slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Jak se dělá andragogický výzkum PowerPoint Presentation
Download Presentation
Jak se dělá andragogický výzkum

Loading in 2 Seconds...

play fullscreen
1 / 49

Jak se dělá andragogický výzkum - PowerPoint PPT Presentation


  • 73 Views
  • Uploaded on

Jak se dělá andragogický výzkum . Přístup andragoga k testům osobnosti. D otazníky: . Založené na subjektivní výpovědi vyšetřovaného

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Jak se dělá andragogický výzkum' - terry


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

Jak se dělá andragogický výzkum

Přístup andragoga k testům osobnosti

slide2

Dotazníky:

  • Založené na subjektivní výpovědi vyšetřovaného
  • Cílem je získat subjektivní údaje vyšetřovaného o jeho vlastnostech, postojích, potřebách, citech, motivech, vztazích, zájmech, způsobech reagování v různých situacích, o tělesném a psychickém zdraví atd.
  • Vycházejí z introspekce vyšetřovaného
  • Jedná se o metodu nepřímého posouzení
  • Proband neposuzuje svůj osobnostní rys, ale obvykle popisuje svoje chování
slide3

výhody dotazníkových metod:

  • Převážně jednoduchá a rychlá administrace
  • Rychlé vyhodnocení výsledků
  • Kvantifikace získaných údajů
  • Možnost porovnání výsledků s normou
  • Skupinové zadání – u většiny
  • V krátké době umožňují získat mnoho údajů
slide4

nevýhody dotazníkových metod:

  • Diagnostická hodnota závisí od schopnosti introspekce
  • Nedostatek sebekritiky
  • Záměrné skreslení údajů vyšetřovaným – simulace, disimulace, agravace
  • Sociální žádoucnost
  • Schematičnost, formalizovanost a kategoričnost výpovědí (ano, ne)
  • Mnohoznačnost, neurčitost a nepružnost některých otázek nebo tvrzení
  • Nepřesná kvantifikace odpovědí (např. občas, výjimečně)
  • Problematika dvojitého záporu
slide5

nevýhody dotazníkových metod:

  • Lži škála
  • Metoda nucené volby
  • Maskované položky (na problém se ptáme oklikou)
  • Doplnění o další psychodiagnostické metody (klinické, projektivní metody)
slide6

Co všechno lze dotazníky změřit:

osobnost

hlavní rysy osobnosti

osobnost

motivace

inteligence

hodnoty

koncentrace

paměť

strategie zvládání stresu

prostorovou představivost

strategie řešení problémů

emoce

slide7

Vývoj metod:

Eysenckůvosobnostní dotazník (EOD, EPI) je původní psychologická poznávací metoda Hanse JürgenaEysencka a jeho manželky Sibyl B. G. Eysenckové, která má za cíl identifikovat dvě hlavní dimenze osobnosti: extraverzi (E) a neuroticismus (N) či emocionální labilitu. Pokud jde o neuroticismus, ten totiž vymezil britský psycholog H. J. Eysenck (1916-1997)

slide8

nevýhody dotazníkových metod:

V roce 1947 jako poruchu integrace osobnosti a emoční instabilitu, ještě nikoliv jako neurózu. Později (1960) zdůrazňoval Eysenck v obsahu tohoto pojmu zejména emocionalitu. Navíc obsahuje EOD stupnici zjišťující upřímnost zkoumané osoby.

Eysenckův osobnostní dotazník lze využít i pro diagnostiku klasických temperamentů (sangvinik, flegmatik, cholerik, melancholik) a to tak, že se dá do vztahu kvantita extraverze, resp. introverze a emocionální labilita, resp. stabilita. Např. jedinec extravertovaný a současně emočně labilní patří mezi temperamentový typ cholerik.

slide9

nevýhody dotazníkových metod:

Analýzu výsledků dotazníku a příslušnou psychologickou diagnózu by měl provádět odborný psycholog, který má k dispozici vyhodnocovací klíč.

H. J. Eysenck byl německý a britský psycholog židovského původu žijící a pracující v Londýně. Byl autorem psychometricky založené teorie osobnosti. Jeho pojetí temperamentu vychází z faktorové analýzy. Při faktorování vyššího řádu, které Eysenck užívá, se vyabstrahují velmi obecné vlastnosti.

Původní Eysenckův osobnostní a zde uvedený dotazník obsahoval pouze 2 faktory - neuroticismus a extraverzi. Později H. J. Eysenck doplnil svou teorii o třetí faktor - psychoticismus.

slide10

Jeho teorie a metoda diagnostikování osobnosti vyniká dobrou měřitelností a testovatelností. Když vzniknul podobný test osobnosti L. S. Goldberga s názvem Big Five (Velká pětka), Eysenck na to zareagoval publikováním vlastní teorie s názvem Giantthree (Obrovská trojka). Čísla v názvech obou teorií označují počet základních osobnostních vlastností.

Eysenckova teorie i jeho novější testy osobnosti tedy vychází ze tří vlastností:

Emoční stabilita nebo labilita (neuroticismus).

Extraverze - introverze

Psychoticismus.

slide11

Osobní předpoklady

Osobnostní dotazník BIP:

Profesní orientace

Pracovní chování

Sociální kompetence

Psychická konstituce

slide12

Popis metody:

  • 210 položek, administrace ca 45 min
  • Položky se týkají chování, jednání, zvyků
  • 14 škál rozdělených do 4 dimenzí
  • Věk: od 20 let
  • Vyhodnocení ručně (forma tužka-papír) nebo počítačově v rámci HTS
  • Využitelné německé i české normy
slide13

Popis metody:

proměnné

  • 210 položek, administrace ca 45 min
  • Položky se týkají chování, jednání, zvyků
  • 14 škál rozdělených do 4 dimenzí
  • Věk: od 20 let
  • Vyhodnocení ručně (forma tužka-papír) nebo počítačově v rámci HTS
  • Využitelné německé i české normy

indikátory

cíle

operacionalizace

technika dotazování

algoritmus

technika výpočtu

algoritmus

slide14

Konstrukce metod:

proměnné

indikátory

cíle

operacionalizace

Populační zatížení

obecné součty

technika dotazování

algoritmus

paritní součty

technika výpočtu

standardizace

vázané součty

algoritmus

validizace

tvorba dimenzí

Tvorba škal

Faktorová zátěž

Interpretace

prezentace

slide15

Motivace k výkonu

Proměnné:

MV1

MV2

MV3

MV4

slide16

Motivace k výkonu

Proměnné:

MV1

+

MV2

+

MV3

+

MV4

=

hodnota

slide17

Motivace k výkonu

Proměnné:

MV1

+

MV2

+

MV3

+

MV4

=

ME

I

hodnota

slide18

Paritní součty:

Výrok A1

Výrok B1

slide19

Paritní součty:

X = (k 2- k) / 2

X = (16 2- 16) / 2

X = 120

slide21

Vázané součty:

Celková suma je 1 + 2 + 3 + 4 + 5 + 6 + 7 = 28

slide22

Vázané součty :

Celková suma je 1 + 2 + 3 + 4 + 5 + 6 + 7 = 28

slide23

Vázané součty :

Celková suma je 1 + 2 + 3 + 4 + 5 + 6 + 7 = 28

slide24

Vázané součty :

Celková suma je 1 + 2 + 3 + 4 + 5 + 6 + 7 = 28

slide25

Konstrukce metod:

proměnné

indikátory

cíle

operacionalizace

Populační zatížení

obecné součty

technika dotazování

algoritmus

paritní součty

technika výpočtu

standardizace

vázané součty

algoritmus

validizace

tvorba dimenzí

Tvorba škal

Faktorová zátěž

Interpretace

prezentace

slide28

Ad 1. Nejdříve musíme zjistit, zdali položky, které chceme faktorovat, jsou pro FA vůbec vhodné

Proměnné, které vstupují do FA, musí být měřeny přinejmenším na ordinální úrovni a měly by mít delší stupnice. Dichotomické proměnné jsou pro aplikaci FA nevhodné. Proměnné by navíc mezi sebou neměly být příčinně vztaženy. Položky musí mezi sebou korelovat takovým způsobem, že těsnost korelace by měla být vyšší než 0,3. Zatímco první dvě podmínky můžeme odhalit pouhou úvahou nad povahou dat – v našem případě není ani jedna z podmínek porušena – těsnost korelace si musíme nechat samozřejmě spočítat. Vzájemné korelace mezi proměnnými ukáže matice interkorelací.

slide30

Výstup z Descriptives přinese především matici interkorelací (viz tabulka). Vidíme v ní, že některé korelace nejsou příliš vysoké (jsou vysvíceny žlutě). Dále přinese tzv. anti-image matici (viz tabulka), v níž v její dolní polovině jsou na diagonále (vysvíceny žlutě) uvedeny hodnoty Kaiser-Meyer-Olkinovy míry (KMO míra) vhodnosti položek pro faktorovou analýzu. Tato míra by měla být vyšší než 0,6, vhodnější ale je, pokud dosahuje hodnoty 0,7 a více. Hodnoty KMO jsou v našem případě u všech položek dobré. Konečně výstup z tohoto zadání přinese také celkovou hodnotu KMO (pro všechny položky a také Bartlettůvtest. Oba tyto údaje nám pomohou dále zhodnotit, zdali naše položky, které chceme faktorovat, jsou pro FA vůbec vhodné.

slide33

Míry KMO a Bartlettův test

KMO by měla být vyšší než 0,7 (což je) a signifikance Bartlettova tesu by měla být významná minimálně na úrovni 0,05 (což je). Nulová hypotéza u Bartlettova testu je, že proměnné na sobě v základním souboru nezávisejí. Zdá se tedy, byť ne všechny korelační vztahy jsou na požadované úrovni těsnosti, že naše data jsou pro FA vhodná. Můžeme tedy přistoupit k druhému kroku FA, a tou je extrakce faktorů

slide34

Ad 2. Extrakce faktorů

Pro nalezení faktorů (ve statistické literatuře se tomu kroku říká „extrakce“) existují různé možnosti, velmi častým postupem je již dříve zmíněná tzv. metoda hlavních komponent. Nejdříve se musíme rozhodnout, s kolika faktory chceme vlastně pracovat – to zjistíme právě na základě postupu, s nímž jednotlivé faktory (komponenty) analyzované baterie položek vyextrahujeme.

Extrakci faktorů provedeme tak, že klikneme na tlačítko Extraction.

V něm pak zadáme operace, které nám napoví, s kolika faktory máme pracovat. Předně to je výpočet tzv. eigen hodnoty (eigenvalue) a dále sestrojení Cattelova suťového grafu (Sree plot):

slide35

Na základě výpočtu eigenvalues a jejich grafu (Scree plot) se pak rozhodneme, s kolika faktory budeme pracovat. Pro toto rozhodnutí platí dva návody, které ne vždy dávají stejné výsledky:

  • volíme takový počet faktorů (komponent), které mají hodnotu eigenvalue vyšší než 1. To je Kaiserovo pravidlo;
  • volíme takový počet faktorů, které v grafu (Scree plot) jsou nad prolomením křivky.
slide36

Na základě výpočtu eigenvalues a jejich grafu (Scree plot) se pak rozhodneme, s kolika faktory budeme pracovat. Pro toto rozhodnutí platí dva návody, které ne vždy dávají stejné výsledky:

  • volíme takový počet faktorů (komponent), které mají hodnotu eigenvalue vyšší než 1. To je Kaiserovo pravidlo;
  • volíme takový počet faktorů, které v grafu (Scree plot) jsou nad prolomením křivky.
slide37

Hodnoty eigenvalue

Vidíme (v tab. 11.4), že pouze u dvou komponent jsou hodnoty eigenvalues větší než 1. První komponenta (faktor) vyčerpává 36 % variance v položkách, druhá komponenta vyčerpává 13 % variance, oba faktory dohromady pak 50 %. Samozřejmě, čím více variance je vysvětleno, tím lépe můžeme redukovat původní položky.

slide38

Graf vypadá následovně:

Podle tohoto obrázku bychom měli extrahovat pouze jeden faktor, neboť u druhého se křivka zřetelně láme  a pravidlo říká, že máme vzít takový počet faktorů, který je nad zlomem křivky. Jelikož ale víme, že jeden faktor vyčerpává pouze 36 % variance, rozhodneme se v tomto případě pro dvoufaktorové řešení.

slide40

dimenze bip…(popis str. 18)

  • Pracovní chování
    • Svědomitost
    • Flexibilita
    • Rozhodnost
  • Psychická konstituce
    • Emocionální stabilita
    • Odolnost vůči zátěži
    • Sebevědomí

Profesní orientace

Motivace k výkonu

Motivace k utváření

Motivace k vedení

Sociální kompetence

Senzitivita

Schopnost kontaktů

Sociabilita

Orientace na tým

Schopnost prosadit se

slide41

Interpretace:

  • Konkrétní příklady v manuálu k testu
  • Interpretovat vzhledem k zakázce
    • Profesní kontext
    • Nároky a kompetence
  • Nejen extrémní hodnoty profilu, ale i souvislosti
  • Zvažovat vzhledem k dalším dostupným informacím
    • Objektivní informace (vzdělání, věk, zkušenosti)
    • Rozhovor a další vybrané metody
    • Popis druhou osobou (osobní reference, pozorování)
  • Zpětnovazebný rozhovor
  • Respektovat etické zásady
slide42

BIP:

Motivace k výkonu MVy

Pohotovost vyrovnávat se s vysokými nároky, motiv klást vysoké požadavky na vlastní výkon, připravenost snášet námahu, stále zvyšovat své výkony, „drive“

Motivace k utváření MU

Vůle přetvářet procesy a struktury podle vlastních představ, připravenost k ovlivňování a sledování vlastního pojetí, výkon moci – profesní nasazení

Motivace k vedení MVe

Motiv sociálního vlivu, preference úkolů spojených s vedením a usměrňováním, sebehodnocení – autorita

slide43

BIP:

  • Svědomitost Sv
    • Pečlivý pracovní styl, vysoká spolehlivost, orientace na detaily, vysoké hodnocení koncepční práce, sklon k perfekcionismu
  • Flexibilita Fl
    • Připravenost a schopnost přizpůsobit se novým a nepředvídaným situacím, tolerovat nejistotu, otevřenost a ochota ke změnám
  • Rozhodnost RO
    • Schopnost a vůle k rychlé realizace rozhodnutí prostřednictvím cílené aktivity, příp. i ochrana zvolené alternativy vůči dalším návrhům
slide44

BIP:

  • Senzitivita Sen
    • Dobrý cit pro signály v sociálních situacích, empatie, interpretace chování druhých.
  • Schopnost kontaktů SK
    • Navazování a udržování vztahů, síť osobních i profesních vztahů (stimul), komunikace
  • Sociabilita So
    • Preference sociálního chování, přátelskost, ohleduplnost, velkorysost, touha po harmonii
  • Orientace na tým OT
    • Vysoké hodnocení týmové práce, kooperace
  • Schopnost prosadit se SP
    • Tendence k dominanci, preference vlastních cílů, připravenost ke konfliktům
slide45

BIP:

  • Emocionální stabilita ES
    • Vyrovnané a málo kolísavé emocionální reakce, rychlé překlenutí neúspěchů a nezdarů, schopnost kontroly vlastních emocionálních reakcí
  • Odolnost vůči zátěži OZ
    • Vlastní hodnocení jako odolné osoby, zvládají hospodaření s vlastními silami, výkonnost a pracovitost…opomíjení tělesných projevů
  • Sebevědomí Seb
    • Nezávislost na mínění druhých osob, velké přesvědčení o vlastním účinku, sebedůvěra ve vlastních schopnosti a předpoklady výkonu
slide46

populace

BIP:

populace

výsledky

výsledky

populace

standardizace

X

populace

populace