Pētniecības metodes un pētījumu datu analīze skolēnu zinātniski pētnieciskā darba rakstīšanas procesā. Seminārs skolēniem Dr. oec, docente, Silvija Kristapsone 29.10.2015. 1
I. Zinātniskās pētniecības būtība un pētījuma metodoloģijas pamati Pētījums Plašākā nozīmē pētījums ir loģiski secīgu metodoloģisko, metodisko un organizatoriski tehnisko procedūru sistēma, kas ļauj iegūt ticamus datus par pētāmo parādību vai procesu, un izmantot tos tālāk praksē procesa vadīšanai un prognozēšanai. Pētījums kā pētnieciskās darbības apraksts ir zinātnisks sacerējums, kurā apkopoti, izklāstīti pētnieciskā darba galarezultāti. 2
Skaidri zinātnes metodoloģiskie pamati ir pētnieka vissvarīgākais līdzeklis mērķa sasniegšanai. Jebkuras zinātnes metodoloģiskie pamati ir priekšmets un tās galvenās kategorijas (jēdzieni). Jebkuras zinātnes attīstība vispirms ir atkarīga no tās priekšmeta noteiktības, precīzas un zinātniskas priekšmeta satura interpretācijas, metodoloģisko pamatu pareizas izvēles un efektīvas pētījumu programmas izstrādes. 3
Zinātnes uzdevums nav tikai aprakstīt un klasificēt parādības, lai gan empīrisks pētījums sākas ar novērošanu un aprakstīšanu. Zinātnes funkcija ir izskaidrošana, tas ir, atklāt iekšējās un noturīgās parādību sakarības. Sociālajās zinātnes lielākā daļa empīrisko pētījumu notiek dabiskos apstākļos, ievācot empīriskos datus ar mērķi iegūt informāciju par parādībām un procesiem. Šādos pētījumos kā galvenā domāšanas metode ir indukcija izdarīt vispārinošus spriedumus. Induktīvā loģika nozīmē domai attīstīties no atsevišķā uz vispārīgo. 4
Metode Pētīšanas metodes ir zinātnē pārbaudīto un pieņemto darbības noteikumu un paņēmienu sistēma, ko izmanto parādību izziņā jaunu ticamu faktu, sakaru un likumu atklāšanai, vērtēšanai un vispārināšanai par realitāti. Vispārīgās pētīšanas metodes (vēsturiskā, kompleksā vai struktūrfunkcionālā pētīšanas metode.) Izziņas metodes (analīzes un sintēzes metode, loģiskā metode, indukcijas un dedukcijas metode, hipotēzes un priekšlikumi, modelēšana). Individuālās pētīšanas metodes (izlases metodes, informācijas vākšanas metodes, informācijas apstrādes metodes un prognozēšanas metodes). 5
Zinātniskajos pētījumos parasti pēc darbības veida tiek izmantotas šādas metožu grupas: teorētiskās pētīšanas metodes; empīriskās pētīšanas metodes; datu apstrādes metodes. Teorētiskās pētīšanas metodes teorētiskā analīze, dokumentu kontentanalīze, modelēšana atklāj pētāmā priekšmeta būtiskās sakarības. Šajā pētniecības posmā atklātie zinātniskie fakti un atziņas literatūrā, dokumentos prasa vispārināšanu, salīdzināšanu, vērtēšanu un interpretāciju. Ar empīriskām pētīšanas metodēm saprotam izlases veidošanas metodes un datu ieguves metodes. 6
Teorētiskā teksta analīze noved pie parādības tāda modeļa izveidošanu, kas aptver tās būtiskākās puses un attiecības. Tālāk notiek konkrēta pāreja no teorētiskās analīzes uz empīrisko analīzi. Šajā gadījumā ne tikai tiek spriests par abstraktām lietā, bet norādīts uz tām darbībām, ar kuru palīdzību var pierādīt izvirzītās hipotēzes un teorētiskos secinājumus, mērīt pētāmās parādības. Analīze domās veselā sadalīšana daļās. Vēršot uzmanību uz priekšmetu un parādību dažādiem aspektiem, vienlaikus notiek norobežošanās no nenozīmīgām pazīmēm. Analīze nozīmē arī priekšmetu vai parādību savstarpēju salīdzināšanu. Sintēze konstatēto elementu un priekšstatu kompleksas formēšanas process, atspoguļojot kopējās pazīmes. Kad šis komplekss iegūst vārdisku apzīmējumu, veidojas jēdziens. Zinātnisko jēdzienu sistēma veido teoriju kā reālās pasaules kādas jomas ideālu modeli. 7
Teorētiskās teksta analīzes metodes Dekonstrukcija Aksiomu metode Apercepcijas metode Deskriptīvā metode Diahroniskā metode Aspektu analīzes metode Kontentanalīze Kritiskās analīzes metode Kompleksās analīzes metode Konceptuālās analīzes metode Problēmu analīzes metode Sistēmanalīze Salīdzināšanas metode 8
Teorētisko tekstu analīzes metodes izvēle balstīta uz pētījuma precīza mērķa formulējumu un pašas analīzes mērķi, izprotot pētāmā teksta specifiku un pārzinot vienas vai otras augstāk minētās metodes tehniku. Zinātniskais pētījums paredz izskaidrošanu kā rūpīgi aprakstītu faktu apkopojumu, lai teorētiskais pamatojums veidotos tādā formā, kas atļauj to pārbaudīt praksē. Citiem vārdiem sakot zinātniskais pētījums izvirza prasību pētījuma empīriskā līmeņa (apraksta) atbilstību teorētiskajam līmenim (izskaidrojumam). 9
Pētījumu veidi Pētījuma veidu visprecīzāk atklāj mērķis, izvēlētās un lietotās pētījumu metodes, un otrādi, saprotot, kuram pētījuma veidam konkrētais pētījums piederīgs, var iepriekš plānot pētījuma metodes. Sociālajās zinātnēs ir plaši izplatīta pētījumu klasifikācija pēc: izmantojamības (lietišķie un fundamentālie); izmantotās metodes (eksperimentālie pētījumi un neeksperimentālie pētījumi; kvantitatīvie pētījumi un kvalitatīvie pētījumi); pētnieciskā jautājuma; datu ieguves procesa. 10
Pēc pētījuma jautājuma gadījuma pētījums (kvalitatīvās analīzes metodes) vēsturiskais pētījums (kvalitatīvās pētniecības metodes) aprakstošais pētījums (aprakstošās statistikas metodes) longitudinālais pētījums (secinošās statistikas metodes) korelācijas pētījums (korelācijas metodes) cēloņsakarības pētījums (dispersiju analīze, regresiju analīze) u.c. 11
II. Pētnieciskā procesa gaita un tā organizācija ASV filozofa Dž. Devejs (J. Devey) jau 1938. gadā piedāvāja šādus zinātniskā pētījuma posmus: 1) temata izvēle; 2) iepazīšanās ar pētāmo objektu (priekšmetu); 3) pētījuma mērķa, uzdevumu un hipotēžu izvirzīšana; 4) pētījuma pieteikuma sagatavošana, pētījuma akcepta saņemšana; 5) nepieciešamās informācijas vākšana; 6) pētījuma metodes ( žu) izvēle un pamatošana; 7) datu ieguve; 8) starprezultātu un galarezultātu apkopošana; 9) starprezultātu un galarezultātu analīze; 10) secinājumu un priekšlikumu izstrāde; 11) pētījuma ziņojuma (pārskata) sagatavošana un publiskošana. 12
Analizējot literatūras avotus, pētnieka galvenie uzdevumi ir šādi: 1) iepazīties ar zinātniski pētnieciskā darba temata pamatjēdzienu definīcijām, to skaidrojumu dažādu autoru darbos (ja skaidrojumi ir atšķirīgi); 2) noskaidrot situāciju attiecīgajā jomā; 3) konstatēt, kāda veida pētījumi ir veikti saistībā ar paša plānoto pētniecības darbu; 4) kritiski izvērtēt uzkrāto pieredzi un galarezultātus sava pētījuma aspektā. Teorētiskie teksti tiek konspektēti atbilstīgi šo tekstu struktūrai, akcentējot jēdzienus, kategorijas, likumus, principus, idejas, noteikumus, teorijas, hipotēzes, faktus, secinājumus utt. Empīrisko tekstu konspektēšana galvenokārt būs saistīta ar aktu, notikumu, statistisko datu un statistisko rādītāju, konkrētu parādības īpašību izvērtēšanu 13
Bibliogrāfiskās atsauces jāliek, ja: 1) tekstā minēts citāts; 2) tekstā dots citu autoru aprēķināts skaitlisks materiāls, viņu veidotās tabulas, attēli, formulas; 3) izklāstīts kaut kādas personas teiktais vai uzskati; 4) pieminēts konkrēts avots, zinātniskais pētījums, raksts; 5) ja tekstā pieminēts vai aprakstīts gadījums vai piemērs, kas nav vispārzināms. 14
III. Datu ieguves, apstrādes un analīzes metodes Pētījumā Zinātne sākas ar mērīšanu. Ja neko nemēra, neko jaunu nevar atklāt. Imants Ieviņš (1928 1996) latviešu mežzinātnieks, Dr.habil.ing. 15
Datu empīriskās ieguves metodes pētījumā: dokumentu analīze aptauja (intervija, anketēšana) mērīšana testēšana novērošana 16
Datu apstrādes un analīzes metodes MATEMĀTISKĀS UN STATISTISKĀS METODES Statistikā analīze nevar notikt, neizmantojot tās konkrētās nozares metodes, pie kuras pētāmā parādība pieder, piemēram, psiholoģija, politika, socioloģija un tml. Līdzās šīm metodēm statistikā izmanto arī specifiskos paņēmienus, un tie ir: statistiskā novērošana (ziņu, datu vākšana), apkopošana jeb grupēšana un vispārināšana jeb statistiskā analīze. Statistiskās novērošanas praktiskā nozīme iegūt ticamu informāciju par parādības stāvokli vai procesa raksturu. 17
Statistikas dati ir parādību skaitliskais raksturojums, kas iegūti statistiskās novērošanas (dokumentu izpētes, novērošanas, aptaujas, testēšanas, mērīšanas) un apstrādes vai atbilstīgu aprēķinu ceļā. Statistiskais rādītājs (angl. statistic) ir pētāmās parādības īpašību skaitliskais novērtējums konkrētos vietas apstākļos un laikā. Tos iegūst aprēķinu ceļā, izmantojot speciālas formulas. Aprakstošā statistika empīriskās datu apkopošanas metodes, grafiskās attēlošanas metodes un statistiskie rādītāji. 18
Statistiskās metodes izvēli pētījumā nosaka: pētāmās pazīmes ( ju) mērījumu skala( as) (nosaukuma, kārtas/rangu, intervālu vai proporcionālā); pētāmās izlases kopas īpatnības (maza/liela grupa); statistisko rādītāju uzrādītās pētāmās pazīmes ( ju) īpatnības, t.i., intervāla vai attiecību skalā mērītas pazīmes atbilstība vai neatbilstība normālam sadalījumam; 19
pētījuma stratēģiskais mērķis un ar to saistītie uzdevumi (aprakstīt, noskaidrot atšķirības, sakarības, noteikt faktoriālo pazīmju ietekmi); pētījuma shēma (1 izlases salīdzināšana ar standartlielumu, 2 izlašu salīdzināšana, 3 un vairāk izlašu salīdzināšana, sakarību noteikšana starp 2 vai 3 un vairākām pazīmēm un tml.). Statistisko rādītāju aprēķināšana un to analīze ir pamats pētāmo pazīmju empīrisko sadalījumu raksturojumam un iespējām noteikt to īpatnības attiecībā pret tiem teorētiskiem sadalījumiem, kas raksturīgi šīm pazīmēm ģenerālajā kopā jeb statistiskajā kopā, pamato tālāko secinošās statistikas metožu izvēli. 20
Statistiskā tabula ir pētāmās parādības skaitliskās informācijas racionāla un uzskatāma attēlošanas forma. Tabulas ļauj statistisko materiālu uztvert kopumā. Grafiskais attēls palīdz uzskatāmi raksturot un vispārināt pētāmo kopu. Grafiskais attēls ir tabulu veidošanas kā metodes turpinājums un papildinājums, jo grafiskajā attēlā izteiktāks kļūst rādītāju salīdzinājums, parādās kopas struktūra, labāk novērojamas attīstības tendences un savstarpējās sakarības. 21
Pētījumos izplatītākie grafiskie attēli ir stabiņu diagramma līniju diagramma apļa diagramma 22
korelācijas (regresijas) diagramma 23
Secinošā statistika Secinošā statistika metodes, ko lieto dažādu hipotēžu pierādīšanai, kā arī populācijas parametru novērtēšanai. Parametriskā statistika metodes, ko lieto hipotēžu pierādīšanai, ja empīriskais sadalījums atbilst normālam sadalījumam (dati doti intervālu vai attiecību skalā), pieejamas MS Excel Data Analysis. Parametriskās metodes: salīdzināšanas gadījumā t Stjūdenta kritērijs divu neatkarīgu izlašu salīdzināšanai, t Stjūdenta kritērijs divu atkarīgu izlašu salīdzināšanai, dispersiju analīze (lieto 3 un vairāku grupu salīdzināšanai un neatkarīgā mainīgā ietekmes noteikšanai), sakarību gadījumā Pirsona korelācijas koeficients Neparametriskā statistika metodes, ko lieto hipotēžu pierādīšanai, ja empīriskais sadalījums neatbilst normālam sadalījumam (dati doti intervālu vai attiecību skalā) vai arī sākotnējie dati doti nosaukuma vai kārtas skalā. (Pieejamas, piem., SPSS programmā). 24
Pētījuma hipotēze par atšķirībām starp sadalījumiem, mērītiem nominālajā skalā Cik kategorijas jeb kvalitātes (c) ir pazīmei? Empīriskais sadalījums ar teorētisko sadalījumu Binominālais kritērijs (m) *m apr. m krit. * p = 0,05 vai p = 0,01 Kolmogorova Smirnova kritērijs *Z apr. Z krit. * p = 0,05 vai p = 0,01 2 2 χ 2 * p = 0,05 vai p = 0,01 Divas kategorrijas (c =2) Divi empīriskie sadalījumi Mac Nemara kritērijs Vairākas kategorijas (c 3) Kādi sadalījumi tiek salīdzināti? *χ2 apr. χ2 krit. * p = 0,05 vai p = 0,01 Neatkarīgi sadalījumi Kolmogorova Smirnova kritērijs *Z apr. Z krit. * p = 0,05 vai p = 0,01 Atkarīgi sadalījumi Zīmju tests * Ja izpildās šī nevienādība, tas nozīmē, ka pastāv statiski nozīmīga atšķirība starp salīdzināmajiem biežumu sadalījumiem, nulles hipotēze ir jānoraida. SPSS programmā statistiski nozīmīgas atšķirības ir tad, ja Sig 0,05. (Sig statistiskā nozīmība (angl. significant level, p nozīmības līmenis jeb pirmā veida kļūda (angl. p level). 25
Pētījuma hipotēze par atšķirībām starp sadalījumiem, mērītiem kārtas jeb rangu skalās Divas izlases (2) 2.Vai grupas ir atkarīgas (korelējošas) vai neatkarīgas grupas? Atkarīgas grupas Aprēķina Vilkoksona testa T vērtību *T apr. T krit. * p = 0,05 vai p = 0,01 Neatkarīgas grupas Aprēķina Manna Vitneja testa U vērtību *U apr. U krit. * p = 0,05 vai p = 0,01 Kāda ir pētījuma shēma? *Ja izpildās šī nevienādība, tas nozīmē, ka pastāv statiski nozīmīga atšķirība starp salīdzināmajiem biežumu sadalījumiem, nulles hipotēze ir jānoraida. SPSS programmā statistiski nozīmīgas atšķirības ir tad, ja Sig 0,05. (Sig statistiskā nozīmība (angl. significant level, p nozīmības līmenis jeb pirmā veida kļūda (angl. p level). Vairākas izlases (3 un vairāk) 2. Vai grupas ir atkarīgas (korelējošas) vai neatkarīgas grupas? Neatkarīgas grupas Kruskola- Valisa tests, aprēķina H *H χ 2 * p = 0,05 vai p = 0,01 Atkarīgas grupas Frīdmana tests χ 2 *χ2 apr. χ2 krit. * p = 0,05 vai p = 0,01 26
Pētījuma hipotēze par atšķirībām starp sadalījumiem, mērītiem intervālu vai attiecību skalā Viena izlase (1) 1. Kāda ir pētījuma shēma? Divas izlases (2) Vairākas izlases (3 un vairāk) Nē Aprēķina t vērtību vienai izlasei t apr. t krit.* α = 0,05 vai α = 0,01 Jā Aprēķina t neatkarīgām grupām Vai ir zināma s 2(sigma)? Nē Aprēķina z vērtību vienai izlasei z apr. z krit.* α = 0,05 vai α = 0,01 Jā 3.Vai mainīgajam lielumam ir normāls sadalījums? Aprēķina Vilkoksona testa T vērtību 2.Atkarīgas (korelējošas) vai neatkarīgas grupas Atkarīgās sgrupas Neatkarīgas grupas 3.Vai mainīgajam lielumam ir normāls sadalījums? Jā Aprēķina t neatkarīgām grupām Nē Aprēķina Manna Vitneja testa U vērtību 2.Atkarīgas (korelējošas) vai neatkarīgas grupas Neatkarīgas grupas Jā Vienfaktoru dispersiju analīze, aprēķina F vērtību Kāds ir neatkarīgo mainīgo skaits? Viens 3.Vai atkarīgajam mainīgajam ir normāls Nē Kruskola- Valisa tests, aprēķina H Atkarīgās grupas Divi un vairāk L Frīdmena kritērijs 3.Vai atkarīgajam mainīgajam ir normāls Nē Jā Daudzfaktoru dispersiju analīze, aprēķina F vērtības t apr. t krit.* α = 0,05 vai α = 0,01 T apr. T krit.* α = 0,05 vai α = 0,01 t apr. t krit.* α = 0,05 vai α = 0,01 U apr. U krit.* α = 0,05 vai α = 0,01 F apr. F krit.* α = 0,05 vai α = 0,01 H χ 2 * α = 0,05 vai α = 0,01 F apr. F krit.*α = 0,05 vai α = 0,01 27
Statistiskās analīzes paņēmiens, lai noteiktu, vai pastāv sakarības starp vienas grupas divām pazīmēm. Atkarībā no datu mērījumu skalas iespējami vairāki korelācijas koeficienti (kritēriji): Pirsona korelācijas koeficients Spirmena korelācijas koeficients Kendala tau korelācijas koeficients Hī kvadrāta koeficients u.c. 28
29
30
Korelācijas koeficients r atrodas robežās no 1 līdz +1. Pirsona un Spirmena korelācijas koeficientus novērtē līdzīgi, atbildot uz jautājumiem: Vai sakarības ir statistiski nozīmīgas? Vai sakarība ir tieša vai pretēja? Kāds ir sakarību ciešums? Citi korelācijas koeficienti ļauj novērtēt tikai sakarības statistisko nozīmību. 31
Determinācijas koreficients R 2 Determinācijas koeficients R 2 (angl. R Square) raksturo atkarīgā mainīgā dispersijas daļu kopējā dispersijā, ko nosaka neatkarīgā mainīgā ietekme; rāda, cik lielā mērā neatkarīgā mainīgā variācija izskaidro atkarīgā mainīgā variāciju. Parasti determinācijas koeficientu izsaka procentos. 32
Regresiju analīze y a b x Regresijas vienādojumā parametrs a raksturo neuztverto (vērā neņemto) faktoru vidējo ietekmi uz rezultatīvo pazīmi. Regresijas koeficients b izsaka rezultatīvās pazīmes vidējo pieaugumu, pieaugot faktoriālai pazīmei par vienu vienību. 33
30 25 Atkarīgais mainīgais y 20 15 10 y = 0,4581x + 8,7073 R² = 0,1896 = 19,0% r = 0,435 5 0 0 5 10 15 20 25 Neatkarīgais manīgais x Dr. oec., doc. Silvija Kristapsone 34
Konfūcijs (551 479 pr.kr.) Ķīniešu domātājs Uz zināšanām ved trīs ceļi: pārdomu ceļš, kas ir viscēlākais, atdarināšanas ceļš, kas ir visvieglākais, un pieredzes ceļš, kas ir visgrūtākais. 35
Literatūra: Kristapsone S. (2014). Zinātniskā pētniecība studiju procesā. Rīga : Biznesa augstskola Turība, 2014. 350 lpp. Ievads pētniecībā: stratēģijas, dizaini, metodes (2011)./Sastādījusi K.Mārtinsone. Rīga : RAKA, 2011. 284 lpp. Arhipova I. Bāliņa S. (2006) Statistika ekonomikā un biznesā. Risinājumi ar Excel un SPSS. 2. izdevums. Rīga: Datorzinību centrs, 2006, 337 lpp. Arhipova I. Bāliņa S. Statistika ar Excel ikvienam 1. Mācību līdzeklis. Rīga: Datorzinību centrs, 1999, 163 lpp. Arhipova I. Bāliņa S. Statistika ar Excel ikvienam 2. Mācību līdzeklis. Rīga: Datorzinību centrs, 2000, 133 lpp. 36