Andmete tõlgendamine ja andmete kogumine uurimisprotsessist psühholoogias

Kuidas saab katseid kasutada teabe kogumiseks ühiskondlikes uuringutes. Siit saate teada, kuidas saab uuringuid, näiteks intervjuusid ja küsimustikke, kasutada andmete kogumiseks sotsiaalseid uuringuid. Uurige, kuidas sisuanalüüsi kasutatakse andmete kogumiseks sotsiaalses uuringutes.

Tulemuste analüüs

See on andmete analüüsi tulemuste sidumine uurimistöö hüpoteesiga, teooriatega ning olemasolevate ja aktsepteeritud teadmistega.

Tüübid küsimused et meil võiks olla Tõlgendused teatud konkreetsete andmete hulgast: mõõtmisskaala sumbumine. Kuna hukkamised, mis süstemaatiliselt jõuavad või ei jõua kunagi, tuleb tõlgendada mõõteskaala piire. Selle probleemi saab lahendada, tehes pilootuuringut, tuvastades need ebaõnnestumised ja laiendades uues tõlgenduses skaalat.

Katuseefekt. Kui puudutame alati kõrgeimaid hindeid. Mullaefekt. Kui puudutame alati madalaimaid hindeid. Kohandatud regressioon. See on soovimatu nähtus, mis ilmub peaaegu kõigis uurimistes, kui taotletakse kvantitatiivset uuringut. Kalge ​​hinnangute taotlemisel on kalduvus välja anda vastuseid keskmise või keskse väärtusega lähedale. See võib viia meid ekslike järeldusteni.

Tulemused Nad peavad olema tõlgendatud Seoses: saadud efekti ulatus ja täheldatud suundumused või seaduspärasused. Võrrelge neid tulemusi tulemustega, mille on saadud teiste teadlaste poolt sarnastes töödes. Tehtud töö selged järeldused.

Kogumine, andmete analüüs

Andmete kogumine: süstemaatilise vaatluse, uuringute ja katsete kaudu. Looduslikus meedias (väliõppe) või kunstlikus meediumis (teadlase loodud olukorrad). Andmeanalüüsi tegurid, mida tuleb nelja andmete analüüsi ülesande täitmisel arvesse võtta: peame otsustama, ehkki soovitame topeltkeskkonda: kirjeldav statistika. Kui jääme valimisse. Järeldusstatistika. Kui tahame tõenäosust kasutades elanikkonna suhtes järeldada. Muutujate mõõtmistase: intervall või põhjus mõõtmise tase. Proovige mõõta võimalikult kõrgel tasemel, kuna nende hulka kuulub bass, kuid mitte vastupidi. Tõstatatud probleem ja andmete kogumise viis. Tasakaal võimaliku ja mugava vahel tuleb alati teha, et mitte üle ujutada erineva analüüsiga. Soovitav on teostada "analüütiline" süstemaatiline pluralism: süstemaatika tähendab, et määratletud eesmärkidega peab olema üksikasjalik plaan nii andmete kogumiseks kui ka analüüsimiseks.

Pluralism (igal uurimisel on oma piirangud. Neid saab analüüsi optimeerimiseks minimeerida, mille jaoks on vaja tagada mitme- ja mitmuse analüüsivormid. See paljusus hõlmab mitte -empiirilisi andmeid ja puhtalt matemaatilisi või teoreetilisi arenguid. Ülesanded Andmete analüüs: andmete kokkuvõtmise viisid. On indeksid, mis jätkavad jaotuse erinevaid aspekte. Kesksed tendentsindeksid. Näidata jaotuse keskpunkti.

Arvutama:

• Aritmeetiline keskmine: lisame hinded ja jagame need nende arvuga. Nt. (31+31+25+28+30)/5 = 29 Mood: Kõige sagedasem tähelepanek on 31
• Keskmine: hinnete tellimine on keskne tulemus 30. Varieeruvus või dispersioonindeksid. Need näitavad, kuidas muutuvad andmed on dispersioonid.
• Dispersioon või kallutatud dispersioon. Diferentsiaalhindete arvutamine (iga skoori keskmise lahutamine) koos ruuduga, lisades ja jagades need nende arvu vahel. Nt. S2S = / 5 = 5,2
• UNSISTAD DISPIRIAALNE. Jagame juhtumite arvu vähem: nt. Vi = / (5-1) = 6,5
• Tüüpiline hälvete kõrvalekalle. Joonistamata dispersiooni (VI) ruutjuure joonistamine. Dt = Ö vi = Ö 6,5 = 2,55
• Tüüpiline kallutatud kõrvalekalle. Variatsiooni või erapooliku dispersiooni (S2S) EX ruutjuure joonistamine. Ss = Ö s2s = Ö 5,2 = 2,28 jaotuse kogu amplituud. Kui maksimaalse väärtuse minimaalne väärtus lahutatakse ex. AT = 31 - 25 = 6
• Asümmeetriaindeksid. ¿See on sümmeetriline hinnete jaotus?. Keskmise mooduse lahutamine ja selle erinevuse jagamine standardse kallutatud kõrvalekalde vahel. As = (29 - 31) / 2,28 = -0,88, kui see on väiksem kui null, see tähendab negatiivseid (on rohkem kõrgeid hindeid kui alla lähete), kui see on suurem kui null, see tähendab positiivset (on rohkem madal hinded kui kõrged)

Kui see on null. ¿See on lamestatud tulemuste jaotus? Andmetes mustrite (korrapärasuste või erinevuste) otsimine. Üks parimaid viise on graafiline esitus. Tulemuste prognoosimine sõltuvalt andmetest. Ennustused, mis kasutavad oma suhteid ära. Kui muster tunnustatakse, on parim viis selle kokkuvõtmiseks funktsiooni kaudu. Ehkki see ei käi läbi kõik punktid, pakub see meile lisaks nendevaheliste suhete olemusele ja intensiivsusele ka andmete kirjeldamiseks lihtsamat, ehkki mittetäielikku viisi.

Elanikkonna üldistamine valimist. Üldistage ülaltoodud tulemused laiematele väljadele kui esialgse valimi tulemused, millest hakkame populatsioonile järeldusi kirjeldava andmete analüüsi abil tegema, rakendades tõenäosust. Me läbime järeldusi, et üldistada elanikkonna tulemusi.

See artikkel on pelgalt informatiivne, psühholoogia-onliinil pole meil jõudu diagnoosi teha ega ravi soovitada. Kutsume teid minema psühholoogi juurde, et ravida teie konkreetset juhtumit.

Kui soovite lugeda rohkem sarnaseid artikleid Andmete tõlgendamine ja andmete kogumine uurimisprotsessist psühholoogias, Soovitame sisestada meie eksperimentaalse psühholoogia kategooria.