Обработка данных как этап психологического исследования

Математические методы, применяемые при обработке эмпирических данных в психологическом исследовании, нельзя рассматривать в отрыве от общей концепции исследования. Именно поэтому нет однозначно определенного места для них в различных классификациях исследовательских методов.

Не анализируя эти попытки свести в систему все методы, которые используются в психологическом исследовании, т. к. подробно эта проблема рассматривается в «Экспериментальной психологии», все же заметим, что любую математическую обработку собранной эмпирики необходимо рассматривать в единстве с интерпретацией, которая, в свою очередь, должна быть ограничена замыслом исследования и контекстом гипотезы. Только тогда исследование приобретает целостный характер. Математика предоставляет практически неограниченные средства доказательства психологических гипотез. Как отмечают многие авторы [4], манипуляция математикой позволяет доказать (или опровергнуть) все, что угодно. Стандарты пользования математическими методами предоставляют достаточно свободы исследователю. Выбор средств обработки «сырых данных» или выбор статистических критериев для принятия решения по гипотезе, определяется интуицией или привычками исследователя, которые у студентов за неимением опыта отсутствуют.

Подробно рассмотрим последовательность манипуляций с эмпирическим (числовым) материалом, который в дальнейшем будем называть данными. Введем основные понятия из методологии науки, которые будут использоваться в этом тексте.

Данные – это любая информация, относящаяся к предмету исследования, направленная на решение исследовательских задач. После сбора эмпирической информации данные проходят последовательно процедуры обработки, общения, анализа, объяснения и интерпретации, которые вместе и представляют в эмпирическом исследовании этап обработки и интерпретации данных.

Обработка данных – преобразование эмпирического материала («эмпирики») в вид, необходимый для решения исследовательских задач, к числу которых относятся:

1) определение вида и состава необходимой для решения задач исследования информации,

2) определение способов обработки и преобразования исследовательской информации,

3) обеспечение и проверка надежности данных,

4) обобщение и наглядное представление данных.

Обработка данных основана на предварительной фиксации информации об изучаемом объекте в виде признаков и включает в себя следующее:

1) первичную обработку данных,

2) преобразование данных в обобщенную форму,

3) наглядное представление данных.

В процессе обработки данные претерпевают различные изменения. Во-первых, исходная индивидуальная информация, полученная по отдельным испытуемым, преобразуется в совокупную обобщенную. Во-вторых, обобщенная информация подвергается качественному и количественному анализу. Результат обработки должен иметь форму, пригодную для описания данных и дальнейшего перехода к анализу и интерпретации.

Итак, после сбора эмпирики, после проведения эксперимента или корреляционного исследования на руках у исследователя находится большой объем информации: протоколов, тестовых заданий, продуктов деятельности испытуемых и пр. Сбор эмпирического материала чаще всего проводится вручную, занося данные обследования или диагностики в специально подготовленные регистрационные бланки. Это самый распространенный способ сбора данных. В этом случае исследователь всегда должен указывать дату и время работы с испытуемым, а также некоторую необходимую информацию: пол, возраст, образование, статус и пр., а также особые обстоятельства, возникшие в процессе взаимодействия именно с этим испытуемым. Эта информация понадобится при описании выборочной совокупности, которая делается всегда в главе (или параграфе) «организация исследования». Значительно реже встречается компьютерный (автоматизированный) сбор данных, при проведении компьютерной диагностики. Тогда информация по испытуемым сразу же готова для обработки.

Если регистрация данных при проведении исследования шла вручную необходимо перед обработкой ее систематизировать. Для этого выполняется следующая последовательность действий:

1) присвоить каждому испытуемому порядковый номер,

2) разделить все данные на две группы, которые будут обрабатываться количественными (статистическими) и неколичественными (например, контент-анализ текста, классификации и описание рисунков и др.) методами,

3) табулировать данные для количественной обработки: заполнить матрицу, в которой строка – это набор показателей одного испытуемого, а столбец – это один показатель по все испытуемым.

Если данные предполагается обрабатывать с помощью компьютерных программ, таких как «EXEL» или «STATISTIKA», то матрицу нужно параллельно делать в двух вариантах: бумажном и машинном. В любом случае таблица на бумаге (очень удобна для этого миллиметровка) должна быть, т. к. на ней легче писать комментарии, вносить изменения, группировать несколько показателей в обобщенный показатель и т.п. Необходимо заметить, что студенты недооценивают эту рутинную и кажущуюся такой ненужной, или даже бессмысленной, подготовку данных к обработке. Если вы решили проводить обработку данных, пользуясь программой «STATISTIKA», которая имеется в компьютерном классе факультета, вам необходимо получить индивидуальный пароль пользователя класса. В данной работе рассматриваются только начальные навыки работы с программой «STATISTIKA».

Для того, чтобы набрать матрицу данных в «STATISTIKA», необходимо в главном меню (полный список программ, которыми может пользоваться студент) найти эту программу, войти в нее и выбрать раздел Basic Statistics and Tables и нажать Switch to.

Перед вами появится программный пример, рассмотрите его. Далее в меню на панели выбираете file, в нем опцию new data. Появится окно New Data: Specify File Name. В окне папка стоит имя DATA, ваши данные лучше хранить в этой папке, но по желанию их можно также продублировать и в другом месте на диске, указав курсором путь (но только не забудьте потом, где они находятся!). В окне имя файла стоит NEW, присвойте имя матрице и нажмите сохранить. Перед вами пустая матрица размерности 10*10. Вероятнее всего ваша матрица большей размерности, расширить ее до нужных размеров можно с помощью опций: CASES – это испытуемые или строки, и VARS – это переменные или столбцы. Выбирая команду Add…, указывая, сколько строк (столбцов) добавить и после какой/какого строки/столбца вставить новые, вы получаете матрицу нужной размерности, в которую переносите эмпирические результаты.

Таблица 1

Матрица исходных данных

	Дата	Время реакции (сек.)	Локус- контроля	Социомет- рический статус (число выборов)	Уровень тревож- ности (балл)	Экспертная оценка учебной мотивации (уровень)
1. Алексей А. ЭП-02-3	23.01.03		интерн.			128- средний
2. Ольга Л. АТ-00-6	11.04.03		интерн			153- средний
3.Зинаида В. ЭГ-04	4.09.03		экстерн.			98- низкий
4.Виктор Н. ФиК-01-1	17.09.03		экстерн.			176-высокий
……………
125.Петр М. ЭП-02-3	17.09.03		интерн.			201- высокий

Таким образом, у вас подготовлены матрицы исходных данных в бумажном и компьютерном варианте, и вы готовы переходить к следующей процедуре.

Первичный статистический анализ.

Невозможно предложить один алгоритм анализа данных для разных работ, но некоторые замечания сделать необходимо. Начинать надо с анализа каждой переменной в отдельности, а затем, комбинируя, сопоставляя переменные различным образом, пытаться обнаружить какие-либо закономерности. Самая распространенная ошибка студентов на этапе обработки данных – это то, что они забывают все пройденное в курсе «Математические методы в психологии». Поэтому первое, что необходимо сделать – найти тетрадь с лекциями или взять учебник из предложенных в списке литературы.

Забегая вперед, заметим, что уже сейчас, проводя первичную обработку своих данных, вы готовитесь к их интерпретации при написании основного текста работы. Обсуждение полученных данных в тексте всегда (!) начинается с их описания. Описание должно быть предельно строгим, т.е. содержать в себе только факты с их качественными (есть – нет) или количественными характеристиками. Количественные (статистические) характеристики должны быть перед обсуждением наглядно представлены: таблицы, диаграммы, гистограммы, графики и т.д. Обсуждение результатов корреляционного анализа (см. далее) должно сопровождаться демонстрацией коэффициентов корреляции с их уровнем значимости и, по возможности, корреляционных плеяд. В обсуждении результатов раскрывается значение полученных фактов с точки зрения теории – той теоретической концепции, которая была положена в основу исследования. Самое, пожалуй, трудное здесь – это обратный перевод количественных (и качественных) параметров, характеристик и фактов на язык психологических понятий и конструктов. Корректный перевод можно осуществить только, если хорошо представляешь содержательный смысл того или иного статистического параметра. Таким образом, данные в тексте даются в последовательности: наглядное представление – описание – обсуждение – доказательство/опровержение гипотезы.

Для первичного анализа признака используются основные средства ОПИСАТЕЛЬНОЙ СТАТИСТИКИ: меры центральной тенденции, меры изменчивости и частотные распределения. Среди обязательных мер в психологических исследованиях используются среднее, дисперсия (или стандартное отклонение – σ), разброс (разница между наименьшим и наибольшим значениями), но при необходимости этот список может быть увеличен. Пользуются популярностью, например, мода, вариация, коэффициент вариации, асимметрия.

Какая же характеристика центральной тенденции описывает распределение признака наилучшим образом? Многое зависит от формы распределения. Если вы получили близкое к нормальному распределение, все три характеристики совпадут или будут достаточно близки. Но по мере того как распределение будет становиться все более скошенным вправо или влево, расхождения между тремя числами будут возрастать. Поэтому, выбирая статистику для описания, надо ориентироваться на вид распределения, о котором можно судить, в какой-то мере, по частотному распределению (см. далее). Для переменных, являющихся дискретными случайными величинами, размах – единственно возможный показатель рассеивания переменной, а σ и среднеевходят во многие расчетные формулы и являются одной из важнейших характеристик переменной. Чем больше разбросаны варианты значений относительно средней, тем большим оказывается и σ. Часто при сравнении двух и более групп между собой оказывается, что различий по средним не наблюдается, а различия в дисперсиях значимы. Та группа, где дисперсия больше, обладает более разнообразными и индивидуализированными данными.

Таблица 2

Вид таблицы параметров в «STATISTIKA»

Continue…	Valid N	mean	minimum	maximum	Std. Dev.
VAR1		15,80000	10,00000	20,00000	6,220932
VAR2		59,40000	47,00000	70,00000	9,528903

Для автоматизированного подсчета первичных статистик используйте также программу «STATISTIKA». Обращаемся к Basic Statistics and Tables и далее Descriptive statistics (описательная статистика) и Frequency tables (частотное распределение). Если у вас выведены ваши данные, тогда на панели выбираете Analysis, и откроется окно со списком основных статистических операций, которые необходимо будет использовать при обработке данных.

Таблица 3

Показатели времени реакции в различных условиях

ПОКАЗАТЕЛЬ	ГРУППА
ЭГ1 N=5	ЭГ2 N=15	ЭГ3 N=28	КГ N=23
Среднее время по группе	15,80	13,21	14,07	12,32
Σ	6,22	10,25	4,73	29,11
разброс	10,0	35,0	10,0	21,0
min	max	10,0	20,0	8,0	43,0	12,0	22,0	14,0	35,0

Примечание.

ЭГ1, ЭГ2, ЭГ3 – экспериментальные группы получают воздействия при условиях:1 – уровень шума низкий, 2 – уровень шума средний, 3 – уровень шума высокий.

КГ – контрольная группа не получает воздействия.

В разделе Descriptive statistics большой список возможных операций, в зависимости от решаемых задач, вы можете набрать необходимые параметры, войдя в окно more statistics. Обязательные параметры при обработке переменных, полученных по стандартным тестам и методикам, имеющим нормализованные показатели, должны быть следующие:

Valid N – объем выборки (количество испытуемых по методике),

Mean – Х - среднее,

Standard Deviation – σ – стандартное отклонение,

Minimum & maximum – разброс значений переменной.

Рассмотрим пример, разъясняющий последовательность действий. В таблице 1 в интервальной шкале измерены переменные – время реакции и уровень тревожности. Тогда, выбрав на панели Analysis, Descriptive statistics, Variables, выделив Var1- Var2, получим следующие результаты обработки. (Таблица 2 имеет вид, аналогичный компьютерному варианту). Столбец Valid (см. табл.2) не является необходимым в том случае, когда по всем вашим испытуемым имеются данные по всем методикам. Но иногда бывает так, что какие-то испытуемые не выполнили часть заданий, или протоколы оказались испорчены и т.п. Таким образом, в вашей таблице оказываются пустые клетки. Удалять всю строку (т.е. все данные одного испытуемого) и уменьшать объем выборки или, тем более, столбец (т.е. переменную) нет необходимости. Просто на эту переменную статистики будут подсчитываться значения с меньшим N, и обрабатывать ее в Descriptive statistics нужно отдельно. При интерпретации и описании этих переменных в тексте курсовой или дипломной работы вы будете оформлять аналогичные таблицы, но уже с исправленным объемом.

Таблица 4

Дата добавления: 2015-07-02