|
Архив публикацийТезисыXIV-ая конференцияМногомерные методы в прикладных исследованияхГолицынский пограничный институт, Россия, 143040, Московская обл., г. Голицыно, Можайское ш., д. 75, 598-18-14 1 стр.Цель современного высшего образования – обучить и воспитать компетентного вы-пускника, способного в условиях изменений осуществлять рациональный выбор деятель-ности и следовать ему. Образованная личность должна обладать сознанием, базирующем-ся на герменевтическом императиве, занимать самостоятельную позицию, саморазвивать-ся и приспосабливаться к изменениям потребностей общества, осуществлять переход от предметов реальной действительности к их моделям и наоборот. Профессионал отличается тем, что может обосновать свою точку зрения, проверить эффективность того или иного практического метода или состоятельность организацион-ного решения. При этом он будет опираться на научно обоснованные аргументы, доказан-ные с помощью методов математической статистики, а не только на собственное субъек-тивное мнение. Классифицируя задачи математической статистики, можно представить их в виде двух разрезов: статистика – динамика; одномерные – многомерные. Переход к более сложной ступени в этих двух аспектах требует изучения явлений в их развитии и взаимо-связи, что ведет к многомерным задачам. С 1960-х годов, в связи с развитием компьюте-ризации, появляются все новые и новые методы многомерного анализа данных. Однако их широкое применение становится возможным лишь к концу 1980-х годов, с распростране-нием персональных компьютеров, так как любой многомерный метод требует цикличе-ской обработки данных, где на каждом этапе сам исследователь должен принимать реше-ние о характере обработки. Для этого ему достаточно знать общий смысл метода, требо-вания к исходным данным и основные показатели для интерпретации получаемых резуль-татов. Многомерные статистические методы анализа данных занимают в психолого-педагогичеких исследованиях особое положение, определяемое их назначением и воз-можностями. В прикладной статистике разработано множество многомерных методов анализа данных. У Наследова А.Д. предлагается следующая классификация методов. Классификация методов по назначению: методы предсказания: множественный регрессионный анализ и дискриминантный анализ; методы классификации: варианты кластерного анализа и дискриминантный анализ; струк-турные методы: факторный анализ и многомерное шкалирование. Классификация методов по исходным предположениям о структуре данных: методы, исходящие из предположения о согласованной изменчивости признаков, изме-ренных у множества объектов: факторный анализ, множественный регрессионный анализ, отчасти – дискриминантный анализ; методы, исходящие из предположения о том, что раз-личия между объектами можно описать как расстояние между ними: кластерный анализ, многомерное шкалирование и частично - дискриминантный анализ. Классификация методов по виду исходных данных: методы, использующие в качестве исходных данных только признаки, измеренные у группы объектов: множественный регрессионный анализ, дискриминантный анализ и факторный анализ; методы, исходными данными для которых могут быть попарные сход-ства (различия) между объектами: кластерный анализ и многомерное шкалирование. Представленные классификации свидетельствуют о необходимости знаний много-мерных методов, их возможностей и ограничений не только в процессе обработки эмпи-рического материала, но уже и на стадии общего замысла исследования. |