Zpracování a interpretace dat v empirickém kvantitativním výzkumu

Zpracovn a interpretace dat v empirickm kvantitativnm vzkumu Kateina Vlkov Institut vzkumu kolnho vzdlvn Pedagogick fakulta Masarykovy univerzity 1 Zpracovn dat jako jedna z fz vzkumu Nsleduje nejastji po vech ppravnch fzch formulace problmu,

studium literatury, formulovn hypotz, vymezen zkladnch pojm, tvorba vzkumnho nstroje, volba vzkumnho vzorku, ovovn konstrukce a vlastnost vzkumnho nstroje aj. v pedvzkumu, sbr dat. Nsleduje fze zpracovn dat odlin fze, dosti mechanick 2 Rozdl zpracovn dat v kvalitativnm a kvantitativnm vzkumu O tom, jak bude vypadat zpracovn dat rozhoduje to, zda jsme dlali kvalitativn i kvantitativn vzkum: u kvalitativnho budeme zskan data tdit, kategorizovat, kvalitativn analza (typick, reprezentativn pklady X atypick), interpretovat, vysvtlovat, u kvantitativnho vzkumu

bylo o zpsobu zpracovn dat bylo u rozhodnuto pedem, ne se zaala sbrat data!!!, zpsob zpracovn byl tak ozkouen v pedvzkumu etnosti, statistika. u smenho designu kombinace obojho 3 Kvalitn a adekvtn statistice sbran data Problmy Jednoznan piazen do kategori. Dostaten naplnn kategorie. Dostaten poet respondent. Oteven poloky a jejich kategorizace. Moc dlouh otzky a nron nebo nesmysln. Neiteln odpovdi. Zavdjc odpovdi respondent. Pln kdovn dat. 4

Pedzpracovn dat Nejprve se data pedzpracovvaj pipravuj pro zpracovn, zvauj se mon kategorizace dat, zadvaj se promnn a jejich hodnoty do hlaviky datov matice, pak se zadvaj data peveden vtinou do sel. ve u rovnou pst do potae do (nejlpe) statistickho programu nebo alespo do Excelu, z nj se to d pevst do SPSS, Statistica, PSPP (free ware), R (free ware), aj. 5 datov matice 6 Datov matice Datov matice je uspodan soubor dat uzaven soubor dat u longitudinlnho vzkumu oteven

utdn dat do datov matice lpe umouje vsledky statisticky zpracovat datovou matici zkontrolovat bude tam dost chyb nap. vytisknout (zloha dat) 7 Typy promnnch 8 Typy promnnch je dleit znt, o jak typ promnn se jedn, zda je kategoriln i miteln, ve statistickch programech se to zadv, ovlivuje to nae monosti jak stat. metody meme pout 9 Nominln promnn

Nejmn kvalitn, potaj se jen etnosti, nejjednodu forma piazen sla charakteristikm promnnch => pinese nejmn informac, je to jen kategorizace jednoduch tdn do vzjemn se vyluujcch kategori p. typ koly, pohlav, vzdln, druh motivace, seln oznaen kategori mu 2, ena 1 neznamen uritou mitelnou hodnotu, napomh pouze klasifikaci dat, msto 1, 2 jsi lze dt do databze ,M v dosti omezen me lze statisticky zpracovvat lze spotat absolutn etnosti a relativn etnosti (% zastoupen jednotl. kategori v celku) nelze potat prmry, SD, korelace lze pout analzy rozptylu, vpot ch-kvadrtu 10 Ukzka zpracovn nominlnch dat Pomr dvek a hoch ve vzkumu

Kolov graf pro vyjden pomru hoi 34% dvky 66% Frekvenn tabulka rozloen pohlav pohlav absolutn etnosti dvky hoi celkem Kolov graf zkresluje vsledky opticky, pouvat radji pruhov i sloupcov grafy nebo prost tabulku kumulativn etnosti 150

79 229 relativn etnosti (%) 150 229 229 65,5 34,5 100,0 11 Ukzka zpracovn nominlnch dat spnost v testu KET (nominln promnn) uspl/neuspl 12 Ordinln promnn

poad prvk je znmo (p. poad v bhu) nevm ale nic o rozdlech v jednotlivcch nelze stat, odtat, lze jen porovnvat rozdl, co je vc a co m v pedagogice asto nelze urit pesn hodnoty ple k, snaha, mra spoluprce => jen se relativnm zpsobem posoud dan hodnota ve srovnn s jejich vskytem u jinch jedinc => nejde o men absolutnch hodnot p. snahu 1 ka srovnme se snahou dalch, dostaneme klu od min. po max. a seadme ky do poad, znme jejich poadovou hodnotu, intervaly mohou bt rzn, ale to poadov men nezjist p. znmky, vkon sportovc

vce monost pro stat. zprac. dat Medin, kvartil meme zjiovat tsnost vztah mezi rz, promnnmi pouv se postup adaptovanch pro tuto rove men Spearmanv poadov korelan koeficient 13 Ukzka prezentace ordinlnch dat Korelace vsledk testu KET a jeho st se znmkou Spearmanv koeficient poadov korelace ChD prov vyazena erven oznaen korelace jsou statisticky vznamn na p < 0,05. promnn cel test (z loh) znmka AJ znmka J znmka Mat vyznamenn

-0,57 -0,44 -0,43 0,42 ten -0,55 -0,48 -0,36 0,39 psan -0,46 -0,40 -0,27 0,29 poslech -0,48 -0,40 -0,37 0,31

mluven -0,40 -0,30 -0,37 0,32 14 Intervalov promnn lze stat i odtat, vme, zda je to vet i men a o kolik, znme rozdly mezi sousednmi body + jsou konstantn p. teplota na Celsiov stupnici m 0 (ale jen dohodnutou teplota 0C neznamen, e nen teplota 0 bod v testu neznamen, e nem dn vdomosti, jen to, e nestaily na ten test nesm se dlit (p. byl 2x lep), nsobit lze potat prmry, smrod. odchylky, parametrick testy rozdl, Pearsonv korelan koeficient, regrese atd., pak i faktorov analza ad. 15

Ukzka prezentace ordinlnch/intervalovch dat Descriptive Statistics (Moc_studenti_ucitelstvi2014_prepolovane) Valid N Mean Median Minimum Maximum Variable legitimate/coercive 1685 2,40 2,35 1,00

Lower Upper Std.Dev. (Quartile) (Quartile) 5,00 1,95 2,80 0,63 referent 1685 3,31 3,36 1,00 5,00 2,73

3,91 0,82 expert 1686 4,13 4,33 1,00 5,00 3,78 4,67 0,75

reward 1686 3,53 3,60 1,00 5,00 3,00 4,13 0,80 Krabicov graf: Medin a rozloen dat na kle 1 a 5 (mra souhlasu). Bze moci studenta

uitelstv (2014). 16 Ukzka prezentace intervalovch dat Skre z jazykovho testu KET z anglickho jazyka skre planch N prmr Me min. max. horn kvartil doln kvartil SD KET1 378 0,55

0,6 0 1 0,2 0,8 0,3 KET2 365 0,49 0,4 0

1 0,2 0,8 0,32 KET3 355 0,55 0,57 0 1 0,29 0,71

0,29 KET4 346 0,64 0,6 0 1 0,4 0,8 0,3 ten (1-4)

350 0,55 0,54 0,09 1 0,36 0,73 0,24 KET5/psan 328 0,55 0,6

0 1 0,4 0,8 0,29 KET6 348 0,81 1 0 1

0,5 1 0,31 KET7 333 0,68 0,8 0 1 0,4 1 0,28

KET8 336 0,66 0,8 0 1 0,4 0,8 0,28 poslech (6-8) 325

0,72 0,8 0 1 0,57 0,87 0,23 KET10 287 0,6 0,6 0

1 0,47 0,73 0,21 KET9 284 0,63 0,67 0 1 0,47

0,8 0,21 mluven (9-10) 287 0,61 0,6 0 1 0,47 0,77 0,2 cel test

184 0,62 0,62 0,22 1 0,52 0,74 0,17 17 Ukzka prezentace vsledk intervalovch dat Deskriptivn tabulka strategi prmr

Me Mo etnost min. max. doln modu kvartil 2,82 2,86 3,07 10 1,49 4,14 2,53 horn percentil percentil rozptyl kvartil 10 90 3,09 2,26 3,37 0,19 std. odchylka

0,44 std. chyba 0,03 Korelan matice vku a pouvn nepmch strategi uen Pearsonv korelan koeficient hladina vznamnosti nepm strategie 0,108 p = 0,105 metakognitivn 0,110 p = 0,097 afektivn 0,085 p = 0,200 sociln

0,063 p = 0,341 18 Pomrov promnn slo, kter jev zastupuje se mu bl tak dokonale, e vyjaduje mru vlastnosti, kt. m pomr inteval mezi 2 sousednmi body kly je stejn jako mezi dalmi lze nsobit i dlit u ped. jev tm nikdy (max. jen men vky, vhy) m to relnou nulu, by by v praxi byla nedosaiteln (el. odpor, teplota) geometrick prmr, varian koeficient atd. - vechny stat. m. pro intervalov men 19 Pozor

Znmky ve kole jsou v podstat nominln max. ordinln mezi stupni nen stejn vzdlenost (NE intervalov) 20 Volba statistickho testu Zvis na hypotze Na rovni men Na rozloen dat Na dalch poadavcch danch statistickch technik 21 Volba statistickho testu

1 nominln s vce ne 2 kategoriemi 2 nominln se 2 kategoriemi 3 ordinln 4 intervalov a ne-normln rozloen 5 intervalov a normln rozloen 1 s 1 Kontingenn tabulka s testem ch-kvadrt 1 s 2 Kontingenn tabulka s testem ch-kvadrt 1 s 3 Kontingenn tabulka s testem ch-kvadrt H-test podle Kruskala a Wallise 1 s 4 H-test podle Kruskala a Wallise 1 s 5 Jednofaktorov analza rozptylu 22 Volba statistickho testu 1 nominln s vce ne 2 kategoriemi 2 nominln se 2 kategoriemi 3 ordinln 4 intervalov a ne-normln rozloen 5 intervalov a normln rozloen 2s2

Kontingenn tabulka s testem ch-kvadrt (Kreuztabelle mit chi-kvadrat-Vielfeldertest) Pesn test podle Fischera a Yatese Korelace (Vielfelderkorelation) Ch-kvadrt-test podle McNemara* 2s3 Kontingenn tabulka s testem ch-kvadrt U-test podle Manna a Whitneyho Poadov korelace podle Spearmana Poadov korelace podle Kendalla 2s4 U-test podle Manna a Whitneyho Poadov korelace podle Spearmana Poadov korelace podle Kendalla 2s5 t-test podle Studenta bodov biseriln korelace

23 Volba statistickho testu 1 nominln s vce ne 2 kategoriemi 2 nominln se 2 kategoriemi 3 ordinln 4 intervalov a ne-normln rozloen 5 intervalov a normln rozloen 3s3 Kontingenn tabulka s testem ch-kvadrt H-test podle Kruskala a Wallise Poadov korelace podle Spearmana Poadov korelace podle Kendalla Wilcoxonv test* 3s4 H-test podle Kruskala a Wallise Poadov korelace podle Spearmana Poadov korelace podle Kendalla 3s5

Jednofaktorov analza rozptylu Poadov korelace podle Spearmana Poadov korelace podle Kendalla 24 Volba statistickho testu 1 nominln s vce ne 2 kategoriemi 2 nominln se 2 kategoriemi 3 ordinln 4 intervalov a ne-normln rozloen 5 intervalov a normln rozloen 4 s 4 Poadov korelace podle Spearmana Poadov korelace podle Kendalla Wilcoxonv test* 4 s 5 Poadov korelace podle Spearmana Poadov korelace podle Kendalla Wilcoxonv test* 5 s 5 Produkt-moment korelace Parciln korelace t-test pro nezvisl vbry 25

Statistick programy pro zpracovn dat 26 Zpracovn daj statistickmi postupy zpracovn utdnch dat sm nebo se statistikem statistick analza 1/ primrn zpracovn dat (tdn 1. stupn) zpracovn skupin dat, zjiujeme absolutn a relativn etnosti, prmr, Me , smrodatn odchylky u jednotl. promnnch 2/ sekundrn zpracovn dat (tdn 2. stupn) zjiuj se vazby mezi jednotlivmi promnnmi, pp. jejich skupinami => vpoty korelac, regres, pouit rz. variant neparametrickch vpot, faktorovou analzu, trsovou analzu atd., testuj se rozdly mezi promnnmi, skupinami apod. (Studentv t-test nebo testem ch-kvadrt), uvede se, zda vsledky jsou 27

nebo nejsou statisticky vznamn Statistick programy Excel (je v balku Microsoft Office), statistick softwary SPSS, PSPP, Statistica, Stata, Statgraphic, R, Origin aj. => vypotaj vsledky a umouj i grafick znzornn vsledk, po zacvien je prce s nimi velmi jednoduch a rychl, umouje zkouet rzn monosti vpot a vytit z daj maximum pozor: pota nebude protestovat, kdy ho budete nutit zpracovat daje pro dan el naprosto nevhodnou statistickou metodou, za vbr metod a interpretaci ru vzkumnk, lze podat o pomoc matematika, statistika, sociology aj.

nepst si daje prve na papr, ale rovnou nap. do Excelu 28 Excel Nen statistick program Mnoh jde zpracovat i v Excelu Problm, jak pracovat s chybjcmi daty run 29 datov matice 30 Data lze filtrovat vybrat si pro analzy jen nap. dvky

31 Pomoc Excelu lze potat mnoh statistick funkce 32 Pouit funkc v Excelu 33 Tabulka vsledk 34 0 partnersk kola bt lep

dal uitel 70 rodie kultura ptel zjem o CJ zjem o pref. CJ absolvovat bav uspt

cestovn maturita karira % student uvdjcch dan m otivtor . Ukzka grafickho znzornn dat (Excel, sloupcov graf) M otivace k uen CJ 100 90 80 Doplnit hodnoty ke sloupcm 60 50

40 30 20 10 35 Ukzka grafickho znzornn dat (Excel, histogram) Statistick softwary umon protaen linky dle Gaussovy kivky a test normality rozloen dat Pouvn metakognitivnch strategi 90

82 80 79 poet respondent 70 60 50 37 40 30 23 20 10 0

4 1

36 prmrn hodnoty na kle Ukzka grafickho znzornn dat (Excel, pruhov graf) poslech slab psan uchzejc dobr ten vborn Doplnit hodnoty ke sloupcm mluven 0

10 20 30 40 50 60 37 Ukzka grafickho znzornn dat (Excel, pruhov graf) Pouvn skupin strategi 2,12 A: afektivn P: pamov S: sociln celkem strategie M: metakognitivn

KG: kognitivn K: kompenzan Lpe dt krabicov graf, kde bude vidt i rozloen dat. 2,26 2,61 2,70 2,72 2,95 3,46 1,0 1,5 2,0 2,5 3,0

3,5 4,0 4,5 5,0 38 Ukzka grafickho znzornn dat (Excel) Chyba: znzornn spojnic, nejde o trend, nejde o souvisl data! 60,00 50,00 Viz tak klima uitelskho sboru aj.

40,00 mluven ten 30,00 psan 20,00 poslech 10,00 0,00 vborn dobr uchzejc slab

39 Ukzka grafickho znzornn dat (Excel, kolov graf) Pozor na zkreslen koli, jde dt i pomrov pruhov graf mluven 8% 12% vborn dobr 32% uchzejc 48% slab 40

Ukzka grafickho znzornn dat (Excel, kolov graf) Nepostrd tento graf smysl? Pomr strategi v procesu uen A: afektivn 13% K: kompenza n 22% P: pamov 14% S: sociln 16%

M: metakognit ivn 17% KG: kognitivn 18% 41 IBM Statistica MU m licenci Lze sthnout v inet.muni nabdka softwaru 42 datov matice 43

Vytvoen promnnch 44 Statistick analzy Deskriptivn statistika 45 46 Deskriptivn statistiky Vbr promnn Rychl souhrn 47 Statistick analzy Deskriptivn statistiky nastaven vpot 48

Statistick analzy Deskriptivn statistiky Tabulky etnost histogram 49 Vsledky - deskriptivn statistika 50 Ukzka tabulky z programu Statistica Tabulka etnost:hodnocen uitele (database_strategie) etnost Kumulativn Rel.etn. Kumul. % Rel.etn. Kumul. % Kategorie etnost (platnch) (platnch) vech vech 1 196

196 33,05 33,05 32,34 32,34 2 278 474 46,88 79,93 45,87 78,22 3 75 549 12,65 92,58 12,38 90,59 4 18 567 3,04

95,62 2,97 93,56 5 1 568 0,17 95,78 0,17 93,73 n 25 593 4,22 100,00 4,13 97,85 ChD 13 606 2,19 2,15 100,00

51 Ukzka tabulky z programu Statistica Promnn doved.mluven doved.ten doved.porozumn sly. doved.psan Poad 1. msto 2. msto 3. msto 4. msto N platnch Pozor na ukrojen hodnot a sraen sla

Popisn statistiky (database_strategie) N platnch Prmr Minimum Maximum Sm. odch. 586 2,32 1 4 1,03 588 1,76 1 4 0,89 587 3,13 1 4 1,00 586 2,76 1 4 1,06

Tabulka etnost: poad dovednost ten psan mluven poslech etnost Relat.etn. etnost Relat.etn. etnost Relat.etn. etnost Relat.etn. (platnch) (platnch) (platnch) (platnch) 297 50,51 87 14,85 163 27,82 49 8,35 161

27,38 153 26,11 159 27,13 110 18,74 106 18,03 158 26,96 180 30,72 143 24,36 24 4,08 188 32,08 84 14,33 285 48,55

588 100 586 100 586 100 587 100 52 Ukzka histogramu (Statistica) H is t o g r a m : p r m _ K K - S d = , 0 7 8 4 3 , p < , 0 1 ; L illie f o r s p < , 0 1 O e k v a n n o r m ln 220 200

180 160 Poet pozor. 140 120 100 80 60 40 20 0 0 ,5 1 ,0 1 ,5 2 ,0 2 ,5

3 ,0 x < = h r a n ic e k a t e g o r ie 3 ,5 4 ,0 4 ,5 5 ,0 53 Ukzka krabicovho grafu (Statistica) K r a b ic o v g r a f : e f e k t iv it a 0 ,4 1 Krabicov graf =

lep, pesnj znzornn dat, vce daj 0 ,4 0 0 ,3 9 efek tiv ita 0 ,3 8 0 ,3 7 0 ,3 6 0 ,3 5 0 ,3 4 0 ,3 3 0 ,3 2 1 2 P r m r P r m r S m C h P r m r 1 , 9 6 * S m C h

p o h la v 54 Ukzka tabulky s vsledky testu (Statistica) Testovn rozdl v efektivit uen dle pohlav t-testy; grupovno: pohlav: zena=1,muz=2 (database_strategie) Skup. 1: 1 Skup. 2: 2 Prmr Prmr t sv p Po.plat Po.plat. Sm.odch. Sm.odch. F-pomr p Promnn 1 2 1 2 1 2

rozptyly rozptyly efektivita 0,37 0,35 1,39 588 0,16 311 279 0,26 0,16 2,66 0,00 Efektivita vzbuzuje vdy otzku, jak byla operacionalizovna. Pozor: T-test vyaduje mimo jin normln rozloen data. 55 Ukzka tabulky s vsledky testu (Statistica)

Testovn vztah efektivity uen a pouvn strategi Dvojice promnnch prm_P & efektivita prm_KG & efektivita prm_K & efektivita prm_M & efektivita prm_A & efektivita prm_S & efektivita prm. strategie & efektivita Spearmanovy korelace (database_strategie) ChD vynechny prov Ozna. korelace jsou vznamn na hl. p <,05000 Poet Spearman t(N-2) rove p plat. R 542 0,03

0,78 0,44 526 0,16 3,83 0,00 556 -0,01 -0,28 0,78 506 0,14 3,27 0,00 534 0,07 1,66 0,10 556 0,18 4,21 0,00 437

0,15 3,13 0,00 56 SPSS Nejvce pouvan statistick program v socilnch vdch 57 Datov matice 58 Datov matice 59 Okno s promnnmi 60

Syntax Pkazov okno 61 Vstupy (output) 62 Amos 6 Program pro strukturln modelovn http://amosdevelopment.com/index.htm http://www.washington.edu/ book help amos 6 63

Amos Zadvn vztah a promnnch 64 Vsledky pmo ve schmatu 65 Vstupy (output) 66 Prezentace dat v prci 67 Prezentace dat v prci Zpracovn dat uspodn a shrnut dat, jejich

transformace do graf a tabulek pehledn, sporn forma prezentovn daj, je teba zdraznit dleit zjitn ta, kt. podporuj oekvan trendy nebo naopak daje, kt. nebyly oekvny 68 Prezentace dat v prci daje lze rzn peskupovat a kombinovat, lze vyrobit velk mnostv tabulek a graf => vybrat jen rozumn mnostv, ve zprv z vzkumu uvst jen podstatn vsledky vzhledem k cli vzkumu 69 Prezentace dat v prci pli velk mnostv tabulek ukazuje, e se vzkumnk v datech ztratil, neum najt sprvnou hierarchii, a proto uvedl

ve, co ml k dispozici vzkumy z vtm mnostvm promnnch obyejn vyaduj vt poet tabulek ne jednodu vzkumy 70 Prezentace dat v prci lohu hraje i nr textu, v nm se vsledky publikuj do lnku se vejde mn tabulek a graf ne do vzkumn prce disertan, diplomov prce hlavn tabulky jsou v pslun sti o zpracovn daj, doplujc tabulky jsou v ploze 71 Prezentace dat v prci Poad tabulek a graf A/ nejprve ty, kt. obsahuj hlavn a souhrnn informace

ten zsk globln pehled o vsledcch, pak se hlavn vsledky pemuj na drobn B/ tematick azen dle vzkumnho problmu a hypotz, m-li vzkum 4 hypotzy, vsledky budou seazeny do 4 okruh 72 Prezentace dat v prci Styl psan odborn, dosti such, neosobn, pro ely zbavnho ten jsou populrnvdeck publikace, pst srozumiteln, s ohledem na tene, nikoli komplikovan, inspirovat se autory, kt. maj vhodn styl i sloit teoretick vci eknou jasn a jednodue Prcha, Gavora, Jan Slavk, Ji Mare pst v prvn osob mn.. a v minulm ase p. mezi ky nebyl dn rozdl X nen = neomezen platnost, t ale nelze doshnout 73

Prezentace dat v prci Kritria dobr prezentace pehlednost graf a tabulek srovnvn vhodnch skupin v komenti ke grafm koment nen pevod sel do slov, je teba uplatnit nadhled vyjdit se ke svm hypotzm (oekvm, pedpokldm) tematicky adit daje, tabulky a grafy rozliit jasn samotn daje a svou interpretaci daj jde o vhodn formulace srovnat sv zvry s daji z pedchzejcch vzkum 74 Interpretace dat v prci 75 mrtnost zapinn motorovmi vozidly

vk 1-4 5 - 14 15 - 19 20 - 24 25 - 44 45 - 64 65 a vce celkov mui 10,5 10,4 54,2 76,3 35,6 33,1 58,4 32,9 eny 8,0 5,4

16,4 12,7 9,1 12,9 12,9 11,1 pozn. (mrtnost ze vech pin je 100%) Meme nsledujc vroky prostednictvm daj z tabulky A) potvrdit, B) nememe je potvrdit nebo C) je nememe popt ani potvrdit? *mrtnost zapinn motorovmi vozidly je vy u mu ne u en. *Nehody zapinn motorovmi vozidly jsou hlavn pinou mrt lid ve vku 20 a 24 let. *Mui nad 65 let jezd bezpenji ne mlde ve vku 15 19 let. *Nejvt poet mrt zapinnch motorovmi vozidly je ve vku 65 let a starch. 76 *U celkovho soutu jen asi 11% mrt en zavinila motorov vozidla. mrtnost zapinn motorovmi vozidly vk 1-4 5 - 14

15 - 19 20 - 24 25 - 44 45 - 64 65 a vce celkov mui 10,5 10,4 54,2 76,3 35,6 33,1 58,4 32,9 eny 8,0 5,4 16,4 12,7 9,1

12,9 12,9 11,1 pozn. (mrtnost ze vech pin je 100%) Meme nsledujc vroky prostednictvm daj z tabulky A) potvrdit, B) nememe je potvrdit nebo C) je nememe popt ani potvrdit? *mrtnost zapinn motorovmi vozidly je vy u mu ne u en. A *Nehody zapinn motorovmi vozidly jsou hlavn pinou mrt lid ve vku 20 a 24 let. B - eny i mui dohromady? X u en me bt ale njak jin hlavn pina *Mui nad 65 let jezd bezpenji ne mlde ve vku 15 19 let. C *Nejvt poet mrt zapinnch motorovmi vozidly je ve vku 65 let a starch. B 77 *U celkovho soutu jen asi 11% mrt en zavinila motorov vozidla. A Interpretace dat zpracovan daje jsou jen holmi sly, sama o sob moc neznamenaj interpretace = vysvtlen a vyhodnocen hlavnm vstupem vzkumu nejsou daje, ale jejich interpretace slovn popis nen interpretace v kapitole vsledky a interpretace, diskuse a zvry

po zapracovn daj je na chvli odloit, interpretace vyaduje nadhled, je to jin druh innosti ne zpracovvn, vyaduje jin naladn, hlubok zait vsledk, jinak se lovk mezi sly ztrc 78 Interpretace dat vyaduje pochopen selnch daj zskanch z matematicko-statistickch vpot a zrove velk pehled a dobrou orientaci ve zkouman problematice zatenci mvaj s interpretac velk problmy, asto je to nejt etapa vzkumu nkdy dsledek zanedbn studia problematiky na zatku vzkumu jsou-li vzkumn hypotzy postaveny patn, potom se i obtn interpretuj (jdou-li vbec zpracovat) a naopak. 79 Interpretace interpretace srovnvat daje mezi sebou a ptt se

nap. Vyplvaj z tohoto srovnn njak souvislosti? Jsou v dajch njak diskrepance? Jak se daj vysvtlit? Vyjaduj daje njak trend, smovn, linii, anebo jsou spe rozhzen? Jsou daje v souladu s existujc teori o zkoumanm jevu? Jsou daje v souladu s daji z jinch vzkum? Nejsou-li, pro? Bylo to proto, e lo o jinou populaci, jin obdob, nebo proto, e vsledky byly zpracovny jinm zpsobem? Anebo to bylo proto, e z daj vystoupily neznm, nekontrolovan 80 promnn? Interpretace nae zjitn konfrontujeme se stanovenmi hypotzami a komentujeme oprme se o existujc ped. teorii + sv zkuenosti (viz hypotzy), na zklad novch zjitn hypotzy pehodnocujeme a dle rozvjme vyjdit se o podmnkch a rozsahu platnosti hypotz

vyjdit se k tomu, zda se daj zvry iroce zeveobecovat, nebo plat jen pro uritou omezenou populaci 81 Chyby u zanajcch vedle legitimnch, vytv nelegitimn zvry neoprajc se o pedchzejc zjitn plin zeveobecnn (na zklad zjitn o parcilnch nedostatcch uitele, udlaj urychlen zvr o celkov patn prci uitele, koly) moralizovn dvaj tam svj svtov nzor, psob originln X je to projev nedisciplinovanosti v mylen 82 Zsady interpretace daj Udlejte zejm zejmm. Udlejte zejm pochybnm. Udlejte skryt zejmm.

83 Literatura Gavora, P. (2002). vod do pedagogickho vzkumu. Brno: Paido. Gall, M. D., Borg, W. R., & GALL, J. P. (1999). Educational Research. An introduction. N. Y.: Longman. 84

Recently Viewed Presentations

  • Chapter 1

    Chapter 1

    Validation and Its Limitations. Theory and Practice. chapter 1. Chapter 1. Need to demonstrate: Need for HR (ROI) For talent acquisition and management (focus of this course) A high cost for bad hires!? High vs. low level positions? Cf personnel...
  • Christmas in Greece Kala Hristouyenna By Lilly &

    Christmas in Greece Kala Hristouyenna By Lilly &

    Greece displays Basils and Wreathes. Food. During the holidays Greece enjoys sweat Christ bread and cookies. Christ bread looks like a cylinder shaped glazy dounat.Cookies in Greece are chocolaty and have some nuts in it. ... PowerPoint Presentation Last modified...
  • JLAB Front-end and Trigger Electronics Heavy Photon Search

    JLAB Front-end and Trigger Electronics Heavy Photon Search

    Single threshold energy resolution. Programmable trigger on 1-31 detected clusters. Programmable cluster definitions . Programmable Mask for channel inputs. Fast (5ns) logic with total trigger transition delay <70ns. 11
  • Hypothesis Testing with t Tests - www-personal.umd.umich.edu

    Hypothesis Testing with t Tests - www-personal.umd.umich.edu

    The Story of Student's t "Guinness is the best beer available, it does not need advertising as its quality will sell it, and those who do not drink it are to be sympathized with rather than advertised to." --W.S. Gosset...
  • Native Groups - auburn.wednet.edu

    Native Groups - auburn.wednet.edu

    Native Groups Meso & South America Olmec Where: Mexico When: 1200BC-400BC Key Details: The first civilization in Mesoamerica The first civilization in the Western Hemisphere to develop a writing system Carved giant basalt heads What happened?
  • The Memory Hierarchy Cache, Main Memory, and Virtual Memory ...

    The Memory Hierarchy Cache, Main Memory, and Virtual Memory ...

    The cache memory is always smaller than the main memory (else why have a cache?). For this reason, it is often the case that a memory block being placed into the cache must replace a memory block already there. The...
  • The Four Temperaments What are the 4 Temperaments?

    The Four Temperaments What are the 4 Temperaments?

    Times New Roman Arial Monotype Sorts Trebuchet MS DADSTIE The Four Temperaments What are the 4 Temperaments? Other ways of knowing people… What are our temperament behaviours? The Four Temperaments Fire (Choleric) Water (Phlegmatic) Air (Sanguine) Earth (Melancholic) What temperaments...
  • The Role of the Architect - California State University ...

    The Role of the Architect - California State University ...

    What is software architecture? "architecture is the structure of the system, comprised of . components or building blocks. the externally visible properties of those components, and