Количественная обработка материалов

Статистические методы исследовательской работы применяются на этапах планирования, сбора материалов, сводки и обработки материалов исследования и при представлении его результатов. Не следует преувеличивать значение применения статистических методов. Статистика не раскрывает педагогической сущности явлений. Этими средствами можно лишь констатировать статистически достоверные различия между двумя исследуемыми явлениями, но объяснение сущности причинно-следственных отношений этих различий должно осуществляться методами теоретического анализа. Статистика не требуется при углубленном изучении отдельного, единичного явления, но статистика необходима при рассмотрении совокупности явлений, состоящих из множества отдельных элементов.

Отдельные явления, входящие в совокупность, называются элементами совокупности, обычно обозначаются xi и yi. Если обозначить частоту отдельных элементов fi, то их сумма (å fi) называется объемом совокупности и обозначается буквой N.

Для количественной характеристики совокупностей используют главным образом средние показатели такие, как: среднее арифметическое , мода (Mo), медиана (Me). Те или иные средние показатели вычисляют с учетом задач исследования и конкретных особенностей исследуемых явлений. Например, о результатах успеваемости класса надо судить не по отдельному конкретному ученику, а по средним показателям всей группы.

Средние показатели не всегда подводят к верным выводам, источником достоверной научной информации они становятся лишь только тогда, когда при их вычислении учитывается закон больших чисел. Сущность закона больших чисел заключается в следующем: закономерности совокупностей равномерного состава можно вычислить только при наличии достаточно большого количества данных; точность измерения закономерностей возрастает с увеличением количества элементов объекта исследования; отклонения отдельных явлений от среднего в ту или другую сторону, обусловленные несущественными, случайными обстоятельствами, при большом количестве элементов взаимно компенсируются; эти закономерности можно количественно выразить только в виде средних показателей. Необходимо иметь в виду, что результаты вычисления средних значений можно использовать лишь при нормальном распределении и шкале отношений или хотя бы на равномерной интервальной шкале.

Применение в педагогическом исследовании статистических методов включает в себя следующие этапы. Сбор эмпирических данных методами наблюдения, тестирования, эксперимента, анкетирования и других в целях получения количественных сведений о каких-либо явлениях, заполнение математической модели конкретными цифрами. Сводка полученных сведений, нахождение обобщающих числовых данных и их обработка в пределах формальной математической модели. Составление математической модели для последующего описания с помощью цифр существенных свойств изучаемого объекта. Анализ и интерпретация данных, конструирование содержательных педагогических выводов.

Имеются три главных раздела статистики: описательная статистика, индуктивная статистика, измерение корреляции.

Описательная статистика направлена на то, чтобы описывать, подытоживать и воспроизводить в виде таблиц или графиков данные того или иного распределения, вычислять среднее для данного распределения, его размах и дисперсию.

Индуктивная статистика необходима тогда, когда требуется проверить, можно ли распространить результаты, полученные на данной выборке, на всю популяцию, из которой взята эта выборка. То есть, до какой степени можно путем индукции обобщить на большее число объектов ту или иную закономерность, обнаруженную при изучении ограниченной группы в ходе какого-либо наблюдения или эксперимента. Следовательно, индуктивная статистика необходима после получения эмпирических данных, на этапе обобщения и конструирования выводов.

Тот раздел статистики, в котором даются правила измерения корреляции, необходимо применять с целью изучения степени связи между собой двух переменных с тем, чтобы можно было предсказывать возможные значения одной из них, если известна другая.

Степень корреляции значений двух переменных может быть вычислена двумя способами: с применением параметрических и с помощью непараметрических методов (тестов). Наиболее широкое применение находят параметрические методы. Название «параметрические» методы возникло от того, что при этом методе сравнивают параметры распределения средних показателей таких, как среднее значение или дисперсия данных. Непараметрические методы используются в том случае, когда исследователь имеет дело с очень малыми выборками или с качественными данными; их достоинство в простоте расчетов и применения.

Обоснованный выбор как параметрических методов, так и непараметрических в процессе педагогического исследования во многом определен полученными экспериментальными данными.

Данные в статистике – это основные элементы, подлежащие анализу. Данными могут быть количественные результаты, любая информация, которая может быть классифицирована или разбита на категории с целью обработки.

Существуют три вида статистических данных. Количественные данные, получаемые при измерениях (например, данные о весе, размерах, температуре, времени, результатах тестирования), их можно распределить по шкале с равными интервалами. Порядковые данные, которые получаются при упорядочивании количественных данных в возрастающей последовательности (1-й,..., 7-й,..., 100-й,...; А, Б, В,...). Качественные данные, представляющие собой свойства, признаки элементов выборки или популяции. Их нельзя измерить, и единственной их количественной оценкой служит частота встречаемости (число учащихся башкир, татар, русской национальности и др.; учителя со средним специальным, высшим педагогическим образованием, без педагогического образования; учителя мужского и женского пола).

Только количественные данные подлежат анализу посредством параметрических методов, в основе которых лежат параметры (такие, например, как средняя арифметическая). Но и то лишь тогда, когда число этих данных достаточно, чтобы проявилось нормальное распределение. Для использования параметрических методов в принципе необходимы три условия: данные должны быть количественными, их число должно быть достаточным, а их распределение – нормальным. Во всех остальных случаях всегда рекомендуется использовать непараметрические методы.

Описательная статистика

Статистическая обработка цифровых данных начинается с группировки. Для этого, прежде всего, необходимо расположить данные каждой выборки в возрастающем порядке.

Многие данные принимают одни и те же значения, причем одни значения встречаются чаще, другие – реже. Графически распределение можно представить в столбиковые диаграммы. При этом распределение данных по их значениям дает уже больше информации, чем простое представление в виде рядов. Подобную группировку используют в основном лишь для качественных данных, четко разделяющихся на обособленные категории.

Количественные данные отличаются от качественных своей многочисленностью и располагаются на непрерывной шкале. Поэтому такие данные предпочитают группировать по классам, чтобы яснее видна была основная тенденция распределения. Группировка по классам заключается в том, что объединяют данные с одинаковыми или близкими значениями в классы и определяют частоту для каждого класса. Способ разбивания на классы и величина частоты каждого класса зависят от того, что именно экспериментатор хочет выявить при разделении измерительной шкалы на равные интервалы.

Данные, разбитые на классы по непрерывной шкале, можно представить графически в виде гистограммы, то есть примыкающих друг к другу прямоугольников. Можно строить также полигоны распределения частот, когда отрезками прямых соединяются центры верхних сторон всех прямоугольников гистограммы, а затем с обеих сторон «замыкают» площадь под кривой, доводя концы полигонов до горизонтальной оси.

Индуктивная статистика

Статистические гипотезы. Статистической гипотезой называется предположение относительно сходства или различия функциональных и числовых характеристик случайных величин или событий.

Статистические гипотезы в педагогических исследованиях делят на четыре основные группы: гипотезы о типах вероятностных законов распределения случайных величин; гипотезы о свойствах тех или других числовых параметров; гипотезы о стохастической (вероятностной) зависимости двух или более признаков (факторов); гипотезы о равенстве или различии законов распределения случайных величин, характеризующих изучаемое свойство в двух или более совокупностях рассматриваемых явлений.

В математической статистике проверка гипотез о случайных величинах и событиях базируется на принципе так называемой практической невозможности событий. Сущность данного принципа в том, что задается заранее некоторая вероятность a (например, a = 0,1; a = 0,05), именуемая уровнем значимости. При этом случайные события, вероятность которых меньше или равна a, считаются практически невозможными, но если они происходят, то наступление этого рода событий следует рассматривать как неслучайное. Такое событие становится для нас значимым. Выявлена закономерность, согласно которой чем меньше расчетная вероятность осуществления события, тем больше его неслучайность и тем важнее раскрыть принципы этой закономерности. Уровень значимости, выраженный в процентах, показывает сколько раз в ста случаях мы можем ошибиться, объявив изучаемое событие неслучайным. В гуманитарных науках общепринят 5%-й уровень значимости, при котором допускается ошибка в пяти случаях из ста. При более высоком уровне значимости (10%-м) большее число событий нельзя рассматривать как неслучайные, но достоверность такого вывода будет ниже (90% против 95%). Наоборот, более низкий уровень значимости (1%-й; 0,999%-й) приводит к более осторожным, но и более достоверным выводам.

Статистическая гипотеза представляет утверждение, которое объективно может оказаться либо истинным, либо ложным. Следовательно, уже на этапе выдвижения гипотезы мы обязаны одновременно мыслить и ее отрицание в форме существования противоположной (альтернативной) гипотезы.

Подлежащую контролю гипотезу называют гипотезой частот и нулевой гипотезой и обозначают ее Но. Согласно нулевой гипотезе (Но) существует равенство теоретических вероятностей двух предположений Р 1 и Р 2. Справедливость гипотезы Но означает, что наблюдаемое различие частот объясняется чисто случайными причинами.

Нуль-гипотезе (Но) противопоставляется так называемая альтернативная гипотеза (Н 1). Альтернативной гипотезой является рабочая гипотеза научного исследования, согласно которой наблюдаемое различие частот неслучайно, достаточно значимо, обусловлено влиянием независимой переменной. Основной принцип метода проверки гипотез заключается в том, что выдвигается нулевая гипотеза Но с тем, чтобы попытаться опровергнуть ее и тем самым подтвердить альтернативную гипотезу Н 1. Соответствующими вычислениями при помощи статистических тестов определяют критерий значимости и по специальным таблицам – границу значимости, если результаты статистического теста, используемого для анализа разницы между средними, окажутся таковы, что позволят отбросить Но – будет означать, что верна Н 1, то есть выдвинутая рабочая гипотеза подтверждается.

Для того, чтобы судить о том, какова вероятность ошибиться, принимая или отвергая нулевую гипотезу, применяют статистические методы, соответствующие особенностям выборки. Так, для количественных данных при распределениях, близких к нормальным, используют параметрические методы, основанные на таких показателях, как средняя и стандартное отклонение. В частности, для определения достоверности разницы средних двух выборок применяют критерий t -Стьюдента (Госсета), а для того, чтобы судить о различиях между тремя или большим числом выборок, тест F - Снедекора-Фишера, G - Кохрана, критерий Барлета, дисперсионный анализ и др.

Если же мы имеем дело с неколичественными данными или выборки слишком малы для уверенности в том, что популяции, из которых они взяты, подчиняются нормальному распределению, тогда используют непараметрические методы – критерий (хи-квадрат) К.Пирсона для качественных данных и критерии знаков, рангов, Манна-Уитни, Вилкоксона и др. для порядковых данных.

Кроме того, выбор статистического метода зависит от того, являются ли выборки, средние которых сравниваются, независимыми (т.е., например, взятыми из двух разных групп испытуемых) или зависимыми (т.е. отражающими результаты одной и той же группы испытуемых до и после воздействия или после двух различных воздействий).