Kaip eksperimentai gali būti naudojami renkant informaciją atliekant socialinius tyrimus. Sužinokite, kaip apklausos, tokios kaip interviu ir klausimynai, gali būti naudojamos renkant duomenis atliekant socialinius tyrimus. Ištirkite, kaip turinio analizė naudojama renkant duomenis atliekant socialinius tyrimus.
Tai yra duomenų analizės rezultatų susiejimas su tyrimo hipoteze, su teorijomis ir jau esamomis bei priimtomis žiniomis.
Tipai problemų kad galėtume turėti su interpretacijos tam tikrų konkrečių duomenų: matavimo skalės susilpninimas. Reikia interpretuoti spektaklius, kurie sistemingai pasiekia arba niekada negali pasiekti matavimo skalės ribų. Šią problemą galima išspręsti atlikus bandomąjį tyrimą, nustatant šiuos trūkumus ir padidinant naują interpretaciją.
Lubų efektas. Jei visada paliesime aukščiausius balus. Grindų efektas. Jei visada paliesime žemiausius balus. Regresija matuoti. Tai nepageidaujamas reiškinys, atsirandantis beveik visuose tyrimuose, kai prašoma kiekybinio sprendimo. Tai yra tendencija skleisti atsakus, artimus vidutinėms ar pagrindinėms vertėms, kai reikalaujama aukštų ekstremalių vertinimų. Tai gali mus padaryti neteisingomis išvadomis.
Rezultatai turi būti interpretuojamas dėl: Gauto efekto dydžio ir pastebėtų tendencijų ar dėsningumų. Palyginkite šiuos rezultatus su kitų tyrėjų gautais panašiuose darbuose. Aiškios atlikto darbo išvados.
Duomenų rinkimas: sistemingai stebint, atliekant apklausas ir eksperimentus. Natūralioje aplinkoje (lauko tyrimas) arba dirbtinėje aplinkoje (tyrėjo sukurtos situacijos). Duomenų analizė Veiksniai, į kuriuos reikia atsižvelgti atliekant keturias duomenų analizės užduotis: Jūs turite nuspręsti, nors mes siūlome dvigubą aplinką: aprašomoji statistika. Jei pasiliksime imtyje. Išvadinė statistika. Jei norime padaryti išvadą gyventojų atžvilgiu, naudodami tikimybę. Kintamųjų matavimo lygis: Intervalo arba santykio matavimo lygis. Pabandykite matuoti kuo aukštesniu lygiu, nes tai apima ir žemus, bet ne atvirkščiai. Iškilusi problema ir duomenų rinkimo būdas. Visada reikia išlaikyti pusiausvyrą tarp to, kas įmanoma, ir to, kas patogu, kad nebūtų užlieta skirtingos analizės. Patartina atlikti sistemingą „analitinį“ pliuralizmą: sistemingumas reiškia, kad duomenų rinkimui ir analizavimui turi būti pateiktas išsamus planas su konkrečiais tikslais.
Pliuralizmas (bet kokia tyrimo forma turi savo apribojimus. Jų galima sumažinti optimizavus analizę, kuriai atlikti reikia ieškoti kelių ir daugiskaitos formų. Šis daugybė apima tuos, kurie nurodo ne empirinius duomenis ir grynai matematinius ar teorinius pokyčius. Darbai duomenų analizė: duomenų apibendrinimo būdai. Turėkite indeksus, apibendrinančius skirtingus paskirstymo aspektus. Centriniai tendencijų indeksai. Jie nurodo pasiskirstymo centrą.
Apskaičiuoti:
- Aritmetinis vidurkis: Sudedame balus ir padalijame iš jų skaičiaus. Pvz. (31 + 31 + 25 + 28 + 30) / 5 = 29 Režimas: Dažniausias stebėjimas yra 31
- Mediana: Rūšiuojant balus, vidutinis balas yra 30. Kintamumo ar sklaidos indeksai. Jie nurodo, kaip išsibarstę kintamojo duomenys.
- Dispersija arba šališkas dispersija. Skaičiuokite diferencinius balus (atimdami kiekvieno balo vidurkį), juos kvadratu, pridedant ir padalijant iš jų skaičiaus. Pvz., S2s = / 5 = 5,2
- Nešališkas dispersija. Dalijame atvejų skaičių atėmus vieną: pvz., VI = / (5-1) = 6,5
- Nešališkas standartinis nuokrypis. Imdami nešališko dispersijos (VI) kvadratinę šaknį, pvz., DTI = Ö VI = Ö 6,5 = 2,55
- Iškreiptas standartinis nuokrypis. Atsižvelgiant į dispersijos arba šališko dispersijos (S2s) kvadratinę šaknį, pvz., Ss = Ö S2s = Ö 5,2 = 2,28 Bendras skirstinio plotis. Jei iš didžiausios vertės atimama mažiausia vertė, pvz., AT = 31 - 25 = 6
- Asimetrijos indeksai. Ar tai simetriškas balų pasiskirstymas? Atimdami režimą iš vidurkio ir padalydami šį skirtumą iš iškreipto standartinio nuokrypio. = = 29 - 31) / 2,28 = -0,88 Jei jis yra mažesnis už nulį, tai yra, neigiamas (yra daugiau aukštų balų nei žemų). Jei jis didesnis nei nulis, tai yra, teigiamas didelis)
Jei jis lygus nuliui, jis yra simetriškas (viena paskirstymo dalis atspindi kitą). Ar tai suplotas balų pasiskirstymas? Ieškoma duomenų dėsningumų (dėsningumų ar skirtumų). Vienas iš geriausių būdų yra grafinis vaizdavimas. Rezultatų prognozavimas remiantis duomenimis. Spėjimai, naudojantys jūsų santykius. Kai modelis atpažįstamas, geriausias jo apibendrinimo būdas yra funkcija. Nors tai neatitinka visų punktų, jis mums siūlo paprastesnį, jei neišsamų, duomenų aprašymo būdą, taip pat jų tarpusavio santykių pobūdį ir intensyvumą.
Apibendrinant populiaciją iš imties. Apibendrinkite aukščiau išvardintus rezultatus į platesnius laukus nei pradinio pavyzdžio, iš kurio Pirmiausia darome išvadas gyventojams, naudodami aprašomąją duomenų analizę, taikydami tikimybė. Mes darome išvadas, norėdami apibendrinti gyventojų rezultatus.
Šis straipsnis yra tik informacinis, „Psychology-Online“ neturime galios nustatyti diagnozės ar rekomenduoti gydymo. Kviečiame kreiptis į psichologą, kad šis gydytų jūsų konkretų atvejį.
