведетсяпротокол исследования, используютсяспециальные средства фиксации (видео,аудио и т. п.). Осуществляемый на этомэтапе контакт исследователя с изучаемымобъектом не должен наносить последнемувреда, процедура сбора данных должнабыть предельно гуманизирована.

Процесссбора данных конкретизируется взависимости от выбранного метода изадач исследования.

4.6.1. Общее представление об обработке

Собрав совокупность данных, исследовательприступает к их обработке, получаясведения более высокого уровня, называемыерезультатами. Он уподобляется портному,который снял мерку (данные) и теперь всезафиксированные размеры соотноситмежду собой, приводит в целостную системув виде выкройки и в конечном итоге – ввиде той или иной одежды.

Параметрыфигуры заказчика – это данные, а готовоеплатье – это результат. На этом этапемогут обнаружиться ошибки в замерах,неясности в согласовании отдельныхдеталей одежды, что требует новыхсведений, и клиент приглашается напримерку, где вносятся необходимыекоррективы.

Так и в научном исследовании:полученные на предыдущем этапе «сырые»данные путем их обработки приводят вопределенную сбалансированную систему,которая становится базой для дальнейшегосодержательного анализа, интерпретациии научных выводов и практическихрекомендаций.

Если по обработке данныхвыявляются какие-либо ошибки, пробелы,несоответствия, препятствующие построениютакой системы, то их можно ликвидироватьи восполнить, проведя повторные замеры.

Обработка данных направлена на решениеследующих задач: 1) упорядочиваниеисходного материала, преобразованиемножества данных в целостную системусведений, на основе которой возможнодальнейшее описание и объяснениеизучаемых объекта и предмета; 2) обнаружениеи ликвидация ошибок, недочетов, пробеловв сведениях; 3) выявление скрытых отнепосредственного восприятия тенденций,закономерностей и связей; 4) обнаружениеновых фактов, которые не ожидались и небыли замечены в ходе эмпирическогопроцесса; 5) выяснение уровня достоверности,надежности и точности собранных данныхи получение на их базе научно обоснованныхрезультатов.

Если на предыдущих этапах происходитпроцесс увеличения разнообразия сведений(числа параметров, единичных измерений,источников и т. п.), то теперь наблюдаетсяобратный процесс – ограничениеразнообразия, приведение данных к общимзнаменателям, позволяющим делатьобобщения и прогнозировать развитиетех или иных психических явлений.

Рассматриваемый этап обычно связываетсяс обработкой количественного характера.Качественная сторона обработкиэмпирического материала, как правило,только подразумевается либо вовсеопускается.

Обусловлено это, видимо,тем, что качественный анализ частоассоциируется с теоретическимуровнем исследования, который присущпоследующим стадиям изучения объекта– обсуждению и интерпретации результатов.

Представляется, однако, что исследованиекачественного характера имеет двауровня: уровень обработки данных, гдепроводится организационно-подготовительнаяработа по первичному выявлению иупорядочиванию качественных характеристикизучаемого объекта, и уровень теоретическогопроникновения в сущность этого объекта.

Работа первого типа характерна длястадии обработки данных, а второго –для этапа интерпретации результатов.Результат в данном случае понимаетсякак итог и количественного, и качественногопреобразования первичных данных.

Тогдаколичественная обработка естьманипуляция с измеренными характеристикамиизучаемого объекта (объектов), с его«объективизированными» во внешнемпроявлении свойствами. Качественнаяобработка – это способ предварительногопроникновения в сущность объекта путемвыявления его неизмеряемых свойств набазе количественных данных.

Количественная обработка направленав основном на формальное, внешнееизучение объекта, качественная –преимущественно, на содержательное,внутреннее его изучение.

В количественномисследовании доминирует аналитическаясоставляющая познания, что отражено ив названиях количественных методовобработки эмпирического материала,включающих в себя категорию «анализ»корреляционный анализ, факторный анализи т. д.

Основным гом количественнойобработки является упорядоченнаясовокупность «внешних» показателейобъекта (объектов). Реализуетсяколичественная обработка с помощьюматематико-статистических методов.

В качественной обработке доминируетсинтетическая составляющая познания,причем в этом синтезе превалируеткомпонент, объединения и в меньшейстепени присутствует компонент обобщения.Обобщение – прерогатива последующегоэтапа исследовательского процесса –интерпретационного.

В фазе качественнойобработки данных главное заключаетсяне в раскрытии сущности изучаемогоявления, а пока лишь в соответствующемпредставлении сведений о нем, обеспечивающемдальнейшее его теоретическое изучение.

Обычно результатом качественнойобработки является интегрированноепредставление о множестве свойствобъекта или множестве объектов в формеклассификаций и типологий. Качественнаяобработка в значительной мере апеллируетк методам логики.

Противопоставление друг другу качественнойи количествен ной обработок (аследовательно, и соответствующихметодов) довольно условно. Они составляюторганичное целое.

Количественный анализбез последующей качественной обработкибессмыслен, так как сам по себе он не всостоянии превратить эмпирическиеданные в систему знаний. А качественноеизучение: объекта без базовых количественныхданных – немыслимо. В научном познании.

Без количественных данных качественноепознание – это чисто умозрительнаяпроцедура, не свойственная современнойнауке. В философии категории «качество»и «количество», как известно, объединяютсяв категории «мера».

Единство количественного и качественногоосмысления эмпирического материаланаглядно проступает во многих методахобработки данных: факторный итаксономический анализы, шкалирование,классификация и др.

Но посколькутрадиционно в науке принято деление наколичественные и качественныехарактеристики, количественные икачественные методы, количественные икачественные описания, не будем «святеепапы Римского» и примем количественныеи качественные аспекты обработки данныхза самостоятельные фазы одногоисследовательского этапа, которымсоответствуют определенные количественныеи качественные методы.

Качественная обработка естественнымобразом выливается в описание и объяснениеизучаемых явлений, что составляет ужеследующий уровень их изучения,осуществляемый на стадии интерпретациирезультатов.

Количественная же обработкаполностью относится к рассматриваемомуэтапу исследовательского процесса, чтов совокупности с ее особой спецификойпобуждает к ее более подробному изложению.

Процесс количественной обработки данныхимеет две фазы: первичную и вторичную.Последовательно рассмотрим их.

Источник: https://studfile.net/preview/3016343/page:10/

Book for ucheba
Добавить комментарий