Будучи неспособными найти глобальное превосходство какой-либо техники визуализации, мы решили провести кластерный анализ. Сначала мы разделили их на две группы участников переговоров: (1) абсолютно точные в порядковом выражении ( = 1) (38 агентов в исследовании 1 и 36 в исследовании 2); и (2) обычно неточные ( ≠ 1) (136 и 125 агентов в исследовании 1 и 2 соответственно).
Мы обнаружили, что системы подсчета обычно точных агентов более согласуются с преимущественной информацией их принципалов на кардинальной основе, чем системы подсчета тех, кто допустил хотя бы одну ошибку в рейтинге. В индексы для агентов с = 1 значительно меньше , чем с ≠ 1 (критерий Манна-Уитни с <0,001) поперек для обоих исследований . Что также интересно, агенты = 1 оказались кардинально более точными в исследовании 2, т.е. когда использовалась техника визуализации на основе , чем в исследовании 1. Различия между средними значениями и являются значимыми ( <0,001). Различия между исследованиями для обычно неточных агентов кажутся незначительными, когда используется основанная на радиусе справочная система оценки ( = 0,915), поэтому нельзя сделать вывод о превосходстве кругов над столбцами в лучшем представлении принципалов. Тем не менее, когда для исследования 1 результаты измеряются с использованием территориально-ориентированной системы отсчета, порядковая неточность оказывается значительно лучше для исследования 2, чем для исследования 1.
Наблюдаемые нами тенденции подтверждают нашу интуицию о взаимосвязи ошибок, допущенных агентами в рейтингах, и ошибок, допущенных ими в рейтингах. Чем точнее агенты на порядковой основе (чем выше значения ), тем точнее они присваивают рейтинги, которые следуют преференциальной информации (чем меньше значения ). Результаты одинаковы независимо от того, какая справочная система оценки используется, и подтверждают относительно высокие коэффициенты корреляции Пирсона.
Эти тенденции, однако, существенно не отличаются значениями (в тесте Манна-Уитни). Например, различие между и анализируется в кластерах, причем первое происходит значительно лучше только для кластера = 1 ( <0,001), но не для = 0,8 ( = 0,298). С другой стороны, он значительно хуже для = 0,6 ( = 0,034) и = 0,2 ( = 0,015). Когда и сравниваются в кластерах, последний становится значительно лучше дл 1 и 0,8 ( = 0,001). Для всех остальных кластеров различия незначительны ( > 0,089).
Поскольку такой подробный анализ по всему диапазону значений может вводить в заблуждение при получении обоснованных выводов на более поздних этапах нашего исследования, мы разбиваем агенты по на три класса, в которых различия кажутся очевидными (однако в некоторых ситуациях незначительный). Затем мы получаем три группы участников переговоров с: (1) высокой порядковой точностью , для которой агенты доминирования из исследования 2 работают лучше, чем участники исследования 1 (87 агенты в исследовании 1 и 89 в исследовании 2); (2) средняя порядковая точность , где оба метода визуализации дают одинаковую точность (55 и 44 агента в исследовании 1 и 2 соответственно); и (3) низкая порядковая точность , для которых круги обеспечивают более высокую кардинальную точность, чем столбцы (32 и 28 агентов в исследовании 1 и 2 соответственно). Сравнение результатов для этих трех кластеров показано в Эти кластеры позволяют различать такие агенты, чьи системы оценок отличаются по кардинальной погрешности с требуемой значимостью <0,001 в тесте Манна-Уитни). Мы будем использовать их для дальнейшего анализа последствий неточных систем подсчета очков для переговорного процесса и его результатов. Тем не менее, независимо от того, используется ли исходный диапазон индексов или применяются кластеры, наш анализ показывает, что существует положительная связь между порядковой точностью переговорщика и кардинальной точностью в построении системы оценки переговоров.
Стоит отметить, что в исследовании 1 построение систем кардинальных оценок, основанных на радиусах окружностей, приводит к большей точности во всех кластерах обычно точных агентов, чем при сравнении площадей окружностей. Это может указывать на проблемы, возникающие у агентов с анализом кругов на двумерной основе.
Продолжение следует...