Планирование теоретического и эмпирического исследования. Учебное пособие (практикум)

Теоретическая часть

Факторные эксперименты применяются тогда, когда необходимо проверить сложные гипотезы о взаимосвязях между переменными. Общий вид подобной гипотезы; «Если A1 ..А2…. Ап, то В». Такие гипотезы называются комплексными, комбинированными и др. При этом между независимыми переменными могут быть различные отношения; конъюнкции, дизъюнкции, линейной независимости, аддитивные или мультипликативные и др. Факторные эксперименты являются частным случаем многомерного исследования, входе проведения которого пытаются установить отношения между несколькими независимыми и несколькими зависимыми переменными. В факторном эксперименте проверяются одновременно, как правило, два типа гипотез: 1) гипотезы о раздельном влиянии каждой из независимых переменных; 2) гипотезы о взаимодействии переменных, а именно – как присутствие одной из независимых переменных влияет на эффект воздействия на другой.

Факторный эксперимент строится по факторному плану. Факторное планирование эксперимента заключается в том, чтобы все уровни независимых переменных сочетались друг с другом. Число экспериментальных групп равно числу сочетаний уровней всех независимых переменных.

Сегодня факторные планы наиболее распространены в психологии, поскольку простые зависимости между двумя переменными в ней практически не встречаются.

Существует множество вариантов факторных планов, но на практике применяются далеко не все. Чаще всего используются факторные планы для двух независимых переменных и двух уровней типа 2 х 2. Для составления плана применяется принцип балансировки. План 2x2 используется для выявления эффекта воздействия двух независимых переменных на одну зависимую. Экспериментатор манипулирует возможными сочетаниями переменных и уровней. Данные приведены в таблице 3.

71

Реже используются четыре независимые рандомизированные группы. Для обработки результатов применяется дисперсионный анализ по Фишеру.

Так же редко используются другие версии факторного плана, а именно: 3x2 или 3x3. План 3x2 применяется в тех случаях, когда нужно установить вид зависимости одной зависимой переменной от одной независимой, а одна из независимых переменных представлена дихотомическим параметром. Пример такого плана – эксперимент по выявлению воздействия внешнего наблюдения на успех решения интеллектуальных задач. Первая независимая переменная варьируется просто: есть наблюдатель, нет наблюдателя. Вторая независимая переменная – уровни трудности задачи. В этом случае мы получаем план 3x2 (таблица 4).

Вариант плана 3x3 применяется в том случае, если обе независимые переменные имеют несколько уровней и есть возможность выявить виды связи зависимой переменной от независимых. Этот план позволяет выявлять влияние подкрепления на успешность выполнения заданий разной трудности (таблица 5).

Таблица 5

В общем случае план для двух независимых переменных выглядит как N x M. Применимость таких планов ограничивается только необходимостью набора большого числа рандомизированных групп. Объем экспериментальной работы чрезмерно возрастает с добавлением каждого уровня любой независимой переменной.

Планы, используемые для исследования влияния более двух независимых переменных, применяются редко. Для трех переменных они имеют общий вид L x M x N.

72

Чаще всего применяются планы 2x2x2: «три независимые переменные – два уровня». Очевидно, добавление каждой новой переменной увеличивает число групп.

Рассмотрим возможные результаты простейшего факторного эксперимента 2x2 с позиций взаимодействий переменных. Для этого нам надо представить результаты опытов на графике, где по оси абсцисс отложены значения первой независимой переменной, а по оси ординат – значения зависимой переменной. Каждая из двух прямых, соединяющих значения зависимой переменной при разных значениях первой независимой переменной (А), характеризует один из уровней второй независимой переменной (В). Применим для простоты результаты не экспериментального, а корреляционного исследования. Условимся, что мы исследовали зависимость статуса ребенка в группе от состояния его здоровья и уровня интеллекта. Рассмотрим варианты возможных отношений между переменными.

Первый вариант: Взаимодействия переменных нет. Больные дети имеют более низкий статус, чем здоровые, независимо от уровня интеллекта. Интеллектуалы имеют всегда более высокий статус (независимо от здоровья).

Второй вариант: физическое здоровье при наличии высокого уровня интеллекта увеличивает шанс получить более высокий статус в группе. В этом случае получен эффект расходящегося взаимодействия двух независимых переменных. Вторая переменная усиливает влияние первой на зависимую переменную.

Третий вариант: сходящееся взаимодействие – физическое здоровье уменьшает шанс интеллектуала приобрести более высокий статус в группе. Переменная «здоровье» уменьшает влияние переменной «интеллект» на зависимую переменную.

Четвертый вариант: больные дети будут иметь больший шанс получить высокий статус при высоком уровне интеллекта, чем их здоровые низкоинтеллектуальные сверстники.

Пятый вариант: переменные взаимодействуют так, что увеличение значения первой приводит к уменьшению влияния второй с изменением знака зависимости. У больных детей, обладающих высоким уровнем интеллекта, меньше шанс получить высокий статус, чем у больных детей с низким интеллектом, а у здоровых – связь интеллекта и статуса позитивная.

73

Оценка величины взаимодействия проводится с помощью дисперсионного анализа, а t-критерий Стьюдента используется для оценки значимости различий групповых Хср.

Во всех рассмотренных вариантах планирования эксперимента применяется способ балансировки: различные группы испытуемых ставятся в разные экспериментальные условия. Процедура уравнивания состава групп позволяет производить сравнение результатов.

Вопросы и задания

1.Перечислите типы гипотез, которые проверяются при построении факторных планов.

2.Назовите особенности использования планов 2x2, планов 3x2, планов 3x3, планов 2x2x2. Приведите примеры их использования в психологии.

Рекомендуемая литература: 1–4.

74

14. ПЛАНИРОВАНИЕ СТАТИСТИЧЕСКОЙ ОБРАБОТКИ ДАННЫХ: ФОРМАЛЬНЫЕ ТРЕБОВАНИЯ

К ЗАПИСИ ДАННЫХ

Цель: рассмотреть и проанализировать планирование статистической обработки данных: формальные требования к записи данных.

Знания, умения и владения, приобретаемые в результате освоения темы, в рамках формируемых компетенций:

Код компетенции ПК-4

Знать: процедуры и технику организации и проведения различных видов теоретических и эмпирических исследований; формы регистрации научной информации: фиксация данных о научном источнике, конспект, реферат. Виды научно-исследователь- ских работ.

Уметь: обрабатывать и представлять в различной форме результаты проведенного исследования; обеспечивать психологическое сопровождение внедрения научных исследований.

Владеть: средствами текущего контроля и итоговой оценки результатов проведенных исследований; способами представления результаты научных исследований в различных формах (научные публикации, доклады) и обеспечения психологического сопровождения их внедрения.

Актуальность темы: заключается в анализе и рассмотрении планирования статистической обработки данных: формальные требования к записи данных.

Теоретическая часть

Для многих исследований требуются специальные бланки ответов или протоколы наблюдений. Бланк ответов должен строиться так, чтобы максимально облегчить испытуемому экспериментальную процедуру, а также сделать удобной проверку результатов (например, по ключу или по сумме). В протоколе наблюдения желательно формализовать все аспекты наблюдения, то есть для каждого показателя, будь то качественные характеристики, или количественные (типа времени), нужно отвести соответствующую графу и включить в инструкцию для экспериментатора правила ее заполнения.

В групповых исследованиях лучше всего заносить данные сразу в специальную матрицу, где строчки – это список испытуе-

75

мых, а столбцами матрицы являются различные показатели – шкалы по всем проводимым в этой выборке тестам. Для удобства желательно, чтобы все шкалы были соответствующим образом подписаны, а также желательно помечать, переведены ли эти данные в СТЕНЫ, или даны в «сырых» баллах (баллы, полученные при тестировании и не соотнесенные ни с полученным распределением, ни с нормативными правилами перевода в уровни).

Большинство вычислений в рамках современных компьютерных программ требует представления исходных данных в виде матрицы, столбцами которой являются шкалы, а строками – испытуемые выборки. Нужно отметить, что дизайн современного исследования обязательно предполагает полную базу исходных данных, начиная с сырых баллов и заканчивая полным составом шкал (в одну матрицу, друг за другом, сводятся результаты всех замеров по всем тестам, включая все шкалы). Для составления этой матрицы, особенно когда в нее входят данные нескольких тестов, нужно строго следить, чтобы порядок расположения испытуемых в списке всегда, в каждой шкале, было одним и тем же. Несовпадение порядка испытуемых делает бессмысленными многие виды анализа – корреляционный, факторный, кластерный и т.д., Это существенно затрудняет даже простой визуальный анализ сырых данных.

Нужно понимать, что на основе такой матрицы возможны все статистические процедуры, поэтому нет смысла отдельно считать какие-то результативные параметры (например, стены, уровни, проценты или суммы), все эти параметры легко высчитываются в одной современной статистической программе. Более того, цели и задачи современных исследований требуют начинать именно с сырых баллов, а уровневые и нормативные показатели высчитываются для каждой выборки заново. Сейчас неактуально (просто недостаточно, даже для педагогических исследований), сравнивать выборки по средним баллам, делать какие-то выводы на основе этой разницы.

Вопросы и задания

1.Перечислите требования, которые предъявляются в научном исследовании к протоколу наблюдений.

2.Каким образом оформляют статистические данные в современных групповых исследованиях?

Рекомендуемая литература: 1–4.

76

15. ПЛАНИРОВАНИЕ СТАТИСТИЧЕСКОЙ ОБРАБОТКИ ДАННЫХ: МЕТОДЫ СТАТИСТИЧЕСКОГО АНАЛИЗА

Цель: рассмотреть и проанализировать планирование статистической обработки данных: методы статистического анализа.

Знания, умения и владения, приобретаемые в результате освоения темы, в рамках формируемых компетенций:

Код компетенции ПК-4

Знать: процедуры и технику организации и проведения различных видов теоретических и эмпирических исследований; формы регистрации научной информации: фиксация данных о научном источнике, конспект, реферат. Виды научно-исследователь- ских работ.

Уметь: обрабатывать и представлять в различной форме результаты проведенного исследования; обеспечивать психологическое сопровождение внедрения научных исследований.

Владеть: средствами текущего контроля и итоговой оценки результатов проведенных исследований; способами представления результаты научных исследований в различных формах (научные публикации, доклады) и обеспечения психологического сопровождения их внедрения.

Актуальность темы: заключается в анализе и рассмотрении планирования статистической обработки данных: методов статистического анализа.

Теоретическая часть

При планировании эмпирического исследования в зависимости от целей и задач проводимого исследования выбирают методы статистической обработки полученных данных.

1.Дескриптивный анализ. Обобщённые параметры распределения признака в популяции: сумма, средние (мода, медиана), дисперсия. Используются для получения наиболее общих показателей, для общей характеристики выборки.

2.Стандартные показатели (стены). Используются как параметры сравнения, а также как наиболее удобная форма в других статистических операциях. Пересчет сырых баллов в стены производится на основе разработанных нормативов. Нормативы формируются на репрезентативной выборке путем выявления соответствующих (обычно 10 баллов) отрезков распределения.

77

3.Корреляционный анализ. Основное математическое значение корреляции – характеристика подобия. Математический смысл корреляции – это резонанс числовых рядов, то есть при сравнении двух числовых рядов большему показателю одного ряда соответствует больший показатель второго (положительная корреляция), или наоборот (отрицательная корреляция). В силу этого корреляция может свидетельствовать о возможной психологической зависимости двух признаков.

4.Различия в уровне исследуемого признака. Необходи-

мость такого показателя возникает тогда, когда нужно сравнить выборки между собой по какой-либо шкале, или сравнить показатели выборки по одной из характеристик в разных ситуациях (до и после формирующего эксперимента, проявление характеристики в разных условиях и т.д.). Например: один класс получил в среднем 560 баллов по тесту интеллекта, а другой 530 баллов. Считать ли это достоверным различием? Можно ли считать, что «А» класс имеет достоверно больший уровень интеллекта, чем «Б» класс? Видимо, нет, потому что 560 и 530 – данные одного порядка. Но для того, чтобы сказать точно, нужно учесть законы вероятности. Такая разница могла быть обусловлена просто разными условиями проведения теста – на разных уроках, после разных предметов, и даже за разными партами. Все эти условия могли в некоторой степени повлиять на результат тестирования. Но учет вероятностных законов позволяет определить ту разницу в показателях, которая будет отражать именно существенный фактор – то есть непосредственно уровень интеллекта. Поэтому различие должно высчитываться на основании сравнения данных всего класса по конкретной шкале с данными другого класса по этой же шкале. В формулу для вычисления достоверности различия в том или ином виде обычно включаются минимум, максимум, среднее, количество измерений, размерность шкалы, иногда количество сравнений.

5.Различия в распределении признака. Этот показатель применяется в случае, если нужно сделать качественное, а не количественное сравнение рядов показателей между собой. Используется для построения и обоснования типологий и классификаций. Можно сравнивать два эмпиричсеких распределения, а можно сравнивать теоретическое распределение (нормальное) с эмпирическим.

78

Например, если обнаруживается различие асимметрии распределения в двух, на первый взгляд, различных группах, то мы вправе предположить, что имеем дело с различными типами одного проявления.

6.Факторный анализ. Главными целями факторного анализа являются: 1) сокращение числа переменных (редукция данных)

и2) определение структуры взаимосвязей между переменными, т.е. классификация переменных. Факторный анализ обычно высчитывается по методу главных компонент, на основе корреляционного анализа, при этом формируется один наиболее важный фактор, и остальные, которые распределяются по степени значимости (количеству шкал, которые они объединяют, и их вкладу в этот фактор).

Математический смысл факторного анализа – уменьшение размерности пространства за счет объединения («склейки», по выражению В.Ф. Петренко) числовых рядов, подобных друг другу. Психологический смысл факторного анализа – объединение коррелирующих между собой шкал, корреляция трактуется как связанность их между собой, причем психологический характер связи интерпретируется в зависимости от дизайна исследования.

Таким образом, n шкал объединяется по смыслу в m групп. Каждый фактор является новой, обобщенной (объединенной) шкалой, имеющей собственное значение, которое обобщает значения отдельных шкал, то есть это инвариант значений всех входящих в него шкал. При этом факторный вес шкалы (статистическая значимость каждой шкалы для полученного фактора) свидетельствует о содержательном вкладе этой шкалы в итоговое значение данного фактора. Количество полученных факторов отражает количество реальных содержательных аспектов исследуемой области.

В статистической обработке существует ряд критериев, которые обязательно должны присутствовать в любой процедуре.

1.Вероятностная проверка: всегда выясняется уровень достоверности (значимости) полученного статистического показателя (достоверность различий, значимость корреляций и т.п.).

2.Проверка типа распределения и дисперсии – для определения типа применяемого критерия (при этом шкала может быть интервальной, порядковой и номинативной, но обычно мы имеем дело с интервальной шкалой, и в случае использования рангов – с

79

порядковой). Если распределение отличается от нормального, то мы уже не можем использовать параметрические критерии.

Следует отметить, что в тексте обязательно нужно оговорить, по какой формуле высчитывался тот или иной показатель, и какие статистические программы при этом использовались. Но при этом некорректно приводить в тексте подробное описание процедуры подсчета, поскольку исследование посвящено не математической статистике, а психологии. Если у кого-то из оппонентов возникнет сомнение в полученных результатах, он может пересчитать сам, пользуясь исходными данными, приведенными в приложениях, или попросить предоставить материалы расчетов, если это происходит до защиты. На самой же защите сомнений уже быть не должно, все сомнения нужно выяснять на этапе предварительного ознакомления с работой.

Существуют компьютерные программы статистической обработки данных, где все это делается автоматически, и два ряда данных машина сравнивает по нужной формуле. В каждой конкретной программе свой алгоритм вычисления – или отдельный набор по каждой шкале и для каждого показателя, или можно один раз набрать всю матрицу исходных данных и затем делать на ее основе любые вычисления.

Вопросы и задания

1.Перечислите случаи применения дескриптивного анализа.

2.Перечислите случаи применения стандартных показателей (стенов).

3.Перечислите случаи применения корреляционного анализа.

4.Перечислите случаи применения различий в уровне исследуемого признака.

5.Перечислите случаи применения различий в распределении признака.

6.Перечислите случаи применения факторного анализа.

Рекомендуемая литература: 1–3.

80