Проиллюстрируем значение использования норм на примере широко известной методики К.Томаса. Напомним, что в ней вывод о доминирующей стратегии поведения в конфликтной ситуации делается с опорой на числовые данные. А именно, после подсчета суммарных баллов по каждой шкале, нужно выявить шкалу имеющую наибольший балл. Соответствующая шкале стратегия интерпретируется как доминирующая в конфликтной ситуации. Подсчитанные статистики показывают, что средние величины шкальных оценок по абсолютной величине различны. Они варьируют у мужчин от 5,25 балла до 7,25 балла и у женщин от 3,71 до 7,65 баллов (см. табл. 11).

Табл. 11. Первичные статистики шкальных оценок методики Томаса

	Мужчины (n=56)				Женщины (n=71)
Стратегия
Напористость
Сотрудничество
Компромисс
Избегание
Уступчивость

Примечание.

Средн. - средние величины;

950% и +95.0% - доверительные интервалы средних величин;

Выделены наибольшие средние величины.

Таким образом, если не учитывать нормативные данные, полученные на российской выборке (или проверенные на российской выборке), то в интерпретации результатов можно придти к неверным выводам. В самом деле, мужчинам и женщинам свойственно предпочтение стратегии избегания. В руководстве к методике не говорится о том, что доминирование одной из пяти стратегий является транскультуральной характеристикой личности. По контексту можно понять, что автор исходит из предположения о равной вероятности предпочтения каждой из пяти стратегий. Поскольку между шкальными показателями существуют статистически значимые корреляционные связи, вряд ли можно говорить о равной вероятности следования каждой из пяти стратегий. В такой ситуации, когда отсутствуют нормативные данные и сведения о характере распределения величин, надежнее опираться на подсчитанные для своей выборки статистики. В частности - для оценки выраженности доминирования одной из стратегий использовать сигму и доверительные интервалы. Добавим, что нормы целесообразно рассчитать отдельно для мужчин и женщин. По представленным данным видно, что в двух шкалах из пяти показатели значимо различаются у разных полов. При сравнении групп или подгрупп, эта половая специфичность может оказаться переменной, влияние которой нельзя не учитывать.

Вычислять нормы целесообразно и в других случаях. Полученные при сборе данных начальные (первичные) оценки выполнения экспериментальных заданий далеко не всегда удобно использовать в дальнейшей работе. Их тем или иным способом преобразуют. Наиболее частыми преобразованиями являются центрирование и нормирование среднеквадратическими отклонениями. Под центрированием понимается линейная трансформация величин признака, при которой средняя величина распределения определенного признака становится равной нулю. Направление шкалы и ее единицы остаются при этом неизменными.

Суть нормирования состоит в переходе к другому масштабу - стандартизированным единицам измерения. При стандартизировании результатов тестовых испытаний нормирование чаще всего осуществляется с помощью среднеквадратических отклонений. Стандартизирование производится при нормальном распределении тестовых оценок или близком к нему по виду.

В психологии существует целый ряд шкал, основанных на нормальном распределении и имеющих разные значения М и . Например, в шкале отклонений интеллекта IQ: М=100,  =15; в шкале Векслера М=10, = 3. Распределения различных измеренных в эксперименте признаков имеют разные величины М и  . Переводя полученные первичные оценки разных признаков к распределению с одними и теми же М и , мы получаем больше возможностей для оценки и сопоставления их варьирования. Сделать это нам позволяет использование нормированного отклонения. Нормированное отклонение показывает, на сколько сигм отклоняется та или иная варианта от среднего уровня варьирующего признака (средней арифметической), и выражается формулой:

где V - значение признака (в начальных баллах).

С помощью нормированного отклонения можно оценить любое полученное значение по отношению к группе в целом, взвесить его отклонение и одновременно освободиться от именованных величин. Для того чтобы избавиться от отрицательных чисел к полученной величине t можно прибавить какую-либо константу. Удобно, если все числа, с которыми вы оперируете имеют одинаковое количество знаков. С учетом этих соображений весьма удобна шкала Т-оценок. Для этой шкалы принято нормальное распределение, имеющее М=0,  =10. Для пересчета берется константа равная 50. Формула преобразования начальных баллов в Т-оценки следующая:

t = 50 + 10 -------

Смысл процедуры нормирования рассмотрим на примере. Предположим, нас интересуют некоторые связи коммуникативной умелости продавцов с особенностями расположения магазина в крупном городе. Чтобы составить некоторую интегральную оценку коммуникативной умелости конкретного продавца, мы можем через наблюдение получить по каждому испытуемому ряд параметров, характеризующих его общение с покупателем. Например, мы можем измерить среднюю длительность контакта глазами, среднее количество улыбок в фиксированный интервал времени, количество грубых, неприветливых обращений и т.д. Можно охарактеризовать преимущества и недостатки расположения магазина в городе (насколько "бойкое место" и т.п.). Для этого можно подсчитать количество маршрутов городского транспорта, имеющих остановки в непосредственной близости от магазина, оценить его удаленность от станций метро, учесть число расположенных поблизости магазинов другого профиля и т.д.

Для того чтобы вывести некоторый обобщенный коммуникативный показатель невозможно складывать число улыбок с длительностью контакта глазами и вычитать из этой суммы количество выражений, свидетельствующих о низкой речевой культуре. Бессмысленно складывать число автобусных маршрутов с числом соседних магазинов и вычитать из суммы величину расстояния до ближайшего метро. Лучше собрать необходимый массив количественных данных, проводя исследование в ряде магазинов, подсчитать первичные статистики для всех этих показателей, а затем, после преобразования начальных данных, получить Т-баллы по каждому показателю.

При нормировании из каждого полученного при сборе данных значения в начальных единицах вычитают среднюю арифметическую, а разность делят на сигму. Полученную величину умножают на 10, затем прибавляют к 50 или вычитают из 50. Выбором последнего арифметического действия (сложение или вычитание) мы можем задать направление вклада, который делает этот параметр в высчитываемую интегральную оценку, т.е. можем задавать направленность преобразования, учитывая специфику данного параметра. Если конкретное значение в начальных единицах превышает среднюю арифметическую, мы можем нормированное отклонение (разность, деленную на сигму) приплюсовать к 50. Это будет соответствовать большей выраженности оцениваемого психического качества у данного испытуемого, чем в среднем по нашей выборке.

Например, большее у конкретного продавца количество улыбок на одну сигму (чем в среднем) количественно теперь будет выражено: 60 Т-баллами. Количественную оценку признаков высокой речевой культуры в нормированных отклонениях следует прибавлять к 50 Т-баллам, а низкой речевой культуры - вычитать из 50 Т-баллов. Если, например, количественная оценка некоторого признака отрицательной направленности (в начальных баллах), превышает среднюю величину на полсигмы, то в Т-баллах она будет равна 45. После такого рода преобразований, подсчитывая интегральный показатель коммуникативной умелости для конкретного испытуемого, мы можем прибавлять одни Т-баллы к другим.

Форму стандартизирования данных целесообразно выбирать с учетом размаха полученных начальных оценок и числа градаций. Если в начальных баллах число градаций 7-15, то могут оказаться вполне подходящими стенайны 2 . Если же число градаций достигает 30 и более при небольшой скошенности распределения (асимметрии), то переводя эти показатели в стенайны мы будем огрублять баллы, т.е. терять некоторую долю точности произведенного измерения. Если есть основания считать, что ваши измерения достаточно эффективны (например, есть данные о хорошей ретестовой надежности, обнаружены высокие корреляции полученных в измерениях показателей с ясными и надежными внешними критериями валидизации и т.д.), то оправданным будет использование стандартизированых единиц имеющее такое же или даже несколько большее число градаций.

Сами значения рассматриваемого критерия непригодны для оценки связи между признаками, поскольку они зависят от объема выборки и других обстоятельств, носящих, вообще говоря случайный характер по отношению к силе измеряемой связи (о некоторых обстоятельствах подобного рода пойдет речь ниже). Так, величина критерия, например, равная 30, может говорить о большой вероятности наличия связи, если в клетках исходной частотной таблицы стоят величины порядка 10,20,30, и о ничтожной вероятности того же, если рассматриваемые частоты равны 1000, 2000, 3000 и т.д. В таких случаях возникает необходимость определенной нормировки найденного значения критерия – такого его преобразования, которое устранит описанную зависимость от случайных (для оценки связи) факторов.

Подчеркнем, что здесь речь идет о принципиальном моменте, часто возникающем при использовании в социологии разного рода статистических критериев, индексов и т.д. Всегда необходимо выяснять, не отражает ли используемый показатель что-либо случайное по отношению к изучаемому явлению и в случае наличия такого отражения осуществлять соответствующую нормировку показателя.

Принято нормировку, подобную описанной, осуществлять таким образом, чтобы нормированные коэффициенты изменялись либо от -1 до +1 (если имеет смысл противопоставление положительной и отрицательной направленности изучаемого с помощью рассматриваемого индекса явления, в нашем случае - связи), либо от 0 до 1 (если выделение положительной и отрицательной направленности явления содержательно бессмысленно).

Почеркнем, что приведение всех коэффициенту к одному и тому же интервалу является необходимым, но не достаточным условием, обеспечивающим возможность их сравнения. Если такого приведения не будет сделано, сравнение заведомо невозможно. Но и при его осуществлении сравнение тоже может оказаться бессмысленным. Об этом пойдет речь в п. 2.3.5.

Имеются разные подходы к требующейся нормировке. Наиболее известными являются такие, которые превращают критерий “Хи-квадрат” в известные коэффициенты, называемые обычно по именам впервые предложивших их авторов - Пирсона, Чупрова, Крамера. За этими коэффициентами утвердились постоянные обозначения, отвечающие первым буквам названных фамилий (коэффициент Чупрова отвечает немецкому tsch, коэффициент Крамера имеет два обозначения из-за известного различия букв, обозначающих звук “к” в разных языках):

Опишем некоторые свойства этих коэффициентов. Начнем с тех, которые обычно оговариваются в литературе.

Все коэффициенты изменяются от 0 до 1 и равны нулю в случае полной независимости признаков (в описанном выше смысле). Как и критерий “хи-квадрат”, эти показатели являются симметричными относительно наших признаков: с их помощью нельзя выделить зависимую и независимую переменную, на основе их анализа нельзя говорить о том, какая переменная на какую "влияет".

Обычно в качестве недостатка коэффициента Пирсона Р (предложенного в литературе первым) упоминается зависимость его максимальной величины от размера таблицы (максимум Р достигается при c=r, но величина максимального значения изменяется с изменением числа категорий: при с=3 значение Р не может быть больше 0,8, при с=5 максимальное значение Р равно 0,89 и т.д. [ Интерпретация и анализ..., 1987. С.31]). Естественно, это приводит к возникновению трудностей при сравнении таблиц разного размера.

Отметим следующий немаловажный факт, очень редко рассматривающийся в ориентированной на социолога литературе.

Многие свойства рассматриваемых коэффициентов доказываются лишь при условии выполнения одного не всегда приемлемого для социологии предположения, состоящего в том, что за каждым нашим номинальным признаком "стоит" некая латентная (скрытая) непрерывная количественная (числовая) переменная.

Сделаем небольшое отступление по поводу используемых терминов. Все три определения к термину "переменная" требуют пояснения. Термин "латентная" употребляется здесь несколько условно. Обычно (в теории социологического измерения, например, в факторном, латентно-структурном анализе, многомерном шкалировании) под латентной переменной понимают признак, значения которого вообще не поддаются непосредственному измерению (например, путем прямого обращения к респонденту). Значения же нашей переменной мы измеряем самым непосредственным образом. Но получаем при этом номинальную шкалу, хотя и предполагаем, что между отвечающими этим значениям свойствами реальных объектов существуют отношения, достаточно сложные для того, чтобы можно было говорить об использовании интервальной шкалы (о соотношении между "богатством" реальных отношений между эмпирическими объектами и типом шкал, использующихся при шкалировании этих объектов, см., например [Клигер и др., 1978; Толстова, 1998]).

Термин "непрерывная" здесь употребляется в том смысле, что в качестве значения этой переменной может выступать любое рациональное число.

"Количественной" мы, в соответствии с традицией, называем переменную, значения которой получены по шкале, тип которой не ниже типа интервальной шкалы (о нашем отношении к подобному использованию терминов "качественный - количественный" уже шла речь в п.4.3 части I). Можно показать, что для таких шкал любое рациональное число может в принципе оказаться шкальным значением какого-либо объекта. Поэтому термины "количественный" и "непрерывный" часто употребляются как синонимы.)

Итак, мы полагаем, что каждый номинальный признак получен из некоторого количественного в результате произвольного разбиения диапазона его изменения на интервалы, количество которых равно числу значений нашей номинальной переменной. И, задавая респонденту интересующий нас вопрос в анкете, мы как бы принуждаем его разбить весь диапазон изменения рассматриваемой переменной на интервалы и указать, в каком из этих интервалов, по его мнению, находится оцениваемый объект. Внутри каждого интервала значения переменной становятся неразличимыми, между интервалами же определены лишь отношения совпадения – несовпадения (основное свойство номинальной шкалы). Когда исследователь имеет дело с двумя переменными такого рода (например, когда нас интересуют парные связи) то обычно предполагается еще и нормальность соответствующего двумерного распределения.

Именно таких предположений придерживался Пирсон, когда в начале века вводил свой коэффициент. Он доказал, что Р равно тому предельному значению обычного коэффициента корреляции между латентными переменными, к которому этот коэффициент стремится при безграничном увеличении количества градаций рассматриваемых признаков. Ясно, что без указанного предположения было бы совершенно неясно, как подобное свойство коэффициента Р можно проинтерпретировать.

Для исправления указанного недостатка коэффициента Пирсона (зависимости его максимально возможного значения от размеров таблицы сопряженности) Чупров ввел коэффициент Т, названный его именем. Но и Т достигает единицы лишь при c=r, и не достигает при c¹r. Может достигать единицы независимо от вида таблицы коэффициент Крамера К. Для квадратных таблиц коэффициенты Крамера и Чупрова совпадают, в остальных случаях К >Т.

Мы перечислили те свойства рассматриваемых коэффициентов, которые часто упоминаются в литературе. Из редко упоминающихся свойств можно упомянуть еще один свойственный всем коэффициентам недостаток – зависимость их величины от соотношений маргинальных частот анализируемой таблицы сопряженности (подчеркнем очень важный момент – вычисляя теоретические частоты, мы пользуемся маргинальными суммами, полагая, что имеем дело с их “генеральными” значениями, что, вообще говоря, не всегда отвечает реальности).

О том, как можно измерять связь между номинальными признаками с помощью критерия “Хи-квадрат”, можно прочесть в работах [Елисеева, 1982; Елисеева, Рукавишников, 1977, с.82-89; Интерпретация и анализ..., 1987, с.31-32; Лакутин, Толстова, 1990; Паниотто, Максименко, 1982, с.65-84; Рабочая книга социолога, 1983, с.169-172, 190 (с учетом того, что на с, 169 речь идет о таких теоретических частотах, которые являются частотами таблицы сопряженности, отвечающей случаю статистической независимости рассматриваемых номинальных переменных); Статистические методы..., 1979, с.117-120; Толстова, 1990а, с.54-57]

Почему нужна нормировка показателя

Обычно выраженность некоторого качества пытаются описать числом. Чаще всего такое число х формируется как сумма баллов. Насколько это правомерно — вопрос другой. Мы же предположим, что такое число х получено и осмысленно.

Обычно х меняется от некоторого минимального значения x min (отражающего отсутствие качества) до некоторого максимального значения x max (крайняя степень проявления, наличия, выраженности, …).

Его получение решает проблему сравнения двух объектов, но только по этому показателю. Впрочем, и здесь дело не очень хорошо. Надо всегда помнить, в каких пределах меняется показатель. А эти диапазоны — самые разнообразные… Да еще и оценивать, насколько близко конкретное значение к краям диапазона или к его середине. В общем, чистая морока.

Если же речь идет о сравнении по двум различным показателям — дело совсем швах. Конечно, нельзя сравнивать качества непосредственно. Для этого сравниваемые числа должны быть безразмерными. А ведь именно показатель обычно интерпретируется как степень выраженности некоторого качества. И вот это сравнивать можно!!! Но для этого их следует привести к одной шкале так, чтобы начала и концы двух шкал совпадали.

Но почему только этих двух? Давайте сделаем такое преобразование для всех показателей! Оно и называется нормировкой (не путать с нормализацией !). После этого мы можем сравнивать разнообразные показатели, полученные различными методиками.

2. Типы показателей

При всем разнообразии числовых характеристик объектов (или респондентов) из них можно выделить два широких класса:

• униполярные , выражающие только степень наличия (интенсивность, выраженность, …) некоторого качества;
• биполярные , отражающие не только степень наличия качества, но и его «направленность».

3. Нормировка униполярного показателя

Давно сложилось в науке так, что величины нормируются на диапазон от 0 до 1.

Для этого функция преобразования y=f(x) должна обладать следующими свойствами:

y(x min)=0; y(x max)=1; dy/dx>0 (1)

Любая функция с такими свойствами м.б. использована для нормировки. Например, если x max , то можно выбрать функцию

Легко видеть, что за счёт выбора соответствующей функции можно учесть разнообразные эффекты искажения оценок. Например, склонность респондента к крайним оценкам. При этом, возможно, следует применять для различных респондентов и различные функции преобразования, учитывающие особенности их личности, статуса и т.п. Примерные графики таких функций — на рис. 1.

Рис. 1. Графики функции нормировки

Наиболее часто применяется линейное преобразование:

(2)

Если полагать, что увеличение х описывает как возрастание выраженности качества А, так и убывание степени некоторого другого качества В, то нормированной мерой качества В может служить просто разность y´=1–y. Таковы, например, родственные по смыслу качества ‘близость’ и ‘дистанция’. Их метризация выявляет плохо осознаваемую ранее, но вполне четкую дополнительность и даже противоположность.

4. Нормировка биполярного показателя

Обычно такой показатель представляет собой ‘склейку’ двух взаимопредполагающих и антонимичных униполярных качеств А и В.

Часто В есть просто отрицание А и наоборот. По такому принципу построены, например, шкалы семантического дифференциала. Однако, пары для такого дифференциала следует проверить по словарю антонимов (например, два антонима к слову «веселый» – «грустный» и «мрачный» – вовсе не являются синонимами).

Нормировка соответствующей величины предполагает выбор «положительного » направления оси y. В качестве такового произвольно выбирается тот из полюсов шкалы, увеличение интенсивности которого принимается как возрастание y. Противоположный полюс автоматически становится «отрицательным ». Подчеркнем, что никакой модальности (аксиологической оценки) за этим нет - играть роль могут только сложившиеся смысловые стереотипы, но не более того.

Пусть величина х оценивает степень выраженности обоих качеств (с соответствующим обозначением, например, ‘очень люблю’ или ‘слегка ненавижу’). Нормировку можно проводить при помощи любой функции, удовлетворяющей условиям (1). В частности, это м.б. и линейное преобразование:

(3)

Очевидно, что y[–1; +1].

Обе формулы (2) и (3) описывают линейное преобразование вида y=k·x+b. Поэтому все статистические выводы относительно величин x и y полностью совпадают .

5. Особенности балльных шкал

При использовании балльной шкалы имеется несколько тонкостей, которые часто упускаются из виду:

• Иногда нет ответов на все вопросы, относящиеся к данному показателю. Причины разные — ответ просто не дан, ошибка при внесении ответа или его кодировке, … Короче — имеются пропуски ответов.
• Практически всегда балл приравнивается к номеру ответа среди прочих. И наименьший балл становится равным 1.
• Хотелось бы использовать для некоторых вопросов ответ с числом градаций, отличающимся от остальных. Но тогда его вклад надо учитывать как-то по-другому.

При нормировке балльной шкалы надо всего лишь принять, что х = S, где S сумма набранных баллов по полученным ответам (а не заданных вопросов!). Соответственно, S min и S max — минимальная и максимальная суммы баллов, которые можно набрать при полученных ответах.

Важным фактором планирования кадров на предприятии является нормирование труда. Нормирование – это определение необходимых затрат рабочего времени на выполнение конкретного объема работ в конкретных организационно-технических условиях; это основа всех технико-экономических показателей, совокупность методов, позволяющих на основе изучения процессов производства устанавливать прогрессивные научно обоснованные нормы труда.

Норма - это максимально допустимая плановая величина абсолютного расхода средств производства и живого труда на единицу продукции или на выполнение определенного объема работ (например, норма расхода муки показывает, сколько муки должно расходоваться на 1 т хлеба).

Норматив - это плановый показатель, характеризующий поэлементные составляющие норм расхода сырья, материалов, топлива, энергии, затрат труда и степень их эффективного использования (например, расход заработной платы на 1 руб. готовой продукции, съем продукции с 1 м 2 производственной площади).

Нормы и нормативы принимаются в качестве исходных величин
для разработки всей системы плановых показателей предприятия. С их помощью регулируется, планируется и контролируется вся производственно-хозяйственная деятельность

Как экономическая категория норма характеризует уровень общественного разделения труда, является количественной мерой затрат живого и овеществленного труда на единицу продукции, в которой в конечном счете находит отражение уровень развития производства. В то же время норма не только отражает этот уровень, она активно влияет на него. Ведь утверждение прогрессивной нормы предопределяет принятие мер по совершенствованию производства. В этом суть нормы как проводника научно-технического прогресса в производстве. Именно поэтому, будучи основой расчета плановых показателей, нормы определяют прогрессивность и научную обоснованность планов.

Система трудовых нормативов - это совокупность регламенти­рованных затрат труда на выполнение различных элементов и ком­плексов работы персоналом предприятия или фирмы. Различают следующие виды норм и нормативов труда.

Нормы времени - выражают необходимые или научно обосно­ванные затраты рабочего времени на изготовление единицы продукции, выполнение одной работы или услуги в минутах или часах (мин/шт., ч/шт.).

Нормы выработки - устанавливают необходимый объем изго­товления продукции за соответствующий плановый период рабочего времени. Величина нормы определяет в натуральных измерителях (штуках, метрах и других единицах) плановый результат работы за смену, час или иной отрезок времени.

Нормы обслуживания - характеризуют количество рабочих мест, размер площади и других производственных объектов, закреплен­ных за одним рабочим, группой, бригадой или звеном персонала.

Нормы численности - определяют необходимое количество ра­ботников соответствующей категории для выполнения заданного объема работы или обслуживания производственных процессов.

Нормы управляемости - регламентируют число подчиненных работников у одного руководителя соответствующего подразделения предприятия.

Нормированные производственные задания - устанавливают од­ному работнику или бригаде плановые объемы и номенклатуру из­готовляемой продукции, выполняемых работ или услуг за данный период рабочего времени (смену, неделю, месяц, квартал). Величи­на производственных заданий измеряется в натуральных, трудовых, стоимостных единицах (штуках, тоннах, нормочасах, норморублях).

Различают нормы и нормативы, регламентирующие затраты:

1)рабочего времени - устанавливают величину затрат рабочего времени на выполнение единицы работы одним или несколькими работниками;

2)рабочей силы - определяют величину расхода физической и нервной энергии человека в единицу рабочего времени или на одно изделие.

Нормы затрат физической и умственной энергии определяют допустимые показатели темпа или скорости работы человека, интенсивности труда, расхода человеческой энергии, степени занятости работников, уровня их утомления, тяжести труда и т. п. Они используются для планирования оптимальных условий труда работников, обоснования нормативной интенсивности груда, а также снижения тяжести труда и установления норм компенсационных доплат при работе в неблагоприятных условиях труда. По степени их дифференциации нормы и нормативы могут устанавливаться на отдельные элементы трудовых, технологических и "производственных процессов: микроэлементные нормативы на трудовые движения и трудовые действия или укрупненные на трудовой прием, комплекс трудовых приемов, технологическую операцию, технологический процесс, производственный процесс.

По видам затрат рабочего времени нормативы и нормы подразделяются на следующие категории: основного или машинного времени, вспомогательного времени, оперативного времени, времени обслуживания рабочего места, подготовительно-заключительного времени, неполного штучного времени, единые и типовые нормы и т.д. Для повышения качества норм и нормативов важное значение имеют методы их разработки, т.к. каждая норма труда является мерой вознаграждения за труд и выражается в форме заработной платы.

Для измерения производительности труда, эффективности ис­пользования трудовых ресурсов в промышленности используются два основных показателя: выработка и трудоемкость.

Выработка (В) измеряется количеством продукции, произведен­ной в единицу рабочего времени или приходящейся на одного сред­несписочного работника или рабочего в год (квартал, месяц):

В = ТП / ССЧ;

где ТП - объем товарной (валовой или реализованной продукции), руб.;

ССЧ - среднесписочная численность работников (или рабо­чих), чел.

Это наиболее распространенный и универсальный показатель производительности труда.

Трудоемкость (Т) - это затраты времени на производство еди­ницы продукции:

Т = ВР / ПР;

где ВР - количество отработанного времени, человеко-час;

ПР - объем произведенной продукции, шт.

На практике применяют следующие методы нормирования:

1. Хронометраж;

2. Фотография рабочего дня;

3. Метод моментных наблюдений.

1) Хронометраж – наблюдение и изучение затрат рабочего времени; проводится непосредственно на рабочем месте путем проведения многократных замеров отдельных рабочих приемов операций.

Фотография рабочего дня. Применяется для определения эффективности использования рабочего времени и времени работы оборудования. Различают три вида фотографии: индивидуальная фотография рабочего дня; самофотография; групповая фотография (для изучения рабочего времени бригады или нескольких человек).

Метод моментных наблюдений. Применяется, когда необходимо организовать время работы цеха или участка. Суть заключается в том, что наблюдатель проходит через равные промежутки времени по определенному маршруту и фиксирует занятость рабочего в данный момент. Затем данные наблюдения обрабатываются и разрабатываются мероприятия по устранению потерь рабочего времени.

Полученные при сборе данных сырые (первичные) оценки выполнения экспериментальных заданий далеко не всœегда удобно использовать в дальнейшей работе. Их тем или иным способом преобразуют. Наиболее "‣‣‣детым!! преобразованиями являются,центрирование и нормирование средкеквадратическими отклонениями. Под центрированием принято понимать линœейная трансформация величин признака, при которой средняя величина распределœения определœенного признака становится равной нулю. Направ­ление шкалы и ее единицы остаются при этом неизменными

Суть нормирования состоит в переходе к доугому масштабу - стан-дарти".ированным (стандартным) единицам измерения. Прʼʼ стандартизи-ровании результатов тестовых испытаний нормирование чаще всœего осу­ществляется с помощью среднеквадратическнх отклонений. Стандартизи-рование производится при нормальном распределœении тестовых оценок (ши близком к нему по виду.

В психологии существует целый ряд шкал, основанных на нормаль­ном распределœении и имеющих разные значения М и о. К примеру, в шка-."е отклонений инюл.покта SQ: М-100, с." -15: в шкале Векслера М---!0, о-" ^. Распределœения различных измеренных в эксперименте пршнпкоБ имеют рпзные величины М п с; Переводя полученные первичнън? ."-"цепки разных i;w"!h;ikob is распределœению с отнп?ли и теми же \" 1 "i ""7, мы пол\"".аем,"":";лыие возможностей для оценки и сопоставления их варьирования Сде­лать это нам позволяет псподь яванце нормированного о^-доненчя Нор­мированное отклонение показывает, на сколько сигм отклоняется та ц-ш гнш варианта от среднего уровня варьирующего признака (средней ариф­метической";. и выражается формулой:

где V - значение признака (в сырмх оценках;

С помощью нормированного отклонения можно оценить любое по­лученное значение по отношению к группе в целом, взвесить его отклоне­ние и одновременно освободиться от именованных величин. Для того что--т i

бы избавиться от отрицательных чисел к полученной величинœе t можно прибавить какую-либо константу. Удобно, в случае если всœе кисла, с которыми вы оперируете имеют одинаковое количество знаков С учетом этих сообра­жений. весьма удобна шкала Т-оценок. Для этой шкалы принято нормаль­ное распределœение, имеющее М^О, ст -=10. Дня пересчета берется констан­та равная 50. Формула преобразования сырых оценок в Т-оценки следую­щая:

Смысл процедуры нормирования рассмотрим на примере. Предполо­жим, нас интересуют некоторые связи коммуникативной умелости продав­цов с особенностями расположения магазина в крупном городе. Чтобь составить некоторую интегральную оценку коммуникативной умелосп конкретного продавца, мы можем через наблюдение получить по каждом} испытуемому ряд параметров, характеризующих его общение с покупате­лем К примеру, мы можем измерить среднюю длительность контакта гла­зами. среднее количество улыбок в фиксированный интервал времени. количество грубых, непривечливых обращений и т.д. Можно охарактери­зовать преимущества и недостатки расположения магазина в городе (на­сколько "бойкое место" и т.п) Для этого можно подсчитать количестве маршрутов городского транспорта͵ имеющих остановки в непосредствен­ной близости от магазина, оценить его удаленность от станций метро. участь число расположенных поблизости магазинов другого профиля и т.д.

Для того чтобы вывести некоторый обобщенный коммуникативный показатель невозможно складывать число улыбок с длительностью контак­та глазами и вычитать из этой суммы количество выражений. св1Едетельст-вующрх о ндзкой речевой культуре. Бессмысленно складывать число авто­бусных маршрутов с числом сосœедних магазинов и вычитать из С}тиМ;ы велугару расстояния до ближайшего метро. Лучше собрать необходимый массив количественных данных, проводя исследование в ряде магазинов, подсчитать первичяые статистики для всœех этих показателœей, а затем, по­сле преобразования сырых данных, получить Т-баллы по каждому показа­телю.

При нормировании нз каждого полученного при сборе данных значе­ния в сырых единицах вычитают q-eninoic арифметическую, а разность делят на сигму. Полученную величину умножают на i0, затем прибавля­ют к 50 или вычитают из 50. Выбором последнего арифметического дей­ствия (сложение или вычитание) мы можем задать направление вклада, который делает данный параметр в высчитываемую интегральную оценку, ᴛ.ᴇ.

можем задавать направленность преобразования, учитывая специфику данного параметра. В случае если конкретное значение в сырых единицах превы­шает среднюю арифметическую, мы можем нормированное отклонение (разность, делœенную на сигму) приплюсовать к 50. Это будет соответство­вать большей выраженности оцениваемого психического качества у данно­го испытуемого, чем в среднем по нашей выборке.

К примеру, большее у конкретного продавца количество улыбок на одну сигму (чем в среднем) количественно теперь будет выражено: 60 Т-баллами. Количественную оценку признаков высокой речевой культуры в нормированных отклонениях следует прибавлять к. 50 Т-баллам, а низкой речевой культуры - вычитать из 50 Т-баллов. В случае если. к примеру, количест­венная оценка некоторого признака отрицательной направленности (в сы­рых баллах), превышает среднюю величину на полсигмы. то в Т-баллах ока будет равна 45. После такого рода преобразований, подсчитывая инте­гральный показатель коммуникативной умелости.для конкретного испы­туемого, мы можем прибавлять одни Т-баллы к другим.

Форму стандартизирования данных целœесообразно выбирать с учетом размаха полученных сырых оценок и числа градаций. В случае если в сырых ow.h-ках число градаций 7-! 5, то могут оказаться вполне подходящими стенай-ньᴦ. В случае если же число градаций достигает 30 н более при небольшой скошен­ности распределœения (асимметрии), то переводя эти показатели в стенайны мы будем огрублять оценки, ᴛ.ᴇ. терять некоторую долю точности произве­денного измерения В случае если есть основания считать что ваши измерения дос­таточно эффективны (к примеру- есть данные о хорошей ретестовой надеж­ности, обнаружены высокие корреляции полученных в измерениях показа­телœей с ясными и надежными внешними критериями валᴦ.дизации и т.д.), то оправданным будет использование стандартных единиц имеющее такое же или даже несколько большее число градаций.