Шпаргалка по "Психологии"

83.  Общая  характеристика измерения в психологии. Типы шкал, способы представления данных. Виды статистических процедур.

Общее понятие об измерении  в научном психологическом исследовании и типы измерительных шкал.   

Выдвижение гипотез и их проверка связаны с измерениями. Измерения производятся на основе символического или численного выражения каких-либо феноменов в соответствии с набором специфических правил и включают в себя определение их параметров, количества, силы проявления, типа или степени выраженности.

Психологические черты, состояния  и свойства обозначают феномены, к  которым исследователь проявляет  интерес в процессе научной работы. Устойчивость внимания, коэффициент  интеллекта, коммуникативные качества личности, сила мотивации достижений в учебе и т. д. — все эти психологические и социально-психологические явления могут быть предметом психологического исследования, выражены количественно и измерены.

Измерение одних и тех же черт, состояний и свойств может  быть частью различных исследовательских методов (структурированного наблюдения, анкетирования, тестирования и т. д.). Как следствие, в психологическом исследовании используются различные источники и типы данных как объекты измерений.

Измерения помогают найти ответы на важные вопросы, сформулированные в психологическом исследовании. Измерения так же позволяют формулировать новые вопросы для психологического исследования.

 В процессе измерений исследователь всегда сталкивается с факторами, которые снижают их точность. Это может быть следствием недостаточного числа объектов (надежность измерения существенно разнится, если имеется 20 или 100 респондентов), несовершенства методики (в вопросах теста не предусмотрена фильтрация социально желательных ответов), недостаточной подготовленности исследователя (необходимо иметь знания в области математической статистики и навыки работы с соответствующими компьютерными программами) и т. п.

В психологии измерение явлений  есть процесс, который состоит в  определении степени, в которой  объект или совокупность объектов обладают определенной характеристикой. Если измерение касается свойства или характеристики, присущих человеку, то естественно, что данное свойство может быть присуще ему в различной степени. Таким образом, измерение есть способ размещения характеристик индивидуума или группы индивидуумов на континууме (шкале) относительно одной из его характеристик. Измерение является преимущественно количественным процессом и состоит в приписывании числовых величин явлениям, объектам. Правила, с помощью которых числовые величины приписываются событиям, определяют полезность измерения. Например, если приписать 0 любому лицу, нормальному психологически, а 1 любому лицу с психологическими нарушениями, то после обследования некоторой выборки можно подсчитать количество людей, которое входит в каждую из этих категорий. Тем не менее, рассматриваемый способ измерения позволяет выразить всего лишь зависимость типа "все" или "ничего", но не позволяет описать степень нормальности, ее продолжительность и т. д. Для этого необходимо использовать шкалу с большим числом градаций, например, шкалу от 1 до 10, на которой следует расположить данные, полученные в дифференцированном эксперименте.

Каждое измерение должно быть связано  с чисто описательной процедурой и никогда не должно являться всего лишь суждением об измеряемой величине, то есть оценкой. Измерение, в отличие от оценки, есть описательное суждение об эмпирическом факте. Психология стала научной, когда строгое наблюдение, базирующееся на измерении, заменило произвольную оценку. На первых этапах развития психология обратилась к физическим методам, и таким образом зародилась одна из первых областей психологии – психофизика. Значение исследования зависит как от уровня применяемых методов измерения, так и от плана самого исследования. Необходимо проверить, соответствует ли метод, выбранный для исследования, предмету исследования и обеспечивает ли он соответствующее измерение рассматриваемых переменных.

Для проведения измерений пользуются различными типами шкал. Всего их выделяют четыре: номинальную, порядковую, интервальную и шкалу отношений.

Номинальная шкала служит для обозначения или наименования включенных в исследование объектов, например, пол, специальность, семейное положение, цвет глаз. Иными словами, объекты сравниваются друг с другом, и определяется их эквивалентность – неэквивалентность. В результате данной процедуры образуется совокупность классов эквивалентности. Объекты, принадлежащие к одному классу, эквивалентны друг другу и отличны от объектов, относящихся к другим классам. Эквивалентным объектам присваиваются одинаковые имена.

Порядковая  шкала фиксирует уровень или ранг проявления того или иного свойства изучаемого феномена. Например, размер месячного дохода может быть «низкий», «средний» или «высокий», уровень успеваемости в результате сдачи сессии — «отличники», «неуспевающие». Каждому уровню здесь соответствует его численное значение.

Порядковая шкала образуется, если на множестве реализовано одно бинарное отношение – порядок (отношения «не больше» и «меньше»). Построение шкалы порядка – процедура более сложная, чем создание шкалы наименований. На шкале порядка объект может находиться между двумя другими, причем если a>b, b>c, то a>c (правило транзитивности отношений).

Различают шкалу строгого порядка (строгая упорядоченность) и шкалу слабого порядка (слабая упорядоченность). В первом случае на элементах множества реализуются отношения «не больше» и «меньше», а во втором – «не больше или равно» и «меньше или равно».

Шкалы подряда широко используются в психилогии познавательных процессов, экспериментальной психосемантике, социальной психологии: ранжирование, оценивание, в том числе педагогическое, дают порядковые шкалы.

 Интервальную шкалу составляют данные, у которых можно определить разность между двумя численными значениями. Шкала интервалов является первой метрической шкалой. Собственно, начиная с неё, имеет смысл говорить об измерениях в узком смысле этого слова – о введение меры на множестве объектов. Шкала интервалов определяет величину различий между объектами в проявлении свойства. Мы имеем право изменять масштаб шкалы, умножая каждое из её значений на константу.

Классическим примером является измерение  температуры воздуха. Сравнение  значений (10°, 20°, 30°) позволяет вычислить разность (А). Это значит, что разница между 10° и 20° такая же, как между 20° и 30°. Однако нельзя сказать, что при температуре 30° в три раза теплее, чем при 10°, т. к. на этой шкале точка, обозначающая 0, произвольна (0° не означает отсутствия температуры воздуха). Точно так же, если у трех испытуемых измеренный коэффициент интеллекта равен А=120, Б=160, В=80, можно заключить, что разница между ними по исследуемому параметру = 40, но из этого не следует, что Б в два раза умнее В (показатель теста «0» еще не означает отсутствия интеллекта!).

Истинное или реальное нулевое  значение имеет шкала отношений. Шкала интервалов дает возможность получения данных о выраженности свойств объектов, когда можно сказать, во сколько раз один объект больше или меньше другого. Это возможно лишь тогда, когда помимо определения равенства, рангового порядка, равенства интервалов известно равенство отношений. Ноль здесь обозначает отсутствие измеряемого качества или свойства. Если возраст респондента А=30, а возраст респондента Б=60, можно сказать, что Б вдвое старше А, поскольку 0 имеет самостоятельное значение, обозначающее отсутствие возраста. Если пункты методики, предназначенной для измерения степени удовлетворенности работой, допускают значение, устанавливающее отсутствие удовлетворенности (0), то, например, значения «5» и «10» у двух испытуемых говорят о вдвое большей удовлетворенности у одного из них. Понимание исследователем типов шкал является исходным условием правильного использования количественного подхода.

Основные виды статистической обработки количественных данных.

Для обработки и анализа результатов измерений используются методы математической статистики. Исследователь может пользоваться несколькими видами статистической обработки данных.

1) Описательная  статистика —это раздел статистики, позволяющий описывать, подытоживать и воспроизводить в виде таблиц или графиков данные того или иного распределения данных, вычислять среднее для этого распределения, его размах и дисперсию. Для этого применяются следующие статистические процедуры.

Частотный анализ позволяет определить, как часто встречаются те или иные значения интересующего исследователя признака (переменной) в имеющемся множестве переменных. Причем частоты делятся на три вида. Если указывается, сколько раз встречается каждое значение признака, то это — таблица абсолютных частот распределения, если указывается доля наблюдений (в процентах), приходящихся на то или иное значение признака, то говорят об относительных частотах. Еще одной разновидностью частот являются таблицы распределения накопленных частот. Они показывают, как накапливаются частоты по мере возрастания значения признака.

Гистограмма распределения  частот—это столбиковая диаграмма, каждый столбец которой опирается на конкретное значение признака. На рис. 1 приведен пример гистограммы расположения частот в сравнительном исследовании уровня тревожности у юношей и девушек.

Анализ диаграммы позволяет  заключить, что юноши в среднем  менее тревожны, чем девушки. Но индивидуальные различия — изменчивость — по тревожности выше у юношей, чем у девушек: девушки в этом отношении более похожи друг на друга.

Таблицы сопряженности—это таблицы совместного распределения частот двух или более номинативных признаков, измеренных на одной группе объектов. Например, в одном из исследований экспериментаторы изучали склонность людей передавать плохие или хорошие новости. На ветровых стеклах автомобилей были оставлены открытки с указанием адресата, содержащие либо плохие, либо хорошие новости. Подсчитали количество открыток, дошедших до указанного адреса. Результаты представлены в виде таблицы сопряженности частот двух номинативных признаков: новость (хорошая или плохая) и сообщение (отправлено — не отправлено).

Оценка центральной  тенденции — это число, характеризующее выборку по уровню выраженности измеренного признака. Существуют три способа определения центральной тенденции: мода, медиана и среднее.

Мода (Mode) позволяет определить, какое значение признака встречается чаще всего. Например: среди 7 значений признака (3,7,4, 5,7,8,6) мода Мо=7 — как наиболее часто встречающееся значение.

Медиана (Median) позволяет увидеть, какое значение признака делит все полученные значения пополам. Если ряд содержит 5 значений (8,9, 10,13,15), то медиана (Md)= 10.Имея эту цифру,вы сможете сказать о результатах конкретного испытуемого — ниже они или выше срединного значения по всей выборке.

Среднее (Mean), или среднее арифметическое, показывает наиболее общее значение признака для всей выборки. Оно определяется как сумма всех значений измеренного признака, деленная на количество (число) всех значений. Используя этот показатель, можно сказать, например, какой в среднем уровень самооценки имеет исследуемая группа, отличается ли он от среднего в контрольной группе и в какую сторону.

Оценка меры изменчивости признака показывает выраженность индивидуальных различий испытуемых по измеренному признаку, т. е. отклонения от среднего значения. Для описания изменчивости признака следует использовать следующие меры: размах, дисперсия и стандартное отклонение.

Размах—разность максимального и минимального значений. Его полезно вычислять, когда необходимо знать максимальные и минимальные значения в ответах респондентов, а также это поможет увидеть общий разброс результатов.

Дисперсия — мера изменчивости для метрических данных, пропорциональная сумме квадратов отклонений измеренных значений от их арифметического среднего. Чем больше величина дисперсии, тем больше изменчивость данных. Однако чаще применяется стандартное отклонение (сигма, среднеквадратическое отклонение), т. к. оно позволяет выразить отклонения в исходных единицах измерения признака (т. е. в тех баллах, которые вы получили в результате исследования). Стандартное отклонение позволяет определить диапазон средних значений. По этому диапазону можно наблюдать, какие значения имеют большинство респондентов. Например, если среднее число попаданий в мишени у 15 испытуемых равно 15,8, а стандартное отклонение = ±3,07, то получается, что большая часть результатов (число пораженных мишеней) располагается в пределах 3,07 от средней, причем в обе стороны (увеличения и уменьшения значений). Таким образом, диапазон средних значений находится между 12,73 (15,8-3,07) и 18,87(15,8+3,07).

2) Индуктивная  статистика связана с выдвижением гипотез и последующей их статистической проверкой. Это проверка того, можно ли распространить результаты, полученные на данной выборке, на всю популяцию, из которой взята эта выборка. Поэтому в данном случае необходимо особое внимание обратить на расчет выборки, при этом соблюсти требования репрезентативности и статистической достоверности (объема) выборки.

3) Измерение  корреляции позволяет узнать, насколько связаны между собой две переменные (например, тревожность и самооценка у подростков) с тем, чтобы можно было предсказывать возможное направление изменения одной из них, если мы знаем значение другой. Применяя измерение с помощью корреляции, можно выяснить, связаны ли уровень интеллекта и успеваемость на старших курсах университета; размер заработной платы работника с его доброжелательностью к коллегам; самооценка школьника с его социометрическим статусом.

Приведем пример интерпретации  коэффициента корреляции Пирсона. Например, в исследовании получен результат  корреляции между самооценкой школьника  и его социометрическим статусом. Этот результат обычно обозначается буквой «г», и пусть в нашем случае г=0,56. Что значит полученный результат? Во-первых, он говорит о силе взаимосвязи исследуемых переменных (значимая взаимосвязь г > 0,3); во-вторых, указывает на направление связи, в данном случае она положительная (прямая) — +0,56. То есть с увеличением одной переменной вторая также увеличивается. Если коэффициент корреляции отрицательный (г = -0>56)_у то это говорит о наличии обратной или отрицательной взаимосвязи, т. е. увеличение одной переменной ведет к уменьшению второй. С помощью коэффициента можно лишь констатировать наличие связи между переменными и судить о ее силе и направлении. Установить, какая из переменных влияет на другую, таким способом невозможно.