Проверяемый текст
Гужвин, Андрей Николаевич; Оценка, прогнозирование и оптимизация успешности военно-профессиональной подготовки студентов медицинских вузов (Диссертация 2006)
[стр. 157]

такой способ был сконструирован с использованием корреляционного и многофакторного регрессионного анализов.
Так, наличие ряда перечисленных ранее причин отставания отдельных слушателей в усвоении учебной программы дисциплины ОТМС было подтверждено проведением корреляционного анализа 22 показателей, характеризующих 195 обучаемых, и внешнего критерия оценки, данной экспертами (7 наиболее опытных преподавателей кафедры ОТМС) в конце обучения по привычной 5-балльной шкале.
Установлено, что ряд показателей, характеризующих будущих офицеров медицинской службы, обнаружил умеренную достоверную связь с внешним критерием.
В первую очередь, это средний балл обучения в гражданском вузе (79), в том числе на кафедре военной и экстремальной медицины, и оценка нервно-психической устойчивости (г=-0,663).
Несколько в меньшей степени к таким показателям относятся средний балл обучения в школе (г=0,595) и результаты профессионально-психологического отбора (г=-0,589).
Результаты корреляционного анализа позволили сконструировать способ оценки индивидуальной успешности обучения слушателей военно-медицинских вузов по дисциплине ОТМС.
При этом была осуществлена оценка диаграмм рассеяния характеристики внешнего критерия (в зависимости от каждого из 4 информативных критериев), которая подтвердила возможность включения рассматриваемых показателей в математическую модель прогнозирования.
При определении математической модели прогнозирования использовался метод многофакторного анализа с построением уравнений множественной регрессии.

Статистический анализ показал, что стандартная ошибка прогнозируемой оценки значительно меньше стандартного отклонения значения реальной оценки.

Кроме того, поскольку коэффициент множественной корреляции отражает линейную связь между наблюдаемыми и предсказанными моделью 157
[стр. 71]

учной работы; результаты профессионально-психологического отбора; характеристики мотивации (см.
выше); индекс массы тела; результаты выполнения нормативов по физической подготовке (бег на I км, отжимания от пола, прыжок в длину, подтягивание на перекладине).
При построении математических моделей прогнозирования использовался метод многофакторного анализа с построением уравнений множественной регрессии.
Математическая обработка полученных материалов исследования проводилась на ПЭВМ ШМ.
Результаты исследований обработаны методами вариационной статистики с вычислением параметрических (t-критерий) и пепараметрических (хи-квадрат) критериев различия (в соответствии с ГОСТ' 8.207-76 с использованием пакета прикладных программ "Statistica").
Математическое моделирование осуществлялось при помощи программ Microsoft Excel и SPSS 13,0 for Windows.
71

[стр.,163]

Ряд показателей (из 22 изученных), характеризующих будущих офицеров медицинской службы запаса, был достоверен и обнаружил умеренную связь с внешним критерием критерий достоверности больше трех.
В первую очередь (коэффициент корреляции 0,56-0,66), это участие в общественной жизни вуза; результаты (средний балл) обучения в вузе (первый год) и школе; участие в научной работе.
Несколько в меньшей степени (коэффициент корреляции 0,32-0,45) к таким показателям относятся дисциплинированность; результаты профессионально-психологического отбора; выполнения нормативов физической подготовки (прыжка в длину, подтягивания на перекладине, отжимания от пола); характеристики мотивации (успеха и внешняя отрицательная); социальное происхождение.
Указанные двенадцать показателей в последующем рассматривались в качестве информативных критериев, которые могут войти в математическую модель прогнозирования.
На следующем этапе конструирования способа прогнозирования успешности воспно-профессиональной подготовки будущих офицеров медицинской службы, запаса была осуществлена оценка диаграмм рассеяния характеристики внешнего критерия в зависимости от каждого из 12 информативных критериев.
Для оценки диаграммы рассеяния использовалась линия оптимального приближения (best-fit line).
Установлено, что диаграммы рассеяния представлялись соответствующими линейной регрессии, так как с ростом характеристик каждого критерия итоговая оценка военнопрофессиональной подготовки увеличивалась.
Это подтверждает возможность включения рассматриваемых показателей в математическую модель прогнозирования.
Необходимо отметить, что аналогичные действия (корреляционный анализ и построение диаграмм рассеяния) были произведены относительного другого внешнего критерия оценки за соответствующий государственный выпускной экзамен, проведенный в конце военно-профессиональной подготовки.
Значимых различий выявлено не было.
Поэтому дальнейшие расчеты проводились только с учетом первого внешнего критерия (опенка экспертов).
163

[стр.,164]

При определении математической модели прогнозирования использовался метод многофакторного анализа с построением уравнений множественной регрессии.
Решалась задача получения возможности прогнозировать значение зависимой переменной (успешности военно-профессиональной подготовки), «отталкиваясь» от значений нескольких независимых переменных (информативных критериев).
Использовался метод принудительного включения переменных.
Были получены коэффициенты параметров и составлено уравнение прогнозирования.
Дальнейший статистический анализ показал, что стандартная ошибка прогнозируемой оценки значительно меньше стандартного отклонения значения реальной оценки, проведенной экспертами в конце военнопрофессиональной подготовки (в 1,65 раза).
Следовательно, с использованием регрессионной модели оценку можно предсказать существенно точнее, чем исходя из среднего значения и его стандартного отклонения.
Кроме того, так как известно, что коэффициент множественной корреляции отражает линейную корреляцию между наблюдаемыми и предсказанными моделью значениями зависимой переменной, то его высокое значение (0,831) указало на сильную взаимосвязь.
При этом величина коэффициента смешанной корреляции (возведенное в квадрат значение коэффициента множественной корреляции) статистический показатель, суммирующий объяснительную способность уравнения показала, что более чем две трети колебаний заранее объясняются моделью.
Определялся и так называемый «остаток» разница между наблюдаемым и предсказанным моделью значением зависимой переменной, позволяющий проконтролировать нормальность вектора ошибок (путем построения гистограммы и графика распре/1.елеиия вероятностей остатков).
Установлено, что форма гистограммы достаточно близка к нормальной кривой, что свидетельствует о нормальности вектора ошибок (error term).
Об этом же го164

[Back]