Многомерный анализ значимости семантических шкал
Аннотация
Дата поступления статьи: 30.09.2016Исследование проведено на большом практическом материале по мониторингу эмоционального восприятия таких социальных явлений как местного и центрального политических порядков, собственного уровня относительной депривации, культурной инфраструктуры и культурной жизни города в целом, собственного эмоционального состояния. Начиная с 2009 г. выполнено анкетирование нескольких тысяч респондентов по данной тематике с использование технологии семантического дифференциала. Цель настоящей работы – ранжирование используемых семантических шкал по уровню значимости для респондентов и отбору их оптимального набора. Что необходимо для увеличения адекватности измерений и уменьшению погрешностей. Для калибровки семантических шкал в анкете респондентов просили оценить не только реальный объект, но и два идеальных (положительный - полностью устраивающий опрашиваемых, и отрицательный - абсолютно неприемлемый) того же класса. Расстояние между этими образами позволяло оценивать значимость каждой шкалы. Для всех вышеприведенных объектов исследований и каждой используемой семантической шкалы были получены функции распределения уровня значимости по респондентам. Получено, что эти функции сильно размазаны, по всему диапазону значимостей (для нашей нормировки это от нуля до единицы). При этом исследуемые шкалы разбиваются на три совокупности. Группа шкал с хорошей значимостью (к примеру, шкала умный-глупый), для которых нулевую значимость показывают порядка 15% опрашиваемых, а максимальную – примерно в два раза больше. Шкалы средней значимости (к примеру, шкала быстрый-медленный), для которых значимость во всем диапазоне от 0 до 1 более или менее одинакова. И группа плохой значимости (острый-округлый и др.), для которой большая часть респондентов слабо различают соответствующий признак. В методе семантического дифференциала эмоциональное восприятие объекта определяется не по отдельным семантическим шкалам, а по всему набору показателей, и для отбора оптимальных шкал анализ их индивидуальных значимостей недостаточен. Нужно еще исследование совокупной значимости наборов шкал. Для этих целей на базе пакета многомерного интеллектуального анализа данных Cognos (фирмы IBM) была разработана многомерная модель значимости семантических шкал. Она позволяла исследовать срезы с фиксированной значимостью для различных наборов шкал. На основе проведенного анализа из 20 первоначальных семантических признаков были отобраны 8. Большее по сравнению с минимально-необходимым (четырем) количеством обеспечивало перекрытие не различающих шкал и увеличение совокупной значимости всего набора. Для всех вышеупомянутых объектов исследования (кроме собственного эмоционального состояния респондента) выявленный оптимальный набор шкал обеспечивает достаточную совокупную значимость. Анкеты по оценке эмоционального состояния показали, что индивидуальная значимость семантических шкал для них гораздо ниже, чем для других объектов. Здесь наблюдаются только две группы шкал: средняя, с примерно одинаковой долей респондентов по всему диапазону значимости, и плохая, с максимумом функции распределения в низко значимой части. Группы признаков с хорошей значимостью вообще нет. В качестве оптимального можно взять набор, тот же, что и для других объектов. Но ни он, ни даже полный набор 20 шкал не обеспечат должную совокупную значимость. При интерпретации данных по эмоциональному состоянию в работе рекомендовано использовать не общепринятое декартово расстояние, а ранее нами опробованную взвешенную метрику городских кварталов (метрику Минковского). С индивидуальной значимостью по каждой шкале в качестве коэффициентов взвешенности. Шкалы с нулевой значимостью при этом автоматически отсеются, повышая этим совокупную значимость набора признаков.
Ключевые слова: метод семантического дифференциала, аффективная составляющая, социальные объекты, семантическая шкала, идеальные конструкты, значимость, функция распределения, совокупная значимость, многомерная модель, срезы, сечения, выбор, оптимальный набор
05.13.18 - Математическое моделирование, численные методы и комплексы программ