25.Невербальний сд

розроблені невербальні семантичні диференціали, де як полюси шкал використовуються графічні опозиції, живописні картини, фотопортрети.

Наряду с применением вербальных антонимов для построения шкал СД Ч. Осгудом предпринимались попытки использовать с этой целью графические оппозиции. Это исследование проводилось в рамках изучения зрительно-вербальной синестезии представителей различных языковых культур (индейцев, мексиканцев, японцев и американцев). Испытуемым предъявлялись пары визуальных форм типа: черный круг - белый круг; стрелка, направленная вверх, - стрелка, направленная вниз, и т.п. Затем их просили отнести какое-либо слово национального языка к одному из пары изображений как более соответствующему данному слову. Например, для слова “счастливый” испытуемые чаще указывали на изображение цветного, острого, четкого.

Данную процедуру можно рассматривать как вынесение суждения по двухбалльной шкале, образованной парой антонимичных изображений. Результаты эксперимента продемонстрировали высокую степень универсальности, с которой визуальные альтернативы воспринимаются как синестически соответствующие транслированным эквивалентам слов и подтверждают гипотезу об универсальности факторных структур коннотативных значений. В этой работе Ч. Осгуд не проводил процедуру факторизации данных. Сопоставление оценок по шкалам проводилось в “сыром виде”. СД применим также в межкультурных исследованиях, где понимание изображений менее подвержено трансформации по сравнению с переводом с одного языка на другой антонимов, на базе которых строятся шкалы.

26 Біполярний семантичний диференціал

Семантический дифференциал (англ. semantic differential) — метод построения индивидуальных или групповых семантических пространств (англ. semantic space). Координатами объекта в семантическом пространстве служат его оценки по ряду биполярных градуированных (трех-, пяти-, семибалльных) оценочных шкал (англ. rate scale), противоположные полюса которых заданы с помощью вербальных антонимов. Эти шкалы отобраны из множества пробных шкал методами факторного анализа.

В качестве полюсов для определения биполярных шкал возможно использование не только прилагательных. Например, в исследовании В. Ф. Петренко[2] были использованы графические абстрактные изображения. Ранее графическими изображениями для обозначения полюсов шкал воспользовался Леон Джемс. Варианты таких полярных изображений: черный круг — белый круг; стрелка, направленная вверх,- вниз, и т. п.

27. Монополярний семантичний диференціал

Семантический дифференциал (англ. semantic differential) — метод построения индивидуальных или групповых семантических пространств (англ. semantic space). Координатами объекта в семантическом пространстве служат его оценки по ряду биполярных градуированных (трех-, пяти-, семибалльных) оценочных шкал (англ. rate scale), противоположные полюса которых заданы с помощью вербальных антонимов. Эти шкалы отобраны из множества пробных шкал методами факторного анализа. Кроме того, в исследованиях часто используются монополярные шкалы, с помощью которых объекты оцениваются по выраженности одного свойства; применение факторного анализа для поиска базисных свойств не требует биполярности. Униполярные шкалы с использованием прилагательных в англоязычной литературе часто называют шкалами Стапеля или шкалами Лайкерта по имени исследователей, впервые описавших применение такого типа шкал.

28 Методи обробки та аналізу даних семантичного диференціалу Обработка данных и стратегия анализа

При работе с данными использовалось четыре вида математической обработки: анализ частотных распределений (частотный анализ), факторный анализ частотных распределений (факторный анализ), метод парных сравнений, факторный анализ семантического дифференциала. В анализе результатов исследования будут приводиться данные, полученные в результате всех перечисленных видов обработки. Процедура анализа СД состоит в построении семантического пространства и включает три этапа.

1. Определение первоначального списка прилагательных - признаков. От выбранных признаков зависит тот уровень осознанности, на котором респондент будет оценивать предложенный обьект. Для построения шкал был проведен ассоциативный эксперимент: четырех экспертов попросили написать пары прилагательных, которыми, по их мнению, характеризуется творчество Щербакова. Из написанного были отобраны 20 парных ассоциаций, которые и составили блок тестовых вопросов. Изучаемый обьект, определенный нами как "Мир поэзии М.Щербакова", оценивался по 20-ти биполярным шкалам, полюса которых были заданы антонимами. Респондентам предлагалось соотнести интенсивность той или иной ассоциации со значениями соответствующих шкал. "Шкалы семантического дифференциала не описывают реальность, а являются метафорическим выражением состояний и отношений субьекта" 2. После опроса была проведена математическая обработка матрицы с целью выделения независимых факторов - набора универсумов, лежащих в основе восприятия творчества упомянутого автора. Оценки обьекта по шкалам коррелируют друг с другом, и с помощью факторного анализа можно сгруппировать высококоррелирующие шкалы в факторы. За фактором скрывается определенная грань реальности, черта, характеристика обьекта. Она описывается только одним набором шкал, т.е. фактором. Иной набор шкал, которые показывают высокие коэффициенты связи между собой и низкие - с остальными шкалами, образуют еще один - независимый от первого - фактор; за ним стоит свой "участок" реальности. Снижение размерности признакового пространства (20-мерное пространство редуцировали до пяти наиболее значимых переменных) основано на предположении, что сильно коррелирующие признаки не дают существенного прироста информации, поэтому отбираемые в фактор признаки должны быть слабо коррелированы между собой и сильно - с неучитываемыми признаками (11, стр.60). 3. Третий этап - интерпретация выделенных факторов, построение семантического пространства на основе факторного анализа формализованных вопросов анкеты.Кластерный анализ (англ. Data clustering) — задача разбиения заданной выборки объектов (ситуаций) на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. Задача кластеризации относится к статистической обработке, а также к широкому классу задач обучения без учителя. Кластерный анализ — это многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы (кластеры)(Q-кластеризация, или Q-техника, собственно кластерный анализ). Кластер — группа элементов, характеризуемых общим свойством, главная цель кластерного анализа — нахождение групп схожих объектов в выборке (примечание 1). Спектр применений кластерного анализа очень широк: его используют в археологии, медицине, психологии, химии, биологии, государственном управлении, филологии, антропологии, маркетинге, социологии и других дисциплинах. «Тематика исследований варьирует от анализа морфологии мумифицированных грызунов в Новой Гвинее до изучения результатов голосования сенаторов США, от анализа поведенческих функций замороженных тараканов при их размораживании до исследования географического распределения некоторых видов лишая в Саскачеване» (примечание 1). Однако универсальность применения привела к появлению большого количества несовместимых терминов, методов и подходов, затрудняющих однозначное использование и непротиворечивую интерпретацию кластерного анализа. Факторный анализ.Этот метод неразрывно связан с тестовыми разработками социологических исследований. Он не принадлежит к числу основных методов, а интересует исследователя лишь потому, что его понимание важно для осмысления идей, заложенных в некоторых социологических методах шкалирования. Основная идея факторного анализа заключается в следующем. Каждый наблюдаемый признак можно представить в виде линейной комбинации нормально распределенных факторов.