Учебно-методический комплекс по дисциплине «Математические методы в психологии»
| Вид материала | Учебно-методический комплекс |
- Учебно-методический комплекс по специальности 030301. 65 «психология» по направлению, 504.15kb.
- Учебно-методический комплекс (для студентов Института «Математические методы в экономике, 238.16kb.
- Учебно-методический комплекс учебной дисциплины «Математические методы моделирования, 335.12kb.
- Учебно-методический комплекс опд. Ф. 11 «Математические методы в психологии» (индекс), 567.2kb.
- Учебно-методический комплекс по дисциплине математические методы в экономике (название, 614.57kb.
- Учебно-методический комплекс для специальностей 080102 Мировая экономика 080105 Финансы, 271.36kb.
- Учебно-методический комплекс по дисциплине: «Маркетинг» специальность: 080116 «Математические, 5073.24kb.
- Курса «Математические методы в психологии». Данный курс реализуется в рамках подготовки, 107.45kb.
- Учебно-методический комплекс Для специальностей: 032401 реклама, 080111 маркетинг Москва, 985.55kb.
- Л. Л. Гришан Учебно-методический комплекс по дисциплине «Аудит» Ростов-на-Дону, 2010, 483.53kb.
Суходольский Г.В. Математическая психология. СПб., 1997.
^ 3. ОРГАНИЗАЦИЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ СТУДЕНТОВ
| Темы для самостоятельного изучения | Изучаемые вопросы | ^ Кол-во часов д/о (з/о) | Форма самосто-ятельной работы | Литература | Форма отчетности д/о (з/о) | Кол-во часов для конт. преп. |
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| Прикладная статистика как самостоятельная дисциплина. Генеральная совокупность, выборка. | Генеральная совокупность, выборка. Репрезентативность выборки. Закон выборочного распределения. | 3 (6) | Анализ учебной литературы. Выполнение домашней работы по построению законов распредения | ^ Гусев А.Н., Измайлов Ч.А., Михалевская М.Б. Измерение в психологии. М., 1997 Берка К. Измерения: понятия, теории, проблемы. М., 1987. | Большое домашнее задание (БДЗ) | 0,5 |
| Психологические измерения | Измерения и опи-сательные статистики Критерии качества измерительного инструмента | 3 (6) | Анализ учебной литературы | Большое домашнее задание (БДЗ) | 0,5 | |
| Меры центральной тенденции: мода, медиана, среднее | Определение мер центральной тенденции для выборки | 3 (6) | Анализ учебной литературы | ^ Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии. - М.: Прогресс, 1976 Ермолаев О.Ю. Математическая статистика для психологов, М.: Московский психолого-социальный институт изд. «Флинта», 2002 ^ Наследов А.Д. Математические методы психологического исследования. Учебное пособие. СПб., 2004 | Большое домашнее задание (БДЗ) | 0,5 |
| Меры изменчивости. Размах. Дисперсия. Стандартные отклонения | Построение дисперсии, свойства дисперсии и стандартного отклонения | 3 (6) | Анализ учебной литературы | Большое домашнее задание (БДЗ) | 0,5 | |
| Ковариация, коэффициент корреляции, меры связи для переменных, измеренных в различных шкалах | Определение корреляционных связей для переменных, измеренных в различных шкалах | 3 (6) | Анализ учебной литературы | ^ Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии. - М.: Прогресс, 1976 Гмурман В.Е. Теория вероятности и математическая статистика, М.: Высшая школа, 1998 ^ Наследов А.Д. Математические методы психологического исследования. Учебное пособие. СПб., 2004 | Большое домашнее задание (БДЗ) | 0,5 |
| Нормальное распределение. Распределения хи-квадрат, Фишера, Стьюдента | Основные свойства распределения Муавра-Лапласса | 3 (6) | Анализ учебной литературы | Большое домашнее задание (БДЗ) | 0,5 | |
| Стастистический вывод: проверка гипотез | Общая схема проверки стат. гипотез. Ошибки 1-го, 2-го рода | 3 (6) | Анализ учебной литературы | Большое домашнее задание (БДЗ) | 0,5 | |
| Некоторые параметрические методы вывода статистических гипотез | Значимость различия параметров распределения для связанных и не связанных совокупностей, проверка значимости корреляционной взаимосвязи | 4 (6) | Анализ учебной литературы | ^ Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии. - М.: Прогресс, 1976 Марков В.Н. Математические методы в психологии. Учебное пособие. М., 2003 | Большое домашнее задание (БДЗ) | 0,5 |
| Некоторые непараметрические критерии и критерии | Критерии Манна-Уитни, знаков, Вилкоксона, Хи- квадрат и др. | 4 (6) | Анализ учебной литературы | ^ Сидоренко Е.В. Методы математической обработки в психологии. СПб., 1996. | | 0,5 |
| Регрессионный анализ | Построение регрессионных зависимостей. Коэффициент детерминации. | 3 (6) | Анализ учебной литературы | ^ Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии. - М.: Прогресс, 1976 Гмурман В.Е. Теория вероятности и математическая статистика, М.: Высшая школа, 1998 | Большое домашнее задание (БДЗ) | 0,5 |
| 1 | 2 | 3 | 4 | 5 | | 7 |
| Элементы дисперсионного анализа. | АNOVA, непараметрические аналоги: метод Фридмана, Краскалла-Уоллиса | 4 (6) | Анализ учебной литературы | ^ Сидоренко Е.В. Методы математической обработки в психологии. СПб., 1996. | Большое домашнее задание (БДЗ) | 0,5 |
| Факторный анализ. Основная модель. | Классификация методов ФА, основные модели, алгоритмы | 4 (7) | Анализ учебной литературы | ^ Лоули Д., Максвелл А. Факторный анализ как статистический метод. М.: Мир, 1967. Наследов А.Д. Математические методы психологического исследования. Учебное пособие. СПб., 2004 | Большое домашнее задание (БДЗ) | 0,5 |
| Компонентный анализ. Метод главных компонентов. Центроидный метод факторного анализа | Этапы проведения ФА. Интерпретация результатов анализа | 4 (7) | Анализ учебной литературы | Большое домашнее задание (БДЗ) | 0,5 | |
| Метрики, расстояние. Методы кластерного анализа, их классификация. Иерархический метод кластерного анализа | Различные метрики: на основе к. корреляции, Евклидова и др. Алгоритм Агломеративного метода КА | 4 (7) | Анализ учебной литературы | Классификация и кластер. /Под ред. Дж.Вэн Рацзин. М.: Мир, 1980. ^ Глинский В.В., Ионин В.Г. Статистический анализ данных, М.: Филин, 1998 | Большое домашнее задание (БДЗ) | 0,5 |
| Дендритный метод кластерного анализа. Метод К-средних. | Алгоритм к-средних, возможности дендритного метода | 4 (7) | Анализ учебной литературы | Большое домашнее задание (БДЗ) | 0,5 | |
| Методы многомерного шкалирования | Задачи восприятия и методы многомерного шкалирования. Совместное применение МШ и КА | 4 (7) | Анализ учебной литературы | ^ Терехина А.Ю. Анализ данных методами многомерного шкалирования. Анализ данных на компьютере. М., 1995 | Большое домашнее задание (БДЗ) | 0,5 |
| Стандарты представления результатов анализа в психологии | Этапы проведения статистического анализа данных и их описание | 4 (7) | Анализ учебной литературы | ^ Боровиков В.П., Боровиков И.П. STATISTICA. Статистический анализ и обработка данных в среде WINDOWS. М., 1997 | Доклад (реферат) | 0,5 |
^ 4. ТЕМЫ КОНТРОЛЬНЫХ РАБОТ И РЕФЕРАТОВ
4.1 КОНТРОЛЬНЫЕ ВОПРОСЫ
- Модели с латентными переменными.
- Возможные модели данных с латентными переменными.
- Собственные значения. Собственный вектор. Их геометрическая интерпретация.
- Основная модель факторного анализа.
- Модель нелинейного факторного анализа.
- Как по собственным значениям определяется размерность факторного пространства?
- Аналитический алгоритм подсчета факторных нагрузок методом главных компонент.
- Какова связь собственных векторов с главными компонентами.
- Как проинтерпретировать оси?
- Связь дисперсии с факторами.
- Геометрическая модель центроидного метода.
- Аналитический алгоритм подсчета факторных нагрузок.
- Различные основания классификации моделей факторного анализа.
- Для чего необходима процедура вращения, какие еще процедуры вам известны?
- Что такое «простая» структура?
- Приведите примеры различных метрик, используемых в методах многомерного шкалирования.
- Изложите суть методов многомерного шкалирования.
- В чем отличие метрического шкалирования от неметрического?
- Метода Торгенсона.
- Функция «стресса».
- Какие еще метрические модели многомерного шкалирования вы знаете?
- Алгоритм неметрического многомерного шкалирования.
- Модель данных в методах кластерного анализа.
- Классификация методов кластерного анализа.
- Структура данных в иерархическом кластерном анализе.
- Как строится «дерево» кластеризации?
- Алгоритм метода К-средних.
- Графическое представление дендрита.
- Совместное применение дендритного и иерархического кластерного анализа.
^ 2.1 ТЕМЫ РЕФЕРАТОВ
- Использование методов многомерного анализа при конструировании тестов.
- Использование IRT при конструировании тестов на способности.
- Классификация методов факторного анализа и их использование при анализе данных эмпирических исследований.
- Методы многомерного анализа данных и репертуарные решетки Келли.
- Регрессионный анализ и синергетика.
- Процессы восприятия и пространственные методы.
- Параметрические и непараметрические методы анализа данных.
- Психосемантика и методы многомерной статистики.
- Использование методов теории вероятности и математической статистики в психодиагностике.
- Математические модели цветового зрения.
^ 5. ТРЕБОВАНИЯ К ЭКЗАМЕНУ (СПИСОК ВОПРОСОВ)
- Измерение в психологии. Типы шкал.
- Общая схема проверки статистических гипотез.
- Ошибки первого и второго родов. Мощность критерия.
- Параметрические и непараметрические методы проверки статистических гипотез.
- Анализ номинальных данных. Критерий знаков.
- Анализ номинальных данных. Критерий хи-квадрат К.Пирсона.
- Анализ порядковых данных. Критерий Манна – Уитни.
- Анализ порядковых данных. Критерий знаковых рангов Вилкоксона.
- Анализ порядковых данных. Критерий Краскела – Уоллиса.
- Анализ метрических данных. Критерий Стьюдента.
- Анализ метрических данных. Однофакторный дисперсионный анализ.
- Корреляционный анализ данных.
- Модели с латентными переменными.
- Функция регрессии.
- Модель регрессионного анализа.
- Регрессионный и корреляционный анализ: сходство и различие.
- Критерии согласия. Метод Колмогорова – Смирнова.
- Методы оценки нормальности распределения.
- Основная модель факторного анализа.
- Модель нелинейного факторного анализа.
- Алгоритм метода главных компонент.
- Геометрическая модель центроидного метода.
- Классификации моделей факторного анализа. Эксплораторный и конфирматорный факторный анализ.
- «Простая» структура. Методы поворота к простой структуре. Ортогональный и косоугольный поворот.
- Интерпретация результатов факторного анализа.
- Метрика. Расстояние.
- Вычисление метрик Евклида, Минковского, сити-блок на основе коэффициента корреляции.
- Общая схема многомерного шкалирования.
- Отличия метрического шкалирования от неметрического.
- Метод Торгенсона.
- Функция «стресса», мера соответствия.
- Основные этапы неметрического шкалирования.
- Модель индивидуальных различий.
- Методы классификации.
- Иерархический кластерный анализ.
- Дендритный кластерный анализ.
- Дискриминантный анализ.
- Совместное применение дендритного и иерархического кластерного анализа.
- Понятие теста, тестовой модели.
- Понятие тестовой нормы. Репрезентативность тестовых норм.
- Методы оценки репрезентативности тестовых норм.
- Валидность теста. Методы оценки валидности.
- Методы повышения валидности теста.
- Надежность теста. Методы оценки надежности.
- Методы повышения надежности теста.
- Достоверность результатов тестирования. Вычисление поправочных коэффициентов на достоверность.
^ 6. МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
6.1 МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ОСУЩЕСТВЛЕНИЮ ТЕКУЩЕГО, САМОСТОЯТЕЛЬНОГО И ИТОГОВОГО КОНТРОЛЯ
| № п./п. | Форма контроля | Метод контроля | Вид занятий, по которым осуществляется контроль | Критерий |
| 1. | Текущий | Устный ответ | Лекции и лабораторные работы | Знание об основных математических понятиях статистики |
| 2. | Самостоятельный | Тест | Самостоятельная работа | Знание об основных математических понятиях статистики |
| 3. | Итоговый | Экзамен | Аудиторные занятия и самостоятельная работа | Знание об основных математических понятиях статистики и их применении для представления и анализа результатов психологического исследования |
6.2 МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО организации самостоятельной РАБОТЫ СТУДЕНТОВ
Для успешного овладения знаниями по математическим методам в психологии предусмотренными учебной программой, следует изучить разделы настоящего пособия (характеристика курса, целевая установка и учебная программа курса).
Перед изучением курса необходимо подобрать учебную и учебно-научную литературу, список которой содержится в настоящем пособии.
Основными формами обучения по курсу являются лекции, практические занятия и консультации, а также самостоятельная работа.
На лекциях раскрываются основные математические методы, применяемые в психологии, приводятся примеры реализации на практике, освещается достигнутый уровень формализации психологической деятельности.
Специфической чертой изучения данного курса является то, что приобретение умений и навыков работы невозможно без систематической тренировки. Однако это не означает, что не надо изучать теорию, необходимо уяснить основные математические понятия статистики. Затем можно приступать к последовательному изучению математических методов. Прочитав несколько раз материал и, мысленно проделав все рекомендуемые операции, следует приступать к их практическому выполнению.
Консультации проводятся с целью оказания помощи студентам в изучении учебного материала, подготовки их к практическим занятиям.
В начале каждого практического занятия кратко приводится теоретический материал, необходимый для решения задач по данной теме. После него предлагается решение этих задач и список заданий для самостоятельного выполнения.
Практическая работа включает в себя самоконтроль по предложенным вопросам, выполнение творческих и проверочных заданий, тестирование по теме.
По окончании курса студентами сдается экзамен, в ходе которого они должны показать свои теоретические знания и практические навыки реализации математических методы в психологии с применением ПЭВМ, т.к. часть семинарских занятий посвящена выполнению лабораторных работ с использованием статистических пакетов STATISTIKA, SPSS
^ 7. ДОПОЛНИТЕЛЬНЫЕ МАТЕРИАЛЫ
7.1 МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО организации
ИЗУЧЕНИЯ ДИСЦИПЛИНЫ
Реализация программы дисциплины «Математические методы в психологии» предусматривает использование разнообразных форм и методов, обеспечивающих сбалансированную интеграцию содержательно-психологических требований к процедурам анализа, знаний из области прикладной статистики и применения достаточно сложного программного обеспечения.
На лекционных занятиях, основанных на систематизированном изложении сведений по прикладной статистике в гармоничном сочетании с яркими примерами, демонстрирующими возможности применения математических идей в психологических исследованиях, раскрываются основные теоретические положения курса. При этом имеет смысл не углубляться в математическую специфику обсуждаемых методов анализа, требующую хорошего знания теории вероятности и математической статистики, логики, линейной алгебры, аналитической геометрии и других дисциплин математического цикла. Представляется, что основное внимание следует сосредоточить на ключевых идеях, позволяющих разобраться, в каких случаях оправдано применение того или иного метода и как содержательно-психологически интерпретировать полученные результаты.
На семинарских и практических занятиях акцент делается на самостоятельной работе слушателей по освоению разделов курса, имеющих особую значимость для практической и научной деятельности будущих психологов-исследователей.
^ 7.2 ТЕСТОВЫЕ МАТЕРИАЛЫ ПО КУРСУ
- Дисперсия измеряет
a) разброс значений относительно медианы
b) разброс значений относительно среднего
c) разницу между максимальным и минимальным значениями ряда