Kā eksperimentus var izmantot, lai savāktu informāciju sociālajos pētījumos. Uzziniet, kā aptaujas, piemēram, intervijas un anketas, var izmantot, lai savāktu datus sociālajos pētījumos. Izpētiet, kā satura analīzi izmanto, lai savāktu datus sociālajos pētījumos.
Tā ir datu analīzes rezultātu sasaiste ar pētījuma hipotēzi, teorijām un jau esošajām un pieņemtajām zināšanām.
Veidi problēmas kas mums varētu būt ar interpretācijas konkrētu datu: mērījumu skalas vājināšana. Kā interpretējamas izrādes, kas sistemātiski sasniedz vai nekad nevar sasniegt mērījumu skalas robežas. Šo problēmu var atrisināt, veicot izmēģinājuma pētījumu, atklājot šos trūkumus un palielinot jauno interpretāciju.
Griestu efekts. Ja mēs vienmēr pieskaramies visaugstākajiem rādītājiem. Grīdas efekts. Ja mēs vienmēr pieskaramies zemākajiem rādītājiem. Regresija mērīšanai. Tā ir nevēlama parādība, kas parādās gandrīz visās izmeklēšanās, kad tiek prasīts kvantitatīvs spriedums. Tā ir tendence izstarot atbildes, kas ir tuvas vidējām vai centrālajām vērtībām, kad tiek pieprasīti augsti ekstrēmi novērtējumi. Tas var mūs novest pie nepareiziem secinājumiem.
Rezultāti jābūt būt interpretēts attiecībā uz: iegūtā efekta lielumu un novērotajām tendencēm vai likumsakarībām. Salīdziniet šos rezultātus ar tiem, kurus citi pētnieki ir ieguvuši līdzīgos darbos. Veiktā darba skaidri secinājumi.
Datu vākšana: veicot sistemātisku novērošanu, aptaujas un eksperimentus. Dabiskajā vidē (lauka izpēte) vai mākslīgā vidē (pētnieka radītās situācijas). Datu analīze Faktori, kas jāņem vērā, veicot četrus datu analīzes uzdevumus: Jums ir jāizlemj, lai gan mēs iesakām dubulto vidi: aprakstoša statistika. Ja mēs paliekam izlasē. Secinošā statistika. Ja mēs vēlamies secināt attiecībā uz iedzīvotājiem, izmantojot varbūtību. Mainīgo lielumu mērīšanas līmenis: intervāla vai attiecības mērījuma līmenis. Mēģiniet mērīt pēc iespējas augstākā līmenī, jo tie ietver zemos, bet ne otrādi. Radusies problēma un datu savākšanas veids. Vienmēr ir jāpanāk līdzsvars starp iespējamo un ērto, lai netiktu pārpludināts ar dažādām analīzēm. Ieteicams veikt sistemātisku "analītisku" plurālismu: sistemātiskums nozīmē, ka datu vākšanai un analīzei ir jābūt detalizētam plānam ar konkrētiem mērķiem.
Plurālisms (jebkura veida pētījumiem ir ierobežojumi. Tos var samazināt, optimizējot analīzes, kurām nepieciešams meklēt vairākas un daudzskaitlīgas analīzes formas. Šajā daudzveidībā ietilpst tie, kas attiecas uz ne-empīriskiem datiem un tīri matemātiskiem vai teorētiskiem sasniegumiem. Darbi datu analīzes veidi: Datu apkopošanas veidi. Ir indeksi, kas apkopo dažādus izplatīšanas aspektus. Centrālie tendenču indeksi. Tie norāda sadalījuma centru.
Aprēķināt:
- Vidējais aritmētiskais: mēs saskaitām rādītājus un dalām tos ar to skaitu. Piem. (31 + 31 + 25 + 28 + 30) / 5 = 29 Režīms: visbiežāk novērojums ir 31
- Mediāna: Kārtojot rādītājus, vidējais rādītājs ir 30. Mainīguma vai izkliedes rādītāji. Tie norāda, cik izkaisīti ir mainīgā dati.
- Dispersija vai neobjektīva dispersija. Aprēķinot diferenciālos rādītājus (atņemot katra rezultāta vidējo rādītāju), tos kvadrātā, saskaitot un dalot ar to skaitu. Piem., S2s = / 5 = 5,2
- Neobjektīva dispersija. Mēs dalām gadījumu skaitu mīnus viens: piem., VI = / (5-1) = 6,5
- Neobjektīvs standartnovirze. Ņemot objektīvās dispersijas kvadrātsakni (VI), piem., DTI = Ö VI = Ö 6,5 = 2,55
- Novirzīta standartnovirze. Ņemot dispersijas vai novirzes (S2s) kvadrātsakni, piemēram, Ss = Ö S2s = Ö 5,2 = 2,28 Kopējais sadalījuma platums. Ja minimālā vērtība tiek atņemta no maksimālās vērtības, piemēram, AT = 31 - 25 = 6
- Asimetrijas indeksi. Vai tas ir simetrisks punktu sadalījums? Atskaitot režīmu no vidējā un dalot šo starpību ar šķībo standartnovirzi. As = (29 - 31) / 2,28 = -0,88 Ja tas ir mazāks par nulli, tas ir, negatīvs (ir vairāk augstu punktu nekā zemu) Ja tas ir lielāks par nulli, tas ir, pozitīvs (ir vairāk zemu punktu nekā augsts)
Ja tā ir nulle, tā ir simetriska (viena sadalījuma daļa atspoguļo otru). Vai tas ir izlīdzināts punktu sadalījums? Datu modeļu (likumsakarību vai atšķirību) meklēšana. Viens no labākajiem veidiem ir grafiskais attēlojums. Rezultātu prognozēšana, pamatojoties uz datiem. Jūsu attiecību izmantošanas prognozes. Kad modelis tiek atpazīts, vislabākais veids, kā to apkopot, ir funkcija. Lai gan tas neiziet cauri visiem punktiem, tas mums piedāvā vienkāršāku, lai arī nepilnīgu, datu aprakstīšanas veidu, kā arī savstarpējo attiecību raksturu un intensitāti.
Apkopojot populāciju pēc izlases. Vispāriniet iepriekš minētos rezultātus laukos, kas ir plašāki nekā sākotnējā parauga lauki Sākumā izdarām secinājumus iedzīvotājiem, izmantojot aprakstošu datu analīzi, izmantojot varbūtība. Mēs veicam secinājumus, lai vispārinātu attiecībā uz iedzīvotāju rezultātiem.
Šis raksts ir tikai informatīvs, vietnē Psychology-Online mums nav tiesību noteikt diagnozi vai ieteikt ārstēšanu. Mēs aicinām jūs doties pie psihologa, lai ārstētu jūsu konkrēto gadījumu.
