Გეგმა:
1. მათემატიკური სტატისტიკის მეთოდების კვლევა პედაგოგიურ კვლევაში.
1. მათემატიკური სტატისტიკის მეთოდების კვლევა პედაგოგიურ კვლევაში.
ბოლო დროს სერიოზული ნაბიჯები გადაიდგა პედაგოგიკაში პედაგოგიური ფენომენების შეფასებისა და გაზომვის მათემატიკური მეთოდების და მათ შორის რაოდენობრივი ურთიერთობის დასამყარებლად. მათემატიკური მეთოდები საშუალებას გვაძლევს მივუდგეთ პედაგოგიკის ერთ-ერთი ურთულესი ამოცანის - პედაგოგიური ფენომენების რაოდენობრივ შეფასებას. მხოლოდ რაოდენობრივი მონაცემების დამუშავება და მიღებული დასკვნები შეიძლება ობიექტურად დაამტკიცოს ან უარყოს წამოყენებული ჰიპოთეზა.
პედაგოგიურ ლიტერატურაში შემოთავაზებულია პედაგოგიური ექსპერიმენტის მონაცემების სტატისტიკური დამუშავების არაერთი მეთოდი (ლ. ბ. იტელსონი, იუ. ვ. პავლოვი და სხვები). მათემატიკური სტატისტიკის მეთოდების გამოყენებისას უნდა გავითვალისწინოთ, რომ სტატისტიკა თავად არ ავლენს ფენომენის არსს და არ შეუძლია ახსნას ფენომენის ცალკეულ ასპექტებს შორის წარმოქმნილი განსხვავებების მიზეზები. მაგალითად, კვლევის შედეგების ანალიზი აჩვენებს, რომ გამოყენებული სწავლების მეთოდმა უკეთესი შედეგი მისცა ადრე დაფიქსირებულთან შედარებით. თუმცა, ეს გათვლები ვერ პასუხობს კითხვას, რატომ არის ახალი მეთოდი ძველზე უკეთესი.
პედაგოგიკაში გამოყენებული მათემატიკური მეთოდებიდან ყველაზე გავრცელებულია:
1. რეგისტრაცია - ჯგუფის თითოეულ წევრში გარკვეული ხარისხის არსებობის იდენტიფიცირების მეთოდი და იმათ რიცხვის საერთო რაოდენობა, ვისაც აქვს ან არ აქვს ეს ხარისხი (მაგალითად, ბავშვების რაოდენობა, რომლებიც დაესწრნენ გაკვეთილებს გარეშე პასები და პასები და ა.შ.).
2. რანჟირება (ან რეიტინგის მეთოდი) გულისხმობს შეგროვებული მონაცემების განლაგებას გარკვეული თანმიმდევრობით, როგორც წესი, ნებისმიერი ინდიკატორის აღმავალი ან კლებადი თანმიმდევრობით და, შესაბამისად, ამ რიგში ადგილის განსაზღვრას თითოეული საგნისთვის (მაგალითად, შედგენა ბავშვების სია გამოტოვებული გაკვეთილების რაოდენობის მიხედვით და ა.შ.).
3. სკალირება, როგორც რაოდენობრივი კვლევის მეთოდი შესაძლებელს ხდის რიცხობრივი ინდიკატორების დანერგვას პედაგოგიური ფენომენების ცალკეული ასპექტების შეფასებაში. ამ მიზნით, სუბიექტებს უსვამენ კითხვებს, რომლებზეც პასუხის გაცემაზე მათ უნდა მიუთითონ ამ შეფასებებს შორის არჩეული შეფასების ხარისხი ან ფორმა, დანომრილი გარკვეული თანმიმდევრობით (მაგალითად, შეკითხვა სპორტის თამაშის შესახებ, პასუხის არჩევით: ა) I. მიყვარს, ბ) რეგულარულად ვაკეთებ ამას, გ) არ ვვარჯიშობ რეგულარულად, დ) არ დაკავდება რაიმე სახის სპორტით).
შედეგების ნორმასთან (მოცემულ ინდიკატორებთან) კორელაცია გულისხმობს ნორმიდან გადახრების დადგენას და ამ გადახრების კორელაციას მისაღებ ინტერვალებთან (მაგალითად, პროგრამირებულ სწავლასთან, სწორი პასუხების 85-90% ხშირად ითვლება ნორმად; თუ ნაკლებია სწორი. პასუხობს, ეს ნიშნავს, რომ პროგრამა ძალიან რთულია, თუ მეტია, მაშინ ძალიან მსუბუქი).
მათემატიკური მეთოდების შეღწევა ადამიანის საქმიანობის ყველაზე მრავალფეროვან სფეროებში აქტუალიზებს მოდელირების პრობლემას, რომლის დახმარებითაც დგინდება რეალური ობიექტის შესაბამისობა მათემატიკურ მოდელთან. ნებისმიერი მოდელი არის რაღაც სისტემის ჰომორფული გამოსახულება სხვა სისტემაში (ჰომორფიზმი არის სისტემებს შორის ერთი-ერთზე კორესპონდენცია, რომელიც ინარჩუნებს ძირითად ურთიერთობებს და ძირითად ოპერაციებს). მათემატიკური მოდელები იმიტირებულ ობიექტებთან მიმართებაში ანალოგებია სტრუქტურების დონეზე.
ფსიქოლოგიური და პედაგოგიური კვლევის შედეგების სტატისტიკური დამუშავების სპეციფიკა მდგომარეობს იმაში, რომ გაანალიზებული მონაცემთა ბაზა ხასიათდება სხვადასხვა ტიპის ინდიკატორების დიდი რაოდენობით, მათი მაღალი ცვალებადობით უკონტროლო შემთხვევითი ფაქტორების გავლენის ქვეშ, კორელაციების სირთულით. შერჩევის ცვლადებს შორის საჭიროა ობიექტური და სუბიექტური ფაქტორების გათვალისწინება, რომლებიც გავლენას ახდენენ დიაგნოსტიკის შედეგებზე, განსაკუთრებით, როდესაც გადაწყვეტთ ნიმუშის წარმომადგენლობას და აფასებთ ჰიპოთეზებს ზოგად პოპულაციასთან დაკავშირებით. კვლევის მონაცემები შეიძლება დაიყოს ჯგუფებად მათი ტიპის მიხედვით:
პირველი ჯგუფი არის ნომინალური ცვლადები (სქესი, პერსონალური მონაცემები და ა.შ.). ასეთ სიდიდეებზე არითმეტიკული ოპერაციები უაზროა, ამიტომ აღწერითი სტატისტიკის შედეგები (საშუალო, ვარიაცია) არ გამოიყენება ასეთ სიდიდეებზე. მათი ანალიზის კლასიკური გზაა მათი დაყოფა კონტიგენციურ კლასებად გარკვეული ნომინალური მახასიათებლების მიხედვით და მნიშვნელოვანი განსხვავებების შემოწმება კლასების მიხედვით.
მონაცემების მეორე ჯგუფს აქვს რაოდენობრივი საზომი სკალა, მაგრამ ეს სკალა არის რიგითი (ორდინალური). რიგითი ცვლადების ანალიზისას გამოიყენება როგორც ქვენიმუშების, ისე რანგის ტექნოლოგიები. პარამეტრული მეთოდები ასევე გამოიყენება გარკვეული შეზღუდვებით.
მესამე ჯგუფი - რაოდენობრივი ცვლადები, რომლებიც ასახავს გაზომილი ინდიკატორის სიმძიმეს - ეს არის კატელის ტესტები, აკადემიური მოსწრება და სხვა შეფასების ტესტები. ამ ჯგუფის ცვლადებთან მუშაობისას გამოიყენება ყველა სტანდარტული ტიპის ანალიზი და საკმარისი ნიმუშის ზომით, მათი განაწილება ჩვეულებრივ ახლოს არის ნორმასთან. ამრიგად, ცვლადების ტიპების მრავალფეროვნება მოითხოვს გამოყენებული მათემატიკური მეთოდების ფართო სპექტრის გამოყენებას.
ანალიზის პროცედურა შეიძლება დაიყოს შემდეგ ნაბიჯებად:
მონაცემთა ბაზის მომზადება ანალიზისთვის. ეს ეტაპი მოიცავს მონაცემების ელექტრონულ ფორმატში გადაყვანას, მათ შემოწმებას გამოტოვებულ მნიშვნელობებთან მუშაობის მეთოდის არჩევას.
აღწერითი სტატისტიკა (საშუალოების გამოთვლა, დისპერსიები და ა.შ.). აღწერითი სტატისტიკის შედეგები განსაზღვრავს ამა თუ იმ დანაყოფის მიერ განსაზღვრული გაანალიზებული ნიმუშის ან ქვენიმუშების პარამეტრების მახასიათებლებს.
საძიებო ანალიზი. ამ ეტაპის ამოცანაა ნიმუშის ინდიკატორების სხვადასხვა ჯგუფების მნიშვნელოვანი შესწავლა, მათი ურთიერთობები, ძირითადი აშკარა და ფარული (ლატენტური) ფაქტორების იდენტიფიცირება, რომლებიც გავლენას ახდენენ მონაცემებზე, ინდიკატორებში ცვლილებების თვალყურის დევნება, მათი ურთიერთობები და ფაქტორების მნიშვნელობა მონაცემთა ბაზის დაყოფისას. ჯგუფები და ა.შ. კვლევის ინსტრუმენტს წარმოადგენს კორელაციის, ფაქტორული და კლასტერული ანალიზის სხვადასხვა მეთოდები და ტექნოლოგიები. ანალიზის მიზანია ჩამოაყალიბოს ჰიპოთეზები როგორც მოცემულ ნიმუშზე, ასევე ზოგადად პოპულაციაზე.
მიღებული შედეგების დეტალური ანალიზი და შემოთავაზებული ჰიპოთეზების სტატისტიკური გადამოწმება. ამ ეტაპზე შემოწმებულია ჰიპოთეზები შემთხვევითი ცვლადების განაწილების ფუნქციის ტიპებთან, საშუალებებში განსხვავებათა და ქვენიმუშებში განსხვავებების მნიშვნელობასთან დაკავშირებით და ა.შ. კვლევის შედეგების შეჯამებისას წყდება საკითხი შერჩევის წარმომადგენლობითობის შესახებ.
უნდა აღინიშნოს, რომ მოქმედებების ეს თანმიმდევრობა, მკაცრად რომ ვთქვათ, არ არის ქრონოლოგიური, გარდა პირველი ეტაპისა. როგორც აღწერითი სტატისტიკის შედეგების მიღება და გარკვეული შაბლონების გამოვლენა, საჭირო ხდება აღმოცენებული ჰიპოთეზების ტესტირება და დაუყოვნებლივ გაგრძელება მათ დეტალურ ანალიზზე. მაგრამ ნებისმიერ შემთხვევაში, ჰიპოთეზების ტესტირებისას, რეკომენდებულია მათი გაანალიზება სხვადასხვა მათემატიკური საშუალებებით, რომლებიც ადეკვატურად შეესაბამება მოდელს და ჰიპოთეზა უნდა იქნას მიღებული მნიშვნელობის კონკრეტულ დონეზე მხოლოდ მაშინ, როდესაც ის დადასტურებულია რამდენიმე განსხვავებული მეთოდით.
ნებისმიერი გაზომვის ორგანიზებისას, გაზომილის კორელაცია (შედარება) საზომ ინსტრუმენტთან (სტანდარტთან) ყოველთვის ვარაუდობენ. კორელაციის (შედარების) პროცედურის შემდეგ ხდება გაზომვის შედეგის შეფასება. თუ ტექნოლოგიაში, როგორც წესი, მატერიალური სტანდარტები გამოიყენება როგორც მრიცხველები, მაშინ სოციალური გაზომვები, მათ შორის პედაგოგიური და ფსიქოლოგიური გაზომვები, მრიცხველები შეიძლება იყოს იდეალური. მართლაც, იმის დასადგენად, ჩამოყალიბდა თუ არა ბავშვში კონკრეტული გონებრივი ქმედება, საჭიროა შედარება ფაქტობრივი აუცილებელთან. ამ შემთხვევაში აუცილებელია იდეალური მოდელი, რომელიც არსებობს მასწავლებლის თავში.
უნდა აღინიშნოს, რომ მხოლოდ ზოგიერთი პედაგოგიური ფენომენის გაზომვაა შესაძლებელი. პედაგოგიური ფენომენების უმრავლესობის გაზომვა შეუძლებელია, რადგან არ არსებობს პედაგოგიური ფენომენების სტანდარტები, რომელთა გარეშე გაზომვა შეუძლებელია.
რაც შეეხება ისეთ ფენომენებს, როგორიცაა აქტიურობა, მხიარულება, პასიურობა, დაღლილობა, უნარები, ჩვევები და ა.შ., მათი გაზომვა ჯერჯერობით შეუძლებელია, რადგან არ არსებობს აქტივობის სტანდარტები, პასიურობა, სიცოცხლისუნარიანობა და ა.შ. უკიდურესი სირთულის და, უმეტესწილად, პედაგოგიური ფენომენების გაზომვის პრაქტიკული შეუძლებლობის გამო, ამჟამად გამოიყენება სპეციალური მეთოდები ამ ფენომენების სავარაუდო რაოდენობრივი შეფასებისთვის.
ამჟამად მიღებულია ყველა ფსიქოლოგიური და პედაგოგიური ფენომენის ორ დიდ კატეგორიად დაყოფა: ობიექტური მატერიალური ფენომენები (ფენომენები, რომლებიც არსებობს ჩვენი ცნობიერების გარეთ და დამოუკიდებლად) და სუბიექტური არამატერიალური ფენომენები (მოცემული პიროვნებისთვის დამახასიათებელი ფენომენები).
ობიექტურ მატერიალურ მოვლენებს მიეკუთვნება: ქიმიური და ბიოლოგიური პროცესები, ადამიანის მიერ შესრულებული მოძრაობები, მის მიერ გამოთქმული ბგერები, მის მიერ შესრულებული მოქმედებები და ა.შ.
სუბიექტურ არამატერიალურ მოვლენებსა და პროცესებს მიეკუთვნება: შეგრძნებები, აღქმები და იდეები, ფანტაზიები და აზროვნება, გრძნობები, სურვილები და სურვილები, მოტივაცია, ცოდნა, უნარები და ა.შ.
ობიექტური მატერიალური ფენომენებისა და პროცესების ყველა ნიშანი დაკვირვებადია და, პრინციპში, ყოველთვის მისი გაზომვაა შესაძლებელი, თუმცა თანამედროვე მეცნიერება ზოგჯერ ამას ვერ ახერხებს. ნებისმიერი თვისება ან მახასიათებელი შეიძლება პირდაპირ გაიზომოს. ეს ნიშნავს, რომ ფიზიკური ოპერაციების საშუალებით ის ყოველთვის შეიძლება შევადაროთ ზოგიერთ რეალურ მნიშვნელობას, რომელიც აღებულია შესაბამისი თვისების ან ატრიბუტის გაზომვის სტანდარტად.
სუბიექტური არამატერიალური ფენომენების გაზომვა შეუძლებელია, რადგან მათთვის არ არსებობს და არ შეიძლება იყოს მატერიალური სტანდარტები. აქედან გამომდინარე, აქ გამოიყენება ფენომენების შეფასების სავარაუდო მეთოდები - სხვადასხვა არაპირდაპირი ინდიკატორები.
არაპირდაპირი ინდიკატორების გამოყენების არსი იმაში მდგომარეობს, რომ შესწავლილი ფენომენის გაზომილი თვისება ან ნიშანი ასოცირდება გარკვეულ მატერიალურ თვისებებთან და ამ მასალის თვისებების მნიშვნელობა აღებულია, როგორც შესაბამისი არამატერიალური ფენომენების ინდიკატორი. მაგალითად, სწავლების ახალი მეთოდის ეფექტურობა ფასდება სტუდენტების წინსვლით, მოსწავლის მუშაობის ხარისხით - დაშვებული შეცდომების რაოდენობით, შესასწავლი მასალის სირთულით - დახარჯული დროის რაოდენობით, განვითარებით. გონებრივი ან მორალური თვისებები - შესაბამისი ქმედებების ან გადაცდომის რაოდენობის მიხედვით და ა.შ.
მთელი იმ დიდი ინტერესით, რასაც მკვლევარები ჩვეულებრივ აჩვენებენ ექსპერიმენტული მონაცემების რაოდენობრივი ანალიზის მეთოდებისა და სხვადასხვა მეთოდით მიღებული მასობრივი მასალის მიმართ, მნიშვნელოვანია დამუშავების ეტაპი - მათი ხარისხობრივი ანალიზი. რაოდენობრივი მეთოდების დახმარებით შესაძლებელია, სანდოობის სხვადასხვა ხარისხით, გამოვლინდეს კონკრეტული მეთოდის უპირატესობა ან გამოავლინოს ზოგადი ტენდენცია, დაამტკიცოს, რომ ტესტირებადი მეცნიერული ვარაუდი გამართლებულია და ა.შ. თუმცა, ხარისხობრივმა ანალიზმა უნდა გასცეს პასუხი კითხვაზე, თუ რატომ მოხდა ეს, რა უწყობდა ხელს და რა იყო დაბრკოლება და რამდენად მნიშვნელოვანი იყო ამ ჩარევების გავლენა, იყო თუ არა ექსპერიმენტული პირობები ზედმეტად სპეციფიკური ამ ტექნიკისთვის რეკომენდირებულისთვის. სხვა პირობებში გამოსაყენებლად და ა.შ. ამ ეტაპზე ასევე მნიშვნელოვანია იმ მიზეზების გაანალიზება, რამაც აიძულა ცალკეული რესპონდენტები უარყოფითი პასუხის გაცემაზე და ცალკეული ბავშვების მუშაობაში გარკვეული ტიპიური და თუნდაც შემთხვევითი შეცდომების მიზეზების იდენტიფიცირება და ა.შ. შეგროვებული მონაცემების ანალიზის ყველა ამ მეთოდის გამოყენება ხელს უწყობს ექსპერიმენტის შედეგების უფრო ზუსტად შეფასებას, ზრდის მათ შესახებ დასკვნების სანდოობას და უფრო მეტ საფუძველს იძლევა შემდგომი თეორიული განზოგადებისთვის.
სტატისტიკურ მეთოდებს პედაგოგიკაში მხოლოდ ფენომენების რაოდენობრივი დასადგენად იყენებენ. დასკვნებისა და დასკვნების გასაკეთებლად აუცილებელია თვისებრივი ანალიზი. ამრიგად, პედაგოგიურ კვლევაში მათემატიკური სტატისტიკის მეთოდები ფრთხილად უნდა იქნას გამოყენებული, პედაგოგიური ფენომენების თავისებურებების გათვალისწინებით.
ასე რომ, მათემატიკური სტატისტიკის რიცხვითი მახასიათებლების უმეტესობა გამოიყენება, როდესაც შესასწავლ თვისებას ან ფენომენს აქვს ნორმალური განაწილება, რომელიც ხასიათდება მოსახლეობის ელემენტების მნიშვნელობების სიმეტრიული განლაგებით საშუალო მნიშვნელობასთან შედარებით. სამწუხაროდ, პედაგოგიური ფენომენების არასაკმარისი შესწავლის გათვალისწინებით, მათთან მიმართებაში განაწილების კანონები, როგორც წესი, უცნობია. გარდა ამისა, კვლევის შედეგების შესაფასებლად, ხშირად იღებენ რანგის მნიშვნელობებს, რომლებიც არ არის რაოდენობრივი გაზომვების შედეგები. აქედან გამომდინარე, შეუძლებელია მათთან არითმეტიკული მოქმედებების შესრულება და, შესაბამისად, მათთვის რიცხობრივი მახასიათებლების გამოთვლა.
თითოეული სტატისტიკური სერია და მისი გრაფიკული გამოსახულება არის დაჯგუფებული და ვიზუალურად წარმოდგენილი მასალა, რომელიც უნდა დაექვემდებაროს სტატისტიკურ დამუშავებას.
სტატისტიკური დამუშავების მეთოდები შესაძლებელს ხდის მივიღოთ მთელი რიგი რიცხვითი მახასიათებელი, რაც შესაძლებელს ხდის ჩვენთვის საინტერესო პროცესის განვითარების პროგნოზირებას. ეს მახასიათებლები, კერძოდ, შესაძლებელს ხდის პედაგოგიურ კვლევაში მიღებული რიცხვების სხვადასხვა სერიის შედარებას და შესაბამისი პედაგოგიური დასკვნებისა და რეკომენდაციების გამოტანას.
ყველა ვარიაციის სერია შეიძლება განსხვავდებოდეს ერთმანეთისგან შემდეგი გზებით:
1. დიდად, ე.ი. მისი ზედა და ქვედა საზღვრები, რომლებსაც ჩვეულებრივ ლიმიტებს უწოდებენ.
2. ატრიბუტის მნიშვნელობა, რომლის ირგვლივ კონცენტრირებულია ვარიანტის უმრავლესობა. ეს ფუნქციის მნიშვნელობა ასახავს სერიის ცენტრალურ ტენდენციას, ე.ი. ტიპიური სერიალისთვის.
3. ვარიაციები სერიის ცენტრალური ტენდენციის გარშემო.
ამის შესაბამისად, ვარიაციების სერიის ყველა სტატისტიკური მაჩვენებელი იყოფა ორ ჯგუფად:
- ინდიკატორები, რომლებიც ახასიათებს სერიის ცენტრალურ ტენდენციას ან დონეს;
- ინდიკატორები, რომლებიც ახასიათებენ ცვალებადობის დონეს ცენტრალური ტენდენციის გარშემო.
პირველი ჯგუფი მოიცავს საშუალო მნიშვნელობის სხვადასხვა მახასიათებლებს: მედიანა, საშუალო არითმეტიკული, გეომეტრიული საშუალო და ა.შ. მეორემდე - ვარიაციის დიაპაზონი (ლიმიტები), ნიშნავს აბსოლუტურ გადახრას, სტანდარტულ გადახრას, დისპერსიას, ასიმეტრიის და ვარიაციულობის კოეფიციენტებს. არის სხვა ინდიკატორები, მაგრამ ჩვენ მათ არ განვიხილავთ, რადგან. ისინი არ გამოიყენება საგანმანათლებლო სტატისტიკაში.
ამჟამად „მოდელის“ ცნება გამოიყენება სხვადასხვა მნიშვნელობით, მათგან უმარტივესი არის ნიმუშის, სტანდარტის აღნიშვნა. ამ შემთხვევაში ნივთის მოდელი არ შეიცავს ახალ ინფორმაციას და არ ემსახურება მეცნიერული ცოდნის მიზნებს. ამ თვალსაზრისით მეცნიერებაში ტერმინი „მოდელი“ არ გამოიყენება. ფართო გაგებით, მოდელი გაგებულია, როგორც გონებრივად ან პრაქტიკულად შექმნილი სტრუქტურა, რომელიც ასახავს რეალობის ნაწილს გამარტივებული და ვიზუალური ფორმით. უფრო ვიწრო გაგებით, ტერმინი "მოდელი" გამოიყენება ფენომენების გარკვეული არეალის გამოსასახავად სხვა, უფრო შესწავლილი, ადვილად გასაგები. პედაგოგიურ მეცნიერებებში ეს ცნება გამოიყენება ფართო გაგებით, როგორც შესასწავლი ობიექტის სპეციფიკური გამოსახულება, რომელშიც ნაჩვენებია რეალური ან სავარაუდო თვისებები, სტრუქტურა და ა.შ. მოდელირება ფართოდ გამოიყენება აკადემიურ საგნებში, როგორც ანალოგია, რომელიც შეიძლება არსებობდეს სისტემებს შორის შემდეგ დონეზე: შედეგები, რომლებსაც შედარებით სისტემები იძლევა; ფუნქციები, რომლებიც განსაზღვრავენ ამ შედეგებს; სტრუქტურები, რომლებიც უზრუნველყოფენ ამ ფუნქციების შესრულებას; ელემენტები, რომლებიც ქმნიან სტრუქტურებს.
ვ.მ.ტარაბაევი აღნიშნავს, რომ ამჟამად გამოიყენება ე.წ. მულტიფაქტორული ექსპერიმენტის ტექნიკა. მრავალვარიანტულ ექსპერიმენტში მკვლევარები პრობლემას ემპირიულად უახლოვდებიან - ისინი იცვლებიან ფაქტორების დიდი რაოდენობით, რომლებზეც, როგორც მათი აზრით, დამოკიდებულია პროცესის მიმდინარეობა. ეს ცვალებადობა სხვადასხვა ფაქტორებით ხორციელდება მათემატიკური სტატისტიკის თანამედროვე მეთოდების გამოყენებით.
მრავალვარიანტული ექსპერიმენტი აგებულია სტატისტიკური ანალიზის საფუძველზე და კვლევის საგნისადმი სისტემატური მიდგომის გამოყენებით. ვარაუდობენ, რომ სისტემას აქვს შემავალი და გამომავალი, რომლის კონტროლიც შესაძლებელია, ასევე ვარაუდობენ, რომ ამ სისტემის კონტროლი შესაძლებელია გამომავალზე გარკვეული შედეგის მისაღწევად. მრავალფაქტორულ ექსპერიმენტში მთელი სისტემა შეისწავლება მისი რთული მექანიზმის შიდა სურათის გარეშე. ამ ტიპის ექსპერიმენტი დიდ შესაძლებლობებს უხსნის პედაგოგიკას.
ლიტერატურა:
1. Zagvyazinsky, V. I. ფსიქოლოგიური და პედაგოგიური კვლევის მეთოდოლოგია და მეთოდები: სახელმძღვანელო. შემწეობა სტუდენტებისთვის. უფრო მაღალი პედ. სახელმძღვანელო ინსტიტუტები / Zagvyazinsky V.I., Atakhanov R. - M .: აკადემია, 2005 წ.
2. გადელშინა, თ.გ. ფსიქოლოგიური კვლევის მეთოდოლოგია და მეთოდები: სახელმძღვანელო. მეთოდი. შემწეობა / Gadelshina T. G. - Tomsk, 2002 წ.
3. Kornilova, T. V. ექსპერიმენტული ფსიქოლოგია: თეორია და მეთოდები: სახელმძღვანელო უნივერსიტეტებისთვის / Kornilova T. V. - M .: Aspect Press, 2003 წ.
4. Kuzin, F. A. სადოქტორო დისერტაცია: წერის მეთოდოლოგია, დიზაინის წესები და დაცვის პროცედურა / Kuzin F. A. - M., 2000 წ.

მათემატიკური მეთოდები ყველაზე ფართოდ გამოიყენება სისტემატური კვლევის ჩატარებისას. ამავდროულად, მათემატიკური მეთოდებით პრაქტიკული ამოცანების გადაწყვეტა თანმიმდევრულად ხორციელდება შემდეგი ალგორითმის მიხედვით:

პრობლემის მათემატიკური ფორმულირება (მათემატიკური მოდელის შემუშავება);

კვლევის მეთოდის არჩევანი მიღებული მათემატიკური მოდელისთვის;

მიღებული მათემატიკური შედეგის ანალიზი.

პრობლემის მათემატიკური ფორმულირებაჩვეულებრივ წარმოდგენილია როგორც რიცხვები, გეომეტრიული გამოსახულებები, ფუნქციები, განტოლებათა სისტემები და ა.შ. ობიექტის (ფენომენის) აღწერა შეიძლება წარმოდგენილი იყოს უწყვეტი ან დისკრეტული, დეტერმინისტული ან სტოქასტური და სხვა მათემატიკური ფორმების გამოყენებით.

მათემატიკური მოდელიარის მათემატიკური მიმართებების სისტემა (ფორმულები, ფუნქციები, განტოლებები, განტოლებათა სისტემები), რომელიც აღწერს შესწავლილი ობიექტის, ფენომენის, პროცესის ან მთლიანობაში ობიექტს (პროცესს) გარკვეულ ასპექტებს.

მათემატიკური მოდელირების პირველი ეტაპია პრობლემის ფორმულირება, კვლევის ობიექტისა და ამოცანების განსაზღვრა, ობიექტების შესწავლისა და მართვის კრიტერიუმების (მახასიათებლების) დადგენა. პრობლემის არასწორმა ან არასრულმა განცხადებამ შეიძლება გააუქმოს ყველა შემდგომი ეტაპის შედეგები.

მოდელი არის კომპრომისის შედეგი ორ დაპირისპირებულ მიზანს შორის:

მოდელი უნდა იყოს დეტალური, გაითვალისწინოს ყველა რეალურად არსებული კავშირი და მის მუშაობაში ჩართული ფაქტორები და პარამეტრები;

ამავდროულად, მოდელი საკმარისად მარტივი უნდა იყოს ისე, რომ მისაღები გადაწყვეტილებები ან შედეგების მიღება შესაძლებელი იყოს მისაღებ დროში გარკვეული რესურსების შეზღუდვით.

მოდელირებას შეიძლება ეწოდოს სავარაუდო სამეცნიერო კვლევა. ხოლო მისი სიზუსტის ხარისხი დამოკიდებულია მკვლევარზე, მის გამოცდილებაზე, მიზნებზე, რესურსებზე.

მოდელის შემუშავებისას გამოთქმული ვარაუდები მოდელირების მიზნებისა და მკვლევარის შესაძლებლობების (რესურსების) შედეგია. ისინი განისაზღვრება შედეგების სიზუსტის მოთხოვნებით და თავად მოდელის მსგავსად, კომპრომისის შედეგია. ყოველივე ამის შემდეგ, ეს არის ვარაუდები, რომლებიც განასხვავებენ იმავე პროცესის ერთ მოდელს მეორისგან.

ჩვეულებრივ, მოდელის შემუშავებისას უგულებელყოფენ უმნიშვნელო ფაქტორებს (არ არის გათვალისწინებული). ფიზიკურ განტოლებებში მუდმივები ითვლება მუდმივად. ზოგჯერ ზოგიერთი რაოდენობა, რომელიც იცვლება პროცესში, არის საშუალოდ (მაგალითად, ჰაერის ტემპერატურა შეიძლება ჩაითვალოს უცვლელად გარკვეული პერიოდის განმავლობაში).

1. მოდელის შემუშავების პროცესი

ეს არის შესწავლილი ფენომენის თანმიმდევრული (და შესაძლოა განმეორებითი) სქემატიზაციის ან იდეალიზაციის პროცესი.

მოდელის ადეკვატურობა არის მისი შესაბამისობა რეალურ ფიზიკურ პროცესთან (ან ობიექტთან), რომელსაც ის წარმოადგენს.

ფიზიკური პროცესის მოდელის შესამუშავებლად აუცილებელია განისაზღვროს:

ზოგჯერ მიდგომა გამოიყენება, როდესაც გამოიყენება მცირე სისრულის მოდელი, რომელიც ბუნებით სავარაუდოა. შემდეგ კომპიუტერის დახმარებით ხდება მისი ანალიზი და დახვეწა.

მოდელის დადასტურებაიწყება და გადის მისი აგების პროცესში, როდესაც შერჩეულია ან დამყარებულია ამა თუ იმ ურთიერთკავშირი მის პარამეტრებს შორის, ფასდება მიღებული ვარაუდები. თუმცა მოდელის მთლიანობაში ჩამოყალიბების შემდეგ აუცილებელია მისი ანალიზი ზოგიერთი ზოგადი პოზიციიდან.

მოდელის მათემატიკური საფუძველი (ე.ი. ფიზიკური ურთიერთობების მათემატიკური აღწერა) ზუსტად უნდა იყოს თანმიმდევრული მათემატიკის თვალსაზრისით: ფუნქციონალურ დამოკიდებულებებს უნდა ჰქონდეს იგივე ტენდენციები, რაც რეალურ პროცესებს; განტოლებებს უნდა ჰქონდეს არსებობის არეალი არანაკლებ იმ დიაპაზონისა, რომელშიც ტარდება კვლევა; მათ არ უნდა ჰქონდეთ განსაკუთრებული წერტილები ან ხარვეზები, თუ ისინი არ არიან რეალურ პროცესში და ა.შ. განტოლებები არ უნდა ამახინჯონ რეალური პროცესის ლოგიკას.

მოდელი ადეკვატურად, ანუ რაც შეიძლება ზუსტად უნდა ასახავდეს რეალობას. ადეკვატურობა საჭიროა არა ზოგადად, არამედ განხილულ დიაპაზონში.

მოდელის ანალიზის შედეგებსა და ობიექტის რეალურ ქცევას შორის შეუსაბამობა გარდაუვალია, რადგან მოდელი არის ანარეკლი და არა თავად ობიექტი.

ნახ. 3. წარმოდგენილია განზოგადებული წარმოდგენა, რომელიც გამოიყენება მათემატიკური მოდელების აგებაში.

ბრინჯი. 3. მათემატიკური მოდელების აგების აპარატი

სტატიკური მეთოდების გამოყენებისას ყველაზე ხშირად გამოიყენება ალგებრის აპარატი და დიფერენციალური განტოლებები დროის დამოუკიდებელი არგუმენტებით.

დინამიური მეთოდები ერთნაირად იყენებენ დიფერენციალურ განტოლებებს; ინტეგრალური განტოლებები; ნაწილობრივი დიფერენციალური განტოლებები; ავტომატური მართვის თეორია; ალგებრა.

ალბათობის მეთოდების გამოყენება: ალბათობის თეორია; ინფორმაციის თეორია; ალგებრა; შემთხვევითი პროცესების თეორია; მარკოვის პროცესების თეორია; ავტომატების თეორია; დიფერენციალური განტოლებები.

მოდელირებაში მნიშვნელოვანი ადგილი უჭირავს მოდელსა და რეალურ ობიექტს შორის მსგავსების საკითხს. რაოდენობრივი შესაბამისობა რეალურ ობიექტში მიმდინარე პროცესების ცალკეულ ასპექტებსა და მის მოდელს შორის ხასიათდება მასშტაბით.

ზოგადად, პროცესების მსგავსება ობიექტებსა და მოდელებში ხასიათდება მსგავსების კრიტერიუმებით. მსგავსების კრიტერიუმი არის პარამეტრების განზომილებიანი ნაკრები, რომელიც ახასიათებს მოცემულ პროცესს. კვლევის ჩატარებისას, კვლევის სფეროდან გამომდინარე, გამოიყენება სხვადასხვა კრიტერიუმები. მაგალითად, ჰიდრავლიკაში ასეთი კრიტერიუმია რეინოლდსის რიცხვი (ახასიათებს სითხის სითხეს), სითბოს ინჟინერიაში - ნუსელტის რიცხვი (ახასიათებს სითბოს გადაცემის პირობებს), მექანიკაში - ნიუტონის კრიტერიუმი და ა.შ.

ითვლება, რომ თუ მოდელისა და შესწავლილი ობიექტის ასეთი კრიტერიუმები თანაბარია, მაშინ მოდელი სწორია.

თეორიული კვლევის კიდევ ერთი მეთოდი მსგავსების თეორიას უერთდება - განზომილებიანი ანალიზის მეთოდი,რომელიც ეფუძნება ორ ვარაუდს:

ფიზიკური კანონები გამოიხატება მხოლოდ ფიზიკური სიდიდეების ხარისხების ნამრავლებით, რომლებიც შეიძლება იყოს დადებითი, უარყოფითი, მთელი და წილადი; ფიზიკური განზომილების გამომხატველი თანასწორობის ორივე ნაწილის ზომები უნდა იყოს იგივე.

ადამიანი ყოველთვის და თავისი საქმიანობის ყველა სფეროში იღებდა გადაწყვეტილებებს. გადაწყვეტილების მიღების მნიშვნელოვანი სფერო დაკავშირებულია წარმოებასთან. რაც უფრო დიდია წარმოების მოცულობა, მით უფრო რთულია გადაწყვეტილების მიღება და, შესაბამისად, უფრო ადვილია შეცდომის დაშვება. ჩნდება ბუნებრივი კითხვა: შესაძლებელია თუ არა კომპიუტერის გამოყენება ასეთი შეცდომების თავიდან ასაცილებლად?

ამ კითხვაზე პასუხს იძლევა მეცნიერება, რომელსაც კიბერნეტიკა ჰქვია. კიბერნეტიკა (მომდინარეობს ბერძნული "kybernetike" - მართვის ხელოვნება) არის მეცნიერება ინფორმაციის მიღების, შენახვის, გადაცემისა და დამუშავების ზოგადი კანონების შესახებ.

კიბერნეტიკის ყველაზე მნიშვნელოვანი დარგია ეკონომიკური კიბერნეტიკა - მეცნიერება, რომელიც ეხება კიბერნეტიკის იდეებისა და მეთოდების გამოყენებას ეკონომიკურ სისტემებში.

ეკონომიკური კიბერნეტიკა იყენებს მეთოდთა ერთობლიობას ეკონომიკაში მართვის პროცესების შესასწავლად, მათ შორის ეკონომიკური და მათემატიკური მეთოდების ჩათვლით.

ამჟამად კომპიუტერების გამოყენებამ წარმოების მენეჯმენტში ფართო მასშტაბებს მიაღწია. თუმცა, უმეტეს შემთხვევაში, კომპიუტერების დახმარებით წყდება ეგრეთ წოდებული რუტინული ამოცანები, ანუ ამოცანები, რომლებიც დაკავშირებულია სხვადასხვა მონაცემების დამუშავებასთან, რომლებიც კომპიუტერების გამოყენებამდე წყდებოდა იმავე გზით, მაგრამ ხელით. პრობლემების კიდევ ერთი კლასი, რომელიც შეიძლება გადაწყდეს კომპიუტერების დახმარებით, არის გადაწყვეტილების მიღების პრობლემები. გადაწყვეტილების მისაღებად კომპიუტერის გამოსაყენებლად აუცილებელია მათემატიკური მოდელის გაკეთება. აუცილებელია თუ არა კომპიუტერის გამოყენება გადაწყვეტილების მიღებისას? ადამიანის შესაძლებლობები საკმაოდ მრავალფეროვანია. თუ მათ დაალაგებთ, ადამიანი ისეა მოწყობილი, რომ ის რაც ფლობს მისთვის საკმარისი არ არის. და იწყება მისი შესაძლებლობების გაზრდის გაუთავებელი პროცესი. მეტის ასამაღლებლად ჩნდება ერთ-ერთი პირველი გამოგონება - ბერკეტი, ტვირთის გადაადგილების გასაადვილებლად - ბორბალი. ამ ინსტრუმენტებში ამ დროისთვის მხოლოდ თავად ადამიანის ენერგიაა გამოყენებული. დროთა განმავლობაში იწყება ენერგიის გარე წყაროების გამოყენება: დენთი, ორთქლი, ელექტროენერგია, ატომური ენერგია. შეუძლებელია იმის დადგენა, თუ რამდენად აღემატება გარე წყაროებიდან მოხმარებული ენერგია დღეს ადამიანის ფიზიკურ შესაძლებლობებს.

რაც შეეხება ადამიანის გონებრივ შესაძლებლობებს, მაშინ, როგორც ამბობენ, ყველა უკმაყოფილოა მისი მდგომარეობით, მაგრამ კმაყოფილი გონებით. შესაძლებელია თუ არა, ადამიანი იმაზე ჭკვიანი გახადო, ვიდრე არის? ამ კითხვაზე პასუხის გასაცემად, უნდა განვმარტოთ, რომ ადამიანის მთელი ინტელექტუალური აქტივობა შეიძლება დაიყოს ფორმალიზებად და არაფორმალიზებად.

ფორმალიზებადი არის აქტივობა, რომელიც ხორციელდება გარკვეული წესების მიხედვით. მაგალითად, გამოთვლების შესრულება, დირექტორიაში ძიებები და გრაფიკული სამუშაოები უდავოდ შეიძლება დაევალოს კომპიუტერს. და როგორც ყველაფერი, რისი გაკეთებაც კომპიუტერს შეუძლია, ის ამას აკეთებს უკეთესად, ანუ უფრო სწრაფად და უკეთესად ვიდრე ადამიანი.

არაფორმალიზებადი არის ისეთი აქტივობა, რომელიც ხდება ჩვენთვის უცნობი წესების გამოყენებით. აზროვნება, მსჯელობა, ინტუიცია, საღი აზრი - ჯერ კიდევ არ ვიცით რა არის და ბუნებრივია, ეს ყველაფერი კომპიუტერს არ შეიძლება მივანდოთ, თუნდაც იმიტომ, რომ უბრალოდ არ ვიცით რას მივანდოთ, რა დავალება დავაყენოთ კომპიუტერის წინაშე.

გადაწყვეტილების მიღება ერთგვარი გონებრივი აქტივობაა.

ზოგადად მიღებულია, რომ გადაწყვეტილების მიღება არაფორმალური საქმიანობაა. თუმცა, ეს ყოველთვის ასე არ არის. ერთის მხრივ, ჩვენ არ ვიცით, როგორ მივიღოთ გადაწყვეტილება. და ზოგიერთი სიტყვის სხვისი დახმარებით ახსნა, როგორიცაა "ჩვენ ვიღებთ გადაწყვეტილებას საღი აზრის დახმარებით" არაფერს იძლევა. მეორე მხრივ, გადაწყვეტილების მიღების მნიშვნელოვანი ამოცანების ფორმალიზება შესაძლებელია. გადაწყვეტილების მიღების პრობლემის ერთ-ერთი სახეობა, რომელიც შეიძლება ფორმალიზებული იყოს, არის გადაწყვეტილების მიღების ოპტიმალური პრობლემები, ან ოპტიმიზაციის პრობლემები. ოპტიმიზაციის პრობლემა მოგვარებულია მათემატიკური მოდელების დახმარებით და კომპიუტერული ტექნოლოგიების გამოყენებით.

თანამედროვე კომპიუტერები აკმაყოფილებს უმაღლეს მოთხოვნებს. მათ შეუძლიათ შეასრულონ მილიონობით ოპერაცია წამში, მათ შეუძლიათ მეხსიერებაში ჰქონდეთ ყველა საჭირო ინფორმაცია, დისპლეი-კლავიატურის კომბინაცია უზრუნველყოფს დიალოგს ადამიანსა და კომპიუტერს შორის. ამასთან, არ უნდა ავურიოთ კომპიუტერების შექმნის წარმატება და მათი გამოყენების სფეროში მიღწევები. ფაქტობრივად, ყველაფერი, რაც კომპიუტერს შეუძლია, არის, პირის მიერ მოცემული პროგრამის მიხედვით, უზრუნველყოს საწყისი მონაცემების გარდაქმნა შედეგად. ნათლად უნდა გვესმოდეს, რომ კომპიუტერი არ იღებს და ვერ იღებს გადაწყვეტილებებს. გადაწყვეტილება შეიძლება მიიღოს მხოლოდ ამისთვის გარკვეული უფლებებით დაჯილდოვებულ პირ-მენეჯერს. მაგრამ კომპეტენტური მენეჯერისთვის კომპიუტერი შესანიშნავი ასისტენტია, რომელსაც შეუძლია განავითაროს და შესთავაზოს სხვადასხვა გადაწყვეტილებების ნაკრები. და ამ ნაკრებიდან ადამიანი აირჩევს იმ ვარიანტს, რომელიც, მისი თვალსაზრისით, უფრო შესაფერისი იქნება. რა თქმა უნდა, გადაწყვეტილების მიღების ყველა პრობლემა არ შეიძლება გადაწყდეს კომპიუტერის დახმარებით. მიუხედავად ამისა, მაშინაც კი, თუ კომპიუტერზე პრობლემის გადაწყვეტა სრული წარმატებით არ დასრულებულა, ის მაინც სასარგებლო აღმოჩნდება, რადგან ეს ხელს უწყობს ამ პრობლემის უფრო ღრმა გააზრებას და მის უფრო მკაცრ ფორმულირებას.

იმისთვის, რომ ადამიანმა კომპიუტერის გარეშე მიიღოს გადაწყვეტილება, ხშირად არაფერია საჭირო. ვიფიქრე და გადავწყვიტე. ადამიანი, კარგი თუ ცუდი, აგვარებს მის წინაშე წამოჭრილ ყველა პრობლემას. მართალია, ამ შემთხვევაში არ არსებობს სისწორის გარანტია. კომპიუტერი არანაირ გადაწყვეტილებას არ იღებს, მაგრამ მხოლოდ გადაწყვეტილებების პოვნაში ეხმარება. ეს პროცესი შედგება შემდეგი ნაბიჯებისგან:

1) ამოცანის შერჩევა.

პრობლემის გადაჭრა, განსაკუთრებით საკმაოდ რთული, საკმაოდ რთული ამოცანაა, რომელიც დიდ დროს მოითხოვს. და თუ დავალება არჩეულია წარუმატებლად, მაშინ ამან შეიძლება გამოიწვიოს დროის დაკარგვა და იმედგაცრუება გადაწყვეტილების მიღებისთვის კომპიუტერების გამოყენებაში. რა ძირითადი მოთხოვნები უნდა აკმაყოფილებდეს ამოცანას?

_ ერთი გამოსავალი მაინც უნდა არსებობდეს, რადგან თუ გადაწყვეტილებები არ არის, არჩევანის გაკეთება აღარაფერია.

ბ. მკაფიოდ უნდა ვიცოდეთ, რა გაგებით უნდა იყოს სასურველი გამოსავალი საუკეთესო, რადგან თუ არ ვიცით რა გვინდა, კომპიუტერი ვერ დაგვეხმარება საუკეთესო გადაწყვეტის არჩევაში.

ამოცანის არჩევა სრულდება მისი შინაარსობრივი ფორმულირებით. საჭიროა მკაფიოდ ჩამოვაყალიბოთ პრობლემა ჩვეულებრივ ენაზე, გამოვყოთ კვლევის მიზანი, მივუთითოთ შეზღუდვები, დავაყენოთ ის ძირითადი კითხვები, რომლებზეც პასუხის მიღება გვსურს პრობლემის გადაჭრის შედეგად.

აქ უნდა გამოვყოთ ეკონომიკური ობიექტის ყველაზე მნიშვნელოვანი მახასიათებლები, ყველაზე მნიშვნელოვანი დამოკიდებულებები, რომლებიც გვინდა გავითვალისწინოთ მოდელის აგებისას. ყალიბდება კვლევის ობიექტის განვითარების ზოგიერთი ჰიპოთეზა, შესწავლილია გამოვლენილი დამოკიდებულებები და ურთიერთობები. როდესაც ამოცანის არჩევა და მისი შინაარსიანი განცხადების გაკეთება ხდება, საქმე უნდა გქონდეთ საგნის სფეროს სპეციალისტებთან (ინჟინრები, ტექნოლოგები, დიზაინერები და ა.შ.). ამ სპეციალისტებმა, როგორც წესი, კარგად იციან თავიანთი საგანი, მაგრამ ყოველთვის არ აქვთ წარმოდგენა იმაზე, თუ რა არის საჭირო კომპიუტერზე პრობლემის გადასაჭრელად. ამიტომ, პრობლემის შინაარსიანი ფორმულირება ხშირად აღმოჩნდება ზედმეტად გაჯერებული იმ ინფორმაციით, რომელიც სრულიად არასაჭიროა კომპიუტერზე მუშაობისთვის.

2) მოდელის შედგენა

ეკონომიკურ-მათემატიკური მოდელი გაგებულია, როგორც შესწავლილი ეკონომიკური ობიექტის ან პროცესის მათემატიკური აღწერა, რომელშიც ეკონომიკური ნიმუშები გამოხატულია აბსტრაქტული ფორმით მათემატიკური ურთიერთობების გამოყენებით.

მოდელის შედგენის ძირითადი პრინციპები ემყარება შემდეგ ორ ცნებას:

1. პრობლემის ჩამოყალიბებისას საჭიროა სიმულირებული ფენომენის საკმაოდ ფართოდ გაშუქება. წინააღმდეგ შემთხვევაში, მოდელი არ მისცემს გლობალურ ოპტიმალს და არ ასახავს საკითხის არსს. საშიშროება ის არის, რომ ერთი ნაწილის ოპტიმიზაცია შეიძლება იყოს სხვების ხარჯზე და მთლიანი ორგანიზაციის საზიანოდ.

2. მოდელი უნდა იყოს რაც შეიძლება მარტივი. მოდელი უნდა იყოს ისეთი, რომ შესაძლებელი იყოს მისი შეფასება, ტესტირება და გაგება, ხოლო მოდელიდან მიღებული შედეგები ნათელი უნდა იყოს როგორც მისი შემქმნელისთვის, ასევე გადაწყვეტილების მიმღებისთვის. პრაქტიკაში, ეს ცნებები ხშირად ეწინააღმდეგება, პირველ რიგში იმიტომ, რომ არსებობს ადამიანური ელემენტი ჩართული მონაცემთა შეგროვებასა და შეყვანაში, შეცდომების შემოწმებასა და შედეგების ინტერპრეტაციაში, რაც ზღუდავს მოდელის ზომას, რომელიც შეიძლება დამაკმაყოფილებლად გაანალიზდეს. მოდელის ზომა გამოიყენება როგორც შემზღუდველი ფაქტორი და თუ გვინდა გავზარდოთ დაფარვის სიგანე, მაშინ უნდა შევამციროთ დეტალი და პირიქით.

მოდით შემოვიტანოთ მოდელის იერარქიის კონცეფცია, სადაც დაფარვის სიგანე იზრდება და დეტალები მცირდება იერარქიის უფრო მაღალ დონეზე გადასვლისას. უფრო მაღალ დონეზე, თავის მხრივ, ყალიბდება შეზღუდვები და მიზნები ქვედა საფეხურებისთვის.

მოდელის აგებისას დაგეგმვის ჰორიზონტი ზოგადად იზრდება იერარქიის ზრდასთან ერთად. თუ მთელი კორპორაციის გრძელვადიანი დაგეგმვის მოდელი შეიძლება შეიცავდეს ყოველდღიურ დეტალებს, მაშინ ცალკეული ქვედანაყოფის წარმოების დაგეგმვის მოდელი ძირითადად შედგება ასეთი დეტალებისგან.

დავალების ფორმულირებისას მხედველობაში უნდა იქნას მიღებული შემდეგი სამი ასპექტი:

1) შესწავლილი ფაქტორები: კვლევის მიზნები საკმაოდ თავისუფლად არის განსაზღვრული და დიდად არის დამოკიდებული იმაზე, თუ რა შედის მოდელში. ამ მხრივ, ინჟინრებისთვის უფრო ადვილია, რადგან მათ მიერ შესწავლილი ფაქტორები, როგორც წესი, სტანდარტულია და ობიექტური ფუნქცია გამოიხატება მაქსიმალური შემოსავლის, მინიმალური ხარჯების ან, შესაძლოა, გარკვეული რესურსის მინიმალური მოხმარების თვალსაზრისით. ამავდროულად, სოციოლოგები, მაგალითად, ჩვეულებრივ აყენებენ საკუთარ თავს "საზოგადოებრივი სარგებლობის" ან მსგავსი რამის მიზანს და რთულ მდგომარეობაში აღმოჩნდებიან, რომ გარკვეული "სასარგებლო" მიაკუთვნონ სხვადასხვა ქმედებებს, გამოხატონ იგი მათემატიკური ფორმით. .

2) ფიზიკური საზღვრები: კვლევის სივრცითი ასპექტები საჭიროებს დეტალურ განხილვას. თუ წარმოება კონცენტრირებულია ერთზე მეტ წერტილში, მაშინ აუცილებელია მოდელის შესაბამისი განაწილების პროცესების გათვალისწინება. ეს პროცესები შეიძლება მოიცავდეს საწყობის, ტრანსპორტირებისა და აღჭურვილობის დაგეგმვის ამოცანებს.

3) დროითი საზღვრები: კვლევის დროითი ასპექტები იწვევს სერიოზულ დილემას. როგორც წესი, დაგეგმვის ჰორიზონტი კარგად არის ცნობილი, მაგრამ არჩევანი უნდა გაკეთდეს: ან სისტემის დინამიურად სიმულაცია დროის განრიგის მისაღებად, ან სტატიკური მუშაობის სიმულაცია დროის გარკვეულ მომენტში. თუ მოდელირებულია დინამიური (მრავალეტაპიანი) პროცესი, მაშინ მოდელის ზომები იზრდება განხილული დროის (ეტაპების) რაოდენობის შესაბამისად. ასეთი მოდელები, როგორც წესი, კონცეპტუალურად მარტივია, ამიტომ მთავარი სირთულე მდგომარეობს უფრო მეტად კომპიუტერზე პრობლემის გადაჭრის შესაძლებლობაში მისაღებ დროში, ვიდრე დიდი რაოდენობით გამომავალი მონაცემების ინტერპრეტაციის უნარში. c ხშირად საკმარისია სისტემის მოდელის აშენება დროის გარკვეულ მომენტში, მაგალითად, ფიქსირებულ წელს, თვეში, დღეს და შემდეგ გაიმეოროთ გამოთვლები გარკვეული ინტერვალებით. ზოგადად, დინამიურ მოდელში რესურსების ხელმისაწვდომობა ხშირად მიახლოებულია და განისაზღვრება მოდელის ფარგლებს გარეთ არსებული ფაქტორებით. ამიტომ, საჭიროა გულდასმით გავაანალიზოთ, ნამდვილად არის საჭირო თუ არა მოდელის მახასიათებლების ცვლილების დროზე დამოკიდებულების ცოდნა, ან შესაძლებელია თუ არა იგივე შედეგის მიღება სტატიკური გამოთვლების გამეორებით სხვადასხვა ფიქსირებული მომენტისთვის.

განათლების ფედერალური სააგენტო

უმაღლესი პროფესიული განათლების სახელმწიფო საგანმანათლებლო დაწესებულება „ურალის სახელმწიფო უნივერსიტეტი. »

ისტორიის განყოფილება

მენეჯმენტის სადოკუმენტაციო და საინფორმაციო უზრუნველყოფის დეპარტამენტი

მათემატიკური მეთოდები სამეცნიერო კვლევაში

კურსის პროგრამა

სტანდარტი 350800 "დოკუმენტაცია და დოკუმენტაციის მართვა"

სტანდარტი 020800 "ისტორიული და საარქივო კვლევები"

ეკატერინბურგი

ვადასტურებ

პრორექტორი

(ხელმოწერა)

დისციპლინის პროგრამა „მათემატიკური მეთოდები სამეცნიერო კვლევაში“ შედგენილია მოთხოვნების შესაბამისად. უნივერსიტეტიკომპონენტი სავალდებულო მინიმალური შინაარსისა და ტრენინგის დონისთვის:

უმაღლესდამთავრებულისპეციალობით

დოკუმენტების მართვისა და დოკუმენტაციის მართვის მხარდაჭერა (350800),

ისტორიული და საარქივო მეცნიერება (020800),

უმაღლესი პროფესიული განათლების სახელმწიფო საგანმანათლებლო სტანდარტის „ზოგადი ჰუმანიტარული და სოციალურ-ეკონომიკური დისციპლინების“ ციკლის მიხედვით.

სემესტრი III

000 სპეციალობის სასწავლო გეგმის მიხედვით - მენეჯმენტის სადოკუმენტაციო და სადოკუმენტაციო უზრუნველყოფა:

დისციპლინის საერთო შრომის ინტენსივობა: 100 საათი,

ლექციების ჩათვლით 36 საათი

000 სპეციალობის სასწავლო გეგმის მიხედვით - ისტორიულ-საარქივო მეცნიერება

დისციპლინის საერთო შრომის ინტენსივობა: 50 საათი,

ლექციების ჩათვლით 36 საათი

კონტროლის ზომები:

გამოცდები 2 ადამიანი/სთ

შემდგენელი:, დოქ. ისტ. ურალის სახელმწიფო უნივერსიტეტის მენეჯმენტის დოკუმენტაციისა და ინფორმაციის მხარდაჭერის დეპარტამენტის ასოცირებული პროფესორი

მენეჯმენტის სადოკუმენტაციო და საინფორმაციო უზრუნველყოფის დეპარტამენტი

დათარიღებული 01.01.01 No1.

შევთანხმდით:

მოადგილე თავმჯდომარე

ჰუმანიტარული საბჭო

_________________

(ხელმოწერა)

(გ) ურალის სახელმწიფო უნივერსიტეტი

(ერთად) , 2006

შესავალი

კურსი „მათემატიკური მეთოდები სოციალურ-ეკონომიკურ კვლევაში“ მიზნად ისახავს სტუდენტებს გააცნოს სტატისტიკით შემუშავებული რაოდენობრივი ინფორმაციის დამუშავების ძირითადი ტექნიკა და მეთოდები. მისი მთავარი ამოცანაა გააფართოვოს მკვლევართა მეთოდოლოგიური სამეცნიერო აპარატურა, ასწავლოს როგორ გამოიყენოს პრაქტიკულ და კვლევით საქმიანობაში, გარდა ტრადიციული მეთოდებისა, ლოგიკურ ანალიზზე დაფუძნებული, მათემატიკური მეთოდები, რაც ხელს უწყობს ისტორიული ფენომენების და ფაქტების რაოდენობრივ დახასიათებას.

დღეისათვის მათემატიკური აპარატურა და მათემატიკური მეთოდები გამოიყენება მეცნიერების თითქმის ყველა სფეროში. ეს ბუნებრივი პროცესია, მას ხშირად მეცნიერების მათემატიზაციას უწოდებენ. ფილოსოფიაში მათემატიზაცია ჩვეულებრივ გაგებულია, როგორც მათემატიკის გამოყენება სხვადასხვა მეცნიერებებში. მათემატიკური მეთოდები დიდი ხანია და მტკიცედ შევიდა მეცნიერთა კვლევის მეთოდების არსენალში, ისინი გამოიყენება მონაცემების შეჯამების, სოციალური ფენომენების და პროცესების განვითარების ტენდენციებისა და ნიმუშების დასადგენად, ტიპოლოგიასა და მოდელირებაში.

სტატისტიკის ცოდნა აუცილებელია ეკონომიკასა და საზოგადოებაში მიმდინარე პროცესების სწორად დასახასიათებლად და ანალიზისთვის. ამისათვის საჭიროა შერჩევის მეთოდის დაუფლება, მონაცემთა შეჯამება და დაჯგუფება, შეძლოთ საშუალო და ფარდობითი მნიშვნელობების, ვარიაციული ინდიკატორების, კორელაციის კოეფიციენტების გამოთვლა. საინფორმაციო კულტურის ელემენტია ცხრილებისა და გრაფიკების სწორად ფორმატირების უნარი, რაც მნიშვნელოვანი ინსტრუმენტია პირველადი სოციალურ-ეკონომიკური მონაცემების სისტემატიზაციისა და რაოდენობრივი ინფორმაციის ვიზუალური წარმოდგენისთვის. დროებითი ცვლილებების შესაფასებლად აუცილებელია წარმოდგენა გქონდეთ დინამიური ინდიკატორების სისტემის შესახებ.

შერჩევითი კვლევის ჩატარების მეთოდოლოგიის გამოყენება საშუალებას გაძლევთ შეისწავლოთ მასობრივი წყაროებით მოწოდებული დიდი რაოდენობით ინფორმაცია, დაზოგოთ დრო და შრომა, ხოლო მიიღოთ მეცნიერულად მნიშვნელოვანი შედეგები.

მათემატიკური და სტატისტიკური მეთოდები იკავებს დამხმარე პოზიციებს, ავსებს და ამდიდრებს სოციალურ-ეკონომიკური ანალიზის ტრადიციულ მეთოდებს, მათი განვითარება თანამედროვე სპეციალისტის - დოკუმენტოლოგის, ისტორიკოს-არქივისტის კვალიფიკაციის აუცილებელი ნაწილია.

ამჟამად, მათემატიკური და სტატისტიკური მეთოდები აქტიურად გამოიყენება მარკეტინგში, სოციოლოგიურ კვლევებში, ოპერატიული მართვის ინფორმაციის შეგროვებაში, ანგარიშების შედგენასა და დოკუმენტების ნაკადების ანალიზში.

საკვალიფიკაციო ნაშრომების, რეფერატების და სხვა კვლევითი პროექტების მოსამზადებლად საჭიროა რაოდენობრივი ანალიზის უნარი.

მათემატიკური მეთოდების გამოყენების გამოცდილება აჩვენებს, რომ მათი გამოყენება უნდა განხორციელდეს შემდეგი პრინციპების დაცვით, რათა მივიღოთ სანდო და წარმომადგენლობითი შედეგები:

1) მეცნიერული ცოდნის ზოგადი მეთოდოლოგია და თეორია გადამწყვეტ როლს თამაშობს;

2) აუცილებელია საკვლევი პრობლემის მკაფიო და სწორი ჩამოყალიბება;

3) რაოდენობრივად და ხარისხობრივად წარმომადგენლობითი სოციალურ-ეკონომიკური მონაცემების შერჩევა;

4) მათემატიკური მეთოდების გამოყენების სისწორე, ანუ ისინი უნდა შეესაბამებოდეს კვლევის ამოცანას და დამუშავებული მონაცემების ხასიათს;

5) აუცილებელია მიღებული შედეგების შინაარსიანი ინტერპრეტაცია და ანალიზი, ასევე მათემატიკური დამუშავების შედეგად მიღებული ინფორმაციის სავალდებულო დამატებითი გადამოწმება.

მათემატიკური მეთოდები ხელს უწყობს სამეცნიერო კვლევის ტექნოლოგიის გაუმჯობესებას: მისი ეფექტურობის გაზრდას; ისინი დიდ დროს ზოგავენ, განსაკუთრებით დიდი რაოდენობით ინფორმაციის დამუშავებისას, საშუალებას გაძლევთ გამოავლინოთ წყაროში შენახული ფარული ინფორმაცია.

გარდა ამისა, მათემატიკური მეთოდები მჭიდროდ არის დაკავშირებული სამეცნიერო და საინფორმაციო საქმიანობის ისეთ მიმართულებასთან, როგორიცაა ისტორიული მონაცემთა ბანკების შექმნა და მანქანით წასაკითხი მონაცემების არქივები. ეპოქის მიღწევების იგნორირება შეუძლებელია და საინფორმაციო ტექნოლოგიები საზოგადოების ყველა სფეროს განვითარების ერთ-ერთ უმნიშვნელოვანეს ფაქტორად იქცევა.

საკურსო პროგრამა

თემა 1. შესავალი. ისტორიული მეცნიერების მათემატიზაცია

კურსის მიზანი და ამოცანები. მიზნობრივი საჭიროება ისტორიული მეთოდების გაუმჯობესება მათემატიკის ტექნიკის მოზიდვით.

მეცნიერების მათემატიზაცია, ძირითადი შინაარსი. მათემატიზაციის წინაპირობები: საბუნებისმეტყველო წინაპირობები; სოციალურ-ტექნიკური წინაპირობები. მეცნიერების მათემატიზაციის საზღვრები. მათემატიზაციის დონეები საბუნებისმეტყველო, ტექნიკური, ეკონომიკური და ჰუმანიტარულ მეცნიერებებში. მეცნიერების მათემატიზაციის ძირითადი კანონზომიერებებია: მათემატიკის საშუალებით სხვა მეცნიერებათა შესწავლის სფეროების სრულად დაფარვის შეუძლებლობა; გამოყენებული მათემატიკური მეთოდების შესაბამისობა მათემატიზირებული მეცნიერების შინაარსთან. ახალი გამოყენებითი მათემატიკური დისციპლინების გაჩენა და განვითარება.

ისტორიული მეცნიერების მათემატიზაცია. ძირითადი ეტაპები და მათი მახასიათებლები. ისტორიული მეცნიერების მათემატიზაციის წინაპირობები. ისტორიული ცოდნის განვითარებისათვის სტატისტიკური მეთოდების შემუშავების მნიშვნელობა.

სოციალურ-ეკონომიკური კვლევა მათემატიკური მეთოდების გამოყენებით 20-იანი წლების რევოლუციურ და საბჭოთა ისტორიოგრაფიაში (და ა.შ.)

მათემატიკური და სტატისტიკური მეთოდები 60-90-იანი წლების ისტორიკოსთა შრომებში. მეცნიერების კომპიუტერიზაცია და მათემატიკური მეთოდების გავრცელება. მონაცემთა ბაზების შექმნა და ისტორიული კვლევის საინფორმაციო მხარდაჭერის განვითარების პერსპექტივები. მათემატიკური მეთოდების გამოყენების უმნიშვნელოვანესი შედეგები სოციალურ-ეკონომიკურ და ისტორიულ-კულტურულ კვლევებში ( და სხვ.).

მათემატიკური მეთოდების კორელაცია ისტორიული კვლევის სხვა მეთოდებთან: ისტორიულ-შედარებითი, ისტორიულ-ტიპოლოგიური, სტრუქტურული, სისტემური, ისტორიულ-გენეტიკური მეთოდები. ისტორიულ კვლევაში მათემატიკური და სტატისტიკური მეთოდების გამოყენების ძირითადი მეთოდოლოგიური პრინციპები.

თემა 2 . სტატისტიკური მაჩვენებლები

სოციალური ფენომენების სტატისტიკური შესწავლის ძირითადი ტექნიკა და მეთოდები: სტატისტიკური დაკვირვება, სტატისტიკური მონაცემების სანდოობა. სტატისტიკური დაკვირვების ძირითადი ფორმები, დაკვირვების მიზანი, ობიექტი და დაკვირვების ერთეული. სტატისტიკური დოკუმენტი, როგორც ისტორიული წყარო.

სტატისტიკური მაჩვენებლები (მოცულობის, დონის და თანაფარდობის ინდიკატორები), მისი ძირითადი ფუნქციები. სტატისტიკური მაჩვენებლის რაოდენობრივი და ხარისხობრივი მხარე. სტატისტიკური მაჩვენებლების მრავალფეროვნება (მოცულობითი და ხარისხობრივი; ინდივიდუალური და განზოგადებული; ინტერვალი და მომენტი).

სტატისტიკური მაჩვენებლების გაანგარიშების ძირითადი მოთხოვნები, მათი სანდოობის უზრუნველყოფა.

სტატისტიკური მაჩვენებლების ურთიერთობა. ანგარიშის ბარათი. ზოგადი ინდიკატორები.

აბსოლუტური ღირებულებები, განმარტება. აბსოლუტური სტატისტიკური სიდიდეების სახეები, მათი მნიშვნელობა და მიღების მეთოდები. აბსოლუტური მნიშვნელობები, როგორც სტატისტიკური დაკვირვების მონაცემების შეჯამების პირდაპირი შედეგი.

საზომი ერთეულები, მათი არჩევანი დამოკიდებულია შესწავლილი ფენომენის ბუნებაზე. ბუნებრივი, ღირებულებისა და შრომის საზომი ერთეულები.

შედარებითი ღირებულებები. ფარდობითი ინდიკატორის ძირითადი შინაარსი, მათი გამოხატვის ფორმა (კოეფიციენტი, პროცენტი, ppm, დეციმილი). ფარდობითი ინდიკატორის ფორმისა და შინაარსის დამოკიდებულება.

შედარების ბაზა, ბაზის არჩევა ფარდობითი მნიშვნელობების გამოთვლისას. ფარდობითი ინდიკატორების გამოთვლის ძირითადი პრინციპები, აბსოლუტური მაჩვენებლების (ტერიტორიის, ობიექტთა დიაპაზონის და ა.შ.) შედარებადობისა და სანდოობის უზრუნველყოფა.

სტრუქტურის ფარდობითი მნიშვნელობები, დინამიკა, შედარება, კოორდინაცია და ინტენსივობა. მათი გამოთვლის გზები.

აბსოლუტური და ფარდობითი სიდიდეების ურთიერთობა. მათი კომპლექსური გამოყენების საჭიროება.

თემა 3. მონაცემთა დაჯგუფება. მაგიდები.

შემაჯამებელი ინდიკატორები და დაჯგუფება ისტორიულ კვლევებში. სამეცნიერო კვლევაში ამ მეთოდებით გადაჭრილი ამოცანები: სისტემატიზაცია, განზოგადება, ანალიზი, აღქმის მოხერხებულობა. სტატისტიკური პოპულაცია, დაკვირვების ერთეულები.

ამოცანები და რეზიუმეს ძირითადი შინაარსი. შეჯამება - სტატისტიკური კვლევის მეორე ეტაპი. შემაჯამებელი ინდიკატორების სახეობები (მარტივი, დამხმარე). შემაჯამებელი ინდიკატორების გაანგარიშების ძირითადი ეტაპები.

დაჯგუფება რაოდენობრივი მონაცემების დამუშავების მთავარი მეთოდია. დაჯგუფების ამოცანები და მათი მნიშვნელობა სამეცნიერო კვლევაში. დაჯგუფების ტიპები. დაჯგუფების როლი სოციალური ფენომენებისა და პროცესების ანალიზში.

დაჯგუფების აგების ძირითადი ეტაპები: შესწავლილი მოსახლეობის განსაზღვრა; დაჯგუფების ატრიბუტის არჩევა (რაოდენობრივი და ხარისხობრივი მახასიათებლები; ალტერნატიული და არაალტერნატიული; ფაქტორული და ეფექტური); მოსახლეობის განაწილება ჯგუფებად დაჯგუფების ტიპის მიხედვით (ჯგუფების რაოდენობის და ინტერვალების სიდიდის განსაზღვრა), ნიშნების საზომი სკალა (ნომინალური, რიგითი, ინტერვალი); დაჯგუფებული მონაცემების (ტექსტი, ცხრილი, გრაფიკი) წარმოდგენის ფორმის შერჩევა.

ტიპოლოგიური დაჯგუფება, განსაზღვრა, ძირითადი ამოცანები, კონსტრუქციის პრინციპები. ტიპოლოგიური დაჯგუფების როლი სოციალურ-ეკონომიკური ტიპების შესწავლაში.

სტრუქტურული დაჯგუფება, განსაზღვრა, ძირითადი ამოცანები, მშენებლობის პრინციპები. სტრუქტურული დაჯგუფების როლი სოციალური ფენომენების სტრუქტურის შესწავლაში

ანალიტიკური (ფაქტორული) დაჯგუფება, განსაზღვრა, ძირითადი ამოცანები, კონსტრუქციის პრინციპები, ანალიტიკური დაჯგუფების როლი სოციალური ფენომენების ურთიერთმიმართების ანალიზში. სოციალური ფენომენების ანალიზისთვის დაჯგუფებების ინტეგრირებული გამოყენებისა და შესწავლის აუცილებლობა.

ზოგადი მოთხოვნები მაგიდების კონსტრუქციისა და დიზაინისთვის. მაგიდის განლაგების შემუშავება. ცხრილის დეტალები (ნუმერაცია, სათაური, სვეტების და ხაზების სახელები, სიმბოლოები, რიცხვების აღნიშვნა). ცხრილის ინფორმაციის შევსების მეთოდი.

თემა 4. სოციო-ეკონომიკური ანალიზის გრაფიკული მეთოდები

ინფორმაცია

გრაფიკების და გრაფიკული გამოსახულების როლი სამეცნიერო კვლევაში. გრაფიკული მეთოდების ამოცანები: რაოდენობრივი მონაცემების აღქმის სიცხადის უზრუნველყოფა; ანალიტიკური ამოცანები; ნიშნების თვისებების მახასიათებლები.

სტატისტიკური გრაფიკი, განმარტება. სქემის ძირითადი ელემენტები: დიაგრამის ველი, გრაფიკული გამოსახულება, სივრცითი ცნობები, მასშტაბის მითითებები, დიაგრამის ახსნა.

სტატისტიკური გრაფიკების სახეები: ხაზოვანი დიაგრამა, მისი აგების თავისებურებები, გრაფიკული გამოსახულებები; სვეტოვანი დიაგრამა (ჰისტოგრამა), ტოლი და არათანაბარი ინტერვალების შემთხვევაში ჰისტოგრამების აგების წესის განსაზღვრა; ტორტი სქემა, განმარტება, მშენებლობის მეთოდები.

მახასიათებლების განაწილების პოლიგონი. მახასიათებლის ნორმალური განაწილება და მისი გრაფიკული გამოსახულება. სოციალური ფენომენების დამახასიათებელი ნიშნების განაწილების თავისებურებები: ირიბი, ასიმეტრიული, ზომიერად ასიმეტრიული განაწილება.

ხაზოვანი ურთიერთობა მახასიათებლებს შორის, ხაზოვანი დამოკიდებულების გრაფიკული გამოსახვის მახასიათებლები. წრფივი დამოკიდებულების თავისებურებები სოციალური ფენომენებისა და პროცესების დახასიათებაში.

დინამიური სერიის ტენდენციის კონცეფცია. ტენდენციის იდენტიფიცირება გრაფიკული მეთოდების გამოყენებით.

თემა 5. AVERAGES

საშუალო მნიშვნელობები სამეცნიერო კვლევებსა და სტატისტიკაში, მათი არსი და განმარტება. საშუალო მნიშვნელობების ძირითადი თვისებები, როგორც განზოგადებული მახასიათებელი. კავშირი საშუალო და დაჯგუფების მეთოდს შორის. ზოგადი და ჯგუფური საშუალო. საშუალოების ტიპურობის პირობები. ძირითადი კვლევითი პრობლემები, რომლებიც წყვეტს საშუალოდ.

საშუალოების გამოთვლის მეთოდები. საშუალო არითმეტიკული - მარტივი, წონიანი. არითმეტიკული საშუალოს ძირითადი თვისებები. დისკრეტული და ინტერვალური განაწილების სერიებისთვის საშუალოს გამოთვლის თავისებურებანი. არითმეტიკული საშუალოს გამოთვლის მეთოდის დამოკიდებულება წყაროს მონაცემების ბუნებიდან გამომდინარე. არითმეტიკული საშუალოს ინტერპრეტაციის თავისებურებები.

მედიანა - მოსახლეობის სტრუქტურის, განმარტების, ძირითადი თვისებების საშუალო მაჩვენებელი. მედიანური ინდიკატორის განსაზღვრა რანჟირებული რაოდენობრივი სერიებისთვის. ინტერვალის დაჯგუფებით წარმოდგენილი ინდიკატორის მედიანას გაანგარიშება.

მოდა არის მოსახლეობის სტრუქტურის, ძირითადი თვისებებისა და შინაარსის საშუალო მაჩვენებელი. რეჟიმის განსაზღვრა დისკრეტული და ინტერვალური სერიებისთვის. მოდის ისტორიული ინტერპრეტაციის თავისებურებები.

არითმეტიკული საშუალოს, მედიანისა და რეჟიმის ურთიერთობა, მათი ინტეგრირებული გამოყენების აუცილებლობა, საშუალო არითმეტიკულის ტიპურობის შემოწმება.

თემა 6. ცვალებადობის ინდიკატორები

ატრიბუტის მნიშვნელობების რყევების (ცვალებადობის) შესწავლა. ნიშან-თვისების დისპერსიის ზომების ძირითადი შინაარსი და მათი გამოყენება კვლევით საქმიანობაში.

ცვალებადობის აბსოლუტური და საშუალო მაჩვენებლები. ვარიაციული დიაპაზონი, ძირითადი შინაარსი, გამოთვლის მეთოდები. საშუალო წრფივი გადახრა. სტანდარტული გადახრა, ძირითადი შინაარსი, გაანგარიშების მეთოდები დისკრეტული და ინტერვალური რაოდენობრივი სერიებისთვის. მახასიათებლების დისპერსიის კონცეფცია.

ვარიაციის შედარებითი მაჩვენებლები. რხევის კოეფიციენტი, ძირითადი შინაარსი, გამოთვლის მეთოდები. ცვალებადობის კოეფიციენტი, გაანგარიშების მეთოდების ძირითადი შინაარსი. ვარიაციის თითოეული ინდიკატორის გამოყენების მნიშვნელობა და სპეციფიკა სოციალურ-ეკონომიკური მახასიათებლებისა და ფენომენების შესწავლაში.

თემა 7.

დროთა განმავლობაში სოციალური ფენომენების ცვლილებების შესწავლა სოციალურ-ეკონომიკური ანალიზის ერთ-ერთი უმნიშვნელოვანესი ამოცანაა.

დინამიური სერიის კონცეფცია. მომენტისა და ინტერვალის დროის სერია. მოთხოვნები დინამიური სერიების მშენებლობისთვის. შედარება დინამიკის სერიაში.

დინამიკის სერიაში ცვლილებების ინდიკატორები. დინამიკის სერიის ინდიკატორების ძირითადი შინაარსი. რიგის დონე. ძირითადი და ჯაჭვის ინდიკატორები. დინამიკის დონის აბსოლუტური ზრდა, საბაზისო და ჯაჭვური აბსოლუტური ზრდა, გამოთვლის მეთოდები.

ზრდის ტემპები. ძირითადი და ჯაჭვის ზრდის ტემპები. მათი ინტერპრეტაციის მახასიათებლები. ზრდის ტემპის ინდიკატორები, ძირითადი შინაარსი, ძირითადი და ჯაჭვური ზრდის ტემპების გამოთვლის მეთოდები.

დინამიკის სერიის საშუალო დონე, ძირითადი შინაარსი. საშუალო არითმეტიკული გამოთვლის ტექნიკა მომენტების სერიებისთვის თანაბარი და არათანაბარი ინტერვალებით და ინტერვალური სერიებისთვის ტოლი ინტერვალებით. საშუალო აბსოლუტური ზრდა. საშუალო ზრდის ტემპი. საშუალო ზრდის ტემპი.

ურთიერთდაკავშირებული დროის სერიების ყოვლისმომცველი ანალიზი. განვითარების ზოგადი ტენდენციის იდენტიფიცირება - ტენდენცია: მოძრავი საშუალო მეთოდი, ინტერვალების გაფართოება, დროის სერიების დამუშავების ანალიტიკური მეთოდები. დროის სერიების ინტერპოლაციისა და ექსტრაპოლაციის კონცეფცია.

თემა 8.

სოციალურ-ეკონომიკური ფენომენების კვლევისათვის მიმართებების გამოვლენისა და ახსნის აუცილებლობა. სტატისტიკური მეთოდებით შესწავლილი ურთიერთობების სახეები და ფორმები. ფუნქციური და კორელაციის კონცეფცია. კორელაციური მეთოდის ძირითადი შინაარსი და მისი დახმარებით გადაჭრილი ამოცანები სამეცნიერო კვლევაში. კორელაციის ანალიზის ძირითადი ეტაპები. კორელაციის კოეფიციენტების ინტერპრეტაციის თავისებურებები.

წრფივი კორელაციის კოეფიციენტი, მახასიათებლის თვისებები, რომლებისთვისაც შესაძლებელია წრფივი კორელაციის კოეფიციენტის გამოთვლა. წრფივი კორელაციის კოეფიციენტის გამოთვლის გზები დაჯგუფებული და დაუჯგუფებელი მონაცემებისთვის. რეგრესიის კოეფიციენტი, ძირითადი შინაარსი, გამოთვლის მეთოდები, ინტერპრეტაციის მახასიათებლები. განსაზღვრის კოეფიციენტი და მისი შინაარსიანი ინტერპრეტაცია.

კორელაციის კოეფიციენტების ძირითადი სახეობების გამოყენების ლიმიტები საწყისი მონაცემების წარმოდგენის შინაარსისა და ფორმის მიხედვით. Კორელაციის კოეფიციენტი. რანგის კორელაციის კოეფიციენტი. ასოციაცია და შემთხვევითობის კოეფიციენტები ალტერნატიული თვისებრივი მახასიათებლებისთვის. მახასიათებლებს შორის ურთიერთობის განსაზღვრის სავარაუდო მეთოდები: ფეხნერის კოეფიციენტი. ავტოკორელაციის კოეფიციენტი. ინფორმაციის კოეფიციენტები.

კორელაციის კოეფიციენტების შეკვეთის მეთოდები: კორელაციური მატრიცა, პლეადის მეთოდი.

მრავალგანზომილებიანი სტატისტიკური ანალიზის მეთოდები: ფაქტორული ანალიზი, კომპონენტის ანალიზი, რეგრესიული ანალიზი, კლასტერული ანალიზი. სოციალური ფენომენების შესწავლის ისტორიული პროცესების მოდელირების პერსპექტივები.

თემა 9. ნიმუშის კვლევა

შერჩევითი კვლევის ჩატარების მიზეზები და პირობები. ისტორიკოსების მიერ სოციალური ობიექტების ნაწილობრივი შესწავლის მეთოდების გამოყენების აუცილებლობა.

ნაწილობრივი გამოკითხვის ძირითადი ტიპები: მონოგრაფიული, ძირითადი მასივის მეთოდი, სანიმუშო გამოკითხვა.

შერჩევის მეთოდის განმარტება, შერჩევის ძირითადი თვისებები. ნიმუშის წარმომადგენლობა და შერჩევის შეცდომა.

შერჩევის კვლევის ეტაპები. შერჩევის ზომის განსაზღვრა, საბაზისო ტექნიკები და მეთოდები ნიმუშის ზომის დასადგენად (მათემატიკური მეთოდები, დიდი რიცხვების ცხრილი). შერჩევის ზომის განსაზღვრის პრაქტიკა სტატისტიკასა და სოციოლოგიაში.

ნიმუშების პოპულაციის ფორმირების მეთოდები: სათანადო შემთხვევითი შერჩევა, მექანიკური შერჩევა, ტიპიური და წყობილი შერჩევა. მოსახლეობის შერჩევითი აღწერების ორგანიზების მეთოდოლოგია, მუშათა და გლეხების ოჯახების საბიუჯეტო გამოკითხვები.

ნიმუშის წარმომადგენლობითობის დადასტურების მეთოდოლოგია. შემთხვევითი, სისტემატური შერჩევის შეცდომები და დაკვირვების შეცდომები. ტრადიციული მეთოდების როლი ნიმუშის შედეგების სანდოობის დადგენაში. შერჩევის შეცდომის გამოთვლის მათემატიკური მეთოდები. შეცდომის დამოკიდებულება ნიმუშის მოცულობასა და ტიპზე.

შერჩევის შედეგების ინტერპრეტაციის თავისებურებები და შერჩევის პოპულაციის ინდიკატორების საერთო პოპულაციაზე განაწილება.

ბუნებრივი ნიმუში, ძირითადი შინაარსი, ფორმირების თავისებურებები. ბუნებრივი ნიმუშის წარმომადგენლობითობის პრობლემა. ბუნებრივი ნიმუშის წარმომადგენლობითობის დადასტურების ძირითადი ეტაპები: ტრადიციული და ფორმალური მეთოდების გამოყენება. ნიშნების კრიტერიუმის მეთოდი, სერიების მეთოდი - როგორც ნიმუშის შემთხვევითობის თვისების დამადასტურებელი გზები.

მცირე ნიმუშის კონცეფცია. სამეცნიერო კვლევებში მისი გამოყენების ძირითადი პრინციპები

თემა 11. მასობრივი წყაროების ინფორმაციის ფორმალიზაციის მეთოდები

ფარული ინფორმაციის მისაღებად მასობრივი წყაროებიდან ინფორმაციის ფორმალიზების აუცილებლობა. ინფორმაციის გაზომვის პრობლემა. რაოდენობრივი და ხარისხობრივი მახასიათებლები. რაოდენობრივი და თვისებრივი ნიშნების საზომი სასწორები: სახელობითი, რიგითი, ინტერვალი. წყაროს ინფორმაციის გაზომვის ძირითადი ეტაპები.

მასობრივი წყაროების ტიპები, მათი გაზომვის თავისებურებები. სტრუქტურირებული, ნახევრად სტრუქტურირებული ისტორიული წყაროს მასალებზე დაყრდნობით ერთიანი კითხვარის აგების მეთოდოლოგია.

არასტრუქტურირებული ნარატიული წყაროს ინფორმაციის გაზომვის თავისებურებები. კონტენტის ანალიზი, მისი შინაარსი და გამოყენების პერსპექტივები. შინაარსის ანალიზის სახეები. შინაარსის ანალიზი სოციოლოგიურ და ისტორიულ კვლევაში.

ინფორმაციის დამუშავების მათემატიკურ-სტატისტიკური მეთოდებისა და წყაროს ინფორმაციის ფორმალიზაციის მეთოდების ურთიერთკავშირი. კვლევის კომპიუტერიზაცია. მონაცემთა ბაზები და მონაცემთა ბანკები. მონაცემთა ბაზის ტექნოლოგია სოციალურ-ეკონომიკურ კვლევებში.

ამოცანები დამოუკიდებელი მუშაობისთვის

სალექციო მასალის კონსოლიდაციის მიზნით, სტუდენტებს სთავაზობენ დავალებებს დამოუკიდებელი მუშაობისთვის კურსის შემდეგ თემებზე:

შედარებითი ინდიკატორები საშუალო ინდიკატორები დაჯგუფების მეთოდი გრაფიკული მეთოდები დინამიკის ინდიკატორები

დავალებების შესრულებას აკონტროლებს მასწავლებელი და არის გამოცდაზე დაშვების წინაპირობა.

ტესტის კითხვების საორიენტაციო სია

1. მეცნიერების მათემატიზაცია, არსი, წინაპირობები, მათემატიზაციის დონეები

2. ისტორიული მეცნიერების მათემატიზაციის ძირითადი ეტაპები და თავისებურებები

3. ისტორიულ კვლევაში მათემატიკური მეთოდების გამოყენების წინაპირობები

4. სტატისტიკური მაჩვენებელი, არსი, ფუნქციები, ჯიშები

3. ისტორიულ კვლევაში სტატისტიკური მაჩვენებლების გამოყენების მეთოდოლოგიური პრინციპები

6. აბსოლუტური ღირებულებები

7. ფარდობითი მნიშვნელობები, შინაარსი, გამოხატვის ფორმები, გამოთვლის ძირითადი პრინციპები.

8. ფარდობითი სიდიდეების ტიპები

9. ამოცანები და მონაცემთა შეჯამების ძირითადი შინაარსი

10. დაჯგუფება, ძირითადი შინაარსი და ამოცანები კვლევაში

11. დაჯგუფების აგების ძირითადი ეტაპები

12. დაჯგუფების ატრიბუტის ცნება და მისი გრადაციები

13. დაჯგუფების სახეები

14. მაგიდების აგებისა და დიზაინის წესები

15. დინამიური სერია, მოთხოვნები დინამიური სერიის აგებისთვის

16. სტატისტიკური გრაფიკი, განსაზღვრება, სტრუქტურა, ამოსახსნელი ამოცანები

17. სტატისტიკური გრაფიკების სახეები

18. მრავალკუთხედის მახასიათებლების განაწილება. ფუნქციის ნორმალური განაწილება.

19. ხაზოვანი კავშირი ნიშან-თვისებებს შორის, წრფივობის განსაზღვრის მეთოდები.

20. დინამიური სერიების ტენდენციის კონცეფცია, მისი განსაზღვრის გზები

21. საშუალო ღირებულებები სამეცნიერო კვლევაში, მათი არსი და ძირითადი თვისებები. საშუალოების ტიპურობის პირობები.

22. მოსახლეობის საშუალო მაჩვენებლების სახეები. საშუალოების ურთიერთობა.

23. დინამიკის სტატისტიკური მაჩვენებლები, ზოგადი მახასიათებლები, ტიპები

24. დროის სერიების ცვლილების აბსოლუტური მაჩვენებლები

25. დროის სერიების ცვლილების შედარებითი მაჩვენებლები (ზრდის ტემპები, ზრდის ტემპები)

26. დინამიური სერიის საშუალო მაჩვენებლები

27. ვარიაციის ინდიკატორები, ძირითადი შინაარსი და ამოსახსნელი ამოცანები, ტიპები

28. არაუწყვეტი დაკვირვების სახეები

29. შერჩევითი შესწავლა, ძირითადი შინაარსი და გადასაჭრელი ამოცანები

30. ნიმუში და საერთო პოპულაცია, ნიმუშის ძირითადი თვისებები

31. შერჩევის კვლევის ეტაპები, ზოგადი მახასიათებლები

32. ნიმუშის ზომის განსაზღვრა

33. სანიმუშო პოპულაციის ფორმირების გზები

34. შერჩევის შეცდომა და მისი დადგენის მეთოდები

35. შერჩევის რეპრეზენტაციულობა, წარმომადგენლობაზე მოქმედი ფაქტორები

36. ბუნებრივი სინჯის აღება, ბუნებრივი აღების წარმომადგენლობითობის პრობლემა

37. ბუნებრივი ნიმუშის წარმომადგენლობითობის დადასტურების ძირითადი ეტაპები

38. კორელაციური მეთოდი, არსი, ძირითადი ამოცანები. კორელაციის კოეფიციენტების ინტერპრეტაციის თავისებურებები

39. სტატისტიკური დაკვირვება, როგორც ინფორმაციის შეგროვების მეთოდი, სტატისტიკური დაკვირვების ძირითადი სახეები.

40. კორელაციის კოეფიციენტების სახეები, ზოგადი მახასიათებლები

41. წრფივი კორელაციის კოეფიციენტი

42. ავტოკორელაციის კოეფიციენტი

43. ისტორიული წყაროების ფორმალიზაციის მეთოდები: ერთიანი კითხვარის მეთოდი

44. ისტორიული წყაროების ფორმალიზაციის მეთოდები: შინაარსის ანალიზის მეთოდი

III.კურსის საათების განაწილება თემებისა და სამუშაოების ტიპების მიხედვით:

სპეციალობის სასწავლო გეგმის მიხედვით (No 000 - დოკუმენტოლოგია და დოკუმენტების მართვა)

სახელი

სექციები და თემები

სმენითი გაკვეთილები

დამოუკიდებელი მუშაობა

მათ შორის

შესავალი. მეცნიერების მათემატიზაცია

სტატისტიკური მაჩვენებლები

მონაცემთა დაჯგუფება. მაგიდები

საშუალო მნიშვნელობები

ვარიაციის ინდიკატორები

დინამიკის სტატისტიკური მაჩვენებლები

მრავალვარიანტული ანალიზის მეთოდები. კორელაციის კოეფიციენტები

ნიმუშის შესწავლა

ინფორმაციის ფორმალიზაციის მეთოდები

კურსის საათების განაწილება თემებისა და სამუშაოების ტიპების მიხედვით

000 სპეციალობის სასწავლო გეგმის მიხედვით – ისტორიულ-საარქივო მეცნიერება

სახელი

სექციები და თემები

სმენითი გაკვეთილები

დამოუკიდებელი მუშაობა

მათ შორის

პრაქტიკული (სემინარები, ლაბორატორიული სამუშაოები)

შესავალი. მეცნიერების მათემატიზაცია

სტატისტიკური მაჩვენებლები

მონაცემთა დაჯგუფება. მაგიდები

სოციალურ-ეკონომიკური ინფორმაციის ანალიზის გრაფიკული მეთოდები

საშუალო მნიშვნელობები

ვარიაციის ინდიკატორები

დინამიკის სტატისტიკური მაჩვენებლები

მრავალვარიანტული ანალიზის მეთოდები. კორელაციის კოეფიციენტები

ნიმუშის შესწავლა

ინფორმაციის ფორმალიზაციის მეთოდები

IV. საბოლოო კონტროლის ფორმა - ოფსეტური

ვ. კურსის საგანმანათლებლო და მეთოდური მხარდაჭერა

სლავკოს მეთოდები ისტორიულ კვლევაში. სახელმძღვანელო. ეკატერინბურგი, 1995 წ

მაზურის მეთოდები ისტორიულ კვლევაში. გაიდლაინები. ეკატერინბურგი, 1998 წ

დამატებითი ლიტერატურა

ანდერსენ ტ. დროის სერიების სტატისტიკური ანალიზი. მ., 1976 წ.

ბოროდკინის სტატისტიკური ანალიზი ისტორიულ კვლევაში. მ., 1986 წ

ბოროდკინის ინფორმატიკა: განვითარების ეტაპები // ახალი და უახლესი ისტორია. 1996. No1.

ტიხონოვი ჰუმანიტარული მეცნიერებისთვის. მ., 1997 წ

გარსკოვი და მონაცემთა ბანკები ისტორიულ კვლევაში. გიოტინგენი, 1994 წ

გერჩუკის მეთოდები სტატისტიკაში. მ., 1968 წ

დრუჟინინის მეთოდი და მისი გამოყენება სოციალურ-ეკონომიკურ კვლევებში. მ., 1970 წ

Jessen R. სტატისტიკური კვლევების მეთოდები. მ., 1985 წ

Jeannie K. საშუალო მნიშვნელობები. მ., 1970 წ

იუზბაშევის სტატისტიკის თეორია. მ., 1995 წ.

რუმიანცევის სტატისტიკის თეორია. მ., 1998 წ

შმოილოვამ შეისწავლა დინამიკის სერიაში ძირითადი ტენდენციისა და ურთიერთობის შესწავლა. ტომსკი, 1985 წ

Yeats F. შერჩევის მეთოდი აღწერებსა და გამოკითხვებში / თითო. ინგლისურიდან. . მ., 1976 წ

ისტორიული ინფორმატიკა. მ., 1996 წ.

კოვალჩენკოს ისტორიული კვლევა. მ., 1987 წ

კომპიუტერი ეკონომიკურ ისტორიაში. ბარნაული, 1997 წ

იდეების წრე: ისტორიული კომპიუტერული მეცნიერების მოდელები და ტექნოლოგიები. მ., 1996 წ

იდეების წრე: ტრადიციები და ტენდენციები ისტორიულ კომპიუტერულ მეცნიერებაში. მ., 1997 წ

იდეების წრე: მაკრო და მიკრო მიდგომები ისტორიულ კომპიუტერულ მეცნიერებაში. მ., 1998 წ

იდეების წრე: ისტორიული კომპიუტერული მეცნიერება 21-ე საუკუნის ზღურბლზე. ჩებოქსარი, 1999 წ

იდეების წრე: ისტორიული კომპიუტერული მეცნიერება საინფორმაციო საზოგადოებაში. მ., 2001 წ

სტატისტიკის ზოგადი თეორია: სახელმძღვანელო / რედ. და. მ., 1994 წ.

სემინარი სტატისტიკის თეორიაზე: პროკ. შემწეობა მ., 2000 წ

ელისეევის სტატისტიკა. მ., 1990 წ

სლავკო-სტატისტიკური მეთოდები ისტორიულ და კვლევაში მ., 1981 წ

სლავკოს მეთოდები საბჭოთა მუშათა კლასის ისტორიის შესწავლაში. მ., 1991 წ

სტატისტიკური ლექსიკონი / რედ. . მ., 1989 წ

სტატისტიკის თეორია: სახელმძღვანელო / რედ. , მ., 2000 წ

ურსულის საზოგადოება. სოციალური ინფორმატიკის შესავალი. მ., 1990 წ

Schwartz G. შერჩევის მეთოდი / თითო. მასთან. . მ., 1978 წ

რაოდენობრივი და ხარისხობრივი შეფასების სტატისტიკური მეთოდების გამოყენება;

წარმომადგენლობის ფორმა NIR.

ABSTRACT - შესწავლილი წყაროს არსის შეჯამება და დასკვნები

რეზიუმე - ლიტერატურული წყაროს შინაარსის შეჯამება

განათება: კვლევის მიზნები, ობიექტი, საგანი, ჰიპოთეზა

მეთოდოლოგია, შედეგები, კვლევის დასკვნები, კრიტიკული

სამეცნიერო სტატია არის სამეცნიერო ნაშრომი, რომელიც შეზღუდულია მოცულობით გამომცემლის პირობებით, ჩვეულებრივ 5-7 ფურცელი, რომელიც ასახავს შესავალს თემის ან საკითხის პრობლემის აქტუალობის შესახებ, მიზანი, ობიექტი, მეთოდები, ორგანიზაცია. კვლევა, მათი განხილვა, შედარება ლიტერატურულ მონაცემებთან, ბოლოს წარმოდგენილია სია.გამოყენებული.

დისერტაცია - სადოქტორო და სადოქტორო დისერტაციები. დისერტაცია (ლათ. iisscrtatio - მსჯელობა, კვლევა) - საზოგადოებრივი თავდაცვისთვის მომზადებული და მეცნიერებათა კანდიდატის ან მეცნიერებათა დოქტორის ხარისხის მოპოვების საკვალიფიკაციო სამეცნიერო ნაშრომი.

საჩვენებელი მასალა ლექციისთვის.

ტერმინი-მეცნიერება –sains- GALYM NIRS –SSWS-ҒҒЖС UIRS- SSWS - СҒЖС СНО –SSR СҒ

მეცნიერება არის ადამიანის საქმიანობის სფერო და ცოდნის ტიპი,

ბუნების კანონების შესახებ მეცნიერული კონცეფციების სისტემის ჩამოყალიბება და

საზოგადოება.

R&D ხელმძღვანელობა უნივერსიტეტის რექტორში

პრორექტორი კვლევისა და განვითარების საკითხებში (R&D, SRRS, UIRS)

ფაკულტეტები (დეკანი, კვლევის ხელმძღვანელი) სამეცნიერო და მეთოდოლოგიური განყოფილება

↕ კონფერენციების, კონკურსების ორგანიზება,

სამეცნიერო და მეთოდოლოგიური ლიტერატურის გამოცემის დეპარტამენტის უფროსი

← იუწყება უფროსის მოადგილე R&D

მასწავლებელთა კვლევითი მუშაობა, SNK,

NIRS-ის სტუდენტები-

→ SNK, ↔ SNO (ხელმძღვანელი უნივერსიტეტში,

SNO და SNK თავმჯდომარეები), UIRS-

მოხსენებები, კონფერენციები, კურსის ნაშრომები, დისერტაციები,

სამეცნიერო სემინარები საგნობრივი ოლიმპიადები

სამეცნიერო ფაკულტეტი

რესპუბლიკური კონკურსები

ლექცია 2 სამეცნიერო პროდუქციის სახეები (1 საათი).

1. კურსი, ნაშრომი, აბსტრაქტი, სამეცნიერო მიმოხილვა.

2. სამეცნიერო სტატია, რეზიუმე, მონოგრაფია, მაგისტრატურა, საკანდიდატო, სადოქტორო, სამეცნიერო მოხსენება.

3. კითხვები, მტკიცებულებებზე დამყარებული პასუხები, სამეცნიერო მრგვალი მაგიდები, კონფერენციის ფორმები.

სამაგისტრო სამუშაოუნდა შეიცავდეს სიახლის ელემენტს და გამოავლინოს მოსწავლის ზოგადი მეცნიერული, განსაკუთრებული მზადყოფნა, ერუდიცია, კვლევის უნარები, აზროვნების უნარი და თეორიული ცოდნის პრაქტიკასთან დაკავშირება. სტუდენტი, ნაშრომის ავტორი, პასუხისმგებელია ნაშრომში მიღებულ გადაწყვეტილებებზე და ყველა მონაცემის სისწორეზე. სადიპლომო სამუშაოების თემატიკა უნდა იყოს შესაბამისი, შეესაბამებოდეს ფიზიკური კულტურისა და სპორტის განვითარების არსებულ მდგომარეობას და პერსპექტივებს. იგი ყალიბდება დამამთავრებელი განყოფილებების მიერ, განიხილება და ამტკიცებს ფაკულტეტის აკადემიური საბჭო და ეცნობება სტუდენტებს სერტიფიცირების დაწყებამდე სულ მცირე ერთი წლით ადრე. როგორც წესი, ნაშრომის თემაა პროცესში ჩატარებული კვლევის გაგრძელება

კურსი.სტუდენტს ეძლევა უფლება აირჩიოს საბოლოო შესარჩევი ნამუშევარი. ამავდროულად, მას შეუძლია შესთავაზოს საკუთარი თემა მისი განვითარების მიზანშეწონილობის საჭირო დასაბუთებით. თუმცა, თემის დამოუკიდებელი არჩევის შესაძლებლობა არ ნიშნავს იმას, რომ ამ შემთხვევაში შესაძლებელია უგულებელყოფა. რჩევები და რჩევები გამოცდილი მასწავლებლებისგან. ასეთი კონსულტაციები ძალიან სასარგებლოა და დადებითად მოქმედებს მინინას თემის საბოლოო არჩევაზე.

დისერტაციის თემის სტუდენტისთვის დავალება პერსონალურ განაცხადზე (დანართი 1) კათედრაზე განხილვის შემდეგ კეთდება რექტორის ბრძანებით ფაკულტეტის დეკანის წარდგინებით სტუდენტის ბოლო პრაქტიკაზე გაგზავნამდე. რექტორის იმავე ბრძანებით ინიშნება ხელმძღვანელი და საჭიროების შემთხვევაში ხელმძღვანელის წარდგინებით კონსულტანტი ნაშრომის ცალკეულ მონაკვეთებზე. დისერტაციის ხელმძღვანელი, თემის შესაბამისად, აძლევს სტუდენტს დავალებას ნაშრომისთვის (დანართი 2), ეხმარება მას ნაშრომის მთელი პერიოდის კალენდარული გეგმის შემუშავებაში (დანართი 3), ურჩევს აუცილებელ საბაზისო ლიტერატურას, საცნობარო და საარქივო მასალები და სხვა წყაროები თემაზე; აწარმოებს სისტემატურ, მიზანმიმართულ საუბრებს და საჭიროებისამებრ აკონტროლებს მოსწავლეს; ამოწმებს სამუშაოს შესრულებას (ნაწილებად ან მთლიანად). თუ არის კონსულტანტი, მაშინ ის ამოწმებს სამუშაოს იმ მონაკვეთს (ნაწილს), რაზეც მას კონსულტაცია გაუწიეს.

დამამთავრებელმა განყოფილებებმა გამოსაშვები სამუშაოს დაწყებამდე უნდა შეიმუშაონ და მიაწოდონ სტუდენტებს მეთოდოლოგიური ინსტრუქციები, რაც ადგენს სპეციალობასთან მიმართებაში დისერტაციის მოთხოვნათა სავალდებულო ფარგლებს.

1.2. კურსები, როგორც ეტაპი საბოლოო საკვალიფიკაციო (სადიპლომო) სამუშაოების მომზადების პროცესში

როგორც ზემოთ აღინიშნა, საბოლოო საკვალიფიკაციო სამუშაო არის განზოგადება ან გაგრძელება მრავალი ადრე დატბორილი და დაცული სტუდენტის სემინარებით. მაგრამ დისერტაციისგან განსხვავებით, საკურსო ნაშრომები შეიძლება იყოს: თეორიული (აბსტრაქტული), შედგენილი არჩეულ თემაზე ლიგატური მონაცემების ანალიზისა და განზოგადების საფუძველზე; ემპირიული, დამზადებულია ფიზიკური კულტურისა და სპორტის სფეროში ინოვაციური მასწავლებლების საუკეთესო პრაქტიკის შესწავლისა და შეჯამების საფუძველზე; დიზაინი, რომელიც დაკავშირებულია სტუდენტების საგამომგონებლო მუშაობასთან და ახალი დიზაინის, ტრენაჟორების, ვიზუალური საშუალებების ნაკრების, კომპიუტერული პროგრამების და ა.შ. ტექნიკური აღწერილობის, დასაბუთებისა და დანიშნულების წარმოდგენა; ექსპერიმენტული, აგებული ფიზიკური კულტურისა და სპორტის სფეროში ექსპერიმენტის გამართლებულ ფორმულირებასა და ჩატარებაზე. თუმცა, უნდა აღინიშნოს, რომ, მიუხედავად ტიპისა, ყოველი სემესრული ნაშრომი უნდა შეიცავდეს არჩეულ თემაზე ლიტერატურული წყაროების ანალიზს. ხელნაწერი ან საბეჭდი ტექსტი.

სასწავლო პროცესი სასწავლო პროცესის ერთ-ერთი უმნიშვნელოვანესი სახეობაა და სტუდენტი ახორციელებს ფიზიკური აღზრდის ფაკულტეტის სასწავლო გეგმის შესაბამისად იმ დისციპლინების შესასწავლად გამოყოფილ საათებში, რომლებისთვისაც ეს სამუშაოები უნდა შესრულდეს.

საკურსო ნაშრომების თემებს ყოველწლიურად განიხილავს და ამტკიცებს შესაბამისი დეპარტამენტი მათი განხორციელების განრიგის დამტკიცების პარალელურად. სტუდენტს ეძლევა საკურსო სამუშაოს თემის არჩევის უფლება. საკურსო სამუშაოს სტრუქტურამ ხელი უნდა შეუწყოს არჩეული თემისა და მისი ცალკეული საკითხების გამჟღავნებას. იგი წააგავს დისერტაციის სტრუქტურას, მაგრამ ძირითადი ნაწილი, საკურსო სამუშაოს სახეობიდან გამომდინარე, შეიძლება გარკვეულწილად განსხვავდებოდეს. კონკრეტულად იხილეთ განყოფილება „კურსული ნაშრომებისა და ნაშრომების სტრუქტურა და შინაარსი“.

სამაგისტრო დისერტაცია. როგორც საბოლოო საკვალიფიკაციო სამუშაოს სახეობა, იგივეა სამაგისტრო, როგორც დისერტაცია კურსდამთავრებულებისთვის. ამ სამუშაოების ხასიათის ფუნდამენტური მიდგომები მსგავსია, მოთხოვნების თავისებურებები აისახება შესაბამის სახელმწიფო საგანმანათლებლო სტანდარტებში და დებულებებში სამუშაოს დასახელებული ტიპების შესახებ, რომელსაც ჩვეულებრივ ამუშავებს თითოეული უნივერსიტეტი (დანართი 20, გვ. 3). ).

სადოქტორო და სადოქტორო დისერტაციები.დისერტაცია (ლათ. iisscrtatio - მსჯელობა, კვლევა) - საზოგადოებრივი თავდაცვისთვის მომზადებული და მეცნიერებათა კანდიდატის ან მეცნიერებათა დოქტორის ხარისხის მოპოვების საკვალიფიკაციო სამეცნიერო ნაშრომი. ნაშრომი შეიძლება იყოს სპეციალურად მომზადებული ხელნაწერი, შეიძლება გაკეთდეს სამეცნიერო მოხსენების, გამოქვეყნებული მონოგრაფიის ან სახელმძღვანელოს სახით. დისერტაციებთან დაკავშირებული ყველაფერი გათვალისწინებულია „მეცნიერ და სამეცნიერო-პედაგოგიურ მუშაკთა აკადემიური წოდებების მინიჭებისა და სამეცნიერო მუშაკთა სამეცნიერო წოდებების მინიჭების წესის შესახებ“ დებულების IV პუნქტში.