Plano:
1. Pesquisa de métodos de estatística matemática na pesquisa pedagógica.
1. Pesquisa de métodos de estatística matemática na pesquisa pedagógica.
Recentemente, passos sérios foram dados para introduzir na pedagogia métodos matemáticos para avaliar e medir fenômenos pedagógicos e estabelecer relações quantitativas entre eles. Os métodos matemáticos permitem-nos abordar a solução de uma das tarefas mais difíceis da pedagogia - a avaliação quantitativa dos fenómenos pedagógicos. Somente o processamento de dados quantitativos e as conclusões resultantes podem provar ou refutar objetivamente a hipótese apresentada.
Na literatura pedagógica, são propostos vários métodos para o processamento estatístico de dados de um experimento pedagógico (L. B. Itelson, Yu. V. Pavlov e outros). Ao usar os métodos da estatística matemática, deve-se ter em mente que a estatística em si não revela a essência do fenômeno e não pode explicar as razões das diferenças que surgem entre os aspectos individuais do fenômeno. Por exemplo, uma análise dos resultados do estudo mostra que o método de ensino utilizado apresentou melhores resultados em relação aos registrados anteriormente. No entanto, esses cálculos não podem responder à pergunta por que o novo método é melhor que o antigo.
Os métodos matemáticos mais comuns usados ​​na pedagogia são:
1. Cadastro - um método para identificar a presença de uma determinada qualidade em cada membro do grupo e uma contagem total do número daqueles que têm ou não essa qualidade (por exemplo, o número de crianças que frequentaram as aulas sem passe e fez passes, etc.).
2. A classificação (ou método de classificação) envolve a organização dos dados coletados em uma determinada sequência, geralmente em ordem crescente ou decrescente de quaisquer indicadores e, consequentemente, determinando o lugar nesta linha para cada um dos assuntos (por exemplo, compilando um lista de crianças em função do número de aulas perdidas, etc.).
3. A escala como método de pesquisa quantitativa permite introduzir indicadores numéricos na avaliação de determinados aspectos dos fenômenos pedagógicos. Para isso, são feitas perguntas aos sujeitos, cujas respostas devem indicar o grau ou a forma de avaliação escolhida dentre essas avaliações, numeradas em uma determinada ordem (por exemplo, uma pergunta sobre prática de esportes com opção de respostas: a) I gosto, b) pratico regularmente, c) não pratico exercícios regularmente, d) não pratico nenhum tipo de esporte).
Correlacionar os resultados com a norma (com indicadores fornecidos) envolve determinar desvios da norma e correlacionar esses desvios com intervalos aceitáveis ​​(por exemplo, com aprendizado programado, 85-90% das respostas corretas são frequentemente consideradas a norma; se houver menos respostas, isso significa que o programa é muito difícil se mais, então é muito leve).
A penetração dos métodos matemáticos nas mais diversas esferas da atividade humana atualiza o problema da modelagem, com a ajuda da qual se estabelece a correspondência de um objeto real a um modelo matemático. Qualquer modelo é uma imagem homomórfica de algum sistema em outro sistema (homomorfismo é uma correspondência biunívoca entre sistemas que preserva relações básicas e operações básicas). Os modelos matemáticos em relação aos objetos simulados são análogos ao nível das estruturas.
A especificidade do processamento estatístico dos resultados da pesquisa psicológica e pedagógica reside no fato de que o banco de dados analisado é caracterizado por um grande número de indicadores de vários tipos, sua alta variabilidade sob a influência de fatores aleatórios não controlados, a complexidade das correlações entre as variáveis ​​da amostra, a necessidade de levar em conta fatores objetivos e subjetivos que interferem nos resultados diagnósticos. , principalmente ao decidir sobre a representatividade da amostra e avaliar hipóteses sobre a população geral. Os dados de pesquisa podem ser divididos em grupos de acordo com seu tipo:
O primeiro grupo são variáveis ​​nominais (gênero, dados pessoais, etc.). As operações aritméticas em tais quantidades não têm sentido, portanto, os resultados da estatística descritiva (média, variância) não são aplicáveis ​​a tais quantidades. A maneira clássica de analisá-los é dividi-los em classes de contingência com relação a certas características nominais e verificar diferenças significativas por classe.
O segundo grupo de dados possui uma escala de medida quantitativa, mas essa escala é ordinal (ordinal). Na análise de variáveis ​​ordinais, são utilizadas as tecnologias de subamostragem e de classificação. Os métodos paramétricos também são aplicáveis ​​com algumas limitações.
O terceiro grupo - variáveis ​​quantitativas que refletem a gravidade do indicador medido - são os testes de Cattell, desempenho acadêmico e outros testes de avaliação. Ao trabalhar com variáveis ​​desse grupo, todos os tipos de análise padrão são aplicáveis ​​e, com tamanho amostral suficiente, sua distribuição costuma ser próxima do normal. Assim, a variedade de tipos de variáveis ​​exige o uso de uma ampla gama de métodos matemáticos utilizados.
O procedimento de análise pode ser dividido nas seguintes etapas:
Preparando o banco de dados para análise. Esta etapa inclui a conversão dos dados para um formato eletrônico, verificando-os quanto a valores discrepantes, escolhendo um método para trabalhar com valores ausentes.
Estatísticas descritivas (cálculo de médias, variâncias, etc.). Os resultados da estatística descritiva determinam as características dos parâmetros da amostra analisada ou subamostras especificadas por uma partição ou outra.
Análise exploratória. A tarefa desta etapa é um estudo significativo de vários grupos de indicadores de amostra, seus relacionamentos, identificando os principais fatores explícitos e ocultos (latentes) que afetam os dados, acompanhando as mudanças nos indicadores, seus relacionamentos e a significância dos fatores ao dividir o banco de dados em grupos, etc. A ferramenta de pesquisa são vários métodos e tecnologias de correlação, análise fatorial e de cluster. O objetivo da análise é formular hipóteses sobre a amostra dada e a população geral.
Análise detalhada dos resultados obtidos e verificação estatística das hipóteses propostas. Nesta etapa, são testadas hipóteses sobre os tipos de função de distribuição das variáveis ​​aleatórias, a significância das diferenças nas médias e variâncias nas subamostras, etc. Ao resumir os resultados do estudo, resolve-se a questão da representatividade da amostra.
Note-se que esta sequência de ações, a rigor, não é cronológica, com exceção da primeira etapa. À medida que os resultados da estatística descritiva são obtidos e determinados padrões são identificados, torna-se necessário testar hipóteses emergentes e proceder imediatamente à sua análise detalhada. Mas, em qualquer caso, ao testar hipóteses, recomenda-se analisá-las por vários meios matemáticos que correspondam adequadamente ao modelo, e uma hipótese deve ser aceita em um determinado nível de significância somente quando for confirmada por vários métodos diferentes.
Ao organizar qualquer medição, sempre assume-se uma correlação (comparação) do medido com o instrumento de medição (padrão). Após o procedimento de correlação (comparação), o resultado da medição é avaliado. Se na tecnologia, via de regra, os padrões materiais são usados ​​​​como medidores, nas medições sociais, incluindo medições pedagógicas e psicológicas, os medidores podem ser ideais. De fato, para determinar se uma determinada ação mental se formou ou não em uma criança, é necessário comparar o real com o necessário. Nesse caso, o necessário é o modelo ideal que existe na cabeça do professor.
Deve-se notar que apenas alguns fenômenos pedagógicos podem ser medidos. A maioria dos fenômenos pedagógicos não pode ser medida, pois não existem padrões de fenômenos pedagógicos, sem os quais a medição não pode ser realizada.
Quanto a fenômenos como atividade, alegria, passividade, fadiga, habilidades, hábitos etc., ainda não é possível medi-los, pois não existem padrões de atividade, passividade, vivacidade etc. Devido à extrema complexidade e, em grande parte, à impossibilidade prática de medir fenômenos pedagógicos, atualmente são utilizados métodos especiais para uma avaliação quantitativa aproximada desses fenômenos.
Atualmente, costuma-se dividir todos os fenômenos psicológicos e pedagógicos em duas grandes categorias: fenômenos materiais objetivos (fenômenos que existem fora e independentemente de nossa consciência) e fenômenos não-materiais subjetivos (fenômenos característicos de uma determinada pessoa).
Os fenômenos materiais objetivos incluem: processos químicos e biológicos, movimentos realizados por uma pessoa, sons feitos por ela, ações realizadas por ela, etc.
Fenômenos e processos não materiais subjetivos incluem: sensações, percepções e ideias, fantasias e pensamentos, sentimentos, desejos e desejos, motivação, conhecimento, habilidades, etc.
Todos os sinais de fenômenos e processos materiais objetivos são observáveis ​​e podem, em princípio, sempre ser medidos, embora a ciência moderna às vezes não consiga fazer isso. Qualquer propriedade ou característica pode ser medida diretamente. Isso significa que, por meio de operações físicas, sempre pode ser comparado com algum valor real tomado como padrão de medida da propriedade ou atributo correspondente.
Fenômenos não materiais subjetivos não podem ser medidos, pois não existem e não podem existir padrões materiais para eles. Portanto, métodos aproximados para avaliar fenômenos são usados ​​aqui - vários indicadores indiretos.
A essência do uso de indicadores indiretos é que a propriedade medida ou sinal do fenômeno em estudo está associado a certas propriedades do material, e o valor dessas propriedades do material é tomado como um indicador dos fenômenos não materiais correspondentes. Por exemplo, a eficácia de um novo método de ensino é avaliada pelo progresso dos alunos, a qualidade do trabalho de um aluno - pelo número de erros cometidos, a dificuldade do material a ser estudado - pela quantidade de tempo gasto, o desenvolvimento de traços mentais ou morais - pelo número de ações relevantes ou má conduta, etc.
Com todo o grande interesse que os pesquisadores costumam demonstrar pelos métodos de análise quantitativa de dados experimentais e de material de massa obtido por meio de diferentes métodos, a etapa de processamento é essencial - sua análise qualitativa. Com a ajuda de métodos quantitativos, é possível, com vários graus de confiabilidade, identificar a vantagem de um determinado método ou detectar uma tendência geral, provar que uma suposição científica em teste foi justificada etc. No entanto, uma análise qualitativa deve dar uma resposta à pergunta por que isso aconteceu, o que o favoreceu e o que serviu de obstáculo, e quão significativa foi a influência dessas interferências, se as condições experimentais eram muito específicas para essa técnica ser recomendada para uso em outras condições, etc. Nesta fase, também é importante analisar as razões que levaram os entrevistados individuais a dar uma resposta negativa e identificar as causas de certos erros típicos e até aleatórios no trabalho de crianças individuais, etc. O uso de todos esses métodos de análise dos dados coletados ajuda a avaliar com mais precisão os resultados do experimento, aumenta a confiabilidade das conclusões sobre eles e fornece mais fundamentos para futuras generalizações teóricas.
Os métodos estatísticos em pedagogia são usados ​​apenas para quantificar fenômenos. Para tirar conclusões e conclusões, é necessária uma análise qualitativa. Assim, na pesquisa pedagógica, os métodos da estatística matemática devem ser utilizados com cautela, levando em conta as peculiaridades dos fenômenos pedagógicos.
Assim, a maioria das características numéricas em estatística matemática são usadas quando a propriedade ou fenômeno em estudo tem uma distribuição normal, que é caracterizada por um arranjo simétrico dos valores dos elementos da população em relação ao valor médio. Infelizmente, em vista do estudo insuficiente dos fenômenos pedagógicos, as leis de distribuição em relação a eles, via de regra, são desconhecidas. Além disso, para avaliar os resultados do estudo, geralmente são obtidos valores de classificação, que não são resultados de medições quantitativas. Portanto, é impossível realizar operações aritméticas com eles e, portanto, calcular características numéricas para eles.
Cada série estatística e sua representação gráfica é um material agrupado e apresentado visualmente que deve ser submetido a processamento estatístico.
Os métodos de processamento estatístico permitem obter uma série de características numéricas que permitem prever o desenvolvimento do processo que nos interessa. Essas características, em particular, permitem comparar diferentes séries de números obtidos na pesquisa pedagógica e tirar conclusões e recomendações pedagógicas adequadas.
Todas as séries de variação podem diferir umas das outras das seguintes maneiras:
1. Em grande medida, ou seja. seus limites superior e inferior, que geralmente são chamados de limites.
2. O valor do atributo em torno do qual a maioria da variante está concentrada. Este valor de recurso reflete a tendência central da série, ou seja, típico da série.
3. Variações em torno da tendência central da série.
De acordo com isso, todos os indicadores estatísticos da série de variação são divididos em dois grupos:
-indicadores que caracterizam a tendência ou nível central da série;
-indicadores que caracterizam o nível de variação em torno da tendência central.
O primeiro grupo inclui várias características do valor médio: mediana, média aritmética, média geométrica, etc. À segunda - faixa de variação (limites), desvio médio absoluto, desvio padrão, variância, coeficientes de assimetria e variação. Existem outros indicadores, mas não vamos considerá-los, porque. eles não são usados ​​em estatísticas educacionais.
Atualmente, o conceito de “modelo” é utilizado em vários sentidos, o mais simples deles é a designação de uma amostra, um padrão. Nesse caso, o modelo de uma coisa não traz nenhuma informação nova e não serve aos propósitos do conhecimento científico. Nesse sentido, o termo "modelo" na ciência não é usado. Em sentido amplo, um modelo é entendido como uma estrutura criada mental ou praticamente que reproduz uma parte da realidade de forma simplificada e visual. Em um sentido mais restrito, o termo "modelo" é usado para representar uma determinada área de fenômenos com a ajuda de outra, mais estudada, de fácil compreensão. Nas ciências pedagógicas, esse conceito é usado em sentido amplo como uma imagem específica do objeto em estudo, na qual são exibidas propriedades reais ou supostas, estrutura etc. A modelagem é amplamente utilizada em disciplinas acadêmicas como uma analogia que pode existir entre sistemas nos seguintes níveis: os resultados que os sistemas comparados fornecem; funções que determinam esses resultados; estruturas que asseguram o desempenho dessas funções; elementos que compõem as estruturas.
V. M. Tarabaev aponta que a técnica do chamado experimento multifatorial está sendo usada atualmente. Em um experimento multivariado, os pesquisadores abordam o problema empiricamente - eles variam com um grande número de fatores dos quais, segundo eles, depende o curso do processo. Essa variação por vários fatores é realizada usando métodos modernos de estatística matemática.
Um experimento multivariado é construído com base em análise estatística e usando uma abordagem sistemática do assunto da pesquisa. Assume-se que o sistema possui entradas e saídas que podem ser controladas, supõe-se também que este sistema pode ser controlado de forma a obter um determinado resultado na saída. Em um experimento multifatorial, todo o sistema é estudado sem uma imagem interna de seu mecanismo complexo. Este tipo de experiência abre grandes oportunidades para a pedagogia.
Literatura:
1. Zagvyazinsky, V. I. Metodologia e métodos de pesquisa psicológica e pedagógica: livro didático. bolsa para estudantes. mais alto ped. livro didático instituições / Zagvyazinsky V.I., Atakhanov R. - M .: Academy, 2005.
2. Gadelshina, T. G. Metodologia e métodos de pesquisa psicológica: livro didático. método. subsídio / Gadelshina T. G. - Tomsk, 2002.
3. Kornilova, T. V. Psicologia experimental: teoria e métodos: um livro didático para universidades / Kornilova T. V. - M .: Aspect Press, 2003.
4. Kuzin, F. A. Tese de doutorado: metodologia de redação, regras de projeto e procedimento de defesa / Kuzin F. A. - M., 2000.

Os métodos matemáticos são mais amplamente utilizados na condução de pesquisas sistemáticas. Ao mesmo tempo, a solução de problemas práticos por métodos matemáticos é realizada sequencialmente de acordo com o seguinte algoritmo:

formulação matemática do problema (desenvolvimento de um modelo matemático);

escolha do método de pesquisa para o modelo matemático obtido;

análise do resultado matemático obtido.

Formulação matemática do problema geralmente representados como números, imagens geométricas, funções, sistemas de equações, etc. A descrição de um objeto (fenômeno) pode ser representada usando formas contínuas ou discretas, determinísticas ou estocásticas e outras formas matemáticas.

Modelo matemáticoé um sistema de relações matemáticas (fórmulas, funções, equações, sistemas de equações) que descrevem certos aspectos do objeto estudado, fenômeno, processo ou o objeto (processo) como um todo.

A primeira etapa da modelagem matemática é a formulação do problema, a definição do objeto e objetivos do estudo, o estabelecimento de critérios (características) para estudar os objetos e gerenciá-los. Uma declaração incorreta ou incompleta do problema pode anular os resultados de todos os estágios subsequentes.

O modelo é o resultado de um compromisso entre dois objetivos opostos:

o modelo deve ser detalhado, levando em consideração todas as conexões realmente existentes e os fatores e parâmetros envolvidos em seu trabalho;

ao mesmo tempo, o modelo deve ser simples o suficiente para que soluções ou resultados aceitáveis ​​possam ser obtidos em um prazo aceitável com certas restrições de recursos.

A modelagem pode ser chamada de pesquisa científica aproximada. E o grau de sua precisão depende do pesquisador, sua experiência, objetivos, recursos.

As suposições feitas no desenvolvimento do modelo são consequência dos objetivos da modelagem e das capacidades (recursos) do pesquisador. Eles são determinados pelos requisitos de precisão dos resultados e, como o próprio modelo, são o resultado de um compromisso. Afinal, são os pressupostos que distinguem um modelo do mesmo processo de outro.

Normalmente, ao desenvolver um modelo, fatores insignificantes são descartados (não levados em consideração). Constantes em equações físicas são assumidas como constantes. Às vezes, algumas quantidades que mudam no processo são calculadas em média (por exemplo, a temperatura do ar pode ser considerada inalterada durante um determinado período de tempo).

1. Processo de desenvolvimento do modelo

Este é um processo de esquematização ou idealização consistente (e possivelmente repetida) do fenômeno em estudo.

A adequação de um modelo é sua correspondência com o processo físico real (ou objeto) que ele representa.

Para desenvolver um modelo de um processo físico, é necessário determinar:

Às vezes, uma abordagem é usada quando um modelo de pequena completude, que é de natureza probabilística, é aplicado. Em seguida, com a ajuda de um computador, ele é analisado e refinado.

validação do modelo começa e passa no próprio processo de sua construção, quando uma ou outra relação entre seus parâmetros é selecionada ou estabelecida, as premissas aceitas são avaliadas. No entanto, após a formação do modelo como um todo, é necessário analisá-lo a partir de algumas posições gerais.

A base matemática do modelo (ou seja, a descrição matemática das relações físicas) deve ser consistente precisamente do ponto de vista da matemática: as dependências funcionais devem ter as mesmas tendências que os processos reais; as equações devem ter uma área de existência não inferior ao intervalo em que o estudo é realizado; eles não devem ter pontos ou lacunas especiais se não estiverem no processo real, etc. As equações não devem distorcer a lógica do processo real.

O modelo deve refletir adequadamente, ou seja, com a maior precisão possível, a realidade. A adequação é necessária não em geral, mas na faixa considerada.

As discrepâncias entre os resultados da análise do modelo e o comportamento real do objeto são inevitáveis, pois o modelo é um reflexo, e não o objeto em si.

Na fig. 3. é apresentada uma representação generalizada, que é utilizada na construção de modelos matemáticos.

Arroz. 3. Aparelho para construção de modelos matemáticos

Ao usar métodos estáticos, o aparato de álgebra e equações diferenciais com argumentos independentes do tempo são usados ​​com mais frequência.

Os métodos dinâmicos usam equações diferenciais da mesma maneira; equações integrais; equações diferenciais parciais; teoria do controle automático; álgebra.

Uso de métodos probabilísticos: teoria da probabilidade; teoria da informação; álgebra; teoria dos processos aleatórios; teoria dos processos de Markov; teoria dos autômatos; equações diferenciais.

Um lugar importante na modelagem é ocupado pela questão da semelhança entre o modelo e o objeto real. As correspondências quantitativas entre os aspectos individuais dos processos que ocorrem em um objeto real e seu modelo são caracterizadas por escalas.

Em geral, a similaridade de processos em objetos e modelos é caracterizada por critérios de similaridade. O critério de similaridade é um conjunto adimensional de parâmetros que caracteriza um determinado processo. Ao realizar pesquisas, dependendo do campo de pesquisa, vários critérios são usados. Por exemplo, em hidráulica, tal critério é o número de Reynolds (caracteriza a fluidez de um líquido), em engenharia de calor - o número de Nussselt (caracteriza as condições de transferência de calor), em mecânica - critério de Newton, etc.

Acredita-se que se tais critérios para o modelo e o objeto em estudo forem iguais, então o modelo está correto.

Outro método de pesquisa teórica é contíguo à teoria da similaridade - método de análise dimensional, que se baseia em duas premissas:

as leis físicas são expressas apenas por produtos de graus de quantidades físicas, que podem ser positivas, negativas, inteiras e fracionárias; as dimensões de ambas as partes da igualdade que expressam a dimensão física devem ser as mesmas.

Sempre e em todas as esferas de sua atividade, uma pessoa tomava decisões. Uma área importante de tomada de decisão está relacionada à produção. Quanto maior o volume de produção, mais difícil é tomar uma decisão e, portanto, mais fácil errar. Surge uma pergunta natural: é possível usar um computador para evitar tais erros?

A resposta a esta pergunta é dada por uma ciência chamada cibernética. A cibernética (derivada do grego "kybernetike" - a arte da gestão) é a ciência das leis gerais de recepção, armazenamento, transmissão e processamento de informações.

O ramo mais importante da cibernética é a cibernética econômica - a ciência que trata da aplicação de ideias e métodos da cibernética aos sistemas econômicos.

A cibernética econômica utiliza um conjunto de métodos para estudar os processos de gestão na economia, incluindo métodos econômicos e matemáticos.

Atualmente, o uso de computadores na gestão da produção atingiu uma grande escala. Porém, na maioria dos casos, com o auxílio de computadores, são resolvidas as chamadas tarefas rotineiras, ou seja, tarefas relacionadas ao processamento de diversos dados, que, antes do uso dos computadores, eram resolvidas da mesma forma, mas manualmente. Outra classe de problemas que podem ser resolvidos com a ajuda de computadores são os problemas de tomada de decisão. Para usar um computador para tomada de decisão, é necessário fazer um modelo matemático. É necessário usar computadores ao tomar decisões? As capacidades humanas são bastante diversas. Se você colocá-los em ordem, o homem está tão organizado que o que ele possui não é suficiente para ele. E começa o processo interminável de aumentar suas capacidades. Para levantar mais, surge uma das primeiras invenções - uma alavanca, para facilitar a movimentação da carga - a roda. Por enquanto, apenas a energia da própria pessoa é usada nessas ferramentas. Com o tempo, começa o uso de fontes externas de energia: pólvora, vapor, eletricidade, energia atômica. É impossível estimar o quanto a energia usada de fontes externas excede as capacidades físicas de uma pessoa hoje.

Quanto às faculdades mentais de uma pessoa, então, como dizem, todos estão insatisfeitos com sua condição, mas satisfeitos com sua mente. É possível tornar uma pessoa mais inteligente do que ela é? Para responder a essa pergunta, deve-se esclarecer que toda atividade intelectual humana pode ser dividida em formalizável e não formalizável.

Formalizável é uma atividade que é executada de acordo com certas regras. Por exemplo, a realização de cálculos, pesquisas em diretórios e trabalhos gráficos podem, sem dúvida, ser confiados a um computador. E como tudo que um computador pode fazer, ele o faz melhor, ou seja, mais rápido e melhor que uma pessoa.

Não formalizável é uma atividade que ocorre com a aplicação de algumas regras desconhecidas para nós. Pensamento, raciocínio, intuição, bom senso - ainda não sabemos o que é e, naturalmente, tudo isso não pode ser confiado a um computador, mesmo porque simplesmente não sabemos a que confiar, que tarefa colocar diante de um computador.

A tomada de decisão é um tipo de atividade mental.

É geralmente aceito que a tomada de decisão é uma atividade não formalizada. No entanto, isso nem sempre é o caso. Por um lado, não sabemos como tomamos uma decisão. E explicar algumas palavras com a ajuda de outras como “tomamos uma decisão com a ajuda do bom senso” não dá em nada. Por outro lado, um número significativo de tarefas de tomada de decisão pode ser formalizado. Um dos tipos de problemas de tomada de decisão que podem ser formalizados são os problemas de tomada de decisão ótima, ou problemas de otimização. O problema de otimização é resolvido com a ajuda de modelos matemáticos e o uso de tecnologia computacional.

Os computadores modernos atendem aos mais altos requisitos. Eles são capazes de realizar milhões de operações por segundo, podem ter todas as informações necessárias em sua memória, a combinação display-teclado proporciona um diálogo entre uma pessoa e um computador. No entanto, não se deve confundir sucessos na criação de computadores com avanços no campo de sua aplicação. Na verdade, tudo o que um computador pode fazer é, de acordo com um programa dado por uma pessoa, garantir a transformação dos dados iniciais em um resultado. Deve ser claramente entendido que o computador não toma e não pode tomar decisões. A decisão só pode ser tomada por um gerente-pessoa, dotado de certos direitos para isso. Mas para um gestor competente, um computador é um grande auxiliar, capaz de desenvolver e oferecer um conjunto de diversas soluções. E desse conjunto, uma pessoa escolherá a opção que, do seu ponto de vista, será mais adequada. É claro que nem todos os problemas de tomada de decisão podem ser resolvidos com a ajuda de um computador. No entanto, mesmo que a solução de um problema em um computador não termine com total sucesso, ela ainda se mostra útil, pois contribui para uma compreensão mais profunda desse problema e sua formulação mais rigorosa.

Para que uma pessoa tome uma decisão sem um computador, muitas vezes nada é necessário. Eu pensei e decidi. Uma pessoa, boa ou má, resolve todos os problemas que surgem diante dela. É verdade que não há garantias de correção neste caso. O computador não toma nenhuma decisão, mas apenas ajuda a encontrar soluções. Esse processo consiste nas seguintes etapas:

1) Selecionando uma tarefa.

Resolver um problema, especialmente um bastante complexo, é uma tarefa bastante difícil que requer muito tempo. E se a tarefa for escolhida sem sucesso, isso pode levar à perda de tempo e decepção no uso de computadores para tomada de decisões. Quais são os requisitos básicos que a tarefa deve satisfazer?

R. Deve haver pelo menos uma solução para isso, porque se não houver soluções, então não há nada para escolher.

B. Devemos saber claramente em que sentido a solução desejada deve ser a melhor, pois se não soubermos o que queremos, o computador não poderá nos ajudar a escolher a melhor solução.

A escolha da tarefa é completada por sua formulação substantiva. É necessário formular claramente o problema em linguagem comum, destacar o objetivo do estudo, indicar as limitações, levantar as principais questões que queremos obter respostas como resultado da resolução do problema.

Aqui devemos destacar as características mais significativas do objeto econômico, as dependências mais importantes que queremos levar em conta ao construir um modelo. Formam-se algumas hipóteses para o desenvolvimento do objeto de estudo, estudam-se as dependências e relações identificadas. Quando uma tarefa é selecionada e sua declaração significativa é feita, é preciso lidar com especialistas na área temática (engenheiros, tecnólogos, designers, etc.). Esses especialistas, via de regra, conhecem muito bem o assunto, mas nem sempre têm ideia do que é necessário para resolver um problema em um computador. Portanto, a formulação significativa do problema muitas vezes acaba sendo supersaturada com informações que são completamente desnecessárias para trabalhar em um computador.

2) Compilação do modelo

Um modelo econômico-matemático é entendido como uma descrição matemática do objeto ou processo econômico estudado, em que os padrões econômicos são expressos de forma abstrata por meio de relações matemáticas.

Os princípios básicos para compilar um modelo se resumem aos dois conceitos a seguir:

1. Ao formular o problema, é necessário cobrir amplamente o fenômeno simulado. Caso contrário, o modelo não fornecerá um ótimo global e não refletirá a essência da questão. O perigo é que a otimização de uma parte pode ser em detrimento de outras e em detrimento da organização como um todo.

2. O modelo deve ser o mais simples possível. O modelo deve ser tal que possa ser avaliado, testado e compreendido, e os resultados obtidos do modelo devem ser claros tanto para o seu criador quanto para o tomador de decisão. Na prática, esses conceitos muitas vezes entram em conflito, principalmente porque há um elemento humano envolvido na coleta e entrada de dados, verificação de erros e interpretação dos resultados, o que limita o tamanho do modelo que pode ser analisado satisfatoriamente. O tamanho do modelo é usado como fator limitante, e se quisermos aumentar a amplitude de cobertura, temos que diminuir o detalhe e vice-versa.

Vamos introduzir o conceito de hierarquia de modelos, onde a amplitude de cobertura aumenta e os detalhes diminuem à medida que avançamos para níveis mais altos da hierarquia. Nos níveis mais altos, por sua vez, são formadas restrições e metas para os níveis mais baixos.

Ao construir um modelo, o horizonte de planejamento geralmente aumenta com o crescimento da hierarquia. Se o modelo de planejamento de longo prazo de uma corporação inteira pode conter poucos detalhes do dia-a-dia, então o modelo de planejamento de produção de uma subdivisão individual consiste principalmente desses detalhes.

Ao formular uma tarefa, os três aspectos a seguir devem ser levados em consideração:

1) Fatores em estudo: Os objetivos do estudo são pouco definidos e dependem muito do que está incluído no modelo. Nesse sentido, é mais fácil para os engenheiros, pois os fatores que eles estudam geralmente são padronizados, e a função objetivo é expressa em termos de rendimento máximo, custos mínimos ou, possivelmente, consumo mínimo de algum recurso. Ao mesmo tempo, os sociólogos, por exemplo, costumam colocar para si mesmos o objetivo de “utilidade pública” ou algo assim, e se encontram na difícil posição de ter que atribuir uma certa “utilidade” a várias ações, expressando-a de forma matemática .

2) Limites físicos: Os aspectos espaciais do estudo requerem consideração detalhada. Se a produção estiver concentrada em mais de um ponto, é necessário levar em consideração os processos de distribuição correspondentes no modelo. Esses processos podem incluir tarefas de armazenamento, transporte e programação de equipamentos.

3) Limites temporais: Os aspectos temporais do estudo levam a um sério dilema. Normalmente o horizonte de planejamento é bem conhecido, mas uma escolha deve ser feita: ou simular o sistema dinamicamente para obter cronogramas, ou simular a operação estática em um determinado momento. Se um processo dinâmico (multi-estágios) é modelado, então as dimensões do modelo aumentam de acordo com o número de períodos de tempo considerados (estágios). Tais modelos geralmente são conceitualmente simples, de modo que a principal dificuldade reside mais na capacidade de resolver um problema em um computador em um tempo aceitável do que na capacidade de interpretar uma grande quantidade de dados de saída. c Muitas vezes é suficiente construir um modelo do sistema em algum ponto no tempo, por exemplo, em um ano, mês, dia fixo, e então repetir os cálculos em determinados intervalos. Em geral, a disponibilidade de recursos em um modelo dinâmico é muitas vezes aproximada e determinada por fatores fora do escopo do modelo. Portanto, é necessário analisar cuidadosamente se é realmente necessário conhecer a dependência temporal da mudança nas características do modelo, ou se o mesmo resultado pode ser obtido repetindo os cálculos estáticos para vários momentos fixos diferentes.

AGÊNCIA FEDERAL DE EDUCAÇÃO

Instituição Educacional Estadual de Educação Profissional Superior "Universidade Estadual dos Urais. »

Departamento de história

Departamento de Documentação e Informação de Apoio à Gestão

Métodos Matemáticos na Pesquisa Científica

Programa do curso

Norma 350800 "Documentação e gerenciamento de documentação"

Norma 020800 "Estudos históricos e arquivísticos"

Ecaterimburgo

eu aprovo

Vice reitor

(assinatura)

O programa da disciplina "Métodos Matemáticos em Pesquisa Científica" é compilado de acordo com os requisitos universidade componente para o conteúdo mínimo obrigatório e nível de formação:

diplomado por especialidade

Gerenciamento de documentos e suporte ao gerenciamento de documentação (350800),

Ciência histórica e arquivística (020800),

de acordo com o ciclo "Disciplinas humanitárias e socioeconômicas gerais" do padrão educacional estadual de ensino profissional superior.

Semestre III

De acordo com o currículo da especialidade nº 000 - Documentação e documentação de apoio à gestão:

A intensidade total de trabalho da disciplina: 100 horas,

incluindo palestras 36 horas

De acordo com o currículo da especialidade nº 000 - Ciências históricas e arquivísticas

A intensidade total de trabalho da disciplina: 50 horas,

incluindo palestras 36 horas

Medidas de controle:

Exames 2 pessoas/hora

Compilado por:, Ph.D. ist. Ciências, Professor Associado, Departamento de Documentação e Apoio à Informação de Gestão, Universidade do Estado dos Urais

Departamento de Documentação e Informação de Apoio à Gestão

datado de 01.01.01 nº 1.

Concordou:

Deputado presidente

Conselho Humanitário

_________________

(assinatura)

(C) Universidade do Estado dos Urais

(A PARTIR DE) , 2006

INTRODUÇÃO

A unidade curricular “Métodos Matemáticos na Investigação Sócio-Económica” destina-se a familiarizar os alunos com as técnicas e métodos básicos de processamento de informação quantitativa desenvolvidos pela estatística. Sua principal tarefa é ampliar o aparato científico metodológico dos pesquisadores, ensinar como aplicar em atividades práticas e de pesquisa, além dos métodos tradicionais, baseados na análise lógica, métodos matemáticos que ajudem a caracterizar quantitativamente fenômenos e fatos históricos.

Atualmente, o aparato matemático e os métodos matemáticos são usados ​​em quase todas as áreas da ciência. Este é um processo natural, muitas vezes é chamado de matematização da ciência. Na filosofia, a matematização é geralmente entendida como a aplicação da matemática a várias ciências. Os métodos matemáticos entraram há muito tempo e firmemente no arsenal de métodos de pesquisa dos cientistas, são usados ​​para resumir dados, identificar tendências e padrões no desenvolvimento de fenômenos e processos sociais, tipologia e modelagem.

O conhecimento de estatística é necessário para caracterizar e analisar corretamente os processos que ocorrem na economia e na sociedade. Para isso, é necessário dominar o método de amostragem, resumo e agrupamento de dados, ser capaz de calcular valores médios e relativos, indicadores de variação, coeficientes de correlação. Um elemento da cultura da informação é a capacidade de formatar corretamente tabelas e gráficos, que são uma ferramenta importante para sistematizar dados socioeconômicos primários e apresentação visual de informações quantitativas. Para avaliar as mudanças temporárias, é necessário ter uma ideia do sistema de indicadores dinâmicos.

A utilização da metodologia para a realização de um estudo seletivo permite estudar grandes quantidades de informações fornecidas por fontes de massa, economizar tempo e trabalho, ao mesmo tempo em que obtém resultados cientificamente significativos.

Os métodos matemáticos e estatísticos ocupam posições auxiliares, complementando e enriquecendo os métodos tradicionais de análise socioeconômica, seu desenvolvimento é uma parte necessária das qualificações de um especialista moderno - um especialista em documentos, um historiador-arquivista.

Atualmente, métodos matemáticos e estatísticos são usados ​​ativamente em marketing, pesquisa sociológica, coleta de informações de gestão operacional, compilação de relatórios e análise de fluxos de documentos.

Habilidades de análise quantitativa são necessárias para a preparação de artigos de qualificação, resumos e outros projetos de pesquisa.

A experiência de uso de métodos matemáticos mostra que seu uso deve ser feito de acordo com os seguintes princípios para obter resultados confiáveis ​​e representativos:

1) a metodologia geral e a teoria do conhecimento científico desempenham um papel decisivo;

2) é necessária uma declaração clara e correta do problema de pesquisa;

3) seleção de dados socioeconômicos quantitativa e qualitativamente representativos;

4) a correção da aplicação dos métodos matemáticos, ou seja, eles devem corresponder à tarefa de pesquisa e à natureza dos dados que estão sendo processados;

5) é necessária uma interpretação e análise significativa dos resultados obtidos, bem como uma verificação adicional obrigatória das informações obtidas como resultado do processamento matemático.

Os métodos matemáticos ajudam a melhorar a tecnologia da pesquisa científica: aumentam sua eficiência; eles economizam muito tempo, especialmente ao processar grandes quantidades de informações, eles permitem que você revele informações ocultas armazenadas na fonte.

Além disso, os métodos matemáticos estão intimamente relacionados a uma direção de atividades científicas e de informação como a criação de bancos de dados históricos e arquivos de dados legíveis por máquina. É impossível ignorar as conquistas da época, e a tecnologia da informação está se tornando um dos fatores mais importantes no desenvolvimento de todas as esferas da sociedade.

PROGRAMA DO CURSO

Tópico 1. INTRODUÇÃO. MATEMATIZAÇÃO DA CIÊNCIA HISTÓRICA

Objetivo e objetivos do curso. O objetivo precisa melhorar os métodos históricos, atraindo as técnicas da matemática.

Matematização da ciência, conteúdo principal. Pré-requisitos para matematização: pré-requisitos de ciências naturais; pré-requisitos sócio-técnicos. Os limites da matematização da ciência. Níveis de Matematização para as Ciências Naturais, Técnicas, Econômicas e Humanas. As principais regularidades da matematização da ciência são: a impossibilidade de cobrir integralmente as áreas de estudo de outras ciências por meio da matemática; a correspondência dos métodos matemáticos aplicados ao conteúdo da ciência que está sendo matematizada. O surgimento e desenvolvimento de novas disciplinas matemáticas aplicadas.

Matematização da ciência histórica. Os principais estágios e suas características. Pré-requisitos para a matematização da ciência histórica. Importância do desenvolvimento de métodos estatísticos para o desenvolvimento do conhecimento histórico.

Pesquisa socioeconômica usando métodos matemáticos na historiografia pré-revolucionária e soviética dos anos 20 (, etc.)

Métodos matemáticos e estatísticos nas obras de historiadores dos anos 60-90. Informatização da ciência e divulgação de métodos matemáticos. Criação de bases de dados e perspectivas para o desenvolvimento de informações de apoio à pesquisa histórica. Os resultados mais importantes da aplicação de métodos matemáticos na pesquisa sócio-econômica e histórico-cultural (, etc.).

Correlação de métodos matemáticos com outros métodos de pesquisa histórica: métodos histórico-comparativos, histórico-tipológicos, estruturais, sistêmicos, histórico-genéticos. Princípios metodológicos básicos para a aplicação de métodos matemáticos e estatísticos na pesquisa histórica.

Tópico 2 . INDICADORES ESTATÍSTICOS

Técnicas e métodos básicos de estudo estatístico dos fenómenos sociais: observação estatística, fiabilidade dos dados estatísticos. Formas básicas de observação estatística, finalidade da observação, objeto e unidade de observação. Documento estatístico como fonte histórica.

Indicadores estatísticos (indicadores de volume, nível e proporção), suas principais funções. Lado quantitativo e qualitativo de um indicador estatístico. Variedades de indicadores estatísticos (volumétricos e qualitativos; individuais e generalizantes; intervalo e momento).

Os principais requisitos para o cálculo de indicadores estatísticos, garantindo a sua fiabilidade.

A relação dos indicadores estatísticos. Tabela de desempenho. Indicadores gerais.

Valores absolutos, definição. Tipos de valores estatísticos absolutos, seu significado e métodos de obtenção. Valores absolutos como resultado direto de um resumo de dados de observação estatística.

Unidades de medida, sua escolha dependendo da natureza do fenômeno em estudo. Unidades de medida naturais, de custo e de mão de obra.

Valores relativos. O conteúdo principal do indicador relativo, a forma de sua expressão (coeficiente, porcentagem, ppm, decimille). Dependência da forma e conteúdo do indicador relativo.

Base de comparação, escolha da base ao calcular valores relativos. Princípios básicos para o cálculo de indicadores relativos, garantindo a comparabilidade e confiabilidade dos indicadores absolutos (por território, gama de objetos, etc.).

Valores relativos de estrutura, dinâmica, comparação, coordenação e intensidade. Formas de calculá-los.

Relação entre valores absolutos e relativos. A necessidade de sua aplicação complexa.

Tópico 3. GRUPO DE DADOS. TABELAS.

Indicadores resumidos e agrupamento em estudos históricos. Tarefas resolvidas por esses métodos em pesquisa científica: sistematização, generalização, análise, conveniência de percepção. População estatística, unidades de observação.

Tarefas e o conteúdo principal do resumo. Resumo - a segunda etapa da pesquisa estatística. Variedades de indicadores resumidos (simples, auxiliares). As principais etapas do cálculo dos indicadores resumidos.

O agrupamento é o principal método de processamento de dados quantitativos. Tarefas de agrupamento e seu significado na investigação científica. Tipos de agrupamento. O papel dos agrupamentos na análise dos fenómenos e processos sociais.

As principais etapas da construção de um agrupamento: determinação da população em estudo; a escolha de um atributo de agrupamento (características quantitativas e qualitativas; alternativo e não alternativo; fatorial e efetivo); a distribuição da população em grupos dependendo do tipo de agrupamento (determinando o número de grupos e o tamanho dos intervalos), a escala para medir os sinais (nominal, ordinal, intervalo); seleção da forma de apresentação dos dados agrupados (texto, tabela, gráfico).

Agrupamento tipológico, definição, principais tarefas, princípios de construção. O papel do agrupamento tipológico no estudo dos tipos socioeconómicos.

Agrupamento estrutural, definição, principais tarefas, princípios de construção. O papel do agrupamento estrutural no estudo da estrutura dos fenômenos sociais.

Agrupamento analítico (factorial), definição, principais tarefas, princípios de construção, O papel do agrupamento analítico na análise da relação dos fenómenos sociais. A necessidade do uso e estudo integrados de agrupamentos para análise de fenômenos sociais.

Requisitos gerais para a construção e design de mesas. Desenvolvimento do layout da mesa. Detalhes da tabela (numeração, cabeçalho, nomes de colunas e linhas, símbolos, designação de números). O método de preenchimento das informações da tabela.

Tópico 4 . MÉTODOS GRÁFICOS PARA ANÁLISE SOCIOECONÔMICA

EM FORMAÇÃO

O papel dos gráficos e da representação gráfica na investigação científica. Tarefas dos métodos gráficos: proporcionar clareza de percepção dos dados quantitativos; tarefas analíticas; características das propriedades dos signos.

Gráfico estatístico, definição. Os principais elementos do gráfico: campo do gráfico, imagem gráfica, referências espaciais, referências de escala, explicação do gráfico.

Tipos de gráficos estatísticos: gráfico de linhas, características de sua construção, imagens gráficas; gráfico de barras (histograma), definindo a regra para construção de histogramas no caso de intervalos iguais e desiguais; gráfico de pizza, definição, métodos de construção.

Polígono de distribuição de recursos. Distribuição normal de um recurso e sua representação gráfica. Características da distribuição dos signos que caracterizam os fenômenos sociais: distribuição oblíqua, assimétrica, moderadamente assimétrica.

Relação linear entre características, características de uma representação gráfica de uma relação linear. Características da dependência linear na caracterização de fenômenos e processos sociais.

O conceito de uma tendência de série dinâmica. Identificação de uma tendência usando métodos gráficos.

Tópico 5. MÉDIA

Valores médios em pesquisa científica e estatística, sua essência e definição. Propriedades básicas dos valores médios como característica generalizadora. Relação entre o método de médias e agrupamentos. Médias gerais e de grupo. Condições para a tipicidade das médias. Os principais problemas de pesquisa que as médias resolvem.

Métodos de cálculo de médias. Média aritmética - simples, ponderada. Propriedades básicas da média aritmética. Peculiaridades do cálculo da média para séries de distribuição discreta e intervalar. A dependência do método de cálculo da média aritmética, dependendo da natureza dos dados de origem. Características da interpretação da média aritmética.

Mediana - um indicador médio da estrutura da população, definição, propriedades básicas. Determinação do indicador mediano para uma série quantitativa ordenada. Cálculo da mediana para o indicador representado pelo agrupamento de intervalos.

A moda é um indicador médio da estrutura populacional, propriedades básicas e conteúdo. Determinação do modo para séries discretas e intervalares. Características da interpretação histórica da moda.

A relação da média aritmética, mediana e moda, a necessidade de seu uso integrado, verificando a tipicidade da média aritmética.

Tópico 6. INDICADORES DE VARIAÇÃO

O estudo da flutuação (variabilidade) dos valores do atributo. O conteúdo principal das medidas de dispersão do traço, e seu uso de atividades de pesquisa.

Indicadores absolutos e médios de variação. Gama variacional, conteúdo principal, métodos de cálculo. Desvio linear médio. Desvio padrão, conteúdo principal, métodos de cálculo para séries quantitativas discretas e intervalares. O conceito de dispersão de recursos.

Indicadores relativos de variação. Coeficiente de oscilação, conteúdo principal, métodos de cálculo. O coeficiente de variação, o conteúdo principal dos métodos de cálculo. O significado e especificidade da aplicação de cada indicador de variação no estudo das características e fenómenos socioeconómicos.

Tópico 7.

O estudo das mudanças nos fenômenos sociais ao longo do tempo é uma das tarefas mais importantes da análise socioeconômica.

O conceito de série dinâmica. Séries temporais de momento e intervalo. Requisitos para a construção de séries dinâmicas. Comparabilidade na série de dinâmicas.

Indicadores de mudanças na série de dinâmicas. O conteúdo principal dos indicadores da série de dinâmicas. nível de linha. Indicadores básicos e de cadeia. Aumento absoluto do nível de dinâmica, aumentos absolutos básicos e em cadeia, métodos de cálculo.

Taxas de crescimento. Taxas de crescimento básico e em cadeia. Características de sua interpretação. Indicadores de taxa de crescimento, conteúdo principal, métodos de cálculo das taxas de crescimento básico e em cadeia.

O nível médio de uma série de dinâmicas, o conteúdo principal. Técnicas de cálculo da média aritmética para séries de momentos com intervalos iguais e desiguais e para uma série intervalar com intervalos iguais. Crescimento absoluto médio. Taxa média de crescimento. Taxa média de crescimento.

Análise abrangente de séries temporais inter-relacionadas. Identificação de uma tendência geral de desenvolvimento - uma tendência: o método de média móvel, ampliação de intervalos, métodos analíticos para processamento de séries temporais. O conceito de interpolação e extrapolação de séries temporais.

Tópico 8.

A necessidade de identificar e explicar as relações para o estudo dos fenómenos socioeconómicos. Tipos e formas de relações estudadas por métodos estatísticos. O conceito de funcional e correlação. O conteúdo principal do método de correlação e as tarefas resolvidas com sua ajuda na pesquisa científica. As principais etapas da análise de correlação. Peculiaridades da interpretação dos coeficientes de correlação.

Coeficiente de correlação linear, propriedades de recurso para as quais o coeficiente de correlação linear pode ser calculado. Formas de calcular o coeficiente de correlação linear para dados agrupados e desagrupados. Coeficiente de regressão, conteúdo principal, métodos de cálculo, características de interpretação. Coeficiente de determinação e sua interpretação significativa.

Limites de aplicação das principais variedades de coeficientes de correlação em função do conteúdo e forma de apresentação dos dados iniciais. Coeficiente de correlação. Coeficiente de correlação de classificação. Coeficientes de associação e contingência para características qualitativas alternativas. Métodos aproximados para determinar a relação entre características: Coeficiente de Fechner. Coeficiente de autocorrelação. Coeficientes de informação.

Métodos de ordenação dos coeficientes de correlação: matriz de correlação, método das plêiades.

Métodos de análise estatística multidimensional: análise fatorial, análise de componentes, análise de regressão, análise de cluster. Perspectivas de modelagem de processos históricos para o estudo de fenômenos sociais.

Tópico 9. AMOSTRA DE PESQUISA

Razões e condições para a realização de um estudo seletivo. A necessidade de os historiadores usarem métodos de estudo parcial de objetos sociais.

Os principais tipos de levantamento parcial: monográfico, método de matriz principal, levantamento por amostragem.

Definição do método de amostragem, as principais propriedades da amostragem. Representatividade da amostra e erro amostral.

Etapas da pesquisa por amostragem. Determinação do tamanho da amostra, técnicas básicas e métodos para encontrar o tamanho da amostra (métodos matemáticos, tabela de grandes números). A prática de determinar o tamanho da amostra em estatística e sociologia.

Métodos de formação de uma população amostral: amostragem aleatória adequada, amostragem mecânica, amostragem típica e aninhada. Metodologia para organizar censos seletivos da população, pesquisas orçamentárias de famílias de trabalhadores e camponeses.

Metodologia para comprovação da representatividade da amostra. Erros aleatórios, sistemáticos de amostragem e erros observacionais. O papel dos métodos tradicionais na determinação da confiabilidade dos resultados da amostra. Métodos matemáticos para calcular o erro amostral. A dependência do erro no volume e tipo de amostra.

Características da interpretação dos resultados da amostra e da distribuição dos indicadores da população amostral à população geral.

Amostra natural, conteúdo principal, características de formação. O problema da representatividade de uma amostra natural. As principais etapas de comprovação da representatividade de uma amostra natural: o uso de métodos tradicionais e formais. O método do critério dos sinais, o método das séries - como formas de provar a propriedade da aleatoriedade da amostra.

O conceito de uma pequena amostra. Princípios básicos de seu uso em pesquisas científicas

Tópico 11. MÉTODOS PARA FORMALIZAR INFORMAÇÕES DE FONTES DE MASSA

A necessidade de formalizar informações de fontes de massa para obter informações ocultas. O problema de medir a informação. Características quantitativas e qualitativas. Escalas para medir características quantitativas e qualitativas: nominal, ordinal, intervalar. As principais etapas de medição de informações de origem.

Tipos de fontes de massa, características de sua medição. Metodologia para construção de um questionário unificado com base nos materiais de uma fonte histórica estruturada e semiestruturada.

Características de medição de informações de uma fonte narrativa não estruturada. Análise de conteúdo, seu conteúdo e perspectivas de uso. Tipos de análise de conteúdo. Análise de conteúdo na pesquisa sociológica e histórica.

Inter-relação de métodos matemático-estatísticos de processamento de informação e métodos de formalização de informação de origem. Informatização da pesquisa. Bancos de dados e bancos de dados. Tecnologia de Banco de Dados na Pesquisa Socioeconômica.

Tarefas para trabalho independente

Para consolidar o material da aula, são propostos aos alunos tarefas para trabalhos independentes sobre os seguintes tópicos do curso:

Indicadores relativos Indicadores médios Método de agrupamento Métodos gráficos Indicadores de dinâmica

O desempenho das tarefas é controlado pelo professor e é um pré-requisito para a admissão ao teste.

Uma lista indicativa de perguntas para o teste

1. Matematização da ciência, essência, pré-requisitos, níveis de matematização

2. Principais etapas e características da matematização da ciência histórica

3. Pré-requisitos para o uso de métodos matemáticos na pesquisa histórica

4. Indicador estatístico, essência, funções, variedades

3. Princípios metodológicos para o uso de indicadores estatísticos na pesquisa histórica

6. Valores absolutos

7. Valores relativos, conteúdos, formas de expressão, princípios básicos de cálculo.

8. Tipos de valores relativos

9. Tarefas e conteúdo principal do resumo de dados

10. Agrupamento, conteúdo principal e tarefas no estudo

11. As principais etapas da construção de um agrupamento

12. O conceito de atributo de agrupamento e suas gradações

13. Tipos de agrupamento

14. Regras para construção e desenho de mesas

15. Série dinâmica, requisitos para a construção de uma série dinâmica

16. Gráfico estatístico, definição, estrutura, tarefas a serem resolvidas

17. Tipos de gráficos estatísticos

18. Distribuição de recursos de polígono. Distribuição normal do recurso.

19. Relação linear entre características, métodos para determinação da linearidade.

20. O conceito de uma tendência de série dinâmica, maneiras de determiná-la

21. Valores médios em pesquisas científicas, sua essência e principais propriedades. Condições para a tipicidade das médias.

22. Tipos de indicadores médios de população. A relação das médias.

23. Indicadores estatísticos de dinâmica, características gerais, tipos

24. Indicadores absolutos de mudanças nas séries temporais

25. Indicadores relativos de mudanças em séries temporais (taxas de crescimento, taxas de crescimento)

26. Indicadores médios da série dinâmica

27. Indicadores de variação, conteúdo principal e tarefas a serem resolvidas, tipos

28. Tipos de observação não contínua

29. Estudo seletivo, conteúdo principal e tarefas a serem resolvidas

30. Amostra e população geral, propriedades básicas da amostra

31. Etapas da pesquisa por amostragem, características gerais

32. Determinando o tamanho da amostra

33. Formas de formar uma amostra populacional

34. Erro de amostragem e métodos para sua determinação

35. Representatividade da amostra, fatores que afetam a representatividade

36. Amostragem natural, o problema da representatividade da amostragem natural

37. As principais etapas da comprovação da representatividade de uma amostra natural

38. Método de correlação, essência, principais tarefas. Características de interpretação de coeficientes de correlação

39. A observação estatística como método de recolha de informação, os principais tipos de observação estatística.

40. Tipos de coeficientes de correlação, características gerais

41. Coeficiente de correlação linear

42. Coeficiente de autocorrelação

43. Métodos de formalização de fontes históricas: o método de um questionário unificado

44. Métodos de formalização de fontes históricas: o método de análise de conteúdo

III.Distribuição das horas do curso por temas e tipos de trabalho:

de acordo com o currículo da especialidade (nº 000 - ciência documental e gestão documental)

Nome

seções e tópicos

Aulas auditivas

Trabalho independente

Incluindo

Introdução. Matematização da ciência

Indicadores estatísticos

Agrupando dados. mesas

Valores médios

Indicadores de variação

Indicadores estatísticos de dinâmica

Métodos de análise multivariada. Coeficientes de correlação

Estudo de amostra

Métodos de formalização da informação

Distribuição de horas de curso por tópicos e tipos de trabalho

de acordo com o currículo da especialidade nº 000 - ciência histórica e arquivística

Nome

seções e tópicos

Aulas auditivas

Trabalho independente

Incluindo

Prático (seminários, trabalho de laboratório)

Introdução. Matematização da ciência

Indicadores estatísticos

Agrupando dados. mesas

Métodos gráficos para análise de informações socioeconômicas

Valores médios

Indicadores de variação

Indicadores estatísticos de dinâmica

Métodos de análise multivariada. Coeficientes de correlação

Estudo de amostra

Métodos de formalização da informação

4. Forma de controle final - Deslocamento

v. Apoio pedagógico e metodológico do curso

Métodos Slavko na pesquisa histórica. Livro didático. Ecaterimburgo, 1995

Métodos Mazur na pesquisa histórica. Diretrizes. Ecaterimburgo, 1998

literatura adicional

Andersen T. Análise Estatística de Séries Temporais. M., 1976.

Análise estatística de Borodkin na pesquisa histórica. M., 1986

Informática Borodkin: estágios de desenvolvimento // História nova e recente. 1996. Nº 1.

Tikhonov para as humanidades. M., 1997

Garskov e bancos de dados na pesquisa histórica. Göttingen, 1994

Métodos Gerchuk em Estatística. M., 1968

Método Druzhinin e sua aplicação na pesquisa socioeconômica. M., 1970

Jessen R. Métodos de pesquisas estatísticas. M., 1985

Jeannie K. Valores médios. M., 1970

Teoria Yuzbashev da estatística. M., 1995.

Teoria da estatística de Rumyantsev. M., 1998

Shmoylova estudo da principal tendência e relacionamento na série de dinâmicas. Tomsk, 1985

Yeats F. Método de amostragem em censos e pesquisas / per. do inglês. . M., 1976

Informática Histórica. M., 1996.

Kovalchenko pesquisa histórica. M., 1987

Computador na história econômica. Barnaul, 1997

Círculo de Ideias: Modelos e Tecnologias da Ciência da Computação Histórica. M., 1996

Círculo de Ideias: Tradições e Tendências em Ciência da Computação Histórica. M., 1997

Círculo de Ideias: Macro e Micro Abordagens em Ciência da Computação Histórica. M., 1998

Círculo de Ideias: Ciência da Computação Histórica no Limiar do Século XXI. Cheboksary, 1999

Círculo de Ideias: Ciência da Computação Histórica na Sociedade da Informação. M., 2001

Teoria geral da estatística: Textbook / ed. e. M., 1994.

Workshop sobre a teoria da estatística: Proc. mesada M., 2000

Estatísticas de Eliseev. M., 1990

Métodos Slavko-estatísticos em histórico e pesquisa M., 1981

Métodos Slavko no estudo da história da classe trabalhadora soviética. M., 1991

Dicionário Estatístico / ed. . M., 1989

Teoria da Estatística: Livro Didático / ed. , M., 2000

Sociedade Ursul. Introdução à informática social. M., 1990

Schwartz G. Método de amostragem / per. com ele. . M., 1978

Utilização de métodos estatísticos para avaliação quantitativa e qualitativa;

FORMULÁRIO DE REPRESENTAÇÃO NIR.

RESUMO - um resumo da essência da fonte estudada e conclusões

RESUMO - um resumo do conteúdo de uma fonte literária com

iluminação: objetivos de pesquisa, objeto, sujeito, hipótese

metodologia, resultados, conclusões do estudo,

UM ARTIGO CIENTÍFICO é um trabalho científico limitado em volume pelas condições do editor, geralmente de 5 a 7 folhas, que estabelece uma introdução com cobertura da relevância do problema de um tema ou número, finalidade, objeto, métodos, organização de pesquisa, sua discussão, comparação com dados literários, ao final é apresentada uma lista.

DISSERTAÇÃO - Dissertações de doutorado e doutorado. Dissertação (do lat. iisscrtatio - raciocínio, pesquisa) - trabalho científico qualificador preparado para defesa pública e obtenção do grau de candidato ou doutor em ciências.

Material demonstrativo para a palestra.

Glossário-ciência –sains- GALYM NIRS –SSWS-ҒҒЖС UIRS- SSWS - СҒЖС СНО –SSR СҒ

A CIÊNCIA é uma esfera da atividade humana e um tipo de conhecimento,

formando um sistema de conceitos científicos sobre as leis da natureza e

sociedade.

Liderança de P&D no Reitor da universidade

Vice-Reitor de Pesquisa e Desenvolvimento (P&D, SRRS, UIRS)

Faculdades (reitor, chefe de pesquisa) Departamento científico e metodológico

↕ organização de conferências, concursos,

Chefe de departamentos de publicação de literatura científica e metodológica

Chefe Adjunto de P&D ← relatórios

Trabalho de pesquisa de professores, SNK,

alunos do NIRS-

→ SNK, ↔ SNO (diretor da universidade,

presidentes da SNO e da SNK), : UIRS-

relatórios, conferências, trabalhos de conclusão de curso, teses,

seminários científicos disciplina olimpíadas

faculdade científica

concursos republicanos

Aula 2 Tipos de produtos científicos (1 hora).

1. Trabalho de curso, tese, resumo, revisão científica.

2. Artigo científico, resumo, monografia, mestrado, candidato, doutorado, relatório científico.

3. Perguntas, respostas baseadas em evidências, mesas redondas científicas, formulários de conferência.

Trabalho de graduação deve conter um elemento de novidade e revelar a cientificidade geral, a prontidão especial do aluno, a erudição, a capacidade de investigação, a capacidade de pensar e relacionar o conhecimento teórico com a prática. O aluno, autor da tese, é responsável pelas decisões tomadas na tese e pela exatidão de todos os dados. Os temas dos trabalhos de diploma devem ser relevantes, corresponder ao estado atual e às perspectivas para o desenvolvimento da cultura física e do esporte. É formado pelos departamentos de graduação, revisado e aprovado pelo conselho acadêmico da faculdade e divulgado aos alunos pelo menos um ano antes do início da certificação. Via de regra, o tema da tese é uma continuação da pesquisa realizada no processo

Trabalho de curso. O aluno tem o direito de escolher o trabalho de qualificação final. Ao mesmo tempo, ele pode oferecer seu próprio tópico com a justificativa necessária para a conveniência de seu desenvolvimento. No entanto, a possibilidade de escolha independente do tema não significa que neste caso seja possível negligenciar. aconselhamento e orientação de professores experientes. Essas consultas são muito úteis e têm um efeito positivo na escolha final do tema por parte da Minina.

A atribuição ao aluno do tema da tese por sua candidatura pessoal (Anexo 1) após discussão no departamento é feita por despacho do reitor sob proposta do reitor da faculdade antes de enviar o aluno ao último estágio. Por mesma ordem do reitor, é nomeado um orientador e, se necessário, por sugestão do orientador, um consultor para secções individuais da tese. O orientador da tese, de acordo com o tema, dá ao aluno uma tarefa para a tese (Anexo 2), auxilia-o no desenvolvimento de um plano de calendário para todo o período da tese (Anexo 3), recomenda a literatura básica necessária, materiais de referência e de arquivo e outras fontes sobre o tema; conduz conversas sistemáticas e objetivas e, quando necessário, controla o aluno; verifica o desempenho do trabalho (em partes ou como um todo). Se houver um consultor, ele verifica a seção (parte) do trabalho em que foi consultado.

Os departamentos de graduação devem desenvolver e fornecer aos alunos instruções metodológicas antes do início do trabalho de graduação, que estabelece o escopo obrigatório de requisitos para a tese em relação à especialidade.

1.2. Trabalho de curso como etapa na preparação de trabalhos finais de qualificação (diploma)

Como mencionado acima, o trabalho de qualificação final é uma generalização ou continuação de uma série de trabalhos previamente inundados e defendidos pelos trabalhos do aluno. Mas, diferentemente da tese, os trabalhos de conclusão de curso podem ser: teóricos (abstratos), feitos com base na análise e generalização de dados de ligadura sobre o tema escolhido; empírico, feito com base no estudo e síntese das melhores práticas de professores inovadores no campo da cultura física e do esporte; design, relacionado com o trabalho inventivo dos alunos e apresentando uma descrição técnica, justificação e finalidade de novos designs, simuladores, um conjunto de ajudas visuais, programas de computador, etc.; experimental, construído sobre a fundamentada formulação e condução de um experimento no campo da cultura física e do esporte. No entanto, deve-se notar que, independentemente do tipo, cada trabalho de conclusão de curso deve conter uma análise de fontes literárias sobre o tema escolhido. Em termos de volume, um trabalho de conclusão de curso pode chegar a 25 - 30 páginas. texto manuscrito ou datilografado.

O trabalho do curso é um dos tipos mais importantes do processo educacional e é realizado pelo aluno de acordo com o currículo da Faculdade de Educação Física dentro das horas destinadas ao estudo das disciplinas para as quais esses trabalhos serão realizados.

Os temas dos trabalhos de conclusão de curso são revisados ​​anualmente e aprovados pelo departamento competente ao mesmo tempo em que é aprovado o cronograma para sua implementação. O aluno tem o direito de escolher o tema do trabalho do curso. A estrutura do trabalho do curso deve contribuir para a divulgação do tema escolhido e suas questões individuais. É semelhante à estrutura da tese, mas a parte principal, dependendo do tipo de trabalho do curso, pode variar um pouco. Especificamente, ver a seção "Estrutura e conteúdo de trabalhos de conclusão de curso e teses".

dissertação de mestrado. Como tipo de trabalho de qualificação final, é o mesmo para um mestrado e uma tese para um graduado. As abordagens fundamentais à natureza desses trabalhos são semelhantes, as características dos requisitos são refletidas nos padrões educacionais estaduais relevantes e nos regulamentos sobre os tipos de trabalho nomeados, que geralmente são desenvolvidos por cada universidade (Apêndice 20, p. 3). ).

Doutorado e teses de doutorado. Dissertação (do lat. iisscrtatio - raciocínio, pesquisa) - trabalho científico qualificador preparado para defesa pública e obtenção do grau de candidato ou doutor em ciências. A tese pode ser um manuscrito especialmente preparado, pode ser feita na forma de um relatório científico, monografia publicada ou livro didático. Tudo o que diga respeito a dissertações consta do inciso IV do "Regulamento do procedimento de atribuição de graus académicos a trabalhadores científicos e científico-pedagógicos e de atribuição de títulos científicos a trabalhadores científicos")