آشنایی با حجم پایه

ارزیابی رفتار پایه ایمن و امنیت پیوست با استفاده از روش Q-Sort Everett Waters

درباره رفتار پایه ایمن

مفهوم پایه امن، استعاره تعریف کننده تئوری دلبستگی است. مری آینزورث اولین مطالعه مشاهده ای رفتار پایه ایمن را در کتاب خود، نوزادی در اوگاندا (1967) گزارش کرد. سپس مطالعه مشاهده ای طولی او در مورد تعامل مادر نوزاد و رفتار پایه ایمن در بالتیمور دنبال شد. هدف در هر دو مطالعه ارائه پشتیبانی تجربی برای نظریه دلبستگی بالبی بود. مهم است که ثابت شود رفتار دلبستگی نوزاد به زمینه حساس است و هدف به روشی اصلاح می شود که فقط یک مدل سیستم کنترل می تواند توضیح دهد.

وضعیت عجیب برای تکمیل داده های مشاهده ای Ainsworth در مورد حساسیت زمینه و اصلاح هدف رفتار دلبستگی نوزاد ایجاد شد. رفتار پیچیده پایه امن که در خانه و مشاهدات آزمایشگاهی او آشکار شد، نیاز به مدلی به پیچیدگی مدل بولبی را نشان داد و برای موفقیت او بسیار مهم بود. در سال 1978 تحقیقات دلبستگی تقریباً به طور انحصاری بر روی سیستم Ainsworth برای ارزیابی تفاوت های فردی در رفتار پایه ایمن متمرکز بود. در نهایت اعتبار طبقه‌بندی‌های وضعیت عجیب بر رابطه آن‌ها با رفتار پایه امن در خانه استوار است (Ainsworth، Bell & Stayton، 1973).

درباره مجموعه Q رفتار پیوست (نسخه 3. 0)

پیوست Q-Set به سه دلیل توسعه داده شد: (1) برای ارائه یک روش اقتصادی برای بررسی بیشتر روابط بین رفتار پایه امن در خانه و طبقه بندی های وضعیت عجیب، (2) برای تعریف بهتر (از طریق یک مجموعه Q) مراجع رفتاری. از مفهوم پایه امن، و (3) برای برانگیختن علاقه به رفتار پایه ایمن هنجاری و تفاوت های فردی در امنیت دلبستگی فراتر از دوران نوزادی. وان و واترز (1991) به عنوان اولین گام به سمت بررسی بیشتر روابط بین رفتار پایه ایمن در خانه و طبقه‌بندی‌های وضعیت عجیب، ارتباط گزارش شده توسط Ainsworth و همکاران را تکرار کردند.(1973). این روشی را نشان می‌دهد که می‌تواند برای آزمایش اعتبار طبقه‌بندی‌های وضعیت عجیب در سنین، فرهنگ‌ها و جمعیت‌های بالینی استفاده شود. نسخه فعلی Attachment Q Set نسخه 3. 0 است. در سال 1987 نوشته شده است و شامل 90 مورد است. اقلام (به زبان انگلیسی و اسپانیایی) در این وب سایت از طریق پیوند "اقلام و اطلاعات مجموعه Q-ضمیمه" در دسترس هستند.

درباره مشاهده

1. موارد Q-Set با هیچ تنظیم خاصی در ذهن نوشته نشده است. از آنها می توان برای توصیف رفتار پایه ای از افراد 1-5 ساله در خانه یا اماکن عمومی ، در داخل خانه یا خارج استفاده کرد. آشنایی با موارد q-set (به عنوان مثال ، چه چیزی را جستجو کنید ؛ رفتار "قابل قبول" چیست) بسیار مهم است. لازم نیست که آنها را به خاطر بسپارید ، فقط آنها را به اندازه کافی خوب بشناسید تا هنگام دیدن آن "رفتار قابل توجه" را بشناسید. ناظران که این موارد را به خوبی نمی شناسند ، غالباً حوصله می روند ، با کودک بازی می کنند ، یا پس از ملاقات ایده زیادی در مورد کودک ندارند. برای این علائم هوشیار باشید.

2. مشاهده رفتار کافی نیز مهم است. ما سعی می کنیم 2 بازدید از خانه 1. 5 - 2 ساعت انجام دهیم. در صورت لزوم مشاهدات اضافی را می توان برنامه ریزی کرد. اما بازدیدهای کمتری یا کوتاه تر می تواند کافی باشد ، به خصوص اگر طرح تحقیق شامل مقایسه وسایل گروهی باشد که در نمونه های معقول ، حتی اگر نمرات مربوط به موضوعات فردی کمتر باشد ، قابل اعتماد است. تجزیه و تحلیل همبستگی به داشتن داده های قابل اعتماد در هر موضوع بستگی دارد و بنابراین برای هر موضوع مشاهدات طولانی تر / بیشتر را فراخوانی می کند.

ما ترجیح می دهیم 2 ناظر هر بازدید را انجام دهند و انواع مستقل را ارائه دهند. بعضی اوقات باید با یک ناظر با تجربه انجام دهید. اگر بعد از ورود به یک بازدید ، یا حتی نیمه راه از طریق بازدید ، وضعیت مشاهده (یا رفتار کودک ، روحیه و غیره) برای مشاهده مفید مناسب به نظر می رسد ، این بازدید باید دوباره تنظیم شود (بپرسید که آیا کودک بوده استبیمار ، ضعیف خوابیده ، و غیره. بپرسید که آیا رفتار از نوع خارج به نظر می رسد. بگویید "شاید این بهترین روز برای شما نباشد" ، و غیره. والدین را احساس نکنید که شما مخالفت می کنید.

مشاهده طبیعت گرایانه همیشه طبق برنامه ریزی کار نمی کند. افراد می توانند بیمار باشند. مردم می توانند برای دیدار با خانواده رها شوند. و غیره اگر بلافاصله پس از مشاهده یا بعد از تلاش برای تکمیل Q-Sort ، نتیجه می گیرید که به مشاهدات اطمینان ندارید ، منطقی است که آنها را دور بیندازید و بازدید دیگری را انجام دهید. اگر رفتار غیرعادی بود ، دفعه بعد داده های بهتری خواهید گرفت. اگر معمولی بود ، مانند گذشته دریافت می کنید. هدف این است که بهترین تخمین از رفتار معمولی سوژه را بدست آوریم. شما باید این تصمیم را بلافاصله بگیرید و به آن پایبند باشید. هیچ تصمیم عادلانه ای در مورد اینکه داده ها خوب یا بد هستند پس از دیدن اینکه آنها فرضیه شما را طرفداری نمی کنند ، تصمیم گیری عادلانه یا بد نیست.

3. میزان زمان مشاهده مورد نیاز به تعدادی از عوامل بستگی دارد. نوزادان به طور کلی به زمان بیشتری نسبت به کودکان نوپا نیاز دارند. فعالیت های مادر و کودک در طول بازدید نیز یک عامل است. شما ممکن است چیز زیادی را ندیدید که آیا مادر بیش از حد مشغول تعامل یا ترجیح دادن در داخل ماندن کودک در خارج از منزل است. اگر کودک به بازی با بازدید کننده مشغول بازی شود ، چیز زیادی نخواهد دید.

4- آوردن مواد برای چند فعالیت کوتاه (5-10 دقیقه) که دارای سن و سال مناسب است ، می تواند یک بازدید بسیار پربار باشد. ممکن است سعی کنید مادر و کودک کیک کیک را از مخلوط بسازید ، یک کتاب پاپ آپ بخوانید ، پنهان و جستجو کنید یا با "جعبه کنجکاوی" بازی کنید. هنگام ترتیب بازدید ، فعالیت ها را توضیح دهید. تأکید کنید که آنها فقط برای نگه داشتن کودک هستند و به آنها اجازه می دهند از این دیدار لذت ببرند. آنها "آزمایش" نیستند. دوره های مشاهده تولیدی را برای این فعالیت ها قطع نکنید. منتظر یک دوره "آهسته" یا "غیرمولد" باشید. فعالیتهای برنامه ریزی شده را غیررسمی نگه دارید (بدون قانون ، بدون نگه داشتن زمان). بعضی اوقات اصلاً به آنها نمی رسید. نکته این است که دیدن این فعالیت های خاص ، رفتار پایه ای امن را مشاهده کنیم.

5- اگر خواهر و برادر یا سایر بازدید کنندگان در صحنه باشند یا اینکه کودک بیمار بوده یا دیر شده است ، می توان مشاهدات خوبی را بدست آورد. سعی کنید این کار را از قبل انجام دهید اما در صورت لزوم در نظر بگیرید که زودتر خود را بهانه کنید و بازدید را دوباره تنظیم کنید.(توجه: هیچ کس دوست ندارد یک میهمان را ناامید کند ، بنابراین ناگهان ترک نکنید ؛ توضیح دهید که این اتفاق همیشه رخ می دهد.)

6. ناظران باید شیوه ای غیررسمی و پاسخگو را با کودک اتخاذ کنند. اگر کودک علاقه ای به بازی نشان می دهد ، بازی کنید. اگر واقعاً یک بازدید کننده اجتماعی بودید رفتار کنید. اگر به نظر می رسد با کودکان راحت به نظر می رسید ، مادر نیز راحت تر خواهد بود.

7. با مادر شیوه رسمی اتخاذ نکنید. اگر او عصبی یا ناراحت کننده باشد که کودک ممکن است به خوبی متوجه شود. آشنا شدن؛قهوه یا میان وعده را بپذیرید. اما اجازه ندهید که توجه شما از وظیفه شما به عنوان یک ناظر سرگردان باشد. اجازه ندهید مادر احساس کند که موظف است با شما بنشیند و صحبت کند. او را ترغیب به فعالیت های خود کنید. اما در پایان کودک نشسته نشوید.

8- ابتکار عمل. بعضی اوقات می توانید با شروع نوع مناسب تعامل ، در مورد پاسخ کودک به تماس جسمی ، تمایل به کشف دور از مادر و غیره اطلاعات کسب کنید. به عنوان مثال ، اگر کودک را برای دیدن کتابی در دامان خود قرار داده یا قرار دهید ، می توانید در مورد پاسخ به تماس با بازدید کننده قضاوت کنید. اگر از کودک بخواهید که شما را به بیرون بازی کند ، ممکن است در مورد تمایل به بازی از مادر چیزی یاد بگیرید و همچنین وضعیتی را ایجاد کنید که در آن بهتر می توانید تلاش برای نظارت یا بررسی دوره ای در محل و فعالیت های مادر را مشاهده کنید (تا زمانیشما کودک را به محض خارج شدن از کودک دچار مشکل نمی کنید).

چند "پروب" می تواند آموزنده باشد. منتظر یک زمینه مناسب باشید و بیش از حد در این زمینه شرکت نکنید. و ، همانطور که در بالا ، از یک نمونه واحد خیلی زیاد نکنید. ایده این است که اطلاعاتی را بدست آوریم که در نتیجه همگرا شوند.(توجه: کودکان اغلب بازدید کنندگان را به سرگردانی در خانه یا بازی در یک اتاق مورد علاقه دعوت می کنند. به مادر اطلاع دهید و قبل از رفتن به او اجازه دهید. بیش از چند دقیقه. معقول باشید.)

9. گاهی اوقات منطقی است که از مادر بپرسید که آیا چیزی که مشاهده می کنید معمولی است یا "فقط به این دلیل که من بازدید می کنم."به طور معمول یا نمی بیند (به عنوان مثال ، گریه هنگام ترک خانه). هیچ نکته ای در مورد موارد پایه بسیار فنی امن وجود ندارد (به عنوان مثال ، به جای نزدیک شدن ، می نشیند و گریه می کند). اینها نوع رفتارهایی نیستند که والدین خیلی خوب گزارش می دهند. گزارش های والدین جالب است. آنها می توانند به شما در تفسیر رفتارهای خاص کمک کنند. آنها هنگام همگرایی با نشانه هایی که از مشاهدات خود دارند ، مفید هستند. اما به تنهایی آنها برای توجیه قرار دادن یک مورد بیش از یک نقطه یا دو از مرکز نوع کافی نیستند. هنگام پرسیدن در مورد رفتار کودک ، مستقیم و مختصر باشید. اگر مادر از رفتار فرزند خود ناراحت کننده یا خجالت آور به نظر می رسد ، او را به عنوان ناظر بسیاری از کودکان اطمینان دهید که انواع چیزها را می بینید.

10. مشاهده دشوار است. هوشیار ماندن ، به یاد آوردن و تفسیر وقایع در طول زمان و پیش بینی وقایع مهم خسته کننده است. اگر آن را پیدا نکردید ، بنابراین احتمالاً از چیزهایی غافل می شوید.

در مورد مرتب سازی

موارد q با توجه به توزیع از پیش تعریف شده ، به تعداد از پیش تعریف شده شمع (معمولاً 9) طبقه بندی می شوند. توزیع ممکن است مستطیل شکل (تعداد مساوی در هر شمع) یا شبه طبیعی (بیشتر در شمع های مرکز نسبت به افراط و تفریط) باشد. یکی از مزیت های روش مرتب سازی این است که اگر همان موارد به سادگی در مقیاس 19 امتیاز داده شود ، توجه بیشتری به هر مورد می کند. این احتمالاً همچنین تا حدودی پاسخ مطلوب اجتماعی را محدود می کند زیرا (الف) توجه مورد نیاز روش مرتب سازی از مجموعه مطلوبیت حواس پرتی می شود ، (ب) Sorter لزوماً نمی داند کدام سازه ها به ثمر می رسند یا چگونه از داده ها به دست می آیند، و (ج) فقط چند مورد می تواند "مشخصه ترین" یک موضوع باشد.

این تمرین طول می کشد تا به جای رتبه بندی موارد ، به مرتب سازی عادت کنید. پیشنهادات زیر ممکن است در استفاده از qu-set پیوست مفید باشد. برای بحث بیشتر در مورد روش Q-Sort ، به بلوک (1965) ، "روش Q-Sort در ارزیابی شخصیت و تحقیقات روانپزشکی" مراجعه کنید. این جلد از مشاوره روانشناسان مطبوعات در دسترس است.

1. مرتب سازی خوب به مشاهده خوب بستگی دارد. مشاهده خوب بستگی به آشنایی با موارد Q-set دارد. شما نمی توانید مشاهدات خوبی را انجام دهید یا آنچه را که دیده اید به یاد بیاورید اگر نمی دانید از قبل چه چیزی را جستجو کنید. همچنین ، تکمیل مرتب سازی خود به محض پایان بازدید از خانه بسیار مهم است. به خانه یا به دفتر خود رانندگی کنید اما تا روز دیگر صبر نکنید و اجازه ندهید بازدید دیگری مداخله کند.

2. فکر کنید خودتان را با تمام موارد موجود در یک شمع میانی واحد شروع کنید. هرچه دورتر شما مایل باشید یک مورد را از مرکز فشار دهید ، اظهارات شما در مورد کودک قوی تر است. اگر اطلاعاتی در مورد یک مورد خاص ندارید (یا اگر به سن مشخصی مربوط نیست) ، آن را در وسط بگذارید.

3. تمرکز بر اینکه یک رفتار برای توصیف خوب کودک چقدر مهم است. یک رفتار خاص تا چه اندازه در کارنامه کودک اولویت بالایی دارد یا از اولویت بالایی برخوردار است. اهمیت را با فرکانس صرف اشتباه نکنید. یک رفتار می تواند بیشتر به عنوان توصیف کننده از اهمیت بیشتری برخوردار باشد. به عنوان مثال ، حتی یک جنایتکار عادت نیز بیشتر از موارد جنایتکار اقدامات مناسب اجتماعی را انجام می دهد ، اما به احتمال زیاد به معنای در نظر گرفته شده در اینجا ، رفتارهای جنایتکار توصیف کننده های مهمتر هستند.

4- وقتی فکر می کنید یک نوع مورد را به نوعی قرار دهید ، از خود بپرسید "آیا این رفتاری است که به من اجازه می دهد این کودک را از میان جمعیت انتخاب کنم؟"یا "آیا کودک برای رفتار این روش تغییر می کند یا رفتارهای دیگری را از بین می برد؟"

5- برای قرار گرفتن کم ، از خود بپرسید "آیا این برعکس کودک من دیده ام؟" آیا این آخرین کاری است که این کودک انجام می دهد "" آیا کودک برای جلوگیری از رفتار از این طریق ، رفتارهای دیگر را تغییر می دهد یا از آن جلوگیری می کند؟ "به این دلیل که یک رفتار غیرقانونی مرتبط با آن دیده اید ، یک بالا یا پایین قرار ندهید.

6. به دنبال نمونه های متعدد ، زمینه های مهم یا همگرایی نشانه ها برای پشتیبانی از مکان های بسیار بالا یا بسیار کم باشید. فقط براساس استنباط سایر رفتارها ، یک مورد بسیار بالا یا بسیار کم را در نوع خود قرار ندهید. فقط باید یک مورد را بسیار کم قرار دهید و فقط به این دلیل که دیده نشده بود ، به نوعی بسیار کم قرار دهید. شما می خواهید قبل از قرار دادن آن بسیار کم رفتار مخالف یا ناسازگار را ببینید.

7. شما هرگز نمونه هایی از هر مورد را در طی یک مشاهده واحد مشاهده نخواهید کرد. با این وجود به دلیل توزیع ثابت Q-Sort ، شما نمی توانید موارد زیادی را در شمع میانی قرار دهید. منطقی است که یک ناظر باتجربه در قرار دادن موارد استنتاج یا برون یابی انجام دهد. اگر کودکی "با میل به مادر اشیاء را به ارمغان می آورد یا به او می دهد" ، ممکن است کالای "وقتی مادر می گوید" نه "را در شمع 6 یا 7 متوقف کنید ، حتی اگر شما مشاهده نکرده اید که مادر مجبور است کودک را از انجام کاری متوقف کند. با این حال ، این بیش از حد است که از هر یک از این رفتارها استنباط شود که کودک "با میل و غریبه ای به اشتراک می گذارد".(فرض نکنید که همه چیزهای خوب با هم پیش می روند.)

8- بیشتر موارد q-set پیوست به یک نوع خاص از رفتار و یک زمینه خاص اشاره دارد. برای هر مورد یک دلیل منطقی وجود دارد. برخی به یک مسئله خاص مربوط به رفتار پایه ایمن می پردازند ، برخی برای ارزیابی اعتبار تبعیض آمیز در مقابل خلق و خوی ، بلوغ حرکتی یا ترجیحات فعالیت غیر مرتبط با امنیت دلبستگی قرار گرفتند. موارد "پرکننده" گنجانده شده است زیرا اگر همه موارد مربوط به یک موضوع باشد ، یک مجموعه Q به راحتی مرتب نمی شود.

توجه داشته باشید در مورد مادران به عنوان ناظران

من اغلب در مورد استفاده از مادران یا سایر مراقبان به عنوان ناظران در تحقیق با پیوست Q-Set سؤال می شود. در زیر متن پاسخ به یک سؤال 9/98 است:

استفاده از مادران به عنوان ناظر در مقاله ای توسط تتی، دی ام، و مک گورتی (1996)، رشد کودک، 67، 597-605 مورد بحث قرار گرفته است. استفاده از مادران در مقابل ناظران آموزش دیده در ارزیابی رفتار پایه ایمن کودکان: ملاحظات نظری و روش شناختی.

نتیجه نهایی آنها این است که اگر باید از والدین استفاده کنید، مهم است که برخی از آنها را حمایت کنید. ایده آل است که آنها با انجام مرتب سازی سریع 3 شمعی با موارد آشنا شوند تا مطمئن شوید که موارد را می خوانند. ممکن است با مادر بنشینید و از آنها بخواهید انواع رفتارهایی را که باعث می‌شود او کالایی را بالا، متوسط یا پایین قرار دهد، ذکر کنند. اگر او مورد را به درستی تفسیر نمی کند، بازخوردی ارائه دهید.

پس از این جهت گیری، از مادر بخواهید 2-3 روز کودک را تحت نظر داشته باشد و سپس یک مرتب سازی کامل انجام دهد. مجدداً، بهتر است با او بنشینید، برای مواردی که دور از وسط قرار گرفته اند، رفتارهای مثال بزنید و تفسیرهای نادرست را اصلاح کنید. در کل، من این کار را آسانتر از انجام مشاهدات خودم نمی دانم. در واقع، کاملا خسته کننده می شود.

در عمل توصیه های تتی و مک گورتی مفید و مهم هستند. با این وجود، در تحقیقات خودم، . Iبه شدتترجیح می دهم خودم مشاهدات را انجام دهم یا دستیاران پژوهشی را به عنوان ناظر تربیت کنم. این همان چیزی است که من در توسعه مجموعه Q در ذهن داشتم و خجالت می‌کشم بگویم وقتی اکثر افرادی که با من تماس گرفتند، می‌خواستند مادران این مجموعه را انجام دهند، شگفت‌زده شدم. تصور من این است که اکثر مادران پدیده پایگاه امن را به طور دقیق رصد نمی کنند. آنها بر ایمنی، نیازها و شاخص های غیرمستقیم رفتار پایه ایمن مانند حالت عاطفی، کاوش/بازی، و به اشتراک گذاری عاطفی تمرکز می کنند. مجموعه q، چه خوب و چه بد، دیدگاه متمرکزتر و دقیق تری را در نظر می گیرد. اکنون فکر می‌کنم موفقیت اولیه ما با مادران بیش از آن‌چه به انگیزه بالای آن‌ها به عنوان شرکت‌کنندگان در یک مطالعه طولی مداوم و حمایتی که ارائه می‌کردیم، تشخیص دهیم، بستگی داشت.

ممکن است ذکر کنم که در استفاده از مادران متوجه شده ایم که برخی از مادران (به ما) نوزادان بسیار ایمن نمرات امنیتی کم می دهند. وقتی با آنها در مورد امتیاز دهی آنها صحبت می کنیم ، به نظر می رسد آنها از رفتار نوزادان بسیار آگاه هستند و نه به طور دفاعی. آنها فقط به لبه های خشن توجه می کنند و مناطقی را می بینند که در آن می توانند پیشرفت را تصور کنند. ما همچنین می بینیم که مادر گاه به گاه یک کودک آشکارا ناامن نمره بسیار بالایی دارد. وقتی سعی می کنیم در مورد امتیازات آنها بحث کنیم ، آنها بسیار دفاعی به نظر می رسند. اگر مادران هنگام مرتب سازی بی توجه باشند ، احتمالاً نمرات متوسط تا متوسطی را تولید می کنند. ممکن است چنین مواردی اکثر مشکلات مربوط به انواع مادران را به خود اختصاص دهد.

ما گاهی اوقات از گزارش های مادران برای شناسایی گروه هایی از نوزادان ایمن تر در مقابل کمتر ایمن یا کودکان نوپا استفاده کرده ایم. در مقایسه های گروهی ، برخی از افراد در هر گروه بیش از حد به دست می آیند و برخی از آنها به ثمر می رسند. این گروه تحت تأثیر قرار نمی گیرند و از دست دادن قدرت به دلیل بیشتر در گروه ها می توان با افزایش اندازه نمونه ، واریانس را تشکیل داد. برای مطالعات همبستگی ، ما با مشاهدات مستقیم می چسبیم. در اینجا ، نمره هر موضوع باید تا حد امکان دقیق باشد. اگر یک موضوع بیش از حد امتیاز داشته باشد ، همبستگی را کاهش می دهد. اگر مورد دیگر مورد تأکید قرار گیرد ، همبستگی را بیشتر کاهش می دهد. هیچ جبران خسارت وجود ندارد. بنابراین شما با همبستگی اشتباه (خیلی کم) و کاهش قدرت به پایان می رسید. شما می توانید با اضافه کردن افراد بیشتر قدرت را بازیابی کنید اما این همبستگی دست کم ای از ارزش واقعی است. اگر به همبستگی علاقه دارید ، من از مادران خودداری می کنم. گاهی اوقات راه حل این است که چندین مطالعه در مقیاس کوچک با ناظران آموزش دیده به جای یک مادران بزرگ انجام دهیم.

به خاطر داشته باشید که در بسیاری از طرح ها با استفاده از مادران ، منبع توصیف Q (و در نتیجه احتمالاً توصیف کودک) را با ویژگی های مادر اشتباه می گیرند). به عنوان مثال ، در یک مطالعه کلینیک در مقابل کودکان غیر کلینیک ، تفاوت های ظاهری بین گروه های کودکان ممکن است در واقع بوجود آمده باشد زیرا دو مجموعه از مادران رفتار کودک را متفاوت می بینند یا از q متفاوت استفاده می کنند. شما می خواهید در چنین مواردی از استفاده از مادران به عنوان زایمان خودداری کنید.

اگر تصمیم دارید از مادران به عنوان ناظران استفاده کنید ، منطقی است که متن را به شخص اول و "فرزند من" تغییر دهید. با این حال ، من پیشنهاد نمی کنم که موارد را ساده کنید یا تعداد موارد را کاهش دهید. جوآن استیونسون-هاند در اوایل تاریخ Q-Set تلاش خوبی کرد و مجموعه اصلاح شده هرگز برای او یا دیگران که از آن استفاده کرده اند ، بیشتر از روندهایی تولید نکرد (به عنوان مثال جی بلسکی و فکر می کنم مارینوس ون Ijzendoorn ، از جمله دیگران).

یک پیشنهاد دیگراگر احساس می کنید باید از مادران به عنوان ناظران استفاده کنید ، ممکن است بخواهید ناظران آموزش دیده را برای زیر مجموعه داشته باشید تا بتوانید توافق نامه ناظر مادر را گزارش دهید و شاید به محض تشخیص مشکلات ، رویه خود را اصلاح کنید."

تحلیل داده ها

بلوک (روش مرتب سازی در ارزیابی شخصیت و تحقیقات روانپزشکی 1978 ، روانشناسان مشاوره مطبوعات) سه روش برای نمره داده های مرتب سازی q را توصیف می کند: سطح مورد ، سطح خوشه و امتیاز دهی مرتب سازی معیار.

تجزیه و تحلیل سطح مورد مورد اول برای درمان هر مورد Q-Set A یک متغیر جداگانه است. این تعداد زیادی از پیوندهای توصیفی (همبستگی یا آزمون T) بین محتوای Q-Set و یک یا چند متغیر وابسته مداوم یا دوگانگی را نشان می دهد. این نشان می دهد که متغیر وابسته با کدام موارد با چه مواردی ارتباط دارد و همچنین با توجه به مواردی که با آن ارتباط ندارد ، اعتبار تبعیض آمیز را بررسی می کند.

این روش در درجه اول توصیفی است. این تست های اهمیت بسیار زیادی را برای هر کسی که به شدت تفسیر شود ، به دست می آورد. با این حال می تواند با همبستگی ها و غیر همبستگی ها معنی داشته باشد. با انجام تجزیه و تحلیل خوشه ای جداگانه یا عاملی از مواردی که (همگرا) انجام می دهند و با یک متغیر وابسته خاص ارتباط ندارند ، می تواند نتایج سطح آیتم ها مفید باشد. اگرچه نتایج در مورد موارد فردی ممکن است قابل اعتماد نباشد ، می توان نتیجه گیری قوی تری در مورد DMAIN های ارائه شده توسط خوشه ها یا عوامل نشان داد.

توجه داشته باشید که تعداد همبستگی‌های قابل‌توجهی که تصادفی انتظار می‌رود، p-value x تعداد آیتم‌ها نیست. این تنها در صورتی صدق می‌کند که آیتم‌ها همبستگی نداشته باشند که به ناچار با هم نیستند. تنها راه برای تعیین اینکه آیا تعداد همبستگی‌های سطح آیتم‌ها بیش از حد انتظار است یا نه، از طریق آزمایش‌های تجربی است که چندین هزار برابر داده‌های آیتم از یک مطالعه خاص با آرایه‌ای از اعداد تصادفی نشان‌دهنده متغیر وابسته و شمارش تعداد معنی‌دار مرتبط است. نتایج در واقع به طور تصادفی به دست آمده است. ما یک برنامه قدیمی DOS داریم که چنین آزمایش‌های تصادفی‌سازی را محاسبه و ترسیم می‌کند. در حال بازنویسی برای ویندوز است و پس از اتمام در این سایت قرار خواهد گرفت.

توجه داشته باشید که ابتدا فاکتورگیری یا خوشه‌بندی آیتم‌های مجموعه q و سپس مرتبط کردن آنها با متغیر وابسته، معادل مرتب‌سازی اقلام به همبستگی و غیرهمبستگی متغیر وابسته و سپس انجام خوشه‌بندی یا فاکتورگیری جداگانه نیست. از آنجایی که آیتم های مجموعه q تمایل زیادی به همبستگی زیادی ندارند، از نظر طراحی، اولی معمولاً خیلی مفید نیست. کیو ست های خوب فاکتورهای کوچک بسیار زیادی دارند. بعدی بهتر با ساختار مجموعه‌های q معمولی منطبق است و احتمالاً منسجم‌تر است زیرا ساختار اقلام مرتبط با متغیر وابسته می‌تواند کاملاً متفاوت از ساختار کل مجموعه q باشد.

امتیازدهی زیرمقیاس آیتم به دلیلی که قبلاً ذکر شد، محققان معمولاً مقیاس‌هایی را بر اساس تجزیه و تحلیل فاکوتر یا خوشه‌ای کل مجموعه‌های q مجموعه نمی‌سازند. در عوض، تمرکز بر مقیاس‌هایی است که با ترکیب منطقی مجموعه‌هایی از موارد نظری مرتبط (معمولاً 10-5 عدد) ایجاد می‌شوند. چندین چنین مقیاس مبتنی بر محتوا ممکن است از آیتم‌های یک مجموعه q ساخته شود. بسیاری از آیتم های مجموعه q به هیچ وجه به هیچ مقیاسی اختصاص داده نمی شوند. پایایی و انسجام مقیاس‌های مبتنی بر چنین انتخاب گویه‌ای منطقی را می‌توان با استفاده از روش‌های همبستگی استاندارد برای بررسی سازگاری درونی و اعتبار تفکیک و افزودن یا حذف چند مورد از انتخاب اولیه بهبود و خلاصه کرد.

ساده ترین راه برای نمره دادن یک موضوع در چنین مقیاس ، جمع آوری نمرات موارد موجود در مقیاس است. به طور معمول موارد SOEM در جهت معکوس مقیاس بیان و نمره داده می شود (به عنوان مثال ، "حیوانات خانگی سگهای ناآشنا" یک شاخص معکوس برای مقیاس اضطراب است). چنین مواردی باید نمرات تئوری را منعکس کنند (یعنی تغییر 9 قبل از خلاصه شدن نمرات مورد ، 1 ، 8 می شود ، 2 و غیره). هرگز با اضافه کردن موارد مثبت و تفریق موارد معکوس ، نمره مقیاس را محاسبه نکنید.

مقیاس های مبتنی بر زیر مجموعه موارد ، تست های اهمیت کمتری دارند و از امتیاز دهی سطح مورد نظر منطقی تری دارند. اما آنها تا حدودی توصیفی کمتری دارند و تفسیر آن دشوارتر است. نتایج باید با صلاحیت های مناسب تفسیر شود و تکثیر مطلوب است.

معیار مرتب سازی معیار به ثمر رساند یکی از روشهای مفید برای به دست آوردن داده های q-sort است. این شامل داشتن متخصصان از q-set برای تعریف ساختار علاقه و سپس مقایسه توضیحات Q-Sort از موضوعات فردی با این "معیار" است. نوع معیار با داشتن متخصصان مرتب سازی موارد q برای توصیف "فرضی ترین موضوع (یا وابسته و غیره)" ساخته شده است. نمرات در مرتب سازی هر متخصص به ترتیب از مورد 1 به مورد n ترتیب داده می شود. آنها سپس به طور متوسط برای به دست آوردن توصیف Q متوسط از موضوع "فرضی ترین امن ترین" به دست می آیند. این نوع معیار مجموعه ای از وسایل مورد نظر است.

شباهت بین این نوع معیار (آرایه ای از مورد n به معنی) و توضیحات q-Sort از یک موضوع خاص (یا آرایه ای از نمرات N ، از یک ناظر یا میانگین چندین ناظر) به عنوان نمره موضوع در مورد استفاده می شودساختن. شباهت معمولاً با همبستگی آرایه N-item از نمرات مرتب سازی معیار با آرایه N-atem از نمرات توصیف موضوع اندازه گیری می شود. این در جدول زیر نشان داده شده است.