загрузка...
загрузка...
На головну

Тема 5. Дані в психологічному дослідженні

Загальне поняття про дані

Процес безпосереднього дослідження передбачає контакт дослідника з об'єктом, в результаті чого отримують сукупність характеристик цього об'єкта. Отримані характеристики є головним матеріалом для перевірки робочої гіпотези і вирішення проблеми. Залежно від предмета і мети дослідження ці характеристики можуть поставати у вигляді різних параметрів об'єкта (просторових, тимчасових, енергетичних, інформаційних, інтеграційних), у вигляді співвідношень між частинами об'єкта або його самого з іншими об'єктами, у вигляді різних залежностей його станів від всіляких факторів і т. д. Всю сукупність подібних відомостей називають даними про об'єкт, а точніше, первинними даними, щоб підкреслити безпосередній характер цих відомостей і необхідність їх подальшого аналізу, обробки, осмислення. На перший погляд забавне, але по суті вірне думку висловлює Ж. Годфруа, який вважає, що дані - це елементи підлягають аналізу, це будь-яка інформація, яка може бути класифікована з метою обробки. У теоретичному дослідженні під збором даних мається на увазі пошук і відбір вже відомих фактів, їх систематизація, опис під новим кутом зору. В емпіричному дослідженні підданими розуміється відображення предметів, явищ, ознак або зв'язків об'єктивної дійсності. Таким чином, це не самі об'єкти, а їх чуттєво-мовні відображення. Реальні об'єкти - це фрагменти світу, а дані про них - це фундамент науки. Ці дані є «сировину» наукового дослідження при індуктивних гіпотезах і мета при дедуктивних гіпотезах.

Класифікація даних

Дані можна класифікувати за різними підставами (критеріями), серед яких в науці найбільш популярні наступні:

I. По науковому обґрунтуванню

1. Наукові.

2. Ненаукові.

II. По вкладу в перевірку гіпотези і вирішення проблеми

1. Вирішальні.

2. Значні.

3. Незначні.

III. По області і характером джерел інформації

1. Соціологічні.

2. Психологічні.

3. Педагогічні.

4. Фізіологічні і т. Д.

IV. За методами дослідження

1. Дані спостереження.

2. Дані опитування.

3. Експериментальні дані і т. Д.

V. За методами в поєднанні з джерелами (классіфікаціяР. Б. Кеттелла)

1. L-дані.

2. Q-дані.

3. Т-дані.

VI. за інформативності

1. Неметричні

а) якісні (классіфікаторние, номінативні).

б) порядкові (компаративні).

2. Метричні:

а) інтервальні.

б) пропорційні;

Наукові дані - це відомості, отримані в результаті наукових досліджень і характеризуються високим ступенем достовірності (доведеності і надійності), можливістю перевірки, теоретичною обґрунтованістю, включеністю в широку систему наукових знань. Характерною особливістю наукових даних, як і взагалі наукових знань, є їх відносна істинність, т. Е. Потенційна можливість їх спростування в результаті наукової критики.

Ненаукові дані - відомості, отримані ненауковими шляхами. Наприклад, з життєвого досвіду, з релігійних джерел, з традицій, від авторитетів і т. Д. Ці дані не доводяться, часто вважаються самоочевидними. Не мають теоретичних обгрунтувань. Багато з них претендують на абсолютну істинність, їх прийняття суб'єктом пізнання базується на некритичному засвоєнні, довірі (власного досвіду, догматам, авторитетам).

Вирішальні дані - це відомості, що дозволяють однозначно прийняти чи відхилити висунуту гіпотезу.

Значні дані - це дані, які вносять вагомий внесок у вирішення проблеми, але недостатні для її вирішення без залучення інших відомостей.

Незначні - дані малої інформативності по вирішується питання.

Соціологічні, психологічні і т. Д. - Дані, отримані в відповідних сферах буття, в першу чергу - суспільного буття. У вузькому сенсі - це дані відповідних наук:

Дані спостереження, опитування і т. Д. - Відомості, отримані за допомогою того чи іншого емпіричного методу.

П'ята угруповання запропонована американським психологом Р. Б. Кеттелла в середині XX століття і зазвичай відноситься до даних з проблем особистості і соціально-психологічних питань.

L-дані (life data) - відомості, отримані шляхом реєстрації фактів реального життя. Зазвичай це дані спостереження за повсякденним життям людини або групи. З них рекомендується починати попереднє дослідження проблеми.

Q-дані (questionnaire data) - відомості, одержані за допомогою опитувальників, тестів інтересів, самозвітів і інших методів самооцінок, а також шляхом вільного обстеження психіатрів, вчителів і т. П. Завдяки простоті інструментарію і легкості отримання інформації Q-дані займають провідне місце в дослідженнях особистості. Число методик величезна. Найбільш відомі: опитувальники Айзенка (EPI, EPQ), Мінесотський багатопрофільний особистісний перелік (MMPI), Каліфорнійський психологічний тест (CPI), 16-факторний особистісний опитувальник Кеттелла (16PF), тест Гілфорда - Циммермана для дослідження темпераменту (GZIS).

Т-дані (test data) - відомості, одержані за допомогою об'єктивних тестів, а також фізіологічних вимірювань. Ці дані «об'єктивні», оскільки їх отримують в результаті об'єктивного вимірювання реакцій і поведінки людини без звернення до самооцінки або оцінкою експертів. Кількість методик для отримання Т-даних також дуже велике. Це тести здібностей, тести інтелекту, тести досягнень. Кеттелл сюди ж відносить антропометричні і фізіологічні вимірювання, ситуативні і проектні тести (всього понад 400 методик, розбитих на 12 груп). Найбільш, відомі: тест «плями Роршаха», тест Ро-зенцвейга, тест тематичної апперцепції (ТАТ), тести інтелекту Стенфорд-Біне, Векслера, Амтхауера.

Розподіл даних по інформативності базується на якісно-кількісної навантаженні їх змісту, що дозволяє ці відомості співвідносити один з одним або з уже наявними відомостями в даній області на тому чи іншому рівні точності. Це угрупування даних узгоджується з класифікацією вимірювальних шкал по С. Стивенсу.

Неметричні дані - це ті, які не мають метрики, т. Е. Одиниць виміру.

Метричні - кількісні дані, що мають одиниці виміру.

Якісні дані (классіфікаторние, номінативні) - відомості, на підставі яких досліджуваний об'єкт (або його стан) можна віднести до якого-небудь безлічі (класу) подібних об'єктів. У цих даних відображаються суто якісні характеристики об'єкта, що не дозволяють з'ясувати ступінь вираженості ознаки об'єкта, а отже, і його співвідношення з подібними об'єктами, що входять в той же клас. Ці дані вказують лише на наявність або відсутність якої-небудь ознаки, за яким об'єкт можна віднести до того чи іншого класу. Кожен клас подібних об'єктів має певне найменування, тому система класів носить назву шкали найменувань (номінальною шкали), а самі дані називаються номінатівнимі. Психологічна основа отримання таких даних і побудови таких шкал - процеси пізнання (ідентифікації), т. Е. Встановлення відносин рівності або нерівності. Приклади: 1) синій - червоний - жовтий і т. Д .; 2) чоловік - жінка; 3) холерик - сангвінік - флегматик - меланхолік.

Порядкові, або компаративні (лат. Comparativus - порівняльний) - це дані, на підставі яких об'єкти можна порівнювати за ступенем вираженості їх ознак в системі оцінок «більше - менше». Це дає можливість упорядкувати об'єкти за певним ознакою, що вивчається в зростаючому (спадному) порядку, т. Е. Ранжувати. Відповідні шкали називаються порядковими або ранговими. Але далі субординації тут не просунутися. Вказати, наскільки різняться між собою об'єкти, неможливо. Психологічна основа виявлення цих даних і побудови порядкових шкал - процеси розрізнення і переваги, т. Е. Встановлення відносин «дорівнює - нерівно» і «більше - менше». Приклади: будь-які шкали оцінок, шкала твердості мінералів Мооса, підсумкова турнірна таблиця без вказівки результатів, ранжування популярних артистів, приємність звуків, запахів, кольорів і т. П.

Інтервальні дані - це ті, які дозволяють метрично оцінити вираженість ознаки і відповісти на питання, «на скільки» у одного об'єкта ця ознака виражений більше чи менше, ніж у іншого. Ця різниця на континуумі значень вимірюваного ознаки (на шкалі) представляється як деяка сума суб'єктивно рівних інтервалів, тому і дані називаються інтервальними. А шкали - шкалами інтервалів, відстаней або різниць, де інтервали є одиницями виміру. Психологічна основа - здатність до зрівнювання суб'єктивних (в першу чергу, сенсорних і емоційних) відстаней. Приклади: шкали температур за Цельсієм, Реомюр і Фаренгейтом; календарні дати; шкали, засновані на прямому вимірюванні сенсорних відстаней.

Пропорційні дані - це ті, які додатково до інтервального інформації дають відповідь на питання, «у скільки разів» ознакою одного об'єкта виражений сильніше або слабкіше, ніж у іншого. Для цього на шкалі даних повинна бути опорна точка, відповідна природному нульового значення вимірюваного ознаки. Такі шкали називаються пропорційними, або шкалами відносин. Точка відліку, яка називається абсолютним нулем, вказує на відсутність даної якості. Абсолютний нуль не можна плутати з відносним, або умовним. Останній вводиться штучно, за домовленістю. Наприклад, на шкалі температур за Цельсієм, Фаренгейтом і Реомюр за нульову точку умовно прийнята температура плавлення льоду. І в цих координатах безглуздо говорити, у скільки разів щось тепліше або холодніше чогось іншого. Тільки шкала Кельвіна має абсолютний нуль (-273,16 ° за Цельсієм). На жаль, для психологічних характеристик зазвичай дуже важко вказати нульове значення, а значить, і отримати пропорційні дані. Проте ряд спеціальних прийомів, об'єднаних під найменуванням процедур прямого (суб'єктивного) шкалювання, відкриває можливість отримання пропорційних даних і побудови шкал відносин. Психологічна основа цих процедур - здатність людини до визначення суб'єктивних відносин. Зазвичай це відносини, що фіксують подвійне або потрійне перевага (2: 1, 3: 1). Приклади: фізичні дані і відповідні шкали довжин, ваг, щільності і т, д .; прямі психофізичні шкали гучності (сонов), яскравості (голився), тяжкості (вегів) і т. п.

Процедура збору даних

Збір даних в цілому повинен відповідати наміченим на попередньому етапі алгоритму дій, щоб уникнути як прогалин в шуканих знаннях, так і зайвих трудовитрат. Дуже важливо при цьому точно і чітко фіксувати всі дії і отримані відомості. Для цього зазвичай ведеться протокол дослідження, використовуються спеціальні засоби фіксації (відео, аудіо та т. П.). Здійснюваний на цьому етапі контакт дослідника з досліджуваним об'єктом не повинен наносити останньому шкоди, процедура збору даних повинна бути гранично гуманізована. Процес збору даних конкретизується в залежності від обраного методу і завдань дослідження.

ОБРОБКА ДАНИХ

Загальне уявлення про обробку

Зібравши сукупність даних, дослідник приступає до їх обробці, отримуючи відомості більш високого рівня, звані результатами. Він уподібнюється кравця, який зняв мірку (дані) і тепер усі зафіксовані розміри співвідносить між собою, призводить в цілісну систему у вигляді викрійки і в кінцевому підсумку - у вигляді того або іншого одягу. Параметри фігури замовника - це дані, а готового одягу - це результат. На цьому етапі можуть виявитися помилки у вимірах, неясності в узгодженні окремих деталей одягу, що вимагає нових відомостей, і клієнт запрошується на примірку, де вносяться необхідні корективи. Так і в науковому дослідженні: отримані на попередньому етапі «сирі» дані шляхом їх обробки призводять до певної збалансовану систему, яка стає базою для подальшого змістовного аналізу, інтерпретації та наукових висновків і практичних рекомендацій. Якщо по обробці даних виявляються які-небудь помилки, прогалини, невідповідності, що перешкоджають побудові такої системи, то їх можна ліквідувати і заповнити, провівши повторні заміри.

Обробка даних спрямована на вирішення наступних завдань: 1) упорядкування вихідного матеріалу, перетворення безлічі даних в цілісну систему відомостей, на основі якої можливе подальше опис і пояснення досліджуваних об'єкта і предмета; 2) виявлення і ліквідація помилок, недоліків, прогалин у відомостях; 3) виявлення прихованих від безпосереднього сприйняття тенденцій, закономірностей і зв'язків; 4) виявлення нових фактів, що не очікувалися і не були помічені в ході емпіричного процесу; 5) з'ясування рівня достовірності, надійності і точності зібраних даних і отримання на їх базі науково обґрунтованих результатів.

Якщо на попередніх етапах відбувається процес збільшення різноманітності відомостей (числа параметрів, одиничних вимірювань, джерел і т. П.), То тепер спостерігається зворотний процес - обмеження різноманітності, приведення даних до загальних знаменників, що дозволяє робити узагальнення і прогнозувати розвиток тих чи інших психічних явищ .

Даний етап зазвичай зв'язується з обробкою кількісного характеру. Якісна сторона обробки емпіричного матеріалу, як правило, тільки мається на увазі або зовсім опускається. Обумовлено це, мабуть, тим, що якісний аналіз часто асоціюється з теоретичним рівнем дослідження, який притаманний наступним стадіях вивчення об'єкта - обговорення та інтерпретації результатів. Звісно ж, проте, що дослідження якісного характеру має два рівні: рівень обробки даних, де проводиться організаційно-підготовчу роботу по первинному виявленню і впорядкування якісних характеристик досліджуваного об'єкта, і рівень теоретичного проникнення в сутність цього об'єкта. Робота першого типу характерна для стадії обробки даних, а другого - для етапу інтерпретації результатів. Результат в даному випадку розуміється як підсумок і кількісного, і якісного перетворення первинних даних. Тоді кількісна обробка є маніпуляція з вимірюваними характеристиками досліджуваного об'єкта (об'єктів), з його «об'єктивізувати» в зовнішньому прояві властивостями. Якісна обробка - це спосіб попереднього проникнення в сутність об'єкта шляхом виявлення його неізмеряемих властивостей на базі кількісних даних.

Кількісна обробка спрямована в основному на формальну, зовнішнє вивчення об'єкта, якісна - переважно, на змістовне, внутрішнє його вивчення. У кількісному дослідженні домінує аналітична складова пізнання, що відображено і в назвах кількісних методів обробки емпіричного матеріалу, що включають в себе категорію «аналіз» кореляційний аналіз, факторний аналіз і т. Д. Основним етапом кількісної обробки є упорядкована сукупність «зовнішніх» показників об'єкта (об'єктів ). Реалізується кількісна обробка за допомогою математико-статистичних методів.

У якісній обробці домінує синтетична складова пізнання, причому в цьому синтезі превалює компонент, об'єднання і в меншій мірі присутній компонент узагальнення. Узагальнення - прерогатива наступного етапу дослідницького процесу - інтерпретаційного. У фазі якісної обробки даних головне полягає не в розкритті сутності досліджуваного явища, а поки лише у відповідному поданні відомостей про нього, що забезпечує подальше його теоретичне вивчення. Зазвичай результатом якісної обробки є інтегроване уявлення про безліч властивостей об'єкта або безлічі об'єктів в формі класифікацій і типологій. Якісна обробка значною мірою апелює до методів логіки.

Протиставлення один одному якісної і кількісного ної обробок (а отже, і відповідних методів) досить умовно. Вони складають органічне ціле. Кількісний аналіз без подальшої якісної обробки безглуздий, тому що сам по собі він не в змозі перетворити емпіричні дані в систему знань. А якісне вивчення: об'єкта без базових кількісних даних - немислимо. У науковому пізнанні. Без кількісних даних якісне пізнання - це чисто умоглядна процедура, не властива сучасній науці. У філософії категорії «якість» і «кількість», як відомо, об'єднуються в категорії «міра».

Єдність кількісного і якісного осмислення емпіричного матеріалу наочно проступає в багатьох методах обробки даних: факторний і таксономічний аналізи, шкалювання, класифікація та ін. Але оскільки традиційно в науці прийнято поділ на кількісні і якісні характеристики, кількісні і якісні методи, кількісні і якісні описи, які не будемо «святішим папи Римського» і приймемо кількісні та якісні аспекти обробки даних за самостійні фази одного дослідницького етапу, яким відповідають певні кількісні і якісні методи.

Якісна обробка природним чином виливається в опис і пояснення досліджуваних явищ, що становить вже наступний рівень їх вивчення, здійснюваний на стадії інтерпретації результатів. Кількісна ж обробка повністю відноситься до розглянутого етапу дослідницького процесу, що в сукупності з її особливою специфікою спонукає до її більш детальному викладу. Процес кількісної обробки даних має дві фази: первинну і вторинну. Послідовно розглянемо їх.

первинна обробка

На першій стадії «сирі» відомості групуються за тими чи іншими критеріями, заносяться в зведені таблиці, а для наочного подання даних будуються різні діаграми та графіки. Всі ці маніпуляції дозволяють, по-перше, виявити і ліквідувати помилки, вчинені при фіксації даних, і, по-друге, виявити і вилучити із загального масиву безглузді дані, отримані в результаті порушення процедури обстеження, недотримання випробуваними інструкції і т. П. Крім того, первинно оброблені дані, постаючи в зручній для огляду формі, дають дослідникові в першому наближенні уявлення про характер всієї сукупності даних в цілому: про їх однорідності-неоднорідності, компактності-розкиданості, чіткості-розмитості і т. д. Ця інформація добре читається на наочних формах представлення даних і пов'язана з поняттям «розподіл даних».

Під розподілом даних розуміється їх разнесенность за категоріями вираженості досліджуваної якості (ознаки). Разнесенность за категоріями показує, як часто (або рідко) в певному масиві даних зустрічаються ті чи інші показники досліджуваного ознаки. Тому такий вид представлення даних називають «розподілом частот». Виразність ознаки, як бачили вище, може бути представлена в оцінках: «є - немає» або «дорівнює - нерівно» (номінативні дані), «більше - менше» (порядкові дані), «настільки-то більше або менше» (інтервальні дані ), «о такій-то разів більше або менше» (пропорційні дані). Перша категорія оцінок передбачає явну дискретність вираженості досліджуваної ознаки, інші - безперервність (хоча б теоретично). Проілюструємо це прикладами.

Приклад для дискретних даних

У трьохтисячному трудовому колективі були обрані сто чоловік, які давали відповідь на питання: «який колір ви віддаєте перевагу?». Пропонувалося 6 варіантів: білий (Б), чорний (Ч), червоний (К), синій (С), зелений (3), жовтий (Ж). В даному випадку кожен колір - це самостійна категорія вираженості ознаки «забарвлення». Припустимо, мета - вибір дизайнером забарвлення робочих приміщень, де працюють ці люди. Підсумки опитування, зафіксовані в протоколі, підрахували і занесли в таблицю 1 (табулювати).

Частота (абсолютна частота) - це число відповідей даної категорії у вибірці, приватність (відносна частота) - це відношення частоти до всієї вибірці. Під вибіркою розуміється все безліч отриманих в дослідженні значень досліджуваного ознаки (властивості, якості, стану) об'єкта. У нашому прикладі вибірка дорівнює 100. Поняття вибірки пов'язане з поняттям генеральної сукупності (або популяції), яка представляє собою все можливе безліч значень досліджуваного ознаки. У нашому прикладі вона дорівнює 3000. Оскільки навіть обмежені популяції зазвичай дуже великі, то досліди проводяться тільки на вибірках. Тому постає питання про репрезентативність вибірки, т. Е. Про те, чи можна результати, отримані на вибірці, переносити на всю сукупність. Для цього залучають статистичні методи докази репрезентативності. Таким чином, вибірка є частина генеральної сукупності. Короткий опис цих множин проводиться за допомогою так званих описових заходів (заходів центральної тенденції, розкиду і зв'язку), обчислення яких проводиться при вторинній обробці даних. Значення заходів, обчислені для генеральнихсукупностей, називаються параметрами, для вибірок - статистиками. Параметр описує генеральну сукупність також, як статистика - вибірку. Прийнято позначати статистики латинськими буквами, а параметри - грецькими. Правда, в психологічних дослідженнях цих правил не завжди строго дотримуються.

На підставі табличних даних можна побудувати діаграму, де розподіл представлено наочніше:

Приклад для безперервних даних

Дані безперервного характеру можна уявити в ще більш наочній формі: у вигляді гістограм, полігонів і кривих.

У дослідах В. К. Гайди, описаних в навчальному посібнику для студентів-психологів, брало участь 96 випробуваних. Визначався колір послідовного образу сприйняття насиченого червоного кольору. З цією метою кожен випробовуваний протягом однієї хвилини розглядав пофарбований в червоний колір зразок, а потім переносив погляд на білий екран, де бачив коло в додаткових кольорах. Поруч з ним знаходився колірний круг з разноокрашенних секторами, на якому випробовуваний повинен був вибрати той колір, який відповідав кольору виник у нього послідовного образу. При цьому випробуваний не називав колір, а лише його номер в колірному колі. Колірний круг нормований таким чином, що сусідні кольори відрізняються в ньому один від одного на однаково помічаємо величину. Отже, колірне коло можна розглядати як интервальную шкалу. Поряд з цим колірний круг характеризується і ще одну властивість. Зокрема, можна собі уявити, що між двома сусідніми кольорами, наприклад між зеленувато-блакитним і блакитно-зеленим, є ще безліч не помічають людським оком колірних переходів. У цьому сенсі колірний круг представляє собою приклад безперервної змінної. Фактично ж випробовувані завжди виділяють кінцеве число колірних відтінків і тому свій вибір зупиняють на конкретному номері (або назві) кольору. В даному експерименті випробовувані визначали свій послідовний образ в діапазоні від № 16 - зеленувато-блакитний колір до № 23 - жовтувато-зелений. Отримані дані можна табулювати, що і зроблено в таблиці 2.

Як видно, в побудові таблиць 1 і 2 немає принципової різниці. Але різниця в характері первинних даних, відображених в обох таблицях, все ж є, і вона виявляється при їх графічному зображенні. Справді, рис. 2 являє собою вже не Стовпчикові, а ступінчасту діаграму, звану гистограммой. Слід звернути увагу на те, що всі ділянки (стовпчики) ступінчастою діаграми розташовані впритул один до одного (числові змінні на осі абсцис гістограми пишуть проти центральної осі кожної ділянки).

Від гістограми легко перейти до побудови частотного полігону розподілу, а від останнього - до кривої розподілу. Частотний полігон будують, поєднуючи прямими відрізками верхні точки центральних осей всіх ділянок ступінчастою діаграми (рис. 3). Якщо ж вершини ділянок з'єднати за допомогою плавних кривих ліній, то вийде крива розподілу первинних результатів (рис. 4).

Перехід від гістограми до кривої розподілу дозволяє шляхом інтерполяції знаходити ті величини досліджуваної змінної, які в досвіді не було отримано.

вторинна обробка

Загальне уявлення про вторинної обробки

Вторинна обробка завершує аналіз даних і готує їх до синтезуванню знань на стадіях пояснення і висновків. Навіть якщо ці останні етапи з яких-небудь причин не можуть бути виконані, дослідження може вважатися таким, що відбувся, оскільки завершилося отриманням результатів.

В основному вторинна обробка полягає в статистичному аналізі підсумків первинної обробки. Як специфічний вид вторинної обробки, на нашу думку, виступає шкалювання, що сполучає математичний, логічний і емпіричний аналізи даних, але в цьому параграфі зупинимося лише на статистичній обробці даних. Уже табулювання і побудова графіків, строго кажучи, теж є статистична обробка, яка в сукупності з обчисленням заходів центральної тенденції і розкиду включається в один з розділів статистики, а саме в описову статистику. Інший розділ статистики - індуктивна статистика - здійснює перевірку відповідності даних вибірки всієї популяції, т. Е. Вирішує проблему репрезентативності результатів і можливості переходу від приватного знання до загального. Третій розділ - кореляційний статистика - виявляє зв'язку між явищами.

Статистика має потужний і часом важкодоступний для непідготовленого дослідника апарат. Тому треба зробити два зауваження. Перше - статистична обробка є невід'ємною частиною сучасного психологічного дослідження. Уникнути її практично неможливо (особливо в емпіричних дослідженнях). Звідси випливає необхідність спеціаліста-психолога добре знати основи математики і статистики і найважливіші методи математико-статистичного аналізу психологічної інформації. Неминучість статистики в психології обумовлена масовістю психологічного матеріалу, оскільки весь час доводиться один і той же ефект реєструвати по багато разів. Причина ж необхідності багаторазових вимірів криється в самій природі психічних явищ, стійкість яких відносна, а мінливість абсолютна. Класичним прикладом тому може служити безперервна флуктуація сенсорних порогів, що породила знамениту «порогову проблему». Тому імовірнісний підхід - неминучий шлях до пізнання психічного. А статистичні методи - спосіб реалізації цього підходу.

До речі, треба зауважити, що формується з початку XX століття нова картина світу, поступово витісняє ньютонів-сько-картезианскую модель світобудови, одним зі своїх найважливіших компонентів має якраз уявлення про переважання статистико-імовірнісних закономірностей над причинно-наслідковими. По крайней мере, це досить переконливо продемонстровано для мікроскопічного (субатомного) і мегаскопіческого (космічного) рівнів організації світу. Логічно припустити, що це в якійсь мірі справедливо і для середнього (макроскопічного) рівня, в межах якого і можливо, мабуть, говорити про психіку, особистості і тому подібних категоріях. Треба думати, що саме в цьому ключі слід розуміти зауваження Б. Г. Ананьєва про імовірнісний характер психічної діяльності і про необхідність єдності детерминистического і непевного підходів до дослідження психічних явищ.

У зв'язку з цим викликає, щонайменше, подив існуючу в психологічних колах думка, що з'єднання психологічної проблематики з її математичним аналізом - це «шлюб з примусу або непорозуміння», де психологія - «наречена без приданого». Змушена ж психологія вступити в цей «шлюб» нібито через те, що «не змогла поки що довести, що будується на принципово інших засадах», ніж точні науки. Ці ж «принципово інші основи» начебто обумовлені тим, що предмет дослідження психології непорівнянний по своїй складності з предметами інших наук. Нам здається, що подібний снобізм не тільки не доречний з точки зору наукової етики, а й не має підстав. Світ - єдиний в своєму нескінченному різноманітті. А наука лише спроба людства репрезентувати цей світ в моделях (в тому числі в образах), доступних розумінню людини. Причому ці моделі відображають лише окремі фрагменти світу. Але будь-який з цих фрагментів так само складний, як і світ в цілому. Так що математичні формули, статистичні викладки, описи натураліста або психологічні уявлення - все суть більш-менш адекватні форми відображення однієї і тієї ж реальності. І математика в психології - це не сторонній вкраплення, яке психологи змушені терпіти за відсутністю власних точних формальних (а по можливості і «об'єктивних») способів опису і репрезентації психологічної реальності. Це - природний код організації світу і, відповідно, природна мова опису цієї організації.

Надії деяких психологів на тимчасовий характер залежності психології від математики - утопія. Психологія використовує математику не тому, що «через брак гербовою пише на простий», т. Е. «Поки» не має своїх точних і об'єктивних прийомів аналізу і пояснення психічних феноменів, а тому, що математичний мову - це загальнонауковий мову відображення реальності. І в цьому сенсі математику дійсно можна визнати «царицею наук». Психології ця мова притаманний так само, як будь-який інший галузі наукового знання. Питання лише в тому, наскільки психологія ця мова освоїла. Таким чином, психології зовсім не потрібно доводити, що вона «може існувати незалежно від математики» і емансипуються аж до «розлучення» з нею. Симптоматично в цьому відношенні формування в останні роки нової психологічної дисципліни - математичної психології.

Отже, твердження про тимчасове мезальянс психології з математикою, на наш погляд, не спроможні, хоч би образні і метафоричні вони не були. Це - природне єдність.

Друге зауваження щодо застосування статистики в психології полягає в застереженні: не можна дозволити втягнути себе в так звану «статистичну м'ясорубку», коли вважають, що, пропустивши через математичну обробку будь-який матеріал, можна отримати якісь залежності, виявити якісь закономірності і факти. Без гіпотези і без продуманого підбору вихідних даних наукового результату очікувати тільки за рахунок застосування статистики не можна. Необхідно знати, що ми хочемо отримати від застосування статистики та які методи обробки підходять до умов і завдань дослідження.

До того ж треба зауважити, що психологу не завжди під силу зрозуміти, що відбувається з вихідним психологічним матеріалом в процесі його статистичного «прокручування». Для з'ясування деяких операцій всередині того чи іншого статистичного методу (наприклад, «варимакс-обертань» в факторному аналізі) потрібна спеціальна поглиблена підготовка. Деякі з цих операцій базуються на тих чи інших постулатах, не завжди підходять до робочої гіпотези користувача. Тому для оцінки його, валідності наміченого методу іноді потрібні дуже специфічні знання. Апеляція до частоти і звичності використання в психологічній практиці таких математичних методів не завжди рятує справу. І тоді ці прийоми обробки даних стають дійсно «чорним ящиком» і «статистичної м'ясорубкою». Тому не слід прагнути до надмірно складним методам в гонитві за модою або з сумнівною метою підвищити рівень «науковості» своєї роботи. Непродумана стрілянина «з гармати по горобцях» тільки веде до невиправданих витрат і заплутування психологічної ідеї дослідження. Слід погодитися з висновком Є. В. Сидоренко, що «чим простіше методи математичної обробки, чим ближче вони до реально отриманим емпіричним даним, тим надійнішими і осмисленими виходять результати».

Крім того, не можна забувати, що статистичні методи - це допоміжне зброю психолога, покликане лише посилити дослідницьку думку. Це лише «дерева», за якими має бути видно «ліс» - основна психологічна ідея. Тим більше що, як тільки що було сказано, загальність детермінації (по крайней мере, причинного) викликає великі сумніви. Отже, пошук за допомогою лише математичної обробки психологічних залежностей, тим більше залежностей функціональних, справа не очевидне і чревате помилками. Психологам добре відомо, що в реальності неможливо знайти ні «чистих», ні «середньостатистичних» психологічних типів. Це змушує навіть деяких дослідників відмовитися від розгляду кожного окремого психічного явища як еманації якоїсь спільної закономірності і тим паче «відмовитися від того, щоб вважати окрему особистість випадковою величиною, випадковим проявом більш закономірного середньо групового індивіда».

Після цих зауважень із задоволенням повторимо услід за Мак-Коннелі: «Статистика - це не математика, а перш за все спосіб мислення, і для її застосування потрібно лише мати трохи здорового глузду і знати основи математики».

У подальшому викладі обмежимося висвітленням необхідного Minimum minimori в цій області, а саме найважливіших елементів описової та кореляційної статистики. Більш докладні відомості за цими розділами статистичної науки і про прийоми індуктивного статистики стосовно психологічної специфіки можна почерпнути з робіт.

Всю сукупність отриманих даних можна охарактеризувати в стислому вигляді, якщо вдається відповісти на три головні питання: 1) яке значення найбільш характерно для вибірки ?; 2) чи великий розкид даних щодо цього характерного значення, т. Е. Яка «розмитість» даних ?; 3) чи існує взаємозв'язок між окремими даними в наявної сукупності і які характері і сила цих зв'язків? Відповідями на ці питання служать деякі статистичні показники досліджуваної вибірки. Для вирішення першого питання обчислюються заходи центральної тенденції (або локалізації), другого - заходи мінливості (або розсіювання), третього - заходи зв'язку (або кореляції). Ці статистичні показники застосовні до кількісних даних (порядковим, інтервальним, пропорційним). Дані якісні (номінативні) піддаються математичного аналізу за допомогою додаткових хитрувань, які дозволяють використовувати елементи кореляційної статистики.

Тема 6. Лекція

Тема 4. Вибірка в психологічному дослідженні «-- попередня | наступна --» Тема 6. Вимірювання в психологічних дослідженнях
загрузка...
© om.net.ua