Математична обробка наслідків експерименту. Критерії оцінки

5. Математична обробка наслідків експерименту. Критерії оцінки

Одним з недоліків експериментального дослідження з питань методики трудового навчання та виховання є недостатнє обгрунтування результатів, більшість із яких мають описовий характер. Для більшої об'єктивності та достовірності одержаних фактів за допомогою експерименту (чи іншого методу дослідження) необхідно використовувати математичні методи. Поєднання методів, наприклад, експерименту з математичними методами, дозволить забезпечити адекватне пізнання суті педагогічних явищ.

Використання математичних методів потребує вмілого оперування певними поняттями, які ми коротко охарактеризуємо.

Імовірність визначає міру об'єктивної можливості будь-яких подій у певних умовах. Вона виражається простими дробовими числами від нуля до одиниці (на відрізку).

р(х) = m / n, (1.1)

де р(х) - імовірність подій X;

m - число подій (явищ, фактів) що відбуваються;

n - число всіх можливих подій;

Якщо припустити, що

 

а ,

то (1.2)

Якщо ми знаємо значення випадкових величин та імовірність їх появи, то можна припустити, що нам відомий закон розподілу цих випадкових величин. Закон розподілу здебільшого записують у формі таблиці, яку називають ще рядом розподілу випадкової величини. Наприклад, візьмемо клас, де 50 учнів провели контрольну роботу; її результатом стали оцінки з відповідною частотою повторення (таб.1).

Таблиця 1

Таблиця розподілу випадкових величин

Оцінка Хі	Частота повторення Fi (m)
1 2 3 4 5	4 8 21 12 5

На основі результатів контрольної роботи визначимо частку оцінки "3" від загальної кількості оцінок. Для цього скористаємось формулою 1.2:

або42 %

Це означає, що оцінка "3" зустрічається майже в кожному другому випадку за цією контрольною роботою.

Доцільно зазначити, що ряд розподілу, зображений у табл.1, можна також подати графічно. З цією метою на осі абсцис треба відкласти значення величини (оцінки), а на осі ординат - частоту появи величини (кількість оцінок). У результаті утворюється многокутник, який називають полігоном частоти (мал.1). У ньому частота інтервалу віднесена до його центра (що зображено точками).

Якщо частоти зобразити рівномірно по всьому інтервалу, то можна одержати гістограму (мал.2).

 

Мал.1. Полігон частоти. Мал.2. Гістограма.

Властивості одержаного розподілу характеризують відповідними статистиками: середньою арифметичною величиною, середнім квадратичним відхиленням, модою, медіаною тощо.

Середня арифметична величина характеризує середній рівень значення випадкової величини в конкретних випадках і обчислюється за формулою:

де Х_і - величина окремих елементів певної сукупності;

f_і - частота появи окремої величини;

n - кількість членів сукупності (об'єм сукупності).

У нашому випадку (див. дані табл. 1):

Середнє квадратичне відхилення характеризує розсіювання в дослідженні значення випадкової величини навколо її середнього арифметичного. Середнє квадратичне відхилення обчислюють за формулою:

 - середнє квадратичне відхилення;

- величина окремих елементів сукупності;

- середня арифметична величина;

n - кількість членів сукупності.

У нашому випадку (див. дані табл. 1)

Величину  (квадрат середнього квадратичного відхилення) називають дисперсією.

Медіана - середній член упорядкованого розподілу частоти, по обидва боки від якого залишається однакова кількість членів.

Мода. - значення в статистичному розподілі частоти подій, яке повторюється найчастіше.

На графіку медіана М_е становить абсцису вертикальної прямої, яка поділяє вирівняну площу полігону частоти А навпіл (мал. 3). При симетричному розподілі частот Б (мал. 4). Величина середньої арифметичної і медіани М_е однакові.

На графіку мода М_о становить абсцису максимуму полігона частоти А або обсягу максимуму диференційованої кривої частоти Б (мал.5).

Моду можна знайти, побудувавши гістограму (мал.6).

Мал. 3.Мал. 4.

Мал.5.Мал. 6.

У процесі дослідження дуже великих сукупностей, що мають 50 і більше членів, а величини явищ залежать від випадкових обставин, одержують так званий нормальний розподіл.

Рівень значущості - це частка помилкових рішень, якими можна знехтувати. У педагогічних дослідженнях рівень значущості найчастіше беруть 5% і 1%. Рівень значущості 1% (у цьому випадку імовірність дорівнює 0,99) вважається достатнім.

Істотна відмінність між середніми коефіцієнтами варіації - це відмінність, що за величиною перевищує ту, яка могла б бути обґрунтована випадковими коливаннями.

Нульова гіпотеза - це твердження, яке роблять на основі статистичних даних, про те, що між кількома вибірковими сукупностями немає істотних відмінностей.

При порівнянні різних сукупностей, складених на основі наслідків контрольних робіт (чи тестів), важливе значення має система норм оцінок. П'ятибальну шкалу оцінок, при якій контрольна робота (або тест) оцінюється на 1, 2, 3, 4, 5, у педагогічних дослідженнях застосовувати не рекомендується. Ця система, крім суб'єктивності, має малу діагностичну цінність, що дуже обмежує її використання.

У контрольних роботах (тестах), де оцінюється рівень знань, умінь, навиків та ін., доцільно використовувати багатобальну шкалу (систему) оцінок, наприклад 10-бальну, 50-бальну. Це набагато зручніше при математичній обробці і, по суті, об'єктивніше визначає справжній рівень оцінок.

Перш ніж розпочати дослідження достовірності різних арифметичних середніх сукупностей, необхідно виявити, чи є істотні відмінності між дисперсіями цих сукупностей. Якщо в сукупності n1 елементів і її дисперсія б², а в другій сукупності n₂ елементів і дисперсія б²₂, то для порівняння дисперсій користуються критерієм Фішера, який обчислюється за формулою

при цьому дисперсії обирають так, щоб їх відношення було більшим за одиницю або дорівнювало 1.

Коли після визначення ймовірності нульової гіпотези (за відповідними таблицями) з'ясується, що дисперсії значно відрізняються б₁²>б₂² і при цьому F_д (дослідне) > F_т (табличного), то можна зробити висновок про достовірність відмінностей між сукупностями.

Для перевірки значущості виявленої відмінності користуються t-критерієм (Стюдента-Госсета), який обчислюється за формулою

 де k = n_e+n_k-2 (k – число ступенів вільності).

Якщо дослідника цікавить не достовірність відмінності між сукупностями, а те, чи достовірна різниця між рядами будь-яких показників двох сукупностей, зручно користуватись методом  ("ксі-квадрат) або критеріям К.Пірcона.

Найчастіше  визначають за формулою

де х_е – оцінки в експериментальних класах (в %);

x_k – оцінки в контрольних класах (в%).

Здобуті дані порівнюють з табличними.

У педагогічних дослідженнях дуже часто доводиться визначати: чи є зв'язок між вимірювальними ознаками двох сукупностей чи немає. Наприклад, дослідника може зацікавити питання, якщо учень досягнув значних успіхів (добре встигає, добре працює) в обробці деревини, то чи прагне він досягти також добрих успіхів в обробці металів, чи ні? Або, наприклад, чи факт, що учні добре знають біологію і так само добре знають основи сільськогосподарської праці, може підтвердити закономірність, що учні, які не встигають з біології, так само погано встигають з основ сільськогосподарської праці?

Зв'язок між двома явищами може виражатись або функціональною залежністю, або кореляційним відношенням. При кореляційному зв'язку певному рядові (або значенню) однієї сукупності може відповідати кілька рядів (значень) іншої сукупності, які здебільшого точно не визначені. Це пояснюється тим, що при кореляції ми ніколи не можемо точно твердити, що якесь явище залежить лише від одного фактора (чинника). Наприклад, якість практичної роботи учня на токарному верстаті залежить від його теоретичної підготовки з токарної справи, але, крім того, на якість можуть впливати і інші чинники, зокрема, рівень знань з основ наук (фізики, математики, креслення), практичний досвід, умови роботи, настрій учня тощо.

У статистичних дослідженнях показником щільності значень двох явищ (зв'язок між х та у) виступає коефіцієнт кореляції, який позначають Ф або r або r. Коефіцієнт r називають ще коефіцієнтом лінійної кореляції.

Коефіцієнт r завжди міститься на інтервалі між +1 та -1, тобто -1<r<+1. Якщо r=+1, то між значеннями двох явищ повна кореляція, тобто із збільшенням х, як правило зростає у.

Якщо r=0, то між двома явищами немає зв'язку, якщо r=-1, то це вказує на від'ємний (негативний) зв'язок між явищами, тобто при збільшенні х зменшується у.

Слід зазначити, що коефіцієнт кореляції не дає підстав для висновків про причини й умови зв'язку. Він показує, що між явищами існує взаємний зв'язок, але не з'ясовує, чим він зумовлюється. Також відсутність лінійного зв'язку між значеннями явищ не означає, що між ними немає складних взаємозв'язків.

Проаналізуємо деякі способи визначення коефіцієнта кореляції.

1. Обчислення коефіцієнта кореляції (Ф) на основі кількісних ознак. Використовувані у педагогічних дослідженнях ознаки предметів, фактів, явищ, часто альтернативні, тому доводиться вибирати одну із них. У більшості випадків учням пропонуються запитання, на які вони повинні відповісти "так" або "ні".

При альтернативних ознаках коефіцієнт кореляції обчислюється за формулою:

де А, В, С, D - окремі частоти 4-пільної таблиці.

При вибірках обов'язково треба дослідити коефіцієнт кореляції щодо нульової гіпотези та охарактеризувати його достовірність. Це означає, що необхідно з'ясувати, чи відрізняється Ф від 0 настільки, що не можна пояснити випадковістю й відкинути нульову гіпотезу. Якщо можна відкинути нульову гіпотезу, то коефіцієнт кореляції істотно чи дуже істотно відрізняється від нуля.

Для Ф нульову гіпотезу можна перевірити  - тестом, тому що між Ф та  існує зв'язок:

Ф =  / N

де N=(A+B+C+D) і значення  знаходять за таблицею під ступенем вільності, що дорівнює 1.

2. Порядкова або рангова кореляція (за Спірменом). Якщо значення ознак сукупностей можна систематизувати в порядку зростання чи спадання і при цьому об'єм вибірки невеликий (n<30), то доцільно використати порядкову кореляцію. При цій кореляції враховуються числа, одержані в результаті вимірювання (порівняння, оцінювання), а не якісні ознаки.

Порядкову кореляцію обчислюють за формулою

де r - коефіцієнт порядкової кореляції;

D² - квадрат різниці обох значень певної величини;

n - об'єм вибірки.

3. Лінійна кореляція (за Пірсоном). Лінійну кореляцію застосовують для визначення зв'язку між двома нормально розподіленими кількісними ознаками. Існує декілька методів обчислення лінійної кореляції. Якщо, наприклад, відомі при дослідженні середні арифметичні і середні квадратичні відхилення, то користуються формулою

де  - відхилення кожного окремого значення х відносно середнього арифметичного;

 - відхилення кожного окремого значення у відносно середнього арифметичного;

n - кількість порівнювальних пар;

 - середні квадратичні відхилення.

де Р_х і Р_у – вірогідності (імовірності) появи величин х та у.

Важливе значення у експериментальному дослідженні (а також при використанні інших методів) має методика визначення об'єму вибірки. Щоб зробити надійні висновки з педагогічного дослідження, треба насамперед використати об'єктивні критерії оцінки досліджуваних явищ та визначити оптимальний об'єм і правильну структуру вибірки.

Як показує практика, об'єм вибірки не повинен бути надто малим, тому що висновки будуть недостатньо надійними, і не дуже великими, бо в цьому випадку буде виконана зайва робота.

Об'єм вибірки визначають різними методами. Розглянемо деякі з них.