Точність. Інформація про кожну одиницю відбору має бути точною. Основа вибірки не повинна включати неіснуючих одиниць. Подібні неточності зустрічаються у дисертаційних дослідженнях при аналізі довготривалих формувальних експериментів. Зокрема, кількість студентів досліджуваних груп до початку експеримента і на момент його завершення завжди майже різна: відрахування, академічні відпустки, перехід з одного ВНЗ до іншого тощо впливають на кількість студентів академічної групи навіть впродовж навчального року.
Адекватність. Основа вибірки, адекватна для вирішення одних завдань, може бути неадекватною для інших. Наприклад, повний список студентів інженерних факультетів вищих аграрних навчальних закладів України може бути непоганою основою при дослідженні проблем професійної орієнтації молоді на інженерну діяльність. Але, коли вивчається проблема професійної орієнтації сільської молоді на інженерну діяльність, то ця база даних може слугувати лише для формування нової основи вибірки – списку студентів із сільського регіону.
Зручність. Якість результатів дослідження безпосередньо залежить від зручності роботи з основою вибірки. База даних одиниць спостереження має бути доступною для дослідника, а одиниці, що складають основу вибірки – пронумеровані; іншими словами, – завжди є інформація, за якою з повною впевненістю можна розпізнати об’єкти.
За сформованою (кількісно!) основою вибірки досить просто реалізувати процедуру простого випадкового відбору. Опишемо, як виконують простий випадковий безповторний відбір.
Якщо основа вибірки (генеральна сукупність) складає N елементів, а необхідно відібрати для спостережень n одиниць (вибіркова сукупність), запишемо усі номери від 1 до N на окремих картках і ретельно їх перемішаємо. Витягнемо одну з них навмання і запишемо її номер. Повернемо її на місце, знову перемішаємо картки і повторимо операцію.
Процедура буде завершеною, якщо кількість випадково відібраних карток складе n – вибіркова сукупність сформована. Зауважимо, якщо витягнуту картку не повертати на місце, позбавивши можливості знову бути відібраною, то такий процес називають простим випадковим безповторним відбором.
Природно, якщо об’єм основи вибірки (N) є великим, наведена процедура простого випадкового відбору стає дуже трудомісткою. У цьому випадку користуються таблицями випадкових чисел. Продемонструємо, як із основи вибірки з № 320 вибрати 9 одиниць спостережень. Для цього скористаємося фрагментом таблиці випадкових чисел, яку зацікавлений читач може легко знайти у довідниках з математики.
Зауважимо, що:
а) починати процес вибору випадкових чисел можна з будь-якого місця таблиці;
б) пошук можна вести у будь-якому напрямку по рядках, стовпчиках тощо;
в) числа, які повторно потрапляють до таблиці випадкових чисел, пропускаються.
Підкреслимо, що мета будь-якого вибіркового дослідження полягає у тому, щоб сформувати вибірку, зібрати на її основі потрібну інформацію та оцінити необхідні характеристики генеральної сукупності. Переважно дослідник не має достатньої інформації про генеральну сукупність а має лише дані, отримані з вибірки. Виникає питання: ”А як саме оцінити у таких умовах якіть вибірки?“ Відповідь дає статистична теорія вибіркового методу, яка дозволяє:
1.За заданим необхідним ступенем точності висновків (що формалізується за допомогою поняття “довірена вірогідність”) знайти можливі інтервали, зміни характеристик генеральної сукупності ”довірений інтервал“. І, навпаки, розрахувати “довірену” ймовірність відхилення характеристики генеральної сукупності від вибіркової за заданою величиною ”довіреного інтервалу“.
2. Знайти обсяг планованої вибірки, який дозволяє досягти в межах необхідної точності розрахунків вибіркових характеристик необхідну “довірену” ймовірність.
Варто сказати, що не може бути універсальної методики вибірки на всі випадки. Важливо пам’ятати, що достовірність інформації про досліджуваний об’єкт залежить від вибору найсуттєвіших ознак, за якими буде здійснюватися відбір респондентів.
Крім простої випадкової (ймовірної) вибірки є й інші типи: стихійна, квотна, систематична, гніздова (серійна).
Стихійна вибірка – вибір ”першого зустрічного“. Цим методом користуються, коли генеральна і вибіркова сукупності за своїм обсягом достатньо великі.
Квотна вибірка використовується, якщо дослідник намагається досягти структурної відповідності вибіркової та генеральної сукупностей. Відбір респондентів здійснюється за певними ознаками: стать, вік, освіта тощо.
Систематична (механічна) вибірка є спрощеним варіантом простого випадкового відбору. Для цього слід мати список членів генеральної сукупності (наприклад, список виборців) і проводити відбір респондентів пслідовно через один і той самий інтервал, який називають “кроком вибірки”.
При систематичній (механічній) вибірці відбір починають не з першого номеру списку.
При гніздовій (серійній) вибірці за одиницю відбору беруть не окремих респондентів, а групи, класи, бригади, відділи чи інші подібні підрозділи. Відібрані у вибірку серії залучають до суцільного вибіркового дослідження.
Є декілька методів формування контрольного та експериментального масиву.
Метод попереднього відбору полягає у тому, що об’єкт майбутнього експериментального дослідження розглядається як множина одиниць спостережень, які розрізняються за наявності чи відсутності у них однієї з ознак (успішність, стать, вік, тощо). На першому етапі здійснюється розподіл множини осіб на дві підмножини за однією з ознак, наприклад, статтю.
Потім, в одній із підмножин відбирається індивід і знаходиться для нього пара в іншій підмножині за іншою ознакою, наприклад, віком. Відібрані особи є елементами двох нових підмножин, рівних між собою за двома ознаками: стать і вік. Особи, для яких не знайшлося пари в іншій підмножині, з подальшого дослідження вилучаються. Аналогічна процедура повторюється з підмножинами, які утворилися, за кожною новою ознакою.
Чим більше змінних, за якими здійснюється вирівнювання, тим більше кількісно скорочуються групи. Важливо, щоб наприкінці відбору величина групи відповідала вимогам репрезентативності.
Метод частотного розподілу передбачає виділення такої підмножини, яка була б моделлю досліджуваного об’єкта за певними ознаками (стать, вік, професія, національність тощо). Утворені в результаті такого відбору групи більш адекватно моделюють генеральну сукупність, ніж при попарному відборі. Але варто відмітити, що сам процес приладжування ознак за відсотками є недостатньо обгрунтованим, і не забезпечує необхідну об’єктивність.
Експериментальною називають групу, на яку дослідник впливає незалежною (експериментальною) змінною; іншими словами, у цій групі проводиться експеримент.
Контрольною називається група, ідентична експериментальній за розиірами та іншими ознаками, на яку не здійснюють вплив експериментальні змінні (тобто, експеримент у цій групі не проводиться).
Доведено, що створення експериментальної та контрольної груп шояхом поєднання попарного відбору (чи частотного розподілу) з рендомізацією забезпечує найбільшу частоту експерименту. Суть цього методу полягає у тому, що вирівняні за певними ознаками групи розподіляються на контрольний та експериментальний масив на засадах ймовірності: кожна особа за таблицями випадкових чисел розподіляється в одну з нових груп.
При цьому припускається, що особи з однаковими ознаками за законом випадкового розподілу мають в рівній кількості потрапити як у контрольну, так і в експериментальну групу. Доцільно вказати, що, якщо констатувальний і формувальний експеримент проводять з різними групами, то такі вибірки називають незалежними. Коли і в констатувальному, і у формувальному експерименті беруть участь одні й ті самі учасники, тоді вибірки вважають залежними. Наприклад, педагог хоче виявити ефективність нової технології організації самостійної роботи студентів при вивченні курсу ”сільськогосподарські машини“ і зареєструвати показник “рівень сформованості пізнавальної самостійності”. У цьому випадку одні й ті самі групи розглядаються і в констатувальному (до інновації) і у формувальному експериментах.
Згідно структури педагогічного експерименту на наступній стадії дослідник має провести аналіз однорідності досліджуваних груп. Ця процедура проводиться лише для незалежних вибірок. Відмінність ефектів педагогічного впливу буде обгрунтованою, якщо контрольна і експериментальна групи (які співпадають за своїми характеристиками до початку експерименту) розрізняються після реалізації педагогічної інноватики. Отже, треба провести два порівняння і показати, що при перших замірах (до початку експерименту) характеристики контрольної та експериментальної груп співпадають, а при других (на завершення експерименту) – є відмінності.
Природно, говорити про співпадання чи відмінності характеристик експериментальної та контрольної груп можна лише умовно, в статистичному значенні.
4.2. Статистичні критерії
Для того, щоб вияснити, чи є співпадання або відмінності випадковими, використовують статистичні методи, які дозволяють на основі даних, отриманих експериментатором, прийняти обгрунтоване рішення про співпадання чи відмінність характеристик. Насамперед, формулюються статистичні гіпотези. Статистичною (її називають ще ”нульовою“) 0 H гіпотезою називають передбачення стосовно належності експериментальної вибірки до генеральної сукупності з певними статистичними характеристиками. Зокрема, як нульову гіпотезу 0 H розглядають передбачення, яке стверджує, що вибірки , які вивчаються, взяті з генеральних сукупностей із однаковим законом розподілу, а різниця в результатах вибірок пояснюється виключно випадковими ознаками.
Прикладом нульової гіпотези такого типу є ствердження про те, що різниця у результатах виконання двома групами студентів одного й того самого тесту викликана випадковими причинами, а насправді рівень виконання тестової контрольної роботи в обох групах однаковий.
Перевірка нульової гіпотези 0 H переважно виконується шляхом порівняння її з іншою, альтернативною гіпотезою 1 H . Альтернативною гіпотезою 1 H називають передбачення, протилежне тому, що сформульоване в нульовій гіпотезі 0 H . Зокрема, для наведеного прикладу гіпотези 0 H альтернативною гіпотезою 1 H є твердження, що рівні виконання тестової контрольної роботи в обох групах різні, і ця відмінність визначається впливом невипадкових факторів, наприклад, експериментальних методів навчання. Альтернативну гіпотезу (чи гіпотези, якщо їх декілька) приймають тоді, і лише тоді, коли відкидається нульова гіпотеза.
Для прийняття рішення про те, яку з гіпотез (нульову чи альтернативну) слід прийняти, використовують статистичні критерії – вирішальне правило, на основі якого нульова гіпотеза відхиляється чи приймається.
Тобто, на основі інформації про результати спостережень (характеристики членів експериментальної і контрольної груп) вираховується число, яке називають емпіричним значенням критерію. Це число порівнюється з відомим (наприклад, заданим таблично) еталонним числом – критичним значенням критерію. Критичні значення наводяться, переважно, на декількох рівнях значущості. Рівнем значущості називають ймовірність похибки, яка полягає у відхиленні (не прийнятті) нульової гіпотези, або ймовірність того, що відмінності визначено суттєвими, а в дійсності вони випадкові.
У педагогічних дослідженнях використовують три рівні значущості статистичного висновку:
- перший рівень – 5%, де допускається ризик помилки у висновку в п’яти випадках зі 100 теоретично можливих таких самих експериментів при суворо випадковому відборі досліджуваних для кожного експерименту;
- другий рівень – 1%, тобто допускається ризик помилитися тільки в одному випадку зі 100;
- третій рівень – 0,1%, тобто допускається ризик помилитися тільки в
одному випадку з тисячі. Цей рівень значущості обумовлює дуже високі вимоги до обгрунтування результатів експерименту, а тому рідко досягається.
Необхідно вказати, що в педагогічних дослідженнях традиційно допускається не більше, ніж 5% можливість помилки.
Таким чином, загальний алгоритм використання статистичних критеріїв обумовлюється такою послідовністю дій: до початку і на завершення експерименту на основі отриманих результатів спостережень (характеристик членів експериментальної і контрольної груп) вираховується емпіричне значення критерію (методика вибору необхідного критерію та його розрахунок буде наведено у подальших матеріалах). Отримане число порівнюється з відомим (табличним) числом – критичним значенням критерію (Колмогорова-Смірнова, Хі-квадрат, Макномарі, Крамера-Уелча, Вілконсона-Манна-Уітні, Фішера, Стьюдента тощо). Якщо емпіричне значення критерію виявляється меншим або дорівнює критичному, то можна стверджувати, що характеристики експериментальної та контрольної групп співпадають – приймається нульова гіпотеза 0 H . У протилежному випадку, якщо емпіричне значення критерію виявляється більше критичного, то нульова гіпотеза не приймається, а приймається альтернативна гіпотеза – характеристики експериментальної та контрольної груп вважаються відмінними (різними) на заданому рівні значущості.
Не зайве вказати, що чим менше емпіричне значення критерію (чим лівіше він знаходиться від критичного значення), тим більший ступінь співпадання характеристик контрольних та експериментальних груп (або інших груп, що порівнюються між собою). І навпаки, чим більше емпіричне значення критерію (чим правіше він знаходиться від критичного значення) тим сильніше розрізняються характеристики об’єктів, що порівнюються.
Математична статистика доводить, що теоретичний закон розподілу статистики критерію не залежить від результатів досліджуваних вибірок. Але цей закон розподілу може залежати від параметрів генеральних сукупностей (середніх значень, дисперсій тощо). Якщо критерій грунтується на тому чи іншому конкретному типі розподілу генеральних сукупностей, або використовує параметри цих сукупностей, то такий критерій називають параметричним. Параметричний критерій, таким чином, вибирається у тому випадку, коли дослідник може визначити параметри закону розподілу показника, який вивчається. Наприклад, параметричними критеріями є широко відомі педагогічній практиці критерії, основані на t –розподілі Стьюдента і F -розподілі Фішера, котрі виходять з передбачення про нормальний закон розподілу випадкових величин у генеральних сукупностях.
Якщо критерій не грунтується на передбаченні про конкретний тип розподілу генеральних сукупностей і не використовує параметри цих сукупностей, то його називають непараметричним критерієм.
Можливості практичного застосування параметричних і непараметричних критеріїв суттєво залежать від характеру вимірювань характеристик досліджуваних груп. Параметричні критерії вимагають для свого застосування кількісних вимірювань (шкала інтервалів або шкала відношень). У свою чергу, непараметричні критерії використовують тоді, коли результати вибірок виміряні за допомогою порядкової (рангової) шкали чи шкали найменувань. Додамо, що у психолого-педагогічних дослідженнях, які володіють обмеженим набором кількісних показників вимірювання змінних, саме непараметричні критерії слугують домінуючим засобом перевірки статистичних гіпотез. Крім того, їх перевагами є простота обрахунків.
4.3. Загальні підходи до вибору методів перевірки статистичних гіпотез
На вибір методів перевірки статистичних гіпотез впливає декілька факторів. Наприклад, важливо врахувати, за якою шкалою виміряні властивості учасників педагогічного експерименту. Нагадаємо, що при використанні шкали найменувань, досліджувані об’єкти розподіляються на декілька класів. Дані, отримані за цією шкалою, дозволяють відповісти на питання: “Володіє чи не володіє досліджуваний об’єкт певною якістю?” Якщо дослідник має дані, отримані на рівні порядкової шкали, то ця інформація є більш повною для аналізу. У порівнянні зі шкалою найменувань, отримані дані за порядковою шкалою додатково дозволяють вияснити, у якого з двох об’єктів досліджувана властивість виражена сильніше.
Шкала відношень, у свою чергу, більш інформативна у порівнянні зі шкалою порядку. Дані, отримані за цією шкалою, дозволяють досліднику вияснити, у скільки разів, чи на скільки одиниць властивість, що вимірюється більша у одного з двох об’єктів. Додамо, що у сучасних науково-педагогічних дослідженнях найчастіше використовують порядкову шкалу, або шкалу відношень.
Крім того, досліднику слід враховувати число значень, що відрізняються між собою у вибірках. Наприклад, вибірка 1; 2; 2; 2; 1; 1; 2; 1; 2; 1 має лише два різних значення – одиниця і двійка. А вже вибірка виду 3; 1; 4; 2; 9; 0; 8; 6; 5; 7 має десять різних значень. Важливим фактором вибору методу перевірки статистичних гіпотез є характеристика вибірки. Вибірка, насамперед, може бути залежною і незалежною. Якщо у констатувальному і формувальному експерименті беруть участь одні й ті самі студенти, така вибірка вважається залежною. Природно, перевірку однорідності контрольних та експериментальних груп не проводять. І, навпаки, якщо у констатувальному і формувальному експерименті беруть участь студенти різних груп, такі вибірки називають незалежними. Крім того, необхідно враховувати кількість студентів (об’єм вибірки), які беруть участь у експерименті. Д.А. Новіков пропонує вживати дві характеристики: об’єм вибірки великий; об’єм вибірки малий.
На вибір способу перевірки статистичних гіпотез суттєвий вплив має можливість експериментатора зробити припущення щодо харакреру розподілу. Якщо можна зробити припущення щодо характеру розподілу даних, що аналізуються, то такі методи називають параметричними. До іншої групи належать методи, при використанні яких не роблять припущень щодо теоретичного закону розподілу даних (непараметричні методи). Розглянемо умови застосування деяких статистичних критеріїв.
Критерій Макномарі. Критерій призначено для порівняння розподілів об’єктів двох сукупностей на основі вимірювання будь-якої властивості (навіть за шкалою найменувань) у двох залежних вибірках.
Для застосування Критерію Макномері необхідно дотримуватися таких вимог:
- вибірки випадкові (сформовані методи випадкового відбору);
- вибірки залежні (наприклад, двократне вимірювання якоїсь властивості у членів однієї й тієї ж групи до та після експериментальної ситуації);
- пари ( i X , i Y ) взаємно незалежні, тобто члени вибірки не впливають один на одного;
- шкала вимірювання – шкала найменувань (вище – нижче, більше – менше, так – ні, згоден – незгоден) з 2 категоріями.
Критерій Стьюдента. Перевірка достовірності результатів педагогічного експерименту за критерієм Стьюдента ( t -критерій) проводиться за таких умов:
- вибірки взяті з генеральних сукупностей з нормальним законом розподілу і мають однакові стандартні відхилення;
- необхідно визначити при порівнянні середніх балів експериментальних і контрольних груп не тільки у якій групі середній бал вище, а й на скільки вище.
Критерій Пірсона (Ксі -квадрат). Критерій застосовується для порівняння об’єктів двох сукупностей за станом певної властивості, на основі вимірювання за шкалою найменувань у двох незалежних вибірках.
Вимоги до застосування критерію:
- вибірки випадкові;
- вибірки незалежні, члени кожної вибірки також незалежні між собою (наприклад, маємо контрольний та експериментальний массив і виміри виконуємо до і після введення педагогічної інновації);
- сума обсягів двох вибірок більше 20;
- жодна з абсолютних частот, визначених на основі експериментальних даних, не може бути менше S (наприклад, при групуванні студентів контрольних та експериментальних груп за ставленням до нового методу навчання (шкала найменувань, відповіді “так” і “ні”), кожна із чотирьох підгруп студентів має становити не менше 5 осіб!). У випадку, якщо в одну категорію потрапить менше 5 осіб, варто об’єднати дві суміжні категорії, щоб задовольнити означену вимогу. Наприклад, якщо є п’ять категорій студентів із диференціацією рівнів сформованості якоїсь властивості: “високий”, “середній”, “нижче середнього”, “низький”, “дуже низький” і респонденти розподілилися відповідно 10; 18; 15; 7; 1; то варто відмовитися від категорії “дуже низький” і об’єднати її з категорією “низький”, отримавши дані за цим групуванням 8 осіб;
- якщо властивість об’єктів, яка вивчається, виміряна за шкалою найменувань, яка має більше двох категорій, або за шкалою більш високого рівня, то для порівняння розподілів цієї властивості в різних сукупностях слід використовувати лише двосторонній критерій Х2.
Критерій Вілконсона-Манна-Уітні. Цей критерій (ВМУ) призначений для визначення відмінностей у розподілах властивості, що вивчається у об’єктів двох сукупностей на основі порівняння результатів у членів незалежних вибірок. За допомогою критерію ВМУ перевіряється одночасно передбачення про відмінність як медіан, так і середніх значень у досліджуваних сукупностях.
Застосування критерію ВМУ можливе при дотриманні таких вимог:
- обидві вибірки випадкові;
- вибірки незалежні, члени кожної вибірки також незалежні між собою;
- властивість, що вивчається, в об’єктах має неперервний характер в обох сукупностях, з яких зроблено вибірки;
- шкала вимірювання не нижча порядкової;
- оскільки критерій ВМУ оперує не з абсолютними значеннями елементів двох вибірок, а з результатами їх парних порівнянь, то він дає недостатньо точні дані в умовах, коли число значень, які відрізняються одне від одного у вибірках невелике.
1 2 3 4 5 6 7 8 9 10 11