психологический исследование метод
Методы обработки экспериментальных данных разделяют на количественные и качественные.
К первым относится математико-статистическая обработка, ко вторым - описание типичных проявлений или исключений из общего правила.
К математико-статистической обработке следует отнести все процедуры перевода качественных данных в количественные показатели: экспертная оценка по шкале, рейтинг, нормирование, а также все формы статистического анализа - корреляционный, регрессионный, факторный, дисперсионный, кластерный и т.д.
Рассмотрим некоторые из них.
Метод экспертных оценок - формализованная процедура сбора, анализа и интерпретации независимых суждений достаточного количества экспертов о степени выраженности каждого из подлежащих оценке психологических качеств или явлений. Его широко применяют в психологии личности. При этом, экспертные оценки наиболее целесообразно проводить не в виде описания качественных проявлений свойств (это гораздо эффективнее сделать в последующей беседе с экспертами), а в виде количественной оценки степени того или иного свойства или элемента поведения.
Факторный метод - он представляет собой систему моделей и методов для преобразования исходного набора признаков к более простой и содержательной форме. Он базируется на предположении, что наблюдаемое поведение испытуемого может быть объяснено с помощью небольшого числа скрытых характеристик, называемых факторами.
При использовании этого метода обобщение данных представляет собой группировку испытуемых по степени их близости в пространстве измеряемых признаков, то есть выделяются группы похожих испытуемых.
Существуют два основных варианта постановки задачи:
Группировка испытуемых на незаданные группы;
Группировка испытуемых на заданные группы.
Задача группировки испытуемых на незаданные группы. Этот вариант задачи формулируется следующим образом: имеется многомерное психологическое описание выборки испытуемых и требуется осуществить их разделение на однородные группы, то есть такое разделение, при котором в составе выделенных групп оказались бы испытуемые, похожие по психологическим характеристикам. Такая постановка задачи группировки испытуемых соответствует интуитивным представлениям о типе личности.
Для решения этой задачи используется кластерный анализ, который разработан в рамках математической теории распознавания образов.
Задача группировки испытуемых на заданные группы. При решении этой задачи предполагается, что имеются результаты многомерного психологического обследования нескольких групп испытуемых и о каждом испытуемом заранее известно, к какой группе он принадлежит. Задача заключается в том, чтобы найти правило разбиения испытуемых на заданные группы по психологическим характеристикам.
Кластерный метод - метод автоматической классификации, предназначенный для анализа структуры взаимного расположения испытуемых в S пространстве измеряемых признаков. Он позволяет производить объективную классификацию испытуемых по большому набору признаков и основывается на гипотезе «компактности». Если представить каждого испытуемого в виде точки в многомерном пространстве признаков, то естественно предположить, что геометрическая близость точек в этом пространстве указывает на схожесть соответствующих испытуемых. Методы кластерного анализа (автоматической классификации) дают возможность получать сокращенное описание распределения испытуемых путем выделения их скоплений в пространстве исследуемых признаков Психология. Учебник / под ред. В.Н. Дружинина - М.: ЮНИТИ, 2009. С. 101. .
Классификация l l l это распределение множества объектов по группам (классам) в зависимости от их общих признаков Результат: совокупность классов, которую, как и сам процесс группировки, называют классификацией. Классификация бывает: А) естественная – на основе существенного признака (например, предметный каталог в библиотеке, интровертированность – экстравертированность) Б) искусственная – на основе несущественного для самих объектов признака (например, алфавитный каталог)
Психологические портреты работников с различным уровнем ПС Параметры сравнения Работник с высоким уровнем профессионального стресса Работник с низким уровнем профессионального стресса Уровень невротизации высокий низкий Уровень напряжения и переутомления высокий низкий Способность ориентации во времени ориентируется лишь на один из отрезков временной шкалы (прошлое, настоящее или будущее) и (или) дискретное восприятие своего жизненного пути живет настоящим, т. е. переживает настоящий момент своей жизни во всей его полноте, а не просто как фатальное следствие прошлого или подготовку к будущей «настоящей жизни» ; ощущает неразрывность прошлого, настоящего и будущего, воспринимает мир целостно Зависимость от внешних обстоятельств высокой степени зависимости, конформности, несамостоятельности («извне направляемая» личность), внешний локус контроля относительно независим в своих поступках, стремится руководствоваться в жизни собственными целями, убеждениями, установками и принципами, что, однако, не означает враждебности к окружающим и конфронтации с групповыми нормами; свободен в выборе, не подвержен внешнему влиянию («изнутри направляемая» личность) Уровень самоактуализации низкий высокий Способность к установлению контактов Низкий уровень субъект-субъектного взаимодействия способен к быстрому установлению глубоких и тесных эмоционально-насыщенных контактов с людьми
Типологизация l l l это группировка объектов по наиболее существенным для них системам признаков. Результат: типология как совокупность типов (типы темперамента, типы личности и т. д.) В психологической науке известны четыре вида типологий: 1) конституциональные (типологии Э. Кречмера и У. Шелдона); 2) психологические (типологии К. Юнга, К. Леонгарда, А. Е. Личко, Г. Шмишека, Г. Айзенка); 3) социальные (типы руководства и лидерства); 4) астропсихологические (гороскопы).
Особенности характеристик ценностно смысловой сферы личности студентов с разным типом отношения к профессии II тип IV тип Более или менее адекватные представления, считается престижной Занижены (непрестижная, не способна удовлетворить важные жизненные потребности) I тип Представления о профессии Завышены (весьма престижна, способна удовлетворить важные жизненные потребности) Занижены Доминирующие ценности Компетентность, творчество, стабильность, служение, карьерный рост Уважение, признание, творчество, стабильность работы, менеджмент, польза для общества Высокая заработная плата, автономия, служение, интеграция всех стилей жизни Самостоятельность, менеджмент, независимость, предпринимательство, высокая заработная плата. Отношение к учебе в вузе Положительное, повышенный интерес к предметам специализации. Достаточно нейтральное Интерес ко всем вузовским предметам Неудовлетворенность процессом обучения, наименьший интерес представляют дисциплины специализации Степень включенности профессии в СЖ контекст Высокая Средняя Достаточно высокая Низкая Удовлетворенность некоторыми сторонами собственной жизни Неудовлетворенность различными сторонами собственной жизни Особенности самооценки Удовлетворенность различными сторонами собственной жизни Удовлетворенность некоторыми сторонами собственной жизни Профессиональные планы Связаны с получаемой профессией или близкие к ней, имеются намерения продолжить обучение в аспирантуре или магистратуре Отдаленно связаны с получаемой профессией, нацеленность на получение второго высшего образования, напрямую не связанного с первым Связаны с получаемой профессией или близкие к ней Не связаны с получаемой профессией Особенности жизненной перспективы Оптимистичная Менее оптимистична Достаточно оптимистическая Менее оптимистична
Отличие классификации от типологизации l l Класс- это некоторое множество сходных реальных объектов. Тип - это идеальный образец, на который в той или иной степени похожи реальные объекты.
Систематизация l это упорядочивание объектов внутри классов, классов между собой и множества классов с другими множествами классов. Это структурирование элементов внутри систем разных уровней (объектов в классах, классов в их множестве и т. д.) и сопряжение этих систем с другими одноуровневыми системами, что позволяет получать системы более высокого уровня организации и обобщенности. l На практике систематизация выливается в многоуровневую классификацию. Примеры: систематики растительного и животного мира; систематика наук (в частности, наук о человеке); систематика психологических методов; систематика психических процессов; систематика свойств личности; систематика психических состояний.
Периодизация l l l это хронологическое упорядочивание существо вания изучаемого объекта (явления). Суть: разделение жизненного цикла объекта на существенные этапы (периоды). Каждый этап обычно соответствует значительным изменениям (количественным или качественным) в объекте, что можно соотнести с философской категорией «скачок» . Примеры периодизации в психологии: периодизация онтогенеза человека; этапы социализации личности; этапы и фазы развития группы (групповая динамика) и др.
Периодизация психического развития по В. И. Слободчикову Ступени развития субъектности Период становления событийности Период становления самобытности Кризисы рождения Стадии принятия Кризисы развития Младенчество 6 - 12 мес I. Оживление Родовой кризис -2 мес - +3 недели Новорожденность 0, 5 - 4, 0 мес Кризис новорожденности 3, 5 - 7 мес Младенчество 6 - 12 мес II. Одушевление Кризис младенчества 11 - 18 мес Раннее детство 1, 5 - 3, 0 года Кризис раннего детства 2, 5 - 3, 5 года Дошкольное детство 3 года - 6, 5 лет III. Персонализация Кризис детства 5, 5 - 7, 5 лет Отрочество 6, 5 - 11, 5 лет Кризис отрочества 11 - 14 лет Юность 13 - 18 лет IV. Индивидуализация Кризис юности 17 - 21 год Молодость 19 - 28 лет Кризис молодости 27 - 33 года Взрослость 32 - 42 года V. Универсализация Кризис взрослости 39 - 45 лет Зрелость 44 - 60 лет Кризис зрелости 55 - 65 лет Старость 62- Кризис индивидуальной жизни
Психологическая казуистика l l это описание и анализ как наиболее типичных, так и исключительных для исследуемой реальности случаев дифференциальной и практической психологии. Пример: метод инцидентов в профессиографии.
8.1. КОЛИЧЕСТВЕННЫЕ МЕТОДЫ
К основным методам количественного анализа (и синтеза) в психологии относятся следующие:
1. Методы первичной обработки данных (табулирование,
построение диаграмм, гистограмм, полигонов и кривых распределения).
2. Методы вторичной обработки данных (вычисление ста-
3. Корреляционный анализ.
4. Дисперсионный анализ.
5. Регрессионный анализ.
6. Факторный анализ. 7.Таксономический (кластерный) анализ. 8. Шкалирование.
Выше при освещении этапа обработки данных в психологическом исследовании приводились краткие характеристики всех перечисленных методов кроме двух последних. Восполним этот пробел.
Таксономический анализ
Метод представляет собой математический прием группировки данных в классы (таксоны, кластеры) таким образом, чтобы объекты, входящие в один класс, были более однородны по какому-либо признаку по сравнению с объектами, входящими в другие классы. В итоге появляется возможность определить в той или иной метрике расстояние между изучаемыми объектами и дать упорядоченное описание их взаимоотношений на количественном уровне . В силу недостаточной проработанности критерия эффективности и допустимости кластерных про-
цедур данный метод применяется обычно в сочетании с другими способами количественного анализа данных. С другой стороны, и сам таксономический анализ используется как дополнительная страховка надежности результатов, полученных с использованием других количественных методов, в частности факторного анализа. Суть кластерного анализа позволяет рассматривать его как метод, явно совмещающий количественную обработку данных с их качественным анализом. Поэтому причислить его однозначно к разряду количественных методов, видимо, не правомерно. Но поскольку процедура метода по преимуществу математическая и результаты могут быть представлены численно, то и метод в целом будем относить к категории количественных.
Шкалирование в еще большей степени, чем таксономический анализ, совмещает в себе черты количественного и качественного изучения реальности. Количественный аспект шкалирования состоит в том, что в его процедуру в подавляющем большинстве случаев входят измерение и числовое представление данных. Качественный аспект шкалирования выражается в том, что, во-первых, оно позволяет манипулировать не только количественными данными, но и данными, не имеющими единиц измерения, а во-вторых, включает в себя элементы качественных методов (классификации, типологизации, систематизации).
Еще одной принципиальной особенностью шкалирования, затрудняющей определение его места в общей системе научных методов, является совмещение в нем процедур сбора данных и их обработки. Можно даже говорить о единстве эмпирических и аналитических процедур при шкалировании. Не только в конкретном исследовании трудно указать на последовательность и разнесенность этих процедур (они часто совершаются одновременно и совместно), но и в теоретическом плане не удается обнаружить стадиальную иерархию (невозможно сказать, что первично, а что вторично).
Третий момент, не позволяющий однозначно отнести шкалирование к той или иной группе методов, - это его органическое «врастание» в специфические области знания и приобретение им наряду с признаками общенаучного метода признаков узкоспецифических. Если другие методы общенаучного значения (например, наблюдение или эксперимент) можно довольно легко представить как в общем виде, так и в конкретных модификациях, то шкалирование на уровне всеобщего без потери необходимой информации охарактеризовать весьма непросто. Причина этого очевидна: совмещение в шкалировании эмпирических процедур с обработкой данных. Эмпирика конкретна, математика абстрактна. Поэтому срастание общих принципов математического анализа со специфическими приемами сбора данных дает указанный эффект. Неплохой иллюстрацией этому служит неясность с научными истоками шкалирования. Сразу несколько наук могут претендовать на звание его «родителя». Среди них и психология, где над теорией и практикой шкалирования работали такие выдающиеся ученые, как Л. Терстон , С. Стивене , В.Торгерсон, А.Пьерон.
Осознав все эти факторы, мы все же помещаем шкалирование в разряд количественных методов обработки данных, поскольку в психологической практике можно различить две ситуации с использованием шкалирования. Первая - это построение шкал, а вторая - их использование. В первом случае все упомянутые особенности шкалирования проявляются в полной мере. Во втором же они отходят на второй план, поскольку использование готовых шкал (например, «стандартных» шкал при тестировании) предполагает просто сравнение с ними показателей, полученных на этапе сбора данных. Таким образом, психолог в этом случае пользуется лишь плодами шкалирования, причем на этапах, следующих за сбором данных. Такая ситуация - обычное явление в психологии. Кроме того, формальное построение шкал, как правило, выносится за пределы непосредственных измерений и сбора данных об объекте. То есть основные шкалообразующие действия математического характера проводятся после сбора данных, что сопоставимо с этапом их обработки.
В самом общем смысле шкалирование есть способ познания мира через моделирование реальности с помощью формальных (в первую очередь, числовых) систем. Применяется этот способ практически во всех сферах научного познания (в естественных, точных, гуманитарных, социальных, технических науках) и имеет широкое прикладное Значение.
Наиболее строгим определением представляется следующее: шкалирование - это процесс отображения по заданным правилам эмпирических множеств в формальные. Под эмпирическим множеством понимается любая совокупность реальных объектов (лю-
дей, животных, явлений, свойств, процессов, событий), находящихся в определенных отношениях друг с другом. Эти отношения могут быть представлены четырьмя типами (эмпирическими операциями): 1) равенство (равно - не равно); 2) ранговый порядок (больше - меньше); 3) равенство интервалов; 4) равенство отношений.
По природе эмпирического множества шкалирование делится на два вида: физическое и психологическое. В первом случае шкалированию подвергаются объективные (физические) характеристики объектов, во втором - субъективные (психологические).
Под формальным множеством понимается произвольная совокупность символов (знаков, чисел), связанных между собой определенными отношениями, которые соответственно эмпирическим отношениям описываются четырьмя видами формальных (математических) операций: 1) «равно - не равно» (= Ф); 2) «больше - меньше» (> <); 3) «сложение - вычитание» (+ -); 4) «умножение - деление» (х:).
При шкалировании обязательным условием является взаимооднозначное соответствие между элементами эмпирического и формального множеств. Это означает, что каждому элементу первого множества должен соответствовать только один элемент второго, и наоборот. При этом взаимооднозначное соответствие типов отношений между элементами обоих множеств (изоморфизм структур) не обязательно. В случае изоморфности этих структур производится так называемое прямое (субъективное) шкалирование, при отсутствии изоморфизма производится косвенное (объективное) шкалирование.
Итогом шкалирования является построение шкал (лат. scala - "лестница"), т. е. некоторых знаковых (числовых) моделей исследуемой реальности, с помощью которых можно эту реальность измерить. Таким образом, шкалы являются измерительными инструментами. Общее представление обо всем многообразии шкал можно получить из работ , где приведена их классификационная система и даны краткие описания каждого вида шкал. Сведения о многообразии модификаций общенаучного метода шкалирования в систематизированном виде представлены в работе .
Отношения между элементами эмпирического множества и соответствующие допустимые математические операции (допустимые преобразования) обусловливают уровень шкалирования и
тип получаемой шкалы (по классификации С. Стивенса). Первому, наиболее простому типу отношений (= *) соответствуют наименее информативные шкалы наименований, второму (> <) - шкалы порядка, третьему (+ -) шкалы интервалов, четвертому (х:) - самые информативные шкалы отношений.
Процесс психологического шкалирования условно можно разделить на два основных этапа: эмпирический, на. котором производится сбор данных об эмпирическом множестве (в данном случае о множестве психологических характеристик исследуемых объектов или явлений); и этап формализации, т. е. математико-ста-тистической обработки данных первого этапа. Особенности каждого из этапов определяют методические приемы конкретной реализации шкалирования. В зависимости от объектов исследования психологическое шкалирование выступает в двух разновидностях: психофизическое или психометрическое.
Психофизическое шкалирование заключается в построении шкал для измерения субъективных (психологических) характеристик объектов (явлений), имеющих физические корреляты с соответствующими физическими единицами измерения. Например, субъективным характеристикам звука (громкости, высоте, тембру) соответствуют физические параметры звуковых колебаний: амплитуда (в децибелах), частота (в герцах), спектр (в показателях составляющих тонов и огибающей). Таким образом, психофизическое шкалирование позволяет выявить зависимость между величинами физической стимуляции и психической реакции, а также выразить эту реакцию в объективных единицах измерения. В результате получают любые виды косвенных и прямых шкал всех уровней измерения: шкалы наименований, порядка, интервалов и отношений.
Психометрическое шкалирование заключается в построении шкал для измерения субъективных характеристик объектов (явлений), не имеющих физических коррелятов. Например, характеристик личности, популярности артистов, сплоченности коллективов, выразительности образов и т. п. Реализуется с помощью некоторых методов косвенного (объективного) шкалирования. В результате получают шкалы суждений, относящиеся по типологии допустимых преобразований, как правило, к шкалам порядка, реже - к шкалам интервалов. В последнем случае в качестве единиц измерения выступают показатели вариативности суждений (ответов, оценок) респондентов. Наиболее характерными и распространенными психометрическими шкалами являются шкалы оценок и основанные на них шкалы установок. Психометрическое шкалирование лежит в основе разработки большинства психологических тестов, а также методов измерений в социальной психологии (социометрические методики) и в прикладных психологических дисциплинах. Поскольку вынесение суждений, лежащее в основе процедуры психометрического шкалирования, может быть применено и к физической сенсорной стимуляции, постольку эти процедуры применимы и для выявления психофизических зависимостей, но в этом случае получаемые шкалы не будут иметь объективных единиц измерения.
Как физическое, так и психологическое шкалирование может быть одномерным и многомерным. Одномерное шкалирование - это процесс отображения эмпирического множества в формальное по одному критерию. Получаемые одномерные шкалы отображают либо отношения между одномерными эмпирическими объектами (или одними и теми же свойствами многомерных объектов), либо изменения одного свойства многомерного объекта. Реализуется одномерное шкалирование с помощью методов и прямого (субъективного), и косвенного (объективного) шкалирования.
Под многомерным шкалированием понимается процесс отображения эмпирического множества в формальное одновременно по нескольким критериям. Многомерные шкалы отражают либо отношения между многомерными объектами, либо одновременные изменения нескольких признаков одного Объекта. Процесс многомерного шкалирования в отличие от одномерного характеризуется большей трудоемкостью второго этапа, т. е. формализации данных. В связи с этим привлекается мощный статистико-мате-матический аппарат, например, кластерный или факторный анализы, входящие неотъемлемой частью в методы многомерного шкалирования.
Исследование проблем многомерного шкалирования связано с именами Ричардсона и Торгерсона, предложивших его первые модели. Начало разработкам методов неметрического многомерного шкалирования положил Шепард. Наиболее распространенный и впервые теоретически обоснованный алгоритм многомерного шкалирования предложил Краскал. Обобщение сведений по многомерному шкалированию провел М. Дэйвисон . Специфика многомерного шкалирования в психологии отражена в работе Г. В. Парамей .
Раскроем упоминавшиеся ранее понятия «косвенное» и «прямое» шкалирования. Косвенное, или объективное шкалирование - это процесс отображения эмпирического множества в формальное при взаимном несоответствии (отсутствие изоморфизма) между структурами этих множеств. В психологии в основе такого несоответствия лежит первый постулат Фехнера о невозможности прямой субъективной оценки величины своих ощущений. Для количественного выражения ощущений используются внешние по отношению к ним (косвенные) единицы измерения, базирующиеся на различных оценках испытуемых: едва заметные различия, время реакции (ВР), дисперсия различения, разброс категориальных оценок.
Косвенные психологические шкалы по способам их построения, исходным допущениям и единицам измерения образуют несколько групп, главные из которых следующие: 1) шкалы накопления, или логарифмические шкалы; 2) шкалы, основанные на измерении ВР, 3) шкалы суждений (сравнительных и категориальных). Аналитическим выражениям этих шкал присвоен статус законов, названия которых связаны с именами их авторов: 1) логарифмический закон Вебера-Фехнера; 2) закон Пьерона (для простой сенсомо-торной реакции); 3) закон сравнительных суждений Терстона и 4) закон категориальных суждений Торгерсона. Наибольшими прикладными возможностями обладают шкалы суждений. Они позволяют измерять любые психические явления, реализуют как психо-физическое, так и психометрическое шкалирование, дают возможность многомерного шкалирования. По типологии допустимых преобразований косвенные шкалы представлены в основном шкалами порядка и интервалов.
Прямое, или субъективное, шкалирование представляет собой процесс отображения эмпирического множества в формальное при взаимооднозначном соответствии (изоморфизм) структур этих множеств. В психологии в основе этого соответствия лежит допущение о возможности прямой субъективной оценки величины своих ощущений (отрицание первого постулата Фехнера). Реализуется субъективное шкалирование с помощью процедур, выясняющих, во сколько раз (или на сколько) ощущение, вызванное одним стимулом, больше или меньше ощущения, вызванного другим стимулом. Если такое сравнение производится для ощущений разных модальностей, то говорят о кросс-модальном субъективном шкалировании.
Прямые шкапы по способу их построения образуют две основные группы: 1) шкалы, основанные на определении сенсорных отношений; 2) шкалы, основанные на определении величин стимулов. Второй вариант открывает путь к многомерному шкалированию. Значительная часть прямых шкал хорошо аппроксимируется степенной функцией, что на большом эмпирическом материале доказал С. Стивене, именем которого названо аналитическое выражение прямых шкал - степенной закон Стивенса.
Для количественного выражения ощущений при субъективном шкалировании используются психологические единицы измерения, специализированные для конкретных модальностей и экспериментальных условий. Многие из этих единиц имеют общепринятые наименования: «соны» для громкости, «брилы» для яркости, «густы» для вкуса, «веги» для тяжести и т. д. По типологии допустимых преобразований прямые шкалы представлены главным образом шкалами интервалов и отношений.
В заключение обзора метода шкалирования надо указать на проблему его соотношения с измерением. На наш взгляд, эта проблема обусловлена отмеченными выше особенностями шкалирования: 1) совмещением в нем эмпирических процедур сбора данных и аналитических процедур обработки данных; 2) единством количественного и качественного аспекта процесса шкалирования; 3) сочетанием общенаучное™ и узкопрофильное™, т. е. «срастанием» общих принципов шкалирования со специфическими процедурами конкретных методик.
Часть исследователей в явном или неявном виде отождествляют понятия «шкалирование» и «измерение» . На эту точку зрения особенно сильно «работает» авторитет С. Стивенса, который измерение определял как «приписывание числовых форм объектам или событиям в соответствии с определенным правилами» и тут же указывал, что подобная процедура ведет к построению шкал . Но поскольку процесс разработки шкалы есть процесс шкалирования, то в итоге получа?.. ем, что измерение и шкалирование - одно и то же. Противопо-н ложная позиция состоит в том, что с измерением сопоставляется только метрическое шкалирование, связанное с построением интервальных и пропорциональных шкал .
Представляется, что вторая позиция строже, поскольку измерение предполагает количественное выражение измеряемого, а следовательно, наличие метрики. Острота дискуссии может быть
снята, если измерение понимать не как исследовательский метод , а как инструментальное сопровождение того или иного метода, в том числе шкалирования, о чем уже упоминалось.
Кстати, метрология (наука об измерениях) в понятие «измерение» включает как его обязательный атрибут средства измерения . Для шкалирования же (по крайней мере, для неметрического шкалирования) измерительные средства не обязательны. Правда, метрология интересуется главным образом физическими параметрами объектов, а не психологическими. Психологию, наоборот, в первую очередь занимают субъективные характеристики (большой, тяжёлый, яркий, приятный и т. п.). Это позволяет некоторым авторам за средство измерения принимать самого человека. При этом имеется в виду не столько использование в качестве единиц измерения частей человеческого тела (локоть, аршин, сажень, стадий, фут, дюйм и т. п.), сколько его способности к субъективному количественному оцениванию любых явлений. Но бесконечная вариативность индивидуальных различий человека, в том числе вариативность оценочных способностей, не может дать общеупотребимых единиц измерения на этапе сбора данных об объекте. Иными словами, в эмпирической части шкалирования субъект не может рассматриваться в роли измерительного инструмента. Эту роль ему с большой натяжкой можно приписать только после манипуляций уже не с эмпирическими, а с формальными множествами. Тогда искусственно получают субъективную метрику, чаще всего в виде интервальных значений. На эти факты указывает Г. В. Суходольский, когда говорит, что упорядочивание (а именно этим занимается испытуемый на стадии «оценки» эмпирических объектов) «является подготовительной, но не измерительной операцией». И только потом на стадии обработки первичных субъективных данных соответствующие шкалообразующие действия (у Суходольского - ранжирование) «метризуют одномерное топологическое пространство упорядоченных объектов и, следовательно, измеряют "величину" объектов» .
Неясность соотношения понятий «шкалирование» и «измерение» в психологии усиливается при их сопоставлении с понятиями «тест» и «тестирование». Не вызывает сомнений отнесение тестов к измерительным инструментам. Однако следует указать на два момента. Первый - это использование теста в процессе тестирования, т. е. обследования (психодиагностики) конкретных психологических объектов. Второй - это разработка, или конструирование теста. В первом случае с определенным основанием можно говорить об измерении, поскольку к обследуемому объекту (испытуемому) «примеривается» эталонная мера - стандартная шкала. Во втором случае, очевидно, корректнее говорить о шкалировании, поскольку квинтэссенцией конструирования теста является процесс построения стандартной шкалы и связанные с этим операции определения эмпирического и формального множеств, надежность и изоморфизм которых не в последнюю очередь обеспечиваются стандартизацией процедуры сбора эмпирических данных и набором достоверной «статистики».
Другой аспект проблемы вытекает из того обстоятельства, что тест как измерительный инструмент состоит из двух частей: 1) набора заданий (вопросов), с которыми обследуемый непосредственно имеет дело на стадии сбора данных о нем, и 2) стандартной шкалы, с которой сравниваются эмпирические данные на стадии интерпретации. Где следует говорить об измерении, где о шкалировании, если это не одно и то же? Нам кажется, что эмпирическая часть процесса тестирования, т. е. выполнение испытуемым тестового задания, не является чисто измерительной процедурой, но к шкалированию ее отнести необходимо. Аргументация такова: сами по себе действия, совершаемые испытуемым, не являются мерой выраженности диагносцируемых качеств. Только результат этих действий (затраченное время, число ошибок, тип ответов и т. д.), определяемый уже не испытуемым, а диагностом, представляет собой «сырое» шкальное значение, которое в последующем сравнивается с эталонными значениями. «Сырыми» показатели результатов действий испытуемого здесь названы по двум причинам. Во-первых, они, как правило, подвергаются переводу в другие единицы выраженности. Часто - в «безликие», абстрактные баллы, стены и т. п. И, во-вторых, обычное дело в тестировании - многомерность изучаемого психического явления, что предполагает для его оценки регистрацию нескольких изменяющихся параметров, синтезируемых впоследствии в единый показатель. Таким образом, только этапы обработки данных и интерпретации результатов тестирования, где производятся перевод «сырых» эмпирических данных в сравниваемые и наложение последних на «измерительную линейку», т. е. стандартную шкалу, можно без оговорок отнести к измерению.
Еще туже этот проблемный узел затягивается в связи с обособлением и перерастанием в самостоятельные дисциплины таких научных разделов, как «Психометрия» и «Математическая психология». Каждая из них как свои ключевые категории рассматривает обсуждаемые нами понятия. Психометрию можно считать психологической метрологией, охватывающей «весь круг вопросов, связанных с измерением в психологии». Поэтому нет ничего удивительного, что шкалирование входит в этот «круг вопросов». Но и психометрия не проясняет его соотношения с измерением. Более того, дело запутывается многообразием трактовок самой психометрической науки нее предмета. Например, психометрия рассматривается в контексте психодиагностики . «Часто термины "психометрия" и "психологический эксперимент""употребляются как синонимы... Очень популярно мнение, что психометрия - это математическая статистика с учетом специфики психологии... Устойчивое понимание психометрии: математический аппарат психодиагностики... Психометрия - наука о применении в исследовании психических явлений математических моделей» .
Что касается математической психологии, то ее статус еще более расплывчат . «Содержание и структура математической психологии еще не приобрели общепринятой формы, выбор и систематизация математико-психологических моделей и методов в какой-то мере произвольны» . Тем не менее уже намечается тенденция поглощения психометрии математической психологией. Отразится ли это на обсуждаемой проблеме соотношения шкалирования и измерения и прояснится ли их место в общей системе методов психологии - пока сказать трудно.
8.2. КАЧЕСТВЕННЫЕ МЕТОДЫ
Качественные методы (КМ) позволяют выявить наиболее существенные стороны изучаемых объектов, что дает возможность обобщать и систематизировать знания о них, а также постигать их сущность. Очень часто КМ опираются на количественную информацию. Наиболее распространены такие приемы, как классификация, типологизация, систематизация, периодизация, казуистика.
Классификация
Классификация (дат. classic - разряд, facere - делать) - это распределение множества объектов по группам (классам) в зависимости от их общих признаков. Сведение в классы может производиться как по наличию обобщающего признака, так и по его отсутствию. Результатом подобной процедуры становится совокупность классов, которую как и сам процесс группировки называют классификацией. Классификационная процедура - это, по существу, дедуктивная операция деления (декомпозиция): известное множество элементов по некоторому критерию делится на подмножества (классы). Классы строятся путем определения границ подмножеств и включения в эти границы тех или иных элементов. Элементы с характеристиками, выходящими за границы данного класса, помещаются в другие классы или выпадают из классификации.
Встречающееся в науке мнение о двух возможных путях реализации классификационной процедуры, а именно дедуктивном и индуктивном , нам представляется неверным. Классификации может подлежать только какое-то известное множество объектов, т. е. «закрытая» совокупность, поскольку классификационный критерий выбирается заранее и он для всех элементов множества един. Следовательно, на классы можно только делить. «Прибавлять» один класс к другому невозможно, поскольку в ходе такой процедуры заранее неизвестно, будут ли последующие объекты обладать признаками, соответствующими выбранному критерию. И процесс такого группообразования становится нецелесообразным и бессмысленным. Но если при этой процедуре возможно менять критерии объединения (или разведения) элементов, то получаем процесс специфического группообразования, основанный не на индукции (а тем более не на дедукции), а на традукции. Именно поэтому такая процедура дает «рядопо-ложные группировки», а дедуктивная - преимущественно «иерархические классификации» .
По мнению Г. Селье, «классификация - самый древний и саг мый простой научный метод. Она служит предпосылкой всех типов теоретических конструкций, включающих сложную процедуру установления причинно-следственных отношений, которые связывают классифицируемые объекты. Без классификации мы не смогли бы даже разговаривать. В самом деле, основу всякого нарицательного существительного (человек, почка, звезда) составляет узнавание стоящего за ним класса объектов. Определить некий класс объектов (например, позвоночные) - значит установить те существенные характеристики (позвоночник), которые являются общими для всех составляющих этот класс элементов. Тем самым классификация предполагает выявление тех меньших элементов, которые входят в состав большего элемента (самого класса). Все классификации основываются на обнаружении той или иной упорядоченности. Наука занимается не отдельными Объектами как таковыми, а обобщениями, т. е. классами и теми законами, в соответствии с которыми упорядочиваются объекты, образующие класс. Вот почему классификация представляет собой фундаментальный процесс. Это, как правило, первый шаг в развитии науки» .
Если в основании классифицирования кладется признак, существенный для данных объектов, то классификация называется естественной. Например, предметный каталог в библиотеках, классификация ощущений по модальности. Если же критерий не существенен для самих объектов, а только лишь удобен для какого-либо их упорядочивания, то получают искусственную классификацию. Например, алфавитный библиотечный каталог, классификация ощущений по расположению рецепторов.
Типологизация
Типологизация - это группировка объектов по наиболее существенным для них системам признаков. В основе такой группировки лежит понимание типа как единицы расчленения изучаемой реальности и конкретной идеальной модели объектов действительности. В результате проведения типологизации получают типологию, т. е. совокупность типов. Процесс типологизации в противоположность классификации есть операция индуктивная (композиционная): элементы некоторого множества группируются вокруг одного или нескольких элементов, обладающих эталонными характеристиками. При выявлении типов границ между ними не устанавливается, а задается структура типа. С ней соотносят по признакам равенства или подобия другие элементы. Таким образом, если классификация - это группировка на основе различий, то типологизация - это группировка на основе сходства.
Известны два принципиальных подхода к пониманию и описанию типа : 1) тип как среднее (предельно обобщенное) и 2) тип как крайнее (предельно своеобразное). В первом случае типичным является объект со свойствами, близкими по своей выраженности к среднему значению выборки. Во втором - с максимально выраженными свойствами. Тогда в первом случае говорят о типичном представителе той или иной группы (подмножества), а во втором - о ярком представителе группы, о представителе с сильным проявлением специфических для этой группы качеств. Так, определение «типичный представитель интеллигенции» нужно отнести к первому варианту, а «рафинированный интеллигент» ко второму. Первое понимание типа характерно для художественной литературы и искусства, где выводятся типажи. Вторая трактовка присуща научным описаниям типа. В житейской практике наблюдаются оба подхода.
Любой вариант ведет к формированию целостного образа - эталона, с которым сравниваются реальные объекты. Обе разновидности типа одинаковы по составу, так как проявляются в представлениях о структуре ведущих характеристик типа. Различия между ними возникают на стадии соотнесения с ними реальных объектов. Тип как среднее (художественный тип) выступает образцом, с которым необходимо установить степень сходства, близости конкретного объекта. Причем «похожесть» последнего может определяться как со стороны недостатка выраженности качества («недотягивает» до эталона), так и со стороны избытка выраженности (превосходит эталон). Тип как крайнее (научный тип) служит стандартом, по которому определяется отличие от него конкретного объекта, на сколько последний не достает до него. Таким образом, научный тип является идеалом, чем-то вроде образца для подражания.
Итак, художественный тип - это предельно обобщенный образец для объединения объектов на основе степени сходства систем их существенных признаков. Научный тип - это предельно своеобразный эталон для объединения объектов на основе степени отличия систем их существенных признаков, что формально (но не по существу!) сближает типологизацию с классификацией.
Анализ психологических типологий показывает, что психологические научные типы имеют ряд специфических особенностей. У них нет метрики, т. е. меры выраженности характеристик - все описания качественные. Отсутствует иерархия признаков, нет указаний на ведущие и соподчиненные, основные и дополнительные качества. Образ аморфен и субъективен. Поэтому реальный объект отнести к какому-либо одному тину весьма трудно. Для подобных описаний характерна терминологическая неоднозначность. Обычен так называемый «ореол», когда за характеристики типа берутся не его качества, а вытекающие из них следствия. Например, при описании типов темперамента приводятся сферы эффективной деятельности людей с подобным темпераментом. В психологической науке известны четыре вида типологий :
1) конституциональные (типологии Э. Кречмера и У. Шелдона);
2) психологические (типологии К. Юнга, К. Леонгарда, А. Е. Лич-ко, Т. Шмишека, Г. Айэенка); 3) социальные (типы руководства и лидерства); 4) астропсихологические (гороскопы).
Понимание психологического типа как совокупности максимально выраженных свойств «позволяет представить психологический статус любого конкретного человека как результат пересечения свойств общечеловеческих типов» . Разница здесь лишь в том, что под классами, видимо, подразумеваются одноуровневые группы, а под родами и видами - разноуровневые. Сущность же обоих процессов одинакова: разбиение множества на подмножества. Поэтому и неудивительно, что эти исследователи сетуют, что «при решении задач типологии с помощью формальных методов классификации далеко не всегда оказывается, что полученные классы соответствуют типам в интересующем социолога содержательном смысле» .
Систематизация
Систематизация - это упорядочивание объектов внутри классов, классов между собой и множества классов с другими множествами классов. Это структурирование элементов внутри систем разных уровней (объектов в классах, классов в их множестве и т. д.) и сопряжение этих систем с другими одноуровневыми системами, что позволяет получать системы более высокого уровня организации и обобщенности. В пределе систематизация есть выявление и наглядное представление максимально возможного числа связей всех уровней в множестве объектов. На практике это выливается в многоуровневую классификацию. Примеры: систематики растительного и животного мира; систематика наук (в частности, наук о человеке); систематика психологических методов; систематика психических процессов; систематика свойств личности; систематика психических состояний.
Периодизация
Периодизация - это хронологическое упорядочивание существования изучаемого объекта (явления). Заключается в разделении жизненного цикла объекта на существенные этапы (периоды). Каждый этап обычно соответствует значительным изменениям (количественным или качественным) в объекте, что можно соотнести с философской категорией «скачок».
Примеры периодизации в психологии: периодизация онтогенеза человека; этапы социализации личности; периодизация антропогенеза; этапы и фазы развития группы (групповая динамика) и др.
3.1. Первичная и вторичная количественная обработка
Процесс количественной обработки данных имеет две фазы: первичную и вторичную.
Первичная количественная обработка нацелена на упорядочивание информации об объекте и предмете изучения, полученной на эмпирическом этапе исследования. К основным методам первичной обработки относятся: табулирование, построение диаграмм, гистограмм (ступенчатая диаграмма), полигонов распределения (соединяются прямыми отрезками верхние точки центральных осей всех участков гистограммы) и кривых распределения (полигон распределения, но плавные кривые линии). Диаграммы отражают дискретное распределение, остальные графические формы – непрерывное.
Вторичная количественная обработказаключается главным образом в статистическом анализе итогов первичной обработки. Здесь важно получить ответы на три главных вопроса.
1. Какое значение наиболее характерно для выборки?
Для решения этого вопроса вычисляются т.н. «меры центральной тенденции». Это величины, являющиеся обобщающими, и к ним относят: среднее арифметическое, медиану, моду, среднее геометрическое и среднее гармоническое. В психологии обычно используют первые три.
Среднее арифметическое (оценка математического ожидания) вычисляется по формуле:
где x i – каждое наблюдаемое значение признака, i – индекс, указывающий на порядковый номер данного значения признака;
n – количество наблюдений.
Медиана (Ме)– это точка на измерительной шкале, выше и ниже которой находится ровно по 50% величин ряда (наблюдений). Её определяют по срединному рангу по формуле:
Т.е., чтобы вычислить медиану, необходимо проранжировать ряд значений (наблюдений). Полученное значение медианы может не соответствовать значению ряда, а находится между двумя соседними значениями, тогда вычисляется среднее арифметическое этих значений.
Например, имеем ряд 3-5-6-7-9-10-11-12. Проранжировав его, имеем 1-2-3-4-5-6-7-8. Ранговая медиана в этом ряду: Ме=8+1/2=4,5. Этому рангу соответствует середина между членами первоначального ряда, имеющими ранги 4 и 5. Следовательно, медиана этого ряда равна 8 (7+9/2). Следует отметить, что величины 8 в ряду нет, но таково значение медианы этого ряда.
Мода (Мо) – это значение, наиболее часто встречающееся в выборке. Пример: 2, 6, 6, 8, 9, 9, 9, 10; Мо=9.
Если все значения в группе встречаются одинаково часто, то считается, что моды нет. Если два соседних значения имеют одинаковую частоту и они больше частоты любого другого значения, мода есть среднее этих двух значений (например: 1, 2, 2, 2, 4, 4, 4, 5, 5, 7; Мо=3). Если то же самое относится к двум несмежным значениям, то существует две моды, а группа значений признака является бимодальной (пример: 0, 1, 1, 1, 2, 3, 4, 4, 4, 7; Мо=1 и 4).
Обычно среднее арифметическое применяется при стремлении к наибольшей точности, и когда впоследствии нужно будет вычислять стандартное отклонение. Медиана – когда в значениях признака есть нетипичные данные (например: 1, 3, 5, 7, 9, 26, 13). Мода – когда не нужна высокая точность, но важна быстрота определения меры центральной тенденции.
2. Велик ли разброс данных относительно среднего значения?
Для ответа на этот вопрос применяются меры изменчивости (рассеивания, разброса). Они позволяют судить о степени однородности полученного множества, о его компактности, и косвенно – о надёжности получаемых результатов. Наиболее используемые в психологических исследованиях: размах, среднее отклонение, дисперсия, стандартное отклонение, квартильное отклонение.
Размах (Р) – это интервал между максимальным и минимальным значениями признака. Определяется легко, но чувствителен к случайностям, особенно при малом числе данных. Пример: (0, 2, 3, 5, 8; Р=8); (-0,2, 1,0, 1,4, 2,0; Р=2,2)
Среднее отклонение (МД) – это среднее арифметическое разницы (по модулю) между каждым значением в выборке и её средним:
где d=│XM│; где М – среднее выборки; Х – конкретное значение; N – число значений.
Множество всех конкретных отклонений от среднего характеризует изменчивость данных, но, если их не взять по модулю, то их сумма будет равна нулю, и мы не получим информации об их изменчивости. МД показывает степень скученности данных вокруг среднего (иногда вместо М берут Ме или Мо).
Дисперсия (Д) (от лат. – рассыпанный).
Д=∑d 2 /(N-1) или σ х 2 =∑(х i -х ср) 2 *(m i / N-1),
где m i – количество появлений значений х i при N наблюдениях.
Для больших выборок (N≥30) в знаменателе просто N.
Стандартное отклонение или среднее квадратичное отклонение. В психологии принято обозначать эту величину σ (сигма):
σ = √∑(x i – x) 2 /n-1
Коэффициент ковариации является относительной характеристикой рассеивания и рассчитывается по формуле:
V= (σ х / х ср)*100%
Квартильное отклонение (Q). На практике нам часто важно узнать не точку, а интервал значений, следовательно, ось накопленной частоты (если все значения разместить на оси) разбивается на равное количество интервалов. Это S-образная кривая (ось накопленной частоты), где М – генеральная средняя. Функция этой кривой выглядит символически следующим образом:
F(Х) = (1/σ√2π*)∫((-(t-µ) 2)/ 2σ 2)dt
Точки на оси накопленной частоты, делящие её в установленной пропорции, называются квантилями (отсюда название квантильной стандартизации тестов). Среди квантилей выделяют квартили, квинтили, децили, процентили. Например, 3 квартиля (Q 1 , Q 2 , Q 3) делят выборку на 4 равные части (кварты) таким образом, что 25% испытуемых ниже Q 1 , 50% ниже Q 2 , 75% ниже Q 3 , 99 процентилей делят выборку на 100 равных частей (процентов) и т.д.
Квартиль первая вычисляется по формуле: Q 1 =(R 1 +R n/2)/2, т.е. полусумма первого и последнего рангов первой – левой от медианы - половины ряда;
Квартиль третья: Q 3 =(R n/2 +R n)/2, т.е. полусумма первого и последнего рангов второй – правой от медианы – середины ряда.
Полученным значениям рангов соответствуют определённые величины в исходном ряду данных. Для характеристики Распределения вычисляется среднее квартильное отклонение:
Q=(Х 1 (Q 3)-Х 2 (Q 1))/2,
где Х 1 и Х 2 – значения ряда, соответствующие третьей и первой квартили.
Понятно, что при симметричном распределении Q 2 и Ме будут совпадать. А вообще точка на оси, соответствующая Q 2 определяется после отделения 50% всех значений выборки.
3. Существует ли взаимосвязь между отдельными данными в имеющейся совокупности и каковы характер и сила этих связей?
Для решения этого вопроса необходимо вычислить меры связи (корреляции). Меры связи выявляют соотношения между двумя переменными. Эти связи вычисляют с помощью коэффициентов корреляции.
Коэффициент корреляции Карла Пирсона вычисляется путём нормирования ковариации переменных на произведение их среднеквадратических отклонений:
r xy =(∑(x ср -x i)(y ср -y yi)/√∑(x ср -x i) 2 ∑(y ср -y yi) 2 .
Значение коэффициента может варьировать от -1 до +1.
Коэффициент ранговой корреляции Чарльза Эдварда Спирмена:
r s =1-6*∑d 2 /(N(N 2 -1))
Его полученное значение необходимо сравнить с табличным (в справочниках, учебниках по статистике, специальных изданиях и др.).
3.2. Виды количественного анализа данных
Статистический анализ данных, входящий в процедуру обработки результатов исследования включает в себя, кроме указанного, следующее.
1. Дисперсионный анализ (ДА). В отличие от корреляционного, может выявлять зависимость между двумя, тремя и т.д. переменными. Изменения изучаемого признака могут быть вызваны как несколькими переменными, так и их взаимодействием, что может выявить ДА.
2. Факторный анализ. Позволяет снизить размерность пространства данных, т.е. обоснованно уменьшить количество измеряемых признаков за счёт их объединения в некоторые совокупности (факторы). Основой анализа является матрица корреляций, т.е. таблицы коэффициентов корреляции каждого признака со всеми остальными. В зависимости от числа факторов в корреляционной матрице различают:
Однофакторный (по Спирмену);
Бифакторный (по Холзингеру);
Многофакторный (по Терстону.
Весьма сложный математический и логический аппараты факторного анализа часто затрудняют выбор адекватного задачам исследования варианта метода.
3. Регрессионный анализ. Метод позволяет изучать зависимость среднего значения одной величины от вариации другой (других) величины. Специфика метода заключается в том, что хотя бы одна из рассматриваемых величин носит случайный характер. Тогда описание зависимости распадается на две задачи: 1) выявление общего вида зависимости и 2) уточнение путём вычисления оценок параметров зависимости. Решение первой задачи – дело мастерства и интуиции исследователя, т.к. стандартных методов её решения не существует. Решение же второй задачи по сути представляет собой нахождение аппроксимирующей кривой. Чаще всего эта аппроксимация осуществляется с помощью математического метода наименьших квадратов.
Идея этого метода принадлежит Фрэнсису Гальтону, заметившему, что у очень высоких родителей дети были несколько меньше ростом, а у очень маленьких родителей – дети более рослые. Эту закономерность он назвал регрессией.
4. Таксономический анализ. Это математический приём группировки данных в классы (таксоны, кластеры) таким образом, чтобы объекты, входящие в один класс, были более однородны по какому-либо признаку по сравнению с объектами, входящими в другие классы. В итоге появляется возможность определить в той или иной метрике расстояние между изучаемыми объектами и дать упорядоченное описание их взаимоотношений на количественном уровне. В силу недостаточной проработанности критериев эффективности и допустимости кластерных процедур данный метод рассматривается как дополнительный или дополняется другими методами, в частности, факторным анализом.
Собрав совокупность данных, исследователь приступает к их обработке, получая сведения более высокого уровня, называемые результатами. Он уподобляется портному, который снял мерку (данные) и теперь все зафиксированные размеры соотносит между собой, приводит в целостную систему в виде выкройки и в конечном итоге – в виде той или иной одежды. Параметры фигуры заказчика – это данные, а готовое платье – это результат. На этом этапе могут обнаружиться ошибки в замерах, неясности в согласовании отдельных деталей одежды, что требует новых сведений, и клиент приглашается на примерку, где вносятся необходимые коррективы. Так и в научном исследовании: полученные на предыдущем этапе «сырые» данные путем их обработки приводят в определенную сбалансированную систему, которая становится базой для дальнейшего содержательного анализа, интерпретации и научных выводов и практических рекомендаций. Если по обработке данных выявляются какие-либо ошибки, пробелы, несоответствия, препятствующие построению такой системы, то их можно ликвидировать и восполнить, проведя повторные замеры.
Обработка данных направлена на решение следующих задач: 1) упорядочивание исходного материала, преобразование множества данных в целостную систему сведений, на основе которой возможно дальнейшее описание и объяснение изучаемых объекта и предмета; 2) обнаружение и ликвидация ошибок, недочетов, пробелов в сведениях; 3) выявление скрытых от непосредственного восприятия тенденций, закономерностей и связей; 4) обнаружение новых фактов, которые не ожидались и не были замечены в ходе эмпирического процесса; 5) выяснение уровня достоверности, надежности и точности собранных данных и получение на их базе научно обоснованных результатов.
Если на предыдущих этапах происходит процесс увеличения разнообразия сведений (числа параметров, единичных измерений, источников и т. п.), то теперь наблюдается обратный процесс – ограничение разнообразия, приведение данных к общим знаменателям, позволяющим делать обобщения и прогнозировать развитие тех или иных психических явлений.
Рассматриваемый этап обычно связывается с обработкой количественного характера. Качественная сторона обработки эмпирического материала, как правило, только подразумевается либо вовсе опускается. Обусловлено это, видимо, тем, что качественный анализ часто ассоциируется с теоретическим уровнем исследования, который присущ последующим стадиям изучения объекта – обсуждению и интерпретации результатов. Представляется, однако, что исследование качественного характера имеет два уровня: уровень обработки данных, где проводится организационно-подготовительная работа по первичному выявлению и упорядочиванию качественных характеристик изучаемого объекта, и уровень теоретического проникновения в сущность этого объекта. Работа первого типа характерна для стадии обработки данных, а второго – для этапа интерпретации результатов. Результат в данном случае понимается как итог и количественного, и качественного преобразования первичных данных. Тогда количественная обработка есть манипуляция с измеренными характеристиками изучаемого объекта (объектов), с его «объективизированными» во внешнем проявлении свойствами. Качественная обработка – это способ предварительного проникновения в сущность объекта путем выявления его неизмеряемых свойств на базе количественных данных.
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, включающих в себя категорию «анализ» корреляционный анализ, факторный анализ и т. д. Основным гом количественной обработки является упорядоченная совокупность «внешних» показателей объекта (объектов). Реализуется количественная обработка с помощью математико-статистических методов.
В качественной обработке доминирует синтетическая составляющая познания, причем в этом синтезе превалирует компонент, объединения и в меньшей степени присутствует компонент обобщения. Обобщение – прерогатива последующего этапа исследовательского процесса – интерпретационного. В фазе качественной обработки данных главное заключается не в раскрытии сущности изучаемого явления, а пока лишь в соответствующем представлении сведений о нем, 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 количествен ной обработок (а следовательно, и соответствующих методов) довольно условно. Они составляют органичное целое. Количественный анализ без последующей качественной обработки бессмыслен, так как сам по себе он не в состоянии превратить эмпирические данные в систему знаний. А качественное изучение: объекта без базовых количественных данных – немыслимо. В научном познании. Без количественных данных качественное познание – это чисто умозрительная процедура, не свойственная современной науке. В философии категории «качество» и «количество», как известно, объединяются в категории «мера».
Единство количественного и качественного осмысления эмпирического материала наглядно проступает во многих методах обработки данных: факторный и таксономический анализы, шкалирование, классификация и др. Но поскольку традиционно в науке принято деление на количественные и качественные характеристики, количественные и качественные методы, количественные и качественные описания, не будем «святее папы Римского» и примем количественные и качественные аспекты обработки данных за самостоятельные фазы одного исследовательского этапа, которым соответствуют определенные количественные и качественные методы.
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 рассматриваемому этапу исследовательского процесса, что в совокупности с ее особой спецификой побуждает к ее более подробному изложению. Процесс количественной обработки данных имеет две фазы: первичную и вторичную. Последовательно рассмотрим их.
Первичная обработка
На первой стадии «сырые» сведения группируются по тем или иным критериям, заносятся в сводные таблицы, а для наглядного представления данных строятся различные диаграммы и графики. Все эти манипуляции позволяют, во-первых, обнаружить и ликвидировать ошибки, совершенные при фиксации данных, и, во-вторых, выявить и изъять из общего массива нелепые данные, полученные в результате нарушения процедуры обследования, несоблюдения испытуемыми инструкции и т. п. Кроме того, первично обработанные данные, представая в удобной для обозрения форме, дают исследователю в первом приближении представление о характере всей совокупности данных в целом: об их однородности–неоднородности, компактности-разбросанности, четкости–размытости и т. д. Эта информация хорошо читается на наглядных формах представления данных и связана с понятием «распределение данных».
Под распределением данных понимается их разнесенность по категориям выраженности исследуемого качества (признака). Разнесенность по категориям показывает, как часто (или редко) в определенном массиве данных встречаются те или иные показатели изучаемого признака. Поэтому такой вид представления данных называют «распределением частот». Выраженность признака, как видели выше, может быть представлена в оценках: «есть – нет» или «равно – неравно» (номинативные данные), «больше – меньше» (порядковые данные), «настолько-то больше или меньше» (интервальные данные), «во столько-то раз больше или меньше» (пропорциональные данные). Первая категория оценок предполагает явную дискретность выраженности изучаемого признака, остальные – непрерывность (хотя бы теоретически). Проиллюстрируем это примерами.
Пример для дискретных данных
В трехтысячном трудовом коллективе были выбраны сто человек, которые давали ответ на вопрос: «какой цвет вы предпочитаете?». Предлагалось 6 вариантов: белый (Б), черный (Ч), красный (К), синий (С), зеленый (3), желтый (Ж). В данном случае каждый цвет – это самостоятельная категория выраженности признака «окраска». Допустим, цель – выбор дизайнером окраски рабочих помещений, где трудятся эти люди. Итоги опроса, зафиксированные в протоколе, подсчитали и занесли в таблицу 1 (табулировали).
Таблица 1
Итоги опроса
Частота (абсолютная частота) – это число ответов данной категории в выборке, частость (относительная частота) – это отношение частоты ко всей выборке. Под выборкой понимается все множество полученных в исследовании значений изучаемого признака (свойства, качества, состояния) объекта. В нашем примере выборка равна 100. Понятие выборки связано с понятием генеральной совокупности (или популяции), которая представляет собой все возможное множество значений изучаемого признака. В нашем примере она равна 3000. Поскольку даже ограниченные популяции обычно весьма велики, то опыты проводятся только на выборках. Поэтому встает вопрос о репрезентативности выборки, т. е. о том, можно ли результаты, полученные на выборке, переносить на всю совокупность. Для этого привлекают статистические методы доказательства репрезентативности. Таким образом, выборка есть часть генеральной совокупности. Краткое описание этих множеств производится с помощью так называемых описательных мер (мер центральной тенденции, разброса и связи), вычисление которых производится при вторичной обработке данных. Значения мер, вычисленные для генеральных совокупностей, называются параметрами, для выборок – статистиками. Параметр описывает генеральную совокупность также, как статистика – выборку. Принято обозначать статистики латинскими буквами, а параметры – греческими. Правда, в психологических исследованиях этих правил не всегда строго придерживаются.
На основании табличных данных можно построить диаграмму, где распределение представлено нагляднее:
Пример для непрерывных данных
Данные непрерывного характера можно представить веще более наглядной форме: в виде гистограмм, полигонов икривых.
В опытах В. К. Гайды, описанных в учебном пособии для студентов-психологов , участвовало 96 испытуемых. Определялся цвет последовательного образа восприятия насыщенного красного цвета. С этой целью каждый испытуемый в течение одной минуты рассматривал окрашенный в красный цвет образец, а затем переносил взгляд на белый экран, где видел круг в дополнительных цветах. Рядом с ним находился цветовой круг с разноокрашенными секторами, на котором испытуемый должен был выбрать тот цвет, который соответствовал цвету возникшего у него последовательного образа. При этом испытуемый не называл цвет, а лишь его номер в цветовом круге. Цветовой круг нормирован таким образом, что соседние цвета отличаются в нем друг от друга на одинаково замечаемую величину. Следовательно, цветовой круг можно рассматривать как интервальную шкалу. Наряду с этим цветовой круг характеризуется и еще одним свойством. В частности, можно себе представить, что между двумя соседними цветами, например между зеленовато-голубым и голубовато-зеленым, имеется еще множество не замечаемых человеческим глазом цветовых переходов. В этом смысле цветовой круг представляет собой пример непрерывной переменной. Фактически же испытуемые всегда выделяют конечное число цветовых оттенков и поэтому свой выбор останавливают на конкретном номере (или названии) цвета. В рассматриваемом эксперименте испытуемые определяли свой последовательный образ в диапазоне от № 16 – зеленовато-голубой цвет до № 23 – желтовато-зеленый. Полученные данные можно табулировать, что и сделано в таблице 2.
Таблица 2
Как видно, в построении таблиц 1 и 2 нет принципиального различия. Но разница в характере первичных данных, отображенных в обеих таблицах, все же есть, и она обнаруживается при их графическом изображении. В самом деле, рис. 2 представляет собой уже не столбиковую, а ступенчатую диаграмму, называемую гистограммой. Следует обратить внимание на то, что все участки (столбики) ступенчатой диаграммы расположены вплотную друг к другу (числовые переменные на оси абсцисс гистограммы пишут против центральной оси каждого участка).
От гистограммы легко перейти к построению частотного полигона распределения, а от последнего – к кривой распределения. Частотный полигон строят, соединяя прямыми отрезками верхние точки центральных осей всех участков ступенчатой диаграммы (рис. 3). Если же вершины участков соединить с помощью плавных кривых линий, то получится кривая распределения первичных результатов (рис. 4).
Переход от гистограммы к кривой распределения позволяет путем интерполяции находить те величины исследуемой переменной, которые в опыте не были получены.
Вторичная обработка