8.1. КОЛИЧЕСТВЕННЫЕ МЕТОДЫ

2.1. Количественные методы

8.1. КОЛИЧЕСТВЕННЫЕ МЕТОДЫ

Процесс количественнойобработки данных имеет две фазы:пер­вичнуюи вторичную.

2.1.1. Методы первичной обработки

Первичнаяобработка нацеленана упорядочиваниеинформацииоб объекте и предмете изучения, полученнойна эмпирическом этапе исследования. Наэтой стадии «сырые» сведения группируютсяпо тем или иным критериям, заносятся всводные таблицы, а для наглядностипредставляются графически.

Все этиманипуляции позволяют, во-пер­вых,обнаружить и ликвидировать ошибки,совершенные при фикса­ции данных, и,во-вторых, выявить и изъять из общегомассива неле­пые данные, полученныев результате нарушения процедурыобследо­вания, несоблюдения испытуемымиинструкции и т. п.

Кроме того, первичнообработанные данные, представая вудобной для обозрения форме, даютисследователю в первом приближениипредставление о характере всейсовокупности данных в целом: об иходнородности — неоднородности,компактности — разбросанности, четкости— размы­тости и т. д.

Эта информацияхорошо читается на наглядных формахпредставления данных и связана спонятиями «распределение данных».

К основным методампервичной обработки относятся:табулирова­ние,т. е.представление количественной информациив табличной форме, и построениедиаграмм (рис.I),гистограмм (рис.

2), полигонов рас­пределения(рис. 3) икривыхраспределения (рис.4).

Диаграммы отра­жают распределениедискретных данных, остальные графическиеформы используются для представленияраспределения непрерывных данных.

От гистограммылегко перейти к построению частотногополиго­на распределения, аот последнего — к кривой распределения.Частот­ный полигон строят, соединяяпрямыми отрезками верхние точкицент­ральных осей всех участковгистограммы.

Если же вершины участковсоединить с помощью плавньгх кривыхлиний, то получится криваярас­пределения первичныхрезультатов.

Переход от гистограммы ккривой распределения позволяет путеминтерполяции находить те величиныисследуемой переменной, которые в опытене были получены. [18]

2.1.2.1. Общее представление о вторичной обработке

Вторичнаяобработка заключаетсяглавным образом в статис­тическоманализе итоговпервичной обработки.

Уже табулированиеи построение графиков, строго говоря,тоже есть статистическая обра­ботка,которая в совокупности с вычислениеммер центральной тен­денции и разбросавключается в один из разделов статистики,а именно в описательнуюстатистику.

Другойраздел статистики — индуктив-[19]наястатистика —осуществляет проверку соответствияданных вы­борки всей популяции, т. е.решает проблему репрезентативностире­зультатов и возможности переходаот частного знания к общему [10, 34, 41, 42].

Третий большой раздел — корреляционнаястатистика —выявляет связи между явлениями. В целомже надо понимать, что «ста­тистика —это не математика, а, прежде всего, способмышления, и для ее применения нужно лишьиметь немного здравого смысла и знатьосновы математики» [19, т. 2,с. 277].

Статистическийанализ всей совокупности полученных висследо­вании данных дает возможностьохарактеризовать ее в предельно сжа­томвиде, поскольку позволяет ответить натри главныхвопроса: 1) ка­коезначение наиболее характерно длявыборки?; 2) велик ли разброс данныхотносительно этого харакгерногозначения, т. е. какова «размы­тость»данных?; 3) существует ли взаимосвязьмежду отдельными дан­ными в имеющейсясовокупности и каковы характер и силаэтих связей? Ответами на эти вопросыслужат некоторые статистическиепоказатели исследуемой выборки. Длярешения первого вопроса вычисляютсямеры центральнойтенденции (илилокализации),второго —мерыизменчиво­сти (илирассеивания,разброса), третьего— меры связи(иликорреля­ции).Этистатистические показатели приложимык количественным дан­ным (порядковым,интервальным, пропорциональным).

Меры центральнойтенденции (м.ц. т.) — это величины, вокруг которыхгруппируются остальные данные.

Этивеличины являются как бы обобщающимивсю выборку показателями, что, во-первых,позво­ляет по ним судить обо всейвыборке, а во-вторых, дает возможностьсравнивать разные выборки, разные сериимежду собой.

К мерам цент­ральнойтенденции относятся: среднееарифметическое, медиана, мода, среднеегеометрическое, среднее гармоническое.В психологииобычно используются первые три.

Среднееарифметическое (М) —эторезультат деления суммы всех значений(X)на ихколичество (N):М = ЕХ / N.

Медиана (Me)— этозначение, выше и ниже которого количествоотличающихся значений одинаково, т. е.это центральное значение в последовательномряду данных.

Примеры: 3,5,7,9,11,13,15; Me= 9.

3,5,7,9, 11, 13, 15, 17; Me= 10. [20]

Из примеров ясно,что медиана не обязательно должнасовпадать с имеющимся замером, это точкана шкале. Совпадение происходит в случаенечетного числа значений (ответов) нашкале, несовпадение — при четном ихчисле.

Мода (Мо) —это значение, наиболее часто встречающеесяв вы­борке, т. е. значение с наибольшейчастотой.

Пример: 2, 6, 6, 8, 9,9, 9, 10; Мо = 9.

Если всё значенияв группе встречаются одинаково часто,то счи­тается, что модынет (например:1, 1, 5, 5, 8, 8).

Если два соседних значенияимеют одинаковую частоту и они большечастоты любого дру­гого значения,мода есть среднееэтих двухзначений (например: 1, 2, 2, 2, 4, 4, 4, 5, 5, 7; Мо= 3).

Если то же самое относится к двумнесмеж­ным значениям, то существуетдве моды, а группа оценок являетсяби­модальной(например:0, 1, 1, 1, 2, 3, 4, 4, 4, 7; Мо = 1 и 4).

Обычно среднееарифметическое применяется при стремлениик наибольшей точности и когда впоследствиинужно будет вычислять стандартноеотклонение. Медиана — когда в серииесть «нетипичные» данные, резко влияющиена среднее (например: 1, 3, 5, 7, 9, 26, 13). Мода— когда не нужна высокая точность, новажна быстрота опреде­ления м. ц. т.

Меры изменчивости(рассеивания, разброса) —это статисти­ческие показатели,характеризующие различия между отдельнымизна­чениями выборки.

Они позволяютсудить о степени однородности по­лученногомножества, о его компактности, а косвеннои о надежности полученных данных ивытекающих из них результатов.

Наиболееис­пользуемые в психологическихисследованиях показатели: размах,сред­нее отклонение, дисперсия,стандартное отклонение, полуквартилъ-ноеотклонение.

Размах (Р) —этоинтервал между максимальным и минимальнымзначениями признака. Определяется легкои быстро, но чувствителен к случайностям,особенно при малом числе данных.

Примеры: (0, 2, 3, 5,8; Р = 8); (-0.2, 1.0, 1.4, 2.0; Р — 2,2).

Среднее отклонение(МД) — этосреднеарифметическое разницы (поабсолютной величине) между каждымзначением в выборке и ее средним: МД =Id/ N,где: d= |Х-М|; М — среднее выборки; X— конкретное значение; N — число значений.[21]

Множество всехконкретных отклонений от среднегохарактери­зует изменчивость данных,но, если их не взять по абсолютнойвеличи­не, то их сумма будет равнанулю, и мы не получим информации об ихизменчивости. МД показывает степеньскученности данных вокруг сред­него.Кстати, иногда при определении этойхарактеристики выборки вместо среднего(М) берут иные меры центральной тенденции— моду или медиану.

Дисперсия (Д) (отлат. dispersus— рассыпанный). Другой путь из­мерениястепени скученности данных предполагаетизбегание нулевой суммы конкретныхразниц (d= Х-М) не через их абсолютные величи­ны,а через их возведение в квадрат. Приэтом получают так называе­мую дисперсию:

Д = Σd2/ N — для больших выборок (N> 30);

Д = Σd2/ (N-1)— для малых выборок (N< 30).

Стандартноеотклонение (δ). Из-завозведения в квадрат отдель­ныхотклонений dпри вычислении дисперсии полученнаявеличина оказывается далекой отпервоначальных отклонений и потому недает о них наглядного представления.

Чтобы этого избежать и получитьха­рактеристику, сопоставимую сосредним отклонением, проделываютобратную математическую операцию — издисперсии извлекают квад­ратныйкорень.

Его положительное значение ипринимается за меру изменчивости,именуемую среднеквадратическим илистандартным отклонением:

МД, Д и dприменимы для интервальных и пропорционныхдан­ных. Для порядковых данных обычнов качестве меры изменчивости берутполуквартильноеотклонение (Q),именуемоееще полуквартильнымкоэффициентом илиполумеждуквартильнымразмахом. Вычис­ляетсяэтот показатель следующим образом.

Всяобласть распределе­ния данных делитсяна четыре равные части.

Если отсчитыватьна­блюдения, начиная от минимальнойвеличины на измерительной шкале (награфиках, полигонах, гистограммах отсчетобычно ведется слева направо), то перваячетверть шкалы называется первымквартилем, а точка, отделяющая его отостальной части шкалы, обозначаетсясим­волом Q,.

Вторые 25% распределения — второйквартиль, а соответ­ствующая точкана шкале — Q2.Между третьей и четвертой четвертя-[22]мираспределения расположена точка Q,.Полу квартальный коэффи­циентопределяется как половина интерваламежду первым и третьим квартилями: Q= (Q.-Q,)/ 2.

Понятно, что присимметричном распределении точка Q0совпа­дет с медианой (а следовательно,и со средним), и тогда можно вычис­литькоэффициент Qдля характеристики разброса данныхотноситель­но середины распределения.При несимметричном распределении это­гонедостаточно. И тогда дополнительновычисляют коэффициенты для левого иправого участков: Qлев=(Q2-Q,)/ 2; Qправ=(Q,— Q2)/ 2.

Меры связи

Предыдущиепоказатели, именуемые статистиками,характери­зуют совокупность данныхпо одному какому-либо признаку. Этотиз­меняющийся признак называютпеременной величиной или просто«пе­ременной». Меры связи же выявляютсоотношения между двумя пере­меннымиили между двумя выборками.

Эти связи,или корреляции (от лат.correlatio— 'соотношение, взаимосвязь') определяютчерез вы­числение коэффициентовкорреляции (R),если переменныенаходятся в линейной зависимости междусобой.

Считается, что большинствопси­хических явлений подчинено именнолинейным зависимостям, что и предопределилоширокое использование методовкорреляционного ана­лиза. Но наличиекорреляции не означает, что междупеременными су­ществует причинная(или функциональная) связь.

Функциональнаяза­висимость— это частный случайкорреляции. Даже если связь при­чинна,корреляционные показатели не могутуказать, какая из двух переменныхпричина, а какая — следствие.

Крометого, любая обнару­женная в психологиисвязь, как правило, существует благодаряи дру­гим переменным, а не только двумрассматриваемым. К тому же взаи­мосвязипсихологических признаков столь сложны,что их обусловлен­ность одной причинойвряд ли состоятельна, они детерминированымножеством причин.

Виды корреляции:

I.По тесноте связи:

1) Полная (совершенная):R= 1. Констатируется обязательнаявза­имозависимость между переменными.Здесь уже можно говорить о функциональнойзависимости.

2) связь не выявлена:R= 0. [23]

3) Частичная: 0

Источник: https://studfile.net/preview/4173504/page:5/

8.1. КОЛИЧЕСТВЕННЫЕ МЕТОДЫ: К основным методам количественного анализа (и синтеза) в психологии

8.1. КОЛИЧЕСТВЕННЫЕ МЕТОДЫ

К основным методам количественного анализа (и синтеза) в психологии относятся следующие:

1. Методы первичной обработки данных (табулирование,

построение диаграмм, гистограмм, полигонов и кривых распределения).

2. Методы вторичной обработки данных (вычисление ста-

тистик). 3.

Корреляционный анализ. 4.

Дисперсионный анализ. 5.

Регрессионный анализ. 6.

Факторный анализ. 7.

Таксономический (кластерный) анализ. 8.

Шкалирование.

Выше при освещении этапа обработки данных в психологическом исследовании приводились краткие характеристики всех перечисленных методов кроме двух последних. Восполним этот пробел.

Таксономический анализ

Метод представляет собой математический прием 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 [123, 226, 375].

В силу недостаточной проработанности критерия эффективности и допустимости кластерных процедур данный метод применяется обычно в сочетании с другими способами количественного анализа данных.

С другой стороны, и сам таксономический анализ используется как дополнительная страховка надежности результатов, полученных с использованием других количественных методов, в частности факторного анализа.

Суть кластерного анализа позволяет рассматривать его как метод, явно совмещающий количественную обработку данных с их качественным анализом. Поэтому причислить его однозначно к разряду количественных методов, видимо, не правомерно. Но поскольку процедура метода по преимуществу математическая и результаты могут быть представлены численно, то и метод в целом будем относить к категории количественных.

Шкалирование

Шкалирование в еще большей степени, чем таксономический анализ, совмещает в себе черты количественного и качественного изучения реальности.

Количественный аспект шкалирования состоит в том, что в его процедуру в подавляющем большинстве случаев входят измерение и числовое представление данных.

Качественный аспект шкалирования выражается в том, что, во-первых, оно позволяет манипулировать не только количественными данными, но и данными, не имеющими единиц измерения, а во-вторых, включает в себя элементы качественных методов (классификации, типологизации, систематизации).

Еще одной принципиальной особенностью шкалирования, затрудняющей определение его места в общей системе научных методов, является совмещение в нем процедур сбора данных и их обработки. Можно даже говорить о единстве эмпирических и аналитических процедур при шкалировании.

Не только в конкретном исследовании трудно указать на последовательность и разнесенность этих процедур (они часто совершаются одновременно и совместно), но и в теоретическом плане не удается обнаружить стадиальную иерархию (невозможно сказать, что первично, а что вторично).

Третий момент, не позволяющий однозначно отнести шкалирование к той или иной группе методов, – это его органическое «врастание» в специфические области знания и приобретение им наряду с признаками общенаучного метода признаков узкоспецифических.

Если другие методы общенаучного значения (например, наблюдение или эксперимент) можно довольно легко представить как в общем виде, так и в конкретных модификациях, то шкалирование на уровне всеобщего без потери необходимой информации охарактеризовать весьма непросто. Причина этого очевидна: совмещение в шкалировании эмпирических процедур с обработкой данных.

Эмпирика конкретна, математика абстрактна. Поэтому срастание общих принципов математического анализа со специфическими приемами сбора данных дает указанный эффект. Неплохой иллюстрацией этому служит неясность с научными истоками шкалирования. Сразу несколько наук могут претендовать на звание его «родителя».

Среди них и психология, где над теорией и практикой шкалирования работали такие выдающиеся ученые, как Л. Терстон [366], С. Стивене [360,361,483], В. Торгерсон [487], А. Пьерон [317].

Осознав все эти факторы, мы все же помещаем шкалирование в разряд количественных методов обработки данных, поскольку в психологической практике можно различить две ситуации с использованием шкалирования. Первая – это построение шкал, а вторая – их использование.

В первом случае все упомянутые особенности шкалирования проявляются в полной мере. Во втором же они отходят на второй план, поскольку использование готовых шкал (например, «стандартных» шкал при тестировании) предполагает просто сравнение с ними показателей, полученных на этапе сбора данных.

Таким образом, психолог в этом случае пользуется лишь плодами шкалирования, причем на этапах, следующих за сбором данных. Такая ситуация – обычное явление в психологии. Кроме того, формальное построение шкал, как правило, выносится за пределы непосредственных измерений и сбора данных об объекте.

То есть основные шкалообразующие действия математического характера проводятся после сбора данных, что сопоставимо с этапом их обработки.

В самом общем смысле шкалирование есть способ познания мира через моделирование реальности с помощью формальных (в первую очередь, числовых) систем. Применяется этот способ практически во всех сферах научного познания (в естественных, точных, гуманитарных, социальных, технических науках) и имеет широкое прикладное значение.

Наиболее строгим определением представляется следующее: шкалирование – это процесс отображения по заданным правилам эмпирических множеств в формальные.

Под эмпирическим множеством понимается любая совокупность реальных объектов (людей, животных, явлений, свойств, процессов, событий), находящихся в определенных отношениях друг с другом.

Эти отношения могут быть представлены четырьмя типами (эмпирическими операциями): 1) равенство (равно – не равно); 2) ранговый порядок (больше – меньше); 3) равенство интервалов; 4) равенство отношений.

По природе эмпирического множества шкалирование делится на два вида: физическое и психологическое. В первом случае шкалированию подвергаются объективные (физические) характеристики объектов, во втором – субъективные (психологические).

Под формальным множеством понимается произвольная совокупность символов (знаков, чисел), связанных между собой определенными отношениями, которые соответственно эмпирическим отношениям описываются четырьмя видами формальных (математических) операций: 1) «равно – не равно» (= ?); 2) «больше – меньше» (> При шкалировании обязательным условием является взаимооднозначное соответствие между элементами эмпирического и формального множеств. Это означает, что каждому элементу первого множества должен соответствовать только один элемент второго, и наоборот. При этом взаимооднозначное соответствие типов отношений между элементами обоих множеств (изоморфизм структур) не обязательно. В случае изоморфности этих структур производится так называемое прямое (субъективное) шкалирование, при отсутствии изоморфизма производится косвенное (объективное) шкалирование.

Итогом шкалирования является построение шкал (лат. scala – 'лестница'), т. е. некоторых знаковых (числовых) моделей исследуемой реальности, с помощью которых можно эту реальность измерить. Таким образом, шкалы являются измерительными инструментами. Общее представление обо всем многообразии шкал можно получить из работ [103, 104], где приведена их классификационная система и даны краткие описания каждого вида шкал. Сведения о многообразии модификаций общенаучного метода шкалирования в систематизированном виде представлены в работе [239].

Отношения между элементами эмпирического множества и соответствующие допустимые математические операции (допустимые преобразования) обусловливают уровень шкалирования и тип получаемой шкалы (по классификации С. Стивенса).

Первому, наиболее простому типу отношений (= ?) соответствуют наименее информативные шкалы наименований, второму (> Процесс психологического шкалирования условно можно разделить на два основных этапа: эмпирический, на котором производится сбор данных об эмпирическом множестве (в данном случае о множестве психологических характеристик исследуемых объектов или явлений), и этап формализации, т. е. математико-ста-тистической обработки данных первого этапа. Особенности каждого из этапов определяют методические приемы конкретной реализации шкалирования. В зависимости от объектов исследования психологическое шкалирование выступает в двух разновидностях: психофизическое или психометрическое.

Психофизическое шкалирование заключается в построении шкал для измерения субъективных (психологических) характеристик объектов (явлений), имеющих физические корреляты с соответствующими физическими единицами измерения. Например, субъективным характеристикам звука (громкости, высоте, тембру) соответствуют физические параметры звуковых колебаний: амплитуда (в децибелах), частота (в герцах), спектр (в показателях составляющих тонов и огибающей). Таким образом, психофизическое шкалирование позволяет выявить зависимость между величинами физической стимуляции и психической реакции, а также выразить эту реакцию в объективных единицах измерения. В результате получают любые виды косвенных и прямых шкал всех уровней измерения: шкалы наименований, порядка, интервалов и отношений.

Психометрическое шкалирование заключается в построении шкал для измерения субъективных характеристик объектов (явлений), не имеющих физических коррелятов. Например, характеристик личности, популярности артистов, сплоченности коллективов, выразительности образов и т. п.

Реализуется с помощью некоторых методов косвенного (объективного) шкалирования. В результате получают шкалы суждений, относящиеся по типологии допустимых преобразований, как правило, к шкалам порядка, реже – к шкалам интервалов.

В последнем случае в качестве единиц измерения выступают показатели вариативности суждений (ответов, оценок) респондентов. Наиболее характерными и распространенными психометрическими шкалами являются шкалы оценок и основанные на них шкалы установок.

Психометрическое шкалирование лежит в основе разработки большинства психологических тестов, а также методов измерений в социальной психологии (социометрические методики) и в прикладных психологических дисциплинах.

Поскольку вынесение суждений, лежащее в основе процедуры психометрического шкалирования, может быть применено и к физической сенсорной стимуляции, постольку эти процедуры применимы и для выявления психофизических зависимостей, но в этом случае получаемые шкалы не будут иметь объективных единиц измерения.

Как физическое, так и психологическое шкалирование может быть одномерным и многомерным. Одномерное шкалирование – это процесс отображения эмпирического множества в формальное по одному критерию.

Получаемые одномерные шкалы отображают либо отношения между одномерными эмпирическими объектами (или одними и теми же свойствами многомерных объектов), либо изменения одного свойства многомерного объекта.

Реализуется одномерное шкалирование с помощью методов и прямого (субъективного), и косвенного (объективного) шкалирования.

Под многомерным шкалированием понимается процесс отображения эмпирического множества в формальное одновременно по нескольким критериям. Многомерные шкалы отражают либо отношения между многомерными объектами, либо одновременные изменения нескольких признаков одного объекта.

Процесс многомерного шкалирования в отличие от одномерного характеризуется большей трудоемкостью второго этапа, т. е. формализации данных.

В связи с этим привлекается мощный статистико-мате-матический аппарат, например, кластерный или факторный анализы, входящие неотъемлемой частью в методы многомерного шкалирования.

Исследование проблем многомерного шкалирования связано с именами Ричардсона и Торгерсона, предложивших его первые модели. Начало разработкам методов неметрического многомерного шкалирования положил Шепард.

Наиболее распространенный и впервые теоретически обоснованный алгоритм многомерного шкалирования предложил Краскал. Обобщение сведений по многомерному шкалированию провел М. Дэйвисон [122].

Специфика многомерного шкалирования в психологии отражена в работе Г. В. Парамей [275].

Раскроем упоминавшиеся ранее понятия «косвенное» и «прямое» шкалирования. Косвенное, или объективное шкалирование – это процесс отображения эмпирического множества в формальное при взаимном несоответствии (отсутствие изоморфизма) между структурами этих множеств.

В психологии в основе такого несоответствия лежит первый постулат Фехнера о невозможности прямой субъективной оценки величины своих ощущений.

Для количественного выражения ощущений используются внешние по отношению к ним (косвенные) единицы измерения, базирующиеся на различных оценках испытуемых: едва заметные различия, время реакции (ВР), дисперсия различения, разброс категориальных оценок.

Косвенные психологические шкалы по способам их построения, исходным допущениям и единицам измерения образуют несколько групп, главные из которых следующие: 1) шкалы накопления, или логарифмические шкалы; 2) шкалы, основанные на измерении ВР; 3) шкалы суждений (сравнительных и категориальных).

Аналитическим выражениям этих шкал присвоен статус законов, названия которых связаны с именами их авторов: 1) логарифмический закон Вебера–Фехнера; 2) закон Пьерона (для простой сенсомоторной реакции); 3) закон сравнительных суждений Терстона и 4) закон категориальных суждений Торгерсона.

Наибольшими прикладными возможностями обладают шкалы суждений. Они позволяют измерять любые психические явления, реализуют как психофизическое, так и психометрическое шкалирование, дают возможность многомерного шкалирования.

По типологии допустимых преобразований косвенные шкалы представлены в основном шкалами порядка и интервалов.

Прямое, или субъективное, шкалирование представляет собой процесс отображения эмпирического множества в формальное при взаимооднозначном соответствии (изоморфизм) структур этих множеств.

В психологии в основе этого соответствия лежит допущение о возможности прямой субъективной оценки величины своих ощущений (отрицание первого постулата Фехнера).

Реализуется субъективное шкалирование с помощью процедур, выясняющих, во сколько раз (или на сколько) ощущение, вызванное одним стимулом, больше или меньше ощущения, вызванного другим стимулом. Если такое сравнение производится для ощущений разных модальностей, то говорят о кросс-модальном субъективном шкалировании.

Прямые шкалы по способу их построения образуют две основные группы: 1) шкалы, основанные на определении сенсорных отношений; 2) шкалы, основанные на определении величин стимулов.

Второй вариант открывает путь к многомерному шкалированию. Значительная часть прямых шкал хорошо аппроксимируется степенной функцией, что на большом эмпирическом материале доказал С.

Стивене, именем которого названо аналитическое выражение прямых шкал – степенной закон Стивенса.

Для количественного выражения ощущений при субъективном шкалировании используются психологические единицы измерения, специализированные для конкретных модальностей и экспериментальных условий.

Многие из этих единиц имеют общепринятые наименования: «соны» для громкости, «брилы» для яркости, «густы» для вкуса, «веги» для тяжести и т. д.

По типологии допустимых преобразований прямые шкалы представлены главным образом шкалами интервалов и отношений.

В заключение обзора метода шкалирования надо указать на проблему его соотношения с измерением.

На наш взгляд, эта проблема обусловлена отмеченными выше особенностями шкалирования: 1) совмещением в нем эмпирических процедур сбора данных и аналитических процедур обработки данных; 2) единством количественного и качественного аспекта процесса шкалирования; 3) сочетанием общенаучности и узкопрофильности, т. е. «срастанием» общих принципов шкалирования со специфическими процедурами конкретных методик.

Часть исследователей в явном или неявном виде отождествляют понятия «шкалирование» и «измерение» [120,149,165,275,434, 454,481]. На эту точку зрения особенно сильно «работает» авторитет С.

Стивенса, который измерение определял как «приписывание числовых форм объектам или событиям в соответствии с определенным правилами» и тут же указывал, что подобная процедура ведет к построению шкал [360, с. 20; с. 51]. Но поскольку процесс разработки шкалы есть процесс шкалирования, то в итоге получаем, что измерение и шкалирование – одно и то же.

Противоположная позиция состоит в том, что с измерением сопоставляется только метрическое шкалирование, связанное с построением интервальных и пропорциональных шкал [363,413,445].

Представляется, что вторая позиция строже, поскольку измерение предполагает количественное выражение измеряемого, а следовательно, наличие метрики. Острота дискуссии может быть снята, если измерение понимать не как исследовательский метод [120, 165], а как инструментальное сопровождение того или иного метода, в том числе шкалирования, о чем уже упоминалось.

Кстати, метрология (наука об измерениях) в понятие «измерение» включает как его обязательный атрибут средства измерения [52, 207]. Для шкалирования же (по крайней мере, для неметрического шкалирования) измерительные средства не обязательны. Правда, метрология интересуется главным образом физическими параметрами объектов, а не психологическими.

Психологию, наоборот, в первую очередь занимают субъективные характеристики (большой, тяжелый, яркий, приятный и т. п.). Это позволяет некоторым авторам за средство измерения принимать самого человека. При этом имеется в виду не столько использование в качестве единиц измерения частей человеческого тела (локоть, аршин, сажень, стадий, фут, дюйм и т. п.

), сколько его способности к субъективному количественному оцениванию любых явлений. Но бесконечная вариативность индивидуальных различий человека, в том числе вариативность оценочных способностей, не может дать общеупотребимых единиц измерения на этапе сбора данных об объекте.

Иными словами, в эмпирической части шкалирования субъект не может рассматриваться в роли измерительного инструмента. Эту роль ему с большой натяжкой можно приписать только после манипуляций уже не с эмпирическими, а с формальными множествами. Тогда искусственно получают субъективную метрику, чаще всего в виде интервальных значений. На эти факты указывает Г. В.

Суходольский, когда говорит, что упорядочивание (а именно этим занимается испытуемый на стадии «оценки» эмпирических объектов) «является подготовительной, но не измерительной операцией».

И только потом на стадии обработки первичных субъективных данных соответствующие шкалообразующие действия (у Суходольско-го – ранжирование) «метризуют одномерное топологическое пространство упорядоченных объектов и, следовательно, измеряют «величину» объектов» [363, с. 101].

Неясность соотношения понятий «шкалирование» и «измерение» в психологии усиливается при их сопоставлении с понятиями «тест» и «тестирование». Не вызывает сомнений отнесение тестов к измерительным инструментам. Однако следует указать на два момента. Первый – это использование теста в процессе тестирования, т. е.

обследования (психодиагностики) конкретных психологических объектов. Второй – это разработка, или конструирование теста. В первом случае с определенным основанием можно говорить об измерении, поскольку к обследуемому объекту (испытуемому) «примеривается» эталонная мера – стандартная шкала.

Во втором случае, очевидно, корректнее говорить о шкалировании, поскольку квинтэссенцией конструирования теста является процесс построения стандартной шкалы и связанные с этим операции определения эмпирического и формального множеств, надежность и изоморфизм которых не в последнюю очередь обеспечиваются стандартизацией процедуры сбора эмпирических данных и набором достоверной «статистики».

Другой аспект проблемы вытекает из того обстоятельства, что тест как измерительный инструмент состоит из двух частей: 1) набора заданий (вопросов), с которыми обследуемый непосредственно имеет дело на стадии сбора данных о нем, и 2) стандартной шкалы, с которой сравниваются эмпирические данные на стадии интерпретации.

Где следует говорить об измерении, где о шкалировании, если это не одно и то же? Нам кажется, что эмпирическая часть процесса тестирования, т. е. выполнение испытуемым тестового задания, не является чисто измерительной процедурой, но к шкалированию ее отнести необходимо.

Аргументация такова: сами по себе действия, совершаемые испытуемым, не являются мерой выраженности диагносцируемых качеств. Только результат этих действий (затраченное время, число ошибок, тип ответов и т. д.

), определяемый уже не испытуемым, а диагностом, представляет собой «сырое» шкальное значение, которое в последующем сравнивается с эталонными значениями. «Сырыми» показатели результатов действий испытуемого здесь названы по двум причинам. Во-первых, они, как правило, подвергаются переводу в другие единицы выраженности.

Часто – в «безликие», абстрактные баллы, стены и т. п. И, во-вторых, обычное дело в тестировании – многомерность изучаемого психического явления, что предполагает для его оценки регистрацию нескольких изменяющихся параметров, синтезируемых впоследствии в единый показатель.

Таким образом, только этапы обработки данных и интерпретации результатов тестирования, где производятся перевод «сырых» эмпирических данных в сравниваемые и наложение последних на «измерительную линейку», т. е. стандартную шкалу, можно без оговорок отнести к измерению.

Еще туже этот проблемный узел затягивается в связи с обособлением и перерастанием в самостоятельные дисциплины таких научных разделов, как «Психометрия» и «Математическая психология». Каждая из них как свои ключевые категории рассматривает обсуждаемые нами понятия.

Психометрию можно считать психологической метрологией, охватывающей «весь круг вопросов, связанных с измерением в психологии». Поэтому нет ничего удивительного, что шкалирование входит в этот «круг вопросов». Но и психометрия не проясняет его соотношения с измерением.

Более того, дело запутывается многообразием трактовок самой психометрической науки и ее предмета. Например, психометрия рассматривается в контексте психодиагностики [297]. «Часто термины «психометрия» и «психологический эксперимент» употребляются как синонимы…

Очень популярно мнение, что психометрия – это математическая статистика с учетом специфики психологии… Устойчивое понимание психометрии: математический аппарат психодиагностики… Психометрия – наука о применении в исследовании психических явлений математических моделей» [126, с. 48].

Что касается математической психологии, то ее статус еще более расплывчат [210].

« и структура математической психологии еще не приобрели общепринятой формы, выбор и систематизация математико-психологических моделей и методов в какой-то мере произвольны» [363, с. 5].

Тем не менее уже намечается тенденция поглощения психометрии математической психологией. Отразится ли это на обсуждаемой проблеме соотношения шкалирования и измерения и прояснится ли их место в общей системе методов психологии – пока сказать трудно.

Источник: https://bookucheba.com/eksperimentalnaya-psihologiya-knigi/kolichestvennyie-metodyi-16042.html

Глава 8. МЕТОДЫ ОБРАБОТКИ ДАННЫХ

8.1. КОЛИЧЕСТВЕННЫЕ МЕТОДЫ

Косновным методам количественного анализа (и синтеза) в психологии относятся следующие:

1.Методы первичной обработки данных (табулирование,

построение диаграмм, гистограмм, полигонов и кривых распределения). 2. Методы вторичной обработки данных (вычисление статистик).

3.Корреляционный анализ.

4.Дисперсионный анализ.

5.Регрессионный анализ.

6.Факторный анализ.

7.Таксономический (кластерный) анализ.

8.Шкалирование.

Выше при освещении этапа обработки данных в психологическом исследовании приводились краткие характеристики всех перечисленных методов кроме двух последних. Восполним этот пробел.

Таксономический анализ Метод представляет собой математический прием 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 [123, 226, 375].

В силу недостаточной проработанности критерия эффективности и допустимости кластерных процедур данный метод применяется обычно в сочетании с другими способами количественного анализа данных.

С другой стороны, и сам таксономический анализ используется как дополнительная страховка надежности результатов, полученных с использованием других количественных методов, в частности факторного анализа. Суть кластерного анализа позволяет рассматривать его как метод, явно совмещающий количественную обработку данных с их качественным анализом.

Поэтому причислить его однозначно к разряду количественных методов, видимо, не правомерно. Но поскольку процедура метода по преимуществу математическая и результаты могут быть представлены численно, то и метод в целом будем относить к категории количественных.

Шкалирование Шкалирование в еще большей степени, чем таксономический анализ, совмещает в себе

черты количественного и качественного изучения реальности. Количественный аспект шкалирования состоит в том, что в его процедуру в подавляющем большинстве случаев входят измерение и числовое представление данных.

Качественный аспект шкалирования выражается в том, что, во-первых, оно позволяет манипулировать не только количественными данными, но и данными, не имеющими единиц измерения, а во-вторых, включает в себя элементы качественных методов (классификации, типологизации, систематизации).

Еще одной принципиальной особенностью шкалирования, затрудняющей определение его места в общей системе научных методов, является совмещение в нем процедур сбора данных и их обработки. Можно даже говорить о единстве эмпирических и аналитических процедур при шкалировании.

Не только в конкретном исследовании трудно указать на последовательность и разнесенность этих процедур (они часто совершаются одновременно и совместно), но и в теоретическом плане не удается обнаружить стадиальную иерархию (невозможно сказать, что первично, а что вторично).

Третий момент, не позволяющий однозначно отнести шкалирование к той или иной группе методов, – это его органическое «врастание» в специфические области знания и приобретение им наряду с признаками общенаучного метода признаков узкоспецифических.

Если другие методы общенаучного значения (например, наблюдение или эксперимент) можно довольно легко представить как в общем виде, так и в конкретных модификациях, то шкалирование на уровне всеобщего без потери необходимой информации охарактеризовать весьма непросто.

Причина этого очевидна: совмещение в шкалировании эмпирических процедур с обработкой данных. Эмпирика конкретна, математика абстрактна. Поэтому срастание общих принципов математического анализа со специфическими приемами сбора данных дает указанный эффект. Неплохой иллюстрацией этому служит неясность с научными истоками шкалирования.

Сразу несколько наук могут претендовать на звание его «родителя». Среди них и психология, где над теорией и практикой шкалирования работали такие выдающиеся ученые, как Л. Терстон [366], С.

Стивене [360,361,483], В. Торгерсон [487], А. Пьерон [317].

Осознав все эти факторы, мы все же помещаем шкалирование в разряд количественных методов обработки данных, поскольку в психологической практике можно различить две ситуации с использованием шкалирования. Первая – это построение шкал, а вторая – их

использование. В первом случае все упомянутые особенности шкалирования проявляются в полной мере. Во втором же они отходят на второй план, поскольку использование готовых шкал (например, «стандартных» шкал при тестировании) предполагает просто сравнение с ними показателей, полученных на этапе сбора данных.

Таким образом, психолог в этом случае пользуется лишь плодами шкалирования, причем на этапах, следующих за сбором данных. Такая ситуация – обычное явление в психологии. Кроме того, формальное построение шкал, как правило, выносится за пределы непосредственных измерений и сбора данных об объекте.

То есть основные шкалообразующие действия математического характера проводятся после сбора данных, что сопоставимо с этапом их обработки.

В самом общем смысле шкалирование есть способ познания мира через моделирование реальности с помощью формальных (в первую очередь, числовых) систем. Применяется этот способ практически во всех сферах научного познания (в естественных, точных, гуманитарных, социальных, технических науках) и имеет широкое прикладное значение.

Наиболее строгим определением представляется следующее: шкалирование – это процесс отображения по заданным правилам эмпирических множеств в формальные. Под

эмпирическим множеством понимается любая совокупность реальных объектов (людей, животных, явлений, свойств, процессов, событий), находящихся в определенных отношениях друг с другом. Эти отношения могут быть представлены четырьмя типами (эмпирическими операциями): 1) равенство (равно – не равно); 2) ранговый порядок (больше – меньше); 3) равенство интервалов; 4) равенство отношений.

По природе эмпирического множества шкалирование делится на два вида: физическое и психологическое. В первом случае шкалированию подвергаются объективные (физические) характеристики объектов, во втором – субъективные (психологические).

Под формальным множеством понимается произвольная совокупность символов (знаков, чисел), связанных между собой определенными отношениями, которые соответственно эмпирическим отношениям описываются четырьмя видами формальных (математических) операций: 1) «равно – не равно» (= ≠); 2) «больше – меньше» (>

Источник: https://studfile.net/preview/1765404/page:13/

8.1. Качественная и количественная методология

8.1. КОЛИЧЕСТВЕННЫЕ МЕТОДЫ

8.2.Массовые опросы.

8.3.Интервью.

8.4Фокус-группа

8.5.Эксперимент

8.6.Анализ документов

8.7.. Наблюдение.

8.8.Написание отчета и представление данныхсоциологического исследования.

8.1.Качественная и количественная методология.

Количественныеи качественные методы

Какпоказывает практика, словосочетание«социологическое исследование»ассоциируется у большинства людей смассовыми опросами, а форма представленияконечных результатов – с цифрами,процентными соотношениями, таблицамии графиками.

Количественнаяметодология, к которой относится методмассовых опросов, тем не менее, неединственный способ получения,интерпретации и представления информациио социальных фактах.

Научнаяметодология, которая является базойприкладных методов, разделяется на двавида – это количественная и качественнаяметодология. Подробнее рассмотримкаждую из них.

Врамках количественной методологии мыизучаем количественные аспекты социальнойжизни. Методология строится настатистических методах отбора единицнаблюдения и анализа информации. Принципыотбора и анализа разрабатывались врамках математической статистики.

Спомощью количественных методов мыполучаем ответы на вопросы «сколько»,«как часто», «как долго», выявляемзависимости между переменными, получаемпроцентные соотношения и т.д.

Идеалэтого подхода – максимальная объективность,независимость результатов исследованияот внешних факторов, надежность метода– т.е. повторяемость полученныхрезультатов при повторном обследованииобъекта.

Количественные методы позволяютнам верифицировать (проверить напрактике) сформулированные заранеегипотезы относительно объектаисследования. Пример количественногоисследования – массовый опрос на тему– «Отношение студентов ТУСУРа дневнойформы обучения к учебе».

Мы можем измеритьпроцентные соотношения между теми, ктоудовлетворен и теми, кто не доволенвыбранной специальностью, выявитьзависимости между факультетом, накотором обучается студент и степеньюзаинтересованности в учебе и т.д.

Качественноеисследование позволяет нам изучатьглубинные аспекты социальных практик,выявить скрытые причины явлений –ответить на вопрос «почему?». В фокусеанализа – конкретный опыт, отдельныеслучаи. Задача исследователя –интерпретировать факты социальнойреальности, понять их природу и внутреннийсмысл.

Гипотез как таковых нет – мыформулируем их не до, а после полевогоэтапа исследования – и можем проверитьих с помощью количественных методов.Пример качественного исследования –полуструктурированное интервью«Мотивация студентов ТУСУРа припоступлении в университет».

В результатемы можем выявить различные виды мотиваций,оценить степень личной заинтересованностистудентов в получении образования ит.д.

Вкниге В. В. Семеновой «Качественныеметоды» приводится детальное описаниеразличий качественных и количественныхметодов по ряду параметров. Мы воспроизводимэто описание, для удобства восприятия,придав ему табличную форму:

Таблица2.1.

Различиякачественной и количественной методологий.

Качественные методы

Количественные методы

Способ познания

Естественный способ познания: неструктурированные формы сбора социологических данных. Естественность подразумевает прямой визуальный контакт исследователя с исследуемым в привычной для него обстановке.

Искусственный способ познания: акцент на предварительно сформулированных гипотезах и характеристиках объекта.

Степень обобщения

Частный характер исследования – рассмотрение с точки зрения отклонения от нормы, индивидуального своеобразия. Выводы, полученные на одних объектах носят относительный характер и могут быть отвергнуты последующими исследованиями на других объектах.

Обобщенный характер исследования – упорядочивание структуры сложных социальных объектов (при нивелировании специфики каждого). Выводы распространяются на всю совокупность аналогичных объектов.

Вид обобщения

Аналитическое обобщение – предполагает сравнение результатов по одному объекту с аналогичными (чаще всего противоположными объектами) для подтверждения или опровержения первичных выводов.

Статистическое обобщение – основано на статистической репрезентации генеральной совокупности. Критерием надежности выводов служит достоверное повторение полученных связей на других объектах.

Степень объективности

Субъективизм: субъективный характер исследования. Использование возможностей субъективизма при интерпретации полученных результатов.

Объективизм: объективный характер исследования.

[СеменоваВ. В. Качественные методы: введение вгуманистическую социологию. – М.:Добросвет, 1998.]

Напрактике различия между количественнымии качественными методами также проявляютсяв степени формализованности – качественныеметоды предоставляют исследователю «вполе» большую свободу, при количественныхметодах исследователь должен неукоснительнособлюдать инструкции.

Полевомуэтапу в количественных исследованиях,как правило, предшествует серьезнаяподготовительная работа – изучениелитературы, вторичных источников,составление программы, формулировкагипотез, интерпретация и операционализацияпонятий, выделение эмпирическихиндикаторов, подлежащих замеру,составление и пилотаж форм для сбораданных. Что касается качественныхисследований, то подготовительномуэтапу в ряде случаев не уделяется столькоинтеллектуальных усилий, более того,некоторые специалисты даже считают,что изучение информации по интересующейпроблеме только вредит непредвзятостиисследователя.

Другоеотличие количественных и качественныхметодов проявляется при проведенииполевого этапа.

В количественныхисследованиях, как правило, не требуетсяособая квалификация или специальныенавыки у тех, кто будет осуществлятьнепосредственный контакт с объектомисследования (это нанятые анкетеры,наблюдатели и т.д.

), к ним предъявляютсятребования не квалификационного, а,скорее, социально-психологическогохарактера (анкетер должен внушатьдоверие, располагать к себе, наблюдательдолжен быть внимательным и т.д.).

Задачатех, кто будет заполнять формы для сбораданных – четко следовать инструкциямпри выполнении работы. Например, нанятымдля проведения массового опроса анкетерамсовершенно не обязательно быть знакомымс проблемой исследования, знать, с какойцелью исследование проводится, какиегипотезы проверяются.

Вкачественных исследованиях рольчеловека, проводящего полевой этап,совершенно иная.

Поскольку нет жесткихрамок и заранее составленных форм, какнет и гипотез, исследователь долженчетко представлять себе проблему и целиисследования, чтобы сориентироватьсяна месте, самостоятельно принять решениео том, какую информацию необходимофиксировать, что важно, а что нет дляреализации исследовательских задач.Многие виды исследований требуютспециальной квалификации – например,при факультете психологии МГУ естькурсы модераторов – ведущих фокус-группы.Предполагается, что исследовательдолжен постоянно принимать самостоятельныерешения, изменять стратегию в зависимостиот реакции объекта исследования, а чтокасается исследовательской техники –он должен уметь «разговорить» респондента,погасить конфликт на фокус-группе, недать дискуссии уйти от обсуждаемойтемы, не потеряв важную информацию, ненарушая при этом логику рассуждений.

Какиепроблемы могут быть решены с помощьюколичественных, а какие – с помощьюкачественных методов? Каковы ограниченияприменения этих методов? Эти ограниченияво многом зависят от конкретного метода,поэтому будут рассмотрены нами в главах,посвященных сбору информации. В этойглаве мы лишь немного затронем проблемуприменимости той или иной методологии.

Итак,о чем нужно помнить, если вы принялирешение использовать один из количественныхметодов.

Вбольшинстве случаев при проведенииисследования у нас нет возможностипроверить, насколько искренне и откровеннореспондент отвечает на вопросы анкеты.Мы принимаем как допущение, что намговорят правду. Это ограничиваетприменимость метода, если вы хотитеисследовать проблему, которая вызываетнеискренность, заставляет скрыватьинформацию.

Нельзя, например, исследоватьуровень реальный уровень доходов россиянс помощью массовых опросов. Такжепрактически невозможно получитьинформацию, спрашивая о «болезненных»темах или задавая сложные вопросы. Какправило, мы можем «снять» только туинформацию, которая лежит на поверхности,не скрывается и четко осознается самимреспондентом.

Длятого чтобы использовать количественныеметоды, объект исследования должен бытьнам знаком, а проблема достаточноизучена, иначе мы не сможем сформулироватьгипотезы, и, как следствие, не сможемсоставить грамотную анкету или бланкнаблюдения.

Представьте, что тема вашегоисследования «Досуг студентов в г.Томске», вы хотите получить количественнуюоценку видов, способов проведения досугастудентами.

Согласитесь, что для того,чтобы операционализировать понятие«досуга», исследователь должен хорошопредставлять себе, как студенческаямолодежь Томска этот досуг проводит,иначе в анкете будут присутствоватьзаведомо ненужные альтернативы ответов,и, напротив, не будут указаны (следовательно,не будут измерены и учтены) вариантыдосуга, которые исследователю не знакомы,но пользуются популярностью студентов.

Очем необходимо помнить при проведениикачественных исследований?

Нельзявыводить корреляции или процентныесоотношения на основе полученных данных,поскольку объект исследования недостаточновелик, чтобы начал действовать законбольших чисел и можно было говорить окаких-либо закономерностях.

В частности,примером некорректного использованияданных интервью или фокус-групп являютсянекоторые рекламные ролики, где говоритсяо том, что «90% женщин указали на то, чтосостояние их кожи улучшилось в результатеиспользования крема», а мелким шрифтомвнизу экрана написано о том, что «данныебыли получены в результате опроса 30женщин».

Врезультате использования качественныхметодов мы не можем получить репрезентативныеданные. Предположим, мы провели интервьюс 20 женщинами – потребителями майонезас целью выявления значимых характеристикпродукта с точки зрения его покупателей.

Выяснилось, что для 10 женщин основнымтребованием, предъявляемым к майонезу,является его вкус, для 6 – содержаниекалорий или углеводов, для 4 – удобствоупаковки для хранения и использованияпродукта.

Данная информация не дает намвозможности предполагать, что такие жераспределения будут характерны длявсех потребителей с аналогичнымисоциально-демографическими характеристиками,как если бы мы провели массовый опросна основе случайной выборки.

Вотличие от количественных исследований,где процедура получения информации,структура анализа и представленияданных в отчете определяется четкосформулированными правилами, исследователь,выбирающий качественную стратегию,каждый раз заново решает вопросы,связанные со способом получения ипредставления полученных им данных.

Подытожимвсе вышесказанное:

– Еслицелью нашего исследования являетсяпоиск новой информации, изучениенеизвестного объекта, выявление скрытых(сознательно утаиваемых или неосознаваемых)аспектов жизнедеятельности людей – томы будем использовать методы, принадлежащиек качественной методологии.

-Если цель проводимого исследования –получение процентных распределений,статистических характеристик интересующихнас параметров, подтверждение/опровержениегипотез – наиболее релевантными будутметоды, относящиеся к количественнойметодологии.

-Сочетание методов – качественных иколичественных – зачастую позволяетснять ограничения, присущие каждому изних.

Например, массовый опрос позволитвывить больше полезной информации, еслиальтернативы ответов в анкете будутсоставлены в соответствии с даннымиинтервью или фокус-групп, проведенныхнепосредственно с представителямиобъекта исследования, а не выдуманысамим социологом.

Массовый опрос, в своюочередь, поможет социологу понять, какколичественно распределены те точкизрения, которые были выявлены с помощьюкачественных методов. Качественныеметоды могут быть также полезными приинтерпретации данных полученных спомощью количественных методов.

Источник: https://studfile.net/preview/3658873/page:24/

Book for ucheba
Добавить комментарий