Типология специалистов e-learning

На клиентском портале компании Websoft (кто не знает, компания специализируется на системах дистанционного обучения) проходил опрос среди клиентов компании:

Мы проанализировали раздел «требования» вакансий на позицию «специалист e-learning», собрали требования в наиболее обобщенном виде (в нижеследующем списке нет системы – это просто наиболее распространенные требования, расположенные в алфавитном порядке). Просим Вас выбрать не более пяти требований, которые являются наиболее важными для специалиста e-learning с Вашей т.з.. НЕ БОЛЕЕ ПЯТИ

Варианты ответов (требования к специалисту e-learning) были такие

1. анализ.информации
2. владение.методиками.обучения.взрослой.аудитории
3. высшее.образование
4. гибкое.мышление
5. знание.excel
6. знание.баз.данных
7. знание.педагогического.дизайна
8. знание.психологии.восприятия.и.рекламы
9. знания.графических.пакетов.Photoshop..Photopaint.и.др.
10. знания.основ.программирования.на.языках.HTML..CSS..javascript
11. инициативность
12. коммуникативные.навыки
13. мотивация.обучаемых
14. навыки.сбора.информации
15. ответственность
16. оценка.эффективности.обучения
17. саморазвитие.и.самообучение
18. системное.мышление
19. творческое.мышление
20. управление.проектами

Обращаю ваше внимание: я использовал малти чойс — множественный выбор. Всего проголосовало 72 респондента.
Стандартно результаты считаются так

Результат кому -то может показаться интересным, но можно двинуться дальше. Наверное, многие задумывались над тем, что можно как то представить следующий анализ:
каждый респондент руководствуется определенной логикой, определенное требование может идти в логической увязке с другими какими либо качествами. Из набора выбираемых качеств можно получать определенные ансамбли. Ну т.е. с пунктом «знание excel» наверное может следовать пункт «знание баз данных» и т.п.. Таким образом мы можем получить информацию фактически о типах специалистов в представлении респондентов.
Кроме того, мы можем получить информацию о самих респондентах: кто из них какой «тип» специалиста выбирает, кто ему «симпатичней».
Итого мы можем получить два вида информации:

1. какие качества с какими выбирают чаще, и на сочетании разных выборов получить представления о типах e-learning специалистов
2. какие респонденты какие качества выбирают чаще, что даст нам информацию о предпочтениях самих респондентов.

В этом месте мне бы хотелось, чтобы у вас, читатели. включилась фантазия, как это можно использовать в корпоративных исследованиях.

Кластерный анализ

На языке статистики эта процедура называется кластерный анализ (или «тип» = «кластер»). И в нашем кейсе это иерархический кластерный анализ, который дает такую визуализацию результатов

Номер обозначает номер респондента, а расположение обозначает схожесть их взглядов. Т.е. респонденты 10 и 65 имею очень схожие взгляды. Но при этом картинка неудобоваримая, поэтому, более визуабельной будет вот такая таблица.
Я посчитал, что для описания типов можно ограничиться в нашем случае тремя кластерами / типами, хотя максимальное количество кластеров равно количеству респондентов, минимальное — одному. Я взял три.
В строках таблицы указаны факторы (требования к специалисту e learning), колонки обозначают кластеры / типы, а в ячейках указан вес того или иного требования в типе / кластере. Вес измеряется от 0 до 1. Чем ближе к единице, тем вес фактора сильнее. Зеленым цветом я выделил те значения влияния, которые являются существенными. Мы видим, что «высшее образование» не представлено ни в одном факторе, т.е ни в одном типе не требуется высшее образование в понимании экспертов. С другой стороны, фактор «знания.основ.программирования.на.языках.HTML..CSS..javascript» обладает сильным весом сразу в двух факторах — втором и третьем. И т.п…
Особый интерес вызывает смысловая интерпретация типов. Не буду вдаваться в подробности, нов  моей голове эти типы сложились в такие названия:

• 1 тип — «педагог — психолог»;
• 2 тип — «творец»;
• 3 тип — «технарь»

* смотрите во втором приложении анализ выборов
Как бы вы назвали данные типы?
И думаю, что респондентам было бы крайне интересно узнать, к какому типу / кластеру можно отнести их выбор
ПыСы. Вы уже подумали, как можно этот метод обработки опросов использовать в корпоративных опросах?

Приложение 1. Таблица типологий специалистов e-learning

Приложение 2

У меня сразу родилась идея, что тип технаря значимо чаще выбирают мужчины. Вот какая картинка у меня получилась

Источник : edwvb.blogspot.com