Главная

Популярная публикация

Научная публикация

Случайная публикация

Обратная связь

ТОР 5 статей:

Методические подходы к анализу финансового состояния предприятия

Проблема периодизации русской литературы ХХ века. Краткая характеристика второй половины ХХ века

Ценовые и неценовые факторы

Характеристика шлифовальных кругов и ее маркировка

Служебные части речи. Предлог. Союз. Частицы

КАТЕГОРИИ:






Сравнение психофизических шкал




Психофизические шкалы можно строить эксперим. методами, распадающимися на 2 осн. класса: а) прямые методы, предполагающие изоморфное соответствие между суждениями наблюдателя и задаваемыми экспериментатором значениями шкалы, как в методе оценок величины (magnitude estimation); б) непрямые методы, в к-рых нет однозначного соответствия между суждениями и задаваемыми значениями шкалы, как в методе категориальных оценок (category estimation). Если выбрать по одному методу из этих двух классов и применить к одинаковому набору стимулов, казалось бы, можно ожидать линейной связи между полученными в рез-те шкалами, так что график зависимости одной шкалы от др. должен давать прямую линию.

Тем не менее для континуумов интенсивности обычно редко удается получить такую связь. Построение графика зависимости шкалы разбиения (partition scale) (полученной непрямым методом продуцирования категорий) от соотв. ей шкалы пропорциональности (полученной прямым методом продуцирования величин) почти всегда дает вогнутую вниз кривую, лежащую между логарифмической и степенной функцией. Неспособность обнаружить предсказанную линейную связь указывает на рост вариабельности суждений по мере перехода от малых к большим величинам стимула в исследуемом континууме. Возможно тж, отсутствие линейности связано с различиями методов шкалирования по диапазону доступных реакций или действию каких-то др. факторов, что сказывается на уровне приспособления.






Не нашли, что искали? Воспользуйтесь поиском:

vikidalka.ru - 2015-2024 год. Все права принадлежат их авторам! Нарушение авторских прав | Нарушение персональных данных