Πώς μπορούν να χρησιμοποιηθούν τα πειράματα για τη συλλογή πληροφοριών στην κοινωνική έρευνα. Μάθετε πώς οι έρευνες, όπως συνεντεύξεις και ερωτηματολόγια, μπορούν να χρησιμοποιηθούν για τη συλλογή δεδομένων στην κοινωνική έρευνα. Μελετήστε πώς χρησιμοποιείται η ανάλυση περιεχομένου για τη συλλογή δεδομένων στην κοινωνική έρευνα.
Είναι η σύνδεση των αποτελεσμάτων της ανάλυσης δεδομένων με την ερευνητική υπόθεση, με τις θεωρίες και με τις ήδη υπάρχουσες και αποδεκτές γνώσεις.
Τύποι προβλήματα που θα μπορούσαμε να έχουμε με το ερμηνείες ορισμένων συγκεκριμένων δεδομένων: Μείωση της κλίμακας μέτρησης. Όπως πρέπει να ερμηνευθούν παραστάσεις που φτάνουν συστηματικά ή δεν μπορούν ποτέ να φτάσουν, τα όρια της κλίμακας μέτρησης. Αυτό το πρόβλημα μπορεί να επιλυθεί κάνοντας μια πιλοτική μελέτη, εντοπίζοντας αυτά τα ελαττώματα και αυξάνοντας τη νέα ερμηνεία.
Επίδραση οροφής. Αν αγγίζουμε πάντα τις υψηλότερες βαθμολογίες. Εφέ δαπέδου. Αν αγγίζουμε πάντα τις χαμηλότερες βαθμολογίες. Παλινδρόμηση για μέτρηση. Είναι ένα ανεπιθύμητο φαινόμενο που εμφανίζεται σχεδόν σε όλες τις έρευνες όταν ζητείται ποσοτική κρίση. Είναι η τάση να εκπέμπουν αποκρίσεις κοντά στις μέσες ή κεντρικές τιμές όταν απαιτούνται υψηλές ακραίες αξιολογήσεις. Μπορεί να μας οδηγήσει σε λανθασμένα συμπεράσματα.
Τα αποτελέσματα πρέπει να είναι ερμηνεύεται σχετικά με: Το μέγεθος της επίδρασης που αποκτήθηκε και τις τάσεις ή τις κανονικότητες που παρατηρήθηκαν. Συγκρίνετε αυτά τα αποτελέσματα με αυτά που ελήφθησαν από άλλους ερευνητές σε παρόμοια έργα. Σαφή συμπεράσματα της εργασίας που πραγματοποιήθηκε.
Συλλογή δεδομένων: Μέσω συστηματικής παρατήρησης, ερευνών και πειραμάτων. Σε φυσικά περιβάλλοντα (μελέτη πεδίου) ή σε τεχνητά περιβάλλοντα (Καταστάσεις που δημιουργούνται από τον ερευνητή). Ανάλυση δεδομένων Παράγοντες που πρέπει να λαμβάνονται υπόψη κατά την εκτέλεση των τεσσάρων εργασιών ανάλυσης δεδομένων: Πρέπει να αποφασίσετε, παρόλο που προτείνουμε το διπλό περιβάλλον: Περιγραφική στατιστική. Εάν παραμείνουμε στο δείγμα. Επαγωγική στατιστική. Αν θέλουμε να συμπεράνουμε τον πληθυσμό χρησιμοποιώντας πιθανότητες. Επίπεδο μέτρησης μεταβλητών: Επίπεδο μέτρησης διαστήματος ή λόγου. Προσπαθήστε να μετρήσετε στο υψηλότερο δυνατό επίπεδο, καθώς αυτά περιλαμβάνουν τα χαμηλά, αλλά όχι το αντίστροφο. Πρόβλημα που προέκυψε και τρόπος συλλογής των δεδομένων. Πρέπει να επιτυγχάνεται πάντα ισορροπία μεταξύ του τι είναι δυνατό και του βολικού, ώστε να μην κατακλύζεται από διαφορετικές αναλύσεις. Συνιστάται η πραγματοποίηση ενός συστηματικού «αναλυτικού» πλουραλισμού: Η συστηματικότητα υπονοεί ότι πρέπει να υπάρχει ένα λεπτομερές σχέδιο με συγκεκριμένους στόχους τόσο για τη συλλογή όσο και για την ανάλυση δεδομένων.
Ο πλουραλισμός (οποιαδήποτε μορφή έρευνας έχει τους περιορισμούς του. Αυτά μπορούν να ελαχιστοποιηθούν βελτιστοποιώντας τις αναλύσεις, για τις οποίες είναι απαραίτητο να αναζητηθούν πολλαπλές και πληθυντικές μορφές ανάλυσης. Αυτό το πλήθος περιλαμβάνει αυτά που αναφέρονται σε μη εμπειρικά δεδομένα και καθαρά μαθηματικές ή θεωρητικές εξελίξεις. Μικροδουλειές ανάλυσης δεδομένων: Τρόποι για να συνοψίσουμε τα δεδομένα. Έχετε δείκτες που συνοψίζουν διαφορετικές πτυχές της διανομής. Κεντρικοί δείκτες τάσεων. Δείχνουν το κέντρο μιας διανομής.
Υπολογίζω:
- Ο αριθμητικός μέσος όρος: Προσθέτουμε τις βαθμολογίες και τις διαιρούμε με τον αριθμό αυτών. Π.χ. (31 + 31 + 25 + 28 + 30) / 5 = 29 Η λειτουργία: Η πιο συχνή παρατήρηση είναι 31
- Ο διάμεσος: Ταξινόμηση των αποτελεσμάτων, η μέση βαθμολογία είναι 30. Δείκτες μεταβλητότητας ή διασποράς. Δείχνουν πόσο διασκορπισμένα είναι τα δεδομένα της μεταβλητής.
- Παραλλαγή ή προκατειλημμένη διακύμανση. Υπολογισμός των διαφορικών βαθμολογιών (αφαίρεση του μέσου όρου κάθε βαθμολογίας), τετράγωνο, προσθήκη τους και διαίρεση τους με τον αριθμό αυτών. Π.χ. S2s = / 5 = 5.2
- Αμερόληπτη διακύμανση. Διαιρούμε τον αριθμό των περιπτώσεων μείον μία: Π.χ. VI = / (5-1) = 6.5
- Αμερόληπτη τυπική απόκλιση. Λήψη της τετραγωνικής ρίζας της αμερόληπτης διακύμανσης (VI) Π.χ. DTI = Ö VI = Ö 6.5 = 2.55
- Τυποποιημένη τυπική απόκλιση. Λήψη της τετραγωνικής ρίζας του Variance ή μεροληψίας (S2s) Π.χ. Ss = Ö S2s = Ö 5.2 = 2.28 Συνολικό πλάτος της κατανομής. Εάν η ελάχιστη τιμή αφαιρείται από τη μέγιστη τιμή π.χ. AT = 31 - 25 = 6
- Δείκτες ασυμμετρίας. Είναι μια συμμετρική κατανομή των βαθμολογιών; Αφαιρώντας τη λειτουργία από το μέσο όρο και διαιρώντας αυτήν τη διαφορά με την τυποποιημένη τυπική απόκλιση. As = (29 - 31) / 2.28 = -0.88 Εάν είναι μικρότερο από το μηδέν, δηλαδή αρνητικό (υπάρχουν υψηλότερες βαθμολογίες από το χαμηλό) Εάν είναι μεγαλύτερο από το μηδέν, δηλαδή θετικό (υπάρχουν περισσότερες χαμηλές βαθμολογίες από υψηλός)
Εάν είναι μηδέν, είναι συμμετρικό (το ένα μέρος της κατανομής είναι μια αντανάκλαση του άλλου). Είναι μια ισοπεδωμένη κατανομή βαθμολογίας; Ψάχνετε για μοτίβα (κανονικότητες ή διαφορές) στα δεδομένα. Ένας από τους καλύτερους τρόπους είναι η γραφική παράσταση. Αποτελέσματα πρόβλεψης βάσει δεδομένων. Προβλέψεις που εκμεταλλεύονται τις σχέσεις σας. Όταν ένα μοτίβο αναγνωρίζεται ο καλύτερος τρόπος για να το συνοψίσει είναι μέσω μιας συνάρτησης. Αν και δεν ξεπερνά όλα τα σημεία, μας προσφέρει έναν απλούστερο, αν και ελλιπή, τρόπο περιγραφής των δεδομένων καθώς και τη φύση και την ένταση των σχέσεων μεταξύ τους.
Γενίκευση στον πληθυσμό από το δείγμα. Γενικεύστε τα παραπάνω αποτελέσματα σε πεδία ευρύτερα από εκείνα του αρχικού δείγματος από τα οποία Ξεκινάμε κάνοντας συμπεράσματα για τον πληθυσμό με τη βοήθεια περιγραφικής ανάλυσης δεδομένων εφαρμόζοντας το πιθανότητα. Πραγματοποιούμε συμπεράσματα για τη γενίκευση των αποτελεσμάτων του πληθυσμού.
Αυτό το άρθρο είναι απλώς ενημερωτικό, στο Psychology-Online δεν έχουμε τη δύναμη να κάνουμε διάγνωση ή να προτείνουμε θεραπεία. Σας προσκαλούμε να πάτε σε ψυχολόγο για να αντιμετωπίσετε τη συγκεκριμένη σας περίπτωση.
