ವ್ಯಕ್ತಿನಿಷ್ಠ ಸ್ಥಿತಿಯ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳು. ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನ
ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳು- ವಸ್ತುಗಳಿಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಬಹುಆಯಾಮದ ವ್ಯಕ್ತಿನಿಷ್ಠ ಮೌಲ್ಯಮಾಪನಗಳ ಚಿಹ್ನೆಗಳ ಪರಿಮಾಣಾತ್ಮಕ ಅಭಿವ್ಯಕ್ತಿ (ದೈಹಿಕ, ಸೌಂದರ್ಯ, ಸಾಮಾಜಿಕ, ಇತ್ಯಾದಿ).
ಸಂವೇದನೆಯ ತೀವ್ರತೆಯನ್ನು ಅಳೆಯಲು, ಶಾಸ್ತ್ರೀಯ ಸೈಕೋಫಿಸಿಕ್ಸ್ Fschner ನ ನಿಯಮವನ್ನು ಬಳಸಿತು, ಇದು ಭೌತಿಕ ಮತ್ತು ವ್ಯಕ್ತಿನಿಷ್ಠ ಪ್ರಮಾಣಗಳ ನಡುವಿನ ಪರಿಮಾಣಾತ್ಮಕ ಸಂಬಂಧವನ್ನು ವ್ಯಕ್ತಪಡಿಸಿತು. ಈ ಕಾನೂನಿನ ಪ್ರಕಾರ, ಸಂವೇದನೆಯ ಗ್ರಹಿಸಿದ ತೀವ್ರತೆಯು ಪ್ರಚೋದನೆಯ ಪರಿಮಾಣದ ಲಾಗರಿಥಮ್‌ಗೆ ಅನುಪಾತದಲ್ಲಿರುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಮೂಲಭೂತ ಸೈಕೋಫಿಸಿಕಲ್ ಕಾನೂನು ಸಂವೇದನೆ ಮತ್ತು ಪ್ರಚೋದನೆಯ ಪ್ರಮಾಣಗಳ ನಡುವೆ ನಿರ್ದಿಷ್ಟ ಸಂಬಂಧವನ್ನು ರೂಪಿಸುತ್ತದೆ, ವಸ್ತುವಿನ ನಿಯತಾಂಕಗಳನ್ನು ತೀವ್ರತೆಯ ಗುಣಲಕ್ಷಣಗಳಿಗೆ (ತೂಕ, ಹೊಳಪು, ಇತ್ಯಾದಿ) ಅಧ್ಯಯನ ಮಾಡಿದಾಗ ಮಾತ್ರ. ಹೆಚ್ಚಾಗಿ ಹಲವಾರು ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿರುವ ಸಂಕೀರ್ಣ ವಸ್ತುಗಳು ಇವೆ, ಉದಾಹರಣೆಗೆ. ಆಕಾರ, ಗುಣಮಟ್ಟ, ಇತ್ಯಾದಿ. ಬಹುಆಯಾಮದ ವಸ್ತುಗಳ ಅಂತಹ ಚಿಹ್ನೆಗಳು, ಹಾಗೆಯೇ ಮೌಲ್ಯಮಾಪನದ ಅಗತ್ಯವಿರುವ ಸೌಂದರ್ಯ ಮತ್ತು ಸಾಮಾಜಿಕ ಸ್ವಭಾವದ ಹಲವಾರು ವಸ್ತುಗಳು ಮತ್ತು ವಿದ್ಯಮಾನಗಳು ಫೆಕ್ನರ್ ಕಾನೂನಿನ ವ್ಯಾಪ್ತಿಯಿಂದ ಹೊರಗಿವೆ, ಆದರೆ ಆಧುನಿಕ ಸೈಕೋಫಿಸಿಕ್ಸ್ (ಎಸ್. ಸ್ಟೀವನ್ಸ್, ಎಲ್) ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಪರಿಮಾಣಾತ್ಮಕವಾಗಿ ವ್ಯಕ್ತಪಡಿಸಬಹುದು. ಥರ್ಸ್ಟನ್). ಅನೇಕ ಲೇಖಕರ ಸಂಶೋಧನೆಯು ಹೊಸ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಯಾವುದೇ ಪ್ರಚೋದಕಗಳನ್ನು ಪರಿಮಾಣಾತ್ಮಕವಾಗಿ ನಿರೂಪಿಸುವ ಸಾಧ್ಯತೆಯನ್ನು ತೋರಿಸಿದೆ.
ವಸ್ತುಗಳು, ವಿದ್ಯಮಾನಗಳು ಅಥವಾ ಘಟನೆಗಳ ಕೆಲವು ಅಂಶಗಳಿಗೆ ಸಂಖ್ಯೆಗಳನ್ನು ನಿಯೋಜಿಸಲು ಯಾವುದೇ ನಿಯಮವು ಒಂದು ನಿರ್ದಿಷ್ಟ ಪ್ರಮಾಣವನ್ನು ರಚಿಸುತ್ತದೆ. ಗ್ರಹಿಸಿದ ವಸ್ತುಗಳ ಕೆಲವು ಗುಣಲಕ್ಷಣಗಳಿಗೆ ಸಂಖ್ಯೆಗಳನ್ನು ನಿಯೋಜಿಸುವಲ್ಲಿ ವಿಭಿನ್ನ ತಂತ್ರಗಳ ಬಳಕೆಯು ವಿಭಿನ್ನ ಮಾಪಕಗಳನ್ನು ಪಡೆಯಲು ಕಾರಣವಾಗುತ್ತದೆ. ಈ ರೀತಿಯಲ್ಲಿ ಪಡೆದ ಮಾಪಕಗಳನ್ನು ಅಳೆಯಲು ಭೌತಿಕ ಮಾಪಕಗಳಿಗೆ ವಿರುದ್ಧವಾಗಿ ವ್ಯಕ್ತಿನಿಷ್ಠ (ಅಥವಾ ಮಾನಸಿಕ) ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಕೆಲವು ಗುಣಗಳುವಸ್ತುಗಳು. ಫಾರ್ ವ್ಯಕ್ತಿನಿಷ್ಠ ಸ್ಕೇಲಿಂಗ್ಸಂಶೋಧಕರು ಶಾಸ್ತ್ರೀಯ ಸೈಕೋಫಿಸಿಕಲ್ ವಿಧಾನಗಳನ್ನು (ಸರಾಸರಿ ದೋಷದ ವಿಧಾನ, ಕನಿಷ್ಠ ಅಳತೆಗಳು, ನಿರಂತರ ಪ್ರಚೋದನೆಗಳು) ಮತ್ತು ಹೊಸದನ್ನು ಬಳಸಿದ್ದಾರೆ ಮಾನಸಿಕ ವಿಧಾನಗಳು, ಇದನ್ನು ಎರಡು ಗುಂಪುಗಳಾಗಿ ವಿಂಗಡಿಸಬಹುದು. ಮೊದಲ ಗುಂಪು ಒಳಗೊಂಡಿದೆ ನೇರ ವಿಧಾನಗಳು: ಮಧ್ಯಂತರಗಳ ಸಮೀಕರಣ, ನೇರ ಸಂಖ್ಯಾತ್ಮಕ ಅಂದಾಜು, ಜೋಡಿಯಾಗಿ ಹೋಲಿಕೆ, ಶ್ರೇಯಾಂಕ. ಎರಡನೇ ಗುಂಪು ಒಳಗೊಂಡಿದೆ ಪರೋಕ್ಷ ವಿಧಾನಗಳು: ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸಗಳ ಆಧಾರದ ಮೇಲೆ ಸ್ಕೇಲಿಂಗ್ ಮಾಡುವ ಫೆಕ್ನರ್ ವಿಧಾನ; ಸಮಾನ ವ್ಯತ್ಯಾಸ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯಗಳ ಆಧಾರದ ಮೇಲೆ ಮಾಪಕಗಳು.
ವ್ಯಕ್ತಿನಿಷ್ಠ ಮಾಪಕಗಳನ್ನು ನಿರ್ಮಿಸಲು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ವಿಧಾನಗಳು:
- ಪ್ರಚೋದಕ ಪರಿಮಾಣದ ನೇರ ವ್ಯಕ್ತಿನಿಷ್ಠ ಮೌಲ್ಯಮಾಪನದ ವಿಧಾನಪ್ರಮಾಣಿತ ಪ್ರಚೋದನೆ ಮತ್ತು ಹಲವಾರು ಅಸ್ಥಿರಗಳನ್ನು ಬಳಸುವುದು. ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಅನ್ನು ಕೆಲವು ಅನುಕೂಲಕರ ಸಂಖ್ಯೆಯಿಂದ ಗೊತ್ತುಪಡಿಸಲಾಗಿದೆ (ಅಥವಾ 1, ಅಥವಾ 10, ಅಥವಾ 100). ವಿಷಯದ ಕಾರ್ಯವು ಸಂಖ್ಯೆಗಳೊಂದಿಗೆ ವೇರಿಯಬಲ್ ಪ್ರಚೋದಕಗಳನ್ನು ಗೊತ್ತುಪಡಿಸುವುದು, ಈ ಸಂಖ್ಯೆಗಳು ಪ್ರಮಾಣಿತ ಮತ್ತು ವೇರಿಯಬಲ್ ನಡುವಿನ ಸಂಬಂಧದ ಪ್ರಮಾಣವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತವೆ.
- ಹಲವಾರು ಪ್ರಚೋದಕಗಳಿಂದ ವ್ಯಕ್ತಿನಿಷ್ಠ ಅರ್ಧ ಅಥವಾ ಡಬಲ್ ಪ್ರಚೋದನೆಯನ್ನು ಆಯ್ಕೆ ಮಾಡುವ ವಿಧಾನಕೆಲವು ಮೂಲ ಪ್ರಮಾಣಿತ ಪ್ರಚೋದನೆಗೆ ಹೋಲಿಸಿದರೆ, ಹೊಸದಾಗಿ ಆಯ್ಕೆಮಾಡಿದ ಪ್ರಚೋದನೆಗೆ ಹೋಲಿಸಿದರೆ ಅರ್ಧ ಅಥವಾ ಎರಡು ಪಟ್ಟು, ಇತ್ಯಾದಿ.
- ಸಮಾನ ಮಧ್ಯಂತರ ವಿಧಾನ. ಕೊಟ್ಟಿರುವ ಎರಡು ಪ್ರಚೋದಕಗಳಿಗೆ, ಮೂರನೆಯದನ್ನು ಕಂಡುಹಿಡಿಯುವುದು ಅವಶ್ಯಕವಾದಾಗ ಈ ವಿಧಾನವನ್ನು ಬಳಸಲಾಗುತ್ತದೆ, ಅದು ನೀಡಿದ ಪ್ರಚೋದಕಗಳ ನಡುವೆ ಮಧ್ಯದಲ್ಲಿರಬೇಕು, ಅಂದರೆ. ಮೊದಲನೆಯದಕ್ಕಿಂತ ಮೂರನೆಯದಕ್ಕಿಂತ ಭಿನ್ನವಾಗಿರಬೇಕು. ನೀವು ಮತ್ತಷ್ಟು ಭಾಗಿಸಬಹುದು: ಮೂಲ ಡೇಟಾ ಮತ್ತು ಕಂಡುಬರುವ ಪ್ರಚೋದನೆಯ ನಡುವೆ, ಮಧ್ಯಂತರವನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ.
ಈ ವಿಧಾನಗಳ ಆಧಾರದ ಮೇಲೆ, ಪರಿಮಾಣ, ಪಿಚ್, ಶಬ್ದದ ಅವಧಿ, ನೋವಿನ ಪ್ರಚೋದನೆಯ ಶಕ್ತಿ, ತೂಕ, ಹೊಳಪು, ವಾಸನೆ, ರುಚಿ, ತಾಪಮಾನ ಇತ್ಯಾದಿಗಳಿಗೆ ವ್ಯಕ್ತಿನಿಷ್ಠ ಮಾಪಕಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ.
ಸಂಘದ ಪ್ರಯೋಗ
ಲಾಕ್ಷಣಿಕ ಭೇದಾತ್ಮಕ ವಿಧಾನ
ಜೆ. ಕೆಲ್ಲಿ ಅವರಿಂದ ವೈಯಕ್ತಿಕ ರಚನೆಗಳ ವಿಧಾನ
ಸೈಕೋಸೆಮ್ಯಾಂಟಿಕ್ಸ್‌ನ ವಿಧಾನಗಳನ್ನು ಒಂದು ವಿಷಯಕ್ಕೆ ವಸ್ತುವಿನ ಎಲ್ಲಾ ರೀತಿಯ ಪ್ರಾತಿನಿಧ್ಯಗಳ ಅಧ್ಯಯನಕ್ಕೆ ಅನ್ವಯಿಸಬಹುದು. ಬ್ರೂನರ್ ಆಂತರಿಕದಲ್ಲಿ ಬಾಹ್ಯ ಪ್ರಪಂಚದ ಪ್ರಾತಿನಿಧ್ಯದ ರೂಪಗಳನ್ನು ಕರೆದರು: - ಕ್ರಿಯೆ, - ಚಿತ್ರ, - ಚಿಹ್ನೆ (ಚಿಹ್ನೆ).
ಅರ್ಥ ವಿಶ್ಲೇಷಣೆಯ ವಿಧಾನಗಳನ್ನು ವಿವರಿಸುವಾಗ, ನಾವು ಮುಖ್ಯವಾಗಿ ಮೊದಲ ಹಂತವನ್ನು ಪರಿಗಣಿಸುತ್ತೇವೆ - ವಸ್ತುಗಳ ಶಬ್ದಾರ್ಥದ ಹೋಲಿಕೆಯನ್ನು ನಿರ್ಣಯಿಸಲು ಒಂದು ವಿಧಾನವನ್ನು ನಿರ್ಮಿಸುವುದು.
ಮೌಲ್ಯಮಾಪನದ ವಸ್ತುಗಳು ಮೌಖಿಕ ಪರಿಕಲ್ಪನೆಗಳು, ಚಿತ್ರಗಳು (ರೇಖಾಚಿತ್ರಗಳು, ಭಾವಚಿತ್ರಗಳು, ಬಣ್ಣಗಳು), ಕ್ರಮಗಳು, ನಡವಳಿಕೆಯಾಗಿರಬಹುದು.
ವ್ಯಕ್ತಿನಿಷ್ಠ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನ
ಕ್ಲಾಸಿಕಲ್ ಸೈಕೋಫಿಸಿಕ್ಸ್‌ನಿಂದ ಎರವಲು ಪಡೆಯಲಾಗಿದೆ (ವುಡ್‌ವರ್ತ್, ಶ್ಲೋಸ್ಆರ್ಗ್, 1974). ಇದು ವಸ್ತುಗಳ ಲಾಕ್ಷಣಿಕ ಹೋಲಿಕೆಯ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಅನ್ನು ನೇರವಾಗಿ ಪಡೆಯುವ ವಿಧಾನವಾಗಿದೆ.
ನಿರ್ದಿಷ್ಟ ಹಂತ ಹಂತದ ಪ್ರಮಾಣವನ್ನು ಬಳಸಿಕೊಂಡು "ಮೌಲ್ಯಗಳ ಹೋಲಿಕೆ" ಯನ್ನು ನಿರ್ಣಯಿಸುವ ಕಾರ್ಯವನ್ನು ವಿಷಯಕ್ಕೆ ನೀಡಲಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, 0 ರಿಂದ 5 ರವರೆಗಿನ ಮಾಪಕ, ಅಲ್ಲಿ 0 ಯಾವುದೇ ಹೋಲಿಕೆಯಿಲ್ಲ, 5 ಬಹುತೇಕ ಒಂದೇ ಆಗಿರುತ್ತದೆ.
ಇದು ಸಾಕಷ್ಟು ನಿಖರವಾದ ವಿಧಾನವಾಗಿದೆ (ಮಿಲ್ಲರ್, 1971), ಆದರೆ ಕಾರ್ಮಿಕ-ತೀವ್ರ. ವಸ್ತುಗಳ ಲಾಕ್ಷಣಿಕ ಸಂಬಂಧಗಳ ಅಧ್ಯಯನವು ಹೋಲಿಕೆಯ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಅನ್ನು ನಿರ್ಮಿಸಲು n(n-1)/2 ಜೋಡಿಯಾಗಿ ಹೋಲಿಕೆಗಳ ಅಗತ್ಯವಿದೆ.
ಉದಾಹರಣೆ
ಪಕ್ಷಿಗಳು ಮತ್ತು ಪ್ರಾಣಿಗಳ ಶಬ್ದಾರ್ಥದ ಜಾಗದ ಪುನರ್ನಿರ್ಮಾಣ
(ರೀಪ್ಸ್, ಶೋಬಿನ್, ಸ್ಮಿತ್, 1973).
4-ಪಾಯಿಂಟ್ ಸ್ಕೇಲ್‌ನಲ್ಲಿ 12 ಪಕ್ಷಿಗಳ ಹೆಸರುಗಳ ವ್ಯಕ್ತಿನಿಷ್ಠ ಹೋಲಿಕೆಯ ಮಟ್ಟವನ್ನು ರೇಟ್ ಮಾಡಲು ವಿಷಯಗಳಿಗೆ ಕೇಳಲಾಯಿತು.
ಮುಂದೆ, ಮಲ್ಟಿವೇರಿಯೇಟ್ ವಿಶ್ಲೇಷಣೆ ವಿಧಾನವನ್ನು ಅನ್ವಯಿಸಲಾಗಿದೆ.
ಅದರ ಸಾರ ಹೀಗಿದೆ. ವ್ಯಕ್ತಿನಿಷ್ಠ ಹೋಲಿಕೆಯ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಅನ್ನು ಆಧರಿಸಿ (ವಿಶ್ಲೇಷಿತ ವಸ್ತುಗಳ ನಡುವಿನ ಅಂತರ), ಕನಿಷ್ಠ ಸಂಭವನೀಯ ಆಯಾಮದ ಜ್ಯಾಮಿತೀಯ ಜಾಗವನ್ನು ಪುನರ್ನಿರ್ಮಿಸಲಾಗಿದೆ, ಇದರಲ್ಲಿ ವಿಶ್ಲೇಷಿಸಿದ ವಸ್ತುಗಳಿಗೆ ಅನುಗುಣವಾದ ನಿರ್ದೇಶಾಂಕ ಬಿಂದುಗಳ ನಡುವಿನ ಅಂತರವು ಹೋಲಿಕೆಯ ಮ್ಯಾಟ್ರಿಕ್ಸ್ನ ವ್ಯಕ್ತಿನಿಷ್ಠ ಅಂತರಗಳಿಗೆ ಹೋಲುತ್ತದೆ. .
ಗಣಿತದ ಪ್ರಕಾರ, ಬಹುಆಯಾಮದ ಸ್ಕೇಲಿಂಗ್ ಕಾರ್ಯವಿಧಾನವು ಬಿಂದುಗಳ ನಡುವಿನ ತಿಳಿದಿರುವ ಅಂತರಗಳ ಆಧಾರದ ಮೇಲೆ ಕೆಲವು ನಿರ್ದೇಶಾಂಕ ಅಕ್ಷಗಳ ಮೇಲೆ ಬಿಂದುಗಳ ನಿರ್ದೇಶಾಂಕ ಪ್ರಕ್ಷೇಪಗಳನ್ನು ನಿರ್ಧರಿಸುವಲ್ಲಿ ಒಳಗೊಂಡಿದೆ.
ಸೆಮ್ಯಾಂಟಿಕ್ ಸ್ಪೇಸ್‌ನ ಆಯ್ದ ಅಂಶ-ಅಕ್ಷಗಳಿಗೆ ಪ್ರತಿ ಪದದ ಲೋಡಿಂಗ್‌ಗಳ ಆಧಾರದ ಮೇಲೆ, ಲಾಕ್ಷಣಿಕ ಜಾಗದಲ್ಲಿ ಈ ಪದಗಳ ನಿರ್ದೇಶಾಂಕಗಳನ್ನು ಮರುನಿರ್ಮಿಸಲಾಯಿತು.
ಅಂಶ 1
ಅಂಶ 1
ಹೆಸರಿಸಲಾಗಿದೆ "ಗಾತ್ರ"(ಹದ್ದು, ಒಂದು ಕಂಬದಲ್ಲಿ ಹೆಬ್ಬಾತು, ಇನ್ನೊಂದು ಕಂಬದಲ್ಲಿ ರಾಬಿನ್, ಗುಬ್ಬಚ್ಚಿ, ನೀಲಿ ಗಿಳಿ).
ಅಂಶ 2ಹೆಸರನ್ನು ಪಡೆದರು "ಅನಾಗರಿಕತೆ"(ಹದ್ದು, ಜೇ, ಗುಬ್ಬಚ್ಚಿ, ರಾಬಿನ್) ಕೋಳಿ (ಕೋಳಿ, ಬಾತುಕೋಳಿ, ಹೆಬ್ಬಾತು) ವಿರುದ್ಧವಾಗಿ.
ಎರಡು ವಸ್ತುಗಳ ನಡುವಿನ ಶಬ್ದಾರ್ಥದ ಅಂತರವನ್ನು ಎರಡು ಆಯಾಮದ ಜಾಗದಲ್ಲಿ ಈ ಮೌಲ್ಯಗಳ ಎರಡು ನಿರ್ದೇಶಾಂಕ ಬಿಂದುಗಳ ನಡುವಿನ ಅಂತರದಿಂದ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಸೂತ್ರವನ್ನು ಬಳಸಿಕೊಂಡು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ:
ಡಿ(ಶಬ್ದಾರ್ಥದ ಅಂತರ) =
(x1 - x2)2 + (y1 - y2)2
ಸಂಘದ ಪ್ರಯೋಗ
ಲಾಕ್ಷಣಿಕ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಹೆಚ್ಚು ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ ತಂತ್ರ.
J. Deese (1962), Dixon and Horton (1968), Creelman (1965) ಕೃತಿಗಳಲ್ಲಿ ವಿವರವಾಗಿ ಚರ್ಚಿಸಲಾಗಿದೆ.
ಸಂಘಗಳ ಆಧಾರವಾಗಿರುವ ಪ್ರಕ್ರಿಯೆಗಳ ಮಾನಸಿಕ ಸ್ವಭಾವದ ವಿಶ್ಲೇಷಣೆಯನ್ನು A.A. ಲಿಯೊಂಟಿಯೆವಾ, ಎಲ್.ಬಿ. ಇಟೆಲ್ಸನ್, ಎ.ಎ. ಬ್ರೂಡ್ನಿ, ಬಿ.ಎ. ಎರ್ಮೊಲೇವಾ, ವಿ.ಎಫ್. ಪೆಟ್ರೆಂಕೊ ಮತ್ತು ಇತರರು.
ಪ್ರಯೋಗದ ಸಾಮಾನ್ಯ ಯೋಜನೆ:
ಪ್ರಯೋಗದ ಸಾಮಾನ್ಯ ಯೋಜನೆ:
ವಿಷಯವನ್ನು ಪ್ರಚೋದನೆ ಎಂಬ ಪದದೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಮನಸ್ಸಿಗೆ ಬರುವ ಮೊದಲ ಸಂಘಗಳನ್ನು ನೀಡಲು ಕೇಳಲಾಗುತ್ತದೆ
ಒಂದು ಸಹಾಯಕ ಪ್ರಯೋಗವನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ದೊಡ್ಡ ಮಾದರಿಗಳಲ್ಲಿ ನಡೆಸಲಾಗುತ್ತದೆ, ಮತ್ತು ವಿಷಯಗಳು ನೀಡಿದ ಸಂಘಗಳ ಆಧಾರದ ಮೇಲೆ, ಪ್ರತಿ ಪ್ರಚೋದಕ ಪದಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆ ಪದಗಳ ಆವರ್ತನ ವಿತರಣೆಯ ಕೋಷ್ಟಕವನ್ನು ನಿರ್ಮಿಸಲಾಗುತ್ತದೆ.
ಮಾದರಿ: 355 ಜನರು
ಒಂದು ಜೋಡಿ ಪದಗಳ ಶಬ್ದಾರ್ಥದ ಸಾಮೀಪ್ಯದ (ದೂರ) ಅಳತೆಯು ಉತ್ತರಗಳ ವಿತರಣೆಯಲ್ಲಿ ಕಾಕತಾಳೀಯತೆಯ ಮಟ್ಟವಾಗಿದೆ.
ಅಂದರೆ, ವಿಶ್ಲೇಷಣೆಯ ವಸ್ತುಗಳ ಹೋಲಿಕೆಯ ಮಟ್ಟವನ್ನು ಅವುಗಳ ಮೇಲಿನ ಸಂಘಗಳ ಡೇಟಾದ ಹೋಲಿಕೆಯ ಮೂಲಕ ಸ್ಥಾಪಿಸಲಾಗಿದೆ.
ವಿಭಿನ್ನ ಲೇಖಕರ ಕೃತಿಗಳಲ್ಲಿನ ಈ ಮೌಲ್ಯವನ್ನು ಕರೆಯಬಹುದು: "ಛೇದಕ ಗುಣಾಂಕ", "ಅಸೋಸಿಯೇಷನ್ ಗುಣಾಂಕ", "ಅತಿಕ್ರಮಣ ಅಳತೆ".
ರಾಸ್್ಬೆರ್ರಿಸ್, ಸ್ಟ್ರಾಬೆರಿಮತ್ತು ಸಿಹಿ
ಸಹಾಯಕ ಪ್ರಯೋಗದ ಫಲಿತಾಂಶಗಳ ಪ್ರಕಾರ, ಈ ಕೆಳಗಿನ ಪದಗಳು "ಬೆರ್ರಿ" ಪದಕ್ಕೆ ಶಬ್ದಾರ್ಥವಾಗಿ ಹತ್ತಿರದಲ್ಲಿವೆ: ರಾಸ್್ಬೆರ್ರಿಸ್, ಸ್ಟ್ರಾಬೆರಿಮತ್ತು ಸಿಹಿ, ನಂತರ ಕರಂಟ್್ಗಳು, ಚೆರ್ರಿಗಳು ಮತ್ತು ರೋವನ್. "ರಸ" ಎಂಬ ಪದವು ಹತ್ತಿರದ ಶಬ್ದಾರ್ಥದ ಹೋಲಿಕೆಯಿಂದ ನಿರೂಪಿಸಲ್ಪಟ್ಟಿದೆ.
ನಂತೆ ಸಾಧ್ಯ
ನಂತೆ ಸಾಧ್ಯ ಉಚಿತ ಸಂಘದ ಪ್ರಯೋಗ, ಉತ್ತರಗಳನ್ನು ಆಯ್ಕೆಮಾಡುವಲ್ಲಿ ವಿಷಯವು ಸೀಮಿತವಾಗಿಲ್ಲ, ಮತ್ತು ಸಂಘದ ಪ್ರಯೋಗವನ್ನು ನಿರ್ದೇಶಿಸಿದರು, ಅದರ ಸಹಾಯಕ ಹರಿವು ನಿರ್ದಿಷ್ಟ ವ್ಯಾಕರಣ ವರ್ಗದ ಚೌಕಟ್ಟಿಗೆ ಸೂಚನೆಯ ಮೂಲಕ ಸೀಮಿತವಾಗಿದೆ.
ಸಂಘಗಳನ್ನು ವಿಂಗಡಿಸಲಾಗಿದೆ ಮಾದರಿ ವಾಕ್ಯರಚನೆ
ಸಂಘಗಳನ್ನು ವಿಂಗಡಿಸಲಾಗಿದೆ ಮಾದರಿ(ಪ್ರತಿಕ್ರಿಯೆ ಪದಗಳು ಮತ್ತು ಅದೇ ವ್ಯಾಕರಣ ವರ್ಗದಿಂದ ಪ್ರಚೋದಕ ಪದಗಳು: ತಂದೆ-ತಾಯಿ, ಕುರ್ಚಿ-ಮೇಜು, ಇತ್ಯಾದಿ) ಮತ್ತು ವಾಕ್ಯರಚನೆ(ವಿವಿಧ ವ್ಯಾಕರಣ ವರ್ಗಗಳಿಂದ ಪ್ರಚೋದಕ ಪದಗಳು ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆ ಪದಗಳು: ಕಾರು ಚಾಲನೆ, ಧೂಮಪಾನ-ಕೆಟ್ಟದು, ಇತ್ಯಾದಿ)
ಅನುಕೂಲಗಳು
- ಸರಳತೆ, ಬಳಕೆಯ ಸುಲಭ, ಏಕೆಂದರೆ ವಿಷಯಗಳ ದೊಡ್ಡ ಗುಂಪುಗಳ ಮೇಲೆ ಏಕಕಾಲದಲ್ಲಿ ನಡೆಸಬಹುದು;
- ಸುಪ್ತಾವಸ್ಥೆಯ ಘಟಕಗಳನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ, ಏಕೆಂದರೆ ವಿಷಯಗಳು "ಬಳಕೆಯ ಮೋಡ್" ನಲ್ಲಿ ಅರ್ಥದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುತ್ತವೆ;
- ಸಹಾಯಕ ತಂತ್ರವು ಭಾಷಾ ಅರ್ಥಗಳ ಹಿಂದಿನ ಅರಿವಿನ ರಚನೆಗಳು ಮತ್ತು ವಿಷಯಗಳ ವೈಯಕ್ತಿಕ ಗುಣಲಕ್ಷಣಗಳು, ಅವರ ವೈಯಕ್ತಿಕ ಅರ್ಥಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ.
ನ್ಯೂನತೆಗಳು
- ಫೋನಾಲಾಜಿಕಲ್ ಮತ್ತು ಸಿಂಟ್ಯಾಕ್ಟಿಕ್ ಹೋಲಿಕೆಗೆ ಸೂಕ್ಷ್ಮತೆ (ಮಾತಿನ ಅಂಚೆಚೀಟಿಗಳ ಬಳಕೆ, ಕ್ಲೀಷೆಗಳು).
ಲಾಕ್ಷಣಿಕ ಭೇದಾತ್ಮಕ ವಿಧಾನ
ಚಾರ್ಲ್ಸ್ ಓಸ್ಗುಡ್.
1955 ರಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ ನೇತೃತ್ವದ ಅಮೇರಿಕನ್ ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞರ ಗುಂಪು ಚಾರ್ಲ್ಸ್ ಓಸ್ಗುಡ್.
ಮೂಲತಃ ಸಂಶೋಧನೆಗೆ ಬಳಸಲಾಗಿದೆ ಸಿನೆಸ್ಥೇಶಿಯ ಕಾರ್ಯವಿಧಾನಗಳು.
ಸಂಬಂಧಿಸಿದ ಸಂಶೋಧನೆಯಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ ಗ್ರಹಿಕೆಮತ್ತು ನಡವಳಿಕೆವ್ಯಕ್ತಿ, ವಿಶ್ಲೇಷಣೆಯೊಂದಿಗೆ ಸಾಮಾಜಿಕ ವರ್ತನೆಗಳು, ವೈಯಕ್ತಿಕ ಅರ್ಥಗಳು.
SD ವಿಧಾನವು ಕಾರ್ಯವಿಧಾನಗಳ ಸಂಯೋಜನೆಯಾಗಿದೆ ಸ್ಕೇಲಿಂಗ್ಮತ್ತು ವಿಧಾನ ನಿಯಂತ್ರಿತ ಸಂಘಗಳು.
- SD ವಿಧಾನವು ಸಾಂಕೇತಿಕ ಅರ್ಥವನ್ನು ಅಳೆಯುತ್ತದೆ. ಇವು ಪ್ರಚೋದಕ ಚಿಹ್ನೆಯ ಗ್ರಹಿಕೆಯನ್ನು ಅನುಸರಿಸುವ ರಾಜ್ಯಗಳಾಗಿವೆ ಮತ್ತು ಸಂಕೇತಗಳೊಂದಿಗೆ ಅರ್ಥಪೂರ್ಣ ಕಾರ್ಯಾಚರಣೆಗಳಿಗೆ ಅಗತ್ಯವಾಗಿ ಮುಂಚಿತವಾಗಿರುತ್ತವೆ (ಓಸ್ಗುಡ್, 1957).
- ಸೋವಿಯತ್ ಮನೋವಿಜ್ಞಾನದಲ್ಲಿ ಇದರ ಸಾದೃಶ್ಯವೆಂದರೆ "ವೈಯಕ್ತಿಕ ಅರ್ಥ" ಎಂಬ ಪರಿಕಲ್ಪನೆಯಾಗಿದೆ, ವಿಷಯದ ಅರ್ಥದ ಅರ್ಥ (A.A. Leontiev, 1965; A.N. Leontiev, 1975).
- SD ವಿಧಾನದಲ್ಲಿ, ಅಳತೆ ಮಾಡಿದ ವಸ್ತುಗಳನ್ನು (ಪರಿಕಲ್ಪನೆಗಳು, ಚಿತ್ರಗಳು, ಪಾತ್ರಗಳು, ಇತ್ಯಾದಿ) ಹಲವಾರು ಬೈಪೋಲಾರ್ ಶ್ರೇಣೀಕೃತ ಮಾಪಕಗಳ (ಮೂರು-, ಐದು-, ಏಳು-ಪಾಯಿಂಟ್) ಮಾಪಕಗಳ ಮೇಲೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗುತ್ತದೆ, ಇವುಗಳ ಧ್ರುವಗಳನ್ನು ಮೌಖಿಕ ವಿರೋಧಾಭಾಸಗಳನ್ನು ಬಳಸಿ ನಿರ್ದಿಷ್ಟಪಡಿಸಲಾಗುತ್ತದೆ.
SD ವಿಧಾನದ ಪ್ರಯೋಜನಗಳು
- SD ವಿಧಾನದ ಪ್ರಯೋಜನಗಳು
- ಸಾಂದ್ರತೆ (ಸಹಾಯಕ ವಿಧಾನಕ್ಕಿಂತ ಭಿನ್ನವಾಗಿ).
- ದತ್ತಾಂಶ ಸಂಸ್ಕರಣೆಯ ಸುಲಭ (ಸಂಖ್ಯಾತ್ಮಕವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾದ ಪ್ರಮಾಣಿತ ಡೇಟಾ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಪ್ರಕ್ರಿಯೆಗೆ ಸುಲಭವಾಗಿ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ).
- ಪ್ರಾಸಬದ್ಧ ಕ್ಲೀಷೆಗಳ ತತ್ವವನ್ನು ಆಧರಿಸಿ ಸಂಘಗಳ ಸಾಧ್ಯತೆ, ಪ್ರಾಸಬದ್ಧ ಸಂಘಗಳು, ಅಂದರೆ. ಸಂಬಂಧಗಳು ವಿಷಯ ಯೋಜನೆಯ ಹೋಲಿಕೆಯಿಂದ ಉಂಟಾಗುವುದಿಲ್ಲ, ಆದರೆ ಅಭಿವ್ಯಕ್ತಿ ಯೋಜನೆಯ ಹೋಲಿಕೆಯಿಂದ.
SD ವಿಧಾನದ ಅನಾನುಕೂಲಗಳು
SD ವಿಧಾನದ ಅನಾನುಕೂಲಗಳು
ಆಯ್ದ ಮಾಪಕಗಳು ಅವನಿಗೆ ಗಮನಾರ್ಹವಲ್ಲದ ಅಧ್ಯಯನ ಮಾಡಿದ ವಸ್ತುವಿನ ವಿಷಯ ವಿಭಾಗಗಳ ಮೇಲೆ ಹೇರಬಹುದು.
ಮಾಹಿತಿ ಸಂಸ್ಕರಣೆ
ಪ್ರತ್ಯೇಕ ಮಾಪಕಗಳಲ್ಲಿನ ಪರಿಕಲ್ಪನೆಯ ಅಂಕಗಳು ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿವೆ. ಅಂಶ ವಿಶ್ಲೇಷಣೆಯ ಸಹಾಯದಿಂದ, ಹೆಚ್ಚು ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿರುವ ಮಾಪಕಗಳ ಕಟ್ಟುಗಳನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ಅವುಗಳನ್ನು ಅಂಶಗಳಾಗಿ ಗುಂಪು ಮಾಡಲು ಸಾಧ್ಯವಿದೆ.
Ch. ಓಜ್ಗುಡ್ ಮಾನಸಿಕ ಕಾರ್ಯವಿಧಾನವನ್ನು ಪರಿಗಣಿಸಿದ್ದಾರೆ, ಅದು ಮಾಪಕಗಳ ಪರಸ್ಪರ ಸಂಪರ್ಕವನ್ನು ಖಾತ್ರಿಗೊಳಿಸುತ್ತದೆ ಸೆನೆಸ್ಟೇಷಿಯಾ.
ಅಮೇರಿಕನ್ ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞ L. ಮಾರ್ಕ್ಸ್ (1975) ಜೀವಿಗಳ ಮಟ್ಟದಲ್ಲಿ ಸಾಮಾನ್ಯೀಕರಣವನ್ನು ಒದಗಿಸುವ ಪೂರ್ವಭಾಷಾ ವರ್ಗೀಕರಣದ ಸಾರ್ವತ್ರಿಕ ರೂಪವಾಗಿ ಸಿನೆಸ್ತೇಷಿಯಾವನ್ನು ಪರಿಗಣಿಸಿದ್ದಾರೆ.
SD ವಿಧಾನದಲ್ಲಿ ಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ವಸ್ತುಗಳ ಸಾಮೀಪ್ಯದ ಅಳತೆಯು SD ಮಾಪಕಗಳಲ್ಲಿ ನೀಡಲಾದ ಮೌಲ್ಯಮಾಪನ ಪ್ರೊಫೈಲ್‌ಗಳ ಹೋಲಿಕೆಯಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಭಾವನಾತ್ಮಕ ಅಭಿವ್ಯಕ್ತಿ, ಅಭಿವ್ಯಕ್ತಿಯ ಅಂಶದ ಪ್ರಕಾರ SD ವಿಧಾನವನ್ನು "ಮಾತಿನ ಗುಣಲಕ್ಷಣಗಳ ಮೌಲ್ಯಮಾಪನ" ಬಳಸಿಕೊಂಡು ಪಡೆದ ಮೂರು ಪ್ರೊಫೈಲ್ಗಳನ್ನು ಪರಿಗಣಿಸೋಣ.
ಮೊದಲ ಪ್ರೊಫೈಲ್ (*) ಎರಡನೇ ಮತ್ತು ಮೂರನೇ ಪ್ರೊಫೈಲ್‌ಗಳಿಂದ (@, +) ಅಂದಾಜುಗಳಲ್ಲಿ ಗಮನಾರ್ಹವಾಗಿ ಭಿನ್ನವಾಗಿದೆ ಎಂದು ಅಂಕಿ ತೋರಿಸುತ್ತದೆ. ಮತ್ತು ಕೊನೆಯ ಎರಡು ಪ್ರೊಫೈಲ್‌ಗಳು ಪರಸ್ಪರ ಹೋಲುತ್ತವೆ.
ಅಂಶಗಳು ಆಂಟೊನಿಮ್ ಗುಣವಾಚಕಗಳ ಸಾಮಾನ್ಯೀಕರಣದ ಒಂದು ರೂಪವಾಗಿದೆ. ಮಾಪಕಗಳನ್ನು ಅಂಶಗಳಾಗಿ ಗುಂಪು ಮಾಡುವುದರಿಂದ ಮಾಪಕಗಳಿಂದ (ಪೋಲಾರ್ ಪ್ರೊಫೈಲ್ ವಿಧಾನ) ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಬಳಸಿಕೊಂಡು ವಸ್ತುಗಳನ್ನು ವಿವರಿಸುವುದರಿಂದ ಸಣ್ಣ ವರ್ಗದ ಅಂಶಗಳ ಗುಂಪನ್ನು ಬಳಸಿಕೊಂಡು ಹೆಚ್ಚು ಸಾಮರ್ಥ್ಯದ ವಿವರಣೆಗೆ ಚಲಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ.
ಆಯ್ಕೆಮಾಡಿದ ಪ್ರತಿಯೊಂದು ಅಂಶಗಳಿಗೆ ವಸ್ತುವಿನ ಲೋಡಿಂಗ್‌ಗಳನ್ನು ಈ ಅಂಶದಲ್ಲಿ ಸೇರಿಸಲಾದ ಮಾಪಕಗಳ ಮೇಲಿನ ವಸ್ತುವಿನ ರೇಟಿಂಗ್‌ಗಳ ಅಂಕಗಣಿತದ ಸರಾಸರಿಯಾಗಿ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ.
- ಗಣಿತದ ಪ್ರಕಾರ, ಲಾಕ್ಷಣಿಕ ಜಾಗದ ನಿರ್ಮಾಣವು ಹೆಚ್ಚಿನ ಆಯಾಮದ ಆಧಾರದಿಂದ ಕೆಳ ಆಯಾಮದ ಆಧಾರಕ್ಕೆ (ಮಾಪಕಗಳಿಂದ ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ವೈಶಿಷ್ಟ್ಯಗಳು) ಕಡಿಮೆ ಆಯಾಮದ ಆಧಾರಕ್ಕೆ (ವರ್ಗ-ಅಂಶಗಳು) ಪರಿವರ್ತನೆಯಾಗಿದೆ.
ಜ್ಯಾಮಿತೀಯವಾಗಿ, ಶಬ್ದಾರ್ಥದ ಜಾಗದ ಅಕ್ಷಗಳು ವರ್ಗದ ಅಂಶಗಳಾಗಿವೆ (ಆರ್ಥೋಗೋನಲ್, ಪರಸ್ಪರ ಸ್ವತಂತ್ರ).
ವಸ್ತುಗಳ ಅರ್ಥಗರ್ಭಿತ ಅರ್ಥಗಳು (ಭಾವನಾತ್ಮಕವಾಗಿ ಶ್ರೀಮಂತ, ದುರ್ಬಲವಾದ ರಚನೆ ಮತ್ತು ಸಾಮಾನ್ಯೀಕರಣದ ಸ್ವಲ್ಪ ಅರಿತುಕೊಂಡ ರೂಪಗಳು) ಈ ಜಾಗದಲ್ಲಿ ನಿರ್ದೇಶಾಂಕ ಬಿಂದುಗಳು ಅಥವಾ ವಾಹಕಗಳಾಗಿ ನಿರ್ದಿಷ್ಟಪಡಿಸಲಾಗಿದೆ. ಫ್ಯಾಕ್ಟರ್ ಅಕ್ಷಗಳ ಮೇಲಿನ ಅವುಗಳ ಪ್ರಕ್ಷೇಪಗಳ ಜ್ಞಾನದ ಆಧಾರದ ಮೇಲೆ ಈ ಬಿಂದುಗಳನ್ನು ಪುನರ್ನಿರ್ಮಿಸಲಾಗಿದೆ (ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಇವುಗಳು ಪ್ರತಿ ಅಂಶಕ್ಕೆ ವಸ್ತುವಿನ ಅಂಶದ ಲೋಡಿಂಗ್ಗಳು).
ಅವರ ಅಧ್ಯಯನಗಳಲ್ಲಿ, ಓಜ್ಗುಡ್ (1962) ವಿವಿಧ ರೀತಿಯ ಪರಿಕಲ್ಪನಾ ವರ್ಗಗಳಿಂದ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಮಾಪನ ಮಾಡಿದರು ಮತ್ತು ವಿಭಿನ್ನ ಭಾಷಾ ಸಂಸ್ಕೃತಿಗಳ ಪ್ರತಿನಿಧಿಗಳು, ವಿವಿಧ ಶೈಕ್ಷಣಿಕ ಹಂತಗಳ ಜನರು ಮತ್ತು ಆರೋಗ್ಯಕರ ವಿಷಯಗಳೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ ಸ್ಕಿಜೋಫ್ರೇನಿಯಾ ರೋಗಿಗಳಲ್ಲಿ ಒಂದೇ ರೀತಿಯ ಮೂರು ಸಾರ್ವತ್ರಿಕ ವರ್ಗೀಕರಣದ ಅಂಶಗಳನ್ನು ಗುರುತಿಸಿದ್ದಾರೆ.
ಚಾರ್ಲ್ಸ್ ಓಜ್ಗುಡ್ ಅವರಿಂದ ಮೂರು ಸಾರ್ವತ್ರಿಕ ಅಂಶಗಳು
ಚಟುವಟಿಕೆ
ಫೋರ್ಸ್
ಗ್ರೇಡ್
ಮಧುಮೇಹದ ವಿಧಗಳು
SD ವಿಧಾನದ ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ಈ ಕೆಳಗಿನ ಪ್ರವೃತ್ತಿಗಳನ್ನು ಗುರುತಿಸಬಹುದು:
- ಸಾರ್ವತ್ರಿಕ ಶಬ್ದಾರ್ಥದ ಸ್ಥಳಗಳ ನಿರ್ಮಾಣದಿಂದ ಪರಿವರ್ತನೆ, ವಿವಿಧ ವರ್ಗ ಪರಿಕಲ್ಪನೆಗಳಿಂದ ಶಬ್ದಕೋಶವನ್ನು ಪ್ರತ್ಯೇಕಿಸುವುದು, ನಿರ್ದಿಷ್ಟ ಶಬ್ದಾರ್ಥದ ಸ್ಥಳಗಳ ನಿರ್ಮಾಣಕ್ಕೆ.
- ವಿಶ್ಲೇಷಿಸಿದ ವಸ್ತುಗಳನ್ನು ವಿವರಿಸುವ ವಿಧಾನಗಳನ್ನು ವಿಸ್ತರಿಸುವುದು, ಮೌಖಿಕ, ನಿರ್ದಿಷ್ಟವಾಗಿ ದೃಶ್ಯ, ಮಾಪಕಗಳನ್ನು ನಿರ್ಮಿಸಲು ವ್ಯತಿರಿಕ್ತವಾಗಿ ಬಳಸಿ.
- ಯಾದೃಚ್ಛಿಕವಾಗಿ ಆಯ್ಕೆಮಾಡಿದ ವಿಷಯಗಳ ಗುಂಪು ಸರಾಸರಿ ಡೇಟಾದ ಆಧಾರದ ಮೇಲೆ ಸ್ಥಳಗಳ ನಿರ್ಮಾಣದಿಂದ ನಿಯಂತ್ರಿತ ಗುಣಲಕ್ಷಣ (ಲಿಂಗ, ವಯಸ್ಸು, ಸಾಮಾಜಿಕ ವರ್ಗ, ಇತ್ಯಾದಿ) ಮೂಲಕ ಒಂದುಗೂಡಿಸಿದ ವಿಷಯಗಳ ಗುಂಪನ್ನು ನಿರೂಪಿಸುವ ಶಬ್ದಾರ್ಥದ ಸ್ಥಳಗಳ ನಿರ್ಮಾಣಕ್ಕೆ ಅಥವಾ ಶಬ್ದಾರ್ಥದ ನಿರ್ಮಾಣಕ್ಕೆ ಪರಿವರ್ತನೆ. ವ್ಯಕ್ತಿತ್ವದ ಭೇದಾತ್ಮಕ ಮಾನಸಿಕ ಅಂಶಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವ ಜಾಗಗಳು ವಿಷಯ, ಅವನ ಅರಿವಿನ ಶೈಲಿ.
ಸೈಕೋಮೆಟ್ರಿಕ್ ತಂತ್ರಗಳು
ಮಾನಸಿಕ ಅಭ್ಯಾಸದಲ್ಲಿ, ಕ್ರಿಯಾತ್ಮಕ ಸ್ಥಿತಿಗಳ ರೋಗನಿರ್ಣಯವು ಹೆಚ್ಚಾಗಿ ಇರುತ್ತದೆ
ಆಧಾರದ ಮೇಲೆ ನಡೆಸಲಾಯಿತು ನಿರ್ದಿಷ್ಟ ರೀತಿಯ ಅನುಷ್ಠಾನದ ಯಶಸ್ಸನ್ನು ನಿರ್ಣಯಿಸುವುದು
ಚಟುವಟಿಕೆಗಳು. ಅದೇ ಸಮಯದಲ್ಲಿ, ಪ್ರಮಾಣ, ಗುಣಮಟ್ಟ ಮತ್ತು ಸೂಚಕಗಳ ಡೈನಾಮಿಕ್ಸ್
ಕಾರ್ಯವನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ವೇಗ, ಹಾಗೆಯೇ ಅನುಗುಣವಾದ ಬದಲಾವಣೆಗಳು
ಮಾನಸಿಕ ಕಾರ್ಯಗಳು. ವಿಶ್ಲೇಷಣೆಯ ವಿಷಯವು ನಿಜವಾಗಬಹುದು
ಮಾನವ ಕಾರ್ಮಿಕ ಚಟುವಟಿಕೆ. ಇದರಲ್ಲಿ ರಾಜ್ಯದ ಬದಲಾವಣೆಗಳ ಮುಖ್ಯ ಸೂಚಕಗಳು
ಈ ಸಂದರ್ಭದಲ್ಲಿ, ದಕ್ಷತೆಯ ಪರಿಮಾಣಾತ್ಮಕ ಮತ್ತು ಗುಣಾತ್ಮಕ ಗುಣಲಕ್ಷಣಗಳಲ್ಲಿ ಬದಲಾವಣೆಗಳಿವೆ
ಕೃತಿಗಳು, ಮುಖ್ಯವಾಗಿ ಅವುಗಳ ಬಾಹ್ಯ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ಆಧರಿಸಿದೆ. ಆದಾಗ್ಯೂ, ಬಾಹ್ಯ ಚಿಹ್ನೆಗಳು
ಕಾರ್ಮಿಕ ದಕ್ಷತೆಯ ಡೈನಾಮಿಕ್ಸ್ ವಿವಿಧ ಕಾರಣಗಳನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ, ಅಲ್ಲ
ಕ್ರಿಯಾತ್ಮಕ ಸ್ಥಿತಿಯಲ್ಲಿನ ಬದಲಾವಣೆಗಳಿಗೆ ನೇರವಾಗಿ ಸಂಬಂಧಿಸಿದೆ. ಜೊತೆಗೆ, ಫಾರ್
ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ವೃತ್ತಿಗಳಲ್ಲಿ ಈ ಮೌಲ್ಯವನ್ನು ಪ್ರಮಾಣೀಕರಿಸಲಾಗುವುದಿಲ್ಲ,
ಆದಾಗ್ಯೂ ಸ್ಥಿತಿಯನ್ನು ನಿರ್ಣಯಿಸುವ ಕಾರ್ಯವು ಪ್ರಸ್ತುತವಾಗಿದೆ. ಆದ್ದರಿಂದ, ಮುಖ್ಯ
ಮಾನಸಿಕ ರೋಗನಿರ್ಣಯ ಸಾಧನವು ಸಣ್ಣ ಪರೀಕ್ಷೆಗಳ ಬಳಕೆಯಾಗಿದೆ
ವಿವಿಧ ಮಾನಸಿಕ ಪ್ರಕ್ರಿಯೆಗಳ ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ನಿರೂಪಿಸುವ ಪರೀಕ್ಷೆಗಳು
ಸಂಬಂಧಿತ ವರ್ತನೆಯ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುವುದು. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಅಂದಾಜು ಸಮಸ್ಯೆ
ಕ್ರಿಯಾತ್ಮಕ ಸ್ಥಿತಿಯು ವಿಶಿಷ್ಟವಾದ ಸೈಕೋಮೆಟ್ರಿಕ್ ಕಾರ್ಯವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ - ವಿವರಿಸಲು ಮತ್ತು
ಕೆಲವು ಕಾರಣಗಳ ಪ್ರಭಾವದ ಅಡಿಯಲ್ಲಿ ಏನಾಯಿತು ಎಂಬುದನ್ನು ಲೆಕ್ಕಹಾಕಿ (ಇದರಲ್ಲಿ
ಕಾರ್ಮಿಕ ಚಟುವಟಿಕೆಯ ವಿಷಯದ ಸ್ಥಿತಿಯ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುವ ಅಂಶಗಳ ಸಂದರ್ಭದಲ್ಲಿ) ವರ್ಗಾವಣೆಗಳು
ಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ಮಾನಸಿಕ ಪ್ರಕ್ರಿಯೆಗಳು.
ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಈ ಕೆಳಗಿನ ಯಾವುದನ್ನಾದರೂ ಬಳಸಬಹುದು.
ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಪ್ರಾಯೋಗಿಕ ಮನೋವಿಜ್ಞಾನದಲ್ಲಿ ತಂತ್ರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ
ಗ್ರಹಿಕೆ, ಗಮನ, ಸ್ಮರಣೆ, ಚಿಂತನೆ, ಇತ್ಯಾದಿ ಪ್ರಕ್ರಿಯೆಗಳು ಇವುಗಳನ್ನು ಒಳಗೊಂಡಿವೆ
ಬೌರ್ಡನ್ ಪ್ರೂಫ್ ಪರೀಕ್ಷೆ, ಷುಲ್ಟೆ ಕೋಷ್ಟಕಗಳನ್ನು ಗುಣಲಕ್ಷಣಕ್ಕಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ
ಗಮನ, ಎಬ್ಬಿಂಗ್ಹೌಸ್ ಸಂಯೋಜನೆಯ ವಿಧಾನ, ಜೋಡಿಯಾಗಿರುವ ಸಂಘದ ವಿಧಾನ, ತಂತ್ರಗಳು
ನಿರಂತರ ಕ್ರೇಪೆಲಿನ್ ಎಣಿಕೆ ಮತ್ತು ಪ್ರಾಥಮಿಕ ಪಿಯೆರಾನ್-ರೂಸರ್ ಎನ್‌ಕ್ರಿಪ್ಶನ್,
ಬೌದ್ಧಿಕ ಪ್ರಕ್ರಿಯೆಗಳ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಉದ್ದೇಶಿಸಲಾಗಿದೆ. ಅವುಗಳಲ್ಲಿ ಪಟ್ಟಿ ಮಾಡಲಾದ ಪರೀಕ್ಷೆಗಳು
ಆಧುನಿಕ ರೋಗನಿರ್ಣಯದಲ್ಲಿ ಹಲವಾರು ಮಾರ್ಪಾಡುಗಳನ್ನು ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ
ಅಭ್ಯಾಸ. ಅವುಗಳನ್ನು ಸಾಕಷ್ಟು ಪರಿಣಾಮಕಾರಿ ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಮುಖ್ಯ ಶಸ್ತ್ರಾಗಾರವನ್ನು ರೂಪಿಸುತ್ತದೆ
ಎಂದರೆ ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞರು ಬಳಸುತ್ತಾರೆ.
ವಿಶಿಷ್ಟ ಗೆ ಸೈಕೋಮೆಟ್ರಿಕ್ ಕಾರ್ಯವಿಧಾನಗಳುಪರೀಕ್ಷೆಗಳನ್ನು ಸಹ ಸೇರಿಸಬೇಕು
ವ್ಯಾಖ್ಯಾನಗಳು ಸಂಪೂರ್ಣ ಮತ್ತು ಭೇದಾತ್ಮಕ ಸೂಕ್ಷ್ಮತೆಯ ಮಿತಿಗಳು ವಿ
ವಿವಿಧ ವಿಧಾನಗಳು, ನಿರ್ಣಾಯಕ ಫ್ಲಿಕ್ಕರ್ ಸಮ್ಮಿಳನ ಆವರ್ತನದ ನಿರ್ಣಯ (CFMF),
ಅನುಕ್ರಮ ಚಿತ್ರಗಳ ಡೈನಾಮಿಕ್ಸ್ ವಿಶ್ಲೇಷಣೆ. ಆದಾಗ್ಯೂ, ಇವುಗಳಲ್ಲಿ ಗಮನಿಸಲಾದ ಬದಲಾವಣೆಗಳು
ಮಾನಸಿಕ ಸೂಚಕಗಳಿಗೆ ಹೆಚ್ಚಾಗಿ ಶಾರೀರಿಕ ವ್ಯಾಖ್ಯಾನವನ್ನು ನೀಡಲಾಗುತ್ತದೆ, ಮತ್ತು ಅವುಗಳು
ತಪ್ಪಾಗಿ ಮತ್ತೊಂದು ವರ್ಗದ ವಿಧಾನಗಳಿಗೆ ಸೇರಿದೆ.
ಹೀಗಾಗಿ, ಶಾರೀರಿಕವನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಸಾಮಾನ್ಯ ವಿಧಾನಗಳಲ್ಲಿ ಒಂದೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ
ಆಯಾಸ ಮೌಲ್ಯಮಾಪನಗಳು - KFSM.
ಸಂವೇದನಾ ವ್ಯವಸ್ಥೆಗಳ ಕ್ರಿಯಾತ್ಮಕ ಸ್ಥಿತಿಯಲ್ಲಿನ ಬದಲಾವಣೆಗಳು ಮೊದಲು ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ
ಕೇವಲ ಸೂಕ್ಷ್ಮತೆಯ ಬದಲಾವಣೆಗಳು. ಆಯಾಸದ ಆರಂಭಿಕ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಸಹ
ಕಡಿಮೆ ಸ್ಪರ್ಶ ಮತ್ತು ಶ್ರವಣೇಂದ್ರಿಯ ಸಂವೇದನೆಯ ಪುರಾವೆಗಳನ್ನು ಗುರುತಿಸಲಾಗಿದೆ. ಮಿತಿಗಳ ಡೈನಾಮಿಕ್ಸ್
ವಿವಿಧ ಅಂಶಗಳ ಪ್ರಭಾವದ ಅಡಿಯಲ್ಲಿ ಸೂಕ್ಷ್ಮತೆಯನ್ನು ಗಮನಿಸಬಹುದು. ಅಗತ್ಯ
ಈ ಪ್ರಮಾಣಗಳು ವಿವಿಧ ರೀತಿಯ ಭೌತ-ರಾಸಾಯನಿಕಗಳಿಂದ ಪ್ರಭಾವಿತವಾಗಿವೆ
ಪರಿಸರ ಅಂಶಗಳು (ಸಣ್ಣ ನಿಕೋಟಿನ್ ಮಾದಕತೆಯಿಂದ
ಗಾಳಿಯಲ್ಲಿನ ಆಮ್ಲಜನಕದ ಅಂಶ ಮತ್ತು ವಾತಾವರಣದ ಪ್ರಮಾಣದಲ್ಲಿ ಉಚ್ಚಾರಣಾ ಬದಲಾವಣೆಗಳು
ಒತ್ತಡ, ಅವಧಿ 0.92 0 T ಚಟುವಟಿಕೆಯ ಕಾರ್ಯಕ್ಷಮತೆ63
1) ಮೊದಲನೆಯದಾಗಿ, ಕ್ರಿಯಾತ್ಮಕ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ನಿರ್ಣಯಿಸುವ ಕಾರ್ಯಗಳು
ರಾಜ್ಯ, ನಿಯಮದಂತೆ, ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ನಿಜವಾಗಿ ಏನು ನಿರ್ವಹಿಸುತ್ತಾನೆ ಎಂಬುದರೊಂದಿಗೆ ಸ್ವಲ್ಪ ಸಾಮಾನ್ಯವಾಗಿದೆ
ಚಟುವಟಿಕೆಗಳು. ಬಳಸಿದ ಪರೀಕ್ಷೆಗಳು ಮತ್ತು ವಿಷಯದ ನಡುವಿನ ಸ್ಥಿರತೆಯ ಕೊರತೆ
ಅನೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ ಕೆಲಸದ ಚಟುವಟಿಕೆಯು ಪರೀಕ್ಷೆಯ ವೈಫಲ್ಯಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ
ಕ್ರಿಯಾತ್ಮಕ ಸ್ಥಿತಿ. ಪರೀಕ್ಷೆಗಳ ಇಂತಹ ಅಸಮರ್ಪಕತೆಗೆ ಗಮನಾರ್ಹ ಉದಾಹರಣೆಯಾಗಿ
ನಾವು ಒಂದು ಅಧ್ಯಯನದ ಫಲಿತಾಂಶಗಳನ್ನು ಉಲ್ಲೇಖಿಸಬಹುದು, ಅದರಲ್ಲಿ ನಿರಂತರ 56-
ವಿಷಯಗಳ ನಡುವೆ ಅಸೆಂಬ್ಲಿ ಸಾಲಿನಲ್ಲಿ ಕೆಲಸದ ಗಂಟೆಗಳಲ್ಲಿ ಯಾವುದೇ ಇಳಿಕೆ ಕಂಡುಬಂದಿಲ್ಲ
ಪರೀಕ್ಷಾ ಕಾರ್ಯಕ್ಷಮತೆಯ ದಕ್ಷತೆ. ಕೆ. ಕ್ಯಾಮರೂನ್ ಗಮನಿಸಿದಂತೆ, ಈ ಫಲಿತಾಂಶವು ಅಸಂಭವವಾಗಿದೆ
ಪ್ರೇರಕ ಪರಿಣಾಮಗಳಿಂದ ವಿವರಿಸಬಹುದು - ಈ ಸಂದರ್ಭದಲ್ಲಿ ನಾವು ಮಾತನಾಡಬೇಕಾಗಿದೆ
ಪ್ರಜೆಗಳ ವೀರೋಚಿತ ಪ್ರಯತ್ನಗಳು. ಇದು ಹೆಚ್ಚಾಗಿ ವ್ಯತ್ಯಾಸವನ್ನು ಸೂಚಿಸುತ್ತದೆ
ಕಾರ್ಯಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಆಯ್ಕೆಮಾಡಿದ ವಿಧಾನ ಮತ್ತು ವಿಶ್ಲೇಷಿಸಿದವರ ಸೂಕ್ಷ್ಮತೆ
ಸೂಚಕಗಳು.
2) ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸೈಕೋಮೆಟ್ರಿಕ್ ವಿಧಾನಗಳ ಮತ್ತೊಂದು ಮೂಲಭೂತ ನ್ಯೂನತೆ
ಪರೀಕ್ಷೆಯು ಅವರ ಸಹಾಯದಿಂದ ನೀವು ಬಾಹ್ಯವನ್ನು ಮಾತ್ರ ಮೌಲ್ಯಮಾಪನ ಮಾಡಬಹುದು
ವಿಶ್ಲೇಷಿಸಿದ ಕಾರ್ಯದ ಪರಿಣಾಮಕಾರಿತ್ವ ಮತ್ತು ನಿಯಮದಂತೆ, ಏನನ್ನೂ ಹೇಳಲಾಗುವುದಿಲ್ಲ
ಗಮನಿಸಿದ ಬದಲಾವಣೆಗಳಿಗೆ ಕಾರಣಗಳು. ಅಂತಹ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುವ ಗುಂಪಿನ ಉದಾಹರಣೆಯನ್ನು ಬಳಸುವುದು
ಸೈಕೋಮೆಟ್ರಿಕ್ ಪರೀಕ್ಷೆಗಳು, ಅಲ್ಪಾವಧಿಯ ಸೂಚಕಗಳ ಡೈನಾಮಿಕ್ಸ್ನ ಮೌಲ್ಯಮಾಪನ
ಕಂಠಪಾಠ, ಈ ತೊಂದರೆಗಳ ನೈಜ ಮಹತ್ವವನ್ನು ಪ್ರದರ್ಶಿಸುವುದು ಸುಲಭ.
ಜೊತೆ ನಡೆಸಿದ ಅಲ್ಪಾವಧಿಯ ಸ್ಮರಣೆಯ ಹಲವಾರು ಅಧ್ಯಯನಗಳಲ್ಲಿ
ಸಾಂಪ್ರದಾಯಿಕ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು, ಅದರ ಸಾಪೇಕ್ಷ ಸ್ಥಿರತೆಯ ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿದೆ
ವಿವಿಧ ಪ್ರತಿಕೂಲ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಗುಣಲಕ್ಷಣಗಳು. ಸಹ ತೀವ್ರ ಅಡಿಯಲ್ಲಿ
ಲೋಡ್ಗಳು - ಹಠಾತ್ ತಾಪಮಾನ ಬದಲಾವಣೆಗಳು, ಗುರುತ್ವಾಕರ್ಷಣೆಯ ಓವರ್ಲೋಡ್ಗಳು,
ಹೈಪೋಡೈನಾಮಿಕ್ ಮೋಡ್, ಇತ್ಯಾದಿ - ಅಲ್ಪಾವಧಿಯ ಪರಿಣಾಮಕಾರಿತ್ವದಲ್ಲಿ ಕಡಿತ
ಕಂಠಪಾಠವು ಪಾತ್ರಕ್ಕೆ ನೇರವಾಗಿ ಸಂಬಂಧಿಸದಿದ್ದಾಗ ಮಾತ್ರ ಸಂಭವಿಸುತ್ತದೆ
ಚಟುವಟಿಕೆಗಳನ್ನು ನಡೆಸಿದರು. ಅದೇ ಸಮಯದಲ್ಲಿ, ಹಲವಾರು ಲೇಖಕರು ಆಯಾಸ ಮತ್ತು ಇತರವನ್ನು ಗಮನಿಸುತ್ತಾರೆ
ಪ್ರತಿಕೂಲವಾದ ಪರಿಸ್ಥಿತಿಗಳು ಮಾಹಿತಿಯನ್ನು ವರ್ಗಾಯಿಸುವ ಪ್ರಕ್ರಿಯೆಗಳ ಮೇಲೆ ಸ್ಪಷ್ಟವಾಗಿ ಪರಿಣಾಮ ಬೀರುತ್ತವೆ
ಅಲ್ಪಾವಧಿಯ ಸ್ಮರಣೆ u1087 ದೀರ್ಘಾವಧಿಯ ಸ್ಮರಣೆಗೆ ಮತ್ತು ನಂತರದ ವಸ್ತುಗಳಿಂದ ಹಿಂಪಡೆಯುವುದು. ಇವು
ಪ್ರಕ್ರಿಯೆಯ ಉನ್ನತ ಮಟ್ಟದ ಯಾಂತ್ರೀಕೃತಗೊಂಡ ಅಭಿವ್ಯಕ್ತಿಗಳು ಎಂದು ಸತ್ಯಗಳನ್ನು ಅರ್ಥೈಸಬಹುದು
ಅಲ್ಪಾವಧಿಯ ಸಂಗ್ರಹಣೆ ಮತ್ತು ಅದರ ಕಾರ್ಯಾಚರಣೆಯ ರಚನೆಯ ಸಂಕೀರ್ಣತೆ, ಇದು ಸಾಕಷ್ಟು ಮೃದುವಾಗಿರುತ್ತದೆ
ಆಪರೇಟಿಂಗ್ ಪರಿಸ್ಥಿತಿಗಳು ಬದಲಾದಾಗ ಪರಿಣಾಮಕಾರಿ ಕಂಠಪಾಠವನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು.
ಆದಾಗ್ಯೂ, ಆಧಾರವಾಗಿರುವ ಕಾರಣಗಳ ಕಲ್ಪನೆಯನ್ನು ಕಾಂಕ್ರೀಟ್ ಮಾಡಲು ಅವರು ನಮಗೆ ಅನುಮತಿಸುವುದಿಲ್ಲ
ಸಾಂಪ್ರದಾಯಿಕ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಪಡೆದ ವರ್ಗಾವಣೆಗಳ ಚಿತ್ರವು ಸಾಕಷ್ಟು ವೈವಿಧ್ಯಮಯವಾಗಿದೆ.
ಬಗ್ಗೆ ವಿಚಾರಗಳ ನಿರಂತರ ಪ್ರಾಯೋಗಿಕ ಅನುಷ್ಠಾನ
ವಿಶಾಲದೊಂದಿಗೆ ವ್ಯವಸ್ಥಿತ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿ ಕ್ರಿಯಾತ್ಮಕ ಸ್ಥಿತಿ
ಹೊಂದಾಣಿಕೆಯ ಸಾಮರ್ಥ್ಯಗಳು, ಕಾರ್ಯವಿಧಾನಗಳ ವಿಶ್ಲೇಷಣೆಗೆ ತಿರುಗುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ
ಅದರ ಅಭಿವ್ಯಕ್ತಿಗಳ ನಿಶ್ಚಿತಗಳನ್ನು ನಿರ್ಧರಿಸುವುದು. ಅಂತೆಯೇ, ಬಳಸಿದ ಕ್ರಮಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳು
ಸಾಧನವು ಅಂತಹ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯುವ ಸಾಧ್ಯತೆಯನ್ನು ಒದಗಿಸಬೇಕು. ಒಂದು
ಸಾಕಷ್ಟು ಸೈಕೋಮೆಟ್ರಿಕ್ ತಂತ್ರಗಳನ್ನು ರಚಿಸಲು ಅತ್ಯಂತ ಭರವಸೆಯ ಮಾರ್ಗಗಳು ಸಂಬಂಧಿಸಿವೆ
ಕ್ರಿಯಾತ್ಮಕ ರಚನೆಯ ಆಧುನಿಕ ಸೈದ್ಧಾಂತಿಕ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಬಳಸುವುದು
ವಿವಿಧ ಮಾನಸಿಕ ಪ್ರಕ್ರಿಯೆಗಳು.
ದಕ್ಷತೆಯ ಬದಲಾವಣೆಯ ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ವಿವರಿಸಲು ಪ್ರಯತ್ನಿಸುವಾಗ
ಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ಪ್ರಕ್ರಿಯೆಗಳಲ್ಲಿ, ಪ್ರಭಾವದ ಪ್ರಕಾರದ ಜ್ಞಾನವು ಮೂಲಭೂತ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಹೊಂದಿದೆ
ಹೊರೆಗಳು. ಎರಡು ಪರ್ಯಾಯ ಊಹೆಗಳನ್ನು ಮುಖ್ಯವಾದವುಗಳಾಗಿ ಪ್ರತ್ಯೇಕಿಸಬಹುದು.
ಅವುಗಳಲ್ಲಿ ಮೊದಲನೆಯದು ಪ್ರತಿಕೂಲವಾದ ಅಂಶಗಳಿಗೆ ಒಡ್ಡಿಕೊಳ್ಳುವ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ
ವ್ಯಕ್ತಿಯ ಸಂಪನ್ಮೂಲಗಳಲ್ಲಿ ಸಾಮಾನ್ಯ ಇಳಿಕೆ ಕಂಡುಬರುತ್ತದೆ, ಇದು ಏಕರೂಪಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ
ವಿವಿಧ ಕಾರ್ಯಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯಲ್ಲಿ ಕ್ಷೀಣತೆ. ಎರಡನೆಯದು ಅಭಿಪ್ರಾಯವನ್ನು ಆಧರಿಸಿದೆ
ಪ್ರತ್ಯೇಕ ರಚನೆಗಳ ಕಾರ್ಯಾಚರಣೆಯ ಮೇಲೆ ಹೊರೆಯ ಪ್ರಭಾವದ ನಿರ್ದಿಷ್ಟತೆ.
ನಿರ್ದಿಷ್ಟ ಅಥವಾ ಸ್ಥಳೀಯ ಲೋಡ್ ಪರಿಣಾಮದ ಅಸ್ತಿತ್ವದ ಮೇಲೆ
ಅನೇಕ ಅಧ್ಯಯನಗಳ ಫಲಿತಾಂಶಗಳು ಸೂಚಿಸುತ್ತವೆ. ಅತ್ಯಂತ ಗಮನಾರ್ಹವಾದ ಪುರಾವೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ
ಎಡ ಮತ್ತು ಬಲ ಅರ್ಧಗೋಳಗಳ ಕೆಲಸವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಈ ಊಹೆಯನ್ನು ಪಡೆಯಲಾಗಿದೆ
ಮೆದುಳು. ಹೀಗಾಗಿ, ದೀರ್ಘಕಾಲದವರೆಗೆ ವೇಳೆ ಕಂಡುಬಂದಿದೆ
ಮಾಹಿತಿಯನ್ನು ಕೇವಲ ಒಂದು ಗೋಳಾರ್ಧಕ್ಕೆ ತಿಳಿಸಲಾಗುತ್ತದೆ, ನಂತರ ಆಯಾಸವು ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ
ಇನ್ನೊಬ್ಬರ ಚಟುವಟಿಕೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು. ಜೊತೆಗೆ, ಎಡ ಗೋಳಾರ್ಧ
ಮೌಖಿಕ ಮಾಹಿತಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದು, ನಕಾರಾತ್ಮಕತೆಗೆ ಕಡಿಮೆ ನಿರೋಧಕವಾಗಿದೆ
ಸರಿಯಾದ ಒಂದಕ್ಕಿಂತ ಹೊರೆಗಳ ಪ್ರಭಾವ, ಪ್ರಾದೇಶಿಕ-ಉದ್ದೇಶವನ್ನು ಒದಗಿಸುತ್ತದೆ
ಪರಿಸ್ಥಿತಿಯ ವಿವರಣೆ.
ಅಂತಹ ಡೇಟಾವನ್ನು ಮೂರು ವಿಭಿನ್ನ ಊಹೆಗಳನ್ನು ಬಳಸಿಕೊಂಡು ವಿವರಿಸಬಹುದು:
ಎ) ಹೊರೆಯ ಪ್ರಭಾವದ ಅಡಿಯಲ್ಲಿ, ಎಲ್ಲಾ ರಚನೆಗಳಲ್ಲಿ ನೇರವಾಗಿ ಬದಲಾವಣೆಗಳು ಸಂಭವಿಸುತ್ತವೆ
ವಿಷಯವನ್ನು ಎದುರಿಸುತ್ತಿರುವ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುವ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ;
ಬೌ) ಲೋಡ್ ಸಾಮಾನ್ಯೀಕರಿಸಿದ, ಆದರೆ ವಿವಿಧ ಹಂತದ ಕ್ಷೀಣತೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ
ಕೆಲಸದಲ್ಲಿ ಒಳಗೊಂಡಿರುವಂತಹ ವಿವಿಧ ರಚನೆಗಳ ಚಟುವಟಿಕೆಗಳು;
ಸಿ) ಲೋಡ್ ಆಯ್ಕೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ, ಆದರೆ ಎಲ್ಲರಿಗೂ ಸಂಬಂಧಿಸಿದಂತೆ ನಿರ್ದಿಷ್ಟವಾಗಿಲ್ಲ
ಪರಿಹರಿಸಲಾಗುತ್ತಿರುವ ಸಮಸ್ಯೆಯ ವಿಶಿಷ್ಟತೆಗಳು, ಕೆಲವು ರಚನೆಗಳ ಉಲ್ಲಂಘನೆ.
ಬಹುಶಃ, ವಿಶ್ಲೇಷಣೆಯ ಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿ (ವೈಯಕ್ತಿಕ ನರಕೋಶಗಳು,
ಶಾರೀರಿಕ ವ್ಯವಸ್ಥೆಗಳು, ಮಾನಸಿಕ ಪ್ರಕ್ರಿಯೆಗಳು) ಲೋಡ್ ಪ್ರಭಾವದ ಪ್ರಕಾರವನ್ನು ಮಾಡಬಹುದು
ವಿಭಿನ್ನವಾಗಿ ಹೊರಹೊಮ್ಮುತ್ತದೆ. ಅರಿವಿನ ಕೋರ್ಸ್ ಅಧ್ಯಯನಕ್ಕೆ ಮೀಸಲಾದ ಅಧ್ಯಯನಗಳಲ್ಲಿ
ಪ್ರಕ್ರಿಯೆಗಳು (ಆಯ್ದ ಗಮನ, ಅಲ್ಪಾವಧಿಯ ಸ್ಮರಣೆ, ಶಬ್ದಾರ್ಥ
ಕೋಡಿಂಗ್) ಶಬ್ದ, ಆಯಾಸ, ಅಪಾಯ ಮತ್ತು ಇತರಕ್ಕೆ ಒಡ್ಡಿಕೊಳ್ಳುವ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ
ಪ್ರತಿಕೂಲವಾದ ಅಂಶಗಳು, ಮೂರನೇಯ ಸಿಂಧುತ್ವವನ್ನು ದೃಢೀಕರಿಸುವ ಡೇಟಾವನ್ನು ಪಡೆಯಲಾಗಿದೆ
ಕಲ್ಪನೆಗಳು. ಲೋಡ್ಗಳ ಋಣಾತ್ಮಕ ಪರಿಣಾಮವು ನಿರ್ದಿಷ್ಟ ಉಲ್ಲಂಘನೆಗಳಲ್ಲಿ ಪ್ರತಿಫಲಿಸುತ್ತದೆ
ಮಾನಸಿಕ ಕಾರ್ಯಾಚರಣೆಗಳ ಪ್ರಕಾರ - ಪೋಷಕದಲ್ಲಿ ವಿಚಿತ್ರವಾದ "ದುರ್ಬಲ ಬಿಂದುಗಳು"
ಕ್ರಿಯಾತ್ಮಕ ವ್ಯವಸ್ಥೆಗೆ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುವುದು. ಈ ನಿಟ್ಟಿನಲ್ಲಿ, ಇದು ಸೂಕ್ತವೆಂದು ತೋರುತ್ತದೆ
ಅನುಮತಿಸುವ ವಿಭಿನ್ನ ರೋಗನಿರ್ಣಯ ತಂತ್ರಗಳ ಸಂಕೀರ್ಣವನ್ನು ಬಳಸುವುದು
ಹೊರೆಯಿಂದ ಪ್ರಭಾವಿತವಾದ ಗುಣಲಕ್ಷಣಗಳ ಏಕಕಾಲಿಕ ಮೌಲ್ಯಮಾಪನವನ್ನು ಪಡೆದುಕೊಳ್ಳಿ
ವ್ಯವಸ್ಥೆಯ ಅಂಶಗಳು ಮತ್ತು ಅವುಗಳ ಸಂಬಂಧಗಳು.
ಸೈಕೋಮೆಟ್ರಿಕ್ ಯಶಸ್ವಿ ಬಳಕೆಗೆ ಅಗತ್ಯವಾದ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ
ತಂತ್ರಗಳು ಪ್ರಯೋಗದ ತಾಂತ್ರಿಕ ಬೆಂಬಲವಾಗಿದೆ. ಸಾಂಪ್ರದಾಯಿಕ ಸಾಧ್ಯತೆಗಳು
"ಪೆನ್ಸಿಲ್-ಪೇಪರ್" ಪ್ರಕಾರದ ಪ್ರಕಾರ ಆಯೋಜಿಸಲಾದ ಔಪಚಾರಿಕ ವಿಧಾನಗಳು ಸ್ಪಷ್ಟವಾಗಿ ಸಾಕಷ್ಟಿಲ್ಲ
ಅಧ್ಯಯನ ಮಾಡಿದ ಮಾನಸಿಕ ಪ್ರಕ್ರಿಯೆಗಳ ರಚನೆಯ ವಿವರವಾದ ವಿಶ್ಲೇಷಣೆಗಾಗಿ. ಬಳಕೆ
ರೋಗನಿರ್ಣಯದ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಯಂತ್ರಾಂಶ ತಂತ್ರಗಳು ಕೆಲವು ಅವಶ್ಯಕತೆಗಳನ್ನು ವಿಧಿಸುತ್ತವೆ
ಪರೀಕ್ಷಾ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಪ್ರಮಾಣೀಕರಿಸಲು ತಾಂತ್ರಿಕ ವಿಧಾನಗಳ ಏಕೀಕರಣ. ಒಂದು
ರೋಗನಿರ್ಣಯದ ತಾಂತ್ರಿಕ ತರ್ಕಬದ್ಧತೆಯ ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ
ಪ್ರಕ್ರಿಯೆಯು ಕಂಪ್ಯೂಟರ್ ಬಳಕೆಯಾಗಿದೆ. ಒಂದೆಡೆ, ನಿಯಂತ್ರಣ ಕಂಪ್ಯೂಟರ್ಗಳ ಆಧಾರದ ಮೇಲೆ
ಮಾಡೆಲಿಂಗ್ ಸಾಧ್ಯ ವಿವಿಧ ಸನ್ನಿವೇಶಗಳುಸಂಕೀರ್ಣದ ವಿಶ್ಲೇಷಣೆಗಾಗಿ
ನೈಜ ಸಮಯದಲ್ಲಿ ಮಾನಸಿಕ ಪ್ರಕ್ರಿಯೆಗಳು. ಇದನ್ನು ಬಳಕೆಯಿಂದ ಸುಗಮಗೊಳಿಸಲಾಗುತ್ತದೆ
ವಿವಿಧ ರೀತಿಯ ಪ್ರದರ್ಶನಗಳು, ಅದರ ಸಹಾಯದಿಂದ ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಪ್ರಸ್ತುತಿಯನ್ನು ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ
ಪ್ರಚೋದಕ ವಸ್ತುಗಳ ಪರಿಮಾಣದಲ್ಲಿ ವೈವಿಧ್ಯಮಯ ಮತ್ತು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಅನಿಯಮಿತವಾಗಿದೆ
ವಿಭಿನ್ನ ಸಮಯದ ಪರಿಸ್ಥಿತಿಗಳ ವ್ಯಾಪಕ ಶ್ರೇಣಿ. ಮತ್ತೊಂದೆಡೆ, ಇದ್ದರೆ
ಅನುಗುಣವಾದ ಸಾಫ್ಟ್‌ವೇರ್ ಅದನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ
ರೋಗನಿರ್ಣಯ ಪ್ರಯೋಗದ ಯಾಂತ್ರೀಕರಣ. ಅಗತ್ಯವನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುವುದರ ಜೊತೆಗೆ
ಮಾಹಿತಿ ಕಂಪ್ಯೂಟರ್ ಪರೀಕ್ಷಾ ವಿಷಯಗಳ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಯನ್ನು ನೋಂದಾಯಿಸಬಹುದು
ಪರೀಕ್ಷಾ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ನೇರವಾಗಿ ಡೇಟಾ. ಇದರ ಆಧಾರದ ಮೇಲೆ ಅದನ್ನು ಪಡೆಯಬಹುದು
ವ್ಯಕ್ತಿಯ ಕ್ರಿಯಾತ್ಮಕ ಸ್ಥಿತಿಯ ಎಕ್ಸ್ಪ್ರೆಸ್ ಮೌಲ್ಯಮಾಪನ. ಕಾರ್ಯವಿಧಾನದ ಔಪಚಾರಿಕೀಕರಣ
ಪರೀಕ್ಷೆಯ ಆಧಾರದ ಮೇಲೆ ಸೂಕ್ತವಾದ ಸಂಶೋಧನಾ ಕಾರ್ಯತಂತ್ರಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ
ಪ್ರಯೋಗಗಳನ್ನು ಯೋಜಿಸಲು ಮತ್ತು ಹೊಂದಾಣಿಕೆಯ ಕಾರ್ಯಕ್ರಮಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಸಾಕಷ್ಟು ತಂತ್ರಗಳು
ಮಾದರಿ. ಸಾಹಿತ್ಯದಲ್ಲಿ ಸ್ವಯಂಚಾಲಿತ ತಂತ್ರಾಂಶದ ವಿವರಣೆಗಳಿವೆ
ಸಂಕೀರ್ಣ ಸೈಕೋಮೆಟ್ರಿಕ್ ಮತ್ತು ಸೈಕೋಫಿಸಿಯೋಲಾಜಿಕಲ್ ಪ್ರಯೋಗಗಳು
ಸಂಶೋಧನೆ.
ಆದಾಗ್ಯೂ, ಪ್ರಾಯೋಗಿಕ ಸಂಶೋಧನೆಯ ಕ್ಷೇತ್ರದಲ್ಲಿ ಕಂಪ್ಯೂಟರ್ಗಳ ಪರಿಚಯವು ಯಾವಾಗಲೂ ಅಲ್ಲ
ಸಾಧ್ಯ ಎಂದು ತಿರುಗುತ್ತದೆ. ನಂತರ "ಸಣ್ಣ" ನಿಧಿಗಳು ಸಂಶೋಧಕರ ಸಹಾಯಕ್ಕೆ ಬರುತ್ತವೆ.
ಯಾಂತ್ರೀಕೃತಗೊಂಡ” - ಸಾಗಿಸಲು ವಿಶೇಷವಾದ ಪೋರ್ಟಬಲ್ ಸ್ಥಾಪನೆಗಳು
ಮುಂಚಿತವಾಗಿ ಸೈಕೋಮೆಟ್ರಿಕ್ ಕಾರ್ಯಗಳ ಸೀಮಿತ ವರ್ಗದೊಳಗೆ ಪರೀಕ್ಷೆ
ಸ್ಥಿರ ಪ್ರದೇಶದ ಪ್ರಾಯೋಗಿಕ ಪರಿಸ್ಥಿತಿಗಳು, ನಿರ್ವಹಿಸಲು ಸುಲಭ ಮತ್ತು ಸೂಕ್ತವಾಗಿದೆ
ಸಾರಿಗೆ. ಈಗಾಗಲೇ ಇದೇ ರೀತಿಯ ವಿಧಗಳಿವೆ
ವಿವಿಧ ಸಂಕೀರ್ಣಗಳ ಅನುಷ್ಠಾನಕ್ಕಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಪ್ರಾಯೋಗಿಕ ನಿಲುವುಗಳು
ಸೈಕೋಮೆಟ್ರಿಕ್ ತಂತ್ರಗಳು, ಪ್ರಯೋಗಾಲಯದಲ್ಲಿ ಮತ್ತು ಒಳಗೆ ಪರೀಕ್ಷಿಸಲಾಗಿದೆ
ಉತ್ಪಾದನಾ ಪರಿಸ್ಥಿತಿಗಳು.
ವಸ್ತುನಿಷ್ಠ ಮೌಲ್ಯಮಾಪನ ವಿಧಾನಗಳು
ರೋಗನಿರ್ಣಯದ ಉದ್ದೇಶಗಳಿಗಾಗಿ ವ್ಯಕ್ತಿನಿಷ್ಠ ತಂತ್ರಗಳನ್ನು ಬಳಸುವ ನಿರೀಕ್ಷೆಗಳು
ಸಮಯದಲ್ಲಿ ವಿವಿಧ ಪರಿಸ್ಥಿತಿಗಳ ರೋಗಲಕ್ಷಣಗಳ ವಿವಿಧ ಅಭಿವ್ಯಕ್ತಿಗಳಿಂದ ವಿವರಿಸಲಾಗಿದೆ
ವ್ಯಕ್ತಿಯ ಆಂತರಿಕ ಜೀವನ - ಆಯಾಸದ ಭಾವನೆಗಳ ಸಂಕೀರ್ಣದಿಂದ ನಿರ್ದಿಷ್ಟವಾಗಿ
ಚಟುವಟಿಕೆಯ ಅಸಾಮಾನ್ಯ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಸಂಭವಿಸುವ ಸ್ವಯಂ-ಭಾವನೆಯಲ್ಲಿನ ಬದಲಾವಣೆಗಳು.
ವ್ಯಕ್ತಿನಿಷ್ಠ ಮಾಹಿತಿ ವಿಷಯದ ಬಗ್ಗೆ ವ್ಯಾಪಕವಾದ ಅಭಿಪ್ರಾಯದ ಹೊರತಾಗಿಯೂ
ಡೇಟಾ, ಸಂಶೋಧನೆಯ ಈ ಕ್ಷೇತ್ರವು ದೀರ್ಘಕಾಲದವರೆಗೆ ವೈಜ್ಞಾನಿಕ ಅಭಿವೃದ್ಧಿಯ ಹೊರಗಿದೆ.
ಇದಲ್ಲದೆ, ಮೂಲಭೂತ ಸಮಸ್ಯೆ
ವಿಶ್ವಾಸಾರ್ಹ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಲು ಸ್ವಯಂ-ವರದಿ ಡೇಟಾವನ್ನು ಬಳಸುವ ಸಾಧ್ಯತೆ.
ವಾಸ್ತವವಾಗಿ, ವ್ಯಕ್ತಿನಿಷ್ಠ ಅನುಭವಗಳ ಸಂಕೀರ್ಣದ ರಚನೆಯು ನೇರವಾಗಿ ಪ್ರಭಾವಿತವಾಗಿರುತ್ತದೆ
ವಿಷಯದ ವರ್ತನೆ ಮತ್ತು ಅವನ ಆತ್ಮಾವಲೋಕನ ಕೌಶಲ್ಯಗಳು, ಪದವಿಯಂತಹ ಅಂಶಗಳು
ರೋಗಲಕ್ಷಣಗಳ ಅರಿವು ಮತ್ತು ಅವುಗಳ ಅಭಿವ್ಯಕ್ತಿಯ ಸಮಯ, ಮಟ್ಟದ ಮೇಲೆ ಉಚ್ಚಾರಣೆ ಅವಲಂಬನೆ
ಪ್ರೇರಣೆ, ಚಟುವಟಿಕೆಯ ಮಹತ್ವ, ವ್ಯಕ್ತಿಯ ವೈಯಕ್ತಿಕ ಗುಣಲಕ್ಷಣಗಳು. ಆದಾಗ್ಯೂ, ಪ್ರಕಾರ
S. G. ಗೆಲ್ಲರ್‌ಸ್ಟೈನ್ ಅವರ ನ್ಯಾಯೋಚಿತ ಹೇಳಿಕೆಯ ಪ್ರಕಾರ, ವ್ಯಕ್ತಿನಿಷ್ಠ ಅಭಿವ್ಯಕ್ತಿಗಳು ಏನೂ ಅಲ್ಲ
ಪ್ರಜ್ಞೆ ಅಥವಾ ಸಂವೇದನೆಗಳಲ್ಲಿ ವಸ್ತುನಿಷ್ಠ ಪ್ರಕ್ರಿಯೆಗಳ ಸ್ಥಿತಿಯ ಪ್ರತಿಬಿಂಬವನ್ನು ಹೊರತುಪಡಿಸಿ
ವ್ಯಕ್ತಿ. ಈ ಪ್ರದೇಶವನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಸಂಶೋಧಕರು ಸಾಕಷ್ಟು ಮಾರ್ಗವನ್ನು ಕಂಡುಕೊಳ್ಳಬೇಕು
ಜೀವನ ಚಟುವಟಿಕೆಯ ಅಭಿವ್ಯಕ್ತಿಗಳು. ನಡೆಯುತ್ತಿರುವ ವಿಷಯವನ್ನು ಸಾರಾಂಶಗೊಳಿಸಿ
ದಶಕಗಳ ಚರ್ಚೆಯ ಮೊದಲ ವ್ಯಕ್ತಿನಿಷ್ಠ ಸೃಷ್ಟಿಕರ್ತ B. Muschio ಅವರ ಮಾತುಗಳಲ್ಲಿ ಹೇಳಬಹುದು
ಆಯಾಸ ಸ್ಕೇಲಿಂಗ್ ತಂತ್ರಗಳು: "ಇದರ ಬಗ್ಗೆ ಹೆಚ್ಚು ಸಂಘರ್ಷದ ಅಭಿಪ್ರಾಯಗಳಿವೆ
ಆಯಾಸದ ಭಾವನೆಗಳನ್ನು ಆಯಾಸದ ಸೂಚಕಗಳಾಗಿ ಬಳಸುವ ಸಾಧ್ಯತೆ.
ಆದಾಗ್ಯೂ, ಅವು ಆಧುನಿಕ ಮನೋವಿಜ್ಞಾನದ ವಿಫಲ ಪ್ರಯತ್ನಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತವೆ
ವ್ಯವಹಾರಗಳ ನಿಜವಾದ ಸ್ಥಿತಿ."
ಸೈದ್ಧಾಂತಿಕ ಚರ್ಚೆಗಳಿಗೆ ಸಮಾನಾಂತರವಾಗಿ, ನಿರ್ದಿಷ್ಟತೆಯ ತೀವ್ರ ಬೆಳವಣಿಗೆ ಇದೆ
ಕ್ರಿಯಾತ್ಮಕ ಸ್ಥಿತಿಗಳ ವ್ಯಕ್ತಿನಿಷ್ಠ ಮೌಲ್ಯಮಾಪನದ ವಿಧಾನಗಳು. ಹೆಚ್ಚಾಗಿ ವಸ್ತುವಾಗಿ
ರೋಗನಿರ್ಣಯವು ಆಯಾಸವಾಗಿದೆ. ಆದಾಗ್ಯೂ, ಮೌಲ್ಯಮಾಪನಕ್ಕೆ ವ್ಯಕ್ತಿನಿಷ್ಠ ವಿಧಾನಗಳಿವೆ
ಏಕತಾನತೆಯ ಸ್ಥಿತಿಗಳು, ವಿವಿಧ ರೂಪಗಳುಆತಂಕ, ಒತ್ತಡ.
ಈ ಗುಂಪಿನ ತಂತ್ರಗಳ ಅಭಿವೃದ್ಧಿಯು ಎಚ್ಚರಿಕೆಯಿಂದ ಅಧ್ಯಯನದ ಮಾರ್ಗವನ್ನು ಅನುಸರಿಸಿತು
ಅಧ್ಯಯನದ ಅಡಿಯಲ್ಲಿ ಪರಿಸ್ಥಿತಿಗಳ ಲಕ್ಷಣಗಳು ಮತ್ತು ಎರಡು ಮುಖ್ಯ ವಿಧಾನಗಳ ಗುರುತಿಸುವಿಕೆ
ನಿರ್ದೇಶನಗಳು: ಸಮೀಕ್ಷೆಯ ವಿಧಾನ ಮತ್ತು ವ್ಯಕ್ತಿನಿಷ್ಠ ಅನುಭವಗಳನ್ನು ಸ್ಕೇಲಿಂಗ್ ಮಾಡುವ ವಿಧಾನ, ಇದು
ಒಂದು ನಿರ್ದಿಷ್ಟ ಅರ್ಥದಲ್ಲಿ ತಯಾರಿಕೆಯ ಸತತ ಹಂತಗಳೆಂದು ಪರಿಗಣಿಸಬಹುದು
ರೋಗನಿರ್ಣಯ ಪರೀಕ್ಷೆ.
ಪ್ರಶ್ನಾವಳಿಗಳು
ಈ ವಿಧಾನಗಳ ಗುಂಪು ಗುಣಾತ್ಮಕವಾಗಿ ವೈವಿಧ್ಯಮಯವಾಗಿ ಗುರುತಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ
ಹೆಚ್ಚು ಕಡಿಮೆ ಸುಲಭವಾಗಿ ಅರಿತುಕೊಳ್ಳಬಹುದಾದ ಸ್ಥಿತಿಯ ಅನುಭವಗಳು
ಮಾನವ. ಗುರುತಿಸಲಾದ ರೋಗಲಕ್ಷಣಗಳನ್ನು ವಿವರವಾದ ರೂಪದಲ್ಲಿ ಪ್ರಶ್ನಾವಳಿಯಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ
ಪ್ರಶ್ನೆ ಅಥವಾ ದೃಢೀಕರಣ ರೂಪಗಳಲ್ಲಿ ಮೌಖಿಕ ಸೂತ್ರೀಕರಣಗಳು.
ಪ್ರತಿ ರೋಗಲಕ್ಷಣದ ತೀವ್ರತೆಯ ಪರಿಮಾಣಾತ್ಮಕ ಮೌಲ್ಯಮಾಪನ ಅಥವಾ ನಿರ್ಣಯವು ಅಲ್ಲ
ಅಂತಹ ಸಂಶೋಧನೆಯ ಮುಖ್ಯ ಗುರಿಯಾಗಿದೆ. ಮಾನವ ಸ್ಥಿತಿಯ ಗುಣಲಕ್ಷಣಗಳು
ಗಮನಿಸಲಾದ ರೋಗಲಕ್ಷಣಗಳ ಒಟ್ಟು ಸಂಖ್ಯೆಯನ್ನು ಆಧರಿಸಿದೆ II ಅವುಗಳ ಗುಣಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆ
ಸ್ವಂತಿಕೆ. ಪ್ರತ್ಯೇಕ ಪ್ರಶ್ನಾವಳಿಗಳು ಪರಿಮಾಣದಲ್ಲಿ ಗಮನಾರ್ಹವಾಗಿ ಭಿನ್ನವಾಗಿರುತ್ತವೆ
ಅವುಗಳ ಸಂಯೋಜನೆ ಮತ್ತು ಅವುಗಳ ಗುಂಪಿನ ವಿಧಾನಗಳಲ್ಲಿ ಒಳಗೊಂಡಿರುವ ವೈಶಿಷ್ಟ್ಯಗಳು. ಪ್ರಶ್ನಾವಳಿಯ ಉದ್ದ ಇರಬಹುದು
ಕೆಲವು ಚಿಹ್ನೆಗಳಿಂದ ಹಲವಾರು ಹತ್ತಾರು ಅಥವಾ ನೂರಾರು ವರೆಗೆ ಬದಲಾಗುತ್ತದೆ. ಸಾಮಾನ್ಯ
ಆಧುನಿಕ ಪ್ರಶ್ನಾವಳಿಗಳ ಅಭಿವೃದ್ಧಿಯ ಪ್ರವೃತ್ತಿಯು ಮಿತಿಗೊಳಿಸುವ ಬಯಕೆಯಾಗಿದೆ
ರೋಗಲಕ್ಷಣಗಳ ಪಟ್ಟಿ, ಇದು ಪರೀಕ್ಷಾ ಪರೀಕ್ಷೆಯ ಸಂಕ್ಷಿಪ್ತತೆಯ ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸುತ್ತದೆ ಮತ್ತು
ಪರಿಮಾಣಾತ್ಮಕ ಪ್ರಕ್ರಿಯೆಯ ಸುಲಭ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಇದು ಸೇರ್ಪಡೆಯನ್ನು ಊಹಿಸುತ್ತದೆ
ಅತ್ಯಂತ ಪ್ರಮುಖವಾದ, "ಪ್ರಮುಖ" ವೈಶಿಷ್ಟ್ಯಗಳ ಪಟ್ಟಿ.
ತಿಳಿವಳಿಕೆ ರೋಗಲಕ್ಷಣಗಳ ಆಯ್ಕೆ ಮತ್ತು ಅವುಗಳ ಗುಂಪು ಮುಖ್ಯ ಮಾರ್ಗಗಳಾಗಿವೆ
ಹೆಚ್ಚು ಕಾಂಪ್ಯಾಕ್ಟ್ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹ ಪ್ರಶ್ನಾವಳಿಗಳನ್ನು ರಚಿಸುವುದು. ಅಂತಹ ಕೆಲಸವನ್ನು ನಿರ್ವಹಿಸುವಾಗ
ಮಲ್ಟಿವೇರಿಯೇಟ್ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣಾ ಸಾಧನಗಳನ್ನು ಹೆಚ್ಚಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಎಸ್ ಅವರ ಕೃತಿಯಲ್ಲಿ.
ಆಯಾಸ ಮೌಲ್ಯಮಾಪನ ಪ್ರಶ್ನಾವಳಿಯನ್ನು ನಿರ್ಮಿಸಲು ಕಾಶಿವಾಗಿ ಬಳಸಲಾಗಿದೆ
ಆಯಾಸದ ವಿವಿಧ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ಈ ಕೆಳಗಿನಂತೆ ವರ್ಗೀಕರಿಸಬಹುದು:
ಕಡಿಮೆ ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆ, ಕಡಿಮೆ ಪ್ರೇರಣೆ ಮತ್ತು ದೈಹಿಕ ವಿಘಟನೆಯ ಲಕ್ಷಣಗಳು.
ರೋಗಲಕ್ಷಣಗಳ ಮೊದಲ ಎರಡು ಗುಂಪುಗಳು ಬಹುತೇಕ ಎಲ್ಲರಿಗೂ ಸಾಮಾನ್ಯವಾಗಿದೆ ಎಂದು ಊಹಿಸಲಾಗಿದೆ
ಎಲ್ಲಾ ರೀತಿಯ ಕಾರ್ಮಿಕ.
ಪ್ರಶ್ನಾವಳಿಯನ್ನು ನಿರ್ಮಿಸಲು ಮೂಲ ವಸ್ತುವು 48 ಹೇಳಿಕೆಗಳು,
ಆಯಾಸದ ವಿವಿಧ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ. ನಲ್ಲಿ ಒಂದು ಅಧ್ಯಯನವನ್ನು ನಡೆಸಲಾಯಿತು
ಇದರಲ್ಲಿ 65 ವಿಷಯಗಳು, ಏಳು-ಪಾಯಿಂಟ್ ಸ್ಕೇಲ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು, ಪ್ರತಿಯೊಂದರ ಸೂಕ್ತತೆಯನ್ನು ನಿರ್ಣಯಿಸಲಾಗಿದೆ
ಆಯಾಸವನ್ನು ಪರೀಕ್ಷಿಸಲು ಮೌಖಿಕ ಸೂತ್ರೀಕರಣ. ಅಪವರ್ತನೀಕರಣವನ್ನು ಆಧರಿಸಿದೆ
ಪಡೆದ ಡೇಟಾ, ಹೆಚ್ಚು ತಿಳಿವಳಿಕೆ ರೋಗಲಕ್ಷಣಗಳ ಎರಡು ಗುಂಪುಗಳನ್ನು ಗುರುತಿಸಲಾಗಿದೆ,
"ದುರ್ಬಲ ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆ" ಮತ್ತು "ದುರ್ಬಲ ಪ್ರೇರಣೆ" ಎಂಬ ಸಾಂಪ್ರದಾಯಿಕ ಹೆಸರುಗಳಿಂದ ಸಂಯೋಜಿಸಲ್ಪಟ್ಟಿದೆ. ಕೋಷ್ಟಕದಲ್ಲಿ 1
ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಪ್ರಶ್ನಾವಳಿಯ ವಿಷಯವನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿದೆ.
ಪ್ರಶ್ನಾವಳಿಯಲ್ಲಿ ಒಳಗೊಂಡಿರುವ ರೋಗಲಕ್ಷಣಗಳ ಪೈಕಿ:
ಪರೀಕ್ಷೆಯ ವಿಷಯದ ಉಪಸ್ಥಿತಿಯನ್ನು ನಿರ್ಣಯಿಸಲು ಕಷ್ಟವಾಗುತ್ತದೆ, ವಿಶೇಷವಾಗಿ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ
ಉತ್ಪಾದನಾ ಪ್ರಕ್ರಿಯೆ (ಉದಾಹರಣೆಗೆ, ಕಣ್ಣುಗಳು ಮತ್ತು ಮುಖದ ಅಭಿವ್ಯಕ್ತಿಯ ಸ್ವರೂಪ). ನೈಸರ್ಗಿಕವಾಗಿ,
ಇದು ಪರೀಕ್ಷೆಯನ್ನು ಬಳಸುವಾಗ ಕೆಲವು ತೊಂದರೆಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ. ಇನ್ನೊಂದು ಕಡೆ,
ಅಂತಹ ಬಾಹ್ಯವಾಗಿ ವ್ಯಕ್ತಪಡಿಸಿದ ಚಿಹ್ನೆಗಳ ಉಪಸ್ಥಿತಿಯು ಹೆಚ್ಚು ಅಪೇಕ್ಷಣೀಯವಾಗಿದೆ, ಏಕೆಂದರೆ ಅವುಗಳು
ವಿಷಯಗಳ ಪ್ರತಿಕ್ರಿಯೆಗಳ ಮೇಲೆ ವಸ್ತುನಿಷ್ಠ ನಿಯಂತ್ರಣದ ಸಾಧ್ಯತೆಯನ್ನು ತೆರೆಯುತ್ತದೆ.
ಎಸ್. ಕಾಶಿವಾಗಿ ಅವರಿಂದ ಆಯಾಸವನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಕೋಷ್ಟಕ 1 ಪ್ರಶ್ನಾವಳಿ
"ದುರ್ಬಲ ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆ" "ದುರ್ಬಲ ಪ್ರೇರಣೆ"
ಸಿದ್ಧವಾಗಿಲ್ಲ ಗೆಕೆಲಸ
ಗುಳಿಬಿದ್ದ ಕೆನ್ನೆಗಳು
ಸಂಭಾಷಣೆಗಳನ್ನು ತಪ್ಪಿಸುವುದು
ಕತ್ತಲೆಯಾದ ಮುಖ
ನಿರ್ಜೀವ ಕಣ್ಣುಗಳು
ಸಿಡುಕುತನ
ನಿರಾಸಕ್ತಿಯ ಮುಖ
ಕೆಲಸದಲ್ಲಿ ದೋಷಗಳು
ನೋಟ ತಪ್ಪಿಸುವುದು
ಸಂವಹನದಲ್ಲಿ ತೊಂದರೆ
ನಿಧಾನತೆ
ತೂಕಡಿಕೆ
ಇತರ ವಿಷಯಗಳ ಬಗ್ಗೆ ಕಾಳಜಿ
ಪೇಲವ ಮುಖ
ಮರದ ಮುಖ
ನಡುಗುವ ಬೆರಳುಗಳು
ಕೇಂದ್ರೀಕರಿಸಲು ಮತ್ತು ಕೇಳಲು ಅಸಮರ್ಥತೆ
ಉತ್ತಮ ಪ್ರಶ್ನಾವಳಿಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು ಕಂಡುಹಿಡಿಯುವಿಕೆಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ
ರಾಜಿ ಪರಿಹಾರ.
ಬಳಸುವಾಗ ಉಂಟಾಗುವ ಮುಖ್ಯ ಕ್ರಮಶಾಸ್ತ್ರೀಯ ತೊಂದರೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ
ರೋಗನಿರ್ಣಯದ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಪ್ರಶ್ನಾವಳಿಗಳು, - ಪರಿಮಾಣಾತ್ಮಕ ಸಾಕಷ್ಟು ವಿಧಾನಗಳ ಕೊರತೆ
ಪಡೆದ ಫಲಿತಾಂಶಗಳ ಮೌಲ್ಯಮಾಪನ. ಗಮನಿಸಲಾದ ರೋಗಲಕ್ಷಣಗಳ ಒಟ್ಟು ಸಂಖ್ಯೆಯ ಸಾರಾಂಶ ಸ್ಕೋರ್
- ತುಂಬಾ ಒರಟು ಸೂಚಕ, ವಿಶೇಷವಾಗಿ ಇದು ತುಲನಾತ್ಮಕತೆಯನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳದಿದ್ದರೆ
ನಿರ್ದಿಷ್ಟ ವೈಶಿಷ್ಟ್ಯದ ಉಪಸ್ಥಿತಿಯ ಮಹತ್ವ. ಜೊತೆಗೆ, ಪ್ರಶ್ನಾವಳಿಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಮಾಡುವುದಿಲ್ಲ
ಪ್ರತಿ ರೋಗಲಕ್ಷಣದ ತೀವ್ರತೆಯನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ. ಈ ನ್ಯೂನತೆಗಳು ಭಾಗಶಃ
ವ್ಯಕ್ತಿನಿಷ್ಠ ಸ್ಥಿತಿಯ ಸ್ಕೇಲಿಂಗ್ ತಂತ್ರಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಜಯಿಸಬಹುದು.
ವ್ಯಕ್ತಿನಿಷ್ಠ ಸ್ಥಿತಿಯ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳು . ಈ ತಂತ್ರಗಳ ಗುಂಪು
ಸ್ಥಿತಿಯ ಹೆಚ್ಚು ಪರಿಷ್ಕೃತ ಮೌಲ್ಯಮಾಪನಕ್ಕಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ವಿಷಯವು ಅವನೊಂದಿಗೆ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಕೇಳುತ್ತದೆ
ಹಲವಾರು ಚಿಹ್ನೆಗಳೊಂದಿಗೆ ಸಂವೇದನೆಗಳು, ಪ್ರತಿಯೊಂದರ ಸೂತ್ರೀಕರಣವು ಸಾಧ್ಯವಾದಷ್ಟು ಸಂಕ್ಷಿಪ್ತವಾಗಿರುತ್ತದೆ.
ಅವುಗಳನ್ನು ನಿಯಮದಂತೆ, ಒಂದು ಜೋಡಿ ಧ್ರುವ ಚಿಹ್ನೆಗಳಿಂದ ಪ್ರತಿನಿಧಿಸಲಾಗುತ್ತದೆ ("ದಣಿದ - ದಣಿದಿಲ್ಲ",
"ಹರ್ಷಚಿತ್ತದಿಂದ - ಜಡ"), ಅಥವಾ ಪ್ರತ್ಯೇಕ ಕಿರು ಹೇಳಿಕೆ ("ದಣಿದ", "ದೌರ್ಬಲ್ಯ",
"ವಿಶ್ರಾಂತಿ"). ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ತೀವ್ರತೆಯನ್ನು ನಿರ್ಣಯಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಎಂದು ಊಹಿಸಲಾಗಿದೆ
ಪ್ರತಿ ರೋಗಲಕ್ಷಣವು ಆಂತರಿಕ ಅನುಭವದ ತೀವ್ರತೆಯನ್ನು ನೀಡುವುದರೊಂದಿಗೆ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿದೆ
ರೇಟಿಂಗ್ ಮಾಪಕ. ರೋಗಲಕ್ಷಣದ ಪ್ರಸ್ತುತಿಯ ರೂಪವನ್ನು ಅವಲಂಬಿಸಿ, ಇವೆ
ಬೈಪೋಲಾರ್ ಮತ್ತು ಮೊನೊ- ಅಥವಾ ಏಕಧ್ರುವ ಮಾಪಕಗಳು. ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಈ ತಂತ್ರಗಳು
ಮನೋವಿಜ್ಞಾನದಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುವ ಶಬ್ದಾರ್ಥದ ವಿಧಾನದ ಮಾರ್ಪಾಡುಗಳಾಗಿವೆ
ಸಿ. ಓಸ್‌ಗುಡ್‌ನಿಂದ ಡಿಫರೆನ್ಷಿಯಲ್.
ಸೂಕ್ತವಾದ ವಿನ್ಯಾಸ ವಿಧಾನಗಳ ಹುಡುಕಾಟವು ಗಂಭೀರ ಸಮಸ್ಯೆಯಾಗಿದೆ
ರೇಟಿಂಗ್ ಮಾಪಕಗಳು ಸ್ವತಃ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಆಯಾಮದ ಬಗ್ಗೆ ಮೊದಲ ಪ್ರಶ್ನೆ ಉದ್ಭವಿಸುತ್ತದೆ
ಮಾಪಕಗಳು, ಅವುಗಳ ರೂಪ ಮತ್ತು ಅವರೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ವಿಧಾನಗಳು. ಸಾಮಾನ್ಯವಾಗಿ ಹೊಂದಿರುವ ಮಾಪಕಗಳು
ಐದು, ಏಳು ಅಥವಾ ಒಂಬತ್ತು ಹಂತಗಳು. ಆದಾಗ್ಯೂ, ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ ಅವರ ಸಂಖ್ಯೆ ಗಮನಾರ್ಹವಾಗಿದೆ
ಹೆಚ್ಚಾಗುತ್ತದೆ: ಉದಾಹರಣೆಗೆ, U. ಲುಂಡ್‌ಬರ್ಗ್ ಮತ್ತು M. ಫ್ರಾಂಕೆನ್‌ಹೌಸರ್ ಅವರ ಕೃತಿಗಳಲ್ಲಿ ಒಂದನ್ನು ಬಳಸಲಾಗುತ್ತದೆ
100 ಪಾಯಿಂಟ್ ಸ್ಕೇಲ್. ಪದವೀಧರರಲ್ಲದ ಮಾಪಕಗಳು ಸಾಕಷ್ಟು ವ್ಯಾಪಕವಾಗಿವೆ - ಆದ್ದರಿಂದ
"ರೇಟಿಂಗ್ ಮಾಪಕಗಳ ದೃಶ್ಯ ಸಾದೃಶ್ಯಗಳು" ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ - ಮತ್ತು ಗ್ರಾಫಿಕ್ ಮಾಪಕಗಳು. ಅದರಲ್ಲಿ
ಈ ಸಂದರ್ಭದಲ್ಲಿ, ವಿಷಯಗಳಿಗೆ ನಿರ್ದಿಷ್ಟ ಗಾತ್ರದ ನೇರ ಭಾಗಗಳನ್ನು ನೀಡಲಾಗುತ್ತದೆ, ಅದರ ಮೇಲೆ ಅವು
ಅಳತೆಯ ತೀವ್ರತೆಗೆ ವ್ಯಕ್ತಿನಿಷ್ಠವಾಗಿ ಅನುರೂಪವಾಗಿರುವ ದೂರವನ್ನು ಗುರುತಿಸಿ
ಅನುಭವಗಳು.
ಅಂತಹ ವೈವಿಧ್ಯತೆಯ ಹಿನ್ನೆಲೆಯಲ್ಲಿ, ಅಧ್ಯಯನಗಳು ಮೀಸಲಾಗಿವೆ
ಮಾಪಕಗಳ ಅತ್ಯುತ್ತಮ ಪ್ರಕಾರ ಮತ್ತು ಗಾತ್ರವನ್ನು ಆರಿಸುವುದು. ಕಡೆಗೆ ಸಮರ್ಥನೀಯ ಪ್ರವೃತ್ತಿ ಇದೆ
ಕ್ರಮೇಣ ಮೌಲ್ಯಮಾಪನಗಳ ಅತಿಯಾದ ವಿಘಟನೆಯನ್ನು ತಪ್ಪಿಸುವುದು. Makkel-Bii ಅವರ ಅಧ್ಯಯನದಲ್ಲಿ
ವ್ಯಕ್ತಿನಿಷ್ಠ ಸ್ಕೇಲಿಂಗ್‌ನ ನಿಖರತೆಯು ಹೆಚ್ಚುತ್ತಿರುವ ಸಂಖ್ಯೆಯೊಂದಿಗೆ ಬದಲಾಗುವುದಿಲ್ಲ ಎಂದು ತೋರಿಸಲಾಗಿದೆ
ಐದಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದಲ್ಲಿ ಹಂತಗಳು, ಹಾಗೆಯೇ ಗ್ರಾಫಿಕ್ ಮಾಪಕಗಳಿಗೆ ಚಲಿಸುವಾಗ ಎಲ್.
ಹಾಲ್‌ಸ್ಟೆನ್ ಮತ್ತು ಜಿ. ಬೋರ್ಗ್ ಏಳು-ಪಾಯಿಂಟ್ ಮಾಪಕಗಳನ್ನು ಬಯಸುತ್ತಾರೆ. ವಿಶೇಷವಾಗಿ
ಬೈಪೋಲಾರ್ ಅನ್ನು ಬಳಸುವ ತುಲನಾತ್ಮಕ ಮೌಲ್ಯದ ಪ್ರಶ್ನೆ ಮತ್ತು
ಏಕಧ್ರುವ ಮಾಪಕಗಳು. ಅದೇ ಸಮಯದಲ್ಲಿ, ಪ್ರಯೋಜನದ ಬಗ್ಗೆ ಅಭಿಪ್ರಾಯವನ್ನು ಹೆಚ್ಚಾಗಿ ವ್ಯಕ್ತಪಡಿಸಲಾಗುತ್ತದೆ
ಎರಡನೆಯದು.
ವ್ಯಕ್ತಿನಿಷ್ಠ ವಿಧಾನಗಳ ಅಭಿವೃದ್ಧಿಯು ಆಯ್ಕೆ ಮತ್ತು ಏಕೀಕರಣದ ಕಾರ್ಯವನ್ನು ಒಡ್ಡುತ್ತದೆ
ರೋಗಲಕ್ಷಣಗಳ ಪಟ್ಟಿಯಲ್ಲಿ ಸೇರಿಸಲಾದ ಪದಗಳು ಮತ್ತು ಅಭಿವ್ಯಕ್ತಿಗಳ ಅರ್ಥಗಳು. ಈ ಉದ್ದೇಶಕ್ಕಾಗಿ ಇದು ಸಾಮಾನ್ಯವಾಗಿ
L. ಥರ್ಸ್ಟೋನ್ನ ವಿಧಾನವನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಅದರ ಅನುಷ್ಠಾನಕ್ಕೆ ಸಾಕಷ್ಟು ಉಪಸ್ಥಿತಿಯ ಅಗತ್ಯವಿದೆ
ಪರೀಕ್ಷಾ ವಿಷಯಗಳ ದೊಡ್ಡ ಗುಂಪು - ತಜ್ಞರು ತಮ್ಮದೇ ಆದದನ್ನು ರಚಿಸಲು ಕೆಲಸ ಮಾಡುತ್ತಾರೆ
ಮಾಪಕಗಳು. ಕೆಲಸದ ಮೊದಲ ಹಂತವು ಸೀಮಿತ ಸಂಖ್ಯೆಯ ಪದಗಳನ್ನು ಆಯ್ಕೆಮಾಡುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ ಮತ್ತು
ವಿಶ್ಲೇಷಿಸಿದ ಸ್ಥಿತಿಯ ನಿರ್ಣಾಯಕ ಹಂತಗಳನ್ನು ನಿರೂಪಿಸುವ ಅಭಿವ್ಯಕ್ತಿಗಳು
ಪ್ರತಿ u1103 ಭಾಷೆಯಲ್ಲಿ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮೌಖಿಕ ಸೂತ್ರೀಕರಣಗಳ ವ್ಯಾಪಕ ಪಟ್ಟಿ. ನಂತರ ಮೂಲಕ
ಒಂದೇ ಗುಂಪಿನ ತಜ್ಞರ ಹಲವಾರು ವರ್ಗೀಕರಣಗಳಿಗೆ, ವ್ಯವಸ್ಥೆಯ ಕ್ರಮವನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ
ಸ್ಕೇಲ್‌ನಲ್ಲಿ ಆಯ್ಕೆಮಾಡಿದ ವೈಶಿಷ್ಟ್ಯಗಳು. ಈ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು, ನಾವು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದೇವೆ ಮತ್ತು
ಸರಳವಾದ ಒಂದು ಆಯಾಮದ ಆಯಾಸ ರೇಟಿಂಗ್ ಮಾಪಕಗಳು (ಜೆ. ಮೆಕ್‌ನಾಲಿ, 1954), ಮತ್ತು ಆಧುನಿಕ
ಬಹುಕ್ರಿಯಾತ್ಮಕ ತಂತ್ರಗಳು.
ಆಯಾಸ ರೋಗನಿರ್ಣಯದ ಕ್ಷೇತ್ರದಲ್ಲಿ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನದ ಅನ್ವಯದ ಇತಿಹಾಸ
B. Muschio ಮತ್ತು A. Poffenberger ರ ಕೃತಿಗಳೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಯಿತು. ಕೊನೆಯದನ್ನು ಪ್ರಸ್ತಾಪಿಸಲಾಯಿತು
ಮೂಲಭೂತ ಸಾಮಾನ್ಯ ಜ್ಞಾನದ ಆಧಾರದ ಮೇಲೆ ನಿರ್ಮಿಸಲಾದ ಒಂದು ಆಯಾಮದ ಏಳು-ಪಾಯಿಂಟ್ ಸ್ಕೇಲ್
ಅರ್ಥದಲ್ಲಿ. ಅನೇಕ ಆಧುನಿಕ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಇದನ್ನು ಕಾಣಬಹುದು. ಆದಾಗ್ಯೂ, ಹೆಚ್ಚಾಗಿ ಯಾವಾಗ
ಮಾಪಕಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವಾಗ, ಅವರು ಸಂಕೀರ್ಣದ ಅಸ್ತಿತ್ವದ ಕಲ್ಪನೆಯಿಂದ ಮುಂದುವರಿಯುತ್ತಾರೆ
ಒಂದು ನಿರ್ದಿಷ್ಟ ಸ್ಥಿತಿಗೆ ಅನುಗುಣವಾದ ವೈವಿಧ್ಯಮಯ ಅನುಭವಗಳು. ಭಾವಿಸಲಾದ,
ಅಂತಹ ರೋಗಲಕ್ಷಣದ ಸಂಕೀರ್ಣವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ವಿಭಿನ್ನ ಗುಂಪುಗಳ ಚಿಹ್ನೆಗಳಿಂದ ಪ್ರತಿನಿಧಿಸಲಾಗುತ್ತದೆ,
ಸ್ಥಿತಿಯ ಬೆಳವಣಿಗೆಯ ಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿ ಅದರ ತೀವ್ರತೆಯು ಬದಲಾಗುತ್ತದೆ.
ಸ್ಕೇಲಿಂಗ್ ದೈಹಿಕ ಆಯಾಸ. ಮೂಲದಿಂದ ಕ್ಲಸ್ಟರ್ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸುವುದು
ರೋಗಲಕ್ಷಣಗಳ ಆಯ್ದ ಪಟ್ಟಿಯಿಂದ, ಚಿಹ್ನೆಗಳ ಗುಂಪುಗಳನ್ನು ಗುರುತಿಸಲಾಗಿದೆ, ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿದೆ
ಅವುಗಳಲ್ಲಿ ಪ್ರತಿಯೊಂದರೊಳಗಿನ ಪರಸ್ಪರ ಸಂಬಂಧಗಳ ರಚನೆಗಳ ಹೋಲಿಕೆ ಮತ್ತು ಸಂಪೂರ್ಣ
ವಿವಿಧ ಗುಂಪುಗಳ ಸ್ವಾತಂತ್ರ್ಯ. ಚಿಹ್ನೆಗಳ ಮೂರು ಗುಂಪುಗಳನ್ನು ಗುರುತಿಸಲಾಗಿದೆ: "ಆಯಾಸ"
(C1), "ಕೆಲಸ ಮಾಡಲು ಇಷ್ಟವಿಲ್ಲದಿರುವುದು" (C2), "ಪ್ರೇರಣೆ" (C3). ರೋಗಲಕ್ಷಣಗಳ ಪಟ್ಟಿಯನ್ನು ಕೆಳಗೆ ನೀಡಲಾಗಿದೆ
ಈ ಪರೀಕ್ಷೆಯ ಅಂತಿಮ ಆವೃತ್ತಿಯಲ್ಲಿ ಆಯಾಸವನ್ನು ಸೇರಿಸಲಾಗಿದೆ (ಕೋಷ್ಟಕ 2). ಆಧಾರಿತ
ಇತರ ರೋಗನಿರ್ಣಯ ವಿಧಾನಗಳ ಡೇಟಾದೊಂದಿಗೆ ಹೋಲಿಕೆಯು ಸಾಮಾನ್ಯವಾಗಿ ತೋರಿಸಿದೆ
ಉದ್ದೇಶಿತ ಪರೀಕ್ಷೆಯು ದೈಹಿಕ ಆಯಾಸವನ್ನು ಅಳೆಯಲು ಸೂಕ್ತವಾಗಿದೆ. ಗುಣಾತ್ಮಕ
ಗುಂಪುಗಳ ಸಂಯೋಜನೆಯ ವಿಶ್ಲೇಷಣೆಯು ಅವುಗಳಲ್ಲಿ ಮೊದಲನೆಯದು "ಸಾವಯವ" ಲಕ್ಷಣಗಳನ್ನು ಒಳಗೊಂಡಿದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ
ಆಯಾಸದ ಅಭಿವ್ಯಕ್ತಿಗಳು. ಈ ಚಿಹ್ನೆಗಳ ಗುಂಪು ಹೆಚ್ಚು ಹಲವಾರು ಮತ್ತು ಸ್ಪಷ್ಟವಾಗಿದೆ
ನಿಗದಿಪಡಿಸಿದ ಎಲ್ಲದರಲ್ಲೂ.
ಕೋಷ್ಟಕ 2. "ದೈಹಿಕ ಪ್ರಶ್ನಾವಳಿ" ಪರೀಕ್ಷೆಯಲ್ಲಿ ಸೇರಿಸಲಾದ ಚಿಹ್ನೆಗಳ ಪಟ್ಟಿ
ಚಟುವಟಿಕೆ"
Gru ಚಿಹ್ನೆ
ಸೈನ್ ಗುಂಪು
1. ಹೆಚ್ಚಿದ ಉಸಿರಾಟ
2. ಸ್ನಾಯು ನೋವು
3. ಭಾವನೆ
ಆಯಾಸ
4.ಉಸಿರಾಟದ ತೊಂದರೆ
5. ಹೆಚ್ಚಿದ ಆವರ್ತನ
ಹೃದಯ ಬಡಿತ
6.ಕಾಲುಗಳಲ್ಲಿ ದೌರ್ಬಲ್ಯ
7. ಬಳಲಿಕೆ
8. ನಡುಗುವ ಕಾಲುಗಳು
9. ಒಣ ಬಾಯಿ
4. 10. ಉಸಿರಾಟದ ತೊಂದರೆ
11. ಬೆವರುವುದು
13. ಬದಲಾಯಿಸುವ ಬಯಕೆ
ಪಾತ್ರ
ಚಟುವಟಿಕೆಗಳು
14. ಭಾವನೆ
ಅಸ್ವಸ್ಥತೆ
15. ತಾಜಾ ಭಾವನೆ
16. ಖಚಿತತೆ ರಲ್ಲಿ
ಕ್ರಮಗಳು
17. ಆಸಕ್ತಿ
18. ಶಕ್ತಿ
"ಕೆಲಸ ಮಾಡಲು ಇಷ್ಟವಿಲ್ಲದಿರುವಿಕೆ" ಗುಂಪಿನ ಲಕ್ಷಣಗಳು ಆಂತರಿಕ ಭಾವನೆಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತವೆ
ಅಸ್ವಸ್ಥತೆ ಮತ್ತು ಸಂಕೀರ್ಣ ನಕಾರಾತ್ಮಕ ಭಾವನೆಗಳುಪ್ರದರ್ಶನಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ
ಚಟುವಟಿಕೆಗಳು. ಆದರೂ ಸಾಮಾನ್ಯ ತತ್ವಆಯ್ದ ರೋಗಲಕ್ಷಣಗಳನ್ನು ಒಂದು ಗುಂಪಿನಲ್ಲಿ ಸಂಯೋಜಿಸುವುದು
ಆದಾಗ್ಯೂ, ಅವುಗಳ ಅಂಕಿಅಂಶಗಳ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ರೂಪಿಸುವುದು ತುಂಬಾ ಕಷ್ಟ
ಪುನರಾವರ್ತಿತ ಅಳತೆಗಳಲ್ಲಿ ಸಂಬಂಧಗಳು ಹೆಚ್ಚು ಸ್ಥಿರವಾಗಿರುತ್ತವೆ. ಒಂದು ಗುಂಪಿಗೆ
"ಪ್ರೇರಣೆ" ಯ ಚಿಹ್ನೆಗಳು, ಇದು ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆಯ ಮಟ್ಟದಲ್ಲಿ ಬದಲಾವಣೆಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ ಮತ್ತು ಗಮನಹರಿಸುತ್ತದೆ
ಚಟುವಟಿಕೆಗಳನ್ನು ಫಲಿತಾಂಶಗಳ ತುಲನಾತ್ಮಕವಾಗಿ ಕಡಿಮೆ ಸ್ಥಿರತೆಯಿಂದ ನಿರೂಪಿಸಲಾಗಿದೆ. ಮೂಲಭೂತವಾಗಿ
ರೋಗಲಕ್ಷಣಗಳ ಈ ಗುಂಪಿನ ರೋಗನಿರ್ಣಯದ ಮೌಲ್ಯವು ಸಂದೇಹವಿಲ್ಲ. ಅವಳ ನ್ಯೂನತೆಗಳು
ಆರಂಭಿಕ ಪಟ್ಟಿಯ ಸಂಪೂರ್ಣ ಯಶಸ್ವಿಯಾಗದ ಆಯ್ಕೆಯ ಪರಿಣಾಮವಾಗಿದೆ
ಮಾತುಗಳು.
ಪರಿಶೀಲಿಸಿದ ಅಧ್ಯಯನದಲ್ಲಿ, ಬಹುಕ್ರಿಯಾತ್ಮಕ ತಂತ್ರದ ನಿರ್ಮಾಣ
ಪ್ರಾಯೋಗಿಕ ಡೇಟಾದ ಆಧಾರದ ಮೇಲೆ ಆಯಾಸ ಮೌಲ್ಯಮಾಪನವನ್ನು ನಡೆಸಲಾಯಿತು: ಪ್ರಯೋಗಗಳ ಸಮಯದಲ್ಲಿ
ಅತ್ಯಂತ ಸೂಕ್ಷ್ಮ ಚಿಹ್ನೆಗಳನ್ನು ಆಯ್ಕೆಮಾಡಲಾಗಿದೆ, ಮತ್ತು ಅವುಗಳ ವರ್ಗೀಕರಣ ಮತ್ತು ರಚನೆ
ಸಂಕೀರ್ಣ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಮುಖ್ಯ ಗುಂಪುಗಳನ್ನು ನಡೆಸಲಾಯಿತು.
ಇನ್ನೊಂದು ಮಾರ್ಗವಿದೆ.
ಆಯಾಸದ ವಿಭಿನ್ನ ಸ್ವಯಂ-ಮೌಲ್ಯಮಾಪನ ಪರೀಕ್ಷೆ, ವಿ
ಮತ್ತು ಇತರರು, ಮುಖ್ಯ ಘಟಕಗಳ ಪ್ರಾಥಮಿಕ ಗುರುತಿಸುವಿಕೆಯನ್ನು ಆಧರಿಸಿದೆ
(SAN ಎಂದು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಲಾಗಿದೆ). IN ಮೂಲ ಆವೃತ್ತಿಅವುಗಳಲ್ಲಿ ಪ್ರತಿ u1080 ಅನ್ನು ಪರೀಕ್ಷಿಸಿ ಹತ್ತು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ
ಧ್ರುವೀಯ ಗುಣಲಕ್ಷಣಗಳು, ಅದರ ಅಭಿವ್ಯಕ್ತಿಯ ಮಟ್ಟವನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ
ಏಳು ಪಾಯಿಂಟ್ ಸ್ಕೇಲ್. ಸ್ಥಿತಿಯ ರೋಗನಿರ್ಣಯವನ್ನು ಆಧರಿಸಿದೆ ಎಂದು ಒತ್ತಿಹೇಳಲಾಗಿದೆ
ಪ್ರತಿ ವರ್ಗಗಳ ಸಂಪೂರ್ಣ ಅಂದಾಜಿನ ಮೇಲೆ ಮಾತ್ರವಲ್ಲ, ಅದು ಕಡಿಮೆಯಾಗುತ್ತದೆ
ಆಯಾಸ, ಆದರೆ ಅವರ ಅನುಪಾತದ ಸೂಚಕಗಳ ಮೇಲೆ. ವಿಶ್ರಾಂತಿ ಪಡೆದ ವ್ಯಕ್ತಿಯು ಮೂರನ್ನೂ ಹೊಂದಿದ್ದಾನೆ
ಯೋಗಕ್ಷೇಮ ಮತ್ತು ಚಟುವಟಿಕೆಯ ಸೂಚಕಗಳಲ್ಲಿ ಹೆಚ್ಚಿನ ಇಳಿಕೆಯಿಂದಾಗಿ ಅವರ ವ್ಯತ್ಯಾಸವು ಹೆಚ್ಚಾಗುತ್ತದೆ
ವ್ಯಕ್ತಿನಿಷ್ಠ ಮೂಡ್ ರೇಟಿಂಗ್‌ಗಳಿಗೆ ಹೋಲಿಸಿದರೆ. ಈ ಮಾಹಿತಿಯು ಹೊರಹೊಮ್ಮುತ್ತದೆ
ಪರಿಸ್ಥಿತಿಗಳ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸಕ್ಕೆ ಉಪಯುಕ್ತವಾಗಿದೆ (ಚಿತ್ರ 7).
ಹೀಗಾಗಿ, ವ್ಯಕ್ತಿನಿಷ್ಠ ಮೌಲ್ಯಮಾಪನ ವಿಧಾನಗಳ ಅಭಿವೃದ್ಧಿಯ ಮುಖ್ಯ ಮಾರ್ಗವು ಸಂಬಂಧಿಸಿದೆ
ಬಳಕೆಯ ಆಧಾರದ ಮೇಲೆ ಸಂಕೀರ್ಣ ಮಲ್ಟಿವೇರಿಯೇಟ್ ಪರೀಕ್ಷೆಗಳ ರಚನೆ
ಆಧುನಿಕ ಗಣಿತದ ಉಪಕರಣ ಮತ್ತು ಸಂಗ್ರಹವಾದ ಡೇಟಾಗೆ ಪ್ರವೇಶ
ಸ್ಕೇಲಿಂಗ್ ಬಳಕೆಯ ಸಾಂಪ್ರದಾಯಿಕ ಕ್ಷೇತ್ರಗಳು - ವ್ಯಕ್ತಿನಿಷ್ಠ ಸೈಕೋಫಿಸಿಕ್ಸ್ ಮತ್ತು
ಸೈಕೋಮೆಟ್ರಿಕ್ಸ್. ಆದಾಗ್ಯೂ, ಅಭಿವೃದ್ಧಿ ಕಾರ್ಯವಿಧಾನಗಳ ಕ್ರಮಶಾಸ್ತ್ರೀಯ ಸುಧಾರಣೆ
ವ್ಯಕ್ತಿನಿಷ್ಠ ಪರೀಕ್ಷೆಗಳು ಅವುಗಳಿಂದ ಪಡೆದ ಮೂಲಭೂತ ಏಕಪಕ್ಷೀಯತೆಯನ್ನು ತೆಗೆದುಹಾಕುವುದಿಲ್ಲ
ವಿಷಯದ ದೃಷ್ಟಿಕೋನದಿಂದ ಸ್ಥಿತಿಯ ಮಾಹಿತಿ-ಮೌಲ್ಯಮಾಪನವನ್ನು ಬಳಸುವುದು. ಅವಳು
ಸಮಾನಾಂತರವಾಗಿ ಸಂಗ್ರಹಿಸಲಾದ ವಸ್ತುನಿಷ್ಠ ಡೇಟಾದಿಂದ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಬೆಂಬಲಿಸಬೇಕು.
ಸ್ಟೀವನ್ಸ್ ವಿಧಾನಗಳ ಗುಂಪನ್ನು (ನೇರ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳು) ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು, ಇದು ಮಾಪನ ಕಾರ್ಯವಿಧಾನದ ನೇರ ಪರಿಣಾಮವಾಗಿ ಮಧ್ಯಂತರ ಅಥವಾ ಅನುಪಾತದ ಪ್ರಮಾಣದಲ್ಲಿ ಸಂವೇದನೆಯ ಪ್ರಮಾಣವನ್ನು ಅಂದಾಜು ಮಾಡಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಸಂವೇದನೆಗಳ ನೇರ ಮೌಲ್ಯಮಾಪನ ಸಾಧ್ಯ ಎಂದು ಸ್ಟೀವನ್ಸ್ ವಾದಿಸಿದರು, ಇದಕ್ಕಾಗಿ ವೀಕ್ಷಕರು ತಮ್ಮ ಸಂವೇದನೆಗಳನ್ನು ಸಂಖ್ಯೆಗಳ ಭಾಷೆಗೆ "ಭಾಷಾಂತರಿಸಲು" ಅನುಮತಿಸುವ ಕೆಲವು ವಿಧಾನಗಳನ್ನು ಮಾತ್ರ ಬಳಸುವುದು ಅವಶ್ಯಕ. ಇದೇ ರೀತಿಯ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು, ಸ್ಟೀವನ್ಸ್ ಮತ್ತು ಅವನ ಅನುಯಾಯಿಗಳು ಸಿಗ್ನಲ್‌ನ ಪ್ರಮಾಣ ಮತ್ತು ಅದು ಉತ್ಪಾದಿಸುವ ಸಂವೇದನೆಯ ಪರಿಮಾಣದ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ವಿವರಿಸುವ ಸಮೀಕರಣವನ್ನು ಕಂಡುಕೊಂಡರು, ಇದನ್ನು ವಿದ್ಯುತ್ ಕಾನೂನು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಈ ಕಾನೂನಿನ ಪ್ರಕಾರ, ಶಕ್ತಿಗೆ ಏರಿಸಲಾದ ಸಂಕೇತದ ಭೌತಿಕ ತೀವ್ರತೆಗೆ ಅನುಗುಣವಾಗಿ ಸಂವೇದನಾ ಸಂವೇದನೆಯ ಪ್ರಮಾಣವು ಹೆಚ್ಚಾಗುತ್ತದೆ.
- ಸಂಬಂಧ ಮೌಲ್ಯಮಾಪನ ವಿಧಾನ: ಪ್ರಸ್ತಾವಿತ ಸಂವೇದನೆಯು ಹಿಂದಿನದಕ್ಕಿಂತ ಎಷ್ಟು ಬಾರಿ ಹೆಚ್ಚು ಅಥವಾ ಕಡಿಮೆಯಾಗಿದೆ ಎಂಬುದನ್ನು ವಿವರಿಸಲು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ (ವಿಷಯವನ್ನು 2 (ಅಥವಾ ಹೆಚ್ಚಿನ) ಪ್ರಚೋದನೆಗಳೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿದೆ ಮತ್ತು ಪ್ರಚೋದಕಗಳ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಬೇಕು ನೀಡಿದ ನಿಯತಾಂಕಮತ್ತು ಅದನ್ನು ಸಂಖ್ಯಾತ್ಮಕವಾಗಿ ವ್ಯಕ್ತಪಡಿಸಿ);
- ಸಂಬಂಧವನ್ನು ನಿರ್ಮಿಸುವ ವಿಧಾನ: ಉಲ್ಲೇಖದ ಪ್ರಚೋದನೆಗಾಗಿ ಒಂದನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ, ಅದು ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಯ ಬಾರಿ ಹೆಚ್ಚು ಅಥವಾ ಕಡಿಮೆಯಾಗಿದೆ (ವಿಭಾಗ - ವಿಭಜನೆ ಅಥವಾ ಗುಣಾಕಾರ).
- ಪರಿಮಾಣದ ಅಂದಾಜು ವಿಧಾನ: ಪ್ರಮಾಣಿತ ಘಟಕಗಳಲ್ಲಿ ಸಂವೇದನೆಯ ಪ್ರಮಾಣವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ (ಒಂದು ಮಾನದಂಡವಿದೆ (ಇದು ಸಂಖ್ಯಾತ್ಮಕ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿದೆ, ಉದಾಹರಣೆಗೆ, ಇದು 1), ನಂತರ ಯಾದೃಚ್ಛಿಕ ಕ್ರಮಪ್ರಚೋದನೆಯನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ, ಅದನ್ನು ಮಾನದಂಡಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಬೇಕು. ವಿಷಯವು ಪ್ರಚೋದಕಗಳ ಅನುಕ್ರಮಕ್ಕೆ ಸಂಖ್ಯೆಗಳನ್ನು ನಿಯೋಜಿಸಬೇಕು (ಉದಾಹರಣೆಗೆ: ಭಾವನೆಯ ಮೌಲ್ಯಮಾಪನ));
- ಪ್ರಮಾಣವನ್ನು ಸ್ಥಾಪಿಸುವ ವಿಧಾನ: ಸಮಾನವಾದ ಸಂವೇದನೆಯನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ ಒಂದು ನಿರ್ದಿಷ್ಟ ಮೊತ್ತಮಾನದಂಡದ ಘಟಕಗಳು (ಮೌಲ್ಯವನ್ನು ಅಂದಾಜು ಮಾಡುವ ವಿಧಾನಕ್ಕೆ ಹಿಮ್ಮುಖ ಕಾರ್ಯವಿಧಾನ). ಇಲ್ಲಿ ಪ್ರಯೋಗಕಾರನು ಪ್ರಮಾಣಗಳನ್ನು (ಸಂಖ್ಯೆಗಳು) ಹೆಸರಿಸುತ್ತಾನೆ ಮತ್ತು ಪ್ರಸ್ತುತಪಡಿಸಿದ ಸಂಖ್ಯಾತ್ಮಕ ಅಕ್ಷಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಪ್ರಚೋದಕಗಳ ಸರಣಿಯನ್ನು ವ್ಯವಸ್ಥೆಗೊಳಿಸಲು ವಿಷಯವನ್ನು ಕೇಳುತ್ತಾನೆ.
ಮಧ್ಯಂತರ ಮಾಪಕಕ್ಕೆ ಕಾರಣವಾಗುವ ನೇರ ವಿಧಾನಗಳು (ಸಮಾನ ಅಂತರಗಳ ಮಾಪಕಗಳ ನಿರ್ಮಾಣವನ್ನು ಆಧರಿಸಿದ ವಿಧಾನಗಳು, ಮಧ್ಯಂತರ ಮಾಪಕಗಳು):
· ಸಮಾನ ಸಂವೇದನಾ ದೂರ ವಿಧಾನ. ಪ್ರಚೋದಕಗಳ ಸರಣಿಯನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಅಥವಾ ಸಂಯೋಜಿಸಲು ಪ್ರಯತ್ನಿಸುವ ಹಲವಾರು ವಿಧಾನಗಳಿವೆ, ಇದರಿಂದಾಗಿ ಅವರು ಕೆಲವು ನಿರಂತರತೆಯ ಉದ್ದಕ್ಕೂ ವ್ಯಕ್ತಿನಿಷ್ಠವಾಗಿ ಸಮಾನ ಅಂತರವನ್ನು ಗುರುತಿಸುತ್ತಾರೆ.
ಮೊದಲನೆಯದು "ಮಧ್ಯಂತರವನ್ನು ಅರ್ಧದಷ್ಟು ಭಾಗಿಸುವುದು". 1850 ರಲ್ಲಿ ಪ್ರಸ್ಥಭೂಮಿ ಕಪ್ಪು ಮತ್ತು ಬಿಳಿ ನಡುವಿನ ಅರ್ಧದಷ್ಟು ಬೂದು ಟೋನ್ ಅನ್ನು ಮರುಸೃಷ್ಟಿಸಲು ಕಲಾವಿದರನ್ನು ಕೇಳಿದರು. ಬಿಳಿ ಮತ್ತು ಬೂದು ನಡುವಿನ ವ್ಯಕ್ತಿನಿಷ್ಠ ಅಂತರವು ಕಪ್ಪು ಮತ್ತು ಬೂದು ನಡುವಿನಂತೆಯೇ ಇತ್ತು. ಫೆಕ್ನರ್ ಕಾನೂನಿನ ಸಿಂಧುತ್ವವನ್ನು ಪರೀಕ್ಷಿಸುವುದು ಮುಖ್ಯ ಗುರಿಯಾಗಿತ್ತು. ಮಧ್ಯಬಿಂದುವು ಜ್ಯಾಮಿತೀಯ ಸರಾಸರಿಯೊಂದಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆ ಮತ್ತು ಅಂಕಗಣಿತದ ಸರಾಸರಿ ಅಲ್ಲ, ಆಗ ಫೆಕ್ನರ್ ಸರಿಯಾಗಿರುತ್ತಾರೆ. ಕೆಲವೊಮ್ಮೆ ಪಾಯಿಂಟ್ ಒಂದು ಅರ್ಥದಲ್ಲಿ ಬಿದ್ದಿತು, ಕೆಲವೊಮ್ಮೆ ಇನ್ನೊಂದು ಮೇಲೆ; ಅವಳು ಅವರ ನಡುವೆ ಎಲ್ಲೋ ತನ್ನನ್ನು ಕಂಡುಕೊಂಡಳು. ಈ ವಿಧಾನವು ಭಿನ್ನರಾಶಿ ವಿಧಾನದಂತೆಯೇ ಅದೇ ದೋಷಗಳಿಗೆ ಒಳಪಟ್ಟಿರುತ್ತದೆ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿದೆ. ವಾಸ್ತವವಾಗಿ, ಮಧ್ಯಂತರವನ್ನು ಅರ್ಧಕ್ಕೆ ಇಳಿಸುವ ವಿಧಾನವು ಪ್ರಮಾಣವನ್ನು ಅರ್ಧಮಟ್ಟಕ್ಕಿಳಿಸುವ ವಿಧಾನಕ್ಕೆ ಹೋಲುತ್ತದೆ. ಒಂದೇ ವ್ಯತ್ಯಾಸವೆಂದರೆ ಅರ್ಧವಿಧಿಸುವ ವಿಧಾನವು ಪ್ರಮಾಣಕ್ಕೆ ನಿಜವಾದ ಶೂನ್ಯವನ್ನು ಉಂಟುಮಾಡಬಹುದು.
ಸ್ಯಾನ್‌ಫೋರ್ಡ್‌ನ ಪ್ರಯೋಗ.ಸಹಜವಾಗಿ, ಪ್ರಯೋಗಗಳನ್ನು ಅರ್ಧಕ್ಕೆ ಸೀಮಿತಗೊಳಿಸಲು ಯಾವುದೇ ಕಾರಣವಿಲ್ಲ. ನೀವು ವ್ಯಕ್ತಿನಿಷ್ಠ ದೂರವನ್ನು ಯಾವುದೇ ಸಂಖ್ಯೆಯ ಸಮಾನ ಮಧ್ಯಂತರಗಳಾಗಿ ವಿಭಜಿಸಬಹುದು. ಸ್ಯಾನ್‌ಫೋರ್ಡ್ ತೂಕದ ಪ್ರಯೋಗದಲ್ಲಿ, 5 ರಿಂದ 100 ಗ್ರಾಂ ವರೆಗಿನ 108 ಚೀಲಗಳನ್ನು ಐದು ರಾಶಿಗಳಾಗಿ ಜೋಡಿಸಲಾಗಿದೆ ಮತ್ತು ಅವುಗಳ ನಡುವೆ ಸರಿಸುಮಾರು ಸಮಾನವಾದ ಸಂವೇದನಾ ಅಂತರವಿದೆ. ಪ್ರತಿ ರಾಶಿಯಲ್ಲಿ ಇರಿಸಲಾದ ಎಲ್ಲಾ ತೂಕಗಳ ಸರಾಸರಿಯನ್ನು ಲಾಗರಿಥಮಿಕ್ ಸ್ಕೇಲ್‌ನಲ್ಲಿ ಆರ್ಡಿನೇಟ್‌ನಲ್ಲಿ ರೂಪಿಸಿದರೆ ಮತ್ತು ರೇಖೀಯ ಪ್ರಮಾಣದಲ್ಲಿ ವ್ಯಕ್ತಿನಿಷ್ಠ ಮೌಲ್ಯಗಳನ್ನು ಅಬ್ಸಿಸ್ಸಾದಲ್ಲಿ ಯೋಜಿಸಿದ್ದರೆ, ಫೆಕ್ನರ್ ಕಾನೂನಿನ ಪ್ರಕಾರ ಅಂಕಗಳು ನೇರ ರೇಖೆಯಲ್ಲಿರಬೇಕು.
ವಿಷಯವು ವಿವಿಧ ಪ್ರಚೋದಕಗಳೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿದೆ ಮತ್ತು ಅವುಗಳನ್ನು ಎಲ್ಲವನ್ನೂ ಪರಸ್ಪರ ಸಂಬಂಧಿಸಲು ಕೇಳಲಾಗುತ್ತದೆ ಒಂದು ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆವಿಭಾಗಗಳು. 3 ರಿಂದ 20 ವಿಭಾಗಗಳು. ವರ್ಗಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಸಂಖ್ಯೆಗಳು ಅಥವಾ ವಿಶೇಷಣಗಳಾಗಿವೆ. ವರ್ಗೀಯ ಸ್ಕೇಲಿಂಗ್‌ಗೆ ಒಂದು ಸರಳ ವಿಧಾನವೆಂದರೆ ಸ್ಪಷ್ಟ ಸಮಾನ ಮಧ್ಯಂತರಗಳ ವಿಧಾನವಾಗಿದೆ. ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಪ್ರಚೋದಕಗಳನ್ನು ವರ್ಗಗಳಿಗೆ ನಿಯೋಜಿಸಿದಾಗ, ಬಳಸಿದ ವರ್ಗಗಳ ಗಡಿಗಳ ನಡುವಿನ ಮಧ್ಯಂತರಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಎಂದು ಊಹಿಸಲಾಗಿದೆ. ಇದರ ಆಧಾರದ ಮೇಲೆ, ಪ್ರಯೋಗಕಾರರು ವರ್ಗಗಳನ್ನು ಮಧ್ಯಂತರ ಪ್ರಮಾಣದಲ್ಲಿ ಮೌಲ್ಯಗಳಾಗಿ ವೀಕ್ಷಿಸುತ್ತಾರೆ. ವಿಶ್ವಾಸಾರ್ಹ ಡೇಟಾವನ್ನು ಪಡೆಯಲು, ಸರಾಸರಿ ಅಗತ್ಯ ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿತೀರ್ಪುಗಳು. IN ಆಧುನಿಕ ಅಭ್ಯಾಸಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ ವರ್ಗಕ್ಕೆ, ಮೌಖಿಕ ಲೇಬಲ್‌ಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಅಳೆಯುವ ಗುಣಲಕ್ಷಣದ ಅಭಿವ್ಯಕ್ತಿಯ ಮಟ್ಟವನ್ನು ಸೂಚಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ. ಈ ಸೂಚನೆಗಳು ವಿಷಯವು ಪ್ರಚೋದನೆಯ ಪ್ರಮಾಣದ ಬಗ್ಗೆ ಹೆಚ್ಚು ನಿಖರವಾದ ಮತ್ತು ಸ್ಥಿರವಾದ ತೀರ್ಪುಗಳನ್ನು ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಸಂದರ್ಭದ ಪ್ರಭಾವ-ಇತರ ಪ್ರಚೋದಕಗಳ ಪ್ರಮಾಣ-ಅದ್ಭುತವಾಗಿದೆ.
ಕ್ರಾಸ್-ಮೋಡಲ್ ಹೋಲಿಕೆಗಳ ವಿಧಾನ.
ವಿದ್ಯುತ್ ಕಾನೂನಿನ ಹೆಚ್ಚು ವಿವರವಾದ ಪರಿಶೀಲನೆಗಾಗಿ, ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸಲಾಯಿತು ಪ್ರಚೋದಕಗಳ ಅಡ್ಡ-ಮಾದರಿ ಹೋಲಿಕೆ.ಪ್ರಯೋಗದಲ್ಲಿ ವಿಷಯದ ಕಾರ್ಯವು ವಿಭಿನ್ನ ವಿಧಾನಗಳಿಂದ ಸಂವೇದನೆಗಳ ತೀವ್ರತೆಯನ್ನು ಸಮೀಕರಿಸುವುದು. ಉದಾಹರಣೆಗೆ, ಅವನು ತನ್ನ ಬೆರಳಿನ ಮೇಲೆ ಇರಿಸಲಾದ ಕಂಪನ ಸಂವೇದಕದಿಂದ ಸಂವೇದನೆಯ ಬಲವನ್ನು ಮತ್ತು ಧ್ವನಿಯ ಪರಿಮಾಣವನ್ನು ಸಮಗೊಳಿಸಬೇಕಾಗಿತ್ತು. ಪ್ರಾಯೋಗಿಕ ಪರಿಸ್ಥಿತಿಗೆ ವಿಷಯಗಳ ಕೆಲವು ರೂಪಾಂತರದ ನಂತರ, ಅವು ಸಾಕಷ್ಟು ಸ್ಥಿರವಾಗುತ್ತವೆ.
ವಿದ್ಯುತ್ ಕಾನೂನು ನಿಜವಾಗಿಯೂ ನಿಜವಾಗಿದ್ದರೆ, ಪ್ರಚೋದನೆಗಳು ಮತ್ತು ಸಂವೇದನೆಗಳ ನಡುವೆ ಸಂಬಂಧವಿರಬೇಕು:
ಎರಡು ಸಂವೇದನಾ ವಿಧಾನಗಳು ಇರಲಿ: Sn ಮತ್ತು Sm, ಶಕ್ತಿ ಸಂಬಂಧಗಳ ಮೂಲಕ ಅನುಗುಣವಾದ ಪ್ರಚೋದಕಗಳು In ಮತ್ತು Im ಗೆ ಸಂಬಂಧಿಸಿವೆ:
S1= I1 ^n S2= I2 ^m
ವಿಷಯವು S1 ಮತ್ತು S2 ನ ತೀವ್ರತೆಯನ್ನು ಸಮನಾಗಿರುತ್ತದೆ ಎಂದು ಪರಿಗಣಿಸಿ:
ಸಮಾನತೆಯ ಮಾನದಂಡ ಎಂದರೆ: ಪ್ರಚೋದನೆಗಳು ಸಮಾನವಾಗಿರುತ್ತವೆ ಏಕೆಂದರೆ ಅವು ಸಮಾನ ತೀವ್ರತೆಯ ಸಂವೇದನಾ ಫಲಿತಾಂಶಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತವೆ. ಮೇಲಾಗಿ, ಲಾಗರಿಥಮ್‌ಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವಾಗ, ಪ್ರಚೋದನೆಯ ತೀವ್ರತೆಗಳು ರೇಖೀಯ ಅವಲಂಬನೆಯಿಂದ ಸಂಬಂಧಿಸಿವೆ, ಇದರರ್ಥ ಇದು ವಿದ್ಯುತ್ ನಿಯಮವನ್ನು ದೃಢೀಕರಿಸುತ್ತದೆ (tgL=m/n, ಇಲ್ಲಿ L ಎಂಬುದು ನೇರ ರೇಖೆ ಮತ್ತು abscissa ಅಕ್ಷದ ನಡುವಿನ ಕೋನ).
ಪರೋಕ್ಷ ಸ್ಕೇಲಿಂಗ್.
ಫೆಕ್ನರ್ ಮಿತಿಗಳನ್ನು ಅಳೆಯಲು ಮೂರು ವಿಧಾನಗಳು:
1) ಬೌಂಡ್ಸ್ (ಕನಿಷ್ಠ ಬದಲಾವಣೆ) ವಿಧಾನ: ಪ್ರಚೋದನೆಯಲ್ಲಿ ಯಾವ ಕನಿಷ್ಠ ಬದಲಾವಣೆಗಳು ಸಂವೇದನೆಗಳಲ್ಲಿ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತವೆ.
ಪ್ರಮಾಣಿತ ಪ್ರಚೋದನೆಯನ್ನು ವಿಷಯಕ್ಕೆ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿಲ್ಲ ಮತ್ತು ಅವನು ಪ್ರಚೋದನೆಯನ್ನು ಪತ್ತೆಹಚ್ಚುತ್ತಾನೆಯೇ ಅಥವಾ ಎಂದು ಉತ್ತರಿಸುವುದು ಅವನ ಕಾರ್ಯವಾಗಿದೆ. ಇಲ್ಲಿ, 2 ಪ್ರಮಾಣಗಳನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ: ಹೆಚ್ಚುತ್ತಿರುವ ತೀವ್ರತೆಯ ಪ್ರಚೋದಕಗಳ ಸರಣಿಯನ್ನು ಬಳಸುವಾಗ ವಿಷಯವು ಮೊದಲು ಅನುಭವಿಸುವ ಪ್ರಚೋದನೆಯ ಪ್ರಮಾಣ ಮತ್ತು ಪ್ರಚೋದನೆಯ ಪ್ರಮಾಣ, ಪ್ರಚೋದನೆಯ ಕ್ರಮದಲ್ಲಿ ಮೊದಲ ಬಾರಿಗೆ ಅನುಭವಿಸದ ಪ್ರಚೋದನೆಯ ಪ್ರಮಾಣ. ತೀವ್ರತೆ ಕಡಿಮೆಯಾಗುತ್ತಿದೆ. ಪ್ರತಿ ಕಾಲಮ್‌ನ ಸಂಪೂರ್ಣ ಮಿತಿಗಳ ಸರಾಸರಿ ಮೌಲ್ಯವನ್ನು ಸಂಪೂರ್ಣ ಮಿತಿಯಾಗಿ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ.
ಒಗ್ಗಿಕೊಳ್ಳುವ ದೋಷ- ಅವರೋಹಣ ಸರಣಿಯಲ್ಲಿ ಉತ್ತರ "ಹೌದು" ಮತ್ತು ಆರೋಹಣ ಸರಣಿಯಲ್ಲಿ "ಇಲ್ಲ" ಎಂಬ ಉತ್ತರವನ್ನು ನಿರ್ವಹಿಸುವ ಪ್ರವೃತ್ತಿ. ನಿರೀಕ್ಷೆ ದೋಷಇದು ಹೊಂದಿದೆ ವಿರುದ್ಧ ಪಾತ್ರ. ಬದಲಾವಣೆಯ ನಿರೀಕ್ಷೆಯೊಂದಿಗೆ ಸಂಬಂಧಿಸಿದೆ - ವಿರುದ್ಧ ಪ್ರತಿಕ್ರಿಯೆಯಲ್ಲಿ ಬದಲಾವಣೆ.
ಪ್ರಯೋಗಕಾರನು ಆರೋಹಣ ಮತ್ತು ಅವರೋಹಣ ಸರಣಿಯಲ್ಲಿ ಸಣ್ಣ ಹಂತಗಳಲ್ಲಿ ಹೋಲಿಸಿದ ಪ್ರಚೋದನೆಯನ್ನು ಬದಲಾಯಿಸುತ್ತಾನೆ. ಪ್ರತಿ ಬಾರಿ ಪ್ರಚೋದನೆಯು ಬದಲಾದಾಗ, ವಿಷಯವು ಹೇಳಬೇಕು<, = или >ಪ್ರಮಾಣಿತಕ್ಕೆ ಹೋಲಿಸಿದರೆ ವೇರಿಯಬಲ್ ಪ್ರಚೋದನೆ. ಪ್ರಯೋಗದ ಪರಿಣಾಮವಾಗಿ, ಪ್ರತಿಕ್ರಿಯೆ ವರ್ಗದಲ್ಲಿನ ಬದಲಾವಣೆಗೆ ಅನುಗುಣವಾದ ವೇರಿಯಬಲ್ ಪ್ರಚೋದನೆಯ ಮೌಲ್ಯಗಳನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ. L ನ ಮೌಲ್ಯಗಳನ್ನು ನಿರ್ಧರಿಸಲು, ಅವರೋಹಣದಲ್ಲಿ + ನಿಂದ = (L+, ಮೇಲಿನ ವ್ಯತ್ಯಾಸದ ಮಿತಿ) ಮತ್ತು 1 ನೇ ಪರಿವರ್ತನೆಯು = to – (L-, ಕಡಿಮೆ ವ್ಯತ್ಯಾಸದ ಮಿತಿ) ಅನ್ನು ಮಾತ್ರ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲು ಸೂಚಿಸಲಾಗುತ್ತದೆ. ಸರಣಿ. ಆರೋಹಣ ಸರಣಿಯಲ್ಲಿ, 1 ನೇ ಪರಿವರ್ತನೆಯಿಂದ – to = ಮತ್ತು 1 ನೇ ಪರಿವರ್ತನೆಯಿಂದ = to + ಅನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ. ಅನಿಶ್ಚಿತತೆಯ ಮಧ್ಯಂತರ(IN) - ಅಲ್ಲಿ ಅಂದಾಜುಗಳು ಹೆಚ್ಚಾಗಿ ಕಂಡುಬರುತ್ತವೆ =. IN 2 ವ್ಯತ್ಯಾಸದ ಮಿತಿಗಳ ವಲಯವನ್ನು ಒಳಗೊಳ್ಳುತ್ತದೆ ಅಥವಾ e.z.r.: ರಿಂದ – to = ಮತ್ತು ಇಂದ = to +. ವ್ಯತ್ಯಾಸ ಮಿತಿ= IN/2.
2) ಅನುಸ್ಥಾಪನಾ ವಿಧಾನ (ಸರಾಸರಿ ದೋಷ): ಪ್ರಚೋದನೆಯು ಗುಣಮಟ್ಟಕ್ಕೆ ವ್ಯಕ್ತಿನಿಷ್ಠವಾಗಿ ಹೊಂದಿಕೆಯಾಗುವವರೆಗೆ ಸರಿಹೊಂದಿಸಲಾಗುತ್ತದೆ.
ವ್ಯತ್ಯಾಸದ ಮಿತಿಯನ್ನು ನಿರ್ಧರಿಸುವಾಗವಿಷಯ, ನಿಯಮದಂತೆ, ಸ್ವತಃ ಹೋಲಿಸಿದ ಪ್ರಚೋದನೆಯನ್ನು ಸರಿಹೊಂದಿಸುತ್ತದೆ, ಅದು ನಿರಂತರವಾಗಿ ಬದಲಾಗಬಹುದು, ಗುಣಮಟ್ಟಕ್ಕೆ, ಅಂದರೆ. ವೇರಿಯಬಲ್ ಪ್ರಚೋದನೆಯ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿಸುತ್ತದೆ, ಅದು ಪ್ರಮಾಣಿತಕ್ಕೆ ಸಮಾನವಾಗಿರುತ್ತದೆ. ಈ ವಿಧಾನವನ್ನು ಹಲವಾರು ಬಾರಿ ಪುನರಾವರ್ತಿಸಲಾಗುತ್ತದೆ, ಮತ್ತು ನಂತರ ಸರಾಸರಿ ಮೌಲ್ಯ ಮತ್ತು ವಿಷಯದ ವರ್ತನೆಗಳ ವ್ಯತ್ಯಾಸವನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ. ಹೊಂದಾಣಿಕೆಗಳ ಮೌಲ್ಯಗಳ ಸರಾಸರಿ (ಸೆಟ್ಟಿಂಗ್‌ಗಳು) TSR ನ ನೇರ ಸೂಚಕವಾಗಿದೆ (ವ್ಯಕ್ತಿನಿಷ್ಠ ಸಮಾನತೆಯ ಬಿಂದು), ಮತ್ತು ವಿಷಯವು ಅನುಮತಿಸುವ ಹೊಂದಾಣಿಕೆಗಳ ವ್ಯತ್ಯಾಸವು ಆಗಿರಬಹುದು ವ್ಯತ್ಯಾಸದ ಮಿತಿಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು ಬಳಸಲಾಗುತ್ತದೆ.
ನಿರ್ಧರಿಸುವಾಗ ಸಂಪೂರ್ಣ ಮಿತಿ ವಿಷಯವು ವೇರಿಯಬಲ್ ಪ್ರಚೋದನೆಯ ಮೌಲ್ಯವನ್ನು ಪದೇ ಪದೇ ಹೊಂದಿಸುತ್ತದೆ, ಇದು ಅವರ ಅಭಿಪ್ರಾಯದಲ್ಲಿ, ಅವರು ಪತ್ತೆಹಚ್ಚುವ ಪ್ರಚೋದಕಗಳಲ್ಲಿ ಅತ್ಯಂತ ಕಡಿಮೆಯಾಗಿದೆ. ಈ ಸೆಟ್ಟಿಂಗ್‌ಗಳ ಸರಾಸರಿಯನ್ನು ಸಂಪೂರ್ಣ ಮಿತಿಯಾಗಿ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ.
ಪ್ರತಿಯೊಂದು ಪ್ರಯೋಗದಲ್ಲಿ TSR ಮತ್ತು ವೀಕ್ಷಕರ ಸೆಟ್ಟಿಂಗ್ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ ವೇರಿಯಬಲ್ ದೋಷ(SD), ಇದನ್ನು ಪ್ರಮಾಣಿತ ವಿಚಲನದಿಂದ ಅಳೆಯಲಾಗುತ್ತದೆ.
3) ನಿರಂತರ ವಿಧಾನ(ಪ್ರಚೋದಕಗಳ ಜೋಡಿಗಳ ಹೋಲಿಕೆ, ಅದರಲ್ಲಿ ಒಂದು ಎಲ್ಲಾ ಜೋಡಿಗಳಿಗೆ ಸ್ಥಿರವಾಗಿರುತ್ತದೆ).
ವಿಧಾನವು ಈ ಕೆಳಗಿನಂತಿರುತ್ತದೆ. ವಿಭಿನ್ನ ತೀವ್ರತೆಯ ಪ್ರಚೋದನೆಗಳನ್ನು ಯಾದೃಚ್ಛಿಕ ಕ್ರಮದಲ್ಲಿ ವಿಷಯಕ್ಕೆ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ. ಒಂದು ವೇಳೆ ನಾವು ಮಾತನಾಡುತ್ತಿದ್ದೇವೆವ್ಯತ್ಯಾಸದ ಮಿತಿಯನ್ನು ನಿರ್ಧರಿಸಲು, ಪ್ರಚೋದಕಗಳನ್ನು ಸಾಮಾನ್ಯ ಒಂದರೊಂದಿಗೆ ಪರ್ಯಾಯವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ. ವೇರಿಯಬಲ್ ಪ್ರಚೋದನೆಯು ಸಾಮಾನ್ಯಕ್ಕಿಂತ ದೊಡ್ಡದಾಗಿದೆ ಅಥವಾ ಚಿಕ್ಕದಾಗಿ ತೋರುತ್ತದೆಯೇ ಎಂಬುದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ವಿಷಯದ ಅಗತ್ಯವಿದೆ (ಕೆಲವು ಪ್ರಯೋಗಗಳಲ್ಲಿ "ಸಮಾನ" ಎಂಬ ಉತ್ತರವು ಸಾಧ್ಯ). ಸಂಪೂರ್ಣ ಮಿತಿಯನ್ನು ನಿರ್ಧರಿಸುವ ಸಂದರ್ಭದಲ್ಲಿ, ವಿಷಯವು ಅವನಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಿದ ಕಿರಿಕಿರಿಯನ್ನು ಅನುಭವಿಸುತ್ತದೆಯೇ ಅಥವಾ ಅನುಭವಿಸುವುದಿಲ್ಲವೇ ಎಂದು ಸರಳವಾಗಿ ಹೇಳಬೇಕು.
ಪ್ರಚೋದಕಗಳ ನಡುವಿನ ಪ್ರಚೋದನೆ ಅಥವಾ ವ್ಯತ್ಯಾಸವು 50% ಸಮಯವನ್ನು ಗ್ರಹಿಸಿದರೆ, ಅದು ಕ್ರಮವಾಗಿ ಸಂಪೂರ್ಣ ಮತ್ತು ವ್ಯತ್ಯಾಸದ ಮಿತಿಗಳ ಸ್ಥಾನವನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಸಂಪೂರ್ಣ ಮಿತಿಯ ಪರಿವರ್ತನಾ ವಲಯದಲ್ಲಿ 50% ಗೆ ಅನುಗುಣವಾದ ಪ್ರಚೋದಕ ಮೌಲ್ಯವು ವ್ಯತ್ಯಾಸದ ಮಿತಿಯ ಪರಿವರ್ತನೆಯ ವಲಯದಲ್ಲಿ ವ್ಯಕ್ತಿನಿಷ್ಠ ಸಮಾನತೆಯ ಬಿಂದುವಿಗೆ ಅನುರೂಪವಾಗಿದೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ.
ನಿಖರವಾಗಿ ಸ್ಕೇಲಿಂಗ್ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಹೇಗೆ ನಡೆಸಲಾಗುತ್ತದೆ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ, ಪರೋಕ್ಷ ಮತ್ತು ನೇರ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಲಾಗುತ್ತದೆ.
ಪರೋಕ್ಷ, ಪರೋಕ್ಷ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನವನ್ನು ಜಿ. ಫೆಕ್ನರ್ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ. ಇದು ಸಂವೇದನೆಯ ಮಿತಿಗಳನ್ನು ನಿರ್ಧರಿಸುವ ವಿಧಾನಗಳನ್ನು ಆಧರಿಸಿದೆ. ಯಾವುದೇ ಸಂವೇದನೆಯನ್ನು ಅಳೆಯಲು, ಅದನ್ನು ಮಿತಿ ಘಟಕಗಳಲ್ಲಿ ವ್ಯಕ್ತಪಡಿಸುವುದು ಅವಶ್ಯಕ. ಪ್ರಚೋದನೆಯ ಪ್ರಮಾಣವನ್ನು ನಿರ್ಧರಿಸಿದ ನಂತರ, ಅದರ ಕೆಳಗೆ ಸಂವೇದನೆ ಸಂಭವಿಸುವುದಿಲ್ಲ, ನಾವು ಸೈಕೋಫಿಸಿಕಲ್ ಮಾಪನ ಪ್ರಮಾಣದ ಶೂನ್ಯ ಬಿಂದುವನ್ನು ನಿರ್ಧರಿಸುತ್ತೇವೆ, ಹೀಗಾಗಿ ಸಂಬಂಧಗಳ ಪ್ರಮಾಣವನ್ನು ನಿರ್ಮಿಸುವ ಸಾಧ್ಯತೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ.
ಸ್ಕೇಲ್ನ ಆರಂಭಿಕ ಹಂತವಾಗಿ ಮಿತಿ ಮೌಲ್ಯಕ್ಕಿಂತ ಮೇಲಿರುವ ಮತ್ತೊಂದು ಪ್ರಚೋದನೆಯನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಸಾಧ್ಯವಿದೆ, ಆದರೆ ಈ ಸಂದರ್ಭದಲ್ಲಿ ನಾವು ಮಧ್ಯಂತರ ಪ್ರಮಾಣವನ್ನು ಮಾತ್ರ ಪಡೆಯಬಹುದು. ಮುಂದೆ, ಇಂದ್ರಿಯ ಅಂಗವು ಮಾಪಕದ ಪ್ರಾರಂಭವನ್ನು ಹೊಂದಿಸುವ ಕನಿಷ್ಠ ಪ್ರಚೋದನೆಗೆ ಒಡ್ಡಿಕೊಂಡಾಗ ಸಂಭವಿಸುವ ಶೂನ್ಯ ಸಂವೇದನೆಯಿಂದ ಕೇವಲ ಗಮನಾರ್ಹ ವ್ಯತ್ಯಾಸದ ಸಂವೇದನೆಯನ್ನು ಉಂಟುಮಾಡುವ ಪ್ರಚೋದನೆಯನ್ನು ಕಂಡುಹಿಡಿಯುವುದು ಅವಶ್ಯಕ. ಈ ರೀತಿಯಾಗಿ, ಪ್ರಚೋದನೆಯ ಭೌತಿಕ ಪ್ರಮಾಣಗಳ ಮೇಲೆ ಸಂವೇದನೆಗಳ ಅವಲಂಬನೆಯನ್ನು ವಿವರಿಸುವ ಗಣಿತದ ಕಾರ್ಯವನ್ನು ನಿರ್ಮಿಸಲು ಸಾಧ್ಯವಿದೆ. ನಾವು E. ವೆಬರ್ ಅವರ ಕಾನೂನನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡರೆ ಕಾರ್ಯವು ಸರಳವಾಗಿದೆ, ಇದು ಪ್ರಚೋದನೆಯ ಹೆಚ್ಚಳವನ್ನು ತೋರಿಸುತ್ತದೆ AS, ಕೇವಲ ಗಮನಾರ್ಹವಾದ ವ್ಯತ್ಯಾಸದ ಸಂವೇದನೆಯನ್ನು ಉಂಟುಮಾಡುವುದು ಪ್ರಚೋದನೆಯ ಪ್ರಮಾಣಕ್ಕೆ ಅನುಪಾತದಲ್ಲಿರುತ್ತದೆ, ಅಂದರೆ. AS = kS. ಆದಾಗ್ಯೂ, ಈ ಸಂಬಂಧವು ಸಂವೇದನೆಗಳ ಸಂಪೂರ್ಣ ನಿರಂತರತೆಗೆ ಮಾನ್ಯವಾಗಿಲ್ಲ, ಆದರೆ ಅದರ ಮಧ್ಯ ಭಾಗಕ್ಕೆ ಮಾತ್ರ ಎಂದು ಮನಸ್ಸಿನಲ್ಲಿಟ್ಟುಕೊಳ್ಳಬೇಕು.
ಆದಾಗ್ಯೂ, ಅಂತಹ ಮಾಪನ ಕಾರ್ಯವಿಧಾನದ ಮುಖ್ಯ ಸಮಸ್ಯೆಯೆಂದರೆ, ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸಗಳ ಪ್ರಮಾಣಗಳ ನಡುವಿನ ಸಂಬಂಧಗಳನ್ನು ಹೇಗೆ ಪರಿಗಣಿಸುವುದು. ಪರೋಕ್ಷ ಸ್ಕೇಲಿಂಗ್ ಕಾರ್ಯವಿಧಾನವು ಅವುಗಳನ್ನು ಹೋಲಿಸುವ ಯಾವುದೇ ವಿಧಾನಗಳನ್ನು ಸೂಚಿಸುವುದಿಲ್ಲವಾದ್ದರಿಂದ, ಈ ನಿಟ್ಟಿನಲ್ಲಿ ಅನಿಯಂತ್ರಿತ ಊಹೆಯನ್ನು ಮಾಡುವುದು ಅವಶ್ಯಕ. ಹೀಗಾಗಿ, ಈ ಪ್ರಮಾಣಗಳು ಪ್ರಚೋದನೆಯ ಪ್ರಮಾಣವನ್ನು ಅವಲಂಬಿಸಿರುವುದಿಲ್ಲ ಎಂದು ಫೆಕ್ನರ್ ಸೂಚಿಸಿದರು. ಈ ಊಹೆಯನ್ನು ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸಗಳ ಸಮಾನತೆಯ ಪೋಸ್ಟುಲೇಟ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಈ ಪೋಸ್ಟುಲೇಟ್ನ ಪರಿಚಯವು ಲಾಗರಿಥಮಿಕ್ ಕಾರ್ಯವನ್ನು ಬಳಸಿಕೊಂಡು ಸೈಕೋಫಿಸಿಕಲ್ ಅವಲಂಬನೆಯ ಸ್ವರೂಪವನ್ನು ಸ್ಥಾಪಿಸಲು ಸಾಧ್ಯವಾಗಿಸಿತು.
ಪರೋಕ್ಷ ಸ್ಕೇಲಿಂಗ್‌ನ ಇತರ ಉದಾಹರಣೆಗಳೆಂದರೆ ಥರ್ಸ್ಟೋನ್ನ ಜೋಡಿ ಹೋಲಿಕೆಗಳ ವಿಧಾನ, ನಾವು ಈಗಾಗಲೇ ಉಲ್ಲೇಖಿಸಿದ್ದೇವೆ, ಅವರು ರೂಪಿಸಿದ ತುಲನಾತ್ಮಕ ತೀರ್ಪುಗಳ ಕಾನೂನಿನ ಆಧಾರದ ಮೇಲೆ ಮತ್ತು ಟೋರ್ಗರ್ಸನ್‌ನ ತುಲನಾತ್ಮಕ ವರ್ಗಗಳ ವಿಧಾನ, ಇದು ಹೋಲುತ್ತದೆ. ಈ ವಿಧಾನಗಳನ್ನು ಫೆಕ್ನರ್‌ನ ಸೈಕೋಫಿಸಿಕಲ್ ವಿಧಾನಕ್ಕೆ ವ್ಯತಿರಿಕ್ತವಾಗಿ ಸೈಕೋಮೆಟ್ರಿಕ್ ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸಬಹುದು, ಏಕೆಂದರೆ ಅವುಗಳಿಗೆ ಯಾವುದೇ ಸಂವೇದನೆಗಳ ಪರಸ್ಪರ ಸಂಬಂಧದ ಅಗತ್ಯವಿಲ್ಲ. ಭೌತಿಕ ಚಿಹ್ನೆಸ್ಕೇಲೆಬಲ್ ವಸ್ತುಗಳು.
ಅಂತಿಮವಾಗಿ, ಮನೋವಿಜ್ಞಾನದ ವಿವಿಧ ಶಾಖೆಗಳಲ್ಲಿ ಸಾಕಷ್ಟು ವ್ಯಾಪಕವಾಗಿ ಹರಡಿರುವ ಹಲವಾರು ಪರೋಕ್ಷ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳನ್ನು ನಾವು ಗಮನಿಸುತ್ತೇವೆ. ಈ ವಿವಿಧ ಆಯ್ಕೆಗಳು ಸ್ಕೋರಿಂಗ್ ವಿಧಾನ, ಶ್ರೇಯಾಂಕ ವಿಧಾನ ಮತ್ತು ಅನುಕ್ರಮ ವರ್ಗಗಳ ವಿಧಾನ. ಪ್ರಯೋಗಕಾರನ ಕಾರ್ಯವು ದುರ್ಬಲ, ಆರ್ಡಿನಲ್ ಸ್ಕೇಲ್ ಅನ್ನು ಮಾತ್ರ ನಿರ್ಮಿಸಲು ಸೀಮಿತವಾಗಿದ್ದರೆ ಈ ವಿಧಾನಗಳನ್ನು ನೇರ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳೆಂದು ಪರಿಗಣಿಸಬಹುದು. ಈ ವಿಧಾನಗಳ ಬಳಕೆಯ ಆಧಾರದ ಮೇಲೆ ಮಧ್ಯಂತರ ಪ್ರಮಾಣದ ನಿರ್ಮಾಣವು ವಿಭಿನ್ನ ತಜ್ಞರಿಂದ ಮೌಲ್ಯಮಾಪನಗಳ ಆವರ್ತನ ವಿತರಣೆಯನ್ನು ಅಥವಾ ಅದೇ ಪರಿಣಿತರಿಂದ ಅನೇಕ ಪುನರಾವರ್ತಿತ ಮೌಲ್ಯಮಾಪನಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವುದು ಮತ್ತು ಪಡೆದ ಡೇಟಾವನ್ನು ಸಂಭವನೀಯ ಮೌಲ್ಯಗಳಾಗಿ ಪರಿವರ್ತಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ನಂತರ ಸಂಭವನೀಯತೆಯ ವಿತರಣೆಯನ್ನು ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ಮೌಲ್ಯಗಳಾಗಿ ಪರಿವರ್ತಿಸಲಾಗುತ್ತದೆ - 2-ಘಟಕಗಳು. "ಪರೋಕ್ಷ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳು" ಅಧ್ಯಾಯದಲ್ಲಿ ನಾವು ಈ ವಿಧಾನಗಳನ್ನು ಹೆಚ್ಚು ವಿವರವಾಗಿ ಪರಿಗಣಿಸುತ್ತೇವೆ.
ನೇರ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ವಿಧಾನಗಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ, ಅವುಗಳ ಕಾರ್ಯವಿಧಾನದಲ್ಲಿ ಕನಿಷ್ಠ ಮಧ್ಯಂತರ ಪ್ರಮಾಣದ ನಿರ್ಮಾಣವನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ. ಎಂಬ ಅಂಶದಿಂದಾಗಿ ಇದನ್ನು ಸಾಧಿಸಲಾಗುತ್ತದೆ ಪರಿಮಾಣಾತ್ಮಕ ಗುಣಲಕ್ಷಣಗಳುಮಾಪನದ ಗುಣಗಳನ್ನು ಆರಂಭದಲ್ಲಿ ವಿಷಯಕ್ಕೆ ನಿಗದಿಪಡಿಸಲಾಗಿದೆ, ಮತ್ತು ಮೌಲ್ಯಮಾಪನದ ವಸ್ತುಗಳ ಪರಿಮಾಣಾತ್ಮಕ ಹೋಲಿಕೆಯನ್ನು ಕೈಗೊಳ್ಳಲು ವಿಷಯವು ಸ್ವತಃ ಸೂಚಿಸಲ್ಪಡುತ್ತದೆ, ಮತ್ತು ಸ್ಕೋರಿಂಗ್ ವಿಧಾನದಂತೆ ಗುಣಾತ್ಮಕವಲ್ಲ, ಅದರ ಕಾರ್ಯವಿಧಾನವು ಕಾರ್ಯವಿಧಾನಕ್ಕೆ ಹೋಲುತ್ತದೆ. ನೇರ ಮೌಲ್ಯಮಾಪನ.
ಉದಾಹರಣೆಗೆ, ಪ್ರಯೋಗಕಾರನು ತನ್ನ ವಿಷಯವನ್ನು ರೇಟ್ ಮಾಡಲು ಕೇಳಬಹುದು ರುಚಿ ಸಂವೇದನೆಗಳುಕೆಳಗಿನ ರೀತಿಯಲ್ಲಿ: "ಐ ನೀವು ನನಗೆ ಹೇಳಬೇಕೆಂದು ನಾನು ಬಯಸುತ್ತೇನೆ ಎಷ್ಟು ಸ್ಟ್ಯಾಂಡರ್ಡ್‌ಗೆ ಹೋಲಿಸಿದರೆ ಈ ಮಾದರಿಯು ನಿಮಗೆ ಸಿಹಿಯಾಗಿ ತೋರುತ್ತದೆ." ನೇರ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳು ವಿಷಯವು ಅಂತಹ ಮೌಲ್ಯಮಾಪನವನ್ನು ಮಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ ಎಂದು ಊಹಿಸುತ್ತದೆ. ಆದ್ದರಿಂದ, ಈ ವಿಧಾನಗಳು ಆರಂಭಿಕ ಡೇಟಾವನ್ನು ಪರಿವರ್ತಿಸಲು ಯಾವುದೇ ವಿಶೇಷ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಸೂಚಿಸುವುದಿಲ್ಲ, ಪರೋಕ್ಷ ವಿಧಾನಗಳ ಲಕ್ಷಣವಾಗಿದೆ. ವಿಷಯಕ್ಕೆ ಒದಗಿಸಲಾದ ಕಚ್ಚಾ ಡೇಟಾದಿಂದ ಸ್ಕೇಲ್‌ಗೆ ಮಾರ್ಗವು ಅತ್ಯಂತ ಸರಳ ಮತ್ತು ಚಿಕ್ಕದಾಗಿದೆ.
ನೇರ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳು ಮತ್ತು ಈಗಾಗಲೇ ಉಲ್ಲೇಖಿಸಲಾದ ಸ್ಕೋರಿಂಗ್, ಶ್ರೇಯಾಂಕ, ಅನುಕ್ರಮ ವಿಭಾಗಗಳು ಅಥವಾ ಜೋಡಿ ಹೋಲಿಕೆಗಳ ನಡುವಿನ ಪ್ರಮುಖ ವ್ಯತ್ಯಾಸವೆಂದರೆ, ಇದು ಮಧ್ಯಂತರ ಪ್ರಮಾಣವನ್ನು ನಿರ್ಮಿಸಲು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ, ನೇರ ಸ್ಕೇಲಿಂಗ್ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಬಳಸುವ ಸಂದರ್ಭದಲ್ಲಿ ಮಧ್ಯಂತರಗಳ ಸಮಾನತೆ ಅವನಿಗೆ ನಿಯೋಜಿಸಲಾದ ವಸ್ತುಗಳ ಮೌಲ್ಯಮಾಪನದ ಸಮಯದಲ್ಲಿ ನೇರವಾಗಿ ವಿಷಯದಿಂದ ಸ್ಥಾಪಿಸಲಾಗಿದೆ, ನಂತರ ಪರೋಕ್ಷ ವಿಧಾನಗಳಾಗಿ, ಪರೀಕ್ಷಾ ವಿಷಯಗಳ ಪ್ರತಿಕ್ರಿಯೆಗಳ ಆವರ್ತನ ವಿತರಣೆಯ ವಿಶ್ಲೇಷಣೆಯ ಆಧಾರದ ಮೇಲೆ ಸಮಾನವಾದ ಮಧ್ಯಂತರಗಳ ಆಯ್ಕೆಯನ್ನು ಅವು ಒಳಗೊಂಡಿರುತ್ತವೆ.
ಯಾವ ಪ್ರಮಾಣದ ನೇರ ಸ್ಕೇಲಿಂಗ್ ವಿಧಾನಗಳು ಪಡೆಯಲು ಅನುಮತಿಸುತ್ತವೆ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ, ಅವುಗಳನ್ನು ಮಧ್ಯಂತರ ವಿಧಾನಗಳು ಮತ್ತು ಪರಿಮಾಣದ ವಿಧಾನಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ.
ಮಧ್ಯಂತರ ವಿಧಾನಗಳು ಸಮಾನ ಮಧ್ಯಂತರಗಳನ್ನು ಹೊಂದಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಹೀಗಾಗಿ, ಸಮಾನ ಮಧ್ಯಂತರಗಳ ಪ್ರಮಾಣವನ್ನು ಪಡೆಯಲು ಅವುಗಳನ್ನು ಬಳಸಬಹುದು. ಪ್ರಮಾಣ ವಿಧಾನಗಳು ಸಂಬಂಧಗಳ ಹೋಲಿಕೆ ಮತ್ತು ಅವುಗಳ ಸಮಾನತೆಯನ್ನು ಸ್ಥಾಪಿಸುವ ಆಧಾರದ ಮೇಲೆ. ಹೀಗಾಗಿ ಅವರು ಸಂಬಂಧಗಳ ಪ್ರಮಾಣವನ್ನು ಒದಗಿಸುತ್ತಾರೆ.
ಪ್ರತಿಯಾಗಿ, ಎರಡೂ ವಿಧಾನಗಳನ್ನು ಉತ್ಪಾದಕ ಮತ್ತು ಮೌಲ್ಯಮಾಪನ ವಿಧಾನಗಳಾಗಿ ವಿಂಗಡಿಸಬಹುದು.
ಉತ್ಪಾದಕ ವಿಧಾನಗಳು ನಿರ್ಣಯಿಸಲಾದ ವಸ್ತುಗಳೊಂದಿಗೆ ವಿಷಯಗಳು ಕೆಲವು ಕ್ರಿಯೆಗಳನ್ನು ಮಾಡುತ್ತವೆ ಎಂದು ಊಹಿಸಿ. ಉದಾಹರಣೆಗೆ, ಒಂದು ಪ್ರಚೋದನೆಯ ಪ್ರಮಾಣವನ್ನು ಉಲ್ಲೇಖವಾಗಿ ಬಳಸುವ ಮತ್ತೊಂದು ಪ್ರಚೋದನೆಯ ಎರಡು ಪಟ್ಟು ಪ್ರಮಾಣವನ್ನು ಹೊಂದಿಸಲು ಪ್ರಯೋಗಕಾರನು ವಿಷಯವನ್ನು ಕೇಳಬಹುದು. ಯಾವಾಗ ಮೌಲ್ಯಮಾಪನ ವಿಧಾನಗಳು ಪ್ರಚೋದಕಗಳೊಂದಿಗಿನ ಎಲ್ಲಾ ಕುಶಲತೆಗಳನ್ನು ಪ್ರಯೋಗಕಾರರಿಂದ ನಡೆಸಲಾಗುತ್ತದೆ, ಮತ್ತು ವಿಷಯವು ಅವನ ಸಂವೇದನೆಗಳನ್ನು ಮಾತ್ರ ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಹೊಸ ಪ್ರಚೋದನೆಯು ಉಲ್ಲೇಖದ ಒಂದಕ್ಕಿಂತ ಎರಡು ಪಟ್ಟು ದೊಡ್ಡದಾಗಿದೆ (ಪ್ರಕಾಶಮಾನವಾದ, ತಂಪಾಗಿರುವ) ಅಥವಾ ಉಲ್ಲೇಖಕ್ಕಿಂತ ಒಂದೂವರೆ ಪಟ್ಟು ತೆಳುವಾಗಿದೆ ಎಂದು ಅದು ವರದಿ ಮಾಡಬಹುದು.
ಆದ್ದರಿಂದ, ಮಾನಸಿಕ ಆಯಾಮವು ಅಭಿವ್ಯಕ್ತಿಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ ಮಾನಸಿಕ ಗುಣಲಕ್ಷಣಗಳುಮಾಪಕದಲ್ಲಿ ಮೌಲ್ಯವನ್ನು ಪ್ರತಿನಿಧಿಸುವ ಕೆಲವು ಅಳತೆಯ ರೂಪದಲ್ಲಿ. ಮನೋವಿಜ್ಞಾನದಲ್ಲಿ, ಕೇವಲ ನಾಲ್ಕು ವಿಧದ ಮಾಪಕಗಳಿವೆ, ಮಾಪಕವನ್ನು ಬಳಸಿಕೊಂಡು ಅಳತೆ ಮಾಡಿದ ವಸ್ತುಗಳು ಪ್ರವೇಶಿಸಬಹುದಾದ ಸಂಬಂಧಗಳ ಸಂಖ್ಯೆಯಲ್ಲಿ ಮತ್ತು ಈ ವಸ್ತುಗಳೊಂದಿಗೆ ನಿರ್ವಹಿಸಬಹುದಾದ ಕಾರ್ಯಾಚರಣೆಗಳ ಸಂಖ್ಯೆಯಲ್ಲಿ ಭಿನ್ನವಾಗಿರುತ್ತವೆ. ಮಾಪಕಗಳನ್ನು ನಿರ್ಮಿಸುವ ಕಾರ್ಯವಿಧಾನಗಳು (ಸ್ಕೇಲಿಂಗ್ ಕಾರ್ಯವಿಧಾನಗಳು) ಈ ಅಥವಾ ಆ ಪ್ರಮಾಣವನ್ನು ನಿರ್ಮಿಸುವ ಅನುಸಾರವಾಗಿ ಒಂದು ನಿರ್ದಿಷ್ಟ ನಿಯಮಗಳ ಗುಂಪನ್ನು ಊಹಿಸುತ್ತವೆ. ಮಾಪಕಗಳ ವೈಶಿಷ್ಟ್ಯಗಳು ಮತ್ತು ಅವುಗಳ ನಿರ್ಮಾಣದ ನಿಯಮಗಳ ಜ್ಞಾನವು ಮಾನಸಿಕ ಸಂಶೋಧನೆಯಲ್ಲಿ ಮೂಲಭೂತವಾಗಿ ಮುಖ್ಯವಾಗಿದೆ, ಏಕೆಂದರೆ ಇದು ಇಲ್ಲದೆ ಮಾನಸಿಕ ಅಂಶಗಳ ಪ್ರಭಾವ, ಅಥವಾ ಅವುಗಳ ಬದಲಾವಣೆ ಅಥವಾ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ನಿರ್ಣಯಿಸುವುದು ಅಸಾಧ್ಯ. ಈ ನಿಯಮಗಳನ್ನು ಉಲ್ಲಂಘಿಸಿ ಮಾಪನವನ್ನು ನಡೆಸಿದರೆ, ಇದು ಸಂಶೋಧನಾ ಫಲಿತಾಂಶಗಳಲ್ಲಿ ವಿರೂಪಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ.
