در آموزش آمار ، استدلال استنباطی غیررسمی (که به آن استنباط غیررسمی نیز گفته می شود ) به فرآیند کلی سازی مبتنی بر داده ها (نمونه ها) درباره یک جهان گسترده تر (جمعیت / فرآیند) اشاره می کند و ضمن در نظر گرفتن عدم اطمینان ، بدون استفاده از روال رسمی یا روش های آماری رسمی ( به عنوان مثال مقادیر P ، آزمون t ، آزمون فرضیه ، آزمون اهمیت).

مانند استنباط آماری رسمی ، هدف از استدلال استنباطی غیررسمی ، نتیجه گیری در مورد جهان گسترده تر (جمعیت / روند) از داده ها (نمونه) است. اما ، با استنباط آماری رسمی در تضاد است كه لزوماً از روشهای آماری یا روشهای آماری استفاده نمی شود.

در ادبیات آموزش آمار ، از اصطلاح غیر رسمی برای متمایز کردن استدلال استنباطی غیر رسمی از یک روش رسمی استنباط آماری استفاده می شود.

 

فهرست

استدلال استنباطی غیر رسمی و استنباط آماری [ ویرایش ]

از آنجا که زندگی روزمره مستلزم تصمیم گیری بر اساس داده ها است ، انجام استنتاج مهارت مهمی است. با این حال ، تعدادی از مطالعات در مورد ارزیابی از استنباط آماری درک دانش آموزان نشان می دهد که دانش آموزان در استدلال در مورد استنباط مشکل دارند. [1]

با توجه به اهمیت استدلال در مورد استنباط آماری و مشکلاتی که دانش آموزان با این نوع استدلال دارند ، مربیان و محققان آمار در حال بررسی رویکردهای جایگزین برای آموزش استنباط آماری هستند. [2] تحقیقات اخیر نشان می دهد که دانش آموزان برخی از شهودهای صحیح در مورد داده ها دارند و این شهودها را می توان به سمت نظریه تجویز استدلال استنباطی تصحیح و توجیه کرد. [3] بنابراین بیشتر رویکرد غیررسمی و مفهومی که بر ایده های بزرگ قبلی بنا نهاده شده و بین مفاهیم بنیادی ارتباط برقرار کند ، مطلوب است. [1]

اخیراً ، استدلال استنباطی غیررسمی مورد توجه پژوهش و بحث و تبادل نظر بین محققان و مربیان در زمینه آموزش آماری قرار گرفته است زیرا به نظر می رسد که این توانایی را دارد که بتواند در ساخت مفاهیم بنیادی که زیربنای استنباط آماری رسمی است ، کمک کند . بسیاری از افراد معتقدند كه مفاهیم اساسی و مهارت استنباط باید در اوایل دوره یا برنامه درسی معرفی شوند زیرا این امر به دستیابی به استنتاج آماری رسمی كمك می كند (به عکس العمل منتشر شده Garfield & Zieffler به [4] مراجعه كنید).

سه ویژگی اساسی [ ویرایش ]

مطابق استدلال آماری ، تفکر و سواد ، سه اصل اساسی برای استنباط غیررسمی عبارتند از:

  1. کلیات (از جمله پیش بینی ها ، برآورد پارامترها و نتیجه گیری) که فراتر از توصیف داده های داده شده است.
  2. استفاده از داده ها به عنوان شواهدی برای این تعمیم ها؛ و
  3. نتیجه گیری که بیانگر درجه ای از عدم اطمینان ، کمیت یا غیرقابل شمارش است ، باعث تغییر یا عدم اطمینان می شود که هنگام تعمیم داده های فوری به یک جمعیت یا یک فرآیند غیرقابل اجتناب باشد. [5] [6]

ایده های اصلی آماری [ ویرایش ]

استدلال استنباطی غیررسمی شامل ایده های زیر است [3]

  • خواص سنگدانه ها . این شامل ایده های توزیع ، سیگنال (یک مؤلفه پایدار از جمعیت / فرآیند مانند میانگین [7] ) و سر و صدا (یک جزء متغیر از جمعیت / فرآیند مانند انحراف از ارزش فردی در حدود به طور متوسط [7] ) و انواع 'سر و صدا' یا تغییرپذیری (تغییر اندازه گیری ، تغییرپذیری طبیعی ، متغیر نمونه گیری).
  • حجم نمونه . نمونه های بزرگتر بهتر هستند زیرا تخمین دقیق تری از سیگنال های جمعیت / فرآیند ارائه می دهند.
  • کنترل تعصب . استفاده از نمونه گیری تصادفی برای اطمینان از عدم تعصب در فرایند نمونه گیری و در نتیجه افزایش شانس اینکه نمونه ای که می گیریم نماینده جمعیت باشد.
  • گرایش . بین ادعاهایی که همیشه درست هستند و اغلب یا گاهی صحیح هستند ، تمایز قائل شوید.

بیکر و دری (2011) استدلال می کنند که از استنباطی به عنوان پایه فلسفی برای توسعه استدلال استنباطی غیررسمی استفاده می کنند و بنابراین سه چالش اساسی در آموزش آماری را برطرف می کنند - (1) اجتناب از دانش بی اثر دانش آموزان (قادر به استفاده از آنچه که آنها تازه آموخته اند استفاده نمی کنند). مشکلات) ، (2) اجتناب از رویکردهای اتمی در تدریس آمار و 3) توالی موضوعات برای ایجاد انسجام در برنامه درسی از دیدگاه دانش آموزان. [8]

کارهایی که استدلال استنباطی غیررسمی را درگیر می کنند [ ویرایش ]

زیفلر و همکاران. (2008) سه نوع کار را پیشنهاد کرده است که در مطالعات استدلال استنباطی غیررسمی دانشجویان و پیشرفت آن مورد استفاده قرار گرفته است.

  1. یک نمودار از جمعیت را بر اساس نمونه تخمین زده و ترسیم کنید
  2. دو یا چند نمونه از داده ها را با هم مقایسه کنید که آیا تفاوت واقعی بین جمعیت هایی که از آنها نمونه برداری شده است وجود دارد
  3. داوری کنید که کدام یک از دو مدل یا بیانیه های رقیب به احتمال زیاد صادق است. [2]

کارهایی که شامل "نمونه های در حال رشد" می شوند [9] [7] نیز برای توسعه استدلال استنباطی غیررسمی مفید هستند [10]

منبع

https://en.wikipedia.org/wiki/Statistical_inference