Автор работы: Пользователь скрыл имя, 02 Декабря 2011 в 20:39, реферат
Специфическим элементом этого этапа выступает так называемое планирование эксперимента (см. [120,165,178,354 и др.]), суть которого кратко будет освещена впереди при описании экспериментального метода. Оно ограничивается рамками проработки только непосредственно исследовательских ситуаций, в которых предполагается выявлять зависимости определенных психических явлений от определенных параметров этих ситуаций.
-σ до +σ = 68.26%; -2σ до + 2σ = 95.46%; -Зσ до + Зσ = 99.74%.
7. Для неединичных нормальных кривых (М ≠ 0, σ ≠ 1) закономерность по площадям сохраняется. Разница – в сотых долях.
Вариации нормального распределения
Представленные ниже вариации относятся не только к нормальному распределению, но к любому. Однако для наглядности мы их приводим здесь.
1. Асимметрия –
неодинаковость распределения
Рис. 6. Графики асимметричного распределения
Асимметрия – третий показатель, описывающий распределение наряду с мерами центральной тенденции и изменчивостью. Эксцесс – показатель, характеризующий скорость нарастания концентрации данных к центральному значению. На графиках это выражается «островершинностью» или «плосковершинностью».
Эксцесс – четвертый основной показатель распределения. 3. Бимодальность – распределение с двумя классами данных в выборке. Об этом эффекте уже говорилось при рассмотрении моды (Мо). На графике это выражается «двувершинностью».
Внедрение в
научные исследования вычислительной
техники позволяет быстро и точно
определять любые количественные характеристики
любых массивов данных. Разработаны
различные программы для ЭВМ,
по которым можно проводить
Комплексное вычисление статистик
По стандартным программам производится вычисление различных совокупностей статистик. Как основных, представленных нами выше, так и дополнительных, не включенных в наш обзор. Иногда получением этих характеристик исследователь и ограничивается. Чаще же совокупность этих статистик представляет собой лишь блок, входящий в более широкое множество показателей изучаемой выборки, получаемое по более сложным программам. В том числе по программам, реализующим приводимые ниже методы статистического анализа.
Корреляционный анализ
Сводится к вычислению
коэффициентов корреляции в самых
разнообразных соотношениях между
переменными. Соотношения задаются
исследователем, а переменные равнозначны,
т. е. что являются причиной, а что
следствием, установить через корреляцию
невозможно. Кроме тесноты и направленности
связей' метод позволяет установить
форму связи (линейность, нелинейность)
[27, 124]. Надо заметить, что нелинейные
связи не поддаются анализу
Дисперсионный анализ
В отличие от корреляционного
анализа этот метод позволяет
выявлять не только взаимосвязь, но и
зависимости между переменными,
т. е. влияние различных факторов
на исследуемый признак. Это влияние
оценивается через
Факторный анализ
Метод позволяет
снизить размерность
Регрессионный анализ
Метод позволяет изучать зависимость среднего значения одной величины от вариаций другой (других) величины. Специфика метода заключается в том, что рассматриваемые величины (или хотя бы одна из них) носят случайный характер. Тогда описание зависимости распадается на две задачи: 1) выявление общего вида зависимости и 2) уточнение этого вида путем вычисления оценок параметров зависимости. Для решения первой задачи стандартных методов не существует и здесь производится визуальный анализ корреляционной матрицы в сочетании с качественным анализом природы исследуемых величин (переменных). Это требует от исследователя высокой квалификации и эрудиции. Вторая задача, по сути, есть нахождение аппроксимирующей кривой. Чаще всего эта аппроксимация осуществляется с помощью математического метода наименьших квадратов [45, 116, 124]. Идея метода принадлежит Ф. Гальтону, заметившему, что у очень высоких родителей дети были несколько меньше ростом, а у очень маленьких родителей – дети более рослые. Эту закономерность он и назвал регрессией.
За количественной и качественной обработкой данных следует решающая фаза научного исследования – интерпретация результатов. Часто эту фазу называют теоретической обработкой, подчеркивая ее отличие от эмпирической статистической обработки. Эта фаза – наиболее захватывающий этап исследования, на котором особенно ярко проявляется творческий характер научного процесса.
Теоретическая обработка выполняет две главные функции: 1) преобразование статистически подготовленных данных («вторичных данных», результатов) в эмпирические знания и 2) получение на их базе теоретических знаний. Таким образом, на этом этапе особенно рельефно проявляется единство и взаимосвязь эмпирических и теоретических знаний.
На стадии выдвижения
гипотез научная мысль
Если статистическая обработка охватывает количественный аспект психологических явлений, то интерпретация делает видимым и их качественный аспект.
Чаще всего под интерпретацией понимают две процедуры: объяснение и обобщение. Так, В. Феттер пишет: «Содержание и цель процесса теоретической обработки эмпирических данных заключается в том, чтобы объяснить значение отдельных результатов, объединить их в обобщающие высказывания, свести в одну систему» [376, с. 501]. И с этим нельзя не согласиться. Однако представляется, что пределы теоретической обработки и соответственно интерпретационного этапа исследования следует несколько расширить.
Объяснить и обобщить
что-либо невозможно, не имея полноценного
описания этого самого чего-либо. На
этапе обработки данных производится
лишь самое предварительное
В связи с такой
двойственностью положения
Раздвинуть границы интерпретационного этапа необходимо и в другом направлении: в сторону выводов. В состав этапа целесообразно включить процесс экстраполяции состояний, поведения или свойств изучаемого объекта. Если эта экстраполяция направлена в будущее, то речь идет о прогнозе и предсказании, основанных на причинных связях и объяснениях. Если же экстраполяция направлена в прошлое, – это ретрогноз, ретросказание, основанное на следственных связях и объяснениях.
Дополнив таким
образом стадию интерпретации, мы не
упустим основных элементов теоретической
обработки эмпирического
Итак, обработка данных приводит лишь к констатации некоторых фактов, касающихся изучаемого объекта. Описание дает констатирующее представление об объекте в целом. Далее следует найти объяснение обнаруженным фактам и раскрыть сущность объекта. Именно в выяснении сущности объекта заключается смысл объяснения [121, 204, 255, 270], хотя немалое число ученых (особенно позитивистского направления) считают, что объяснение – это сведение непривычного к привычному, незнакомого к знакомому. Близко к такому видению объяснения и определение, данное одним из авторитетов психологической науки П. Фрессом: «Дать объяснение – это значит в каждом конкретном случае определить, не является ли установленный тип отношений частным случаем известного и уже более или менее проверенного более общего закона» [388, с. 151].
Объяснения психологическим явлениям могут быть разные, но при этом важно не впасть в часто встречающуюся ошибку – принять какую-нибудь частную причину за главную. Вариантом такого заблуждения является единственное объяснение, если возможны и другие. А в психологии такие возможности – скорее правило, нежели исключение. Например, объяснить механизм памяти нельзя только через биохимические теории (на уровне нервной клетки), только через нейрофизиологические (на уровне нейронных групп) или только через психологические (на уровне ассоциативных связей между образами и понятиями). Все три системы объяснения являются адекватными, но ни одна из них не является достаточной. Памятуя о принципах дополнительности и соответствия, принять следует все три объяснения в комплексе.