Количественная обработка данных в психологии: Количественная обработка данных и результатов психологического исследования

Использование качественного и количественного метода исследования в психологии

Проведение психологических исследований опирается на традиционные методы, сложившиеся в период расцвета науки. Определиться с выбором методики в психологии трудно, если не видеть разницу между количественным и качественным методом в эмпирическом исследовании. Следует понимать, в каких ситуациях лучше заниматься наблюдением и анализом поведения, а где использовать обработку информации математическими способами.

Содержание

• 1 Понятия количественных и качественных методов в психологии
  • 1.1 Особенности количественных методов
  • 1.2 Характеристика качественного метода
• 2 Количественный и качественный анализ результатов эмпирического исследования в психологии
  • 2.1 Необходимость использования математической статистики
  • 2.2 Ограниченность количественных методов
  • 2.3 Преимущества и недостатки качественного анализа
• 3 Почему в психологии преобладают качественные подходы
• 4 Эпистемология как критерий качественных исследований
• 5 Суть и причины терминологических расхождений
  • 5. 1 Причины терминологических расхождений
  • 5.2 Проблема соотношения качества и количества в психологии

Понятия количественных и качественных методов в психологии

У данных методов в психологии имеются свои слабые и сильные стороны. Нельзя все измерять только одним методом, так как это приведет к однобокости результатов исследования. Нужно учитывать целесообразность применения каждого из подходов на конкретном этапе психологического исследования, опираясь на преимущественные особенности методов.

Чтобы грамотно применять психологические методы, необходимо понимать их сущность. Каждому типу исследования присущи свои требования к подбору методики.

Особенности количественных методов

• четкость в соблюдении правил, алгоритмов;
• использование расчетов, опираясь на формулы, математические зависимости;
• применение в обработке данных, фиксации результатов определенных процедур.

В основе метода лежит формализация, от законов которой отступать нельзя. Во время эксперимента следует ориентироваться на собирание данных, которые обрабатывают с выстраиванием диаграмм, графиков. 

С применением таких анализов исследователи получают численную оценку состояния объекта вместе с реакцией респондентов на психологическое явление.

Характеристика качественного метода

Сбор данных, их анализ проводится без формализации, стандартизации. При этом исследователь получает подробную информацию о психологии респондента, мотивах его поведения, ценностях. 

Сбор информации предполагает применять свободную форму. Тут важно получить не распределение мнений, а понять, объяснить, интерпретировать факты, опираясь не на цифры, а на слова.

Эти методики при сборе информации предлагают применение:

• опросов;
• наблюдений;
• экспериментов;
• работы фокус-групп.

Следует не только собрать данные, но понять изучаемые процессы, найти ответы на вопросы: Зачем? Почему? Каким образом? Как выйти из положения?

Проведя глубокий анализ, психолог сможет установить причину и следствие поступка, события, явления, выявить структуру, компоненты изучаемого объекта.

В результате проведенных исследований, наблюдений вырисовывается результат в виде текстовой модели.

Количественный и качественный анализ результатов эмпирического исследования в психологии

Эмпирические методы в психологии являются ведущими, так как основаны на отборе данных по возникшей проблеме или явлению. Обобщить и систематизировать большую группу полученных фактов можно с помощью обработки данных, носящих количественный и качественный характер.

Необходимость использования математической статистики

Количественные методы на этапе обработки «сырых» результатов исследования состоят из:

• описательной статистики;
• выдвижения и проверки гипотез;
• многомерного анализа результатов.

Научная теория в психологии строится на основании множества объектов, составляющих теоретические факты и закономерности. Эмпирическое исследование проводят так, чтобы найти подобные явления в практической жизни. Следует сначала выбрать тот объект из множества, которая станет предметом исследования. Приходится применять количественные методы характеристики испытуемых, чтобы описать собранные данные целиком. Строятся при этом таблицы, диаграммы. Часто помогают в оценке результатов диаграммы частотного распределения, или гистограммы. Без них нельзя объективно провести распределение оцененных характеристик.

Проверка выдвинутых гипотез проводится сравнением результатов двух групп испытуемых. Здесь следует исключить случайные результаты. Поэтому придется четко и корректно с использованием описательной статистики сравнить данные друг с другом или с теоретическими величинами.

Эту обработку данных проводят способом уменьшения избыточности фактов. С помощью методов многомерного анализа делают результаты исследования компактными, наглядными.  

Ограниченность количественных методов

Без применения математической статистики невозможно изучить большое количество объектов, фактов. Такой анализ исследования поможет быстро провести обобщение полученных результатов, построить математическую модель объекта.

Но от искажения информации исследователь не застрахован, так как только количественный подход дает неполную картину исследования:

1. Применение статистических методов основано на системе понятий, образующих теоретическое характеристику объекта испытания. Здесь не обойтись без наблюдения, анализа поведения.
2. Психометрические инструменты эффективны при диагностике стабильных и устойчивых особенностей личности. Этими методами изучают стандартные процессы, а уникальные свойства личности, ее изменчивость им неподвластна.
3. Не все измеряется количеством. Поэтому приходится обратиться к другим методикам, которые помогут понять и изучить сущность явления.

К основным характеристикам относят такие понятия как формализм и массовость. Испытатель заранее определяет данные, от которых потом отступить будет невозможно. 

Преимущества и недостатки качественного анализа

Применение этих методов в психологическом исследовании опирается на то, чтобы:

• собирать подробную информацию о переживаниях человека, смыслах его поступков, анализируя записанный текст;
• интерпретировать полученный результат с социокультурным контекстом;
• обращать внимание на единичные случаи в практике.

Стандартов при этом в анализе не существует. Исследователь проводит связи между причиной и следствием, изучая весь спектр проявлений объекта.

Наблюдая за поведением объекта, изучая записи дневников, аудио- видеоматериалы, выполняют качественный анализ поведения. Часто применение метода не позволяет отделить существенное в характеристике исследуемого объекта от второстепенного. 

В основе будет описание феномена, редкого единичного случая. 

При таком анализе респондент высказывается свободно, он не ограничен рамками. Ситуация, в которой проводят исследование, приближена максимально к жизненной.  

Такую обработку надо применять на первом этапе исследования. Методы помогут скорректировать, сделать выводы по результатам количественной обработки данных. 

Почему в психологии преобладают качественные подходы

Выбирая этот метод как наиболее важный, исследователь:

• стремится к поиску новых путей в получении психологических знаний;
• желает выйти из границ академических количественных представлений большинства психологов.

Главный смысл подхода связан со словом, выступающим в роли типа данных и средства анализа. Собираемые исследователем факты, информация выражается словами, а не цифрами. Содержание, выводы кодируются, формулируются и передаются в словесном виде. По мнению Я. Дея, определить разницу в качественных и количественных методах – это как сравнить смыслы с математической статистикой.

У данных, переданных словами, много субъективного, но информационно они богаче.

Для приверженцев качественного метода характерно применение не только текстов, но и множества культурных и социальных артефактов: рисунков, фотографий, видеоматериалов, аудиозаписей, музыки, предметов быта, медиасредств.

В психологии полно описаны приемы анализа качественных материалов. Разработан ряд подходов, помогающих сортировать, кодировать, относить к определенной категории полученный материал исследования.

Анализируя слова, выражения, тексты, психологи группируют, объединяют в кластеры, чтобы сопоставить и выделить смысловое содержание.

Приверженцы качественных методов опираются на то, что у них две стороны, которые дают полную картину явления. С качественным подходом в исследованиях анализируют объект строго в рамках четких принципов и процедур кодирования. Но с другой стороны пользуется исследователь приемом интерпретации данных, их глубоким толкованием с фиксированием интуитивных предположений.

Эпистемология как критерий качественных исследований

Процедура передачи информации связана с особенностью подхода – полевой формой работы. Исследователь входит в социальные группы, сообщества, наблюдая естественную жизнь, поведение изучаемых объектов. Пребывая долгое время рядом с объектом, наблюдая за ним, беседуя, психолог получает более достоверную информацию, чем в эксперименте с разовыми срезами.

Проводя анализ социального контекста события, исследователь учитывает все условия жизнедеятельности объектов от культурных, социальных до политических, обрядово-традиционных. Психолог стремится получить богатую деталями целостную картину.

При качественном подходе к исследованию не пропускают единичные, специфические случаи. Их оценивание может привести к выявлению закономерностей. Количественные методы изучения опираются на множество, пропуская главное. Ведь именно в индивидуальностях скрываются сложные сознательные существа.

Приемы индукции ведут от сбора и анализа эмпирических данных к зарождению гипотез и предположений. Так появляются новые теории относительно изучаемого объекта, явления.

Экспертом будет испытатель. Он сформулирует свою точку зрения, опираясь на жизненный опыт. В трактовке изучаемого события участвует и обследуемый. Он живет и действует в изучаемой ситуации и даст ей свою оценку.

Переживая вместе с респондентом события, психолог может понять смысл явления. Рефлексия исследователя важна в изучении феномена.

Качественным исследованием можно открыть новые закономерности в течении психических явлений.

Суть и причины терминологических расхождений

Определиться с понятием количественных и качественных методов трудно, так как ведущие представители психологии не выделяют их в отдельную группу путей познания. Рассмотрению больше всего подвергаются качественные методы, как-то наблюдение, эксперимент. С. Рубинштейн в учебнике «Основы общей психологии» не упоминает об употреблении в исследованиях количественного анализа.

По Б. Ананьеву, обработку результатов психологического исследования проводить следует с помощью приемов математической статистики и описания случаев, отражающих типы и варианты психических явлений.

Ряд российских психологов считает, что относятся количественные и качественные методы к эмпирическим, а другие утверждают, что они считаются приемами работы психолога вне контакта с объектом изучения.

Расхождения встречаются не только в классификации методов, но в понимании их сути. Количественные анализы подменяют определением статистической обработки материала. Группа исследователей считает, что статистика никак не связана с психологией. Методика количественного подхода ближе по сути к психометрии и математической психологии.

Причины терминологических расхождений

Изучение причин расхождений в определении количественных и качественных методов привело к мнению, что возникли разногласия потому, что:

1. Ученые не пришли к единому мнению при классификации методов в психологии.
2.  Относят применение качества и количества не к методам, а к этапу в неэмпирических исследованиях. Другая группа психологов возводит их до статуса методологического подхода.
3. В результате смешения понятий определение методов дается так, как согласились на это большинство ученых, то есть конвенционально.
4. Взятые от американских психологов традиции деления всех методов на количественные и качественные привели к путанице в терминологии.
5. Строгое определение процедуры метода уводит от установления четкой классификации методов.
6. Большая часть исследователей предпочитает качественные методы, игнорируя количественные.

По мнению многих ученых-психологов, соотношение между качественным и количественным подходом в исследованиях сказывается в пользу первого, а второй должен подчиняться. 

Проблема соотношения качества и количества в психологии

Напряжение между двумя подходами, качественном и количественном, существуют с давних пор. Критика количественных методов основывалась на том, что:

1. Надежность исследований требует изучения сложных человеческих переживаний.
2. Физический эксперимент ориентирован на создание идеализированной модели.
3. Попытка смоделировать мир в условиях лаборатории обречена на неудачу.

Контроль ситуации со стороны исследователя приводит к превращению реального мира в искусственный.

Отсюда повышенный интерес к качественному подходу в эмпирическом исследовании. Представители новых направлений в психологии считают, что применение статистики не дает полную картину связей человека с другими людьми, рассматривая личность вне социального контекста. Отмечают ограниченность поведения испытуемого.

Но игнорирование количественных методов ведет к ошибочным выводам в психологических экспериментах. Ведь в качественном подходе больше субъективного мнения. Не следует исследователю полностью погружаться в мир личных переживаний испытуемого. Нужна отстраненность от рефлексии своих собственных суждений, взглядов на поведение исследуемой личности. 

Преодолеть субъективизм поможет количественный анализ. Вместе с качественным он подведет к глубокому пониманию сути феномена.

Важно разграничить у методов сферы компетенции. Измерение биологической природы человека проходит продуктивно количественными методами. А сравнительная оценка объектов, явлений необходима для психологических знаний. Тут на помощь приходит выстраивание системы координат. Но оценка с помощью системы потребует уточнения в связи с постоянным изменением объекта. Полученные математические данные адаптируют к определенной культуре. Отношение к происходящему выстраивают, опираясь на своеобразие смыслов и значений. Тогда нужен словесный анализ поведения объекта. 

Обработку результатов эмпирических исследований, их анализ проводят с использованием обоих методов. При этом получают высокую степень надежности выводов. 

О методах психологии в следующем видео:

Заметили ошибку? Выделите ее и нажмите Ctrl+Enter, чтобы сообщить нам.

Количественная обработка результатов исследования по психологии » Заказ курсовых, контрольных, дипломных работ

Использование методов математической статистики при обработке первичных эмпирических данных необходимо для повышения достоверности выводов как в научном исследовании, так и в разработке в области практической психологии. При этом не рекомендуется ограничиваться использованием таких показателей, как среднее арифметическое и проценты. Они чаще всего не дают достаточных оснований для обоснованных выводов из эмпирических данных.  Использование методов математической статистики при обработке первичных эмпирических данных необходимо для повышения достоверности выводов как в научном исследовании, так и в разработке в области практической психологии. При этом не рекомендуется ограничиваться использованием таких показателей, как среднее арифметическое и проценты. Они чаще всего не дают достаточных оснований для обоснованных выводов из эмпирических данных.

 

Чтобы выбрать статистические критерии и познакомиться с основами их применения для обработки эмпирических данных, можно использовать ряд пособий (например: Большее, Смирнов, 1969; Гласс, Стенли, 1976; Закс, 1976; Сосновский, 1979; Рунион, 1982; Сидоренко, 2001; Калинин, 2002; Ермолаев, 2003; Наследов, 2004). Множество критериев, приводимых обычно в учебниках по математической статистике, и сложное описание процедур их вычисления часто смущают студента, хотя значительная их часть используется достаточно редко. Каждый исследователь (и научный руководитель в том числе) выбирает статистические критерии, исходя из своих знаний, опыта, типа задачи и вида данных, которые подлежат обработке. 

Как же поступить студенту? Можно положиться на опыт и советы научного руководителя (однако основательно разобравшись при этом в смысле и процедуре критерия). Можно опереться на примеры, приведенные в методических пособиях. Книги Е.В. Сидоренко (2001) и О.Ю. Ермолаева (2003) приводят примеры так называемой «ручной» обработки данных, в книгах С. И. Калинина (2002) и А.Д. Наследова (2004) даны описания статистической обработки с использованием статистических программ. 

Статистические гипотезы. Выбор статистических критериев предполагает также формулировку статистических гипотез, то есть перевода экспериментальной гипотезы на язык статистики. Таким образом, статистическая гипотеза — это утверждение в отношении изучаемой переменной, сформулированное на языке математической статистики. Для этого необходимо определить математико-статистические критерии, уровни статистической значимости, которые дают основания исследователю утверждать, подтвердилась экспериментальная гипотеза или нет. На этом этапе исследования формулируются статистические гипотезы, которые конкретизируют соответствующую эмпирическую гипотезу на уровне математических критериев значимости. Эмпирическая (экспериментальная) гипотеза воплощается в процедуре статистической интерпретации данных. Эта процедура сводима к оценке сходств и различий. При проверке статистических гипотез используются два понятия: 

Н(1) (гипотеза о различии) и

Н(0) (гипотеза о сходстве).  

Подтверждение первой гипотезы свидетельствует о верности статистического утверждения Н(1), а второй — о принятии утверждения Н(0) — об отсутствии различий. 

После проведения конкретного эксперимента проверяются многочисленные статистические гипотезы, поскольку в каждом психологическом исследовании регистрируется не один, а множество поведенческих параметров. Каждый параметр характеризуется несколькими статистическими мерами: центральной тенденции, изменчивости, распределения. Кроме того, можно вычислить меры связи параметров и оценить значимость этих связей. 

Таким образом, экспериментальная гипотеза служит для организации и проведения эмпирического исследования, а статистическая — для организации процедуры сравнения регистрируемых параметров. Статистическая гипотеза необходима на этапе математической интерпретации данных эмпирических исследований. Естественно, большое количество статистических гипотез необходимо для подтверждения или опровержения экспериментальной (эмпирической) гипотезы.

 

Выбирать математические методы обработки эмпирических данных нужно в процессе планирования исследования. Выбор метода математической обработки полученных эмпирических данных — очень важная и ответственная часть исследования. И делать это лучше до того, как получены данные. При планировании исследования необходимо заранее продумать, какие эмпирические показатели будут регистрироваться, с помощью каких методов будут обрабатываться и какие выводы при разных результатах обработки можно будет сделать. Полезным руководством при этом может стать классификация задач и методов их решения, которую приводит Е.В. Сидоренко (2001, с. 34). 

Следует идентифицировать тип переменных и шкалу измерения. При выборе математико-статистического критерия нужно, прежде всего, идентифицировать тип переменных (признаков) и шкалу, которая использовалась при измерении психологических показателей и других переменных (возраст, состав семьи, уровень образования). 

В качестве переменных могут выступать любые показатели, которые можно сравнивать друг с другом (то есть измерять). Это может быть время выполнения задания, количество ошибок, уровень самооценки, количество правильно решенных задач и качественные особенности их выполнения, личностные показатели, получаемые в психологических тестах, и др. Порой для студентов представляет трудность выделение переменных в работах по практической психологии, где возможности использования традиционных и стандартизированных психологических тестов (с которыми обычно ассоциируется проблема измерения) ограничены. Следует иметь в виду, что в области практической психологии могут широко использоваться номинативные и порядковые шкалы. Речевые высказывания клиента, виды поведенческих реакций, улыбки, взгляды, — все это может рассматриваться в качестве переменных. Главное — иметь четкие и ясные критерии их отнесения к тому или иному типу в зависимости от поставленных гипотез и задач. 

Нужно учитывать тип распределения данных при выборе статистического критерия. При выборе математико-статистического критерия следует также ориентироваться на тип распределения данных, который получился в исследовании.

Параметрические критерии используются в том случае, когда распределение полученных данных рассматривается как нормальное. Нормальное распределение с большей вероятностью (но не обязательно) получается при выборках более 100 испытуемых (может получиться и при меньшем количестве, а может не получиться и при большем). При использовании параметрических критериев необходима проверка нормальности распределения. 

Для непараметрических критериев тип распределения данных не имеет значения. При небольших объемах выборки испытуемых, используемой обычно в курсовой или дипломной работе, целесообразно выбрать непараметрические критерии, которые дают большую достоверность выводам, независимо от того, получено ли в исследовании нормальное распределение данных. В некоторых случаях статистически обоснованные выводы могут быть сделаны даже при выборках в 5-10 испытуемых. 

Основные типы исследовательских задач с точки зрения статистических процедур обработки данных. Большинство психологических работ сводятся к нескольким типам исследовательских задач, которые и предопределяют тип математико-статистического критерия.

 

1. Во многих исследованиях осуществляется поиск различий в психологических показателях у испытуемых, имеющих те или иные особенности. При обработке соответствующих данных могут использоваться критерии для выявления различий в уровне исследуемого признака или в его распределении. Для определения значимости различий в проявлении признака в психологических исследованиях часто используются такие показатели, как парный критерий Вилкоксона, U-критерий Манна-Уитни, критерий хи-квадрат (x2), точный критерий Фишера, биномиальный критерий. 

2. Во многих исследованиях осуществляется поиск взаимосвязи психологических показателей у одних и тех же испытуемых. Для обработки соответствующих данных могут использоваться коэффициенты корреляции. Связь величин друг с другом и их зависимость часто характеризуются коэффициентом линейной корреляции Пирсона и коэффициентом ранговой корреляции Спирмена. 

3. Выявление структуры данных (и соответственно структуры изучаемой психологической реальности), а также их взаимосвязи выявляется факторным анализом.  

4. Во многих исследованиях интерес представляет анализ изменчивости признака под влиянием каких-либо контролируемых факторов, или, другими словами, оценка влияния разных факторов на изучаемый признак. Для математической обработки данных в таких задачах может использоваться U-критерий Манна-Уитни, критерий Краскела-Уоллиса, Т-критерий Вилкоксона, критерий x2 Фридмана. Однако для исследования влияния нескольких факторов на изучаемый параметр (а тем более их взаимовлияния) полезнее может оказаться дисперсионный анализ. Исследователь исходит из предположения, что одни переменные могут рассматриваться как причины, а другие как следствия. Переменные первого рода считаются факторами, а переменные второго рода — результативными признаками. В этом отличие дисперсионного анализа от корреляционного, в котором предполагается, что изменения одного признака просто связаны с определенными изменениями другого (Сидоренко, 2001, с. 225). 

5. Во многих исследованиях выявляется значимость изменений (сдвига) каких-либо психологических, поведенческих параметров и проявлений за определенный промежуток времени в определенных условиях (например, в условиях коррекционного воздействия). Формирующие эксперименты в практической психологии решают именно эту задачу. Для обработки соответствующих данных могут использоваться коэффициенты оценки достоверности сдвига в значениях исследуемого признака. Для этого часто применяются критерии знаков, Т-критерий Вилкоксона. 

Важно обратить внимание на ограничения, которые имеет каждый критерий. Если один критерий не подходит для анализа имеющихся данных, всегда можно найти какой-либо другой, возможно, изменив тип представления самих данных. Прежде чем обрабатывать эмпирические данные, полезно проверить, существуют ли в пособии, которым вы пользуетесь, критические значения, соответствующие количеству и типу ваших данных. В противном случае вас может ждать разочарование, когда ваши подсчеты окажутся напрасными по причине отсутствия в таблице критических значений при объеме выборки, которая у вас была. 

После знакомства с процедурой вычисления критерия можно провести «ручную» обработку данных или воспользоваться статистической программой персонального компьютера. Для компьютерной обработки одни психологи предпочитают пакет статистических программ SPSS, другие — программу Statistica. Студенты-психологи предпочитают SPSS, прежде всего, потому, что в последние годы опубликованы хорошие руководства по его применению (Калинин, 2002; Наследов, 2004). 

Методы математической обработки данных важно использовать и для анализа результатов инновационной практической психологической работы: психотерапии, консультирования, развивающей психологической работы. Для этого необходимо регистрировать конкретные психологические и поведенческие показатели участников исследования «до» и «после» курса психологической помощи, которые могут статистически обрабатываться и использоваться для подтверждения эффективности курса занятий. Применение математико-статистических критериев для проверки значимости изменений придает доказательность выводам такой работы.

Количественные данные и анализ AO1 AO2 AO3

АНАЛИЗ КОЛИЧЕСТВЕННЫХ ДАННЫХ Вы узнали большую часть того, что вам нужно знать об анализе количественных данных, в начальной школе или в первые годы средней школы. Описательная статистика — это простые вычисления, которые анализируют выборку чисел. Вы должны распознавать среднее значение, моду и медиану; стандартное отклонение может быть немного более неясным. Они и графики, основанные на них, поясняются ниже. Логическая статистика, которая использует выборку данных, чтобы сделать выводы о более широкой совокупности, из которой она была взята, немного сложнее и обсуждается в другом месте. МЕРЫ ЦЕНТРАЛЬНОЙ ТЕНДЕНЦИИ Вы уже знаете три простых статистики: среднее, медиана и мода. Среднее значение — это среднее значение набора оценок. Вы вычисляете его, складывая баллы вместе и разделяя на количество баллов в наборе. Среднее может быть числом, которого нет в наборе, и это может сделать его бессмысленным. Например, в средней семье 1,9 ребенка, а как может быть 0,9?ребенка? Средние значения легко «искажаются» из-за чрезмерно высоких или крайне низких показателей, называемых «выбросами». Например, среднюю заработную плату в стране подтянули несколько миллиардеров, которые баснословно богаты. Если есть выбросы, среднее значение может быть недостоверным. Мода — это самый частый счет в наборе, тот, который встречается чаще всего. Это полезно для отображения наиболее популярных или распространенных результатов. В отличие от среднего, мода всегда представляет собой фактическую оценку из набора. Например, в британских семьях принято иметь 1 ребенка; это самый распространенный размер семьи. В отличие от среднего, может быть более одного режима, если несколько разных набирают «равную» популярность. Это может сбивать с толку. Режим помогает нам интерпретировать среднее значение; если мода и среднее сходны, это говорит о стандартном распределении данных, но если они далеко друг от друга, это говорит о том, что данные искажены все расположены в порядке от высшего к низшему. Если имеется четное количество баллов, то медиана – это среднее из двух средних. Медиана может быть или не быть фактическим числом из набора, в зависимости от того, имеет ли набор нечетное количество баллов и фактическое среднее число. В отличие от среднего, медиана не искажается выбросами МЕРЫ ПО РАССЕЯНИЮ Это немного более сложная статистика, но самая простая из них вам уже известна: диапазон. Другое стандартное отклонение. Диапазон — это разница между двумя концами набора баллов. Вы решаете это, беря самый высокий балл и вычитая самый низкий. Как и в случае со средним значением, диапазон искажен (в данном случае растянут) из-за выбросов Большой диапазон означает, что показатели разбросаны, а небольшой диапазон предполагает, что они «сгруппированы» вокруг среднего значения Стандартное отклонение немного сложнее. Стандартное отклонение — это более сложный способ рассмотрения среднего значения. Если вы выстроите баллы всех в ряд, вы ожидаете, что они будут «скапливаться» вокруг среднего значения и «прореживаться» по мере того, как вы будете удаляться от среднего. Обычно так и происходит. Если бы вы сделали это в виде графика, это была бы кривая, похожая на колокол — «кривая колокола». «Глыба» в верхней части раструба — это место, где скапливается большая часть оценок, а плоские концы слева и справа — это то место, где рассредоточены менее распространенные оценки. Этот шаблон также известен как стандартное отклонение. Таким образом, если среднее значение представляет собой глыбу посередине, то слева и справа есть множество оценок, которые довольно близки к среднему значению. Все оценки на 34 % ниже или на 34 % выше среднего — это всего 68 % набора — отличаются от среднего на одно стандартное отклонение (1 SD). Нахождение в пределах 1 стандартного отклонения делает вашу оценку довольно «нормальной» со статистической точки зрения. Еще 14% (т.е. 35-48%) выше и ниже: мы говорим о 96% всех результатов, которые находятся в пределах 2 стандартных отклонений от среднего. Нахождение в пределах 2 SD делает вас «необычным». Затем есть люди, которые не входят в 96%, те, кто входит в нижние 2% и верхние 2%. Эти оценки отличаются на 3+ SD от среднего и считаются «очень необычными» (или просто «странными»). Вы можете рассчитать стандартное отклонение, выполнив следующие действия: Вычислить среднее значение Вычесть среднее из каждого результата в вашем наборе Возвести в квадрат каждый результат (умножить его сам на себя) Сложить результаты в квадрате вместе Разделить на n-1 (количество баллов в вашем наборе минус 1) результат – ваша дисперсия; стандартное отклонение (SD) — это квадратный корень из вашей дисперсии Кроме того, многие веб-сайты быстро вычислят SD для вас Рассчитайте стандартное отклонение здесь Стандартное отклонение — это относительно быстрый (!) способ определить, является ли какой-либо конкретный показатель из вашего набора нормальным, если он находится в пределах ±1 SD от среднего значения. Однако это работает, только если у вас стандартный дистрибутив (подсказка: среднее значение и мода очень похожи): Если среднее значение намного ниже, чем мода, вероятно, у вас отрицательная асимметрия данных; если он намного выше, у вас положительно искаженные данные. Стандартное отклонение бесполезно при асимметричном распределении данных. РАСЧЕТ ЧАСТОТ Часто ваши данные представляют собой набор оценок, но иногда это набор подсчетов или частот. Это известно как данные номинального уровня. Вы можете собирать данные как подсчеты. Например, вы можете посчитать, какие домашние животные есть у одноклассников. Вы не можете вычислить среднее из этого уровня данных, но режим очень полезен (собака — самое распространенное домашнее животное). Вы также можете собирать данные в виде оценок (известных как данные уровня интервала/отношения), а затем преобразовать их в частоты, разбив оценки на категории. Например, вы можете узнать, сколько чашек кофе другие студенты выпивают каждый день, и преобразовать это в частоты. Обратите внимание, что вам решать, как сгруппировать частоты. Если бы вы сгруппировали кофе как 0-7, 8-15 и 16+, у вас было бы меньше категорий, но гораздо больше частот (5, 11 и 2) Частоты можно легко преобразовать в проценты: Суммировать общее количество подсчетов Чтобы вычислить любую заданную частоту в процентах, разделите ее на общее количество подсчетов, а затем умножьте на 100

Качественные и количественные исследования: методы и анализ данных

Существует фундаментальное различие между двумя типами данных:

Количественные данные — это информация о количествах и, следовательно, числах, а качественные данные носят описательный характер и относятся к явлениям которые можно наблюдать, но нельзя измерить, например язык.

Что такое качественное исследование?

Качественное исследование — это процесс сбора, анализа и интерпретации нечисловых данных, таких как язык. Качественные исследования можно использовать для понимания того, как человек субъективно воспринимает и придает смысл своей социальной реальности.

Качественные данные определяются как нечисловые данные, такие как текст, видео, фотографии или аудиозаписи. Этот тип данных может быть собран с использованием дневниковых записей или подробных интервью и проанализирован с использованием обоснованной теории или тематического анализа.

Качественное исследование сфокусировано на нескольких методах, включая интерпретативный, натуралистический подход к своему предмету. Это означает, что качественные исследователи изучают вещи в их естественной среде, пытаясь понять или интерпретировать явления с точки зрения значений, которые люди придают им.

Интерес к качественным данным возник в результате неудовлетворенности некоторых психологов (например, Карла Роджерса) научными исследованиями таких психологов, как бихевиористы (например, Скиннер).

Поскольку психологи изучают людей, традиционный подход к науке не рассматривается как подходящий способ проведения исследований, поскольку он не может охватить весь человеческий опыт и сущность человека. Изучение опыта участников известно как феноменологический подход (относительно гуманизма).

Цель качественного исследования состоит в том, чтобы понять социальную реальность отдельных людей, групп и культур настолько близко, насколько это возможно, так, как ее участники чувствуют или переживают ее. Таким образом, люди и группы изучаются в их естественной среде.

Исследования, основанные на качественном подходе, носят исследовательский характер и направлены на объяснение того, «как» и «почему» конкретное явление или поведение действует так, как оно действует в конкретном контексте. Его можно использовать для создания гипотез и теорий на основе данных.

Качественные методы

Существуют различные типы качественных методов исследования, включая дневниковые записи, глубинные интервью, документы, фокус-группы, тематические исследования и этнографию.

Результаты качественных методов обеспечивают глубокое понимание того, как люди воспринимают свои социальные реалии и, следовательно, как они действуют в социальном мире.

У исследователя есть несколько методов сбора эмпирических материалов, начиная от интервью и заканчивая непосредственным наблюдением, анализом артефактов, документов и культурных записей, использованием визуальных материалов или личного опыта.

Хорошим примером метода качественного исследования могут быть неструктурированные интервью, которые позволяют получить качественные данные с помощью открытых вопросов. Это позволяет респонденту говорить более подробно, выбирая собственные слова. Это помогает исследователю развить реальное чувство понимания человеком ситуации.

Обратите внимание, что качественные данные могут представлять собой гораздо больше, чем просто слова или текст. Фотографии, видео, звукозаписи и т. д. можно считать качественными данными.

Качественный анализ данных

Качественные исследования бесконечно творчески и интерпретативны. Исследователь не просто покидает поле с горами эмпирических данных, а затем легко записывает свои выводы.

Создаются качественные интерпретации, и для осмысления данных могут использоваться различные методы, такие как контент-анализ, обоснованная теория (Glaser & Strauss, 1967), тематический анализ (Braun & Clarke, 2006) или анализ дискурса.

Например, тематический анализ представляет собой качественный подход, который включает выявление неявных или явных идей в данных. Темы часто возникают после кодирования данных.

Основные характеристики

• События можно правильно понять только в том случае, если они рассматриваются в контексте. Поэтому качественный исследователь погружается в поле, в природную среду. Контексты исследования не придуманы; они естественны. Ничто не предопределено и не принято как должное.
• Качественные исследователи хотят, чтобы те, кого изучают, говорили сами за себя, выражали свою точку зрения словами и другими действиями. Таким образом, качественное исследование представляет собой интерактивный процесс, в ходе которого изучаемые лица рассказывают исследователю о своей жизни.
• Качественный исследователь является неотъемлемой частью данных; без активного участия исследователя никаких данных не существует.
• Дизайн исследования развивается в ходе исследования и может корректироваться или изменяться по мере его продвижения. Для качественного исследователя не существует единой реальности. Оно субъективно и существует только по отношению к наблюдателю.
• Теория основана на данных и возникает как часть исследовательского процесса, развивающегося на основе данных по мере их сбора.

Ограничения качественного исследования

• Из-за затрат времени и средств качественные планы обычно не берут выборки из крупномасштабных наборов данных.
• Проблема адекватной валидности или надежности вызывает серьезную критику. Из-за субъективного характера качественных данных и их происхождения в отдельных контекстах трудно применять общепринятые стандарты надежности и достоверности. Например, из-за того, что исследователь играет центральную роль в получении данных, невозможно воспроизвести качественные исследования.
• Кроме того, контексты, ситуации, события, условия и взаимодействия не могут быть воспроизведены в какой-либо степени, а также не могут быть сделаны обобщения для более широкого контекста, чем тот, который изучен с уверенностью.
• На сбор, анализ и интерпретацию данных требуется много времени. Анализ качественных данных затруднен, и для интерпретации качественных данных необходимо экспертное знание области. При этом необходимо проявлять большую осторожность, например, при поиске симптомов психического заболевания.

Преимущества качественного исследования

• Благодаря тесному участию исследователя, исследователь получает взгляд изнутри на область. Это позволяет исследователю находить вопросы, которые часто упускаются из виду (например, тонкости и сложности) в научных, более позитивистских исследованиях.
• Качественные описания могут быть важны для предположения о возможных отношениях, причинах, следствиях и динамических процессах.
• Качественный анализ допускает двусмысленность/противоречия в данных, которые отражают социальную реальность (Denscombe, 2010).
• Качественное исследование использует описательный, повествовательный стиль; это исследование может быть особенно полезным для практикующего врача, поскольку он или она может обратиться к качественным отчетам для изучения форм знаний, которые в противном случае могли бы быть недоступны, таким образом получая новое понимание.

Что такое количественные исследования?

Количественные исследования включают в себя процесс объективного сбора и анализа числовых данных для описания, прогнозирования или контроля интересующих переменных.

Целями количественных исследований являются проверка причинно-следственных связей между переменными, создание прогнозов и распространение результатов на более широкие группы населения.

Количественные исследователи стремятся установить общие законы поведения и явлений в различных условиях/контекстах. Исследования используются для проверки теории и, в конечном итоге, для ее подтверждения или опровержения.

Количественные методы

Эксперименты обычно дают количественные данные, поскольку они связаны с измерением вещей. Однако другие методы исследования, такие как контролируемое наблюдение и анкетирование, могут давать как количественную информацию.

Например, оценочная шкала или закрытые вопросы в анкете будут генерировать количественные данные, поскольку они дают либо числовые данные, либо данные, которые можно разделить на категории (например, ответы «да», «нет»).

Экспериментальные методы ограничивают то, как участник исследования может реагировать и выражать соответствующее социальное поведение.

Таким образом, выводы, скорее всего, связаны с контекстом и просто отражают предположения, которые исследователь привносит в исследование.

Количественный анализ данных

Статистика помогает нам превращать количественные данные в полезную информацию для принятия решений. Мы можем использовать статистику, чтобы суммировать наши данные, описывая закономерности, отношения и связи. Статистика может быть описательной или логической.

Описательная статистика помогает нам обобщить наши данные. Напротив, логическая статистика используется для выявления статистически значимых различий между группами данных (такими как группы вмешательства и контрольные группы в рандомизированном контрольном исследовании).

Основные характеристики

• Исследователи количественных показателей пытаются контролировать посторонние переменные, проводя свои исследования в лаборатории.
• Исследование направлено на объективность (т. е. на беспристрастность) и отделено от данных.
• План исследования определяется до его начала.
• Для количественного исследователя реальность объективна, существует отдельно от исследователя и может быть видна любым.
• Исследования используются для проверки теории и, в конечном счете, ее подтверждения или опровержения.

Ограничения количественных исследований

• Контекст: Количественные эксперименты не проводятся в естественных условиях. Кроме того, они не позволяют участникам объяснять свой выбор или значение вопросов, которые они могут задать этим участникам (Carr, 1994).
• Квалификация исследователя: плохое знание применения статистического анализа может негативно повлиять на анализ и последующую интерпретацию (Black, 1999).
• Изменчивость количества данных: Для более точного анализа необходимы большие размеры выборки. Мелкомасштабные количественные исследования могут быть менее надежными из-за небольшого количества данных (Denscombe, 2010). Это также влияет на возможность обобщать результаты исследования на более широкие группы населения.
• Предвзятость подтверждения: Исследователь может пропустить наблюдение явлений из-за сосредоточения внимания на теории или проверке гипотез, а не на теории генерации гипотез.

Преимущества количественных исследований

• Научная объективность: количественные данные могут быть интерпретированы с помощью статистического анализа, а поскольку статистика основана на принципах математики, количественный подход считается научно объективным и рациональным (Carr, 1994; Denscombe, 2010). ).
• Полезно для проверки и проверки уже построенных теорий.
• Быстрый анализ: сложное программное обеспечение устраняет большую часть необходимости в длительном анализе данных, особенно при работе с большими объемами данных (Antonius, 2003).
• Репликация: количественные данные основаны на измеренных значениях и могут быть проверены другими, поскольку числовые данные менее подвержены неоднозначности интерпретации.
• Гипотезы также могут быть проверены благодаря статистическому анализу (Antonius, 2003).

Ссылки

Антониус, Р. (2003). Интерпретация количественных данных с помощью SPSS . Мудрец.

Черный, TR (1999). Проведение количественных исследований в социальных науках: комплексный подход к дизайну, измерению и статистике исследований . Мудрец.

Браун, В. и Кларк, В. (2006). Использование тематического анализа в психологии. Качественные исследования в психологии , 3, 77–101.

Карр, Л. Т. (1994). Сильные и слабые стороны количественных и качественных исследований: какой метод ухода за больными? Journal of Advanced Nursing, 20(4) , 716-721.

Денскомб, М. (2010). The Good Research Guide: для небольших социальных исследований. Макгроу Хилл.

Дензин Н. и Линкольн. Ю. (1994). Справочник по качественным исследованиям. Таузенд-Оукс, Калифорния, США: Sage Publications Inc.

Glaser, B.G., Strauss, A.L., & Strutzel, E. (1968). Открытие обоснованной теории; стратегии качественных исследований. Сестринское исследование, 17(4) , 364.

Миникиелло, В. (1990). Углубленное интервью: исследование людей.