Многоизмерно мащабиране в психологията, науката, FANDOM, задвижвано от Wikia
Съдържание
Многомерно мащабиране в психологията. редактиране
Въведение Редактиране
Тази статия се опитва да обясни геометричните свойства на многомерните модели за мащабиране и демонстрира възможността за тяхното използване за анализ на субективното възприятие.
Проблем с многомерното мащабиране и начини за решаването му
Задачата на многомерното мащабиране в най-общия му вид е да разкрие структурата на изследвания набор от стимули. Под идентифициране на структурата имаме предвид идентифициране на набор от основни фактори, по които се различават стимулите, и описване на всеки от стимулите по отношение на тези фактори. Процедурата за изграждане на структура се основава на анализ на обективна или субективна информация за близостта между стимулите или информация за предпочитанията към набор от стимули. В случай на субективен анализ на данни се решават едновременно две задачи. От една страна се разкрива обективната структура на субективните данни, от друга се определят факторите, влияещи върху процеса на вземане на решения.
Методите за многомерно мащабиране могат да използват различни видове данни: данни за предпочитанията на субекта за набор от стимули, данни за доминиране, близост между стимули, данни за профили и др. По правило е обичайно да се съотнася определена група методи на обработка с всеки тип данни. Подобна корелация обаче не трябва да бъде твърде твърда, тъй като често не е трудно да се премине от един тип данни към друг. Например данните на профила могат лесно да бъдат преобразувани в данни за близост, всичко, което трябва да направите, е да използвате подходяща метрика. Данните за предпочитания съдържат информация за господството. От друга страна, чрез изчисляване на корелациите между колоните на матрицата на предпочитанията, ние получаваме матрица от прилики между стимулите, а корелациите между редовете на същата матрица ще ни дадат матрица от прилики между субектите. В тази статия само анализът на близостта.
Многомерното мащабиране се основава на идеята за геометрично представяне на набора от стимули. Да предположим, че ни е дадено координатно пространство, всяка ос на което съответства на един от желаните фактори. Всеки стимул е представен с точка в това пространство, стойностите на проекциите на тези точки на оста съответстват на стойностите или степента на факторите, характеризиращи дадения стимул. Колкото по-голяма е стойността на проекциите, толкова по-голяма е стойността на фактора на стимула. Мярката за сходство между два стимула е обратната на разстоянието между съответните им точки. Колкото по-близо са стимулите един до друг, толкова по-висока е степента на сходство между тях (и по-ниската степен на разлика); отдалечените точки съответстват на ниска степен на сходство. За точно измерване на близостта е необходимо да се въведе метрика в желаното координатно пространство; изборът на този показател оказва голямо влияние върху резултата от решението.