Алгоритм анализа анкетных данных в спортивно-педагогических исследованиях

Тип работы:
Реферат
Предмет:
Народное образование. Педагогика


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Аналіз анкетних даних в спортивно-педагогічних дослідженнях
Денисова Л. В., Усиченко В. В., Бишевець Н. Г.
Національний університет фізичного виховання і спорту України
Анотації:
Розглянуто питання, пов'-язані з використанням методів математичної статистики в спортивно-педагогічній практиці. Доведена необхідність розкриття змісту і методів нечислової статистики в процесі обробки даних досліджень фахівців з фізичного виховання і спорту. Розроблено алгоритм аналізу анкетних даних у спортивно-педагогічних дослідженнях. Основу алгоритму складають таблиці спряженості. Наведений приклад реалізації запропонованого алгоритму з використанням даних анкетного опитування студентів вузів фізкультурного профілю. Встановлено наявність статистично значущого зв'-язку між кваліфікацією спортсмена і його переконаннями про необхідність вивчення інформаційних технологій.
Ключові слова:
алгоритм, розробка, ознака, респонденти, анкета, нечислова, статистика, коефіцієнти, критерій, залежність, значущість, зв’язок.
Денисова Л. В., Усиченко В. В., Бишевец Н. Г. Алгоритм анализа анкетных данных в спортивно-педагогических исследованиях. Рассмотрены вопросы, связанные с использованием методов математической статистики в спортивно педагогической практике. Доказана необходимость раскрытия содержания и методов нечисловой статистики в процессе обработки данных исследований специалистов по физическому воспитанию и спорту. Разработан алгоритм анализа анкетных данных в спортивно педагогических исследованиях. Основу алгоритма составляют таблицы сопряженности. Приведенный пример реализации предложенного алгоритма с использованием данных анкетного опроса студентов вузов физкультурного профиля. Установлено наличие статистически значимой связи между квалификацией спортсмена и его убеждениями о необходимости изучения информационных технологий.
алгоритм, разработка, признак, респонденты, анкета, нечисловая, статистика, коэффициенты, критерий, зависимость, значимость.
Denisova, L.V., Usychenko V.V., Byshevets N.G. The algorithm of questionnaire data analysis in sports and pedagogical researches. Questions with the use of methods of mathematical statistics in sporting pedagogical practice are considered. The necessity of
opening of maintenance and methods of unnumerical statistics is well-proven in the process of treatment of these researches of specialists on physical education and sport. The algorithm of analysis of questionnaire data is developed in sporting pedagogical researches. Basis of algorithm is made by the tables of attended. The example of realization of the offered algorithm with the use of information of the questionnaire questioning of students of higher institutes of athletic type is shown. A presence is set statistically to meaningful connection between qualification of sportsman and his persuasions about the necessity of study of information technologies.
algorithm, development, sign, respondents, questionnaire, unnumerical statistics, coefficients, criterion, dependence, meaningfulness.
ПСИХОЛОГІЯ
Вступ.
Сучасний розвиток теорії і методики фізичного виховання і спорту та інших спортивно-педагогічних дисциплін вимагає від дослідників все більш глибоких пізнань в області спортивної статистики, застосування якої в процесі підтвердження існуючих взаємозв'язків та встановлення нових закономірностей унеможливлює отримання хибних наслідків дослідницької діяльності. Дійсно, лише адекватне використання методів математичної статистики забезпечує наукове підґрунтя задекларованим умовиводам та дозволяє з певною мірою ймовірності робити припущення щодо очікуваних результатів експерименту.
Аналіз останніх досліджень і публікацій показав, що наряду із іншими напрямками прикладної статистики, спостерігається розвиток спортивної статистики, який обумовлює прискіплива увага з боку наукової спільноти до надійності результатів спортивно-педагогічних досліджень.
Як небезпідставно вважають фахівці, якщо спостережувані дані не будуть коректно обробленими за допомогою методів математичної статистики, то дослідницька робота втрачає будь-який теоретичний і практичний сенс [9, с. 3].
Вивчення даних літературних джерел засвідчило, що наразі, за виключенням окремих спеціалістів, які наряду із стандартними статистичними процедурами розглядають також методи аналізу експертних оцінок [1, 6], фахівці зі спортивної статистики обмежуються питаннями аналізу кількісних даних, а проблеми аналізу якісних показників досліджуваних процесів залишаються поза їх увагою [2, 3, 4, 9]. Внаслідок однобічного підходу до оцінки результатів досліджень, © Денисова Л. В., Усиченко В. В., Бишевець Н. Г., 2012
виникають окремі прогалини у питаннях математичної обробки даних, які фахівці схильні пояснювати специфікою змісту навчання студентів фізкультурних факультетів [6]. Таким чином, з нашої точки зору, розкриття етапів аналізу об'єктів нечислової природи у спортивно-педагогічних дослідженнях являється своєчасним і необхідним, а висвітлення методів такого аналізу допоможе відкрити перед фахівцями в області фізичного виховання і спорту нові можливості і перспективи.
Зв’язок роботи із важливими науковими програмами або практичними завданнями. Робота виконана згідно плану науково-дослідної роботи кафедри кіне-зіології НУФВСУ по темі «Вдосконалення біомеханічних технологій у фізичному вихованні і реабілітації з урахуванням індивідуальних особливостей моторики людини» (номер держреєстрації: 011^1 734).
Мета, завдання роботи, матеріал і методи.
Дослідження було направлене на розробку алгоритму аналізу анкетних даних в спортивно-педагогічних дослідженнях.
В ході дослідження нами були використані такі методи дослідження як аналіз науково-методичної і спеціальної літератури.
Об'єктом дослідження стали методи дослідження об'єктів нечислової природи в спортивно-педагогічних дослідженнях, а предметом дослідження — етапи аналізу анкетних даних.
Результати дослідження.
В ході спортивно-педагогічних досліджень подекуди фахівцям доводиться покладатися на результати анкетних даних, які відносяться до якісних показників. Якщо у арсеналі дослідника знаходяться виключно результати анкетування, тобто дані отри-
э
2012
ш
мані у номінальній шкалі, то їх подальший ґрунтовний аналіз передбачає представлення анкетних даних у вигляді дихотомічних даних, де ствердній відповіді респондента присвоюється значення «1», а заперечній — «0». Оскільки, на відміну від числових даних, об'-єкти нечислової природи не можна складати і множити на числа, не втрачаючи при цьому змістовного сенсу [5, с. 30], та для номінальних ознак являється некоректним використання такої міри розкиду як дисперсія, яка використовуються для інтервальних шкал, та квантільний розмах, що використовується для порядкових шкал [7, с. 121], виникає питання, яким чином можна дослідити зв'-язок між номінальними показниками.
Аналіз науково-методичної і спеціальної літератури дозволив встановити, що для аналізу анкетних даних спеціалістами пропонуються специфічні методи аналізу зв’язків між номінальними ознаками [5, 7, 8].
Оскільки процедура встановлення долі респондентів, які так чи інакше відповіли на задане питання широко відома і традиційно використовується в процесі аналізу анкетних даних, зупинимось більш детально на методах аналізу взаємозв'язків між якісними ознаками, які недостатньо вивчені не тільки в сфері фізичного виховання і спорту, а й загалом мало відображені у вітчизняній літературі [7, 2]. Одним із ключових методів такого аналізу являється аналіз анкетних даних на основі таблиць спряженості.
Починають аналіз таблиці спряженості встановленням, чи існує зв'-язок між двома номінальними змінними. Для цього, насамперед, перевіряють статистичну гіпотезу про незалежність ознак за допомогою коефіцієнту квадратичної спряженості |2, який розраховується за формулою:
І2 = 2Е /П1п
¦ - ] = 1
N ¦ П]
(2),
де | - інформаційний критерій.
Для оцінки зв'-язку між якісними показниками використовуються коефіцієнти, які дозволяють порівнювати між собою різні таблиці за силою зв'-язку між ознаками. Серед запропонованих коефіцієнтів найбільш поширеними є коефіцієнти Пірсона, Чупрова та Крамера, які приймають значення в інтервалі [0, 1] та розраховуються на основі критерія |2:
р = / ^ - коефіцієнт Пірсона (3),
Т =
К =
І2
N7 (с — 1)(г — 1)
¦ коефіцієнт Чупрова (4),
І2
N ¦ шіп (с — 1, г — 1)
— коефіцієнт Крамера (5).
Оскільки ознаки вважають зв’язними у випадку, коли значення однієї ознаки дозволяє передбачити значення іншої, вивчаючи зв’язки між номінальними ознаками також використовують коефіцієнти зв’язку, які базуються на моделях прогнозу [7, с. 158]. Зокрема, з метою оцінки відносного скорочення помилки прогнозу значення однієї змінної при врахуванні іншої змінної застосовують показник лямбда (Я), який засновано на модальному прогнозі. Вплив рядкової ознаки на стовпцеву та стовпцевої ознаки на рядкову встановлюється за формулами:
(1),
де |2 — коефіцієнт квадратичної спряженості, N — загальна кількість частот, п. — відповідні частоти, які стоять на перетині г-го рядка і. -го стовпця, п. -маргінали по рядках, п. і - маргінали по стовпцях, с, г — число градацій розглядуваних ознак.
При цьому очікувана теоретична доля має бути не меншою 5, а у випадку невиконання означеної умови, слід зменшити число градацій у таблиці [7, с. 154]. Необхідно звернути увагу, що розглядуваний критерій не гарантує наявність зв’язку та не вимірює його величину. Як зазначають фахівці, вказаний критерій або свідчить про те, що емпірія не дає підстав сумніватися у відсутності зв’язку, або, навпаки, дає привід для сумнівів [7, с. 155].
Також вивчення взаємозв'язків між номінальними ознаками проводиться за допомогою коефіцієнту зв’язку, заснованого на поняттях ентропії. Встановлення, наскільки вивчення однієї ознаки зменшує невизначеність в знанні іншої, відбувається за допомогою інформаційного критерію, який обчислюється за формулою:
/ шах щ — шах П- і=1 ]
Яг =
]=1
]
п — шах П]
]
шах Пі] - шах п.
Яс = -----------------------1-
п — шах Пі.
і
(6),
де Я — симетричні міри зв’язку,
Я — дозволяє оцінити, наскільки Х дозволяє передбачити Y,
Яс- дозволяє оцінити, наскільки Y дозволяє передбачити Х.
З іншого боку, для оцінки зв’язку між якісними ознаками використовують коефіцієнти, засновані на пропорційному прогнозі, серед яких т-коефіцієнти. Коефіцієнт т порівнює випадковий, пропорційний прогноз ознаки Y з ознакою Х і розраховує умовне, пропорційне передбачення класу Y, при припущенні, що є інформація про належність об'-єкту до одного з класів ознаки Х і розраховується за формулою [8, с. 21]:
• оцінити зв’язок між Х та Y згідно з інформаційним критерієм-
б) встановити напрям і характер залежності з використанням відповідних коефіцієнтів-с
в) знайти стандартні помилки коефіцієнтів.
III. Оцінити відносне скорочення помилки прогнозу значення однієї змінної при врахуванні іншої змінної [7, с. 158] за допомогою Д -коефіцієнтів Гудмена-Краскала.
IV. Оцінити, на скільки процентів зменшиться неправильний прогноз категорії ознаки Y для випадково взятого об'єкту при умовному пропорційному прогнозуванні в порівнянні з безумовним пропорційним прогнозом [8, с. 21].
Наведемо приклад реалізації запропонованого алгоритму для аналізу результатів анкетування в спортивно-педагогічних дослідженнях. В результаті опитування спортсменів, які навчаються у внз, було встановлено їх відношення до вивчення можливостей застосування інформаційних технологій (ІТ) в фізичному вихованні і спорті в залежності від кваліфікації
Таблиця 1
Необхідність вивчення можливостей інформаційних технологій в фізичному вихованні і спорті
Кваліфікація Вивчення необхідне
так 1 ні Всього
І розряд 6 18 24
КМС 15 12 27
МС 34 5 39
Всього 55 35 90
Таблиця 2
Результати аналізу анкетних даних
Статистичні показники Числове значення Висновки
|2 24,67 Існують підстави сумніватися у відсутності зв'-язку між ознаками (р& lt-0,05)
Інформаційний коефіцієнт, | 13,16 Існує зв'-язок між кваліфікацією спортсмена і його відношенням до вивчення ІТ (р& lt-0,05)
Коефіцієнт Пірсона, Р 0,46 На 21,5% кваліфікація спортсмена впливає на його відношення до вивчення іТ
Коефіцієнт Чупрова, Т 0,37 На 13,7% кваліфікація спортсмена впливає на його відношення до вивчення іТ
Коефіцієнт Крамера, К 0,52 На 27,4% кваліфікація спортсмена впливає на його відношення до вивчення іТ
Оцінка дисперсії статистики D |2 26,17
Стандартна помилка Р, Бр 0,04 0,39& lt-Р<-0,54
Стандартна помилка Т, БТ 0,03 0,31& lt-Т<-0,43
Стандартна помилка К, Бк 0,05 0,42& lt-К<-0,63
Д с 0,343 Знаючи кваліфікацію, можна на 34,3% точніше передбачити його відношення до вивчення ІТ
Д г 0,255 Відхилення ставлення до ІТ складає 25,5%
Д 0,291 Симетрична міра зв’язку рівна 29,1%
т с 0,274 На 27,4% зменшиться неправильний прогноз щодо ставлення спортсмена до ІТ за умови знання його кваліфікації
Хс =
]-і (п ¦ Пі] - Пі. п)
1 ]1 п ПП2 — ] П]
] -1 ! (7),
де т — асиметричний аналог Я.
Таким чином, в ході проведеного дослідження, з огляду на ґрунтовні праці в області нечислової статистики [5, 7, 8], нами було розроблено алгоритм аналізу анкетних даних в спортивно-педагогічних дослідженнях (рис. 1):
I. Знайти долю респондентів, які відносяться до певного класу.
II. Зробити логічне припущення щодо наявності причинно-наслідкових зв’язків між досліджуваними ознаками Х та Y, які відповідають відповідям на певні питання, та перевірити його:
а) скласти таблиці спряженості-
• оцінити зв’язок між Х та Y за критерієм |2 —
ПСИХОЛОГІЯ
32 012 Ё
спортсмена і побудована відповідна їм частотна таблиця (табл. 1).
Результати аналізу анкетних даних згідно із запропонованим алгоритмом представлені в таблиці (табл. 2).
Як бачимо з наведеної таблиці, дані, отримані в номінальній шкалі, в тому числі анкетні дані, можна детально аналізувати завдяки засобам нечислової статистики.
Висновки.
Вивчаючи результати опитування спортсменів стосовно їх ставлення до вивчення можливостей застосування ІТ у фізичному вихованні і спорті, було встановлено наявність статистично значущого зв’язку між кваліфікацією спортсмена і його переконаннями про необхідність вивчення ІТ (р& lt-0,05). Зв'-язок між кваліфікацією і переконаннями спортсменів виявився достатньо сильним: близько 20% кваліфікація
спортсмена впливає на його відношення до вивчення ІТ. Дослідження показало, що знаючи кваліфікацію спортсмена, можна на 34,3% точніше передбачити його відношення до вивчення ІТ. При цьому відхилення ставлення до ІТ складає 25,5%, а симетрична міра зв’язку складає 29,1%. Встановлено, що на 27,4% зменшиться неправильний прогноз щодо ставлення спортсмена до ІТ за умови знання його спортивної кваліфікації.
Спеціалісти сходяться в думці про необхідність розширення знань у області спортивної статистики, оскільки якість спортивно-педагогічних досліджень напряму залежить від використовуваних методів аналізу емпіричних даних.
В результаті проведеного дослідження розроблено алгоритм аналізу анкетних даних на основі таблиць спряженості при умові більше двох градацій змінних. На основі запропонованого алгоритму наведено при-
клад аналізу результатів опитування спортсменів, в ході якого встановлено, що відношення спортсменів до вивчення можливостей ІТ в фізичному вихованні і спорту статистично значуще залежить від його кваліфікації (р& lt-0,05).
Література
1. Денисова Л. В. Измерение и методы математической статистики в физическом воспитание и спорте: Учебное пособие для вузов/ Л. В. Денисова, И. В. Хмельницкая, А. Харченко. — К.: Олимпийская литература, 2008. — 127 с.
2. Лакин Г Ф. Биометрия: уч. пособие для биол. спец. вузов — 4-е изд., перераб. и доп. / ГФ. Лакин. — М.: Высшая школа, 1990. -352 с.
3. Мистулова Т. Е. Математические методы в спорте / Т.Е. Мисту-лова. — Киев: Олимпийская литература, 1995. — 78 с.
4. Начинская С. В. Спортивная метрология: Учеб. пособие для студентов высш. учеб. заведений. — М.: Издательський центр «Академия», 2005. — С. 156 — 167.
5. Орлов А. И. Нечисловая статистика / А. И. Орлов. — М.: МЗ-Пресс, 2004. — 513 с.
6. Синіговець І.В. Автоматизація аналізу експертних оцінок у фізичному вихованні і спорті / І.В. Синіговець // Вісник Чернігівського національного педагогічного університету імені Т. Г. Шевченка. — Чернігів: ЧДПУ, 2011. — Вип. 91. — Т. ІІ - 300 с. — С. 98−101. (Серія: Педагогічні науки. Фізичне виховання та спорт).
7. Толстова Ю. Н. Анализ социологических данных / Ю.Н. Толсто-ва. — М.: Научный мир, 2000. — 352 с.
8. Трошин Л. И., Балаш В. А., Балаш О. С. Статистический анализ нечисловой информации / Л. И. Трошин, В. А. Балаш, О.С. Ба-лаш. — Московский государственный университет экономики, статистики и информатики. — М., 2003. — 67 с.
9. Чикаш С. Л. Математическая статистика в спорте: учебное пособие / С. Л. Чикаш. — Улан-Удэ, 2007. — 58 с.
Информация об авторах: Денисова Лолита Викторовна
imc_94@yahoo. com Национальный университет физического воспитания и спорта Украины Ул. Физкультуры 1, г. Киев-150, 1 680, Украина.
Усиченко Виталий Викторович imc_94@yahoo. com Национальный университет физического воспитания и спорта Украины Ул. Физкультуры 1, г. Киев-150, 1 680, Украина.
Бишевець Наталия Григорьевна biashevec@mail. ru Национальный университет физического воспитания и спорта Украины Ул. Физкультуры 1, г. Киев-150, 1 680, Украина.
Поступила в редакцию 29. 11. 2011 г.
Подальше дослідження ми плануємо направити на встановлення методів автоматизації аналізу анкетних даних у спортивно-педагогічній діяльності.
References:
1. Denisova L.V., Khmel’nickaia I.V., Kharchenko A. Izmerenie i metody matematicheskoj statistiki v fizicheskom vospitanie i sporte [Measuring and methods of mathematical statistics in physical education and sport], Kiev, Olympic Literature, 2008, 127 p.
2. Lakin G.F. Biometriia [Biometrics], Moscow, High school, 1990, 352 p.
3. Mistulova T.E. Matematicheskie metody v sporte [Mathematical methods in sport], Kiev, Olympic Literature, 1995, 78 p.
4. Nachinskaia S.V. Sportivnaia metrologiia [Sporting metrology], Moscow, Academy, 2005, pp. 156−167.
5. Orlov A.I. Nechislovaia statistika [Unnumerical statistics], Moscow, Press, 2004, 513 p.
6. Sinigovec' I.V. Visnik Chernigivs’kogo derzhavnogopedagogichnogo universitetu [Bulletin of the Chernihiv State Pedagogical University], 2011, T. 2, vol. 91, pp. 98−101.
7. Tolstova Iu.N. Analiz sociologicheskikh dannykh [Analysis of sociological data ], Moscow, Scientific world, 2000, 352 p.
8. Troshin L.I., Balash V.A., Balash O.S. Statisticheskij analiz nechislovoj informacii [Statistical analysis of unnumerical information], Moscow, MSUESI Publ., 2003, 67 p.
9. Chikash S.L. Matematicheskaia statistika v sporte [Mathematical statistics in sport], Ulan Ude, 2007, 58 p.
Information about the authors: Denisova, L.V.
imc_94@yahoo. com
National University of Physical Education and Sport of Ukraine Physical Education str. 1, Kiev-150, 1 680, Ukraine.
Usychenko V.V. imc_94@yahoo. com
National University of Physical Education and Sport of Ukraine Physical Education str. 1, Kiev-150, 1 680, Ukraine.
Byshevets N.G. biashevec@mail. ru
National University of Physical Education and Sport of Ukraine Physical Education str. 1, Kiev-150, 1 680, Ukraine.
Came to edition 29. 11. 2011.
ПСИХОЛОГІЯ
бо

ПоказатьСвернуть
Заполнить форму текущей работой