Так-то, конечно, можно предположить что угодно. Например, что создатели теста считают, что раз человек способен видеть чужие боль и несчастье, это свидетельствует о межличностном понимании, даже если он никак не реагирует. А обращение к человеку по делу, по их мнению, может быть, тоже свидетельствуют о межличностном понимании, для обращения по делу оно тоже в какой-то степени нужно.
Я имею в виду, что мне неизвестна. Тесты, они все странные (опять же, по моему личному восприятию и мнению).
"Факторы" это общий термин из метода главных компонент (в рамках широкой группы методов факторного анализа). В данном случае факторы это и есть подшкалы теста. То есть имеется ввиду одно и то же (скорее всего, эту таблицу готовил другой соавтор, который проводил факторный анализ, так что у него factors, а тот, кто писал текст, занимался отбором вопросов и общей схемой опросника, потому у него subscales).IncrediblyClose писал(а): ↑А то о чем пишет NiceFellow, в корне не верно, потому что по вертикали идет не подшкала (subscale), а наименование factor.
По вертикали они назвали фактор, а на самом деле это исследуемая шкала. А вопросы сбоку сгруппированы в соответствующие группы для удобства задавания их, подсчёт всё равно по вертикали идёт.IncrediblyClose писал(а): ↑23 окт 2023, 00:11по вертикали идет не подшкала (subscale), а наименование factor.
Ну я так и сделал, мысленно построил кривую. Она вроде как ближе всего к оранжевой. Можно ли "спускать" кривую, как вы описываете, я не вполне уверен,IncrediblyClose писал(а): ↑так вы в целом график Аларики постройте. Речь о соотношениях значений подшкал, а не о конкретном значении каждой. Спустите значения, как если бы человек отвечал менее радикально, и увидите кривую, близкую к депрессии. Расстройство определяется именно рисунком соотношений. К примеру, при аутизме четко прослеживаются два пика по 1 и 2 шкалам, что соответствует облигатному симптому А. для аутизма по ДСМ-5.
Здесь мы видим кривую депрессии, где значение "ограниченность эмпатии" ниже, чем "ограниченность контактов", а при аутизме ровно наоборот.
очень странный у вас график, как если бы нейросеть проходила
Код: Выделить всё
import numpy as np
M = np.array([
[ 0.55, 0 , 0.13, -0.25, 0 , 0 ],
[ 0.74, 0 , 0 , 0 , 0 , 0 ],
[ 0.71, 0 , 0 , 0.10, 0 , 0 ],
[ 0.69, -0.10, 0.11, 0 , 0 , 0 ],
[ 0.63, 0.11, 0 , 0 , 0 , 0 ],
[ 0.51, 0 , 0.18, 0 , 0.13, 0 ],
[ 0.68, 0 , 0 , 0.12, 0 , 0 ],
[ 0 , 0.64, 0.23, 0 , 0 , 0 ],
[ 0.13, 0.66, 0.15, 0 , 0 , -0.11],
[ 0.10, 0.61, 0.22, 0 , 0 , 0 ],
[ 0 , 0.76, -0.22, 0 , 0 , 0.11],
[ 0 , 0.72, 0.16, 0 , 0 , 0 ],
[ 0.24, 0.51, -0.11, 0 , 0 , 0.17],
[ 0 , 0.82, -0.20, 0 , 0 , 0 ],
[ 0 , 0 , 0.69, 0 , 0 , 0 ],
[-0.16, 0 , 0.68, 0 , 0.14, 0 ],
[ 0 , -0.19, 0.77, 0 , -0.12, 0 ],
[ 0.16, -0.23, 0.57, 0.17, 0 , 0 ],
[ 0 , 0 , 0.74, 0 , 0 , 0 ],
[ 0 , 0 , 0.68, 0 , 0 , 0 ],
[ 0 , 0.24, 0.56, 0 , 0.17, 0 ],
[ 0.11, 0 , 0.55, 0 , 0 , 0 ],
[ 0 , 0 , 0 , 0.66, 0 , 0 ],
[-0.10, 0 , 0 , 0.65, 0 , 0 ],
[ 0 , 0 , 0.19, 0.43, -0.14, 0 ],
[ 0 , -0.14, 0.26, 0.44, 0 , 0.13],
[ 0 , 0.24, 0 , 0.53, 0 , 0 ],
[ 0 , 0 , -0.16, 0.55, 0 , 0 ],
[ 0 , 0 , 0.13, 0 , 0.73, 0 ],
[ 0 , 0 , 0 , 0 , 0.75, 0 ],
[-0.11, 0.14, 0 , 0 , 0.69, 0 ],
[ 0.27, 0 , -0.16, 0 , 0.64, 0 ],
[ 0 , -0.13, 0.18, 0 , 0.67, 0 ],
[ 0 , 0 , 0 , 0 , 0.77, 0 ],
[ 0 , 0 , 0 , 0 , 0.78, 0 ],
[ 0 , 0 , 0 , 0 , 0.65, 0 ],
[-0.10, 0 , 0.11, 0.10, 0 , 0.56],
[ 0 , 0 , 0 , 0 , -0.17, 0.67],
[ 0.14, 0 , 0 , 0 , 0 , 0.60],
[ 0 , 0 , 0 , 0 , 0 , 0.61],
[-0.12, 0 , 0 , 0 , 0 , 0.56],
[-0.13, 0 , -0.11, 0 , 0 , 0.70],
[ 0 , 0 , 0 , 0 , 0 , 0.57],
[ 0.14, 0 , 0 , 0 , 0.18, 0.44]])
a = np.array(
[2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2])
factors = a.dot(M)
print(factors)
print(sum(factors))
Вот так вышло. Не претендую на 100% передачу оттенков смысла, кое-где было трудно.
Сейчас этот форум просматривают: нет зарегистрированных пользователей и 1 гость