Студопедия Главная Случайная страница Обратная связь

Разделы: Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

Структурные модели семантической памяти






Цепочки

Рис. 7.1.Разновидности структурных моделей семантической

памяти, создаваемых на основе анализа матриц близости

 

Вернемся к описанию результатов. Чаще всего ориентированные графы используются при описании системы причинных зависимостей между независимой, дополнительными и зависимой переменными. Неориентированные графы применяются для описания системы корреляционных связей между измеренными свойствами психики. «Вершинами» обозначаются свойства, а «ребрами» — корреляционные связи. Характеристика связи обычно кодируется разными вариантами изображения ребер графа. Положительные связи изображаются сплошными линиями (или красным цветом), отрицательные связи — пунктиром (или синим цветом). Сила и значимость связи кодируются толщиной линии. Наиболее весомые признаки (с максимальным числом значимых связей с другими) помещаются в центре. Признаки, имеющие меньший «вес», располагаются ближе к периферии.

От системы корреляционных связей можно перейти к отображению «расстояний» между признаками на плоскости. Расстояние вычисляется по известной формуле:

где d — расстояние,

r — корреляция.

Расстояния отражают сходства — различия признаков. В этом случае от топологического описания мы переходим к метрическому, поскольку расстояния между вершинами графа (свойствами) становятся пропорциональными величинам корре ляций с учетом знака: при r = - 1расстояние максимально: d = 1, при r =-1 расстояние минимально: d = 0.

 

Рис. 7.2.Представление результатов факторного анализа (по В. Ф. Петренко

и О. В. Митиной, 1997)

а) Семантическое пространство стран (Ф1, Ф2); б) семантическое пространство стран (ФЗ, Ф4)

Ориентированные и неориентированные графы часто применяются при описании результатов личностных и социально-психологических исследований, в частности социометрических: социограмма — это ориентированный граф.

Любая граф-схема изоморфна матрице (предположений, корреляций и т. д.). Для удобства восприятия не рекомендуется использовать при описании результатов графы более чем с 10-11 вершинами.

Наряду с графами в психологии применяются и пространственно-графические описания, в которых учитывается структура параметров и отношения между элементами (либо метрические, либо топологические). Примером является известное описание структуры интеллекта — «куб» Д. Гилфорда. Другой вариант применения пространственного описания — пространство эмоциональных состояний по В. Вундту или же описание типов личности по Г. Айзенку («круг Айзенка»),

В случае если в пространстве признаков определена метрика, то используется более строгое представление данных. Положение точки в пространстве, изображенном на рисунке, соответствует реальным координатам ее в пространстве признаков. Таким способом представляются результаты многомерного шкалирования, факторного анализа, латентно-структурного анализа и некоторых вариантов кластерного анализа.

Каждый фактор отображается осью пространства, а параметр проведения, измеренный нами, — точкой в этом пространстве. В других случаях, в частности при описании результатов дифференциально-психологических исследований, точками изображаются испытуемые, осями — главные факторы (или латентные свойства).

Для первичного представления данных используются другие графические формы: диаграммы, гистограммы и полигоны распределения, а также различные графики.

Первичным способом представления данных является изображение распределения. Для отображения распределения значений измеряемой переменной на выборке используют гистограммы и полигоны распределения. Часто для наглядности распределение показателя в экспериментальной и контрольной группах изображают на одном рисунке.

Гистограмма — это «столбчатая» диаграмма частотного распределения признака на выборке. Используется декартова система координат. При построении гистограмм на оси абсцисс откладывают значения измеряемой величины, а на оси ординат — частоты или относительные частоты встречаемости данного диапазона величины в выборке. Если на гистограмме отображены относительные частоты, то площадь всех столбиков равна 1.

В полигоне распределения количество испытуемых, имеющих данную величину признака (или попавших в определенный интервал величины), обозначают точкой с координатами: X— градация признака, Y— частота (количество людей) конкретной градации или относительная частота (отнесение количества людей с этой градацией признака ко всей выборке). Точки соединяются отрезками прямой. Перед тем как строить полигон распределения, или гистограмму, исследователь должен разбить диапазон измеряемой величины, если признак дан в шкале интервалов или отношений, на равные отрезки. Рекомендуют использовать не менее 5, но не более 10 градаций. В случае использования номинальной или порядковой шкалы такой проблемы не возникает.

Если исследователь хочет нагляднее представить соотношение между различными величинами, например доли испытуемых с разными качественными особенностями (количество мужчин и женщин), то ему выгоднее использовать диаграмму В секторной круговой диаграмме величина каждого сектора пропорциональна величине встречаемости каждого типа. Величина круговой диаграммы может отображать относительный объем выборки или значимость признака.

 

 

Рис. 7.3.Гистограмма и плавная кривая распределения показателя должного успеха (п = 356) (по Е. В. Сидоренко 1997 г.)

 

 

Рис. 7.4.Гистограмма и полигон распределения.

Кривая полигона частот и гистограмма

Вариантом отображения информации, переходным от графического к аналитическому, являются в первую очередь графики, представляющие функциональную зависимость признаков. Собственно говоря, полигон распределения — это и есть отображение зависимости частоты встречаемости признака от его величины.

Идеальный вариант завершения экспериментального исследования — обнаружение функциональной связи независимой и зависимой переменных, которую можно описать аналитически.

Условно выделим два различных по содержанию типа графиков: 1) отображающие зависимость изменения параметров во времени; 2) отображающие связь независимой и зависимой переменных (или любых двух других переменных). Классическим вариантом изображения первой зависимости является обнаруженная Г. Эббингаузом связь между объемом воспроизведенного материала и временем, прошедшим после заучивания. Аналогичны многочисленные «кривые научения» или «кривые утомления», показывающие изменение эффективности деятельности во времени.

Графики функциональной зависимости двух переменных также не редкость в психологии: законы Фехнера, Стивенса (в психофизике), Йеркса—Додсона (в психологии мотивации), закономерность, описывающая зависимость вероятности воспроизведения элемента от его места в ряду (в когнитивной психологии), и т. п.

Существует ряд простых рекомендаций по построению графиков. В частности, Л. В. Куликов дает следующие советы начинающим исследователям:

1) График и текст должны взаимно дополнять друг друга.

2) График должен быть понятен «сам по себе» и включать все необходимые обозначения.

3) На одном графике не разрешается изображать больше четырех кривых.

4) Линии на графике должны отражать значимость параметра, важнейшие необходимо обозначать цифрами.

5) Надписи на осях следует располагать внизу и слева.

6) Точки на разных линиях принято обозначать кружками, квадратами и треугольниками.

Если необходимо на том же графике представить величину разброса данных, то их следует изображать в виде вертикальных отрезков, чтобы точка, обозначающая среднее, находилась на отрезке (в соответствии с показателем асимметрии).

Видом графиков являются диагностические профили, которые характеризуют среднюю выраженность измеряемых показателей у группы или определенного индивида.

Наиболее важный способ представления результатов научной работы — числовые значения величины: 1) показатели центральной тенденции (среднее, мода, медиана); 2) абсолютные и относительные частоты; 3) показатели разброса (стандартное отклонение, дисперсия, процентильный разброс); 4) значения критериев, использованных при сравнении результатов разных групп; 5) коэффициенты линейной и нелинейной связи переменных и т. д. и т. п. Стандартный вид таблиц для представления первичных результатов: по строкам — испытуемые, по столбцам — значения измеренных параметров. Результаты математической статистической обработки также сводятся в таблицы.

 

 







Дата добавления: 2015-09-07; просмотров: 451. Нарушение авторских прав; Мы поможем в написании вашей работы!

Studopedia.info - Студопедия - 2014-2022 год . (0.016 сек.) русская версия | украинская версия