Методология анализа данных в социологии (введение). Татарова Г.Г

Учебник последовательно погружает студентов в проблематику методологии анализа данных в социологии и формирует целостное представление о работе с эмпирическим материалом. В нем вводится понятийный аппарат анализа данных; описываются типы информации, с которой работает социолог, приводятся основные приемы измерения; излагаются логика и методы анализа данных. Особое внимание уделено использованию в социологических исследованиях восходящей и нисходящей стратегии анализа данных, типологического анализа.
Рекомендован Министерством общего и профобразования Российской Федерации в качестве учебника для студентов высших учебных заведений.

Книга для вас, если вы увлеклись удивительной наукой под названием «Социология». Прослушав такие курсы, как «Введение в социологию», «История социологии», «Методы сбора информации в социологии», вы имеете представление о сложности и многообразии подходов к изучению социальной реальности и понимаете: чтобы стать профессиональным социологом, необходимо освоить множество различных приемов, способов, методов социологического исследования. В этом в какой-то мере вам помогут и мои «Лекции» (позволю себе так называть книгу, ибо она родилась в процессе чтения курсов лекций и многолетней работы со студентами).

Вы получите представление о мире информации, с которой работает социолог, узнаете, откуда она берется и в каких формах существует, как измеряется и как анализируется. Для освоения материала нет необходимости в специальной подготовке по математике, но после этой книги, смею надеяться, вам захочется обратиться к ней.

Чему же вы научитесь в процессе освоения этой книги? Конечно же, немногому, ведь это только введение в проблематику. Не столько тому, как надо делать, сколько тому, как не надо делать. Четко однозначных ответов на многие вопросы в социологии не существует. Одновременно это хорошо и плохо, легко и трудно. Естественно, было бы лучше (хотя бы потому, что так учат в школе), если для решения некоторой социологической «задачки» существовал бы вполне определенный метод, способ ее решения. Тогда, поняв постановку всевозможных задачек и освоив методы их решения, можно было бы считать себя профессионалом.

СОДЕРЖАНИЕ
Глава 1. СТРУКТУРА ЭМПИРИЧЕСКИХ ДАННЫХ В СОЦИОЛОГИИ
1. От постулатов эмпирической социологии к методологии анализа данных
2. Модель изучения свойства объекта
3. Типы эмпирических данных
Выводы из главы 1
Глава 2. ИЗМЕРЕНИЕ КАК СОСТАВНАЯ ЧАСТЬ АНАЛИЗА
1. Зачем социологу шкалы? Кодирование как процедура измерения
2. Индексы сбора и анализа данных
3. Некоторые специфические приемы измерения социальной установки
4. Процедура ранжирования
5. Проективные методы
Выводы из главы 2
Глава 3. ВОСХОДЯЩАЯ СТРАТЕГИЯ АНАЛИЗА ДАННЫХ
1. С чего начинается анализ?
2. Анализ характера "поведения" признака
3. Анализ взаимосвязи признаков
4. Меры связи, основанные на понятиях статистическая зависимость и детерминация
5. Меры связи: основанные на модели прогноза и ранговые
Выводы из главы 3
Глава 4. НИСХОДЯЩАЯ СТРАТЕГИЯ АНАЛИЗА ДАННЫХ
1. Язык анализа данных
2. Логика типологического анализа
Выводы из главы 4
ПРИЛОЖЕНИЕ для преподавателей.

Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Методология анализа данных в социологии, Татарова Г.Г., 1999 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.

  1. Методология анализа данных в социологии

    Программа

    Учебник последовательно погружает студентов в проблематику методологии анализа данных в социологии и формирует целостное представление о... В литературе редко встречается словосочетание «методология анализа данных в социологии» , а если и встречается, то...

  2. Анализ данных в социологии

    Учебно-методический комплекс

    С. 0,5 Татарова Г. Г. Методология анализа данных в социологии . – М.: Изд. дом «Стратегия», 1998. – 222 с. 0,4 Толстова Ю.Н. Анализ социологических данных . – М.: Научный мир...

  3. Социология том 1 методология и история социологии

    Учебники и учебные пособия

    Исследования. 1990. № 11. Комплексный подход к анализу данных в социологии . М., 1989. Коммуникация в современной науке. М., ... логики научного познания. М., 1964. Татарова Г.Г. Методология анализа данных в социологии . 2-е изд., испр. М.: NOTA BENE, ...

  4. Учебно-методический комплекс по дисциплине анализ данных

    Учебно-методический комплекс

    Татарова, Г. Г. Методология анализа данных в социологии / Г. Г. Татарова. – М., 1998. Толстова, Ю. Н. Анализ социологических данных / Ю. Н. ... и методы качественного анализа данных / В. А. Ядов// Социология : 4М (методология , методы, математические...

  5. Социология наивного дискурса

    Документ

    Нарративное интервью в биографических исследованиях // Социология : методология , методы, математическое моделирование.-М, 1993.-№3-4 ... В.В., Фотеевой Е.В.-М.:ИСАН, 1996 Татарова Г.Г.Методология анализа данных в социологии : Учебник для вузов.-Nota bene ...

Подобный материал:

  • Темы докладов к семинару по дисциплине «Моделирование социальных процессов» , 19.98kb.
  • Правительстве Российской Федерации» (Финансовый университет) Кафедра «Математическое , 246.23kb.
  • Лекции по дисциплине «Социальное моделирование и программирование» , 44.69kb.
  • Лекции по дисциплине «Математическое моделирование социальных процессов» , 21.93kb.
  • Математическое моделирование термомеханических процессов в системах армированных стержней , 259.01kb.
  • Программа дисциплины Математическое моделирование социальных процессов Для направления , 261.45kb.
  • Лекция Моделирование физических процессов , 111.71kb.
  • Cols=2 gutter=66> Математическое моделирование и процесс создания математической модели , 130.19kb.
  • Математическое моделирование процессов самоорганизации в широкополосных системах 05. , 181.86kb.
  • Математическое моделирование социальных процессов , 248.4kb.

 2001 г.

Г.Г. Татарова

Математическое моделирование социальных процессов в социологическом образовании

______________________________________________________________

ТАТАРОВА Галина Галеевна - доктор социологических наук, главный научный сотрудник Института социологии РАН, заведующая кафедрой математического моделирования и анализа данных факультета социологии Государственного университета гуманитарных наук.

______________________________________________________________

Данной публикацией хочется достичь двух целей. Во-первых, привлечь внимание научно-педагогической общественности к необходимости обсуждения проблемы повышения качества
__________________

Статья подготовлена в рамках проекта № 01-06-80126, выполняемого при финансовой поддержке РФФИ и является в некотором смысле дополнением к предыдущей работе "Методологическая культура в контексте социологического образования" . В последней был поставлен ряд вопросов, касающихся качества профессионального социологического образования и предложены отдельные приемы, проистекающие из опыта преподавания дисциплин методологического профиля.

профессионального социологического образования в России в целом и в той ее части, которая относится к преподаванию дисциплин, связанных с формированием методологической (методической + математической + информационной) культуры студентов-социологов. На наш взгляд, именно этот путь (формирование методологической культуры) приведет, в конечном счете, к резкому росту методически грамотно проведенных исследований в России.

Сегодняшние реалии не дают основания для оптимизма. Например, в рубрике "Кафедра" журнала "Социологические исследования" практически не публикуются материалы, касающиеся проблематики качества профессионального образования в контексте обмена опытом по формированию методологической культуры не только будущих социологов, но и преподавателей. Тревожит и то, что на социологических форумах (Первый Всероссийский конгресс социологов в Санкт-Петербурге, сентябрь 2000 г. и др.) этой проблематике, как правило, не уделяется должного внимания.

Вторая цель статьи - чисто информативная. Известно, что особую трудность в учебном процессе представляет обучение будущих социологов по дисциплинам математического профиля, например, по высшей математике, теории вероятности и математической статистики, методам многомерного анализа, математическому моделированию социальных процессов. Последняя в этом ряду хуже других обеспечена учебными и пособиями 1 и преподавателями. Во многих вузах, выпускающих социологов, эта дисциплина либо не включена в учебные планы, либо наполнена не вполне адекватным содержанием. В этой связи представляется полезной информация о некоторых итогах трех научных мероприятий, прошедших в сентябре-декабре 2000 г., а также одной конференции 1999 г. Все они в той или иной мере связаны с проблематикой математического моделирования социальных процессов.

Эти мероприятия оказались важными, во-первых, для осмысления некоторых реалий и перспектив развития данной области социологического знания в России. Во-вторых, изданные материалы могут оказать помощь преподавателям дисциплин математического профиля, в частности, дисциплины "Математическое моделирование социальных процессов".

Проблематика моделирования и, в том числе, математического, слабо представлена в отечественной социологии 2 и, тем самым, требует к себе пристального внимания ученых. В этой связи информация о научных мероприятиях, приведенная ниже, и некоторые идеи, извлеченные из анализа опубликованных материалов, возможно, будут полезны преподавателям. Кратко остановимся на характеристике мероприятий (приводятся в хронологическом порядке).

Всероссийская конференция "Математическое и компьютерное моделирование в науках о человеке и обществе" (Вологда, июнь-июль 1999 г.). Конференция проводилась по инициативе Ю.Н. Гаврильца (зав. лаборатории математической социологии Центрального экономико-математического института), В.В. Лебедева (зав. кафедрой высшей математики Государственного университета управления). На ней было представлено достаточно большое число докладов, имеющих непосредственное отношение к моделированию в гуманитарной сфере.

Рассмотренное проблемное поле было достаточно широко: от методологических проблем математической формализации до, например, конкретных моделей формирования социальных установок. Тезисы докладов опубликованы в достаточно развернутом виде , что позволяет воспользоваться ими в учебном процессе.

Первый Всероссийский социологический конгресс (Санкт-Петербург, сентябрь 2000 г.). Проблемы математического моделирования рассматривались на секции "Методы социологических исследований" (см.: ). Руководители секции: Т.Б. Малинина (доцент Санкт-Петербургского государственного университета), А.П. Михайлов (зав. лабораторией математического моделирования социологического факультета МГУ), Ю.Н. Толстова (профессор Государственного университета-Высшей школы экономики), Б.И. Тихомиров (профессор Санкт-Петербургского университета). Несмотря на небольшое количество докладов, работа секции была достаточно эффективной. На наш взгляд, во многом это было обусловлено разнообразием тематики докладов, что позволило участникам ознакомиться с широкими проблемным и понятийным полями в области методологии эмпирических социологических исследований. К сожалению, в числе выступающих были в основном москвичи и петербуржцы, т.е. в российском масштабе секция была непредставительной. Это не означает, что работа секции была непродуктивной, но ученые Новосибирска, Ростова-на-Дону, Вологды, Екатеринбурга и т.д., где имеются интересные разработки в области математического моделирования, не были представлены даже в тезисах.

В процессе работы конгресса было проведено два круглых стола: "Математика в социологии" (соруководители А.П.Михайлов, Ю.Н.Толстова), "Системный подход в социологии: модели, методы, прогнозы" (руководитель А.А. Давыдов). На них также поднимались вопросы математического моделирования.

Третий междисциплинарный семинар "Математическое моделирование социальных процессов в современном российском обществе" (социологический факультет МГУ, ноябрь 2000 г.). Руководителями этого ежегодного семинара являются: академик РАН А.А. Самарский; декан социологического факультета МГУ В.И. Добреньков; зав. лабораторией математического моделирования социологического факультета МГУ А.П. Михайлов.

Примечательным именно для 3-го семинара стало расширение не только состава его постоянных участников, но и расширение тематики, обсуждаемых вопросов. Последнее обусловлено, во-первых, увеличением числа докладов, в которых рассматривалось моделирование широкого круга социальных процессов. Во-вторых, постановкой и обсуждением проблем методологии математической формализации в социологии. В-третьих, включением в программу семинара таких проблем, как преподавание математики студентам-социологам, моделирование процессов кадровой трансформации российской науки и т.д.

Нам представляется важным проинформировать социологическую общественность о существовании такого постоянно действующего семинара, о доступности для читателей его материалов , а также о возможности подачи заявок для выступлений на очередном (ноябрь 2001 г.) семинаре.

Российский симпозиум "Математическое и компьютерное моделирование социально-экономических процессов" (Нарофоминск Московской области, декабрь 2000 г.). Организаторы и руководители симпозиума: В.В.Лебедев - зав. кафедрой высшей математики Государственного университета управления; Б.А.Суслаков - проректор Социально-технологического института Московского государственного университета сервиса; Д.С.Чернавский - зав. лабораторией Физического института им. П.Н. Лебедева РАН.

Следует отметить, что материалы этого симпозиума опубликованы в двух сборниках . Представительным был состав участников, среди которых были математики, физики, экономисты и даже социологи (хотя последние присутствовали в меньшинстве). На симпозиуме прозвучали доклады, в которых рассматривались как проблемы методологии моделирования, так и математические модели различного уровня абстрактности.

Симпозиум стал продолжением ежегодных научных конференций (они проводятся регулярно с 1993 г. по инициативе Московского института электроники и математики и благодаря деятельности профессора Ю.Н.Кофанова), тема которых – "Системные проблемы качества математического моделирования и информационных технологий". В 1999 г. в рамках очередной такой конференции была организована отдельная секция по проблемам моделирования социально-экономических процессов, материалы которой опубликованы (см.: ).

Анализ опубликованных материалов по всем четырем перечисленным мероприятиям позволил предложить некоторые размышления, которые в процессе преподавания дисциплины "Математическое моделирование социальных процессов", возможно, будут небесполезны. Представляются конструктивными два контекста подобных размышлений. Первый - отношение исследователей в отечественной социологической науке к математическому моделированию социальных процессов и к процедурам математической формализации в целом. Второй контекст - отношение математиков (моделирующих) к моделированию социальных процессов.

К вопросу об отношении социологов к математическому моделированию

Прежде всего, следует подчеркнуть, что под математическим моделированием понимается процедура, возникающая на практике в условиях дефицита времени (для отслеживания динамики социальных процессов), многовариантных сценариев протекания социальных процессов, многокритериальности оценок социальной ситуации. Математическое моделирование - это процедура «проигрывания» на компьютере математических моделей, описывающих социальные процессы.

Применение любых математических конструктов (формул, моделей, методов и т.д.) в социологических исследованиях носит характер моделирования, поэтому в методологическом плане не имеет смысла отделять динамические модели от статических, простые (например, типа линейной модели регрессионного анализа) от сложных (типа системы дифференциальных уравнений), линейные от нелинейных. Следовательно, в целом речь идет об отношении к математической формализации в эмпирических социологических исследованиях.

В истории развития эмпирической социологии в нашем отечестве можно выделить (исходя из характера и объема публикаций) различные этапы, на каждом из которых доминировала та или иная точка зрения. От полного неприятия не только математического моделирования, но и самого термина "моделирование" в социологии - до всемирного возвеличивания познавательных возможностей математического моделирования в процессе получения качественно нового знания об изучаемых социальных процессах.

На наш взгляд, биполярный характер отношения к математическому моделированию, присущий историческому контексту, претерпевает в современных условиях определенные изменения. Если для образности предположить, что рассматриваемое отношение является аффективной составляющей социальной установки "отношение к математическому моделированию", то можно выдвинуть гипотезу о существовании одномерного континуума для измерения такой социальной установки. В таком случае, скорее всего можно ожидать, что распределение исследователей по их отношению к математическому моделированию может быть описано посредством нормальной (гауссовой) кривой. Во всяком случае, существуют определенные признаки сближения диаметрально противоположных позиций. В качестве основания для таких оптимистических предположений можно привести тенденции, наблюдаемые в социологической науке.

В ее рамках обсуждаются такие проблемы, которые условно можно назвать проблемами эмерджентной (скачкообразной) эволюции . Ставятся задачи изучения сконструированной (на уровнях личности и различных общностей) социальной реальности; вводятся в социологическую практику такие понятия, как габитус (теоретический конструкт, на наш взгляд, обозначающий тип личности, исходя из ее системного изучения в пространстве и во времени), симулякрум (термин, служащий для обозначения образа социальной реальности) и т.д. Все возрастающее внимание к качественным методам также говорит о стремление к глубине, многомерности и системности при изучении социальных феноменов (и это несмотря на то, что сторонники качественных методов термины "многомерность" и "системность" практически не используют).

Подобные тенденции возможно интерпретировать как характерные признаки востребованности когнитивного моделирования в целом и математического в частности.

Вместе с тем, растущее дробление социологии на отдельные области, порождающее эффект фракционализации (говоря образно, существует угроза превращения социологии в поверхностную науку с ярко выраженной фракционной доминантой), а также излишняя ее политизированность становятся серьезным тормозом повышения математической культуры проводимых в нашей стране исследований. С другой стороны, многие необходимые атрибуты серьезного аналитического исследования на практике только декларируются (в типичных – модальных - исследовательских ситуациях).

Например, принцип многомерности понимается как сумма одномерностей или сумма попарных связей. Мы имеем в виду то, что анализ изучаемых социальных феноменов на эмпирическом уровне осуществляется на основе одномерных распределений и коэффициентов корреляции парных взаимосвязей между признаками. Высшим "пилотажем" является применение методов факторного анализа. При этом чаще всего утверждается, что факторы выявлены на эмпирическом материале. Хотя, по сути, речь идет о проверке гипотезы существования факторов в заданном исследователем смысле. Естественно, такая гипотеза редко не подтверждается. Сей факт преподносится как серьезный прирост социологического знания. В большинстве публикаций (в том числе и на страницах журнала "Социологические исследования"), в которых в той или иной мере используется эмпирические данные, наблюдается именно такая картина.

Ситуация с использованием принципа системности в эмпирических исследованиях аналогична. На теоретическом уровне декларируется комплексный, системный характер проводимых исследований, а на эмпирическом - не реализуется идея анализа эффекта взаимодействия различных свойств изучаемых социальных феноменов. К сожалению, феномены линейности и аддитивности мышления (либо в силу легкости их интерпретации, либо в силу традиции) являются типичными для большинства исследовательских ситуаций.

Разумеется, существуют примеры и противоположного характера. В их основе - активное сотрудничество математиков и социологов. По прежнему активно и плодотворно работает П.С.Ростовцев (Новосибирск) в содружестве с социологами-практиками, развивая математическую социологию в течение многих лет. Интересные исследования проводятся под руководством В.К.Финна и В.А.Ядова (Москва), В.Н.Иванова и М.М.Назарова (Москва). Можно привести и другие примеры. Некоторые из них отражены в материалах упомянутых выше конференций и семинаров. На страницах журнала "Социология 4М" ("Социология: методология, методы, математические модели") представлено немало работ по математической формализации.

К вопросу об отношении математиков к моделированию в социологии

По отношению к познавательным возможностям математического моделирования в изучении социальных феноменов, на наш взгляд, можно выделить три типа исследователей: "неверующие в моделирование", "умеренные", "преувеличивающие познавательную силу моделирования". Последние в ряде случаев призывают к освоению логики "кнопочного" мышления, смысл которого – в получении знания посредством простого "нажатия кнопок" компьютера.

Думается, что перспектива за "умеренными". Во-первых, в силу сложности количественного измерения характеристик социальных систем (без этого математическое моделирование невозможно). Анализ цитируемой нами литературы показывает, что математики (моделирующие) проблемам измерения зачастую не отводят должного внимания. Во-вторых, исходя из архисложности структуры социальных систем.

Что касается исторического российского контекста применения математических методов в социологии, то он отражен в соответствующей литературе . В 70-е годы теперь уже прошлого века наблюдался период математического бума, который позволял надеяться в будущем на качественно новый скачок в росте математической культуре социологических исследований. К сожалению, этого не произошло. Причиной стало сочетание многих факторов, рассмотрение которых требует отдельной публикации.

Вместе с тем некоторые современные тенденции внушают определенный оптимизм. В рамках математической науки исследователи, осознавая сложности моделирования социальных процессов, ставят вопросы о границах интерпретируемости результатов моделирования, предлагают новые подходы и модели, основанные на так называемом гибком, мягком моделировании . Последнее позволяет интерпретировать результаты моделирования в контексте возможных сценариев развития изучаемых социальных процессов, а сами модели могут быть рассмотрены как диагностические процедуры, обладающие достаточно большой прогностической силой.

Эпитеты "гибкое", "мягкое" понятны социологам, но редко употребляются математиками. Для тех же целей принято говорить о синергетическом подходе, к которому относят теории динамических систем, катастроф, хаоса, нелинейную динамику. Этот подход - новая методология моделирования - активно обсуждается в областях науки, смежных с социологией. К примеру, вышли в свет два сборника , в которых опубликованы работы, отражающие современное состояние исследований в области синергетики. В этих сборниках-хрестоматиях представлены работы как российских, так и зарубежных авторов. Они могут быть использованы в учебном процессе, хотя бы в контексте рассмотрения вопросов сближения языка социолога и языка математика. Второй из этих сборников имеет подзаголовок "Социальные процессы".

Важным (именно для социологии) представляется, что стиль 3 математического мышления в области моделирования социальных процессов меняется. Характерными признаками этого являются, во-первых, расширение проблемного поля; во-вторых, желание исследователей объединиться на принципах междисциплинарного подхода; в-третьих, пропагандируется идея наглядности процесса моделирования. Наконец, в-четвертых, расширяется и понятийное поле моделирования.

Такой вывод позволительно сделать, опираясь на выступления и опубликованные материалы всех упомянутых выше научных собраний. Сюда можно добавить материалы семинара по социальной информатике, проводимого ежегодно на базе Социально-технологического института Московского государственного университета сервиса (начало было положено в 1990 г. еще в Высшей комсомольской школе).

В заключение представляется целесообразным обратить внимание на:

Существование феномена узости "проблемного поля", на котором происходит сотрудничество математиков и социологов. Его расширение возможно как на основе привлечения социологов-практиков для участия в работе конференций по математическому моделированию, так и формирование установки у математиков на обучение социологии. Тем самым ускорится процесс сближения языка социолога и языка математика.

Необходимость не просто толерантности специалистов, работающих в различных областях социологической науки, по отношению к друг другу, но и взаимодействия методологов разного профиля. Иначе мы безнадежно отстанем от мирового уровня, если уже не отстали. Например, на международном методологическом форуме в Кельне (октябрь 2000 г.), по имеющимся данным, от социологического сообщества России были представлены только доклады Г.И.Саганенко и П.С.Ростовцева.

Возможность объединения исследователей, интересующихся проблематикой математической формализации "вокруг" журнала "Социология 4М". Журнал существует 10 лет (выходит с 1991 г. и, к сожалению, редко). Примечательно, что юбилейный, тринадцатый том журнала в основном посвящен математическому моделированию в социологии.

Список литературы

  1. Татарова Г.Г. Методологическая культура в контексте социологического образования // Социол.исслед. 2000, №9. С. 32-41.
  2. Плотинский Ю.М. Теоретические и эмпирические модели социальных процессов. Уч.пособие. М., 1998.
  3. Тихомиров Н.П., Райцин В.Я., Гаврилец Ю.Н., Спиридонов Ю.Д. Моделирование социальных процессов. М., 1993.
  4. Толстова Ю.Н. Анализ социологических данных. М., 2000.
  5. Всероссийская конференция "Математическое и компьютерное моделирование в науках о человеке и обществе". Тезисы докладов. Москва-Вологда, 1999.
  6. Социология и общество. Тезисы Первого Всероссийского социологического конгресса "Общество и социология: новые реалии и новые идеи" / Под ред. Ю.В. Асочакова, И.Д.Демидовой и др.Санкт-Петербург, 2000. С.530-545.
  7. Математическое моделирование социальных процессов / Под ред. В.И.Добренькова, А.А.Самарского. М., 1999.
  8. Математическое моделирование социальных процессов. Вып.2. / Под ред. В.И.Добренькова, А.А.Самарского. М., 2000.
  9. Математическое и компьютерное моделирование социально-экономических процессов. Материалы российского научного симпозиума. М., 2000. Ч. 1.
  10. Математическое и компьютерное моделирование социально-экономических процессов. Материалы российского научного симпозиума. М., 2000. Ч. 2.
  11. Тезисы докладов российского научного симпозиума "Системные проблемы математического моделирования социально-экономических процессов" / Под ред. В.В.Лебедева, Д.С.Чернавского М., 1999.
  12. Култыгин В.П. Специфика социологического знания: преемственность, традиции и новаторство // Социол.исслед. 2000. №8. С.3-11.
  13. Толстова Ю.Н. Математические методы в социологии // Социология в России / Под ред. В.А.Ядова. М., 1998. С.83-103.
  14. Синергетика и психология. Тексты. Вып.1. Методологичекие вопросы /Под ред. И.Н.Трофимовой, В.Г.Буданова. М., 1997
  15. Синергетика и психология. Тексты. Вып.2. Социальные процессы / Под ред. И.Н.Трофимовой. М., 2000.
  16. Стили в математике: социокультурная философия математики / Под ред. А.Г.Барабашева. СПб., 1999.

1 Здесь можно упомянуть только несколько работ, носящих характер учебных пособий и доступных сегодня . Последняя из них в явной форме не посвящена математическому моделированию. Вместе с тем в этой работе содержится достаточно много материала, необходимого в процессе преподавания дисциплин математического профиля.

2 Следует заметить, что мы несколько утрируем ситуацию. Речь идет о слабости в том смысле, что, во-первых, исследователей, занимающихся математическим моделированием социальных процессов, крайне мало, и они несколько разобщены; во-вторых, литература, доступная для восприятия социологами-практиками и студентами, практически отсутствует. Нетрудно догадаться, чем это грозит в будущем.

3 Исследователей может заинтересовать проблематика стилей математического мышления, отраженная в соответствующей литературе, (см., напр., ).

  • Зерчанинова Т.Е. Методы социологических и прикладных исследований. Учебное пособие (Документ)
  • Соловьева Е.Е., Карпинская Л.А., Щепетова Н.Н. Родная речь (Документ)
  • Шпаргалка - Современные методы социологических исследований (Шпаргалка)
  • Презентация - Глубинное интервью (Реферат)
  • Обморшев А.Н. Введение в теорию колебаний (Документ)
  • Бондарик Г.К. Методика инженерно-геологических исследований (Документ)
  • Щекин Г.В. (сост.) Система социологического знания (Документ)

    • n1.doc

    Татарова Г. Г. Методология анализа данных в социологии (введение). М.: NOTE BENE, 1999. С. 46-58.

    ИНДЕКСЫ ПРИ СБОРЕ И АНАЛИЗЕ ДАННЫХ

    Косвенное измерение. Построение индексов как прием измерения и как составная часть анализа эмпирической информации. Логичес­кий квадрат. Логический прямоугольник. Шкала суммарных оце­нок. Индексы в бюджетах времени, в государственной статисти­ке, в текстовой информации.

    В рамках самого распространенного приема измерения - изме­рение как кодирование информации - предлагался достаточно про­стой подход к измерению, например, уровня удовлетворенности учебой. Заметим, что он прост только технически, т. е. достаточно придумать эмпирический индикатор (вопрос анкеты). Это только кажущаяся простота. Что же касается обоснования этого подхода, то характер такого обоснования может носить сложный для иссле­дователя характер. Ибо необходимо доказать, что таким образом мы измеряем именно «удовлетворенность» учебой, а не какие-то другие психологические феномены (пессимизм, равнодушие к уче­бе и т. д.). Таким же упрощенным способом можно измерить любые другие «удовлетворенности» (здоровьем, полученным образо­ванием, семейной жизнью и т. д.), отношения к чему-то, интерес к чему-то, уровень «беспокойства» и т. д. По сути своей такой подход редко бывает теоретически обоснованным, но в массовых опросах без него трудно обойтись. Применяя такой подход, необ­ходимо понимать, каковы границы интерпретируемости результа­тов, полученных с его помощью.

    Для корректного и глубокого изучения социальных феноменов, и особенно связанных с так называемыми аттитюдами, т. е. с соци­альными установками, необходимы другие способы. Тем самым возникает проблема измерения социальных установок, получения так называемых установочных шкал (когда «цифирь» приписывает­ся респонденту). Напомним, что еще в 1942 году М. Смитом была определена трехкомпонентная структура аттитюда: когнитивный компонент (осознание объекта социальной установки); аффективный компонент (эмоциональная оценка объекта, выявление чувства симпа­тии или антипатии к нему); поведенческий (конативный) компонент (последовательное поведение по отношению к объекту). Само понятие «аттитюда» было введено ещё раньше. Социальная установка (это понятие ввел Уильям Томас в 1916 году) - осознание, оценка, готов­ность действовать или ценностное отношение к социальному объек­ту, психологически выражающееся в готовности положительной или отрицательной реакции на него . Из этого мы делаем вывод, что, прежде чем приступать к выбору процедуры измерения, необходимо понимание того, какие аспекты социальной установки, какой компонент мы, социологи, измеряем. Разумеется, в некоторых процедурах измерения эти компоненты переплетаются между собой, могут быть неразделимы.

    Вернемся к измерению феномена «удовлетворенность». Пред­ставим себе ситуацию, когда к вам обращаются с вопросом о степе­ни вашей удовлетворенности учебой, а ко мне о степени моей удов­летворенности работой. Реакции ваши и моя будут примерно одинаковы, а именно, прозвучит ответный вопрос «Что вы имеете в виду?». Одними аспектами учебы и работы мы, респонденты, удов­летворены, а другими - нет. Однозначный ответ невозможен, и, соответственно, прямой вопрос для измерения удовлетворенности не годится. Это не значит, что у каждого из нас отсутствует «удов­летворенность», но это наше свойство «иметь определенную сте­пень удовлетворенности» носит латентный (скрытый) характер. Необходимы какие-то косвенные вопросы, косвенное измерение ис­комого феномена. А то, что его можно измерить, пока у нас не вызывает никакого сомнения.

    Как можно поступить в данном случае, как найти выход в этой исследовательской ситуации? Первый способ - с помощью глубин­ного интервью выяснить все аспекты удовлетворенности и неудовлетворенности. Скорее всего, эти феномены должны измеряться по разным шкалам. Например, известно, что феномен удовлетво­ренности работой связан с одной группой факторов (интерес к работе, осознание своей значимости и т. д.). Феномен же не­удовлетворенности - с другой группой факторов, а именно с так называемыми «гигиеническими» (условия труда).

    Существует и другая возможность измерения феномена «удовлетворенность». Однако для этого необходима экспликация (уточне­ние) понятия «удовлетворенность» в зависимости от исследо­вательских задач. Например, социолога может интересовать удовлетворенность учебой не вообще, ему важен и нужен лишь уро­вень удовлетворенности только студентов социологического факуль­тета и только как сила мотивации учебой именно на данном фа­культете и только для сравнения студентов-социологов различных вузов Москвы. К примеру, возьмем МГУ (Московский государствен­ный университет), МГПУ (Московский государственный педагоги­ческий университет) и ГАУ (Государственная академия управления). Все они выпускают социологов. Для этого случая можно восполь­зоваться приемом измерения, связанным с формированием логи­ческих индексов (определение дадим несколько ниже). Рассмотрим один из них, так называемый логический квадрат.

    Логический квадрат

    Задаем респонденту, студенту социологического факультета од­ного из названных вузов, два взаимодополняющих друг друга воп­роса:

    1. Представьте себе, что у вас есть возможность перейти на другой социологический факультет. Перешли бы вы?

    Да, перешел бы

    Нет, не перешел бы

    Затрудняюсь ответить (з/о)

    2. Представьте себе, что вы нигде не учитесь. Пришли бы вы или нет учиться на ваш факультет?

    Да, пришел бы

    Нет, не пришел бы

    Проанализируем все возможные сочетания вариантов ответа на эти два вопроса. Таких сочетаний 9, т. е. после сбора информации мы можем столкнуться с девятью ситуациями. Каждая из них требует интерпретации до проведения пилотажа. Как вы знаете, пилотаж - это небольшое по объему пробное исследование для апробации инстру­ ментария. На рис. 2.2.1 изображен логический квадрат, в котором каждая возможная ситуация отмечена буквами а, b , с, d , e , f .


    «Пришел бы...»
    «Перешел бы...»

    Нет
    З/о
    Да

    Да
    а
    b
    f

    З/о
    b
    с
    d

    Нет
    f
    d
    е

    Рис. 2.2.1 Логический квадрат

    Максимальная удовлетворенность будет наблюдаться в ситуа­ции а, минимальная - в ситуации е , средняя - в ситуации с . Вы обратили внимание на то, что некоторые ситуации обозначены оди­наковыми буквами. Буквой f обозначены две ситуации, которые практически не могут встретиться в данных, ибо содержат в себе противоречие. Две ситуации, обозначенные b , в определенной мере идентичны. Степень удовлетворенности для этих случаев меньше, чем максимальная, и больше, чем средняя. Например, студент Ми­хаил не хочет никуда переходить, а по поводу поступления на фа­культет вновь не имеет определенного мнения (з/о), а студент Сер­гей готов вновь поступить на факультет, но по поводу перехода затрудняется ответить. В определенной мере можно считать, что сила мотивации у них одинакова. При этом она не так сильна, как в ситуации а, но сильнее, чем в ситуации с . И наконец, две одина­ковые ситуации, обозначенные буквой d . Им соответствует степень удовлетворенности меньшая, чем средняя, и большая, чем мини­мальная. Рассуждения аналогичны предыдущим.

    Логический квадрат называется логическим в силу того, что исследователь проводит только логические операции, а квадратом - потому что такова его форма существования. На входе мы имеем трехчленную шкалу, а на выходе шкалу порядков с пятью градаци­ями. Можем закодировать или присвоить шкальные значения ситу­ациям так, чтобы выполнялось условие:

    a>b>c>d>e

    Например, а=5, b =4, с=3, d =2 , e = l .

    С помощью логического квадрата мы определяем удовлетво­ренность учебой только отдельно взятого студента. Для решения поставленной выше задачи, а именно сравнения степени удовлет­воренности учебой студентов-социологов различных вузов Моск­вы, необходимо решить еще одну задачу: измерения искомой удов­летворенности для группы студентов отдельно взятого вуза. Ее можно решить посредством формирования уже групповых индексов . К этой задаче мы вернемся после рассмотрения еще одного логического индекса. Его условно можно обозначить как логический прямоу­гольник.

    Логический прямоугольник

    Термины квадрат, прямоугольник (может быть, и куб) при по­строении логических индексов можно вообще не употреблять. Они необходимы лишь для образного восприятия логических индексов и не несут никакой смысловой нагрузки.

    Представим себе, что мы изучаем рейтинг преподавателей, чи­тающих спецкурсы на социологическом факультете. При этом опи­раемся на мнения студентов. Для достижения этой цели, естествен­но, необходима процедура или модель оценки качества «курса лекций». Здесь возможно построение нескольких моделей. Я ду­маю, что у вас не вызовут возражения следующие рассуждения. Для оценки качества лекций мы хотим использовать три понятия, а именно:

    Интересность (в смысле стиля, ораторские способности);

    Понятность (доходчивость материала).

    Эти три компонента, три фактора определяют качество любого «курса». Не исключаем и того, что могут быть предложены и другие варианты такого рода факторов. Исходя из этой модели, студенту, например, для оценки качества курса лекций Г. Татаровой или лю­бого другого преподавателя можно задать три вопроса:

    1. Как Вы считаете, содержательный или нет данный курс лекций?

    2. Как Вы считаете, интересно читает лектор или нет?

    Да, интересно

    Нет, не интересно

    3. В основном Вы понимаете материал данного курса?

    Да, в основном понимаю

    Нет, не понимаю

    Дальше возможны следующие рассуждения. Отношение к ка­честву «курса» студентов, затруднившихся ответить (З/О), однозначно не интерпретируется. Возможно, это студенты, равнодушные к уче­бе вообще или пропустившие много занятий. Во всяком случае, до проведения процедуры сбора данных мы можем не анализировать ситуации З/О. Эти ситуации можно учесть и включить в модель анализа на этапе обработки эмпирических данных.

    Тогда получаем восемь ситуаций, каждая из которых характе­ризует определенное «качество» курса (рис. 2.2.2). Этим «качествам» соответствуют оценки а, b, с, d.

    Рис. 2.2.2 Логический прямоугольник

    При этом а > b > с > d. Тем самым получили порядковую шкалу с четырьмя градациями. Можно было бы рассуждать и по-другому, например, ситуацию пятую обозначить не как удовлетворительную, а как хорошую. Для принятия решения об отнесении ситуации к какому-то определенному качеству возможно использование мне­ния экспертов. Таким образом, получаем инструмент для измере­ния качества лекций по шкале порядков. Исходные эмпирические индикаторы измерены по номинальной шкале. Пока это инструмент измерения искомого качества отдельно взятым респондентом. Возникает вопрос, как теперь перейти к общей оценке, т. е. полу­чить оценку качества «курса лекций» по всей группе опрошенных студентов? Ответ на такой вопрос должен быть также продуман до проведения полевого этапа исследования. Одним из способов отве­та на этот вопрос является формирование аналитического индекса, как и в случае использования логического квадрата.

    Мы рассмотрели случаи измерения латентных характеристик с помощью логических индексов. Естественным образом стремились к получению шкалы порядков. Логические индексы в социологии необязательно возникают в контексте измерения и необязательно для получения шкалы порядков. Например, логическим индексом является этап жизненного цикла (человека), социальный статус и т. д. Первый из них формируется на основе таких эмпирических индикаторов, как возраст, семейное положение, количество детей. Он имеет номинальный уровень измерения. К примеру, мы хотим выделить в отдельную группу респондентов 35-40-летних, не име­ющих семьи и детей. Такая группа может понадобиться для провер­ки гипотезы о том, что ей характерен молодежный тип образа жиз­ни. Показатель «этап жизненного цикла» (социологи именно так называют этот логический индекс) очень важный в исследованиях времяпрепровождения, образа жизни, ценностных ориентации. Что касается социального статуса, то этот показатель формируется на основе учета уровня образования, уровня дохода и т. д. Нет ни одного исследования, в котором бы не выделялись типологические образования, типологические группы на основе формирования ло­гических индексов. Для этих целей социолог использует либо на­копленное в науке знание, либо существование групп проверяет в виде гипотезы.

    Индексом будем называть обобщенный (производный) показатель, сформированный из исходных посредством математических операций. Исходными показателями для индекса могут быть сами эмпиричес­кие индикаторы либо какие-то, производные от эмпирических ин­дикаторов, показатели. Например, показатель оценки качества «курса лекций», полученный посредством логического прямоугольника, или показатель удовлетворенности учебой, сформированный посредством логического квадрата. В частности, в качестве математических операций выступают логические и простые арифметические операции.

    В общем случае индекс I имеет вид некоторой функции:

    I = F (х 1, х 2 , х 3 ,..., х n), где х 1 - i-й показатель из n исходных.

    Будем надеяться, вы еще помните из школьной программы, что такое функция.

    Индексы для равнения групп.

    Теперь представим себе, отвлекаясь от рассмотренных нами за­дач, что нам нужен индекс, характеризующий группу респонден­тов. При этом у нас есть оценки для каждого респондента, полу­ченные по шкале порядков. Логика формирования индекса на основе шкалы порядка одинакова независимо от того, каким спо­собом получена исходная порядковая шкала и сколько на ней гра­даций (пунктов шкалы). Возьмем, к примеру, случай, когда по каждому респонденту есть оценка «уровня беспокойства» трудоус­тройством по специальности после окончания вуза, полученная по порядковой шкале с пятью градациями. Выше был приведен этот эмпирический индикатор как вопрос вида «Насколько Вы уверены, что найдете работу по специальности после окончания вуза?». Пе­ред нами стоит задача получения оценки уровня беспокойства/ уверенности в целом по группе респондентов. Для начала несколько упростим ситуацию и представим себе, что исходно имеем дело со шкалой с тремя градациями:

    Уверен, что найду

    И да, и нет

    Совсем не уверен, что найду

    Естественным образом, оценкой «уровня беспокойства» для груп­пы может служить разница между числом «уверенных» и числом «неуверенных» в группе. Но не абсолютная разница, а относитель­ная, т. е. доля этой разницы в общем числе респондентов данной группы. Тогда значение индекса не зависит от объема группы и по нему можно сравнивать «уровни беспокойства» групп разного объема.

    Если обозначим через n + - число «уверенных», n - число «не­уверенных», а через n 0 - число «нейтральных», то индекс I будет иметь следующий вид:

    Какой бы индекс социолог ни использовал, он необходимым образом выясняет свойства этого индекса, т. е. выясняет правила его «поведения». Данный индекс обладает следующими свойства­ми. Он принимает максимальное значение, равное 1, тогда, когда все респонденты в группе уверены, что найдут работу по специаль­ности. Он принимает минимальное значение, равное -1, тогда, ког­да все респонденты не уверены, что найдут работу по специальнос­ти. Индекс равен нулю, если число «уверенных» равно числу «неуверенных». Положительное значение индекса говорит о том, что уверенных больше, чем неуверенных. И соответственно, отри­цательное значение появится в ситуации, когда число неуверенных больше, чем уверенных. Понятно, что в группах с одинаковой раз­ницей (отличной от нуля) между числом уверенных и неуверенных (это называется абсолютной разницей в отличие от относительной), значение индекса будет больше в той группе, где меньше нейтраль­ных ответов.

    А теперь, опираясь на те же рассуждения, можно предложить аналогичный индекс и для случая пяти градаций. Обозначим через n a - число уверенных студентов, n b - число скорее уверенных, чем нет, n c - число нейтральных, п d - число не очень уверенных и n e - число скорее неуверенных. Тогда можно предложить индекс следу­ющего вида:

    Если в предыдущей формуле все коэффициенты при разных n (частотах) были равны единице, то в этой формуле появились ко­эффициенты разные (1 и 0,5). Это означает, что отдельно взятая градация вносит разный вклад, разную долю в значение индекса. Коэффициент, равный 0,5 перед n b и n d вводится для того, чтобы сделать равноправными «не очень уверенных» и «скорее неуверен­ных». Это во-первых. Во-вторых, вклад тех, кто «не очень», в два раза меньше, чем вклад тех, кто «очень». И наконец, рассмотрим ситуацию, когда в группе нет респондентов уверенных, нейтраль­ных, не очень уверенных, совсем неуверенных, а все респонденты скорее уверены, чем нет. Тогда значение индекса будет равно 0,5. Аналогичные рассуждения можно продолжить для выяснения всех остальных свойств индекса.

    Индекс, который мы рассматриваем, имеет достаточно про­стую, прозрачную конструкцию. Возникает вопрос, что будет, если число градаций на порядковой шкале увеличить. Самый простой ответ на этот вопрос обусловлен существованием интересного фе­номена в методической социологии. Назовем его условно для об­разности и яркости «законом триад». Какое бы исследование ни проводилось, социолог пользуется этим законом. Например, вы­бирает предприятия, территориальные образования, исходя из про­стой схемы: большое - среднее - малое. Выбирает для опроса сту­денческие группы: хорошие - средние - плохие. Анализирует отдельно различные группы по доходу: богатые - средние - бед­ные. Могут быть триады типа:

    Удовлетворенные - и да, и нет - не удовлетворенные

    Уверенные - и да, и нет - неуверенные

    Вероятные - мало вероятные - невероятные

    Интересующиеся - и да, и нет - не интересующиеся

    Список можно продолжать до бесконечности, но не в этом дело. Для нас с вами важно, что в группе, например, «богатых» можно в свою очередь ввести новую триаду:

    Богатые, но не очень - достаточно богатые - очень богатые,

    А, например, между группами «удовлетворенных» и тех, кто «и да, и нет», также можно ввести новую триаду. Это очень удоб­ный и простой способ, и для создания порядковых шкал, и для трансформации шкал, т. е. увеличения или уменьшения числа гра­даций на шкале. Разумеется, речь идет о так называемых сбалан­сированных шкалах. К ним относятся порядковые шкалы, на которых есть нейтральное положение и число «положительных» позиций равно числу «отрицательных». Сбалансированные шка­лы пришли в социологию из психологии, где при измерениях опираются на модель «стимул - реакция». Соответственно, пред­полагается, что реакция может быть положительной, нейтраль­ной и отрицательной.

    Вернемся к задаче формирования индекса для характеристики группы в случае, когда исходные порядковые шкалы имеют боль­шее число градаций, чем пять. В этом случае можно преобразовать исходную шкалу в шкалу с меньшим числом градаций и предло­женным способом вычислить групповой индекс. Но следует иметь в виду, что преобразовать необходимо в сбалансированную шкалу. Если же этого нельзя сделать, то возможно проводить сравнения различных групп респондентов на основе других показателей, на­пример на так называемых мерах центральной тенденции. О них будем говорить в соответствующем разделе книги.

    Формирование аналитических индексов может быть отнесено и к отдельно взятому респонденту. Совершенно ясно, что с помощью прямо поставленных вопросов или с помощью логических индексов можно измерить очень ограниченное число свойств социальных объектов. Перейдем к рассмотрению еще одного приема измере­ния, который может быть обозначен как формирование шкалы сум­ марных оценок.

    Впервые такого рода шкалу использовал в 1929-1931 гг. Р. Лайкерт (Ликерт) (R. Licert) для измерения расовых, нацио­нальных установок. Обычно социолог, «изобретая» некоторую шкалу суммарных оценок, называет ее шкалой типа шкалы Лайкерта, имея в виду процедуру измерения. Таким образом, шкалой называется и какая-то «линеечка» , и алгоритм ее получения, т. е. сама процедура измерения. Процедуру измерения лучше называть шкалированием.

    Шкала суммарных оценок

    Эта процедура обычно используется для измерения социальной установки, например отношения: мужчин к феномену «умная жен­щина»; молодежи к «старикам»; студентов к учебе; молодежи к «но­вым русским», внебрачным сексуальным отношениям, к суициду, политике как деятельности и т. д.

    В работе В.А. Ядова приводится пример измерения отношения женщин к детям. Перечисленные выше социальные ус­тановки невозможно измерить посредством «прямых» вопросов, обращенных к респонденту. Эти установки носят латентный харак­тер. Что касается отношения молодежи к «старикам» и отношения женщин к детям, то необходимо еще и учесть, что речь идет о со­циально неодобряемом поведении, если это отношение у респондента будет отрицательным. Поэтому нельзя пользоваться прямы­ми вопросами для изучения этих феноменов.

    Не представляется возможным здесь и использование логичес­ких индексов. По крайне мере, мне так видится, но возможно, вы придумаете какой-нибудь индекс.

    Тогда, следуя логике, предложенной Лайкертом, сочиним (пока не говорим как) совокупность суждений (утверждений) безличных. И будем считать, что степень согласия/несогласия со всей совокуп­ностью этих суждений характеризует социальную установку рес­пондента. Рассмотрим модельный пример (на практике эти сужде­ния не использовались для измерения отношения мужчин к феномену «умная женщина»). В таблице 2.2.1 изображены ответы отдельно взятого респондента.

    Обратите внимание, что в таблице представлены два типа суж­дений: одни помечены (+), а другие (-). Согласие с суждениями (+) характеризует как бы «хорошее» отношение к умной женщине, а согласие с суждениями (-) как бы «плохое» отношение. Градации шкалы интерпретируются как баллы. Поэтому в первом случае максимальный балл, равный пяти, получают те, кто полностью согла­сен с суждением, а во втором - те, кто совершенно не согласен с суждением.

    Таблица 2.2.1. Суждения для шкалы суммарных оценок

    Для получения оценки социальной установки респондента сум­мируют баллы по всем суждениям и потому шкала называется шка­лой суммарных оценок. Таким образом, получается шкала, минимальное значение оценки на которой равно 10 (минимальное ко­личество баллов, которое может набрать респондент по десяти суж­дениям), максимальное значение равно 50. Если число суждений или число градаций на исходной шкале увеличить/уменьшить, то будет меняться и диапазон изменения оценки. Когда вы столкне­тесь с этим приемом измерения, у вас, естественным образом, могут возникнуть следующие вопросы:


    • Как выбирать суждения?

    • Как проверить пригодность суждения?

    • Как доказать правомерность операции сложения баллов?

    • Какие необходимо выполнить требования, чтобы восполь­зоваться этим приемом измерения?
    Попытаемся последовательно ответить на них. Суждения сочи­няются, рождаются социологом в муках, как правило, с привлече­нием экспертов. При попытке сформировать шкалу суммарных оце­нок вы поймете специфику работы с экспертами. Работа с экспертами не является предметом нашего рассмотрения. Следует лишь упомянуть, что существует область науки, известная как «экспертные оценки и принятие решений». Кстати, эта область полностью опирается на математические методы.

    Естественно, существует и способ проверки качества суждений. Он заключается в анализе согласованности оценок по итоговой шкале с оценками по исходным. Для этого рассчитываются специальные так называемые коэффициенты ранговой корреляции. Об этих коэф­фициентах речь пойдет в третьей главе книги. Например, суждение «Ум только увеличивает обаяние женщины» будет считаться хоро­шо согласованным с итоговой шкалой, если респонденты, получив­шие высокие оценки по итоговой шкале, в основном согласны с ним. Может оказаться, что, например, суждение «Ум жены необходим в продвижении мужа по карьерной лестнице» плохо согласова­но с итоговой шкалой. Такое происходит, если респонденты, полу­чившие низкие оценки по итоговой шкале (не очень хорошее отношение к умной женщине), имеют самую разную степень согла­сия с данным суждением. Если такое наблюдается, то суждение не включается в инструментарий.

    В данном примере «плохая» согласованность будет, по-видимо­му, и у последнего суждения. Более того, по этому суждению нельзя ожидать и сильной дифференциации среди респондентов. Очевид­ным образом проверка качества суждений требует пилотажного ис­ следования.

    Что касается третьего из сформулированных выше вопросов, ответ на него однозначен: операция сложения теоретически не­обоснована. Практически же социолог вынужден проводить сложе­ние, но тогда необходимо выполнить определенные условия. Эти условия редко выполняются, но стремление к их выполнению всегда у социолога должно присутствовать. Прежде всего к таким ус­ловиям применимости шкалы суммарных оценок относится рав­ноправность суждений, т. е. каждое суждение вносит одинаковый вклад в итоговую оценку. При этом балл, два балла, три балла, четыре балла, пять баллов по одному суждению соответственно равны одному, двум, трем, четырем, пяти баллам по другому суж­дению. Вы понимаете, насколько трудно это обосновать. Вторым требованием является уверенность в существовании одномерной шкалы, одномерного континуума значений измеряемой социаль­ной установки. Эти требования достаточно жесткие, поэтому шка­ла суммарных оценок применяется достаточно редко.

    Заметим, что входные шкалы имеют порядковый уровень из­мерения, а на выходе получаем также порядковую шкалу, но уже с большим числом градаций. Шкала суммарных оценок используется не для повышения уровня измерения, а для того, чтобы учесть мно­гоаспектный характер латентной характеристики. При этом такая многоаспектность «ложится» на одномерный континуум.

    После получения индивидуальных значений такого аналити­ческого индекса естественным образом возникает вопрос о пере­ходе к вычислению его значения для группы респондентов. На первый взгляд, учитывая похожесть итоговой шкалы на числен­ные оценки (суммарный балл), хочется подсчитать среднее арифметическое значение, т. е. сложить все оценки в группе и поде­лить на число членов в группе. Для проведения этой операции необходимо предположить, что вокруг этого среднего будут сосре­доточены в основном все оценки и отклонения будут незначи­тельны, т. е. характер распределения оценок должен быть специ­фическим. Мы подошли с вами к очень интересному и важному понятию в методологии анализа - характер распределения чего-то (эмпирического индикатора, показателя, индекса). В дальнейшем вернемся к этому понятию.

    Для формирования как бы группового индекса возможен и дру­гой путь. Этот путь связан с тем, что вслед за получением индиви­дуальных оценок социолог переходит к анализу так называемых типологических групп . Поясним, что это означает. Вернемся к на­шей задаче - измерения отношения к «умной женщине». Будем ис­ходить из исследовательской ситуации, когда такое отношение, яв­ляясь свойством современного мужчины, необходимо для выделения различных (по такому отношению) групп среди муж­чин. При этом целью, ради достижения которой выделяются та­кие группы, является описание социального портрета существую­щих в реальности типов мужчин и объяснения, почему эти типы существуют. Выделение типологических групп осуществляется де­лением диапазона изменения оценки (в нашем случае оценка ме­няется от 10 до 50) на отдельные интервалы.

    При этом может оказаться, что выделение типологических групп осуществляется на основе сбалансированной порядковой шкалы. Например, выделяются три группы мужчин: хорошо, нейтрально и плохо относящихся к феномену «умная женщина». Эту процедуру можно обозначить и просто как преобразование шкалы - переход к сбалансированной порядковой шкале. Тогда, для сравнения отно­шения к «умной женщине» мужчин с высшим или со средним об­разованием, можно по такой порядковой шкале вычислить иско­мый аналитический индекс уже по известным вам формулам.

    Индексы в бюджетах времени

    Индексный анализ - анализ посредством формирования и ис­пользования индексов - основной прием работы с данными вре­мяпрепровождения. Существует, как минимум, пять основных ин­дексов, которые социологи называют показателями. Обозначим через ti затрату времени на осуществление некоторого занятия (чте­ние газет, курение, пение и т. д.) i-м респондентом. Если число респондентов в интересующей нас группе равно n, то данные мож­но представить в виде ряда:

    Первый показатель (Р1) из пяти равен средней продолжитель­ности затрат времени на осуществление занятия для всех n респон­дентов. Второй показатель равен средней частоте встречаемости за­нятия для всех n респондентов. Третий показатель (Р3) равен доле в % так называемых «актеров» среди всех респондентов, т. е. респондентов, у которых есть заданное занятие. Обозначим их число через na Четвертый показатель (Р4) и пятый аналогичны соответ­ственно первому и второму только относительно «актеров», а не для всех респондентов. Ниже приводим в качестве примера только три обозначенных выше показателя - индекса.


    Это примеры как бы групповых индексов. Можно ввести и ин­дивидуальные индексы. Например, индекс характеризующий сте­пень разнообразия досуга отдельного индивида, или другие индек­сы, описывающие структуру времяпрепровождения.

    Индексы в государственной статистике

    Практически вся государственная статистика состоит из анали­тических индексов. Принято называть статистикой, показателями то, что собирается из первоначальных источников. То, что производно от них, называют индексами или коэффициентами. В разде­ле 1.1 был приведен пример того, на основе каких показателей рас­считывается индекс качества жизни в отдельных государствах. Только для изучения феномена рождаемости существует несколько индексов (коэффициентов), таких, как простой коэффициент рождае­мости, суммарный коэффициент рождаемости, возрастной коэф­фициент рождаемости. Последний из них вычисляется делением числа родивших матерей в данной возрастной группе на число всех матерей этого возраста.

    Для социолога представляют особый интерес структурные ин­ дексы. Например, чтобы оценить изменения возрастной структуры в динамике.

    Индексы в текстовой информации

    Если взять в качестве единиц анализа совокупность разных из­даний, то в качестве индекса может служить показатель площади, выделяемой изданием под различные рубрики. Вы, конечно, обра­тили внимание, что индексы мы часто называем показателями. Так принято их называть. Показателем может являться и средняя часто­та положительных оценок чего-то и кого-то в издании за опреде­ленный период, и частота встречаемости какой-то фразы.

    Таким образом, относительно использования индексов можно сделать некоторые выводы:

    1. Следует различать индексы, вычисляемые для отдельно взя­тых объектов, например респондентов (логический квадрат, логи­ческий прямоугольник, шкала Лайкерта и т. д.), и для отдельных групп объектов.

    2. Формирование индексов для респондентов называется про­цедурой измерения, процедурой шкалирования. В этом случае термин индекс используется только для обозначения логических индексов. Формирование индексов для группы объектов относят к процедуре анализа и измерением не называют. В литературе для этих целей используют понятие индексного анализа и, кроме термина «индекс», используют термины «показатель», коэффи­циент.

    3. В целом применение любых математических методов можно обозначить как индексный анализ в социологии . Хотя это и не принято. Индексным анализом все же следует назы­вать построение и использование индексов, различая логические, индивидуальные, групповые и структурные.

    4. Индексы в социологии играют специфическую роль. Коли­чественные оценки сами по себе не представляют особого интере­са. Для социолога важен сравнительный контекст. Ценность индек­са в его различительной способности. Часто, не выдерживая теоретической критики, он практически может эффективно рабо­тать в контексте сравнения различных феноменов в пространстве и во времени.

    Шкала социальной дистанции

    Если обратиться к истории разработки первых шкал измерения социальных установок, то имя Эмори Богардуса (Е. Bogardus) при­мечательно тем, что он считал, что количественное измерение не­обходимо дополнять качественной информацией. Например, изме­рение расовых установок он дополнял личными интервью с респондентами. Для измерения отношения к определенной расе Богардус использовал один-единственный вопрос, обращенный к рес­понденту. Он имеет следующий вид:

    «Я согласен иметь дело с представителями определенной расы:

    1) в качестве близких по браку;

    2) в качестве личных друзей в моем клубе;

    3) в качестве жителей моей улицы;

    4) в качестве моих сослуживцев;

    5) в качестве граждан моей страны;

    6) только в качестве туристов».

    Во-первых, перечисленные виды «взаимоотношений» можно считать вариантами ответа на вопрос. Тогда это эмпирический ин­дикатор сложной структуры или вопрос с совместными альтерна­ тивами. При этом респондент выбирает сразу несколько вариантов ответа. Во-вторых, этот вопрос можно считать совокупностью шес­ти эмпирических индикаторов, имеющих номинальный уровень измерения и принимающих два значения. Такие индикаторы, как уже отмечалось, называются дихотомическими. Опираясь на при­веденный пример, можно рассмотреть, например, задачу измере­ния отношения представителей различных национальностей к рус­ским. Тогда вопрос, обращенный к респонденту, может звучать так:

    Какие взаимоотношения с русскими для Вас приемлемы (обведите кружочком)?

    1. Брачные отношения

    2. Личная дружба

    3. Быть соседями

    4. Быть коллегами по работе

    5. Быть жителями одного города, поселка, села

    6. Быть согражданами одного государства

    7. Быть гражданами разных государств.

    Предлагая респонденту такой вопрос, социолог исходит из сле­дующей предпосылки. Если респондент считает, что брачные отно­шения с русским/русской приемлемы, то и все ниже перечисляемые отношения (2,3,4,5,6,7) ему должны быть также приемлемы. Если рес­понденту неприемлемы первые три вида взаимоотношений, а при­емлемо отношение «быть коллегами по работе», то и все перечислен­ные ниже взаимоотношения (5,6,7) тоже приемлемы. Исходя из такой модели, т. е. при такой иерархической соподчиненности ответов рес­пондента, достаточно просто определяется и оценка отношения к русским. Такой оценкой будет являться число отмеченных респон­дентом видов взаимоотношений. Максимально хорошее отношение будет равно семи для случая приемлемости всех видов взаимоотно­шений. Теоретически, минимальная оценка будет равна нулю для случая, когда ни одно из взаимоотношений неприемлемо. В нашей задаче минимум скорее всего будет отличаться от нуля.

    Таким образом, мы получаем порядковую шкалу с семью града­циями для измерения социальной установки. Она называется шка­лой социальной дистанции. Измерив отношения к различным на­циональностям, расам, имеем возможность сравнивать такие отношения и тем самым определять как бы дистанцию между ними.

    Шкала Богардуса похожа на шкалу Лайкерта в том смысле, что и здесь правомерно говорить о числе баллов, которое соответствует респонденту (по числу выбранных видов взаимоотношений). Если мы ставим задачу выделения, например, трех типологических групп по отношению к русским (хорошо, плохо и нейтрально относящиеся), то нам придется задать интервалы изменения оценки отноше­ния к русским для этих типологических групп. В этом смысле шка­ла Богардуса также похожа на шкалу Лайкерта.

    И наконец, необходимо рассмотреть вопрос, связанный с полу­чением групповой оценки отношения к русским. Как мы уже зна­ем, это необходимо для всевозможных сравнений различных групп. Без такого рода сравнений социологу в исследовании не обойтись. Так как мы имеем дело с порядковой шкалой, то рассуждения мо­гут быть аналогичны тем, которые были использованы в случае шкалы Лайкерта.

    Идея использования характера соподчиненности, иерархии, на которую опирался Э. Богардус, была расширена в 1940-е годы Луи Гуттманом (L. Guttman) для более общего случая. Он предложил так называемый шкалограммный анализ для изучения социальной установки. Рассмотрением этого подхода мы завершим проблема­тику измерения социальных установок.

    Шкалограммный анализ Гуттмана

    Этот прием измерения используется в предположении суще­ствования одномерный шкалы, континуума значений социальной установки. Вы можете высказать некоторое недовольство тем, что мы рассматриваем одномерное шкалирование, которое имеет огра­ниченное использование в силу многомерности, многофакторнос­ти, многоаспектности изучаемых социологом феноменов социаль­ной реальности. На это придется ответить так. Во-первых, без усвоения «азов» не рождается профессионализма, а одномерное шкалирование и есть «азы». Во-вторых, на мой взгляд, очень часто че­ловек мыслит и видит линейно. Это неприятно, но понаблюдайте за собой. Вот, например, как мы оцениваем человека при первом знакомстве с ним. Сначала одномерно «приятный  неприятный», «умный  глупый», «красивый  некрасивый» и т. д. Затем как бы суммируем его качества, и вырисовывается цельный образ. Разуме­ется, это упрощенная модель, но согласитесь, что она не так уж и неверна. В-третьих, одномерность встречается достаточно часто. Разве не могут существовать линеечки с полюсами «КОНСЕРВА­ ТОР РАДИКАЛ», «ИНТЕРНАЦИОНАЛИСТ НАЦИОНАЛИСТ», «ДЕМОКРАТИЗМ ТОТАЛИТАРИЗМ» и т. д.

    Итак, при разработке шкалы Гуттмана исходим из существова­ния иерархической совокупности суждений. Согласие/несогласие с ними говорит об установке респондента. В упомянутой выше книге В.А. Ядова приводится пример измерения отноше­ния к новой системе организации труда, Г.А. Сатаров |30, с. 880- 883] приводит пример изучения социального климата в коллективе.

    Шкала Гуттмана строится в три этапа. Рассмотрим их для изме­рения отношения к феномену «новые русские».

    1. Набираются суждения, определенным образом упорядочен­ные. Практически их можно придумать для нашего случая не так много. Это в равной степени относится и к другим социальным установкам. Обозначим суждения через А, Б, В, Г, Д, Е. Например, таковыми являются:

    А. «новые русские»  умные, деловые люди
    согласен (1) не согласен (0)

    Б. «новые русские»  самые непорядочные люди
    согласен (0) не согласен (1)

    В. у «новых русских» нет моральных принципов
    согласен (0) не согласен (1)

    Г. без «новых русских» нет будущего России

    согласен (1) не согласен (0)

    Д. России было нужно появление «новых русских»
    согласен (1) не согласен (0)

    Е. «новые русские» состоят из одних бандитов и жуликов
    согласен (0) не согласен (1)

    Перечень можно продолжить. Как и в случае шкалы Лайкерта, в этой совокупности есть два типа суждений. О позитивном отно­шении к «новым русским» говорит согласие с суждениями первого типа А, Г, Д и несогласие с суждениями Б, В, Е. В том и другом случае респондент получает как бы один балл. Максимальное чис­ло баллов, которое может набрать респондент, равно числу сужде­ний (6), минимальное  (0). При этом необязательно, чтобы число суждений первого типа совпадало с числом суждений второго типа. Рассуждения можно провести и исходя из негатива, т.е. измерять степень негативного отношения к «новым русским».

    В этом примере нет ярко выраженной упорядоченности сужде­ний. Последующие два этапа построения шкалы позволяют прове­рить существование упорядоченности в совокупности суждений.

    2. Проводится пилотажное исследование, небольшое по объему. Респондентам предлагается отметить согласи или несогласие с суждениями. Предположим, что мы опросили всего 9 респондентов. В таблице 2.3.3 представлены их ответы. Плюсом обозначено согласие с суждениями первого типа А, Г, Д и несогласие с суждениями второго типа Б, В, Е.

    Таблица 2.3.3. Результаты опроса девяти респондентов

    Подсчитываем число баллов (+), набранных суждением по всей совокупности опрошенных. Они представлены в итоговой строке таблицы 2.3.3. В последнем столбце таблицы представлены баллы, набранные респондентом. Эти баллы можно было бы считать оцен­ками отношения к «новым русским», если бы совокупность сужде­ний (как в шкале Богардуса) была строго иерархической. Но такой уверенности у нас пока нет. Мы не знаем, насколько ответы от­дельно" взятого респондента согласованы с итоговой иерархией:

    Е>А>Г>Б>Д>В

    Таблица 2.3.3 дает возможность проверки гипотезы о том, что совокупность суждений имеет иерархическую структуру. Другими словами, мы можем проверить качество шкалы, качество совокуп­ности оценок, представленных в итоговом столбце.

    3. Проверка качества шкалы.

    Произведем преобразование таблицы для целей определения согласованности ответов респондентов. Переставим суждения в со­ответствии с убыванием набранных ими баллов. Затем поменяем порядковые места респондентов также в соответствии с убыванием баллов. Переставляем так, чтобы в верхней части таблицы были сосредоточены (+), а в нижней (-)! Для нашего модельного примера результаты изображены в таблице 2.3.4.

    Идеальной шкалограммой называется табличка, в которой (.+) четко (лесенкой) отделяются от (-). Естественно, на практике этого не будет. Будут появляться (+) под лесенкой и (-) над лесенкой, т. е. будет наблюдаться отклонение от идеальной ситуации.

    Таблица 2.3.4. Результаты шкалограммного анализа

    В таблице число клеточек равно nk, где n  число респондентов, a k  число суждений. Обозначим через m число клеточек, за счет которых происходит отклонение от идеальной шкалограммы. В нашем случае n = 9, k = 6, m = 3. Тогда по доле m в общем числе клеток можно судить о качестве шкалограммы или о качестве суждений для включения их в исследование для измерения отношения к «новым русским». Можно записать и формулу для вычисления такой доли.

    Этот коэффициент называется коэффициентом воспроизводимости. Считается, что если он больше 90%, то шкала достаточно «хорошая» для использования. В нашем случае коэффициент равен (1-3/36) 100 = 92.

    Если же коэффициент воспроизводимости меньше 90%, то необходимо определить, из-за каких суждений происходит такая ситуация. Обычно виноват социолог, который использует неоднозначно трактуемое суждение. Например, в нашем случае можно существенно повысить значение этого коэффициента, и более того, шкалограмма станет идеальной, если выбросить суждение Б. Обычно выбра­сывание суждения меняет всю таблицу, т. е., выбрасывая сужде­ние, необходимо провести вновь упорядочение суждений и респондентов.

    По сравнению со шкалой Богардуса шкапа Гуттмана позволяет работать с большим количеством суждений, проверять гипотезу об упорядоченности суждений и отбирать суждения. Первая их этих шкал предназначена для измерения более узкой социальной уста­новки, чем вторая.

    Література

    1. Анреенков В. Г., Чередниченко В. Н. К вопросу о создании банка социологической информации // Соц. исслед. - 1982. - № 1.

    2. Батыгин Г. С. Обоснование научного вывода в прикладной социологии.- М., 1986.

    3. Бауман З. Мыслить социологически. - М., 1996.

    4. Бергер П., Лукман Т. Социальное конструирование реальности. - М., 1995.

    5. Бирюкова М. В. Социальные технологии и проектирование. X.. 2001.

    6. Бойдаченко П. Г. Служба управления персоналом. Новосибирск. 1997.

    7. Бутенко И. А. Организация прикладного социологического исследования. - М., 1994.

    8. Городяненко В. Г. Социологический практикум. - Днепропетровск, 1998.

    9. Девятко И. Ф. Методы социологического исследования. Екатеринбург, 1998.

    10. Девятко И.Ф. Модели объяснения и логика социологического исследования. М.: Изд-во ИС РАН, 1996. 172с

    11. Добреньков В. И., Кравченко А. И. Социология: В 3 т. Т.1.: Методология и история. - М., 2000.

    12. Иванов В. Н., Петрушев В. И. Социальные технологии: Курс лекций. М., 1999.

    13. Лукашевич Н. П. Социология труда. К., 2001.

    14. Марков М. Технология и эффективность социального управления. М., 1982.

    15. Методологические основы социального управления / Пол пел. Г. П. Давидюка и др. Минск, 1977.

    16. Методы сбора информации в социологических исследованиях: В 2 кн. - М., 1990.

    17. Миркин Б.Г. Группировка в социально-экономических исследованиях. М., 1985.

    18. Молодцов А. В. Управление и планирование социального развития трудового коллектива. К., 1991.

    19. Осипов Г. В., Андреев Э. П. Методы измерения в социологии. - М, 1977.

    20. Панина Н. В. Технология социологического исследования. - К., 1998.

    21. Патрушев В. И. Социальные резервы трудового коллектива: пути реализации (социологический анализ). К., 1990.

    22. Подшивалкина В. И. Некоторые аспекты теории и практики социологической деятельности // Проблеми розвитку соціологічної теорії. - К., 2001.

    23. Подшивалкина В. И. Социальные технологии: проблемы методологии и практики. Кишинев, 1997.

    24. Полторак В. А. Социология труда: справочник. Днепропетровск, 1997.

    25. Ромашов О. В. Социология труда. М., 1999.

    26. Российская социологическая энциклопедия / Под ред. Г. В. Осипова. - М., 2000.

    27. Слепенков И. М., Аверин Ю. П. Основы теории социального управления. М., 1990.

    28. Социальное управление в производственных коллективах: опыт, проблемы и перспективы. М., 1985.

    29. Социальное управление трудовым коллективом / Пол ред. Ю. Е. Волкова. М., 1987.

    30. Социологическая теория сегодня / Под ред. В. Танчера. - К., 1996.


    31. Социология труда / Под ред. Н. И. Дряхлова, А. И. Кравченко, В. В. Щербины. М., 1993.

    Тавокин Е.П. Проблемы познания и анализа в социологии. М., 1993.

    Татарова Г.Т. Методология анализа данных в социологии. М., 1998.

    34. Тищенко Ж. Т. Социальные резервы труда. Актуальные вопросы социологии труда. М., 1989.

    35. Толстова Ю.Н. Анализ социологических данных. М., 1994.

    36. Управление трудовым коллективом (социально-психологические факторы оптимизации) / Отв. ред. К. К. Грищенко, Н. А. Сакада. К., 1988.

    37. Чернявский А. Д. Организация управления в условиях рыночных отношений: Учебное пособие. К., 1994.

    38. Щербина В. В. Средства социологической диагностики в системе управления. М., 1993.

    39. Ядов В.А. Стратегия социологического исследования. Описание, объяснение, понимание социальной реальности. – 7-е узд. – М.: «Добросвет», 2003. – 596 с.

    40. Як провести соціологічне дослідження: Методичні рекомендації/ За ред. О. М. Балакірєвої, О. О. Яременка. - Київ: Держ. ін-т проблем сім"ї та молоді, 2004. - 264 с.