Диссертация (1147591), страница 14
Текст из файла (страница 14)
Отзывы от них свидетельствуют о применимости методикдля китайской выборки.2.3. Методология и методы анализа данныхВ данном параграфе дает описание методов и процедур анализа данных.Вэмпирическомпсиходиагностическиеметодыисследованиибыли(анкетирования,использованытестирования),атакжеразличные методы математического моделирования.Вкачествеосновногометодаанализаданныхприменялосьмоделирование структурными уравнениями (SEM – Structural EquationModeling),метод,которыйпозволилпостроитьэмпирическиверифицированные математические модели для выявления структурных иуровневых различий мотивации китайских и российских студентов и еевлияния на усвоение ССП.
Как отмечает А.Д. Наследов [84], являяськомбинацией таких методов, как множественная регрессия, факторный анализ,общие линейные модели, SEM по своим возможностям далеко выходит за ихпределы. Основное отличие SEM от других методов статистического анализазаключается в том, что он основан в большей степени на дедуктивной логике(«конфирматорной»), а не традиционной индуктивной («эксплораторной»)логике.
Методология SEM предполагает построение априорной модели71направленных связей между явными и латентными переменными с целью еедальнейшей проверки на соответствие исходным данным. Техническиаприорная модель формируется исследователем в графическом виде и затемпри помощи компьютерной программы (в нашем случае – IBM SPSS AMOS 22)трансформируется в систему линейных уравнений.
Каждое из этих уравненийаналогично уравнению простой или множественной регрессии. В силу наличиямножества уравнений появляется возможность включать в модель множествозависимых переменных и связей между ними, что принципиально отличаетSEM от других методов и позволяет изучать не только прямые, но и косвенныесвязи. Далее компьютерная программа воспроизводит ковариационнуюматрицу, используя эту систему уравнений.
Воспроизведенная ковариационнаяматрица сравнивается с исходной ковариационной матрицей и определяетсярасхождение между ними. Оценка расхождения производится при помощимножества индексов согласия (Goodness of fit indexes) (Kline R., 2011). Еслирасхождение велико, то модель модифицируется до достижения наилучшегосоответствия модели исходным данным по индексам согласия. В этом случаеисследователь получает оценки параметров модели и их статистическуюзначимость, которые заслуживают доверия.SEM применяется в различных вариантах: как измерительная модель, какмодель путей и как собственно структурная модель, включающая в себя«измерительную» составляющую и составляющую «модели путей» (Kline R.,2011).
Измерительная модель, или конфирматорный факторный анализпозволяет проверить и значительно уточнить результаты традиционного«эксплораторного» факторного анализа – на предмет состоятельности факторов(отличия их дисперсии от нуля), степени их пересечения, статистическойдостоверности факторных нагрузок и правомерности приравнивания некоторыхфакторных нагрузок к нулю (для «чужой» переменной, не входящей в этотфактор по гипотезе исследователя). Измерительные модели применялись намидля сравнительного анализа структуры мотивации российских и китайскихстудентов.Далее,кполученнымизмерительныммоделяммотивации72добавлялись переменные диагностики усвоения системы статистическихпонятий (ССП), тем самым добавляя модель путей. Итоговые структурныемодели позволяли судить как о прямых, так и косвенных направленных связяхвлияния мотивации на ССП.В процессе моделирования структурными уравнениями возникли трипроблемы:1.
Структура и содержание мотивации студентов из России и Китаяразличаются, следовательно, соответствующие конструкты (факторы,латентные переменные) не совпадают по составу входящих в них пунктов,образуют разные шкалы.2. Существует ограничение на соотношение количества оцениваемыхпараметров в SEM (T) и объемом выборки: N > 5T, следовательно, визмерительные модели недопустимо включать все исходные пунктыметодик (72 вопроса).Для решения указанных проблем на первом шаге пункты каждойметодики факторизовались отдельно для каждой выборки. При этомучитывалось, что пункты, входящие в фактор с нагрузкой не менее 0,4 (поабсолютной величине) в совокупности образуют достаточно высокуюнадежность измерения соответствующего конструкта (шкалы) (Клайн П., 1994;Купер К., 2000). Поэтому при интерпретации каждого фактора учитывалисьтолько такие пункты.
Таким образом для каждой методики по каждой выборкибыло получено от 3 до 4 факторов. Далее полученные факторы вычислялиськак новые переменные, которые далее включались в измерительные иструктурные модели как явные переменные – индикаторы вторичных факторов.В итоге для определения структурных характеристик мотивации усвоениясистемы статистических понятий (ССП) данные анализировались отдельно длякаждой выборки по следующему общему плану:1) В отношении каждой методики диагностики мотивации проводилсяфакторный анализ методами максимального правдоподобия или альфа-73факторного анализа с выбором наиболее простой структуры и отчетливойинтерпретацией;2) Факторы вычислялись как новые переменные;3) Исходя из предварительного анализа взаимосвязей между факторамимотивации строилась измерительная модель вторичных мотивационныхфакторов для каждой выборки методами моделирования структурнымиуравнениями (SEM) с применением программы AMOS;4) Для каждой выборки формировалась структурная модель (SEM)влияниямотивационныхфакторовнаусвоениепоказателейсистемыстатистических понятий (ССП), путем добавления к измерительным моделямсоответствующих переменных ССП и итогового результата сдачи экзамена;5)Полученныемоделидлядвухвыбороксопоставлялисьдляопределения общих и различающихся их параметров.3.
Проблема сравнения российских и китайских студентов по уровнювыраженности компонентов мотивации усвоения ССП.Для решения этой проблемы мы руководствовались следующей логикой.Если факторы мотивации для российских и китайских студентов различаются,но имеют общий смысл, то возможно выделение тех конструктов мотивации,по которым эти две выборки поляризуются в наибольшей степени. Следуя этойлогике, при факторизации пунктов каждой методики будут выделены факторы,объясняющие корреляции между пунктами, связанные с межгрупповымиразличиями. Соответственно, если выборки по этим факторам будутразличаться статистически достоверно, то эти факторы и будут темимотивационными конструктами, которые различают выборки. Напротив, еслипо выделенным факторам выборки не будут различаться, это будет означать,что соответствующие мотивационные конструкты являются общими длясравниваемых выборок. Таким образом, для сравнения выборок по уровнювыраженности мотивации усвоения ССП данные анализировались дляобъединенной выборки по следующему общему плану.741) В отношении каждой методики диагностики мотивации объединеннойроссийской и китайской выборок проводился факторный анализ методоммаксимального правдоподобия с выбором наиболее простой структуры иотчетливой интерпретацией;2) Факторы вычислялись как новые переменные;3)Исходяизрезультатовпредшествующегоисследованияипредварительного анализа взаимосвязей между факторами мотивации дляобъединеннойвыборкимотивационныхстроиласьфакторовизмерительнаяметодамимодельмоделированиявторичныхструктурнымиуравнениями (SEM);4) Производилось сравнение уровней выраженности мотивационныхфакторов и характеристики усвоения ССП для российских и китайскихстудентов,сприменениемметодовнепараметрических (ранговых) критериев.дисперсионногоанализаи75ГЛАВА 3.
РЕЗУЛЬТАТЫ ЭМПИРИЧЕСКОГО ИССЛЕДОВАНИЯВ этой главе описываются результаты эмпирического исследованиямотивации усвоения системы статистических понятий российскими икитайскимистудентами-психологами.Полученыструктурные(измерительные) модели мотивационных факторов для каждой из выборок,проведен их сравнительный анализ.
Разработаны модели влияния этихмотивационных факторов на уровень усвоения содержательных, структурныхи функциональных характеристик системы статистических понятий.Произведен сравнительный анализ уровней выраженности мотивационныхфакторов у российских и китайских студентов-психологов.Гипотезы нашего исследования заключались в том, что мотивацияусвоения научно-профессиональных понятий курса «Математические методы впсихологии» российскими и китайскими студентами по содержанию и уровневыраженности различается, предположены различия как в самой мотивации,так и в ее влияниях на усвоениефункциональныххарактеристиксодержательных, структурных исистемыстатистическихпонятий.Дляпроверки данных гипотез, мы в качестве основного метода использовалимоделирование структурными уравнениями (SEM).3.1.
Результаты диагностики мотивации усвоения системы статистическихпонятий российскими и китайскими студентамиВ данной параграфе описываются результаты формирования 2-хизмерительных моделей мотивации: для российской и китайской выборок.Итоговые результаты факторного анализа данных по каждым методикамдиагностики мотивации для российской и китайской выборки в сокращенномвиде(толькопунктыснаибольшиминагрузками),пригодномдляинтерпретации представлены в Таблицах 1 – 6.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
