Педагогическое образование. Информационная диагностика социальных объектов и процессов

Министерство науки и высшего образования Российской Федерации

Сибирский федеральный университет

В. Н. Шестаков 

О. А. Остыловская 
М. М. Манушкина 

ПЕДАГОГИЧЕСКОЕ ОБРАЗОВАНИЕ

ИНФОРМАЦИОННАЯ ДИАГНОСТИКА 

СОЦИАЛЬНЫХ ОБЪЕКТОВ И ПРОЦЕССОВ

Учебное пособие

Красноярск 

СФУ
2021

УДК 378.4(07)
ББК 74.489.4я73

Ш514

Рецензенты: 

М. В. Носков, доктор физико-математических наук, профессор ка
федры прикладной математики и компьютерной безопасности Сибирского федерального университета;

Н. Ю. Романова, кандидат физико-математических наук, доцент ка
федры биологической физики Красноярского государственного медицинского университета имени В. Ф. Войно-Ясенецкого

Шестаков, В. Н.

Ш514
Педагогическое образование. Информационная диагностика социаль
ных объектов и процессов : учеб. пособие / В. Н. Шестаков, О. А. Остыловская, М. М. Манушкина. – Красноярск : Сиб. федер. ун-т, 2021. – 60 с.

ISBN 978-5-7638-4382-8

Рассмотрены методы анализа данных, представлена стратегия выбора нуж
ного метода для решения аналитических задач.

Предназначено для студентов направления 44.04.01 «Педагогическое образо
вание» магистерской программы 44.04.01.01 «Управление человеческими ресурсами».

УДК 378.4(07)
ББК 74.489.4я73

Электронный вариант издания см.:
http:/catalog.sfu-kras.ru

© Сибирский федеральный

ISBN 978-5-7638-4382-8
университет, 2021

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ.....................................................................................................................................4 

1. ВВЕДЕНИЕ В ПРЕДМЕТ .........................................................................................................5 

2. ВИДЫ ШКАЛ.............................................................................................................................7 

3. ОПИСАТЕЛЬНЫЕ СТАТИСТИКИ.........................................................................................9 

4. АНАЛИЗ НОРМАЛЬНОСТИ РАСПРЕДЕЛЕНИЯ ДАННЫХ ...........................................15 

5. ОБЩАЯ СХЕМА ОПИСАТЕЛЬНОГО АНАЛИЗА ДАННЫХ ..........................................25 

6. АНАЛИЗ ВЛИЯНИЯ ФАКТОРОВ ........................................................................................27 

7. t-КРИТЕРИЙ СТЬЮДЕНТА ДЛЯ НЕЗАВИСИМЫХ ВЫБОРОК .....................................29 

8. U-КРИТЕРИЙ МАННА – УИТНИ ДЛЯ НЕЗАВИСИМЫХ ВЫБОРОК ...........................32 

9. ANOVA – ДИСПЕРСИОННЫЙ АНАЛИЗ............................................................................34 

10. КРИТЕРИЙ КРАСКЕЛА – УОЛЛИСА ...............................................................................37 

11. КРИТЕРИЙ ХИ-КВАДРАТ ..................................................................................................40 

12. КОЭФФИЦИЕНТЫ КОРРЕЛЯЦИИ....................................................................................46 

13. ОБЩИЙ АЛГОРИТМ ВЫБОРА МЕТОДА АНАЛИЗА ВЛИЯНИЯ ФАКТОРОВ.........52 

14. АНАЛИЗ ВЛИЯНИЯ ФАКТОРОВ ДЛЯ ЗАВИСИМЫХ (ПАРНЫХ) ВЫБОРОК .........55 

ЗАКЛЮЧЕНИЕ............................................................................................................................59 

БИБЛИОГРАФИЧЕСКИЙ СПИСОК ........................................................................................59 

ВВЕДЕНИЕ

Учебное пособие «Педагогическое образование. Информационная диа
гностика социальных объектов и процессов» предназначено для студентов 
направления 44.04.01 «Педагогическое образование» магистерской программы 44.04.01.01 «Управление человеческими ресурсами».

Современная педагогика находится в постоянном поиске новых мето
дов и форм работы. Экспериментальные учебные программы, дистанционное 
образование, электронное обучение – неполный перечень тем, требующих от 
педагога знаний, умений, навыков в области оценки эффективности педагогических действий. Оценки должны быть основаны на корректном анализе 
данных с привлечением статистического инструментария. 

Информационная диагностика – это технология анализа информации об 

объекте, реализуемая с помощью специальных процедур и методов в фиксированном предметном поле по избранным индикаторам.

Пособие состоит из введения, четырнадцати тем, заключения и библио
графического списка, содержит тестовые задания (в тестах правильных ответов может быть несколько). Рассмотрены необходимые методы анализа данных, изучена стратегия выбора нужного метода для решения аналитических
задач. 

1. ВВЕДЕНИЕ В ПРЕДМЕТ

Основная цель дисциплины – изучить и отработать на практике методы 

анализа данных. Самая главная задача – разобраться в предложенной аналитической стратегии; второстепенная – научиться реализовывать стратегию, 
используя программных помощников: статистические пакеты, средства электронных таблиц.

Курс предназначен не для математиков, а для тех, кто «побаивается»

чистой математики, но нуждается в ее статистическом аппарате. Математических выкладок в курсе почти не будет, математика статистических методов 
рассматривается лишь описательно для общего представления об используемых инструментах. 

Курс познакомит с минимальным необходимым ассортиментом методов 

анализа данных, стратегией выбора нужного метода для решения конкретной 
аналитической задачи. В курсе предлагается практика реализации аналитической стратегии с использованием статистического пакета Statistica. В случае 
успешного освоения курса слушатель заслуженно может считать себя аналитиком, поскольку овладеет базовыми профессиональными навыками. 

Информационная диагностика – это технология анализа информации 

об объекте, реализуемая с помощью специальных процедур и методов 
в фиксированном предметном поле по избранным индикаторам (диагностическим признакам) для оценки состояния, тенденций и перспектив развития объекта. 

Анализируется не сам объект, а известная в обществе информация 

о нем. Конечная цель – установить информационный «диагноз» для анализируемого объекта. В поле внимания дисциплины находятся социальные объекты и процессы, т. е. социальные группы, общественно-политические процессы, текстовые и аудиовизуальные документы.

По хронологическому признаку исследуемого периода в жизни объекта 

выделены три основных режима диагностики: ретроспективный анализ – анализ объекта за прошедший период времени; оперативная диагностика – экспресс-анализ объекта в любой точке хронологической шкалы; информационный мониторинг – непрерывное наблюдение за текущим состоянием объекта 
с прогнозированием на последующий период. 

Ретроспективный анализ (ретродиагностика) предполагает выявление 

закономерностей и тенденций развития объекта за предшествующий период 
времени на основе анализа известной информации о нем. Ориентирован на 
выявление «критических» временных точек в развитии объекта, существенно 

изменяющих его состояние или содержание знания о нем. Результатом должно быть некое синтезированное представление о развитии объекта. 

Термин «информационный мониторинг» был введен в начале 1990-х го
дов, под ним понималась технология непрерывного информационного наблюдения за объектом в информационном поле по избранным индикаторам и прогноз развития объекта. В классическом понимании мониторинг есть система 
постоянного наблюдения, регистрирующая события в реальном времени. 

Оперативная диагностика – это экспресс-анализ состояния объекта 

в определенный момент его развития. Экспресс-анализ может реализовываться в любой хронологической точке, но ориентирован, как правило, на оценку 
современного состояния объекта. Он осуществляется на основе сравнительного анализа существующих прогнозов. Отличительные черты: диагностика 
проводится по узкому кругу индикаторов; аналитик готов работать в режиме 
реального времени, быстро ориентируется в предметном поле объекта и профессионально знает источники информации. 

Тестовые задания

1. Информационная диагностика – это:
а) технология анализа информации об объектах или процессах;
б) технология воздействия на объекты или процессы;
в) раздел биоэнергетики;
г) раздел социального программирования.

2. Социальным объектом является:
а) студенческая группа;
б) покупатель в магазине;
в) семья;
г) налог на продажу;
д) отношение населения к нормам ГТО;
е) паспорт РФ.

3. Социальным процессом считают:
а) общественное мнение по отношению к пенсионной системе;
б) миграция населения; 
в) репродуктивные установки молодёжи;
г) социальная сеть;
д) отклонение параметров оборудования.

2. ВИДЫ ШКАЛ

Чтобы анализировать объекты или процессы, сначала необходимо их 

описать, указав их свойства и значения этих свойств. Например, у объекта 
«конференция» есть свойство «число докладов за день», и оно имеет значение, к примеру, «17».

При описании реального явления или процесса следует прежде всего 

установить типы шкал, в которых измерены те или иные переменные. Мы будем использовать три типа шкал: номинальные, порядковые и количественные, хотя в математической статистике их больше. 

Рис. 1.  Виды и примеры шкал данных

В номинальной шкале (шкале наименований) значения используются 

лишь как метки. В ней измерены, например, номера телефонов, автомашин, 
паспортов. Пол людей тоже измерен в шкале наименований, результат измерения принимает два значения – мужской, женский. Единственное, для чего 
годятся измерения в шкале наименований, – это различать объекты. 

В порядковой шкале числа используются не только для различения 

объектов, но и для установления порядка между объектами. Простейший
пример – оценки знаний учащихся. Порядковой является шкала силы землетрясений. При описании групп инвалидности числа используются в противоположном порядке: самая тяжелая – первая группа инвалидности, затем –
вторая, самая легкая – третья. Номера домов также измерены в порядковой 
шкале: они показывают, в каком порядке стоят дома вдоль улицы. 

Шкалы данных

Номинальная 

(Nominal)

Порядковая

(Ordinal)

Количественная

(Scale)


Пол


Фамилия


Цех


Товар


Купил/Не купил


Ответил или нет


Качество товара 


Оценка рекламы


Образование


Рейтинг


Степень ожога


Возрастная группа


Сумма покупки


Количество человек


Рентабельность


Доля рынка


Возраст


Объем продаж

В количественной шкале мы имеем числа в обычном смысле слова. 

Примером является число людей в комнате. Во многих случаях напрямую измеряется величина чего-либо. Например, непосредственно подсчитывается 
число дефектов в изделии, количество единиц произведенной продукции, 
сколько студентов присутствует на лекции, количество прожитых лет и т. д. 

Существует возможность преобразования шкал. Самая подробная шка
ла – количественная, ее можно преобразовать в порядковую и номинальную, 
например, свойство «возраст» в количественной шкале представлено значением «14», в порядковой – «подростковый», в номинальной – «молодежь».

Из рис. 2 видно, что обратное преобразование невозможно: зная, что 

сумма покупки большая (например, делили суммы покупки по принципу: 
больше 5 000 руб. – большая, иначе маленькая), мы не сможем уточнить количественно, какой именно она была (5 001 руб. или 100 000 руб).

 
Преобразование шкал 

Порядковая  

Удовлетворенность по 7 бальной шкале 

Возрастная группа 

Удовлетворен / Не удовлетворен 
Молодежь / Зрелый 

Номинальная  

Количественная 
Порядковая  или 

Номинальная 

Возраст 

Сумма покупки 

Возрастная категория 
Большая / Средняя / Малая 
 

Рис. 2. Преобразование шкал

Заметим, что если шкала имеет два уровня (например, высокий или 

низкий), то она интерпретируется как номинальная.

Тестовые задания

1. Оценивание по пятибалльной системе (5, 4, 3, 2, 1) может быть при
мером:

а) номинальной шкалы;
б) порядковой шкалы;
в) количественной шкалы.

Удовлетворенность по 7-балльной шкале

2. К порядковой шкале не может быть отнесен:
а) рейтинг;
б) ответ да/нет;
в) возрастная группа;
г) ранг.

3. Пример, который использует количественную шкалу:
а) пол;
б) образование;
в) количество человек;
г) качество товара.

4. Количественные данные можно преобразовать в следующую шкалу: 
а) номинальную;
б) порядковую. 

3. ОПИСАТЕЛЬНЫЕ СТАТИСТИКИ

На первом этапе анализа данных обычно дают общую характеристику 

собранных сведений. Для этого работают с описательными статистиками, которые различаются в зависимости от типа шкалы.

Для номинальных и порядковых шкал описательными статистиками яв
ляются круговые и столбиковые диаграммы, а также частотные таблицы. 
Предположим, что у нас есть данные опроса респондентов (табл. 1): фамилия, 
пол (номинальная шкала) и уровень счастья в порядковой шкале (высокий, 
средний, низкий).

Таблица 1

Данные опроса

Респондент
Пол
Уровень счастья

Иванов
Мужской
Высокий

Петров
Мужской
Средний

…
…
…

Сидорова
Женский
Низкий

Чтобы сведения выглядели нагляднее, сгруппируем их, получив частот
ную таблицу (табл. 2).

Таблица 2

Частотная таблица

Пол
Уровень счастья
Всего
высокий
средний
низкий

Мужской
1
1
2
4

Женский
2
2
2
6

Всего
3
3
4
10

Еще более наглядно смотрятся данные на столбиковых (bar) и круговых 

(pie) диаграммах (рис. 3–4).

Рис. 3. Столбиковые диаграммы

Рис. 4. Круговые диаграммы

Для количественных шкал описательных статистик гораздо больше. 

Рассмотрим некоторые из них (табл. 3).

Выборочное среднее арифметическое (mean) самая распространенная 

описательная статистика, позволяющая быстро охарактеризовать выборку количественных значений. Это ее основной плюс; минус – это то, что среднее 
не всегда адекватно отражает значения выборки. 

Например, изучаем зарплаты сотрудников в двух организациях (табл. 4).

Имеем две выборки (в тыс. руб.).

Таблица 3

Расчётные описательные статистики для количественных шкал

Название
Формула

Выборочное среднее арифметическое 

1
,

N

i
i x
x
N


 
где N – объем выборки

Медиана 
Значение в отсортированной выборке, которое делит ее на две равные части

Размах
R = xmax – xmin

Нижний (верхний) квартиль
Значение в отсортированной выборке, отсекающее 25 % выборки, начиная с минимального (максимального) значения

Квартильный размах
Разница между верхней и нижней квартилями

Выборочная дисперсия
2

2
1(
)

1

N

i
i
x
x

N



 




Выборочное стандартное отклонение
2

2
1(
)

1

N

i
i
x
x

N



 





Таблица 4

Выборки зарплат в двух организациях – расчёт средних

Заработная плата 

в организации № 1, тыс. руб.

Заработная плата 

в организации № 12, тыс. руб.

30
30

30
30

30
30

32
32

30
30

32
320

34
34

Среднее = 31,14
Среднее = 72,29

Очевидно, что во второй организации среднее арифметическое не отра
жает реальную ситуацию с зарплатами в организации. Для исправления ситуации можно: 1) разделить зарплаты на группы, например, зарплаты руководителей считать отдельно; 2) рассчитать медиану. 

Медиана (median) – это значение в отсортированной выборке, которое 

делит ее на две равные части, т. е. для ее расчёта необходимо сделать два шага: 1) отсортировать выборку, расположив ее элементы от большего к меньшему; 2) если в выборке нечетное число элементов, то найти число, которое 
делит ее пополам; если четное – то от двух серединных значений найти среднее арифметическое. 

Отсортируем данные в табл. 5, рассчитаем медианы.