יתרונות וחסרונות של מאזניים רב ממדיים

קנה מידה רב מימדי הוא שיטה להבעת מידע באופן חזותי. במקום להציג מספרים גולמיים, תרשים סולם רב מימדי יראה את הקשרים בין משתנים; דברים דומים יופיעו קרוב זה לזה ואילו דברים שונים יופיעו רחוקים זה מזה.

מאזניים רב מימדיים מראים כיצד הדברים עומדים ביחס זה לזה. לדוגמא, אם עשית סולם רב ממדי של מרחקי עיר בארצות הברית, שיקגו תהיה קרובה יותר לדטרויט מאשר לפניקס.

יתרון בשיטה זו הוא שאתה יכול להסתכל על סולם רב מימדי ולהעריך מיד עד כמה ערכים שונים קשורים זה לזה. חסרון, לעומת זאת, הוא שהטכניקה הזו לא עוסקת במספרים אמיתיים - סולם רב מימדי של בוסטון, ניו יורק ולוס אנג'לס. ייראה דומה בערך לקנה מידה רב ממדי של לונדון, דבלין ובואנוס איירס, למרות שהנתונים בפועל הם עמוקים שונה.

סולם רב מימדי משמש בצורה הטובה ביותר במצבים שבהם יש כמות גדולה של נתונים המאורגנים בצורה של טבלה. על ידי המרתו לסולם רב מימדי, תוכלו להעריך מיד מערכות יחסים, כלומר למעשה בלתי אפשרי בטבלה עם 10,000 או יותר נתונים שונים - סכום שהוא לגמרי אפשרי.

החיסרון בכך הוא שיש צורך בנוסחה מורכבת להמרת דמויות גולמיות בסולם רב ממדי. לכן, למרות שקל לראות את היחסים בין הדמויות, נדרש מאמץ רב כדי ליצור את הטבלה. פירוש הדבר שאם אתה הולך להשתמש בסולם רב מימדי, עליך להיות בטוח שיש ביקוש ממשי למידע שהוא מציג. אחרת, אתה משתמש בזמנך כעת ללא סיבה אחרת מלבד לחסוך זמן אחר למישהו אחר בעתיד.

קנה מידה רב מימדי משמש בדרך כלל בפסיכולוגיה, ומציג תרשים תגובות נושאים לגירויים שונים. משתמשים בשיטה זו מכיוון שחוקרים יכולים להראות קשרים בעלי חשיבות - כלומר, כמה חשיבות מושמת על משתנים שונים. זה יכול להיות שימושי ביותר, מכיוון שנתונים פסיכולוגיים נוטים להיות בעלי נפח גבוה ויש להם היבטים רבים ושונים.

חסרון בכך שהוא מוסיף עוד נדבך של סובייקטיביות לנתונים פסיכולוגיים, מכיוון שמידול נתונים על גבי סולם רב מימדי דורש קבלת החלטות מסוימת. אילו נתונים ייכנסו לסולם? באילו מכפילים ישמשו ליצירת דמויות יחסים? יש לכך השפעה על דיוק הסולם הרב מימדי.