Макроэкономика
<<  Важнейшие аспекты разработки ВВП теория и практика Совокупное управление дебиторской и кредиторской задолженностью коммерческого предприятия  >>
С чего начинается исследование
С чего начинается исследование
С чего начинается исследование
С чего начинается исследование
Этапы научного исследования (самая простая из сотен тысяч разных схем)
Этапы научного исследования (самая простая из сотен тысяч разных схем)
Этапы научного исследования (самая простая из сотен тысяч разных схем)
Этапы научного исследования (самая простая из сотен тысяч разных схем)
Вопросы и типы исследования
Вопросы и типы исследования
По цели исследования бывают…
По цели исследования бывают…
Выбор проблемы исследования
Выбор проблемы исследования
Основные проблемные аспекты методологии научных исследований: как
Основные проблемные аспекты методологии научных исследований: как
От понятия к определению
От понятия к определению
От понятия к определению
От понятия к определению
От понятия к определению
От понятия к определению
Предмет и объект
Предмет и объект
Вопросы о методе
Вопросы о методе
Экспериментальные планы для одной независимой переменной (Д
Экспериментальные планы для одной независимой переменной (Д
Экспериментальные планы для одной независимой переменной (Д
Экспериментальные планы для одной независимой переменной (Д
Метод поперечно-последовательных срезов
Метод поперечно-последовательных срезов
Измерение
Измерение
Измерение
Измерение
Специфика психологических измерений
Специфика психологических измерений
Виды шкал
Виды шкал
Особенности психологических измерений
Особенности психологических измерений
Особенности психологических измерений
Особенности психологических измерений
Item response theory: современная альтернатива CTT
Item response theory: современная альтернатива CTT
Исследования в Интернет
Исследования в Интернет
Интернет в России
Интернет в России
Два вида методов
Два вида методов
Способы объединения качественных и количественных данных (Creswell)
Способы объединения качественных и количественных данных (Creswell)
Источники артефактов
Источники артефактов
Источники артефактов: N выборки
Источники артефактов: N выборки
Артефакт объединения двух выборок (Наследов, 2004)
Артефакт объединения двух выборок (Наследов, 2004)
«Попытка подогнать цифру под то или другое предвзятое мнение есть
«Попытка подогнать цифру под то или другое предвзятое мнение есть
«Попытка подогнать цифру под то или другое предвзятое мнение есть
«Попытка подогнать цифру под то или другое предвзятое мнение есть
Проблема факторного анализа
Проблема факторного анализа
Куда податься
Куда податься
Reject – не приговор статье, а всего лишь пессимистическое мнение
Reject – не приговор статье, а всего лишь пессимистическое мнение
Типичные ошибки авторов
Типичные ошибки авторов
Спасибо за внимание
Спасибо за внимание
Картинки из презентации «Основные проблемные аспекты методологии научных исследований: как сделать хорошее исследование» к уроку экономики на тему «Макроэкономика»

Автор: Evgeny Osin. Чтобы познакомиться с картинкой полного размера, нажмите на её эскиз. Чтобы можно было использовать все картинки для урока экономики, скачайте бесплатно презентацию «Основные проблемные аспекты методологии научных исследований: как сделать хорошее исследование.pptx» со всеми картинками в zip-архиве размером 6386 КБ.

Основные проблемные аспекты методологии научных исследований: как сделать хорошее исследование

содержание презентации «Основные проблемные аспекты методологии научных исследований: как сделать хорошее исследование.pptx»
Сл Текст Сл Текст
1Основные проблемные аспекты 67насколько важна репрезентативность.
методологии научных исследований: как Выберите оптимальную стратегию подбора:
сделать хорошее исследование? Евгений полностью случайный отбор (по списку);
Осин, НИУ ВШЭ, 2013 eosin@hse.ru. стратифицированный отбор; кластерный
2С чего начинается исследование? отбор; смешанные (двухуровневые
Научная проблема, или исследовательский стратегии); слабые: «снежный ком» /
вопрос. Любой вопрос (даже бредовый), удобная выборка / добровольцы. Оцените
касающийся некоторого психического потребный объем выборки с учётом:
(социального, экономического…) явления. количества переменных, характера гипотез и
3Этапы научного исследования (самая планируемых методов анализа данных;
простая из сотен тысяч разных схем). размера интересующих вас эффектов и
Теоретический анализ. Формулировка статистической мощности анализа.
гипотез. Проблема! Методы: - что?.. - Рассмотрите возможность проведения
как?.. - где?.. - с кем?.. …мы будем исследования онлайн.
изучать? Оценка результатов. Публикация!.. 68Статистическая мощность анализа.
Сбор данных ?? Анализ данных. Уровень значимости: вероятность того, что
4Научная проблема. Исследовательский мы приняли гипотезу H1, которая на самом
вопрос = проблема исследования ? Является деле неверна. Статистическая мощность
ли проблема исследования научной анализа (1-?): вероятность того, что мы на
проблемой? Шансы на успех зависят от того, выборке примем гипотезу H1, если на самом
как она поставлена: используются ли деле она верна (= шанс обнаружить эффект,
научные понятия, опирается ли она на если он на самом деле есть).
научную картину реальности? соотносится ли 69Уровень значимости. Достоверность
она с существующими теориями, релевантна взаимосвязи зависит: от её силы (чем
ли актуальному научному дискурсу? (однако больше r по модулю, тем больше шансов, что
Вы можете поставить новую научную он будет значим); от объёма выборки (чем
проблему, преодолев инерцию научного больше выборка, тем больше шансов, что r
сообщества) актуальна ли она с точки будет значим). ? на очень маленьких
зрения социума? (готов ли кто-то дать на выборках даже для сильных взаимосвязей
это денег?). значимость может не достичь приемлемого
5Вопросы и типы исследования. уровня; ? на очень больших выборках даже
«Количественные». «Качественные». Есть ли очень слабые (и потому практически
связь…? Есть ли различия в… в зависимости бессмысленные) взаимосвязи могут оказаться
от …? Как…? (? описать процесс, ситуацию) значимыми.
Зачем…? (цели людей). Некоторые варианты 70Статистическая мощность анализа.
постановки вопросов сразу предполагают Зависит от… объёма выборки: чем он больше,
определённый тип исследования. Иногда тем она выше; размера эффекта: чем он
просто нет смысла использовать методы сильнее, тем она выше; от выбранного
определённого типа, если проблема (вопрос) критерия принятия решений о значимости:
исследования не сформулирована «под них». чем строже требование к уровню значимости,
6По цели исследования бывают… Поисковое тем она ниже; от используемого
(изучение неизученного процесса, поиск статистического метода (для разных
закономерностей) Подтверждающее способов проверки одной и той же гипотезы
(воспроизведение ранее полученного факта) она м.б. разной). Является критерием для
Критическое (спланированная проверка определения объёма выборки с учётом
определённой модели, положения теории). размера ожидаемого эффекта. Важно! Только
7Выбор проблемы исследования. высокая мощность (0,95 и выше) даёт нам
8Теория. возможность делать достоверный вывод о
9Зачем нам теория? Два варианта том, что искомый эффект отсутствует (верна
развития научного поиска: Теория ? H0). При недостаточной статистической
Проблема ? Выбор феномена ? Исследование мощности подобный вывод является
феномена ? Интерпретация фактов Феномен ? необоснованным (правильный вывод: мы не
Проблема ? Исследование феномена ? обнаружили эффект, но не можем сказать,
Интерпретация фактов ? Теория. есть он или нет).
10Зачем нам нужен теоретический обзор? 71Зависимость статистической мощности от
Убедиться в том, что наше исследование размера выборки.
актуально и мы не «изобретаем велосипед». 72Зависимость статистической мощности от
Рассмотреть различные варианты постановки силы взаимосвязи.
интересующей нас проблемы. Рассмотреть 73Исследования в Интернет.
различные подходы и методы изучения 74Интернет в России. Данные ФОМ, весна
интересующей нас проблемы. Обобщить 2013.
существующие теоретические знания и 75Проблема репрезентативности. Выборки
накопленные эмпирические данные. из Интернет имеют ограниченную
11Виды теоретических обзоров. репрезентативность по отношению к
Теоретический обзор как необходимая основа некоторым социальным группам, в первую
любого эмпирического исследования: из него очередь, людям: старших возрастов; с
вытекает, зачем Вы проводите своё невысоким уровнем образования; с низким
исследование и почему делаете это именно социально-экономическим статусом. Но для
так; Теоретический обзор как особый вид многих исследовательских задач это не
аналитической работы: прояснение того, как является проблемой. Интернет-выборки
ставится та или иная проблема в науке; принимаются в ведущих мировых журналах.
обобщение предыдущих исследований в форме Борьба с проблемой репрезентативности:
«дайджеста» для читателей; выявление балансировка выборки путём взвешивания
связей, противоречий, «белых пятен» и наблюдений; проведение раздельного анализа
несоответствий в имеющейся литературе; на разных подвыборках (например, младшей и
наметить следующие шаги в решении проблемы старшей ? сравнить результаты).
(Eisenberg, 2000). 76Выборка. Достаточен ли объём выборки?
12Характеристики хорошего обзора. Широта Каков ожидаемый размер эффекта, какой
круга источников Глубина анализа будет статистическая мощность? Достаточно
источников Релевантность источников ли выборка репрезентативна относительно
Аккуратность в интерпретациях Критика группы, на которую обобщаются результаты?
существующих позиций Качественное Позволяет ли состав выборки (подгруппы)
обобщение Логичная структура проверять нужные гипотезы планируемыми
(A->B->C) Эффективность: методами?
качество/объём. 77Анализ данных.
13Варианты организации обзора. По логике 78Шаги выбора метода. Определение набора
теории: основные идеи теории ? частные исходных переменных и их места в анализе
теории, модели… По исторической логике: (есть ли независимые и зависимые).
Платон ? … ? Вундт ? … ? Пупкин От Определение шкалы, по которой они измерены
феноменов: есть А, есть Б ? сопоставление, и характера распределения (допустимы ли
проблема «Как получится»: Nancy Eisenberg: параметрические методы). Выбор
нет единого «правильного» способа оптимального метода из допустимых, с
структурировать обзор литературы. учётом объёма выборки.
14Этапы создания обзора. Определение 79Два вида методов. Количественные:
проблемного поля Постановка вопросов выявление общих закономерностей и
(целей) Поиск и определение круга статистическая оценка достоверности
источников «Путешествие по ссылкам» обобщений; познание частного случая на
Структурирование Анализ и обобщение. основе общих закономерностей.
15Ресурсы для поиска литературы. Качественные: описание и анализ частного
Поисковые системы: Google Scholar Базы случая; познание общих закономерностей на
научных статей: базы издательств (hse.ru ? основе частного случая.
Электронные ресурсы библиотеки): APA, 80Смешанная методология: зачем? (Greene,
Elsevier, Wiley, etc. базы-«агрегаторы», Caracelli, Graham). Триангуляция:
такие как EBSCO Индексы цитирования: соответствие, подтверждение результатов
Мировых два: Scopus и ISI Web of Science одних методов другими. Дополнение:
Российский индекс научного цитирования расширение, прояснение, иллюстрация
(РИНЦ): ELibrary.ru Разнообразные результатов одних методов другими.
источники: Google ? Wikipedia, … … … … … Развитие: использование результатов одних
библиотека! методов для принятия решений о развитии
16 дальнейших исследований другими методами
17Как быстро сориентироваться в теме? (напр., решений о выборке,
Электронные ресурсы библиотеки ? Scopus операционализации). Инициация: поиск
Вводим ключевые слова Сортируем найденные парадоксов или противоречий, новых точек
статьи по убыванию кол-ва цитирований зрения благодаря пониманию результатов
Просматриваем первые 10-20-… (в одних методов исходя из других. Экспансия:
зависимости от наличия времени) статей; в большая широта исследования благодаря
первую очередь, читаем обзоры и использованию разных методов для решения
мета-анализы. разных отдельных вопросов.
18Рекомендуемый алгоритм поиска. Ищем по 81Способы объединения качественных и
ключевым словам нужные статьи в Scopus / количественных данных (Creswell).
ISI Web of Science. По кнопке HSE_FullText 82Примеры качественных методов.
переходим к статьям (если ссылка Дескриптивный феноменологический анализ
работает). Либо проверяем, есть ли журнал Интерпретативный феноменологический анализ
в нашей подписке, через «A-to-Z сводный «Тематический анализ», качественный
каталог» (если есть – там же выходим на контент-анализ Конверсационный анализ
нужную БД). Ищем по ключевым словам в (conversation analysis) Дискурс-анализ
Google Scholar (более широкий охват + (discourse analysis) Нарративный анализ и
ссылки на бесплатные ресурсы). Ищем в РИНЦ нарративное интервью Фокус-группы (focus
(elibrary.ru) и русскоязычных поисковых groups) Обоснованная теория (grounded
системах. theory) Исследование действием (action
19Создание обзора. Даёт ли обзор research).
исчерпывающую информацию о состоянии 83Процедуры повышения валидности
проблемы в науке, учитывает ли разные качественных данных (Yardley).
основные имеющиеся подходы и методы её Триангуляция: сопоставление данных,
решения? Является ли обзор достаточным полученных разными методами или от разных
обоснованием исследования: вытекает ли из источников. Экспертное согласие: сравнение
него, что нужно провести именно такое данных (картин реальности), полученных
исследование и именно так? Является ли разными исследователями (экспертами).
текст обзора достаточно экономным Обращение к респондентам: респонденты
(кратким), хорошо структурированным и выступают в качестве экспертов, которые
читаемым? оценивают валидность полученной картины
20Гипотезы. реальности. Анализ выпадающих случаев:
21От вопроса к гипотезе. Гипотеза – это выявление наблюдений (респондентов), не
конкретное предположение об изучаемой согласующихся с общей картиной. «Бумажный
реальности: сформулированное на языке след» (paper trail): документированы все
научных понятий (а не житейских терминов), этапы анализа ? можно проследить его ход.
предполагающих тот или иной вариант Рефлексия собственных ценностей, ожиданий,
понимания изучаемой реальности; истинность представлений исследователя об изучаемой
которого между проверить теоретически, реальности.
либо соответствие которого реальности 84Виды количественных методов.
можно проверить с помощью эмпирической Описательные статистики Методы проверки
процедуры. Хорошую гипотезу можно гипотез: гипотезы о соответствии
проверить. Плохую гипотезу проверить теоретическому распред-ю; гипотезы о
невозможно. (Хорошая гипотеза – когда различиях эмпирических распределений ?
неочевидно, подтвердится ли она…). критерии сравнения выборок; гипотезы о
22Определения понятий. Чтобы связях переменных ? корреляционный анализ,
сформулировать гипотезы, нам нужно дать регрессионный анализ, … Методы поиска
определения понятий, опираясь на взаимосвязей: на наблюдаемых переменных:
существующие теории или описания путевой анализ, многомерное шкалирование,
феноменов. Операциональное определение эксплораторный факторный анализ,
понятия (описывающее то, с чем мы кластерный анализ, …; моделирование
можем/будем работать в исследовании) может латентных переменных: структурное
не совпадать с теоретическим определением моделирование, IRT, анализ латентных
(описывающим понятие в целом): например, классов, …
агрессивность можно операционально 85Проблемы статистических методов.
определить как наличие установок, Статистические методы исходят из того, что
выражающих враждебное отношение к другим. наша выборка является случайной. Если она
23От понятия к определению. Содержание не такова, статистические методы могут
понятия (в реальности). Операциональное вводить нас в заблуждение. Содержательная
определение (в исследовании; зависит от валидность выводов всех корреляционных
задачи). методов зиждется на отсутствии
24Гипотезы. Теоретические гипотезы неизмеренной третьей переменной,
(противоречие в теории(ях) ? проверка определяющей наши связи. Возможность
теоретически) Эмпирические гипотезы артефактов.
(проверка опытом): о наличии явления («А 86Проблема множественных сравнений.
был ли мальчик?»); о связях между Уровень значимости = 0,05: шанс того, что
явлениями; о причинно-следственной связи такая корреляция получена случайно,
между явлениями. Статистические гипотезы составляет 1 из 20. Если у вас в матрице
(в терминах измеряемых переменных, 20 корреляций, значимых на уровне 0,05, то
проверка статистическая): Нулевая в среднем одна из них окажется случайной.
(основная) гипотеза (H0): «Мальчика не Чем больше статистических гипотез вы
было». Альтернативная гипотеза (H1): проверяете, тем более жёсткий критерий
нулевая гипотеза неверна. принятия решения (уровень значимости 0,01
25Нужны ли нам гипотезы? Они или даже 0,001) имеет смысл брать:
обязательны, если исследование существуют поправки для множественных
подтверждающее или критическое. В сравнений, например, поправка
поисковом исследовании гипотезы по сути Holme-Bonferroni; при простом выборе более
могут отсутствовать (но по форме, как жёсткого критерия снижается статистическая
правило, должны быть ? формулируем мощность анализа.
исследовательский вопрос в виде гипотезы). 87Другие возможные артефакты. Корреляция
(Иногда руководители рекомендуют двух переменных может объясняться влиянием
формулировать гипотезу после исследования… третьей переменной (пример: у детей размер
Хорошо ли это?). ноги и IQ связаны друг с другом, а
26Предмет и объект. Предмет = что нас реальная причина – связь обеих переменных
реально интересует? Объект = с чем мы с возрастом) ? расчёт частной корреляции.
работаем в исследовании, чтобы это узнать? Объединение двух выборок с различающимися
Как правило, П и О соотносятся как общее и средними по обеим переменным может
частное: «Объект – люди…» – это слишком приводить к возникновению ложных
общо. Берите одну из областей феноменов корреляций на объединённой выборке ?
психического. В западных (англоязычных) проверять наличие различий в средних и в
исследованиях П и О, как правило, никто не характере и степени взаимосвязи перед
выделяет. объединением. Наличие выбросов
27Гипотезы. Ясны ли гипотезы? Проверяемы (наблюдений, существенно отклоняющихся от
ли они? На какой теоретический контекст общих закономерностей) в данных на
они опираются (и почему именно на этот)? небольших выборках может приводить к
Какие возможности операционализации данных появлению ложных корреляций или к снижению
гипотез существуют и почему выбрана именно значений коэффициента корреляции ?
эта? проверка на нормальность, анализ графика
28Методы. разброса. Низкая надёжность наблюдаемых
29Вопросы о методе. Что и где мы будем переменных приводит к снижению
изучать? Какие феномены? (сознания, коэффициента корреляции ? коррекция
поведения, …) Какие процедуры измерения? аттенюации.
(? тип данных) В каких условиях? На какой 88Источники артефактов. В исследовании
выборке? Как мы это будем изучать? Каков не измерены (или не включены в модель)
общий план исследования? Какие методы переменные, являющиеся общими причинами
анализа данных? Что конкретно для этого моделируемых переменных (? «spurious
будем делать? Процедура исследования. correlations»). Низкая надёжность
30План исследования. измерений (Loehlin, 1998) – пример с
31Виды переменных – по отношению к частной корреляцией:
гипотезам. Независимые переменные 89Источники артефактов: N выборки. На
воздействуем. Зависимые переменные малой выборке может не хватить статист.
наблюдаем, измеряем. Исследуемая мощности для отвержения плохой модели. На
реальность. Побочные переменные малой выборке оценки параметров неточные,
контролируем (если можем) или хотя бы значимость параметров низкая. Стоит
учитываем их влияние. Случайная ошибка, учитывать доверительные интервалы для
систематическая ошибка, cмешение. ??? статистик.
32Типы исследований. Эксперимент: есть 90Артефакт объединения двух выборок
воздействие, есть контроль побочных (Наследов, 2004). В каждой из выборок по
переменных ? можно делать выводы о отдельности корреляция отсутствует. В
причинно-следственных связях. объединённой выборке она наблюдается.
Квазиэксперимент: есть воздействие, но нет 91Многоуровневый анализ.
полного контроля побочных переменных (в Кросс-культурное исследование ? пример
первую очередь, рандомизации испытуемых). многоуровневых данных, когда в рамках
Неэкспериментальное эмпирическое общей выборки есть группы наблюдений
исследование: нет ни воздействия, ни (индивидов), свойства которых связаны друг
контроля побочных переменных (коррел. с другом. Обычные статистические методы
исследование, лонгитюд и т.д.) ? исходят из того, что наблюдения (= чаще
причинно-следственный характер связей всего индивиды) попарно независимы, и
можно лишь предполагать. применение этих методов к подобным
33Виды экспериментальных планов. выборкам будет приводить к артефактам. В
Доэкспериментальные планы (для 1 таких случаях необходим многоуровневый
независимой переменной) Экспериментальные анализ.
планы: кросс-индивидуальные планы, когда 92Виды пропущенных данных. MCAR (missing
разные уровни НП предъявляются разным completely at random): пропущенность ни от
группам испытуемых: для 1 НП; для 2 и чего не зависит (на практике это бывает
более НП: факторные планы NxM; редко). MAR (missing at random):
интраиндивидуальные планы, когда разные пропущенность зависит от значений других
уровни НП предъявляются одним и тем же измеренных переменных (x-variables). NMAR
испытуемым последовательно: для 1 (not missing at random): пропущенность
испытуемого. зависит от значений неизмеренных
34Экспериментальные планы для одной переменных, значения которых мы пытаемся
независимой переменной (Д. Кэмпбелл). оценить (y-variables).
Обозначения (по Д. Кэмпбеллу): R – 93Примеры: MCAR – некоторые люди
рандомизация O – измерение (observation) случайно отвлеклись при заполнении теста
ЗП X – воздействие (наличие) НП. или не пришли на один из замеров; MAR –
Взаимодействие тестирования и воздействия. тест не заполнили некоторые люди с низкой
35Кросс- и интра-. Кросс-индивидуальные conscientiousness, которую мы померили,
планы включают несколько групп испытуемых или на пост-тест не пришли люди с высокими
(например, экспериментальная и показателями претеста; NMAR – на пост-тест
контрольная). Группы должны быть не пришли люди, которым не помог тренинг,
эквивалентными. Для их формирования из эффективность которого нас интересует.
выборки могут использоваться разные 94Работа с пропущенными данными: 1.
стратегии: рандомизация (бросаем монету, в Выявление. Подсчитать долю пропущенных
какую группу); попарный отбор (сортируем данных: чем она больше, тем важнее с ними
людей по важному свойству и правильно обойтись при анализе. Проверка
последовательно делим: 1-й – ЭГ, 2-й – КГ, допущения MCAR: Little’s test в SPSS
3-й – ЭГ и т.д.) стратометрический отбор (значим => не MCAR). Проверка MAR: 1)
(подбираем испытуемых в группы так, чтобы создаём для каждой переменной dummy
уравнять их по полу, возрасту и т.д.) variable, обозначающую пропущенность
Интраиндивидуальные планы включают одну (напр., 1=значение пропущено, 0=значение
группу испытуемых. Могут быть сложные есть); 2) смотрим, есть ли значимые
смешанные планы. корреляции между переменными пропущенности
36Восемь угроз внутренней валидности по (если да, то какова их факторная
Д. Кэмпбеллу. Эффект истории (фона): структура); 3) смотрим, коррелирует ли
события между воздействием и измерением пропущенность со значениями измеренных
Эффект созревания (естественного переменных (если да, то имеет место как
развития): испытуемые со временем минимум MAR, или есть какая-то 3-я
развиваются Эффект тестирования (первое переменная, которая может определять это
измерение влияет на результаты всё – надо это теоретически осмыслить).
последующих) Погрешность измерения 95Работа с пропущенными данными: 2.
зависимой переменной Регрессия к среднему: Коррекция. Слабые методы, пригодные при
группы, отобранные как контрастные по условии MCAR и/или небольшом количестве
какому-то показателю, при повторном пропущенных значений: casewise/listwise
измерении покажут результат близкий к deletion ? теряется много данных; pairwise
среднему Неэквивалентность групп: в силу matrix ? хорош только если пропущенных
индивидуальных различий группы испытуемых очень мало; mean imputation: замена
изначально различаются Эффект отсева или пропущенных значений средними ? уменьшает
вымирания: со временем часть испытуемых дисперсию, крайне не рекомендуется;
выбывает из исследования Взаимодействие regression imputation (факультативно:
перечисленных факторов. +error term), или предсказание пропущенных
37Четыре угрозы внешней валидности с введением ошибки (факультативно) ? не
(репрезентативности) по Д. Кэмпбеллу. так уж плохо, если очень нужно. Сильные
Влияние тестирования: результаты методы, пригодные при MAR: EM imputation:
эксперимента будут применимы лишь к людям, итеративная регрессия (пропущенные
которые были протестированы Взаимодействие значения каждой переменной
отбора и экспериментального воздействия: восстанавливаются на основе всех остальных
результаты применимы лишь к людям с по кругу, пока алгоритм не сойдётся на
определёнными характеристиками Условия стабильных значениях) – можно делать в
организации эксперимента определяют SPSS; более сложные: Multiple Imputation
реакцию испытуемых на эксперимент: (генерируется несколько наборов данных,
результаты применимы лишь к людям в где пропущенные заменены ожидаемыми
определённых условиях Взаимная случайными значениями из распределений,
интерференция (взаимовлияние) результаты оценки моделей сравниваются).
экспериментальных воздействий, если их Full-Information Maximum Likelihood (в
несколько: результаты будут применимы лишь структурном моделировании): метод
к людям, на которых воздействовали именно максимального праводоподобия с
так (в таком порядке…). использованием только имеющейся
38Квазиэксперимент. Не полностью информации, при этом пропущенные данные не
реализован экспериментальный контроль: заменяются как таковые: Если NMAR:
исследователь не полностью контролирует, использовать сильные методы и думать
когда и/или кому и/или в каком порядке содержательно о том, почему данные
предъявляются воздействия. Оправдан в пропущены.
ситуациях, когда применение более 96Работа с пропущенными данными. Сильные
совершенного (экспериментального) плана методы, пригодные при MAR: EM imputation:
невозможно. итеративная регрессия (пропущенные
39Корреляционный план исследования. значения каждой переменной
Задача – поиск взаимосвязей (и проверка восстанавливаются на основе всех остальных
статистических гипотез о взаимосвязях) по кругу, пока алгоритм не сойдётся на
между переменными (двумя и более). Нет стабильных значениях) – можно делать в
воздействия ? нет «независимых» и SPSS; MI imputation: генерируется
«зависимых» переменных, но эти слова могут несколько наборов данных, где пропущенные
употребляться для обозначения логики заменены ожидаемыми случайными значениями
анализа (зависимость чего от чего мы из распределений, результаты проверки
предполагаем). Нет возможности проверять модели сравниваются (Mplus с
гипотезы о причинно-следственном характере Estimator=BAYES – годится для любых
наблюдаемых взаимосвязей ? говорим не о распределений). Full-Information Maximum
«влиянии», а только о «взаимосвязи»! Likelihood: метод максимального
40Планы корреляционных исследований. праводоподобия с использованием только
Межгрупповые: сравнение выраженности имеющейся информации, при этом пропущенные
признака(ов) или их взаимосвязей в двух (и данные не заменяются как таковые: EQS:
более) группах; Внутригрупповые (repeated надо создать dummy variable V999 с
measures): план «одна группа в разных нагрузками на все переменные Mplus:
условиях» или в разные моменты времени. используется по умолчанию при методах
41Анализ динамических процессов в рамках оценки ML/MLR (WLSMV всегда исходит из
корреляционного плана. Метод [поперечных] допущения MCAR!) Если NMAR: использовать
срезов: замер в один и тот же момент сильные методы и думать содержательно о
времени у разных когорт (возрастных групп, том, почему данные пропущены.
классов и пр.). Основная проблема: 97Кросс-валидизация. Если модель
неэквивалентность групп (когортные эксплораторная (построена отталкиваясь от
различия). + Метод последовательных срезов данных), её кросс-валидизация необходима
(лонгитюд): одна и та же группа, замеры в (иначе модель может включать артефакты =
разные моменты времени. Основная проблема: особенности конкретной выборки). Самый
эффект тести-рования и проблемы с внешней простой способ – делим выборку случайно
валидностью. = Метод пополам, на одной половине строим модель,
поперечно-последовательных срезов: на другой – проверяем. Для некоторых
несколько разных когорт отслеживается в методов возможен bootstrapping (из выборки
разные моменты времени. выбирается много случайных подвыборок ?
42Метод поперечно-последовательных более точные оценки ошибок и эффектов).
срезов. Соединение поперечной и 98«Попытка подогнать цифру под то или
последовательной стратегий позволяет другое предвзятое мнение есть преступление
исследователям выявлять как различия, уголовного характера» -- И. В. Сталин. (А
связанные с возрастом, так и когортные попытка представить модель, полученную в
различия. Цифры на пересечении года замера результате долгих мучений с данными, как
и года рождения обозначают возраст детей. исходную теоретически обоснованную
(из Parke & Clarke-Stewart, 2011). гипотезу – всего лишь мелкое научное
43Выбор плана. Выделены ли в гипотезах жульничество) – ЕО.
независимые и зависимые переменные? 99Советы В. М. Аллахвердова (2005:
Говорят ли гипотезы о «Блеск и нищета эмпирической психологии»).
причинно-следственной связи явлений? «Осмысленность вычислений статистических
Возможен ли истинный эксперимент и параметров не определяется используемыми
реализуем ли он на практике, с учётом математическими методами, правомерность
ограниченных ресурсов? Какие угрозы применения математического аппарата должна
внешней и внутренней валидности выводов специально содержательно обосновываться и
связаны с выбранным вами планом? Есть ли проверяться». Любое обобщение полученных
возможности их контролировать? Какого рода эмпирических результатов является
исследования «ценятся» научным сообществом внеэмпирической интерпретацией и должно
в данной области знаний? независимо проверяться. Фиксируйте
44Переменные. алгоритм обработки данных до начала
45Измерение. И. – процедура приписывания анализа. Если в ходе анализа выяснится,
психологическим объектам чисел таким что другой алгоритм работает лучше,
образом, чтобы отношения между числами применяйте его ко всем данным
соответствовали отношениям между последовательно. Из всех способов
психологическими объектами. обработки данных начинайте с простых
46Специфика психологических измерений. (например, описательных статистик, анализа
Не всякая операция, применимая к числам, распределений, корреляций, сравнения
имеет смысл по отношению к исходным средних), чтобы лучше понять ваши данные,
психологическим объектам ? нужны некоторые и только потом переходите к более сложным.
ограничения. 100Проблема факторного анализа. «Проблема
47Виды шкал. Номинативная (=) порядковая заключается в том, что ФА часто
(=, >) интервальная (=, <>, 1) используется в ходе попыток “спасти” плохо
отношений (=, <>, 1, 0). спланированное исследование. В ситуациях,
48Особенности психологических измерений. когда иные статистические процедуры не
Измеряем ненаблюдаемые объекты ? озабочены применимы, данные по крайней мере можно
валидностью наших измерений: то ли мы подвергнуть факторному анализу. Таким
меряем? В отличие от физических измерений, образом, в сознании многих многочисленные
в психологии: субъективные шкалы оценки варианты ФА ассоциируются с сырыми
ненадежны; переменные сложны, их трудно исследованиями. Способность ФА и АГК
операционализировать. ? нужно иметь много создавать видимость порядка там, где
линеек = пунктов в шкале ? как понять, что реально имеет место хаос, вносит свой
вместе они вообще что-то меряют? вклад в их подмоченную репутацию в
Инструмент физика: Инструмент психолога: качестве инструментов научного
49Надёжность измерения. Надёжность исследования» (Tabachnik & Fidell,
измерения – это доля дисперсии, связанной 2007, p. 608-609). Барбара Табачник Бывший
с измеряемым свойством, в дисперсии профессиональный танцор живота, выдающийся
полученных значений (баллов по тесту). художник и писатель, почётный профессор
Если измерение ненадёжно, значит, шкала California State University, автор
теста или опросника не позволяет измерять учебника Using Multivariate Statistics (в
точно. Классическая тестовая теория ? соавторстве с Линдой Фиделл).
альфа Кронбаха как показатель надёжности 101Выбор метода. Чем обоснован именно
(недооценивает надёжность). такой выбор методов? Соответствуют ли друг
50Связь надёжности теста с его другу результаты разных методов? Как
стандартной ошибкой измерения. теоретически обоснована выбранная
51Некоторые проблемы классической математическая модель? Соответствуют ли
тестовой теории (CTT). CTT исходит из результаты полученным на других выборках?
того, что ошибка не связана с тестовым Каковы возможные источники артефактов,
баллом. Но на самом деле точность какие шаги предприняты для борьбы с ними,
измерения с использованием полученной с каковы возможные погрешности?
помощью CTT шкалы неравномерна: она 102Написание текста.
максимальна для средних баллов и снижается 103Виды текстов по содержанию.
по мере удаления от них (т.е., связана с Эмпирические исследования Количественные
тестовым баллом). На основе CTT мы просто Качественные Обзоры литературы
складываем баллы по пунктам теста, но на Теоретические статьи Методологические
самом деле у разных пунктов разная статьи Case study.
дисперсия ошибки: умножая их перед 104Структура статьи с эмпирическим
сложнением на некоторый коэффициент исследованием (по APA). Название (title)
качества, можно повысить общую надежность Информация об авторах, аффилиация
шкалы. CTT (и альфа коэффициент) исходит Аннотация (abstract) 150-250 слов Введение
из того, что вся общая дисперсия пунктов – (introduction) Методы (methods) Aim,
это true score. Но на самом деле не вся Design, Instruments, Procedure, Sample
общая дисперсия пунктов связана с Результаты (results) Обсуждение
измеряемым свойством (например: человек на (discussion) Литература (references)
все вопросы, независимо от их содержания, Приложения (appendices).
отвечает «да») => необходимо различать 105Представление эмпирических данных по
разные виды ошибки. стандартам APA. Cтандартный вид таблиц
52Item response theory: современная данных для наиболее популярных матметодов
альтернатива CTT. «Неклассическая тестовая = легко разобраться. Давать не только
теория» (IRT) опирается на более сложные результат проверки значимости, но и точную
регрессионные модели и преодолевает ряд информацию о размере эффекта (для
ограничений CTT. Моделируются различные мета-анализа): например, для корреляции Z
параметры пункта, определяющие ответ = r * корень(N), где Z – значение
респондента на пункт (сложность, нормального распределения, соответствующее
дискриминативность, «прозрачность» к уровню значимости, N – количество
угадыванию). наблюдений в выборке; соответственно, в
53Достоинства IRT по сравнению с CTT. публикации должны быть представлены как
Можно отбирать в шкалу пункты, дающие минимум 2 из 3 членов уравнения, чтобы при
высокую точность измерения в различных мета-анализе можно было рассчитать
диапазонах измеряемого конструкта (CTT: недостающий.
точность максимальна возле среднего и 106Советы по представлению данных
сильно снижается по мере отдаления от эмпирического исследования. Давать в
него). Можно подбирать для каждого тексте полную информацию обо всех
респондента пункты, дающие наиболее действиях по сбору и обработке данных,
высокую точность в его диапазоне чтобы процедуру можно было повторить
конструкта (например, для его уровня Давать в тексте полную информацию о
способностей), не утрачивая сопоставимости результатах: уровень значимости и размер
с баллами других респондентов (CTT: для эффекта Представлять количественные данные
сопоставления баллов каждый должен в общепринятой форме (таблицы по
выполнить один и тот же набор заданий) стандартам APA) Не перегружать текст
=> можно создавать компьютеризованные результатами: лучше выбрать самое важное и
адаптивные тесты. => IRT даёт повышение представить это как следует Можно разбить
точности и эффективности измерения большое исследование на несколько
(уменьшение необходимого количества публикаций, но нужно чётко указать, как
заданий). Но при этом у IRT более высокие они соотносятся друг с другом (не должны
требования к объёму выборки. повторять).
54Методы оценки надёжности. 107Этические стандарты. Использованы ли
Одномоментная надежность: split-half процедуры защиты прав респондентов?
reliability: делим тест пополам и считаем Рекомендуется: право на добровольное
корреляцию между половинами теста = участие ? информированное согласие; право
устаревший метод; классическая тестовая на информацию, благополучие ? дебрифинг;
теория => внутренняя согласованность право частной жизни ? конфиденциальность,
теста, альфа-коэффициент Кронбаха; более защита личных данных. Нет ли нарушений
современные коэффициенты на основе данных научной этики? Необходимо: убедиться, что
Item Response Theory, конфирматорного не допущен плагиат; верное указание
факторного анализа (ро Райкова). авторства, аффилиаций. Нет ли нарушений
Ретестовая надежность: корреляция между авторских прав? Необходимо: убедиться, что
результатами 2 замеров с помощью теста (с есть разрешение на использование чужих
интервалом от 2 недель до года): метод инструментов, примеров и пр. Нужно/есть ли
пригоден, если измеряемое свойство не одобрение этической комиссии (IRB)?
меняется (бесполезен, например, для тестов 108Только один вопрос. Выглядит ли моя
эмоций). статья (по структуре, оформлению) так же,
55Разновидности ошибки. Случайная ошибка как действительно хорошие статьи в
(random error): доля балла, не связанная с действительно хороших журналах?
измеряемым свойством, различная для 109Где публиковать?
каждого пункта теста. Систематическая 110Куда податься? Статьи в рецензируемых
ошибка (bias): доля балла, не связанная с журналах Статьи в нерецензируемых
измеряемым свойством, но не случайная журналах, в сборниках статей Авторские
(действующая сходным образом на разные монографии Тезисы в сборниках тезисов
пункты). Случайная ошибка угрожает Отчёты о научно- исследовательской работе
надёжности измерения, систематическая Препринты, неопубликованные рукописи.
ошибка – скорее, его валидности: 111Качество публикаций. Определяется не
надёжность измерения: насколько точно мы статусом и авторитетом автора, а качеством
что-то померили? валидность измерения: экспертизы (рецензирования) материала:
насколько мы померили то, что нам нужно – статью в рецензируемом журнале или
или что-то другое? диссертацию оценивают как минимум 3
56Виды валидности теста – 1. человека (автор + 2 и более рецензента);
Конструктная в.: тот ли конструкт, который статью в нерецензируемом журнале оценивает
был теоретически заявлен и описан, 1 человек (редактор); научную монографию в
измеряет наш тест? можно рассматривать хорошем издательстве оценивают несколько
этот вид валидности как наиболее общий, а человек (рецензенты), в плохом – никто;
остальные виды валидности – как его учебник – как повезёт.
подвиды. Операциональная в.: измеряем ли 112Рецензирование. Западные журналы
мы конструкт тем способом, который peer-review: 2-4 рецензента + редактор. От
позволяет его измерить? Конвергентная и 2 недель до 3 месяцев, 1-3 варианта.
дискриминантная (дивергентная) в.: как Российские журналы ВАК: чаще всего 1
результаты нашего метода измерения рецензент + редактор (или даже только
соотносятся с другими данными измерений редактор). Около 3 месяцев, чаще всего 1
того же конструкта и других конструктов: итерация.
для оценки этих видов в. Д. Кэмпбелл и Д. 113Оценка. Accept Accept with Minor
Фиске (1959) предложили тип исследования Revisions R & R (Revise and Resubmit)
«multitrait-multimethod»: несколько Major Revision Reject Если 2 рецензента не
конструктов x несколько методов измерения согласны, 3-ю рецензию даёт редактор.
= матрица Multi-Trait-Multi-Method (MTMM). Редактор может также сразу отвергнуть
57Виды валидности теста – 2. Структурная статью без рецензирования.
в.: соответствует ли структура связей 114Reject – не приговор статье, а всего
между пунктами теста теоретически лишь пессимистическое мнение редактора
ожидаемой? Критериальная в.: как относительно возможности и желания автора
результаты теста соотносятся с привести статью в приемлемый для данного
объективными (или поведенческими) данными? журнала вид за относительно небольшой
Прогностическая (предиктивная) в.: промежуток времени. Даже безнадёжно плохую
предсказывает ли наш показатель будущие статью часто можно «спасти», вопрос в том,
объективные (или поведенческие) данные? ценой каких усилий.
Иногда говорят о «дискриминативной» 115Возражения рецензентов. Рецензенты и
валидности: насколько хорошо тест редактор хотят помочь вам улучшить вашу
различает представителей разных подгрупп. статью. У них может быть своя, узкая точка
В нашей классификации это критериальная зрения на вашу предметную область. Вы
валидность. Очевидная в. (face validity): можете внести в статью изменения или мягко
очевидно ли из пунктов теста, что они поспорить с возражениями по отдельным
измеряют? Экспертная в.: согласны ли пунктам, хорошо аргументируя свою позицию
эксперты в данной области с тем, что эти ссылками.
пункты позволяют измерить конструкт? 116Выбор журнала. Поиск подходящих
58Валидность теста? Л. Кронбах: журналов: Индексы цитирования: Impact
валидность – свойство не самого теста, а Factors по Web of Science / Scopus, РИНЦ
решений, принимаемых на его основе в Определить круг возможных журналов,
определённом контексте (ситуации, задач и примерно ознакомиться с их стандартами,
т.д.) Как правило, под «коэффициентом почитать типичные статьи, оценить свои
валидности теста» имеют в виду его шансы с учётом их rejection rate Выбрать
критериальную валидность (корреляцию с приоритетный журнал, подробно ознакомиться
каким-то принципиально важным критерием): со стандартами оформления.
например, корреляция балла по тесту при 117Цитирование. Чем больше людей прочтут
отборе персонала с последующей успешностью вашу статью, тем больше шансов, что её
человека в качестве сотрудника. Даже тест процитируют. Для этого она должна быть в
с низкой валидностью может быть достаточно хорошем и достаточно доступном
практически полезным: пример: т.н. таблицы журнале. Легче всего найти статью в
Расселла-Тэйлора для принятия решений при журнале открытого доступа (open-access).
отборе персонала (1939) . В ячейках – доля Главы в монографиях цитируются хуже.
отобранных кандидатов, которые окажутся 118Типичные ошибки. Статья подаётся в
успешными, при условии, что по умолчанию журнал, для которого она не подходит по
успешны 50% кандидатов. . Доля тематике или типу исследований (обзоры,
кандидатов, отбираемых на основе теста. эксперименты, серии экспериментов,
Доля кандидатов, отбираемых на основе репликации, корреляционные исследования…)
теста. Доля кандидатов, отбираемых на Статья подаётся в журнал слишком высокого
основе теста. Доля кандидатов, отбираемых уровня (но часто ничего не теряем, т.к. в
на основе теста. R (крит. Вал.). .10. .30. таких журналах обычно быстрый отказ).
.50. .90. .00. .50. .50. .50. .50. .25. Статья не оформлена по стандартам
.67. .62. .58. .52. .50. .84. .74. .67. конкретного журнала.
.54. 119Оценка своего исследования.
59Что угрожает валидности решений? Публикуются ли исследования с таким
[Случайная ошибка ?] низкая надёжность планом, выборкой, результатами в журнале
теста (А.Г. Шмелёв: ненадёжный тест не такого уровня? Убедиться, что ваш
может быть валидным) [Систематическая математический анализ проведён эффективно
ошибка (смешение измеряемого эффекта с и валидно. Чётко определить те
другими) ?] низкая валидность показателя исследования и результаты, которые вы
Ошибки при применении (выборе) теста (не хотите представить. Можно определить общую
то!); предъявлении теста (не так!); идею и выстроить статью вокруг неё.
интерпретации баллов по тесту (не об 120Типичные ошибки авторов.
этом!). 121Типичные ошибки авторов. Автор
60Чтобы снизить случайную ошибку «изобрёл велосипед»: решает проблему
(Guilford, 1959, Клайн, 1994): Вопросы 1960-х годов методами 1930-х Автор не
(утверждения) должны быть понятными рефлексирует сущностный характер того, что
респондентам, не использовать сложной он изучает, или множит сущности Автор
лексики; Утверждения должны быть строит теорию, которая становится для него
недвусмысленными (содержать только одну самоцелью Автор не утруждает себя
мысль, а не две связанные); Утверждения идентификацией своего места в контексте
должны быть одинаково применимы ко всем науки и не задумывается о том, понятен ли
респондентам, независимо от гендера, его текст.
соц.статуса и пр.; Вопросы должны быть 122Типичные ошибки авторов. Автор не
конкретными (связанными с конкретным осознаёт ограничения выбранного плана
примером, а не заданными в общем); Вопросы исследования и не думает о других
не должны провоцировать у подавляющего возможностях Автор не задумывается о
большинства респондентов однозначный ответ качестве и адаптации измерительных
(напр., «да»); Из вопросов (утверждений) инструментов Автор не задумывается о
не должно быть ясно, что они измеряют [ЕО: необходимости валидизации своих экспертных
в наши дни от этой идеи отказались]; процедур Автор использует заведомо
Вопросы не стоит формулировать в неадекватную целям или нерепрезентативную
относительных (субъективных) терминах выборку.
(часто…редко, нравится…не нравится); + 123Типичные ошибки авторов. Автор не
Стоит обратить внимание на порядок и описывает процедуру сбора данных Автор
количество вопросов для снижения недостаточно полно описывает данные и/или
позиционных эффектов и усталости свои шаги по их анализу Автор ненавидит
респондентов. статистику и использует одни лишь
61Виды систематической ошибки (bias) в корреляции или вообще ничего Автор не
пунктах субъективной оценки. Ошибка задумывается о статистической мощности
центрации (mid-point responding) Ошибка своего анализа Автор забывает об условиях
сгущения (extreme responding, ER) применимости матметодов.
Склонность к согласию (acquiescence, AR) 124Типичные ошибки авторов. Автор думает,
Случайные ответы (random responding, что хорошая статистика гарантирует
pattern responding, RR) Социальная достоверные выводы Автор не осознаёт или
желательность (social desirability, SD): умышленно не обсуждает ограничений своего
сознательное или неосознанное искажение исследования Автор не стремится получить
ответов; мотивация: быть хорошим обратную связь о своих результатах от
(аффилиация) или быть крутым (достижение). коллег до публикации.
62Борьба с bias в опросниках, (методиках 125Sternberg: Критерии качества теорий.
самоотчета): Балансирование шкалы (прямые Clarity and detail original substantive
и обратные пункты – борьба с AR) contribution (8 видов) relation to past
Оптимальный подбор числа категорий для work falsifiability generalizability
ответа (снижение ER) Пункты с очевидными discriminability internal consistency
ответами, напр. «Я умею читать» (выявление correspondence to past data prediction
RR) Меры выявления, снижения и parsimony excitement.
статистического контроля эффектов 126Sternberg & Grigorenko: Методы.
социальной желательности. Выборка Достаточный ли объём? Подходящая
63Межгрупповая ошибка (bias). Если в ли популяция использована? Сбалансирована
исследовании используется несколько групп, ли выборка по демографии? Для лонгитюдов:
причиной межгрупповой ошибки может быть: есть ли выпадение, сторонние эффекты
неэквивалентность конструкта (в одной из смешения? Для срезов: сравнимы ли когорты?
культур такого понятия нет или оно связано Подходят ли методики для разных возрастных
с другими проявлениями); неэквивалентность групп?
выборок (по демографии…); 127Sternberg & Grigorenko: Методы.
неэквивалентность пунктов (отдельные Материалы Подходят ли материалы для
пункты понимаются респондентами конкретной респондентов? Понятны ли материалы
группы иначе). При использовании респондентам так, как понимает их
переводных инструментов в нескольких экспериментатор? Мотивированы ли
культурах необходимо оценить уровень их респонденты? Адекватно ли материалы
эквивалентности и вытекающие возможности и операционализируют изучаемые теоретические
ограничения сопоставления данных. конструкты? Удовлетворительно ли описание
64Установление эквивалентности материалов?
инструментов. Уровни эквивалентности: 128Sternberg & Grigorenko: Методы.
эквивалентность конструкта (структурная План исследования Каков принцип разбиения
эквивалентность): одна и та же картина на группы? Есть ли контрольные группы?
связей пунктов с латентными переменными Продуман ли в целом дизайн? Подходит ли
(факторами) в двух культурах ? можно зависимая переменная к гипотезам и
содержательно сопоставлять результаты; соответствует ли выводам? Подходят ли
эквивалентность единицы измерения независимые переменные гипотезам и
(эквивалентность шкалы): добавляется выводам?
требование равенства нагрузок пунктов на 129Sternberg & Grigorenko: Методы.
факторы в двух культурах ? можно Процедура Чётко ли показана процедура? Нет
сопоставлять корреляции шкалы с другими и ли пропущенных шагов? Подходит ли
стандартизованные баллы; эквивалентность процедура для гипотез? Описано ли
сырых баллов (полная эквивалентность): оборудование? Выполнены ли этические нормы
добавляется требование равенства остатков (информированное согласие, дебрифинг).
(и иногда дисперсий ошибки) пунктов в Было ли что-то неэтичное в исследовании?
разных культурах ? можно сопоставлять Подходит ли процедура респондентам? Если
сырые баллы. Методология: конфирматорный были ошибки, влияют ли они на валидность?
факторный анализ, IRT. 130Sternberg & Grigorenko: Методы.
65Переменные. Являются ли измерения Гипотезы Ясно ли, как гипотезы следуют из
надёжными и валидными (в данных условиях)? теории? Соответствуют ли гипотезы
Если используется несколько групп, имеющимся данным? Если нет, объясняется ли
являются ли измерительные инструменты это? Правдоподобны ли гипотезы? Интересны
эквивалентными? ли гипотезы? Согласуются ли гипотезы друг
66Выборка. с другом? Проверяемы ли они?
67Создание выборки. Определитесь, 131Спасибо за внимание!
Основные проблемные аспекты методологии научных исследований: как сделать хорошее исследование.pptx
http://900igr.net/kartinka/ekonomika/osnovnye-problemnye-aspekty-metodologii-nauchnykh-issledovanij-kak-sdelat-khoroshee-issledovanie-117568.html
cсылка на страницу

Основные проблемные аспекты методологии научных исследований: как сделать хорошее исследование

другие презентации на тему «Основные проблемные аспекты методологии научных исследований: как сделать хорошее исследование»

«Проблемное обучение географии» - Транснациональные корпорации. Что является основой для действенного решения проблем народонаселения? Как вы оцениваете развитие крупных городов – как положительное или отрицательное? Снижение численности населения. Страны Азии, Африки, Латинской Америки. Постройте цепь причин и следствий. Почему же в развивающихся странах стоит проблема ограничения рождаемости?

«Научное исследование» - Критерии оценки достоверности результатов исследования. Под задачей понимается данная в определенных конкретных условиях цель деятельности. Структурные элементы теории: Выявление противоречия. Рефлексивная фаза научного исследования. Методология науки методология научной деятельности методология научного исследования.

«Научное общество учащихся» - Устав научного общества учащихся. Принимаются заявки на проведение экспертизы исследовательских работ до 20.02.08. Информация. В работе научного общества учащихся могут принимать участие ученики других ОУ. Цели и задачи. Отдел переписки и лекторий. Умники и умницы. Подготовка лекций для учащихся по оказанию консультативной помощи.

«Научно-исследовательская работа» - Сопоставительный анализ поэм «Корсар» и «Кавказский пленник». Трудности при написании научно- исследовательских работ. Оформление работы. Научно- исследовательская работа по литературе с учащимися старших классов. Оформление работы Защита исследовательской работы Более глубокий анализ работы. Функция учителя.

«Научный комплекс» - Персонал. Понятие. Научный комплекс. 1 Найдите на карте основные Технополисы нашей страны. 2 Запишите в тетрадь понятие «Технополис». Академический сектор Сектор вузовского образования Предпринимательский сектор Отраслевой сектор Заводской сектор. Задание. Состав научного комплекса. Крупнейшие центры науки.

«Научные работы» - Кафедрами на строгое выполнение сроков подачи монографий в издательство волгму! Гавриков К.В., проф. Бебуришвили А.Г., проф. Количество защищенных кандидатских диссертаций сотрудниками волгму в 2010 году. Работа с молодыми учеными и студентами волгму. Тезисы XIV Региональной конференции молодых исследователей волгоградской области.

Макроэкономика

23 презентации о макроэкономике
Урок

Экономика

125 тем
Картинки
900igr.net > Презентации по экономике > Макроэкономика > Основные проблемные аспекты методологии научных исследований: как сделать хорошее исследование