Статистическая обработка данных психологопедагогического обследования Лектор: Фатихова Лидия Фаварисовна, кандидат педагогических наук, доцент кафедры специальной педагогики и психологии ФГБОУ ВПО «Башкирский государственный педагогический университет им. М. Акмуллы»
План лекции: 1. Обоснование необходимости графической презентации и проведения статистической обработки данных. 2. Графическая презентация данных массового обследования (гистограммы, круговые диаграммы, графики). 3. Статистические критерии: назначение, вычисление.
1. Обоснование необходимости графической презентации и проведения статистической обработки данных Научно-исследовательская деятельность становится одним из важнейших направлений профессиональной деятельности педагога, вообще, и дефектолога, в частности. В связи с этим педагогу-дефектологу необходимо проводить исследование образовательных процессов и психического развития лиц с ОВЗ. После проведения исследования становится необходимым презентовать полученные данные для того, чтобы поделиться этой информацией с коллегами и другими участниками коррекционно-образовательного процесса.
Одними из основных средств презентации результатов исследования являются построение диаграмм и использование средств математической статистики.
2. Графическая презентация данных массового обследования (гистограммы, круговые диаграммы, графики) Когда речь идет о динамике, т. е. изменении какогото массового явления, например, изменении количества детей с девиантным (общественно опасным) поведением, на основании учета количества этих детей, проживающих на территории деятельности комиссии можно отразить для наглядности как в виде графика, так и в виде столбиковой диаграммы (гистограммы).
500 450 400 350 300 250 200 150 100 50 0 2011 2012 2013 2014 Рис. 1. Динамика количества детей с девиантным поведением, проживающих на территории деятельности ПМПК «Север»
500 450 400 350 300 250 200 150 100 50 0 2011 2012 2013 2014 Рис. 2. Динамика количества детей с девиатным поведением, проживающих на территории деятельности ПМПК "Север"
Когда стоит задача сравнить группы (например, районы или категории лиц с ОВЗ) по характеру и интенсивности динамики какого-то явления, то это также можно изобразить в виде графика или гистограммы.
250 200 150 Октябрьский район Орджоникидзевский район Калининский район 100 Всего 50 0 2011 2012 2013 2014 Рис. 2. Динамика количества детей с девиантным поведением, проживающих на территории деятельности ПМПК «Север» (по районам)
250 200 150 Октябрьский район Орджоникидзевский район Калининский район Всего 100 50 0 2011 2012 2013 2014
Диаграмма может составляться и по средним значениям. Для этого следует сначала найти средние арифметические по каждой изучаемой группе значений. 3. 50 3. 00 2. 50 2. 00 Методика "Классификация". . . 1. 50 1. 00 0. 50 0. 00 млад шк-ки с ЗПР млад шк-ки с умственной отсталостью Рис. 3. Сравнительный анализ способности детей с ЗПР и умственной отсталостью к классификации
Когда стоит задача сравнить средние значения у двух и более групп сразу по нескольким значениям диаграмма может выглядеть следующим образом: 20. 00 18. 00 16. 00 14. 00 12. 00 10. 00 8. 00 6. 00 4. 00 2. 00 0. 00 млад шк-ки с ЗПР млад шк-ки с умств отсталостью Классификация Установление Распознавание прич-след связей эмоций Рис. 4. Сравнительный анализ интеллектуального и эмоционального развития младших школьников с ЗПР и умственной отсталостью
Круговые диаграммы строятся при наличии данных в процентном соотношении. Поэтому данные надо сначала перевести в проценты. 24. 39 29. 54 Октябрьский район Орджоникидзевский район Калининский район 46. 07 Рис. 5. Процентное соотношение детей с девиантным поведением, проживающих на территории деятельности ПМПК «Север» (по районам)
3. Статистические критерии: назначение, вычисление Среди задач, которые можно решать в практике психологопедагогических исследований средствами математической статистики можно выделить следующие: 1) выявления различий в уровне исследуемого признака (например стоит задача выявить различия в уровне развития мышлений у детей с ЗПР и ОНР); 2) оценка сдвига значений исследуемого признака (например, стоит задача в выявлении эффективности предпринятого коррекционного воздействия); 3) выявление взаимосвязи между признаками(например, стоит задача выявить, существует ли взаимосвязь между уровнем развития речи и мышления у детей с отклонениями в развитии); 4) выявление влияния какого-либо фактора на данные (например, стоит задача выявить, влияет ли тип семейного воспитания на проявления нарушений эмоциональной сферы у детей с ОВЗ).
Классификация задач и методов статистической обработки по их решению Задачи Условия Методы 1. Выявление различий в уровне исследуемого признака а) 2 выборки испытуемых; U-критерий Манна-Уитни; t-критерий Стьюдента б) 3 и более выборки испытуемых S-критерий тенденций Джонкира; Y-критерий Крускала-Уолиса 2. Оценка сдвига значений исследуемого признака а) 2 замера на одной и той же Т-критерий Вилкоксона; выборке испытуемых; критерий углового преобразования Фишера б) 3 и более замера на одной и той же выборке испытуемых критерий Фридмана; L-критерий тенденций Пейджа 3. Выявление степени взаимосвязи признаков а) 2 и более признаков r-коэффициент ранговой корреляции Спирмена; p-критерий линейной корреляции Пирсона 4. Выявление влияния какоголибо фактора на данные а) под влиянием одного фактора; F-критерий - однофакторный дисперсионный анализ Фишера б) под влиянием двух факторов одновременно F-критерий - двухфакторный дисперсионный анализ Фишера
1. Среднее значение или среднее арифметическое (в математике и статистике) — одна из наиболее распространённых мер центральной тенденции, представляющая собой сумму всех зафиксированных значений, делённую на их количество. Среднее значение рассчитывается, как правило, для проведения дальнейшей обработки данных.
2. Стандартное отклонение – в статистике это степень отклонения данных наблюдения или множеств от среднего значения. Небольшое стандартное отклонение указывает на то, что данные группируются вокруг среднего значения (рис. 1), а значительное – что данные располагаются далеко от него (рис. 2). Рис. 1 Рис. 2
3. t-критерий Стьюдента — общее название для класса методов статистической проверки гипотез, основанных на распределении Стьюдента. Наиболее частые случаи применения t-критерия связаны с проверкой равенства средних значений в двух выборках. Это параметрический критерий, т. е. он основан на вычислении среднего значения и стандартного отклонения.
4. U-критерий Манна-Уитни - статистический критерий, используемый для оценки различий между двумя независимыми выборками по уровню какого-либо признака, измеренного количественно. Позволяет выявлять различия в значении параметра между малыми выборками. Это непараметрический критерий, т. е. он не основан на вычислении среднего значения и стандартного отклонения.
5. Т-критерий Вилкоксона - статистический критерий, используемый для сопоставления показателей в двух разных условиях на одной и той же выборке испытуемых. Он позволяет установить направленность изменений и их выраженность, например, насколько сильно повлияло то или иное воздействие или условие на степень выраженности измеренного качества.
6. Корреляционные методы Выделяют 2 основных метода выявления корреляционной зависимости переменных – коэффициент ранговой корреляции Спирмена (r -коэффиент) и коэффициент линейной корреляции Пирсона (р-коэффициент). Первый метод вычисляется на основе ранжирования данных (упорядочивания), а второй метод основан на предварительном вычислении среднего значения и стандартного отклонения.
7. F-критерий Фишера - статистический критерий, используемый для выявления того, повлиял ли какой-то фактор на изменения измеряемых переменных. В случае когда стоит задача выявить влияние одного фактора проводится однофакторный дисперсионный анализ, для выявления влияния двух факторов на переменные, используется двухфакторный дисперсионный анализ.
Скачать презентацию Статистическая обработка данных психологопедагогического обследования Лектор Фатихова Лидия
1. Статистическая обработка данных.pptx