Этапы эмпирического исследования. Анализ основных методов эмпирического и теоретического познания Определение основных понятий

Параметрическая статистика применяется в случаях, когда эмпирические показатели измерены в интервальной шкале, шкале отношений или абсолютной шкале в условиях нормального распределения экспериментальных переменных. В качестве мер центральной тенденции используются мода (Мо), медиана (Me) и среднее, или математическое ожидание (Мx). Измерение рассеяния (мер изменчивости) осуществляется посредством дисперсии (D x) и среднеквадратического отклонения (δ x), а также коэффициента вариации (V). В качестве мер связи используются коэффициенты корреляции Пирсона (R xy) и точечно-бисериальной корреляции (R pb) Для статистического вывода наиболее часто используются статистические критерии и модели. К первым можно отнести /-критерий Стьюдента, υ-критерий Уэлша, F -критерий Фишера и др. Статистическое моделирование развития и изменений психологических переменных осуществляется при помощи методов линейной и нелинейной регрессии (моделей регрессии).

Таблица 1.10

Таблица результатов

	Оценка успешности деятельности операторов	Значение коэффициента IQ операторов

Статистические методы применяются в определенном доверительном интервале, который задается исходя из потребностей точности измерений.

Доверительным интервалом называется интервал (X ± ε), который накрывает неизвестный параметр с заданной точностью. В биологических и социальных исследованиях максимальное значение ε задается в пределах 5%, т.е. ε ≤ 0,05. С понятием "доверительный интервал" тесно связан термин "уровень статистической значимости ", т.е. степень воспроизводимости сходных результатов при повторном

где – среднее по X объектов со значением с 1 по 7;

Среднее по X объектов со значением с 0 по 7; стандартное отклонение всех значений по X; – число объектов с 1 по 7; – число объектов с 0 по 7; п – общее число объектов.

Интервал измерения от -1 до +1. Теоретическая интерпретация значений подобна .

Практическое задание. Предлагается рассчитать величину статистической взаимозависимости показателей теста САД по направленности на техническую деятельность и уровня обучаемости испытуемого (в сырых оценках) (табл. 1.14).

Таблица 1.14

Результаты обследования

Номер испытуемого	Техническая направленность	Оценка обучаемости	Расчет R pb

Расчет коэффициентов корреляции служит инструментом, позволяющим осуществить корреляционный, факторный и кластерный анализ эмпирических данных. В основу факторного и кластерного анализа положено представление о корреляционных зависимостях, т.е. процедура корреляционного анализа.

Корреляционный анализ (correlatio от лат. – соотношение, связь, зависимость) – это комплексный метод исследования взаимозависимости признаков в генеральной совокупности, являющихся случайными величинами и статистически связанными. Корреляционный анализ, как правило, осуществляется с психологическими переменными, имеющими нормальное многомерное распределение. Процедуры корреляционного анализа позволяют определить степень значимости связи, установить силу и направление влияния системы переменных (X) на зависимую переменную, а также корреляционную структуру как зависимой, так и независимой переменных в ходе психологического исследования.

Для наглядности система корреляционных зависимостей представляется в виде таблиц корреляций переменных, матриц и графов (табл. 1.15 и 1.16).

Таблица 1.15

Треугольная корреляционная матрица

Признаки

Таблица 1.16

Четырехугольная корреляционная матрица

Признаки

Факторный анализ – раздел многомерного статистического анализа, сущность которого заключается в выявлении непосредственно не измеряемого (скрытого) признака, являющегося главной компонентой (производной) группы измеренных тестовых показателей. Создатель факторного анализа Ч. Спирмен выявил латентную составляющую интеллекта (1904), что положило начало бесконечным пробам факторизации психологических переменных. Центральной задачей данного метода является переход от совокупности непосредственно измеряемых признаков к системообразующим факторам, за которыми стоят реальные эмпирические данные, отражающие реальные психологические структуры. Сам фактор есть отражение реальности. Он призван, по меткому выражению Л. Терстоуна, "конденсировать" результаты психологических измерений, упрощать, сокращать (редуцировать) их и превращать материю цифр в "дух" психологической науки. Это поистине "самый психологический из всех статистических методов".

Наглядно фактор может быть представлен в виде модели "прошивания" измеренных переменных с целью выявления общего существенного элемента, отражающего главную особенность этих частных переменных (рис. 1.10).

Рис. 1.10.

Данные корреляционного и факторного анализа помогают обнаружить взаимосвязи между переменными, но, как полагают некоторые исследователи, не могут стать достаточным основанием для выводов о причинно- следственных зависимостях и об иерархии причинных связей. Выделение факторов более высокого порядка и другие модификации сути метода не меняют. Какую бы понятийную систему психолог ни использовал, в ней непременно заложен принцип причинности, который пронизывает любую концепцию. В этом существенное расхождение понятийного и факторного подходов к описанию психических явлений. Никакая формализованная процедура не может заменить концептуальные представления и логику исследователя. В факторном анализе предполагается, что наблюдаемые переменные являются математической комбинацией некоторых латентных (гипотетических или ненаблюдаемых) факторов. Однако опыт и наличие дополнительной информации о структуре исследуемого явления позволяют достаточно корректно интерпретировать результаты факторного анализа.

В психологии факторный анализ используется довольно широко и зачастую механически, без учета его возможностей. Схемы факторного анализа мозаичны. По свидетельству Б. В. Кулагина (1984), у исследователей пока "нет общепринятой процедуры факторного анализа, имеются существенные несовпадения во взглядах на приемлемость и обоснованность различных алгоритмов и подходов" .

Л. В. Куликов (1994) рекомендует соблюдать ряд основных требований для корректного применения факторного анализа. Во-первых, переменные должны быть измерены на уровне ординальной шкалы или шкалы интервалов (но классификации С. Стивенса). Во-вторых, отбирая переменные для факторного анализа, следует учитывать, что на один фактор должно приходиться по крайней мере три переменных. В-третьих, для обоснованного решения необходимо, чтобы число экспериментальных переменных не превышало одной трети от числа испытуемых. Следует всегда отдавать себе отчет, что исследовательская практика постоянно вносит коррективы, и поэтому психологу следует исходить из того, что чем сильнее нарушается это правило, тем менее точными будут результаты.

В-четвертых, нецелесообразно включать в факторный анализ переменные, у которых очень слабы связи с остальными переменными, потому что они будут иметь малую общность и не войдут ни в один фактор.

В-пятых, важнейшим моментом поиска хорошего факторного решения является определение числа факторов перед их "вращением". В окончательном решении лучше всего основываться на содержательных предположениях о структуре изучаемого явления.

При выборе переменных и сокращении их количества для следующего цикла факторного анализа можно использовать переменные, если отбирать их по факторным общностям. При интерпретации факторов можно начать работу с того, что выделить наибольшие факторные нагрузки в данном факторе. Для выделения можно использовать приемы, аналогичные выделению значимых коэффициентов корреляции, множественной детерминации () (Uberia К., 1980), а также расчеты интенсивности и экспансивности факторов .

На практике исследователь путем выявления статистически значимых корреляционных плеяд строит фактор, назовем ero X. В табл. 1.15 и 1.16 приведены данные корреляционного анализа, из которых видно, что переменные 2, 4, 5 и 6 связаны между собой статистически сильной связью и образуют общий признак (рис. 1.11).

Рис. 1.11. X

Наибольшей интенсивностью обладает пятая переменная. Она же может взять на себя роль системообразующей. Если, например, эти переменные в ходе эксперимента обозначают какие-либо психические свойства личности, то их совокупность является обобщенным качеством или психологическим фактором, где пятая переменная играет ведущую роль. Математический фактор становится психологическим не сам по себе, а в ситуации его стабильной связи с практическим проявлением изучаемого свойства Y (рис. 1.12).

Рис. 1.12. Графический вид гипотетического фактора X во взаимосвязи с Y

Кластерный анализ представляет собой совокупность статистических и иных, в том числе качественных, методов, предназначенных для дифференциации относительно отдаленных друг от друга групп и близких между собой объектов по информации о связях или мерах близости между ними.

В ходе исследования проявлений типовых признаков часто пользуются процедурой кластерного анализа. Типология определяется путем выявления признаков, близких к эталону по их дисперсии. В этом случае корреляция осуществляется не между переменными, а между субъектами, носителями признаков. Эта близость определяется по наименьшей дисперсии реальных носителей признаков относительно признаков эталона. В табл. 1.17 приведены экспериментальные данные, полученные в ходе психологического исследования. Объем экспериментальной выборки – четыре человека. Измерено пять психологических переменных.

Таблица 1.17

Экспериментальные данные, полученные в ходе психологического исследования

Носители признаков
Субъект 1
Субъект 2
Субъект 3
Субъект 4

Допустим, что дисперсионный и корреляционный анализ выявил, что субъекты 1 и 2, как и субъекты 3 и 4, могут быть объединены в две группы, или два разных кластера. Наглядно это представлено на рис. 1.13.

Рис. 1.13.

Статистические критерии (Хи-квадрат Пирсона, ί-критерий Стьюдента, v-критерий Уэлша, F -критерий Фишера и др.) представляют собой методы статистического вывода о наличии значимой связи между признаками или выявления признака, характеризующего генеральную совокупность. Критерий Хи-квадрат Пирсона – непараметричсский критерий. Статистические критерии Стьюдента, Уэлша и Фишера – критерии параметрические. На практике они применяются для оценки подобия двух групп испытуемых, у которых измерены определенные свойства, по средней и дисперсии эмпирических данных. ί-Критерий в отличие от v-критерия применяется в ситуации равенства среднеквадратических отклонений переменных. F -критерий определяет подобие выборок по дисперсии их эмпирических переменных. Формулы расчета эмпирических значений статистических критериев приведены ниже.

где М х. – средние значения тестовых данных; п – количество испытуемых; δ – среднеквадратическое отклонение.

где φ1 – угол, соответствующий большей процентной доле; φ2 – угол, соответствующий меньшей процентной доле; п 1 – количество наблюдений в первой выборке; п 2 – количество наблюдений во второй выборке.

Анализ результатов исследования при помощи, например, ί-критерия Стьюдента осуществляется по следующему алгоритму: а) производится расчет значений ί-критерия;

б) по количеству испытуемых осуществляется вход в таблицу квантилей ί-распределения Стьюдента (См.: табл. 1.12);
в) значение расчетного ί-критерия (t ρ) сравнивается с табличным значением (t т); г) если t ρ > t т, то выборки значимо различаются на уровне доверительной вероятности; д) если t f, то группы испытуемых принадлежат одной совокупности.

Практическое задание. Требуется определить однородность выборок по средним значениям уровня интеллекта, измеренного при помощи методики САД, т.е. ответить на вопрос: "Какие контрольные группы вместе с экспериментальной принадлежат одной совокупности?".

Показатели тестирования экспериментальной группы и трех контрольных выборок помещены в табл. 1.18. Расчет необходимо произвести с использованием параметрического статистического критерия, так как эмпирические данные представлены па интервальном уровне. ί-Критерий Стьюдента является параметрическим критерием.

Таблица 1.18

Тестовые (сырые) показатели методики САД

	САД-экси.

Расчетный ί-критерий по данным экспериментальной и первой выборок равен 3,91 (р < 0,001) , ί-критерий по данным экспериментальной и второй выборок равен 1,1 (р< 0,3); ί-критерий но данным экспериментальной и третьей выборок равен 0,21 (р < САД – психодиагностическая методика "Семантический анализ деятельности".

См.: Бурлачук Л. Ф., Морозов С. М. Словарь-справочник по психологической диагностике. С. 47–48.

Кулагин Б. В. Основы профессиональной психодиагностики. Л. : Медицина, 1984.

Носc И. Н. Психология управлением персоналом. Профессиологический аспект. М.: КСП+, 2002.

Расчет конкретного уровня значимости по ί-критерию производить не обязательно. Достаточно определить, что он находится в рамках доверительного интервала р < 0,05.

Анализ различий выраженности показателей предполагает, что Вы в табличной или графической форме представляете средние значения выраженности психологических показателей по группе данных по шкалам соответствующей методики. Рассмотрим на примере.

Пусть одна из методик, используемых в работе, - это «Методика диагностики уровня эмпатических способностей В.В.Бойко».

Методика позволяет определять уровень эмпатических способностей по 6 шкалам, отражающим различные виды (каналы) эмпатии: рациональная, эмоциональная, интуитивная, установки на эмпатию, проникающая, идентификация.

Оценки по каждой шкале могут варьироваться от 0 до 6 баллов.

Общая эмпатия определяется как сумма 6-ти компонентов.

Итоговый показатель уровня эмпатии варьируется от 0 до 36 баллов. При этом автор теста предлагает следующую градацию общего уровня эмпатии по уровням:

Менее 14 баллов - очень низкий уровень эмпатии;

15-21 - заниженный уровень эмпатии;

22-29 - средний уровень эмпатии;

30 баллов и выше - очень высокий уровень эмпатии.

Таблица исходных данных для 10 испытуемых выглядит следующим образом:

Таблица 1. Результаты психодиагностики уровня эмпатии

№ исп.	Рациональная	Эмоциональная	Интуитивная	Установки на эмпатию	Проникающая	Идентификация	Общий уровень эмпатии










Среднее							19,3

Такого рода сводные таблицы результатов психодиагностики обычно помещаются в приложении.

Если расчеты проводятся в статистической программе , то в ней есть удобные функции построения гистограмм средних значений и распределений.

Важно отметить, что описание данных по каждой из тестовых методик (средние значения и распределения ) не всегда связано непосредственно с сутью эмпирического исследования. Эти результаты часто даже не включаются в выводы. Для более серьезных исследований такой анализ уместен, так как позволяет проводить предварительный анализ данных, что важно для последующих расчетов (например, проверка показателя на нормальность распределения ). Но в большинстве курсовых, дипломных и магистерских работ по психологии такого рода первичный анализ данных носит сугубо иллюстративный характер. Тем не менее, грамотное оформление этой части эмпирического исследования показывает понимание студентом сущности диагностируемых по тестам психологических показателей.

Статистическая обработка и анализ данных

Обязательным требованием ко всем курсовым, дипломным и магистерским работам по психологии исследовательского типа является наличие в них статистического анализа.

Обработка данных включает: количественный (статистический) и качественный (дифференциация материала по группам) методы. К ним относятся такие виды анализа, как корреляционный, факторный, дивергентный и др. При статистической обработке данных необходимо правильно подобрать конкретные методы статистического анализа с тем, чтобы они, во-первых, соответствовали типу данных, которые получены в исследовании (для ранговых данных применяются одни виды статистических процедур, для числовых – другие), во-вторых, статистические методы обработки должны быть адекватны цели исследования и обеспечивать достоверность выводов.

При обратном движении к анализу соответствия выдвинутых гипотез полученным результатам крайне важно еще раз проверить (теперь уже опираясь на опыт, полученный при сборе данных и изучении их связей), насколько семантическая и эмпирическая интерпретация ключевых понятий исследования были удовлетворительными. То есть, в какой мере возможны прямые соотнесения показателей с теми смыслами и свойствами, к которым они первоначально были «привязаны».

При интерпретации результатов необходимо соотнести полученные данные с исходными предположениями, теоретическими схемами и моделями, уже известными научными фактами. Это позволит оценить степень новизны результатов, их согласованность с теми или иными теоретическими концепциями, найти им место в поле исследований данной темы. Отдельно необходимо обсудить результаты, которые не согласуются с исходными теоретическими предположениями, и найти этому объяснение.

Использование методов математической статистики при обработке первичных эмпирических данных необходимо для повышения достоверности выводов как в научном исследовании, так и в разработке в области практической психологии. При этом не рекомендуется ограничиваться использованием таких показателей, как средние арифметические и проценты. Они чаще всего не дают достаточных оснований для обоснованных выводов из эмпирических данных.

Множество критериев, приводимых обычно в учебниках по математической статистике, и сложное описание процедур их вычисления часто смущает студента. Многие из них используются достаточно редко. Каждый исследователь (и научный руководитель в том числе) предпочитает статистические критерии, исходя из своих знаний, опыта, типа задачи и вида данных, которые подлежат обработке. Как же поступить студенту? Можно положиться на опыт и советы научного руководителя (при этом, однако, основательно разобравшись в смысле и процедуре критерия). Можно опереться на примеры, приведенные в пособии. Одно из последних и лучших по ясности и доступности изложения - книга Е. В. Сидоренко «Методы математической обработки в психологии» (2001). Ее достоинство в том, что все приведенные методы описаны достаточно ясно, поэтапно, и могут быть использованы при так называемой «ручной» обработке данных.

Выбор метода математической обработки полученных эмпирических данных  очень важная и ответственная часть исследования. И делать это лучше до того, как получены данные. При планировании исследования необходимо заранее продумать, какие эмпирические показатели будут регистрироваться, с помощью каких методов будут обрабатываться, и какие выводы при разных результатах обработки можно будет сделать. Полезным руководством при этом может стать классификация задач и методових решения, которые приводит Е. В. Сидоренко (2001, С. 34).

При выборе математико-статистического критерия нужно, прежде всего, идентифицировать тип переменных (признаков) и шкалу, которая использовалась при измерении психологических показателей и других переменных - например, возраст, состав семьи, уровень образования.

В качестве переменных могут выступать любые показатели, которые можно сравнивать друг с другом (то есть измерять). Это может быть время выполнения задания, количество ошибок, уровень самооценки, количество правильно решенных задач и качественные особенности их выполнения, личностные показатели, получаемые в психологических тестах, и другие. Порой для студентов представляет трудность выделение переменных в работах по практической психологии, где возможности использования традиционных и стандартизированных психологических тестов (с которыми обычно ассоциируется проблема измерения) ограничены.

Следует иметь в виду, что в области практической психологии могут широко использоваться номинативные и порядковые шкалы. Речевые высказывания клиента, виды поведенческих реакций, улыбки, взгляды, - все это может рассматриваться в качестве переменных. Главное - иметь четкие и ясные критерии их отнесения к тому или иному типу в зависимости от поставленных гипотез и задач.

При выборе математико-статистического критерия нужно ориентироваться также на тип распределения данных, который получился в исследовании. Параметрические критерии используются в том случае, когда распределение полученных данных рассматривается как нормальное. Нормальное распределение с большей вероятностью (но не обязательно) получается при выборках более 100 испытуемых (может получиться и при меньшем количестве, а может не получиться и при большем). При использовании параметрических критериев необходима проверка нормальности распределения.

Для непараметрических критериев тип распределения данных не имеет значения. При небольших объемах выборки испытуемых, используемых обычно в курсовой или дипломной работе, целесообразно выбрать непараметрические критерии, которые дают большую достоверность выводам, независимо от того, получено ли в исследовании нормальное распределение данных. Большинство психологических работ сводятся к нескольким типам исследовательских задач, которые и предопределяют тип математико-статистического критерия.

Во многих исследованиях осуществляется поиск различий в психологических показателях у испытуемых, имеющих те или иные особенности. При обработке соответствующих данных могут использоваться критерии для выявления различий в уровне исследуемого признака или в его распределении. Для определения значимости различий в проявлении признака в психологических исследованиях часто используются такие показатели, как парный критерий Вилкоксона, U-критерий Манна-Уитни, критерий хи-квадрат ( 2), точный критерий Фишера, биномиальный критерий.

Во многих исследованиях осуществляется поиск взаимосвязи психологических показателей у одних и тех же испытуемых. Для обработки соответствующих данных могут использоваться коэффициенты корреляции. Связь величин друг с другом и их зависимость часто характеризуется коэффициентом линейной корреляции Пирсона и коэффициентом ранговой корреляции Спирмена.

Структура данных(и соответственно структура изучаемой психологической реальности), а также их взаимосвязь выявляется факторным анализом.

Во многих исследованиях интерес представляет анализ изменчивости признака под влиянием каких-либо контролируемых факторов, или, другими словами, оценка влияния разных факторов на изучаемый признак. Для математической обработки данных в таких задачах может использоваться U-критерий Манна-Уитни, критерий Краскела-Уоллиса, Т-критерий Вилкоксона. критерий  2 Фридмана.

Однако для исследования влияния, а тем более взаимовлияния нескольких факторов на изучаемый параметр полезнее может оказаться дисперсионный анализ. Исследователь исходит из предположения, что одни переменные могут рассматриваться как причины, а другие как следствия. Переменные первого рода считаются факторами, а переменные второго рода  результативными признаками. В этом отличие дисперсионного анализа от корреляционного, в котором предполагается, что изменения одного признака просто связаны с определенными изменениями другого (Сидоренко Е.В., 2001, С. 225).

Во многих исследованиях выявляется значимость изменений (сдвига) каких-либо психологических, поведенческих параметров и проявлений за определенный промежуток времени, в определенных условиях (например, в условиях коррекционного воздействия). Формирующие эксперименты в практической психологии решают именно эту задачу. Для обработки соответствующих данных могут использоваться коэффициенты для оценки достоверности сдвига в значениях исследуемого признака. Для этого часто применяются критерии знаков, Т-критерий Вилкоксона.

Важно обратить внимание на ограничения, которые имеет каждый критерий. Если один критерий не подходит для анализа имеющихся данных, всегда можно найти какой-либо другой, возможно, изменив тип представления самих данных.

После знакомства с процедурой вычисления критерия можно проводить «ручную» обработку данных или воспользоваться статистической программой персонального компьютера.

Применение математико-статистических критериев для проверки значимости изменений придаст большую доказательность выводам работы.

Сущность эмпирического экономического анализа.

Замечание 1

Эмпирический метод в экономической теории является первым способом изучения экономических явлений и связей.

Для эмпирического анализа характерны следующие черты:

Сбор фактов;
Первичная их обработка;
Описание используемых данных.

Самой главной задачей эмпирического метода является первоначальный сбор необходимой информации с целью обобщения, а так же, использования ее для дальнейшего теоретического анализа.

Эмпирическое экономическое исследование является независимым, но, тем не менее, связано с теоретическим уровнем познания.

Теоретический подход изучает логические связи между исследуемыми объектами и является еще одним методом экономического анализа.

Эмпирический анализ опирается на теоретические знания.

Характеристика эмпирического анализа:

Объект исследования – определенные системы экономических отношений.
Направленность - описание экономических явлений и процессов.
Методы исследования – наблюдение, измерение данных, сравнение, эксперимент.

Характеристика методов исследования.

Экономическое наблюдение представляет собой целенаправленное восприятие экономических фактов. В данном случае, аудитор отмечает экономические факты, при этом, активно не воздействуя на объект наблюдения. Данные факты, обработанные и осмысленные, используются в теоретических моделях и построениях.

Основные требования, которым должно отвечать наблюдение:

Прогнозируемость;
Планомерность;
Системность;
Избирательность;
Целеустремленность.

Экономическое измерение - это определение количественных значений, свойств объекта. При этом используются технические устройства, а так же единицы измерения. В данном случае осуществляется использование серийно выпускаемых машин, соответствующих ГОСТу, подкрепляющиеся официальными документами, либо может возникнуть необходимость в создании специализированных приборов и каких либо других установок.

Данный метод исследования увеличивает точность знаний в экономике. Базисом для такого метода, как измерение – является метрология.

Определение 1

Метрология – это такая наука, которая изучает метода и средства измерений.

Экономическое измерение как отдельная операция углубляет экономический анализ, позволяет дополнить качественный метод в экономическом исследовании количественным методом, так же, увеличивает точность экономических знаний.

Экономический эксперимент – исследование хозяйственного явления путем активного воздействия на него.

Классификация экспериментов:
- В зависимости от отрасли науки – биологические, химические, социальные и т.д.;
- В зависимости от целей исследования – поисковые, контролирующие и т.д.;
- В зависимости от способу формирования условий – естественные, искусственные;
- В зависимости от организации места проведения эксперимента – лабораторные, выездные, производственные и т.д.;
- В зависимости от типа используемых моделей – материальные, мысленные;
- В зависимости от характера анализируемых объектов – технологические, социометрические и некоторые другие признаки.
Сравнение – данный метод осуществляет установление сходства и различий между объектами. Сравнение происходит при наличии у анализируемых объектов общих характеристик, а так же по более важным признакам.

Основной формой научного знания являются научные факты, совокупности эмпирических обобщений, эмпирические законы и закономерности; понятия, обобщающие наблюдаемые предметы либо явления.

Примером могут служить статистические закономерности распределения. Данные закономерности отражают свойства экономических явлений.

На эмпирическом уровне преобладает живое созерцание (чувственное познание), рациональный момент и его формы (суждения, понятия) здесь присутствуют, но имеют подчиненное значение. Признаки эмпирического познания: сбор фактов, их обобщение, описание наблюдаемых и экспериментальных данных, их систематизация. Основные методы:

1. Наблюдение - целенаправленное пассивное изучение предметов, опирающееся в основном на данные органов чувств. Наблюдение может быть непосредственным и опосредованным различными приборами и другими техническими устройствами. Основные требования к научному наблюдению: однозначность замысла (что именно наблюдается); возможность контроля путем либо повторного наблюдения, либо с помощью других методов (например, эксперимента). Важным моментом наблюдения является интерпретация его результатов - расшифровка показаний приборов и т.п.

2. Эксперимент - активное и целенаправленное вмешательство в протекание изучаемого процесса, соответствующее изменение исследуемого объекта или его воспроизведение в специально созданных и контролируемых условиях, определяемых целями эксперимента. Основные особенности эксперимента: а) более активное (чем при наблюдении) отношение к объекту исследования, вплоть до его изменения и преобразования; б) возможность контроля за поведением объекта и проверки результатов; в) многократная воспроизводимость изучаемого объекта по желанию исследователя; г) возможность обнаружения таких свойств явлений, которые не наблюдаются в естественных условиях. Выделяют: по своим функциям исследовательские, проверочные, воспроизводящие эксперименты. По характеру объектов различают физические, химические, биологические, социальные и т.п. Существуют эксперименты качественные и количественные. Широкое распространение в современной науке получил мысленный эксперимент - система мыслительных процедур, проводимых над идеализированными объектами.

3. Сравнение - познавательная операция, выявляющая сходство или различие объектов, т.е. их тождество и различия. Оно имеет смысл только в совокупности однородных предметов, образующих класс. Сравнение предметов в классе осуществляется по признакам, существенным для данного рассмотрения. При этом предметы, сравниваемые по одному признаку, могут быть несравнимы по другому.

4. Описание - познавательная операция, состоящая в фиксировании результатов опыта (наблюдения или эксперимента) с помощью определенных систем обозначения, принятых в науке.

5. Измерение - совокупность действий, выполняемых при помощи определенных средств с целью нахождения числового значения измеряемой величины в принятых единицах измерения.

8.Научное исследование. Определение, признаки

Формой существования и развития науки является научное исследование. В Федеральном законе закона РФ от 23 августа 1996 г. «О науке и государственной научно-технической политике» научно-исследовательская деятельность определена как деятельность, направленная на получение и применение новых знаний. Цель научного исследования -- определение конкретного объекта и всестороннее, достоверное изучение его структуры, характеристик, связей на основе разработанных в науке принципов и методов познания, а также получение полезных для деятельности человека результатов, внедрение в производство с дальнейшим эффектом.

Объектом научного исследования являются материальная или идеальная системы, а предметом - структура системы, взаимодействие ее элементов, различные свойства, закономерности развития.

Результаты научных исследований оцениваются тем выше, чем выше научность сделанных выводов и обобщений, чем достовернее они и эффективнее. Они должны создавать основу для новых научных разработок.

Одним из важнейших требований, предъявляемых к научному исследованию, является научное обобщение, которое позволит установить зависимость и связь между изучаемыми явлениями и процессами и сделать научные выводы. Чем глубже выводы, тем выше научный уровень исследования.

1.1 Классификация научных исследований .

По источнику финансирования различают научные исследования бюджетные, хоздоговорные и нефинансируемые. Бюджетные исследования финансируются из средств бюджета РФ или бюджетов субъектов РФ. Хоздоговорные исследования финансируются организациями -заказчиками по хозяйственным договорам. Нефинансируемые исследования могут выполняться по инициативе ученого, индивидуальному плану преподавателя.

По длительности научные исследования можно разделить на долгосрочные, краткосрочные и экспресс-исследования.

В науке можно выделить эмпирический и теоретический уровни исследования и организации знания. Теоретический уровень научного знания предполагает наличие особых абстрактных объектов (конструктов) и связывающих их теоретических законов, создаваемых с целью идеализированного описания и объяснения эмпирических ситуаций, т.е. с целью познания сущности явлений. Цель их -- расширить знания общества и помочь более глубоко понять законы природы. Такие разработки используют в основном для дальнейшего развития новых теоретических исследований, которые могут быть долгосрочными, бюджетными и др.

Элементами эмпирического знания являются факты, получаемые с помощью наблюдений и экспериментов и констатирующие качественные и количественные характеристики объектов и влений. Устойчивая повторяемость и связи между эмпирическими характеристиками выражаются с помощью эмпирических законов, часто имеющих вероятностный характер.

Итак, теоретический уровень исследования характеризуется преобладанием логических методов познания. На этом уровне полученные факты исследуются, обрабатываются с помощью логических понятий, умозаключений, законов и других форм мышления. Здесь исследуемые объекты мысленно анализируются, обобщаются, постигаются их сущность, внутренние связи, законы развития. На этом уровне познание с помощью органов чувств (эмпирия) может присутствовать, но оно является подчиненным. Структурными компонентами теоретического познания являются проблема, гипотеза и теория. Под проблемой понимают сложную теоретическую или практическую задачу, способы решения которой неизвестны или известны не полностью. Гипотеза - это требующее проверки и доказывания предположение о причине, которая вызывает определенное следствие, о структуре исследуемых объектов и характере внутренних и внешних связей структурных элементов. Гипотеза является научной лишь в том случае, если она подтверждается фактами и она может существовать лишь до тех пор, пока не противоречит достоверным фактам опыта, в противном случае она становится просто фикцией.

Для успеха научного исследования его необходимо правильно организовать, спланировать и выполнять в определенной последовательности (процедура исследования). Эти планы и последовательность действий зависят от вида, объекта и целей научного исследования. Так, если оно проводится на технические темы, то вначале разрабатывается основной предплановый документ - технико-экономическое обоснование, а затем осуществляются теоретические и экспериментальные исследования, составляется научно-технический отчет и результаты работы внедряются в производство.

Возможно, будет полезно почитать: