209 matches
-
sau percepută de ziariști, a domeniului pe care îl relatează și natura relațiilor dintre elementele lui. Măsurarea co-ocurenței cuvintelor cheie și, implicit, a categoriilor de conținut, am realizat-o prin tehnicile analizei multivariate de interdependență, așa cum sunt analiza ierarhică cluster, scalarea multidimensională și analiza de corespondență. Tehnicile de interdependență sunt folosite pentru a identifica structura datelor prin gruparea termenilor cheie, categoriilor și cazurilor în variabile categoriale, precum și pentru reprezentarea relațiilor dintre ele într-o hartă conceptuală. Scopul este de a dezvălui
by Mircea Agabrian [Corola-publishinghouse/Science/1074_a_2582]
-
a pus în lumină un mod facil de a face jurnalism, fără apel la instrumente analitice și interpretări plauzibile, lucru care pare a fi o caracteristică pentru o bună parte a articolelor ce apar în presa românească. Politizarea grevei profesorilor Scalarea multidimensională generează o hartă perceptuală care are o acuratețe mai mare decât dendrograma produsă de analiza ierarhică cluster. Logica ei constă într-o configurație geometrică de puncte în care cu cât itemi sunt mai similari (co-ocurența lor este mai frecventă
by Mircea Agabrian [Corola-publishinghouse/Science/1074_a_2582]
-
în 1960), scala este unul din instrumentele la care se raportează unii specialiști atunci când atenția lor este orientată spre măsurători comportamentale și fiziologice ale performanțelor fizice și ale capacității de muncă. Variantele acestei scale, existente astăzi în diverse surse, prezintă scalarea de la valoare 6 la valoarea 20 și stările aferente, prin adjective ca „ușor” și „greu”. Noi vom evidenția în tabelul nr.1, varianta propusă de Rodgers, B., Douglas, S. (1998): adaugă câte un „0” (zero) la valoarea scalei (înmulțind practic
JOGGING De la A la Z by Alexe Dan Iulian () [Corola-publishinghouse/Science/1593_a_3043]
-
de a permite comparații între județe/regiuni, în forma prezentată mai sus, indicele are și o serie de neajunsuri, neîndeplinind unele condiții cerute unor astfel de instrumente (Bălțătescu, 2006): modul de alegere a indicatorilor care îl formează și modul de scalare a lor nu se bazează pe o teorie testată empiric; de asemenea este un indice a cărui fidelitate nu a fost testată. Ne propunem ca într-un studiu ce va urma să atingem aceste două probleme, pentru ca indicele să aibă
by Adela Elena Popa [Corola-publishinghouse/Science/1048_a_2556]
-
Format Picture din meniul contextual. Unele opțiuni sunt însă inhibate (fiind specifice doar formelor), altele sunt activate doar pentru imagini. Fișa Picture (dialogul Format Picture) Prin controalele aceste fișe se pot stabili tăieturi laterale ale imaginii (nu redimensionări în sensul scalării imaginii, care se realizează în fișa Size) și proprietăți de strălucire și contrast. În grupul Crop from se pot indica dimensiunile părților laterale care se taie din imagine. Este important de știut că se poate reveni oricând la imaginea originală
Microsoft Word. Lecţii de editare by ARIADNA - CRISTINA MAXIMIUC () [Corola-publishinghouse/Science/386_a_574]
-
vasele și sângele conținut ocupând 5% din volumul corpului (structură de aparență complexă autosimilară și lacunară, de lungime indefinită în interiorul unui volum finit ceea ce oferă o mare suprafață de schimb în interiorul unui volum limitat). Auto-similaritatea fractală implică o relație de scalare, adică valoarea unei anumite caracteristici depinde de rezoluția utilizată pentru a efectua măsurătorile. Caracteristica se poate referi la lungime, arie sau volum. De exemplu lungimea curbei Koch crește cu un factor de 4/3 la fiecare iterație. Astfel, în funcție de rezoluția
Factorul de risc geometric în arteriopatiile obliterante aterosclerotice by Antoniu Octavian Petriş () [Corola-publishinghouse/Science/1161_a_2068]
-
lungimea curbei Koch crește cu un factor de 4/3 la fiecare iterație. Astfel, în funcție de rezoluția măsurătorii efectuate lungimea se poate modifica și deoarece curba Koch este iterată ad inf nitum, distanța dintre două puncte este infinită. Auto similaritatea și scalarea pot fi determinante cantitativ prin utilizarea dimensiunii fracta e. Utilizarea analizei fractale a neregularităților suprafeței luminale (a "rugozității") evidențiate prin creșterea continuă a rezoluției informațiilor imagistice oferite de către IRM sau USIV constituie o nouă direcție de investigare a aterosclerozei precoce
Factorul de risc geometric în arteriopatiile obliterante aterosclerotice by Antoniu Octavian Petriş () [Corola-publishinghouse/Science/1161_a_2068]
-
chestionar, la interviu, dar și la analiza secundară pe baza datelor existente deja (în Barometrele de Opinie Publică, European / World Values Study, Barometrele Consumului Cultural), iar din registrul metodelor de analiză, vom apela la analiza factorială, la analiza cluster, la scalarea multidimensională ș.a. Această carte nu ar fi fost posibilă fără suportul extraordinar acordat pe parcursul anilor de câțiva oameni deosebiți. Mulțumesc pe această cale profesorului Ilie Bădescu pentru îndrumarea, sugestiile și sprijinul constant pe care mi le-a acordat. În mod
by Horaţiu Rusu [Corola-publishinghouse/Science/1049_a_2557]
-
pe de altă parte, de a pătrunde în profunzime temele abordate: o Bursa obținută de la Uniunea Europeană prin programul IHP, care mi-a oferit posibilitatea de a mă instrui și perfecționa în domeniul statisticii sociale (Analiză cluster, Analiză de corespondență și Scalare multidimensională prin participare, la The 31st Spring Seminar "Scaling and Cluster Analysis" organizat de ZA-Eurolab and Köln University, Köln, februarie-martie, 2002). o Bursa obținută de la Fundația pentru o Societate Deschisă pentru specializare în Metode de Analiză în Statistică Socială prin
by Horaţiu Rusu [Corola-publishinghouse/Science/1049_a_2557]
-
sau relativism etic" (Arts ș.a., 2003:31). 16 Modul practic de construcție a acestor indicatori e descris în Anexa III. 17 Pentru varianta prescurtată a indicelui împlinirii personale. 18 Deși am testat modul de grupare a valorilor și cu metoda scalării multidimensionale, obținând rezultate similare, am preferat să prezentăm aici rezultatele obținute folosind metoda analizei cluster, datorită faptului că reprezentarea grafică este mai intuitivă. Analiza cluster utilizată este de tip ierarhic, cu o grupare realizată pe variabile, metoda Ward; variabilele utilizate
by Horaţiu Rusu [Corola-publishinghouse/Science/1049_a_2557]
-
de posibilitatea interpretării vizuale facile. Am folosit o analiză cluster tip ierarhic, cu o grupare realizată pe variabile, metoda Ward. Soluția este stabilă, rezultate similare se obțin și dacă utilizăm metoda BAVERAGE. Rezultate similare obținându-se și dacă utilizăm metoda scalării multidimensionale (coeficientul ce măsoară adecvarea la date Normalizes raw stress = 0,005, iar coeficientul de similaritate Tucker = 0,99). Aceleași soluție cu aceleași două dimensiuni rezultă dacă utilizăm metoda analizei factoriale. 20 Diferențele semnificative pentru p = 0,000 se regăsesc
by Horaţiu Rusu [Corola-publishinghouse/Science/1049_a_2557]
-
Otto (1909) au inițiat cercetările în acest domeniu. Constatările făcute de-a lungul timpului sunt dintre cele mai interesante. Unii specialiști consideră că ideea gradualității pedepselor constituie punctul central al oricărui sistem penal (Sebba și Nathan, 1984). Dar există o scalare corectă a pedepselor? Ce știu oamenii despre gradarea pedepselor? Sunt de acord cu distribuirea gradată a sancțiunilor prevăzute de lege? Trebuie să recunoaștem că cercetările din acest domeniu au o mare încărcătură aplicativă, pentru că se presupune că severitatea pedepselor decurge
[Corola-publishinghouse/Science/2236_a_3561]
-
o mare încărcătură aplicativă, pentru că se presupune că severitatea pedepselor decurge din modul în care oamenii evaluează diferitele infracțiuni (Roberts, 1992, 142). Asupra acestui lucru nu există un consens al specialiștilor. Andrew von Hirsch (1984), de exemplu, respinge ideea că scalarea pedepselor decuge din percepția publicului, considerând că gravitatea lor poate fi determinată obiectiv. Chiar și în această ordine de idei, tot merită să se cunoască opinia publică despre severitatea pedepselor prevăzute de lege. Rezultatele sondajelor de opinie publică în legătură cu această
[Corola-publishinghouse/Science/2236_a_3561]
-
de grupare ierarhice aglomerative 146 Metode de partiționare iterativă 149 Metode factoriale 151 Stabilirea numărului de grupuri 152 Interpretarea grupurilor 153 Procedura Classify în SPSS 10.1 154 Exemplu: Clasificarea țărilor în funcție de potențialul migrator către Europa Occidentală 157 Capitolul 6 Scalarea multidimensională 163 Ce este scalarea multidimensională? 163 Logica scalării multidimensionale 165 Realizarea unei analize de scalare multidimensională 171 Formularea problemei de cercetare și stabilirea obiectivelor cercetării 172 Colectarea datelor și formarea matricei de proximități 172 Obținerea configurației de puncte 176
[Corola-publishinghouse/Science/2075_a_3400]
-
Metode de partiționare iterativă 149 Metode factoriale 151 Stabilirea numărului de grupuri 152 Interpretarea grupurilor 153 Procedura Classify în SPSS 10.1 154 Exemplu: Clasificarea țărilor în funcție de potențialul migrator către Europa Occidentală 157 Capitolul 6 Scalarea multidimensională 163 Ce este scalarea multidimensională? 163 Logica scalării multidimensionale 165 Realizarea unei analize de scalare multidimensională 171 Formularea problemei de cercetare și stabilirea obiectivelor cercetării 172 Colectarea datelor și formarea matricei de proximități 172 Obținerea configurației de puncte 176 Decizia asupra dimensionalității modelului 177
[Corola-publishinghouse/Science/2075_a_3400]
-
149 Metode factoriale 151 Stabilirea numărului de grupuri 152 Interpretarea grupurilor 153 Procedura Classify în SPSS 10.1 154 Exemplu: Clasificarea țărilor în funcție de potențialul migrator către Europa Occidentală 157 Capitolul 6 Scalarea multidimensională 163 Ce este scalarea multidimensională? 163 Logica scalării multidimensionale 165 Realizarea unei analize de scalare multidimensională 171 Formularea problemei de cercetare și stabilirea obiectivelor cercetării 172 Colectarea datelor și formarea matricei de proximități 172 Obținerea configurației de puncte 176 Decizia asupra dimensionalității modelului 177 Interpretarea și evaluarea rezultatelor
[Corola-publishinghouse/Science/2075_a_3400]
-
grupuri 152 Interpretarea grupurilor 153 Procedura Classify în SPSS 10.1 154 Exemplu: Clasificarea țărilor în funcție de potențialul migrator către Europa Occidentală 157 Capitolul 6 Scalarea multidimensională 163 Ce este scalarea multidimensională? 163 Logica scalării multidimensionale 165 Realizarea unei analize de scalare multidimensională 171 Formularea problemei de cercetare și stabilirea obiectivelor cercetării 172 Colectarea datelor și formarea matricei de proximități 172 Obținerea configurației de puncte 176 Decizia asupra dimensionalității modelului 177 Interpretarea și evaluarea rezultatelor 178 Validarea analizei 180 Procedura Multidimensional Scaling
[Corola-publishinghouse/Science/2075_a_3400]
-
diferențele și asemănările dintre ele și posibilitatea de a fi folosite complementar în rezolvarea unor probleme de cercetare. În următoarele capitole voi prezenta tehnicile de analiză statistică multivariată de interdependență. Acestea sunt analiza factorială și analiza componentelor principale, analiza cluster, scalarea multidimensională, analiza de corespondență și analiza de omogenitate. Această carte completează și continuă volumul Rotariu, Bădescu, Culic, Mezei, Mureșan, Metode statistice aplicate în științele sociale, Editura Polirom, Iași, 1999. Trebuie să atrag atenția cititorilor acestei lucrări că, deși majoritatea termenilor
[Corola-publishinghouse/Science/2075_a_3400]
-
folosit pentru a analiza datele (va interacționa cu acest model), iar felul în care atribuim valori numerice caracteristicilor obiectelor poate fi ales astfel încât să obținem o măsurare optimă din punctul de vedere al modelului statistic. Această strategie poartă numere de „scalare optimă”1. Acest lucru înseamnă atribuirea celui mai bun set de numere pentru date, unde „cel mai bun” este definit ca diferență pătratică minimă 2 între un model analitic și un set de observații empirice 3. Putem face acest lucru
[Corola-publishinghouse/Science/2075_a_3400]
-
cât și pe coloane vom avea reprezentate obiectele, iar la intersecția dintre o linie și o coloană vom avea distanța între obiectul de pe linie și obiectul de pe coloană. O astfel de matrice constituie datele primare de analiză pentru tehnica numită scalare multidimensională. Este important să înțelegem felul în care sunt organizate matriceal datele, pentru a putea folosi corect tehnicile de analiză, concepute pentru organizări particulare ale datelor. Toate aceste lucruri vor fi detaliate pentru fiecare dintre tehnicile ce vor fi prezentate
[Corola-publishinghouse/Science/2075_a_3400]
-
pot fi indivizi, obiecte, organizații etc.) pe baza similarității caracteristicilor lor. Această clasificare produce grupuri omogene intern și eterogene extern. Analiza pleacă de la matricea de similarități între cazuri, unde măsura de similaritate (sau disimilaritate) poate fi definită în diferite moduri. Scalarea multidimensională produce o „hartă perceptuală” a poziționării relative a obiectelor în funcție de două sau mai multe dimensiuni subiective. Analiza se bazează pe evaluări de similaritate sau preferințe ale respondenților, transformate în distanțe între obiecte. Criteriile care constituie baza evaluării nu sunt
[Corola-publishinghouse/Science/2075_a_3400]
-
structurii unui set de date. Metoda decompozițională pornește de la evaluări generale sau măsuri globale ale obiectelor și încearcă să obțină un spațiu multidimensional în care pozițiile obiectelor reflectă cât mai bine această apreciere generală. Metoda este în general asociată cu scalarea multidimensională. În contrast, metoda compozițională pornește de la un set de cazuri, variabile, obiecte sau atribute și încearcă să formeze o reprezentare sau evaluare pe baza combinațiilor (interrelațiilor) dintre acestea. Compunerea datelor (cazuri, variabile, obiecte sau atribute) într-o structură cu
[Corola-publishinghouse/Science/2075_a_3400]
-
unde distanța dintre cazul A și cazul B este definită prin numărul de legături necesare lui A pentru a ajunge la B (această măsură poartă numele de conectivitate). În acest caz vom folosi analiza cluster. În același timp, putem folosi scalarea multidimensională utilizând aceste distanțe ca date de preferință, pentru a obține o hartă perceptuală a situării cazurilor într-un spațiu bidimensional. Dacă dorim identificarea structurii sociale după principiul echivalenței structurale, vom aborda problema diferit. O variantă este să realizăm o
[Corola-publishinghouse/Science/2075_a_3400]
-
cazurile, pe coloane - adică drept variabile - vom avea din nou cazurile). O corelație puternică între două variabile înseamnă o similaritate a relațiilor inițiate către cele două cazuri de către toate celelalte. De asemenea, pentru aceeași bază de date putem realiza o scalare multidimensională pentru similarități - similaritatea este dată de faptul că valorile luate de cele două variabile pentru cazurile de pe linii sunt aceleași 1. Dacă baza de date definește relațiile în termeni de atribute, vom realiza o analiză de omogenitate 2. Cum
[Corola-publishinghouse/Science/2075_a_3400]
-
de data aceasta o metodă de partiție iterativă, care ia drept centri inițiali de cluster centroizii grupurilor obținute mai sus. Recomandăm cititorilor replicarea analizei de mai sus și validarea sa printr-o astfel de analiză iterativă. Capitolul 6tc " Capitolul 6" Scalarea multidimensionalătc "Scalarea multidimensională" Ce este scalarea multidimensională?tc "Ce este scalarea multidimensională?" Scalarea multidimensională cuprinde o serie de tehnici de reducere a datelor, prin care pot fi identificate principalele dimensiuni latente ale reprezentării unei mulțimi de obiecte, obținută ca rezultat
[Corola-publishinghouse/Science/2075_a_3400]