Психология в схемах и таблицах: Книга: «Психология в схемах и таблицах» — Руденко, Шубина, Кузнецова. Купить книгу, читать рецензии | ISBN 978-5-222-34640-2

Экспериментальная психология в схемах и таблицах

Экспериментальная психология в схемах и таблицах

Для каталогаРуденко, А. М. Экспериментальная психология в схемах и таблицах : учебное пособие / А. М. Руденко. — Ростов н/Д : Феникс, 2015. — 285 с. (Высшее образование) — ISBN 978-5-222-22819-7. — Текст : электронный // ЭБС «Консультант студента» : [сайт]. — URL : https://www.studentlibrary.ru/book/ISBN9785222228197.html (дата обращения: 04.04.2022). — Режим доступа : по подписке.

АвторыРуденко А.М.

ИздательствоФеникс

Тип изданияучебное пособие

Год издания2015

ПрототипЭлектронное издание на основе: Экспериментальная психология в схемах и таблицах: учебное пособие / А. М. Руденко. — Ростов н/Д : Феникс, 2015. — 285, [1] с. — (Высшее образование). — ISBN 978-5-222-22819-7.

АннотацияВ учебном пособии «Экспериментальная психология в схемах и таблицах», написанном в соответствии с требованиями Федерального государственного образовательного стандарта, рассматриваются психологические особенности теории и практики психологического эксперимента. Раскрываются основные характеристики эксперимента, психологические основы экспериментального процесса, особенности психологической и этической культуры экспериментатора, принципы организации взаимодействия экспериментатора и испытуемого, психологические особенности планирования эксперимента. От других книг подобного рода это издание выгодно отличает ряд особенностей, связанных с организацией и подачей материала, что облегчает студентам освоение данной дисциплины. Весь материал представлен в виде удобно читаемых схем и таблиц, сопровождающихся комментариями. Поэтому он легко усваивается и быстро запоминается, что позволяет экономить время и в предельно быстрый срок подготовиться к семинарским и практическим занятиям по психологии, а также к зачету или экзамену. Каждая глава заканчивается тестами для самоконтроля. В конце книги приводятся ключи к тестам, глоссарий, именной указатель и рекомендуемая литература. Для бакалавров, студентов и преподавателей высших учебных заведений, обучающимся по психологическим специальностям, психологов и всех интересующиеся вопросами психологии эксперимента.

Загружено 2014-12-11

Психология и педагогика в схемах и таблицах

Комментарии

Психология — это наука о закономерностях возникновения, развития и проявления психики и сознания человека.

Психика- это свойство головного мозга, обеспечивающее человеку и животным способность отражать воздействия предметов и явлений реального мира.

Психика многообразна в своих формах и проявлениях. Психика че­ ловека — это его чувства, мысли, переживания, намерения, т.е. все то, что составляет его субъективный внутренний мир, который проявляет­ ся в действиях и поступках, во взаимоотношениях с другими людьми.

Сознание человека — высший этап развития психики и продукт об­ щественно-исторического развития, результат труда.

Кроме того, психология изучает такие явления, как бессознатель­ ное, личность, деятельность и поведение.

Бессознательное — это форма отражения действительности, в ходе которого человеком не осознаются его источники, а отражаемая реаль­ ность сливается с его переживаниями.

Личность — это человек с присущими ему индивидуальными и соци­ ально-психологическими особенностями.

Деятельность — это совокупность действий человека, направленных на удовлетворение его потребностей и интересов.

Поведение — внешние проявления психической деятельности.

Основной задачей психологии как науки является изучение объек­ тивных закономерностей функционирования психических явлений и процессов как отражения объективной действительности.

При этом психология ставит перед собой и ряд других задач:

1) изучать качественные (структурные) особенности психических явлений и процессов, что имеет не только теоретическое, но и большое практическое значение;

2)анализировать становление и развитие психических явлений и процессов в связи с детерминированностью психики объективными ус­ ловиями жизни и деятельности людей;

3)исследовать физиологические механизмы, лежащие в основе пси­ хических явлений, поскольку без их знания невозможно правильно ов­ ладеть практическими средствами их формирования и развития;

4)содействовать планомерному внедрению научных знаний психо­ логии в практику (разработка научных и практических методик обуче­ ния и воспитания, рационализации процесса труда в различных видах деятельности людей).

Руденко, Андрей Михайлович — История психологии в схемах и таблицах [Текст] : учебное пособие для бакалавров и студентов вузов


Поиск по определенным полям

Чтобы сузить результаты поисковой выдачи, можно уточнить запрос, указав поля, по которым производить поиск. Список полей представлен выше. Например:

author:иванов

Можно искать по нескольким полям одновременно:

author:иванов title:исследование

Логически операторы

По умолчанию используется оператор AND.
Оператор AND означает, что документ должен соответствовать всем элементам в группе:

исследование разработка

author:иванов title:разработка

оператор OR означает, что документ должен соответствовать одному из значений в группе:

исследование OR разработка

author:иванов OR title:разработка

оператор NOT исключает документы, содержащие данный элемент:

исследование NOT разработка

author:иванов NOT title:разработка

Тип поиска

При написании запроса можно указывать способ, по которому фраза будет искаться. Поддерживается четыре метода: поиск с учетом морфологии, без морфологии, поиск префикса, поиск фразы.
По-умолчанию, поиск производится с учетом морфологии.
Для поиска без морфологии, перед словами в фразе достаточно поставить знак «доллар»:

$исследование $развития

Для поиска префикса нужно поставить звездочку после запроса:

исследование*

Для поиска фразы нужно заключить запрос в двойные кавычки:

«исследование и разработка«

Поиск по синонимам

Для включения в результаты поиска синонимов слова нужно поставить решётку «#» перед словом или перед выражением в скобках.
В применении к одному слову для него будет найдено до трёх синонимов.
В применении к выражению в скобках к каждому слову будет добавлен синоним, если он был найден.
Не сочетается с поиском без морфологии, поиском по префиксу или поиском по фразе.

#исследование

Группировка

Для того, чтобы сгруппировать поисковые фразы нужно использовать скобки. Это позволяет управлять булевой логикой запроса.
Например, нужно составить запрос: найти документы у которых автор Иванов или Петров, и заглавие содержит слова исследование или разработка:

author:(иванов OR петров) title:(исследование OR разработка)

Приблизительный поиск слова

Для приблизительного поиска нужно поставить тильду «~» в конце слова из фразы. Например:

бром~

При поиске будут найдены такие слова, как «бром», «ром», «пром» и т.д.
Можно дополнительно указать максимальное количество возможных правок: 0, 1 или 2.4 разработка

По умолчанию, уровень равен 1. Допустимые значения — положительное вещественное число.
Поиск в интервале

Для указания интервала, в котором должно находиться значение какого-то поля, следует указать в скобках граничные значения, разделенные оператором TO.
Будет произведена лексикографическая сортировка.

author:[Иванов TO Петров]

Будут возвращены результаты с автором, начиная от Иванова и заканчивая Петровым, Иванов и Петров будут включены в результат.

author:{Иванов TO Петров}

Такой запрос вернёт результаты с автором, начиная от Иванова и заканчивая Петровым, но Иванов и Петров не будут включены в результат.
Для того, чтобы включить значение в интервал, используйте квадратные скобки. Для исключения значения используйте фигурные скобки.

Технічні книги, інструкції, посібники – ROZETKA

Цінність знань складно переоцінити. Вони дозволяють людям опановувати нові професії, підвищувати свою кваліфікацію, зростати професійно. Все життя людина вчиться, адже життя постійно підносить йому нові виклики, ставить різноманітні завдання, для вирішення яких можуть знадобитися вміння, яких у нього немає. Прекрасний спосіб отримати корисну інформацію і придбати технічні книги, посібники та інструкції щодо питання, яке зацікавило. Така література в широкому асортименті є в інтернет-магазині «Розетка».

Технічна література, інструкції, посібники п точні відомості з різних питань

Коли потрібна точна інформація про пристрій авто, ремонт обладнання або необхідно розібратися з принципами роботи якоїсь комп’ютерної програми, серйозна людина не буде лізти в інтернет для пошуків інформації, вона відразу ж придбає технічну книгу, інструкцію або посібник з необхідної тематики. Ці книги пишуться спеціалізованим мовою, містять безліч термінів і досить складної інформації, тому вимагають серйозного вдумливого вивчення. Деякі видання настільки складні, що без базових знань їх осилити практично неможливо. Видавці вирішили цю проблему, випустивши спецсерію «для чайників» т вона містить навчальні матеріали, написані простою мовою.

Технічна література охоплює дуже широке коло питань. Це:

  • транспорт;
  • комп’ютерні технології;
  • операційні системи та різноманітні програми;
  • радіотехніка;
  • програмування;
  • будівництво;
  • бази даних;
  • енергетика.

Матеріали викладені найпопулярнішими в нашій країні мовами: українською, англійською, російською.

Технічна література, інструкції, посібники призначені для з’ясовування складних питань, вибирати їх потрібно, виходячи з рівня своєї компетенції

Якщо виникає потреба в самовчителі, найефективніший підхід ч відразу придбати добре видання, написане професіоналом, з доступними поясненнями та ілюстраціями. Від подачі інформації безпосередньо залежить її сприйнятливість, матеріал, що написаний надто сухо, складно або плутано, неможливо читати.

Також важливо відразу визначити, знання якого рівня вам потрібні. Короткий посібник не передбачає глибокого занурення в питання, професіонали ж, навпаки, основну увагу приділяють тонкощам, від яких найчастіше і залежить рівень майстерності. Бажано, щоб інструкція супроводжувалася ілюстраціями і схемами, особливо, якщо мова йде про графічні комп’ютерні програми або особливості функціонування того чи іншого обладнання. Зображення в комплексі із запам’ятовуванням дає оптимальний ефект в технічні книги, які містять тільки текст, сприймаються важко.

«Розетка» підібрала прекрасний асортимент літератури по найбільш затребуваним на сьогоднішній день галузям: IT-технології, програмування, дизайн, просування, авто-техніка. Професії, пов’язані з цими знаннями, найбільш популярні в наші дні і мають всі шанси залишатися такими і в майбутньому. Замовлення можна забрати в одному з наших пунктів видачі в Києві або оформити доставку в будь-яке місто України: Київ, Дніпропетровськ, Ужгород, Львів, Одесу, Харків, Кривий Ріг та ін.

12.3 Выражение результатов – методы исследования в психологии

Цели обучения

  1. Напишите простую описательную статистику в стиле Американской психологической ассоциации (АПА).
  2. Интерпретируйте и создавайте простые графики в стиле APA, включая гистограммы, линейные графики и диаграммы рассеяния.
  3. Интерпретируйте и создавайте простые таблицы в стиле APA, включая таблицы средних групп или условий и корреляционные матрицы.

После того, как вы проведете свой описательный статистический анализ, вам нужно будет представить его другим.В этом разделе мы сосредоточимся на представлении описательных статистических результатов в письменной форме, на графиках и в таблицах, следуя рекомендациям Американской психологической ассоциации (АПА) для письменных отчетов об исследованиях. Эти принципы можно легко адаптировать к другим форматам презентаций, таким как плакаты и слайд-шоу.

Представление описательной статистики в письменной форме

Напомним, что стиль APA включает в себя несколько правил представления числовых результатов в тексте.К ним относятся использование слов только для чисел меньше 10, которые не представляют точных статистических результатов, и использование цифр для чисел 10 и выше. Однако статистические результаты всегда представляются в виде цифр, а не слов, и обычно округляются до двух знаков после запятой (например, «2,00», а не «два» или «2»). Они могут быть представлены либо в описательном описании результатов, либо в скобках, подобно ссылкам на источники. Когда у вас есть небольшое количество результатов для отчета, зачастую наиболее эффективно записывать их.Вот несколько примеров:

Средний возраст участников составил 22,43 года со стандартным отклонением 2,34.

Среди участников с низкой самооценкой те, кто находился в негативном настроении, выражали более сильное намерение заняться незащищенным сексом ( M  = 4,05,  SD  = 2,32), чем участники в позитивном настроении ( M  = 2,15,  SD = 2,27).

В группе лечения было среднее значение 23,40 ( SD  = 9,33), в то время как в контрольной группе среднее значение составляло 20.87 (

SD = 8,45).

Корреляция между тестом и повторным тестом составила 0,96.

Отрицательная корреляция между расположением фамилий респондентов в алфавитном порядке и временем их ответа была умеренной ( r  = −0,27).

Обратите внимание, что при представлении в описательной части термины означают и стандартное отклонение выписаны, но при представлении в скобках вместо них используются символы M и SD . Обратите также внимание на то, что использование параллельного построения особенно важно для выражения сходных или сравнимых результатов сходными способами.Третий пример намного лучше, чем следующая непараллельная альтернатива:

Группа лечения имела среднее значение 23,40 ( SD  = 9,33), в то время как 20,87 было средним значением контрольной группы со стандартным отклонением 8,45.

Представление описательной статистики в виде графиков

Когда у вас есть большое количество результатов для отчета, вы часто можете сделать это более четко и эффективно с помощью графика. Когда вы готовите графики для исследовательского отчета в стиле APA, вам следует помнить о некоторых общих рекомендациях.Во-первых, график всегда должен добавлять важную информацию, а не повторять информацию, которая уже присутствует в тексте или в таблице. (Если диаграмма представляет информацию более четко или эффективно, вам следует сохранить диаграмму и исключить текст или таблицу.) Во-вторых, диаграммы должны быть как можно более простыми. Например, Руководство по публикации не рекомендует использовать цвет, если в этом нет крайней необходимости (хотя цвет по-прежнему может быть эффективным элементом плакатов, презентаций слайд-шоу или учебников.) В-третьих, графики должны быть интерпретируемы сами по себе. Читатель должен быть в состоянии понять основной результат, основываясь только на графике и его подписи, и ему не нужно обращаться к тексту для объяснения.

Существует также еще несколько технических рекомендаций для графиков, в том числе следующие:

  • Макет
    • График должен быть немного шире, чем высота.
    • Независимая переменная должна быть нанесена на ось x-, а зависимая переменная — на ось y-.
    • Значения должны увеличиваться слева направо по оси x- и снизу вверх по оси y-.
  • Этикетки и легенды оси
    • Метки осей должны быть четкими и лаконичными и включать единицы измерения, если они не указаны в подписи.
    • Метки оси должны быть параллельны оси.
    • Легенды должны появляться в границах графика.
    • Текст должен быть набран одним и тем же простым шрифтом и отличаться не более чем на четыре пункта.
  • Подписи
    • Подписи должны кратко описывать рисунок, объяснять все сокращения и включать единицы измерения, если они не указаны в метках осей.
    • Подписи в рукописи APA должны быть напечатаны на отдельной странице в конце рукописи. Дополнительную информацию см. в главе 11.

«Убедительно», получено с http://imgs.xkcd.com/comics/convincing.png (CC-BY-NC 2.5)

Гистограммы

Как мы видели на протяжении всей этой книги, гистограммы  обычно используются для представления и сравнения средних показателей для двух или более групп или состояний.Гистограмма на рис. 12.11 представляет собой версию рис. 12.4 в стиле APA. Обратите внимание, что он соответствует всем перечисленным рекомендациям. Новым элементом на Рисунке 12.11 являются меньшие вертикальные полосы, которые проходят как вверх, так и вниз от вершины каждой основной полосы. Это 90 016 планок погрешностей , и они представляют изменчивость в каждой группе или состоянии. Хотя они иногда расширяют одно стандартное отклонение в каждом направлении, они с большей вероятностью увеличивают одну стандартную ошибку в каждом направлении (как на Рисунке 12.11). Стандартная ошибка   – это стандартное отклонение группы, деленное на квадратный корень из размера выборки в группе. Стандартная ошибка используется потому, что, как правило, разница между средними группами, превышающая две стандартные ошибки, является статистически значимой. Таким образом, можно «увидеть», является ли различие статистически значимым, на основе гистограммы с планками погрешностей.

Рисунок 12.11 Пример гистограммы в стиле APA с планками погрешностей, представляющими стандартные ошибки, на основе исследования Ollendick and Colleagues

Линейные графики

Линейные графики  используются, когда независимая переменная измеряется более непрерывным образом (например,например, время) или для представления корреляций между количественными переменными, когда независимая переменная имеет или организована в относительно небольшое количество различных уровней. Каждая точка на линейном графике представляет собой средний балл по зависимой переменной для участников на одном уровне независимой переменной. На рис. 12.12 представлена ​​версия результатов Карлсона и Конарда в стиле APA. Обратите внимание, что он включает планки погрешностей, представляющие стандартную ошибку, и соответствует всем заявленным рекомендациям.

Рисунок 12.12 Образец линейного графика в стиле APA, основанный на исследовании Carlson and Conard

В большинстве случаев информацию на линейном графике можно так же легко представить в виде гистограммы. Например, на рис. 12.12 можно заменить каждую точку полосой, доходящей до того же уровня, и оставить планки погрешностей там, где они есть. Этим подчеркивается принципиальное сходство двух типов статистических отношений. Оба являются различиями в среднем балле по одной переменной по уровням другой.Однако соглашение, которого придерживается большинство исследователей, состоит в том, чтобы использовать гистограмму, когда переменная, нанесенная на ось x-, является категориальной, и линейный график, когда она является количественной.

Диаграммы рассеяния

Диаграммы рассеяния  используются для представления корреляций и взаимосвязей между количественными переменными, когда переменная на оси x- (обычно независимая переменная) имеет большое количество уровней. Каждая точка на диаграмме рассеяния представляет человека, а не среднее значение для группы людей, и нет линий, соединяющих точки.График на рис. 12.13 представляет собой версию рис. 12.7 в стиле APA, которая иллюстрирует несколько дополнительных моментов. Во-первых, когда переменные на оси x- и оси y концептуально схожи и измеряются в одном и том же масштабе — как здесь, где они являются мерами одной и той же переменной в двух разных случаях — это можно подчеркнуть, сделав оси одинаковой длины. Во-вторых, когда два или более человека попадают в одну и ту же точку на графике, один из способов указать на это — слегка сместить точки по оси x .Другие способы заключаются в отображении количества особей в скобках рядом с точкой или в увеличении или уменьшении размера точки пропорционально количеству особей. Наконец, также может быть включена прямая линия, которая лучше всего соответствует точкам на диаграмме рассеяния, называемая линией регрессии.

Рисунок 12.13 Пример диаграммы рассеяния в стиле APA

Выражение описательной статистики в таблицах

Как и графики, таблицы можно использовать для четкого и эффективного представления больших объемов информации.К таблицам применяются те же общие принципы, что и к графикам. Они должны добавлять важную информацию к представлению ваших результатов, быть как можно более простыми и интерпретируемыми сами по себе. Опять же, мы сосредоточимся здесь на таблицах для рукописи в стиле APA.

Чаще всего таблицы используются для представления нескольких средних значений и стандартных отклонений — обычно для сложных планов исследований с несколькими независимыми и зависимыми переменными. Например, на рисунке 12.14 показаны результаты гипотетического исследования, аналогичного исследованию Макдональда и Мартино (2002 г.) (среднее значение на рисунке 12.14 — это средние значения, указанные Макдональдом и Мартино, а стандартные ошибки — нет). Напомним, что эти исследователи классифицировали участников с низкой или высокой самооценкой, помещали их в негативное или позитивное настроение и измеряли их намерения заниматься незащищенным сексом. Они также измерили отношение участников к незащищенному сексу. Обратите внимание, что таблица включает горизонтальные линии, охватывающие всю таблицу вверху и внизу, а также непосредственно под заголовками столбцов. Кроме того, у каждого столбца есть заголовок, включая крайний левый столбец, а также дополнительные заголовки, охватывающие два или более столбца, которые помогают организовать информацию и представить ее более эффективно.Наконец, обратите внимание, что таблицы в стиле APA нумеруются последовательно, начиная с 1 (таблица 1, таблица 2 и т. д.), и имеют краткие, но ясные и описательные заголовки.

Рисунок 12.14 Пример таблицы в стиле APA, в которой представлены средние значения и стандартные отклонения

Другим распространенным применением таблиц является представление корреляций — обычно измеряемых методом Пирсона r — между несколькими переменными. Такая таблица называется корреляционной матрицей . На рис. 12.15 представлена ​​корреляционная матрица, основанная на исследовании Дэвида Маккейба и его коллег (McCabe, Roediger, McDaniel, Balota, & Hambrick, 2010).Их интересовали отношения между рабочей памятью и некоторыми другими переменными. Из таблицы видно, что корреляция между рабочей памятью и исполнительной функцией, например, была чрезвычайно сильной 0,96, что корреляция между рабочей памятью и словарным запасом была средней 0,27 и что все показатели, кроме словарного запаса, имеют тенденцию к снижению. с возрастом. Обратите внимание, что заполнена только половина таблицы, потому что другая половина будет иметь идентичные значения. Например, значение Пирсона r в верхнем правом углу (рабочая память и возраст) будет таким же, как и в нижнем левом углу (возраст и рабочая память).Корреляция переменной сама с собой всегда равна 1,00, поэтому эти значения заменены тире, чтобы облегчить чтение таблицы.

Рисунок 12.15 Пример таблицы в стиле APA (матрица корреляции), основанный на исследовании McCabe and Colleagues

Как и в случае с графиками, точные статистические результаты, приведенные в таблице, необязательно повторять в тексте. Вместо этого автор может отметить основные тенденции и предупредить читателя о деталях (например, конкретных корреляциях), которые представляют особый интерес.

Ключевые выводы

  • В статье в стиле APA простые результаты наиболее эффективно представлены в тексте, тогда как более сложные результаты наиболее эффективно представлены в виде графиков или таблиц.
  • Стиль
  • APA включает в себя несколько правил представления числовых результатов в тексте. К ним относятся использование слов только для чисел меньше 10, которые не представляют точных статистических результатов, и округление результатов до двух знаков после запятой с использованием слов (например, «среднее») в тексте и символов (например,г., « M ») в скобках.
  • Стиль
  • APA включает несколько правил представления результатов в виде графиков и таблиц. Графики и таблицы должны добавлять информацию, а не повторяться, быть как можно более простыми и интерпретируемыми сами по себе с описательным заголовком (для графиков) или описательным заголовком (для таблиц).

Упражнения

  1. Практика: В классическом исследовании мужчины и женщины оценивали важность физической привлекательности как для краткосрочного, так и для долгосрочного партнера (Buss & Schmitt, 1993).Средние значения и стандартные отклонения следующие. Мужчины / краткосрочный: M = 5,67, SD = 2,34; Мужчины / Долгосрочные: M = 4,43, SD = 2,11; Женщины / краткосрочные: M = 5,67, SD = 2,48; Женщины / Долгосрочные: M = 4,22, SD = 1,98. Представьте эти результаты
    1. письменно
    2. в графе
    3. в таблице

Границы | Когда одна форма не подходит всем: эссе с комментариями об использовании графиков в психологических исследованиях

1.Введение

Интерес психологии к графикам далеко не нов. Это был 1972 год, когда Джон Уайлдер Тьюки, один из отцов статистики XX века, выделил три категории графиков: (1) пропагандистских графика , предназначенных для демонстрации того, что уже можно узнать с помощью анализа данных и выводное тестирование, (2) аналитические графики , которые позволяют понять данные сверх того, что уже показала выводная статистика, и (3) заменитель таблиц , которые представляют собой графики, из которых числа должны быть считаны (Тьюки , 1977).Из этой классификации становится очевидной рекомендация Тьюки для аналитических графиков. Двадцать лет спустя Леланд Уилкинсон и Целевая группа по статистическим выводам Американской психологической ассоциации заявили аналогичным образом: «Прежде чем вычислять какие-либо статистические данные, посмотрите на свои данные. (…) Если вы оцениваете гипотезы без изучения ваших данных, вы рискуете опубликовать бессмыслицу» (Wilkinson and Task Force on Statistical Inference, 1999). В настоящее время визуальный осмотр по-прежнему широко рекомендуется для понимания значения набора данных в исследовательском анализе данных и считается более полезным, чем исключительно строгое следование статистическому тестированию для ответа на вопросы, заданные экспериментом (Wixted and Pashler, 2002; Marmolejo-Ramos и др.). Мацунага, 2009).Кроме того, студенческие книги и статьи, посвященные механизмам, лежащим в основе статистических рассуждений, внесли сдвиг в перспективе от рисунков графиков к использованию графиков для осмысления данных и оценки гипотез (Moore, 1998; Wild and Pfankuch, 1999; Konold and Pollatsek, 2002). ; Bakker, 2004; Bakker and Gravemeijer, 2004; Pfankuch, 2005; Watson, 2005; Garfield and Ben-Zvi, 2008; Matejka and Fitzmaurice, 2017). Однако, как мы увидим ниже, подавляющее большинство исследовательских работ продолжают использовать неоптимальные графические представления.Кроме того, хотя графики могут сделать данные прозрачными, повысив надежность результатов исследований (Tay et al., 2016), среди руководящих принципов, предложенных для повышения прозрачности исследований (Nosek et al., 2015), не содержится конкретной ссылки на актуальность адекватное графическое представление.

2. Статические графики и гистограммы

Недавний систематический обзор (Weissgerber et al., 2015) исследовательских статей, опубликованных в ведущих журналах по физиологии в 2014 г., показал, что наиболее часто используемыми графическими представлениями являются статические графики и, среди них, широко известная гистограмма.Гистограммы, полезные для изображения частот и встречаемости категориальных переменных, суммируют средние значения и стандартные отклонения, не изображая лежащее в основе распределение данных. В результате не предоставляется ничего, кроме того, что уже показывает статистика, что увеличивает риск неправильной интерпретации результатов исследований и неполучения важной информации (Cooper et al., 2002; Schriger et al., 2006; Saxon, 2015; Gelman, 2017). . Например, нельзя сделать вывод о наличии аномальных выбросов или выраженной асимметрии.Хотя систематический обзор по этой теме еще не был опубликован в психологии, исследовательские статьи, опубликованные в период с января по июнь 2016 года в четырех авторитетных журналах по психологии ( Behavior Research Methods, Cognitive Psychology, Psychological Science и Trends in Cognitive Science ) предлагают современное состояние, которое не сильно отличается от других дисциплин, использующих статистические методы, со значительным присутствием столбчатых диаграмм в области исследований, где непрерывные переменные (например,g., время реакции, результаты психологических тестов) являются почти нормой (см. также проект Bar Bar Plots Project, 2017). В частности, в 131 изученной исследовательской работе гистограммы составляли около 55% из 104 представленных графиков.

Чтобы более четко объяснить влияние неадекватных графиков и понять практические последствия этого, мы приводим ниже три примера. Чтобы сделать наши примеры ясными, мы разработали три виньетки таким образом, чтобы всегда было сравнение между двумя экспериментальными условиями, а для статистического сравнения групп использовался дисперсионный анализ (ANOVA).Примеры, которые мы приводим, показывают, что адекватное использование графиков в качестве инструмента рассуждений приводит к результатам, которые отличаются от тех, которые были бы достигнуты, если бы были приняты только сводная статистика и статическая гистограмма. Мы пришли к выводу, что соответствующие графические представления могут повысить надежность результатов исследований и способствовать прозрачности способов обмена и распространения научной информации.

3. Три виньетки

3.1. Пример 1: Скрытая разница

Предположим, что 200 студентов набраны из двух разных классов ( a, b ) и случайным образом распределены исследователем по двум независимым экспериментальным условиям ( x, y ).В каждом условии оценивается выполнение испытуемыми конкретной экспериментальной задачи. Гипотеза исследования состоит в том, что существует значительная разница между двумя экспериментальными условиями.

На рисунке 1A показано количество субъектов, принадлежащих к каждому классу: 104 субъекта принадлежат к классу a и 96 к классу b . Высота каждого столбца правильно отражает частоту субъектов в каждом состоянии, поэтому столбчатая диаграмма является информативной и уместной. На рисунке 1B с использованием того же графика показаны средние баллы испытуемых (и соответствующие стандартные ошибки) в условиях x и y : 1.8 и 1,73 соответственно. Вопреки исследовательской гипотезе гистограмма не предполагает различий между двумя экспериментальными условиями, что также подтверждается дисперсионным анализом: F (1, 198) = 0,24, p = 0,63, Коэн d = 0,07.

Рисунок 1 . Графическое представление примеров, приведенных в тексте. (A–D) См. пример 1, раздел «Скрытая разница»; (E,F) см. пример 2, раздел «Притворное отличие»; (G–J) см. пример 3, раздел «Когда один график не подходит всем».* Указывает на значительную разницу между средними значениями на уровне 0,05.

Представляя одни и те же данные с помощью диаграммы (рис. 1C) и гистограммы (рис. 1D), мы приходим к другому выводу. Условие x показывает асимметричное распределение, в то время как, наоборот, данные условия y распределены более симметрично, что позволяет предположить, что два экспериментальных условия не эквивалентны. Теперь гипотеза исследования подтверждается. Без использования графиков в качестве инструментов рассуждений для изучения данных было бы невозможно обнаружить эту разницу в двух экспериментальных условиях, и исследователь не поддержал бы ненадлежащим образом свою исследовательскую гипотезу.

3.2. Пример 2: притворная разница

Теперь рассмотрим второй пример, в котором мы снова сравниваем два экспериментальных условия, но на этот раз с меньшим количеством испытуемых в каждом (маленькие выборки распространены в экспериментальной психологии) и, в частности, 50. Средние баллы и стандартные ошибки изображены в столбце график на рисунке 1Е. Гистограмма показывает, что два экспериментальных условия различны. Точно так же результаты ANOVA предполагают значительную разницу между двумя условиями: F (1, 98) = 4.38, p = 0,04, Коэна d = 0,42. Когда одни и те же данные изображаются с использованием прямоугольной диаграммы вместо гистограммы, наличие выбросов становится очевидным (рис. 1F). Исключая эти выбросы, разница между двумя экспериментальными условиями больше не является существенной: F (1, 95) = 1,87, p = 0,17, d Коэна = 0,28. В исследованиях с относительно небольшим размером выборки выбросы могут сильно влиять на статистические результаты и могут быть легко идентифицированы с использованием адекватных графических представлений.

3.3. Пример 3: Когда один график не подходит для всех

В двух приведенных выше примерах использование столбчатых диаграмм не позволило должным образом определить ложноотрицательные (пример 1) и ложноположительные (пример 2) результаты исследования. В обоих случаях, приняв два альтернативных варианта графика (коробчатая диаграмма для суммирования данных и гистограмма для построения отдельных значений), можно было точно изучить закономерности данных, которые в противном случае были бы скрыты гистограммами. Является ли блочная диаграмма лучшим графическим вариантом, способным адекватно соответствовать любому типу данных? К сожалению, это не случай.Ящичные диаграммы, более информативные, чем гистограммы, для представления сводной статистики непрерывных переменных, также могут не сработать в определенных условиях, как мы обсуждаем в текущем примере.

Давайте снова рассмотрим два экспериментальных условия: средние значения и стандартные ошибки изображены на рисунке 1G. Легко видеть, что средние значения (и стандартные ошибки) сопоставимы [см. также F (1, 598) = 0,01, p = 0,94, d Коэна = 0,01]. Когда вместо гистограммы используется прямоугольная диаграмма, возникает разница в изменчивости (см. рис. 1H).Используя гистограмму для дальнейшего изучения структуры данных (см. рис. 1I), становится легко идентифицировать бимодальное распределение в условиях x . Блочные диаграммы, более информативные, чем гистограммы (как мы продемонстрировали в примере 1 и примере 2), могут оказаться недостаточными для получения полной информации о данных, поскольку не позволяют обнаружить мультимодальное распределение. В этом случае более адекватным представлением является график скрипки (см. рис. 1J). Такой тип графика, включающий информацию о плотности распределений, позволяет обнаруживать даже мультимодальное распределение данных.

4. Заключительные замечания

Графические представления полезны для ознакомления и понимания концепции вариации, а также для изучения источников и влияния вариации на наблюдаемые данные, что является одной из основных целей психологических исследований. Графики напоминают нам, что процесс статистического вывода не является механическим (Gigerenzer and Marewski, 2015; McElreath, 2016). Этот процесс часто включает субъективные решения (например, оценку, исследование и/или удаление выбросов), которые являются неотъемлемой частью анализа.Таким образом, графики являются одним из наиболее подходящих инструментов для повышения прозрачности и придания правдоподобия таким решениям.

Как мы продемонстрировали на трех простых примерах, точное визуальное представление данных играет ключевую роль в интерпретации результатов исследования, представляя собой действительно инструмент статистического вывода. Столбчатая диаграмма не позволяет полностью исследовать распределение данных и может скрывать важную информацию, увеличивая риск публикации ненадежных результатов, которые не удается воспроизвести.Кроме того, не добавляя ничего, кроме того, что уже показывает сводная статистика, гистограмма имеет ограниченную полезность для продвижения статистических рассуждений о данных, увеличивая риск механического подхода к анализу данных. Широко распространенная в психологии гистограмма полезна для изображения частот и категориальных переменных, но может ввести в заблуждение, если ее использовать для представления сводной статистики непрерывных переменных в качестве дополнения к t -критерию и ANOVA. Гистограммы, позволяющие изобразить распределение всех данных, рекомендуются, но не дают возможности суммировать данные четким и эффективным способом.Другие графические представления, более информативные, но менее распространенные в нашей области, такие как бокс-плот и скрипичный сюжет, могли бы представлять собой более информативный вариант. В более общем плане сочетание различных графических методов может позволить исследователям узнать больше о полных данных и облегчить доступ к релевантной информации, которая в противном случае была бы скрыта статическими графиками данных. Усовершенствованные методы представления данных могут стать одним из способов улучшения понимания учащимися статистических рассуждений, понимания научным сообществом опубликованных данных и критической оценки результатов исследований.Кроме того, делая данные прозрачными, графики могут стать одним из ответов на кризис доверия в психологии (см.: Ioannidis, 2005; Pashler and Wagenmakers, 2012; Open Science Collaboration, 2015). Увеличение доступности мощного статистического программного обеспечения открыло возможность использования новых и более сложных аналитических подходов, о чем свидетельствуют последние научные публикации. Однако этот прогресс еще предстоит полностью интегрировать в графическое представление данных.

Вклад авторов

депутат предложил тему и оформил виньетку; FL и GA способствовали дальнейшему развитию идеи; Депутат, Флорида и Джорджия написали статью.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Ссылки

Баккер, А. (2004). Рассуждения о форме как закономерности изменчивости. Стат. Образовательный Рез. Дж. 3, 64–83.

Академия Google

Баккер, А., и Гравемейер, К.П. (2004). «Учимся рассуждать о распределении», в Задача развития статистической грамотности, рассуждений и мышления , под редакцией Б.В. Дордрехт (Springer Science + Business Media), 147–168.

Академия Google

Купер, Р. Дж., Шригер, Д. Л., и Клоуз, Р. Дж. (2002). Графическая грамотность: качество графиков в многотиражном журнале. Энн. Эмердж. Мед. 40, 317–322. doi: 10.1067/mem.2002.127327

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Гарфилд, Дж., и Бен-Цви, Д. (2008). Развитие статистического мышления учащихся: соединение исследований и практики преподавания , изд.В. Дордрехт (Springer Science+Business Media)

Академия Google

Гигеренцер Г. и Маревски Дж. Н. (2015). Суррогатная наука — идол универсального метода научного вывода. Дж. Управление. 41, 421–440. дои: 10.1177/0149206314547522

Полнотекстовая перекрестная ссылка | Академия Google

Конольд, К., и Полласек, А. (2002). Анализ данных как поиск сигналов в зашумленных процессах. Дж. Рез. Мате. Образовательный 33, 259–289.

Академия Google

Мармолехо-Рамос, Ф.и Мацунага, М. (2009). Получение максимальной отдачи от ваших кривых: изучение данных и составление отчетов с использованием информативных графических методов. Репетитор. Кол-во Методы Психол. 5, 40–50. doi: 10.20982/tqmp.05.2.p040

Полнотекстовая перекрестная ссылка | Академия Google

Матейка, Дж., и Фицморис, Г. (2017). «Та же статистика, разные графики: создание наборов данных с различным внешним видом и идентичной статистикой посредством имитации отжига», в Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems (Денвер, Колорадо: ACM), 1290–1294.

Академия Google

МакЭлрит, Р. (2016). Статистическое переосмысление: байесовский курс с примерами в R и Stan . Бока-Ратон, Флорида: CRC Press.

Академия Google

Мур, Д. С. (1998). Статистика среди гуманитарных наук. Дж. Ам. Стат. доц. 93, 1253–1259. дои: 10.1080/01621459.1998.10473786

Полнотекстовая перекрестная ссылка | Академия Google

Носек, Б. А., Альтер, Г., Бэнкс, Г., Борсбум, Д., Боумен, С., Бреклер, С., и другие. (2015). Продвижение культуры открытых исследований. Наука 348, 1422–1425. doi: 10.1126/science.aab2374

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Открытое научное сотрудничество (2015 г.). Оценка воспроизводимости психологической науки. Наука 349:aac4716. doi: 10.1126/science.aac4716

Полнотекстовая перекрестная ссылка

Пашлер Х. и Вагенмакерс Э.-Дж. (2012). Введение редакторов в специальный раздел о воспроизводимости в психологической науке кризис доверия? Перспектива.Психол. науч. 7, 528–530. дои: 10.1177/1745691612465253

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Пфаннкух, М. (2005). «Вероятность и статистический вывод: как учителя могут помочь учащимся установить связь?» в Изучение вероятности в школе (Нью-Йорк, штат Нью-Йорк: Springer), 267–294.

Академия Google

Шригер Д.Л., Синха Р., Шротер С., Лю П.Ю. и Альтман Д.Г. (2006). От подачи до публикации: ретроспективный обзор таблиц и рисунков когорты рандомизированных контролируемых испытаний, представленных в British Medical Journal. Энн. Эмердж. Мед. 48 750–756. doi: 10.1016/j.annemergmed.2006.06.017

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Тай, Л., Парригон, С., Хуанг, К., и ЛеБретон, Дж. М. (2016). Графические описания: способ повысить прозрачность данных и методологическую строгость в психологии. Перспектива. Психол. науч. 11, 692–701. дои: 10.1177/1745691616663875

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Тьюки, Дж.В. (1977). Исследовательский анализ данных . Чтение, Массачусетс: Аддисон-Уизли.

Академия Google

Weissgerber, T.L., Milic, N.M., Winham, SJ, and Garovic, V.D. (2015). Помимо гистограмм и линейных графиков: время для новой парадигмы представления данных. ПЛОС Биол. 13:e1002128. doi: 10.1371/journal.pbio.1002128

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Уайлд, С.Дж., и Пфаннкух, М. (1999). Статистическое мышление в эмпирическом исследовании. Междунар. Стат. Ред. 67, 223–248. doi: 10.1111/j.1751-5823.1999.tb00442.x

Полнотекстовая перекрестная ссылка | Академия Google

Уилкинсон, Л., и Целевая группа по статистическому выводу (1999). Статистические методы в журналах по психологии — рекомендации и пояснения. утра. Психол. 54, 594–604. doi: 10.1037/0003-066X.54.8.594

Полнотекстовая перекрестная ссылка

Викстед, Дж., и Пашлер, Х. (ред.). (2002). Справочник Стивенса по экспериментальной психологии .Нью-Йорк, штат Нью-Йорк: Уайли.

Академия Google

Роль графиков и таблиц в жесткой и мягкой психологии

Гросс, А. Г. (1990). Риторика науки. Кембридж, Массачусетс: Harvard

University Press.

Взлом, И. (1983). Представление и вмешательство. Кембридж, Англия:

Издательство Кембриджского университета.

Хагстрем, В. О. (1965). Научное сообщество. Нью-Йорк: Basic

Books.

Хэнкинс, Т. Л. (1999). Кровь, грязь и номограммы: Частная история

графиков.Исида, 90, 50–80.

Хардинг С. (ред.). (1976). Можно ли опровергнуть теории? Очерки Дюгема-

Тезис Куайна. Дордрехт, Нидерланды: Д. Рейдель.

Hargens, L.L. (1988). Когнитивный консенсус и показатели отклонения журналов.

Американское социологическое обозрение, 53, 139–151.

Харгенс, Л.Л., и Келли-Уилсон, Л. (1994). Детерминанты дисциплинарного

недовольства. Социальные силы, 72, 1177–1195.

Хаузер, Л. (1986). Классификация научной литературы по их «

твердости.Библиотечные и информационные исследования, 8, 357–372.

Джейкоби, В. Г. (1998). Статистическая графика для визуализации многомерных

данных. Тысяча дубов, Калифорния: Sage.

Кнорр-Цетина, К. Д. (1981a). Изготовление знаний. Оксфорд,

Англия: Pergamon Press.

Кнорр-Цетина, К. Д. (1981b). Социально-научный метод, или что мы

делаем из различия между естественными и социальными науками?

Философия социальных наук, 11, 335–359.

Койре, А. (1968). Метафизика и измерение. Кембридж, Массачусетс: Har-

vard University Press.

Крон, Р. (1991). Почему графики занимают столь важное место в науке? Биология и

Философия, 6, 181–203.

Крускал, В. (1978). Серьезное отношение к данным. В книге Ю. Элкана, Дж. Ледерберга, Р.

Мертона, А. Текрея и Х. Цукермана (ред.), К метрике

науки (стр. 139–169). Нью-Йорк: Уайли.

Кун, Т. С. (1970). Структура научных революций (2-е изд.).

Чикаго: University of Chicago Press.

Латур, Б. (1983). Дайте мне лабораторию, и я подниму мир. В KD

Knorr-Cetina & M. Mulkay (Eds.), Наука наблюдается (стр. 141–170).

Лондон: Мудрец.

Латур, Б. (1990). Рисование вещей вместе. В М. Линч и С. Вулгар

(ред.), Представительство в научной практике (стр. 19–68). Кембридж,

Массачусетс: MIT Press.

Латур, Б., и Вулгар, С. (1986). Лабораторная жизнь: построение

научных фактов (Rev.ред.). Принстон, Нью-Джерси: Издательство Принстонского университета.

Лаудан, Л. (1977). Прогресс и его проблемы. Беркли: Университет

California Press.

Лихи, Т. Х. (1992). Мифические революции американской психологии.

Американский психолог, 47, 308–318.

Легге, Г. Э., Гу, Ю., и Любкер, А. (1989). Эффективность графического

восприятия. Восприятие и психофизика, 46, 365–374.

Линдси, Д. (1978). Система научных публикаций в социальных науках.

Сан-Франциско: Джосси-Басс.

Лодаль, Дж., и Гордон, Г. (1972). Структура научных направлений и

функционирование выпускных кафедр университетов. American Sociological

Review, 37, 57–72.

Лофтус, Г. (1993). Картинка стоит тысячи значений p: О

неактуальности проверки гипотез в эпоху микрокомпьютеров. Поведение

Методы исследования, инструменты и компьютеры, 25, 250–256.

Линч, М.(1990). Экстернализованная сетчатка: выбор и математизация

в визуальной документации объектов в науках о жизни. В М. Линч

и С. Вулгар (ред.), Представительство в научной практике (стр. 153–

186). Кембридж, Массачусетс: MIT Press.

Линч М. и Вулгар С. (1990). Введение: Социологические ориентации

на репрезентативную практику в науке. В M. Lynch & S. Woolgar

(Eds.), Представительство в научной практике (стр.1–18). Кембридж,

Массачусетс: MIT Press.

Мачадо, А., и Сильва, Ф.Дж. (1998). Величие и нищета в учении

психологии обучения. Журнал экспериментального анализа поведения

, 70, 215–234.

McGuire, WJ (1989). Перспективистский подход к стратегическому планированию

программных научных исследований. В B. Gholson, W. R. Shadish, Jr.,

R. A. Neimeyer, & AC Houts (Eds.), Psychology of science: Contri-

butions to metascience (стр.214–245). Кембридж, Англия: Cam-

bridge University Press.

Макнами, С.Дж., и Уиллис, К.Л. (1994). Стратификация в науке:

сравнение моделей публикаций в четырех дисциплинах. Знание:

Создание, Распространение, Использование, 15, 396–416.

Мил, ЧП (1978). Теоретические риски и табличные звездочки: сэр Карл, сэр

Рональд и медленный прогресс мягкой психологии. Журнал консалтинга и клинической психологии

, 46, 806–834.

Мейер, Дж., Шинар, Д., и Лейзер, Д. (1997). Несколько факторов, определяющих производительность

, с таблицами и графиками. Человеческий фактор, 39, 268–286.

Миллер, Р. Б. (ред.). (1992). Восстановление диалога. Вашингтон, округ Колумбия:

Американская психологическая ассоциация.

Пикеринг, А. (ред.). (1992). Наука как практика и культура. Чикаго:

University of Chicago Press.

Пикеринг, А. (1995). Корешок практики. Чикаго: Университет

Chicago Press.

Поппер, К. Р. (1963). Догадки и опровержения. Нью-Йорк: Харпер и

Роу.

Портер, Т. М. (1995). Доверьтесь цифрам. Принстон, Нью-Джерси: Принстонский университет,

, городская пресса.

Прайс, DJ de S. (1970). Показатели цитирования точных наук, мягких наук, технологий

и ненаучных материалов. В CE Nelson & DK Pollack (Eds.),

Общение между учеными и инженерами (стр. 3–22). Лексингтон,

Массачусетс: Хит.

Рот, В.-М., Боуэн, Г.М., и Макгинн, М.К. (1999). Различия в

методах работы с графиками в школьных учебниках биологии и

журналах по научной экологии. Журнал исследований в области преподавания естественных наук,

36, 977–1019.

Рот, В.-М., и Макгинн, М.К. (1997). Графика: когнитивные способности или

практика? Научное образование, 81, 91–106.

Роуз, Дж. (1987). Знание и сила. Итака, Нью-Йорк: Корнельский университет

Press.

Руччи, А.Дж. И Твени, Р. Д. (1980). Дисперсионный анализ и

«вторая дисциплина» научной психологии: исторический отчет.

Психологический бюллетень, 87, 166–184.

Шапин С. и Шаффер С. (1985). Левиафан и воздушный насос: Гоббс,

Бойл и экспериментальная жизнь. Принстон, Нью-Джерси: Принстонский университет

Press.

Смит, Л. Д., Бест, Л. А., Стаббс, Д. А., Джонстон, Дж., и Арчибальд, А. Б.

(2000). Научные графы и иерархия наук: латуровский обзор практик записи.Социальные исследования науки, 30, 73–94.

Стам, Х. Дж. (1992). Упадок логического позитивизма: значение тезиса

Дюгема-Куайна для психологии. В К. Толмен (ред.), Позитивизм в

психологии (стр. 17–24). Нью-Йорк: Springer-Verlag.

Storer, NW (1967). Точные и мягкие науки: некоторые

социологических наблюдений. Бюллетень Ассоциации медицинских библиотек, 55, 75–84.

Тулмин, С. (1972). Человеческое понимание. Принстон, Нью-Джерси: Princeton

University Press.

Тафте, Э. (1983). Визуальное отображение количественной информации. Чешир,

Коннектикут: Graphics Press.

Тьюки, Дж. В. (1977). Исследовательский анализ данных. Рединг, Массачусетс: Addison-

Уэсли.

Tweney, RD (в печати). Что случилось с медью и стеклом? Возникновение

статистических «инструментов» в психологии, 1900–1950 гг. В DB Baker (Ed.),

Подробное описание и тонкая текстура: процесс архивных исследований в

истории психологии.Акрон, Огайо: Университет Акрона Press.

Вайнер, Х. (1980). Тест на графичность у детей. Applied Psycholog-

ical Measurement, 4, 331–340.

Вайнер, Х. (1997). Некоторые многомерные дисплеи для результатов NAEP. Психологические

логические методы, 2, 34–63.

Вайнер, Х., и Тиссен, Д. (1981). Графический анализ данных. Ежегодный обзор

психологии, 32, 191–241.

Wainer, H., & Velleman, PF (2000). Статистическая графика: картирование

путей развития науки.Ежегодный обзор психологии, 52, 305–335.

Вампольд, Б., и Ферлонг, М. (1981). Эвристика визуального вывода.

Оценка поведения, 8, 135–143.

Уилкинсон, Л. (1999). Графики для исследований в психологии консультирования.

Психолог-консультант, 27, 384–407.

Вулгар, С. (1988). Наука: Сама идея. Лондон: Тависток.

Цукерман, Х. Х., и Мертон, Р. К. (1972). Возраст, старение и возрастная структура

в науке. В М.У. Райли, М. Э. Джонсон и А. Фонер (ред.), Старение

и общество (стр. 292–356). Нью-Йорк: Фонд Рассела Сейджа.

761Октябрь 2002 г.

Американский психолог

Миссис Харрис и мисс Д’Круз

Графики, диаграммы и таблицы используются для описания данных и облегчения их понимания.

Существует ряд графиков и диаграмм, которые необходимо уметь рисовать и интерпретировать, в том числе:

  • Счетная диаграмма (таблица частот)
  • Линейный график
  • Круговая диаграмма
  • Гистограмма
  • Гистограмма
  • Диаграмма рассеяния

Рисование графиков и таблиц

Счетная таблица

Метки используются для подсчета вещей.Они используются в контент-анализе и наблюдениях. Они записывают количество просмотров чего-либо.

  Наблюдение за ребенком… Подсчет Итого
Питание llll 4
Плачет лл 2
Спальный ллл лл 7


Гистограммы
могут использоваться для представления данных из итоговых диаграмм, средних баллов или итогов.Они используются с номинальным или порядковым уровнями измерения. Стержни должны быть отделены друг от друга

Диаграммы рассеивания:  Используются с корреляциями, в которых обобщается взаимосвязь двух переменных. Они иллюстрируют направление связи (положительная, отрицательная или нулевая корреляция) и могут указывать на потенциальную силу связи.

Например, этот точечный график показывает положительную корреляцию.

Гистограммы: следует использовать для представления непрерывных данных в том смысле, что данные перетекают от одного интервала к другому — они соединяются.Примеры могут включать вес, рост и температуру, количество часов, затраченных на просмотр и т. д. Гистограммы, в отличие от гистограмм, также не имеют промежутков между столбцами — это отражает непрерывный характер графика. Гистограммы всегда имеют интервалы данных одинакового размера по оси x, а ось y всегда представляет частоту в пределах каждого интервала.

Вам может быть интересно узнать, сколько времени учащиеся тратят на домашнее задание. В качестве упражнения вы можете попросить других членов вашего класса раскрыть это для их последнего домашнего задания (хотя может быть некоторая предвзятость социальной желательности!) Надеемся, что большинство вашего класса потратит около 100 минут на домашнее задание по психологии!

Линейные графики: Также используются с непрерывными данными и используют точки, соединенные линиями, чтобы показать, как что-то изменяется в стоимости, например, с течением времени.Линейные графики не обязательно должны иметь интервалы данных одинакового размера по оси X, как гистограммы. Обычно IV будет располагаться по оси x, а DV — по оси y. Линейные графики также могут быть полезны, когда вы хотите представить два условия, например, 2 разных класса, пола или года.

Круговые диаграммы:  Используются, когда у нас есть проценты в категориях (номиналы). Каждый сегмент представляет собой процент от общего числа.

Нравится:

Нравится Загрузка…

Изучение психологии визуализации данных | Toptal

Визуализация данных — отличный способ рассказать историю о данных. Но как лучше всего это сделать? Понимание человеческого восприятия и познания может помочь дизайнерам делать это эффективно.

На протяжении тысячелетий люди использовали изображения, чтобы рассказывать истории и иллюстрировать ответы на важные вопросы. Самым ранним примером визуализации данных, вероятно, является карта, созданная примерно 27 000 лет назад, и долгое время редко можно было увидеть визуализацию данных для чего-либо, кроме географии.

Устроен ли наш мозг уникальным образом, чтобы распознавать закономерности и связи? Сегодня мы живем в золотой век визуализации данных. Эффективная передача данных может оказаться сложной задачей, и хотя графики могут помочь нам понять сложные данные и даже увидеть их с новой точки зрения, когда дело доходит до правильной передачи сообщения аудитории или принятия бизнес-решений на основе данных, визуализация может быть ключевым способом. чтобы выполнить это. Но что такое или за мощью визуализации данных?

Исторический контекст дизайна визуализации данных

Визуализация данных имеет долгую историю и достигла значительных успехов в период между 17 и 19 веками.Идея графического представления количественных данных возникла в 18 веке, когда Рене Декарт изобрел двумерную систему координат для отображения значений математических операций. Эта система была усовершенствована, когда Уильям Плейфейр изобрел графические формы, какими мы их знаем сегодня. Ему приписывают изобретение линейных и столбчатых диаграмм, а затем круговой диаграммы и круговой диаграммы.

Круговая диаграмма Playfair 1801 года, на которой сравниваются численность населения и налоги в нескольких странах.

С годами использование количественных графиков стало более распространенным.Их методология и эффективность значительно возросли во второй половине 20-го века с публикацией книги Жака Бертена «Семиология графики» . Его работа имела решающее значение, поскольку он обнаружил, что для интуитивного, ясного и эффективного представления информации зрительное восприятие работает в соответствии с правилами и шаблонами, которым можно следовать.

Бертен изучал эффективность различных типов карт. В приведенном ниже примере на круговых диаграммах показано производство различных видов мяса в нескольких странах.Бертен считал их «бесполезными». Посередине — благодаря использованию матричной визуализации паттерны высокого уровня становятся более заметными. А справа, поскольку страны и производство мяса не имеют естественного порядка, можно создать множество других матриц, включая показанный пример, что обеспечивает гораздо большую ясность. В этом сценарии изменение порядка категорий значительно улучшило представление данных.

Наброски для книги La Graphique (Bertin, 1977), любезно предоставлено EHESS/AN ref.20010291/36.

Какое отношение имеет психология к визуализации данных?

Зрительное восприятие — это способность видеть, интерпретировать и организовывать окружающую среду. Визуализация данных может быть чрезвычайно эффективной, поскольку она использует естественные способности человеческого мозга. Это быстро и эффективно.

Джон Тьюки, влиятельный американский математик и статистик-теоретик, сказал: «Самая большая ценность изображения заключается в том, что оно заставляет нас замечать то, что мы никак не ожидали увидеть.

Познание, которое обрабатывается корой головного мозга, намного медленнее и требует больше усилий для обработки информации. Представление данных визуально ускоряет наше восприятие и помогает снизить когнитивную нагрузку.

В приведенном ниже примере таблица позволяет нам увидеть точные числа. Однако можем ли мы быстро получить самые высокие и самые низкие показатели по возобновляемым водным ресурсам? Не так просто, но те же данные становятся намного яснее и понятнее, если представить их визуально на гистограмме справа.

Доминирующее влияние зрительного восприятия по сравнению с другими органами чувств хорошо иллюстрирует пример датского физика Тора Норретрандерса. Он продемонстрировал силу визуальных эффектов, преобразовав возможности человеческих органов чувств в стандартную производительность компьютера. Sight выходит на первое место, поскольку имеет такую ​​же пропускную способность, как и компьютерная сеть. Его пропускная способность в 10 раз выше, чем у осязания, и в 100 раз сильнее, чем у слуха или обоняния. Маленький квадрат в правом нижнем углу — это то место, где мы когнитивно осознаем сенсорный опыт.

Полоса пропускания наших чувств, Тор Норретрандерс.

Предварительная обработка

Мало того, что визуальная обработка доминирует над сенсорной информацией, количество данных и скорость, с которой мы их обрабатываем, намного выше, чем мы осознаем. Это явление известно как «превартивная обработка». Это подсознательно и быстро. Глазу требуется 200–500 миллисекунд, чтобы передать информацию, а мозгу — обработать свойство предварительного внимания зрительного стимула (это намного быстрее, чем мозг может обрабатывать данные из электронных таблиц).

«Предварительная обработка — это подсознательное накопление информации из окружающей среды. Вся доступная информация предварительно внимательно обрабатывается. Затем мозг фильтрует и обрабатывает то, что важно. Информация, имеющая наибольшую значимость (стимул, который выделяется больше всего) или относящаяся к тому, о чем думает человек, отбирается для дальнейшего и более полного анализа посредством сознательной (внимательной) обработки». — из Википедии

Обработка с предварительным вниманием является благом для дизайнеров, поскольку ее умелое применение позволяет людям быстрее понять, что представлено.Высококомпетентный дизайнер может помочь тому, кто просматривает визуализацию данных, быстрее и с меньшими усилиями усваивать больше информации, поскольку это облегчает сознательную обработку и снижает нагрузку на память.

Преимущества предварительной обработки:

  • Быстрый/автоматический
  • Эмоциональный
  • Импульсы/Приводы
  • Привычки
  • Убеждения
  • Стереотипный
  • Подсознание

Многие визуальные переменные вызывают реакцию предварительного внимания.Узнав, какие визуальные элементы автоматически выделяются, а затем включив их в информационные панели, мы можем создавать визуализации, которые эффективно рассказывают историю данных.

Визуальные переменные

Введенные Жаком Бертеном визуальные переменные представляют собой различия между элементами, воспринимаемыми человеческим глазом. Изучаемые в течение длительного времени, эти переменные позволяют понять, как человеческий мозг обрабатывает визуальную информацию и ориентируется в ней. Исходный набор «переменных сетчатки» состоял из семи переменных: положение, размер, форма, значение, цветовой оттенок, ориентация и текстура.

На приведенных ниже диаграммах показаны примеры визуальных переменных, полезных для демонстрации качественных или количественных различий — согласно Бертену. Они также демонстрируют способ представления атрибутов с помощью точек, линий или областей.

Исследование, проведенное в 1984 году Уильямом Кливлендом и Робертом Макгиллом, ранжировало наиболее общие аспекты двух форм на основе того, насколько легко человеческий мозг обнаруживает различия между ними. Они заказали следующие визуальные характеристики от наиболее до наименее точных:

.

Положение по общей шкале

Поскольку у нас общая система пространственной отсчета, положение является самой простой характеристикой для распознавания и оценки элементов в пространстве.

Примеры: гистограммы, точечные диаграммы

Позиции вдоль невыровненных одинаковых масштабов

Легко сравнивать отдельные шкалы, повторяющиеся с одной и той же осью, даже если они не выровнены. Панельные диаграммы или «маленькие кратные» — отличный пример этого. В результате получается сетка диаграмм, которые соответствуют одному и тому же визуальному формату, но отображают разные наборы данных. По сравнению с одиночной, более крупной диаграммой, маленькие кратные диаграммы могут помочь при перерисовке, когда данные могут быть скрыты или скрыты из-за слишком большого количества отображаемых элементов.

Пример: малые кратные (также известные как диаграммы Реллиса, решетки, сетки и панельные диаграммы)

Длина

Длина может эффективно представлять количественную информацию, поскольку длина элемента может масштабироваться до значения данных, которое они представляют. Человеческий мозг легко распознает пропорции и оценивает длину, даже если объекты не выровнены.

Пример: Гистограммы

Направление

Направление легко распознается человеческим глазом.Он может использовать линейные диаграммы и диаграммы трендов, например, для представления данных, которые меняются с течением времени.

Пример: Графики трендов

Угол

Углы помогают проводить сравнения, обеспечивая чувство меры. Исследования показывают, что углы труднее оценить, чем длину или положение. Однако круговые диаграммы столь же эффективны, как и гистограммы с накоплением, если только они не состоят более чем из трех частей.

Пример: круговые диаграммы

Зона

Относительную величину площадей сложнее сравнивать с длиной линий.Второе направление требует больше усилий для обработки и интерпретации.

Пример: пузырьковые диаграммы

Том

Объем относится к использованию 3D-объектов в двухмерных пространствах, что значительно усложняет их оценку. Однако исследования показывают, что 3D-объекты можно воспринимать точнее при сравнении двух форм одинаковой размерности.

Пример: гистограммы 3D

Насыщенность цвета

Насыщенность цвета относится к интенсивности одного оттенка.Увеличение интенсивности цвета можно интуитивно воспринимать как возрастающее значение числа. Однако точно оценить результаты сложно.

Пример: тепловые карты

(Источник: Наш мир в данных)

Понимание ранжирования визуальных переменных необходимо для создания привлекательных визуализаций данных. Однако это не означает, что дизайнеры должны ограничиваться гистограммами и точечными диаграммами. Кливленд и Макгилл отмечают: «Упорядочивание не приводит к точному предписанию для отображения данных, а скорее представляет собой структуру, в которой можно работать.

Цвет

По словам Уильяма Кливленда, насыщенность цвета и оттенки наименее точны, когда речь идет о восприятии моделей и поведения. Тем не менее, цвет может быть мощным инструментом для дизайнеров визуализации данных, чтобы передать смысл и ясность при отображении данных. Однако крайне важно, чтобы дизайнеры понимали, как работает цвет, что он делает, а что нет.

Цвет в контексте

Наше восприятие цвета зависит от контекста, цвета и его контраста с окружающими предметами.

Отличным примером является эксперимент Акиёси Китаока, профессора факультета психологии Университета Рицумейкан в Японии, в ходе которого он провел листом серой бумаги по градиенту от черного к белому. Бумага, кажется, меняет цвет, когда движется из стороны в сторону. В каждый момент мы воспринимаем цвет по-разному, поскольку его окружают разные оттенки серого. Смотрите видео ниже:

В своей статье Практические правила использования цвета в диаграммах Стивен Фью выводит некоторые практические правила из этих наблюдений:

  1. Если вы хотите, чтобы разные объекты одного цвета в таблице или на диаграмме выглядели одинаково, убедитесь, что фон — цвет, который их окружает, — одинаков.
  2. Если вы хотите, чтобы объекты в таблице или на графике были хорошо видны, используйте фоновый цвет, достаточно контрастирующий с объектом.

Цвет рассказывает историю

Цвет – это не просто украшение. Лучше всего, когда используется осмысленно и стратегически. Цвет должен помочь рассказать историю и передать цель представленного набора данных. Как говорится, «меньше значит больше».

Контрастные цвета следует применять только к различиям в значениях данных, чтобы уменьшить когнитивную нагрузку.Цвет также может подчеркивать основные элементы визуализации.

Отсутствие цвета не делает хорошую диаграмму менее эффективной. Серый — хорошая отправная точка на этапе создания идеи, и как только точка фокуса определена, применение цвета подчеркнет эти части.

Синяя полоса среди серых полос четко сообщает зрителям о точке фокусировки.

Определение цветовых палитр

Набор цветов, который применяет дизайнер визуализации данных, может полностью изменить значение данных.Многие инструменты могут помочь выбрать осмысленную цветовую палитру в зависимости от характера данных. Вот парочка:

  • ЦветБрюэр. Палитры делятся на три вида:
    • Категориальный (используется для разделения предметов на отдельные группы)
    • Последовательный (используется для кодирования количественных различий)
    • Расхождение
  • Палитра Виз. Viz Palette позаботится о доступности, дизайне для дальтоников и восприятии равномерно распределенных оттенков.Он включает в себя «цветовой отчет», в котором определяются оттенки, которые могут выглядеть одинаково в различных ситуациях.

Применение гештальт-принципов к визуализации данных

Гештальт-принципы восприятия могут помочь прояснить, как мозг организует элементы на основе общих признаков, пытаясь осмыслить визуальную информацию. Теория гештальта основана на идее о том, что человеческий мозг будет пытаться упростить и организовать сложные изображения или конструкции, состоящие из множества элементов, подсознательно организуя части в организованную систему, которая создает целое, а не просто ряд разрозненных элементов.

Сходство

Принцип подобия гласит, что наш разум автоматически группирует элементы с общими визуальными свойствами как «похожие». Похожие цвета, похожие формы, одинаковые размеры и сходная ориентация воспринимаются как группа. Этот принцип проиллюстрирован на диаграммах ниже.

В отличие от графика слева, где столбцы разного цвета, справа они одинакового синего цвета. Учитывая, что есть только одна переменная (Затраты/Доходы), это имеет смысл.Наличие столбцов одного цвета облегчает понимание данных и устраняет дополнительную когнитивную нагрузку, вызванную использованием разных цветов слева.

Близость

Близость более эффективна, чем сходство, потому что человеческий глаз воспринимает элементы как связанные, основываясь на том, насколько они близки друг к другу.

На приведенной ниже диаграмме цель состоит в том, чтобы сравнить продажи по странам за три квартала. Хотя легко сравнивать продажи каждой страны в течение квартала из-за их близости, было бы сложно анализировать продажи по странам.

Пересмотренная таблица передает это более четко. В этом случае информация имеет приоритет, чтобы сосредоточиться на цели визуализации, поскольку она удерживает основные точки данных ближе друг к другу.

Корпус

Принцип общей области, введенный Палмером в 1992 году, демонстрирует, как вложение элементов с четко определенной границей воспринимается как группа, если они имеют общую область.

В приведенном ниже примере три полосы в области, заштрихованной серым цветом, кажутся частью группы.Этот метод помогает зрителям сосредоточиться на группе объектов на диаграмме.

Заключение

Понимание ключевых элементов человеческого восприятия и когнитивного процесса является важной частью разработки отличных визуализаций данных. При работе над продуктами, требующими визуализации данных, будь то информационная панель B2B или финансовое приложение, дизайнеры должны помнить о процессе визуального восприятия человеческого мозга и основных принципах проектирования визуализации данных.

Знакомство с хорошо известными гештальт-принципами визуального восприятия может принести большую пользу дизайнерам и помочь им понять, как мозг преобразует сложные изображения в шаблоны.Помнить об этих принципах важно в процессе достижения более четкой визуальной иерархии при разработке визуализаций данных и разработке более эффективных диаграмм.

Кроме того, знание предварительной обработки и визуальных переменных, а также правильное применение цвета позволит дизайнерам создавать более эффективные визуализации данных.


Дайте нам знать, что вы думаете! Пожалуйста, оставьте свои мысли, комментарии и отзывы ниже.

• • •

Дальнейшее чтение в блоге Toptal Design:

Когда одна форма не подходит всем: эссе с комментариями об использовании графиков в психологических исследованиях

Front Psychol. 2017; 8: 1666.

Массимилиано Пасторе

1 Кафедра психологии развития и социальной психологии, Университет Падуи, Падуя, Италия

Francesca Lionetti

2 Факультет биологической и экспериментальной психологии Лондонского университета королевы Марии, Лондон, Великобритания

Gianmarco Altoè

1 Факультет психологии развития и социальной психологии, Университет Падуи, Падуя, Италия

1 Кафедра психологии развития и социальной психологии, Университет Падуи, Падуя, Италия

2 Факультет биологической и экспериментальной психологии Лондонского университета королевы Марии, London, United Kingdom

Под редакцией: Pietro Cipresso, Istituto Auxologico Italiano (IRCCS), Italy

Рецензирование: Kristian Kersting, Technische Universität Darmstadt, Germany

Эта статья была отправлена ​​в раздел журнала Quantitative Psychology and Measurement Frontiers in Psychology

Поступила в редакцию 18 августа 2017 г.; Принято 11 сентября 2017 г.

Ключевые слова: статистическое обоснование, столбчатая диаграмма и диаграмма, графическое представление, исследовательский анализ данных, кризис достоверности

Copyright © 2017 Pastore, Lionetti and Altoè.

Это статья с открытым доступом, распространяемая на условиях лицензии Creative Commons Attribution License (CC BY). Использование, распространение или воспроизведение на других форумах разрешено при условии указания автора(ов) или лицензиара оригинала и ссылки на оригинальную публикацию в этом журнале в соответствии с общепринятой академической практикой.Запрещается использование, распространение или воспроизведение без соблюдения этих условий.

Эта статья была процитирована другими статьями в PMC.

1. Введение

Интерес психологии к графикам далеко не нов. Это был 1972 год, когда Джон Уайлдер Тьюки, один из отцов статистики XX века, выделил три категории графиков: (1) пропагандистских графика , предназначенных для демонстрации того, что уже можно узнать с помощью анализа данных и выводное тестирование, (2) аналитические графики , которые позволяют понимать данные сверх того, что уже показала выводная статистика, и (3) заменитель таблиц , которые представляют собой графики, из которых числа должны быть считаны (Тьюки , 1977).Из этой классификации становится очевидной рекомендация Тьюки для аналитических графиков. Двадцать лет спустя Леланд Уилкинсон и Целевая группа по статистическим выводам Американской психологической ассоциации заявили аналогичным образом: «Прежде чем вычислять какие-либо статистические данные, посмотрите на свои данные. (…) Если вы оцениваете гипотезы без изучения ваших данных, вы рискуете опубликовать бессмыслицу» (Wilkinson and Task Force on Statistical Inference, 1999). В настоящее время визуальный осмотр по-прежнему широко рекомендуется для понимания значения набора данных в исследовательском анализе данных и считается более полезным, чем исключительно строгое следование статистическому тестированию для ответа на вопросы, заданные экспериментом (Wixted and Pashler, 2002; Marmolejo-Ramos и др.). Мацунага, 2009).Кроме того, студенческие книги и статьи, посвященные механизмам, лежащим в основе статистических рассуждений, привели к смещению точки зрения с 90 882 рисунков 90 883 графиков на 90 882 использования 90 883 графиков для осмысления данных и оценки гипотез (Moore, 1998; Wild and Pfankuch, 1999; Konold and Pollatsek, 2002). ; Bakker, 2004; Bakker and Gravemeijer, 2004; Pfankuch, 2005; Watson, 2005; Garfield and Ben-Zvi, 2008; Matejka and Fitzmaurice, 2017). Однако, как мы увидим ниже, подавляющее большинство исследовательских работ продолжают использовать неоптимальные графические представления.Кроме того, хотя графики могут сделать данные прозрачными, повысив надежность результатов исследований (Tay et al., 2016), среди руководящих принципов, предложенных для повышения прозрачности исследований (Nosek et al., 2015), не содержится конкретной ссылки на актуальность адекватное графическое представление.

2. Статические графики и гистограммы

Недавний систематический обзор (Weissgerber et al., 2015) исследовательских статей, опубликованных в ведущих журналах по физиологии в 2014 г., показал, что наиболее часто используемыми графическими представлениями являются статические графики и, среди них , широко известная гистограмма.Гистограммы, полезные для изображения частот и встречаемости категориальных переменных, суммируют средние значения и стандартные отклонения, не отображая лежащее в основе распределение данных. В результате не предоставляется ничего, кроме того, что уже показывает статистика, что увеличивает риск неправильной интерпретации результатов исследований и неполучения важной информации (Cooper et al., 2002; Schriger et al., 2006; Saxon, 2015; Gelman, 2017). . Например, нельзя сделать вывод о наличии аномальных выбросов или заметной асимметрии.Хотя систематический обзор по этой теме в психологии еще не публиковался, исследовательские статьи, опубликованные в период с января по июнь 2016 года в четырех авторитетных журналах по психологии ( Behavior Research Methods, Cognitive Psychology, Psychological Science и Trends in Cognitive Science ) предлагают современное состояние, которое не сильно отличается от других дисциплин, использующих статистические методы, со значительным присутствием столбчатых диаграмм в области исследований, где непрерывные переменные (например,g., время реакции, результаты психологических тестов) являются почти нормой (см. также проект Bar Bar Plots Project, 2017). В частности, в 131 изученной исследовательской работе гистограммы составляли около 55% из 104 представленных графиков.

Чтобы более четко объяснить влияние неадекватных графиков и понять практические последствия этого, мы приводим ниже три примера. Чтобы сделать наши примеры ясными, мы разработали три виньетки таким образом, чтобы всегда было сравнение между двумя экспериментальными условиями, а для статистического сравнения групп использовался дисперсионный анализ (ANOVA).Примеры, которые мы приводим, показывают, что адекватное использование графиков в качестве инструмента рассуждений приводит к результатам, которые отличаются от тех, которые были бы достигнуты, если бы были приняты только сводная статистика и статическая гистограмма. Мы пришли к выводу, что соответствующие графические представления могут повысить надежность результатов исследований и способствовать прозрачности способов обмена и распространения научной информации.

3. Три виньетки

3.1. Пример 1: скрытая разница

Предположим, что 200 учеников набраны из двух разных классов ( a, b ) и случайным образом распределены исследователем по двум независимым экспериментальным условиям ( x, y ).В каждом условии оценивается выполнение испытуемыми конкретной экспериментальной задачи. Гипотеза исследования состоит в том, что существует значительная разница между двумя экспериментальными условиями.

На рисунке показано количество субъектов, принадлежащих к каждому классу: 104 субъекта относятся к классу a и 96 к классу b . Высота каждого столбца правильно отражает частоту субъектов в каждом состоянии, поэтому столбчатая диаграмма является информативной и уместной. На рисунке , используя тот же график, показаны средние баллы испытуемых (и соответствующие стандартные ошибки) в условиях x и y : 1.8 и 1,73 соответственно. Вопреки исследовательской гипотезе гистограмма не предполагает различий между двумя экспериментальными условиями, что также подтверждается дисперсионным анализом: F (1, 198) = 0,24, p = 0,63, Коэн d = 0,07.

Графическое представление примеров, приведенных в тексте. (A–D) См. пример 1, раздел «Скрытая разница»; (E,F) см. пример 2, раздел «Притворное отличие»; (G–J) см. пример 3, раздел «Когда один график не подходит всем». * Указывает на значительную разницу между средними значениями на уровне 0,05.

Представляя одни и те же данные с помощью диаграммы (рис. ) и гистограммы (рис. ), мы приходим к другому выводу. Условие x показывает асимметричное распределение, в то время как, наоборот, данные условия y распределены более симметрично, что позволяет предположить, что два экспериментальных условия не эквивалентны. Теперь гипотеза исследования подтверждается. Без использования графиков в качестве инструментов рассуждений для изучения данных было бы невозможно обнаружить эту разницу в двух экспериментальных условиях, и исследователь не поддержал бы ненадлежащим образом свою исследовательскую гипотезу.

3.2. Пример 2: Притворное различие

Рассмотрим теперь второй пример, в котором мы снова сравниваем два экспериментальных условия, но на этот раз с меньшим количеством испытуемых в каждом (небольшие выборки распространены в экспериментальной психологии) и, в частности, 50. Средние баллы и стандартные ошибки изображены на гистограмме на рис. Гистограмма показывает, что два экспериментальных условия различны. Точно так же результаты ANOVA предполагают значительную разницу между двумя условиями: F (1, 98) = 4.38, p = 0,04, Коэн d = 0,42. Когда те же данные изображаются с помощью ящичковой диаграммы вместо гистограммы, наличие выбросов становится очевидным (рис. ). Исключая эти выбросы, разница между двумя экспериментальными условиями больше не является значимой: F (1, 95) = 1,87, p = 0,17, d Коэна = 0,28. В исследованиях с относительно небольшим размером выборки выбросы могут сильно влиять на статистические результаты и могут быть легко идентифицированы с использованием адекватных графических представлений.

3.3. Пример 3: когда один график не соответствует всем

В двух приведенных выше примерах использование гистограмм не позволило должным образом выявить ложноотрицательные (пример 1) и ложноположительные (пример 2) результаты исследования. В обоих случаях, приняв два альтернативных варианта графика (коробчатая диаграмма для суммирования данных и гистограмма для построения отдельных значений), можно было точно изучить закономерности данных, которые в противном случае были бы скрыты гистограммами. Является ли блочная диаграмма лучшим графическим вариантом, способным адекватно соответствовать любому типу данных? К сожалению, это не случай.Ящичные диаграммы, более информативные, чем гистограммы, для представления сводной статистики непрерывных переменных, также могут не работать в определенных условиях, как мы обсуждаем в текущем примере.

Давайте снова рассмотрим два экспериментальных условия: средние значения и стандартные ошибки изображены на рисунке . Легко видеть, что средние значения (и стандартные ошибки) сопоставимы [см. также F (1, 598) = 0,01, p = 0,94, d Коэна = 0,01]. Когда вместо гистограммы используется прямоугольная диаграмма, возникает разница в изменчивости (см. рисунок).Используя гистограмму для дальнейшего изучения структуры данных (см. рис. ), становится легко идентифицировать бимодальное распределение в условиях x . Блочные диаграммы, более информативные, чем гистограммы (как мы продемонстрировали в примере 1 и примере 2), могут оказаться недостаточными для получения полной информации о данных, поскольку не позволяют обнаружить мультимодальное распределение. В этом случае более адекватным представлением является скрипичный сюжет (см. рис. ). Такой тип графика, включающий информацию о плотности распределений, позволяет обнаруживать даже мультимодальное распределение данных.

4. Заключительные замечания

Графические изображения полезны для ознакомления и понимания концепции вариации, а также для изучения источников и влияния вариации на наблюдаемые данные, что является одной из основных целей психологических исследований. Графики напоминают нам, что процесс статистического вывода не является механическим (Gigerenzer and Marewski, 2015; McElreath, 2016). Этот процесс часто включает субъективные решения (например, оценку, исследование и/или удаление выбросов), которые являются неотъемлемой частью анализа.Таким образом, графики являются одним из наиболее подходящих инструментов для повышения прозрачности и придания правдоподобия таким решениям.

Как мы продемонстрировали на трех простых примерах, точное визуальное представление данных играет ключевую роль в интерпретации результатов исследования, представляя собой действительно инструмент статистического вывода. Столбчатая диаграмма не позволяет полностью исследовать распределение данных и может скрывать важную информацию, увеличивая риск публикации ненадежных результатов, которые не удается воспроизвести.Кроме того, не добавляя ничего, кроме того, что уже показывает сводная статистика, гистограмма имеет ограниченную полезность для продвижения статистических рассуждений о данных, увеличивая риск механического подхода к анализу данных. Широко распространенная в психологии гистограмма полезна для изображения частот и категориальных переменных, но может ввести в заблуждение, если ее использовать для представления сводной статистики непрерывных переменных в качестве дополнения к t -критерию и дисперсионному анализу. Гистограммы, позволяющие изобразить распределение всех данных, рекомендуются, но не дают возможности суммировать данные четким и эффективным способом.Другие графические представления, более информативные, но менее распространенные в нашей области, такие как бокс-плот и скрипичный сюжет, могли бы представлять собой более информативный вариант. В более общем плане сочетание различных графических методов может позволить исследователям узнать больше о полных данных и облегчить доступ к релевантной информации, которая в противном случае была бы скрыта статическими графиками данных. Усовершенствованные методы представления данных могут стать одним из способов улучшения понимания учащимися статистических рассуждений, понимания научным сообществом опубликованных данных и критической оценки результатов исследований.Кроме того, делая данные прозрачными, графики могут стать одним из ответов на кризис доверия в психологии (см.: Ioannidis, 2005; Pashler and Wagenmakers, 2012; Open Science Collaboration, 2015). Увеличение доступности мощного статистического программного обеспечения открыло возможность использования новых и более сложных аналитических подходов, о чем свидетельствуют последние научные публикации. Однако этот прогресс еще предстоит полностью интегрировать в графическое представление данных.

Вклад авторов

Депутат предложил тему и оформил виньетки; FL и GA способствовали дальнейшему развитию идеи; Депутат, Флорида и Джорджия написали статью.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Ссылки

  • Баккер А. (2004). Рассуждения о форме как закономерности изменчивости. Стат. Образовательный Рез. Дж. 3, 64–83. [Google Scholar]
  • Баккер А., Гравемейер К. П. (2004). Учимся рассуждать о распределении, в книге «Вызов развития статистической грамотности, рассуждений и мышления», изд. Дордрехт Б.V. (Springer Science + Business Media; ), 147–168. [Google Scholar]
  • Bar Bar Plots Project (2017). #варварские заговоры. Доступно онлайн по адресу: https://www.kickstarter.com/projects/1474588473/barbarplots. (По состоянию на 15 августа 2017 г.).
  • Купер Р.Дж., Шригер Д.Л., Клоуз Р.Дж. (2002). Графическая грамотность: качество графиков в многотиражном журнале. Анна. Эмердж. Мед. 40, 317–322. 10.1067/mem.2002.127327 [PubMed] [CrossRef] [Google Scholar]
  • Гарфилд Дж., Бен-Цви Д. (2008).Развитие статистического мышления учащихся: соединение исследований и практики преподавания, изд. Дордрехт Б.В. (Springer Science + Business Media; ) [Google Scholar]
  • Gelman A. (2017). Графики как сравнения: тематическое исследование. Сообщение блога. Доступно в Интернете по адресу: http://andrewgelman.com/2017/07/16/graphs-comparisons-case-study [Google Scholar]
  • Gigerenzer G., Marewski JN (2015). Суррогатная наука — идол универсального метода научного вывода. Дж. Управление. 41, 421–440. 10.1177/0149206314547522 [CrossRef] [Google Scholar]
  • Иоаннидис Дж.П. (2005). Почему большинство опубликованных результатов исследований являются ложными. ПЛОС Мед. 2:е124. 10.1371/journal.pmed.0020124 [бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
  • Konold C., Pollatsek A. (2002). Анализ данных как поиск сигналов в зашумленных процессах. Дж. Рез. Мате. Образовательный 33, 259–289. [Google Scholar]
  • Мармолехо-Рамос Ф., Мацунага М. (2009). Получение максимальной отдачи от ваших кривых: изучение данных и составление отчетов с использованием информативных графических методов. Репетитор. Кол-во Методы Психол.5, 40–50. 10.20982/tqmp.05.2.p040 [CrossRef] [Google Scholar]
  • Матейка Дж., Фицморис Г. (2017). Одни и те же статистические данные, разные графики: создание наборов данных с различным внешним видом и идентичными статистическими данными посредством имитации отжига, в материалах конференции CHI 2017 года по человеческому фактору в вычислительных системах (Денвер, Колорадо: ACM; ), 1290–1294. [Google Scholar]
  • МакЭлрет Р. (2016). Статистическое переосмысление: байесовский курс с примерами в R и Stan. Бока-Ратон, Флорида: CRC Press. [Google Scholar]
  • Мур Д.С. (1998). Статистика среди гуманитарных наук. Варенье. Стат. доц. 93, 1253–1259. 10.1080/01621459.1998.10473786 [CrossRef] [Google Scholar]
  • Носек Б. А., Альтер Г., Бэнкс Г., Борсбум Д., Боуман С., Бреклер С. и др. . (2015). Продвижение культуры открытых исследований. Наука 348, 1422–1425. 10.1126/science.aab2374 [бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
  • Open Science Collaboration (2015). Оценка воспроизводимости психологической науки. Наука 349:aac4716 10.1126/science.aac4716 [PubMed] [CrossRef] [Google Scholar]
  • Пашлер Х., Вагенмакерс Э.-Дж. (2012). Введение редакторов в специальный раздел о воспроизводимости в психологической науке кризис доверия? Перспектива. Психол. науч. 7, 528–530. 10.1177/1745691612465253 [PubMed] [CrossRef] [Google Scholar]
  • Пфаннкух М. (2005). Вероятность и статистический вывод: как учителя могут помочь учащимся установить связь? в «Исследовании вероятности в школе» (Нью-Йорк, штат Нью-Йорк: Springer;), 267–294.[Google Scholar]
  • Саксон Э. (2015). Помимо гистограмм. БМС Биол. 13:60. 10.1186/s12915-015-0169-6 [бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
  • Schriger D.L., Sinha R., Schroter S., Liu P.Y., Altman D.G. (2006). От подачи до публикации: ретроспективный обзор таблиц и рисунков когорты рандомизированных контролируемых испытаний, представленных в British Medical Journal. Анна. Эмердж. Мед. 48 750–756. 10.1016/j.annemergmed.2006.06.017 [PubMed] [CrossRef] [Google Scholar]
  • Тай Л., Парригон С., Хуанг К., ЛеБретон Дж. М. (2016). Графические описания: способ повысить прозрачность данных и методологическую строгость в психологии. Перспектива. Психол. науч. 11, 692–701. 10.1177/1745691616663875 [PubMed] [CrossRef] [Google Scholar]
  • Tukey JW (1977). Исследовательский анализ данных. Чтение, Массачусетс: Аддисон-Уизли. [Google Scholar]
  • Уотсон Дж. (2005). Вероятностные рассуждения учащихся средней школы. Мат. Образовательный Либ. 40:145 10.1007/b105829 [CrossRef] [Google Scholar]
  • Weissgerber T.Л., Милич Н.М., Уинхэм С.Дж., Гарович В.Д. (2015). Помимо гистограмм и линейных графиков: время для новой парадигмы представления данных. ПЛОС биол. 13:e1002128. 10.1371/journal.pbio.1002128 [бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
  • Wild CJ, Pfankuch M. (1999). Статистическое мышление в эмпирическом исследовании. Междунар. Стат. преп. 67, 223–248. 10.1111/j.1751-5823.1999.tb00442.x [CrossRef] [Google Scholar]
  • Уилкинсон Л., Целевая группа по статистическим выводам (1999). Статистические методы в журналах по психологии — рекомендации и пояснения.Являюсь. Психол. 54, 594–604. 10.1037/0003-066X.54.8.594 [CrossRef] [Google Scholar]
  • Викстед Дж., Пашлер Х. (ред.). (2002). Справочник Стивенса по экспериментальной психологии. Нью-Йорк, штат Нью-Йорк: Уайли. [Google Scholar]

Как читать психологическое состояние рынка с помощью технических индикаторов

Психология рынка описывает общее настроение, определяющее рыночные тенденции и поведение цены. Вместо того, чтобы быть рациональными акторами, люди находятся под сильным влиянием когнитивных и эмоциональных предубеждений и подвержены влиянию стадного инстинкта.Все это предполагает, что рынки не являются эффективными двигателями рациональности, принятыми в господствующей экономической теории.

Действительно, принципы рыночной психологии лежат в основе мотивации технического анализа, торговой стратегии, которая определяет возможности путем анализа исторических тенденций цен и объемов. Поэтому хорошее понимание поведения толпы важно для выявления работы некоторых технических индикаторов. Психологию рынка действительно трудно предсказать, тем более что люди подвержены его большому влиянию, но есть несколько надежных индикаторов, которые облегчают инвесторам постулирование изменений направления.

Ключевые выводы

  • Чтобы понять психологическое состояние инвесторов и рынка в целом, начните с анализа объема торгов, включая информацию о том, какие акции и фонды демонстрируют наибольшую и наименьшую активность, а также в какое время дня происходит активность.
  • Балансовый объем (OBV) — дневной промежуточный итог и опережающий показатель; новый максимум означает правление быков, новый минимум — голосование за медведей.
  • Накопление/Распределение (A/D) смотрит, где цены открываются и закрываются, чтобы определить настроение; если рынок открывается выше, а закрывается ниже, толкая A/D вниз, то бычий рынок может быть слабее, чем кажется.
  • Открытый интерес относится к фьючерсному рынку и когда срок действия фьючерсных контрактов или опционов истекает; открытый интерес является более сложным индикатором: чтобы он двигался вверх или вниз, и быки, и медведи должны быть одинаково оптимистичны в отношении того, что их позиция верна или неверна.

Балансовый объем (OBV)

Балансовый объем (OBV), разработанный рыночным техником Джозефом Грэнвилем, представляет собой промежуточную сумму, которая растет или падает каждый торговый день в зависимости от того, закрываются ли цены выше или ниже, чем в предыдущий день.OBV является опережающим индикатором, поэтому он обычно растет или падает раньше, чем фактические цены. Новый максимум OBV указывает на силу быков, слабость медведей и вероятный в результате рост цен. Новый минимум OBV указывает на противоположную модель: силу медведей, слабость быков и возможное снижение стоимости. Когда OBV показывает сигнал, отличный от сигнала реальных цен, это указывает на то, что объем (эмоции рынка) не согласуется с консенсусом в отношении стоимости (фактических цен) — изменение цены, которое уменьшит этот дисбаланс, неизбежно.

Когда объем рынка высок, трейдеры, теряющие деньги на своих позициях, могут почувствовать острую боль от своих убытков. Чтобы облегчить боль, они могут быстро закрыть свои позиции в убыток. Когда проигравшие уходят с рынка, тренд, основанный на большом объеме, скорее всего, будет недолговечным. Но тренд, основанный на умеренном объеме, может длиться долго, поскольку небольшие убытки могут со временем накапливаться и превращаться в большие убытки. Самые продолжительные тренды, вероятно, обусловлены тем, что рынки либо никуда не движутся, либо меняются умеренно, либо даже двигаются как вверх, так и вниз день за днем.Эти движения образуют постепенный тренд, который становится очевидным только при ретроспективном рассмотрении.

Но объем также относится к психологии рынка, а это широкий предмет, потому что существует гораздо больше торговых индикаторов, которые измеряют психологическое состояние рынка. Эта статья посвящена работе доктора Александра Элдера, в которой многие из следующих концепций и индикаторов описаны в ясной, краткой и понятной форме для трейдеров во всем мире.

Накопление/распределение (A/D)

Накопление/распределение также является опережающим индикатором, относящимся к объему, но он учитывает цены открытия и закрытия.Положительный A/D указывает на то, что цены были выше при закрытии, чем при открытии; отрицательный A/D указывает на обратное. Но победителям быков или медведей приписывают только часть дневного объема в зависимости от дневного диапазона и расстояния от цены открытия до цены закрытия. Очевидно, что широкий диапазон между открытием и закрытием дает более сильный сигнал A/D, но структура максимумов и минимумов A/D является наиболее важной. Если рынок открывается выше, а закрывается ниже, что приводит к развороту A/D вниз, рынок с восходящим трендом может быть слабее, чем кажется на первый взгляд.

Значение накопления/распределения заключается в том, что оно дает представление о деятельности отдельных групп профессиональных трейдеров и трейдеров-любителей. Любители как группа с большей вероятностью повлияют на цену открытия рынка. Любители основывают свои первые сделки на финансовых новостях, которые они прочитали за ночь, а также на корпоративных новостях, выпущенных их любимыми компаниями после закрытия рынка. Но по мере того, как торговый день проходит, профессионалы определяют окончательные результаты дня.Если профессионалы не согласны с оптимизмом любителей на открытии, профессионалы снизят цены к закрытию. Когда профессионалы настроены более оптимистично, чем любители, профессионалы будут повышать цены в течение всего дня и вплоть до закрытия. Как индикаторы будущих тенденций деятельность профессионалов, как правило, важнее, чем деятельность любителей.

Объем торгов относится к количеству акций или контрактов, торгуемых ценной бумагой или на рынке в течение определенного периода времени.

Открытый интерес

Открытый интерес — еще один важный показатель психологии толпы. Открытый интерес относится к фьючерсному рынку и относится к чтению фьючерсных контрактов или опционов, срок действия которых истекает в определенное время в будущем. Открытый интерес суммирует общее количество длинных и коротких контрактов на рынке в данный день, а абсолютное значение открытого интереса соответствует совокупной длинной или короткой позиции. Открытый интерес растет или падает только тогда, когда создается или уничтожается новый контракт: один длинный и один короткий продавец должны выйти на рынок, чтобы увеличить открытый интерес, и один длинный и один короткий продавец должны закрыть свои позиции, чтобы открытый интерес упал.

Открытый интерес представляет интерес (каламбур) только тогда, когда он отклоняется от своей нормы. Абсолютное значение не представляет интереса. Открытый интерес отражает психологию рынка через присущий рынку конфликт между быками и медведями. Чтобы сдвинуть индикатор открытого интереса вверх или вниз, и быки, и медведи должны быть в равной степени уверены в том, что их длинная или короткая позиция верна (или неверна). Растущий открытый интерес показывает, что быки достаточно уверены, чтобы заключать контракты с медведями, которые также уверены в своем медвежьем настрое, чтобы открывать позицию.Одна группа неизбежно проиграет, но пока потенциальные проигравшие (быки или медведи) заключают контракты, рост или падение открытого интереса будет продолжаться. Но есть больше открытого интереса, чем кажется на первый взгляд.

Чтение сигналов открытого интереса

Растущий открытый интерес указывает на увеличение предложения потенциальных проигравших, продвигая тренд вперед. Открытый интерес, который увеличивается во время восходящего тренда, показывает, что определенное количество медведей считает, что рынок слишком высок; но если восходящий тренд усилится, их короткие позиции будут сжаты, и их последующие покупки подтолкнут рынок еще выше.Тем не менее, открытый интерес, который остается относительно постоянным во время восходящего тренда рынка, указывает на то, что количество проигравших перестало расти, поскольку единственными потенциальными кандидатами на заключение контракта являются предыдущие покупатели, которые хотят получить прибыль от своей позиции. В этом случае восходящий тренд, вероятно, близится к завершению.

Во время нисходящего тренда шорты продаются агрессивно, в то время как покупают только участники, выбирающие дно. Но даже стоимостные инвесторы закрывают свои позиции, когда цены падают слишком далеко, поэтому цены упадут еще ниже.Если открытый интерес растет на падающем рынке, нисходящий тренд, вероятно, продолжится. Если открытый интерес остается неизменным при нисходящем тренде, остается несколько игроков, выбирающих дно, и единственными оставшимися кандидатами на контракт являются дополнительные медведи, которые ранее открывали короткие позиции, а теперь хотят закрыть рынок и покинуть рынок. Медведи, которые выходят с прибылью, вызывают ровный открытый интерес в нисходящем тренде, а это означает, что лучшая прибыль от нисходящего тренда, вероятно, уже получена.

Падение открытого интереса

Наконец, падение открытого интереса показывает, что проигравшие закрывают позиции, а выигравшие получают прибыль.Это также показывает, что нет дополнительных проигравших, которые могли бы занять место тех, кто сдался. Падение открытого интереса — четкий сигнал о том, что победители забирают свою прибыль и бегут к границе, в то время как проигравшие теряют надежду. Потеря контракта (и снижение открытого интереса) указывает на вероятное окончание тренда.

Часто задаваемые вопросы

Как психология рынка проявляется в технических индикаторах?

Технический анализ смотрит на ценовые графики, чтобы найти модели, которые указывают на тренды и развороты.Технические специалисты считают, что эти паттерны являются результатом психологии рынка. Таким образом, ценовой график можно рассматривать как графическое представление таких эмоций, как страх, жадность, оптимизм и пессимизм, и человеческого поведения, такого как стадный инстинкт. Графики цен показывают, как участники рынка реагируют на будущие ожидания.

Как объем может помочь понять психологию рынка?

Объем помогает подтвердить законность тренда и определить уровни поддержки и сопротивления.Например, если цена упала до уровня сопротивления, а объем увеличился без значительного движения цены, это может указывать на консолидацию, часто интерпретируемую как нерешительность рынка.

Имеет ли значение открытый интерес для раскрытия психологии рынка?

да. В то время как цена и объем рассматриваются чаще всего, изменения открытого интереса могут показать, где трейдеры совершают открытие, а когда закрытие. По мере открытия большего количества открытых позиций это может указывать на более высокий уровень оптимизма или пессимизма в зависимости от других технических показателей, сопровождающих изменения открытого интереса.

Итог

Бывают времена, когда чтение рыночных тенденций и психологии рынка с использованием конкретных показателей кажется таким же эффективным, как чтение чайных листьев. Однако, если вы тщательно отберете индикаторы, поймете их ограничения и будете применять их целостно, вы будете в гораздо лучшем положении, чтобы оценить настроение рынка и соответствующим образом скорректировать свою позицию.

.

0 comments on “Психология в схемах и таблицах: Книга: «Психология в схемах и таблицах» — Руденко, Шубина, Кузнецова. Купить книгу, читать рецензии | ISBN 978-5-222-34640-2

Добавить комментарий

Ваш адрес email не будет опубликован.