Кластерный анализ результатов социометрии

Предлагаемая схема обработки социометрической матрицы с использованием кластерного анализа (КА) снимает проблему трудоемкости в задачах изучения структуры групп, выделения группировок и позволяет отразить разные «точки зрения» на социальную структуру группы. Объем изучаемой группы при этом практически не ограничен.

Первая проблема – задание метрики взаимоотношений. Исходной для КА должна быть матрица, симметричная относительно главной диагонали, каждый элемент которой отражал бы попарные различия (расстояния) между субъектами. В социометрии субъект далеко не всегда выбирает того, кто выбрал его. Следовательно, необходимо оцифровать исходную социоматрицу так, чтобы ее можно было представить в симметричном виде. В соответствии с тремя типами одностороннего отношения («да», «нет», «пусто»), можно определить шесть возможных типов взаимоотношений, каждому из которых необходимо присвоить свое числовое значение, отражающее социальную дистанцию.

Минимальной дистанции («да–да» – положительный взаимный выбор) должно соответствовать минимальное число, максимальной («нет–нет» – отрицательный взаимный выбор) – максимальное число. Исходя из этого принципа, можно подобрать числа для исходных выборов. Положительному выбору («да») присвоим значение 1, нейтральному отношению («пусто») – 2, отрицательному выбору («нет») – 4. Другой вариант, соответственно, 1–3–4. Вариант 1–2–3 недопустим, так как будут неразличимы варианты отношений «да–нет» и «пусто–пусто». Диагональные элементы заменяем нулями (расстояния между идентичными элементами). Приведение исходной матрицы к симметричному виду производится путем сложения строк и столбцов с одинаковыми номерами. Полученная симметричная матрица отражает все попарные взаимоотношения между членами группы: «да–да» – 2, «да–пусто» – 3, «пусто–пусто» – 4, «да–нет» – 5, «пусто–нет» – 6, «нет–нет» – 8.

В отношении полученной симметричной матрицы необходимо сделать два замечания. Во-первых, на этом этапе мы теряем часть исходной информации о направлении выбора. Например, расстояние 3 свидетельствует об одностороннем положительном выборе в паре, однако симметричная социоматрица не дает возможности узнать, кто в паре выбирает, а кто остается нейтральным. Во-вторых, принятая в данном случае оцифровка (1– 3 – 4) приводит к тому, что расстояние в паре с амбивалентными отношениями («да–нет» = 5) становится меньше, чем взаимно нейтральные отношения («пусто–пусто» = 6).

При оцифровке (1–2–4) соотношение было бы обратным. В зависимости от того, какие отношения исследователь считает более близкими, амбивалентные или односторонне отрицательные – выбирается и вариант оцифровки.

Вторая проблема – выбор метода кластеризации и интерпретация результатов. Из всего множества известных методов наиболее приемлемыми оказались иерархические: одиночной, полной и средней связи, реализованные в известных статистических программных средствах (STATISTIKA, SPSS и др.).

При использовании метода одиночной связи («ближайшего соседа») в расчет принимаются только наиболее близкие отношения. Новый кандидат на включение присоединяется к той группировке (кластеру), один из членов которой находится в самых близких с ним отношениях, по сравнению с членами других группировок. Отношение между выделенными группировками трактуются так же: это наилучшие взаимоотношения между любым из членов одной группировки и любым из членов другой. Часто в одну группировку попадают субъекты с взаимно отрицательным выбором на том основании, что другой член этой группировки находится с ними в отношениях взаимного положительного выбора.

Метод полной связи («дальнего соседа») демонстрирует другой подход к анализу той же матрицы. Кандидат на включение в кластер присоединяется к той группе (кластеру), самый дальний член которой все же ближе, чем самые дальние от него члены других кластеров. Точно так же происходит дальнейшее объединение первичных группировок на основании наихудших отношений между объединяемыми группировками, которые, однако, должны быть лучше, чем сложились бы при объединении с другими группировками.

Таким образом, два метода кластеризации соответствуют двум точкам зрения на одну и ту же структуру взаимоотношений: оптимистичное объединение в большие кластеры в случае метода одиночной связи и пессимистичное дробление группы на множество мелких кластеров методом полной связи. Метод средней связи занимает промежуточное положение, но его психологическая интерпретация не столь очевидна.

Январь 24, 2019 Общая психология, психология личности, история психологии
Еще по теме
Кластерный анализ.
КЛАСТЕРНЫЙ АНАЛИЗ (CLUCTER ANALYSIS)
СОЦИОМЕТРИЯ (SOCIOMETRY)
Анализ результатов
В РЕЗУЛЬТАТЕ ПРОВЕДЁННОГО АНАЛИЗА
Сравнительный анализ результатов выполнения тестов
ГРИГОРЬЕВА Н. В. АНАЛИЗ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ ДИВЕРГЕНТНОСТИ МПА
УПРАЖНЕНИЕ 11.2. ГИПОТЕТИЧЕСКИЕ РЕЗУЛЬТАТЫ ПРИКЛАДНОГО АНАЛИЗА ПОВЕДЕНИЯ
КЛАСТЕРНАЯ ВЫБОРКА
УПРАЖНЕНИЕ 11.3. ГРАФИЧЕСКОЕ ИЗОБРАЖЕНИЕ РЕЗУЛЬТАТОВ ПРИКЛАДНОГО АНАЛИЗА ПОВЕДЕНИЯ
КЛАСТЕРНАЯ ВЫБОРКА
СПЕЦИФИКА КРИЗИСОВ ВЗРОСЛОГО ПЕРИОДА И АНАЛИЗ РЕЗУЛЬТАТОВ НОВЫХ ЭМПИРИЧЕСКИХ ИССЛЕДОВАНИЙ.
СПЕЦИФИКА КРИЗИСОВ ВЗРОСЛОГО ПЕРИОДА И АНАЛИЗ РЕЗУЛЬТАТОВ НОВЫХ ЭМПИРИЧЕСКИХ ИССЛЕДОВАНИЙ.
ДЕТАЛЬНЫЙ АНАЛИЗ ПО РЕЗУЛЬТАТАМ ПРОВЕДЕННЫХ ПАТОПСИХОЛОГИЧЕСКИХ МЕТОДИКУ СТУДЕНТОВ ФАКУЛЬТЕТА ПСИХОЛОГИИ ОБУЧАЮЩИХСЯ НА 4 КУРСЕ.
В МОНОГРАФИИ ПРЕДСТАВЛЕНЫ РЕЗУЛЬТАТЫ ПСИХОЛОГИЧЕСКОГО АНАЛИЗА ЛИЧНОСТИ В КАЧЕСТВЕ СУБЪЕКТА ДЕЯТЕЛЬНОСТИ И ИНДИВИДУАЛЬНОГО ЖИЗНЕННОГО ПУТИ.
Анализ результатов проведенных патопсихологических методик и СТУДЕНТОВ СГУ ФАКУЛЬТЕТА ФИЗИЧЕСКОЙ КУЛЬТУРЫ И СПОРТА, ОБУЧАЮЩИХСЯ на первом курсе
РАЗЛИЧИЕ МЕЖДУ АНАЛИЗОМ ЗАДАНИЯ И АНАЛИЗОМ РАБОТЫ
Метод качественного содержательного анализа текста (контент-Анализ)
Добавить комментарий