मनोविज्ञान में सांख्यिकी और डेटा प्रोसेसिंग। डेटा प्रोसेसिंग और व्याख्या के तरीके

यह एक ऐसा संबंध है जिसमें एक विशेषता में एक समान परिवर्तन दूसरे में असमान परिवर्तन के साथ जुड़ जाता है। यह स्थिति मनोविज्ञान के लिए विशिष्ट है। सहसंबंध गुणांक सूत्र: क्रमिक डेटा की तुलना करते समय, लागू करें रैंक सहसंबंध गुणांकचौधरी स्पीयरमैन (ρ) के अनुसार: ρ = 6Σd 2 / N (N 2 - 1), जहां: d दो मात्राओं के रैंक (क्रमिक स्थानों) में अंतर है, N मूल्यों के तुलनात्मक जोड़े की संख्या है दो चर (एक्स और वाई)। मीट्रिक डेटा की तुलना करते समय, उपयोग करें उत्पाद सहसंबंध गुणांकके. पियर्सन (आर) के अनुसार: आर = Σ xy / Nσ x σ y जहां: x नमूना औसत (एम एक्स) से एक्स के व्यक्तिगत मूल्य का विचलन है, वाई वाई के लिए समान है, ओ एक्स है एक्स के लिए मानक विचलन, ए - वाई के लिए समान, एन - एक्स और वाई के मूल्यों के जोड़े की संख्या। वैज्ञानिक अनुसंधान में कंप्यूटर प्रौद्योगिकी की शुरूआत किसी भी डेटा सरणी की किसी भी मात्रात्मक विशेषताओं को जल्दी और सटीक रूप से निर्धारित करना संभव बनाती है। . विभिन्न कंप्यूटर प्रोग्राम विकसित किए गए हैं जिनका उपयोग लगभग किसी भी नमूने का उचित सांख्यिकीय विश्लेषण करने के लिए किया जा सकता है। मनोविज्ञान में सांख्यिकीय तकनीकों के समूह में से, सबसे व्यापक रूप से उपयोग की जाने वाली तकनीकें निम्नलिखित हैं: 1) आंकड़ों की जटिल गणना; 2) सहसंबंध विश्लेषण; 3) विचरण का विश्लेषण; 4) प्रतिगमन विश्लेषण; 5) कारक विश्लेषण; 6) टैक्सोनोमिक (क्लस्टर) विश्लेषण; 7) स्केलिंग.

2.1.2.2. व्यापक सांख्यिकी गणना

मानक कार्यक्रमों का उपयोग करते हुए, ऊपर प्रस्तुत आँकड़ों के दोनों मुख्य सेट और हमारी समीक्षा में शामिल नहीं किए गए अतिरिक्त सेटों की गणना की जाती है। कभी-कभी शोधकर्ता इन विशेषताओं को प्राप्त करने तक ही सीमित होता है, लेकिन अधिक बार इन आँकड़ों की समग्रता अधिक जटिल कार्यक्रमों का उपयोग करके प्राप्त किए गए अध्ययन किए जा रहे नमूने के संकेतकों के व्यापक सेट में शामिल केवल एक ब्लॉक का प्रतिनिधित्व करती है। इसमें ऐसे प्रोग्राम शामिल हैं जो नीचे दिए गए सांख्यिकीय विश्लेषण के तरीकों को लागू करते हैं।

2.1.2.3. सहसंबंध विश्लेषण

चरों के बीच विभिन्न प्रकार के संबंधों में सहसंबंध गुणांक की गणना करना कम कर देता है। संबंध शोधकर्ता द्वारा निर्धारित किए जाते हैं, और चर समतुल्य होते हैं, यानी, कारण क्या है और प्रभाव क्या है, इसे सहसंबंध के माध्यम से स्थापित नहीं किया जा सकता है। कनेक्शन की निकटता और दिशा के अलावा, विधि आपको कनेक्शन के रूप (रैखिकता, गैर-रैखिकता) को स्थापित करने की अनुमति देती है। यह ध्यान दिया जाना चाहिए कि मनोविज्ञान में आम तौर पर स्वीकृत गणितीय और सांख्यिकीय तरीकों का उपयोग करके गैर-रेखीय कनेक्शन का विश्लेषण नहीं किया जा सकता है। डेटा संबंधी गैर-रेखीय क्षेत्रों (उदाहरण के लिए, उन बिंदुओं पर जहां कनेक्शन टूट गए हैं, अचानक परिवर्तन के स्थानों में) को उनकी औपचारिक मात्रात्मक प्रस्तुति से परहेज करते हुए, सार्थक विवरणों के माध्यम से चित्रित किया जाता है। कभी-कभी मनोविज्ञान में गैर-रैखिक घटनाओं का वर्णन करने के लिए गैर-पैरामीट्रिक गणितीय और सांख्यिकीय तरीकों और मॉडलों का उपयोग करना संभव होता है। उदाहरण के लिए, आपदा के गणितीय सिद्धांत का उपयोग किया जाता है।

2.1.2.4. भिन्नता का विश्लेषण

सहसंबंध विश्लेषण के विपरीत, यह विधि हमें न केवल संबंध की पहचान करने की अनुमति देती है, बल्कि चर के बीच निर्भरता की भी पहचान करती है, यानी, अध्ययन की जा रही विशेषता पर विभिन्न कारकों का प्रभाव। इस प्रभाव का आकलन फैलाव संबंधों के माध्यम से किया जाता है। अध्ययन की जा रही विशेषता में परिवर्तन (परिवर्तनशीलता) शोधकर्ता को ज्ञात व्यक्तिगत कारकों की कार्रवाई, उनकी बातचीत और अज्ञात कारकों के प्रभाव के कारण हो सकता है। विचरण का विश्लेषण अध्ययन के तहत विशेषता की समग्र परिवर्तनशीलता में इनमें से प्रत्येक प्रभाव के योगदान का पता लगाना और मूल्यांकन करना संभव बनाता है। विधि आपको अध्ययन के तहत घटना को प्रभावित करने वाली स्थितियों के क्षेत्र को जल्दी से सीमित करने की अनुमति देती है, उनमें से सबसे महत्वपूर्ण को उजागर करती है। इस प्रकार, विचरण का विश्लेषण "विचरण द्वारा अध्ययन किए जा रहे चर पर परिवर्तनशील कारकों के प्रभाव का अध्ययन है।" प्रभावित करने वाले चरों की संख्या के आधार पर, एक-, दो- और बहुभिन्नरूपी विश्लेषण को प्रतिष्ठित किया जाता है, और इन चरों की प्रकृति के आधार पर - निश्चित, यादृच्छिक या मिश्रित प्रभावों वाले विश्लेषण को प्रतिष्ठित किया जाता है। प्रायोगिक डिज़ाइन में विचरण का विश्लेषण व्यापक रूप से उपयोग किया जाता है।

2.1.2.5. कारक विश्लेषण

यह विधि डेटा स्पेस के आयाम को कम करना संभव बनाती है, यानी, मापी गई विशेषताओं (चर) की संख्या को कुछ समुच्चय में जोड़कर उचित रूप से कम करना संभव बनाती है जो अध्ययन की जा रही वस्तु की विशेषता बताने वाली अभिन्न इकाइयों के रूप में कार्य करती हैं। इस मामले में, इन समग्र इकाइयों को कारक कहा जाता है, जिनमें से विचरण विश्लेषण, प्रतिनिधित्व करने वाले कारकों को अलग करना आवश्यक है जो व्यक्तिगत विशेषताएँ (चर) हैं। ऐसा माना जाता है कि यह कुछ संयोजनों में संकेतों की समग्रता है जो किसी मानसिक घटना या उसके विकास के पैटर्न को चित्रित कर सकती है, जबकि व्यक्तिगत रूप से या अन्य संयोजनों में ये संकेत जानकारी प्रदान नहीं करते हैं। एक नियम के रूप में, कारक आंखों को दिखाई नहीं देते हैं, प्रत्यक्ष अवलोकन से छिपे होते हैं। प्रारंभिक अनुसंधान में कारक विश्लेषण विशेष रूप से उपयोगी होता है, जब पहले अनुमान के अनुसार, अध्ययन के तहत क्षेत्र में छिपे हुए पैटर्न की पहचान करना आवश्यक होता है। विश्लेषण का आधार सहसंबंध मैट्रिक्स है, यानी प्रत्येक विशेषता के अन्य सभी के साथ सहसंबंध गुणांक की तालिकाएं ("सभी के साथ सभी" सिद्धांत)। सहसंबंध मैट्रिक्स में कारकों की संख्या के आधार पर, हैं एकल कारक(स्पीयरमैन के अनुसार), द्वि-कारक(होल्ज़िंगर के अनुसार) और बहुघटकीय(थर्स्टन के अनुसार) विश्लेषण करता है। कारकों के बीच संबंध की प्रकृति के आधार पर, विधि को विश्लेषण में विभाजित किया गया है ऑर्थोगोनल के साथ(स्वतंत्र) और तिरछा के साथ(आश्रित) कारक। विधि की अन्य किस्में भी हैं. कारक विश्लेषण का बहुत जटिल गणितीय और तार्किक तंत्र अक्सर एक विधि विकल्प चुनना मुश्किल बना देता है जो अनुसंधान कार्यों के लिए पर्याप्त है। फिर भी, वैज्ञानिक जगत में इसकी लोकप्रियता हर साल बढ़ रही है।

2.1.2.6. प्रतिगमन विश्लेषण

विधि आपको एक मात्रा के औसत मूल्य की दूसरी (अन्य) मात्रा की विविधताओं पर निर्भरता का अध्ययन करने की अनुमति देती है। विधि की विशिष्टता इस तथ्य में निहित है कि विचाराधीन मात्राएँ (या उनमें से कम से कम एक) प्रकृति में यादृच्छिक हैं। फिर निर्भरता के विवरण को दो कार्यों में विभाजित किया गया है: 1) सामान्य प्रकार की निर्भरता की पहचान करना और 2) निर्भरता के मापदंडों के अनुमानों की गणना करके इस प्रकार को स्पष्ट करना। पहली समस्या को हल करने के लिए कोई मानक तरीके नहीं हैं, और यहां अध्ययन की जा रही मात्राओं (चर) की प्रकृति के गुणात्मक विश्लेषण के संयोजन में सहसंबंध मैट्रिक्स का एक दृश्य विश्लेषण किया जाता है। इसके लिए शोधकर्ता से उच्च योग्यता और विद्वता की आवश्यकता होती है। दूसरा कार्य अनिवार्य रूप से एक अनुमानित वक्र ढूँढना है। प्रायः यह सन्निकटन न्यूनतम वर्गों की गणितीय विधि का उपयोग करके किया जाता है। विधि का विचार एफ. गैल्टो का है- अच्छा, किसने देखा कि बहुत लम्बे माता-पिता के बच्चे कुछ छोटे थे, और बहुत छोटे माता-पिता के बच्चे लम्बे थे। उन्होंने इस पैटर्न को रिग्रेशन कहा।

2.1.2.7. टैक्सोनोमिक विश्लेषण

यह विधि डेटा को वर्गों (टैक्सा, क्लस्टर) में इस तरह से समूहीकृत करने की एक गणितीय तकनीक है कि एक वर्ग में शामिल वस्तुएं अन्य वर्गों में शामिल वस्तुओं की तुलना में कुछ मामलों में अधिक सजातीय होती हैं। परिणामस्वरूप, एक मीट्रिक या किसी अन्य में अध्ययन की जा रही वस्तुओं के बीच की दूरी निर्धारित करना और मात्रात्मक स्तर पर उनके संबंधों का एक व्यवस्थित विवरण देना संभव हो जाता है। क्लस्टर प्रक्रियाओं की प्रभावशीलता और स्वीकार्यता के लिए मानदंड के अपर्याप्त विकास के कारण, इस पद्धति का उपयोग आमतौर पर मात्रात्मक डेटा विश्लेषण के अन्य तरीकों के साथ संयोजन में किया जाता है। दूसरी ओर, टैक्सोनोमिक विश्लेषण का उपयोग अन्य मात्रात्मक तरीकों, विशेष रूप से कारक विश्लेषण का उपयोग करके प्राप्त परिणामों की विश्वसनीयता के लिए अतिरिक्त बीमा के रूप में किया जाता है। क्लस्टर विश्लेषण का सार हमें इसे एक ऐसी विधि के रूप में मानने की अनुमति देता है जो स्पष्ट रूप से जोड़ती है मात्रात्मक प्रसंस्करणउनके पास से डेटा गुणात्मक विश्लेषण।इसलिए, इसे स्पष्ट रूप से मात्रात्मक पद्धति के रूप में वर्गीकृत करना स्पष्ट रूप से वैध नहीं है। लेकिन चूंकि विधि की प्रक्रिया मुख्य रूप से गणितीय है और परिणाम संख्यात्मक रूप से प्रस्तुत किए जा सकते हैं, तो संपूर्ण विधि को मात्रात्मक के रूप में वर्गीकृत किया जाएगा।

2.1.2.8. स्केलिंग

स्केलिंग, वर्गीकरण विश्लेषण से भी अधिक हद तक, वास्तविकता के मात्रात्मक और गुणात्मक अध्ययन की विशेषताओं को जोड़ती है। मात्रात्मक पहलूस्केलिंग का अर्थ यह है कि अधिकांश मामलों में इसकी प्रक्रिया में डेटा का माप और संख्यात्मक प्रतिनिधित्व शामिल होता है। गुणात्मक पहलूस्केलिंग इस तथ्य में व्यक्त की जाती है कि, सबसे पहले, यह आपको न केवल मात्रात्मक डेटा में हेरफेर करने की अनुमति देता है, बल्कि उस डेटा को भी हेरफेर करने की अनुमति देता है जो नहीं है माप की सामान्य इकाइयाँ, और दूसरी बात, इसमें गुणात्मक तरीकों (वर्गीकरण, टाइपोलॉजी, व्यवस्थितकरण) के तत्व शामिल हैं। स्केलिंग की एक और मूलभूत विशेषता, जो वैज्ञानिक तरीकों की सामान्य प्रणाली में अपना स्थान निर्धारित करना कठिन बना देती है डेटा संग्रह और प्रसंस्करण के लिए प्रक्रियाओं का संयोजन।स्केलिंग करते समय हम अनुभवजन्य और विश्लेषणात्मक प्रक्रियाओं की एकता के बारे में भी बात कर सकते हैं। न केवल एक विशिष्ट अध्ययन में इन प्रक्रियाओं के अनुक्रम और पृथक्करण को इंगित करना मुश्किल है (वे अक्सर एक साथ और संयुक्त रूप से किए जाते हैं), बल्कि सैद्धांतिक रूप से भी एक चरणबद्ध पदानुक्रम का पता लगाना संभव नहीं है (यह कहना असंभव है कि क्या है) प्राथमिक और माध्यमिक क्या है)। तीसरा बिंदु जो स्केलिंग को तरीकों के एक या दूसरे समूह के लिए स्पष्ट रूप से जिम्मेदार ठहराने की अनुमति नहीं देता है, वह है ज्ञान के विशिष्ट क्षेत्रों में इसकी जैविक "वृद्धि" और संकेतों के साथ इसका अधिग्रहण सामान्य वैज्ञानिक विधिलक्षण अत्यधिक विशिष्ट.यदि सामान्य वैज्ञानिक महत्व के अन्य तरीकों (उदाहरण के लिए, अवलोकन या प्रयोग) को सामान्य रूप और विशिष्ट संशोधनों दोनों में काफी आसानी से प्रस्तुत किया जा सकता है, तो आवश्यक जानकारी खोए बिना सामान्य स्तर पर स्केलिंग करना बहुत मुश्किल है। इसका कारण स्पष्ट है: स्केलिंग में डेटा प्रोसेसिंग के साथ अनुभवजन्य प्रक्रियाओं का संयोजन। अनुभववाद ठोस है, गणित अमूर्त है, इसलिए डेटा संग्रह के विशिष्ट तरीकों के साथ गणितीय विश्लेषण के सामान्य सिद्धांतों का संलयन संकेतित प्रभाव देता है। इसी कारण से, स्केलिंग की वैज्ञानिक उत्पत्ति को सटीक रूप से परिभाषित नहीं किया गया है: कई विज्ञान इसके "माता-पिता" की उपाधि का दावा करते हैं। उनमें से मनोविज्ञान है, जहां एल. थर्स्टन, एस. स्टीवंस, वी. टॉर्गर्सन, ए. पियरन जैसे उत्कृष्ट वैज्ञानिकों ने स्केलिंग के सिद्धांत और अभ्यास पर काम किया। इन सभी कारकों को समझने के बाद, हम अभी भी स्केलिंग को श्रेणी में रखते हैं मात्रात्मक विधियांडेटा प्रोसेसिंग, चूंकि मनोवैज्ञानिक अनुसंधान के अभ्यास में स्केलिंग होती है दो स्थितियाँ.पहला है निर्माणतराजू, और दूसरा - उनका उपयोग.निर्माण के मामले में, स्केलिंग की सभी उल्लिखित विशेषताएं पूरी तरह से प्रकट होती हैं। जब उपयोग किया जाता है, तो वे पृष्ठभूमि में फीके पड़ जाते हैं, क्योंकि तैयार पैमानों (उदाहरण के लिए, परीक्षण के लिए "मानक" पैमानों) के उपयोग में केवल तुलना शामिल होती है। डेटा संग्रह चरण में प्राप्त संकेतकों की उनके साथ तुलना। इस प्रकार, यहां मनोवैज्ञानिक केवल स्केलिंग के फलों का उपयोग करता है, और डेटा के संग्रह के बाद के चरणों में। यह स्थिति मनोविज्ञान में एक सामान्य घटना है। इसके अलावा, तराजू का औपचारिक निर्माण, एक नियम के रूप में, किसी वस्तु के बारे में प्रत्यक्ष माप और डेटा संग्रह के दायरे से परे किया जाता है, यानी, गणितीय प्रकृति की मुख्य पैमाने बनाने वाली क्रियाएं डेटा संग्रह के बाद की जाती हैं , जो उनके प्रसंस्करण के चरण के बराबर है। सबसे सामान्य अर्थ में स्केलिंग औपचारिक (मुख्य रूप से संख्यात्मक) प्रणालियों का उपयोग करके मॉडलिंग वास्तविकता के माध्यम से दुनिया को समझने का एक तरीका है।इस पद्धति का उपयोग वैज्ञानिक ज्ञान के लगभग सभी क्षेत्रों (प्राकृतिक, सटीक, मानविकी, सामाजिक, तकनीकी विज्ञान में) में किया जाता है और इसका व्यापक महत्व है। सबसे कठोर परिभाषा निम्नलिखित प्रतीत होती है: स्केलिंग दिए गए नियमों के अनुसार अनुभवजन्य सेटों को औपचारिक सेटों में मैप करने की प्रक्रिया है।अंतर्गत अनुभवजन्य सेटवास्तविक वस्तुओं (लोगों, जानवरों, घटनाओं, गुणों, प्रक्रियाओं, घटनाओं) के किसी भी सेट को संदर्भित करता है जो एक दूसरे के साथ कुछ निश्चित संबंधों में हैं। इन संबंधों को चार प्रकारों (अनुभवजन्य संचालन) द्वारा दर्शाया जा सकता है: 1) समानता (बराबर - बराबर नहीं); 2) रैंक क्रम (अधिक - कम); 3) अंतरालों की समानता; 4) संबंधों की समानता. द्वाराअनुभवजन्य सेट की प्रकृति के अनुसार, स्केलिंग को दो प्रकारों में विभाजित किया गया है: भौतिकऔर मनोवैज्ञानिक. मेंपहले मामले में, वस्तुओं की वस्तुनिष्ठ (भौतिक) विशेषताएँ स्केलिंग के अधीन हैं, दूसरे में - व्यक्तिपरक (मनोवैज्ञानिक)। अंतर्गत औपचारिक सेटइसे कुछ संबंधों द्वारा परस्पर जुड़े प्रतीकों (चिह्नों, संख्याओं) के एक मनमाने सेट के रूप में समझा जाता है, जो अनुभवजन्य संबंधों के अनुसार, चार प्रकार के औपचारिक (गणितीय) संचालन द्वारा वर्णित हैं: 1) "बराबर - बराबर नहीं" (= ≠); 2) "अधिक - कम" (><); 3) «сло-жение - вычитание» (+ -); 4) «умножение - деление» (* :). При шкалировании обязательным условием является अनुभवजन्य और औपचारिक सेट के तत्वों के बीच एक-से-एक पत्राचार।इसका मतलब यह है कि प्रत्येक तत्व पहली बहुलता का है दूसरे का केवल एक तत्व एक दूसरे के अनुरूप होना चाहिए, और इसके विपरीत। इस मामले में, दोनों सेटों के तत्वों (संरचनाओं की समरूपता) के बीच संबंधों के प्रकारों का एक-से-एक पत्राचार आवश्यक नहीं है। यदि ये संरचनाएँ समरूपी हैं, तो तथाकथित प्रत्यक्ष (व्यक्तिपरक)समरूपता के अभाव में स्केलिंग की जाती है अप्रत्यक्ष (उद्देश्य)स्केलिंग. स्केलिंग का परिणाम निर्माण है तराजू(अव्य.स्काला - "सीढ़ी"), यानी कुछ अध्ययन के तहत वास्तविकता के संकेत (संख्यात्मक) मॉडल,जिसकी मदद से इस हकीकत को मापा जा सकता है. इस प्रकार, तराजू मापने के उपकरण हैं। संपूर्ण प्रकार के पैमानों का एक सामान्य विचार उन कार्यों से प्राप्त किया जा सकता है जहां उनकी वर्गीकरण प्रणाली दी गई है और प्रत्येक प्रकार के पैमाने का संक्षिप्त विवरण दिया गया है। अनुभवजन्य सेट के तत्वों और संबंधित स्वीकार्य गणितीय संचालन (स्वीकार्य परिवर्तन) के बीच संबंध स्केलिंग के स्तर और परिणामी पैमाने के प्रकार (एस स्टीवंस के वर्गीकरण के अनुसार) निर्धारित करते हैं। पहला, सबसे सरल प्रकार का संबंध (= ≠) सबसे कम जानकारीपूर्ण से मेल खाता है नाम तराजू,दूसरा (><) - आदेश तराजू,तीसरा (+ -) - अंतराल तराजू,चौथा (*:) - सबसे अधिक जानकारीपूर्ण रिश्ते के पैमाने.प्रक्रिया मनोवैज्ञानिक स्केलिंगसशर्त रूप से विभाजित किया जा सकता है दो मुख्य चरण: अनुभवजन्य,जिस पर अनुभवजन्य सेट (इस मामले में, अध्ययन की जा रही वस्तुओं या घटनाओं की मनोवैज्ञानिक विशेषताओं के सेट के बारे में) और चरण के बारे में डेटा एकत्र किया जाता है औपचारिकता,यानी पहले चरण में डेटा का गणितीय और सांख्यिकीय प्रसंस्करण। प्रत्येक चरण की विशेषताएं स्केलिंग के विशिष्ट कार्यान्वयन के लिए पद्धतिगत तकनीकों को निर्धारित करती हैं। अध्ययन की वस्तुओं के आधार पर, मनोवैज्ञानिक स्केलिंग दो किस्मों में आती है: साइकोफिजिकल या साइकोमेट्रिक। मनोभौतिक स्केलिंगवस्तुओं (घटनाओं) की व्यक्तिपरक (मनोवैज्ञानिक) विशेषताओं को मापने के लिए पैमाने का निर्माण करना शामिल है जिनका माप की संबंधित भौतिक इकाइयों के साथ भौतिक संबंध होता है। उदाहरण के लिए, ध्वनि की व्यक्तिपरक विशेषताएं (जोर, पिच, समय) भौतिक के अनुरूप हैं ध्वनि कंपन के पैरामीटर: आयाम (डेसिबल में), आवृत्ति (हर्ट्ज में), स्पेक्ट्रम (घटक टोन और लिफाफे के संदर्भ में)। इस प्रकार, साइकोफिजिकल स्केलिंग शारीरिक उत्तेजना और मानसिक प्रतिक्रिया के मूल्यों के बीच संबंध की पहचान करना संभव बनाता है, साथ ही इस प्रतिक्रिया को माप की उद्देश्य इकाइयों में व्यक्त करना संभव बनाता है। परिणामस्वरूप, माप के सभी स्तरों के किसी भी प्रकार के अप्रत्यक्ष और प्रत्यक्ष पैमाने प्राप्त होते हैं: नाम, क्रम, अंतराल और अनुपात के पैमाने। साइकोमेट्रिक स्केलिंगइसमें उन वस्तुओं (घटनाओं) की व्यक्तिपरक विशेषताओं को मापने के लिए पैमाने का निर्माण करना शामिल है जिनका भौतिक सहसंबंध नहीं है। उदाहरण के लिए, व्यक्तित्व विशेषताएँ, कलाकारों की लोकप्रियता, टीम एकजुटता, छवियों की अभिव्यक्ति आदि। साइकोमेट्रिक स्केलिंग को कुछ अप्रत्यक्ष (उद्देश्य) स्केलिंग विधियों का उपयोग करके कार्यान्वित किया जाता है। परिणामस्वरूप, निर्णय पैमाने प्राप्त होते हैं, जो अनुमेय परिवर्तनों की टाइपोलॉजी के अनुसार, आमतौर पर ऑर्डर स्केल से संबंधित होते हैं, कम अक्सर अंतराल स्केल से संबंधित होते हैं। बाद के मामले में, माप की इकाइयाँ उत्तरदाताओं के निर्णय (उत्तर, आकलन) की परिवर्तनशीलता के संकेतक हैं। सबसे विशिष्ट और सामान्य साइकोमेट्रिक पैमाने रेटिंग पैमाने और उन पर आधारित रवैया पैमाने हैं। साइकोमेट्रिक स्केलिंग अधिकांश मनोवैज्ञानिक परीक्षणों के विकास के साथ-साथ सामाजिक मनोविज्ञान (सोशियोमेट्रिक तरीकों) और व्यावहारिक मनोवैज्ञानिक विषयों में माप विधियों का आधार है। चूंकि साइकोमेट्रिक स्केलिंग प्रक्रिया में अंतर्निहित निर्णयों को शारीरिक संवेदी उत्तेजना पर भी लागू किया जा सकता है, इसलिए ये प्रक्रियाएं साइकोफिजिकल निर्भरता की पहचान करने के लिए भी लागू होती हैं, लेकिन इस मामले में परिणामी पैमानों में माप की वस्तुनिष्ठ इकाइयाँ नहीं होंगी। शारीरिक और मनोवैज्ञानिक दोनों प्रकार की स्केलिंग एकआयामी या बहुआयामी हो सकती है। एक आयामी स्केलिंगएक मानदंड के अनुसार एक अनुभवजन्य सेट को औपचारिक सेट में मैप करने की प्रक्रिया है। परिणामी एक-आयामी पैमाने या तो एक-आयामी अनुभवजन्य वस्तुओं (या बहुआयामी वस्तुओं के समान गुण) के बीच संबंधों को दर्शाते हैं, या एक बहुआयामी वस्तु की एक संपत्ति में परिवर्तन को दर्शाते हैं। एक-आयामी स्केलिंग को प्रत्यक्ष (व्यक्तिपरक) और अप्रत्यक्ष (उद्देश्य) स्केलिंग दोनों तरीकों का उपयोग करके कार्यान्वित किया जाता है। अंतर्गत बहुआयामी स्केलिंगकई मानदंडों के अनुसार एक अनुभवजन्य सेट को एक औपचारिक सेट में मैप करने की प्रक्रिया को समझा जाता है। बहुआयामी पैमाने या तो बहुआयामी वस्तुओं के बीच संबंधों को दर्शाते हैं, या एक वस्तु की कई विशेषताओं में एक साथ होने वाले परिवर्तनों को दर्शाते हैं। बहुआयामी स्केलिंग की प्रक्रिया, एक-आयामी स्केलिंग के विपरीत, दूसरे चरण की अधिक श्रम तीव्रता, यानी डेटा औपचारिकीकरण की विशेषता है। इस संबंध में, एक शक्तिशाली सांख्यिकीय और गणितीय उपकरण का उपयोग किया जाता है, उदाहरण के लिए, क्लस्टर या कारक विश्लेषण, जो बहुआयामी स्केलिंग विधियों का एक अभिन्न अंग है। बहुआयामी स्केलिंग समस्याओं का अध्ययन किससे संबंधित है? साथइसका नाम रिचर्डसन और टॉर्गर्सन के नाम पर रखा गया, जिन्होंने अपना पहला मॉडल प्रस्तावित किया था। शेपर्ड ने गैर-मीट्रिक बहुआयामी स्केलिंग विधियों का विकास शुरू किया। सबसे व्यापक और पहला सैद्धांतिक रूप से प्रमाणित बहुआयामी स्केलिंग एल्गोरिदम क्रुस्कल द्वारा प्रस्तावित किया गया था। एम. डेविसन ने बहुआयामी स्केलिंग पर जानकारी का सारांश दिया। मनोविज्ञान में बहुआयामी स्केलिंग की विशिष्टताएँ जी.वी. परमेई के काम में परिलक्षित होती हैं। आइए हम "अप्रत्यक्ष" और "प्रत्यक्ष" स्केलिंग की पहले उल्लिखित अवधारणाओं पर विस्तार करें। अप्रत्यक्ष,या उद्देश्य, स्केलिंगइन सेटों की संरचनाओं के बीच पारस्परिक असंगति (समरूपता की कमी) के साथ एक अनुभवजन्य सेट को औपचारिक सेट में मैप करने की प्रक्रिया है। मनोविज्ञान में, यह विसंगति किसी की संवेदनाओं के परिमाण के प्रत्यक्ष व्यक्तिपरक मूल्यांकन की असंभवता के बारे में फेचनर की पहली धारणा पर आधारित है। संवेदनाओं को मापने के लिए, विषयों के विभिन्न आकलन के आधार पर, माप की बाहरी (अप्रत्यक्ष) इकाइयों का उपयोग किया जाता है: बमुश्किल ध्यान देने योग्य अंतर, प्रतिक्रिया समय (आरटी), भेदभाव का विचरण, श्रेणीबद्ध आकलन का प्रसार। अप्रत्यक्ष मनोवैज्ञानिक पैमाने, उनके निर्माण के तरीकों, प्रारंभिक मान्यताओं और माप की इकाइयों के अनुसार, कई समूह बनाते हैं, जिनमें से मुख्य निम्नलिखित हैं: 1) संचय तराजूया लॉग-लयबद्ध पैमाने; 2) बीपी की माप के आधार पर तराजू; 3) निर्णय तराजू(तुलनात्मक और श्रेणीबद्ध)। इन पैमानों की विश्लेषणात्मक अभिव्यक्तियों को कानूनों का दर्जा दिया जाता है, जिनके नाम उनके लेखकों के नाम से जुड़े होते हैं: 1) वेबर-फेचनर लघुगणक कानून; 2)के लिए- पियरॉन का कॉन (एक साधारण सेंसरिमोटर प्रतिक्रिया के लिए); 3) थर्स्टन का तुलनात्मक निर्णय का नियम और 4) टोर-गर्सन का श्रेणीबद्ध निर्णय का नियम। निर्णय पैमानों में सबसे बड़ी व्यावहारिक क्षमता होती है। वे आपको किसी भी मानसिक घटना को मापने, साइकोफिजिकल और साइकोमेट्रिक स्केलिंग दोनों को लागू करने और बहुआयामी स्केलिंग की संभावना प्रदान करने की अनुमति देते हैं। अनुमेय परिवर्तनों की टाइपोलॉजी के अनुसार, अप्रत्यक्ष पैमानों को मुख्य रूप से क्रम और अंतराल के पैमानों द्वारा दर्शाया जाता है। प्रत्यक्ष,या व्यक्तिपरक, स्केलिंगइन सेटों की संरचनाओं के एक-से-एक पत्राचार (आइसोमोर्फिज्म) के साथ एक अनुभवजन्य सेट को औपचारिक सेट में मैप करने की प्रक्रिया है। मनोविज्ञान में, यह पत्राचार किसी की संवेदनाओं के परिमाण के प्रत्यक्ष व्यक्तिपरक मूल्यांकन की संभावना की धारणा पर आधारित है (फेचनर के पहले अभिधारणा का खंडन)। सब्जेक्टिव स्केलिंग को उन प्रक्रियाओं का उपयोग करके कार्यान्वित किया जाता है जो यह निर्धारित करती हैं कि एक उत्तेजना के कारण होने वाली संवेदना कितनी बार (या कितनी) किसी अन्य उत्तेजना के कारण होने वाली संवेदना से अधिक या कम है। यदि ऐसी तुलना विभिन्न तौर-तरीकों की संवेदनाओं के लिए की जाती है, तो हम बात करते हैं क्रॉस-मोडल व्यक्तिपरक स्केलिंग।प्रत्यक्ष पैमाने, उनके निर्माण की विधि के अनुसार, दो मुख्य समूह बनाते हैं: 1) परिभाषा के आधार पर पैमाने संवेदी संबंध; 2) परिभाषा के आधार पर पैमाने प्रोत्साहनों का परिमाण.दूसरा विकल्प बहुआयामी स्केलिंग का रास्ता खोलता है। प्रत्यक्ष पैमानों का एक महत्वपूर्ण हिस्सा एक पावर फ़ंक्शन द्वारा अच्छी तरह से अनुमानित होता है, जिसे एस स्टीवंस ने बड़ी मात्रा में अनुभवजन्य सामग्री का उपयोग करके साबित किया था, जिनके नाम पर प्रत्यक्ष स्केल की विश्लेषणात्मक अभिव्यक्ति का नाम दिया गया है - स्टीवंस का पावर कानून। व्यक्तिपरक स्केलिंग के दौरान संवेदनाओं को मापने के लिए, माप की मनोवैज्ञानिक इकाइयों का उपयोग किया जाता है, जो विशिष्ट तौर-तरीकों और प्रयोगात्मक स्थितियों के लिए विशिष्ट होती हैं। इनमें से कई इकाइयों के आम तौर पर स्वीकृत नाम हैं: ज़ोर के लिए "संस", चमक के लिए "ब्रिल्स", स्वाद के लिए "गस्ट", भारीपन के लिए "वेज", आदि। अनुमेय परिवर्तनों की टाइपोलॉजी के अनुसार, प्रत्यक्ष पैमानों को मुख्य रूप से स्केल द्वारा दर्शाया जाता है अंतराल और संबंध. स्केलिंग पद्धति की समीक्षा के निष्कर्ष में इसके संबंध की समस्या को इंगित करना आवश्यक है माप।हमारी राय में, यह समस्या ऊपर बताई गई स्केलिंग विशेषताओं के कारण है: 1) संयुक्त डेटा संग्रह के लिए अनुभवजन्य प्रक्रियाओं और डेटा प्रोसेसिंग के लिए विश्लेषणात्मक प्रक्रियाओं की शुरूआत; 2) स्केलिंग प्रक्रिया के मात्रात्मक और गुणात्मक पहलुओं की एकता; 3) सामान्य विज्ञान और संकीर्ण प्रोफ़ाइल का संयोजन, यानी, विशिष्ट तकनीकों की विशिष्ट प्रक्रियाओं के साथ स्केलिंग के सामान्य सिद्धांतों का "संलयन"। कुछ शोधकर्ता स्पष्ट रूप से या परोक्ष रूप से "स्केलिंग" और "माप" की अवधारणाओं को समान करते हैं। इस दृष्टिकोण को विशेष रूप से एस स्टीवंस के अधिकार द्वारा दृढ़ता से समर्थन किया जाता है, जिन्होंने माप को "कुछ नियमों के अनुसार वस्तुओं या घटनाओं के लिए संख्यात्मक रूपों का श्रेय" के रूप में परिभाषित किया और तुरंत बताया कि ऐसी प्रक्रिया से तराजू का निर्माण होता है। . लेकिन चूंकि स्केल विकसित करने की प्रक्रिया स्केलिंग की एक प्रक्रिया है, हम इस नतीजे पर पहुंचते हैं कि माप और स्केलिंग एक ही चीज हैं। विपरीत स्थिति यह है कि केवल अंतराल और आनुपातिक पैमानों के निर्माण से जुड़ी मीट्रिक स्केलिंग की तुलना माप से की जाती है। ऐसा लगता है कि दूसरी स्थिति अधिक सख्त है, क्योंकि माप में जो मापा जा रहा है उसकी मात्रात्मक अभिव्यक्ति और इसलिए, एक मीट्रिक की उपस्थिति शामिल है। चर्चा की गंभीरता को दूर किया जा सकता है यदि माप को एक शोध पद्धति के रूप में नहीं, बल्कि स्केलिंग सहित एक या किसी अन्य पद्धति के लिए सहायक समर्थन के रूप में समझा जाए। वैसे, मेट्रोलॉजी (माप का विज्ञान) "माप" की अवधारणा में एक माप उपकरण को अनिवार्य विशेषता के रूप में शामिल करता है। स्केलिंग के लिए (कम से कम गैर-मीट्रिक स्केलिंग के लिए), मापने के उपकरण आवश्यक नहीं हैं। सच है, मेट्रोलॉजी मुख्य रूप से वस्तुओं के भौतिक मापदंडों में रुचि रखती है, न कि मनोवैज्ञानिक मापदंडों में। इसके विपरीत, मनोविज्ञान मुख्य रूप से व्यक्तिपरक विशेषताओं (बड़े, भारी, उज्ज्वल, सुखद, आदि) से संबंधित है। यह कुछ लेखकों को माप के साधन के रूप में व्यक्ति को स्वयं लेने की अनुमति देता है। इसका मतलब माप की इकाइयों (कोहनी, अर्शिन, थाह, स्टेड, पैर, इंच, आदि) के रूप में मानव शरीर के हिस्सों का इतना अधिक उपयोग नहीं है, बल्कि किसी भी घटना को व्यक्तिपरक रूप से मापने की क्षमता है। लेकिन मूल्यांकन क्षमताओं की परिवर्तनशीलता सहित मनुष्यों में व्यक्तिगत मतभेदों की अनंत परिवर्तनशीलता, जानकारी प्रदान नहीं कर सकती है वस्तु के बारे में डेटा एकत्र करने के चरण में माप की आमतौर पर उपयोग की जाने वाली इकाइयाँ। दूसरे शब्दों में, स्केलिंग के अनुभवजन्य भाग में विषय को मापने के उपकरण के रूप में नहीं माना जा सकता है। यह भूमिका, बड़े विस्तार के साथ, अनुभवजन्य नहीं, बल्कि औपचारिक सेटों के साथ जोड़-तोड़ के बाद ही उन्हें सौंपी जा सकती है। फिर एक व्यक्तिपरक मीट्रिक कृत्रिम रूप से प्राप्त किया जाता है, अक्सर अंतराल मूल्यों के रूप में। जी.वी. सुखोडोलस्की इन तथ्यों की ओर इशारा करते हैं जब वह कहते हैं कि आदेश देना (और अनुभवजन्य वस्तुओं के "मूल्यांकन" के चरण में विषय यही करता है) "एक तैयारी है, लेकिन मापने का कार्य नहीं है।" और केवल तभी, प्राथमिक व्यक्तिपरक डेटा को संसाधित करने के चरण में, संबंधित स्केल-बनाने वाली क्रियाएं (सुखोडोलस्की, रैंकिंग के लिए) "आदेशित वस्तुओं के एक आयामी टोपोलॉजिकल स्पेस को मापती हैं, और। इसलिए, वे वस्तुओं के "परिमाण" को मापते हैं। मनोविज्ञान में "स्केलिंग" और "माप" की अवधारणाओं के बीच संबंध की अस्पष्टता तब बढ़ जाती है जब उनकी तुलना "परीक्षण" और "परीक्षण" की अवधारणाओं से की जाती है। संदेह है कि परीक्षणों को मापने के उपकरणों के रूप में वर्गीकृत किया गया है, हालांकि मनोविज्ञान में उनके अनुप्रयोग के दो पहलू हैं। पहला है परीक्षण प्रक्रिया में परीक्षण का उपयोग, यानी, विशिष्ट मनोवैज्ञानिक वस्तुओं की परीक्षा (मनोविश्लेषण)। दूसरा है विकास, या निर्माण परीक्षण का। पहले मामले में, किसी कारण से हम माप के बारे में कह सकते हैं, क्योंकि एक संदर्भ माप - एक मानक पैमाना - परीक्षित वस्तु (परीक्षण व्यक्ति) पर "लागू" होता है। दूसरे मामले में, यह स्पष्ट रूप से अधिक सही है स्केलिंग के बारे में बात करने के लिए, चूंकि परीक्षण निर्माण की सर्वोत्कृष्टता एक मानक पैमाने के निर्माण और उससे जुड़ी प्रक्रिया है, ये अनुभवजन्य और औपचारिक सेटों को परिभाषित करने के संचालन हैं, जिनकी विश्वसनीयता और समरूपता कम से कम संग्रह प्रक्रिया के मानकीकरण द्वारा सुनिश्चित नहीं की जाती है। अनुभवजन्य डेटा और विश्वसनीय "सांख्यिकी" का संग्रह। समस्या का दूसरा पहलू इस तथ्य से उत्पन्न होता है कि मापने के उपकरण के रूप में परीक्षण में दो भाग होते हैं: 1) कार्यों (प्रश्नों) का एक सेट जिसके साथ विषय सीधे उसके बारे में डेटा एकत्र करने के चरण में निपटता है और 2) एक मानक पैमाना जिसके साथ परीक्षण की तुलना की जाती है। व्याख्या चरण में अनुभवजन्य डेटा एकत्र किया जाता है। हमें माप के बारे में कहां बात करनी चाहिए, स्केलिंग के बारे में कहां, अगर वे एक ही चीज नहीं हैं? हमें ऐसा लगता है कि परीक्षण प्रक्रिया का अनुभवजन्य हिस्सा, यानी, परीक्षण विषय का परीक्षण कार्य का प्रदर्शन, पूरी तरह से माप प्रक्रिया नहीं है, लेकिन यह स्केलिंग के लिए आवश्यक है। तर्क इस प्रकार है: विषय द्वारा किए गए कार्य स्वयं निदान किए जा रहे गुणों की गंभीरता का माप नहीं हैं। केवल इन क्रियाओं का परिणाम (व्यतीत समय, त्रुटियों की संख्या, उत्तरों का प्रकार, आदि), जो परीक्षण विषय द्वारा नहीं, बल्कि निदानकर्ता द्वारा निर्धारित किया जाता है, एक "कच्चे" पैमाने के मूल्य का प्रतिनिधित्व करता है, जिसे बाद में मानक मूल्यों के साथ तुलना की जाती है। विषय के कार्यों के परिणामों के संकेतकों को दो कारणों से यहां "कच्चा" कहा जाता है। सबसे पहले, वे. एक नियम के रूप में, वे अभिव्यक्ति की अन्य इकाइयों में अनुवाद के अधीन हैं। अक्सर - "फेसलेस", अमूर्त बिंदुओं, दीवारों आदि में। और दूसरी बात, परीक्षण में एक सामान्य बात अध्ययन की जा रही मानसिक घटना की बहुआयामीता है, जो इसके मूल्यांकन के लिए कई बदलते मापदंडों के पंजीकरण का अनुमान लगाती है, जिन्हें बाद में एक में संश्लेषित किया जाता है। एकल सूचक. इस प्रकार, केवल डेटा प्रोसेसिंग और परीक्षण परिणामों की व्याख्या के चरणों को, जहां "कच्चे" अनुभवजन्य डेटा को तुलनीय डेटा में अनुवादित किया जाता है और बाद वाले को "मापने वाले शासक" यानी एक मानक पैमाने पर लागू किया जाता है, को बिना माप के कहा जा सकता है। आरक्षण. "साइकोमेट्री" और "गणितीय मनोविज्ञान" जैसे वैज्ञानिक वर्गों के स्वतंत्र विषयों में अलगाव और विकास के कारण यह समस्याग्रस्त गाँठ और भी अधिक मजबूती से कसती जा रही है। उनमें से प्रत्येक उन अवधारणाओं को अपनी प्रमुख श्रेणियों के रूप में मानता है जिन पर हम चर्चा कर रहे हैं। साइकोमेट्री को मनोवैज्ञानिक मेट्रोलॉजी माना जा सकता है, जो "मनोविज्ञान में माप से संबंधित मुद्दों की पूरी श्रृंखला" को कवर करती है। इसलिए, यह आश्चर्य की बात नहीं है कि स्केलिंग इस "मुद्दों की श्रृंखला" में शामिल है। लेकिन साइकोमेट्री माप के साथ अपने संबंध को स्पष्ट नहीं करती है। इसके अलावा, मामला स्वयं साइकोमेट्रिक विज्ञान और उसके विषय की व्याख्याओं की विविधता से भ्रमित है। उदाहरण के लिए, साइकोमेट्री को साइकोडायग्नोस्टिक्स के संदर्भ में माना जाता है। "अक्सर शब्द "साइकोमेट्री" और "मनोवैज्ञानिक प्रयोग" को समानार्थक शब्द के रूप में उपयोग किया जाता है... यह एक बहुत लोकप्रिय राय है कि साइकोमेट्री मनोविज्ञान की विशिष्टताओं को ध्यान में रखते हुए गणितीय आँकड़े हैं... साइकोमेट्री की एक स्थिर समझ: गणितीय उपकरण साइकोडायग्नोस्टिक्स... साइकोमेट्री मानसिक घटनाओं के अध्ययन में गणितीय मॉडल का उपयोग करने का विज्ञान है। जहां तक ​​गणितीय मनोविज्ञान की बात है तो इसकी स्थिति और भी अस्पष्ट है। "गणितीय मनोविज्ञान की सामग्री और संरचना ने अभी तक आम तौर पर स्वीकृत रूप प्राप्त नहीं किया है; गणितीय-मनोवैज्ञानिक मॉडल और विधियों की पसंद और व्यवस्थितकरण कुछ हद तक मनमाना है।" फिर भी, साइकोमेट्री को गणितीय मनोविज्ञान में समाहित करने की प्रवृत्ति पहले से ही मौजूद है। यह कहना अभी भी मुश्किल है कि क्या यह स्केलिंग और माप के बीच संबंधों की चर्चा की गई समस्या को प्रभावित करेगा और क्या मनोवैज्ञानिक तरीकों की सामान्य प्रणाली में उनका स्थान स्पष्ट हो जाएगा।

2.2. गुणात्मक तरीके

गुणात्मक विधियाँ (क्यूएम) अध्ययन की जा रही वस्तुओं के सबसे आवश्यक पहलुओं की पहचान करना संभव बनाती हैं, जिससे उनके बारे में ज्ञान को सामान्य बनाना और व्यवस्थित करना संभव हो जाता है, साथ ही उनके सार को समझना भी संभव हो जाता है। अक्सर, सीएम मात्रात्मक जानकारी पर भरोसा करते हैं। सबसे आम तकनीकें हैं: वर्गीकरण, टाइपोलोगाइजेशन, व्यवस्थितकरण, आवधिकरण, कैसुइस्ट्री।

2.2.1. वर्गीकरण

2.2.2. टाइपोलॉजी

2.2.3. व्यवस्थापन

2.2.4. अवधिकरण

2.2.5. मनोवैज्ञानिक कैसुइस्ट्री

मनोवैज्ञानिक कैसुइस्ट्री अध्ययन के तहत वास्तविकता के लिए सबसे विशिष्ट और असाधारण दोनों मामलों का विवरण और विश्लेषण है। यह तकनीक विभेदक मनोविज्ञान के क्षेत्र में अनुसंधान के लिए विशिष्ट है। लोगों के साथ मनोवैज्ञानिक कार्य में एक व्यक्तिगत दृष्टिकोण भी व्यावहारिक मनोविज्ञान में कैसुइस्ट्री के व्यापक उपयोग को पूर्व निर्धारित करता है। मनोवैज्ञानिक कैसुइस्ट्री के उपयोग का एक स्पष्ट उदाहरण व्यावसायिक अध्ययन में उपयोग की जाने वाली घटना पद्धति हो सकती है। [ 44]

3. व्याख्या के तरीके

संगठनात्मक तरीकों से भी अधिक, ये तरीके नाम के लायक हैं दृष्टिकोण,चूँकि, सबसे पहले, वे व्याख्यात्मक सिद्धांत हैं जो शोध परिणामों की व्याख्या की दिशा पूर्व निर्धारित करते हैं। वैज्ञानिक व्यवहार में उनका विकास हुआ है आनुवंशिक, संरचनात्मक, कार्यात्मक, जटिलऔर प्रणालीगत दृष्टिकोण.किसी एक या दूसरे तरीके का उपयोग करने का मतलब दूसरों को हटाना नहीं है। इसके विपरीत, मनोविज्ञान में दृष्टिकोणों का संयोजन आम है। और यह न केवल अनुसंधान अभ्यास पर लागू होता है, बल्कि मनोविश्लेषण, मनोवैज्ञानिक परामर्श और मनोविश्लेषण पर भी लागू होता है।

3.1. आनुवंशिक विधि

आनुवंशिक विधि घटनाओं (मानसिक सहित) का अध्ययन और व्याख्या करने का एक तरीका है, जो ओटोजेनेटिक और फ़ाइलोजेनेटिक दोनों योजनाओं में उनके विकास के विश्लेषण पर आधारित है। इसके लिए स्थापित करने की आवश्यकता है: I) घटना के घटित होने के लिए प्रारंभिक स्थितियाँ, 2) मुख्य चरण और 3) इसके विकास में मुख्य रुझान। विधि का उद्देश्य समय के साथ अध्ययन की जा रही घटनाओं के संबंध की पहचान करना, निम्न से उच्च रूपों में संक्रमण का पता लगाना है। इसलिए जहां भी मानसिक घटनाओं की समय गतिशीलता की पहचान करना आवश्यक है, आनुवंशिक विधि मनोवैज्ञानिक के लिए एक अभिन्न अनुसंधान उपकरण है। यहां तक ​​कि जब अनुसंधान का उद्देश्य किसी घटना की संरचनात्मक और कार्यात्मक विशेषताओं का अध्ययन करना हो, तब भी विधि के प्रभावी उपयोग से इंकार नहीं किया जा सकता है। इस प्रकार, सूक्ष्म संरचनाओं के तहत अवधारणात्मक क्रियाओं के प्रसिद्ध सिद्धांत के विकासकर्ता धारणा के एक नए विश्लेषण में, उन्होंने नोट किया कि "आनुवंशिक अनुसंधान पद्धति सबसे उपयुक्त साबित हुई।" स्वाभाविक रूप से, आनुवंशिक पद्धति विशेष रूप से विकासात्मक मनोविज्ञान की विभिन्न शाखाओं की विशेषता है: तुलनात्मक, विकासात्मक, ऐतिहासिक मनोविज्ञान। यह स्पष्ट है कि कोई भी अनुदैर्ध्य अध्ययन प्रश्न में विधि के उपयोग को मानता है। आनुवंशिक दृष्टिकोण को आम तौर पर मनोविज्ञान के बुनियादी सिद्धांतों में से एक के पद्धतिगत कार्यान्वयन के रूप में माना जा सकता है विकास सिद्धांत. इस दृष्टि से विकास के सिद्धांत को लागू करने के अन्य विकल्पों को आनुवंशिक दृष्टिकोण में संशोधन के रूप में माना जा सकता है। उदाहरण के लिए, ऐतिहासिकऔर विकासवादी दृष्टिकोण.

3.2. संरचनात्मक विधि

3.3. कार्यात्मक विधि

3.4. जटिल विधि

3.5. सिस्टम विधि

साहित्य

अनान्येव बी.जी.आधुनिक मानव विज्ञान की समस्याओं पर. एम., 1977. अनन्येव बी.जी.आधुनिक मनोविज्ञान के तरीकों पर // छात्रों के व्यापक अनुदैर्ध्य अध्ययन में मनोवैज्ञानिक तरीके। एल., 1976. अनान्येव बी.जी.मनुष्य ज्ञान की वस्तु के रूप में। एल.. 1968. बालिन वी.डी.मानसिक प्रतिबिंब: सैद्धांतिक मनोविज्ञान के तत्व। सेंट पीटर्सबर्ग, 2001। बालिन वी.डी.मनोवैज्ञानिक अनुसंधान का सिद्धांत और पद्धति। एल., 1989. बेंदातालफ़ानरी एल.सहसंबंध और वर्णक्रमीय विश्लेषण का अनुप्रयोग. एम., 1983. बर्टलानफैनरी एल.सामान्य सिस्टम सिद्धांत का इतिहास और स्थिति // सिस्टम रिसर्च। एम.. 1973. बर्टलान्फ़ी एल.सामान्य सिस्टम सिद्धांत - समस्याओं और परिणामों की समीक्षा // सिस्टम अनुसंधान. एम., 1969. ब्लागश पी.सामान्यीकरण के साथ कारक विश्लेषण। एम, 1989. बोरोवकोव ए.ए.गणितीय आँकड़े: मापदंडों का अनुमान। परिकल्पनाओं का परीक्षण. एम.. 1984. ब्रेवरमैन ई.एम।,मुचनिक आई. बी.अनुभवजन्य डेटा के प्रसंस्करण के लिए संरचनात्मक तरीके, एम.. 1983। बर्दुन जी.वी., मार्कोव, एस.एम.मेट्रोलॉजी के मूल सिद्धांत। एम., 1972. गैंज़ेन वी. ए.पाठ्यक्रम के लिए दिशानिर्देश "मनोविज्ञान में सिस्टम विधियाँ।" एल., 1987. गैंज़ेन वी. ए.मनोविज्ञान में प्रणाली विवरण. एल., 1984. गैंज़ेन वी. ए.मनोविज्ञान में व्यवस्थित दृष्टिकोण. एल., 1983. गैंज़ेन वी.ए., फ़ोमिन ए.ए.मनोविज्ञान में प्रकार की अवधारणा पर // एसएनबीएसयू का बुलेटिन। सेर. 6, 1993, अंक. 1 (नंबर 6). गैंज़ेन वी.ए., खोरोशिलोव बी.एम.मनोवैज्ञानिक वस्तुओं में गुणात्मक परिवर्तनों के व्यवस्थित विवरण की समस्या। विभाग विनिटी, 1984, संख्या 6174-84। ग्लास जे., स्टेनली जे.शिक्षाशास्त्र और मनोविज्ञान में सांख्यिकीय तरीके। एम.. 1976. गोडेफ्रॉय जे.मनोविज्ञान क्या है? टी. 1-2. एम, 1992. गॉर्डन वी.एम., ज़िनचेंको वी.पी.संज्ञानात्मक गतिविधि का सिस्टम-संरचनात्मक विश्लेषण // एर्गोनॉमिक्स, वॉल्यूम। 8. एम., 1974. गुसेव ई.के., निकंद्रोव वी.वी.मनोभौतिकी। एल., 1987. गुसेव ई.के., निकंद्रोव वी.वी.मनोभौतिकी। भाग पी. मनोवैज्ञानिक स्केलिंग। एल., 1985. ड्रेनेपर आई.. स्मिथ जी.अनुप्रयुक्त प्रतिगमन विश्लेषण. 2 किताबों में. दूसरा संस्करण. एम.. 1987. द्रुझिनिन वी.आई.प्रायोगिक मनोविज्ञान. एम.. 1997. डेविसन एम.बहुआयामी स्केलिंग. डेटा की दृश्य प्रस्तुति के तरीके. एम., 1988. डूरंड बी., ओडेल पी.क्लस्टर विश्लेषण। एम., 1977. ईजेकील एम., फॉक्स के.ए.सहसंबंध और प्रतिगमन का विश्लेषण करने के तरीके। एम.. 1966. ज़ारोचेंटसेव के.डी।, खुद्याकोव ए.आई.साइकोमेट्रिक्स की मूल बातें. सेंट पीटर्सबर्ग, 1996। ज़िनचेंको वी.पी.संज्ञानात्मक गतिविधि के अध्ययन की सूक्ष्म संरचनात्मक पद्धति पर//एर्गोनॉमिक्स, वीआई। 3. एम., 1972. ज़िनचेंको वी.पी., ज़िनचेंको टी.पी.धारणा//सामान्य मनोविज्ञान/एड। एल. वी. पेत्रोव्स्की। ईडी। दूसरा. एम.. 1976. इबर्ला के.कारक विश्लेषण। एम., 1980. इटेलसन एल.बी.शिक्षाशास्त्र में गणितीय और साइबरनेटिक तरीके। एम., 1964. कगन एम.एस.व्यवस्थित दृष्टिकोण और मानवीय ज्ञान। एल.. 1991. कोलकोट ई.महत्व की जाँच. एम.. 1978. कोर्निलोवा जी.वी.मनोवैज्ञानिक प्रयोग का परिचय. एम., 1997. कोर्युकिन वी.आई.आधुनिक वैज्ञानिक ज्ञान में स्तरों की अवधारणाएँ। स्वेर-डलोव्स्क, 1991। क्रायलोव ए.ए.इंजीनियरिंग मनोविज्ञान और श्रम मनोविज्ञान में अनुसंधान के आधार के रूप में व्यवस्थित दृष्टिकोण // इंजीनियरिंग मनोविज्ञान और श्रम मनोविज्ञान में अनुसंधान की पद्धति, भाग 1। लेनिनग्राद, 1974। कुज़मिन वी.पी.के. मार्क्स के सिद्धांत और कार्यप्रणाली में व्यवस्थित सिद्धांत। ईडी। दूसरा. एम.. 1980. कुज़मिन वी.पी.सिस्टम दृष्टिकोण के विकास में विभिन्न दिशाएँ और उनकी ज्ञानमीमांसीय नींव // दर्शनशास्त्र के प्रश्न, 1983, संख्या 3। कुलिकोव एल.वी.मनोवैज्ञानिक अनुसंधान. क्रियान्वित करने के लिए पद्धति संबंधी सिफ़ारिशें. छठा संस्करण. सेंट पीटर्सबर्ग, 2001। क्यों यू.वर्णनात्मक और आगमनात्मक आँकड़े। एम., 1981. लेमन ई. एल.सांख्यिकीय परिकल्पनाओं का परीक्षण। दूसरा संस्करण. एम., 1979. लोमोव बी.एफ.मनोविज्ञान की पद्धतिगत और सैद्धांतिक समस्याएं। एम., 1984. लोमोव बी.एफ.मनोविज्ञान में सिस्टम दृष्टिकोण पर // मनोविज्ञान के प्रश्न, 1975, संख्या 2। लोमोव बी.एफ.मनोविज्ञान के विकास के तरीकों पर // मनोविज्ञान के प्रश्न। 1978. नंबर 5. लॉली डी., मैक्सवेल एल.एक सांख्यिकीय पद्धति के रूप में कारक विश्लेषण। एम., 1967. माज़िलोव वी. ए.मनोविज्ञान में सिद्धांत और पद्धति के बीच संबंध पर // अनन्ययेव रीडिंग - 98 / वैज्ञानिक और व्यावहारिक अध्ययन की सामग्री। सम्मेलन। सेंट पीटर्सबर्ग, 1998। मलिकोव एस.एफ., ट्यूरिन एन.आई.मेट्रोलॉजी का परिचय. एम, 1965। गणितीय मनोविज्ञान: सिद्धांत, विधियाँ, मॉडल। एम, 1985. मिरकिन बी.जी.गुणात्मक विशेषताओं और संरचनाओं का विश्लेषण। एम.. 1980. मिरोश्निकोव एस.ए.मानव मानसिक गतिविधि के संगठन के स्तर का अध्ययन // मनोविज्ञान के सैद्धांतिक और व्यावहारिक मुद्दे, वॉल्यूम। 1, भाग 2. सेंट पीटर्सबर्ग, 1995। मोंडेल आई. डी.क्लस्टर विश्लेषण। एम., 1988. निकाइड्रोव वी.वी.मानस की कार्यात्मक संरचना के व्यवस्थित विवरण पर // मनोविज्ञान के सैद्धांतिक और व्यावहारिक मुद्दे, वॉल्यूम। 1. सेंट पीटर्सबर्ग, 1995। निकंद्रोव वी.वी.एक स्वतंत्र वैज्ञानिक अनुशासन के रूप में ऐतिहासिक मनोविज्ञान // लेनिनग्राद स्टेट यूनिवर्सिटी के बुलेटिन, सेर। 6. 1991, अंक. 1 (नंबर 6). निकंद्रोव वी.वी.किसी व्यक्ति के मनोवैज्ञानिक मैक्रोविशेषताओं के बीच संबंध पर // सेंट पीटर्सबर्ग स्टेट यूनिवर्सिटी के बुलेटिन, वॉल्यूम। 3. 1998. निकंद्रोव वी.वी.मानव मानस की कार्यात्मक संरचना का स्थानिक मॉडल // सेंट पीटर्सबर्ग स्टेट यूनिवर्सिटी का बुलेटिन, 1999, संख्या। 3, संख्या 20. ओकुन हां.कारक विश्लेषण। एम., 1974. पैरामी जी.वी.मनोवैज्ञानिक अनुसंधान में बहुआयामी स्केलिंग का अनुप्रयोग // मॉस्को स्टेट यूनिवर्सिटी का बुलेटिन, सेर। 14. 1983, क्रमांक 2. पिरोव जी.डी.प्रायोगिक मनोविज्ञान. सोफिया, 1968. पिरोव जी.डी.मनोविज्ञान में विधियों का वर्गीकरण // समाजवादी देशों में साइकोडायग्नोस्टिक्स। ब्रातिस्लावा, 1985. प्लोखिंस्की एन.ए.बॉयोमीट्रिक्स. दूसरा संस्करण. एम., 1970. पोस्टन टी., स्टीवर्ट आई.आपदा सिद्धांत और उसके अनुप्रयोग. एम., 1980. साइकोडायग्नोस्टिक्स पर कार्यशाला। डिफरेंशियल साइकोमेट्रिक्स/एड। वी. वी. स्टोलिना, ए. जी. श्मेलेवा। एम., 1984. मनोविज्ञान में विकास का सिद्धांत / प्रतिनिधि। ईडी। एल. आई. एंट्सीफेरोवा। एम., 1978. वैज्ञानिक ज्ञान में स्तरों और प्रणालियों की समस्या। मिन्स्क, 1970. फैनज़ागल आई.माप का सिद्धांत. एम., 1976. पियरोईए.साइकोफिजिक्स//प्रायोगिक मनोविज्ञान, खंड। 1-2. एम.. 1966. रैपोपोर्ट ए.मनोविज्ञान में व्यवस्थित दृष्टिकोण // मनोवैज्ञानिक जर्नल, 1994, संख्या 3। रोगोविन एम. एस.मनोविज्ञान में संरचनात्मक स्तर के सिद्धांत। यारोस्लाव, 1977. रुडेस्टम के.समूह मनोचिकित्सा. एम., 1980. रुसालोव वी.एम.व्यक्तिगत मनोवैज्ञानिक भिन्नताओं के जैविक आधार। एम., 1979. सेली जी.सपने से खोज तक: वैज्ञानिक कैसे बनें। एम., 1987. सार्जेंट वी.एफ.आधुनिक जीव विज्ञान की पद्धति का परिचय. एल., 1972. सार्जेंट वी.एफ.मनुष्य, उसका स्वभाव और अस्तित्व का अर्थ। एल., 1990. सिडोरेंको ई. वी.मनोविज्ञान में गणितीय प्रसंस्करण के तरीके। सेंट पीटर्सबर्ग, 2001. साइकोफिजियोलॉजिकल समस्या के लिए व्यवस्थित दृष्टिकोण / प्रतिनिधि। ईडी। वी. बी. श्वीरकोव। एम., 1982. स्टीवन एस.एस.गणित, माप और मनोभौतिकी // प्रायोगिक मनोविज्ञान / एड। एस.एस. स्टीफन. टी. 1. एम.. 1960. स्टीफन एस.एस.मनोभौतिक नियम पर // मनोभौतिकी की समस्याएँ और विधियाँ। एम., 1974. सुखोदोलस्की जी.वी.गणितीय मनोविज्ञान. सेंट पीटर्सबर्ग.. 1997. सुखोदोलस्की जी.वी.मनोवैज्ञानिकों के लिए गणितीय सांख्यिकी के मूल सिद्धांत। एल., 1972. थर्स्टन एल.एल.मनोवैज्ञानिक विश्लेषण // मनोभौतिकी की समस्याएँ और विधियाँ। एम., 1974। समाजशास्त्रीय अनुसंधान में टाइपोलॉजी और वर्गीकरण//जिम्मेदार। ईडी। वी. जी. एंड्रीनकोव, यू. एन. टॉल्स्टोवा। एम., 1982. उएमोव ए.आई.सिस्टम दृष्टिकोण और सामान्य सिस्टम सिद्धांत। एम., 1978. फैक्टोरियल डिस्क्रिमिनेंट और क्लस्टर विश्लेषण / एड। आई. एस. एन्यु-कोवा। एम., 1989. हरमन जी.जी.आधुनिक कारक विश्लेषण. एम., 1972. श्वैत्सर I.और अन्य। मानसिक विकास का निदान। प्राग, 1978. शेफ जी.भिन्नता का विश्लेषण। एम., 1963. श्रेइबरडी.स्केलिंग की समस्याएँ // सामाजिक अनुसंधान की प्रक्रिया। एम., 1975. बर्टलान्फ़ीएल.सामान्य प्रणाली सिद्धांत. नींव। विकास, अनुप्रयोग. एन.वाई., 1968. चोयनोव्स्की एम.डाई मेसुंग इन डेर साइकोलॉजिकल /7 डाई प्रॉब्लम डेर मैथेमेटिसचेन साइकोलॉजिकल वॉरशॉ, 1971। गुथजहर डब्ल्यू.डाई मेसुंग मनोचिकित्सक ईगेन्सचाफ्टसीएन। बर्लिन, 1971. लेइनफेलनर डब्ल्यू.एरकेन्टनीस और विस्कन्सचाफ्ट्स-थ्योरी में एक इनफुहरंग। मैनहेम, 1965. लेविन के.व्यक्तित्व का एक गतिशील सिद्धांत. एन.वाई., 1935. लेविन के.टोपोलॉजिकल मनोविज्ञान के सिद्धांत. एन. वाई., 1936. सिक्सटल एफ.मेस्मेथोडेन डेर साइकोलॉजिकल वेनहेम, 1966, 1967। स्टीवंस एस.एस.स्वाद की तीव्रता के संवेदी पैमाने // धारणा, ए। मनोविकार। 1969 वॉल्यूम. 6. टॉर्गर्सन डब्ल्यू.एस.स्केलिंग के तरीके और थ्योरी। एन.वाई., 1958.

1. ट्यूटोरियल। सेंट पीटर्सबर्ग: रेच पब्लिशिंग हाउस, 2003. 480 पी। बीबीसी88

   ट्यूटोरियल

   पाठ्यपुस्तक में, प्रायोगिक मनोविज्ञान को एक स्वतंत्र वैज्ञानिक अनुशासन माना जाता है जो मनोवैज्ञानिक अनुसंधान के सिद्धांत और अभ्यास को विकसित करता है और अध्ययन के मुख्य विषय के रूप में मनोवैज्ञानिक तरीकों की एक प्रणाली रखता है।

2. एंड्रीवा जी.एम., बोगोमोलोवा एन.एन., पेट्रोव्स्काया एल.ए. "बीसवीं सदी का विदेशी सामाजिक मनोविज्ञान। सैद्धांतिक दृष्टिकोण"" (1)

   दस्तावेज़

3. एंड्रीवा जी.एम., बोगोमोलोवा एन.एन., पेट्रोव्स्काया एल.ए. "बीसवीं सदी का विदेशी सामाजिक मनोविज्ञान। सैद्धांतिक दृष्टिकोण"" (2)

   दस्तावेज़

   इस पुस्तक का पहला संस्करण 1978 में प्रकाशित हुआ था (जी. एम. एंड्रीवा, एन. एन. बोगोमोलोवा, एल. ए. पेट्रोव्स्काया "पश्चिम में सामाजिक मनोविज्ञान")। यदि हम इस बात पर विचार करें कि उस समय "प्रकाशन पथ" बहुत लंबा था, तो यह स्पष्ट हो जाता है कि पांडुलिपि

4. शिक्षाशास्त्र और शिक्षा दिशा के मनोविज्ञान में राज्य परीक्षा कार्यक्रम

   कार्यक्रम

   पूर्णकालिक अध्ययन के लिए दिशा 050700.68 शिक्षाशास्त्र में मास्टर प्रशिक्षण के लिए मुख्य शैक्षिक कार्यक्रम में महारत हासिल करने की मानक अवधि 6 वर्ष है।

5. 21वीं सदी का मनोविज्ञान खंड 2

   दस्तावेज़

   आयोजन समिति के सदस्य: अकोपोव जी.वी., बाज़रोव टी.यू., ज़ुरावलेव ए.एल., ज़्नाकोव वी.वी., एरिना एस.आई., काशापोव एस.एम., क्लाइयुवा एन.वी., लवोव वी.एम., मैनुइलोव जी.एम., मार्चेंको वी.

शब्द "सांख्यिकी" अक्सर "गणित" शब्द से जुड़ा होता है और यह उन छात्रों को डराता है जो इस अवधारणा को जटिल सूत्रों से जोड़ते हैं जिनके लिए उच्च स्तर के अमूर्तन की आवश्यकता होती है।

हालाँकि, जैसा कि मैककोनेल कहते हैं, सांख्यिकी मुख्य रूप से सोचने का एक तरीका है, और इसे लागू करने के लिए आपको बस थोड़ा सा सामान्य ज्ञान और बुनियादी गणित का ज्ञान होना चाहिए। अपने दैनिक जीवन में, बिना इसका एहसास किए, हम लगातार आंकड़ों में लगे रहते हैं। क्या हम एक बजट की योजना बनाना चाहते हैं, एक कार की गैसोलीन खपत की गणना करना चाहते हैं, एक निश्चित पाठ्यक्रम में महारत हासिल करने के लिए आवश्यक प्रयास का अनुमान लगाना चाहते हैं, अब तक प्राप्त अंकों को ध्यान में रखते हुए, मौसम विज्ञान के अनुसार अच्छे और खराब मौसम की संभावना का अनुमान लगाना चाहते हैं रिपोर्ट करें, या आम तौर पर अनुमान लगाएं कि यह या वह घटना हमारे व्यक्तिगत या संयुक्त भविष्य को कैसे प्रभावित करेगी - हमें लगातार जानकारी का चयन, वर्गीकरण और व्यवस्थित करना होगा, इसे अन्य डेटा से जोड़ना होगा ताकि हम निष्कर्ष निकाल सकें जो हमें सही निर्णय लेने की अनुमति दे।

ये सभी प्रकार की गतिविधियाँ उन ऑपरेशनों से बहुत कम भिन्न होती हैं जो वैज्ञानिक अनुसंधान के अंतर्गत आते हैं और एक विशेष प्रयोग में वस्तुओं के विभिन्न समूहों पर प्राप्त डेटा को संश्लेषित करना, उनके बीच के अंतरों का पता लगाने के लिए उनकी तुलना करना, पहचानने के लिए उनकी तुलना करना शामिल है। संकेतक एक दिशा में बदल रहे हैं, और अंततः, उन निष्कर्षों के आधार पर कुछ तथ्यों की भविष्यवाणी करने में, जिनसे परिणाम प्राप्त होते हैं। सामान्य रूप से विज्ञान, विशेषकर मानविकी में सांख्यिकी का यही उद्देश्य है। उत्तरार्द्ध के बारे में कुछ भी निश्चित नहीं है, और आंकड़ों के बिना ज्यादातर मामलों में निष्कर्ष पूरी तरह से सहज होंगे और अन्य अध्ययनों में प्राप्त आंकड़ों की व्याख्या के लिए ठोस आधार नहीं बनेंगे।

आँकड़ों द्वारा प्रदान किए जा सकने वाले भारी लाभों की सराहना करने के लिए, हम प्रयोग में प्राप्त डेटा को समझने और संसाधित करने की प्रगति का अनुसरण करने का प्रयास करेंगे। इस प्रकार, विशिष्ट परिणामों और शोधकर्ता से उनके द्वारा पूछे गए प्रश्नों के आधार पर, हम विभिन्न तकनीकों और उन्हें लागू करने के सरल तरीकों को समझने में सक्षम होंगे। हालाँकि, इस काम को शुरू करने से पहले हमारे लिए सांख्यिकी की तीन मुख्य शाखाओं पर सामान्य शब्दों में विचार करना उपयोगी होगा।

1. वर्णनात्मक आँकड़ेजैसा कि नाम से पता चलता है, यह आपको तालिकाओं या ग्राफ़ के रूप में वर्णन, सारांश और पुनरुत्पादन की अनुमति देता है

एक या दूसरे का डेटा वितरण, गणना करें औसतकिसी दिए गए वितरण और उसके लिए दायराऔर फैलाव.

2. समस्या आगमनात्मक आँकड़े- जाँच करना कि क्या इस अध्ययन से प्राप्त परिणामों को सामान्यीकृत किया जा सकता है नमूना, पूरे के लिए जनसंख्या, जिससे यह नमूना लिया गया था। दूसरे शब्दों में, आंकड़ों के इस खंड के नियम यह पता लगाना संभव बनाते हैं कि प्रेरण द्वारा, किसी भी अवलोकन के दौरान उनके सीमित समूह का अध्ययन करते समय खोजे गए एक या दूसरे पैटर्न को बड़ी संख्या में वस्तुओं के लिए सामान्यीकृत करना किस हद तक संभव है। या प्रयोग. इस प्रकार, आगमनात्मक आँकड़ों की सहायता से, नमूने के अध्ययन से प्राप्त आंकड़ों के आधार पर कुछ निष्कर्ष और सामान्यीकरण किए जाते हैं।

3. अंत में, माप सहसंबंधहमें यह जानने की अनुमति देता है कि दो चर एक-दूसरे से कितने संबंधित हैं, ताकि यदि हम दूसरे को जानते हैं तो हम उनमें से एक के संभावित मूल्यों की भविष्यवाणी कर सकें।

दो प्रकार की सांख्यिकीय विधियाँ या परीक्षण हैं जो आपको सामान्यीकरण करने या सहसंबंध की डिग्री की गणना करने की अनुमति देते हैं। पहला प्रकार सबसे अधिक उपयोग किया जाता है पैरामीट्रिक तरीके, जो डेटा के माध्य या विचरण जैसे मापदंडों का उपयोग करते हैं। दूसरा प्रकार है गैर-पैरामीट्रिक तरीके, जब शोधकर्ता बहुत छोटे नमूनों या गुणात्मक डेटा के साथ काम कर रहा हो तो एक अमूल्य सेवा प्रदान करना; ये विधियाँ गणना और अनुप्रयोग दोनों की दृष्टि से बहुत सरल हैं। जैसे-जैसे हम डेटा का वर्णन करने और सांख्यिकीय विश्लेषण की ओर आगे बढ़ने के विभिन्न तरीकों से परिचित हो जाते हैं, हम दोनों पर गौर करेंगे।

जैसा कि पहले ही उल्लेख किया गया है, सांख्यिकी के इन विभिन्न क्षेत्रों को समझने की कोशिश करने के लिए, हम किसी विशेष अध्ययन के परिणामों के संबंध में उठने वाले प्रश्नों का उत्तर देने का प्रयास करेंगे। एक उदाहरण के रूप में, हम एक प्रयोग लेंगे, अर्थात्, ओकुलोमोटर समन्वय और प्रतिक्रिया समय पर मारिजुआना की खपत के प्रभाव का एक अध्ययन। इस काल्पनिक प्रयोग में उपयोग की गई पद्धति, साथ ही इससे हमें जो परिणाम प्राप्त हो सकते हैं, वे नीचे प्रस्तुत किए गए हैं।

यदि आप चाहें, तो आप इस प्रयोग के विशिष्ट विवरणों को दूसरों के लिए प्रतिस्थापित कर सकते हैं - जैसे शराब की खपत या नींद की कमी के लिए मारिजुआना का सेवन - या, इससे भी बेहतर, इन काल्पनिक डेटा को उन लोगों के लिए प्रतिस्थापित करें जिन्हें आपने वास्तव में अपने अध्ययन में प्राप्त किया था। किसी भी स्थिति में, आपको "हमारे खेल के नियमों" को स्वीकार करना होगा और वे गणनाएँ करनी होंगी जो यहाँ आपसे अपेक्षित होंगी; केवल इस शर्त के तहत ही वस्तु का सार आप तक "पहुंचेगा", यदि आपके साथ पहले ऐसा नहीं हुआ है।

महत्वपूर्ण लेख।वर्णनात्मक और आगमनात्मक आँकड़ों के अनुभागों में, हम केवल उन प्रयोगात्मक डेटा पर विचार करेंगे जो निर्भर चर "लक्ष्य हिट" के लिए प्रासंगिक हैं। जहां तक ​​प्रतिक्रिया समय जैसे संकेतक का सवाल है, हम इसे केवल सहसंबंध की गणना वाले अनुभाग में ही संबोधित करेंगे। हालाँकि, यह बिना कहे चला जाता है कि शुरुआत से ही इस सूचक के मूल्यों को "लक्ष्य हिट" चर के समान ही संसाधित किया जाना चाहिए। हम इसे पाठक पर छोड़ते हैं कि वे स्वयं पेंसिल और कागज से ऐसा करें।

कुछ बुनियादी अवधारणाएँ. जनसंख्या और नमूना

सांख्यिकी का एक कार्य संपूर्ण जनसंख्या के बारे में निष्कर्ष निकालने के लिए जनसंख्या के एक हिस्से से प्राप्त आंकड़ों का विश्लेषण करना है।

जनसंख्यासांख्यिकी में इसका तात्पर्य लोगों के किसी समूह या प्राकृतिक समुदाय से नहीं है; यह शब्द उन सभी प्राणियों या वस्तुओं को संदर्भित करता है जो अध्ययन के तहत कुल आबादी बनाते हैं, चाहे वे परमाणु हों या किसी विशेष कैफे में जाने वाले छात्र हों।

नमूना- वैज्ञानिक तरीकों का उपयोग करके चयनित तत्वों की एक छोटी संख्या है ताकि यह प्रतिनिधि हो, यानी। समग्र रूप से जनसंख्या को प्रतिबिंबित किया।

(घरेलू साहित्य में, शब्द "सामान्य जनसंख्या" और "नमूना जनसंख्या" क्रमशः अधिक सामान्य हैं। - टिप्पणी अनुवाद)

डेटा और इसकी किस्में

डेटासांख्यिकी में, ये विश्लेषण किए जाने वाले मुख्य तत्व हैं। डेटा कुछ मात्रात्मक परिणाम हो सकते हैं, जनसंख्या के कुछ सदस्यों में निहित गुण, एक विशेष अनुक्रम में एक स्थान - सामान्य तौर पर, कोई भी जानकारी जिसे प्रसंस्करण के उद्देश्य से वर्गीकृत या श्रेणियों में विभाजित किया जा सकता है।

किसी को "डेटा" को उन "अर्थों" के साथ भ्रमित नहीं करना चाहिए जो डेटा ले सकता है। उनके बीच हमेशा अंतर करने के लिए, चैटिलॉन (1977) निम्नलिखित वाक्यांश को याद रखने की सलाह देते हैं: "डेटा अक्सर समान मान लेता है" (उदाहरण के लिए, यदि हम छह डेटा लेते हैं - 8, 13, 10, 8, 10 और 5 , तो वे केवल चार अलग-अलग मान लेते हैं - 5, 8, 10 और 13)।

निर्माण वितरण- यह एक सामान्यीकृत, क्रमबद्ध चित्र प्राप्त करने के लिए एक नमूने से प्राप्त प्राथमिक डेटा को वर्गों या श्रेणियों में विभाजित करना है जो उन्हें विश्लेषण करने की अनुमति देता है।

डेटा तीन प्रकार के होते हैं:

1. मात्रात्मक डेटा, माप से प्राप्त (उदाहरण के लिए, वजन, आयाम, तापमान, समय, परीक्षण परिणाम, आदि पर डेटा)। उन्हें समान अंतराल पर पैमाने पर वितरित किया जा सकता है।

2. सामान्य डेटा, इन तत्वों को आरोही क्रम (पहला, ..., 7वां, ..., 100वां, ...; ए, बी, सी...) में व्यवस्थित करके प्राप्त अनुक्रम में उनके स्थानों के अनुरूप।

3. गुणात्मक तथ्य, नमूना या जनसंख्या तत्वों के कुछ गुणों का प्रतिनिधित्व करता है। उन्हें मापा नहीं जा सकता है, और उनका एकमात्र मात्रात्मक मूल्यांकन घटना की आवृत्ति है (नीली या हरी आंखों वाले लोगों की संख्या, धूम्रपान करने वाले और धूम्रपान न करने वाले, थके हुए और आराम करने वाले, मजबूत और कमजोर, आदि)।

इन सभी प्रकार के डेटा में से केवल मात्रात्मक डेटा का विश्लेषण आधारित विधियों का उपयोग करके किया जा सकता है विकल्प(जैसे, उदाहरण के लिए, अंकगणितीय माध्य)। लेकिन मात्रात्मक डेटा के लिए भी, ऐसे तरीकों को केवल तभी लागू किया जा सकता है जब इन डेटा की संख्या सामान्य वितरण के प्रकट होने के लिए पर्याप्त हो। इसलिए, पैरामीट्रिक विधियों का उपयोग करने के लिए, सिद्धांत रूप में, तीन शर्तें आवश्यक हैं: डेटा मात्रात्मक होना चाहिए, उनकी संख्या पर्याप्त होनी चाहिए, और उनका वितरण सामान्य होना चाहिए। अन्य सभी मामलों में, हमेशा गैर-पैरामीट्रिक तरीकों का उपयोग करने की अनुशंसा की जाती है।

डेटा प्रोसेसिंग को समझना

मनोवैज्ञानिक अनुसंधान डेटा का प्रसंस्करण प्रायोगिक मनोविज्ञान की एक अलग शाखा है, जो गणितीय सांख्यिकी और तर्क से निकटता से संबंधित है। डेटा प्रोसेसिंग का उद्देश्य निम्नलिखित कार्यों को हल करना है:

प्राप्त सामग्री को व्यवस्थित करना;

जानकारी में त्रुटियों, कमियों, अंतरालों का पता लगाना और उन्हें दूर करना;

प्रत्यक्ष धारणा से छिपे रुझानों, पैटर्न और कनेक्शन की पहचान;

नए तथ्यों की खोज जिनकी अनुभवजन्य प्रक्रिया के दौरान अपेक्षा नहीं की गई थी या जिन पर ध्यान नहीं दिया गया था;

एकत्रित आँकड़ों की विश्वसनीयता, विश्वसनीयता एवं सटीकता का स्तर निर्धारित करना तथा उनके आधार पर वैज्ञानिक दृष्टि से परिणाम प्राप्त करना।

मात्रात्मक प्रसंस्करण- यह अध्ययन की जा रही वस्तु की मापी गई विशेषताओं, उसके "ऑब्जेक्टिफाइड" गुणों के साथ काम है। इसका उद्देश्य मुख्य रूप से किसी वस्तु का औपचारिक, बाहरी अध्ययन करना है, जबकि गुणात्मक - मुख्य रूप से उसका सार्थक, आंतरिक अध्ययन करना है। मात्रात्मक अनुसंधान में, अनुभूति का विश्लेषणात्मक घटक हावी होता है, जो अनुभवजन्य सामग्री के प्रसंस्करण के लिए मात्रात्मक तरीकों के नामों में परिलक्षित होता है: सहसंबंध विश्लेषण, कारक विश्लेषण, आदि। मात्रात्मक प्रसंस्करण गणितीय और सांख्यिकीय तरीकों का उपयोग करके किया जाता है।

उच्च गुणवत्ता प्रसंस्करणकिसी वस्तु के अचूक गुणों की पहचान करके उसके सार में प्रवेश करने का एक तरीका है। इस तरह के प्रसंस्करण के साथ, अनुभूति के सिंथेटिक तरीके प्रबल होते हैं। सामान्यीकरण अनुसंधान प्रक्रिया के अगले चरण - व्याख्या में किया जाता है। उच्च गुणवत्ता वाले डेटा प्रोसेसिंग के साथ, मुख्य बात अध्ययन की जा रही घटना के बारे में जानकारी की उचित प्रस्तुति है, जो इसके आगे के सैद्धांतिक अध्ययन को सुनिश्चित करती है। आमतौर पर, गुणात्मक प्रसंस्करण का परिणाम वर्गीकरण और टाइपोलॉजी के रूप में किसी वस्तु के गुणों के सेट या वस्तुओं के सेट का एक एकीकृत प्रतिनिधित्व होता है। गुणात्मक प्रसंस्करण काफी हद तक तर्क के तरीकों को आकर्षित करता है।

गुणात्मक और मात्रात्मक प्रसंस्करण के बीच का अंतर मनमाना है। गुणात्मक प्रसंस्करण के बिना मात्रात्मक विश्लेषण अर्थहीन है; चूँकि यह अपने आप में ज्ञान में वृद्धि नहीं करता है, और वैज्ञानिक ज्ञान में बुनियादी मात्रात्मक डेटा के बिना किसी वस्तु का गुणात्मक अध्ययन असंभव है। मात्रात्मक डेटा के बिना, वैज्ञानिक ज्ञान एक विशुद्ध रूप से काल्पनिक प्रक्रिया है। मात्रात्मक और गुणात्मक प्रसंस्करण की एकता डेटा प्रोसेसिंग के कई तरीकों में स्पष्ट रूप से प्रस्तुत की जाती है: कारक और टैक्सोनोमिक विश्लेषण, स्केलिंग, वर्गीकरण, आदि। मात्रात्मक प्रसंस्करण के सबसे आम तरीके वर्गीकरण, टाइपोलॉजी, व्यवस्थितकरण, अवधिकरण और कैसुइस्ट्री हैं। गुणात्मक प्रसंस्करण से स्वाभाविक रूप से अध्ययन की जा रही घटनाओं का विवरण और स्पष्टीकरण प्राप्त होता है, जो उनके अध्ययन के अगले स्तर का गठन करता है, जो परिणामों की व्याख्या के चरण में किया जाता है। मात्रात्मक प्रसंस्करण पूरी तरह से डेटा प्रोसेसिंग चरण को संदर्भित करता है।