Η πολυδιάστατη κλιμάκωση είναι μια μέθοδος οπτικής έκφρασης πληροφοριών. Αντί να δείχνουν ακατέργαστους αριθμούς, ένα γράφημα πολυδιάστατης κλίμακας θα δείχνει τις σχέσεις μεταξύ μεταβλητών. πράγματα που είναι παρόμοια θα εμφανίζονται κοντά, ενώ πράγματα που είναι διαφορετικά θα εμφανίζονται μακριά το ένα από το άλλο.
Μοντελοποίηση σχέσεων
Οι πολυδιάστατες κλίμακες δείχνουν πώς τα πράγματα έχουν σχέση μεταξύ τους. Για παράδειγμα, εάν κάνατε μια πολυδιάστατη κλίμακα αποστάσεων πόλης στις Ηνωμένες Πολιτείες, το Σικάγο θα ήταν πιο κοντά στο Ντιτρόιτ από ότι θα ήταν στο Φοίνιξ.
Ένα πλεονέκτημα αυτής της μεθόδου είναι ότι μπορείτε να δείτε μια πολυδιάστατη κλίμακα και να αξιολογήσετε αμέσως πόσο στενά συνδέονται οι διαφορετικές τιμές. Ένα μειονέκτημα, ωστόσο, είναι ότι αυτή η τεχνική δεν ασχολείται με πραγματικούς αριθμούς - μια πολυδιάστατη κλίμακα της Βοστώνης, της Νέας Υόρκης και του Λος Άντζελες θα μοιάζει περίπου με μια πολυδιάστατη κλίμακα του Λονδίνου, του Δουβλίνου και του Μπουένος Άιρες, παρόλο που οι πραγματικοί αριθμοί είναι βαθιά διαφορετικός.
Απλοποίηση πινάκων
Μια πολυδιάστατη κλίμακα χρησιμοποιείται καλύτερα σε καταστάσεις όπου υπάρχει μεγάλη ποσότητα δεδομένων οργανωμένη σε μορφή πίνακα. Μετατρέποντάς το σε μια πολυδιάστατη κλίμακα, μπορείτε να αξιολογήσετε αμέσως τις σχέσεις, δηλαδή ουσιαστικά αδύνατο σε έναν πίνακα με 10.000 ή περισσότερα διαφορετικά νούμερα - ένα ποσό που είναι εντελώς εφικτός.
Το μειονέκτημα αυτού είναι ότι ένας σύνθετος τύπος είναι απαραίτητος για τη μετατροπή ακατέργαστων αριθμών σε πολυδιάστατη κλίμακα. Επομένως, ενώ είναι εύκολο να δούμε τις σχέσεις μεταξύ των αριθμών, χρειάζεται μεγάλη προσπάθεια για τη δημιουργία του πίνακα. Αυτό σημαίνει ότι εάν πρόκειται να χρησιμοποιήσετε μια πολυδιάστατη κλίμακα, πρέπει να είστε σίγουροι ότι υπάρχει πραγματική ζήτηση για τις πληροφορίες που παρουσιάζει. Διαφορετικά, χρησιμοποιείτε τον χρόνο σας τώρα για κανέναν άλλο λόγο εκτός από το να εξοικονομήσετε χρόνο σε κάποιον άλλο.
Εφαρμογή
Η πολυδιάστατη κλιμάκωση χρησιμοποιείται γενικά στην ψυχολογία, γράφοντας θετικές απαντήσεις σε διάφορα ερεθίσματα. Αυτή η μέθοδος χρησιμοποιείται επειδή οι ερευνητές μπορούν να δείξουν σημαντικές σχέσεις - δηλαδή πόσο μεγάλη σημασία δίνεται σε διαφορετικές μεταβλητές. Αυτό μπορεί να είναι εξαιρετικά χρήσιμο, καθώς τα ψυχολογικά δεδομένα τείνουν να έχουν μεγάλο όγκο και έχουν πολλές διαφορετικές πτυχές.
Ένα μειονέκτημα αυτού είναι ότι προσθέτει ένα άλλο επίπεδο υποκειμενικότητας σε ψυχολογικά δεδομένα, καθώς η μοντελοποίηση των κατατεθέντων δεδομένων σε μια πολυδιάστατη κλίμακα απαιτεί κάποια λήψη αποφάσεων. Ποια δεδομένα θα φτάσουν στην κλίμακα; Ποιοι πολλαπλασιαστές θα χρησιμοποιηθούν για τη δημιουργία αριθμών σχέσεων; Αυτό επηρεάζει την ακρίβεια της πολυδιάστατης κλίμακας.