- •Глава 2. Из истории экспериментальной психологии 21
- •Часть I
- •Глава 3. Виды психологического исследования 31
- •Глава 4. Этапы психологического исследования 40
- •Часть II
- •Глава 16. Психомоторные методы психодиагностики 383
- •Глава 1
- •Глава 2
- •Глава 3 виды психологического исследования
- •Глава 4
- •4.2. Постановка проблемы
- •4.3. Выдвижение гипотезы
- •4.5. Сбор данных
- •4.6. Обработка данных
- •Итога опроса
- •Часть II
- •Глава 6 классификация методов
- •Глава 7
- •7.1. Сравнительный метод
- •7.2. Лонгитюдный метод
- •7.3. Комплексный метод
- •Глава 8
- •8.2. Качественные методы
- •Глава 9
- •Глава 10 наблюдение
- •10.2. Виды наблюдения
- •Глава 11
- •11.1. Беседа
- •11.2. Опрос
- •Глава 12
- •12.2.2.1. Контроль внешних дп
- •12.3. Виды эксперимента
- •Глава 13 психологическое тестирование*
- •13.4. Субъективные тесты
- •13.5. Объективные тесты
- •13.6. Проективные тесты
- •Глава 14
- •14.1. Определение
- •14.2. Немного истории
- •14.3. Понятие «модель»
- •14.5.1.1. Общие сведения о моделировании психики
- •Глава 15 психосемантические методы
- •Глава 16
- •16.1. Методы исследования свойств нервной системы
- •Глава 17
- •17.1. Социометрия
- •17.3. Референтометрия
- •17.4. Методика филлера
- •Глава 18
- •18.2. Гипнотерапия
- •18.5. Игровая психотерапия
- •18.6. Психоэстетотерапия
- •18.7. Наркопсихотерапия
- •Глава 19
- •Глава 20
- •20.2. Психобиография
- •20.3. Каузометрия
- •Глава 21
- •Глава 22
- •108,. Джордж ф. Модели в кибернетике // Моделирование в биологии. М., 1963. С. 245-266.
- •112. Диалектика познания / Под ред. А. С. Кармина. Л., 1988. Из. Дильтей в. Описательная психология. М., 1924; сПб., 1996.
- •22. Дэйвисон м. Многомерное шкалирование. Методы наглядного представления данных. М., 1988.
- •2201 МиркиН б. Г. Анализ качественных признаков и структур. М., 1980.
- •221. Мироштков с. А. Исследование уровней организации психической деятель ности человека //Теоретические и прикладные вопросы психологии. Вып. 1. Ч. П. СПб., 1995. С. 129-136.
- •258. Новик и. Б. Философские вопросы моделирования психики. М., 1969. .259. Новик и. Б., УемовА. И. Моделирование и аналогия // Материалистическая
- •325. Розенблатт ф. Принципы нейродинамики. Перцептроны и теория механиз мов мозга. М., 1965.
- •380. Филимоненко ю. И. Аутогенная тренировка // Психология / Под ред. » а. А. Крылова. М., 1998. С. 510-514.
- •381. Филимоненко ю. И. Цветовой тест Люшера, модификация «Попарные срав нения». СПб., 1993.
4.6. Обработка данных
4.6.1. Общее представление об обработке
Собрав совокупность данных, исследователь приступает к их обработке, получая сведения более высокого уровня, называемые результатами. Он уподобляется портному, который снял мерку (данные) и теперь все зафиксированные размеры соотносит между собой, приводит в целостную систему в виде выкройки и в конечном итоге — в виде той или иной одежды. Параметры фигуры заказчика — это данные, а готовое платье — это результат. На этом этапе могут обнаружиться ошибки в замерах, неясности в согласовании отдельных деталей одежды, что требует новых сведений, и клиент приглашается на примерку, где вносятся необходимые коррективы. Так и в научном исследовании: полученные на предыдущем этапе «сырые» данные путем их обработки приводят вопределенную сбалансированную систему, которая становится базой для дальнейшего содержательного анализа, интерпретации и научных выводов и практических рекомендаций. Если по обработке данных выявляются какие-либо ошибки, пробелы, несоответствия, препятствующие построению такой системы, то их можно ликвидировать и восполнить, проведя повторные замеры.
Обработка данных направлена на решение следующих задач:. 1) упорядочивание исходного материала, преобразование множества данных в целостную систему сведений, на основе которой возможно дальнейшее описание и объяснение изучаемых объекта и предмета; 2) обнаружение и ликвидация ошибок, недочетов, пробелов в сведениях; 3) выявление скрытых от непосредственного восприятия тенденций, закономерностей и связей; 4) обнаружение новых фактов, которые не ожидались и не были замечены в ходе эмпирического процесса; 5) выяснение уровня достоверности, надежности и точности собранных данных и получение на их базе научно обоснованных результатов.
Если на предыдущих этапах происходит процесс увеличения разнообразия сведений (числа параметров, единичных измерений, источников и т. п.), то теперь наблюдается обратный процесс — ограничение разнообразия, приведение данных к общим знаменателям, позволяющим делать обобщения и прогнозировать развитие тех или иных психических явлений.
Рассматриваемый этап обычно связывается с обработкой количественного характера. Качественная сторона обработки эмпирического материала, как правило, только подразумевается либо вовсе опускается. Обусловлено это, видимо, тем, что качественный анализ часто ассоциируется с теоретическим уровнем исследования, который присущ последующим стадиям изучения объекта — обсуждению и интерпретации результатов. Представляется, однако, что исследование качественного характера имеет два уровня: уровень обработки данных, где проводится организационно-подготовительная работа по первичному выявлению и упорядочиванию качественных характеристик изучаемого объекта, и уровень теоретического проникновения в сущность этого объекта. Работа первого типа характерна для стадии обработки данных, а второго — для этапа интерпретации результатов. Результат в данном случае понимается как итог и количественного, и качественного преобразования первичных данных. Тогда количественная обработка есть манипуляция с измеренными характеристиками изучаемого объекта (объектов), с его «объективизированными» во внешнем проявлении свойствами. Качественная обработка — это способ предварительного проникновения в сущность объекта путем выявления его неизмеряемых свойств на базе количественных данных.
Количественная обработка 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, включающих в себя категорию «анализ»: корреляционный анализ, факторный анализ и х д. Основным итогом количественной обработки является упорядоченная совокупность «внешних» показателей объекта (объектов). Реализуется количественная обработка с помощью математико-статистических методов.
В качественной обработке доминирует синтетическая составляющая познания, причем в этом синтезе превалирует компонент объединения и в меньшей степени присутствует компонент обобщения. Обобщение — прерогатива последующего этапа исследовательского процесса — интерпретационного. В фазе качественной обработки данных главное заключается не в раскрытии сущности изучаемого явления, а пока лишь в соответствующем представлении сведений о нем, 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 обработок (а следовательно, и соответствующих методов) довольно условно. Они составляют органичное целое. Количественный анализ без последующей качественной обработки бессмыслен, так как сам по себе он не в состоянии превратить эмпирические данные в систему знаний. А качественное изучение объекта без базовых количественных данных — немыслимо в научном познании. Без количественных данных качественное познание — это чисто умозрительная процедура, не свойственная современной науке. В философии категории «качество» и «количество», как известно, объединяются в категории «мера».
Единство количественного и качественного осмысления эмпирического материала наглядно проступает во многих методах обработки данных: факторный и таксономический анализы, шкалирование, классификация и др. Но поскольку традиционно в науке принято деление на количественные и качественные характеристики, количественные и качественные методы, количественные и качественные описания, не будем «святее папы Римского» и примем количественные и качественные аспекты обработки данных за самостоятельные фазы одного исследовательского этапа, которым соответствуют определенные количественные и качественные методы.
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 рассматриваемому этапу исследовательского процесса, что в совокупности с ее особой спецификой побуждает к ее более подробному изложению. Процесс количественной обработки данных имеет две фазы: первичную и вторичную. Последовательно рассмотрим их.
4.6.2. Первичная обработка
На первой стадии «сырые» сведения группируются по тем или иным критериям, заносятся в сводные таблицы, а для наглядного представления данных строятся различные диаграммы и графики. Все эти манипуляции позволяют, во-первых, обнаружить и ликвидировать ошибки, совершенные при фиксации данных, и, во-вторых, выявить и изъять из общего массива нелепые данные, полученные в результате нарушения процедуры обследования, несоблюдения испытуемыми инструкции и т. п. Кроме того, первично обработанные данные, представая в удобной для обозрения форме, дают исследователю в первом приближении представление о характере всей совокупности данных в целом: об их однородности—неоднородности, компактности-разбросанности, четкости-размытости и т. д. Эта информация хорошо читается на наглядных формах представления данных и связана с понятием «распределение данных».
Под распределением данных понимается их разнесенность по категориям выраженности исследуемого качества (признака). Разнесенность по категориям показывает, как часто (или редко) вопределенном массиве данных встречаются те или иные показа^ тели изучаемого признака. Поэтому такой вид представления данных называют «распределением частот». Выраженность признака, как видели выше, может быть представлена в оценках: «есть — нет» или «равно — неравно» (номинативные данные), «больше — меньше» (порядковые данные), «настолько-то больше или меньше» (интервальные данные), «во столько-то раз больше или меньше» (пропорциональные данные). Первая категория оценок предполагает явную дискретность выраженности изучаемого признака, остальные — непрерывность (хотя бы теоретически). Проиллюстрируем это примерами.
Пример для дискретных данных
В трехтысячном трудовом коллективе были выбраны сто человек, которые давали ответ на вопрос: «какой цвет вы предпочитаете?». Предлагалось 6 вариантов: белый (Б), черный (Ч), красный (К), синий (С), зеленый (3), желтый (Ж). В данном случае каждый цвет — это самостоятельная категория выраженности признака «окраска». Допустим, цель — выбор дизайнером окраски рабочих помещений, где трудятся эти люди. Итоги опроса, зафиксированные в протоколе, подсчитали и занесли в таблицу 1 (табулировали).
Таблица 1