Учебно-методический комплекс по дисциплине «Математические методы в психологии»

Вид материалаУчебно-методический комплекс

Содержание


Суходольский Г.В. Математическая психология. СПб., 1997.
3. Организация самостоятельной работы студентов
Кол-во часов
Гусев А.Н., Измайлов Ч.А., Михалевская М.Б.
Гласс Дж., Стэнли Дж.
Наследов А.Д.
Гласс Дж., Стэнли Дж.
Наследов А.Д.
Гласс Дж., Стэнли Дж.
Сидоренко Е.В.
Гласс Дж., Стэнли Дж.
Сидоренко Е.В.
Лоули Д., Максвелл А.
Глинский В.В., Ионин В.Г.
Терехина А.Ю.
Боровиков В.П., Боровиков И.П.
4. Темы контрольных работ и рефератов
2.1 темы рефератов
5. требования к экзамену (список вопросов)
6. методическое обеспечение дисциплины
...
Полное содержание
Подобный материал:
1   2   3
^
Суходольский Г.В. Математическая психология. СПб., 1997.
  • Суходольский Г.В. Математические методы в психологии. СПб., 2003.
  • Чесноков С.В. Детерминационный анализ социально-экономических данных. М., 1982.

    ^ 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

    1. Модели с латентными переменными.
    2. Возможные модели данных с латентными переменными.
    3. Собственные значения. Собственный вектор. Их геометрическая интерпретация.
    4. Основная модель факторного анализа.
    5. Модель нелинейного факторного анализа.
    6. Как по собственным значениям определяется размерность факторного пространства?
    7. Аналитический алгоритм подсчета факторных нагрузок методом главных компонент.
    8. Какова связь собственных векторов с главными компонентами.
    9. Как проинтерпретировать оси?
    10. Связь дисперсии с факторами.
    11. Геометрическая модель центроидного метода.
    12. Аналитический алгоритм подсчета факторных нагрузок.
    13. Различные основания классификации моделей факторного анализа.
    14. Для чего необходима процедура вращения, какие еще процедуры вам известны?
    15. Что такое «простая» структура?
    16. Приведите примеры различных метрик, используемых в методах многомерного шкалирования.
    17. Изложите суть методов многомерного шкалирования.
    18. В чем отличие метрического шкалирования от неметрического?
    19. Метода Торгенсона.
    20. Функция «стресса».
    21. Какие еще метрические модели многомерного шкалирования вы знаете?
    22. Алгоритм неметрического многомерного шкалирования.
    23. Модель данных в методах кластерного анализа.
    24. Классификация методов кластерного анализа.
    25. Структура данных в иерархическом кластерном анализе.
    26. Как строится «дерево» кластеризации?
    27. Алгоритм метода К-средних.
    28. Графическое представление дендрита.
    29. Совместное применение дендритного и иерархического кластерного анализа.


    ^ 2.1 ТЕМЫ РЕФЕРАТОВ

    1. Использование методов многомерного анализа при конструировании тестов.
    2. Использование IRT при конструировании тестов на способности.
    3. Классификация методов факторного анализа и их использование при анализе данных эмпирических исследований.
    4. Методы многомерного анализа данных и репертуарные решетки Келли.
    5. Регрессионный анализ и синергетика.
    6. Процессы восприятия и пространственные методы.
    7. Параметрические и непараметрические методы анализа данных.
    8. Психосемантика и методы многомерной статистики.
    9. Использование методов теории вероятности и математической статистики в психодиагностике.
    10. Математические модели цветового зрения.


    ^ 5. ТРЕБОВАНИЯ К ЭКЗАМЕНУ (СПИСОК ВОПРОСОВ)

    1. Измерение в психологии. Типы шкал.
    2. Общая схема проверки статистических гипотез.
    3. Ошибки первого и второго родов. Мощность критерия.
    4. Параметрические и непараметрические методы проверки статистических гипотез.
    5. Анализ номинальных данных. Критерий знаков.
    6. Анализ номинальных данных. Критерий хи-квадрат К.Пирсона.
    7. Анализ порядковых данных. Критерий Манна – Уитни.
    8. Анализ порядковых данных. Критерий знаковых рангов Вилкоксона.
    9. Анализ порядковых данных. Критерий Краскела – Уоллиса.
    10. Анализ метрических данных. Критерий Стьюдента.
    11. Анализ метрических данных. Однофакторный дисперсионный анализ.
    12. Корреляционный анализ данных.
    13. Модели с латентными переменными.
    14. Функция регрессии.
    15. Модель регрессионного анализа.
    16. Регрессионный и корреляционный анализ: сходство и различие.
    17. Критерии согласия. Метод Колмогорова – Смирнова.
    18. Методы оценки нормальности распределения.
    19. Основная модель факторного анализа.
    20. Модель нелинейного факторного анализа.
    21. Алгоритм метода главных компонент.
    22. Геометрическая модель центроидного метода.
    23. Классификации моделей факторного анализа. Эксплораторный и конфирматорный факторный анализ.
    24. «Простая» структура. Методы поворота к простой структуре. Ортогональный и косоугольный поворот.
    25. Интерпретация результатов факторного анализа.
    26. Метрика. Расстояние.
    27. Вычисление метрик Евклида, Минковского, сити-блок на основе коэффициента корреляции.
    28. Общая схема многомерного шкалирования.
    29. Отличия метрического шкалирования от неметрического.
    30. Метод Торгенсона.
    31. Функция «стресса», мера соответствия.
    32. Основные этапы неметрического шкалирования.
    33. Модель индивидуальных различий.
    34. Методы классификации.
    35. Иерархический кластерный анализ.
    36. Дендритный кластерный анализ.
    37. Дискриминантный анализ.
    38. Совместное применение дендритного и иерархического кластерного анализа.
    39. Понятие теста, тестовой модели.
    40. Понятие тестовой нормы. Репрезентативность тестовых норм.
    41. Методы оценки репрезентативности тестовых норм.
    42. Валидность теста. Методы оценки валидности.
    43. Методы повышения валидности теста.
    44. Надежность теста. Методы оценки надежности.
    45. Методы повышения надежности теста.
    46. 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

    1. Дисперсия измеряет

    a) разброс значений относительно медианы

    b) разброс значений относительно среднего

    c) разницу между максимальным и минимальным значениями ряда