209 matches
-
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 al evaluărilor
[Corola-publishinghouse/Science/2075_a_3400]
-
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 al evaluărilor obiectelor de către subiecți. Scalarea
[Corola-publishinghouse/Science/2075_a_3400]
-
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 al evaluărilor obiectelor de către subiecți. Scalarea multidimensională produce o „hartă perceptuală
[Corola-publishinghouse/Science/2075_a_3400]
-
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 al evaluărilor obiectelor de către subiecți. Scalarea multidimensională produce o „hartă perceptuală” a poziționării
[Corola-publishinghouse/Science/2075_a_3400]
-
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 al evaluărilor obiectelor de către subiecți. Scalarea multidimensională produce o „hartă perceptuală” a poziționării relative a obiectelor în funcție de două sau mai multe dimensiuni subiective. Tehnica este foarte utilă pentru identificarea structurii unui câmp social pe baza unui tip particular de relații stabilite între actorii câmpului, ca și
[Corola-publishinghouse/Science/2075_a_3400]
-
luări de poziție politice, emisiuni de televiziune), percepții senzoriale (gust, miros, aspect), obiecte intelectuale (sloganuri, idei, ideologii) și așa mai departe. Practic, aproape tot ceea ce există și se întâmplă în spațiul social este supus unor judecăți de evaluare prin comparare. Scalarea multidimensională face posibilă reprezentarea acestor obiecte într-un spațiu perceptual (subiectiv), constituit pe baza judecăților despre obiecte pe care le fac subiecții. Datele prelucrate prin scalare multidimensională sunt judecăți despre obiecte. Acestea pot lua următoarele forme: (1) date de similaritate
[Corola-publishinghouse/Science/2075_a_3400]
-
și se întâmplă în spațiul social este supus unor judecăți de evaluare prin comparare. Scalarea multidimensională face posibilă reprezentarea acestor obiecte într-un spațiu perceptual (subiectiv), constituit pe baza judecăților despre obiecte pe care le fac subiecții. Datele prelucrate prin scalare multidimensională sunt judecăți despre obiecte. Acestea pot lua următoarele forme: (1) date de similaritate, alcătuite din judecățile subiecților privind similaritatea sau disimilaritatea obiectelor, și (2) date de preferințe, compuse din preferințele subiecților față de mulțimea de obiecte. Datele de similaritate sunt
[Corola-publishinghouse/Science/2075_a_3400]
-
în care ar câștiga următoarele alegeri, cu care dintre următoarele partide sunteți de acord ca UDMR să facă alianță politică?” (pentru alegătorii UDMR, care sunt rugați să aleagă dintr-o listă de partide prezente în alegeri) și așa mai departe. Scalarea multidimensională este bazată pe comparații între obiecte. Datele de similaritate nu includ judecăți de valoare (în termeni de „bun” sau „rău”) în compararea obiectelor. În schimb, datele de preferințe încorporează valorizarea unor atribute ale obiectelor, în comparații în urma cărora un
[Corola-publishinghouse/Science/2075_a_3400]
-
în funcție de care să se poată face comparația obiectelor. Dimensiunile subiective după care oamenii apreciază obiectele trebuie descoperite, nu impuse de cercetător. Chiar dacă două obiecte au aceleași caracteristici obiective, ele pot fi evaluate diferit, pentru că sunt percepute diferit după dimensiuni subiective. Scalarea multidimensională caută să descopere dimensiunile subiective fundamentale, în funcție de care subiecții evaluează obiectele. Hair și colaboratorii săi subliniază două diferențe importante între dimensiunile obiective și cele subiective: (1) dimensiunile percepute de subiecți, i.e. dimensiunile în funcție de care, conștient sau mai puțin conștient
[Corola-publishinghouse/Science/2075_a_3400]
-
o băutură răcoritoare poate fi considerată mai dulce decât alta, deși conține aceeași cantitate de zahăr, doar pentru că are o aromă de fructe care lipsește celuilalt 1. Interpretarea dimensiunilor este partea cea mai importantă, mai dificilă și mai pretențioasă în scalarea multidimensională. Cercetătorul trebuie să intuiască, să înțeleagă și să descopere dimensiunile subiective ale reprezentării obiectelor și să le raporteze pe cât posibil la dimensiunile (caracteristicile) lor obiective. În plus, cercetătorul trebuie să încerce să evite intervenția propriei percepții în interpretare și
[Corola-publishinghouse/Science/2075_a_3400]
-
dimensiunile subiective ale reprezentării obiectelor și să le raporteze pe cât posibil la dimensiunile (caracteristicile) lor obiective. În plus, cercetătorul trebuie să încerce să evite intervenția propriei percepții în interpretare și să se concentreze asupra datelor și a reprezentării obținute. Logica scalării multidimensionaletc "Logica scalării multidimensionale" Scalarea multidimensională produce o hartă perceptuală a situării relative a obiectelor, adică o configurație geometrică de puncte, în funcție de câteva dimensiuni subiective 2. Această reprezentare ne dezvăluie „structura ascunsă” a datelor. Cu cât obiectele sunt mai similare
[Corola-publishinghouse/Science/2075_a_3400]
-
reprezentării obiectelor și să le raporteze pe cât posibil la dimensiunile (caracteristicile) lor obiective. În plus, cercetătorul trebuie să încerce să evite intervenția propriei percepții în interpretare și să se concentreze asupra datelor și a reprezentării obținute. Logica scalării multidimensionaletc "Logica scalării multidimensionale" Scalarea multidimensională produce o hartă perceptuală a situării relative a obiectelor, adică o configurație geometrică de puncte, în funcție de câteva dimensiuni subiective 2. Această reprezentare ne dezvăluie „structura ascunsă” a datelor. Cu cât obiectele sunt mai similare în evaluările sau
[Corola-publishinghouse/Science/2075_a_3400]
-
și să le raporteze pe cât posibil la dimensiunile (caracteristicile) lor obiective. În plus, cercetătorul trebuie să încerce să evite intervenția propriei percepții în interpretare și să se concentreze asupra datelor și a reprezentării obținute. Logica scalării multidimensionaletc "Logica scalării multidimensionale" Scalarea multidimensională produce o hartă perceptuală a situării relative a obiectelor, adică o configurație geometrică de puncte, în funcție de câteva dimensiuni subiective 2. Această reprezentare ne dezvăluie „structura ascunsă” a datelor. Cu cât obiectele sunt mai similare în evaluările sau preferințele subiecților
[Corola-publishinghouse/Science/2075_a_3400]
-
cea mai mare valoare, corespunzătoare celor două obiecte cele mai depărtate. Proximitatea dintre două obiecte plasate pe același loc (cărora le-a fost atribuit același rang) este egală cu zero. Proximitățile dintre obiecte sunt datele pe care le prelucrăm în scalarea multidimensională. Așa cum am arătat mai sus, ele se calculează în funcție de modul în care s-au colectat datele de similaritate sau de preferințe (i.e. în funcție de întrebările despre obiecte care le-au fost puse subiecților). Proximitățile sunt așezate într-o matrice pătratică
[Corola-publishinghouse/Science/2075_a_3400]
-
dintre obiectele A și B să fie diferită de proximitatea dintre B și A. Elevul A îl poate numi pe elevul B printre prietenii săi, dar B nu îl consideră pe A prietenul său. Scopul nostru într-un demers de scalare multidimensională este acela de a produce o hartă perceptuală a situării relative a obiectelor, adică o configurație geometrică de puncte, în funcție de câteva dimensiuni subiective. Dorim să construim un spațiu multidimensional (în general bidimensional), ale cărui dimensiuni trebuie să le interpretăm
[Corola-publishinghouse/Science/2075_a_3400]
-
xi(xi1,xi2) în spațiul subiectiv bidimensional. Trebuie să găsim pozițiile punctelor xi, i=1, 2, ..., N astfel încât ele să reflecte cel mai bine proximitățile dintre obiecte (evaluările de similaritate sau preferințe făcute de subiecți). Acesta este lucrul central în scalarea multidimensională. Pentru a găsi mulțimea de puncte care redă cel mai bine proximitățile dintre obiecte, în general se stabilește o configurație inițială a obiectelor (punctelor) într-un spațiu cu un număr de dimensiuni stabilit, apoi se calculează distanțele dintre acestea
[Corola-publishinghouse/Science/2075_a_3400]
-
transformare poate fi definită ca funcție metrică, de exemplu de forma f(x)=a+bx sau f(x)=bx sau f(x)=x. Acestea sunt principalele forme de funcții metrice (de intervale și de rapoarte) folosite de diferitele tipuri de scalare multidimensională. Specificarea funcției f, adică găsirea valorilor coeficienților a și b, se face printr-o metodă statistică des folosită, regresia liniară obținută prin metoda celor mai mici pătrate, pornind de la valorile date D (configurația inițială a punctelor) și Δ (proximitățile
[Corola-publishinghouse/Science/2075_a_3400]
-
puncte D aleasă inițial nu va reflecta cel mai bine situarea relativă a obiectelor în termeni de proximități Δ. Acest lucru înseamnă că vor exista diferențe importante între valorile distanțelor dij și valorile transformatelor proximităților f(δij). Ecuația fundamentală a scalării dimensionale poate fi exprimată sintetic astfel: Δ=f(Δ)=D+E unde E reprezintă termenul de eroare sau discrepanța dintre distanțele între punctele din configurație și transformatele proximităților dintre obiecte. Urmând logica obișnuită în statistică, se va calcula o măsură
[Corola-publishinghouse/Science/2075_a_3400]
-
multe variante de calcul pentru măsura de adecvare, toate asemănătoare ca logică de construcție: se raportează o măsură pătratică a diferențelor dintre distanțe și proximități (pătratică, pentru a evita anularea reciprocă a diferențelor de semne opuse) la un factor de scalare, pentru a standardiza măsura. Factorul de scalare poate fi, de exemplu, suma pătratelor distanțelor dij. Măsura calculată astfel poartă numele de f-stress. f-stress= Figura 2. Măsura de adecvare a modelului folosită în scalarea multidimensională Pentru o configurație inițială se va
[Corola-publishinghouse/Science/2075_a_3400]
-
adecvare, toate asemănătoare ca logică de construcție: se raportează o măsură pătratică a diferențelor dintre distanțe și proximități (pătratică, pentru a evita anularea reciprocă a diferențelor de semne opuse) la un factor de scalare, pentru a standardiza măsura. Factorul de scalare poate fi, de exemplu, suma pătratelor distanțelor dij. Măsura calculată astfel poartă numele de f-stress. f-stress= Figura 2. Măsura de adecvare a modelului folosită în scalarea multidimensională Pentru o configurație inițială se va calcula deci o măsură de adecvare. În
[Corola-publishinghouse/Science/2075_a_3400]
-
de semne opuse) la un factor de scalare, pentru a standardiza măsura. Factorul de scalare poate fi, de exemplu, suma pătratelor distanțelor dij. Măsura calculată astfel poartă numele de f-stress. f-stress= Figura 2. Măsura de adecvare a modelului folosită în scalarea multidimensională Pentru o configurație inițială se va calcula deci o măsură de adecvare. În cele ce urmează, vom folosi f-stress. Pentru că dorim să obținem cea mai bună soluție, vom căuta să minimizăm discrepanțele dintre transformate și distanțele dintre puncte, pentru ca
[Corola-publishinghouse/Science/2075_a_3400]
-
îndeplinit un criteriu de convergență, adică măsura de adecvare a ajuns sub un prag stabilit de cercetător (cât mai aproape de zero). Relațiile subiective (percepute) dintre obiecte vor fi reprezentate de ultima configurație de puncte a algoritmului. Realizarea unei analize de scalare multidimensionalătc " Realizarea unei analize de scalare multidimensională" Scalarea multidimensională este o tehnică de analiză decompozițională. Ce înseamnă acest lucru? Metodele decompoziționale prelucrează măsuri globale sau generale de similaritate, pe baza cărora sunt produse hărți perceptuale ale poziționării relative a obiectelor
[Corola-publishinghouse/Science/2075_a_3400]
-
măsura de adecvare a ajuns sub un prag stabilit de cercetător (cât mai aproape de zero). Relațiile subiective (percepute) dintre obiecte vor fi reprezentate de ultima configurație de puncte a algoritmului. Realizarea unei analize de scalare multidimensionalătc " Realizarea unei analize de scalare multidimensională" Scalarea multidimensională este o tehnică de analiză decompozițională. Ce înseamnă acest lucru? Metodele decompoziționale prelucrează măsuri globale sau generale de similaritate, pe baza cărora sunt produse hărți perceptuale ale poziționării relative a obiectelor. Ca atare, are două avantaje principale
[Corola-publishinghouse/Science/2075_a_3400]
-
adecvare a ajuns sub un prag stabilit de cercetător (cât mai aproape de zero). Relațiile subiective (percepute) dintre obiecte vor fi reprezentate de ultima configurație de puncte a algoritmului. Realizarea unei analize de scalare multidimensionalătc " Realizarea unei analize de scalare multidimensională" Scalarea multidimensională este o tehnică de analiză decompozițională. Ce înseamnă acest lucru? Metodele decompoziționale prelucrează măsuri globale sau generale de similaritate, pe baza cărora sunt produse hărți perceptuale ale poziționării relative a obiectelor. Ca atare, are două avantaje principale: (1) nu
[Corola-publishinghouse/Science/2075_a_3400]
-
există prea multe criterii statistice pentru a evalua soluția obținută. Acestea sunt mai degrabă bazate pe experiența, cunoașterea și intuiția cercetătorului. În continuare voi prezenta principalele probleme de rezolvat și pașii care urmează să fie realizați într-o analiză de scalare multidimensională. Formularea problemei de cercetare și stabilirea obiectivelor cercetăriitc "Formularea problemei de cercetare și stabilirea obiectivelor cercetării" Felul în care este formulată problema de cercetare determină forma pe care o va lua analiza de scalare multidimensională. Scalarea multidimensională poate fi
[Corola-publishinghouse/Science/2075_a_3400]