Rencana:
1. Penelitian metode statistik matematika dalam penelitian pedagogis.
1. Penelitian metode statistik matematika dalam penelitian pedagogis.
Baru-baru ini, langkah-langkah serius telah diambil untuk memperkenalkan metode matematika pedagogi untuk menilai dan mengukur fenomena pedagogis dan membangun hubungan kuantitatif di antara mereka. Metode matematika memungkinkan kita untuk mendekati solusi dari salah satu tugas pedagogi yang paling sulit - penilaian kuantitatif fenomena pedagogis. Hanya pengolahan data kuantitatif dan kesimpulan yang dihasilkan dapat secara objektif membuktikan atau menyangkal hipotesis yang diajukan.
Dalam literatur pedagogis, sejumlah metode untuk pemrosesan statistik data dari eksperimen pedagogis diusulkan (L. B. Itelson, Yu. V. Pavlov, dan lainnya). Ketika menggunakan metode statistik matematika, harus diingat bahwa statistik itu sendiri tidak mengungkapkan esensi fenomena dan tidak dapat menjelaskan alasan perbedaan yang muncul antara aspek individu dari fenomena tersebut. Misalnya, analisis hasil penelitian menunjukkan bahwa metode pengajaran yang digunakan memberikan hasil yang lebih baik dibandingkan dengan yang dicatat sebelumnya. Namun, perhitungan ini tidak dapat menjawab pertanyaan mengapa metode baru lebih baik daripada yang lama.
Yang paling umum dari metode matematika yang digunakan dalam pedagogi adalah:
1. Pendaftaran - suatu metode untuk mengidentifikasi adanya kualitas tertentu di setiap anggota kelompok dan jumlah total dari mereka yang memiliki atau tidak memiliki kualitas ini (misalnya, jumlah anak yang menghadiri kelas tanpa lulus dan membuat umpan, dll.).
2. Pemeringkatan (atau metode pemeringkatan) melibatkan pengaturan data yang dikumpulkan dalam urutan tertentu, biasanya dalam urutan naik atau turun dari indikator apa pun dan, karenanya, menentukan tempat di baris ini untuk masing-masing mata pelajaran (misalnya, menyusun daftar anak-anak tergantung pada jumlah kelas yang tidak terjawab, dll.).
3. Penskalaan sebagai metode penelitian kuantitatif memungkinkan untuk memperkenalkan indikator numerik dalam penilaian aspek-aspek tertentu dari fenomena pedagogis. Untuk tujuan ini, subjek diberi pertanyaan, jawaban yang mereka harus menunjukkan tingkat atau bentuk penilaian yang dipilih dari antara penilaian ini, diberi nomor dalam urutan tertentu (misalnya, pertanyaan tentang bermain olahraga dengan pilihan jawaban: a) Saya saya suka, b) Saya melakukannya secara teratur, c) tidak berolahraga secara teratur, d) tidak melakukan olahraga apa pun).
Menghubungkan hasil dengan norma (dengan indikator yang diberikan) melibatkan penentuan penyimpangan dari norma dan menghubungkan penyimpangan ini dengan interval yang dapat diterima (misalnya, dengan pembelajaran terprogram, 85-90% jawaban yang benar sering dianggap sebagai norma; jika ada lebih sedikit yang benar jawaban, ini berarti program terlalu sulit jika lebih, maka terlalu ringan).
Penetrasi metode matematika ke dalam bidang aktivitas manusia yang paling beragam mengaktualisasikan masalah pemodelan, yang dengannya korespondensi objek nyata dengan model matematika ditetapkan. Setiap model adalah gambar homomorfik dari beberapa sistem dalam sistem lain (homomorfisme adalah korespondensi satu-ke-satu antara sistem yang mempertahankan hubungan dasar dan operasi dasar). Model matematika dalam kaitannya dengan objek simulasi adalah analog pada tingkat struktur.
Kekhususan pemrosesan statistik hasil penelitian psikologis dan pedagogis terletak pada kenyataan bahwa basis data yang dianalisis dicirikan oleh sejumlah besar indikator dari berbagai jenis, variabilitasnya yang tinggi di bawah pengaruh faktor acak yang tidak terkendali, kompleksitas korelasi antara variabel sampel, perlu mempertimbangkan faktor objektif dan subjektif yang mempengaruhi hasil diagnostik. , terutama ketika memutuskan keterwakilan sampel dan mengevaluasi hipotesis mengenai populasi umum. Data penelitian dapat dibagi menjadi beberapa kelompok menurut jenisnya:
Kelompok pertama adalah variabel nominal (jenis kelamin, data pribadi, dll). Operasi aritmatika pada besaran seperti itu tidak ada artinya, sehingga hasil statistik deskriptif (rata-rata, varians) tidak berlaku untuk besaran tersebut. Cara klasik untuk menganalisisnya adalah dengan membaginya ke dalam kelas kontingensi sehubungan dengan fitur nominal tertentu dan memeriksa perbedaan yang signifikan berdasarkan kelas.
Kelompok data kedua memiliki skala pengukuran kuantitatif, tetapi skala ini bersifat ordinal (ordinal). Dalam analisis variabel ordinal, baik teknologi subsampling maupun rank digunakan. Metode parametrik juga dapat diterapkan dengan beberapa keterbatasan.
Kelompok ketiga - variabel kuantitatif yang mencerminkan tingkat keparahan indikator yang diukur - ini adalah tes Cattell, kinerja akademik, dan tes penilaian lainnya. Saat bekerja dengan variabel dalam kelompok ini, semua jenis analisis standar dapat diterapkan, dan dengan ukuran sampel yang memadai, distribusinya biasanya mendekati normal. Dengan demikian, keragaman jenis variabel memerlukan penggunaan berbagai metode matematika yang digunakan.
Prosedur analisis dapat dibagi menjadi langkah-langkah berikut:
Mempersiapkan database untuk analisis. Tahap ini termasuk mengubah data ke dalam format elektronik, memeriksanya untuk outlier, memilih metode untuk bekerja dengan nilai yang hilang.
Statistik deskriptif (perhitungan rata-rata, varians, dll.). Hasil statistik deskriptif menentukan karakteristik parameter sampel yang dianalisis atau subsampel yang ditentukan oleh satu partisi atau lainnya.
Analisis eksplorasi. Tugas tahap ini adalah studi yang bermakna dari berbagai kelompok indikator sampel, hubungan mereka, mengidentifikasi faktor eksplisit dan tersembunyi (laten) utama yang mempengaruhi data, melacak perubahan indikator, hubungan mereka dan pentingnya faktor ketika membagi database menjadi kelompok, dll. Alat penelitiannya adalah berbagai metode dan teknologi korelasi, analisis faktor dan klaster. Tujuan analisis adalah untuk merumuskan hipotesis mengenai sampel yang diberikan dan populasi umum.
Analisis rinci dari hasil yang diperoleh dan verifikasi statistik dari hipotesis yang diajukan. Pada tahap ini, hipotesis diuji mengenai jenis fungsi distribusi variabel acak, signifikansi perbedaan rata-rata dan varians dalam subsampel, dll. Saat meringkas hasil penelitian, pertanyaan tentang keterwakilan sampel dipecahkan.
Perlu dicatat bahwa urutan tindakan ini, sebenarnya, tidak kronologis, dengan pengecualian tahap pertama. Ketika hasil statistik deskriptif diperoleh dan pola-pola tertentu diidentifikasi, maka perlu untuk menguji hipotesis yang muncul dan segera melanjutkan ke analisis rincinya. Tetapi bagaimanapun juga, ketika menguji hipotesis, dianjurkan untuk menganalisisnya dengan berbagai cara matematis yang sesuai dengan model, dan hipotesis harus diterima pada tingkat signifikansi tertentu hanya jika dikonfirmasi dengan beberapa metode berbeda.
Ketika mengatur pengukuran apapun, korelasi (perbandingan) yang diukur dengan alat ukur (standar) selalu diasumsikan. Setelah prosedur korelasi (perbandingan), hasil pengukuran dievaluasi. Jika dalam teknologi, sebagai aturan, standar material digunakan sebagai meter, maka dalam pengukuran sosial, termasuk pengukuran pedagogis dan psikologis, meter bisa menjadi ideal. Memang, untuk menentukan apakah tindakan mental tertentu telah terbentuk pada seorang anak atau tidak, perlu membandingkan yang sebenarnya dengan yang diperlukan. Dalam hal ini yang diperlukan adalah model ideal yang ada di kepala guru.
Perlu dicatat bahwa hanya beberapa fenomena pedagogis yang dapat diukur. Mayoritas fenomena pedagogis tidak dapat diukur, karena tidak ada standar fenomena pedagogis, yang tanpanya pengukuran tidak dapat dilakukan.
Adapun fenomena seperti aktivitas, keceriaan, kepasifan, kelelahan, keterampilan, kebiasaan, dll, belum mungkin untuk mengukurnya, karena tidak ada standar aktivitas, kepasifan, kelincahan, dll. Karena kompleksitas yang ekstrem dan, sebagian besar, ketidakmungkinan praktis untuk mengukur fenomena pedagogis, metode khusus saat ini digunakan untuk penilaian kuantitatif perkiraan fenomena ini.
Saat ini, merupakan kebiasaan untuk membagi semua fenomena psikologis dan pedagogis ke dalam dua kategori besar: fenomena material objektif (fenomena yang ada di luar dan terlepas dari kesadaran kita) dan fenomena subjektif non-materi (fenomena karakteristik orang tertentu).
Fenomena material objektif meliputi: proses kimia dan biologis, gerakan yang dilakukan oleh seseorang, suara yang dibuat olehnya, tindakan yang dilakukan olehnya, dll.
Fenomena dan proses subyektif tidak berwujud meliputi: sensasi, persepsi dan ide, fantasi dan pemikiran, perasaan, kecenderungan dan keinginan, motivasi, pengetahuan, keterampilan, dll.
Semua tanda fenomena dan proses material objektif dapat diamati dan pada prinsipnya selalu dapat diukur, meskipun ilmu pengetahuan modern terkadang tidak dapat melakukannya. Setiap properti atau sifat dapat diukur secara langsung. Ini berarti bahwa melalui operasi fisik selalu dapat dibandingkan dengan beberapa nilai nyata yang diambil sebagai standar ukuran dari properti atau atribut yang sesuai.
Fenomena non-materi subjektif tidak dapat diukur, karena tidak ada dan tidak dapat menjadi standar material untuk mereka. Oleh karena itu, metode perkiraan untuk mengevaluasi fenomena digunakan di sini - berbagai indikator tidak langsung.
Inti dari penggunaan indikator tidak langsung adalah bahwa sifat yang diukur atau tanda dari fenomena yang diteliti dikaitkan dengan sifat material tertentu, dan nilai sifat material ini diambil sebagai indikator dari fenomena non-material yang sesuai. Misalnya, efektivitas metode pengajaran baru dinilai dari kemajuan siswa, kualitas pekerjaan siswa - dengan jumlah kesalahan yang dilakukan, kesulitan materi yang dipelajari - dengan jumlah waktu yang dihabiskan, pengembangan keterampilan. sifat mental atau moral - dengan jumlah tindakan atau kesalahan yang relevan, dll.
Dengan semua minat besar yang biasanya ditunjukkan oleh para peneliti dalam metode analisis kuantitatif data eksperimen dan materi massa yang diperoleh dengan menggunakan metode yang berbeda, tahap pemrosesan sangat penting - analisis kualitatif mereka. Dengan bantuan metode kuantitatif, dimungkinkan, dengan berbagai tingkat keandalan, untuk mengidentifikasi keuntungan dari metode tertentu atau untuk mendeteksi tren umum, untuk membuktikan bahwa asumsi ilmiah yang sedang diuji telah dibenarkan, dll. Namun, analisis kualitatif harus memberikan jawaban atas pertanyaan mengapa ini terjadi, apa yang mendukungnya, dan apa yang menjadi hambatan, dan seberapa signifikan pengaruh gangguan ini, apakah kondisi eksperimental terlalu spesifik untuk teknik ini untuk direkomendasikan. untuk digunakan dalam kondisi lain, dll. Pada tahap ini, penting juga untuk menganalisis alasan yang mendorong responden individu untuk memberikan jawaban negatif, dan untuk mengidentifikasi penyebab kesalahan umum dan bahkan acak tertentu dalam pekerjaan anak-anak individu, dll. Penggunaan semua metode analisis data yang dikumpulkan ini membantu mengevaluasi hasil eksperimen dengan lebih akurat, meningkatkan keandalan kesimpulan tentangnya, dan memberikan lebih banyak alasan untuk generalisasi teoretis lebih lanjut.
Metode statistik dalam pedagogi hanya digunakan untuk mengukur fenomena. Untuk menarik kesimpulan dan kesimpulan, diperlukan analisis kualitatif. Jadi, dalam penelitian pedagogis, metode statistik matematika harus digunakan dengan hati-hati, dengan mempertimbangkan kekhasan fenomena pedagogis.
Jadi, sebagian besar karakteristik numerik dalam statistik matematika digunakan ketika properti atau fenomena yang diteliti memiliki distribusi normal, yang dicirikan oleh susunan simetris dari nilai-nilai elemen populasi relatif terhadap nilai rata-rata. Sayangnya, mengingat studi fenomena pedagogis yang tidak memadai, hukum distribusi dalam kaitannya dengan mereka, sebagai suatu peraturan, tidak diketahui. Selanjutnya untuk mengevaluasi hasil penelitian sering diambil nilai rangking yang bukan merupakan hasil pengukuran kuantitatif. Oleh karena itu, tidak mungkin untuk melakukan operasi aritmatika dengan mereka, dan karenanya menghitung karakteristik numerik untuk mereka.
Setiap seri statistik dan representasi grafisnya adalah materi yang dikelompokkan dan disajikan secara visual yang harus diproses secara statistik.
Metode pemrosesan statistik memungkinkan untuk memperoleh sejumlah karakteristik numerik yang memungkinkan untuk memprediksi perkembangan proses yang menarik bagi kami. Karakteristik ini, khususnya, memungkinkan untuk membandingkan serangkaian angka yang berbeda yang diperoleh dalam penelitian pedagogis dan menarik kesimpulan dan rekomendasi pedagogis yang sesuai.
Semua seri variasi dapat berbeda satu sama lain dengan cara berikut:
1. Secara besar-besaran, yaitu batas atas dan batas bawahnya, yang biasanya disebut batas.
2. Nilai atribut di mana mayoritas varian terkonsentrasi. Nilai fitur ini mencerminkan tren sentral dari seri, yaitu. khas untuk seri.
3. Variasi di sekitar tren sentral dari seri.
Sesuai dengan ini, semua indikator statistik deret variasi dibagi menjadi dua kelompok:
-indikator yang mencirikan tren pusat atau tingkat seri;
-indikator yang mencirikan tingkat variasi di sekitar tren sentral.
Kelompok pertama mencakup berbagai karakteristik mean: median, mean aritmatika, mean geometrik, dll. Untuk kedua - rentang variasi (batas), mean deviasi absolut, standar deviasi, varians, koefisien asimetri dan variasi. Ada indikator lain, tetapi kami tidak akan mempertimbangkannya, karena. mereka tidak digunakan dalam statistik pendidikan.
Saat ini, konsep "model" digunakan dalam berbagai pengertian, yang paling sederhana adalah penunjukan sampel, standar. Dalam hal ini, model sesuatu tidak membawa informasi baru dan tidak melayani tujuan pengetahuan ilmiah. Dalam pengertian ini, istilah "model" dalam sains tidak digunakan. Dalam arti luas, model dipahami sebagai struktur yang dibuat secara mental atau praktis yang mereproduksi bagian dari realitas dalam bentuk yang disederhanakan dan visual. Dalam arti yang lebih sempit, istilah "model" digunakan untuk menggambarkan area fenomena tertentu dengan bantuan yang lain, lebih dipelajari, mudah dipahami. Dalam ilmu pedagogis, konsep ini digunakan dalam arti luas sebagai gambaran spesifik dari objek yang dipelajari, di mana properti, struktur, dll yang nyata atau yang seharusnya ditampilkan. Pemodelan banyak digunakan dalam mata pelajaran akademik sebagai analogi yang dapat terjadi antara sistem pada tingkat berikut: hasil yang diberikan oleh sistem yang dibandingkan; fungsi yang menentukan hasil ini; struktur yang memastikan kinerja fungsi-fungsi ini; elemen yang membentuk struktur.
V. M. Tarabaev menunjukkan bahwa teknik yang disebut eksperimen multifaktorial saat ini sedang digunakan. Dalam percobaan multivariat, peneliti mendekati masalah secara empiris - mereka bervariasi dengan sejumlah besar faktor yang, seperti yang mereka yakini, tergantung pada jalannya proses. Variasi oleh berbagai faktor ini dilakukan dengan menggunakan metode statistik matematika modern.
Eksperimen multivariat dibangun atas dasar analisis statistik dan menggunakan pendekatan sistematis terhadap subjek penelitian. Sistem diasumsikan memiliki input dan output yang dapat dikontrol, juga diasumsikan bahwa sistem ini dapat dikontrol untuk mencapai hasil tertentu pada output. Dalam eksperimen multifaktorial, seluruh sistem dipelajari tanpa gambaran internal dari mekanisme kompleksnya. Jenis eksperimen ini membuka peluang besar bagi pedagogi.
Literatur:
1. Zagvyazinsky, V. I. Metodologi dan metode penelitian psikologis dan pedagogis: buku teks. tunjangan bagi siswa. lebih tinggi ped. buku pelajaran institusi / Zagvyazinsky V.I., Atakhanov R. - M.: Akademi, 2005.
2. Gadelshina, T. G. Metodologi dan metode penelitian psikologi: buku teks. metode. tunjangan / Gadelshina T. G. - Tomsk, 2002.
3. Kornilova, T. V. Psikologi eksperimental: teori dan metode: buku teks untuk universitas / Kornilova T. V. - M .: Aspect Press, 2003.
4. Tesis Kuzin, F. A. PhD: metodologi penulisan, aturan desain dan prosedur pembelaan / Kuzin F. A. - M., 2000.

Metode matematika paling banyak digunakan dalam melakukan penelitian sistematis. Pada saat yang sama, solusi masalah praktis dengan metode matematika dilakukan secara berurutan sesuai dengan algoritma berikut:

rumusan masalah matematis (pengembangan model matematika);

pilihan metode penelitian untuk model matematika yang dihasilkan;

analisis hasil matematis yang diperoleh.

Rumusan matematika dari masalah biasanya direpresentasikan sebagai angka, gambar geometris, fungsi, sistem persamaan, dll. Deskripsi suatu objek (fenomena) dapat direpresentasikan menggunakan kontinu atau diskrit, deterministik atau stokastik dan bentuk matematika lainnya.

Model matematika adalah suatu sistem hubungan matematis (rumus, fungsi, persamaan, sistem persamaan) yang menggambarkan aspek-aspek tertentu dari objek yang dipelajari, fenomena, proses atau objek (proses) secara keseluruhan.

Tahap pertama pemodelan matematika adalah perumusan masalah, definisi objek dan tujuan penelitian, penetapan kriteria (fitur) untuk mempelajari objek dan mengelolanya. Pernyataan masalah yang salah atau tidak lengkap dapat meniadakan hasil dari semua tahap selanjutnya.

Model ini merupakan hasil kompromi antara dua tujuan yang berlawanan:

model harus dirinci, memperhitungkan semua koneksi yang benar-benar ada dan faktor serta parameter yang terlibat dalam pekerjaannya;

pada saat yang sama, model harus cukup sederhana sehingga solusi atau hasil yang dapat diterima dapat diperoleh dalam kerangka waktu yang dapat diterima di bawah batasan sumber daya tertentu.

Pemodelan bisa disebut perkiraan penelitian ilmiah. Dan tingkat keakuratannya tergantung pada peneliti, pengalamannya, tujuan, sumber dayanya.

Asumsi yang dibuat dalam pengembangan model merupakan konsekuensi dari tujuan pemodelan dan kemampuan (sumber daya) peneliti. Mereka ditentukan oleh persyaratan keakuratan hasil, dan seperti model itu sendiri, adalah hasil kompromi. Bagaimanapun, asumsilah yang membedakan satu model dari proses yang sama dari yang lain.

Biasanya, ketika mengembangkan model, faktor-faktor yang tidak penting dibuang (tidak diperhitungkan). Konstanta dalam persamaan fisika diasumsikan konstan. Terkadang beberapa kuantitas yang berubah dalam proses dirata-ratakan (misalnya, suhu udara dapat dianggap tidak berubah selama periode waktu tertentu).

1. Proses pengembangan model

Ini adalah proses skematisasi atau idealisasi yang konsisten (dan mungkin berulang) dari fenomena yang diteliti.

Kecukupan model adalah korespondensinya dengan proses fisik nyata (atau objek) yang diwakilinya.

Untuk mengembangkan model proses fisik, perlu ditentukan:

Kadang-kadang suatu pendekatan digunakan ketika model kelengkapan kecil, yang bersifat probabilistik, diterapkan. Kemudian, dengan bantuan komputer, dianalisis dan disempurnakan.

Validasi model dimulai dan berlalu dalam proses konstruksinya, ketika satu atau lain hubungan antara parameternya dipilih atau ditetapkan, asumsi yang diterima dievaluasi. Namun, setelah pembentukan model secara keseluruhan, perlu untuk menganalisisnya dari beberapa posisi umum.

Dasar matematis dari model (yaitu, deskripsi matematis dari hubungan fisik) harus konsisten tepat dari sudut pandang matematika: dependensi fungsional harus memiliki tren yang sama dengan proses nyata; persamaan harus memiliki luas keberadaan tidak kurang dari kisaran di mana studi dilakukan; mereka seharusnya tidak memiliki titik atau celah khusus jika tidak dalam proses nyata, dll. Persamaan tidak boleh mendistorsi logika proses nyata.

Model harus memadai, yaitu, seakurat mungkin, mencerminkan realitas. Kecukupan dibutuhkan tidak secara umum, tetapi dalam kisaran yang dipertimbangkan.

Kesenjangan antara hasil analisis model dan perilaku sebenarnya dari objek tidak dapat dihindari, karena model adalah refleksi, dan bukan objek itu sendiri.

pada gambar. 3. representasi umum disajikan, yang digunakan dalam konstruksi model matematika.

Beras. 3. Aparat untuk membangun model matematika

Saat menggunakan metode statis, peralatan aljabar dan persamaan diferensial dengan argumen yang tidak bergantung waktu paling sering digunakan.

Metode dinamis menggunakan persamaan diferensial dengan cara yang sama; persamaan integral; persamaan diferensial parsial; teori kontrol otomatis; aljabar.

Metode probabilistik menggunakan: teori probabilitas; teori informasi; aljabar; teori proses acak; teori proses Markov; teori automata; persamaan diferensial.

Tempat penting dalam pemodelan ditempati oleh pertanyaan tentang kesamaan antara model dan objek nyata. Korespondensi kuantitatif antara aspek individu dari proses yang terjadi dalam objek nyata dan modelnya dicirikan oleh skala.

Secara umum, kesamaan proses pada objek dan model ditandai dengan kriteria kesamaan. Kriteria kesamaan adalah seperangkat parameter tak berdimensi yang mencirikan proses tertentu. Ketika melakukan penelitian, tergantung pada bidang penelitian, kriteria yang digunakan berbeda. Misalnya, dalam hidrolika, kriteria seperti itu adalah bilangan Reynolds (mencirikan fluiditas cairan), dalam teknik panas - bilangan Nussselt (mencirikan kondisi perpindahan panas), dalam mekanika - kriteria Newton, dll.

Diyakini bahwa jika kriteria model dan objek yang diteliti sama, maka model tersebut benar.

Metode lain dari penelitian teoritis berdampingan dengan teori kesamaan - metode analisis dimensi, yang didasarkan pada dua asumsi:

hukum fisika hanya dinyatakan oleh produk derajat kuantitas fisik, yang bisa positif, negatif, bilangan bulat dan pecahan; dimensi kedua bagian persamaan yang menyatakan dimensi fisik harus sama.

Selalu dan di semua bidang aktivitasnya, seseorang membuat keputusan. Area pengambilan keputusan yang penting terkait dengan produksi. Semakin besar volume produksi, semakin sulit untuk membuat keputusan dan, oleh karena itu, lebih mudah untuk membuat kesalahan. Sebuah pertanyaan alami muncul: apakah mungkin menggunakan komputer untuk menghindari kesalahan seperti itu?

Jawaban atas pertanyaan ini diberikan oleh ilmu yang disebut sibernetika. Sibernetika (berasal dari bahasa Yunani "kybernetike" - seni manajemen) adalah ilmu tentang hukum umum menerima, menyimpan, mentransmisikan, dan memproses informasi.

Cabang paling penting dari sibernetika adalah sibernetika ekonomi - ilmu yang berhubungan dengan penerapan ide dan metode sibernetika pada sistem ekonomi.

Sibernetika ekonomi menggunakan seperangkat metode untuk mempelajari proses manajemen dalam perekonomian, termasuk metode ekonomi dan matematika.

Saat ini, penggunaan komputer dalam manajemen produksi telah mencapai skala besar. Namun, dalam kebanyakan kasus, dengan bantuan komputer, apa yang disebut tugas rutin diselesaikan, yaitu tugas yang terkait dengan pemrosesan berbagai data, yang, sebelum penggunaan komputer, diselesaikan dengan cara yang sama, tetapi secara manual. Kelas masalah lain yang dapat diselesaikan dengan bantuan komputer adalah masalah pengambilan keputusan. Untuk menggunakan komputer untuk pengambilan keputusan, perlu dibuat model matematika. Apakah perlu menggunakan komputer saat membuat keputusan? Kemampuan manusia cukup beragam. Jika Anda mengaturnya, Manusia diatur sedemikian rupa sehingga apa yang dimilikinya tidak cukup baginya. Dan proses tanpa akhir untuk meningkatkan kemampuannya pun dimulai. Untuk menaikkan lebih banyak, salah satu penemuan pertama muncul - tuas, untuk memudahkan memindahkan beban - roda. Untuk saat ini, hanya energi orang itu sendiri yang digunakan dalam alat-alat ini. Seiring waktu, penggunaan sumber energi eksternal dimulai: bubuk mesiu, uap, listrik, energi atom. Tidak mungkin untuk memperkirakan berapa banyak energi yang digunakan dari sumber eksternal melebihi kemampuan fisik seseorang saat ini.

Adapun kemampuan mental seseorang, maka, seperti yang mereka katakan, setiap orang tidak puas dengan kondisinya, tetapi puas dengan pikirannya. Apakah mungkin membuat seseorang lebih pintar dari dia? Untuk menjawab pertanyaan ini, perlu diklarifikasi bahwa semua aktivitas intelektual manusia dapat dibagi menjadi yang dapat diformalkan dan yang tidak dapat diformalkan.

Formalizable adalah kegiatan yang dilakukan menurut aturan tertentu. Misalnya, kinerja perhitungan, pencarian di direktori, dan pekerjaan grafis tidak diragukan lagi dapat dipercayakan ke komputer. Dan seperti segala sesuatu yang dapat dilakukan komputer, ia melakukannya dengan lebih baik, yaitu, lebih cepat dan lebih baik daripada seseorang.

Non-formalizable adalah aktivitas yang terjadi dengan penerapan beberapa aturan yang tidak kita ketahui. Berpikir, bernalar, intuisi, akal sehat - kita masih tidak tahu apa itu, dan tentu saja, semua ini tidak dapat dipercayakan ke komputer, jika hanya karena kita tidak tahu apa yang harus dipercayakan, tugas apa yang harus diletakkan di depan komputer.

Pengambilan keputusan adalah semacam aktivitas mental.

Secara umum diterima bahwa pengambilan keputusan adalah kegiatan yang tidak diformalkan. Namun, hal ini tidak selalu terjadi. Di satu sisi, kita tidak tahu bagaimana kita membuat keputusan. Dan menjelaskan beberapa kata dengan bantuan orang lain seperti "kami membuat keputusan dengan bantuan akal sehat" tidak memberikan apa-apa. Di sisi lain, sejumlah besar tugas pengambilan keputusan dapat diformalkan. Salah satu jenis masalah pengambilan keputusan yang dapat diformalkan adalah masalah pengambilan keputusan optimal, atau masalah optimasi. Masalah optimasi diselesaikan dengan bantuan model matematika dan penggunaan teknologi komputer.

Komputer modern memenuhi persyaratan tertinggi. Mereka mampu melakukan jutaan operasi per detik, mereka dapat memiliki semua informasi yang diperlukan dalam memori mereka, kombinasi layar-keyboard menyediakan dialog antara seseorang dan komputer. Namun, orang tidak boleh bingung antara keberhasilan dalam penciptaan komputer dengan kemajuan di bidang aplikasinya. Faktanya, semua yang dapat dilakukan komputer adalah, menurut program yang diberikan oleh seseorang, memastikan transformasi data awal menjadi hasil. Harus dipahami dengan jelas bahwa komputer tidak dan tidak dapat membuat keputusan. Keputusan hanya dapat dibuat oleh seseorang-manajer, diberkahi dengan hak-hak tertentu untuk ini. Tetapi bagi seorang manajer yang kompeten, komputer adalah asisten yang hebat, mampu mengembangkan dan menawarkan serangkaian solusi yang berbeda. Dan dari set ini, seseorang akan memilih opsi yang, dari sudut pandangnya, akan lebih cocok. Tentu saja, tidak semua masalah pengambilan keputusan dapat diselesaikan dengan bantuan komputer. Namun demikian, bahkan jika solusi masalah pada komputer tidak berakhir dengan sukses, itu tetap berguna, karena berkontribusi pada pemahaman yang lebih dalam tentang masalah ini dan perumusannya yang lebih ketat.

Agar seseorang dapat membuat keputusan tanpa komputer, seringkali tidak ada yang dibutuhkan. Saya berpikir dan memutuskan. Seseorang, baik atau buruk, menyelesaikan semua masalah yang muncul di hadapannya. Benar, tidak ada jaminan kebenaran dalam kasus ini. Komputer tidak membuat keputusan apa pun, tetapi hanya membantu menemukan solusi. Proses ini terdiri dari langkah-langkah berikut:

1) Memilih tugas.

Memecahkan masalah, terutama yang agak rumit, adalah tugas yang agak sulit yang membutuhkan banyak waktu. Dan jika tugas yang dipilih tidak berhasil, maka ini dapat menyebabkan hilangnya waktu dan kekecewaan dalam penggunaan komputer untuk pengambilan keputusan. Apa persyaratan dasar yang harus dipenuhi oleh tugas?

A. Harus ada setidaknya satu solusi untuk itu, karena jika tidak ada solusi, maka tidak ada yang bisa dipilih.

B. Kita harus mengetahui dengan jelas dalam arti apa solusi yang diinginkan harus menjadi yang terbaik, karena jika kita tidak tahu apa yang kita inginkan, komputer tidak akan dapat membantu kita memilih solusi terbaik.

Pilihan tugas diselesaikan oleh perumusan substantifnya. Perlu merumuskan masalah dengan jelas dalam bahasa sehari-hari, menonjolkan tujuan penelitian, menunjukkan keterbatasan, mengajukan pertanyaan utama yang ingin kita dapatkan jawaban sebagai hasil pemecahan masalah.

Di sini kita harus menyoroti fitur paling signifikan dari objek ekonomi, ketergantungan paling penting yang ingin kita perhitungkan saat membangun model. Beberapa hipotesis untuk pengembangan objek studi dibentuk, dependensi dan hubungan yang diidentifikasi dipelajari. Ketika tugas dipilih dan pernyataan bermakna dibuat, seseorang harus berurusan dengan spesialis di bidang subjek (insinyur, teknolog, desainer, dll.). Spesialis ini, sebagai suatu peraturan, mengetahui subjek mereka dengan sangat baik, tetapi tidak selalu memiliki gagasan tentang apa yang diperlukan untuk menyelesaikan masalah di komputer. Oleh karena itu, rumusan masalah yang bermakna seringkali ternyata terlalu jenuh dengan informasi yang sama sekali tidak diperlukan untuk bekerja di komputer.

2) Kompilasi model

Model ekonomi-matematis dipahami sebagai deskripsi matematis dari objek atau proses ekonomi yang dipelajari, di mana pola ekonomi dinyatakan dalam bentuk abstrak menggunakan hubungan matematis.

Prinsip dasar untuk menyusun model bermuara pada dua konsep berikut:

1. Saat merumuskan masalah, perlu untuk menutupi fenomena yang disimulasikan dengan cukup luas. Jika tidak, model tidak akan memberikan optimal global dan tidak akan mencerminkan esensi masalah. Bahayanya adalah bahwa optimalisasi satu bagian dapat merugikan bagian lain dan merugikan organisasi secara keseluruhan.

2. Model harus sesederhana mungkin. Model harus sedemikian rupa sehingga dapat dievaluasi, diuji, dan dipahami, dan hasil yang diperoleh dari model harus jelas bagi pembuatnya dan pembuat keputusan. Dalam praktiknya, konsep-konsep ini sering bertentangan, terutama karena ada elemen manusia yang terlibat dalam pengumpulan dan pemasukan data, pengecekan kesalahan, dan interpretasi hasil, yang membatasi ukuran model yang dapat dianalisis secara memuaskan. Ukuran model digunakan sebagai faktor pembatas, dan jika kita ingin meningkatkan luas cakupan, maka kita harus mengurangi detail dan sebaliknya.

Mari kita perkenalkan konsep hierarki model, di mana luas cakupan meningkat dan detail berkurang saat kita pindah ke tingkat hierarki yang lebih tinggi. Pada tingkat yang lebih tinggi, pada gilirannya, pembatasan dan tujuan dibentuk untuk tingkat yang lebih rendah.

Saat membangun model, cakrawala perencanaan umumnya meningkat seiring dengan pertumbuhan hierarki. Jika model perencanaan jangka panjang dari seluruh perusahaan dapat berisi sedikit rincian sehari-hari, maka model perencanaan produksi dari subdivisi individu sebagian besar terdiri dari rincian tersebut.

Saat merumuskan tugas, tiga aspek berikut harus diperhitungkan:

1) Faktor-faktor yang diteliti: Tujuan penelitian didefinisikan secara agak longgar dan sangat bergantung pada apa yang tercakup dalam model. Dalam hal ini, lebih mudah bagi para insinyur, karena faktor-faktor yang mereka pelajari biasanya standar, dan fungsi tujuan dinyatakan dalam pendapatan maksimum, biaya minimum, atau, mungkin, konsumsi minimum beberapa sumber daya. Pada saat yang sama, sosiolog, misalnya, biasanya menetapkan sendiri tujuan "utilitas publik" atau sesuatu seperti itu, dan menemukan diri mereka dalam posisi yang sulit karena harus menghubungkan "utilitas" tertentu dengan berbagai tindakan, mengekspresikannya dalam bentuk matematika. .

2) Batas-batas fisik: Aspek spasial dari studi ini memerlukan pertimbangan yang rinci. Jika produksi terkonsentrasi di lebih dari satu titik, maka perlu memperhitungkan proses distribusi yang sesuai dalam model. Proses ini mungkin termasuk pergudangan, transportasi, dan tugas penjadwalan peralatan.

3) Batas-batas temporal: Aspek-aspek temporal dari studi ini menyebabkan dilema yang serius. Biasanya horizon perencanaan sudah diketahui dengan baik, tetapi pilihan harus dibuat: mensimulasikan sistem secara dinamis untuk mendapatkan jadwal waktu, atau mensimulasikan operasi statis pada titik waktu tertentu. Jika proses dinamis (multi-tahap) dimodelkan, maka dimensi model meningkat sesuai dengan jumlah periode waktu (tahapan) yang dipertimbangkan. Model seperti itu biasanya secara konseptual sederhana, sehingga kesulitan utama terletak pada kemampuan untuk memecahkan masalah pada komputer dalam waktu yang dapat diterima daripada kemampuan untuk menginterpretasikan sejumlah besar data keluaran. c Seringkali cukup untuk membangun model sistem pada titik waktu tertentu, misalnya, dalam tahun, bulan, hari yang tetap, dan kemudian mengulangi perhitungan pada interval tertentu. Secara umum, ketersediaan sumber daya dalam model dinamis sering diperkirakan dan ditentukan oleh faktor-faktor di luar ruang lingkup model. Oleh karena itu, perlu dilakukan analisis yang cermat apakah benar-benar perlu untuk mengetahui ketergantungan waktu dari perubahan karakteristik model, atau apakah hasil yang sama dapat diperoleh dengan mengulangi perhitungan statis untuk sejumlah momen tetap yang berbeda.

BADAN FEDERAL UNTUK PENDIDIKAN

Perguruan Tinggi Negeri Perguruan Tinggi Profesi "Universitas Negeri Ural. »

departemen sejarah

Departemen Dokumentasi dan Informasi Dukungan Manajemen

Metode matematika dalam penelitian ilmiah

Program kursus

Standar 350800 "Manajemen dokumentasi dan dokumentasi"

Standar 020800 "Studi Sejarah dan Kearsipan"

Yekaterinburg

saya setuju

Wakil Rektor

(tanda tangan)

Program disiplin "Metode Matematika dalam Penelitian Ilmiah" disusun sesuai dengan persyaratan Universitas komponen ke konten minimum wajib dan tingkat pelatihan:

lulus berdasarkan spesialisasi

Manajemen dokumen dan dukungan manajemen dokumentasi (350800),

Ilmu sejarah dan arsip (020800),

sesuai dengan siklus "Disiplin kemanusiaan dan sosial-ekonomi umum" dari standar pendidikan negara untuk pendidikan profesional yang lebih tinggi.

Semester AKU AKU AKU

Menurut kurikulum spesialisasi No. 000 - Dokumentasi dan dukungan dokumentasi untuk manajemen:

Intensitas tenaga kerja total disiplin: 100 jam,

termasuk kuliah 36 jam

Menurut kurikulum spesialisasi No. 000 - Ilmu sejarah dan arsip

Total intensitas tenaga kerja disiplin: 50 jam,

termasuk kuliah 36 jam

Langkah-langkah pengendalian:

Ujian 2 orang/jam

Disusun oleh:, Ph.D. ist. Sciences, Associate Professor, Departemen Dokumentasi dan Dukungan Informasi Manajemen, Universitas Negeri Ural

Departemen Dokumentasi dan Informasi Dukungan Manajemen

tanggal 01.01.01 No. 1.

Sepakat:

Wakil ketua

Dewan Kemanusiaan

_________________

(tanda tangan)

(C) Universitas Negeri Ural

(DARI) , 2006

PENGANTAR

Kursus "Metode Matematika dalam Penelitian Sosial Ekonomi" dimaksudkan untuk membiasakan siswa dengan teknik dasar dan metode pemrosesan informasi kuantitatif yang dikembangkan oleh statistik. Tugas utamanya adalah untuk memperluas peralatan ilmiah metodologis para peneliti, untuk mengajarkan bagaimana menerapkan dalam kegiatan praktis dan penelitian, di samping metode tradisional, berdasarkan analisis logis, metode matematika yang membantu mengkarakterisasi fenomena dan fakta sejarah secara kuantitatif.

Saat ini, peralatan matematika dan metode matematika digunakan di hampir semua bidang ilmu pengetahuan. Ini adalah proses alami, sering disebut matematisasi sains. Dalam filsafat, matematisasi biasanya dipahami sebagai penerapan matematika pada berbagai ilmu. Metode matematika telah lama dan kuat memasuki gudang metode penelitian para ilmuwan, mereka digunakan untuk merangkum data, mengidentifikasi tren dan pola dalam pengembangan fenomena dan proses sosial, tipologi dan pemodelan.

Pengetahuan tentang statistik diperlukan untuk mengkarakterisasi dan menganalisis proses yang terjadi dalam ekonomi dan masyarakat dengan benar. Untuk itu perlu menguasai metode pengambilan sampel, ringkasan dan pengelompokan data, mampu menghitung nilai rata-rata dan relatif, indikator variasi, koefisien korelasi. Unsur budaya informasi adalah kemampuan untuk memformat tabel dan grafik plot dengan benar, yang merupakan alat penting untuk mensistematisasikan data sosial-ekonomi primer dan penyajian visual informasi kuantitatif. Untuk menilai perubahan sementara, perlu memiliki gagasan tentang sistem indikator dinamis.

Penggunaan metodologi untuk melakukan studi selektif memungkinkan Anda untuk mempelajari sejumlah besar informasi yang disediakan oleh sumber massa, menghemat waktu dan tenaga, sambil memperoleh hasil yang signifikan secara ilmiah.

Metode matematika dan statistik menempati posisi tambahan, melengkapi dan memperkaya metode tradisional analisis sosial-ekonomi, perkembangannya adalah bagian penting dari kualifikasi spesialis modern - spesialis dokumen, sejarawan-arsiparis.

Saat ini, metode matematika dan statistik secara aktif digunakan dalam pemasaran, penelitian sosiologis, dalam mengumpulkan informasi manajemen operasional, menyusun laporan, dan menganalisis aliran dokumen.

Keterampilan analisis kuantitatif diperlukan untuk persiapan makalah kualifikasi, abstrak, dan proyek penelitian lainnya.

Pengalaman menggunakan metode matematika menunjukkan bahwa penggunaannya harus dilakukan sesuai dengan prinsip-prinsip berikut untuk mendapatkan hasil yang andal dan representatif:

1) metodologi umum dan teori pengetahuan ilmiah memainkan peran yang menentukan;

2) diperlukan pernyataan masalah penelitian yang jelas dan benar;

3) pemilihan data sosial ekonomi yang representatif secara kuantitatif dan kualitatif;

4) kebenaran penerapan metode matematika, yaitu harus sesuai dengan tugas penelitian dan sifat data yang sedang diproses;

5) interpretasi dan analisis yang bermakna dari hasil yang diperoleh, serta verifikasi tambahan wajib dari informasi yang diperoleh sebagai hasil dari pemrosesan matematis, diperlukan.

Metode matematika membantu meningkatkan teknologi penelitian ilmiah: meningkatkan efisiensinya; mereka menghemat banyak waktu, terutama saat memproses informasi dalam jumlah besar, mereka memungkinkan Anda untuk mengungkapkan informasi tersembunyi yang tersimpan di sumbernya.

Selain itu, metode matematika terkait erat dengan arah kegiatan ilmiah dan informasi seperti pembuatan bank data historis dan arsip data yang dapat dibaca mesin. Pencapaian zaman tidak dapat diabaikan begitu saja, dan teknologi informasi menjadi salah satu faktor terpenting dalam perkembangan semua bidang masyarakat.

PROGRAM KURSUS

Topik 1. PENDAHULUAN. MATEMATISASI ILMU SEJARAH

Maksud dan tujuan kursus. Tujuannya perlu untuk meningkatkan metode sejarah dengan menarik teknik matematika.

Matematisasi sains, konten utama. Prasyarat untuk matematisasi: prasyarat ilmu alam; prasyarat sosio-teknis. Batas-batas matematisasi sains. Tingkat Mathematization untuk Ilmu Alam, Teknik, Ekonomi dan Manusia. Keteraturan utama dari matematisasi sains adalah: ketidakmungkinan untuk sepenuhnya mencakup bidang studi ilmu-ilmu lain melalui matematika; korespondensi metode matematika yang diterapkan dengan isi ilmu yang dimatematisasi. Muncul dan berkembangnya disiplin matematika terapan baru.

matematisasi ilmu sejarah. Panggung utama dan fitur-fiturnya. Prasyarat untuk matematisasi ilmu sejarah. Signifikansi pengembangan metode statistik untuk pengembangan pengetahuan sejarah.

Penelitian sosio-ekonomi menggunakan metode matematika dalam historiografi pra-revolusioner dan Soviet tahun 20-an (, dll.)

Metode matematika dan statistik dalam karya sejarawan tahun 60-90-an. Komputerisasi ilmu pengetahuan dan diseminasi metode matematika. Pembuatan database dan prospek pengembangan dukungan informasi untuk penelitian sejarah. Hasil terpenting dari penerapan metode matematika dalam penelitian sosial-ekonomi dan sejarah-budaya (, dll.).

Korelasi metode matematika dengan metode penelitian sejarah lainnya: metode historis-komparatif, historis-tipologis, struktural, sistemik, historis-genetik. Prinsip metodologi dasar untuk penerapan metode matematika dan statistik dalam penelitian sejarah.

Topik 2 . INDIKATOR STATISTIK

Teknik dasar dan metode studi statistik fenomena sosial: observasi statistik, keandalan data statistik. Bentuk dasar pengamatan statistik, tujuan pengamatan, objek dan satuan pengamatan. Dokumen statistik sebagai sumber sejarah.

Indikator statistik (indikator volume, level dan rasio), fungsi utamanya. Sisi kuantitatif dan kualitatif dari indikator statistik. Varietas indikator statistik (volumetrik dan kualitatif; individual dan generalisasi; interval dan momen).

Persyaratan utama untuk perhitungan indikator statistik, memastikan keandalannya.

Hubungan indikator statistik. Kartu catatan angka. Indikator umum.

Nilai mutlak, definisi. Jenis nilai statistik absolut, artinya dan metode perolehannya. Nilai mutlak sebagai akibat langsung dari rangkuman data pengamatan statistik.

Satuan pengukuran, pilihannya tergantung pada sifat fenomena yang diteliti. Satuan pengukuran alami, biaya dan tenaga kerja.

Nilai relatif. Isi utama indikator relatif, bentuk ekspresinya (koefisien, persentase, ppm, desimil). Ketergantungan bentuk dan isi indikator relatif.

Basis perbandingan, pilihan basis saat menghitung nilai relatif. Prinsip dasar untuk menghitung indikator relatif, memastikan komparabilitas dan keandalan indikator absolut (berdasarkan wilayah, rentang objek, dll.).

Nilai relatif dari struktur, dinamika, perbandingan, koordinasi dan intensitas. Cara menghitungnya.

Hubungan antara nilai absolut dan relatif. Kebutuhan untuk aplikasi mereka yang kompleks.

Topik 3. PENGELOMPOKAN DATA. TABEL.

Ringkasan indikator dan pengelompokan dalam studi sejarah. Tugas diselesaikan dengan metode ini dalam penelitian ilmiah: sistematisasi, generalisasi, analisis, kenyamanan persepsi. Populasi statistik, unit pengamatan.

Tugas dan konten utama ringkasan. Ringkasan - tahap kedua penelitian statistik. Varietas indikator ringkasan (sederhana, tambahan). Tahapan utama perhitungan ringkasan indikator.

Pengelompokan adalah metode utama pengolahan data kuantitatif. Tugas pengelompokan dan signifikansinya dalam penelitian ilmiah. Pengelompokan jenis. Peran pengelompokan dalam analisis fenomena dan proses sosial.

Tahapan utama membangun pengelompokan: menentukan populasi yang diteliti; pilihan atribut pengelompokan (karakteristik kuantitatif dan kualitatif; alternatif dan non-alternatif; faktorial dan efektif); distribusi populasi ke dalam kelompok-kelompok tergantung pada jenis pengelompokan (menentukan jumlah kelompok dan ukuran interval), skala untuk mengukur tanda-tanda (nominal, ordinal, interval); pemilihan bentuk penyajian data yang dikelompokkan (teks, tabel, grafik).

Pengelompokan tipologis, definisi, tugas utama, prinsip konstruksi. Peran pengelompokan tipologis dalam studi tipe sosial ekonomi.

Pengelompokan struktural, definisi, tugas utama, prinsip konstruksi. Peran pengelompokan struktural dalam studi struktur fenomena sosial

Pengelompokan analitis (faktorial), definisi, tugas pokok, prinsip konstruksi, Peran pengelompokan analitis dalam analisis hubungan fenomena sosial. Perlunya penggunaan terpadu dan studi pengelompokan untuk analisis fenomena sosial.

Persyaratan umum untuk konstruksi dan desain tabel. Pengembangan tata letak meja. Rincian tabel (penomoran, judul, nama kolom dan garis, simbol, penunjukan angka). Cara mengisi informasi tabel.

Topik 4 . METODE GRAFIS UNTUK ANALISIS SOSIAL EKONOMI

INFORMASI

Peran grafik dan representasi grafik dalam penelitian ilmiah. Tugas metode grafis: memberikan kejelasan persepsi data kuantitatif; tugas analitis; ciri ciri ciri tanda.

Grafik statistik, definisi. Elemen utama bagan: bidang bagan, gambar grafik, referensi spasial, referensi skala, penjelasan bagan.

Jenis grafik statistik: grafik garis, fitur konstruksinya, gambar grafik; diagram batang (histogram), mendefinisikan aturan untuk membangun histogram dalam kasus interval yang sama dan tidak sama; diagram lingkaran, definisi, metode konstruksi.

Poligon distribusi fitur. Distribusi normal fitur dan representasi grafisnya. Fitur distribusi tanda yang mencirikan fenomena sosial: distribusi miring, asimetris, asimetris sedang.

Hubungan linier antar fitur, fitur representasi grafis dari hubungan linier. Fitur ketergantungan linier dalam karakterisasi fenomena dan proses sosial.

Konsep tren seri dinamis. Identifikasi tren menggunakan metode grafis.

Topik 5. RATA-RATA

Nilai rata-rata dalam penelitian ilmiah dan statistik, esensi dan definisinya. Sifat dasar nilai rata-rata sebagai ciri umum. Hubungan antara metode rata-rata dan pengelompokan. Rata-rata umum dan kelompok. Kondisi untuk kekhasan rata-rata. Masalah penelitian utama yang rata-rata dipecahkan.

Metode untuk menghitung rata-rata. Rata-rata aritmatika - sederhana, berbobot. Sifat dasar mean aritmatika. Kekhasan menghitung rata-rata untuk deret distribusi diskrit dan interval. Ketergantungan metode penghitungan mean aritmatika, tergantung pada sifat sumber data. Fitur interpretasi mean aritmatika.

Median - indikator rata-rata struktur populasi, definisi, sifat dasar. Penentuan indikator median untuk deret kuantitatif berperingkat. Perhitungan median untuk indikator yang diwakili oleh pengelompokan interval.

Fashion adalah indikator rata-rata dari struktur populasi, sifat dasar dan konten. Penentuan modus untuk seri diskrit dan interval. Fitur interpretasi sejarah mode.

Hubungan rata-rata aritmatika, median dan modus, kebutuhan untuk penggunaan terintegrasi mereka, memeriksa kekhasan rata-rata aritmatika.

Topik 6. INDIKATOR VARIASI

Studi tentang fluktuasi (variabilitas) dari nilai-nilai atribut. Isi utama ukuran penyebaran sifat, dan penggunaannya dalam kegiatan penelitian.

Indikator variasi absolut dan rata-rata. Rentang variasi, konten utama, metode penghitungan. Deviasi linier rata-rata. Standar deviasi, isi utama, metode perhitungan untuk deret kuantitatif diskrit dan interval. Konsep dispersi fitur.

Indikator relatif variasi. Koefisien osilasi, konten utama, metode perhitungan. Koefisien variasi, isi utama dari metode perhitungan. Makna dan kekhususan penerapan masing-masing indikator variasi dalam kajian karakteristik dan fenomena sosial ekonomi.

Topik 7.

Studi tentang perubahan fenomena sosial dari waktu ke waktu adalah salah satu tugas analisis sosial ekonomi yang paling penting.

Konsep deret dinamis. Deret waktu momen dan interval. Persyaratan untuk konstruksi seri dinamis. Perbandingan dalam rangkaian dinamika.

Indikator perubahan rangkaian dinamika. Isi utama dari indikator rangkaian dinamika. tingkat baris. Indikator dasar dan rantai. Peningkatan absolut dalam tingkat dinamika, peningkatan absolut dasar dan rantai, metode perhitungan.

Tingkat pertumbuhan. Tingkat pertumbuhan dasar dan rantai. Fitur interpretasi mereka. Indikator tingkat pertumbuhan, konten utama, metode untuk menghitung tingkat pertumbuhan dasar dan rantai.

Tingkat rata-rata dari serangkaian dinamika, konten utama. Teknik untuk menghitung mean aritmatika untuk deret momen dengan interval yang sama dan tidak sama dan untuk deret interval dengan interval yang sama. Pertumbuhan absolut rata-rata. Tingkat pertumbuhan rata-rata. Tingkat pertumbuhan rata-rata.

Analisis komprehensif dari deret waktu yang saling terkait. Identifikasi tren perkembangan umum - tren: metode rata-rata bergerak, pembesaran interval, metode analisis untuk memproses deret waktu. Konsep interpolasi dan ekstrapolasi deret waktu.

Topik 8.

Kebutuhan untuk mengidentifikasi dan menjelaskan hubungan untuk studi fenomena sosial-ekonomi. Jenis dan bentuk hubungan dipelajari dengan metode statistik. Konsep fungsional dan korelasi. Isi utama dari metode korelasi dan tugas-tugas yang diselesaikan dengan bantuannya dalam penelitian ilmiah. Tahapan utama analisis korelasi. Keunikan interpretasi koefisien korelasi.

Koefisien korelasi linier, properti fitur yang koefisien korelasi liniernya dapat dihitung. Cara menghitung koefisien korelasi linier untuk data berkelompok dan tidak berkelompok. Koefisien regresi, konten utama, metode perhitungan, fitur interpretasi. Koefisien determinasi dan interpretasinya yang berarti.

Batas penerapan varietas utama koefisien korelasi tergantung pada isi dan bentuk penyajian data awal. Koefisien korelasi. Koefisien korelasi peringkat. Koefisien asosiasi dan kontingensi untuk fitur kualitatif alternatif. Metode perkiraan untuk menentukan hubungan antar fitur: Koefisien Fechner. Koefisien autokorelasi. Koefisien informasi.

Metode pemesanan koefisien korelasi: matriks korelasi, metode pleiades.

Metode analisis statistik multidimensi: analisis faktor, analisis komponen, analisis regresi, analisis cluster. Prospek untuk pemodelan proses sejarah untuk studi fenomena sosial.

Topik 9. CONTOH PENELITIAN

Alasan dan kondisi untuk melakukan studi selektif. Perlunya sejarawan untuk menggunakan metode studi parsial objek sosial.

Jenis utama survei parsial: monografik, metode larik utama, survei sampel.

Definisi metode sampling, sifat-sifat utama dari sampling. Keterwakilan sampel dan kesalahan pengambilan sampel.

Tahapan penelitian sampling. Penentuan ukuran sampel, teknik dasar dan metode untuk menemukan ukuran sampel (metode matematika, tabel bilangan besar). Praktek menentukan ukuran sampel dalam statistik dan sosiologi.

Metode untuk membentuk populasi sampel: sampling acak yang tepat, sampling mekanis, sampling tipikal dan bersarang. Metodologi untuk mengatur sensus penduduk selektif, survei anggaran keluarga pekerja dan petani.

Metodologi untuk membuktikan keterwakilan sampel. Acak, kesalahan pengambilan sampel sistematis dan kesalahan pengamatan. Peran metode tradisional dalam menentukan keandalan hasil sampel. Metode matematika untuk menghitung kesalahan sampling. Ketergantungan kesalahan pada volume dan jenis sampel.

Fitur interpretasi hasil sampel dan distribusi indikator populasi sampel ke populasi umum.

Sampel alami, konten utama, fitur formasi. Masalah keterwakilan sampel alami. Tahap utama membuktikan keterwakilan sampel alami: penggunaan metode tradisional dan formal. Metode kriteria tanda, metode deret - sebagai cara untuk membuktikan sifat keacakan sampel.

Konsep sampel kecil. Prinsip dasar penggunaannya dalam penelitian ilmiah

Topik 11. METODE FORMAT INFORMASI SUMBER MASSA

Kebutuhan untuk memformalkan informasi dari sumber massa untuk mendapatkan informasi yang tersembunyi. Masalah mengukur informasi. Fitur kuantitatif dan kualitatif. Timbangan untuk mengukur fitur kuantitatif dan kualitatif: nominal, ordinal, interval. Tahapan utama pengukuran sumber informasi.

Jenis sumber massa, fitur pengukurannya. Metodologi untuk membangun kuesioner terpadu berdasarkan bahan-bahan dari sumber sejarah yang terstruktur dan semi-terstruktur.

Fitur pengukuran informasi dari sumber naratif tidak terstruktur. Analisis isi, isi dan prospek penggunaannya. Jenis analisis isi. Analisis isi dalam penelitian sosiologi dan sejarah.

Keterkaitan metode matematika-statistik pengolahan informasi dan metode formalisasi sumber informasi. Komputerisasi penelitian. Database dan bank data. Teknologi Basis Data dalam Penelitian Sosial Ekonomi.

Tugas untuk pekerjaan mandiri

Untuk mengkonsolidasikan materi kuliah, siswa ditawari tugas untuk pekerjaan mandiri tentang topik kursus berikut:

Indikator relatif Indikator rata-rata Metode pengelompokan Metode grafis Indikator dinamika

Kinerja tugas dikendalikan oleh guru dan merupakan prasyarat untuk masuk ke ujian.

Daftar pertanyaan indikatif untuk tes

1. Matematisasi ilmu, esensi, prasyarat, tingkatan matematisasi

2. Tahapan utama dan ciri-ciri matematisasi ilmu sejarah

3. Prasyarat penggunaan metode matematika dalam penelitian sejarah

4. Indikator statistik, esensi, fungsi, varietas

3. Prinsip metodologis untuk penggunaan indikator statistik dalam penelitian sejarah

6. Nilai mutlak

7. Nilai relatif, isi, bentuk ekspresi, prinsip dasar perhitungan.

8. Jenis nilai relatif

9. Tugas dan isi utama ringkasan data

10. Pengelompokan, isi pokok dan tugas dalam pembelajaran

11. Tahapan utama membangun pengelompokan

12. Konsep pengelompokan atribut dan gradasinya

13. Jenis pengelompokan

14. Aturan untuk konstruksi dan desain meja

15. Seri dinamis, persyaratan untuk pembangunan seri dinamis

16. Grafik statistik, definisi, struktur, tugas yang harus diselesaikan

17. Jenis grafik statistik

18. Distribusi fitur poligon. Distribusi normal fitur.

19. Hubungan linier antar fitur, metode untuk menentukan linearitas.

20. Konsep tren deret dinamis, cara menentukannya

21. Nilai rata-rata dalam penelitian ilmiah, esensi dan sifat utamanya. Kondisi untuk kekhasan rata-rata.

22. Jenis-jenis indikator rata-rata kependudukan. Hubungan rata-rata.

23. Indikator statistik dinamika, karakteristik umum, jenis

24. Indikator absolut dari perubahan deret waktu

25. Indikator relatif dari perubahan deret waktu (tingkat pertumbuhan, tingkat pertumbuhan)

26. Indikator rata-rata dari rentang dinamis

27. Indikator variasi, isi utama dan tugas yang harus diselesaikan, jenis

28. Jenis observasi non-kontinyu

29. Studi selektif, konten utama dan tugas yang harus diselesaikan

30. Sampel dan populasi umum, sifat dasar sampel

31. Tahapan penelitian sampling, karakteristik umum

32. Menentukan ukuran sampel

33. Cara-cara membentuk populasi sampel

34. Kesalahan pengambilan sampel dan metode penentuannya

35. Keterwakilan sampel, faktor-faktor yang mempengaruhi keterwakilan

36. Pengambilan sampel alami, masalah keterwakilan pengambilan sampel alami

37. Tahapan utama pembuktian keterwakilan sampel alami

38. Metode korelasi, esensi, tugas pokok. Fitur interpretasi koefisien korelasi

39. Pengamatan statistik sebagai metode pengumpulan informasi, jenis utama pengamatan statistik.

40. Jenis koefisien korelasi, karakteristik umum

41. Koefisien korelasi linier

42. Koefisien autokorelasi

43. Metode formalisasi sumber sejarah: metode kuesioner terpadu

44. Metode formalisasi sumber sejarah: metode analisis isi

AKU AKU AKU.Distribusi jam kursus berdasarkan topik dan jenis pekerjaan:

sesuai dengan kurikulum spesialisasi (No. 000 - ilmu dokumen dan manajemen dokumen)

Nama

bagian dan topik

Pelajaran pendengaran

kerja mandiri

termasuk

Pengantar. matematisasi ilmu

Indikator statistik

Mengelompokkan data. meja

Nilai rata-rata

Indikator variasi

Indikator statistik dinamika

Metode analisis multivariat. Koefisien korelasi

Studi sampel

Metode formalisasi informasi

Distribusi jam pelajaran menurut topik dan jenis pekerjaan

sesuai dengan kurikulum spesialisasi No. 000 - ilmu sejarah dan arsip

Nama

bagian dan topik

Pelajaran pendengaran

kerja mandiri

termasuk

Praktikum (seminar, praktikum)

Pengantar. matematisasi ilmu

Indikator statistik

Mengelompokkan data. meja

Metode grafis untuk menganalisis informasi sosial-ekonomi

Nilai rata-rata

Indikator variasi

Indikator statistik dinamika

Metode analisis multivariat. Koefisien korelasi

Studi sampel

Metode formalisasi informasi

IV. Bentuk pengendalian akhir - offset

v. Dukungan pendidikan dan metodologis dari kursus

Metode Slavko dalam penelitian sejarah. Buku pelajaran. Yekaterinburg, 1995

Metode Mazur dalam penelitian sejarah. Pedoman. Yekaterinburg, 1998

literatur tambahan

Andersen T. Analisis Statistik Deret Waktu. M., 1976.

Analisis statistik Borodkin dalam penelitian sejarah. M., 1986

Informatika Borodkin: tahapan perkembangan // Sejarah baru dan terkini. 1996. Nomor 1.

Tikhonov untuk kemanusiaan. M., 1997

Garskov dan bank data dalam penelitian sejarah. Gottingen, 1994

Metode Gerchuk dalam statistik. M., 1968

Metode Druzhinin dan aplikasinya dalam penelitian sosial ekonomi. M., 1970

Jessen R. Metode survei statistik. M., 1985

Jeannie K. Nilai rata-rata. M., 1970

Teori statistik Yuzbashev. M., 1995.

Teori statistik Rumyantsev. M., 1998

Studi Shmoylova tentang tren dan hubungan utama dalam rangkaian dinamika. Tomsk, 1985

Yeats F. Metode pengambilan sampel dalam sensus dan survei / per. dari bahasa Inggris. . M., 1976

Informatika sejarah. M., 1996.

Penelitian sejarah Kovalchenko. M., 1987

Komputer dalam sejarah ekonomi. Barnaul, 1997

Lingkaran Ide: Model dan Teknologi Ilmu Komputer Sejarah. M., 1996

Lingkaran Ide: Tradisi dan Tren Ilmu Komputer Sejarah. M., 1997

Lingkaran Ide: Pendekatan Makro dan Mikro dalam Ilmu Komputer Sejarah. M., 1998

Lingkaran Ide: Ilmu Komputer Sejarah di Ambang Abad ke-21. Cheboksary, 1999

Lingkaran Ide: Sejarah Ilmu Komputer di Masyarakat Informasi. M., 2001

Teori umum statistika: Textbook / ed. dan. M., 1994.

Workshop teori statistika : Proc. uang saku M., 2000

Statistik Eliseev. M., 1990

Metode statistik Slavko dalam sejarah dan penelitian M., 1981

Metode Slavko dalam studi sejarah kelas pekerja Soviet. M., 1991

Kamus Statistik / ed. . M., 1989

Teori Statistika: Buku Ajar / ed. , M., 2000

Masyarakat Ursul. Pengantar informatika sosial. M., 1990

Schwartz G. Metode pengambilan sampel / per. dengan dia. . M., 1978

Penggunaan metode statistik untuk penilaian kuantitatif dan kualitatif;

FORMULIR REPRESENTASI NIR.

ABSTRAK - ringkasan esensi dari sumber yang dipelajari dan kesimpulan

RINGKASAN - ringkasan konten sumber sastra dengan

pencahayaan: tujuan penelitian, objek, subjek, hipotesis

metodologi, hasil, kesimpulan penelitian, kritis

ARTIKEL ILMIAH adalah karya ilmiah yang volumenya dibatasi oleh kondisi penerbit, biasanya 5-7 lembar, yang memuat pendahuluan dengan cakupan relevansi masalah suatu topik atau masalah, tujuan, objek, metode, organisasi penelitian, pembahasannya, perbandingannya dengan data kepustakaan, pada akhirnya disajikan daftar yang digunakan.

DISERTASI - Disertasi PhD dan Doktoral. Disertasi (dari lat. iisscrtatio - penalaran, penelitian) - karya ilmiah yang memenuhi syarat yang disiapkan untuk pertahanan publik dan memperoleh gelar kandidat atau doktor sains.

Materi demonstrasi untuk kuliah.

Glosarium-ilmu –sains- GALYM NIRS –SSWS-ҒҒЖС UIRS- SSWS - –SSR

ILMU adalah bidang aktivitas manusia dan jenis pengetahuan,

membentuk suatu sistem konsep-konsep ilmiah tentang hukum-hukum alam dan

masyarakat.

Kepemimpinan R&D di Rektor universitas

Wakil Rektor Bidang Penelitian dan Pengembangan (Litbang, SRRS, UIRS)

Fakultas (dekan, kepala penelitian) Departemen Ilmiah dan Metodologi

organisasi konferensi, kompetisi,

Kepala departemen publikasi literatur ilmiah dan metodologis

Wakil Kepala R&D laporan

Penelitian karya guru, SNK,

mahasiswa NIRS-

→ SNK, SNO (kepala di universitas,

ketua SNO dan SNK), : UIRS-

laporan, konferensi, makalah, tesis,

olimpiade mata kuliah seminar ilmiah

fakultas ilmiah

kontes republik

Kuliah 2 Jenis produk ilmiah (1 jam).

1. Kursus, tesis, abstrak, tinjauan ilmiah.

2. Artikel ilmiah, abstrak, monografi, master, kandidat, doktor, laporan ilmiah.

3. Pertanyaan, jawaban berbasis bukti, meja bundar ilmiah, formulir konferensi.

Pekerjaan lulusan harus mengandung unsur kebaruan dan mengungkapkan ilmiah umum, kesiapan khusus siswa, pengetahuan, keterampilan penelitian, kemampuan berpikir dan menghubungkan pengetahuan teoretis dengan praktik. Mahasiswa, penulis tesis, bertanggung jawab atas keputusan yang dibuat dalam tesis dan untuk kebenaran semua data. Tema karya diploma harus relevan, sesuai dengan keadaan saat ini dan prospek pengembangan budaya fisik dan olahraga. Ini dibentuk oleh departemen yang lulus, ditinjau dan disetujui oleh dewan akademik fakultas dan diumumkan kepada siswa setidaknya setahun sebelum dimulainya sertifikasi. Sebagai aturan, tema tesis adalah kelanjutan dari penelitian yang dilakukan dalam proses

tugas kuliah. Siswa diberikan hak untuk memilih pekerjaan kualifikasi akhir. Pada saat yang sama, ia dapat menawarkan topiknya sendiri dengan pembenaran yang diperlukan untuk kelayakan pengembangannya. Namun, kemungkinan pemilihan topik secara independen tidak berarti bahwa dalam hal ini dimungkinkan untuk diabaikan. bimbingan dan arahan dari guru-guru yang berpengalaman. Konsultasi semacam itu sangat berguna dan berdampak positif pada pilihan topik akhir Minina.

Penugasan untuk mahasiswa topik skripsi pada lamaran pribadinya (Lampiran 1) setelah pembahasan di jurusan dilakukan atas perintah rektor atas usul dekan fakultas sebelum mengirimkan mahasiswa ke praktek terakhir. Dengan perintah yang sama dari rektor diangkat seorang supervisor dan, jika perlu, atas usul supervisor, seorang konsultan untuk masing-masing bagian dari tesis. Pembimbing tesis, sesuai dengan topik, memberikan tugas kepada mahasiswa untuk tesis (Lampiran 2), membantunya dalam mengembangkan rencana kalender untuk seluruh periode tesis (Lampiran 3), merekomendasikan literatur dasar yang diperlukan, referensi dan bahan arsip dan sumber lain tentang topik tersebut; melakukan percakapan yang sistematis dan terarah dan, jika perlu, mengontrol siswa; memeriksa kinerja pekerjaan (sebagian atau secara keseluruhan). Jika ada konsultan, maka ia memeriksa bagian (bagian) pekerjaan yang dikonsultasikannya.

Departemen kelulusan harus mengembangkan dan memberikan instruksi metodologis kepada siswa sebelum dimulainya pekerjaan kelulusan, yang menetapkan ruang lingkup persyaratan wajib untuk tesis dalam kaitannya dengan spesialisasi.

1.2. Kursus sebagai tahap persiapan pekerjaan kualifikasi akhir (diploma)

Sebagaimana disebutkan di atas, tugas akhir kualifikasi merupakan generalisasi atau lanjutan dari sejumlah makalah yang sebelumnya dibanjiri dan dipertahankan oleh mahasiswa. Namun berbeda dengan tesis, makalah dapat berupa: teoritis (abstrak), dibuat berdasarkan analisis dan generalisasi data ligatur pada topik yang dipilih; empiris, dibuat atas dasar mempelajari dan meringkas praktik terbaik guru inovatif di bidang budaya jasmani dan olahraga; desain, terkait dengan karya inventif siswa dan menyajikan deskripsi teknis, pembenaran dan tujuan desain baru, simulator, seperangkat alat bantu visual, program komputer, dll .; eksperimental, dibangun di atas perumusan yang dibenarkan dan pelaksanaan eksperimen di bidang budaya fisik dan olahraga. Namun perlu diperhatikan bahwa apapun jenisnya, setiap term paper harus memuat analisis sumber literatur tentang topik yang dipilih.Dari segi volume, term paper dapat mencapai 25 - 30 halaman. teks tulisan tangan atau tulisan tangan.

Pekerjaan kursus adalah salah satu jenis proses pendidikan yang paling penting dan dilakukan oleh siswa sesuai dengan kurikulum Fakultas Pendidikan Jasmani dalam waktu yang ditentukan untuk mempelajari disiplin ilmu yang pekerjaan ini harus dilakukan.

Topik makalah ditinjau setiap tahun dan disetujui oleh departemen terkait pada saat yang sama dengan jadwal pelaksanaannya yang disetujui. Mahasiswa diberikan hak untuk memilih topik tugas mata kuliah. Struktur pekerjaan kursus harus berkontribusi pada pengungkapan topik yang dipilih dan masalah individualnya. Ini mirip dengan struktur tesis, tetapi bagian utama, tergantung pada jenis pekerjaan kursus, mungkin agak berbeda. Secara khusus, lihat bagian "Struktur dan isi makalah dan tesis".

disertasi master. Sebagai jenis pekerjaan kualifikasi akhir, itu sama untuk master sebagai tesis untuk lulusan. Pendekatan mendasar terhadap sifat pekerjaan ini serupa, spesifikasi persyaratan tercermin dalam standar pendidikan negara bagian yang relevan dan Peraturan tentang jenis pekerjaan yang disebutkan, yang biasanya dikembangkan oleh masing-masing universitas (Lampiran 20, hlm. 3) .

Disertasi doktoral dan doktoral. Disertasi (dari lat. iisscrtatio - penalaran, penelitian) - karya ilmiah yang memenuhi syarat yang disiapkan untuk pertahanan publik dan memperoleh gelar kandidat atau doktor sains. Tesis Dapat berupa naskah yang disiapkan secara khusus, Dapat dibuat dalam bentuk laporan ilmiah, monografi yang diterbitkan atau buku teks. Segala sesuatu yang berkaitan dengan disertasi diatur dalam alinea IV “Peraturan tentang tata cara pemberian gelar akademik bagi para pekerja ilmiah dan ilmiah-pedagogis dan pemberian gelar ilmiah kepada para pekerja ilmiah”)