Количественный анализ. Общая характеристика качественных и количественных методов

Для проведения количественного анализа диаграмм перечислим показатели модели:

· количество блоков на диаграмме – N;

· уровень декомпозиции диаграммы – L;

· сбалансированность диаграммы – В;

· число стрелок, соединяющихся с блоком, – А.

Данный набор факторов относится к каждой диаграмме модели. Далее будут перечислены рекомендации по желательным значениям факторов диаграммы.

Необходимо стремиться к тому, чтобы количество блоков на диаграммах нижних уровней было бы ниже количества блоков на родительских диаграммах, т. е. с увеличением уровня декомпозиции убывал бы коэффициент . Таким образом, убывание этого коэффициента говорит о том, что по мере декомпозиции модели функции должны упрощаться, следовательно, количество блоков должно убывать.

Диаграммы должны быть сбалансированы. Это означает, что в рамках одной диаграммы не должно происходить ситуации, когда у работы входящих стрелок и стрелок управления значительно больше, чем выходящих. Следует отметить, что данная рекомендация может не соблюдаться для производственных процессов, которые подразумевают получение готового продукта из большого количества составляющих (выпуск узла машины, выпуск продовольственного изделия и другие). Например, при описании процедуры сборки в блок может входить множество стрелок, описывающих компоненты изделия, а выходить одна стрелка – готовое изделие.

Введем коэффициент сбалансированности диаграммы:

Желательно, чтобы коэффициент сбалансированности был минимален для диаграммы, а в модели был постоянен.

Кроме оценки качества диаграмм в модели и в целом самой модели по коэффициентам сбалансированности и декомпозиции можно провести анализ и оптимизацию описанных бизнес–процессов. Физический смысл коэффициента сбалансированности определяется количеством стрелок, соединенных с блоком, и соответственно его можно интерпретировать как оценочный коэффициент по количеству обрабатываемых и получаемых конкретным подразделением или сотрудником документов и должностных функций. Таким образом, на графиках зависимости коэффициента сбалансированности от уровня декомпозиции существующие пики относительно среднего значения показывают перегруженность и недогруженность сотрудников на предприятии, так как различные уровни декомпозиции описывают деятельность различных подразделений или сотрудников предприятия. Соответственно, если на графиках реальных бизнес–процессов имеются пики, то аналитик может выдать ряд рекомендаций по оптимизации описанных бизнес–процессов: распределению выполняемых функций, обработке документов и информации, введению дополнительных коэффициентов при оплате труда сотрудников.

Проведем количественный анализ моделей, изображенных на рисунках 12 и 13, согласно вышеописанной методике. Рассмотрим поведение коэффициента у этих моделей. У родительской диаграммы «Обработка запроса клиента» коэффициент равен 4/2 = 2, а диаграммы декомпозиции 3/3 = 1. Значение коэффициента убывает, что говорит об упрощении описания функций с понижением уровня модели.

Рассмотрим изменение коэффициента К b у двух вариантов моделей.

Для первого варианта, изображенного на рисунке 20,

для второго варианта

Коэффициент К b не меняет своего значения, следовательно, сбалансированность диаграммы не меняется.

Будем считать, что уровень декомпозиции рассмотренных диаграмм достаточен для отражения цели моделирования, и на диаграммах нижнего уровня в качестве наименований работ используются элементарные функции (с точки зрения пользователя системы).

Подводя итоги рассмотренного примера необходимо отметить важность рассмотрения нескольких вариантов диаграмм при моделировании системы. Такие варианты могут возникать при корректировке диаграмм, как это было сделано с «Обработкой запроса клиента» или при создании альтернативных реализаций функций системы (декомпозиция работы «Изменение БД»). Рассмотрение вариантов позволяет выбрать наилучший и включить его в пакет диаграмм для дальнейшего рассмотрения.

Для проведения количественного анализа диаграмм перечислим показатели модели:

Количество блоков на диаграмме – N ;

Уровень декомпозиции диаграммы – L ;

Сбалансированность диаграммы – В ;

Число стрелок, соединяющихся с блоком, – А .

Необходимо стремиться к тому, чтобы количество блоков на диаграммах нижних уровней было бы ниже количества блоков на родительских диаграммах, т.е. с увеличением уровня декомпозиции убывал бы коэффициент . Таким образом, убывание этого коэффициента говорит о том, что по мере декомпозиции модели функции должны упрощаться, следовательно, количество блоков должно убывать.

Диаграммы дол лены быть сбалансированы. Это означает, что в рамках одной диаграммы не должно происходить ситуации, изображенной на рис. 14: у работы 1 входящих стрелок и стрелок управления значительно больше, чем выходящих. Следует отметить, что данная рекомендация может не выполняться в моделях, описывающих производственные процессы. Например, при описании процедуры сборки в блок может входить множество стрелок, описывающих компоненты изделия, а выходить одна стрелка – готовое изделие.

Рис. 14. Пример несбалансированной диаграммы

Введем коэффициент сбалансированности диаграммы:

Необходимо стремиться, чтобы К b , был минимален для диаграммы.

Помимо анализа графических элементов диаграммы необходимо рассматривать наименования блоков. Для оценки имен составляется словарь элементарных (тривиальных) функций моделируемой системы. Фактически в данный словарь должны попасть функции нижнего, уровня декомпозиции диаграмм. Например, для модели БД элементарными могут являться функции «найти запись», «добавить запись в БД», в то время как функция «регистрация пользователя» требует дальнейшего описания.

После формирования словаря и составления пакета диаграмм системы необходимо рассмотреть нижний уровень модели. Если на нем обнаружатся совпадения названий блоков диаграмм и слов из словаря, то это говорит, что достаточный уровень декомпозиции достигнут. Коэффициент, количественно отражающий данный критерий, можно записать как L*C – произведение уровня модели на число совпадений имен блоков со словами из словаря. Чем ниже уровень модели (больше L), тем ценнее совпадения.

Методология DFD

В основе методологии DFD лежит построение модели анализируемой АИС – проектируемой или реально существующей. Основным средством моделирования функциональных требований проектируемой системы являются диаграммы потоков данных (DFD). В соответствии с данной методологией модель системы определяется как иерархия диаграмм потоков данных. С их помощью требования разбиваются на функциональные компоненты (процессы) и представляются в виде сети, связанной потоками данных. Главная цель таких средств – продемонстрировать, как каждый процесс преобразует свои входные данные в выходные, а также выявить отношения между этими процессами.

Компонентами модели являются:

Диаграммы;

Словари данных;

Спецификации процессов.

DFD-диаграммы

Диаграммы потоков данных (DFD – Data Flow Diagrams) используются для описания документооборота и обработки информации. DFD представляет модельную систему как сеть связанных между собой работ, которые можно использовать для более наглядного отображения текущих операций документооборота в корпоративных системах обработки информации.

DFD описывает:

Функции обработки информации (работы, activities);

Документы (стрелки, arrows), объекты, сотрудников или отделы, которые участвуют в обработке информации;

Таблицы для хранения документов (хранилище данных, data store).

В BPwin для построения диаграмм потоков данных используется нотация Гейна-Сарсона (табл. 4).

Нотация Гейна – Сарсона

Таблица 4

На диаграммах функциональные требованияпредставляются с помощью процессов и хранилищ, связанных потоком данных.

Внешняя сущность – материальный предмет или физическое лицо, т.е. сущность вне контекста системы, являющуюся источником или приемником системных данных (например, заказчик, персонал, поставщики, клиенты, склад и др.). Ее имя должно содержать существительное. Предполагается, что объекты, представленные такими узлами, не должны участвовать ни в какой обработке.

Система и подсистема при построении модели сложной ИС она может быть представлена в самом общем виде на контекстной диаграмме в виде одной системы как единого целого, либо может быть декомпозирована на ряд подсистем. Номер подсистемы служит для ее идентификации. В поле имени вводится наименование системы в виде предложения с подлежащим и соответствующими определениями и дополнениями.

Процессы предназначены для продуцирования выходных потоков из входных в соответствии с действием, задаваемым именем процесса. Это имя должно содержать глагол в неопределенной форме с последующим дополнением (например, вычислить, проверить, создать, получить). Номер процесса служит для его идентификации, а также для ссылок на него внутри диаграммы. Этот номер может использоваться совместно с номером диаграммы для получения уникального индекса процесса во всей модели.

Потоки данных – механизмы, использующиеся для моделирования передачи информации из одной части системы в другую. Потоки на диаграммах изображаются именованными стрелками, ориентация которых указывает направление движения информации. Иногда информация может двигаться в одном направлении, обрабатываться и возвращаться назад в ее источник. Такая ситуация может моделироваться либо двумя различными потоками, либо одним - двунаправленным.

Понятия количественные и качественные методы в психологии

Определяя методы как пути познания, С.Л. Рубинштейн отмечал, что методология должна быть осознанной и не превращаться в форму, механически накладываемую на конкретное содержание науки. Рассмотрим вопрос, насколько осознаны пути познания в психологии и как исследователи понимают и определяют количественные и качественные методы.

В качестве основных психологических методов С.Л. Рубинштейн в «Основах общей психологии » называет наблюдение, эксперимент, приемы изучения продуктов деятельности. В данном перечне не находится места количественным методам.

В 70-е годы в отечественной психологии распространение получила вторая классификация методов психологического исследования, созданная Б.Г. Ананьевым.

Он выделяет следующие группы методов:

Организационные;
Эмпирические;
Методы обработки данных;
Интерпретационные методы.

Количественные и качественные методы были отнесены к методам обработки данных. Количественные методы он определяет как математико-статистические приемы обработки психологической информации, а качественные методы – это описание тех случаев, которые наиболее полно отражают типы и варианты психических явлений и являются исключением общих правил.

Классификацию Б.Г. Ананьева подверг критике представитель ярославской школы В.Н. Дружинин, предложив свою классификацию.

По аналогии с другими науками он выделяет три класса методов в психологии:

Эмпирические;
Теоретические;
Интерпретационные.

Качественные и количественные методы отдельно в классификации тоже не оговариваются, но предполагается, что они помещены в раздел эмпирических методов, что отличается от классификации Б.Г. Ананьева. Существенно дополнил классификацию Б.Г. Ананьева представитель ленинградской школы психологов В.В. Никандров. Он относит количественные и качественные методы к неэмпирическим методам в соответствии с критерием «этапности психологического процесса». Автор под неэмпирическими методами понимает «научно-исследовательские приемы психологической работы вне контакта исследователя и индивида.

Помимо сохранившихся отличий в классификациях С.Л. Рубинштейна и Б.Г. Ананьева, существуют терминологические разночтения в понимании количественных и качественных методов.

Не дается точного определения этих методов в работах В.В. Никандрова. Качественные методы он определяет функционально, с точки зрения результата и называет их:

Классификация;
Типологизация;
Систематизация;
Периодизация;
Психологическая казуистика.

Количественный метод он подменяет определением количественной обработки, которая направлена в основном на формальное, внешнее изучение объекта. В качестве синонимов В.В. Никандров употребляет такие выражения как количественные методы, количественная обработка, количественное исследование. К основным количественным методам автор относит методы первичной и вторичной обработки.

Таким образом, проблема терминологической неточности является достаточно актуальной и приобретает новое звучание, когда исследователи стремятся отнести количественные методы к новым научным разделам «Психометрия» и «Математическая психология».

Причины терминологических расхождений

Можно назвать целый ряд причин, в результате которых нет строгого определения количественных и качественных методов в психологии:

Количественные методы в рамках отечественной традиции не получили однозначно строгого определения и классификации, а это говорит о методологическом плюрализме;
Количественные и качественные методы в традиции ленинградской школы рассматриваются как неэмпирический этап исследования. Московская школа трактует эти методы как эмпирические и возводит их до статуса методологического подхода;
В терминологическом смешении понятий количественные, формальные, квантативные, математико-статистические, наблюдается конвенционализм, который сложился в психологическом обществе относительно определения этих количественных и качественных методов;
Заимствование из американской традиции деления всех методов на количественные и качественные методы. Количественные методы, точнее исследования, подразумевают выражение и измерение результатов в количественных показателях. Качественные методы рассматриваются как «гуманитарные» исследования;
Определение однозначного места и соотношение количественных и качественных методов, скорее всего, приводит к тому, что количественные методы подчиняются качественным методам;
Современная теория метода уходит от классификации методов только на одном основании и строгом определении процедуры метода. Методологи выделяют в теории три направления:
1. Совершенствование традиционной эмпирической модели;
2. Критика эмпирической количественной модели;
3. Анализ и апробация альтернативных исследовательских моделей.
Разные направления развития теории метода обнаруживают тенденцию тяготения исследователей к качественным методам.

Количественные методы

Цель практической психологии заключается не в установлении закономерностей, а в понимании и описании проблем, поэтому она использует как качественные, так и количественные методы.

Количественные методы представляют собой приемы обработки цифровой информации, потому что носят математический характер. Такие количественные методы как категоризованное наблюдение, тестирование, анализ документов и даже эксперимент дают возможность получения информации для диагностики проблемы. Эффективность работы определяется на завершающем этапе. Основная часть работы – беседы, тренинги, игры, дискуссии – проводится с помощью качественных методов. Из количественных методов наибольшей популярностью пользуется тестирование.

Количественные методы имеют широкое применение в научных исследованиях и в социальных науках, например, при проверке статистических гипотез. К количественным методам прибегают для обработки результатов массовых опросов общественного мнения. Для создания тестов психологи применяют аппарат математической статистики.

Методы количественного анализа делятся на две группы:

Методы статистического описания. Как правило, они направлены на получение количественных характеристик;
Методы статистического вывода. Дают возможность полученные результаты корректно распространять на все явление, делать заключение общего характера.

С помощью количественных методов выявляются устойчивые тенденции и строятся их объяснения.

Недостатки количественного метода контроля связаны с его ограниченностью. Эти методы оценки знаний в сфере преподавания психологии могут быть использованы только для промежуточного контроля, проверки знаний терминологии, хрестоматийных экспериментальных исследований или теоретических концепций.

Качественные методы

Повышенный интерес и популярность, качественные методы приобретают только в последнее время, что связано с запросами практики. В прикладной психологии сфера применения качественных методов очень широка:

Социальная психология осуществляет гуманитарную экспертизу социальных программ – пенсионная реформа , реформа образования, здравоохранения – с помощью качественных методов;
Политическая психология. Качественные методы здесь необходимы для построения адекватной и эффективной избирательной кампании, формирования позитивного имиджа политиков, партий, всей системы государственного управления. Важными здесь будут не только количественные показатели рейтинга доверия, но и причины этого рейтинга, пути его изменения и др.
При помощи качественных методов психология средств массовой коммуникации Исследует степень доверия тем или иным печатным изданиям, конкретным журналистам, программам.

Решающую роль в развитии качественных методов в психологии, таким образом, сыграла необходимость диалога психологической науки с различными сферами практической деятельности.

Качественные методы ориентируются на анализ информации, которая в основном представлена в словесной форме, поэтому возникает необходимость эту словесную информацию сжать, т.е. получить её в более компактном виде. В этом случае выступает кодирование, как основной прием сжатия.

Кодирование предполагает выделение смысловых сегментов текста, их категоризацию и реорганизацию.

Примерами сжатия информации являются схемы, таблицы, диаграммы. Таким образом, кодирование и наглядное представление информации являются основными приемами качественного анализа.

Данный вид анализа строится на расчете ряда количественных показателей для построенной модели. Необходимо учитывать, что данные оценки во многом субъективны, так как оценивание ведется непосредственно по графическим моделям, а их сложность и уровень детализации определяются многими факторами.

Сложность . Данный показатель характеризует насколько иерархически сложна модель процесса. Численное значение определяется коэффициентом сложности k sl .

k sl = ? ur /? ekz

где? ur -- количество уровней декомпозиции,

Ekz -- количество экземпляров процесса.

Сложность рассматриваемой модели равна:

При k sl <= 0,25 процесс считается сложным. При k sl => 0,66 таковым не считается. Рассматриваемый процесс равен 0,25, что не превышает порог сложности.

Процессность . Данный показатель характеризует, можно ли построенную модель процесса считать сущностной (описывает структуру предметной области в виде набора ее основных объектов, понятий и связей), либо процессной (все экземпляры процессов модели связаны причинно-следственными связями). Другими словами, данный показатель отражает насколько построенная модель некоторой ситуации в компании соответствует определению процесса. Численное значение определяется коэффициентом процессности k pr

k pr = ? raz /? kep

где? raz -- количество «разрывов» (отсутствия причинно-следственных связей) между экземплярами бизнес-процессов,

Процессность равна

Контролируемость . Данный показатель характеризует, насколько эффективно собственники процесса управляют процессами. Численное значение определяется коэффициентом контролируемости k kon

k kon = ? s /? kep

Где? s -- количество собственников,

Kep -- количество экземпляров на одной диаграмме.

Контролируемость равна

При k kon = 1 процесс считается контролируемым.

Ресурсоемкость. Данный показатель характеризует эффективность использования ресурсов для рассматриваемого процесса. Численное значение определяется коэффициентом ресурсоемкости k r

k r = ? r /? out

где? r -- количество ресурсов, задействованных в процессе,

Out -- количество выходов.

Ресурсоемкость равна

Чем ниже значение коэффициента, тем выше значение эффективности использования ресурсов в бизнес-процессе.

При k r < 1 ресурсоемкость считается низкой.

Регулируемость . Данный показатель характеризует, насколько сильно регламентируется процесс. Численное значение определяется коэффициентом регулируемости k reg

где D -- количество имеющейся регламентной документации,

Kep -- количество экземпляров на одной диаграмме

Регулируемость равна

При k reg < 1 регулируемость считается низкой.

Параметры и значения количественных показателей представлены в табл. 7.

Табл. 7. Количественные показатели

Для общей оценки анализируемого процесса вычисляют сумму рассчитанных показателей

K = k sl + k pr + k kon + k r + k reg

Сумма показателей равна

K = 0,1875 + 0, 25 + 0,9375 + 0,273 + 0,937 = 2,585

Рассчитанное значение удовлетворяет условию К > 1. При K > 2,86 процесс считается заведомо неэффективным. При 1 < K < 2,86 процесс частично эффективен.

Количественный (математико-статистический) анализ - совокупность процедур, методов описания и преобразования исследовательских данных на основе использования математико-статического аппарата.

Количественный анализ подразумевает возможность обращения с результатами как с числами - применение методов вычислений.

Решившись на количественный анализ , мы можем сразу обратиться к помощи параметрической статистики или сначала провести первичную и вторичную обработку данных.

На этапе первичной обработки решаются две основные задачи : представить полученные данные в наглядной, удобной для предварительного качественного анализа форме в виде упорядоченных рядов, таблиц и гистограмм и подготовить данные для применения специфических методов вторичной обработки.

Упорядочивание (расположение чисел в порядке убывания или возрастания) позволяет выделить максимальное и минимальное количественное значение результатов, оценить, какие результаты встречаются особенно часто и т.д. Набор показателей различных психодиагностических методик, полученных по группе представляют в виде таблицы, в строках которой располагают данные обследования одного испытуемого, а в столбцах - распределение значений одного показателя по выборке. Гистограмма - это частотное распределение результатов в диапазоне изменения значений.

На этапе вторичной обработки вычисляются характеристики предмета исследования. Анализ результатов вторичной обработки позволяет нам предпочесть тот набор количественных характеристик, который будет наиболее информативен. Цель этапа вторичной обработки состоит не только в получении информации, но и в подготовке данных к возможной оценке достоверности сведений. В последнем случае мы обращаемся к помощи параметрической статистики .

Типы методов математико-статического анализа:

Методы описательной статистики направлены на описание характеристик исследуемого явления: распределения, особенностей связи и пр.

Методы статического вывода служат для установления статистической значимости данных, полученных в ходе экспериментов.

Методы преобразования данных направлены на преобразование данных с целью оптимизации их представления и анализа.

К количественным методам анализа и интерпретации (преобразования) данных относятся следующие:

Первичная обработка «сырых» оценок для создания возможности применения непараметрической статистики производится двумя методами: классификацией (разделение объектов на классы по какому-либо критерию) и систематизацией (упорядочивание объектов внутри классов, классов между собой и множеств классов с другими множествами классов).