Выборка для эмпирического исследования

Генеральная совокупность – множество объектов, эквивалентных по конечному множеству свойств.

Выборка – множество испытуемых, выбранных для участия в исследовании с помощью определенной процедуры из генеральной совокупности.

Объем выборки – число испытуемых, включенных в выборочную совокупность. Объем выборки принципиально важен, поскольку только при использовании адекватной выборки можно получить достаточно полную и точную картину изучаемого психического феномена. Основными требованиями к выборке является ее репрезентативность и адекватность.

Репрезентативность выборки – соответствие свойств исследуемой выборки свойствам генеральной совокупности. Она достигается либо путем рандомизации (случайным выбором объекта из совокупности), либо путем по парной группировки (распределение испытуемых в группы так, чтобы группы были эквивалентными), либо комбинацией этих способов.

Адекватной считается выборка достаточного объема (размера) для того, чтобы в количественных характеристиках (числовых показателях) был достигнут предполагаемый уровень достоверности.

Определение объема выборки обусловлено исследовательскими целями и задачами. Широко распространенной исследовательской стратегией является сравнение двух или более групп испытуемых (обучаемых, обследуемых...) по определенным параметрам. Особенно часто сравнение производят между экспериментальной и контрольной группами.

В выпускной работе достаточной может быть выборка 30-40 человек.

Определение объема выборки в значительной степени зависит от поставленной цели, объекта исследования, количества и состава используемых методик. Поэтому названные числа являются ориентировочными. Основанием для уменьшения названных объемов может выступить, например, использование клинического подхода (использование большой совокупности разноплановых данных о каждом индивиде), обследование редкой категории людей (расширение объема такой выборки невозможно или крайне трудно), использование трудоемких методик, дающих большую информацию об объекте исследования.

Обработка результатов исследования

Если данные, полученные в эксперименте, качественного характера, то правильность делаемых на основе их выводов полностью зависит от интуиции, эрудиции и профессионализма исследователя, а также от логики его рассуждений. Если же эти данные количественного типа, то сначала проводят их первичную, а затем вторичную статистическую обработку. Первичная статистическая обработка заключается в определении необходимого числа элементарных математических статистик. Такая обработка почти всегда предполагает как минимум определение выборочного среднего значения. В тех случаях, когда информативным показателем для экспериментальной проверки предложенных гипотез является разброс данных относительного среднего, вычисляется дисперсия или квадратическое отклонение. Значение медианы рекомендуется вычислять тогда, когда предполагается использовать методы вторичной статистической обработки, рассчитанные на нормальное распределение, Для такого рода распределения выборочных данных медиана, а также мода совпадают или достаточно близки к средней величине. Этим критерием можно воспользоваться для того, чтобы приблизительно судить о характере полученного распределения первичных данных.

Вторичная статистическая обработка (сравнение средних, дисперсий, распределений данных, регрессионный анализ, корреляционный анализ, факторный анализ и др.) проводится в том случае, если для решения задач или доказательства предложенных гипотез необходимо определить статистические закономерности, скрытые в первичных экспериментальных данных. Приступая к вторичной статистической обработке, исследователь прежде всего должен решить, какие из различных вторичных статистик ему следует применить для обработки первичных экспериментальных данных. Решение принимается на основе учета характера проверяемой гипотезы и природы первичного материала, полученного в результате проведения эксперимента. Приведем несколько рекомендаций на этот счет.

Рекомендация 1. Если экспериментальная гипотеза содержит предположение о том, что в результате проводимого психолого-педагогического исследования возрастут (или уменьшатся) показатели какого-либо качества, то для сравнения до- и постэкспериментальных данных рекомендуется использовать критерий Стъюдента или х²-критерий. К последнему обращаются в том случае, если первичные экспериментальные данные относительны и выражены, например, в процентах.

Рекомендация 2. Если экспериментально проверяемая гипотеза включает в себя утверждение о причинно-следственной зависимости между некоторыми переменными, то ее целесообразно проверять, обращаясь к коэффициентам линейной или ранговой корреляции. Линейная корреляция используется в том случае, когда измерения независимой и зависимой переменных производятся при помощи интервальной шкалы, а изменения этих переменных до и после эксперимента небольшие. К ранговой корреляции обращаются тогда, когда достаточно оценить изменения, касающиеся порядка следования друг за другом по величине независимых и зависимых переменных, или когда их изменения достаточно велики, или когда измерительный инструмент был порядковым, а не интервальным.

Рекомендация 3. Иногда гипотеза включает предположение о том, что в результате эксперимента возрастут или уменьшатся индивидуальные различия между испытуемыми. Такое предположение хорошо проверяется с помощью критерия Фишера, позволяющего сравнить дисперсии до и после эксперимента. Заметим, что, пользуясь критерием Фишера, можно работать только с абсолютными значениями показателей, но не с их рангами.

Результаты количественного и качественного анализа материала, полученного в ходе проведения эксперимента, первичной и вторичной статистической обработки этого материала, используются для доказательства правильности предложенных гипотез. Выводы об их истинности являются логическим следствием доказательства, в процессе которого в качестве основного аргумента выступает безупречность логики самого доказательства, а в качестве фактов — то, что установлено в результате количественного и качественного анализа экспериментальных данных.

Рекомендации 4. Исследователь должен прочно овладеть основными группами методов математической обработки эмпирических данных:

А. Методы математико-статистического анализа позволяющие вычислять так называемые элементарные математические статистики, характеризующие выборочное распределение данных, например выборочное среднее, выборочная дисперсия, мода, медиана и ряд других.

Б. Методы математической статистики, например дисперсионный анализ, регрессионный анализ, позволяющие судить о динамике изменения отдельных статистик выборки.

В. Методы корреляционного анализа, факторного анализа, методы сравнения выборочных данных, дающие возможность достоверно судить о статистических связях, существующих между переменными величинами, которые исследуют в данном эксперименте.