Анализ и интерпретация полученных результатов
После обработки мы получили матрицу различий между стимулами (см. таблицу 1).
|
| D1 | D2 |
| 1 | -0,4104 | 0,39272 |
| 2 | -0,61731 | 0,41626 |
| 3 | -0,58425 | 0,131387 |
| 4 | -0,47932 | 0,349865 |
| 5 | -0,33233 | 0,256693 |
| 6 | -0,4952 | 0,050102 |
| 7 | -0,43763 | -0,09651 |
| 8 | -0,58815 | 0,021321 |
| 9 | -0,42448 | -0,29109 |
| 10 | -0,58935 | -0,22959 |
| 11 | -0,48381 | -0,53956 |
| 12 | -0,3502 | -0,46466 |
| 13 | -0,23667 | -0,74703 |
| 14 | -0,5167 | -0,44242 |
| 15 | 0,822279 | -0,08124 |
| 16 | 0,591734 | 0,283668 |
| 17 | 0,323115 | 0,483316 |
| 18 | 0,556398 | 0,425277 |
| 19 | -0,18763 | 0,501986 |
| 20 | 0,66148 | -0,25939 |
| 21 | 0,409096 | 0,737966 |
| 22 | 0,228154 | 0,789755 |
| 23 | 0,737979 | 0,019778 |
| 24 | 0,340705 | -0,49708 |
| 25 | 0,20809 | -0,7402 |
| 26 | 0,630016 | -0,12831 |
| 27 | 0,54383 | 0,167925 |
| 28 | 0,403675 | -0,67077 |
| 29 | -0,40357 | 0,653289 |
| 30 | 0,680443 | -0,49346 |
Таблица 1
На основе этих данных у нас получился следующий вид графиков функций, связывающие величину ошибки с числом измерений пространства. (см.рисунок 1, см. рисунок 2).
Рис. 1 График, связывающий величину ошибки с числом измерений пространства для «стресса».
Рис. 2 График, связывающий величину ошибки с числом измерений пространства для «суммы квадратов остатков».
На основе полученных данных у нас вышел следующий анализ конфигурации стимулов (см. рисунок 3), который позволяет, во-первых, выделить группы стимулов, сходных с точки зрения испытуемого, и, во-вторых, выявить два фактора, которыми руководствовался субъект при вынесении суждений о сходствах.
|
|
|
Рис. 3 Конфигурация стимулов в двумерном пространстве.
Испытуемый чаще всего выбирал значения 2,3,8,10 в отрицательных значениях и 23,15 в положительных на оси «Dimension 1». Поскольку для испытуемого они абсолютно различны между собой. Значения в отрицательно оси очень похожи между собой, именно поэтому они находятся так близко друг к другу, так же как и картинки из положительной оси. Рисунки из положительной и отрицательной осей очень разны, как минимум в расположении линий, углах ,которые они образуют.
На оси «Dimension 2» в положительных значениях преобладает выбор 22 числа, а в отрицательных 13 и 25. Очень странно, что испытуемый посчитал различным 22 и 25 рисунки.
Заключение
Методы многомерного шкалирования предназначены для анализа структуры субъективных данных. Они позволяют выявить факторы, лежащие в основе сходств и различий между стимулами, и построить модель принятия решения о сходствах. Одни и те же стимулы, включенные в разные наборы, могут описываться разными факторами. Это обстоятельство является следствием того факта, что различия между стимулами одного набора могут характеризоваться расхождениями по одним факторам, а различия между стимулами другого набора — расхождениями по другим факторам. С помощью многомерного шкалирования можно выявить только те факторы, по которым различается стимулы исследуемого набора, но нельзя выявить факторы, по которым все они сходны.
|
|
|
В рамках реализации данной работы перед нами стояли следующие цели и задачи:
Цель исследования – практическое освоение метода шкалирования и овладение навыками применения его в психологических исследованиях для измерения сложных субъективных переменных и построения геометрической модели различения сложных стимулов.
В соответствии с поставленной целью исследования можно сформулировать следующие задачи:
1. Провести процедуру попарных сравнений;
2. Построить графики зависимости стресса и доля необъясненной модели размерности пространства;
3. Выбрать пространство нужной размерности;
4. Выявить признаки, лежащие в основе различения стимулов.
На основании проведенного исследования, мы можем прийти к следующему заключению, поставленные задачи и цель выполнены.
|
|
|
Список использованной литературы
1. Гусев А. Н., Измайлов Ч.А., Михалевская М.Б. Измерение в психологии: общий психологический практикум. / 2-е изд -- М.: Смысл, 1998. - 286 с. - (Серия «Практикум». Вып. 2).
2. Психологический журнал, Том 4, №1. — 1983. — С.76-88
3. Терехина А. Ю. Многомерный анализ субъективных данных о сходствах или различиях. Препринт, ВНИИСИ, M., 1978
Дата добавления: 2019-02-22; просмотров: 142; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!