4,620 matches
-
Factori și variabile Analiza factorială este bazată pe presupoziția fundamentală că factorii de bază care sunt mai puțin numeroși decât variabilele observate, sunt responsabili de covariația dintre variabilele observate. O astfel de presupoziție poate fi expusă într-o diagramă analitic cauzală după cum urmează: Figura nr. 8.6: Modelul 1 de analiză factorială dı bı Xı Uı F d2 b2 X2 U2 Această diagramă implică: X1 este suma dintre F și U1 și X2 este suma dintre F și U2. Deoarece F
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
are două valori posibile: 1 sau -1 și acestea nu sunt corelate între ele. Să presupunem că ni se cere să stabilim variabile din această sursă de date conform unui set de reguli. Aceste reguli specifice sunt indicate de diagrama cauzală din figura următoare. Aceste reguli sunt pentru a-l crea pe X1 din combinația dintre F și U1 cu influenta .8 și .6 și pentru a-l crea pe X2 din combinația dintre F și U2 cu influenta .6 si
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
corelației va fi 0. Altfel, mărimea lui r va varia între 1 și -1 (dacă distribuția este bivariată, media, variația și corelația dintre ele vor specifica distribuția bivariată). Este important de reținut că noțiunea de covariație este independentă de structura cauzală de bază pentru cele două variabile; le poate acoperi pe ambele deoarece o variabilă este cauza celeilalte sau ambele variabile au în comun cel puțin o cauză. În sistemul liniar arătat în prima figură există covariație între X1 și F
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
examinarea matricei corelației ajustate. Utilizarea teoriei rangului este una restrânsă, din cauza următoarelor complicații: (1) când există doi sau mai mulți factori comuni, configurația coeficienților de saturație nu poate fi trasată fără presupoziții suplimentare; (2) teorema rangului aplicată numai când operațiile cauzale (regulile de combinare a factorilor pentru crearea variabilelor) întâlneste un singur set de condiții; (3) corelațiile observate conțin erori de măsurare și eșantionare; (4) relațiile din realitate chiar fără erori de măsurare și de eșantionare pot să nu se potrivească
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
de măsurare și de eșantionare pot să nu se potrivească exact cu orice model factorial. Cele trei probleme iau naștere din incertitudinile inerente în relațiile dintre structura factoria și structura covariației. Incertitudini privind derivarea factorilor din structurile covariației Proprietățile sistemelor cauzale liniare sunt simple. Mai mult de atât, există o structură neechivocă a covariației asociată cu fiecare sistem cauzal liniar. Dacă coeficientul de saturație este cunoscut, corelațiile dintre variabile pot fi determinate unic. Cunoștințele despre corelațiile dintre variabilele observate nu ne
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
iau naștere din incertitudinile inerente în relațiile dintre structura factoria și structura covariației. Incertitudini privind derivarea factorilor din structurile covariației Proprietățile sistemelor cauzale liniare sunt simple. Mai mult de atât, există o structură neechivocă a covariației asociată cu fiecare sistem cauzal liniar. Dacă coeficientul de saturație este cunoscut, corelațiile dintre variabile pot fi determinate unic. Cunoștințele despre corelațiile dintre variabilele observate nu ne conduc la cunoștințe despre structura cauzală de bază, pentru că aceeași structură a covariației poate fi produsă de structuri
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
de atât, există o structură neechivocă a covariației asociată cu fiecare sistem cauzal liniar. Dacă coeficientul de saturație este cunoscut, corelațiile dintre variabile pot fi determinate unic. Cunoștințele despre corelațiile dintre variabilele observate nu ne conduc la cunoștințe despre structura cauzală de bază, pentru că aceeași structură a covariației poate fi produsă de structuri cauzale diferite. Există trei tipuri de probleme care rezultă, când este vorba de variabile care se modifică, între structura cauzală de bază și structura covariației: (1) o structură
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
liniar. Dacă coeficientul de saturație este cunoscut, corelațiile dintre variabile pot fi determinate unic. Cunoștințele despre corelațiile dintre variabilele observate nu ne conduc la cunoștințe despre structura cauzală de bază, pentru că aceeași structură a covariației poate fi produsă de structuri cauzale diferite. Există trei tipuri de probleme care rezultă, când este vorba de variabile care se modifică, între structura cauzală de bază și structura covariației: (1) o structură particulară a covariației poate fi produsă de același număr de factori comuni, dar
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
observate nu ne conduc la cunoștințe despre structura cauzală de bază, pentru că aceeași structură a covariației poate fi produsă de structuri cauzale diferite. Există trei tipuri de probleme care rezultă, când este vorba de variabile care se modifică, între structura cauzală de bază și structura covariației: (1) o structură particulară a covariației poate fi produsă de același număr de factori comuni, dar cu o configurație diferită a coeficienților de saturație; (2) o structură particulară a covariației poate fi produsă de modelele
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
comuni, dar cu o configurație diferită a coeficienților de saturație; (2) o structură particulară a covariației poate fi produsă de modelele factoriale cu numere diferite de factori comuni; (3) o structură particulară a covariației poate fi produsă de un model cauzal factorial la fel de bine ca un model cauzal non-factorial. Vom exemplifica pe rând aceste tipuri de probleme 28. (1) O structură a covariației diferiți coeficienți de saturație Există două versiuni ale acestui tip. Ambele structuri cauzale din figura 8.12. au
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
coeficienților de saturație; (2) o structură particulară a covariației poate fi produsă de modelele factoriale cu numere diferite de factori comuni; (3) o structură particulară a covariației poate fi produsă de un model cauzal factorial la fel de bine ca un model cauzal non-factorial. Vom exemplifica pe rând aceste tipuri de probleme 28. (1) O structură a covariației diferiți coeficienți de saturație Există două versiuni ale acestui tip. Ambele structuri cauzale din figura 8.12. au 2 factori ortogonali, dar coeficienții de saturație
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
fi produsă de un model cauzal factorial la fel de bine ca un model cauzal non-factorial. Vom exemplifica pe rând aceste tipuri de probleme 28. (1) O structură a covariației diferiți coeficienți de saturație Există două versiuni ale acestui tip. Ambele structuri cauzale din figura 8.12. au 2 factori ortogonali, dar coeficienții de saturație sunt diferiți. Cu toate acestea, rezultatele matricelor corelațiilor dintre variabilele observate sunt identice. În general, există un număr infinit de configurații diferite care pot conduce la aceeași matrice
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
nr. 8.12: Modelul de analiză factorială cu un indicator comun celor doi factori .8 X1 F1 .8 X2 .6 X3 .4 F2 .8 X4 .7 X5 Un al doilea exemplu este ilustrat în figura 8.13 unde un sistem cauzal este bazat pe factori oblici, în timp ce al doilea este bazat pe factori ortogonali. Ambele produc aceeași matrice a corelației pentru variabilele observate. În literatura de specialitate, tipul variabilelor modificabile se regăsește sub denumirea de problema rotației. Figura nr. 8.13
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
indicatori comuni celor doi factori după rotirea factorilor X1 .69 .33 F1 .65 X2 -.33 .53 X3 .41 ..53 F2 .41 X4 .26 .54 X5 (2) O structură a covariației un număr variabil de factori Figura anterioară arată 2 sisteme cauzale, ambele conducând la aceeași matrice a corelației. Un punct important de reamintit este că nu se poate deduce numărul factorilor comuni responsabili pentru matricea corelației dată; modelele cu un număr mare de factori comuni pot produce același tip de matrice
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
numărul factorilor comuni responsabili pentru matricea corelației dată; modelele cu un număr mare de factori comuni pot produce același tip de matrice a corelației. Aceste variabile incerte pot fi considerate un caz special al problemelor generale ale rotației. (3) Structura cauzală competitivă O varietate de relații cauzale pot conduce la aceeași structură a corelației. Factorul analitic presupune următoarea premisă: corelația dintre cele două variabile este datorată faptului că au factori comuni. Figura nr. 8.16: Modelul de analiză factorială structură cauzală
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
corelației dată; modelele cu un număr mare de factori comuni pot produce același tip de matrice a corelației. Aceste variabile incerte pot fi considerate un caz special al problemelor generale ale rotației. (3) Structura cauzală competitivă O varietate de relații cauzale pot conduce la aceeași structură a corelației. Factorul analitic presupune următoarea premisă: corelația dintre cele două variabile este datorată faptului că au factori comuni. Figura nr. 8.16: Modelul de analiză factorială structură cauzală competitivă Xı l .9 X2 .7
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
cauzală competitivă O varietate de relații cauzale pot conduce la aceeași structură a corelației. Factorul analitic presupune următoarea premisă: corelația dintre cele două variabile este datorată faptului că au factori comuni. Figura nr. 8.16: Modelul de analiză factorială structură cauzală competitivă Xı l .9 X2 .7 F .5 X3 .3 X4 Figura nr. 8.17: Modelul de analiză factorială structură cauzală competitivă după rotire Xı X2 Fı X3 F2 X4 Corelația dintre cele două variabile, X1 și X2 poate fi
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
cele două variabile este datorată faptului că au factori comuni. Figura nr. 8.16: Modelul de analiză factorială structură cauzală competitivă Xı l .9 X2 .7 F .5 X3 .3 X4 Figura nr. 8.17: Modelul de analiză factorială structură cauzală competitivă după rotire Xı X2 Fı X3 F2 X4 Corelația dintre cele două variabile, X1 și X2 poate fi produsă în câteva moduri: (1) X1 fiind cauza lui X2, (2) X1 și X2 având câteva cauze comune; (3) prin combinația
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
29 X3 Figura nr. 8.19: Corelațiile dintre indicatori și factor .8 X1 F1 .8 X1 .6 X3 Tabelul nr. 8.11: Corelațiile rezultate X1 X2 X3 X1 -.64 .48 X2 -.48 X3 Figura nr. 8.17 furnizează două structuri cauzale fiecare cu trei variabile care rezultă din aceeași structură corelată. Una este modelul factorului comun, iar cealaltă nu. 8.4.6. Obținerea soluțiilor analizei factoriale În realizarea analizei factoriale există patru pași de bază: (1) colecția de date pentru matricea
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
a culturii și a comportamentelor umane, În general. Metoda devine pentru el un mod de a afla, de a cerceta, de a descoperi adevăruri;eafacilitează nașterea unor noi cunoștințe În mintea elevilor, deprinderea unor noiforme de acțiune; facilitează Înțelegerea relațiilor cauzale și logice Între propoziții; Înlesnește reținerea sensului și a semnificațiilor; asigură Întipărirea În memorie a noilor informații etc. Pe scurt, intervine ca o formă concretă de organizare a cunoașterii individuale, a Învățării (J. Bruner). În același timp, metoda reprezintă pentru
Metode de învățămînt by Ioan Cerghit () [Corola-publishinghouse/Science/2051_a_3376]
-
intervenția ei activă, metoda poate să modifice mersul proceselor de predare și Învățare; ea poate să imprime un curs sau altul derulării acestora. Și, făcând acest lucru, metoda devine ovariabilă care, În mod potențial, influențează efectele Învățării, devenind o variabilă cauzală, răspunzătoare, În bună parte, de rezultatele obținute, de nivelul acestora și eficiența Învățământului. Nu numai rezultatele imediate și directe sunt influențate de metodă, ci și cele mai Îndepărtate. În cercetările lor, J. Piaget, J.S. Bruner, B.F. Skinner, H. Aebli, B.S.
Metode de învățămînt by Ioan Cerghit () [Corola-publishinghouse/Science/2051_a_3376]
-
a instruirii, sinteză și ea a datelor pozitive oferite de diferitele teorii ale Învățării (asociaționiste, reflexiv-conexioniste, configuraționiste, funcționaliste, semiotice, cognitive, operaționale etc.). Asemenea principii Întăresc fundamentul științific pe care sunt elaborate metodele didactice, subliniază Încă o dată caracterul lor obiectiv, dependența cauzală a acestora de anumite legități bio-psihologice și psiho-sociale ori acționale În afara cărora nu poate fi vorba de desfășurarea unei activități eficiente, demnă de luat În seamă. Prescripțiile teoriei instruirii neatrag astfel atenția că sursa metodei se află și de această
Metode de învățămînt by Ioan Cerghit () [Corola-publishinghouse/Science/2051_a_3376]
-
și descoperirilor, accentul căzând totuși pe receptarea adevărului, pe reproducerea argumentației deductive, pe Însușirea logicii ce stă la baza analizei Întreprinse și nu pe construcțiile proprii ale elevului. În funcție de obiectivele dezvăluirii, se disting tipuri diferite de explicații, dintre care: - explicația cauzală (de ce?), cu accentul pe relevarea cauzelor care justifică apariția, existența, manifestarea etc. unui fenomen, fapt etc.; - explicația normativă - de analiză după criterii stabilite, a caracteristicilor esențiale, a asemănărilor și deosebirilor etc.; - explicația procedurală (cum?, care?), de evidențiere a operațiilor necesare
Metode de învățămînt by Ioan Cerghit () [Corola-publishinghouse/Science/2051_a_3376]
-
cu răspunsurile elevilor și care conduc, până la urmă, spre realizarea unui nou salt pe calea cunoașterii. Întrebările enunțate, supuse atenției și analizei Întregii clase, au menirea: să suscite curiozitatea, trebuința de cunoaștere, să incite la căutări, la sesizarea unor relații cauzale, la descoperirea notelor caracteristice și comune unui grup de obiecte sau categorii de fenomene, să conducă la Însușirea de noi generalizări, la formularea unor noi concluzii. Prin Întrebări, elevii sunt ajutați să prelucreze propriile cunoștințe pe care le posedă și
Metode de învățămînt by Ioan Cerghit () [Corola-publishinghouse/Science/2051_a_3376]
-
și Fr.P. Hunkins (1966) ajung la rezultate asemănătoare. În cercetările sale, R.L. Carner (1963) sugerează și el necesitatea adaptării Întrebărilor la tipurile de gândire pe care vrem să le dezvoltăm. Întrebările de tipul „de ce?” și „cum?” și, În general, Întrebările cauzale, relaționale, ca și cele ipotetice („dacă... atunci...?”), ar fi reprezentative pentru orientarea activității gândirii spre operații superioare, În timp ce altele de tipul „care?”, „cine?”, „ce?”, „unde?”, „când?”, „ce sunt?” ar Îndeplini o funcție mai mult cognitivă. De mare utilitate ar fi
Metode de învățămînt by Ioan Cerghit () [Corola-publishinghouse/Science/2051_a_3376]