2.2.3. Педагогический эксперимент по овладению плавательными навыками и подбору музыкального сопровождения
Педагогический эксперимент проводился тренером – организатором процесса по начальному обучению плаванию детей дошкольного возраста на протяжении 13 занятий в контрольной и экспериментальной группах, в каждой по отдельности согласно расписания проведения учебных занятий. По ходу реализации эксперимента экспериментатор вмешивается в процесс проведения, создает определенные условия для его реализации, повторяет его для подтверждения объективности полученных результатов и выявления закономерностей.
Педагогический эксперимент включал в себя параллельный метод исследования. В экспериментальную группу входят 10 человек дошкольного возраста, в контрольную группу входят 10 человек дошкольного возраста, посещающих одно дошкольное учреждение.
2.2.4. Методы анализа статистических данных
Применение статистических методов при обработке материалов исследований дает большую возможность извлечь из экспериментальных данных полезную информацию. Одним из самых распространенных методов статистики является корреляционный анализ.
Корреляционный анализ – это проверка гипотез о связях между переменными с использованием коэффициентов корреляции, двумерной описательной статистики, количественной меры взаимосвязи (совместной изменчивости) двух переменных.
Основное назначение корреляционного анализа – выявление связи между двумя или более изучаемыми переменными, которая рассматривается как совместное согласованное изменение двух исследуемых характеристик.
В качестве числовой характеристики вероятностной связи используют коэффициенты корреляции, значения которых изменяются в диапазоне от –1 до +1. После проведения расчетов исследователь, как правило, отбирает только наиболее сильные корреляции, которые в дальнейшем интерпретируются (табл. 1).
В настоящее время разработано множество различных коэффициентов корреляции. Для переменных с интервальной и с номинальной шкалой используется коэффициент корреляции Пирсона (корреляция моментов произведений).
В качестве показателя тесноты связи использовался линейный коэффициент корреляции Пирсона Rxy, который рассчитывается по следующей формуле (2):
(2)
Подробное описание математической процедуры для каждого коэффициента корреляции дано в учебниках по математической статистике [8]; [11] и др.
Интерпретация коэффициента корреляции производится исходя из уровня силы связи:
r>0,01≤0,29 – слабая положительная связь,
r>0,30≤0,69 – умеренная положительная связь,
r>0,70≤1,00 – сильная положительная связь,
r>-0,01≤-0,29 – слабая отрицательная связь,
r>-0,30≤-0,69 – умеренная отрицательная связь,
r>-0,70≤-1,00 – сильная отрицательная связь.
Программа SPSS производит подсчет корреляции по принципу «все со всеми», то есть каждая переменная коррелируется с самой собой и в матрице эта корреляция обозначается цифрами 1. Таким образом по диагонали расположены корреляции, равные единице.
В матрице значимые корреляции (то есть корреляции, p-уровень которых ≤0,05) обозначены звездочкой - *
Интерпретация p-уровня коэффициента корреляции:
- если p-уровень ≤0,05, то связь между переменными является статистически значимой;
- если p-уровень >0,05, то связь между переменными является статистически не значимой.
Факторный анализ это процедура, с помощью которой большое число переменных, относящихся к имеющимся наблюдениям, сводится к меньшему количеству независимых влияющих величин, называемых факторами. При этом в один фактор объединяются переменные, сильно коррелирующие между собой. Переменные из разных факторов, напротив, слабо коррелируют между собой.
В случае подтвержденного нормального распределения совокупностей способом оценки статистической значимости различий между ними служил t-критерий Стьюдента.
где
– разность средних, а
средняя ошибка разности.
Накопление, корректировка, систематизация исходной информации и визуализация полученных результатов осуществлялись в электронных таблицах MicrosoftOfficeExcel 2007. Статистический анализ проводился с использованием программы IBMSPSSStatistics.