Подаци (психологија)

С Википедије, слободне енциклопедије

Податак је вредност коју варијабла "узима" за одређени објект. Варијабла је нека особина објеката истраживања, док је податак мера те особине. Изражава се у степену (за нумеричке варијабле) и на који начин (за категоричке варијабле) је особина реализована. Варијабла је скуп података исте врсте који се односе на одређену групу објеката истраживања. У статистици се такав скуп назива и вектор.[1]

Категорички подаци[уреди | уреди извор]

Категорички подаци су вредности категоричких варијабли за различите објекте. Објекти се деле у две категорије (дихотомија), три (трихотомија) или више група (политомија). Постоје два проблема при коришћењу категоричких варијабли (проблеми код категоричких података):

  1. Проблем разврставања популације на категорије (како поделити популације у категорије - назива се и категоризација или класификација популације или таксономија и типологија)
  2. Проблем сврставања објеката у категорије  (када постоје категорије, како сврстати објекте у те категорије - назива се и   класификација или класификација објеката или дијагностицирање)

Класификација популације[уреди | уреди извор]

Правила или принципи или критеријуми класификације популације:

  1. Основни принцип – у исту категорију се сврставају објекти који су по нечему једнаки или слични тј. сви објекти који имају заједничку вредност неке варијабле. Истовремено, различити објекти се разврставају у различите категорије. Објекти се по сличностима здружују, а по разликама деле. Класификација тј. категоризација служи да одредимо да ли су објекти исти или различити по некој варијабли.
  2. Додатни принципи класификације популације су дати у облику препорука како треба делити популацију на категорије. Могу бити формални и садржински. Садржински подразумева да класификација треба да одражава структуру и садржину појаве која се испитује.

Формални принципи су:

  1. Принцип искључивости (категорије морају бити међусобно искључиве, не смеју да се преклапају – један објекат припада само једној или ниједној категорији)
  2. Принцип исцрпности (категорије исцрпљују популацију и сваки објекат мора припадати најмање једној категорији, а може бити категорисан и у више категорија. Комбинацијом принципа исцрпности и искључивости добија се захтев да сваки објекат припада само једној категорији. Али ова захтева могу бити и независни.)
  3. Принцип јединствености или доследности (све категорије се дефинишу с обзиром на један критеријум класификеције – тада је класификација једнодимензионална)

Код вишедимензионалних класификација тј. категоризација с обзиром на више критеријума постоји два принципа класификације:

  1. Принцип укрштања којим се добијају укрштене класификације (жене пушачи, жене непушачи, мушкарци пушачи, мушкарци непушачи)
  2. Принцип хијерархије којим се добијају хијерерхијске класификације код којих постоје категорије вишег реда (врсте) и нижег реда (родови). Ове категорије се не укрштају већ се неколико категорија нижег реда комбинује само са једном категоријом вишег реда.

Класификација објеката[уреди | уреди извор]

Овде је решен проблем формирања категорија. У категоризацији објеката треба разликовати типичне (централне) случајеве код којих је лако одредити којој категорији припадају и прелазне (граничне) случајеве за које је тешко утврдити категорију. Проблем граничних случајева се може решити на више начина, али ни један није идеалан.

Први, могуће је поставити прецизан критеријум и њега се држати доследно (мана је што је могуће укључити нетипичне случајеве, а изоставити типичне). Друго, могуће је увсети нову категорију за нетипичне случајеве, али се тиме угрожавају формални принципи класификације популације, а могуће је да се јаве и нови прелазни случајеви који не одговарају ни тој новој категорији. Треће, могуће је из истраживања избацити нетипичне случајеве и задржати само типичне, али се тиме губи исцрпност класификације и подаци о прелазним случајевима.[1]

Нумерички подаци[уреди | уреди извор]

Нумерички подаци (мере) су вредности нумеричких варијабли. Код њих се објектима приписују бројеви. Свака мера мора припадати одређеном опсегу вредности. Врсте нумеричких података. Постоји домен бројева као апстрактних појмова и домен објеката који имају извесне особине присутне у одређнемо степену и изражене бројевима. Поступком мерења се повезују ова два домена. Објектима се приписују бројеви и тиме се врши мерење одговарајуће нумеричке варијабле. Класификација нумеричких података заснована на томе у којој су мери одређени математички поступци примерени одговарајућим подацима је класификација на номиналне, ординалне, интервалне, рацио и апсолутне податке тј. мере.

Истим именима се називају скале којима се они мере или варијабле за које се прикупљају ови подаци.

  1. Номинални подаци – код њих бројеви служе искључиво као имена за категорије. Номинални подаци су заправо категорички подаци, али изражени бројевима. Математички поступци који су примерени овим подацима су само једнакост и неједнакост. Не може се утврдити да ли је вредност неког објекта већа од вредности неког другог објекта када су у питању номинални подаци и потпуно је све једно који број се приписује за неки податак.
  2. Ординални подаци (рангови) – код оваквих података бројеви омогућавају рангирање, уређивање објеката по степену изражености неке особине. Дакле може се утврдити да су објекти по вредностима на ординалним варијаблама исти или различити, али и да ли је вредност неког објекта већа или мања од неког другог. Објекти се, на основу ординалних података, могу поређати у ранг листу. Постоје две мане ординалних података- проблем поређења интервала (неодређеност размака) и проблем поређења мера (неодређеност умножака). Проблем поређења интервала подразумева се код ординалних података не зна величина интервала између суседних рангова, тј. не зна се да ли је размак између првог и другог у низу већи, исти или мањи од размака између другог и трећег у низу. Проблем поређења мера подразумева да се не зна за колико је, у којем степену је једна мера већа од друге, тј. не можемо да тврдимо да је вредност другог у низу два пута мања од првог објекта у низу.
  3. Интервални подаци су на вишем математичком нивоу него ординални и номинални јер код њих постоји једнакост и разлика, зна се која је вредност већа или мања од које, а могуће је и поређење интервала. Међутим код интервалних података постији проблем поређења мера тј. неодређеност умножака – није могуће смислено тврдити колико је једна варијабла већа или мања од друге. Мана интервалних података је то што немају природну нулу, већ арбитратно одређену нулу.
  4. Рацио подаци имају могућност поређења мера и имају природну нулу која означава одсуство мерене варијабле. Међутим рацио подаци имају, као и интервални, арбитрарно одређену мерну јединицу и мере свих објеката се одређују као неки умножак мерне јединице. Постоје еквивалентне мерне скале тј. начин да се исте величине изразе различитим мерним јединицама. Рацио мере су углавном мере у у природним наукама.
  5. Апсолутни подаци. Номинална, ординална, интервална и рацио скала су Стивенсове мерне скале. Апсолутни подаци не спадају у ове скале. Апсолутни подаци се добијају пребројавањем, утврђивањем збира неких елемената. У психолошким истраживањима користе се за утврђивање броја реакција одређеног типа код појединачних субјеката. Апсолутни подаци, као и рацио подаци, имају могућност квантитативног поређења и имају природну нулу, али за разлику од рацио података имају и природне мерне јединице, а то је један пребројани елемент, па немају еквивалентну мерну јединицу.

Све наведене скале се даље могу груписати у дискретне и континуалне мере тј. податке.

Дискретне (дигиталне) мере могу узети само одређене вредности (целе бројеве) и не могу имати међувредности. У ове мере се сврставају ординалне и апсолутне мере. Континуалне (аналогне) мере се могу мењати на непрекидан начин, без скокова. То не значи да за сваке две различите мере могу постојати међувредности у начелу. У ове мере се убрајају интервалне и рацио мере.[1]

Види још[уреди | уреди извор]

Референце[уреди | уреди извор]

  1. ^ а б в Дејан Тодоровић: Основи методологије психолошких истраживања. Београд, 2008.