行为型式分析系统能够按照行为的先后顺序检测统计上显著的时间-行为型式。时间—行为型式基于相互关联事件的时间顺序,能够发现肉眼或其他方法所不能检测到的新的行为结构。
优点
· 能够获得新的、意想不到的研究视角
· 拥有其他序列分析方法所不能比拟的强大的分析功能
· 能够在任意层次和水平上揭示行为的时间结构
· 能够检测到其他方法检测不到的行为间的细微差别
· 有助于获得统计分析所需的定量数据
· 使用的程序能够灵敏地找出行为型式,但对随机变化不敏感
· 能够分析原始行为数据——基本上不需要对数据进行预先处理和后加工
· 建立在一个已发表和经验证的数学模型的基础上
行为型式分析系统是由PatternVison 有限公司(冰岛,雷克雅维克)开发的。二十多年来,科学家们一直在运用行为型式分析系统进行各种研究。该系统还被成功地应用于各种学科领域。你可以结合目录中的任何一种解决方案或单独使用该统计包进行各类研究。
时间-行为型式
时间和顺序是影响行为效率评估的重要的因素,但是它们却很难用统计数据进行量化。为了解决这一问题,特别开发出了一种软件包——行为型式分析系统。如果两个行为在特定的时间间隔里发生联系的几率比预期的偶然几率大,行为型式分析系统就会将其定义为时间-行为型式。该时间-行为型式分析能够发现意想不到的行为结构。
成熟的模型基础
行为型式分析系统基于一个成熟的数学模型。与其他方法相比,行为型式分析系统在该数学模型的基础上能够检测出更多的行为型式。如果你使用其他方法会发现它们几乎毫无例外地只能检测出3-5个行为型式,而行为型式分析系统能检测出统计上显著的20-30个事件系列。行为型式分析系统的基础是一个统计检验,用来找出两组事件之间显著的时间间隔。该系统二元事件检测功能不仅能够执行二元关系事件之间的相互测试,还能够完成二元关系事件在其他事件上的测试,由此建立起事件间的新联系。如此反复直至检测出所有的新联系。此外,该系统运用了特殊的运算法则防止检测到重复的和不完整的行为型式。换句话说,行为型式分析系统通过活动间的时间关系来描述行为。
社会交互
行为型式分析系统在社会交互分析中的作用尤其显著。该系统适时地将社会行为组织得井井有条而又不失灵活性。与其他方法不同的是,行为型式分析系统可以不受细节变动的影响,独立地检测和量化行为数据的整个时间结构。
可靠的结果
行为型式分析系统检测出来的结果非常可靠。在大多数数据中,长的时间-行为型式偶然出现的几率是非常低的。行为型式分析系统执行特殊的检查机制,能够检查出行为型式中偶然性事件的影响。它使用精确的随机函数来检查出行为型式在多大程度上可以用偶然性来解释。在大多数的数据中,偶然事件一般存在于较短的行为型式中。
产品特性
行为型式分析系统能够按照客观的统计标准输入,过滤和预处理数据以及检测行为型式。它可以应用多种方式,展示,搜索和分析生成的行为型式设置。该系统还支持将行为型式的数据导出至统计软件,以作进一步的分析。
输入数据和探测行为型式
行为型式分析系统能够很好地处理大部分的原始行为数据。它内置有预处理选项,能够过滤和整理数据,使得输入数据变得很容易。当你输入数据时,行为型式检测引擎能够定位任何细化程度,敏感度,行为型式类型和计算时间。它能够很好地检测连续记录事件(如行为观察记录分析系统记录的数据)中的行为型式。
行为型式数据转换程序(DEP)
行为型式数据转换程序(Patternvision)能够帮助你更加轻松准确地将数据从行为观察记录分析系统转换到行为型式分析系统,从而使扩展分析变得更加简单。行为型式数据转换程序是一个简单直观的程序,它能够把从行为观察记录分析系统导出的文件(.ODX)转换成行为型式分析系统能够导入的文本文件的格式。此外,行为型式分析系统的用户可以在该系统的网上下载版块免费参阅数据转换程序的指南并使用该程序进行操作
搜索和过滤检测到的行为型式
行为型式分析系统能够使用多种方法检测行为型式,允许你聚焦重要的细节。你不仅可以按照行为,长度,频率和观察者编号等简单标准进行基本筛选还可以根据行为型式和基本的事件数据之间的关系进行高级筛选。此外,你还可以自由组合筛选标准并保存搜索出来的结果,以备后续使用。
良好的行为型式展示平台
行为的整体结构是通过各种连接事件类型组成的矩阵表现出来的。你从事件类型在矩阵中的位置概况表就可以很容易地看出它们之间的相对重要性。在最低细化层次,可以利用时间轴展示个别行为模式或播放相关的视频片段了解展开的行为型式。利用该特性,你可以得到很好的展示和会议效果。行为型式分析系统能够提供每一个行为型式的详细信息:每次事件发生的精确时间,显著性和其他各种统计参数。此外,该系统还能够用路径图显示带有空间元素的行为,例如,动物到达饲养箱不同区域的行为。
执行统计检验和输出数据
行为型式分析系统能够根据每份输入文件提供多种描述性统计参数,如行为型式的数量,长度和类型等。与那些基于频率和时间的统计数据相比,这些统计数据能够更灵敏地反应出实验处理的效果,是评估整体结构的重要数据。此外,你还可以以表格的形式将这些统计参数连同独立变量一起导出至统计软件包中。