CC BY
30
УДК: 379.8
исследование структуры времяпрепровождения студентов вузов как элемент социального менеджмента
в регионе
н. с. мартышенКО,
кандидат экономических наук, профессор кафедры маркетинга и коммерции E-mail: Natalya. martyshenko@vvsu. ru
А. В. локша,
кандидат филологических наук, старший преподаватель кафедры маркетинга и коммерции E-mail: fox1108@mail. ru Владивостокский государственный университет экономики и сервиса
В статье рассмотрены методические подходы к исследованию структуры времяпрепровождения студентов вузов. Приводятся элементы технологии повышения качества эмпирических данных и обработки неструктурированных данных при мониторинговых исследованиях.
Ключевые слова: структура времяпрепровождения, студенты, анкетный опрос, качество данных, мониторинг.
В настоящее время в России вузовское образование получает большая часть молодежи страны. В некоторых регионах (например в Приморском крае) количество студентов в вузах приближается к числу выпускников средних школ. В высших учебных заведениях молодежь получает не только профессиональные знания. В период обучения происходит формирование социального статуса молодых людей.
В целях оптимизации учебного процесса последнее десятилетие постоянно снижалась аудиторная нагрузка студентов, уменьшилось количество курсовых проектов и курсовых работ. Большинство студентов стало гораздо менее ответственно
относиться к дипломному проектированию. Все это высвободило значительное время, которым студенты распоряжаются по своему усмотрению. Все ли молодые люди готовы самостоятельно решать эту сложную проблему? Многие из поступивших в вуз юношей и девушек впервые начинают жить вне семьи. В большинстве вузов число иногородних студентов составляет более 50 % контингента. Поэтому проблема социального менеджмента в вузовской среде является важнейшим элементом молодежной политики страны.
Для целенаправленной организации этой работы необходимо проводить системные исследования времяпрепровождения студентов. Авторами рассматриваются методические подходы к таким исследованиям, которые в течение длительного времени использовались во Владивостокском государственном университете экономики и сервиса.
Как правило, для исследования проблем времяпрепровождения студентов применяется анкетный опрос [1, 2, 3]. В своих опросах авторы задействовали анкетные формы, которые имеют ряд отличий от традиционных. Рассмотрим структуру примененных в исследованиях анкетных форм.
Разработка анкеты, используемой для анализа структуры времяпрепровождения студентов вузов Приморского края. Для изучения структуры времяпрепровождения студентов вузов была разработана специальная анкета. Она включает пять блоков вопросов:
- по информации учетного характера;
- по структуре времяпрепровождения студентов;
- по социально-демографическому портрету студентов;
- по излюбленным местам отдыха и развлечения студентов;
- по информации, связанной с анализом затруднений в восприятии вопросов анкеты.
особое внимание придается информации учетного характера. Такой, например, как номер анкеты, дата проведения опроса, фамилия интервьюера. Эта информация используется для расчета динамических характеристик и контроля качества информации.
основные вопросы по теме исследований представлены во втором блоке анкеты. Он содержит 28 вопросов, требующих ответа в цифровой форме, и один вопрос, касающийся увлечений и хобби, ответ на который необходимо дать в текстовой форме.
Вопросы второго блока представлены в табличной форме. Таблица содержит 5 столбцов:
1) номер вопроса;
2) направления использования свободного времени;
3) «хочу» (желание);
4) «получается» (реальность);
5) единица измерения.
Состав вопросов по структуре времяпрепровождения студентов был определен в ходе предварительных обсуждений возможных вариантов использования свободного времени в группах студентов. То есть этот состав был подсказан самими студентами.
На самом деле каждый вопрос (кроме текстового) предполагает два ответа, характеризующих структуру использования времени студентами. Первый касается желаемого использования времени (столбец «хочу»). Второй ответ связан с реальным использованием времени (столбец «получается»). Основным конечно является вопрос о реальных затратах времени по направлениям использования свободного времени. Ответы о желаемых затратах служат для оценки разрыва между желаемым и реальным и для оценки степени неудовлетворенности
студентов структурой организации своего времени. Для организации свободного времени студентов и разработки соответствующих мероприятий важно знать эти разрывы.
Чисто психологически представление анкеты в форме таблицы воспринимается студентами как 29 вопросов. На самом деле их количество в первом блоке достигает 57.
В результате анкетного опроса исследователь получает очень богатый материал.
Одним из важнейших элементов блока вопросов по структуре времяпрепровождения является единица измерения оценок времяпрепровождения, приведенная в анкете в пятом столбце. Для каждого вопроса используется своя единица измерения, наиболее адекватная для измерения исследуемого параметра. Для оценки времяпрепровождения были использованы следующие единицы измерения:
- количество часов в неделю;
- количество часов в сутки;
- количество раз в месяц;
- количество раз в семестр;
- количество раз в год.
Третий блок вопросов предназначен для определения социально-демографического портрета студентов и информации личного характера.
Четвертый блок включает 6 вопросов относительно излюбленных мест отдыха и развлечения студентов.
Пятый блок содержит вопросы по затруднениям, возникающим у студентов при заполнении анкеты.
Если во втором (основном блоке) ответы даются в числовой форме, то при ответах на вопросы третьего, четвертого и пятого блока ответы чаще всего необходимо дать в текстовой форме.
Все блоки вопросов компактно размещены на одном листе бумаги.
Разработка средств повышения качества анкетных данных. При массовых анкетных опросах большое значение приобретает анализ качества данных, который предшествует содержательному анализу. Существует множество алгоритмов анализа качества данных. Ряд алгоритмов анализа таблиц многомерных данных был реализован в специализированном комплексе программных средств анализа анкетных данных, который был разработан как надстройка к EXCEL во Владивостокском государственном университете экономики и сервиса (ВГУЭС) [4, 5].
Авторами использовалась специально разработанная компьютерная технология, ориентированная на обработку данных исследования структуры времяпрепровождения студентов вузов Приморского края.
Обсудим проблему, которая решается с помощью этой технологии. В своих ответах на вопросы по оценке затрат своего времени по видам его использования некоторые студенты давали неадекватные или эмоциональные оценки. Возможно, кроме эмоций для этого имеется еще ряд других причин.
Некоторые студенты невнимательно прочитали единицы измерения времени, предложенные в анкете для каждого вида использования свободного времени. не все из них серьезно отнеслись к исследуемой проблеме или проявили неграмотность, не понимая, что такое средняя оценка затрат времени, путая ее с тем, что было вчера или на прошлой неделе. Трудно понять, что думает студент о том, как будут обрабатываться числовые данные анкетных опросов, отвечая на конкретный вопрос о затратах времени - не в цифровом выражении, а в текстовом (например «много»). Отдельные студенты очень узко воспринимали задаваемый вопрос, были не в состоянии обобщить информацию по сходным ситуациям. Некоторые хотели продемонстрировать свою «оригинальность» или «блеснуть» чувством юмора для того, чтобы привлечь к себе внимание организаторов анкетного опроса.
В результате отдельные данные нельзя принимать в расчет при анализе. Причем неадекватные ответы могли быть даны не на все вопросы анкеты, а только на некоторые из них. Поэтому отбрасывать часть анкет также нецелесообразно. Но прежде чем приступать к анализу данных исследования времяпрепровождения студентов, из-за наличия неадекватных ответов необходимо обработать «выбросы» информации.
Поскольку понятие «выброс» не формализовано, для обработки следует ввести ряд новых понятий и параметров, которые будут использоваться в решении задачи.
Такие понятия будем рассматривать на примере ответов на следующий вопрос анкеты: «На сколько времени желаю (получается) включать музыкальную аппаратуру?». Он является наиболее показательным примером с точки зрения наличия выбросов.
Назовем «оценкой границы допустимого максимального значения признака» такое значение оценки
признака, которое лежит на грани физических возможностей человека. Например, для прослушивания музыки такая оценка может быть установлена на уровне 18 часов в сутки (табл. 1).
Трудно себе представить, чтобы человек в среднем слушал музыку более 18 часов в сутки, даже при затратах на сон 6 часов в сутки. И что характерно: те, кто указал большее, чем 18 часов, значение оценки времени, посвящаемого прослушиванию музыки, тратят на сон не меньше 6 часов. А ведь студент должен уделять какое-то время учебным занятиям, ходить в кино, посещать мероприятия, где обычно музыку не слушают. Тут только два варианта:
- или они слушают музыку и во сне;
- или налицо явное противоречие в ответах.
Отсюда вывод о том, что ответы свыше 18 часов
необходимо отбросить.
Оценка границы допустимого максимального значения признака - это единственный показатель, который назначается исследователем исходя из здравого смысла. и чтобы удовлетворить скептиков, авторы выбирали его даже несколько выше разумного значения.
Параметр «количество ответов на вопрос» - это количество анкет, в которых был указан ответ на данный вопрос.
Параметр «количество отказов от ответа» - это количество анкет, в которых не было ответа на дан-
Таблица 1 Примеры оценок, используемых при выявлении выбросов
Номер параметра Параметры, рассчитываемые по выборке данных по каждому признаку Значение Доля
1 Оценка границы допустимого максимального значения признака 18
2 Количество ответов на вопрос 1 268 0,990
3 Количество отказов от ответа 14 0,011
4 Количество ответов за границей допустимого максимального значения 95 0,074
5 Количество ответов в границе допустимого максимального значения 1 173 0,915
6 Количество ответов, составляющих 95 % ответов, в границе допустимого максимального значения 1 131 0,953*
Итого, количество анкет, ед. 1 282 1,00
*Количество значений, попадающих в границы допустимого максимального значения.
ный вопрос (в нашем примере было 14 отказов).
Параметр «количество ответов за границей допустимого максимального значения» - для нашего примера это количество анкет, в которых указаны ответы со значениями свыше 18 часов. В данном случае значение этого параметра равно 95 или 7,4 % от всех анкет. Это одно из самых высоких значений по сравнению с другими вопросами.
Параметр «количество ответов в границе допустимого максимального значения» рассчитывается как разница между количеством анкет и количеством ответов за границей допустимого максимального значения.
Параметр «количество ответов, составляющих 95 % ответов в границе допустимого максимального значения» рассчитывается в ходе анализа нарастающего итога процента значений оценок, входящих в 95 % зону оценок, попадающих в границы допустимого максимального значения.
Все используемые параметры для выявления выбросов представлены в табл. 1. Важно отметить, что значения долей для параметров 2-5 в табл. 1 рассчитываются относительно объема выборки (количества анкет), а оценка доли для шестого по-
Зона значений в границе, составляющих 95% ответов, лежащих в границе допустимого максимального значения
казателя рассчитывается относительно количества значений, попадающих в границы допустимого максимального значения (значение в табл. 1 помечено звездочкой). Интервалы зон анализа данных представлены на рис. 1.
Рассмотрим технологию расчетов, позволяющих повысить качество данных за счет выявления выбросов. Особенность технологии состоит в том, что все расчеты выполняются в таблицах EXCEL, представляющих собой некоторые заранее подготовленные формы таблиц. Расчеты производятся с помощью формул и не зависят от объемов выборки. Это позволяет не производить перерасчет результатов в случае пополнения данных. Такое положение очень важно при мониторинге исследуемого процесса.
При выявлении выбросов на отдельном листе EXCEL для каждого признака создаются свои таблицы. Для выполнения расчетов исследователем задается только одно значение - оценка границы допустимого максимального значения признака. Все остальные значения рассчитываются с помощью формул. График частот значений признака по зонам значений признака позволяет проанализировать
Зона значений за границей допустимого максимального значения
Зона значений в границе допустимого максимального значения
Граница значений, составляющих 95% ответов, лежащих в границе допустимого максимального значения
t
Ось значений признака
Максимальное значение признака, наблюдаемое в выборке
Допустимое максимальное значение признака
Рис. 1. Распределение зон значений признака
распределение ответов респондентов по зонам (рис. 2). Содержательный анализ данных ответов на вопросы производится уже без учета выбросов.
Расчеты по конкретным данным убедительно доказывают, что значения характеристик выборки без учета выбросов и с учетом выбросов существенно отличаются (табл. 2). Таким об -разом, разработанная технология позволяет существенно повысить точность результатов и также существенно сократить время расчета частотных рядов признаков при мониторинговых исследованиях.
Рис. 2. График частот значений признака по зонам значений признака
Таблица 2
Расчет характеристик двух выборок
Тип выборки Объем выборки Среднее значение Стандартное отклонение Доверительный интервал
Выборка без учета выбросов 1 091 3,55 2,90 0,006
Выборка с учетом выбросов 1 268 7,38 15,58 0,027
Разработка средств мониторинга характеристик, исследуемых в анкетном опросе. Рассмотрим постановку задачи по разработке программных средств анализа структурных изменений признаков, исследуемых при мониторинге в анкетных опросах. Прежде всего необходимо проанализировать процесс сбора данных при мониторинговых исследованиях и определить некоторые понятия, связанные с ним.
Главной особенностью сбора данных при мониторинговых исследованиях является то, что в каждой анкете должна быть указана дата сбора, которая при компьютерной обработке заносится в отдельный столбец таблицы.
Чаще всего анкетные данные собираются с использованием бумажного носителя, а затем уже вводятся в компьютер для обработки. В реальных исследованиях ежегодно по одной анкете может опрашиваться значительное количество респондентов (от нескольких сотен до нескольких тысяч). В сборе данных может быть задействовано много технических работников, которые непосредственно контактируют с респондентами. К такой работе часто привлекаются студенты.
Сбор данных осуществляется в течение некоторого временного периода (иногда до нескольких месяцев). Считается, что изменений состояния исследуемой социально-экономической системы за время сбора данных не происходит. Такие системы вообще достаточно инертны.
Необходимо различать понятия «периоды сбора данных» и периоды, на которые распространяются полученные оценки состояния системы -«периоды оценки состояния системы». В большинстве случаев оценки распространяются на календарный год, но могут быть назначены и другие временные рамки.
Данные для ввода в компьютер от работников, осуществляющих сбор анкетных данных, поступают неравномерно. Каждая анкета имеет свой уникальный номер. По этому номеру можно ее идентифицировать. При вводе данных в компьютер они будут упорядочены не по дате сбора данных, а по номеру анкеты.
На ввод данных в компьютер тоже требуется достаточно много времени. В работе может участвовать несколько операторов. После ввода все данные собираются в единую таблицу, в которой данные упорядочиваются по номеру анкеты. Это удобно для сверки компьютерных данных с оригиналом на бумажном носителе при выявлении ошибок. Сведения на бумажном носителе сохраняются на весь период, пока существует перспектива сбора данных по данной анкете.
Будем считать, что в конечном итоге будет сформирована некоторая таблица EXCEL, данные которой и нужно обработать. Разработанный программный комплекс требует, чтобы «Лист EXCEL», где располагается таблица «объект-свойство», имел название «Данные». Никаких прочих данных или расчетов на листе «Данные» быть не должно, кроме данных таблицы «объект-свойство».
Прежде чем приступить к содержательному анализу данных, полученных в процессе мониторинга, желательно проанализировать процесс их сбора.
На первом этапе процесс сбора данных представляется в виде диаграммы (например, по месяцам или кварталам). Для расчета графика был раз-
работан специальный программный модуль в среде EXCEL - «Календарный график сбора данных». Интерфейс обращения к программе «Календарный график сбора данных» представлен на рис. 3.
Рассмотрим краткое содержание параметров, которые задаются при вызове этой программы:
- «столбец дат» - указывается ссылка на столбец таблицы данных, содержащий даты сбора анкет;
- «начальная дата» - дата, начиная с которой производится расчет графика сбора данных (выбираются из выпадающего списка);
- «конечная дата» - дата, до которой производится расчет графика сбора данных (выбирается из выпадающего списка);
- «шаг по дате» - размер интервалов, по которым рассчитывается календарный график сбора данных (выбирается из выпадающего списка);
Расчет календарного графика сбора данных
Столбец дат
Начальная дата год
Начальная дата месяц
Шаг по дате
месяц
Конечная дата год
Конечная дата месяц
Результаты разместить
Рассчитать
Рис. 3. Интерфейс программы «Календарный график сбора данных»
- «результаты разместить» - указывается ячейка листа EXCEL, выбранная для размещения таблицы результатов.
Пример календарного графика, рассчитанного с помощью программы «Календарный график сбора данных» по данным анкетного опроса в исследовании времяпрепровождения студентов вузов Приморского края, приведен на рис. 4.
Из этого графика можно увидеть, что наибольшее количество данных собиралось в начальном периоде всех исследований. Больше всего было собрано в 2004-2006 гг. В 2008 г. данные вообще не собирались. Процесс сбора был возобновлен в 2009 г.
Анализ графика процесса сбора данных по анкетному опросу позволяет спланировать работу по решению задач мониторинга исследуемого процесса или явления. График дает информацию о том, каким статистическим материалом располагает исследователь к моменту решения задач мониторинга.
Прежде чем приступить к обработке данных мониторинга, необходимо сопоставить даты сбора данных и периоды оценки состояния системы. Для исследования времяпрепровождения студентов было выбрано три периода сбора данных и три периода оценки состояния
Ш
Рис. 4. Временная диаграмма сбора статистических данных в период 2004-2013 гг.
Таблица 3
Соответствие дат сбора анкетных данных и периодов оценки состояния системы
Номер периода Период оценки состояния системы Даты сбора данных Количество анкет, ед.
Начальная дата периода Конечная дата периода
сбора данных сбора данных
1 2004-2006 гг. 01.07.2004 31.12.2006 768
2 2007-2009 гг. 01.01.2007 31.12.2009 378
3 2011-2012 гг. 01.01.2011 31.12.2012 231
Итого... 01.07.2004 31.12.2012 1277
системы. В данном случае периоды сбора данных и периоды оценки системы совпадают. Эти периоды условно охватывают:
- 2004-2006 гг.;
- 2007-2009 гг.;
- 2011-2012 гг.
Соответствие дат сбора анкетных данных и периодов оценки состояния системы представлено в табл. 3. Заметим, что это скорее исключение из правил, чем правило. Чаще всего эти периоды полностью не совпадают.
Расчет частотных рядов признака по периодам оценки состояния системы производится с помощью специального модуля EXCEL «Мониторинг частотных рядов».
Расчет частотных рядов признака по периодам оценки состояния системы производится с помощью специального модуля EXCEL «Мониторинг частотных рядов». Интерфейс программы представлен на рис. 5.
г- Мониторинг частотных рядов ■ш
Столбец дат
Таблица соответствия
"период-дата"
Диапазон данных
Тип данных числовы простые
Границы интервалов
Результаты разместить
Установить фильтр на таблицу данных
Рассчитать
Рис. 5. Интерфейс программы расчета частотных рядов признака по периодам оценки состояния системы
В программе необходимо определить столбец таблицы данных, где размещены даты сбора анкет. Затем определяется таблица соответствия «период-дата». В ней задаются даты начала и конца по периодам сбора данных (даты сбора данных в табл. 3). Эти данные задаются на любом листе EXCEL, кроме листа «Данные». «Диапазон данных» - это ссылки на один (в простых случаях) или несколько столбцов (в сложных случаях), которые определяют исследуемый признак.
С помощью программы можно обрабатывать различные типы данных. Для различных типов данных используется своя схема расчета. Поэтому при обращении к программе следует задать тип данных.
Далее в программе определяется место размещения «границ интервалов» для расчета частотного ряда исследуемого признака. Считается, что интервалы следуют один за другим. Поэтому задаются только верхние границы интервалов. Значение верхней границы включается в соответствующий интервал и не входит в следующий интервал. Параметр «результаты разместить» определяет ячейку листа EXCEL, выбранную для размещения таблицы результатов.
Часто при мониторинге необходимо построить серию частотных рядов не по всем данным, а по данным, отвечающим условиям для некоторой группы респондентов. Например, только для женщин или только для мужчин. Для определения условий, описывающих такую группу, служит кнопка «установить фильтр на таблицу данных». По этой команде вызывается «Пользовательский автофильтр» EXCEL, настраиваемый пользователем программы.
Пример обработки данных при мониторинге социально-экономических процессов. Рассмотрим несколько примеров по использованию разработанного программного обеспечения. Результаты расчета частотных рядов по затратам времени на занятия спортом для установленных временных
2-3
4-5
6-7
8-9
10-11 12-13 14-15 1(5-17 >17
Рис. 6. Частотные ряды распределения студентов по затратам времени на занятия спортом: 1 - 2004-2006 гг.; 2 - 2001-2009 гг; 3 - 2010-2012 гг.
работой, имеются большие резервы по вовлечению студентов в активную деятельность помимо учебы.
Наиболее показательным вопро-сом среди открытых вопросов рассматриваемой анкеты является вопрос по увлечениям студентов: укажите свое увлечение (хобби), заполнив пропуск в скобках, и сколько
периодов представлены в форме гистограмм на рис. 6.
несмотря на то, что полученные частотные ряды внешне очень похожи, проверка гипотезы с помощью критерия х2 о влиянии временного периода на структуру ответов респондентов не подтверждает независимости ответов от временного периода. Выборочное значение критерия х2выб = 24,4, а критическое значение критерия при 95 % уровне значимости х2 = 10,85 .
Л- крит '
Анализ открытых вопросов анкеты времяпрепровождения студентов вузов Приморского края. Анализ данных нечисловой природы является одним из направлений современной статистики, которое получило свое развитие в последние годы. Во ВГУЭС разработка средств анализа качественных данных производится более десяти лет [6]. Рассматриваемая анкета включает несколько открытых вопросов по использованию свободного времени студентами. Прежде чем перейти к анализу ответов на эти вопросы, изучим ответы студентов на вопрос о том, имеют ли они время, которое нечем занять.
Оценки о наличии такого времени были получены по данным ответа на вопрос: бывает ли у вас такая ситуация, когда вы не знаете, чем занять свое свободное время? Предлагаемые варианты ответов:
- часто;
- редко;
- не бывает.
Из диаграммы, представленной на рис. 1, видно, что студентов, которые четко могут распланировать свое время, не так уж и много - всего 26 %. это значит, что у служб, занимающихся воспитательной
времени желаю (получается) ему уделять?
не дали ответ на этот вопрос или ответили, что не имеют каких-либо личных увлечений - 35 % студентов (табл. 4). Это самый высокий процент среди всех вопросов анкеты.
Отдельные студенты (1 %) указали такие ответы, которые трудно идентифицировать (например, «много увлечений», «постоянного нет», «разносторонние увлечения» и др). Указали свои личные увлечения 64 % студентов.
В своих ответах студенты часто использовали различные написания одних и тех же увлечений. например, слова «играть на гитаре» и «игра на гитаре» компьютер воспринимает как разные ответы. Поэтому исходная таблица «список значений признака» включала более 600 различных вариантов ответов. После типизации ответов, указанных студентами, произведенной с помощью специальной программы, был получен список уникальных значений, включающий уже 264 варианта ответов по увлечениям.
0,10 0,60 0,50 0,40 0,30 0,20 0,10 0,00
0,60 ___
1
1 0,26
мм
0,13 \
1 _ . Ш
Рис. 7. Частотное распределение студентов по высказываниям относительно времени, которое нечем занять: 1 - часто; 2 - редко; 3 - не бывает
3
Таблица 4
Частоты вариантов ответов на вопрос по увлечению или «хобби»
Возможные варианты ответов Количество респондентов, чел. Доля, %
Нет данных или нет хобби 423 0,35
Редкое увлечение 12 0,01
Указали хобби 783 0,64
Опрошено 1 218 1,00
Различные варианты ответов были объединены в 40 групп. Примеры объединения ответов в две группы «танцы» и «чтение» приведены в табл. 5.
эти две группы по числу ответов следуют сразу после наиболее многочисленной группы «занятие спортом». Наиболее представительная группа «занятие спортом» включает 165 ответов, из которых 32 имеют различное написание.
Таблица 5
Структура групп ответов «танцы» и «чтение»
Группа ответов Варианты ответов Количество респондентов, чел.
Танцы Танцы 88
Танцы (балет) 2
Танцы (бальные) 4
Танцы (брейк-данс) 2
Танцы (восточные) 2
Танцы (дискотеки) 1
Танцы (народные) 1
Танцы (спортивные) 4
Танцы (стрип-аэробика) 1
Танцы (танец живота) 2
Танцы (хип-хоп) 1
Танцы (эстрадные) 1
Чтение Чтение 40
Чтение (газет) 1
Чтение (гламурных журналов) 1
Чтение (детективов) 5
Чтение (журналов) 12
Чтение (классической 1
литературы)
Чтение (классической 1
литературы)
Чтение (книг 4
по психологии)
Чтение (книг) 25
Чтение (романов) 2
Чтение (художественной 13
литературы)
Чтение (экономической 1
литературы)
Чтение (японской 1
литературы)
Отдельные группы ответов существенно отличаются по количеству ответов. Из 40 групп 15 наиболее многочисленных групп включают 50,7 % ответов. Частота высказываний по группам, входящим в список наиболее популярных занятий, представлена на рис. 8.
Анализ показал, что многие студенты не имеют увлечений. Крайне малое количество молодых людей занято общественной работой, художественной самодеятельностью или научной работой. Занятия спортом, хотя и преобладают в ответах студентов, но чаще это индивидуальные занятия, а не занятия в спортивных секциях на постоянной основе.
В своих ответах студенты утверждают, что очень много времени они посвящают слушанию музыки. Часто музыка служит фоном для каких-то других дел, музыка звучит в ночных клубах и на дискотеках. Только музыке посвящены концерты исполнителей и музыкальные фестивали.
Для выявления наиболее популярных исполнителей у студентов ВГУЭС был использован открытый вопрос: назовите своего любимого певца или группу, которых вы слушаете чаще других.
Первоначально список исполнителей и музыкальных групп, указанных в ответах студентов, включал более 1 000 наименований. Типизация имен исполнителей и названий музыкальных групп вызвала большие затруднения. Студенты при ответах часто неточно указывают имена и названия как на русском языке, так и на английском. Например, музыкальные произведения известного итальянского диджея, композитора, продюсера Бенни Бенасси (настоящее имя Марко Бенасси) указывались различными студентами по-разному. «Benassy», «Benassy Bross», «Benny Benassi», «Benny Benassy», «Бенасси», «Бени Бенеси» и другие. Официально исполнитель должен быть записан как Benny Benassi. Популярная американская рок-группа Evanescence была указана, кроме своего общепринятого названия, как «Эванесенс» и «Эвенсис». Английское написание названий внесло в анализ много проблем. Поэтому в дальнейшем целесообразно рекомендовать в ответах только русские написания имен собственных и названий.
Возможно для получения более точных оценок целесообразно было бы пригласить студента, который больше разбирается в современных исполнителях. Но даже при грубой оценке совершенно очевидно отсутствие выраженной группы - лидера исполнителей, которая бы встречалась в ответах значительного количества студентов.
0,30
0,25
0,20 0,15 0,10 0,05 0,00
Рис. 8. Частотный ряд распределения высказываний по наиболее популярным увлечениям
студентов:
1 - занятия спортом; 2 - танцы; 3 - чтение; 4 - слушать музыку; 5 - компьютер;
6 - рисование; 7 - рукоделие; 8 - шитье; 9 - настольные игры; 10 - занятия музыкой; 11 - изучать иностранные языки; 12 - авто-, мототехника; 13 - писать; 14 - заниматься своей
внешностью; 15 - развлечения
Многие студенты, слушая музыку, вообще не задумываются об исполнителях и указывают такие ответы, как: «рэп», «слушаю все подряд», «слушаю клубную музыку», «современная музыка», «танцевальная музыка», «что нравится», «электронная музыка», «сборники», «все зарубежное», «зарубежная поп-музыка» и тому подобное. Среди таких ответов лидируют ответы типа «много разных» и «нет определенных предпочтений». Другие студенты ориентируются на музыкальные каналы радио и телевидения. Об этом можно судить по ответам: «радио ДФМ», «радио Европа +», «слушаю радиострану», «Русское радио», «слушаю MTV».
По результатам анализа можно сделать вывод, что студенты чаще ориентируются на то, что им привносится извне, а настоящих музыкальных фанатов крайне мало.
В структуру времяпрепровождения студентов входит посещение развлекательных учреждений типа ресторанов и ночных клубов. Популярность заведений такого рода у студентов ВГУЭС оценивалась с помощью открытого вопроса: какой ресторан/ночной клуб вы посещаете чаще других?
Рестораны и ночные клубы не посещает 23 % студентов (табл. 6). При ответах студенты часто использовали различные написания одних и тех же учреждений. После типизации названий развлекательных учреждений, которые указывали в ответах студенты, был получен список уникальных значений, включающий более 200 названий. Однако в этом списке выявлены названия, которые встречались чаще других. На 10 наиболее популярных за-
ведений приходится 51 % всех ответов.
Была рассчитана сравнительная посещаемость десяти наиболее популярных развлекательных учреждений. Суммарная посещаемость всех десяти заведений была принята за единицу. Исходя из этого, рассчитаны оценки популярности всех заведений из данного списка. Результаты расчетов представлены на рис. 9.
Чем и как привлекают клиентов из студенческой среды выделенные развлекательные учреждения - это должно быть определено в процессе дополнительных исследований сотрудниками университета, которые отвечают за организацию свободного времени студентов. Авторы не задаются целью выработать конкретные управленческие решения, а демонстрируют инструментальные средства анализа, которые могут быть полезны узким специалистам. В любом случае решения будут более взвешенными, если использовать обратную связь в том или ином виде.
На основе полученного опыта могут быть разработаны и другие анкеты, способные помочь анализу времяпрепровождения студентов. В них можно включать и открытые вопросы, которые могут получить численные оценки.
Анализ вопросов анкеты, вызвавших наибольшее затруднение при ответе. Целью анализа является выявление вопросов анкеты, вызывающих затруднение у студентов при ответах на них. Такая информация необходима для совершенствования тек-
Таблица 6
Частоты вариантов ответов на вопрос по посещению клубов и ресторанов
Возможные варианты ответов Количество респондентов, чел. Доля
В ресторан не хожу 280 0,230
Редко хожу 4 0,003
Нет любимых 282 0,232
Указан один из ресторанов 652 0,535
Итого опрошенных 1 218 1,000
0,20 0,18 0,16 0,14 0,12 0,10 0,08 0,06 0,04 0,02 0,00
Dance House
Скорпион Наутилус Стелс Давыдов Под
мостом
BSB Placebo
Малибу
Рис. 9. Сравнительная посещаемость студентами десяти наиболее популярных развлекательных учреждений г. Владивостока
ста анкеты в будущих исследованиях. В дальнейшем возможны корректировки формулировок вопросов, или в анкету могут быть включены другие вопросы по теме исследований. Отдельные вопросы способны попасть в анкеты для опроса по другой тематике. Совершенствование формы анкеты обеспечивает получение более достоверной информации.
При ответе на вопрос о затруднениях респонденты должны перечислить номера вопросов, которые вызвали у них наибольшие трудности. Несмотря на внешнюю простоту этих вопросов, они достаточно сложны с точки зрения обработки. Это составные
вопросы открытого типа [7]. Заранее неизвестно - какие и сколько номеров вопросов анкеты укажет респондент (студент). Для обработки таких ответов была использована программа «Типизация признаков» [8].
В итоге были выявлены вопросы, вызвавшие затруднения при ответах, и проведен анализ структуры высказываний студентов. Рассмотрим результаты этого анализа.
Анкета состоит из двух частей. По первой части анкеты затруднений не испытывали 26,9 % опрошенных студентов. Из числа респондентов, испытывавших затруднения при ответах на вопросы по первой части, 48,3 % указывали в своих ответах 10 из 29 вопросов первой части анкеты. Десять вопросов, вызвавших наибольшие затруднения, представлены в табл. 7.
Частотный ряд распределения вопросов, вызвавших затруднения, представлен на рис. 10. Наибольшие затруднения вызвал вопрос по увлечениям (хобби). Он оказался трудным для 12,9 %
Таблица 7
Список вопросов, вызвавших наибольшие затруднения при ответах
по первой части анкеты
Номер вопроса анкеты Формулировки вопросов Процент ответов
19 Укажите свое увлечение (хобби), заполнив пропуск в скобках, и сколько времени желаю (получается) ему уделять? 12,9
25 каким свободным временем желаю (получается) располагать в рабочие дни (за исключением времени на учебные занятия и подготовку к ним, приготовление пищи, покупку продуктов питания, другие хозяйственные работы)? 6,5
12 Сколько времени желаю (получается) уделять на общение с другом/подругой противоположного пола? 5,7
15 Сколько времени желаю (получается) уделять на повышение интеллектуального уровня помимо учебных программ? 5,0
11 как часто желаю (получается) посещать зрелищные спортивные состязания? 3,6
21 Сколько времени желаю (получается) тратить на участие в мероприятиях молодежных организаций? 3,6
10 как часто желаю (получается) посещать музеи, выставки, театры? 3,1
24 Сколько времени желаю (получается) тратить на поездки в городском транспорте по рабочим дням? 2,8
6 Сколько времени желаю (получается) затрачивать на общение в Internet? 2,7
26 Сколько времени желаю (получается) тратить на покупку продуктов питания и приготовление пищи? 2,6
Итого по десяти вопросам... 48,3
Рис. 10. Частотный ряд десяти вопросов, вызвавших наибольшие затруднения
по первой части анкеты: 1 - вопрос 19; 2 - вопрос 25; 3 - вопрос 12; 4 - вопрос 15; 5 - вопрос 11; 6 - вопрос 21; 7 - вопрос 10; 8 - вопрос 24; 9 - вопрос 6; 10 - вопрос 26
респондентов. Это можно объяснить тем, что либо респонденты не совсем понимают термин «хобби», либо достаточно большое количество студентов не имеют каких-либо постоянных увлечений, которым они уделяют свое свободное время, кроме стандартных способов занять свой досуг.
По второй части анкеты затруднений не испытывали 39,5 % опрошенных студентов. Из числа респондентов, испытывавших трудности по второй части, 89 % указывали в своих ответах 5 из 14 вопросов.
Наибольшие затруднения вызвал вопрос: назовите своего любимого певца или группу, которых вы слушаете чаще других. На него не смогли ответить 17 % респондентов. Это можно объяснить тем, что молодежь любит слушать современную музыку «на автомате», часто не задумываясь об имени исполнителя.
Часто молодые люди, действительно, не выделяют каких-либо отдельных исполнителей.
Возникли затруднения и при указании излюбленных зон отдыха (13 %). Возможно, что многие студенты либо не имеют каких-либо постоянных мест отдыха на природе, либо вообще не выезжают на природу.
Анализ показал, что в основном у молодых людей нет больших трудностей в заполнении предложенной анкеты, а некоторые колебания у части студентов вполне объяснимы.
Заключение. Социальная студенческая среда находится в постоянном движении. Меняются вызовы внешней среды. Однако методы организаци-
онной работы со студентами инерционны и часто основаны на устаревших схемах и стереотипах. Поэтому необходимо постоянное изучение приоритетов и жизненных установок молодежи для того, чтобы влиять на становление как профессионального, так и социального статуса молодых людей, в руках которых будущее нашей страны.
Авторы продемонстрировали методические подходы к исследованию проблемы использования свободного времени студентами вузов Приморского края.
Рассмотренные подходы к анализу времяпрепровождения студентов позволяют не только выделить проблемные зоны в организации работы со студентами, но и дать количественные оценки по сложившейся структуре времяпрепровождения.
В результате исследований было выявлено, что в студенческой среде недостаточно лидеров, которые пользовались бы заслуженным авторитетом.
Большинство студентов не проявляют никакого интереса к научной деятельности. Современные молодые люди не видят связи между уровнем знаний, полученным во время обучения, и уровнем заработка после окончания вуза.
В настоящее время в вузах проводится недостаточно мероприятий развлекательного характера, на которых студенты могли бы не только весело проводить время, но и расширять круг своих знакомств. А ведь они проявляют большой интерес к общению со студентами других регионов страны и зарубежной молодежью.
Список литературы
1. Андреянова И. А. Структура использования свободного времени студентами // Вестник Бурятского государственного университета. 2007. № 9.
2. Воронина Г. А., Рыбина М. А. Досуг и свободное время студентов // Альманах современной науки и образования. 2010. № 3.
3. Калашникова С. М. Свободное время современного студента // Альманах современной науки и образования. 2008. № 4.
8
3
4. Мартышенко Н. С., Мартышенко С. Н., Кустов Д. А. Многомерные статистические методы повышения достоверности маркетинговых данных // Практический маркетинг. 2007. № 1.
5. Мартышенко Н. С., Мартышенко С. Н., Кустов Д. А. Цензурирование при обработке анкетных данных // Известия высших учебных заведений. Поволжский регион. 2006. № 6.
6. Мартышенко Н. С. Компьютерная технология обработки качественных данных опросов потребителей туристских услуг // маркетинг и маркетинговые исследования. 2011. № 3.
7. Мартышенко Н.С., Мартышенко С. Н. Методы обработки нечисловых данных в социально-экономических исследованиях // Вестник Тихоокеанского государственного экономического университета. 2006. № 4.
8. МартышенкоН. С., Мартышенко С. Н., Кустов Д. А. инструментальные средства обработки анкетных данных в EXCEL // информационные технологии моделирования и управления. 2007. № 1.
