80.69K
Category: informaticsinformatics

Приёмы шкалирования и кодирование

1.

Приёмы шкалирования и
кодирование
Лекция 3

2.

Шкалирование в социологии
• Шкалирование – процедура измерения ключевых свойств объекта или
явления.
• Индикатор – предполагает шкалу – в чем мы будем измерять
конкретно?
• Чаще всего шкала в соц. опросах – варианты ответа на вопрос, но
шкалы есть и в наблюдениях, тестах, экспериментах и др. методах.
• К шкалированию предъявляются обязательные требования (НО они
могут зависеть от самой процедуры).
• Шкала соотносится с гипотезой(ами) исследования!!! Т.к. именно она
будет работать на проверку.

3.

Свойства шкал:
• Отнесение к одному классу/свойству – ответы не должны содержать
вариантов, которые выпадают из оценки свойства, группы или класса;
• Пример: Какой кофейный напиток Вы пьете по утрам?
Капучино
Американо
Латте
Чай
• Непротиворечивость – ответы должны не противоречить вопросу, иногда
друг другу, необходимо чтобы они были одного уровня сложности;
• Пример: Какой основной напиток Вы пили сегодня утром?
Кофе
Чай
Сок
Йогурт
Смузи
Бульон

4.

Свойства шкал:
• Чувствительность – насколько точно измеряется ваше свойств (сколько
у него градаций или вариантов ответов: 2,3,5,10?);
• Однозначность – респондент должен четко относить себя, параметр
должен точно фиксироваться;
• Пример: Какой основной напиток Вы пили сегодня утром?
• Чай
• Сок
• Кофе
• Капучино
• Йогурт
• Этичность – предлагаемые варианты ответа/процедуры измерения не
должны оскорблять или содержать недопустимые маркеры.

5.

Приёмы шкалирования
• Простые – измеряют признак,
для которого уже есть известные
измерители (частота событий
продолжительность, и т.п.).
• Чаще всего это простое, понятное
явление, свойство,
характеристика, которые не
связаны со сложной
операционализацией.
• Ваш пол; Ваш возраст; Частота
совершения события и т.д.
• Сложные – измерения,
относящиеся к социальным
объектам, для которых не
существует общепринятых шкал.
• Чаще всего это сложные явления,
которые плохо изучены, связаны
со спорными вопросами.
• Сложных приёмов много, они
являются авторскими, могут
модернизироваться/изобретатьс
я под конкретные исследования.
• Гендерная флюидность; Любовь
к родине; Патриотизм и пр.

6.

Простые приёмы, типы данных и типы
шкал в социологии
Категориальные шкалы [categorical]
Метрические шкалы [scales]
• Качественные признаки (но не только в
«качественных» исследованиях);
• В основании лежит слово или категория
(обязательно операционализированная, но
может быть и ключевое понятие);
• Чаще всего категориальные шкалы
формализуются, состоят из небольшого
набора слов в варианте ответа;
• Самый распространенный тип шкал в
социологии;
• Считается «слабым» типом шкал;
• Есть несколько подтипов шкал.
• Количественные признаки (но ен только в
«количественных» исследованиях);
• В основе лежит число, которое полностью
выражает свойство;
• Высоко формализованы, ответ
одна/однозначная «цифра»;
• Очень распространены в естественных
науках, реже встречаются в социальных
(искл. экономика и см.);
• Считается «сильным» типом шкал;
• Есть несколько подтипов, которые связаны
со свойством получаемых данных.

7.

Категориальные шкалы: 2 подтипа
Номинальные шкалы
Упорядоченные шкалы
• Основа любой процедуры измерения,
любая шкала может быть приведена к
ней;
• Простое (однозначное) равенство
признака и объекта;
• Сами признаки не иерархизированны,
рядоположены;
• По сути: класс состоящий из ответов;
разбивает объект на рядоположенные
группы (подгруппы) по определенной
переменной/характеристике.
• Более сложная маркировка отношения
объекта и признаков;
• Ключевые признаки переменной (или
ответы) упорядочены;
• В ответах/группах есть лучше/хуже;
сильнее/слабее; выше/ниже;
чаще/реже;
• Важно понимать направление порядка:
обычно от слабого к сильному;
• По сути: класс состоящий из
упорядоченных по возрастанию
ответов; разбивает объект на неравные
группы по характеристике.

8.

Номинальные шкалы: 2 подтипа
Бинарная/дихотомическая шкала
Пример
• Принимает исключительно 2
значения: наличие/отсутствие
признака;
• Управляется оператором «или»;
• К бинарной может быть
приведена любая шкала;
• В определенных ситуациях
рассматривается как метрика (на
более высоких уровнях анализа);
• Пили ли Вы сутра кофе? (Да/Нет)
• Есть ли у Вас в собственности
автомобиль? (Да/Нет)
• Вы голосовали за поправки к
конституции в 2020 году?
(Да/Нет)
Кроме Да/Нет может быть:
за/против, наличие/отсутствие;
Естественная категория:пол
мужской/женский

9.

Номинальные шкалы: 2 подтипа
Простая (небинарная) номинальная
Пример
• Простое маркирование единицы
наблюдения вашего объекта
относительно ключевого
свойства;
• Маркеры рукоположены;
• Их может быть много;
• Часто в основании шкалы лежит
«типика» из качественных
исследований или интервью;
• Ваша профессия: учитель,
слесарь, президент, инженер и
т.д.
• Почему Вы изменили своему
супруге(супругу)? скука,
случайность, разлюбил(а),
сексуально не удовлетворяет,
потребность в другом
сексуальном опыте и т.д.
• Национальность: русский,
удмурт, татарин, башкир и т.д.

10.

Упорядоченные шкалы: 2 подтипа
(Упорядоченная-)порядковая
Пример
• Ответы иерархизированы, т.е.
упорядочены;
• НО это не значит, что между
ними «одинаковое» расстояние
или различия.
• Просто верх/низ и т.д.
• Необходимо следить за
направлением порядка: убывает
или возрастает?
• Какое последнее учебное
заведение Вы закончили? школа,
техникум(/колледж/СПО),
университет
• Мнение Х: полностью согласен;
пожалуй, согласен; пожалуй, не
согласен; полностью не согласен
• Регулярность события Х:
ежедневно, еженедельно,
ежемесячно, раз в год, реже, чем
раз в год, никогда

11.

Упорядоченные шкалы: 2 подтипа
(Упорядоченная-)ранговая
Пример
• полное упорядочение каких-либо
объектов или свойств от наиболее к
наименее важному, значимому,
предпочитаемому.
• Иерархию чаще всего создает
респондент (объект).
• Расстояния условны и субъективны.
• Часто в основе лежит простая
номинальная, в которую респондент
вносит свой субъективный порядок.
• Проранжируйте перечисленные
качества по степени важности при
выборе вами супруга (с начала
наиболее важные, потом наименее):
“внешность”, “хозяйственность”,
“общие интересы”, “страстная
влюблённость”, “сексуальные умения”
• Как Вам кажется, какие профессии
являются наиболее престижными, а
какие наименее? Выберите с начала
наиболее престижные, потом
наименее: учитель, слесарь, президент,
инженер

12.

Метрические шкалы: 2 подтипа
Дискретные
Неприрывные
• принимает определённые (чаще всего
только целые) значения в интервале;
• цифры имеют смысл;
• они упорядочены и расстояния между
ними одинаковые;
• 0 означает отсутствие признака.
• Примеры: оценка в баллах; частота
событий; кол-во предметов; стоимость
и т.д.
• принимает любые значения в
интервале;
• цифры имеют смысл;
• их значения упорядочены и расстояния
между ними одинаковые;
• Часто изменяется с течением времени
(ряды динамики);
• Тяготеет к естественным категориям;
• Примеры: возраст, доход, время,
проценты, длина, вес, скорость.

13.

Общая схема простых приемов
• Качественные признаки – слабые шкалы категорийные
[categorical]
• Номинальная [nominal]
• (1) Дихотомическая (бинарная)
• (2) Простая (небинарная) номинальная
• Упорядоченная [ordinal]
• (3) Порядковая
• (4) Ранговая
• Количественные признаки – сильные шкалы метрические
[scales]
• (5) Дискретная [discrete]
• (6) Непрерывная [continuous]

14.

Проблема интервальности
• Некоторые шкалы предполагают не 1 цифру, а интервал:
• Укажите примерный совокупный (с учетом всех челнов семьи и всех типов дохода) уровень
ежемесячного дохода Вашей семьи:
До 10 тыс. руб.
От 10 до 20 тыс. руб.
От 20 до 30 тыс. руб.
Более 30 тыс. руб
• Укажите примерный уровень дохода на одного челна вашей семьи:
До 10 тыс. руб.
От 10 до 15 тыс. руб.
От 15 до 20 тыс. руб.
От 20 до 30 тыс. руб.
• Мы принимаем такой тип шкал за упорядоченный порядковый! (т.к. нет одной однозначной
цифры). Но различаем интервальный и не-интервальный ее типы. Пример выше –
интервальный. (Упорядоченная-)порядковая – не-интервальный.
• Если шаг одинаковый – равные интервалы; если разный – не равные интервалы.
• Интервальный тип может быть обработан как метрический, но с потерей качества и данных!

15.

Проблема шкал, типов данных и ПО
• Несмотря на развитие методов компьютерного анализа и обработки,
большинство ПО понимают только цифры!!!
• Соответственно стандартную информацию лучше кодировать.
• Кодирование – при стандартной шкале с исчерпывающим количеством
ответов, ответу присваивается цифра (для обозначения в базе данных).
• Для категориальных шкал простой номинальной цифры не имеют смысла,
прост маркер.
• Для бинарной шкалы 0 – отсутствие, 1- наличие.
• Любая простая номинальная может быть переведена в бинарную (есть или
нет определенный вариант ответа).
• Для категориальных шкал упорядоченных цифры задают направления
порядка (по возрастанию или убыванию).
• Метрическая шкала и есть цифра, ее не нужно кодировать.

16.

Проблема шкал, типов данных и ПО
• Пили ли Вы сутра кофе? (1 - Да/ 0- Нет)
• Ваша профессия: 1 - учитель, 2 - слесарь, 3- президент, 4инженер и т.д.
• Мнение Х: 4 - полностью согласен; 3 - пожалуй, согласен; 2 пожалуй, не согласен; 1 - полностью не согласен.
• Пример преобразования шкалы (Ваша профессия):
• Вы учитель? (Да/Нет), Вы слесарь? (Да/Нет) и т.д.

17.

Уровни кодирования анкет в опросах
• 1 уровень – уровень кодирования варианта ответов на вопрос
(для обозначения в базе данных);
• 2 уровень – уровень кодирования самого вопроса (для
обозначения в базе данных);
• 3 уровень – уровень кодирования раздела анкеты (не
обязательный, если разделы есть);
• Кодирования чаще всего сплошное (от 1 и до конца), связано с
цифрами (т.к. ПО лучше работает с ними), по одинаковому
принципу.
English     Русский Rules