Dwie szkoły informują, że ich uczniowie osiągnęli średni wynik 78 punktów.

Dwa laboratoria podają identyczną wartość pomiaru.

Dwie firmy ogłaszają, że wydajność pracy wzrosła o 20%.

Dwa miasta przedstawiają statystyki dotyczące jakości powietrza.

Na pierwszy rzut oka porównanie wydaje się proste. Skoro liczby są takie same albo zostały wyrażone w tych samych jednostkach, można zestawić je ze sobą.

Ale czy rzeczywiście?

Uczeń, który zdobył 78 punktów na egzaminie sprawdzającym podstawowe procedury, niekoniecznie wykazał się tymi samymi umiejętnościami co uczeń, który uzyskał 78 punktów w zadaniach wymagających samodzielnego modelowania.

Dwa termometry mogą pokazać tę samą temperaturę, choć jeden mierzy powietrze, a drugi powierzchnię przedmiotu.

Wzrost wydajności o 20% może dotyczyć liczby wyprodukowanych elementów, wartości sprzedaży albo liczby zrealizowanych zamówień.

Zanim porównamy wyniki, musimy ustalić, czy porównujemy tę samą wielkość, w podobnych warunkach i w odniesieniu do tego samego pytania.

To właśnie tutaj zaczyna się problem porównywalności danych.

Nie chodzi o to, że matematyka jest zawodna.

Chodzi o to, że matematyka może bezbłędnie przetwarzać liczby, których zestawienie nie ma uzasadnienia.

1. Ta sama jednostka nie oznacza tego samego pomiaru

Wyobraźmy sobie dwa pomiary temperatury w budynku.

Pierwszy termometr pokazuje 21°C.

Drugi również pokazuje 21°C.

Czy wyniki są porównywalne?

Możliwe, ale nie wiemy tego jeszcze.

Pierwszy czujnik mógł znajdować się na wysokości 1,5 metra w środku pomieszczenia.

Drugi mógł mierzyć temperaturę przy suficie albo bezpośrednio przy urządzeniu grzewczym.

Wartości są wyrażone w stopniach Celsjusza. Jednak warunki pomiaru mogą być inne.

Aby porównanie miało sens, trzeba określić wielkość mierzoną, lokalizację, czas, metodę oraz właściwości przyrządu.

Co właściwie oznacza „ta sama wielkość”?

W metrologii istotne jest precyzyjne określenie wielkości, którą zamierzamy zmierzyć.

„Temperatura pomieszczenia” może być wystarczającym określeniem w codziennej rozmowie.

W analizie technicznej może wymagać doprecyzowania.

Czy chodzi o temperaturę powietrza w określonym punkcie?

Średnią temperaturę w kilku lokalizacjach?

Temperaturę w konkretnym przedziale czasu?

Bez odpowiedzi na te pytania dwa poprawne pomiary mogą dotyczyć różnych obiektów badania.

Zgodność jednostek jest warunkiem wielu porównań, ale nie gwarantuje zgodności znaczenia.

2. Dwa egzaminy, ten sam wynik — czy ten sam poziom wiedzy?

Rozważmy dwie grupy uczniów.

W pierwszej przeprowadzono test składający się z 20 standardowych zadań rachunkowych.

W drugiej zastosowano 20 problemów wymagających analizy treści, wyboru modelu matematycznego i uzasadnienia rozwiązania.

Średni wynik obu grup wyniósł 75%.

Czy możemy powiedzieć, że uczniowie osiągnęli taki sam poziom kompetencji matematycznych?

Nie na podstawie tych danych.

Wynik procentowy opisuje odsetek uzyskanych punktów względem określonej skali.

Nie informuje automatycznie o poziomie trudności, zakresie badanych umiejętności ani sposobie oceniania.

Porównywalność wymaga wspólnego punktu odniesienia

W profesjonalnych systemach oceniania stosuje się różne procedury umożliwiające porównywanie wyników, na przykład odpowiednio zaprojektowane zadania wspólne, modele pomiarowe czy procedury zrównywania wyników testów.

Nie wystarczy jednak nadać dwóm egzaminom identyczną skalę od 0 do 100.

Jeżeli różnią się konstrukcją, populacją uczestników i sprawdzanymi kompetencjami, sama skala nie tworzy równoważności.

Ta zasada ma szczególne znaczenie dla uczniów zmieniających kraj lub system edukacyjny.

Ocena otrzymana w jednej szkole nie musi odpowiadać dokładnie tej samej ocenie w innej.

Nie oznacza to, że porównanie jest niemożliwe.

Oznacza, że wymaga znajomości kryteriów, programów i zasad oceniania.

3. Dlaczego procent może ukrywać zmianę podstawy porównania?

Firma informuje, że liczba reklamacji spadła o 25%.

W poprzednim kwartale otrzymała 200 reklamacji.

W obecnym — 150.

Obliczenie jest poprawne:

[
\frac{200-150}{200}\times100%=25%
]

Jednak w poprzednim kwartale firma obsłużyła 10 000 zamówień, a w obecnym tylko 5 000.

Wskaźnik reklamacji na zamówienie wynosił wcześniej:

[
\frac{200}{10000}\times100%=2%
]

Obecnie wynosi:

[
\frac{150}{5000}\times100%=3%
]

Łączna liczba reklamacji spadła.

Jednocześnie liczba reklamacji w odniesieniu do zamówień wzrosła.

Oba stwierdzenia są prawdziwe.

Nie opisują jednak tego samego aspektu działalności.

Licznik i mianownik odpowiadają na różne pytania

Liczba reklamacji może być istotna przy planowaniu pracy zespołu obsługi.

Wskaźnik reklamacji na zamówienie może być użyteczny przy ocenie częstotliwości problemów.

Ale nawet taki wskaźnik wymaga ostrożności.

Jedno zamówienie może prowadzić do kilku reklamacji.

Różne rodzaje zamówień mogą generować odmienne ryzyko problemów.

Zmiana sposobu rejestrowania reklamacji może również wpływać na dane.

Dlatego mianownik należy dobierać do rzeczywistego pytania, a nie wyłącznie do oczekiwanego wyniku.

4. Czy porównywanie średnich jest zawsze uzasadnione?

Załóżmy, że dwa przedsiębiorstwa podają średni czas realizacji zamówienia: cztery dni.

W pierwszym większość zamówień realizowana jest w ciągu trzech lub pięciu dni.

W drugim część zamówień trafia do klientów następnego dnia, ale inne wymagają znacznie dłuższego oczekiwania.

Średnia może być identyczna.

Doświadczenie klientów — bardzo różne.

Aby to zobaczyć, porównajmy dwa przykładowe zbiory:

Firma A: 3, 4, 4, 4, 5 dni.

Firma B: 1, 1, 2, 6, 10 dni.

Średnia w obu przypadkach wynosi cztery dni.

Jednak w drugim zbiorze występuje znacznie większe zróżnicowanie.

Jeśli klientowi zależy na przewidywalności dostawy, sama średnia może być niewystarczająca.

Warto rozważyć medianę, rozkład czasów realizacji oraz odsetek zamówień przekraczających ustalony termin.

Średnia nie jest błędem

Średnia arytmetyczna została obliczona poprawnie.

Problem pojawia się dopiero wtedy, gdy traktujemy ją jako pełny opis sytuacji.

To ważne rozróżnienie.

Nie należy odrzucać poprawnych miar statystycznych dlatego, że mają ograniczenia.

Należy rozumieć, jakiego rodzaju informację zachowują, a jaką pomijają.

5. Kiedy zmiana składu grupy zmienia wynik całego porównania?

Wyobraźmy sobie szkołę językową, która analizuje skuteczność dwóch okresów nauczania.

W pierwszym okresie większość uczestników wykonywała zadania na poziomie podstawowym.

W drugim większa część uczniów pracowała nad zadaniami zaawansowanymi.

Średni procent poprawnych odpowiedzi spadł.

Czy oznacza to, że nauczanie stało się mniej skuteczne?

Nie możemy tego stwierdzić bez analizy struktury zadań.

Jeżeli zadania w drugim okresie były trudniejsze, spadek procentu może wynikać częściowo ze zmiany warunków oceniania.

Ale nie wolno też automatycznie uznać, że trudniejsze zadania w pełni wyjaśniają zmianę.

Potrzebne są dane pozwalające oddzielić wpływ poziomu trudności od zmian w wynikach uczniów.

Problem mieszania różnych populacji

Podobne zjawisko występuje w medycynie, ekonomii i badaniach społecznych.

Dwie instytucje mogą obsługiwać populacje o różnych cechach.

Jeżeli jedna pracuje z przypadkami prostszymi, a druga z bardziej złożonymi, surowe porównanie wyników może być mylące.

W niektórych analizach stosuje się standaryzację lub odpowiednie metody statystycznego uwzględniania różnic.

Jednak każda korekta opiera się na określonych założeniach.

Nie istnieje jedna uniwersalna procedura, która automatycznie czyni wszystkie populacje porównywalnymi.

6. Dlaczego porównanie przed i po zmianie może być niewystarczające?

Szkoła wprowadza nowy program nauczania.

Po trzech miesiącach średni wynik uczniów jest wyższy niż przed rozpoczęciem programu.

Czy nowy program spowodował poprawę?

Możliwe.

Ale uczniowie mogli rozwijać umiejętności również dzięki zwykłej praktyce, dodatkowym materiałom lub innym doświadczeniom.

Wynik mógł zależeć od zmian w testach albo od różnic między osobami uczestniczącymi w obu pomiarach.

Porównanie przed i po zmianie pokazuje zmianę w czasie.

Nie zawsze pozwala wyodrębnić jej przyczynę.

Potrzebujemy odpowiedniego punktu odniesienia

W badaniach przyczynowych istotne jest pytanie, co prawdopodobnie wydarzyłoby się bez wprowadzonej zmiany.

Nie możemy bezpośrednio obserwować dwóch alternatywnych historii tej samej osoby w tym samym czasie.

Możemy jednak stosować odpowiednie projekty badawcze, grupy porównawcze i metody analityczne.

Ich przydatność zależy od założeń oraz jakości danych.

Dlatego samo stwierdzenie, że wyniki poprawiły się po interwencji, nie wystarcza do wykazania, że poprawa nastąpiła dzięki niej.

7. Dlaczego cena w dwóch krajach nie oznacza tego samego kosztu?

Załóżmy, że określona usługa kosztuje równowartość 30 euro w jednym kraju i 35 euro w drugim.

Na podstawie nominalnej ceny druga oferta wydaje się droższa.

Ale co właściwie chcemy porównać?

Kwotę, którą klient musi zapłacić?

Udział wydatku w dochodzie?

Zakres usługi?

Koszt jednostki czasu?

Jakość i warunki realizacji?

Jeżeli porównujemy rzeczywistą kwotę płatności, odpowiednio przeliczone ceny mogą być właściwym punktem wyjścia.

Jeżeli analizujemy dostępność ekonomiczną, mogą być potrzebne dane o dochodach i kosztach utrzymania.

Jeżeli porównujemy oferty edukacyjne, istotne są także długość zajęć, forma nauczania, kwalifikacje prowadzącego i zakres wsparcia.

Jeden problem, kilka poprawnych porównań

Nie istnieje jedna miara odpowiadająca na wszystkie pytania.

Cena nominalna nie jest błędna.

Cena za godzinę również może być użyteczna.

Relacja kosztu do dochodu pokazuje jeszcze inny wymiar.

Błąd pojawia się wtedy, gdy wynik jednego porównania wykorzystujemy jako odpowiedź na inne pytanie.

To szczególnie ważne w analizach międzynarodowych, gdzie podobne nazwy usług nie gwarantują identycznego zakresu świadczenia.

8. Dlaczego liczba uczestników nie mówi jeszcze, ilu ludzi osiągnęło cel?

Platforma edukacyjna informuje:

„W naszym kursie uczestniczyło 2 000 osób”.

To konkretna liczba.

Ale nie wiemy jeszcze, jak zdefiniowano uczestnictwo.

Czy chodzi o osoby, które założyły konto?

Rozpoczęły pierwszą lekcję?

Regularnie wykonywały zadania?

Ukończyły program?

Osiągnęły określony poziom kompetencji?

Każdy z tych wskaźników może być przydatny.

Nie są jednak zamienne.

Od aktywności do rezultatu

W edukacji należy odróżniać aktywność od osiągniętego efektu.

Liczba godzin spędzonych nad zadaniem nie zawsze odpowiada głębokości zrozumienia.

Liczba rozwiązanych przykładów nie zawsze pokazuje zdolność zastosowania wiedzy w nowej sytuacji.

Liczba ukończonych lekcji nie dowodzi automatycznie, że uczeń potrafi samodzielnie wykorzystać poznane umiejętności.

Dlatego analiza edukacyjna powinna zaczynać się od celu nauczania.

Dopiero później można określić, jakie zachowania i rezultaty będą świadczyć o postępie.

9. Porównywalność danych w czasie: co się dzieje, gdy zmienia się definicja?

Wyobraźmy sobie organizację, która przez kilka lat rejestruje liczbę zgłoszeń technicznych.

Początkowo liczy wyłącznie zgłoszenia telefoniczne.

Następnie zaczyna uwzględniać wiadomości e-mail i formularze internetowe.

W kolejnym roku wprowadza automatyczne rejestrowanie problemów.

Wykres może pokazywać gwałtowny wzrost liczby zgłoszeń.

Ale część tego wzrostu może wynikać ze zmiany sposobu liczenia.

Nie oznacza to, że dane są bezużyteczne.

Oznacza, że szereg czasowy wymaga informacji o zmianach definicji i procedur.

Dlaczego metadane są ważne?

Dane potrzebują opisu.

Musimy wiedzieć, kiedy je zebrano, jak zdefiniowano zmienne, jakie jednostki zastosowano i czy procedury były stabilne.

Bez takich informacji nawet duża tabela może prowadzić do błędnych porównań.

Dokumentowanie metod nie jest dodatkiem administracyjnym.

Jest częścią możliwości poprawnego odczytania wyniku.

10. Czy dwa laboratoria mogą uzyskać różne wyniki i oba mieć rację?

Tak, pod pewnymi warunkami.

Załóżmy, że dwa laboratoria analizują próbki pobrane z tego samego zbiornika wody.

Wyniki mogą się różnić z powodu zmienności próbek, czasu pobrania, metod analitycznych lub niepewności pomiaru.

Nie każda różnica oznacza błąd.

Nie każda jest również dopuszczalna.

Trzeba ocenić, czy oba wyniki dotyczą odpowiednio zdefiniowanej wielkości oraz czy obserwowana różnica jest zgodna z właściwościami metod.

Zgodność wyników a zgodność rzeczywistości

W badaniach technicznych ważne jest nie tylko uzyskanie liczby.

Należy także wiedzieć, jaką niepewność można przypisać pomiarowi i czy metoda nadaje się do zamierzonego zastosowania.

Dwa wyniki mogą być zgodne w granicach uzasadnionej niepewności.

Mogą też wskazywać na rzeczywistą zmianę badanego zjawiska.

Bez informacji o metodzie nie da się tego rzetelnie rozstrzygnąć.

11. Dlaczego ranking nie jest neutralnym obrazem jakości?

Rankingi szkół, uczelni, przedsiębiorstw i miast często prezentują jeden wynik końcowy.

Na przykład:

Szkoła A — 86 punktów.

Szkoła B — 82 punkty.

Szkoła C — 79 punktów.

Czy szkoła A jest bezwzględnie najlepsza?

Nie możemy tego stwierdzić bez znajomości konstrukcji rankingu.

Trzeba wiedzieć, jakie kryteria uwzględniono, jak je zmierzono oraz jakie przypisano im wagi.

Wagi zmieniają rezultat

Wyobraźmy sobie ocenę dwóch szkół według dwóch kryteriów:

  • wyniki egzaminacyjne;
  • dostępność indywidualnego wsparcia.

Szkoła A uzyskuje 90 punktów za wyniki i 50 za wsparcie.

Szkoła B uzyskuje 75 za wyniki i 85 za wsparcie.

Przy równych wagach:

Szkoła A: 70 punktów.

Szkoła B: 80 punktów.

Ale jeśli wynikom egzaminacyjnym przypiszemy wagę 80%, a wsparciu 20%, otrzymamy:

Szkoła A:

[
0{,}8\times90+0{,}2\times50=82
]

Szkoła B:

[
0{,}8\times75+0{,}2\times85=77
]

Kolejność się odwraca.

Wszystkie obliczenia są poprawne.

Zmienił się system wartości przyjęty w modelu.

To nie oznacza, że ranking musi być nieuczciwy.

Oznacza, że jego wynik zależy od konstrukcji wskaźnika.

Ranking jest rezultatem przyjętych kryteriów, a nie niezależnym od nich pomiarem całej jakości.

12. Jak rozpoznać porównanie, które tylko wygląda naukowo?

Warto zwrócić uwagę na kilka sygnałów ostrzegawczych.

Pierwszy to brak definicji wskaźnika.

Drugi — nieznana podstawa procentu.

Trzeci — porównywanie różnych populacji bez uwzględnienia ich struktury.

Czwarty — zmiana metod pomiaru pomiędzy okresami.

Piąty — wyciąganie wniosków przyczynowych wyłącznie z następstwa czasowego.

Szósty — przedstawianie rankingu bez wyjaśnienia kryteriów.

Siódmy — pomijanie niepewności lub zróżnicowania wyników.

Nie każdy z tych problemów automatycznie unieważnia analizę.

Każdy jednak wskazuje na pytanie, które należy rozstrzygnąć przed sformułowaniem mocnego wniosku.

13. Czy zawsze trzeba doprowadzać dane do pełnej porównywalności?

Nie.

Czasami różnice warunków są właśnie tym, co chcemy zbadać.

Jeżeli analizujemy, jak temperatura zmienia się między piętrami budynku, nie powinniśmy udawać, że wszystkie czujniki pracują w identycznym miejscu.

Jeżeli badamy różnice między systemami edukacyjnymi, ich odmienność stanowi część przedmiotu badania.

Problem nie polega na samym istnieniu różnic.

Polega na tym, czy rozumiemy ich wpływ na wynik.

W niektórych badaniach należy kontrolować określone czynniki.

W innych trzeba je zachować jako istotną informację.

Nie można zatem przyjąć uniwersalnej zasady, że wszystkie porównania wymagają usunięcia wszelkich różnic.

Dobre porównanie nie ukrywa warunków. Pokazuje, które warunki są istotne dla postawionego pytania.

14. Matematyka szkolna a prawdziwe modelowanie

W wielu zadaniach szkolnych wszystkie potrzebne dane są już podane.

Uczeń ma wybrać wzór i wykonać obliczenia.

To ważny etap nauki.

Jednak w rzeczywistych problemach często trzeba najpierw zdecydować, co należy mierzyć i jakie założenia można przyjąć.

Przykładowo:

Dwa samochody zużywają średnio 6 litrów paliwa na 100 kilometrów.

Czy ich eksploatacja kosztuje tyle samo?

Nie musi.

Mogą korzystać z paliw o różnych cenach.

Mogą jeździć w odmiennych warunkach.

Ich koszty serwisowania mogą się różnić.

A samo zużycie paliwa może zostać ustalone według różnych procedur.

Wartość 6 l/100 km jest istotna.

Nie jest jednak kompletną odpowiedzią na pytanie o koszt eksploatacji.

Czego powinien nauczyć się uczeń?

Nie tylko podstawienia danych do wzoru.

Powinien umieć określić, czy wzór odpowiada pytaniu.

Sprawdzić jednostki.

Rozpoznać ukryte założenia.

Zidentyfikować brakujące informacje.

Wyjaśnić, jakie wnioski są uzasadnione.

I zauważyć, kiedy dwóch pozornie podobnych sytuacji nie wolno traktować jako identycznych.

To właśnie łączy matematykę z fizyką, ekonomią, analizą danych i codziennym podejmowaniem decyzji.

15. Język zadania może zmienić matematykę

W międzynarodowej edukacji dochodzi jeszcze jeden problem.

Uczeń może rozumieć działania matematyczne, ale błędnie odczytać warunek zadania w języku obcym.

Porównajmy trzy angielskie sformułowania:

The price increased by 20%.

The price increased to 20%.

The share increased by 20 percentage points.

Nie opisują one tego samego rodzaju zmiany.

Podobnie w języku polskim różnią się wyrażenia:

„o 20 procent”;

„do 20 procent”;

„o 20 punktów procentowych”.

Jeżeli udział wzrósł z 30% do 50%, oznacza to wzrost o 20 punktów procentowych.

Wzrost względny wynosi natomiast:

[
\frac{50-30}{30}\times100%\approx66{,}7%
]

Nieprecyzyjne sformułowanie może zmienić odpowiedź, nawet jeśli wszystkie obliczenia zostaną wykonane prawidłowo.

Dlatego nauka matematyki w obcym języku wymaga pracy nie tylko nad terminologią, ale również nad relacjami logicznymi wyrażanymi przez język.

16. Jak sprawdzić, czy dwa wyniki naprawdę można porównać?

Przed wykonaniem porównania proponuję przejść przez osiem pytań.

1. Jaki jest cel porównania?

Czy chcemy ocenić różnicę, skuteczność, koszt, jakość czy zmianę w czasie?

2. Czy oba wyniki dotyczą tego samego rodzaju wielkości?

Zgodność jednostek nie zawsze wystarcza.

3. Czy definicje wskaźników są takie same?

Czy „uczestnik”, „zamówienie” albo „sukces” oznacza to samo w obu zbiorach danych?

4. Czy metody pozyskania danych są porównywalne?

Czy różnice procedur mogą wpływać na rezultat?

5. Czy populacje i warunki istotnie się różnią?

Jeżeli tak, czy różnice te są częścią badanego zjawiska, czy czynnikiem zakłócającym?

6. Czy znamy mianownik i punkt odniesienia?

Szczególnie przy procentach, wskaźnikach i zmianach względnych.

7. Czy uwzględniono niepewność i rozkład wyników?

Czy pojedyncza liczba nie ukrywa ważnej zmienności?

8. Czy wniosek odpowiada temu, co rzeczywiście porównano?

Czy nie przypisujemy wynikom znaczenia, którego analiza nie uzasadnia?

Te pytania nie zastępują specjalistycznej statystyki.

Pomagają jednak ustalić, czy w ogóle mamy podstawy, aby zastosować określoną metodę porównania.

17. Jak przejść od zrozumienia problemu do praktycznej nauki?

Trudności z porównywaniem danych mogą pojawiać się na różnych poziomach.

Uczeń szkoły podstawowej może mieć problem z procentami i jednostkami.

Uczeń szkoły średniej może poprawnie liczyć średnie, ale nie rozumieć rozkładu danych.

Student może potrzebować wsparcia w statystyce, interpretacji wykresów lub budowaniu modeli matematycznych.

Osoba ucząca się w innym kraju może dodatkowo potrzebować wyjaśnienia terminologii i poleceń w języku, w którym odbywa się nauka.

W takich sytuacjach nie zawsze wystarczy kolejny zestaw przykładów do rozwiązania.

Czasem trzeba wrócić do samego sposobu czytania zadania, ustalania warunków i uzasadniania wyniku.

Indywidualne lekcje matematyki i przedmiotów ścisłych online

W Levitin Language School można uzyskać indywidualne wsparcie w nauce matematyki i wybranych przedmiotów ścisłych, również w kontekście nauki w zagranicznym systemie edukacyjnym.

Zakres zajęć dobierany jest do potrzeb ucznia: od podstawowych obliczeń i procentów po rozumowanie matematyczne, analizę zadań, interpretację danych i przygotowanie do wymagań szkolnych.

Możliwa jest również praca nad rozumieniem matematyki w języku obcym, jeśli odpowiada to potrzebom ucznia i kompetencjom dostępnego nauczyciela.

Jak zapisać się na indywidualną lekcję?

Napisz bezpośrednio do mnie, Tymura Levitina, założyciela i dyrektora szkoły.

Najprościej skontaktować się przez Telegram lub WhatsApp. Można również wysłać wiadomość na adres notification@levitintymur.com.

W wiadomości wystarczy podać wiek lub klasę ucznia, przedmiot, język nauki, aktualną trudność i oczekiwany rezultat.

Na tej podstawie omówimy zadanie, dobór nauczyciela i możliwą organizację indywidualnych zajęć online.

Nie trzeba samodzielnie ustalać, czy problem dotyczy matematyki, języka zadania czy sposobu rozumowania. Można opisać konkretną sytuację lub przesłać przykład zadania.

Analiza danych w dokumentach i komunikacji zawodowej

Podobne problemy występują w raportach, prezentacjach, tekstach naukowych i dokumentach biznesowych.

W takich materiałach ważne jest zachowanie różnicy między procentem a punktem procentowym, pomiarem a prognozą oraz związkiem statystycznym a twierdzeniem o przyczynie.

W ramach profesjonalnych usług językowych można omówić tłumaczenie, redakcję i dostosowanie tekstu do odbiorcy.

Jeżeli dokument wymaga niezależnej weryfikacji statystycznej lub technicznej, zakres takiej kontroli należy ustalić osobno.

W sprawie tekstu również można napisać bezpośrednio do mnie, korzystając z podanych wyżej kontaktów.

Zakończenie. Zanim porównamy liczby, musimy porównać warunki

Dwie wartości mogą być jednakowe, a mimo to opisywać różne zjawiska.

Dwa procenty mogą zostać obliczone poprawnie, lecz odnosić się do innych populacji.

Dwie średnie mogą ukrywać odmienne rozkłady.

Dwa egzaminy mogą mieć identyczną skalę, ale sprawdzać inne umiejętności.

Dwa rankingi mogą prowadzić do różnych ocen, ponieważ wykorzystują odmienne kryteria.

Żaden z tych przykładów nie oznacza, że liczby są nieprzydatne.

Przeciwnie.

Dobrze dobrane miary pozwalają porównywać rzeczywistość z precyzją, której nie zapewnia samo wrażenie.

Jednak wartość porównania zależy od jego konstrukcji.

Nie wystarczy ustalić, czy dwie liczby są równe. Trzeba wiedzieć, czy odnoszą się do rzeczy, które rzeczywiście można ze sobą zestawić.

Dlatego najważniejsze pytanie nie brzmi:

„Który wynik jest większy?”.

Brzmi:

„Co musiałoby być wspólne dla obu sytuacji, aby różnica między wynikami rzeczywiście oznaczała to, co chcemy z niej wywnioskować?”

Od odpowiedzi na to pytanie zaczyna się świadome korzystanie z matematyki.

Autor: Tymur Levitin

Założyciel i dyrektor Levitin Language School, nauczyciel języków obcych, tłumacz i autor interdyscyplinarnych analiz dotyczących języka, edukacji, matematyki oraz interpretacji informacji.

© Tymur Levitin · Levitin Language School