Marek Walesiak

Prognozowanie w zarządzaniu firmą

Marek Walesiak

Akademia Ekonomiczna we ^Wrocławiu Stanisław

Gola

Kolegium Karkonoskie - Państwowa Wyższa Szkoła Zawodowa w Jeleniej Górze

ZASTOSOWANIE METODY CONJOJNT ANALYSIS DO POMIARU PREFERENCJI UCZNIÓW W WYBORZE

SZKOŁY

PONADPODSTAWOWEJ*

l. Wprowadzenie

Zasady gospodarki rynkowej

dotyczą różnych

sfer

życia,

w tym rówmez edukacji. Zmiany

zachodzące

w sferze szkolnictwa ponadpodstawowego obej-

mują

m.in.: powstanie prywatnych

szkół,

opracowanie nowych programów nauczania,

inną strukturę

zapotrzebowania na absolwentów

szkół średnich,

nowe oczekiwania uczniów itp.

Szkoły

ponadpodstawowe

muszą

w warunkach gos- podarki rynkowej

uwzględniać

w swojej

działalności

edukacyjnej realia rynku i otoczenia, w którym

funkcjonują.

Decyzja wyboru zawodu jest

jedną

z wielu rodzajów decyzji podejmowanych przez

człowieka.

Ma ona co prawda specyficzne cechy,

jednakże

podlega tym samym prawom, którym

podlegają

wszystkie procesy decyzyjne. Nie zawsze uczniowie

potrafią podjąć

samodzielnie

decyzję dotyczącą

wyboru

szkoły.

W ta- kim wypadku potrzebne

są określone wpływy

wychowawcze. Forma, w jakiej przebiega pomoc przy wyborze

szkoły

nazywa

się orientacją szkolną.

Orientacja szkolna jest bardzo

ważną dziedziną

pracy wychowawczej. Obiera-

jąc określony

typ

szkoły

ponadpodstawowej,

uczeń

obiera

określony

zawód, decyduje

też

o swoim dalszym losie. Orientacja ta powinna

stanowić

system, tzn.

zespół

wzajemnie ze

sobą sprzężonych

i zintegrowanych

działań

poszczególnych elementów wykonawczych, które

realizują różnorodne,

ale zarazem spójne

względem

siebie zadania

podporządkowane

wspólnemu celowi, jakim jest przygo- towanie do

świadomego

i

prawidłowego

wyboru

szkoły. Działania

te

mają mieć

• Pracę wykonano częściowo w ramach projektu badawczego Nr l H02B 011 16 finansowanego przez Komitet Badań Naukowych w latach 1999-2000.

charakter

wystarczających,

a zarazem koniecznych do realizacji tego celu.

Elementami

funkcjonującymi

w ramach tego systemu

są

osoby, instytucje i organizacje

podejmujące działania

orientacyjne i poradnicze oraz sami ucznio- wie ,

będący

przedmiotem tych

działań,

ale zarazem aktywnie

poszukującymi

podmiotami (zob. [12 , s. 38]).

Orientacja szkolna zajmuje

się

nie tylko problemem wyboru zawodu , ale

również

problemem wyboru i przebiegu edukacji

młodego

pokolenia. Nowoczes- ne koncepcje orientacji

starają się łączyć

dwa

pojęcia:

orientacja zawodowa i orientacja szkolna, ze

względu

na

złożoność

i

zbieżność

wyboru zawodu oraz przebiegu

całej

drogi edukacji.

Prawidłowo funkcjonujący

system orientacji szkolnej i zawodowej decyduje o wykorzystaniu

potencjału zdolności

ludzkich w budowie gospodarki, a

także

w kulturze i

oświacie

(zob . [4, s. 485]).

Wieloaspektowość

i

interdyscyplinarność

orientacji szkolnej, a

także udział

socjologii, psychologii i ekonomii w jej rozumieniu pozwala na pomoc w

podjęciu

decyzji przez ucznia. Konfrontacja wyników z danymi

dotyczącymi

struktury regionu daje obraz czynników deter-

minujących

aspiracje i dalsze losy

młodzieży.

To dowodzi o

doniosłości

tych

zagadnień. Ścisły związek

z

ewolucją społeczną

i

ekonomiczną społeczeństwa

jest

najważniejszą przyczyną żywotności

problemu

różnicowania

nauczani a w

każ­

dym systemie szkolnym.

W opracowaniu wykorzystano

metodę

eonjoint analysis

¹

w celu poznania czynników

decydujących

o wyborze

szkoły

ponadpodstawowej. Wyniki

badań pozwalają poznać

preferencje uczniów ze

względu

na wytypowane cechy i

umoż­

liwiają

dostosowanie oferty dydaktycznej do

oczekiwań

rynku edukacyjnego.

Korzyści

z tego

mogą czerpać

zarówno uczniowie

Geżeli szkoły uwzględnią

oczekiwania kandydatów w

formułowanym

programie dydaktycznym), jak i szko-

ły

ponadpodstawowe (silniejsza pozycja konkurencyjna).

2. Problem badawczy

Absolwenci

szkół

podstawowych

stają

przed wyborem

szkoły

ponadpod- stawowej.

Rozważane są różne

warianty wyboru. W artykule

każdy

wariant jest opisany przez

pięć

zmiennych

decydujących

o wyborze

szkoły

ponadpodstawowej:

Z

₁ ^-

Spodziewana Z

₂ ^-

Koszty nauki Z

3 -

Reputacja

szkoły.

atrakcyjna (koszty dojazdów, w

środowisku:

praca po

ukoń-

internatu , stancji): - niska [A] , czeniu

szkoły:

- niskie [AJ, -

średnia

[B] ,

- tak [AJ, -

średnie

[B] , - wysoka [C]

- nie [B]. - wysokie [C].

1 Teoretyczne podstawy i charakterystykę zastosowail empirycmych w marketingu conjoi11!

a11alysis zawierają m.in. prace: [3; 5; 6; 7; 10; 11; 14; 18; 19; 20].

Z

₄ ^-

Rady rodziców, nauczycieli,

przyjaciół,

wskazania poradni:

nie polecana [A],

- umiarkowanie polecana [B], - bardzo polecana [C].

-Zbieżność

formy

kształcenia

w szkole z zainteresowaniami:

tak [A], - nie [B].

Zbiór atrybutów i ich poziomów

uwzględnionych

w badaniu

został

wytypo- wany na podstawie

wstępnego sondażu

przeprowadzonego

wśród

nauczycieli.

W projekcie

objęto

badaniem 797 uczniów klas ósmych

szkół

podstawowych

byłego

województwa jeleniogórskiego (735 ankiet

wypełniono prawidłowo).

Badania ankietowe przeprowadzono w grudniu 1998

r.

Pewnym

uzupełnieniem badań są

wyniki próbnego badania kompetencji

(osiągnięć)

uczniów klas ósmych przeprowadzone w marcu 1999 r., które

pomogły

uczniom w wyborze

szkoły.

Typ

szkoły

zadeklarowany przez uczniów w

byłym

województwie jeleniogórskim w maju 1999

r. przedstawiał się następująco

(zob. [9, s. 4]):

Typ szkoły Liczba kandydatów Liczba miejsc

Liceum ogólnokształcące 2477 2160

Liceum zawodowe 1549 1745

Technikum zawodowe 1876 1965

Zasadnicza szkoła zawodowa 1731 3485

Razem 7633 9355

Na podstawie

wyróżnionych

zmiennych oraz

odpowiadających

im poziomów

można utworzyć

zbiór hipotetycznych wariantów wyboru

szkoły

ponadpod- stawowej. Ich liczba jest iloczynem liczby poziomów wszystkich zmiennych

opisujących

warianty wyboru

szkoły

ponadpodstawowej. W analizowanym projek- cie

wyróżniono

5 zmiennych odpowiednio o 2, 3, 3, 3 i 2 poziomach, otrzymano

więc

108 hipotetycznych wariantów. Respondent nie jest jednak w stanic

ocenić

tak wielu wariantów, a

więc

zwykle ogranicza

się

ich

liczbę

do pewnego podzbioru

(wyróżnionego

arbitralnie lub utworzonego przez zastosowanie spe- cjalnych procedur statystycznych). Na podstawie

wyróżnionych

zmiennych oraz

odpowiadających

im poziomów za

pomocą

metody tablic ortogonalnych wygene- rowano 16 wariantów (ich charakterystyki zawiera tab. 1), które respondenci

porządkowali według

stopnia ich

atrakcyjności.

W wyniku zastosowania metody eonjoint analysys:

określono ważność każdej

zmiennej

decydującej

o wyborze

szkoły

ponadpods- tawowej,

przeprowadzono

segmentację

uczniów o

zbliżonych

preferencjach wyboru.

Zgodnie z

metodologią

eonjoint analysis, za

pomocą

wybranej metody estymacji parametrów

²

szacuje

się wartości użyteczności cząstkowych,

które

2 Klasyfikację metod estymacji użyteczności cząstkowych zawierają m.in. prace: (2; 3).

informują

o wadze,

jaką każdy

respondent

w1ąze

z danym poziomem

każdej

zmiennej. Estymacja

użyteczności cząstkowych

poziomów zmiennych polega na dekompozycji

użyteczności całkowitych

uzyskanych na podstawie ocen respon- dentów.

Tabela l. 16 wariantów wyboru szkoły ponadpodstawowej

Numer wariantu Czynniki decydujące o wyborze szkoły ponadpodstawowej

l

!

^{2 3 4 5}

l A B A A A

2 B A B A B

3 B A

c

B A

4 B

l

^A

c c

A

5 B B B

c

A

6 B B

c c

^B

7 A A A

c

B

8 A

c

B

c

A

9 B

c c

A B

lO A A

c

A A

11 B A A

c :

^B

12 A A B

l

B B

13 B

c

A B

l

A

14 A A

c c l

A

15 A

l ^{c c c l}

^B

16 A l _B

c

B l _B

l

Litery A, B i C

reprezentują

poziomy odpowiednich zmiennych.

W metodologii eonjoint analysis

rozróżnia się

metryczne procedury estymacji, gdy zmienna

zależna

mierzona jest na skali

przedziałowej

lub ilorazowej

(przykładowo

metoda najmniejszych kwadratów ze zmiennymi sztucznymi, np.

zero-jedynkowymi) oraz niemetryczne procedury estymacji, gdy zmienna

zależna

mierzona jest na skali

porządkowej

(MONANOVA - monotoniczna analiza wariancji, PREFMAP, LINMAP). Za

pomocą

wybranej metody szacuje

się wartości użytecznośc~

jakie

każdy

respondent

wiąże

z danym poziomem zmien- nej . Wynikiem tego etapu analizy jest macierz

użyteczności cząstkowych.

Do analizy

użyto metodę

najmniejszych kwadratów ze zmiennymi sztucznymi.

Znaczenie

każdego

poziomu zmiennej

uwzględnia się

przez wprowadzenie do konstruowanego modelu sztucznych zmiennych

objaśniających

(ich liczba musi

być

mniejsza o jeden od liczby poziomów danej zmiennej nominalnej). W analizo- anym projekcie

są

3 zmienne nominalne o trzech i 2 o dwóch poziomach. Do modelu regresji wielorakiej wprowadzono

więc

8 zmiennych sztucznych, otrzymu-

jąc

dla respondenta s:

f.= bo.+bt.X ts+ h2sX 2s+bJsX 3s+h4sX4s+hs.X ss+

(l)

gdzie: b

_1,, ^{... ,}

b

_{8 ,}

b

os

parametry równania regresji;

wyraz wolny;

X

_{1 ,} ... ,

X

₈

zmienne sztuczne zdefiniowane

następująco:

Zmienna Z

₁

xl ^{Zmienna Z}

2

Xz X3 Tak

Nie l

- l

Niskie

Średnie

l o

o

^l

Wysokie -1 -1 Zmienna Z

4

Nie polecana Umiarkowanie polecana Bardzo polecana

l o

o ^l

-1 -1

Zmienna Z

₃

Niskie

Średnie

Wysokie Zmienna Z

₅

l o

o ^l

-1 -1

Tak Nie

l - l

Dla

każdego

respondenta s otrzymuje

się

oszacowania

użyteczności cząst­

kowych liczone

następująco

(zob. [16, s. 92]):

a) dla zmiennej o dwóch poziomach

- . , Zmienna Z₁ Zmienna sztuczna X P Użyteczności cząstkowe

i

Poziom I l Uj1 =bp,

l

l Poziom II - l - - - Uh= - bP, _ _ _

l

l - - ^-~

b) dla zmiennej o trzech poziomach

Zmienna Z₁ Zmienna sztuczna X P Zmienna sztuczna X₉ Użyteczności cząstkowe

Poziom I l

o

Uj 1 =bp,

Poziom II

o

l Uj2 = b₉,

Poziom III - l - l Uj3

=

(bp,+b₉,)

gdzie: Uh

użyteczność cząstkowa

/-tego poziomu }-tej zmiennej dla respon- denta s,

j

numer zmiennej U

⁼

l, . .. , 5), s - numer respondenta (s = l, .. . . . . , 778),

p, q numery zmiennych sztucznych

(p,

q

=

l, ... , 8),

li

numer poziomu dla zmiennej

Zi

(l

₁

= 1

₅

= l, 2; 1

₂

=

1₃

= /

₄

=

=

l, 2, 3).

Po oszacowaniu

użyteczności cząstkowych określono relatywną ważność każdej

zmiennej w procesie wyboru wariantu

szkoły

ponadpodstawowej. Wyniki

obliczeń

zestawiono w tab. 2.

Relatywną ważność każdej

zmiennej

~·

dla respondenta s wyznacza

się

ze wzoru (zob. [8, s. 608]):

max. { U]tJ- min { U)tj}

w, •

^{= - ..il_ IJ}

l m (2)

_ L ^{(max {U)t}

1}

-min {Uj

1

J)

j=l lj lj

Tabela 2. Wyniki obliczeń otrzymane za pomocą metody eonjoint analysis

Numer respondenta

Zmienne l 2 - 367 368 - 734 735 AV

i

Oszacowane użyteczności cząstkowe

l. Atrakcyjna praca

a) tak 2,250 - 0,250

-

0,500 0,625 - 2,500 2,375 1,702

b) nie -2,250 0,250

-

-0,500 -0,625 - -2,500 -2,375 -1,702 2. Koszty nauki

a) niskie 1,333 1,000 - -0,500 0,333 - -0,166 2,000 0,435 b) średnie 0,333 1,500 - 0,125 - 1,166 - 2,458 0,000 0,343 c) wysokie -1,666 -2,500 - 0,375 0,833 - - 2,292 - 2,000 - 0,778 3. ReputaCJa szkoły

a) niska - 0,083 - 0,916

-

0,125 -1,000 - -0,583 -2,125 - 1,177 b) średnia - 0,583 0,583 - 0,375 0,000 - -0,083 -0,375 0,375 b) wysoka 0,666 0,333 - -0,500 1,000 - 0,666 2,500 0,802 4. Rady

a) nie polecana -1,041 - 4,041 - -1,875 - 1,375 - -0,666 0,625 -1,009

l

b) umiarkowanie polecana -0,792 1,208 - 1,375 -0,125 - 1,333 -0,125 0,358 b) bardzo polecana 1,833 2,833 - 0,500 1,500 - -0,667 -0,500 0,651 15. Zbieżność formy. ksz.talcenia

z zamteresowamarm

l a) tak 1,500 0,750 4,000 3,750 2,375 -0,875 0,841

l

^{- -}

b) me -1,500 - 0,750 - -4,000 -3,750 - -2,375 0,875 - 0,841

Wyraz wolny 7,541 7,458

-

8,625 7,791 - 8,541 7,500 8,027

Zmienne Relatywna ważność każdej zmiennej (w %):

a) atrakcyjna praca 30,77 3,48 - 7,14 8,00 - 28,17 29,23 24,44 b) koszty nauki 20,51 27,83 - 6,25 12,80 - 26,76 24,62 19,85 c) reputacja szkoły 8,55 10,43

-

6,25 12,80 - 7,04 28,46 20,76

d) rady 19,66 47,83 - 23,21 18,40

-

11,27 6,92 21,18

e) zbieżność formy ksztalce-

ma z zainteresowaniami 20,51 10,43 - 57,14 48,00 - 26,76 10,77 13,78

Współczynnik R 0,719 0,735 - 0,921 0,899

-

^{0,861 0,790 0,988}

A V - wartość średnia,

R - współczynnik korelacji wielorakiej między zaobserwowanymi i oszacowanymi preferencjami uczniów (statystyka ta pokazuje stopień dopasowania modelu do danych empirycznych).

Źródło: obliczenia wykonano z użyciem pakietu statystycznego SPSS for ltindows.

3. Segmentacja uczniów o

zbliżonych

preferencjach wyboru

Podstawę

segmentacji rynku w wypadku korzystania z metodologii

conjoinr analysis mogą stanowić

(por. [15; 17]):

zmienne

charakteryzujące

nabywców i ich reakcje (obserwowalne, nieobser- wowalne),

użyteczności cząstkowe

atrybutów produktów.

l

Użyteczności cząstkowe stanowią podstawę

segmentacji nabywców,

ponieważ odwzorowują

reakcje konsumentów na

określone

warianty (profile) rzeczywistych lub hipotetycznych produktów. W praktycznych badaniach segmentacyjnych

korzystających

z metodologii eonjoint analysis

często

stosowane

są podejścia

dwufazowe, w których identyfikacja segmentów rynku i estymacja

użyteczności cząstkowych są

rozdzielone.

W ostatnim okresie w literaturze przedmiotu

zyskują.

na znaczeniu metody optymalizacyjne, w których fazy segmentacji i szacowania

użyteczności cząst­

kowych

są

zintegrowane

³.

Vriens, Wedel, Wilms [13] przeprowadzili badanie

efektywności dziewięciu

metod segmentacji rynku, przy czym cztery metody

wykorzystywały podejście

dwufazowe, a

pięć

metod

podejście

zintegrowane do segmentacji rynku. Wyniki

badań wskazują, że

metody dwufazowe charak-

teryzują się dobrą efektywnością czasową

i

wysoką wartością

R

².

Metody zintegrowane

okazały się

efektywniejsze z punktu widzenia dwóch istotnych kryteriów: precyzji predykcyjnej w wydzielaniu segmentów rynku oraz precyzji oszacowania

wartości użyteczności cząstkowych.

Ze

względu

na

dostępność

odpowiedniego oprogramowania w opracowaniu wykorzystano

podejście

dwufazowe, w którym

podstawę

segmentacji rynku stanowi macierz

użyteczności cząstkowych

(liczba wierszy tej macierzy od- powiada liczbie respondentów, a liczba kolumn jest równa liczbie poziomów

wyróżnionych

dla wszystkich zmiennych).

Do

podziału zbiorowości

uczniów na klasy (segmenty) wykorzystano

metodę k-średnich

(por. [1, s. 45]) i otrzymano

podział zbiorowości

uczniów na 6 segmentów.

Procedurę

eonjoint measurement powtórzono w

każdym

segmencie osobno.

Średnią ważność

zmiennych oraz niektóre inne charakterystyki dla poszczególnych segmentów zamieszczono w tab. 3.

Uzyskane rezultaty

badań

segmentacyjnych

pokazują., że:

a) w segmencie I

największe

znaczenie w wyborze

szkoły

ma atrakcyjna praca i koszty nauki. W rodzinach uczniów tego segmentu niska jest

przeciętna

liczba dzieci w wieku szkolnym oraz

najwyższa przeciętna

liczba pokoi w mieszkaniu.

Ponad 65% uczniów tego segmentu

pobierało

korepetycje lub

przewidywało

ich pobieranie;

b) w segmencie II, najmniej licznym, skupieni

są

uczniowie, dla których w wyborze

szkoły największe

znaczenie ma reputacja

szkoły.

W segmencie tym ponad 47% uczniów

deklarowało

wybór liceum

ogólnokształcącego;

c) segment III

tworzą.

uczniowie, dla których w wyborze

szkoły

zasadnicze znaczenie

mają.

zmienne: rady rodziców, nauczycieli i

przyjaciół

oraz reputacja

szkoły.

Uczniowie tego segmentu

uczęszczali głównie

do

szkół

podstawowych z

siedzibą

w

dużych

miastach (prawie 70%). Ponad 63% uczniów tego segmentu

pobierało

korepetycje lub

przewidywało

ich pobieranie;

3 Na przykład metody: hierarchicznej lub niehierarchicznej regresji skupieniowej, regresji skupieniowej, rozmytej regresji skupieniowej (zob. [18, s. 308-312]).

Tabela 3. Wybrane charakterystyki segmentów rynku

Charakterystyki segmentów Segment

I II III IV V VI

Zmienne Średnia ważność zmiennych (w %)

a) atrakcyjna praca 25,86 16,61 15,77 41,42 12,43 19,74

b) koszty nauki 25,00 22,90 14,39 17,96 28,25 16,35

c) reputacja szkoły 17,64 26,31 27,21 16,86 23,74 15,74

d) rady 21,88 21,46 28,89 13,94 24,87 19,38

e) zbieżność formy kształcenia z zainteresowaniami 9,62 12,72 13,75 9,81 10,70 28,79

Współczynnik R 0,93~ 0,98f 0,98E 0,994 0,97( 0,99f

Liczba uczniów 735 114 70 15 19/ 93 108

Udział mężczyzn 50,34% 54,39 52,86 47,71 45,69 65,59 43,52

Przeciętna liczba osób w rodzinie 4,31 4,33 4,12 4,35 4,76 4,54

Przeciętna liczba dzieci w wieku szkolnym w rodzinie 1,88 2,04 1,72 2,00 2,23 1,97

Przeciętna liczba pokoi w mieszkaniu 3,86 3,69 3,55 3,77 3,55 3,49 Siedziba szkoły duże miasta (60,27%) 54,39 57,14 69,93 64,97 39,78 63,89 podstawowej małe miasta oraz wieś (39,73%) 45,61 42,86 30,07 35,03 60,22 36,11 Typ wybieranej LO (38,37%) 29,82 47,14 42,48 48,73 11,83 39,81

szkoły liceum zawodowe (16,87%) 18,42 10,00 20,26 15,23 17,20 17,60 technikum (24,22%) 21,93 20,00 27,45 26,40 22,58 22,22

l

zsz

(20,54%) 29,83 22,86 9,81 9,64 48,39 20,37

Wykształcenie podstawowe lub ZSZ (41,90%) 44,74 50,00 36,60 31,47 54,83 49,07

ojca średnie (39,73%) 36,84 35,71 40,52 45,18 38,72 35,19

wyższe (16,87%) 14,91 10,00 21,57 22,84 6,45 14,81

Wykształcenie podstawowe lub ZSZ (34,01 %) 44,74 31,43 28,10 28,43 48,39 38,89 matki średnie (45,17%) 43,86 50,00 44,44 48,22 43,01 40,74

l

^{wyższe (20,82%)} 19,30 18,57 27,45 23,35 8,60 20,37

l Korepetycje tak (56,60%) 65,79 42,86 63,40 50,76 52,69 60,19 L _ _ nie (43,40%) 34,21 57,14 36,60 49,24 47,31 39,81

d) w segmencie IV, najliczniejszym,

znajdują się

uczniowie, dla których czynnikiem

dominującym

w wyborze

szkoły

jest atrakcyjna praca (41,42%).

Uczniowie tego segmentu

uczęszczali głównie

do

szkół

podstawowych z

siedzibą

w

dużych

miastach (prawie 65%). W segmencie tym

największy był

odsetek uczniów

deklarujących

wybór liceum

ogólnokształcącego

(ponad 48%);

e) w segmencie V

największe

znaczenie w wyborze

szkoły mają

koszty nauki.

O ile w poszczególnych segmentach relacje kobiet do

mężczyzn są zbliżone,

o tyle

w tym segmencie zdecydowanie

dominują mężczyźni.

W rodzinach uczniów tego

segmentu

najwyższa

jest

przeciętna

liczba osób oraz

przeciętna

liczba dzieci

w wieku szkolnym. W segmencie tym ponad 48 uczniów deklaruje wybór

zasadniczej

szkoły

zawodowej, a tylko ok. 12% - wybór liceum. Dodatkowym

elementem charakterystycznym jest

również

to,

że

rodzice uczniów

mają głównie wykształcenie

podstawowe i zasadnicze zawodowe;

f)

segment VI tworzy

specyficzną grupę

uczniów, dla których w wyborze

szkoły

zasadnicze znaczenie ma

zbieżność

formy

kształcenia

z zainteresowaniami.

4. Podsumowanie

W artykule zastosowano

metodę

eonjoint analysis w celu poznania czynników

decydujących

o wyborze

szkoły

ponadpodstawowej . Ponadto otrzymane wyniki

posłużyły

do przeprowadzenia segmentacji uczniów o

zbliżonych

preferencjach wyboru. W segmentacji rynku wykorzystano

podejście

dwufazowe, w którym identyfikacja segmentów rynku i estymacja

użyteczności cząstkowych są

roz- dzielone. W wyniku zastosowania metody

k-średnich

otrzymano

podział

zbioro-

wości

uczniów na

sześć

segmentów.

Wyniki

badań pozwalają poznać

preferencje uczniów ze

względu

na wytypo- wane cechy i

umożliwiają

dostosowanie oferty dydaktycznej do

oczekiwań

rynku edukacyjnego.

Korzyści

z tego

mogą czerpać

zarówno uczniowie, jak i

szkoły

ponadpodstawowe. Wyniki

badań mogą być też

przydatne dla pracowników poradni psychologiczno-pedagogicznych w codziennej pracy z

młodzieżą.

Literatura

[l) Anderberg M.R.: Cłuster Analysisfor Applications. New York, San Francisco, London: Academic Press 1973.

[2) Bąk A., Walesiak M.: Metody estymacji parametrów w modelu eonjoint analysis. Zeszyt nr 4 Sekcji Klasyfikacji i Analizy Danych PTS pt. Klasyfikacja i analiza danych - teoria i zastosowania.

Jelenia Góra-Wrocław-Katowice-Kraków 1997.

[3) Carroll J.D., Green P.E.: Psychometric Methods in Marketing Research: Part I, Conjoint Analysis.

"Journal of Marketing Research" 32, November 1995, p. 385-391.

[4) Encyklopedia pedagogiczna. Red. W. ?omykało. Warszawa: Fundacja Innowacja 1993.

[5] Green P.E., Krieger A.M.: Segmenting Markets with Conjoint Ana/ysis. "Journal of Marketing"

55, October 1991, p. 20-31.

[61 Green P.E., Srinivasan V.: Conjoint Analysis in Marketing: New Developments with Implications for Research and Practice. "Journal of Marketing" 54, October 1991, p. 3-19.

[7) Green P.E., Wind Y.: New Way to Measure Consumers' Judgments. "Harvard Business Review"

53, Juty-August 1975, p. 107-117.

[81 Hair J.F., Anderson R.E., Tatham R.L., Black W.C.: Multivariate Data Analysis with Readings.

Englewood Cliffs: Prentice Hall 1995.

[9] Kurenda. Jeleniogórski Informator Oświatowy. Jelenia Góra: DODN 1999 nr 5.

[10) Louvicre J.J.: Analyzing Decision Makii!{}. "Metric Conjoint Analysis". Beverly Hills Sage 1988.

[11) LOUVlerc J.J.: eonjoint Analysis. W: R.P. Dagozzi (ed.): Advanced Methods of Marketing Research.

Oxford: Blackwell 1994.

[12] Przybylski R.: Mały słownik poradnictwa wychowawczego i zawodowego. Toruń: CDN 1989.

[13) Vriens M., Wedel M., Wilms T.: Metric Conjoint Segmentarion Methods: a Monte Carlo Comparison. ,)ournal of Marketing Research" 33, Febrnary 1996, p. 73-85.

[14) Walesiak M., Bąk A.: Realizacja badań marketingowych metodą eonjoint analysis z wykorzys- taniem pakietu statystycznego SPSS for ~findows. Wrocław: AE 1997.

[15] Walesiak M., B4k A.: Segmentacja rynku z wykorzystaniem metody eonjoint measurement. W:

Zastosowanie metod wielowymiarowych w badaniach segmentacji i selektywności rynku. Red.

S. Mynarski. Kraków: AE 1999.

[16) Walesiak M.: Metody analizy danych marketingowych. Warszawa: PWN 1996.

[17] Walesiak M.: Segmentacja rynku. Kryteria i metody. W: Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych. Materiały z XXI Ogólnopolskiego Seminarium Nauko- wego (Zakopane 20-23.04.1999 r.). Red. A. Zeliaś. Kraków: AE (w druku).

[18) Wedel M., Kamakura W.A.: Market Segmentation. Conceptual and Mechodological Foundations.

Boston, Dordrecht, London: Kluwer 1998.

[19) Wittink D.R., Cattin P.: Commerciał Use of Conjoinc Analysis: an Update. "Journal of Marketing" July 1989.

[20) Wittink D.R., Vriens M., Burhenne W.: Commerciał Use oJ Conjoint Analysis in Europe: Results and Critical Rejlections. "International Journal of Research in Marketing" l, 1994.