Внутригрупповые эксперименты

Выше говорилось о различных способах создания эквивалетных групп, но почему бы не использовать в исследовании одну и ту же группу? Сначала мы организуем воздействие Х1, а потом Х2 и выясним какое из них эффективней. Исследования в которых используется сравнение испытуемых с ними самими называются внутригрупповыми. Вот только возникает вопрос, а может мы своим первые воздействие уже как-то повлияли на испытуемых, они утомились, или они наоборот научились? Для того что уравнять шансы воздействий (раньше мы уравнивали группы) возможно использование схем позиционного уравнивания. Например, АББА, под буквами зашифровано воздействие. Например А первый способ заучивания стихотворения, Б второй. Проведя 4 серии исследований и усреднив результаты по воздействию А и Б мы сможем узнать какой из способов заучивания эффективнее.

Часто применение внутригрупповых исследование оправдано в случае малого количества испытуемых, особенно если в их качестве должны выступать люди отвечающие определенным требованиям (автогонщики высокого уровня, профессора вузов или лица, страдающие цветовой слепотой и т.д.)

Возможны и более сложные схемы уравнивания, используемые в исследованиях с несколькими независимыми переменными.

Применение схем позиционного уравнивания воздействий возможно только в том случае если предполагается что вмешивающийся эффект линеен (например, усталости или научения).

Тема 9. Применение методов математической статистики для анализа результатов исследования

Описательная статистика.

При описании полученных данных обычно используются такие характеристики центра и разброса данных. Центральные характеристики такие как мода, медиана и среднее. Мода – это значение которое встречается чаще всего (2,2,3,4, 5,5,5,6 = 5). Медина – это серединное значение (2,2,3, 4,5,5,5,6 = (4+5)/2=4.5). Среднее - это сумма всех измерений, поделенная на их число (2,2,3,4,5,5,5,6 = 4). Если данные измерены по шкале наименований, то возможно только узнать моду. Если по шкале порядка, то найти можно медиану. И если данные измерены по шкале порядка или отношений имеет смысл рассчитывать среднее. Обычно возникает вопрос, почему нельзя рассчитать среднее если использована шкала порядка, можно но имеет ли это смысл, ведь с точки зрения шкалы порядка набор 1,2,3 и набор 1,3,4 не имеют различий. Медиана принимает второе по порядку значение, а значение среднего будут отличаться.

Разброс данных тоже очень важен для их описания и анализа Например, оценки по тесту в классе могут быть 10,10,9,10,10 и т.д., а могут быть 5,15,16,4,9,11,3,17 и т.д.. Несмотря на то, что значение среднего будет одинаковым данные групп существенно различаются. В качестве меры разброса в случае шкалы порядка используется размах – разность между наибольшим и наименьшим значением. В случае шкалы интервалов или отношений – дисперсия , где M – среднее , х – значения измерений и n – их количество.

Допустим, у нас возникает проблема: есть новая контрольная (не группа, а измерительный инструмент), как узнать действительно ли она измеряет знания учащихся или мы хотим узнать существенные ли различия между экспериментальной и контрольной группой. В случае если мы можем измерить какие-либо характеристики мы сможем дать ответ насколько мы ошибемся, если предположим, что эти характеристики отличаются. С помощью математической статистики мы оцениваем вероятность ошибки при принятии той или иной гипотезы. В педагогических и психологических исследованиях принято считать, гипотезу подтвержденной, в случае если вероятность ошибки менее 5%. В литературе это выглядит так: p<0.05. При том не надо забывать, что несоблюдение процедуры рассчета вероятности ошибки может приводить к неверным результатам, нарушить статистическую валидность. Надо помнить, что каждый критерий имеет свою область применения и перед его употреблением убедиться в том, что количество испытуемых достаточное, данные измерены по соответствующей шкале и, для некоторых критериев, имеют нормальное распределение.