Процесс количественной обработки данных имеет две фазы: пер­вичную и вторичную.

1. Методы первичной обработки

Первичная обработка нацелена на упорядочивание информации об объекте и предмете изучения, полученной на эмпирическом этапе исследования. На этой стадии «сырые» сведения группируются по тем или иным критериям, заносятся в сводные таблицы, а для наглядности представляются графически. Все эти манипуляции позволяют, во-пер­вых, обнаружить и ликвидировать ошибки, совершенные при фикса­ции данных, и, во-вторых, выявить и изъять из общего массива неле­пые данные, полученные в результате нарушения процедуры обследо­вания, несоблюдения испытуемыми инструкции и т. п. Кроме того, первично обработанные данные, представая в удобной для обозрения форме, дают исследователю в первом приближении представление о характере всей совокупности данных в целом: об их однородности - неоднородности, компактности - разбросанности, четкости - размы­тости и т. д. Эта информация хорошо читается на наглядных формах представления данных и связана с понятиями «распределение данных».

К основным методам первичной обработки относятся: табулирова­ние, т. е. представление количественной информации в табличной форме, и построение диаграмм (рис. I ), гистограмм (рис. 2), полигонов рас­пределения (рис. 3) и кривых распределения (рис. 4). Диаграммы отра­жают распределение дискретных данных, остальные графические формы используются для представления распределения непрерывных данных.

От гистограммы легко перейти к построению частотного полиго­на распределения, а от последнего - к кривой распределения. Частот­ный полигон строят, соединяя прямыми отрезками верхние точки цент­ральных осей всех участков гистограммы. Если же вершины участков соединить с помощью плавньгх кривых линий, то получится кривая рас­пределения первичных результатов. Переход от гистограммы к кривой распределения позволяет путем интерполяции находить те величины исследуемой переменной, которые в опыте не были получены.

2.2. Методы вторичной обработки

2.2.1. Общее представление о вторичной обработке

Вторичная обработка заключается главным образом в статис­тическом анализе итогов первичной обработки. Уже табулирование и построение графиков, строго говоря, тоже есть статистическая обра­ботка, которая в совокупности с вычислением мер центральной тен­денции и разброса включается в один из разделов статистики, а именно в описательную статистику. Другой раздел статистики - индуктивная статистика - осуществляет проверку соответствия данных вы­борки всей популяции, т. е. решает проблему репрезентативности ре­зультатов и возможности перехода от частного знания к общему . Третий большой раздел - корреляционная статистика - выявляет связи между явлениями. В целом же надо понимать, что «ста­тистика - это не математика, а, прежде всего, способ мышления, и для ее применения нужно лишь иметь немного здравого смысла и знать основы математики» .

Статистический анализ всей совокупности полученных в исследо­вании данных дает возможность охарактеризовать ее в предельно сжа­том виде, поскольку позволяет ответить на три главных вопроса: 1) ка­кое значение наиболее характерно для выборки?; 2) велик ли разброс данных относительно этого характерного значения, т. е. какова «размы­тость» данных?; 3) существует ли взаимосвязь между отдельными дан­ными в имеющейся совокупности и каковы характер и сила этих связей? Ответами на эти вопросы служат некоторые статистические показатели исследуемой выборки. Для решения первого вопроса вычисляются меры центральной тенденции (или локализации), второго - меры изменчиво­сти (или рассеивания, разброса), третьего - меры связи (или корреля­ции). Эти статистические показатели приложимы к количественным дан­ным (порядковым, интервальным, пропорциональным).

Меры центральной тенденции (м. ц. т.) - это величины, вокруг которых группируются остальные данные. Эти величины являются как бы обобщающими всю выборку показателями, что, во-первых, позво­ляет по ним судить обо всей выборке, а во-вторых, дает возможность сравнивать разные выборки, разные серии между собой. К мерам цент­ральной тенденции относятся: среднее арифметическое, медиана, мода, среднее геометрическое, среднее гармоническое.

Среднее арифметическое (М) -это результат деления суммы всех значений (X ) на их количество (N): М = ЕХ / N.

Медиана (Me ) - это значение, выше и ниже которого количество отличающихся значений одинаково, т. е. это центральное значение в последовательном ряду данных.

Примеры: 3,5,7,9,11,13,15; Me = 9.

3,5,7,9, 11, 13, 15, 17; Me = 10.

Из примеров ясно, что медиана не обязательно должна совпадать с имеющимся замером, это точка на шкале. Совпадение происходит в случае нечетного числа значений (ответов) на шкале, несовпадение - при четном их числе.

Мода (Мо) - это значение, наиболее часто встречающееся в вы­борке, т. е. значение с наибольшей частотой.

Пример: 2, 6, 6, 8, 9, 9, 9, 10; Мо = 9.

Если всё значения в группе встречаются одинаково часто, то счи­тается, что моды нет (например: 1, 1, 5, 5, 8, 8). Если два соседних значения имеют одинаковую частоту и они больше частоты любого дру­гого значения, мода есть среднее этих двух значений (например: 1, 2, 2, 2, 4, 4, 4, 5, 5, 7; Мо = 3). Если то же самое относится к двум несмеж­ным значениям, то существует две моды, а группа оценок является би­модальной (например: 0, 1, 1, 1, 2, 3, 4, 4, 4, 7; Мо = 1 и 4).

Обычно среднее арифметическое применяется при стремлении к наибольшей точности и когда впоследствии нужно будет вычислять стандартное отклонение. Медиана - когда в серии есть «нетипичные» данные, резко влияющие на среднее (например: 1, 3, 5, 7, 9, 26, 13). Мода - когда не нужна высокая точность, но важна быстрота опреде­ления м. ц. т.

Меры изменчивости (рассеивания, разброса) - это статисти­ческие показатели, характеризующие различия между отдельными зна­чениями выборки. Они позволяют судить о степени однородности по­лученного множества, о его компактности, а косвенно и о надежности полученных данных и вытекающих из них результатов. Наиболее ис­пользуемые в исследованиях показатели: размах, сред­нее отклонение, дисперсия, стандартное отклонение, полуквартилъное отклонение.

Размах (Р) -это интервал между максимальным и минимальным значениями признака. Определяется легко и быстро, но чувствителен к случайностям, особенно при малом числе данных.

Примеры: (0, 2, 3, 5, 8; Р = 8); (-0.2, 1.0, 1.4, 2.0; Р - 2,2).

Среднее отклонение (МД) - это среднеарифметическое разницы (по абсолютной величине) между каждым значением в выборке и ее средним: МД = Id / N, где: d = |Х-М|; М - среднее выборки; X - конкретное значение; N - число значений.

Множество всех конкретных отклонений от среднего характери­зует изменчивость данных, но, если их не взять по абсолютной величи­не, то их сумма будет равна нулю, и мы не получим информации об их изменчивости. МД показывает степень скученности данных вокруг сред­него. Кстати, иногда при определении этой характеристики выборки вместо среднего (М) берут иные меры центральной тенденции - моду или медиану.

Дисперсия (Д) (от лат. dispersus - рассыпанный). Другой путь из­мерения степени скученности данных предполагает избегание нулевой суммы конкретных разниц (d = Х-М) не через их абсолютные величи­ны, а через их возведение в квадрат. При этом получают так называе­мую дисперсию:

Д = Σd 2 / N - для больших выборок (N > 30);

Д = Σd 2 / (N-1) - для малых выборок (N < 30).

Стандартное отклонение (δ). Из-за возведения в квадрат отдель­ных отклонений d при вычислении дисперсии полученная величина оказывается далекой от первоначальных отклонений и потому не дает о них наглядного представления. Чтобы этого избежать и получить ха­рактеристику, сопоставимую со средним отклонением, проделывают обратную математическую операцию - из дисперсии извлекают квад­ратный корень. Его положительное значение и принимается за меру изменчивости, именуемую среднеквадратическим или стандартным отклонением:

МД, Д и d применимы для интервальных и пропорционных дан­ных. Для порядковых данных обычно в качестве меры изменчивости берут полуквартильное отклонение (Q ), именуемое еще полуквартильным коэффициентом или полумеждуквартильным размахом. Вычис­ляется этот показатель следующим образом. Вся область распределе­ния данных делится на четыре равные части. Если отсчитывать на­блюдения, начиная от минимальной величины на измерительной шкале (на графиках, полигонах, гистограммах отсчет обычно ведется слева направо), то первая четверть шкалы называется первым квартилем, а точка, отделяющая его от остальной части шкалы, обозначается сим­волом Q,. Вторые 25% распределения - второй квартиль, а соответ­ствующая точка на шкале - Q 2 . Между третьей и четвертой четвертя- ми распределения расположена точка Q,. Полу квартальный коэффи­циент определяется как половина интервала между первым и третьим квартилями: Q = (Q.-Q,) / 2.

Понятно, что при симметричном распределении точка Q 0 совпа­дет с медианой (а следовательно, и со средним), и тогда можно вычис­лить коэффициент Q для характеристики разброса данных относитель­но середины распределения. При несимметричном распределении это­го недостаточно. И тогда дополнительно вычисляют коэффициенты для левого и правого участков: Q лев = (Q 2 -Q,) / 2; Q прав = (Q, - Q 2) / 2.

Меры связи

Предыдущие показатели, именуемые статистиками, характери­зуют совокупность данных по одному какому-либо признаку. Этот из­меняющийся признак называют переменной величиной или просто «пе­ременной». Меры связи же выявляют соотношения между двумя пере­менными или между двумя выборками. Эти связи, или корреляции (от лат. correlatio - "соотношение, взаимосвязь") определяют через вы­числение коэффициентов корреляции (R ), если переменные находятся в линейной зависимости между собой. Но наличие корреляции не означает, что между переменными су­ществует причинная (или функциональная) связь. Функциональная за­висимость- это частный случай корреляции. Даже если связь при­чинна, корреляционные показатели не могут указать, какая из двух переменных причина, а какая - следствие. Кроме того, любая обнару­женная связь, как правило, существует благодаря и дру­гим переменным, а не только двум рассматриваемым. К тому же взаи­мосвязи признаков столь сложны, что их обусловлен­ность одной причиной вряд ли состоятельна, они детерминированы множеством причин.

Виды корреляции:

I. По тесноте связи:

1) Полная (совершенная): R = 1. Констатируется обязательная вза­имозависимость между переменными. Здесь уже можно говорить о функциональной зависимости.

2) связь не выявлена: R = 0.

3) Частичная: 0

Встречаются и другие градации оценок тесноты связи .

Кроме того, при оценке тесноты связи используют так называемую «частную» классификацию корреляционных связей. Эта классификация ориентирована не на абсолютную величину коэффици­ентов корреляции, а на уровень значимости этой величины при опреде­ленном объеме выборки. Эта классификация применяется при статис­тической оценке гипотез. Тогда чем больше выборка, тем меньшее зна­чение коэффициента корреляции может быть принято для признания достоверности связей. А для малых выборок даже абсолютно большое значение R может оказаться недостоверным .

II. По направленности:

1) Положительная (прямая);

Коэффициент R со знаком «плюс» означает прямую зависимость: при увеличении значения одной переменной наблюдается увеличение другой.

2) Отрицательная (обратная).

Коэффициент R со знаком «минус» означает обратную зависимость: увеличение значения одной переменной влечет уменьшение другой.

III. По форме:

1) Прямолинейная.

При такой связи равномерным изменениям одной переменной со­ответствуют равномерные изменения другой. Если говорить не только о корреляциях, но и о функциональных зависимостях, то такие формы зависимости называют пропорциональными.

2) Криволинейная.

Это связь, при которой равномерное изменение одного признака сочетается с неравномерным изменением другого.

Формулы коэффициента корреляции:

При сравнении порядковых данных применяется коэффициент ранговой корреляции по Ч. Спирмену (ρ): ρ = 6Σd 2 / N (N 2 - 1), где: d - разность рангов (порядковых мест) двух величин, N - число сравни­ваемых пар величин двух переменных (X и Y).

При сравнении метрических данных используется коэффициент корреляции произведений по К. Пирсону (r): r = Σ ху / Nσ x σ y

где: х - отклонение отдельного значения X от среднего выборки (М х), у - то же для Y, О х - стандартное отклонение для X, а - то же для Y, N - число пар значений X и Y.

Внедрение в научные исследования вычислительной техники по­зволяет быстро и точно определять любые количественные характери­стики любых массивов данных. Разработаны различные программы для ЭВМ, по которым можно проводить соответствующий статистический анализ практически любых выборок. Из массы статистических приемов наибольшее распространение получили следующие: 1) комплексное вычисление статистик; 2) корреляционный анализ; 3) дисперсионный анализ; 4) регрессионный анализ; 5) факторный ана­лиз; 6) таксономический (кластерный) анализ; 7) шкалирование.

Количественные и качественные данные в эксперименте и при других методах исследования.

Качественные данные – текст, описание естественнонаучным языком. Могут получаться в рез-те использования качественных методов (наблюдение, опрос и др)

Количественные данные – следующая ступень в организации качественных данных.

Различать количественную обработку результатов и измерение переменных.

Качественные – напр. наблюдение. Постулат непосредственности данных наблюдения – представленность психологической реальности наблюдению. Активность наблюдателя в организации процесса наблюдения и включенность наблюдателя в интерпретацию получаемых фактов.

Разные подходы к сути психологического измерения:

1. Представление проблемы приписывания чисел на шкале психологической переменной с целью упорядочивания психологических объектов и воспринимаемых психологических свойств. Допущение, что св-ва измерит.шкалы соответствуют эмпирически полученным рез-там измерения . Также полагается, что представленные статистические критерии обработки данных адекватны пониманию исследователей разных типов шкал , но док-ва опускаются.

2. Восходит к традициям психофизического эксперимента, где измерительная процедура имеет конечной целью описание феноменальных св-в в терминах изменения объективных (стимульных_ х-к. Заслуга Стивенса)

Он ввел различение типов шкал:

наименований , порядка (выполнение условия монотонности, здесь возм. ранжирование), интервалов (напр, показатели IQ, здесь возм. ответ на вопрос «на сколько»), отношений (здесь ответ на вопр «во сколько», абсолютный ноль и единицы измерения – психофизика)

Благодаря этому пси измерение стало выступать не только как установление количественных психофизических зависимостей, но и в более широком контексте измерения пси переменных.

Качественное описание – 2 типа: описание в словаре естественного языка и разработка систем условных обозначений, знаков, единиц наблюдения. Категориальное наблюдение – сведение единиц в категории – обобщение. Пример – стандартизованная процедура наблюдения Бейлза для описания взаимодействия членов малой группы при решении задачи. Система категорий (в узком смысле) – совокупность категорий, которой охватываются все теоретически допустимые проявления изучаемого процесса.

Количественная оценка (квантификация ): 1) event- sampling – полное речевое описание поведенческих событий, послед.их прочтение и пси реконструкция. Узкое значение термина: точное временное или частотное отражение наблюдателем «единиц» описания. 2) time- sampling – наблюдатель фиксирует определенные временные интервалы, т.е. определяет продолжительность событий. Методика временных выборок. Также для количественной оценки специально разрабатываются субъективные шкалы (Пример: Шелдон, темпераменты-соматотипы).

Уже в ходе исследования можно предполагать о его результатах, но обычно эти вы-воды рассматривают как предварительные, а более достоверные и основательные данные можно получить лишь в результате тщательного анализа.

Анализ данных в социальной работе заключается в интеграции всей собранной информации и в приведении ее к виду, удобному для объяснения.

Методы анализа социальной информации можно условно разделить на два больших класса в соответствии с той формой, в которой эта информации представлена:

- качественные методы ориентированы на анализ инфор-мации, представленной главным образом в словесной форме.

- количественные методы носят математический характер и представля-ют собой приемы обработки цифровой информации.

Качественный анализ является предварительным условием для применения количественных методов, он направлен на выявление внутренней структуры данных, то есть на уточнение тех категорий, которые используются для описания изучаемой сферы реальности. На этой стадии происходит окончательное определение параметров (переменных), необходимых для исчерпывающего описания. Когда имеются четкие описательные категории, легко перейти к простейшей измерительной процеду-ре — подсчету. Например, если выделить группулюдей, нуждающихся в определенной помощи, то можно подсчитать количество таких людей в дан-ном микрорайоне.

При качественном анализе возникает необходимость произвести сжатие инфор-мации, то есть получить данные в более компактном виде.

Основным приемом сжатия информации выступает кодирование - процесс анализа качественной информации, который включа-ет выделение смысловых сегментов текста или реаль-ного поведения, их категоризацию (называние) и реорганизацию .

Для этого в самом тексте находят и отмечают ключевые слова, то есть те слова и выражения, которые несут главную смысловую нагрузку, прямо указывают на со-держание текста в целом или его отдельного фрагмен-та. Используются разные типы выделения: подчерки-вание одной или двумя линиями, цветовая маркировка, наносят пометки на полях, которые могут носить характер как дополни-тельных значков, так и комментариев. Например, можно выделять те фрагменты, где клиент говорит о себе. С другой стороны, можно выделять все, что касается его здоровья, можно разделить те проблемы, которые клиент в состоянии решить сам, и те проблемы, для решения которых он нуждается в посторонней помощи.

Сходные по содержанию фрагмен-ты метятся аналогичным образом. Это позволяет легко их идентифицировать и при необходимости собиратьвместе. Затем выделенные фрагменты отыскивают по разным рубрикам. Анализируя текст, можно сравнить отдельные его фрагменты между собой, выявляя сходства и различия.

Обработанный таким образом материал становится легко обозри-мым. Главные моменты выступают на первый план, как бы возвышаясь над массой деталей. Появляется возможность анализировать отношения между ними, выявлять их общую структуру и на этой основе вы-двигать некоторые объяснительные гипотезы.

Когда изучается одновременно несколько объектов (как минимум два) и когда сопоставление с целью обнаружения сходств и различий становится основ-ным приемом анализа применяется сравнительный метод . Количество изучае-мых объектов здесь невелико (чаще всего два или три), и каждый из них изучается достаточно углубленно и всесторонне.

Необходимо найти такую форму представления данных, которая наиболее удобна для анализа. Основ-ным приемом здесь выступает схематизация. Схема всегда упрощает реальные отношения, огрубляет истинную картину. В этом смысле схематизация отноше-ний является одновременно и сжатием информации. Но она предполагает также нахождение наглядной и легко обозримой формы представления информа-ции. Этой цели служит сведение данных в таблицы или диаграммы.

Для удобства сравнения материал сводят в таблицы. Общая структура таблицы такова: каждая клетка представляет собой пересечение строки и столбца. Таблица удобна тем, что в нее можно включать как ко-личественные, так и качественные данные. Смысл таблицы в том, чтобы ее мож-но было окинуть взглядом. Поэтому обычно таблица должна умещаться на одном листе. Сводная таблица, используемая для анализа, часто чертится на большом листе бумаги. Но большую таблицу всегда можно раз-бить на несколько частей, то есть сделать из нее не-сколько таблиц. Чаще всего строка соответствует одному случаю, а столбцы представляют его различные аспекты (при-знаки).

Еще одним приемом сжатого и наглядного пред-ставления информации служат диаграммы. Существу-ют разные типы диаграмм, но практически все они яв-ляются структурными схемами, на которых условными фигурами (прямоугольниками или овалами) изобража-ются элементы, а линиями или стрелками — связи между ними. Например, с помощью диаграммы удобно представить структуру любой организации. Элемента-ми ее выступают люди, точнее — должности. Если ор-ганизация большая, то в качестве элементов выбира-ются более крупные структурные элементы — подраз-деления. С помощью диаграммы легко представить иерархию отношений (систему подчинения): старшие должности располагаются на схеме выше, а младшие — ниже. Линии, соединяющие элементы, точно указыва-ют, кто кому непосредственно подчиняется.

Представление в виде диаграмм вполне можно ис-пользовать и для выявления логической структуры со-бытий или текста. В этом случае вначале проводится смысловой анализ и намечаются узловые события или компоненты, а затем они представляются в графичес-кой форме так, чтобы максимально ясной становилась связь между ними. Понятно, что схематизация приво-дит к огрублению картины за счет опускания многих деталей. Однако происходит сжатие информации, преобразование ее в вид, удобный для восприятия и запоминания.

Таким образом, основными приемами ка-чественного анализа являются кодирование и нагляд-ное представление информации.

Количественный анализ включает методы статистического описания выборки и методы статистического вывода (проверки статистических гипотез).

Количественные (статистические) методы анализа широко применяются в научных исследованиях вооб-ще и в социальных науках в частности. Социологи прибегают к статисти-ческим методам для обработки результатов массовых опросов общественного мнения. Психологи применя-ют аппарат математической статистики для создания надежных диагностических инструментов — тестов.

Все методы количественного анализа принято разделять на две большие группы. Методы статистичес-кого описания направлены на получение количествен-ной характеристики данных, полученных в конкрет-ном исследовании. Методы статистического вывода позволяют корректно распространять резуль-таты, полученные в конкретном исследовании, на всё явление как таковое, делать заключения общего ха-рактера. Статистические методы позволяют выявлять устойчивые тенденции и строить на этой основе теории, предназначенные для их объяснения.

Наука всегда имеет дело с разнообразием действи-тельности, но свою задачу она видит в обнаружении порядка вещей, некоторой устойчивости внутри на-блюдаемого разнообразия. Статистика снабжает удобны-ми приемами такого анализа.

Для использования статистики требуются два ос-новных условия:

а) необходимо иметь данные о группе (выборке) людей;

б) эти данные должны быть представлены в формализованном (кодифицированном) виде.

Нужно учитывать возможную ошибку выборки, так как для исследования берутся только отдельные респонденты, нет никакой га-рантии, что они являются типичными представителя-ми социальной группы в целом. Ошибка выборки зависит от двух моментов: от размера выборки и от степени вари-ации признака, который интересует исследователя. Чем больше выборка, тем меньше вероятность того, что в нее попа-дут индивиды с крайними значениями исследуемой переменной. С другой стороны, чем меньше степень вариации признака, тем в целом ближе будет каждое значение к истинному среднему. Зная размер выборки, и получив меру рассеяния наблюдений, нетрудно вывести показатель, который называется стандартная ошибка среднего. Он дает интервал, в котором должна лежать истинная средняя популяции.

Статистический вывод представляет собой процесс проверки гипотез. Причем первоначально всегда выдвигается предположение, что наблюдаемые различия носят случайный характер, то есть выборка принадле-жит к той же генеральной совокупности. В статистике такое предположение получило название нулевая ги-потеза.

Методика подготовки выпускной (квалификационной) работы, требования к ее содержанию и оформлению

Выпускная (квалификационная) работа завершает подготовку специалиста по социальной работе в вузе и показывает его готовность решать теоретические и практические задачи.

Выпускная (квалификационная) работа должна представлять собой самостоятельную законченную разработку, в которой анализируются актуальные проблемы социальной работы, раскрываются содержание и технологии разрешения этих проблем не только в теоретическом, но и в практическом плане на местном, региональном уровнях. Любая выпускная (квалификационная) работа по социальной работе должна быть своего рода социальным проектом.

Выпускная (квалификационная) работа должна свидетельствовать о наличии у автора глубоких и всесторонних знаний объекта и предмета исследования, способности к самостоятельным научным исследованиям с использованием полученных в ходе освоения основной образовательной программы знаний и навыков;

Выпускная (квалификационная) работа должна содержать обоснование выбора темы исследования, обзор опубликованной специальной литературы по данной проблеме, изложение полученных результатов исследования, конкретные выводы и предложения.

Выпускная (квалификационная) работа должна продемонстрировать уровень овладения автором методами научного исследования и научным языком, его умение кратко, логично и аргументированно излагать материал.

Выпускная (квалификационная) работа не должна механически повторять учебные работы выпускника (курсовые, реферативные работы и пр.).

Выводы, предложения и рекомендации по исследуемым проблемам, выдвигаемые автором в адрес органов, организаций, учреждений и служб социальной защиты населения, должны быть конкретны, иметь практическую и теоретическую ценность, обладать элементами новизны.

Цели дипломной работы:

Систематизация, закрепление и расширение теоретических и практических знаний по социальной работе, их применение при решении конкретных практических задач;

Развитие навыков самостоятельной работы;

Овладение методикой исследования, обобщения и логического изложения материала.

В дипломной работе студент должен показать:

Прочные теоретические знания по избранной теме, проблемное изложение теоретического материала;

Умение изучать и обобщать общую и специальную литературу по теме, решать практические задачи, делать выводы и предложения;

Навыки проведения анализа и расчетов, экспериментирования, владения вычислительной техникой;

Умение грамотно применять методы оценки социальной эффективности, предлагаемых мероприятий.

Дипломная работа имеет четкую композицию: введение, основная часть, состоящая из нескольких глав, и заключение.

Во введении указывается тема и цель дипломной работы, обосновывается актуальность исследования, его теоретическое и практическое значение, называются основные методы исследования. В нем дается обоснование обращения к данной теме, ее актуальность в настоящий момент, значение, цель и содержание поставленных задач, формулируются объект и предмет исследования, сообщается, в чем заключается теоретическая значимость и практическая ценность полученных результатов.

Темы выпускных (квалификационных) работ утверждаются выпускающими кафедрами. Тема должна соответствовать специальности, при ее формулировке целесообразно учитывать сложившиеся на кафедре научные направления и возможность обеспечения студентов квалифицированным научным руководством. Желательно, чтобы темы были актуальными и обладали новизной, теоретической и практической значимостью. При формулировке темы нужно учитывать наличие или отсутствие литературы и практических материалов, наработки самого студента по теме (курсовые работы, научные доклады и т. п.), интерес студента к избранной теме, возможности студента провести необходимые исследования.

Следовательно, введение является достаточно ответственной частью дипломной работы, т. к. предопределяет дальнейшее раскрытие темы и содержит необходимые квалификационные характеристики.

Актуальность темы, важность, значимость в настоящее время, современность, злободневность - обязательное условие любой научной работы. Обоснование актуальности - начальный этап любого исследования, характеризующий профессиональную подготовку студента в том, как он умеет выбрать тему, сформулировать, насколько правильно он ее понимает и оценивает с точки зрения современности, ее научной или практической значимости. Освещение актуальности не должно быть многословным. Достаточно показать суть проблемы, определить, где проходит граница между знанием и незнанием о предмете исследования.

От формулировки научной проблемы и доказательств, что ее часть, являющаяся объектом исследования данной работы, еще не получила достаточной разработки и освещения в научной литературе, логично перейти к формулировке цели предпринимаемого исследования, а также указать на конкретные задачи, которые предстоит решать в соответствии с этой целью. Цель исследования - то, к чему стремится дипломник в своей дипломной работе, что собирается осуществить, установить, для чего он взялся за разработку данной темы. В соответствии с заданной целью, студенту предстоит сформулировать конкретные задачи исследования как определенные этапы исследования, которые необходимо пройти для достижения поставленной цели.

Кроме вышеуказанного, обязательным элементом введения является формулировка объекта и предмета исследования, где объект - это процесс или явление, порождающее проблемную ситуацию и избранное для исследования, а предмет - то, что находится в границах объекта. Объект и предмет исследования соотносятся между собой как общее и частное. Именно на предмет исследования и должно быть направлено основное внимание дипломника, т. к. именно предмет исследования определяет тему работы, обозначенную на титульном листе.

Обязательным элементом введения научной работы является также указание на методы исследования , которые служат инструментом в добывании фактического материала, являясь необходимым условием достижения поставленной в такой работе цели.

Во введении описываются и другие элементы научного процесса. К ним, в частности, относят указание, на каком конкретном материале выполнена сама работа. Здесь же дается характеристика основных источников получения информации (официальных, научных, литературных, библиографических), а также указываются методологические основы проведенного исследования.

Основная часть состоит из нескольких глав, которые, в свою очередь, делятся на параграфы. В этой композиционной части излагаются основные теоретические положения дипломной работы, анализируется фактический материал, приводятся статистические данные. Возможный иллюстративный материал может быть представлен здесь же, либо внесен в приложение.

В основной части работы студент раскрывает методологию и методику исследования, используя с этой целью следующие методы: наблюдение, сравнение, анализ и синтез, индукцию и дедукцию, теоретическое моделирование, восхождение от абстрактного к конкретному, и наоборот.

Содержание глав основной части должно точно соответствовать теме работы и полностью ее раскрывать. Выводы, сделанные дипломником в исследовании, должны быть непротиворечивыми, аргументированными, научно обоснованными. При этом под аргументированностью понимается логический процесс, суть которого заключается в том, что в нем обосновывается истинность высказанного суждения с помощью других суждений, примеров, доводов.

Заключение содержит выводы по дипломной работе. Выводы должны отражать основное содержание работы, быть точными и краткими. Они не должны подменяться механическим суммированием выводов в конце глав, представляющих краткое резюме, а содержать то новое, что составляет итоговые результаты исследования. Именно здесь содержится то знание, которое является новым по отношению к исходному знанию. Именно оно выносится на обсуждение и оценку государственной комиссии и общественности в процессе защиты дипломной работы.

В случае, если работа имела практическое значение, в выводах должны содержаться указания, где и каким образом они могут применяться в практике социальной работы. В некоторых случаях возникает необходимость указать пути продолжения исследования темы, те задачи, которые придется решать будущим исследователям в первую очередь. Завершают работу список использованных нормативных материалов и список использованной литературы.

Вспомогательные или дополнительные материалы, которые загромождают текст основной части работы, помещают в приложении. По содержанию приложения могут быть достаточно разнообразными. Это, например, могут быть копии подлинных документов (Уставы, Положения, Инструкции, отчеты, планы и т. д.), отдельные выдержки из инструкций и правил, неопубликованные тексты и т д. По форме они могут представлять собой текст, таблицы, графики, карты.

В приложения нельзя включать библиографический список использованной литературы, вспомогательные указатели всех видов, справочные комментарии и примечания, которые являются не приложениями к основному тексту, а элементами справочно-сопроводительного аппарата работы, помогающими пользоваться ее основным текстом.

Выпускная квалификационная работа сдается на кафедру в печатном виде. Примерный объем работы должен составлять 2-2,5 п.л. (50-60 страниц машинописного текста). Границы полей: слева - 3,5 см; справа - 1,5 см, сверху и снизу - 2,5 см. Компьютерный набор осуществляется в текстовом варианте Microsoft Word (интервал 1-1,5 по множителю, 12-14-й кегль Times New Roman).

Все страницы работы, включая страницы с таблицами и схемами, нумеруются последовательно арабскими цифрами, расположенными, как правило, над серединой текста.

Титульный лист дипломной работы включает полное название организации, в которой выполнена работа, название кафедры, заглавие сочинения, шифр и наименование специальности, фамилию и инициалы исполнителя, фамилию, инициалы, научную степень (должность, звание) научного руководителя, город и год написания.

Название глав и параграфов обозначается в той же последовательности и в той же формулировке, в какой они приводятся в тексте работы.

Текст основной части работы делится на главы, разделы, подразделы, пункты, параграфы.

Оформленная в соответствии с требованиями дипломная работа должна быть сдана на выпускающую кафедру не позднее 14 дней до срока защиты. Сроки предзащиты и сроки защиты дипломной работы устанавливаются выпускающей кафедрой.

Собрав совокупность данных, исследователь приступает к их обработке, получая сведения более высокого уровня, называемые результатами. Он уподобляется портному, который снял мерку (данные) и теперь все зафиксированные размеры соотносит между собой, приводит в целостную систему в виде выкройки и в конечном итоге – в виде той или иной одежды. Параметры фигуры заказчика – это данные, а готовое платье – это результат. На этом этапе могут обнаружиться ошибки в замерах, неясности в согласовании отдельных деталей одежды, что требует новых сведений, и клиент приглашается на примерку, где вносятся необходимые коррективы. Так и в научном исследовании: полученные на предыдущем этапе «сырые» данные путем их обработки приводят в определенную сбалансированную систему, которая становится базой для дальнейшего содержательного анализа, интерпретации и научных выводов и практических рекомендаций. Если по обработке данных выявляются какие-либо ошибки, пробелы, несоответствия, препятствующие построению такой системы, то их можно ликвидировать и восполнить, проведя повторные замеры.

Обработка данных направлена на решение следующих задач: 1) упорядочивание исходного материала, преобразование множества данных в целостную систему сведений, на основе которой возможно дальнейшее описание и объяснение изучаемых объекта и предмета; 2) обнаружение и ликвидация ошибок, недочетов, пробелов в сведениях; 3) выявление скрытых от непосредственного восприятия тенденций, закономерностей и связей; 4) обнаружение новых фактов, которые не ожидались и не были замечены в ходе эмпирического процесса; 5) выяснение уровня достоверности, надежности и точности собранных данных и получение на их базе научно обоснованных результатов.

Если на предыдущих этапах происходит процесс увеличения разнообразия сведений (числа параметров, единичных измерений, источников и т. п.), то теперь наблюдается обратный процесс – ограничение разнообразия, приведение данных к общим знаменателям, позволяющим делать обобщения и прогнозировать развитие тех или иных психических явлений.

Рассматриваемый этап обычно связывается с обработкой количественного характера. Качественная сторона обработки эмпирического материала, как правило, только подразумевается либо вовсе опускается. Обусловлено это, видимо, тем, что качественный анализ часто ассоциируется с теоретическим уровнем исследования, который присущ последующим стадиям изучения объекта – обсуждению и интерпретации результатов. Представляется, однако, что исследование качественного характера имеет два уровня: уровень обработки данных, где проводится организационно-подготовительная работа по первичному выявлению и упорядочиванию качественных характеристик изучаемого объекта, и уровень теоретического проникновения в сущность этого объекта. Работа первого типа характерна для стадии обработки данных, а второго – для этапа интерпретации результатов. Результат в данном случае понимается как итог и количественного, и качественного преобразования первичных данных. Тогда количественная обработка есть манипуляция с измеренными характеристиками изучаемого объекта (объектов), с его «объективизированными» во внешнем проявлении свойствами. Качественная обработка – это способ предварительного проникновения в сущность объекта путем выявления его неизмеряемых свойств на базе количественных данных.

Количественная обработка направлена в основном на формальное, внешнее изучение объекта, качественная – преимущественно, на содержательное, внутреннее его изучение.

В количественном исследовании доминирует аналитическая составляющая познания, что отражено и в названиях количественных методов обработки эмпирического материала, включающих в себя категорию «анализ» корреляционный анализ, факторный анализ и т. д. Основным гом количественной обработки является упорядоченная совокупность «внешних» показателей объекта (объектов). Реализуется количественная обработка с помощью математико-статистических методов.

В качественной обработке доминирует синтетическая составляющая познания, причем в этом синтезе превалирует компонент, объединения и в меньшей степени присутствует компонент обобщения. Обобщение – прерогатива последующего этапа исследовательского процесса – интерпретационного. В фазе качественной обработки данных главное заключается не в раскрытии сущности изучаемого явления, а пока лишь в соответствующем представлении сведений о нем, обеспечивающем дальнейшее его теоретическое изучение. Обычно результатом качественной обработки является интегрированное представление о множестве свойств объекта или множестве объектов в форме классификаций и типологий. Качественная обработка в значительной мере апеллирует к методам логики.

Противопоставление друг другу качественной и количествен ной обработок (а следовательно, и соответствующих методов) довольно условно. Они составляют органичное целое. Количественный анализ без последующей качественной обработки бессмыслен, так как сам по себе он не в состоянии превратить эмпирические данные в систему знаний. А качественное изучение: объекта без базовых количественных данных – немыслимо. В научном познании. Без количественных данных качественное познание – это чисто умозрительная процедура, не свойственная современной науке. В философии категории «качество» и «количество», как известно, объединяются в категории «мера».

Единство количественного и качественного осмысления эмпирического материала наглядно проступает во многих методах обработки данных: факторный и таксономический анализы, шкалирование, классификация и др. Но поскольку традиционно в науке принято деление на количественные и качественные характеристики, количественные и качественные методы, количественные и качественные описания, не будем «святее папы Римского» и примем количественные и качественные аспекты обработки данных за самостоятельные фазы одного исследовательского этапа, которым соответствуют определенные количественные и качественные методы.

Качественная обработка естественным образом выливается в описание и объяснение изучаемых явлений, что составляет уже следующий уровень их изучения, осуществляемый на стадии интерпретации результатов. Количественная же обработка полностью относится к рассматриваемому этапу исследовательского процесса, что в совокупности с ее особой спецификой побуждает к ее более подробному изложению. Процесс количественной обработки данных имеет две фазы: первичную и вторичную. Последовательно рассмотрим их.

Общее представление об обработке данных

Обработка данных психологических исследований – от­дельный раздел экспериментальной психологии, тесно свя­занный с математической статистикой и логикой. Обработ­ка данных направлена на решение следующих задач:

Упорядочивание полученного материала;

Обнаружение и ликвидация ошибок, недочетов, пробе­лов в сведениях;

Выявление скрытых от непосредственного восприятия тенденций, закономерностей и связей;

Обнаружение новых фактов, которые не ожидались и не были замечены в ходе эмпирического процесса;

Выяснение уровня достоверности, надежности и точно­сти собранных данных и получение на их базе научно обос­нованных результатов.

Количественная обработка – это работа с измерен­ными характеристиками изучаемого объекта, его «объекти­вированными» свойствами. Она направлена в основном на формаль­ное, внешнее изучение объекта, качественная – преимуществен­но на содержательное, внутреннее его изучение. В количественном исследовании доминирует аналитическая составляющая позна­ния, что отражено и в названиях количественных методов обра­ботки эмпирического материала: корреляционный анализ, фак­торный анализ и т.д. Реализуется количественная обработка с помощью математико-статистических методов.

Качественная обработка пред­ставляет собой способ проникновения в сущность объекта путем выявления его неизмеряемых свойств. При такой обработке преобладают синтетические способы познания. Обобщение проводится на следующем этапе исследовательского процесса – интерпретационном. При качественной обработке данных главное заключается в соответствующем представлении сведений об изучаемом яв­лении, обеспечивающем дальнейшее его теоретическое изуче­ние. Обычно результатом качественной обработки является интегрированное представление о множестве свойств объек­та или множестве объектов в форме классификаций и типо­логий. Качественная обработка в значительной мере апелли­рует к методам логики.

Противопоставление друг другу качественной и количест­венной обработки довольно условно. Количественный анализ без последующей качественной обработки бессмыслен; так как сам по себе не приводит к приращению знаний, а качествен­ное изучение объекта без базовых количественных данных в на­учном познании невозможно. Без количественных данных на­учное познание – чисто умозрительная процедура. Единство количественной и качественной обработки на­глядно представлено во многих методах обработки данных: факторном и таксономическом анализе, шкалировании, классификации и др. Наиболее распространены такие прие­мы количественной обработки, как классификация, типологизация, систематизация, периодизация, казуистика. Качественная обработка естественным образом вылива­ется в описание и объяснение изучаемых явлений, что состав­ляет уже следующий уровень их изучения, осуществляемый на стадии интерпретации результатов. Количественная же обработка полностью относится к этапу обработки данных.