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 ПЯТИ
Варианты 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 результатов
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:
- 1 тип — «педагог — психолог»;
- 2 тип — «творец»;
- 3 тип — «технарь»
* смотрите во втором приложении анализ выборов
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 |
Источник : edwvb.blogspot.com
Поделиться
