- •Многомерное шкалирование в психологии
- •Из проекта Викизнание
- •Введение
- •Задача многомерного шкалирования и пути ее решения
- •Геометрические свойства модели многомерного шкалирования и вопросы интерпретируемости решения
- •Векторная модель
- •Центрированная векторная модель
- •Дистанционная модель
- •Основные подходы к шкалированию
- •Анализ субъективного восприятия
- •Зрительное восприятие букв русского алфавита
- •Заключение
Заключение
Методы многомерного шкалирования предназначены для анализа структуры субъективных данных. Они позволяют выявить факторы, лежащие в основе сходств и различий между стимулами, и построить модель принятия решения о сходствах. Следует заметить, что методы многомерного шкалирования работают только в том случае, когда сходства или различия между всеми стимулами исследуемого множества порождаются одной закономерностью. Когда же при сравнении одной пары стимулов субъект опирается на одну систему факторов, а при сравнении другой пары — на другую, многомерное шкалирование удовлетворительного результата дать не может. Кроме того, решение будет существенно зависеть от предлагаемого набора стимулов (контекста). Одни и те же стимулы, включенные в разные наборы, могут описываться разными факторами. Это обстоятельство является следствием того факта, что различия между стимулами одного набора могут характеризоваться расхождениями по одним факторам, а различия между стимулами другого набора — расхождениями по другим факторам. Так, если мы будем предъявлять испытуемому стимулы одинаковой формы, но разного цвета, он при сравнении будет обращать внимание только на цвет. Если мы будем в то же время варьировать стимулы по форме, то испытуемый будет принимать во внимание также и форму. Позволим себе еще раз подчеркнуть, что с помощью предлагаемой процедуры многомерного шкалирования можно выявить только те факторы, по которым различается стимулы исследуемого набора, но нельзя выявить факторы, по которым все они сходны.