Kirjeldava statistika rakendamine haridusuuringutes
Kirjeldav statistika on haridusuuringute oluline komponent, kuna see võimaldab saada kokkuvõtlikke, selgeid ja kergesti mõistetavaid andmeid. Hariduskontekstis hõlmavad andmed sageli väga erinevaid teemasid: õpilaste testide tulemusi, motivatsiooniküsimustiku tulemusi, kohalkäimise määra, kirjaoskuse tulemusi ja isegi demograafilisi andmeid, nagu vanus, sugu ja sotsiaalmajanduslik taust. Ilma korraliku töötlemiseta muutuvad need andmed pelgalt numbriteks, mida on raske tõlgendada. Kirjeldava statistika abil saavad teadlased esitada reaalse maailma tingimusi, tuvastada esialgseid mustreid ja luua kindla aluse enne järeldusliku analüüsi juurde liikumist.
Kirjeldava statistika definitsioon ja eesmärk
Kirjeldav statistika on statistiline meetod, mida kasutatakse andmete kogumiseks, korraldamiseks, kokkuvõtmiseks ja esitamiseks nii, et põhiteave oleks selgelt nähtav. Selle peamine eesmärk ei ole tulemuste üldistamine laiemale populatsioonile, vaid pigem andmete omaduste kirjeldamine. Haridusuuringutes aitab kirjeldav statistika vastata sellistele küsimustele nagu: kuidas õpilaste hinded jaotuvad? Milline on keskmine õpimotivatsiooni skoor? Kas enamik õpilasi kuulub kindlasse võimete kategooriasse? Või kui palju on õpilaste õpitulemustes erinevusi?
Teisisõnu, kirjeldav statistika on andmete mõistmise "värav". Enne konkreetse õppemudeli mõju või muutujate vahelise seose järeldamist peavad teadlased kõigepealt mõistma andmete üldist pilti.
Andmetüübid ja nende mõju haridusele
Kirjeldava statistika rakendamist mõjutab suuresti kogutavate andmete tüüp. Haridusalased andmed hõlmavad üldiselt järgmist:
1. Nominaalandmed, näiteks sugu (mees/naine), eriala (loodus-/ühiskonnateadused), õppeasutus (riiklik/erakool).
2. Ordinaalsed andmed, näiteks suhtumise skaala vahemikus „täiesti nõus“ kuni „täiesti ei ole nõus“ või saavutuskategooriad (kõrge/keskmine/madal).
3. Intervalliandmed, näiteks psühholoogiliste testide tulemused või küsimustiku tulemused, mis kasutavad Likerti skaalat ja mida uurimispraktikas käsitletakse intervallidena.
4. Suhtarvude andmed, näiteks eksamitulemused (0–100), kohalkäimine või õppimisele kuluv aeg (tundides).
Statistiliste mõõdikute (nt keskmine, mediaan või moodi) valik, samuti andmete visualiseerimise meetod tuleks täpsema tõlgendamise saavutamiseks kohandada andmeskaala tüübiga.
Tsentraliseerimise mõõdud: keskmine, mediaan ja režiim
Keskse kalduvuse mõõdud näitavad „keskpunkti“ väärtust ehk väärtust, mis andmeid kõige paremini esindab. Haridusuuringutes:
– Keskmist (keskmist) kasutatakse sageli testide tulemuste või eksamihinnete kirjeldamiseks. Näiteks kaheksanda klassi matemaatika keskmine tulemus on 78. See teave aitab õpetajatel või teadlastel näha klassi üldist sooritust.
– Mediaan on kasulik, kui andmed sisaldavad äärmuslikke väärtusi (kõrvalekaldeid). Näiteks kui mõnel õpilasel on väga madalad või väga kõrged tulemused, võib mediaan olla keskmisest representatiivsem.
– Režiim on kasulik kategooriliste andmete puhul, näiteks kõige sagedamini esineva õpistiili kategooria või domineerivaima motivatsioonitaseme puhul.
Õpitulemuste hindamise uuringutes kasutatakse neid kolme mõõdikut terviklikuma pildi saamiseks sageli koos.
Leviku mõõtmised: vahemik, dispersioon ja standardhälve
Lisaks andmete raskuskeskme tundmisele peavad haridusuurijad mõistma ka seda, kui mitmekesised andmed on. Kahel klassil võib olla sama keskmine tulemus, kuid nende jaotus erineb. Siin tulevadki mängu hajuvuse näitajad.
– Vahemik on vahe kõrgeima ja madalaima väärtuse vahel. Näiteks kui madalaim väärtus on 40 ja kõrgeim 95, on vahemik 55. Vahemik annab kiire ülevaate kõikumisest, kuid on tundlik äärmuslike väärtuste suhtes.
– Dispersiooni ja standardhälvet kasutatakse sagedamini, kuna need pakuvad stabiilsemaid variatsioonimõõte. Väike standardhälve näitab õpilaste suhteliselt ühtlast tulemust; suur standardhälve näitab suurt lõhet õpitulemustes.
Haridusuuringutes kasutatakse standardhälvet sageli klassi homogeensuse või heterogeensuse hindamiseks, näiteks enne eksperimentaal- ja kontrollrühmade määramist.
Andmete jaotus: tõus ja tõus
Andmete jaotusmustrid on samuti olulised. Skooride andmed võivad olla vasakule (palju kõrgeid hindeid) või paremale (palju madalaid hindeid) kaldu. Õpitulemuste hindamisel võib seda tüüpi jaotus olla testi raskusastme näitaja. Kui suur osa õpilastest saab madalaid hindeid ja jaotus on paremale kaldu, võib see viidata sellele, et materjalist pole aru saadud, õppemeetod on ebaefektiivne või instrument on liiga keeruline.
Kurtoosi analüüsi abil saab kindlaks teha, kas andmed on liiga keskpunkti ümber koondunud või laiali hajutatud. Kuigi see analüüs on tehnilisem, aitab jaotuse mõistmine teadlastel valida sobivaid täiustatud analüüsitehnikaid.
Andmete esitamine: tabelid ja visualiseeringud
Kirjeldava statistika üks tugevusi on võime esitada andmeid kaasahaaraval ja kommunikatiivsel viisil. Haridusuuringutes on levinud esitlusvormingud järgmised:
1. Sagedusjaotuse tabel: kuvab õpilaste arvu teatud väärtusvahemikus, näiteks 0–59, 60–69, 70–79 jne.
2. Tulpdiagramm: sobib kategooriliste andmete, näiteks motivatsioonitaseme (kõrge/keskmine/madal) või küsimustiku vastuste valikute esitamiseks.
3. Histogramm: kasutatakse numbriliste andmete, näiteks testide tulemuste jaotuse kuvamiseks.
4. Sektordiagramm: kuvab proportsioone, näiteks õpilaste osakaalu soo või kohalkäimise kategooria järgi.
5. Kastidiagramm: aitab lühidalt näha mediaani, kvartiile ja kõrvalekaldeid, kasulik mitme klassi või rühma võrdlemisel.
Nõuetekohane visualiseerimine muudab uurimistulemused õpetajate, direktorite ja poliitikakujundajate jaoks lihtsamini loetavaks.
Haridusuuringute rakendamise näited
Näiteks soovib teadlane mõista üheksanda klassi õpilaste loodusteaduste õpitulemusi pärast videopõhise õppevahendi kasutamist. Kogutud andmed on 30 õpilase testijärgsed tulemused.
Kirjeldava statistika rakendamise sammud võivad olla järgmised:
– Arvutage keskmine, et teada saada klassi keskmine saavutus.
– Arvutage mediaan, et näha keskmist väärtust, mis on äärmuslike väärtuste suhtes vastupidavam.
– Arvutage standardhälve, et hinnata õpitulemuste ühtlust.
– Looge histogramm, et näha väärtuste jaotust.
– Looge tõlgendamise hõlbustamiseks kategooriate tabel (näiteks: väga hea, hea, piisav, vähem).
Nende tulemuste põhjal saavad teadlased järeldada näiteks, et keskmine hinne on tõusnud ja enamik õpilasi kuulub heasse kategooriasse, kuigi on endiselt õpilasi, kes vajavad lisatuge.
Kirjeldava statistika eelised haridusteadlastele ja praktikutele
Kirjeldava statistika rakendamine pakub reaalset kasu, sealhulgas:
1. Mõista algtingimusi enne õppeinterventsiooni läbiviimist (eeltest) ja pärast seda (järeltest).
2. Õpilaste või klasside vaheliste erinevuste tuvastamine andmete variatsioonide kaudu.
3. Lihtsusta suurandmed kokkuvõtlikuks ja sisukaks teabeks.
4. Toetada otsuste langetamist, näiteks tugiprogrammide, rikastamise või õpetamisstrateegiate täiustamise määramisel.
5. Kinnitage edasise analüüsi, näiteks t-testi või ANOVA, teostatavus, uurides kõigepealt andmete jaotust ja omadusi.
Sulgemine
Kirjeldav statistika on haridusuuringute oluline alus. Keskse tendentsi, hajuvuse, jaotuse ja mitmesuguste andmete esitamise vormide mõõtmise abil saavad teadlased õpisituatsioone objektiivselt ja süstemaatiliselt kirjeldada. Selle rakendamine pole kasulik mitte ainult akadeemilistel eesmärkidel, vaid aitab kaasa ka igapäevasele hariduspraktikale: aitab õpetajatel mõista õpilaste vajadusi, abistab koole programmide hindamisel ja aitab poliitikakujundajatel kvaliteedi parandamise strateegiate väljatöötamisel. Kirjeldava statistika hea mõistmise abil on haridusuuringud tugevamad, informatiivsemad ja asjakohasemad õpetamis- ja õppimisprotsessi parandamiseks.
