Виды количественных методов исследования

Количественный метод исследования. Обработка и анализ результатов исследования

Социология использует два ключевых подхода к выявлению сведений о состоянии общества – качественный и количественный методы исследования. В основе количественной методологии лежит представление о систематизированности человеческого сообщества. Принято думать, что полученная с помощью таких методов информация может быть упорядочена. При применении логических правил на ее основании можно объяснить окружающую нас реальность. Наиболее актуальным развитие этого направления было в шестидесятые годы прошлого столетия. В большей степени применение таких методик характерно для западных школ социологии.

Общее представление

Современные социологические подходы предполагают применение жестко структурированных количественных методов исследования. Есть три ключевых класса методик, позволяющих получать данные, ложащиеся в базу для анализа:

  • наблюдение;
  • опрос;
  • работа с документами.

Было изобретено много вариантов применения указанных групп методик. В настоящее время отдельные модификации методов проведения исследования уже стали самостоятельными подходами. Именно такова судьба анкетирования, интервьюирования.

Это важно!

Если обратить внимание на весь комплекс количественных методов исследования, доступный современному обществу, можно заметить, что наибольшее значение имеют:

  • тесты с использованием подходов психологии;
  • экспериментальный подход.

Оба варианта основаны на двух направлениях работы с фактами: фиксирование, обработка с использованием строго оговоренных методик. Эти два процесса протекают параллельно.

В чем суть?

Количественный метод исследования – социологический подход, в ходе которого собирают данные для последующего анализа. Такие исследования актуальны, если стоит задача получения максимально точных сведений, данных, все числовые параметры которых выверены предельно скрупулезно. В настоящее время принято применять статистические, математические модели. Такой подход позволил обеспечить точную результативность разработанных методов, корректность получаемых во время расчетов показателей. Значит, эту информацию можно будет применять на практике, не опасаясь ошибок.

Зачем это нужно?

Есть строго определенный круг задач, решить которые можно с использованием количественных методов исследования в социологии. В него входят:

  • оценка рыночных объемов, потенциалов (финансовое выражение, натуральное);
  • оценка того, какие процентные доли рынка занимают конкурирующие предприятия;
  • выявление сегментирования сектора потребителей;
  • выявление готовности клиента к покупке товара, тенденции, перспективы конкретной позиции;
  • выявление клиентского портрета с учетом социальных, демографических, психологических факторов;
  • определение заранее сформулированных параметров, позволяющих выявить, как покупатель относится к продукту.

Функциональность расширена!

Профессиональная обработка и анализ результатов исследования позволяют получить точное представление о том, какие ниши рынка в настоящее время пустуют. Специалисты могут понять, насколько продукт удовлетворяет условиям, требованиям рынка, а также оценивают результативность рекламы, различных каналов, обеспечивающих коммуникацию производителя и клиента. На основании проводимых исследований можно понять, каков уровень продаж объекта исследования, в какой степени он представлен в точках, работающих непосредственно с потребителем (розничная продажа).

Если была выбрана подходящая к ситуации программа социологического исследования, специалисты смогут корректно сформулировать, как:

  • спланировать систему, чтобы один раз попробовавшие представленный продукт клиенты вернулись к нему еще раз;
  • выбрать оптимальную упаковку;
  • найти подходящую цену.

И хорошо, и плохо

В результате опросов можно в рамках одного исследования охватить сразу большое количество объектов, интересующих заказчика работ. В некоторых случаях работа предстоит в труднодоступных сегментах. Так, для корректности полученного результата бывает важно сделать выборку только по нижнему общественному слою или по высшему. Чтобы добиться успеха, составляется специфическая программа социологического исследования с задействованием всех возможностей предприятия, предлагающего исследовательские услуги. Впрочем, многие сходятся во мнении, что качественные методики более успешно применимы, когда речь идет о труднодоступных секторах работы.

Скажу, но не все!

Рассматривая характеристики количественных методов исследования, особенное внимание принято уделять возможной анонимности участников. Это правило не является обязательным для всех исследований такого рода, но в некоторых случаях только его соблюдение позволяет получить достоверные результаты. Если предварительные оценки доказывают, что анонимность сделает достоверность информации выше, тогда анкету для работы составляют именно таким образом.

Бытует и противоположная точка зрения. Многие считают, что факт анонимности практически не влияет на уровень достоверности информации, передаваемой во время опроса граждан от респондентов исследователям. Практикуется и такой подход: интервьюеры социологического агентства у каждого респондента спрашивают минимальный набор идентификационных сведений – имя, телефон и адрес. На основании этой информации можно понять, насколько качественно работали ответственные за взятие интервью лица.

Преимущества метода

Проводя опросы граждан, можно прибегать к наглядным материалам. Впрочем, качественные исследования тоже допускают такой метод работы.

Исследовательская работа с использованием количественных методик может строиться с применением разных подходов. Можно останавливаться на разработанных психологами тестах, психографических программах, методиках, позволяющих получить точную фактическую информацию о субъектах, объектах исследовательской работы. Немаловажен факт возможности получения через опросный лист фактуальных данных о личности интервьюируемого.

Выборка субъектов

Чтобы обработка опросных листов дала хороший результат, нужно уметь правильно сформировать выборку интервьюируемых. Если организовать репрезентативный вариант, тогда достаточно просто случайным образом выбирать личностей, соблюдая определенный шаг. Это может быть, скажем, каждый третий человек, проходящий на улице мимо интервьюера.

Альтернативный вариант – формулировка квот, на основании которых опрашиваются граждане. Можно задать, допустим, работу с женщинами в возрасте около 35 лет, раз в месяц и чаще посещающих маникюрные процедуры.

Во время одного проекта можно собрать очень много опросных листов, если этого требуют условия исследования, но многое определяется масштабностью рынка. Обычно достаточно 300-2 000 человек. Если проводится сплошной опрос с задействованием меньшего числа участников, вероятно, информация будет недостоверной, и на основании таких данных принимать управленческие решения рискованно.

Анкеты

Чтобы итоги исследования были корректными, придется заранее составить анкету, содержащую заданное количество вопросов. Они могут быть закрытыми, когда респонденту сразу предоставляется несколько вариантов ответа, или открытыми, когда каждый желающий может развернуто обосновать свою позицию. При составлении анкеты социологи принимают решение в пользу персонификации либо анонимности, отражают это в специальном поле готового документа.

Формирование анкеты и определение правил выборки – ключевые моменты, определяющие качество исследования в целом. Если удалось удачно сформировать опросный лист и выбрать целевую аудиторию для его заполнения, количественные данные окажутся полезными для заказчика.

Виды количественных методов исследования

Для сбора первичных данных применяют следующие подходы:

  • лицом к лицу;
  • телефонные исследования;
  • интервьюирование на улицах;
  • опрос в местах совершения приобретений;
  • интервью по квартирам;
  • тест продукции;
  • аудит товарных позиций;
  • потребительские панели;
  • обзвон юрлиц.

Довольно часто организуется мониторинг, в рамках которого допустимо дополнительно ввести процедуру регистрации ассортиментов, стоимостей. Такая регистрация может быть самостоятельным подходом, предоставляющим данные для количественного исследования.

К чему прибегнуть?

Один из самых частых способов, используемых в настоящее время – телефонные опросы. Для этого обзванивают сотрудников разных предприятий, выбирая невысокие должности. Это позволяет оперативно получить необходимые для анализа данные. Работая над выборкой, следует иметь в своем распоряжении телефонный список, из которого номера выбираются случайным образом. Чаще всего используется методика равных интервалов.

Если было решено прибегнуть к целевой выборке, тогда предварительно социологи формулируют критерии отбора. Это касается предприятий, работников которых будут опрашивать, а не отдельных лиц. Анализируют обороты компании, многочисленность персонала и область деятельности.

Зачем и почему?

В настоящее время телефонные опросы принято применять в силу экономичности такого подхода. Считается, что данные, передаваемые респондентом интервьюеру, довольно достоверные. С другой стороны, уровень телефонизации относительно невысок. Особенно заметна эта проблема в небольших населенных пунктах, в сельской местности.

Чтобы организовать быстрый сбор данных, можно прибегнуть к услугам call-центра. Благодаря применяемым такими предприятиями технологиям рабочий процесс автоматизируется, удается быстро обзвонить большое число человек. Разработанные методики контроля позволяют быть уверенными, что интервью по телефону были взяты корректно.

Преимущества подхода

Основной важный положительный момент такого подхода – высокая скорость проведения работ, то есть необходимая информация может быть получена действительно оперативно. Кроме того, по телефону удастся получить фактические сведения наравне с теми, из которых составляется характеристика отношения. Многие положительно оценивают возможность организации контроля за рабочим процессом.

Слабые стороны

Не обойтись и без них. В первую очередь уже упомянутая проблема телефонизации, то есть нельзя в принципе получить мнение от тех, кто телефона не имеет. Также нет возможности показать иллюстрации, опросник респонденту, что существенно сокращает возможности презентации информации.

При выборе телефонного метода общения нужно понимать: максимальная длительность разговора не может превышать четверти часа, и даже такое время согласятся уделить далеко не все. Более того, даже если респондент располагает свободным временем, он быстро теряет интерес к мероприятию и может непредсказуемо оборвать разговор в любой момент. У интервьюера нет возможности выявить глубинное отношение к исследуемому объекту, а также собрать мнения о достаточно обширных, разнообразных вопросах. Да и сами вопросы не могут быть сложными, телефон не позволяет применять ряд методик – таблицы, закрытые вопросы или варианты, требующие составления респондентом ранга.

Это важно!

Если метод телефонного опроса был выбран для исследования юридических лиц, очень сложно добиться правдивых данных по некоторым вопросам. В частности, это связано с доходной составляющей фирмы. Не будут по телефону сотрудники раскрывать информацию и о клиентуре предприятия, поставщиках.

Читайте также:  Итоги Всероссийского конкурса сочинений 2019 года

Прибегаем к мощности почты

Такой подход предполагает почтовую рассылку адресатам анкет. Ответы от них получаются тем же путем. Подобный опрос требует особенного внимания к формированию выборки. Можно использовать его только в случае, когда социологическое агентство твердо уверено в качестве базы адресов. Необходимо корректно составить сопутствующие материалы, чтобы возбудить у получателя желание развернуто ответить.

Такой метод сравнительно дешев, причем траты в большей степени связаны с почтой, курьерскими услугами (доставка заполненных образцов исследователям). С другой стороны, процент возврата редко превышает одну пятую всех разосланных материалов. Повышения этого процента можно добиться, если использовать электронную почту, а не бумажную, тем не менее отклик все равно довольно низкий. Соблюдение ряда специфических требований позволяет повысить вероятность ответа интервьюируемого.

Плюсы и минусы

Говоря о преимуществах, необходимо упомянуть возможность применения иллюстрированных материалов. Также можно охватить все регионы страны, в том числе те, где нет ни телефона, ни доступа к интернету, нет интервьюеров, которых можно привлечь к личной работе. Организовать почтовый опрос просто, не нужно готовить многочисленный персонал, да и контроль результатов представляет собой довольно легкую задачу.

Чтобы повысить эффективность опроса, проводимого через электронную почту, можно за несколько дней до него направить всем адресатам оповещение о запланированном мероприятии и просьбу откликнуться и принять участие. Официальная статистика показала: такая мера дает увеличение частоты откликов на 15%. Еще 18% роста наблюдаются, если при отсутствии ответа на анкету направить пользователю напоминание через пару недель после мероприятия. При отсутствии реакции еще через две недели направляют вторичное оповещение. Это увеличивает ответы на 26%.

Источник

Количественная обработка результатов исследования по психологии

Использование методов математической статистики при обработке первичных эмпирических данных необходимо для повышения достоверности выводов как в научном исследовании, так и в разработке в области практической психологии. При этом не рекомендуется ограничиваться использованием таких показателей, как среднее арифметическое и проценты. Они чаще всего не дают достаточных оснований для обоснованных выводов из эмпирических данных. Использование методов математической статистики при обработке первичных эмпирических данных необходимо для повышения достоверности выводов как в научном исследовании, так и в разработке в области практической психологии. При этом не рекомендуется ограничиваться использованием таких показателей, как среднее арифметическое и проценты. Они чаще всего не дают достаточных оснований для обоснованных выводов из эмпирических данных.

Чтобы выбрать статистические критерии и познакомиться с основами их применения для обработки эмпирических данных, можно использовать ряд пособий (например: Большее, Смирнов, 1969; Гласс, Стенли, 1976; Закс, 1976; Сосновский, 1979; Рунион, 1982; Сидоренко, 2001; Калинин, 2002; Ермолаев, 2003; Наследов, 2004). Множество критериев, приводимых обычно в учебниках по математической статистике, и сложное описание процедур их вычисления часто смущают студента, хотя значительная их часть используется достаточно редко. Каждый исследователь (и научный руководитель в том числе) выбирает статистические критерии, исходя из своих знаний, опыта, типа задачи и вида данных, которые подлежат обработке.

Как же поступить студенту? Можно положиться на опыт и советы научного руководителя (однако основательно разобравшись при этом в смысле и процедуре критерия). Можно опереться на примеры, приведенные в методических пособиях. Книги Е.В. Сидоренко (2001) и О.Ю. Ермолаева (2003) приводят примеры так называемой «ручной» обработки данных, в книгах С.И. Калинина (2002) и А.Д. Наследова (2004) даны описания статистической обработки с использованием статистических программ.

Статистические гипотезы. Выбор статистических критериев предполагает также формулировку статистических гипотез, то есть перевода экспериментальной гипотезы на язык статистики. Таким образом, статистическая гипотеза — это утверждение в отношении изучаемой переменной, сформулированное на языке математической статистики. Для этого необходимо определить математико-статистические критерии, уровни статистической значимости, которые дают основания исследователю утверждать, подтвердилась экспериментальная гипотеза или нет. На этом этапе исследования формулируются статистические гипотезы, которые конкретизируют соответствующую эмпирическую гипотезу на уровне математических критериев значимости. Эмпирическая (экспериментальная) гипотеза воплощается в процедуре статистической интерпретации данных. Эта процедура сводима к оценке сходств и различий. При проверке статистических гипотез используются два понятия:

Н(1) (гипотеза о различии) и

Н(0) (гипотеза о сходстве).

Подтверждение первой гипотезы свидетельствует о верности статистического утверждения Н(1), а второй — о принятии утверждения Н(0) — об отсутствии различий.

После проведения конкретного эксперимента проверяются многочисленные статистические гипотезы, поскольку в каждом психологическом исследовании регистрируется не один, а множество поведенческих параметров. Каждый параметр характеризуется несколькими статистическими мерами: центральной тенденции, изменчивости, распределения. Кроме того, можно вычислить меры связи параметров и оценить значимость этих связей.

Таким образом, экспериментальная гипотеза служит для организации и проведения эмпирического исследования, а статистическая — для организации процедуры сравнения регистрируемых параметров. Статистическая гипотеза необходима на этапе математической интерпретации данных эмпирических исследований. Естественно, большое количество статистических гипотез необходимо для подтверждения или опровержения экспериментальной (эмпирической) гипотезы.

Выбирать математические методы обработки эмпирических данных нужно в процессе планирования исследования. Выбор метода математической обработки полученных эмпирических данных — очень важная и ответственная часть исследования. И делать это лучше до того, как получены данные. При планировании исследования необходимо заранее продумать, какие эмпирические показатели будут регистрироваться, с помощью каких методов будут обрабатываться и какие выводы при разных результатах обработки можно будет сделать. Полезным руководством при этом может стать классификация задач и методов их решения, которую приводит Е.В. Сидоренко (2001, с. 34).

Следует идентифицировать тип переменных и шкалу измерения. При выборе математико-статистического критерия нужно, прежде всего, идентифицировать тип переменных (признаков) и шкалу, которая использовалась при измерении психологических показателей и других переменных (возраст, состав семьи, уровень образования).

В качестве переменных могут выступать любые показатели, которые можно сравнивать друг с другом (то есть измерять). Это может быть время выполнения задания, количество ошибок, уровень самооценки, количество правильно решенных задач и качественные особенности их выполнения, личностные показатели, получаемые в психологических тестах, и др. Порой для студентов представляет трудность выделение переменных в работах по практической психологии, где возможности использования традиционных и стандартизированных психологических тестов (с которыми обычно ассоциируется проблема измерения) ограничены. Следует иметь в виду, что в области практической психологии могут широко использоваться номинативные и порядковые шкалы. Речевые высказывания клиента, виды поведенческих реакций, улыбки, взгляды, — все это может рассматриваться в качестве переменных. Главное — иметь четкие и ясные критерии их отнесения к тому или иному типу в зависимости от поставленных гипотез и задач.

Нужно учитывать тип распределения данных при выборе статистического критерия. При выборе математико-статистического критерия следует также ориентироваться на тип распределения данных, который получился в исследовании. Параметрические критерии используются в том случае, когда распределение полученных данных рассматривается как нормальное. Нормальное распределение с большей вероятностью (но не обязательно) получается при выборках более 100 испытуемых (может получиться и при меньшем количестве, а может не получиться и при большем). При использовании параметрических критериев необходима проверка нормальности распределения.

Для непараметрических критериев тип распределения данных не имеет значения. При небольших объемах выборки испытуемых, используемой обычно в курсовой или дипломной работе, целесообразно выбрать непараметрические критерии, которые дают большую достоверность выводам, независимо от того, получено ли в исследовании нормальное распределение данных. В некоторых случаях статистически обоснованные выводы могут быть сделаны даже при выборках в 5-10 испытуемых.

Основные типы исследовательских задач с точки зрения статистических процедур обработки данных. Большинство психологических работ сводятся к нескольким типам исследовательских задач, которые и предопределяют тип математико-статистического критерия.

1. Во многих исследованиях осуществляется поиск различий в психологических показателях у испытуемых, имеющих те или иные особенности. При обработке соответствующих данных могут использоваться критерии для выявления различий в уровне исследуемого признака или в его распределении. Для определения значимости различий в проявлении признака в психологических исследованиях часто используются такие показатели, как парный критерий Вилкоксона, U-критерий Манна-Уитни, критерий хи-квадрат (x2), точный критерий Фишера, биномиальный критерий.

2. Во многих исследованиях осуществляется поиск взаимосвязи психологических показателей у одних и тех же испытуемых. Для обработки соответствующих данных могут использоваться коэффициенты корреляции. Связь величин друг с другом и их зависимость часто характеризуются коэффициентом линейной корреляции Пирсона и коэффициентом ранговой корреляции Спирмена.

3. Выявление структуры данных (и соответственно структуры изучаемой психологической реальности), а также их взаимосвязи выявляется факторным анализом.

4. Во многих исследованиях интерес представляет анализ изменчивости признака под влиянием каких-либо контролируемых факторов, или, другими словами, оценка влияния разных факторов на изучаемый признак. Для математической обработки данных в таких задачах может использоваться U-критерий Манна-Уитни, критерий Краскела-Уоллиса, Т-критерий Вилкоксона, критерий x2 Фридмана. Однако для исследования влияния нескольких факторов на изучаемый параметр (а тем более их взаимовлияния) полезнее может оказаться дисперсионный анализ. Исследователь исходит из предположения, что одни переменные могут рассматриваться как причины, а другие как следствия. Переменные первого рода считаются факторами, а переменные второго рода — результативными признаками. В этом отличие дисперсионного анализа от корреляционного, в котором предполагается, что изменения одного признака просто связаны с определенными изменениями другого (Сидоренко, 2001, с. 225).

Читайте также:  Амниоцентез сроки и причины назначения

5. Во многих исследованиях выявляется значимость изменений (сдвига) каких-либо психологических, поведенческих параметров и проявлений за определенный промежуток времени в определенных условиях (например, в условиях коррекционного воздействия). Формирующие эксперименты в практической психологии решают именно эту задачу. Для обработки соответствующих данных могут использоваться коэффициенты оценки достоверности сдвига в значениях исследуемого признака. Для этого часто применяются критерии знаков, Т-критерий Вилкоксона.

Важно обратить внимание на ограничения, которые имеет каждый критерий. Если один критерий не подходит для анализа имеющихся данных, всегда можно найти какой-либо другой, возможно, изменив тип представления самих данных. Прежде чем обрабатывать эмпирические данные, полезно проверить, существуют ли в пособии, которым вы пользуетесь, критические значения, соответствующие количеству и типу ваших данных. В противном случае вас может ждать разочарование, когда ваши подсчеты окажутся напрасными по причине отсутствия в таблице критических значений при объеме выборки, которая у вас была.

После знакомства с процедурой вычисления критерия можно провести «ручную» обработку данных или воспользоваться статистической программой персонального компьютера. Для компьютерной обработки одни психологи предпочитают пакет статистических программ SPSS, другие — программу Statistica. Студенты-психологи предпочитают SPSS, прежде всего, потому, что в последние годы опубликованы хорошие руководства по его применению (Калинин, 2002; Наследов, 2004).

Методы математической обработки данных важно использовать и для анализа результатов инновационной практической психологической работы: психотерапии, консультирования, развивающей психологической работы. Для этого необходимо регистрировать конкретные психологические и поведенческие показатели участников исследования «до» и «после» курса психологической помощи, которые могут статистически обрабатываться и использоваться для подтверждения эффективности курса занятий. Применение математико-статистических критериев для проверки значимости изменений придает доказательность выводам такой работы. шаблоны для dle 11.2

Источник

4.3.. Количественная обработка результатов исследования

Использование методов математической статистики при обработ­ке первичных эмпирических данных необходимо для повышения дос­товерности выводов как в научном исследовании, так и в разработке в области практической психологии. При этом не рекомендуется ограни­чиваться использованием таких показателей, как среднее арифмети­ческое и проценты. Они чаще всего не дают достаточных оснований для обоснованных выводов из эмпирических данных.

Чтобы выбрать статистические критерии и познакомиться с осно­вами их применения для обработки эмпирических данных, можно ис­пользовать ряд пособий (например: Большее, Смирнов, 1969; Гласе, Стенли, 1976; Закс, 1976; Сосновский, 1979; Рунион, 1982; Сидоренко, 2001; Калинин, 2002; Ермолаев, 2003; Наследие, 2004). Множество критериев, приводимых обычно в учебниках по математической ста­тистике, и сложное описание процедур их вычисления часто смущают студента, хотя значительная их часть используется достаточно редко. Каждый исследователь (и научный руководитель в том числе) выбира­ет статистические критерии, исходя из своих знаний, опыта, типа за­дачи и вида данных, которые подлежат обработке.

Как же поступить студенту? Можно положиться на опыт и советы научного руководителя (однако основательно разобравшись при этом в смысле и процедуре критерия). Можно опереться на примеры, при­веденные в методических пособиях. Книги Е.В. Сидоренко (2001) и О.Ю. Ермолаева (2003) приводят примеры так называемой «ручной» обработки данных, в книгах С.И. Калинина (2002) и А.Д. Наследова (2004) даны описания статистической обработки с использованием статистических программ.

Статистические гипотезы. Выбор статистических критериев пред­полагает также формулировку статистических гипотез, то есть пере­вода экспериментальной гипотезы на язык статистики. Таким обра­зом, статистическая гипотеза — это утверждение в отношении изучаемой переменной, сформулированное на языке математической статистики. Для этого необходимо определить математико-статистические критерии, уровни статистической значимости, которые дают основания исследователю утверждать, подтвердилась экспериментальная гипотеза или нет. На этом этапе исследования формулируют­ся статистические гипотезы, которые конкретизируют соответствую­щую эмпирическую гипотезу на уровне математических критериев значимости. Эмпирическая (экспериментальная) гипотеза воплоща­ется в процедуре статистической интерпретации данных. Эта проце­дура сводима к оценке сходств и различий. При проверке статисти­ческих гипотез используются два понятия:

Н(1) (гипотеза о различии) и

Н(0) (гипотеза о сходстве).

Подтверждение первой гипотезы свидетельствует о верности ста­тистического утверждения Н(1), а второй — о принятии утверждения Н(0) — об отсутствии различий.

После проведения конкретного эксперимента проверяются много­численные статистические гипотезы, поскольку в каждом психологи­ческом исследовании регистрируется не один, а множество поведен­ческих параметров. Каждый параметр характеризуется несколькими статистическими мерами: центральной тенденции, изменчивости, распределения. Кроме того, можно вычислить меры связи параметров и оценить значимость этих связей.

Таким образом, экспериментальная гипотеза служит для органи­зации и проведения эмпирического исследования, а статистическая — для организации процедуры сравнения регистрируемых параметров. Статистическая гипотеза необходима на этапе математической ин­терпретации данных эмпирических исследований. Естественно, боль­шое количество статистических гипотез необходимо для подтвержде­ния или опровержения экспериментальной (эмпирической) гипотезы.

Выбор метода мате­матической обработки полученных эмпирических данных — очень важная и ответственная часть исследования. И делать это лучше до того, как получены данные. При планировании исследования необхо­димо заранее продумать, какие эмпирические показатели будут реги­стрироваться, с помощью каких методов будут обрабатываться и ка­кие выводы при разных результатах обработки можно будет сделать. Полезным руководством при этом может стать классификация задач и методов их решения, которую приводит Е.В. Сидоренко (2001).

Следует идентифицировать тип переменных и шкалу измерения. При выборе математико-статистического критерия нужно, прежде всего, идентифицировать тип переменных (признаков) и шкалу, ко­торая использовалась при измерении психологических показателей и других переменных (возраст, состав семьи, уровень образования).

В качестве переменных могут выступать любые показатели, которые можно сравнивать друг с другом. Это может быть время выполнения задания, количество ошибок, уровень самооценки, количество правильно решенных задач и качественные особенности их выполнения, личностные показатели, получаемые в психологичес­ких тестах, и др. В работах по практической психологии порой представляет трудность выде­ление переменных, где воз­можности использования традиционных и стандартизированных психологических тестов ограничены. Следует иметь в виду, что в области практи­ческой психологии могут широко использоваться номинативные и порядковые шкалы. Речевые высказывания клиента, виды поведен­ческих реакций, улыбки, взгляды, — все это может рассматриваться в качестве переменных. Главное — иметь четкие и ясные критерии их отнесения к тому или иному типу в зависимости от поставленных ги­потез и задач. При выборе математико-статистического крите­рия следует также ориентироваться на тип распределения данных, который получился в исследовании. Параметрические критерии ис­пользуются в том случае, когда распределение полученных данных рассматривается как нормальное. Нормальное распределение с боль­шей вероятностью (но не обязательно) получается при выборках бо­лее 100 испытуемых (может получиться и при меньшем количестве, а может не получиться и при большем). При использовании параметри­ческих критериев необходима проверка нормальности распределения. Для непараметрических критериев тип распределения данных не имеет значения. При небольших объемах выборки испытуемых, ис­пользуемой обычно в курсовой или дипломной работе, целесообразно выбрать непараметрические критерии, которые дают большую досто­верность выводам, независимо от того, получено ли в исследовании нормальное распределение данных. В некоторых случаях статисти­чески обоснованные выводы могут быть сделаны даже при выборках в 5—10 испытуемых. Большинство психологических ра­бот сводятся к нескольким типам исследовательских задач, которые и предопределяют тип математико-статистического критерия.

1. Во многих исследованиях осуществляется поиск различий в пси­хологических показателях у испытуемых, имеющих те или иные осо­бенности. При обработке соответствующих данных могут использоваться критерии для выявления различий в уровне исследуемого при­знака или в его распределении. Для определения значимости разли­чий в проявлении признака в психологических исследованиях часто используются такие показатели, как парный критерий Вилкоксона, и-критерий Манна—Уитни, критерий хи-квадрат (X 2 ), точный крите­рий Фишера, биномииальный критерий.

2. Во многих исследованиях осуществляется поиск взаимосвязи психологических показателей у одних и тех же испытуемых. Для обра­ботки соответствующих данных могут использоваться коэффициенты корреляции. Связь величин друг с другом и их зависимость часто ха­рактеризуются коэффициентом линейной корреляции Пирсона и ко­эффициентом ранговой корреляции Спирмена.

3. Выявление структуры данных (и соответственно структуры изу­чаемой психологической реальности), а также их взаимосвязи выяв­ляется факторным анализом.

4. Во многих исследованиях интерес представляет анализ изменчи­вости признака под влиянием каких-либо контролируемых факторов, или, другими словами, оценка влияния разных факторов на изучае­мый признак. Для математической обработки данных в таких задачах может использоваться 11-критерий Манна—Уитни, критерий Краскела—Уоллиса, Т-критерий Вилкоксона, критерий X 2 Фридмана. Одна­ко для исследования влияния нескольких факторов на изучаемый па­раметр (а тем более их взаимовлияния) полезнее может оказаться дисперсионный анализ. Исследователь исходит из предположения, что одни переменные могут рассматриваться как причины, а другие как следствия. Переменные первого рода считаются факторами, а пе­ременные второго рода — результативными признаками. В этом отли­чие дисперсионного анализа от корреляционного, в котором предпо­лагается, что изменения одного признака просто связаны с определенными изменениями другого (Сидоренко, 2001, с. 225).

Читайте также:  Типы результатов фгос общего образования

5. Во многих исследованиях выявляется значимость изменений (сдвига) каких-либо психологических, поведенческих параметров и про­явлений за определенный промежуток времени в определенных условиях (например, в условиях коррекционного воздействия). Формирующие эксперименты в практической психологии решают именно эту задачу. Для обработки соответствующих данных могут использоваться коэф­фициенты оценки достоверности сдвига в значениях исследуемого Признака. Для этого часто применяются критерии знаков, Т-критерий Вилкоксона.

Важно обратить внимание на ограничения, которые имеет каждый критерий. Если один критерий не подходит для анализа имеющихся данных, всегда можно найти какой-либо другой, возможно, из­менив тип представления самих данных. Прежде чем обрабатывать эмпирические данные, полезно проверить, существуют ли в пособии, которым вы пользуетесь, критические значения, соответствующие ко­личеству и типу ваших данных. В противном случае вас может ждать разочарование, когда ваши подсчеты окажутся напрасными по причи­не отсутствия в таблице критических значений при объеме выборки, которая у вас была.

После знакомства с процедурой вычисления критерия можно про­вести «ручную» обработку данных или воспользоваться статистичес­кой программой персонального компьютера. Для компьютерной об­работки одни психологи предпочитают пакет статистических программ SPSS, другие — программу Statistica. Студенты-психологи предпочитают SPSS, прежде всего, потому, что в последние годы опубликованы хорошие руководства по его применению (Калинин, 2002; Наследов, 2004).

Методы математической обработки данных важно использовать и для анализа результатов инновационной практической деятельности: психотерапии, консультирования, развивающей психологичес­кой работы. Для этого необходимо регистрировать конкретные пси­хологические и поведенческие показатели участников исследования «до» и «после» курса психологической помощи, которые могут стати­стически обрабатываться и использоваться для подтверждения эф­фективности курса занятий. Применение математико-статистических критериев для проверки значимости изменений придает доказательность выводам такой работы.

Источник

Различают количественную и качественную обработку данных

Обработка данных психологических исследований – от­дельный раздел экспериментальной психологии, тесно свя­занный с математической статистикой и логикой. Обработ­ка данных направлена на решение следующих задач:

• упорядочивание полученного материала;

• обнаружение и ликвидация ошибок, недочетов, пробе­лов в сведениях;

• выявление скрытых от непосредственного восприятия тенденций, закономерностей и связей;

• обнаружение новых фактов, которые не ожидались и не были замечены в ходе эмпирического процесса;

• выяснение уровня достоверности, надежности и точно­сти собранных данных и получение на их базе научно обос­нованных результатов.

Количественная обработка – это работа с измерен­ными характеристиками изучаемого объекта, его «объекти­вированными» свойствами. Она 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: корреляционный анализ, фак­торный анализ и т.д. Реализуется количественная обработка с помощью математико-статистических методов.

Качественная обработка пред­ставляет собой способ проникновения в сущность объекта путем выявления его неизмеряемых свойств. При такой обработке преобладают синтетические способы познания. Обобщение проводится на следующем этапе исследовательского процесса – интерпретационном. При качественной обработке данных главное заключается в соответствующем представлении сведений об изучаемом яв­лении, 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 обработки довольно условно. Количественный анализ без последующей качественной обработки бессмыслен; так как сам по себе не приводит к приращению знаний, а качествен­ное изучение объекта без базовых количественных данных в на­учном познании невозможно. Без количественных данных на­учное познание – чисто умозрительная процедура. Единство количественной и качественной обработки на­глядно представлено во многих методах обработки данных: факторном и таксономическом анализе, шкалировании, классификации и др. Наиболее распространены такие прие­мы количественной обработки, как классификация, типологизация, систематизация, периодизация, казуистика. 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.

Источник



Порядок количественной обработки результатов исследования

Обобщающий этап представляет собой процесс извлечения выводов общего характера из полученных в эксперименте данных путем логических операций: анализа, синтеза, индукции, дедукции и др. Чем глубже и разностороннее будут проанализированы данные, тем больше ценных обобщающих выводов можно извлечь из экспериментальных фактов. Поэтому важнейшее значение на этом этапе придается обработке первичных данных педагогических наблюдений и измерений. Вторичные данные являются уже первым обобщением; их анализ, оценка и осмысливание дают возможность установить связи между проведенными в эксперименте воздействиями и достигнутыми результатами. Формируются выводы, рекомендации для использования полученных результатов на практике.

Алгоритм подведения итогов эксперимента. Многообразие экспериментальных материалов требует упорядочения и системы в их анализе. Можно рекомендовать следующий общий алгоритм обсуждений и интерпретации полученных данных.

Первый шаг. Распределение и сопоставление полученных данных с запланированной моделью эксперимента, выяснение соответствия между ними. Составление вспомогательных схем: а) цели, задачи, гипотезы – прогноз их выполнения; б) данные о начальном состоянии, промежуточных и конечном состояниях объектов; в) запланированные программы обработки – наличие материалов для них; г) дополнительные данные (о воздействиях, условиях). Оценивание имеющегося материала в сопоставлении с целями и задачами, его подготовка к последующей обработке.

Второй шаг. Обработка первичной информации по заданным программам: классификации, группировки, перевод качественных данных в количественные, получение вторичных данных с помощью вычисления статистических характеристик объектов.

Третий шаг. Представление полученных вторичных данных в разнообразных формах (таблицы, схемы, графики). Обсуждение их возможной интерпретации.

Четвертый шаг. Установление причинно-следственных связей между имеющимися данными. Определение достоверности обнаруженных сходства и различия результатов.

Пятый шаг. Определение справедливости выдвинутых гипотез. Формулирование выводов, выделение среди них частных и общих, новых по отношению к известным в науке и практике, и таких, которые только уточняют, дополняют известное. Анализ выполнения целей и задач эксперимента (отдельно выделяются нерешенные вопросы, формулируются проблемы для дальнейшего исследования).

Шестой шаг. Оформление результатов: составление и написание отчета об эксперименте, разработка рекомендаций для внедрения на практике.

Внедренческий этап. Далеко не всякие выводы и рекомендации могут быть применены в практике даже одной конкретной школы. Прежде всего oни должны быть совместимы с учебно-воспитательным процессом во всей его комплексности: по характеристикам учителей, учащихся, классов, материальным возможностям и т. п.

Внедрение требует неторопливой работы в ненавязчивой форме. Для успешного внедрения тех или иных рекомендаций необходимо прежде всего возбудить к ним интерес учителей. Этой цели служат семинары по обмену опытом, открытые занятия, коллективные обсуждения.

Немалые трудности при внедрении представляет создание определенных материальных условий: подготовка учебно-методических материалов, наглядных пособий, технических средств обучения (ТСО).

Порядок количественной обработки результатов исследования.

Необходимо различать два основных направления в использовании количественных методов в педагогике: первое — для обработки результатов наблюдений и экспериментов, второе — для моделирования, диагностики, прогнозирования, компьютеризации учебно-воспитательного процесса. Методы первой группы хорошо известны и достаточно широко применяются. Пальму первенства держит освоенный исследователями статистический метод. В его пределах широко применяются следующие конкретные методики:

Регистрация — выявление определенного качества у явлений данного класса и подсчет количества по наличию или отсутствию данного качества (например, количество успевающих и неуспевающих учеников и т. п.).

Ранжирование — расположение собранных данных в определенной последовательности (убывания или нарастания зафиксированных показателей), определение места в этом ряду изучаемых объектов (например, составление списка учеников в зависимости от числа пропущенных занятий и т. п.).

Шкалирование — присвоение баллов или других цифровых показателей исследуемым характеристикам. Этим достигается большая определенность. Известны четыре основные градации измерительных шкал: 1) шкалы наименований (или номинальные); 2) шкалы порядка (или ранговые); 3) интервальные шкалы; 4) шкалы отношений.

Шкалы наименований — самые «слабые» шкалы. Числа и другие обозначения в них используются чисто символически. Они, по сути, представляют собой наименования какого-либо класса объектов. Их единственная математическая характеристика — принадлежность: принадлежит ли исследуемый объект к данному классу или нет. Примерами номинальных шкал можно считать классификации по различным признакам — список специальностей, перечисление характеристик учеников, причин неуспеваемости и т. д.

В порядковых (ранговых) шкалах устанавливается порядок следования, отношения «больше» и «меньше», общая иерархия. Примерами их применения служит ранжирование типа «выше ростом», «больше пятерок», «меньше пропусков» и т. д.

«Сильные» шкалы — интервальная и шкала отношений — обладают всеми положительными качествами «слабых» шкал, но при этом интервальная шкала предусматривает определенные расстояния между отдельными (двумя любыми) числами на шкале, а в шкале отношений, кроме того, определена еще и нулевая точка (точка отсчета). Шкалы термометров, вольтметров, конечно, «сильные».

Источник