Задачи поста:
Обращаю ваше внимание: я использовал малти чойс - множественный выбор. Всего проголосовало 72 респондента.
Стандартно результаты считаются так
Результат кому -то может показаться интересным, но можно двинуться дальше. Наверное, многие задумывались над тем, что можно как то представить следующий анализ:
каждый респондент руководствуется определенной логикой, определенное требование может идти в логической увязке с другими какими либо качествами. Из набора выбираемых качеств можно получать определенные ансамбли. Ну т.е. с пунктом "знание excel" наверное может следовать пункт "знание баз данных" и т.п.. Таким образом мы можем получить информацию фактически о типах специалистов в представлении респондентов.
Кроме того, мы можем получить информацию о самих респондентах: кто из них какой "тип" специалиста выбирает, кто ему "симпатичней".
Итого мы можем получить два вида информации:
В этом месте мне бы хотелось, чтобы у вас, читатели. включилась фантазия, как это можно использовать в корпоративных исследованиях.
Номер обозначает номер респондента, а расположение обозначает схожесть их взглядов. Т.е. респонденты 10 и 65 имею очень схожие взгляды. Но при этом картинка неудобоваримая, поэтому, более визуабельной будет вот такая таблица.
Я посчитал, что для описания типов можно ограничиться в нашем случае тремя кластерами / типами, хотя максимальное количество кластеров равно количеству респондентов, минимальное - одному. Я взял три.
В строках таблицы указаны факторы (требования к специалисту e learning), колонки обозначают кластеры / типы, а в ячейках указан вес того или иного требования в типе / кластере. Вес измеряется от 0 до 1. Чем ближе к единице, тем вес фактора сильнее. Зеленым цветом я выделил те значения влияния, которые являются существенными. Мы видим, что "высшее образование" не представлено ни в одном факторе, т.е ни в одном типе не требуется высшее образование в понимании экспертов. С другой стороны, фактор "знания.основ.программирования.на.языках.HTML..CSS..javascript" обладает сильным весом сразу в двух факторах - втором и третьем. И т.п...
Особый интерес вызывает смысловая интерпретация типов. Не буду вдаваться в подробности, нов моей голове эти типы сложились в такие названия:
Как бы вы назвали данные типы?
И думаю, что респондентам было бы крайне интересно узнать, к какому типу / кластеру можно отнести их выбор
ПыСы. Вы уже подумали, как можно этот метод обработки опросов использовать в корпоративных опросах?
Обращаюсь в первую очередь к тем, кто учился на моем семинаре Аналитика для HR (пишите edvb@yandex.ru - для тех, кто не был на семинаре, но хотел бы попасть): можем ли мы говорить о наличии взаимосвязи между принадлежностью выбора респондента к определенному кластеру и полом респондента?
- показать, какие у меня получились типологии специалистов e-learning.
- показать новый для многих метод обработки опросов - исследований. В некотором смысле можно говорить о создании модели компетенций в таком формате.
Описание кейса
На клиентском портале компании Websoft (кто не знает, компания специализируется на системах дистанционного обучения) проходил опрос среди клиентов компании:Мы проанализировали раздел «требования» вакансий на позицию «специалист e-learning», собрали требования в наиболее обобщенном виде (в нижеследующем списке нет системы – это просто наиболее распространенные требования, расположенные в алфавитном порядке). Просим Вас выбрать не более пяти требований, которые являются наиболее важными для специалиста e-learning с Вашей т.з.. НЕ БОЛЕЕ ПЯТИВарианты ответов (требования к специалисту e-learning) были такие
- анализ.информации
- владение.методиками.обучения.взрослой.аудитории
- высшее.образование
- гибкое.мышление
- знание.excel
- знание.баз.данных
- знание.педагогического.дизайна
- знание.психологии.восприятия.и.рекламы
- знания.графических.пакетов.Photoshop..Photopaint.и.др.
- знания.основ.программирования.на.языках.HTML..CSS..javascript
- инициативность
- коммуникативные.навыки
- мотивация.обучаемых
- навыки.сбора.информации
- ответственность
- оценка.эффективности.обучения
- саморазвитие.и.самообучение
- системное.мышление
- творческое.мышление
- управление.проектами
Обращаю ваше внимание: я использовал малти чойс - множественный выбор. Всего проголосовало 72 респондента.
Стандартно результаты считаются так
Результат кому -то может показаться интересным, но можно двинуться дальше. Наверное, многие задумывались над тем, что можно как то представить следующий анализ:
каждый респондент руководствуется определенной логикой, определенное требование может идти в логической увязке с другими какими либо качествами. Из набора выбираемых качеств можно получать определенные ансамбли. Ну т.е. с пунктом "знание excel" наверное может следовать пункт "знание баз данных" и т.п.. Таким образом мы можем получить информацию фактически о типах специалистов в представлении респондентов.
Кроме того, мы можем получить информацию о самих респондентах: кто из них какой "тип" специалиста выбирает, кто ему "симпатичней".
Итого мы можем получить два вида информации:
- какие качества с какими выбирают чаще, и на сочетании разных выборов получить представления о типах e-learning специалистов
- какие респонденты какие качества выбирают чаще, что даст нам информацию о предпочтениях самих респондентов.
В этом месте мне бы хотелось, чтобы у вас, читатели. включилась фантазия, как это можно использовать в корпоративных исследованиях.
Кластерный анализ
На языке статистики эта процедура называется кластерный анализ (или "тип" = "кластер"). И в нашем кейсе это иерархический кластерный анализ, который дает такую визуализацию результатовНомер обозначает номер респондента, а расположение обозначает схожесть их взглядов. Т.е. респонденты 10 и 65 имею очень схожие взгляды. Но при этом картинка неудобоваримая, поэтому, более визуабельной будет вот такая таблица.
Я посчитал, что для описания типов можно ограничиться в нашем случае тремя кластерами / типами, хотя максимальное количество кластеров равно количеству респондентов, минимальное - одному. Я взял три.
В строках таблицы указаны факторы (требования к специалисту e learning), колонки обозначают кластеры / типы, а в ячейках указан вес того или иного требования в типе / кластере. Вес измеряется от 0 до 1. Чем ближе к единице, тем вес фактора сильнее. Зеленым цветом я выделил те значения влияния, которые являются существенными. Мы видим, что "высшее образование" не представлено ни в одном факторе, т.е ни в одном типе не требуется высшее образование в понимании экспертов. С другой стороны, фактор "знания.основ.программирования.на.языках.HTML..CSS..javascript" обладает сильным весом сразу в двух факторах - втором и третьем. И т.п...
Особый интерес вызывает смысловая интерпретация типов. Не буду вдаваться в подробности, нов моей голове эти типы сложились в такие названия:
- 1 тип - "педагог - психолог";
- 2 тип - "творец";
- 3 тип - "технарь"
Как бы вы назвали данные типы?
И думаю, что респондентам было бы крайне интересно узнать, к какому типу / кластеру можно отнести их выбор
ПыСы. Вы уже подумали, как можно этот метод обработки опросов использовать в корпоративных опросах?
Приложение 1. Таблица типологий специалистов e-learning
1 тип
|
2 тип
|
3 тип
|
|
анализ информации
|
0.29
|
0.52
|
0.47
|
владение методиками обучения взрослой
аудитории
|
0.43
|
0.26
|
0.16
|
высшее образование
|
0.07
|
0.00
|
0.11
|
гибкое мышление
|
0.25
|
0.17
|
0.32
|
знание excel
|
0.04
|
0.04
|
0.37
|
знание баз данных
|
0.00
|
0.00
|
0.42
|
знание педагогического дизайна
|
0.71
|
0.57
|
0.11
|
знание психологии восприятия и рекламы
|
0.11
|
0.09
|
0.00
|
знания графических пакетов
Photoshop Photopaint и др
|
0.18
|
0.78
|
0.26
|
знания основ программирования на языках
HTML CSS javascript
|
0.14
|
0.91
|
0.79
|
инициативность
|
0.11
|
0.04
|
0.05
|
коммуникативные навыки
|
0.32
|
0.00
|
0.16
|
мотивация обучаемых
|
0.25
|
0.13
|
0.00
|
навыки сбора информации
|
0.43
|
0.17
|
0.26
|
ответственность
|
0.18
|
0.22
|
0.42
|
оценка эффективности обучения
|
0.11
|
0.13
|
0.16
|
саморазвитие и самообучение
|
0.57
|
0.52
|
0.37
|
системное мышление
|
0.25
|
0.35
|
0.42
|
творческое мышление
|
0.39
|
0.78
|
0.05
|
управление проектами
|
0.25
|
0.04
|
0.42
|
Приложение 2
У меня сразу родилась идея, что тип технаря значимо чаще выбирают мужчины. Вот какая картинка у меня получилась
Названия
строк
|
Ж
|
М
|
педагог
- психолог
|
14
|
14
|
творец
|
12
|
11
|
технарь
|
4
|
15
|
Прошу решивших эту задачку не писать в комментах: все равно не опубликую с тем, чтобы не умеющие решать мучились бы в догадках. Решение кажется на поверхности, но не все так просто.
Комментариев нет:
Отправить комментарий