Работа выполнена на отлично,автор выполнил в срок.Заказываю у этого автора не в первый раз,все быстро и качественно.Рекомендую
Информация о работе
Подробнее о работе
Многомерное шкалирование в психологии
- 25 страниц
- 2014 год
- 278 просмотров
- 0 покупок
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Метод многомерного шкалирования берет свое начало в 60-х годах прошлого века. Впервые он упоминается в исследованиях американских ученых Торгерсона (Torgerson) [9], Шепарда (Shepard) [8], Краскэла (Kruskal) [6]. Наших соотечественников, занимающихся такими исследованиями, совсем немного, и они в основном занимаются разработками формальных методик и вычислительных алгоритмов, которые реализуют уже изученные модели на электронно-вычислительных машинах. На данный момент метод многомерного шкалирования применяемый в области психологии, развит недостаточно хорошо в России. Причиной, возможно, является малое количество профессиональных специалистов и недостаток программного обеспечения.
Исследования метода многомерного шкалирования идут по пути его формализации. При этом должное внимание не уделяется исследованию свойства модели самого метода. Наблюдается отсутствие работ где анализируются непосредственно механизмы шкалирования и рассматриваются вопросы как метод выделяет факторы, которые отобраны человеком при сравнении стимулов. Все это тесно связано с проблемами интерпретаций содержания, построенного методом многомерного шкалирования решения.
В курсовой работе рассматриваются основы метода многомерного шкалирования и демонстрируется его применение при анализе восприятия субъектов.
Введение
1. Задачи многомерного шкалирования и их решение
2. Схема процедуры многомерного шкалирования
3. Подходы к многомерному шкалированию
4. Исследование субъективного восприятия
5. Пример использования метода многомерного шкалирования при выявлении различий и сходств субъективных оценок.
Заключение
Список использованной литературы
Метод многомерного шкалирования предназначен для проведения исследования структур данных, отражающих особенности субъекта. С помощью таких данных можно выявлять признаки, которые лежат в основе сходства и различия стимулов, и строить модели принятия решений о таком сходстве. Важно отметить, что метод многомерного шкалирования работает в тех случаях, при которых сходства и различия среди стимулов анализируемого объекта возникают с одной зависимостью. Если сравнивая одну пару стимулов субъекты берут за основу одну систему признаков, а сравнивая другую пару — другую систему, в этом случае метод многомерного шкалирования не дает хороших результатов. Помимо этого, исход будет сильно зависеть от предлагаемых наборов стимулов. Одинаковые стимулы, включаемые в различные множества, могут описываться различными признаками. Это происходит из-за того, что разница среди стимулов одного множества может описываться расхождением по одному фактору, а разница среди стимулов другого множества — расхождением по другому фактору. Например, при предъявлении испытуемому стимулов одной формы, но различных цветов, он обратит внимание только на цвет. Если же при этом изменять стимулы и по форме, то испытуемый заметит и изменения формы. Еще раз важно подчеркнуть, что при помощи процедур многомерного шкалирования выявляются лишь те признаки, которые подчеркивают различия исследуемого набора данных, но не выявляются признаки, по которым данные похожи.
1. Anderson A. J. В. Numeric examination of multivariate soil samples.—Math. Geol, 1971, v. 3, N 1, р. 1-15.
2. Carroll J. D., Chang J. J. Analysis of individual differences in multidimentional scaling via an N-way generalisation of «Eckart — Young» decomposition.— Psychometri-ka. 1970, v. 35, N 3, р. 283-321.
3. Frumkina R. M., Andrukovich P. F., Terekhina A. Ju. Computational methods in the Analysis of Verbal Behaviour.— In: Computational and mathematical linguistics, Firence, 1976.
4. Guttman L. A general nonmetric technique for finding the smallest coordinate space for a configuration of points.— Psychometrica, 1968, v. 33, N 4, p. 469-506.
5. Johnson R. M. Pairwise nonmetric multidimensional scaling.—Psychometrika, 1973, v. 38, N 1, р. 11-18.
6. Kruskal J. В. Multidimensional scaling by optimizing goodness of fit to a nonmetric hypothesis.—Psychometrika, 1964, v. 29, N 1-2, p. 1-27, 115-129.
7. Sammon J. W. A nonlinear mapping for data structure analysis. IEEE Trans. Computers, 1969, v. 18, N 5, р. 401-409.
8. Shepard R. M. The analysis of proximities: multidimensional scaling with an unknown distance function.—Psychometrika, 1962, v. 27, N 2-3, p. 125-139, 219-246.
9. Torgerson W. S. Multidimensional scaling: I Theory and method. Psychometrika, 1952, v. 17, N 3, р. 401-419.
10. Герганов Е. Н., Терехина Л. Ю., Фрумкина Р. Х Анализ восприятия звуковых стимулов индивидами-носителями разных фонетических систем.— В сб. Вопросы кибернетики: экспертные оценки, АН СССР. Научный совет по комплексной проблеме «Кибернетика». M., 1979, с. 180-189.
11. Терехина А. Ю. Методы многомерного шкалирования и визуализации данных. Автоматика и телемеханика, № 7, 1973, с. 86-94.
12. Терехина А. Ю. О двух задачах индивидуального многомерного шкалирования, Автоматика и телемеханика, № 4, 1974, с. 135-142.
13. Терехина А. Ю. Многомерный анализ субъективных данных о сходствах или различиях. Препринт, ВНИИСИ, M., 1978.
14. Психологический журнал, Том 4, №1. — 1983. — С.76-88
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
