Лекции по "Экспериментальной психологии"

 

Тип шкалы:

• определяет, какую статистическую процедуру мы будем использовать (см. таблицу)
• помогает критически оценивать исследования других
• влияет на интерпретацию данных, так как разные шкалы позволяют отразить различные свойства.

 

Только со шкалы интервалов имеет  смысл говорить о средних значениях некоторого показателя. Так, например, если мы отнесем IQ к шкале интервалов, то сможем говорить о среднем показателе группы, что позволит нам, скажем, сравнивать среднее значение IQ школьников в различных странах. Если же IQ – это шкала порядка, то тогда понятие среднего теряет смысл и никакого среднего IQ группы быть не может.

 

Лишь в шкале равных отношений  мы можем говорить о процентах. Так, например, утверждать, что некоторая  методика позволила повысить креативность на 20% мы сможем только тогда, когда креативность будет измерена на шкале равных отношений.

Свойства, отражаемые различными типами шкал

 

Различие	шкала наименований
Величина	шкала порядка
Равные интервалы	шкала интервалов
Равные отношения	шкала равных отношений

 

 

Процедуры субъективного  шкалирования

 

! В результате этих процедур мы получаем шкалу порядка!

 

• Метод ранжирования - все объекты представляются испытуемому одновременно, он должен их упорядочить по величине измеряемого признака.
• Метод парных сравнений - объекты представляются испытуемому попарно (число предъявляемых сочетаний n(n-1)), где n - число сравниваемых объектов; испытуемый оценивает сходство или различие между членами пар.
• Метод абсолютной оценки - стимулы предъявляются по одному. Испытуемый дает оценку стимула в единицах предложенной шкалы.
• Метод выбора - индивиду предлагаются несколько объектов, из которых он должен выбрать те, которые соответствую заданному критерию.

 

Метод  ранжирования

 

Метод основан на следующем допущении: Каждый испытуемый и каждый стимул могут представлены на некоторой одномерной шкале (J шкале) предпочтений как точки, так что порядок предпочтений в ответах испытуемого (последовательность его предпочтений) соответствует расстояниям от точки «идеала» испытуемого до каждого конкретного стимула (рис.1).

 

 

точка «идеала»

 

Рис 1. Шкала, соответствующая порядку  предпочтений C D B E A F

 

Данные состоят из набора упорядоченных  по некоторому критерию стимулов, полученных от многих испытуемых.

 

Процедура анализа заключается в нахождении шкалы J путем развертывания полученных упорядоченных наборов.

 

Процедуры такого анализа слишком  сложные, чтобы приводить их в  тексте (честное слово, когда вы их увидите, то точно делать не будете). Для анализа следует воспользоваться компьютерными программами.

 

МЕТОД  ПАРНЫХ  СРАВНЕНИЙ

 

При предъявлении стимулов необходимо обеспечить

• чтобы некоторый стимул встречался одинаковое число раз в правой и левой части
• чтобы повторение стимула шло, как минимум, через три другие пары

 

АЛГОРИТМ ПОЛУЧЕНИЯ ШКАЛЫ.

 

Поясним работу процедуры обработки  данных на примере.

 

Пусть у нас есть 5 образцов кофе неизвестной сладости. Наша задача - расположить их по шкале, которая  показывала бы сладость кофе. Произвольно  нальем их в чашки, обозначенные как “чашка 1”, “чашка 2” и т.д. Задача испытуемого, попробовав кофе из двух чашек, выбрать ту, в которой кофе, на его взгляд, является более сладким.

 

Пусть мы попросили выполнить эту  процедуру 50 человек.

 

Сводим в таблицу n x n абсолютные частоты предпочтения (сколько раз j-тый элемент был предпочтен i-тому) – получаем матрицу F.

 

Так, для задачи измерения сладости кофе, число 26 на пересечении колонок  “чашка 1” и “чашка 2” значит, что 26 раз кофе в первой чашке  был признан более сладким.

 

Матрица F

 

I                 J	чашка 1	чашка 2	чашка 3	чашка 4	чашка 5
чашка 1		24	18	23	14
чашка 2	26		18	29	24
чашка 3	32	32		32	27
чашка 4	27	21	18		21
чашка 5	36	26	23	29

 

Далее рассчитываем матрицу относительных  частот - матрицу Р , где показываем те же данные, но в процентах к общему числу.

 

При 50 испытуемых 26 на пересечении  колонок “чашка 1” и “чашка 2”даст 52%, или 0,52 по отношению к единице.

 

матрица Р

I                 J	чашка 1	чашка 2	чашка 3	чашка 4	чашка 5
чашка 1		0,48	0,36	0,46	0,28
чашка 2	0,52		0,36	0,58	0,48
чашка 3	0,64	0,64		0,64	0,54
чашка 4	0,54	0,42	0,36		0,42
чашка 5	0,72	0,52	0,46	0,58

 

 

 

После этого, используя z-преобразование, переводим полученные значения - матрица Z

 

матрица Z

 

I                 J	чашка 1	чашка 2	чашка 3	чашка 4	чашка 5
чашка 1		-0.050	-0.358	-0.100	-0.583
чашка 2	0.050		-0.358	0.202	-0.050
чашка 3	0.358	0.358		0.358	0.1
чашка 4	0.1	-0.202	-0.358		-.202
чашка 5	0.583	0.050	-0.1	0.202

 

 

Для получения шкалы проделываем следующие операции

1. Суммируем все значения в колонке по каждому показателю
2. Находим среднее (å x_i)/n
3. Из полученных значений (å x_i)/n наименьшее (в нашем случае самое большое по модулю отрицательное число) принимаем за ноль

(в нашем случае это “чашка  3” = -0.294)

4. Прибавляем это число с обратным знаком ко всем остальным числам. Полученные цифры - R_j - дают распределение объектов на шкале

 

I               J	чашка 1	чашка 2	чашка 3	чашка 4	чашка 5
чашка 1		-0.050	-0.358	-0.100	-0.583
чашка 2	0.050		-0.358	0.202	-0.050
чашка 3	0.358	0.358		0.358	0.1
чашка 4	0.1	-0.202	-0.358		-.202
чашка 5	0.583	0.050	-0.1	0.202
å xi	1.091	0.156	-1.174	0.662	-0.735
(å xi)/n	0.273	0.039	-0.294	0.166	-0.184
Rj	0.566	0.333	0	0.459	0.110

 

В нашем примере получаем следующую шкалу

 

чашка 3 - самый несладкий кофе

чашка 5

чашка 2

чашка 4

чашка 1 - самый сладкий кофе

 

Достоинства метода

• является самым надежным, с психологической точки зрения

Недостатки

• для большого числа переменных его практическая реализация становится практически невозможной (для 20 переменных, испытуемый должен сравнить уже 380 пар).

 

Таблица значений z-преобразования

 

P(z)	z	P(z)	z	P(z)	z	P(z)	z	P(z)	z
0.002	-2.88	0.16	-0.99	0.39	-0.28	0.62	0.31	0.85	1.04
0.003	-2.75	0.17	-0.95	0.40	-0.25	0.63	0.33	0.86	1.08
0.004	-2.65	0.18	-0.92	0.41	-0.23	0.64	0.36	0.87	1.13
0.005	-2.58	0.19	-0.88	0.42	-0.20	0.65	0.39	0.88	1.18
0.006	-2.51	0.20	-0.84	0.43	-0.18	0.66	0.41	0.89	1.23
0.007	-2.46	0.21	-0.81	0.44	-0.15	0.67	0.44	0.90	1.28
0.008	-2.41	0.22	-0.77	0.45	-0.13	0.68	0.47	0.91	1.34
0.009	-2.37	0.23	-0.74	0.46	-0.10	0.69	0.50	0.92	1.41
0.01	-2.33	0.24	-0.71	0.47	-0.08	0.70	0.52	0.93	1.48
0.02	-2.05	0.25	-0.67	0.48	-0.05	0.71	0.55	0.94	1.55
0.03	-1.88	0.26	-0.64	0.49	-0.03	0.72	0.58	0.95	1.64
0.04	-1.75	0.27	-0.61	0.50	0.00	0.73	0.61	0.96	1.75
0.05	-1.64	0.28	-0.58	0.51	0.03	0.74	0.64	0.97	1.88
0.06	-1.55	0.29	-0.55	0.52	0.05	0.75	0.67	0.98	2.05
0.07	-1.48	0.30	-0.52	0.53	0.08	0.76	0.71	0.99	2.33
0.08	-1.41	0.31	-0.50	0.54	0.10	0.77	0.74	0.991	2.37
0.09	-1.34	0.32	-0.47	0.55	0.13	0.78	0.77	0.992	2.41
0.10	-1.28	0.33	-0.44	0.56	0.15	0.79	0.81	0.993	2.46
0.11	-1.23	0.34	-0.41	0.57	0.18	0.80	0.84	0.994	2.51
0.12	-1.18	0.35	-0.39	0.58	0.20	0.81	0.88	0.995	2.58
0.13	-1.13	0.36	-0.36	0.59	0.23	0.82	0.92	0.996	2.65
0.14	-1.08	0.37	-0.33	0.60	0.25	0.83	0.95	0.997	2.75
0.15	-1.04	0.38	-0.31	0.61	0.28	0.84	0.99	0.998	2.88