Социометрические индексы

Индивидуальные индексы	Групповые индексы
1. индекс положительного статуса	6. индекс групповой положительной экспансивности
2. индекс отрицательного статуса	7. индекс групповой отрицательной экспансивности
3. индекс положительной экспансивности	8. индекс интегрированности группы

4. индекс отрицательной экспансивности	9. индекс взаимности выборов
5. Индекс адекватности оценки своего положения в группе А =	10. Индекс сплоченности группы (по Нельсону и Берри)

Интерпретация формулы выявления групповой сплоченности:

«Сп» характеризует сплоченность группы, которая проявляется в количестве взаимных положительных связей;

N - величина группы;

ni - число членов группы, не имеющих взаимных выборов;

вз - число полученных взаимных выборов;

мвз - число максимально возможных взаимных выборов;

нкл - величина наибольшей «клики» или подгруппы, по связанной взаимными выборами с другими подгруппами.

4. Вопросы и задания для повторения и обсуждения

1. Общая характеристика социометрического метода

2. Организация и этапы проведения социометрического опроса

3. Обработка и анализ результатов социометрических измерений

4. Перспективы развития и применения социометрического метода в области социальной защиты населения

5. Отработайте процедуру социометрического опроса в форме деловой игры.

5.1. Для этого учебную группу надо разбить на 3 подгруппы:

а) исследователей

б) респондентов

в) экспертов

Исследователи устанавливают рабочий контакт с респондентами,

излагают цели и задачи социометрического опроса, проводят инструктаж, условное анкетирование.

Респонденты действуют в соответствии с логикой ситуации, задают вопросы, отвечают на предложенную анкету.

Эксперты оценивают точность, оперативность и логичность поведения каждой из сторон. Отмечают ошибки и удачные ходы в ролевой игре. После завершения данного цикла стороны могут поменяться местами.

5.2. Допустим, что в ходе социометрического опроса группы были получены следующие результаты:

А: + Б, В; Б: А, В, - З; В: + А, Б, Г; Г: + В, Д;

Д: + Б; Е: + В, Ж, - Г; Ж: + Е, В; З: + В, Ж, И, - Б, Е;

И: + нет, -З; К: + нет, - нет,

где буквами обозначены члены группы. После двоеточия следуют выборы и отклонения, которые сделал член группы. Знак «+» означает выбор, знак «- «означает отклонение.

5.3. Постройте социоматрицу и социограмму данной группы.

5.4. Рассчитайте по формулам, приведенным в схемах табл. 29 следующие индексы:

а) для индивида «В» е) индекс взаимности и сплоченности

б) С- для индивида «З» группы.

б) Э+ для «А»

в) Э - для «З»

г) Э+ для «А»

д) Э+ гр.; Вв; Сn.

5.5. Разработайте карточку социометрического опроса по изучению неформального лидерства в Вашем коллективе.

Раздел 5. Обработка и анализ социологической информации

Тема 13. Первичная обработка данных

1. Суть, цель, и способы кодирования информации

2. Подготовка данных к обработке

3. Логическая программа обработки

1. Суть, цель, и способы кодирования информации

Цель кодирования – упорядочивание первичной информации и обеспечение удобств ее ввода в компьютерную базу данных или ручной обработки.

Процедура кодирования состоит в присвоении каждому варианту ответа условного числа, называемого кодом. Порядок кодов должен оставаться непрерывным и строго заданным. Ответы могут кодироваться двумя способами:

а) сплошной нумерацией всех позиций, т.е. вариантов ответов, - так называемая порядковая система кодирования (табл.40 );

б) автономной нумерацией всех позиций, так называемая позиционная система кодирования ( табл.41).

Например, форма ответов на вопрос 26: «Участвуете ли Вы в общественной работе?»

Таблица 40

Пример порядкового кодирования

Как видим, перед вопросом стоит № 26, из чего можно заключить, что ему предшествовали в анкете 25 вопросов, для нумерации которых использовано 97 кодов, и первая позиция приведенного 26 вопроса закодирована числом 98, а последняя позиция числом 100, соответственно первая позиция следующего, 27 вопроса будет обозначена кодом 101 и т. д.

Таблица 41

Пример позиционного кодирования

В случае применения позиционной системы кодирования, позиции каждого вопроса нумеруются заново (см. табл.13).

Далее рассмотрим порядковую систему кодирования табличных вопросов.

Например, вопрос 27: «Как изменились Ваши представления о товаре «до» и «после» покупки?». С кодами порядковой системы таблица будет иметь следующий вид (табл.42).

Таблица 42

Пример порядкового кодирования

С кодами позиционной системы таблица будет иметь следующий вид (табл.43):

Таблица 43

Пример позиционного кодирования

Коды обводятся респондентом, если в анкетах заранее они проставлены.

Правила кодирования довольно тесно связаны с соотношением понятий «вопрос» и «переменная». В принципе следовало бы различать теоретические переменные и переменные анкеты. Теоретическая переменная – это более широкое понятие, означающее конкретный объект, процесс, или явление, интересующие исследователя и могущие принимать ряд различных явлений. А переменная анкеты – это скорее продукт операционализации. Некоторые переменные можно достаточно легко операционализировать одним вопросом (например: пол, возраст и т.д.). Другие потребуют нескольких вопросов, различные сочетания ответов.

Для более простой ориентации в вопросах, а также в целях удобства последующего ввода данных (или ручной обработки) рекомендуется в «бумажном» варианте анкеты коды вопросов выделять жирным шрифтом, а их возможные значения (варианты ответов) – простым. Например:

15. Укажите размер среднедушевого дохода Вашей семьи в прошлом месяце (сумму, приходящуюся на одного члена семьи):

1- до 200 рублей

2- 201 – 500 рублей

3- 501 – 1000 рублей

4- 1001 – 2000 рублей

5- 2001 – 5000 рублей

6- свыше 5000 рублей

Понятно, что при ответе на данный альтернативный вопрос респондент обведет только один код.

Иначе обстоит дело при кодировании неальтернативных вопросов. В этом случае вам необходимо кодировать каждый вариант ответа как отдельную переменную анкеты. Хотя фактически это лишь одно из значений переменной. Скажем, Вы задаете респонденту вопрос о том, чем он остался недоволен при посещении магазина. В этом случае переменную фактически можно обозначить как «фактор недовольства». Иногда раздражение покупателя может вызвать только одна причина, а может и несколько. Если при составлении анкеты вы ожидаете, что предполагается не один вариант ответа, а несколько, то каждый из вариантов ответа кодируется как отдельная переменная, а сам вопрос не кодируется.

Например: «Чем Вы остались недовольны при посещении нашего магазина:

16 – тесное помещение

17 – грубость продавцов

18 – очереди у касс

19 – неудобные выкладки товаров

Обратите внимание: номер каждого из вариантов ответа выделен жирным шрифтом. Это означает, что при компьютерном вводе каждая позиция в строке, на местах, соответствующим этим кодам (16,17,18, 19 и т.д.) займет отдельное место и будет обозначено цифрой 1(отмечено) или 0 (не отмечено). Если бы мы пронумеровали вопрос жирным шрифтом, а каждый из вариантов ответов – простым, то оказались бы в затруднении, какую же цифру ставить на соответствующей позиции в том случае, когда респондент отметил несколько вариантов.

Когда вы имеете дело с вариантами ответов, размещенными по ранговой шкале, старайтесь организовать порядок расстановки кодов от низшего к высшему. Вернемся еще раз, к примеру, приведенному нами выше по поводу пояснения валидности вопросов. Мы тогда рекомендовали разместить варианты ответов на вопрос о частоте обращения к рекламе, исходящей из различных СМИ (см. табл. 44):

Таблица 44

Пример позиционного кодирования

Здесь варианту «постоянно» мы присвоили код 4 по каждой строке. Учитывая ранговый характер шкалы, это уже не произвольная цифра, она еще и самая большая в ряду из четырех вариантов.

Отдельную процедуру представляет собой кодирование ответов на открытые вопросы. Надо помнить, трудоемкость кодирования открытых вопросов повышает их стоимость в 3-5 раз по сравнению с закрытыми вопросами.

Эта процедура состоит из трех этапов:

1. На этом этапе все высказанные ответы респондентов выписываются на отдельный лист. При этом напротив каждого ответа необходимо оставить место для графической записи частот (точкования) в случае повторения ответов.

2. На втором этапе выписанные варианты ответов классифицируются по уровню смысловой близости друг другу.

3. На третьем этапе выделенные группы близких по смыслу ответов объединяются. Затем каждой группе присваивается отдельный код. Вследствие этого несколько десятков (сот) разновидностей суждений сводятся, например, в 10 - 15 смысловых групп и кодов.

Обработка информации – сложный, скрупулезный вид работы и включает несколько этапов.

2. Подготовка данных к обработке

Первый этап - подготовка собранных методических материалов (инструментария) к обработке. Это осуществляется путем проверки методического инструментария на точность, полноту и качество заполнения.

Проверка на точность заполнения заключается в выявлении правильности ответов на каждый вопрос и в исправлении ошибок, в случаях их наличия. Например, на вопрос: «Пользуетесь ли Вы услугами такой - то фирмы?» может быть отведен вариант «Да». В то же время следующий контрольный вопрос: «Какими из них?», остался без ответа. В этом случае вариант «да» зачеркивается и отмечается позиция «нет».

Проверка на полноту заполнения предполагает выбраковку тех из них, в которых отсутствуют ответы более, чем на 30% основных вопросов.

Проверка на качество заполнения состоит во внимательном просмотре анкет на предмет ясности, четкости и понятности ответов, обводки кодов и т.д.

Все бланки, анкеты, карточки, содержащие вышеперечисленные недостатки исключаются из дальнейшего процесса обработки.

Оставшиеся анкеты нумеруются, чтобы можно было проследить за каждым из них.

3. Разработка логической программы обработки данных

Следующий этап подготовки данных к обработке состоит в разработке логической программы (логических задач) обработки данных. То есть - это краткое описание алгоритма действий исследователя в процессе математической и логической обработки полученной базы данных, иначе говоря, своеобразный «маршрут» процедуры обработки. Если исследователь будет проводить обработку данных самостоятельно, то необходимо заранее составить программу обработки, чтобы работать четко и без суеты. Но даже если расчеты будет проводить кто-то другой (например, оператор, лаборант, программист), а на вас лежит только задача анализа результатов, вам тем более как исследователю необходимо подготовить для указанных исполнителей грамотное техническое задание – логическую программу обработки. Логическая программа обработки это (задачи) задание, которое дает исследователь программисту (или себе), относительно того, как обрабатывать данные. И главное здесь заключается в том, что программа обработки должна раскрывать цели, задачи, гипотезы исследования.

Пример логической программы обработки данных:

1. Рассчитать линейное (частотное) распределение ответов на вопросы анкеты по всему массиву по формуле , где

n – количество респондентов, избравших данный вариант ответа по каждому вопросу;

N – вся совокупность опрашиваемых.

Таким образом, мы получаем средние данные по всем опрашиваемым (средняя температура по госпиталю).

2. Сформировать массивы (группы) по следующим признакам: например, пол, возраст, социальное положение и т.д. Это можно сделать, используя формулу: , где

- число респондентов в той или иной группе, например,

n₁ – это мужчины, - это женщины и т. д.

N – это весь массив опрашиваемых в целом.

3. Рассчитать парное распределение и проанализировать взаимосвязи, (сопряженности) зависимых и независимых переменных, например, 2*15; 5*13, 21 и т.д, на основе которых построить таблицы сопряженности по формуле: , где

n – количество респондентов, избравших данный вариант ответа по каждому вопросу;

n_i – число респондентов в той или иной группе.

Следующим шагом обработки является подсчет частот появления каждого варианта ответа. Для подсчета частот вручную применяется метод графической записи, при котором каждый десяток изображается в виде прямоугольника с диагоналями. Сначала отмечаются вершины, потом стороны и затем диагонали. Подсчитанные частоты переводятся в процентное отношение по уже известным формулам.

Тема 14. Базовый анализ данных

1. Частотные линейные распределения

2. Парные (двумерные) распределения

1. Частотные линейные распределения

После того, как данные, полученные в ходе количественных и качественных исследований, подготовлены к обработке, прежде всего, проводится их базовый анализ: расчет частотных распределений, кросс-табуляция и проверка гипотез о связях и о различиях.

Как мы уже говорили, главная цель исследования состоит в том, чтобы проверить гипотезы. Именно на этапе анализа информации проявляется практическая значимость глубоко продуманных рабочих гипотез.

Характер проверки гипотез предопределен видом исследования. Например, в пилотажном исследовании гипотезы проверяются непосредственно путем соотнесения предполагаемого утверждения с выявленной в результате исследования числовой величиной. Например, истинность утверждения о том, что большинство студентов удовлетворены своим обучение в УГТУ-УПИ – считается доказанной, если в результате исследования положительную оценку дали более 50% респондентов (51%). И таким образом, мы проверяем все гипотезы, выдвинутые на этапе составления концепции (программы) исследования.

Однако перед тем как исследователи начинают проверять свои гипотезы, они обычно бросают предварительный общий взгляд на свои данные и пытаются резюмировать или описать их по каждой из переменных, т.е. измерить «среднюю температуру по госпиталю».

Для того чтобы сделать выводы из результатов произведенных измерений одной переменной, используется так называемая описательная статистика.

Соответствующие такому анализу таблицы называются частотными (линейными, одномерными) распределениями и рассчитываются данные таблицы по формуле , где

n – количество респондентов, избравших данный вариант ответа по каждому вопросу;

N – вся совокупность опрашиваемых.

Примером может служить таблица 45, в которой представлены гипотетические данные выборочного опроса 500 владельцев домашних телефонов.

Таблица 45

Частотное (линейное) распределение ежемесячных доходов на междугородние телефонные переговоры

Но полученное частотное распределение носит весьма, общий характер, не отвечая при этом на весьма важные вопросы. Поэтому обычно для обобщенного описания того, что является наиболее характерным для наблюдаемых нами явлений, используют два основных типа (способа) анализа:

1) Измерение основной (центральной) тенденции (т.е. выявление того, какие из значений переменных встречаются в линейных распределениях наиболее часто, а значит, определяют общую или центральную закономерность).

2)Измерение разброса, или дисперсии, которое показывает насколько плотно или слабо распределяются все зафиксированные значения данной переменной вокруг наиболее общего, среднего или центрального значения.

Рассмотрим вначале измерение основной (центральной) тенденции.

Поиск по сайту: