1ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ
Цель курса: научить студентов грамотному использованию методов математической обработки результатов экспериментальных, научно-практических исследований в разных областях психологии.
Задачи курса:
-
обеспечить выработку необходимых теоретических знаний использования различных методов математического обобщения результатов психологических исследований;
-
выработка навыков технологии проведения математического анализа эмпирических данных;
-
изучить критериев математической статистики.
2ТРЕБОВАНИЯ К УРОВНЮ УСВОЕНИЯ ДИСЦИПЛИНЫ
В процессе изучения дисциплины студенты должны:
Овладеть компетенциями:
Перечень названий и шифров компетенций в соответствии с ФГОС ВПО
Выпускник должен обладать следующими общекультурными компетенциями (ОК):
способностью и готовностью к:
-
использованию системы категорий и методов, необходимых для решения типовых задач в различных областях профессиональной практики (ОК-4);
-
овладению основными методами, способами и средствами получения, хранения, переработки информации, навыками работы с компьютером как средством управления информацией (ОК-11).
Иметь представление: о возможности использования математических методов в психологии.
Знать:
-
современные качественные и количественные методы обработки информации и возможности их применения для достижения различных исследовательских задач в психологии;
-
стратегию математического анализа при проведении поисково-исследовательской деятельности
-
возможности прогнозирования изменения изучаемых психолого-педагогических процессов, явлений, феноменов и т.д.
Уметь:
-
использовать различные математические методы для решения психологических задач;
-
планировать, организовывать и проводить психологическое исследование;
-
соблюдать научную корректность при формулировке выводов и заключений;
-
анализировать психологическое исследование с использованием математических методов статистики;
-
использовать компьютерные программы для обработки данных.
3АУДИТОРНАЯ РАБОТА 3.1Лекции
№ п/п
|
Тема лекции
|
Краткое содержание
|
Кол. часов
О/З
|
1
|
Основные понятия, используемые в математической обработке психологических данных
|
Признаки и переменные. Теория вероятности. Основные шкалы измерений (номинативная, порядковая, ранговая, интервалов), применяемые в психологии. Выборка, генеральная совокупность. Табулирование данных. Меры центральной тенденции. Оценка разброса значений признака в выборке. Гистограмма, полигон частот. Уровень достоверности и уровень значимости. Зависимые и независимые выборки. Требования к выборке при решении различных задач. Основные задачи, решаемые статистическими методами. Оценка характера распределения признака. Виды распределений. Понятие нормального распределения и его параметры: среднее арифметическое и стандартное отклонение. Идеальная кривая нормального распределения К. Гаусса. Свойства кривой. Совпадение значений среднего арифметического, моды и медианы. Показатели асиметрии и эксцесса. Ассиметричные распределения: левосторонние, правосторонние.
Понятие статистической гипотезы. Сущность проверки статистической гипотезы – установить, согласуются ли экспериментальные результаты и выдвинутая гипотеза; допустимо ли отнести расхождение между ними за счет случайных величин. Нуль – гипотеза. Понятие уровня статистической значимости как вероятности ошибки при принятии решения об отклонении нулевой гипотезы. Уровни статистической значимости. Этапы принятия статистической гипотезы (решения).
|
2/2
|
2
|
Выявление различий в уровне исследуемого признака Оценка достоверности сдвига в значениях исследуемого признака
|
Параметрические критерии как критерии, включающие в форму расчета параметры распределения – средние и дисперсию. t-критерий Стьюдента: оценка различий средних величин двух выборок, распределенных по нормальному закону. Случай связных выборок. Случай несвязных выборок. Условия применения t- критерия Стьюдента. F - критерий Фишера. Сравнение величины выборочных дисперсий двух рядов наблюдений.
Непараметрические критерии – критерии, в которых не рассчитывается данная пара параметров. Критерий U– Манна-Уитни: оценка различий по уровню выраженности какого-либо признака для двух независимых (несвязных) выборок. Условия применения Критерия U для связных выборок. Другие непараметрические критерии: критерий Q Розенбаума: оценка различий между двумя выборками по уровню какого-либо признака, измеренного количественно. S - Критерий тенденций Джонкира: выявление тенденций изменения признака при переходе от выборки к выборке при сопоставлении трех и более выборок. Вычисление критериев в компьютерных статистических программах.
|
4/2
|
3
|
Корреляционный анализ
|
Понятие корреляционного анализа. Виды корреляционных связей. Положительная, отрицательная и другие виды корреляций. Задача корреляционного анализа – установление направления (положительное, отрицательное) и формы (линейная, нелинейная) связи между варьирующими признаками; измерение её тесноты, проверка уровня значимости полученных коэффициентов корреляции.
Коэффициент линейной корреляции Пирсона. Условия для применения коэффициента корреляции Пирсона.
Коэффициент корреляции рангов Спирмена – непараметрический показатель связи между переменными, измеренными в ранговой шкале. Условия для применения коэффициента корреляции Спирмена. Коэффициент ассоциации – аналог коэффициента корреляции Пирсона для дихотомических данных.
Бисериальный коэффициент корреляции.
|
2/-
|
4
|
Дисперсионный анализ
|
Понятие дисперсионного анализа как анализа изменчивости признака под влиянием каких-либо контролируемых отдельных факторов. ANOVA как анализ вариативности. Задачи дисперсионного анализа – вычленение вариативности троякого рода: обусловленную действием каждой из исследуемых независимых переменных; 2) обусловленную взаимодействием исследуемых независимых переменных; 3) случайную вариативность, обусловленную всеми другими неизвестными переменными. Однофакторный дисперсионный анализ. «Быстрые» методы – критерии дисперсионного анализа: критерий Линка и Уоллеса; критерий Немени.
|
2/-
|
5
|
Факторный анализ
|
Назначение и классификация многомерных методов. Множественный регрессионный анализ. Дискриминантный анализ. Многомерный анализ данных. Многомерное шкалирование.
Понятие факторного анализа как статистического метода, используемого при обработке больших массивов экспериментальных данных. Задачи факторного анализа – сокращение числа переменных и определение структуры взаимосвязи между переменными, т.е. классификация переменных. Отличие факторного анализа от описанных выше методов. Корреляционные связи как материал для факторного анализа. Понятие фактора, факторной нагрузки или веса. Условия применения факторного анализа. Приемы для определения числа факторов. Вращение факторов. Использование факторного анализа в психологии.
Кластерный анализ.
|
2/-
|
6
|
Метод моделирования в психологии
|
Понятие «модель»: общее представление, функции, классификации. Понятие «моделирования». Основные направления моделирования в психологии, специфика. Психологическое моделирование.
|
2/-
|
7
|
Использование ПЭВМ в психологии
|
Создание таблиц данных. Математическая обработка данных с использованием компьютерных программ. Описательные статистики.
Наглядное представление в графическом виде полученных результатов.
Возможности использования компьютерных статистических пакетов при обработке эмпирических данных в психологии
|
2/-
|
ИТОГО:
|
16/4
|
Поделитесь с Вашими друзьями: |
