Эмпирические аспекты исследования
Министерство образования и науки РФ Федеральное государственное автономное образовательное учреждение высшего профессионального образования
РОССИЙСКИЙ УНИВЕРСИТЕТ ДРУЖБЫ НАРОДОВ
Филологический факультет
Кафедра социальной и дифференциальной психологии
Общий психологический практикум
Ощущения и восприятие:
«Метод многомерного шкалирования»
Студентка д.о., 2 курса, гр. ФПБ-21:
Ильченко М.В.
Преподаватель:
Шляхта Д.А.
Москва 2017
Оглавление
Введение..................................................................................................................................... 3
Теоретические аспекты исследования................................................................................... 4
Эмпирические аспекты исследования................................................................................... 7
Анализ и интерпретация полученных результатов.............................................................. 8
Заключение............................................................................................................................... 13
Список использованной литературы.................................................................................... 14
Введение
Многомерное шкалирование начало свое интенсивное развитие в 60-х годах в работах американских ученых Торгерсона (Torgerson), Шепарда (Shepard), Краскэла (Kruskal). Круг советских специалистов, занимающихся этой проблемой, достаточно узок, и основные их усилия направлены на разработку формализованных методов и вычислительных процедур, реализующих известные модели на ЭВМ. Задача многомерного шкалирования в общем виде состоит в том, чтобы выявить структуру исследуемого множества стимулов.
|
|
|
Тема: Метод многомерного шкалирования
Цель: практическое освоение метода МШ и овладение навыками применения его в психологических исследованиях для измерения сложных субъективных переменных и построения геометрической модели различения сложных стимулов.
Задачи исследования:
1. Провести процедуру попарных сравнений;
2. Обработать матрицу различий между стимулами с помощью подпрограммы smacof среды R;
3. Построить графики зависимости стресса и доля необъясненной модели размерности пространства;
4. Выбрать пространство нужной размерности;
5. Выявить признаки, лежащие в основе различения стимулов.
Методы: Библиографический, метод многомерного шкалирования
Теоретические аспекты исследования
Метод многомерного шкалирования - система методических приемов и способов сбора и обработки психологической, социально-психологической и социологической информации для получения объективных данных о скрытых или явных закономерностях поведения (функционирования) сложных, многомерных объектов. Обычно это двух или реже трехмерное пространство.
|
|
|
Идеи метода многомерного шкалирования очень тесно связаны с методами кластерного и факторного анализа. Задача многомерного шкалирования – изобразить изначально многомерную выборку данных в виде двухмерного или трехмерного графика – карты сходства.
Для решения этой задачи необходимо оценить по множеству признаков меры близости между объектами наблюдений. Методы многомерного шкалирования вычисляют новые переменные на основе имеющихся расстояний между объектами наблюдения.
В факторном анализе сходства между объектами (например, переменными) выражаются с помощью матрицы (таблицы) коэффициентов корреляций. В методе дополнительно к корреляционным матрицам, в качестве исходных данных можно использовать произвольный тип матрицы сходства объектов. Таким образом, на входе всех алгоритмов многомерного шкалирования используется матрица, элемент которой на пересечении ее i-й строки и j-го столбца, содержит сведения о попарном сходстве анализируемых объектов (объекта [i] и объекта [j]). На выходе алгоритма многомерного шкалирования получаются числовые значения координат, которые приписываются каждому объекту в некоторой новой системе координат (во "вспомогательных шкалах", связанных с латентными переменными, откуда и название многомерного шкалирования), причем размерность нового пространства признаков существенно меньше размерности исходного (за это собственно и идет борьба).
|
|
|
Говоря о вычислительных методах, то необходимо сказать, что Многомерное шкалирование - это не просто определенная процедура, а скорее способ наиболее эффективного размещения объектов, приближенно сохраняющий наблюдаемые между ними расстояния. Другими словами, многомерного шкалирования размещает объекты в пространстве заданной размерности и проверяет, насколько точно полученная конфигурация сохраняет расстояния между объектами. Говоря более техническим языком, многомерного шкалирования использует алгоритм минимизации некоторой функции, оценивающей качество получаемых вариантов отображения.
Меры качества отображения: стресс. Мерой, наиболее часто используемой для оценки качества подгонки модели (отображения), измеряемого по степени воспроизведения исходной матрицы сходств, является так называемый стресс. Величина стресса Phi в для текущей конфигурации определяется так:
Phi = [dij - f (ij)]2
|
|
|
Здесь dij - воспроизведенные расстояния в пространстве заданной размерности, а ij (дельтаij) - исходное расстояние. Функция f (ij) обозначает неметрическое монотонное преобразование исходных данных (расстояний). Таким образом, многомерного шкалирования воспроизводит не количественные меры сходств объектов, а лишь их относительный порядок.
Обычно используется одна из несколько похожих мер сходства. Тем не менее, большинство из них сводится к вычислению суммы квадратов отклонений наблюдаемых расстояний (либо их некоторого монотонного преобразования) от воспроизведенных расстояний. Таким образом, чем меньше значение стресса, тем лучше матрица исходных расстояний согласуется с матрицей результирующих расстояний.
Что касается о интерпретации осей координат, то интерпретация осей обычно представляет собой заключительный этап анализа по методу многомерного шкалирования. Как уже упоминалось ранее, в принципе, ориентация осей в методе многомерного шкалирования может быть произвольной, и систему координат можно повернуть в любом направлении. Поэтому на первом шаге получают диаграмму рассеяния точек, соответствующих объектам, на различных плоскостях.
Эмпирические аспекты исследования
Во время исследования испытуемому была представлена серия парных стимулов, каждая пара которых появлялась на 7 секунд, такое же количество времени давалось на ответ. Ответ должен был быть выражен в цифровом диапазоне от 1 до 9, где 1 – максимально похожая пара стимулов, а 9 – максимально различная пара. Оценки фиксировались на цифровой клавиатуре компьютера и подтверждались нажатием клавиши цифры, соответствующей балльной оценке. Предъявления производятся в квази-случайном порядке.
Испытуемому нужно было пройти процедуру попарного сравнения: на экране компьютера испытуемому предъявлялись пары стимулов, где испытуемый должен был оценивать общее сходство сложных объектов так, как если бы мерили объекты сразу по нескольким субъективным шкалам, а не по одной. Комбинируя определенным образом субъективные меры, они осуществляют сложное суждение, подобное оценке психологического качества. То есть от испытуемых требуются оценки степени общего сходства или различия между парами стимулов, по которым в дальнейшем и будет строится шкала межстимульных различий.
После окончания опыта каждый студент получает распечатку матрицы субъективных различий.
Дата добавления: 2019-02-22; просмотров: 141; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!