|
мой менее 6 говорят о необходимости более детального анализа содержания учебных дисциплин с целью выявления возможности усиления интеграции. На следующем этапе обработки данных выявлены объективные интеграционные связи между дисциплинами, расчеты приведены в приложении 7. В основу выявления положено утверждение о том, что если между двумя случайными величинами XI и Х2 существует корреляционная (в данном исследовании интеграционная) связь, то меру этой связи можно определить с помощью коэффициента корреляции г [87]. В условиях данного исследования невозможно определить классический коэффициент корреляции, так как неизвестен закон распределения случайных величин, а сами случайные величины носят качественный, а не количественный характер. Поэтому были проведены расчеты модифицированного индекса Фехнера (МИФ), коэффициента ассоциации (Ф), тетрахорического коэффициента (приложение 7) для каждой пары арок таблицы 13. Так как все эти коэффициенты имеют различные ограничения действия, то сводная таблица 14 корреляционных связей (корреляционная матрица), была составлена после сопоставления всех трех вычислений (приложение 7) и выбора значений, наиболее близких к классическому коэффициенту корреляции. 238 Таблица 14. Корреляционная матрица XI Х2 ХЗ Х4 Х5 Х6 Х7 Х8 Х9 Х10 X II Х12 XI 1 0,408 0 0,158 0,158 -0,565 -0,158 -0,408 0,613 0 -0,266 -0,408 Х2 0,408 1 0 -0,158 0,95 -0,535 0,564 -0,272 0,95 0 0,498 0 хз 0 0 1 -0,655 0,369 -0,369 0,369 -0,333 0,369 -0,6 -0,613 0,309 Х4 0,158 -0,158 -0,655 1 -0,429 0,087 -0,762 0,83 -0,369 0,218 -0,158 -0,369 Х5 0,158 0,95 0,369 -0,429 1 -0,429 -0,087 -0,498 0,83 -0,368 -0,158 -0,369 Х6 -0,565 -0,535 -0,369 0,087 -0,429 1 -0,498 0,83 -0,369 -0,218 -0,158 -0,369 Х7 -0,158 -0,564 0,369 -0,762 -0,087 -0,498 1 -0,826 -0,218 0,368 0,089 0,369 Х8 -0,408 -0,272 -0,333 +0,83 -0,498 0,83 -0,826 1 -0,333 -0,333 _ -0,272 -0,498 Х9 0,633 0,95 0,309 -0,369 0,831 -0,369 -0,218 -0,333 1 -0,2 0 -0,309 XI0 0 0 -0,6 0,218 -0,369 -0,218 0,368 -0,333 -0,2 1 0,95 0,498 XII -0,266 0,498 -0,613 -0,158 -0,158 -0,158 0,081 -0,272 0 0,95 1 0,613 Х12 -0,408 0 0,309 -0,369 -0,369 -0,369 0,369 -0,498 -0,309 0,498 0,613 1 |
менее 6 говорят о необходимости более детального анализа содержания учебных дисциплин с целью выявления возможности усиления интеграции. На следующем этапе обработки данных выявлены объективные интеграционные связи между дисциплинами, расчеты приведены в приложении 3. В основу выявления положено утверждение о том, что если между двумя случайными величинами XI и Х2 существует корреляционная (в данном исследовании интеграционная) связь, то меру этой связи можно определить с помощью коэффициента корреляции г [74]. В условиях данного исследования невозможно определить классический коэффициент корреляции, так как неизвестен закон распределения случайных величин, а сами случайные величины носят качественный, а не количественный характер. Поэтому были проведены расчеты модифицированного индекса Фехнера (МИФ), коэффициента ассоциации (Ф), тетрахорического коэффициента (приложение 3) для каждой пары строк табл. 6. Так как, все эти коэффициенты имеют различные ограничения действия то сводная таблица 7 корреляционных связей (корреляционная матрица), была составлена после сопоставления всех трех вычислений (приложение 3) и выбора значений, наиболее близких к классическому коэффициенту корреляции. Непосредственный анализ корреляционной матрицы (табл. 7) представляет значительную трудность, так как корреляционные связи между факторами образуют деревья, цепи, циклы и другие фигуры графов. Для выделения главных зависимостей следует прибегнуть к одному из методов анализа таких матриц, простейшим из которых является метод корреляционных плеяд. Результат такой работы представлен на рис. 9 в виде графа, вершинами которого являются факторы, ребрами максимальные связи. Граф на рис. 9 демонстрирует объективно существующие смысловые и содержательные интеграционные связи, существующие между различными специальными и общетехническими дисциплинами, и представляет собой математическую модель интеграции учебных дисциплин. ность в учебном процессе по соответствующим требованиям свернутой модели. Это подтверждает утверждение психологов о том, что для запоминания элемент должен быть повторен в разных интерпретациях не менее 7 раз [115]. Столбцы с суммой менее 6 говорят о необходимости более детального анализа содержания учебных дисциплин с целью выявления возможности усиления интеграции. На следующем этапе обработки данных необходимо выявить объективные интеграционные связи между дисциплинами. В математическом моделировании, в основу выявления связи положено утверждение о том, что если между двумя случайными величинами XI и Х2 существует корреляционная (в данном исследовании, интеграционная) связь, то меру этой связи можно определить с помощью коэффициента корреляции г.[74] В условиях данного исследования невозможно определить классический коэффициент корреляции, так как неизвестен закон распределения случайных величин и сами случайные величины носят качественный а не количественный характер. Поэтому были проведены расчеты модифицированного индекса Фехнера (МИФ), коэффициента ассоциации ( Ф), тетрахорического коэффициента для каждой пары строк таблицы 3.1. Модифицированный индекс Фехнера (МИФ), определяется по формугде V число совпадающих знаков, количество несовпадающих знаков В формуле знаки берутся в обоих случаях при У>\У, а знаки при V Поэтому МИФ рекомендуется использовать везде, где необходимо установить меру тесноты корреляционной связи (да и само её наличие) при неясных статистических предпосылках относительно парной выборки. Расчет МИФ ле: (3.1.) Так как все эти коэффициенты имеют различные ограничения действия то сводная таблица корреляционных связей корреляционная матрица, была составлена после сопоставления всех трех вычислений (табл.3.2, 3.3, 3.4) и выбора значений наиболее близких к классическому коэффициенту корреляции. Таблица 3.5. Корреляционная матрица XI Х2 ХЗ Х4 Х5 Х6 Х7 Х8 Х9 ХЮ X II Х12 XI 1 0,408 0 0,158 0,158 -0,565 -0,158 -0,408 0,613 0 -0,266 -0,408 Х2 0,408 1 0 -0,158 0,95 -0,535 0,564 -0,272 0,95 0 0,498 0 ХЗ 0 0 1 -0,655 0,369 -0,369 0,369 -0,333 0,369 -0,6 -0,613 0,309 Х4 0,158 -0,158 -0,655 1 -0,429 0,087 -0,762 0,83 -0,369 0,218 -0,158 -0,369 Х5 0,158 0,95 0,369 -0,429 1 -0,429 -0,087 -0,498 0,83 -0,368 -0,158 -0,369 Х6 -0,565 -0,535 -0,369 0,087 -0,429 1 -0,498 0,83 -0,369 -0,218 -0,158 -0,369 Х7 -0,158 -0,564 0,369 -0,762 -0,087 -0,498 1 -0,826 -0,218 0,368 0,089 0,369 Х8 -0,408 -0,272 -0,333 +0,83 -0,498 0,83 -0,826 1 -0,333 -0,333 -0,272 -0,498 Х9 0,613 0,95 0,309 -0,369 0,831 -0,369 -0,218 -0,333 1 -0,2 0 -0,309 ХЮ 0 0 -0,6 0,218 -0,369 -0,218 0,368 -0,333 -0,2 1 0,95 0,498 XII -0,266 0,498 -0,613 -0,158 -0,158 -0,158 0,081 -0,272 0 0,95 1 0,613 Х12 -0,408 0 0,309 -0,369 -0,369 -0,369 0,369 -0,498 -0,309 0,498 0,613 1 Непосредственный анализ корреляционной матрицы представляет значительную трудность, так как корреляционные связи между факторами образуют деревья, цепи, циклы и другие фигуры графов. Для выделения главных зависимостей сдует прибегнуть к одному из методов анализа таких матриц, простейшим из которых является метод корреляционных плеяд. Метод заключается в том, что в корреляционной матрице находится недиагональный элемент с максимальной по модулю величиной [гу=тах. Из матрицы вычеркиваются столбцы с номерами {и }9а из строк с номерами \ н] выбирается следующий максимальный по модулю элемент, например п1. Столбец с номером 1вычеркивается, а из строк с номерами \/} и 1выбирается |