Курс направлен на овладение статистическими методами и моделями, необходимыми для самостоятельного анализа данных количественных исследований в психологии и смежных областях, на формирование умений пользоваться простыми методами анализа данных, правильно выбирать и интерпретировать результаты применения сложных технологий анализа данных, на развитие навыков корректной интерпретации измерений и результатов их статистического анализа. По завершении курса учащиеся будут: Знать систему математических моделей исследования – измерительных, описательных и статистического вывода; систему многомерных математических методов и моделей анализа данных; назначение каждого элемента этих систем с точки зрения границ его применения и интерпретации результатов. Уметь планировать исследование с учетом возможностей измерений и анализа количественных результатов; применять на практике одномерные и двумерные методы анализа данных; правильно выбирать адекватный эмпирическим данным и задачам исследования многомерный метод анализа и исчерпывающе интерпретировать результаты его применения; Владеть системой статистических понятий, статистическим дискурсом, как необходимой составной частью методологического дискурса психологии и смежных дисциплин.
"Видео 1.6 "Измерения и шкалы. Часть 2: Измерительные шкалы""
Loading...
Из курса от партнера Saint Petersburg State University
Математические методы в психологии. Основы применения (Mathematical Methods in Psychology: Basics of Applying)
9 оценки
Saint Petersburg State University
9 оценки
Из урока
Введение
Познакомьтесь с преподавателями
Наследов Андрей Дмитриевичдоцент
Кафедра педагогики и педагогической психологии
Волков Денис Николаевичдоцент
Кафедра общей психологии
[МУЗЫКА]
[МУЗЫКА] И,
наконец, измерительные шкалы.
Стивенс классифицировал их следующим образом: начиная от самой
простой шкалы и заканчивая самой сложной и самой точной.
Первая шкала — номинальная, или номинативная,
или наименований, или неколичественная.
В основе этой шкалы лежит операция классификации,
то есть исследователь задает основание классификации, а затем присваивает одно
и то же число тем объектам или испытуемым, которые по этому основанию не различаются,
и разные числа — тем, которые различаются по этому основанию.
Например, основание классификации — пол, и числа,
к примеру, для девушек — 0, для юношей — 1.
Или основание классификации — хобби, и цифры 1, 2,
3 соответствуют предпочитаемым хобби: спорт, компьютер, искусство.
И так далее.
Следует отметить, что при это учитывается только одно свойство чисел — то,
что они разные.
От этого зависит и то, как интерпретируются результаты
подобных измерений, и, конечно, то, что можно делать с этими числами.
В данном случае, конечно же, недопустимы, скажем, арифметические операции,
а возможен лишь подсчет случаев, частот.
Следующая шкала — порядковая.
Порядковые измерения становятся возможными,
когда исследователь может, сравнивая между собой случаи или испытуемых,
сказать, больше или меньше выражено соответствующее свойство.
То есть в основе этой шкалы лежит упорядочивание
от большего к меньшему или наоборот, например место в турнире или самооценка
самоуверенности в себе в данном случае или при выполнении данной деятельности.
При таком измерении учитываются уже два свойства чисел: во-первых,
то, что это разные символы, а во-вторых, то, что одно число больше,
чем другое, но не учитывается то, насколько больше или меньше.
Следующая шкала — интервальная.
Она является не только количественной, но и метрической,
то есть допускает задание метрики или единиц измерения.
Формальное определение этой шкалы: равным разностям между числами в
этой шкале соответствуют равные разности в измеряемом свойстве,
то есть возможно введение единиц измерения.
Равная интервальность при этом означает одинаковую
чувствительность шкалы во всем ее диапазоне.
Основная операция,
которая лежит в основе этой шкалы — это обоснование равной интервальности.
О том, как обосновывается равная интервальность, мы с вами будем говорить в
теме нормального распределения, а сейчас отмечу, забегая вперед,
что обоснование равной интервальности основано на постулате нормальности,
то есть если выборочные распределения результатов
измерения соответствуют нормальному распределению,
то данное измерение полагается равноинтервальным или метрическим.
Примером равноинтервальной шкалы из обыденной жизни является
температура по Цельсию.
В чем особенность этой шкалы?
В том, что 0 совсем не означает отсутствие тепла.
Таким образом,
и в равноинтервальной шкале это ограничение также является существенным.
Что оно означает?
Какие накладывает ограничения на интерпретацию.
Прежде всего, приведем пример.
Если вчера было 10 градусов тепла, а сегодня 20 градусов тепла,
то мы скажем: сегодня на 10 градусов теплее.
Но у нас язык не повернется сказать, что сегодня в два раза теплее,
потому что это не соответствует действительности.
Таким образом,
особенностью равноинтервальной шкалы является произвольность нуля,
которая не соответствует полному отсутствию измеряемого качества.
Итак, следующая шкала — абсолютная, или шкала равных отношений.
К равной интервальности предыдущей шкалы добавляется еще одно свойство
— непроизвольность 0.
0 в этой шкале означает полное отсутствие измеряемого свойства.
Соответственно, измерения в этой шкале учитывают все четыре свойства чисел,
и при этом допустимы все арифметические операции.
К сложению- вычитанию также добавляется возможность деления и умножения.
Обоснованием абсолютности шкалы является использование эталонов.
Подобные измерения, они широко встречаются в обыденной жизни.
Это измерения веса, длины, времени.
В качестве примера также можно привести количество
правильных ответов при измерении интеллекта.
Само по себе количество правильных ответов — это абсолютная шкала, потому что один,
скажем, ответил на 10 вопросов правильно,
а второй — в два раза больше, на 20 вопросов.
Однако отметим, что само количество ответов
является абсолютной шкалой, но в отношении измеренного
интеллекта количество правильных ответов вовсе не является абсолютной шкалой,
потому что если некоторый испытуемый не ответил ни на один вопрос,
то это вовсе не означает, что у него полностью отсутствует интеллект.
И даже равная интервальность подобной шкалы,
она может быть поставлена под сомнение и требует специального обоснования.
Еще раз отметим, что тип шкалы накладывает ограничения, во-первых, на интерпретацию
результатов измерения, а во-вторых, на допустимые преобразования, на вычисления.
Рассмотрим допустимые преобразования измерений в разных шкалах.
Номинальная шкала.
В номинальной шкале возможен только подсчет численности (частоты),
встречаемости той или иной категории.
Например, допустимо суждение: «Мужчин в данной выборке больше,
чем женщин» — в отношении пола.
Или в отношении пола и хобби: «Девушки чаще предпочитают искусство,
а юноши чаще предпочитают компьютер и спорт».
Порядковая шкала.
Измерения в этой шкале возможны, когда исследователь сравнивает между
собой испытуемых, можно сказать, у кого свойство выражено больше, а у кого меньше.
Соответственно, возможны ранжирования испытуемых по степени
выраженности свойства.
При сквозном ранжировании у представителей сравниваемых выборок можно вычислить
средние ранги для каждой выборки и судить о том,
в какой выборке измеренное явление выражено больше, а в какой выборке меньше.
Интервальная шкала: допускает арифметические операции
вычитания и сложения, соответственно, возможны вычисления
средних значений для последующего сравнения выборок по средним значениям.
Доступны суждения также о том,
насколько больше или меньше выражено измеренное явление.
Скажем, вчера температура в нашем городе была 10 градусов,
а сегодня — 20 градусов, то есть сегодня на 10 градусов теплее, чем вчера.
Но не в два раза теплее, это не соответствует действительности.
Или суждение в отношении IQ: «IQ выборки № 1 на 12 пунктов выше по шкале Векслера,
чем у выборки № 2».
Или: «Среднее значение коммуникативной компетентности у девушек — 5.6,
а у юношей — 5.1 по 10-балльной шкале.
То есть возможны сравнения по разности выраженности того или
иного явления, но невозможны суждения по кратности.
Скажем, если у одного испытуемого интеллект — 100,
а у другого интеллект — 120, то будет неверным говорить о том,
что у второго испытуемого интеллект на 20 % выше, чем у первого.
Не на 20 % процентов, на 20 единиц.
И, наконец, допустимые суждения и преобразования для абсолютной шкалы.
В дополнение к операциям для интервальной шкалы добавляются умножение и деление,
то есть фактически допустимы все арифметические операции.
Соответственно, допустимы и суждения, которые соответствуют этим операциям.
Например: «Во сколько раз больше или меньше выражено измеренное явление?».
Или: «Количество правильных ответов у респондента № 1 в два раза меньше,
чем у респондента № 4.
Это касается количества правильных ответов.
Но если количество правильных ответов мы рассматриваем как индикатор интеллекта,
к примеру говоря, то это суждение будет совершенно неверным.
Это суждение о том, что количество интеллекта у респондента № 1 в два раза
меньше, чем у респондента № 4, поскольку если некий испытуемый не решил ни одного
задания, это вовсе не означает, что у него полностью отсутствует интеллект.
И, соотвественно, эта шкала является не только не абсолютной,
но и равную интервальность этой шкалы нужно еще дополнительно обосновывать.
Вообще говоря, психологические явления являются латентными
конструктами, непосредственно недоступными для измерения,
поэтому использование эталоно в отношении этих явлений практически невозможно.
У нас нет весов, чтобы измерить интеллект, нет линейки, чтобы измерить тревожность.
И поэтому абсолютные измерения в психологии практически не
используются.
Ознакомьтесь с нашим каталогом
Присоединяйтесь бесплатно и получайте персонализированные рекомендации, обновления и предложения.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2018 Все права защищены.
