காரணி பகுப்பாய்வு முடிவுகளின் எடுத்துக்காட்டு. உளவியலாளர்களுக்கான காரணி பகுப்பாய்வு - மிடினா

காரணி பகுப்பாய்வு- பெரிய அளவிலான சோதனைத் தரவைச் செயலாக்கும்போது பயன்படுத்தப்படும் ஒரு புள்ளிவிவர முறை. காரணி பகுப்பாய்வின் நோக்கங்கள்: மாறிகளின் எண்ணிக்கையைக் குறைத்தல் (தரவு குறைப்பு) மற்றும் மாறிகளுக்கு இடையிலான உறவுகளின் கட்டமைப்பை தீர்மானித்தல், அதாவது.

மாறிகளின் வகைப்பாடு, எனவே காரணி பகுப்பாய்வு தரவு குறைப்பு முறையாக அல்லது கட்டமைப்பு வகைப்பாடு முறையாக பயன்படுத்தப்படுகிறது.

காரணி பகுப்பாய்விற்கும் மேலே விவரிக்கப்பட்ட அனைத்து முறைகளுக்கும் இடையே உள்ள ஒரு முக்கியமான வேறுபாடு என்னவென்றால், அதை முதன்மை செயலாக்கத்திற்கு பயன்படுத்த முடியாது, அல்லது அவர்கள் சொல்வது போல், "மூல" சோதனை தரவு, அதாவது. பாடங்களின் தேர்வில் இருந்து நேரடியாக பெறப்பட்டது. காரணி பகுப்பாய்விற்கான பொருள் தொடர்புகள் அல்லது இன்னும் துல்லியமாக, பியர்சன் தொடர்பு குணகங்கள் ஆகும், அவை கணக்கெடுப்பில் சேர்க்கப்பட்டுள்ள மாறிகள் (அதாவது உளவியல் பண்புகள்) இடையே கணக்கிடப்படுகின்றன.

காரணி பகுப்பாய்வு உளவியலில் மூன்று முக்கிய பயன்பாடுகளைக் கொண்டுள்ளது. முதலில், சோதனைகளை உருவாக்க இதைப் பயன்படுத்தலாம். எடுத்துக்காட்டாக, சில திறன்கள், ஆளுமைப் பண்பு அல்லது அணுகுமுறை (பழமைவாதம் போன்றவை) அளவிட 50 உருப்படிகளை எழுதலாம். உருப்படிகள் பின்னர் பல நூறு நபர்களின் பிரதிநிதி மாதிரிக்கு வழங்கப்பட்டு, கையாளப்படும் (ஆப்டிட்யூட் சோதனைகளின் விஷயத்தில்) சரியான பதில் "1" மற்றும் தவறான பதில் "O" என குறியிடப்படும். மதிப்பீட்டு அளவுகோல்களைப் பயன்படுத்தும் போது பெறப்பட்ட பதில்கள் (பெரும்பாலான ஆளுமை மற்றும் மனப்பான்மை கேள்வித்தாள்கள் போன்றவை) அவற்றின் மூல வடிவத்தில் உள்ளிடப்படுகின்றன: பதில் விருப்பம் (a) தேர்ந்தெடுக்கப்பட்டால் ஒரு புள்ளி, பதில் விருப்பம் (b) தேர்ந்தெடுக்கப்பட்டால் இரண்டு புள்ளிகள், முதலியன d. இந்த 50 உருப்படிகளுக்கான பதில்கள் பின்னர் தொடர்புபடுத்தப்பட்டு காரணி பகுப்பாய்வு செய்யப்படுகின்றன. ஒவ்வொரு காரணியிலும் அதிக சுமைகளைக் கொண்ட பொருட்கள் அதே அடிப்படை உளவியல் கட்டமைப்பை அளவிடுகின்றன, இதனால் ஒரு அளவை உருவாக்குகின்றன. காரணி மேட்ரிக்ஸைப் பார்ப்பதன் மூலம் எதிர்கால கேள்வித்தாள்களை எவ்வாறு கையாள்வது என்பதைத் தீர்மானிக்க இது உங்களை அனுமதிக்கிறது: உருப்படிகள் 1, 2, 10 மற்றும் 12 ஆகியவை ஒரு காரணியில் குறிப்பிடத்தக்க ஏற்றங்களைக் கொண்டவை என்றால், ஒரு சோதனை அளவுகோல் இந்த நான்கு மட்டுமே கொண்டிருக்கும். பொருட்களை.

கூடுதலாக, ஒவ்வொரு அளவீடுகளும் சரிபார்க்கப்பட வேண்டும், எடுத்துக்காட்டாக, ஒவ்வொரு காரணியிலும் ஒவ்வொரு நபரின் மதிப்பெண்ணைக் கணக்கிட்டு, இந்த அளவுகளின் கட்டமைப்பு மற்றும்/அல்லது முன்கணிப்பு செல்லுபடியை மதிப்பிடுவதன் மூலம். எடுத்துக்காட்டாக, காரணிகளிலிருந்து பெறப்பட்ட மதிப்பெண்கள் கற்றல் வெற்றியைக் கணிக்கப் பயன்படுத்தப்படும் பிற கேள்வித்தாள்களிலிருந்து பெறப்பட்ட மதிப்பெண்களுடன் தொடர்புபடுத்தப்படலாம். காரணி பகுப்பாய்வு தீர்க்கக்கூடிய இரண்டாவது பணி தரவு குறைப்பு அல்லது "கருத்து சுத்திகரிப்பு" ஆகும். வெவ்வேறு கோட்பாட்டு நிலைகளின் அடிப்படையில் ஏராளமான ஆளுமை சோதனைகள் உருவாக்கப்பட்டுள்ளன, மேலும் அவை எந்த அளவிற்கு ஒன்றுடன் ஒன்று இணைகின்றன என்பது எப்போதும் தெளிவாகத் தெரியவில்லை.

மூன்றாவதாக, கேள்வித்தாள்களின் சைக்கோமெட்ரிக் பண்புகளை சோதிக்க காரணி பகுப்பாய்வு பயன்படுத்தப்படுகிறது, குறிப்பாக அவை புதிய கலாச்சாரங்கள் அல்லது மக்கள்தொகையில் பயன்படுத்தப்படும் போது. எடுத்துக்காட்டாக, ஆஸ்திரேலிய ஆளுமைத் தேர்வைப் பயன்படுத்துவதற்கான வழிகாட்டுதல்களின்படி, அனைத்து ஒற்றைப்படைப் பொருட்களிலும் பெறப்பட்ட மதிப்பெண்களைச் சேர்ப்பதன் மூலம் செயலாக்கப்பட வேண்டும் என்று வைத்துக்கொள்வோம். பொருட்கள் மற்றொரு அளவை உருவாக்குகின்றன.

காரணி பகுப்பாய்வின் முக்கிய கருத்து காரணி. இது ஒரு செயற்கையான புள்ளிவிவரக் குறிகாட்டியாகும், இது ஆய்வு செய்யப்பட்ட உளவியல் பண்புகள் அல்லது ஒன்றோடொன்று தொடர்பு மேட்ரிக்ஸுக்கு இடையிலான தொடர்பு குணகங்களின் அட்டவணையின் சிறப்பு மாற்றங்களின் விளைவாக எழுகிறது. தொடர்பு மேட்ரிக்ஸில் இருந்து காரணிகளைப் பிரித்தெடுப்பதற்கான செயல்முறை மேட்ரிக்ஸ் காரணியாக்கம் என்று அழைக்கப்படுகிறது. தொடர்பு மேட்ரிக்ஸில் இருந்து காரணியாக்கத்தின் விளைவாக, எம்.பி. வெவ்வேறு எண்ணிக்கையிலான காரணிகள் பிரித்தெடுக்கப்பட்டன, அசல் மாறிகளின் எண்ணிக்கைக்கு சமமான எண் வரை. இருப்பினும், காரணியாக்கத்தின் விளைவாக அடையாளம் காணப்பட்ட காரணிகள், ஒரு விதியாக, முக்கியத்துவத்தில் சமமற்றவை. காரணி பகுப்பாய்வு செயல்முறையின் தரத்திற்கான முறையான அளவுகோல் அசல் பண்புகளின் ஒருங்கிணைந்த மாறுபாட்டின் சதவீதமாகும்.

தற்போது, ​​காரணி பகுப்பாய்வு ஆராய்ச்சி சிக்கல்களைத் தீர்ப்பதற்கும் மனோதத்துவ நுட்பங்களை வடிவமைப்பதற்கும் பரவலாகப் பயன்படுத்தப்படுகிறது.

Otvety.Online என்ற அறிவியல் தேடுபொறியிலும் நீங்கள் ஆர்வமுள்ள தகவலைக் காணலாம். தேடல் படிவத்தைப் பயன்படுத்தவும்:

தலைப்பில் மேலும் 31. உளவியலில் காரணி பகுப்பாய்வு பயன்பாடு:

1. 1. காரணி பகுப்பாய்வு முறைகள், அவற்றின் வகைகள், பயன்பாட்டின் அம்சங்கள்.
2. காரணி பகுப்பாய்வு, முழுமையான மற்றும் பகுதியளவு காரணி சோதனை மற்றும் கணித மாதிரி.
3. 62. திட்டமிடல் சோதனைகள். காரணி பகுப்பாய்வு, முழுமையான மற்றும் பகுதியளவு காரணி சோதனை மற்றும் கணித மாதிரி.

இரண்டாவது பல்வகை செயல்முறை காரணி பகுப்பாய்வு ஆகும். காரணி பகுப்பாய்வின் போது, ​​மதிப்புகள் தீர்மானிக்கப்படுகின்றன பெரிய அளவுமாறிகள், அவற்றுக்கிடையேயான தொடர்பு கண்டறியப்படுகிறது, பின்னர் "காரணிகளை" உருவாக்கும் மாறிகளின் குழுக்கள் அடையாளம் காணப்படுகின்றன. இந்த யோசனையை ஒரு எளிய உதாரணத்துடன் விளக்குவோம். நீங்கள் மாணவர்களுக்கு பின்வரும் பணிகளை வழங்குகிறீர்கள் என்று வைத்துக்கொள்வோம்:

சொல்லகராதி சோதனை (VT);

வாசிப்பு புரிதல் சோதனை (RT);

ஒப்புமை சோதனை (உதாரணமாக, மருத்துவர் நோயாளியுடன் தொடர்புடைய ஒரு வழக்கறிஞரைப் போல) (AN);

வடிவியல் சோதனை (GEOM);

புதிர் தீர்க்கும் சோதனை (RG);

எண்ணிக்கை சுழற்சி சோதனை (RF).

சாத்தியமான அனைத்து ஜோடி சோதனைகளுக்கும், ஒருவர் பியர்சன் r ஐக் கணக்கிடலாம், இதன் விளைவாக தொடர்பு அணி என்று அழைக்கப்படுகிறது:

சில தொடர்பு மதிப்புகள் எவ்வாறு குழுக்களை உருவாக்குகின்றன என்பதைக் கவனியுங்கள் (நான் இரண்டு குழுக்களை வட்டமிட்டேன்). சொல்லகராதி, வாசிப்புப் புரிதல் மற்றும் ஒப்புமை ஆகியவற்றுக்கு இடையே உள்ள தொடர்புகள் அனைத்தும் மிக அதிகம். வடிவியல், புதிர்கள் மற்றும் சுழலும் வடிவங்களுக்கு இது பொருந்தும். சேர்ந்த சோதனைகளுக்கு இடையே உள்ள தொடர்புகள் வெவ்வேறு குழுக்கள், நடைமுறையில் பூஜ்ஜியத்திற்கு சமம். இந்த சோதனைகள் இரண்டு குறிப்பிடத்தக்க வேறுபட்ட மன திறன்களை அல்லது "காரணிகளை" ஆராய்வதை நோக்கமாகக் கொண்டவை என்று இது அறிவுறுத்துகிறது. இவற்றை நாம் "வாய்மொழி சரளமாக" மற்றும் "இடஞ்சார்ந்த திறன்கள்" என்று முத்திரை குத்தலாம்.

காரணி பகுப்பாய்வு என்பது ஒரு சிக்கலான புள்ளிவிவர முறையாகும், இது குறுக்கு-தொடர்புகளின் தொகுப்பிலிருந்து தனிப்பட்ட காரணிகளைப் பிரித்தெடுக்கிறது. இந்த மேட்ரிக்ஸை பகுப்பாய்வு செய்யும் போது, ​​அதே இரண்டு காரணிகள் சந்தேகத்திற்கு இடமின்றி முன்னிலைப்படுத்தப்படும். பகுப்பாய்வு "காரணி ஏற்றுதல்களை" தீர்மானிக்கிறது, அவை ஒவ்வொரு சோதனைகளுக்கும் மற்றும் அடையாளம் காணப்பட்ட ஒவ்வொரு காரணிகளுக்கும் இடையிலான தொடர்புகளாகும். மேலே உள்ள எடுத்துக்காட்டில், முதல் மூன்று சோதனைகள் காரணி 1 இல் "அதிக ஏற்றுதல்" (வாய்மொழி சரளம்) மற்றும் இரண்டாவது மூன்று காரணி 2 (இடஞ்சார்ந்த திறன்கள்) மீது "அதிக ஏற்றுதல்" இருக்கும். நிச்சயமாக, ஒரு உண்மையான ஆய்வில், தொடர்புகள் உள்ளதைப் போலத் தெளிவாகத் தொகுப்பதில்லை இந்த எடுத்துக்காட்டில், மற்றும் முடிவுகள் பெரும்பாலும் ஆராய்ச்சியாளர்களை பல்வேறு காரணிகள் உண்மையில் கண்டுபிடிக்கப்பட்டதா என்பதைப் பற்றிய சூடான விவாதங்களுக்கு வழிவகுக்கும். காரணிகளை எவ்வாறு சரியாகப் பெயரிடுவது என்பதில் முரண்பாடுகள் உள்ளன, ஏனெனில் காரணி பகுப்பாய்வு காரணிகளை மட்டுமே அடையாளம் காட்டுகிறது, மேலும் அவற்றை என்ன அழைப்பது என்பது ஆராய்ச்சியாளர்களால் தீர்மானிக்கப்படுகிறது.

உளவியலில் மிக நீண்ட விவாதங்களில் காரணி பகுப்பாய்வு பயன்படுத்தப்பட்டது - நுண்ணறிவு என்பது ஒரு நபரின் தனிப்பட்ட சொத்து. சார்லஸ் ஸ்பியர்மேன், காரணி பகுப்பாய்வின் நிறுவனர் (20 ஆம் நூற்றாண்டின் முற்பகுதி), அனைத்து நுண்ணறிவு சோதனைகளும் ஒரு காரணியில் ஒரே சுமையைக் கொண்டிருப்பதாக நம்பினார், அதை அவர் பொது நுண்ணறிவு காரணி அல்லது g (ஆங்கில ஜெனரலில் இருந்து) என்று அழைத்தார். மேலும், அவரது கருத்துப்படி, ஒவ்வொரு சோதனையும் சோதனையின் மூலம் சோதிக்கப்படும் திறமையை உள்ளடக்கிய இரண்டாவது காரணியை பெரிதும் ஏற்ற வேண்டும் (உதாரணமாக, கணித திறன்). அவர் இந்த இரண்டாம்-வரிசை அல்லது "சிறப்பு" காரணிகளை s (ஆங்கில ஸ்பெஷலில் இருந்து) என நியமித்தார். அவரது "இரண்டு காரணி" கோட்பாட்டின் படி, நுண்ணறிவு சோதனைகளில் செயல்திறன் நேரடியாக ஒரு நபரின் பொது நுண்ணறிவு (g) மற்றும் அவரது குறிப்பிட்ட திறன்கள் (k) ஆகியவற்றுடன் தொடர்புடையது. ஸ்பியர்மேன் g என்பது மரபுவழி மற்றும் பல்வேறு 5-காரணிகள் கற்றல் மூலம் பெறப்படுகின்றன என்று நம்பினார் (Fruchter, 1954).

லூயிஸ் தர்ஸ்டோன் உட்பட மற்ற ஆராய்ச்சியாளர்கள், நுண்ணறிவு பல காரணிகளால் ஆனது என்று நம்பினர் மற்றும் ஒரு பொதுவான ஜி காரணி இருப்பதை நிராகரித்தனர். காரணி பகுப்பாய்வின் முடிவுகளிலிருந்து, தர்ஸ்டோன் ஏழு வெவ்வேறு காரணிகள் இருப்பதாக முடிவு செய்தார், அதை அவர் "முதன்மை மன திறன்கள்" என்று அழைத்தார்: பேச்சு புரிதல், வாய்மொழி சரளமாக, எண், இடஞ்சார்ந்த திறன்கள், நினைவகம், புலனுணர்வு வேகம் மற்றும் பகுத்தறியும் திறன்.

நுண்ணறிவு என்பது ஒரு தனி நிறுவனமா என்ற கேள்வி அதை அளவிடும் விஞ்ஞானிகளை தொடர்ந்து குழப்புகிறது, மேலும் அதன் விவாதம் இந்த அத்தியாயத்தின் எல்லைக்கு அப்பாற்பட்டது. காரணி பகுப்பாய்வு வெவ்வேறு முடிவுகளுக்கு வழிவகுக்கும் என்பது எங்களுக்கு முக்கியமானது. இதற்குக் காரணம் அ) பல வகையான காரணி பகுப்பாய்வுகள் உள்ளன, அவை தனிப்பட்ட காரணிகளை அடையாளம் காண எவ்வளவு உயர்ந்த தொடர்பு இருக்க வேண்டும் என்பதை வித்தியாசமாக மதிப்பிடுகின்றன, மற்றும் b) c பல்வேறு ஆய்வுகள்இந்த பிரச்சனைக்கு பல்வேறு நுண்ணறிவு சோதனைகள் பயன்படுத்தப்படுகின்றன. எனவே, ஆராய்ச்சியாளர்கள் பயன்படுத்துகின்றனர் வெவ்வேறு அணுகுமுறைகள்மற்றும் சோதனைகள், மிகவும் மாறுபட்ட முடிவுகளைப் பெறுகின்றன. சுருக்கமாக, மற்றதைப் போலவே புள்ளிவிவர முறைகள், காரணி பகுப்பாய்வு என்பது ஒரு கருவி மட்டுமே, மேலும் அது நுண்ணறிவின் தன்மை போன்ற தத்துவார்த்த கேள்விகளை தீர்க்க முடியாது.

இந்த குறுகிய அறிமுகத்திலிருந்து தெளிவாகிவிட்டபடி, நவீனத்தில் தொடர்பு நடைமுறைகள் முக்கிய பங்கு வகிக்கின்றன உளவியல் ஆராய்ச்சி. சோதனை நடைமுறைகளைப் பயன்படுத்த முடியாவிட்டால், பெரும்பாலும் அவை அவசியம். கூடுதலாக, சிக்கலான பன்முக நடைமுறைகளின் வளர்ச்சியானது, கடந்த காலத்தை விட, பெரும்பாலான தொடர்பு நடைமுறைகள் இயற்கையில் இருவகையாக இருந்ததை விட, காரணம் மற்றும் விளைவு பிரச்சினையை எளிதாக்கியுள்ளது.

பல தொடர்பு ஆய்வுகள் ஆய்வகங்களுக்கு வெளியே நடைபெறுகின்றன. அடுத்த அத்தியாயத்தில் இன்னும் விரிவாக ஆராய்வோம்

முடிவுகள்: முக்கிய விளைவு மற்றும் தொடர்பு
காரணி ஆய்வுகள் இரண்டு வகையான முடிவுகளை உருவாக்குகின்றன: முக்கிய விளைவு மற்றும் தொடர்பு. முக்கிய விளைவு சுயாதீன மாறிகளின் பொதுவான செல்வாக்கைக் காட்டுகிறது, மேலும் தொடர்புகளின் கூட்டு விளைவை பிரதிபலிக்கிறது.

தொடர்பு மற்றும் பின்னடைவு: அடிப்படைகள்
மாறிகள் அவற்றுக்கிடையே ஏதேனும் தொடர்பு இருந்தால் அவை ஒன்றோடொன்று தொடர்புடையதாகக் கருதப்படுகிறது. இது "தொடர்பு" என்ற வார்த்தையால் குறிக்கப்படுகிறது: "கோ" என்பது பரஸ்பர செயல் மற்றும் "உறவு" (ஆங்கில உறவிலிருந்து ...

தனிப்பட்ட தொடர்பு
தனிப்பட்ட தொடர்பு என்பது ஒருவருக்கு ஒருவர் அல்லது சிறிய குழுக்களில் நிகழும் முறைசாரா தொடர்பு ஆகும். மாணவர் விடுதியில் அண்டை வீட்டாருடன் பேசுகிறோமா, தொலைபேசியில் பேசுகிறோமா...

காரணி பகுப்பாய்வு தத்துவார்த்த மற்றும் நடைமுறை சிக்கல்களைத் தீர்ப்பது தொடர்பான பல்வேறு திசைகளில் உளவியலில் பரவலாகப் பயன்படுத்தப்படுகிறது.

கோட்பாட்டு அடிப்படையில், காரணி பகுப்பாய்வின் பயன்பாடு ஆளுமை அமைப்பு, மனோபாவம் மற்றும் திறன்களை ஆய்வு செய்வதற்கான காரணி பகுப்பாய்வு அணுகுமுறையின் வளர்ச்சியுடன் தொடர்புடையது. இந்த பகுதிகளில் காரணி பகுப்பாய்வின் பயன்பாடு, கவனிக்கக்கூடிய மற்றும் நேரடியாக அளவிடக்கூடிய குறிகாட்டிகள் மறைமுக மற்றும்/அல்லது பகுதியளவு வெளிப்புற வெளிப்பாடுகள் மட்டுமே என்று பரவலாக ஏற்றுக்கொள்ளப்பட்ட அனுமானத்தின் அடிப்படையில் அமைந்துள்ளது. பொது பண்புகள். இந்த குணாதிசயங்கள், முதல் குணாதிசயங்களைப் போலல்லாமல், மறைந்திருக்கும் மாறிகள் என்று அழைக்கப்படுகின்றன, ஏனெனில் அவை நேரடி அளவீட்டுக்கு கிடைக்காத கருத்துகள் அல்லது கட்டுமானங்களைக் குறிக்கின்றன. இருப்பினும், கவனிக்கப்பட்ட குணாதிசயங்களுக்கிடையிலான தொடர்புகளை காரணியாக்குவதன் மூலம் அவற்றை நிறுவ முடியும் மற்றும் தனிமைப்படுத்தும் காரணிகள் (அவை நன்கு கட்டமைக்கப்பட்டிருந்தால்) ஆர்வத்தின் மறைந்த மாறியின் புள்ளிவிவர வெளிப்பாடாக விளக்கப்படலாம்.

காரணிகள் முற்றிலும் கணித இயல்புடையவை என்றாலும், அவை மறைந்திருக்கும் மாறிகளை (கோட்பாட்டளவில் முன்வைக்கப்பட்ட கட்டுமானங்கள் அல்லது கருத்துக்கள்) பிரதிநிதித்துவப்படுத்துவதாக கருதப்படுகிறது.

காரணிகளின் பெயர்கள் பெரும்பாலும் ஆய்வு செய்யப்படும் கற்பனையான கட்டமைப்பின் சாரத்தை பிரதிபலிக்கின்றன. எனவே, 20 ஆம் நூற்றாண்டின் தொடக்கத்தில் சார்லஸ் ஸ்பியர்மேன் திறன்களின் கட்டமைப்பைப் படிக்க உருவாக்கப்பட்டது, காரணி பகுப்பாய்வு, ஒரு பொதுவான திறன் காரணி - காரணி என்ற கருத்தை உளவியலில் அறிமுகப்படுத்த முடிந்தது. g.அதைத் தொடர்ந்து, எல். தர்ஸ்டோன் முன்வைத்து, 12 திறன் காரணிகளை உள்ளடக்கிய மாதிரியை சோதனை முறையில் சோதித்தார். வெளிநாட்டு உளவியல் அட்டையில் மனோபாவம் மற்றும் ஆளுமை பற்றிய காரணி-பகுப்பாய்வு ஆய்வுகள் முழு வரிஜி. ஆல்போர்ட், ஆர். கேட்டெல், ஜி. ஐசென்க் மற்றும் பிறரின் கோட்பாடுகள் உட்பட கடந்த கால மற்றும் நிகழ்கால கோட்பாடுகள்.

ரஷ்ய உளவியலில், பண்புகளை ஆய்வு செய்வதில் வேறுபட்ட உளவியல் மற்றும் மனோ இயற்பியலில் காரணி பகுப்பாய்வு மிகவும் பரவலாகப் பயன்படுத்தப்பட்டது. நரம்பு மண்டலம்பி.எம். டெப்லோவ் மற்றும் அவரது பள்ளி. டெப்லோவ் வழங்கினார் பெரும் முக்கியத்துவம்இந்த வகை புள்ளிவிவர தரவு செயலாக்கம், காரணி பகுப்பாய்வு என்பது எந்தவொரு துறையிலும் ஒரு மதிப்புமிக்க கருவியாகும் என்பதை வலியுறுத்துகிறது, குறைந்தபட்சம் ஒரு ஆரம்ப கருதுகோள் வடிவில், சில அடிப்படை அளவுருக்கள், செயல்பாடுகள், பண்புகள் ஆகியவற்றை உருவாக்குகிறது. ” கொடுக்கப்பட்ட நிகழ்வுகளின் துறை.

தற்போது, ​​காரணி பகுப்பாய்வு வேறுபட்ட உளவியல் மற்றும் மனோதத்துவத்தில் பரவலாகப் பயன்படுத்தப்படுகிறது. அதன் உதவியுடன், நீங்கள் சோதனைகளை உருவாக்கலாம், தனிநபர்களுக்கிடையேயான இணைப்புகளின் கட்டமைப்பை நிறுவலாம் உளவியல் பண்புகள்சோதனைகள் அல்லது சோதனை உருப்படிகளின் பேட்டரி மூலம் அளவிடப்படுகிறது (இணைப்பு 2 ஐப் பார்க்கவும்).

காரணி பகுப்பாய்வின் பயன்பாட்டின் மற்றொரு அம்சம், தரவுகளின் "குறைப்பு" அல்லது ஆளுமைப் பண்புகளை அளவிட பல்வேறு கோட்பாட்டு நிலைகளில் இருந்து உருவாக்கப்பட்ட ஒரு பெரிய எண்ணிக்கையிலான சோதனைகளின் "கருத்து சுத்திகரிப்பு" ஆகும். பல்வேறு ஆளுமை சோதனைகளைப் பயன்படுத்தி ஒரு பெரிய மாதிரி பாடங்களில் பெறப்பட்ட தொடர்பு மேட்ரிக்ஸின் காரணியாக்கத்தின் விளைவாக, பயன்படுத்தப்படும் சோதனைகளால் தீர்மானிக்கப்படும் ஆளுமைப் பண்புகளின் கட்டமைப்பை மிகவும் துல்லியமாக அடையாளம் காண முடியும்.

காரணி பகுப்பாய்வு சோதனை முறைகளை தரப்படுத்தவும் பயன்படுத்தப்படுகிறது, இது பாடங்களின் பிரதிநிதி மாதிரியில் மேற்கொள்ளப்படுகிறது.

உளவியலில் காரணி பகுப்பாய்வைப் பயன்படுத்துவதற்கான பல்வேறு விருப்பங்களைப் பற்றிய விரிவான அறிமுகத்திற்கு, பின்வரும் இலக்கியங்களைப் பரிந்துரைக்கிறோம் (4, 12, 15, 25, 39).

இந்த அல்லது அந்த காரணியில் உண்மையில் யூகிக்கப்படும் உள்ளடக்கத்தின் பகுத்தறிவு மிகவும் கடினமான மற்றும் சர்ச்சைக்குரிய பணியாகும். எடுத்துக்காட்டாக, பெரிய நேர்மறை எடைகள் இருந்தால், அடையாளம் காணப்பட்ட காரணிகளில் ஒன்று போன்ற மாறிகள் அடங்கும் உயர் வளர்ச்சி, கரடுமுரடான குரல், பெரியது தசை வெகுஜன, ஆபத்துக்களை எடுக்கும் போக்கு, பரந்த தோள்கள், ஆக்கிரமிப்பு நடத்தை, பின்னர் பெரும்பாலும் அத்தகைய கலவையானது ஒரு மானுடவியலாளரால் ஆண் காரணியாக விளக்கப்படும், ஒரு உட்சுரப்பியல் நிபுணர் சில ஹார்மோனின் செல்வாக்கைக் காண்பார், மேலும் ஒரு உளவியலாளர் சில ஒப்புமைகளைக் கண்டறிய முயற்சிப்பார். ஆளுமை அச்சுக்கலை. காரணி பகுப்பாய்வு நுட்பங்கள் குறிப்பாக நீண்ட வடிவ ஆளுமை கேள்வித்தாள்களில் பல பொருட்களை ஒழுங்கமைக்கும் (அளவைகளாக இணைக்க) முயற்சிகளில் உளவியலில் பரவலாகப் பயன்படுத்தப்படுகின்றன.

பெரும்பாலான காரணி பகுப்பாய்வு திட்டங்கள் குழுவில் உள்ள குறிகாட்டிகளின் சிதறலில் (விளக்கப்படும் மாறுபாடு) முதல் அடையாளம் காணப்பட்ட காரணி மிகப்பெரிய தாக்கத்தை ஏற்படுத்தும் வகையில் கட்டமைக்கப்பட்டுள்ளது, மேலும் மீதமுள்ள காரணிகளின் மதிப்பு தொடர்ந்து குறைகிறது.

காரணி பகுப்பாய்வின் பல அடிப்படை வடிவங்கள் உள்ளன, அவை இறுதியில் வெவ்வேறு முடிவுகளைத் தருகின்றன. தேவையான விருப்பத்தின் தேர்வு ஆய்வறிக்கை ஆராய்ச்சியின் குறிப்பிட்ட நோக்கங்களால் கட்டளையிடப்படுகிறது.

❖ கிளஸ்டர் பகுப்பாய்வு

உங்கள் நிறைய மாறிகளை (பொருள்கள்) கொடுக்கப்பட்ட அல்லது அறியப்படாத வகுப்புகளாகப் பிரிக்க வேண்டும் என்றால், அதைப் பயன்படுத்துவது நல்லது. கிளஸ்டர் பகுப்பாய்வு(கொத்து - கொத்து, கொத்து, குவிப்பு, சில பொதுவான சொத்துக்களால் வகைப்படுத்தப்படும் உறுப்புகளின் குழு). இது அனுபவப் பொருட்களின் கணித செயலாக்கத்தின் ஒரு வடிவமாகும், இது ஆய்வறிக்கைகளில் பெரும்பாலும் பயன்படுத்தப்படவில்லை, ஆனால் போதுமான அளவு மாறிகள் இருக்கும் சந்தர்ப்பங்களில் ஆர்வமாக உள்ளது.

அரிசி. 3. ஆறு மாறிகளின் கிளஸ்டர் பகுப்பாய்வின் முடிவுகளின் வரைகலை விளக்கக்காட்சிக்கான விருப்பங்களில் ஒன்றின் எடுத்துக்காட்டு.

அவற்றின் வரிசைப்படுத்துதலை நான் தெளிவாகப் பார்க்க விரும்புகிறேன் - எந்த படிநிலை உறவுகள் என்பது மிகவும் குறிப்பிட்ட, குறிப்பிட்டவற்றிற்கு உயர்நிலை பொதுத்தன்மையின் மாறிகள் (படம் 3).

உளவியல் சோதனைகள், கேள்வித்தாள்கள் மற்றும் கேள்வித்தாள்களின் உருப்படிகளுக்குப் பயன்படுத்தப்படும்போது, ​​கிளஸ்டர் பகுப்பாய்வைப் பயன்படுத்தி, உளவியல் துறையை நோக்கி ஈர்க்கும் மிகவும் சுவாரஸ்யமான முடிவுகளைப் பெறலாம்.

பல புள்ளியியல் நடைமுறைகளைப் போலல்லாமல், கிளஸ்டர் பகுப்பாய்வு முறைகள் பெரும்பாலான சந்தர்ப்பங்களில் வகுப்புகள் பற்றிய கருதுகோள்கள் இல்லாதபோது, ​​அதாவது நீங்கள் இன்னும் ஆய்வின் விளக்கக் கட்டத்தில் இருக்கும்போது பயன்படுத்தப்படும் என்று ஒரு கருத்து உள்ளது.

க்ளஸ்டர் பகுப்பாய்வின் முடிவுகள் எச்சரிக்கையுடன் பயன்படுத்தப்பட வேண்டும், ஏனெனில் இது வெளிப்புற, முறையான அளவுகோல்களின் அடிப்படையில் மாறிகளின் உறவுகளைப் பற்றிய ஒரு கருதுகோளை பரிசோதனையாளர் மீது சுமத்தலாம் மற்றும் அவற்றின் தரமான விவரக்குறிப்பை கணக்கில் எடுத்துக்கொள்ளாது. அத்தகைய தவறைத் தவிர்ப்பதற்காக, பல்வேறு கணக்கீட்டு வழிமுறைகளைப் பயன்படுத்துவது விரும்பத்தக்கது (அவற்றில் பல உள்ளன, தொகுத்தல் நுட்பங்கள் வேறுபடுகின்றன) மற்றும் பொது அறிவுக் கண்ணோட்டத்தில் சிறப்பாக விளக்கப்பட்ட முடிவுகளிலிருந்து தேர்ந்தெடுக்கவும். கிளஸ்டர் பகுப்பாய்வு "பெரும்பாலும் குறிப்பிடத்தக்க தீர்வை" தீர்மானிக்கிறது என்பதை புரிந்து கொள்ள வேண்டும்.

❖ பாரபட்சமான பகுப்பாய்வு

உங்கள் ஆய்வறிக்கையில் பயனுள்ளதாக இருக்கும் மற்றொரு புள்ளிவிவர செயலாக்க முறை அழைக்கப்படுகிறது பாகுபாடு பகுப்பாய்வு.அதன் சாராம்சம் என்னவென்றால், சில குணாதிசயங்களைக் கொண்ட பொருள்கள் அல்லது நிலைகளைப் பிரிக்கவும், அவற்றை ஒரு வகுப்பிற்கு ஒதுக்கவும் அல்லது வகுப்புகளில் ஒன்றிற்கு ஒரு குறிப்பிட்ட மாநிலத்தின் அருகாமையை மதிப்பிடவும் இது உங்களை அனுமதிக்கிறது. பாரபட்சமான பகுப்பாய்வின் ஆராய்ச்சி செயல்முறை பல படிகளைக் கொண்டுள்ளது:

எதிர்காலத்தில் வேறுபடுத்தப்பட வேண்டிய குழுக்கள் தீர்மானிக்கப்படுகின்றன (எடுத்துக்காட்டாக, வெறித்தனமான-கட்டாய நியூரோசிஸ் நோயாளிகளிடமிருந்து வெறித்தனமான நியூரோசிஸ் நோயாளிகள்) - இது பயிற்சி மாதிரி என்று அழைக்கப்படுகிறது;

இந்த குழுக்கள், ஒவ்வொரு உறுப்பினரும் ஏற்கனவே துல்லியமான (சரிபார்க்கப்பட்ட) நோயறிதலைக் கொண்டுள்ளனர், அதிகபட்ச எண்ணிக்கையிலான அறிகுறிகளின்படி (தற்போதைய அறிகுறிகள், தனிப்பட்ட முன்கணிப்பு, குறிப்பிட்ட தன்மை) ஆய்வு செய்யப்படுகிறது குடும்ப கல்வி, அதிர்ச்சிகரமான சூழ்நிலைகளின் தன்மை, முதலியன);

ஆய்வு செய்யப்பட்ட ஒவ்வொரு குணாதிசயங்களுக்கும், முழு பயிற்சி மாதிரியும் (இரு நோயாளிகளின்) பாகுபாடு காட்டப்பட்டு கண்காணிக்கப்படுகிறது - இந்த குணாதிசயம் உண்மையான விவகாரங்களுடன் ஒப்பிடுகையில் குழுவை நோயறிதல்களாக எவ்வளவு துல்லியமாகப் பிரித்தது;

ஆய்வு செய்யப்பட்ட அனைத்து அம்சங்களிலிருந்தும், மிகவும் தகவலறிந்தவை தேர்ந்தெடுக்கப்படுகின்றன (பயிற்சி மாதிரியை மிகவும் துல்லியமாகப் பிரிப்பவை) மற்றும் எதிர்காலத்தில் அவை இன்னும் கண்டறியப்படாதவர்களில் நோயறிதலின் துல்லியத்தை மேம்படுத்த பயன்படுத்தத் தொடங்குகின்றன;

வழியில், தேவைப்பட்டால், பரிசோதிக்கப்பட்ட ஒவ்வொரு நபரும் ஒன்று அல்லது மற்றொரு நிலைக்கு எவ்வளவு நெருக்கமாக அல்லது தொலைவில் இருக்கிறார்கள் என்பதை நீங்கள் கண்காணிக்கலாம்.

ஒவ்வொரு மாறிக்கும் பாரபட்சமான பகுப்பாய்வின் விளைவாக, நீங்கள் தரப்படுத்தப்பட்ட குணகம் (டி - வில்க்ஸ் லாம்ப்டா) பெறுவீர்கள், இது பின்வருமாறு விளக்கப்படுகிறது: இது பெரியது, மக்கள்தொகையை வேறுபடுத்துவதற்கு தொடர்புடைய மாறியின் பங்களிப்பு சிறியது.

வேறு வார்த்தைகளில் கூறுவதானால், பாரபட்சமான பகுப்பாய்வின் அடிப்படை யோசனை என்னவென்றால், மக்கள் தொகையானது சில மாறிகளின் (அல்லது அவற்றின் சேர்க்கை) சராசரியில் வேறுபடுகிறதா என்பதைத் தீர்மானிப்பதாகும், பின்னர் ஒரு குறிப்பிட்ட குழுவில் புதிய உறுப்பினர்களுக்கு அவர்களின் உறுப்பினர்களைக் கணிக்க அந்த மாறியைப் பயன்படுத்தவும் (இது பணி முன்னறிவிப்பு). ஒரு எளிய எடுத்துக்காட்டு: ஒரு ஆணின் சராசரி உயரம் ஒரு பெண்ணின் சராசரி உயரத்தை விட அதிகமாக உள்ளது என்பது ஏற்கனவே தெரிந்திருப்பதால், நமக்குத் தெரியாத ஒரு நபரை ஆண் அல்லது பெண் என வகைப்படுத்துவதற்கு உயரம் காட்டி ஒரு பாகுபாடான அடையாளமாக செயல்படும்.

அத்தகைய ஒரு அம்சம், முன்வைக்கப்பட்ட எடுத்துக்காட்டில் இருந்து யூகிக்கக்கூடியது, முன்னறிவிப்பின் நம்பகத்தன்மைக்கு உத்தரவாதம் அளிக்காது, ஆனால் குணாதிசயங்களின் கலவையானது மிகவும் நம்பிக்கைக்குரியதாக இருக்கும்.

பாரபட்சமான பகுப்பாய்வின் வரைகலை பிரதிநிதித்துவத்தின் ஒரு எடுத்துக்காட்டு கீழே உள்ளது (படம் 4).

ரூட் 1 எதிராக. ரூட்2

அரிசி. 4. ஒரு பண்பின் கேரியர்களை மூன்று குழுக்களாகப் பிரிப்பதற்கான கிராஃபிக் உதாரணம், பாரபட்சமான பகுப்பாய்வின் விளைவாக பெறப்பட்டது.

❖ அளவற்ற முறைகள்

உங்கள் சோதனைத் தரவு என்று அழைக்கப்படுவதற்குக் கீழ்ப்படிந்தால் மட்டுமே, விவாதிக்கப்பட்ட அனைத்து புள்ளிவிவர பகுப்பாய்வு நடைமுறைகளையும் சரியாகப் பயன்படுத்த முடியும் என்பதை மீண்டும் ஒருமுறை வலியுறுத்த விரும்புகிறேன். சாதாரண விநியோக சட்டம் அல்லது குறைந்தபட்சம் அதை அணுகவும். இதன் பொருள், உங்களிடம் உள்ள விநியோகத்தில், ஒரு அம்சத்தின் தீவிர மதிப்புகள் - சிறிய மற்றும் பெரியவை - அரிதாகவே தோன்றும், மேலும் ஒரு அம்சத்தின் மதிப்பு எண்கணித சராசரிக்கு நெருக்கமாக இருந்தால், அது அடிக்கடி நிகழ்கிறது (படம் 1 ஐப் பார்க்கவும்). 1)

சிறிய மாதிரி அளவுகள் (20-30 க்கும் குறைவானது) அல்லது ஆர்டினல் அளவுகளில் ("உயர்", "நடுத்தர", "குறைந்த") அல்லது உண்மையின் மூலம் பொதுவாக விளக்கப்படும் அத்தகைய கடிதப் பரிமாற்றம் இல்லை என்றால் மாறிகள் புறநிலையாக விநியோகிக்கப்படுகின்றன "அசாதாரண", பின்னர் ஆய்வறிக்கையின் அனுபவப் பொருட்களை செயலாக்க, அளவுரு அல்லாத அளவுகோல்களைப் பயன்படுத்துவது அவசியம், இருப்பினும் அவை குறைந்த சக்தி மற்றும் குறைந்த நெகிழ்வுத்தன்மையைக் கொண்டிருக்கின்றன (அவற்றின் கணக்கீட்டிற்கு மதிப்புகள் சராசரி மற்றும் நிலையான விலகல்கள் கருதப்படுவதில்லை அல்லது கணக்கில் எடுத்துக்கொள்ளப்படுவதில்லை). ஆனால் அவர்களுக்கும் பல நன்மைகள் உள்ளன. அவை துல்லியமற்ற அளவீடுகளுக்கு உணர்ச்சியற்றவை, மேலும் இந்த முறைகள் அரை அளவு இயல்பு (தரவரிசைகள், மதிப்பெண்கள் போன்றவை) தரவைச் செயலாக்கப் பயன்படுத்தலாம். கூடுதலாக, சாதாரண விநியோகத்தின் அடிப்படையிலான முறைகளைப் பயன்படுத்தி தீர்க்க முடியாத கேள்விகளுக்கான பதில்களைப் பெற அவை பயன்படுத்தப்படலாம். இதன் விளைவாக, பொதுவாக விநியோகிக்கப்படும் ஆராய்ச்சி முடிவுகளைச் செயலாக்குவதற்கு அவை சில நேரங்களில் பொருத்தமானவை.

விவரங்களுக்குச் செல்லாமல், பொதுவாக விநியோகிக்கப்படும் குறிகாட்டிகளைப் போன்ற குறிகாட்டிகளைப் பெறுவதை சாத்தியமாக்கும் அளவுரு அல்லாத நடைமுறைகளின் பெயர்களை மட்டுமே நாங்கள் சுட்டிக்காட்டுவோம்.

இரண்டு சுயாதீன மாதிரிகளுக்கு இடையிலான வேறுபாடுகளின் முக்கியத்துவத்தை தீர்மானிக்க (உதாரணமாக, சிறுவர்கள் மற்றும் சிறுமிகளை ஒப்பிடும் போது), டி சோதனைக்கான அளவுரு அல்லாத மாற்றுகள் தொடர் அளவுகோல் பி ஆல்ட் ஏ-வோல்போவிச்ஒரு, யுமான்-விட்னி சோதனைமற்றும் கோல்மோகோரோவ்-ஸ்மிர்னோவ் வகையின் இரண்டு-தேர்வு முழுநேர சோதனை.

சார்பு மாதிரிகளுக்கு இடையிலான வேறுபாடுகளை ஆய்வறிக்கை வெளிப்படுத்தினால் (உதாரணமாக, திருத்தும் பணிக்கு முன்னும் பின்னும் ஒரு குழுவின் குறிகாட்டிகள்), நீங்கள் பயன்படுத்த வேண்டும் வில்காக்சன் டி-டெஸ்ட்ஜோடிகளின் வேறுபாடுகளுக்கு, இது தரப்படுத்தப்பட்ட தரவுகளுக்கும் பயன்படுத்தப்படலாம். மாணவர்களின் டி-டெஸ்டுடன் ஒப்பிடும்போது, ​​இதற்குக் குறைவான கணக்கீடு தேவைப்படுகிறது மற்றும் பொதுவாக விநியோகிக்கப்பட்ட மாதிரிகள் கிட்டத்தட்ட கண்டிப்பாகக் கொடுக்கப்படும். பெரிய மற்றும் சிறிய மாதிரிகளுக்கு அதன் செயல்திறன் சுமார் 95% ஆகும்.

பரிசீலனையில் உள்ள இரண்டு மாறிகள் மாற்று விநியோகத்தைக் கொண்டிருந்தால் (பயிற்சிக்கு முன்னும் பின்னும் தேர்ந்தெடுக்கப்பட்ட சில மதிப்புகளுக்குக் கீழே அல்லது அதற்கு மேல் உள்ள தேர்வு மதிப்பெண்கள் அல்லது கணிதத் தேர்வில் தேர்ச்சி பெறும் சிறுவர் மற்றும் சிறுமிகளின் எண்ணிக்கை போன்ற இரண்டு தரங்களை மட்டுமே உள்ளடக்கியது), பின்னர் பொருத்தமான அளவுரு அல்லாத வேறுபாடுகளின் முக்கியத்துவத்திற்கான சோதனைகள் % 2 ஆக இருக்கும் (ஒப்பிடப்படும் ஒவ்வொரு விநியோகத்திலும் உள்ள சோதனைகளின் எண்ணிக்கை 10க்கும் குறைவாக இருந்தால் சி-சதுரம் பயன்படுத்த பரிந்துரைக்கப்படாது) மற்றும் ஃபிஷரின் சரியான சோதனைநான்கு புல அட்டவணைக்கு. கவனம்: குறிப்பிடப்பட்ட அளவுரு அல்லாத அளவுகோலைக் கணக்கிடுவதற்கான அல்காரிதத்தை குழப்ப வேண்டாம் % 2 உடன்பியர்சன் x 2 குட்னஸ்-ஆஃப்-ஃபிட் சோதனையைக் கணக்கிடுவதற்கான அல்காரிதத்துடன் நிறைய பொதுவானது, இது அனுபவ மற்றும் தத்துவார்த்த விநியோகங்களை ஒப்பிடும் போது பயனுள்ளதாக இருக்கும், பொதுவாக உண்மையான விநியோகம் சாதாரண சட்டத்துடன் ஒத்துப்போகிறதா என்பதை நிறுவப் பயன்படுகிறது.

குணாதிசயங்களுக்கிடையிலான இணைப்புகளை (தொடர்பு) தெளிவுபடுத்த, நீங்கள் ஏற்கனவே குறிப்பிட்டுள்ளதைக் கணக்கிடலாம் டெட்ராகோரிக் குறியீடு(ஜி), ஸ்பியர்மேன் தரவரிசை தொடர்பு குணகங்கள்(ஆர் அல்லது பி) மற்றும் கூடும்(டி) கெண்டல்.அளவு மற்றும் தரமான குணாதிசயங்களுக்கிடையேயான இணைப்புகளின் நெருக்கத்தை தீர்மானிக்க கடைசி இரண்டு பயன்படுத்தப்படலாம், அவற்றின் மதிப்புகள் வரிசைப்படுத்தப்பட்ட அல்லது குணாதிசயத்தின் குறைவு அல்லது அதிகரிப்புக்கு ஏற்ப வரிசைப்படுத்தப்படுகின்றன.

❖ கணினி செயலாக்கம் மற்றும் வரைகலை விளக்கப்படங்கள்

உங்கள் ஆய்வறிக்கையில் பயன்படுத்த பரிந்துரைக்கப்பட்ட புள்ளிவிவர நடைமுறைகளின் சில ஓவர்லோடுகளால் குழப்பமடைய வேண்டாம். பெரும்பாலான சந்தர்ப்பங்களில், நீங்கள் அவர்களின் கணித கருவியை நன்கு அறிந்திருக்க வேண்டிய அவசியமில்லை (அது விரும்பத்தக்கது என்றாலும்). இன்றுவரை, அறிவியலின் தேவைகளுக்காக ஏராளமான கணினி நிரல்கள் உருவாக்கப்பட்டுள்ளன, இது கணிதத்தில் தேர்ச்சி பெறாத ஒரு நபர் கூட விரும்பிய குறிகாட்டிகளை மிக எளிதாகக் கணக்கிட அனுமதிக்கிறது. அவற்றில் மிகவும் பிரபலமான மற்றும் பிரபலமானவை புள்ளியியல் தொகுப்புகள் (அட்டவணை மற்றும் வரைகலை எடுத்துக்காட்டுகளைப் பயன்படுத்தி மேலே கொடுக்கப்பட்டுள்ளன) மற்றும் SPSS ஆகும். இரண்டு நிரல்களும் உதவி வடிவில் குறிப்புப் பொருட்களுடன் வழங்கப்படுகின்றன மற்றும் முக்கிய கணக்கீட்டு வழிமுறைகளின் கண்ணோட்டத்துடன் சிறப்பு தகவல் ஆதரவு. வேறுபாடு குறிகாட்டிகளைப் பெறும்போது, ​​​​தொடர்பு மெட்ரிக்குகள் மற்றும் பிற அட்டவணைகளில், ஆராய்ச்சியாளருக்கு குறிப்பாக ஆர்வமுள்ள எண் மதிப்புகள் (நம்பகத்தன்மை, முக்கியத்துவம், முன்னுரிமை போன்றவற்றின் அடிப்படையில்) தானாகவே நிறம் மற்றும் தைரியத்தில் முன்னிலைப்படுத்தப்படுகின்றன.

இதே தொகுப்புகள் தோற்றத்தை கணிசமாக மேம்படுத்தலாம் ஆய்வறிக்கைஅதில் அதிக தெளிவை அறிமுகப்படுத்துவதன் மூலம். சில கடினமான படிக்கக்கூடிய அட்டவணைகள் மற்றும் டிஜிட்டல் தரவை வரைபடங்கள், ஹிஸ்டோகிராம்கள் மற்றும் விளக்கப்படங்களின் பிற வடிவங்களுடன் மாற்றுவதன் மூலம் இது அடையப்படுகிறது, அவை வழங்கப்பட்ட முடிவுகளின் சொற்பொருள் அவுட்லைனுடன் நன்கு பொருந்துகின்றன (ஆனால் மிதமிஞ்சிய எதுவும் இல்லை!).

வரைபட படிவத்தின் தேர்வு தற்செயலாக இருக்கக்கூடாது. எடுத்துக்காட்டாக, காலப்போக்கில் ஏற்படும் மாற்றங்கள் நேரியல் பிரதிநிதித்துவத்தில் சிறப்பாக உணரப்படுகின்றன, இரண்டு குழுக்களின் குறிகாட்டிகளின் ஒப்பீடுகள் - ஒரு நெடுவரிசை பிரதிநிதித்துவத்தில், விகிதங்கள் - வட்ட வரைபடங்களில், மற்றும் சிதறல் - ஒரு புள்ளியிடப்பட்ட ஒன்றில் (படம் 5-8).

42. காரணி பகுப்பாய்வு

காரணி பகுப்பாய்வு- மறைக்கப்பட்ட அறிகுறிகளையும், அவற்றின் நிகழ்வுக்கான காரணங்கள் மற்றும் அவற்றின் உறவின் உள் வடிவங்களையும் அடையாளம் காண உதவும் பகுப்பாய்வு முறைகளின் தொகுப்பு.

காரணி பகுப்பாய்வு என்பது அசல் பண்புகளின் தொகுப்பை எளிமையான மற்றும் அர்த்தமுள்ள வடிவமாக மாற்றுவதை நோக்கமாகக் கொண்டுள்ளது. இந்த முறையின் மையப் பணியானது, ஆய்வு செய்யப்பட்ட நிகழ்வின் நேரடியாக அளவிடப்பட்ட குணாதிசயங்களின் தொகுப்பிலிருந்து சிக்கலான பொதுமைப்படுத்தப்பட்ட காரணிகளுக்கு மாறுவதாகும், அதன் பின்னால் ஆரம்ப பண்புகளின் சேர்க்கைகள் உள்ளன, அவற்றின் உள் வடிவங்களின் அடிப்படையில் அடையாளம் காணப்பட்டு, ஆய்வு செய்யப்பட்ட கட்டமைப்பை பிரதிபலிக்கிறது. நிகழ்வுகளின் பகுதி.

காரணி பகுப்பாய்வு உருவாக்கியவர்களில் ஒருவரின் பார்வையில் - எல். தர்ஸ்டன்,இந்த முறை சோதனை மதிப்பெண்களை "ஒடுக்க", ஒப்பீட்டளவில் சிறிய எண்ணிக்கையிலான சுயாதீன மாறிகளாக குறைக்க மற்றும் சோதனை மதிப்பெண்களில் தனிப்பட்ட வேறுபாடுகளை விவரிக்க தேவையான காரணிகளை தனிமைப்படுத்த பயன்படுகிறது. காரணி பகுப்பாய்வு என்பது பொதுமைப்படுத்தலுக்கான ஆரம்ப தரவுகளின் புள்ளிவிவர செயலாக்க முறை மட்டுமல்ல, ஒரு பரந்த அறிவியல் முறைசெயல்முறைகளின் தன்மை பற்றிய கருதுகோள்களின் உறுதிப்படுத்தல்.

காரணி பகுப்பாய்வை மேற்கொள்வதற்கான ஆரம்ப தகவல் தொடர்பு அணி அல்லது சோதனைக் குறிகாட்டிகளின் தொடர்புகளின் அணி ஆகும். சில காரணி பகுப்பாய்வு மாதிரிகளில், மேட்ரிக்ஸில் ஆய்வு செய்யப்பட்ட அம்சங்களுக்கிடையேயான இணைப்புகள் மற்றும் தற்செயல்களின் பிற பண்புகள் இருக்கலாம் (எடுத்துக்காட்டாக, கிளஸ்டர் உறவுகள், சொற்பொருள் இடைவெளியில் உள்ள தூரங்கள்). ஒன்றோடொன்று தொடர்புகள் அல்லது உறவின் பிற பண்புகளின் பகுப்பாய்வு மூலம் தனிமைப்படுத்தப்பட்ட, பொதுவான முதல்-வரிசை காரணிகள் காரணிகளுக்கு இடையிலான தொடர்புகளை பிரதிபலிக்கும் புதிய அணி வடிவத்தில் வழங்கப்படலாம். அத்தகைய மெட்ரிக்குகளின் அடிப்படையில், உயர் வரிசை காரணிகளை தீர்மானிக்க முடியும்.

உளவியலின் வரலாற்றில், காரணி பகுப்பாய்வு பல தத்துவார்த்த சிக்கல்களைத் தீர்ப்பதோடு தொடர்புடையது. முதலில் இது உளவியல் பண்புகளின் உள்ளடக்கத்தை வெளிப்படுத்துவதற்கான முக்கிய அணுகுமுறைகளில் ஒன்றாக உணரப்பட்டது. அதனால், சி. ஸ்பியர்மேன்(1931) முடிவுகளுக்கு இடையே உள்ள தொடர்புகளின் பகுப்பாய்வின் அடிப்படையில் பல்வேறு சோதனைகள்ஒரு பொதுவான காரணி (ஜி காரணி) யோசனை முன்வைக்கப்பட்டது, இது அறிவுசார் பண்புகளை அளவிடுவது தொடர்பான எந்தவொரு சோதனையின் வெற்றியையும் அடிக்கோடிட்டுக் காட்டுகிறது. எல். தர்ஸ்டன்(1931) பல தொடர்புள்ள (சாய்ந்த) மற்றும் ஒப்பீட்டளவில் சுயாதீனமான (ஆர்த்தோகனல்) காரணிகளின் மதிப்பீட்டின் மல்டிஃபாக்டர் பகுப்பாய்வை உருவாக்கியது, நுண்ணறிவின் மல்டிஃபாக்டர் கருத்தை விளக்குகிறது. தற்போது, ​​காரணி பகுப்பாய்வு முறைகள் கணித புள்ளியியல் ஒரு சிக்கலான சிறப்பு துறையில் அமைக்கிறது.

பகுப்பாய்வு ஆய்வறிக்கை: "சிசிபஸ்" கடினமாக உழைத்து கிட்டத்தட்ட வெற்றி பெறுகிறது. ஆனால் ஒரு கட்டத்தில் அவர் ஓய்வெடுக்கிறார், தனது முயற்சிகளை நிறுத்தி, சாதித்த அனைத்தையும் இழக்கிறார். அவர் மீண்டும் தொடங்க வேண்டும், நோய் கண்டறிதல்: மனச்சோர்வு எதிர்வினை: சிசிபஸ் பாத்திரங்கள்.

பகுப்பாய்வு ஆய்வறிக்கை: லிட்டில் பெட்கி ஒரு ஸ்டூலில் அமர்ந்து, தனக்குள்ளேயே விலகி “ஸ்பைடருக்காக” காத்திருக்கிறாள், ஏனென்றால் அவளுக்கு வேறு எதுவும் நம்பிக்கை இல்லை. அவர் தோன்றி அவளை பயமுறுத்த முயற்சிக்கிறார், ஆனால் இது உலகின் மிக அழகான "ஸ்பைடர்" என்று அவள் முடிவு செய்து அவனுடன் இருக்க தேர்வு செய்கிறாள். அவர் அவ்வப்போது