Aprašomosios statistikos taikymas edukaciniuose tyrimuose
Aprašomoji statistika yra labai svarbus švietimo tyrimų komponentas, nes ji leidžia gauti glaustus, aiškius ir lengvai suprantamus duomenis. Švietimo kontekste duomenys dažnai apima įvairias temas: mokinių testų rezultatus, motyvacijos klausimynų rezultatus, lankomumo rodiklius, raštingumo balus ir net demografinius duomenis, tokius kaip amžius, lytis ir socialinė bei ekonominė padėtis. Be tinkamo apdorojimo šie duomenys tampa tiesiog skaičiais, kuriuos sunku interpretuoti. Naudodami aprašomąją statistiką, tyrėjai gali pateikti realaus pasaulio sąlygas, nustatyti pradinius modelius ir sukurti tvirtą pagrindą prieš pereidami prie išvadinės analizės.
Aprašomosios statistikos apibrėžimas ir tikslas
Aprašomoji statistika yra statistinis metodas, naudojamas duomenims rinkti, tvarkyti, apibendrinti ir pateikti taip, kad pagrindinė informacija būtų aiškiai matoma. Jos pagrindinis tikslas yra ne apibendrinti rezultatus platesnei populiacijai, o apibūdinti duomenų charakteristikas. Švietimo tyrimuose aprašomoji statistika padeda atsakyti į tokius klausimus kaip: kaip pasiskirsto mokinių pažymiai? Koks yra vidutinis mokymosi motyvacijos balas? Ar dauguma mokinių priklauso tam tikrai gebėjimų kategorijai? Arba kiek skiriasi mokymosi rezultatai tarp mokinių?
Kitaip tariant, aprašomoji statistika yra „vartai“ į duomenų supratimą. Prieš darydami išvadą apie konkretaus mokymosi modelio įtaką arba ryšį tarp kintamųjų, tyrėjai pirmiausia turi suprasti bendrą duomenų vaizdą.
Duomenų tipai ir jų reikšmė švietime
Aprašomosios statistikos taikymui didelę įtaką daro renkamų duomenų tipas. Švietimo duomenys paprastai apima:
1. Nominaliniai duomenys, pavyzdžiui, lytis (vyras/moteris), specialybė (gamtos mokslai/socialiniai mokslai), mokyklos statusas (valstybinė/privati).
2. Kelios eilės duomenys, pavyzdžiui, požiūrio skalė nuo „visiškai sutinku“ iki „visiškai nesutinku“ arba pasiekimų kategorijos (aukštas/vidutinis/žemas).
3. Intervalų duomenys, pavyzdžiui, psichologinių testų balai arba klausimynų rezultatai, kuriems naudojama Likerto skalė ir kurie tyrimų praktikoje traktuojami kaip intervalai.
4. Santykių duomenys, pavyzdžiui, egzaminų balai (0–100), lankomumas arba mokymosi laikas (valandomis).
Statistinių matavimų, tokių kaip vidurkis, mediana ar moda, pasirinkimas, taip pat duomenų vizualizavimo metodas turėtų būti pritaikytas prie duomenų skalės tipo, siekiant tikslesnio interpretavimo.
Centralizacijos matai: vidurkis, mediana ir režimas
Centrinės tendencijos matai rodo „vidurio taško“ vertę arba vertę, kuri geriausiai atspindi duomenis. Švietimo tyrimuose:
– Vidurkis (vidurkis) dažnai naudojamas apibūdinti testų rezultatus arba egzaminų pažymius. Pavyzdžiui, vidutinis aštuntos klasės matematikos balas yra 78. Ši informacija padeda mokytojams ar tyrėjams matyti bendrą klasės pasiekimų lygį.
– Mediana yra naudinga, kai duomenyse yra kraštutinių verčių (išskirtinių verčių). Pavyzdžiui, jei kai kurie studentai turi labai mažus arba labai aukštus balus, mediana gali būti reprezentatyvesnė nei vidurkis.
– Režimas naudingas kategoriniams duomenims, pavyzdžiui, dažniausiai pasitaikančiai mokymosi stiliaus kategorijai arba dominuojančiam motyvacijos lygiui.
Mokymosi vertinimo tyrimuose šios trys priemonės dažnai naudojamos kartu, siekiant gauti išsamesnį vaizdą.
Sklaidos matai: diapazonas, dispersija ir standartinis nuokrypis
Be duomenų svorio centro žinojimo, švietimo tyrėjai taip pat turi suprasti, kiek įvairūs yra duomenys. Dvi klasės gali turėti tą patį vidutinį balą, tačiau jų pasiskirstymas skiriasi. Čia prasideda sklaidos matai.
– Diapazonas yra skirtumas tarp didžiausios ir mažiausios verčių. Pavyzdžiui, jei mažiausia vertė yra 40, o didžiausia – 95, diapazonas yra 55. Diapazonas suteikia greitą svyravimų apžvalgą, tačiau yra jautrus kraštutinėms vertėms.
– Dispersija ir standartinis nuokrypis naudojami dažniau, nes jie suteikia stabilesnius variacijos matavimus. Mažas standartinis nuokrypis rodo santykinai vienodus studentų balus; didelis standartinis nuokrypis rodo didelį mokymosi rezultatų atotrūkį.
Švietimo tyrimuose standartinis nuokrypis dažnai naudojamas norint įvertinti, ar klasė yra homogeniška, ar heterogeniška, pavyzdžiui, prieš nustatant eksperimentines ir kontrolines grupes.
Duomenų pasiskirstymas: nuolydis ir smailė
Duomenų pasiskirstymo modeliai taip pat svarbūs. Rezultatų duomenys gali būti pakreipti į kairę (daug aukštų balų) arba pakreipti į dešinę (daug žemų balų). Mokymosi vertinimuose tokio tipo pasiskirstymas gali rodyti testo sudėtingumo lygį. Jei didelė dalis studentų gauna žemus balus ir pasiskirstymas yra pakreiptas į dešinę, tai gali reikšti, kad medžiaga nebuvo suprasta, mokymosi metodas yra neefektyvus arba priemonė yra per sudėtinga.
Kurtosis taip pat gali būti analizuojamas siekiant nustatyti, ar duomenys nėra pernelyg „susieti“ aplink centrą, ar išsibarstę. Nors ši analizė yra labiau techninė, pasiskirstymo supratimas padeda tyrėjams pasirinkti tinkamus pažangius analizės metodus.
Duomenų pateikimas: lentelės ir vizualizacijos
Vienas iš aprašomosios statistikos privalumų yra jos gebėjimas pateikti duomenis patraukliu ir komunikabiliu būdu. Švietimo tyrimuose dažniausiai naudojami pateikimo formatai:
1. Dažnio pasiskirstymo lentelė: rodo studentų skaičių tam tikrame reikšmių diapazone, pavyzdžiui, 0–59, 60–69, 70–79 ir pan.
2. Stulpelinė diagrama: tinka kategoriniams duomenims, pvz., motyvacijos lygiui (aukštas/vidutinis/žemas) arba klausimyno atsakymų pasirinkimams.
3. Histograma: naudojama skaitmeninių duomenų, pvz., testo balų, pasiskirstymui matyti.
4. Skritulinė diagrama: rodo proporcijas, pavyzdžiui, studentų procentinę dalį pagal lytį arba lankomumo kategoriją.
5. Dėžučių diagrama: padeda trumpai pamatyti medianą, kvartiles ir išskirtis, naudinga lyginant kelias klases ar grupes.
Tinkamas vizualizavimas palengvina tyrimų rezultatų skaitymą mokytojams, direktoriams ir politikos formuotojams.
Taikymo edukaciniuose tyrimuose pavyzdžiai
Pavyzdžiui, tyrėjas nori suprasti devintos klasės mokinių gamtos mokslų mokymosi rezultatus, panaudojus vaizdo įrašais pagrįstas mokymosi priemones. Surinkti duomenys yra 30 mokinių po testo gauti balai.
Aprašomosios statistikos taikymo žingsniai gali būti tokie:
– Apskaičiuokite vidurkį, kad sužinotumėte vidutinius klasės pasiekimus.
– Apskaičiuokite medianą, kad pamatytumėte vidurinę vertę, kuri yra atsparesnė ekstremalioms vertėms.
– Apskaičiuokite standartinį nuokrypį, kad įvertintumėte, ar mokymosi rezultatai yra vienodi.
– Sukurkite histogramą, kad matytumėte reikšmių pasiskirstymą.
– Sukurkite kategorijų lentelę (pavyzdžiui: labai gerai, gerai, pakankamai, blogiau), kad būtų lengviau interpretuoti.
Remdamiesi šiais rezultatais, tyrėjai gali daryti išvadą, pavyzdžiui, kad vidutinis pažymys pagerėjo ir dauguma mokinių patenka į gerų kategoriją, nors vis dar yra mokinių, kuriems reikia papildomos pagalbos.
Aprašomosios statistikos nauda švietimo tyrėjams ir praktikams
Aprašomosios statistikos taikymas suteikia realios naudos, įskaitant:
1. Suprasti pradines sąlygas prieš mokymosi intervencijos įgyvendinimą (prieštestas) ir po jo (potestas).
2. Skirtumų tarp mokinių arba tarp klasių nustatymas naudojant duomenų skirtumus.
3. Supaprastinkite didelius duomenis į glaustą ir prasmingą informaciją.
4. Padėti priimti sprendimus, pavyzdžiui, nustatyti korekcines programas, praturtinti ugdymą ar tobulinti mokymo strategijas.
5. Patvirtinkite tolesnės analizės, pvz., t-testo arba ANOVA, įgyvendinamumą, pirmiausia išnagrinėdami duomenų pasiskirstymą ir charakteristikas.
Uždarymas
Aprašomoji statistika yra esminis švietimo tyrimų pagrindas. Naudodami centrinės tendencijos, sklaidos, pasiskirstymo ir įvairių duomenų pateikimo formų matavimus, tyrėjai gali objektyviai ir sistemingai aprašyti mokymosi situacijas. Jos taikymas yra naudingas ne tik akademiniais tikslais, bet ir prisideda prie kasdienės švietimo praktikos: padeda mokytojams suprasti mokinių poreikius, padeda mokykloms vertinti programas ir padeda politikos formuotojams kurti kokybės gerinimo strategijas. Gerai suprantant aprašomąją statistiką, švietimo tyrimai bus stipresni, informatyvesni ir aktualesni mokymo ir mokymosi proceso tobulinimui.
