აღწერითი სტატისტიკის გამოყენება საგანმანათლებლო კვლევაში

აღწერითი სტატისტიკის გამოყენება საგანმანათლებლო კვლევაში

აღწერითი სტატისტიკა საგანმანათლებლო კვლევის უმნიშვნელოვანესი კომპონენტია, რადგან ის საშუალებას იძლევა მივიღოთ ლაკონური, მკაფიო და ადვილად გასაგები მონაცემები. საგანმანათლებლო კონტექსტში, მონაცემები ხშირად მოიცავს თემების ფართო სპექტრს: სტუდენტების ტესტების ქულები, მოტივაციის კითხვარის შედეგები, დასწრების მაჩვენებლები, წიგნიერების ქულები და დემოგრაფიული მონაცემებიც კი, როგორიცაა ასაკი, სქესი და სოციალურ-ეკონომიკური ფონი. სათანადო დამუშავების გარეშე, ეს მონაცემები უბრალო რიცხვებად იქცევა, რომელთა ინტერპრეტაცია რთულია. აღწერითი სტატისტიკის საშუალებით, მკვლევარებს შეუძლიათ წარმოადგინონ რეალური სამყაროს პირობები, გამოავლინონ საწყისი ნიმუშები და შექმნან მყარი საფუძველი, სანამ ინფერენციულ ანალიზზე გადავლენ.

აღწერითი სტატისტიკის განმარტება და მიზანი

აღწერითი სტატისტიკა არის სტატისტიკური მეთოდი, რომელიც გამოიყენება მონაცემების შესაგროვებლად, ორგანიზებისთვის, შეჯამებისა და წარმოსადგენად ისე, რომ ძირითადი ინფორმაცია ნათლად ჩანდეს. მისი ძირითადი მიზანი არ არის შედეგების განზოგადება უფრო ფართო პოპულაციაზე, არამედ მონაცემების მახასიათებლების აღწერა. საგანმანათლებლო კვლევაში აღწერითი სტატისტიკა გვეხმარება ვუპასუხოთ ისეთ კითხვებს, როგორიცაა: როგორ ნაწილდება მოსწავლეთა შეფასებები? რა არის სწავლის მოტივაციის საშუალო ქულა? მიეკუთვნება თუ არა მოსწავლეთა უმრავლესობა კონკრეტულ უნარების კატეგორიას? ან რამდენად დიდია ვარიაცია სწავლის შედეგებში მოსწავლეებს შორის?

სხვა სიტყვებით რომ ვთქვათ, აღწერითი სტატისტიკა მონაცემების გაგების „კარიბჭეს“ წარმოადგენს. კონკრეტული სასწავლო მოდელის გავლენის ან ცვლადებს შორის ურთიერთობის შესახებ დასკვნამდე, მკვლევრებმა პირველ რიგში უნდა გაიგონ მონაცემების ზოგადი სურათი.

მონაცემთა ტიპები და მათი გავლენა განათლებაში

აღწერითი სტატისტიკის გამოყენებაზე დიდ გავლენას ახდენს შეგროვებული მონაცემების ტიპი. განათლების მონაცემები, როგორც წესი, მოიცავს:

1. ნომინალური მონაცემები, მაგალითად, სქესი (მამრობითი/მდედრობითი), სპეციალობა (მეცნიერება/სოციალური მეცნიერებები), სკოლის სტატუსი (სახელმწიფო/კერძო).
2. რიგითი მონაცემები, მაგალითად, დამოკიდებულების შკალა „სრულად ვეთანხმები“-დან „სრულად არ ვეთანხმები“-მდე, ან მიღწევების კატეგორიები (მაღალი/საშუალო/დაბალი).
3. ინტერვალური მონაცემები, მაგალითად, ფსიქოლოგიური ტესტების ქულები ან კითხვარის შედეგები, რომლებიც იყენებენ ლიკერტის შკალას და კვლევით პრაქტიკაში ინტერვალებად განიხილება.
4. თანაფარდობის მონაცემები, მაგალითად, გამოცდის ქულები (0–100), დასწრება ან სწავლის დრო (საათები).

სტატისტიკური საზომების, როგორიცაა საშუალო, მედიანა ან მოდა, შერჩევა, ასევე მონაცემთა ვიზუალიზაციის მეთოდი, უფრო ზუსტი ინტერპრეტაციისთვის უნდა იყოს მორგებული მონაცემთა შკალის ტიპზე.

ცენტრალიზაციის საზომები: საშუალო, მედიანა და მოდა

ცენტრალური ტენდენციის საზომები ემსახურება „შუა წერტილის“ მნიშვნელობის, ანუ იმ მნიშვნელობის მითითებას, რომელიც საუკეთესოდ წარმოადგენს მონაცემებს. საგანმანათლებლო კვლევაში:

– საშუალო ქულა ხშირად გამოიყენება ტესტების ქულების აღსაწერად. მაგალითად, მერვე კლასის მათემატიკის საშუალო ქულა 78-ია. ეს ინფორმაცია მასწავლებლებს ან მკვლევარებს ეხმარება კლასის საერთო მოსწრების დანახვაში.
– მედიანა სასარგებლოა, როდესაც მონაცემები შეიცავს ექსტრემალურ მნიშვნელობებს (გამონაკლისებს). მაგალითად, თუ ზოგიერთ სტუდენტს ძალიან დაბალი ან ძალიან მაღალი ქულები აქვს, მედიანა შეიძლება უფრო წარმომადგენლობითი იყოს, ვიდრე საშუალო.
– რეჟიმი სასარგებლოა კატეგორიული მონაცემებისთვის, მაგალითად, ყველაზე ხშირად გავრცელებული სწავლის სტილის კატეგორიისთვის ან მოტივაციის ყველაზე დომინანტური დონისთვის.

სწავლის შეფასების კვლევაში, ეს სამი საზომი ხშირად ერთად გამოიყენება უფრო სრულყოფილი სურათის მისაღებად.

გავრცელების საზომები: დიაპაზონი, ვარიაცია და სტანდარტული გადახრა

მონაცემთა სიმძიმის ცენტრის ცოდნის გარდა, განათლების სფეროს მკვლევრებმა ასევე უნდა გაიგონ, თუ რამდენად მრავალფეროვანია მონაცემები. ორ კლასს შეიძლება ჰქონდეს ერთნაირი საშუალო ქულა, მაგრამ მათი განაწილება განსხვავებულია. სწორედ აქ ერთვება დისპერსიის საზომები.

– დიაპაზონი არის უმაღლეს და უმცირეს მნიშვნელობებს შორის სხვაობა. მაგალითად, თუ ყველაზე დაბალი მნიშვნელობაა 40, ხოლო ყველაზე მაღალი 95, დიაპაზონი 55-ია. დიაპაზონი იძლევა ვარიაციის სწრაფ მიმოხილვას, მაგრამ მგრძნობიარეა ექსტრემალური მნიშვნელობების მიმართ.
– ვარიაცია და სტანდარტული გადახრა უფრო ხშირად გამოიყენება, რადგან ისინი ვარიაციის უფრო სტაბილურ საზომებს იძლევიან. მცირე სტანდარტული გადახრა მიუთითებს სტუდენტების შედარებით თანაბარ ქულებზე; დიდი სტანდარტული გადახრა მიუთითებს სწავლის შედეგებში დიდ სხვაობაზე.

საგანმანათლებლო კვლევაში, სტანდარტული გადახრა ხშირად გამოიყენება იმის შესაფასებლად, არის თუ არა კლასი ერთგვაროვანი თუ ჰეტეროგენული, მაგალითად, ექსპერიმენტული და საკონტროლო ჯგუფების განსაზღვრამდე.

მონაცემთა განაწილება: დახრილობა და პიკი

მონაცემთა განაწილების ნიმუშებიც მნიშვნელოვანია. ქულების მონაცემები შეიძლება იყოს მარცხნივ (ბევრი მაღალი ქულა) ან მარჯვნივ (ბევრი დაბალი ქულა). სწავლის შეფასებისას, ამ ტიპის განაწილება შეიძლება იყოს ტესტის სირთულის დონის მაჩვენებელი. თუ სტუდენტების დიდი პროცენტი იღებს დაბალ ქულებს და განაწილება მარჯვნივ არის გადახრილი, ეს შეიძლება მიუთითებდეს, რომ მასალა არ არის გაგებული, სწავლის მეთოდი არაეფექტურია ან ინსტრუმენტი ძალიან რთულია.

კურტოზის ანალიზი ასევე შესაძლებელია იმის დასადგენად, არის თუ არა მონაცემები ზედმეტად „დაჯგუფებული“ ცენტრის გარშემო თუ გაფანტული. მიუხედავად იმისა, რომ ეს ანალიზი უფრო ტექნიკური ხასიათისაა, განაწილების გაგება ეხმარება მკვლევრებს შესაბამისი მოწინავე ანალიზის ტექნიკის არჩევაში.

მონაცემთა პრეზენტაცია: ცხრილები და ვიზუალიზაცია

აღწერითი სტატისტიკის ერთ-ერთი ძლიერი მხარეა მისი უნარი, წარმოადგინოს მონაცემები მიმზიდველი და კომუნიკაციური ფორმით. საგანმანათლებლო კვლევაში ხშირად გამოყენებული პრეზენტაციის ფორმატებია:

1. სიხშირის განაწილების ცხრილი: აჩვენებს სტუდენტების რაოდენობას მნიშვნელობების გარკვეულ დიაპაზონში, მაგალითად, 0–59, 60–69, 70–79 და ა.შ.
2. სვეტოვანი დიაგრამა: შესაფერისია კატეგორიული მონაცემებისთვის, როგორიცაა მოტივაციის დონე (მაღალი/საშუალო/დაბალი) ან კითხვარის პასუხების არჩევანი.
3. ჰისტოგრამა: გამოიყენება რიცხვითი მონაცემების, მაგალითად, ტესტის ქულების, განაწილების სანახავად.
4. წრიული დიაგრამა: აჩვენებს პროპორციებს, მაგალითად, სტუდენტების პროცენტულ მაჩვენებელს სქესის ან დასწრების კატეგორიის მიხედვით.
5. ჩარჩოს დიაგრამა: ხელს უწყობს მედიანას, კვარტილებისა და გამონაკლისების მოკლედ დანახვას, რაც სასარგებლოა რამდენიმე კლასის ან ჯგუფის შედარებისას.

სათანადო ვიზუალიზაცია კვლევის შედეგებს მასწავლებლებისთვის, დირექტორებისა და პოლიტიკის შემქმნელებისთვის უფრო ადვილად წასაკითხს ხდის.

საგანმანათლებლო კვლევაში გამოყენების მაგალითები

მაგალითად, მკვლევარს სურს გაიგოს მეცხრე კლასის მოსწავლეების საბუნებისმეტყველო მეცნიერებების სწავლის შედეგები ვიდეოზე დაფუძნებული სასწავლო მედიის გამოყენების შემდეგ. შეგროვებული მონაცემები 30 მოსწავლის შემდგომი ტესტის ქულებია.

აღწერითი სტატისტიკის გამოყენების ეტაპები შეიძლება იყოს:
– გამოთვალეთ საშუალო მნიშვნელობები კლასის საშუალო მოსწრების გასარკვევად.
– გამოთვალეთ მედიანა, რათა ნახოთ საშუალო მნიშვნელობა, რომელიც უფრო მდგრადია ექსტრემალური მნიშვნელობების მიმართ.
– გამოთვალეთ სტანდარტული გადახრა იმის შესაფასებლად, ერთგვაროვანია თუ არა სწავლის შედეგები.
– შექმენით ჰისტოგრამა მნიშვნელობების განაწილების სანახავად.
– ინტერპრეტაციის გასაადვილებლად შექმენით კატეგორიების ცხრილი (მაგალითად: ძალიან კარგი, კარგი, საკმარისი, ნაკლებად).

ამ შედეგებიდან მკვლევრებს შეუძლიათ დაასკვნან, მაგალითად, რომ საშუალო ქულა გაიზარდა და სტუდენტების უმრავლესობა კარგ კატეგორიაშია, თუმცა ჯერ კიდევ არიან სტუდენტები, რომლებსაც დამატებითი დახმარება სჭირდებათ.

აღწერითი სტატისტიკის უპირატესობები განათლების მკვლევრებისა და პრაქტიკოსებისთვის

აღწერითი სტატისტიკის გამოყენება რეალურ სარგებელს იძლევა, მათ შორის:
1. სასწავლო ინტერვენციის განხორციელებამდე (ტესტირებამდე) და მის შემდეგ (ტესტირების შემდგომი) საწყისი პირობების გააზრება.
2. მონაცემთა ვარიაციების მეშვეობით მოსწავლეებს შორის ან კლასებს შორის ხარვეზების გამოვლენა.
3. დიდი მონაცემების გამარტივება ლაკონურ და შინაარსიან ინფორმაციად.
4. გადაწყვეტილების მიღების მხარდაჭერა, მაგალითად, გამაჯანსაღებელი პროგრამების განსაზღვრა, გამდიდრება ან სწავლების სტრატეგიების გაუმჯობესება.
5. მონაცემების განაწილებისა და მახასიათებლების შესწავლით, ჯერ დაადასტურეთ შემდგომი ანალიზის, როგორიცაა t-ტესტი ან ANOVA, მიზანშეწონილობა.

დახურვა

აღწერითი სტატისტიკა საგანმანათლებლო კვლევის აუცილებელი საფუძველია. ცენტრალური ტენდენციის, დისპერსიის, განაწილების და მონაცემთა წარდგენის სხვადასხვა ფორმის საზომების მეშვეობით, მკვლევრებს შეუძლიათ სასწავლო სიტუაციების ობიექტურად და სისტემატურად აღწერა. მისი გამოყენება არა მხოლოდ აკადემიური მიზნებისთვისაა სასარგებლო, არამედ ყოველდღიურ საგანმანათლებლო პრაქტიკაშიც უწყობს ხელს: ეხმარება მასწავლებლებს მოსწავლეთა საჭიროებების გაგებაში, ეხმარება სკოლებს პროგრამების შეფასებაში და ეხმარება პოლიტიკის შემქმნელებს ხარისხის გაუმჯობესების სტრატეგიების შემუშავებაში. აღწერითი სტატისტიკის კარგი გაგებით, საგანმანათლებლო კვლევა იქნება უფრო ძლიერი, უფრო ინფორმაციული და უფრო რელევანტური სწავლებისა და სწავლის პროცესის გასაუმჯობესებლად.