Способы обработки и представления данных в психологическом исследовании

Способы обработки и представления данных в психологическом исследовании.

Различают количественную и качественную обработку данных. Количественная обработка – это работа с измеренными характеристиками изучаемого объекта, его "объективированными" свойствами. Качественная обработка представляет собой способ проникновения в сущность объекта путем выявления его неизмеряемых свойств.

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: корреляционный анализ, факторный анализ и т. д. Реализуется количественная обработка с помощью математико-статистических методов.

В качественной обработке преобладают синтетические способы познания. Обобщение проводится на следующем этапе исследовательского процесса – интерпретационном. При качественной обработке данных главное заключается в соответствующем представлении сведений об изучаемом явлении, 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 обработки довольно условно. Количественный анализ без последующей качественной обработки бессмыслен, так как сам по себе не приводит к приращению знаний, а качественное изучение объекта без базовых количественных данных в научном познании невозможно. Без количественных данных научное познание – чисто умозрительная процедура.

Единство количественной и качественной обработки наглядно представлено во многих методах обработки данных: факторном и таксономическом анализе, шкалировании, классификации и др. Наиболее распространены такие приемы количественной обработки, как классификация, типологизация, систематизация, периодизация, казуистика.

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 этапу обработки данных.

Самые современные компьютерные средства картирования мозга позволяют легко отражать на дисплее все этапы анализа: "сырые данные" ЭЭГ и ВП, спектры мощности, топографические карты – как статистические, так и динамические в виде мультфильмов, различные графики, диаграммы и таблицы, а также, по желанию исследователя, – различные комплексные представления. Следует особо указать на то, что применение разнообразных форм визуализации данных позволяет лучше понять особенности протекания сложных мозговых процессов.

Топографические карты представляют собой контур черепа, на котором изображен какой-либо закодированный цветом параметр ЭЭГ в определенный момент времени, причем разные градации этого параметра (степень выраженности) представлены разными цветовыми оттенками. Поскольку параметры ЭЭГ постоянно меняются по ходу обследования, соответственно этому изменяется цветовая композиция на экране, позволяя визуально отслеживать динамику ЭЭГ процессов. Параллельно с наблюдением исследователь получает в свое распоряжение статистические данные, лежащие в основе карт.

Использование ТКЭАМ в психофизиологии наиболее продуктивно при применении психологических проб, которые являются "топографически контрастными", т.е. адресуются к разным отделам мозга (например, вербальные и пространственные задания).

Для выявления зависимости рассматриваемых установок от социально-психологических факторов, а также ведущего по степени влияния фактора использовался множественный регрессионный анализ (метод stepwise). Достоверность различий по определенным параметрам между разными группами испытуемых устанавливалась с помощью непараметрического (7-критерия Манна-Уитни.

Данные, полученные по модифицированному семантическому дифференциалу, обрабатывались в ходе факторного анализа методом главных компонент с последующим вращением факторных нагрузок методом varimax. Далее оцениваемые испытуемыми объекты (в данном случае это были этнические группы) располагались в пространстве выделенных факторов. Для этого вычислялись факторные веса объектов шкалирования, после чего объекты располагались в факторном пространстве. При обработке данных использовались статистические пакеты Statistica 5.1 и SPSS 11.0.

РЕЗУЛЬТАТЫ

Анализ данных осуществлялся в два этапа.

1. Выявлялась взаимосвязь "внутренних" факторов с межгрупповыми установками по всей выборке.

2. Определялось, как взаимосвязь "внутренних" факторов и межгрупповых установок опосредуется влиянием внешних факторов:

а) статусом этнической группы;

б) компактностью-дисперсностью типа расселения.

При использовании большинства показателей возраста надежность выделения возрастных групп тем больше, чем короче как период размножения особей данной популяции в течение года, так и период сбора материала.

Выделение возрастных групп способами, не требующими сложных вычислений

Если период размножения и период сбора материала не велики, выборку удается разделить на возрастные группы, построив кривую распределения особей по величине признака и определив границы между возрастными группами по минимумам кривой распределения. Этот прием удобен для количественных, реже – для качественных признаков (если оценки выражены в баллах). Для сглаживания мелких изменений частот и более четкого выявления границ между группами можно использовать "метод скользящей средней": последовательно вычисляют средние частоты для трех (или пяти) соседних интервалов признака, для получения каждой следующей средней сдвигаясь на один интервал вправо, так что каждое новое значение средней частоты вычисляется по 2 (или 4) интервалам, использовавшимся для получения предыдущей средней, и одного нового интервала.

Возрастные группы можно характеризовать модальным значением или средним значением признака каждой возрастной группы и стандартным отклонением.

По мнению Смирнова (1960) некий показатель возраста можно считать успешно выделяющим возрастные группы, если сумма стандартных отклонений двух соседних возрастных групп в два или более раз меньше разности их модальных значений.

Для качественных показателей, например, степени стертости зубов, приводят словесные описания и (или) рисунки, характеризующие состояние признака для каждой возрастной группы. Часто используют систему баллов, иногда – довольно сложную. Баллы можно анализировать теми же приемами, что и количественные признаки.

Сложнее выделять возрастные группы в выборках животных с коротким сезоном размножения, если материал добыт в течение длительного периода. В этом случае можно использовать графический способ Смирнова (1960): построить график, где по оси абсцисс – месяц отлова, а по оси ординат – величина данного показателя. Показателями могут быть как размерные, так и балльные оценки. Такой подход дает возможность выделить возрастные группы в каждый месяц отлова по наличию разрывов в распределении точек, оценить среднее ежемесячное изменение признака и получить зависимость данного показателя от возраста.

ВЫВОДЫ

Обработка данных.

На этом этапе стоит задача унификации данных.

1. Предварительная обработка данных:

а) оценка точности;

б) ликвидация выбросов;

в) экстраполяция – интерполяция (заполнение пустот);

г) уточнение типа шкал (наименований, порядковая, интервальная).

Иногда работают с сырыми данными. Обычно же требуется обработка сырых данных.

2 вида обработки:

1) качественная: выделение критерия(-ев) и группировка.

2) количественная:

а) первичная:

- оценка распределения (по каждому параметру оценивания): мода, медиана, средние, дисперсия, ассиметрия, эксцесс, тест на нормальность/равномерность;

- оценка погрешности;

- доверительного интервала,

перевод в стандартные шкалы/тестовые баллы, например, z-оценка, стены, IQ, Т-баллы и т.п.

б) вторичная:

- вычисление корреляций (линейная и ранговая) – это соотношение между 2-мя переменными,

- вычисление критериев различения,

- дисперсионный анализ,

- применение методов редукции данных: кластерный и факторный анализ,

- регрессионный анализ.

2. Способы представления результатов

Результаты эксперимента следует привести к такому виду, который позволяет выделить исследуемые связи. Существует 4 основных вида представления данных: текст, таблица, график, схема (рисунок).

Требования к способам представления результатов:

1) К анализу и представлению отбираются лишь те данные, которые подчинены ответу на вопрос исследования.

2) Результаты, представленные к анализу, не должны быть громоздкими, указывается только самое существенное.

3) Представленные результаты должны быть простыми по структуре, т. е., необходимо упрощать и объединять данные.

4. Результаты должны быть обозримыми и понятными сразу. Для этого необходимо все подписывать.

1. Таблицы.

В таблицах выделяют строки и столбцы. Каждый столбец и строка должны иметь четкое название. Следует указывать единицы измерения (обычно в столбцах), если они различаются у данных по ячейкам. Каждая таблица должна иметь свой номер, четкое название.

Под определенные типы данных используются различные виды таблиц.

1. Качественные таблицы: общая выборка делится на классы, различающиеся по качественным критериям, и указывается, какая часть выборки составляет класс (чаще всего в процентах).

Функциональные таблицы: независимая переменная указывается в порядке ее изменения, и каждому значению НП ставится в соответствие получаемое значение ЗП. Используется при непрерывной шкале НП.

Таблицы распределения: служат для отображения ряда распределения результатов по параметрам, или классам, но в этом случае больше число классов, чем в качественных таблицах. Обычно в ячейках такой таблицы указывается количество значений, попавших в данный класс.

Рисунок – Представление научных данных

Литература

1. Глас, Дж. Статистические методы в педагогике и психологии [Текст]: пер. с англ. / Дж. Глас, Дж. Стэнли. – М., 1976.

2. Дружинин, В. Н. Экспериментальная психология [Текст]: учеб. пособие / В. Н. Дружинин. – М., 1997.

3. Корнилова, Т. В. Введение в психологический эксперимент [Текст]: учебник / Т. В. Кор-нилова. – М.: Изд-во МГУ, 1997.

4. Кэмпбелл, Д. Модели экспериментов в социальной психологии и прикладных исследованиях [Текст] / Д. Кэмпбелл. – СПб., 1996.

5. Логвиненко, А. Д. Измерения в психологии: математические основы [Текст] / А. Д. Логви-ненко. – М.,1993.

6. Математические методы в современной психологии [Текст] / В. Ю. Крылов [и др.]. – М.: ИП РАН, 1995.

7. Мощенко, А. В. Корреляционные исследования и квазиэкспериментальные планы [Текст]: учеб. пособие / А. В. Мощенко. – М., 2000.

8. Немов, Р. С. Психология. Психодиагностика. Введение в научное психологическое исследование с элементами математической статистики [Текст]: в 3 кн. / Р. С. Немов. – М., 1998. Кн.З.

9. Паповян, С. С. Математические методы в социальной психологии [Текст] / С. С. Поповян. – М.,1983.

10. Словарь-справочник по психологической диагностике [Текст] / Отв. ред. С. Б. Крымский. – Киев, 1999.

11. Суходольский, Г. В. Основы математической статистики для психологов [Текст] / Г. В. Суходольский. – Л., 1972.