Меню Рубрики

Описание как метод анализа данных

ЛЕКЦИЯ14-15. МЕТОДЫ АНАЛИЗА ДАННЫХ

1. Анализ данных: определение, методы.

2. Методы анализа качественной информации.

3. Методы анализа количественной информации.

4. Общая логика статистического вывода.

5. Компьютерная обработка социологических данных.

Формально этап анализа следует за сбором данных и предшествует окончательным выводам, но в реальном исследовании границы между отдельными фазами часто оказываются стертыми. Трудно провести четкую грань между сбором и анализом информации. Первичный анализ как бы вплетен в сам процесс сбора данных. Так, уже в ходе беседы исследователь приходит к некоторым выводам относительно конкретного собеседника, находящегося в этот момент перед ним, а также тех общих проблем, которые затрагиваются в разговоре. Но он обычно рассматривает эти выводы как предварительные, как более или менее обоснованные гипотезы, которые еще нуждаются в окончательной проверке. Каждый этап комплексного исследования можно рассматривать как своего рода мини-исследование. Анализ данных в собственном смысле слова заключается в интеграции всей собранной информации и в приведении ее к виду, удобному для интерпретации.

Считается, что в хорошо продуманном исследовании методы анализа данных должны быть выбраны уже на этапе его планирования. В общем, это верно, поскольку ожидается, что на заключительной стадии исследования будут даны ответы на исходно поставленные вопросы. Однако многое зависит и от решаемой задачи. Если исследование носит пилотажный (ориентировочный) характер, то с самого начала очерчивается лишь некоторая предметная область, а гипотезы носят максимально широкий характер. Исследователь в этом случае как бы идет за объектом, видоизменяя по ходу тактику сбора данных и пробуя различные приемы организации материала. Выше такая стратегия была названа гибкой, в отличие от жесткой стратегии позитивистского типа, предполагающей четкую организацию всего исследования.

Методы анализа социальной информации распадаются на два больших класса в соответствии с той формой, в которой эта информации представлена.

Качественные методыориентированы на анализ информации, представленной главным образом в словеснойформе. Количественные методыносят математический характер и представляют собой приемы обработки цифровойинформации. Многие из этих методов заимствованы из точных наук, но некоторые специально разработаны социологами и психологами.

Первоначально общественные науки пользовались почти исключительно методом словесного описания и объяснения. Проникновение в них количественных методов анализа знаменовало принципиальный сдвиг в понимании задач и возможностей этих дисциплин. К середине двадцатого века в науках о человеке на Западе возобладала позитивистская модель, которая стала претендовать на роль основной модели социальных исследований. Возникла тенденция рассматривать качественные методы анализа как не вполне научные, сводить задачу анализа данных почти целиком к использованию математической статистики. На рубеже 70-х и 80-х годов ХХ в.маятник качнулся в обратную сторону. Вдумчивые исследователи стали критиковать чрезмерное увлечение количественными методами, указывая, что это легко приводит к формализму, к внешнему наукообразию, к односторонности в изучении сложных социальных явлений. Утвердился более реалистичный подход, утверждающий принцип сочетания качественных и количественных методов анализа.

Действительно, существует известная внутренняя логика перехода от одного типа анализа к другому. Качественный анализ является предварительным условием для применения количественных методов, подобно тому, как описание готовит почву для объяснения. Он направлен на выявление внутренней структуры данных, то есть на уточнение тех категорий, которые используются для описания изучаемой сферы реальности. Говоря более специфическим языком, на этой стадии происходит, пусть в чисто словесной форме, окончательное определение параметров (переменных), необходимых для исчерпывающего описания. Когда у нас имеются четкие описательные категории, легко перейти к простейшей измерительной процедуре — подсчету. Например, если мы выделяем группу людей, нуждающихся в определенной помощи, то можно подсчитать количество таких людей в данном микрорайоне. Если мы полагаем, что женщине труднее найти работу, чем мужчине, естественно будет обратиться для подтверждения к статистике безработицы.

Итак, качественный анализ создает предпосылку для количественного анализа. Существуют методы сбора информации, которые предназначены для получения количественных данных (анкеты, тесты). В этом случае мы сразу получаем цифры, с которыми далее можно работать чисто математически, но на выходе предполагается качественная, то есть словесная, интерпретация результатов. При работе с количественными данными всегда происходит как бы двойной перевод: сначала со словесного языка на язык математических символов, а затем обратно на словесный язык.

Не нашли то, что искали? Воспользуйтесь поиском:

источник

Людей меняет само знание того, что другие чем-то на них не похожи (К.Клакхон)

Качественные исследования — это исследования, имеющие дело пре­имущественно с качественными данными и качественными способа­ми анализа.

Качественные данные — любая информация, собираемая исследователем, которая выражается не в числах, а словах и высказываниях на естественном языке. Это некоторое со­держание, которое исследователь выделяет из протоколов наблюде­ния, интервью, из документов и аудиовизуальных материалов и кото­рое он формулирует, кодирует и передает словесно. В этом смысле качественные исследования — это исследования, которые преимущественно или исключительно используют слова в качестве данных и средств анализа.

Качественные способы анализа — это специальные формы анали­за текста, делающие акцент не на подсчете и статистическом обоб­щении тех или иных единиц текста, но на их содержательном под­разделении, обобщении, сравнении и интерпретации. «В целом, качественный анализ данных неизбежно предполагает про­цесс интерпретации и креативность, которые зачастую сложно сде­лать эксплицитными, но все же качественный анализ — совсем не таинственное, а тяжелое и иногда утомительное занятие» (Культурология: фундаментальные основания прикладных исследований, с.145).

Особенности качественных методов:

1. Это методы, не предполагающие статистической, количественной обработки.Качественные данные соотносятся со смыслами, тогда как количественные данные — с числами (Я.Дей). Способ, которым мы анализиру­ем смыслы — концептуализация, тогда как способ, которым мы анали­зируем числа — статистика и математика. Качественные данные часто представляются как «более богатые» и «более аутентич­ные», более тонко описывающие изучаемые феномены, чем коли­чественные данные. В то же время они нередко критикуются сторон­никами количественных исследований как «слишком субъективные», так как плохо поддаются стандартизации и часто невоспроизводимы.

2. Предпочтение полевой формы работы: внимание исследователя направлено на повседнев­ные феномены в их естественной обстановке, что предполагает интен­сивный длительный контакт с «полем», или живой ситуацией; реальное вхождение исследователя в изучаемые социальные группы, сообще­ства, культуры; жизнь и осуществление с их представителями со­вместной деятельности с использованием включенного наблюдения, бесед, эмпатического понимания. Сторонники качественных иссле­дований полагают, что самое интересное, глубокое и достоверное — это спонтанное поведение человека, а самое надежное — то, что получено в поле «из первых рук».

3. Обращение к социальному контексту. Изучаемые феномены анализируются в широком контексте своего проявления. Имеется в виду углубленный анализ социального, культурного, исторического, идеологического, политического контекстов, а также коммуникативного контекста взаимодействия исследователя с исследуемыми людьми. «Так, психоло­гические феномены рассматривается сторонниками данной методо­логии с учетом особенностей сообщества людей, которым он присущ, их языка, коммуникативных и широких культурных практик, их обра­за жизни, истории, форм распределения власти в обществе и т.д. Показательно, что некоторые исследователи-качественники идут настолько далеко, что вообще отказываются признавать какие-либо фундаментальные и универсальные «законы» и «структуры» психики и личности, которые существовали бы вне социального контекста» (там же, с.149).

4. Стремление к получению максимально богатых, детальных, многосторонних, систематичных, холистических описаний изучаемого феномена. Понятие плотного, или насыщенного, описания (thick description), введенное К. Гирцем при анализе различных культур, стало одним из центральных понятий качественной методологии.

5. Интерес к единичным случаям, акцент на изучении исключитель­ных феноменов. Качественные исследования подчеркивают то, что может быть упущено при статистическом обобщении. «Место статистической репрезентативности в качественных исследованиях занимает типическая, то есть устанавливающая некие типы: идеальные, крайние типы, про­тотипы, характерные типы (именно поэтому выборка обычно не яв­ляется случайной) Многие из подобного рода исследований не претендуют на то, чтобы представлять нечто харак­терное для всех представителей той или иной популяции (мужчин, женщин, подростков, учителей, военных, футбольных фанатов и т.д.). Они выполняют эвристическую функцию. Они служат для более глубокого и широкого понимания изучаемого феномена, его границ и возможных вариаций. В этом смысле они близки идиографическому типу исследования. По типу «кейс-стади» в качественных исследованиях пишутся и отчеты[5] (там же, с.149).

6. Индуктивный подход к данным: сбор и анализ эмпирических данных происходит вне каких-либо заранее сформулированных обобщений, теорий, гипотез. Качествен­ные исследования обычно заканчивают, а не начинают гипотезами и теориями. Именно поэтому их нередко представляют как лучший спо­соб предварительного изучения чего-либо, открытия, разведки новых областей, разработки теории и гипотез об изучаемом явлении.

7. Гибкость и отсутствие жесткой стандартизации инструментария. Противники качественной методологии («объективисты») критикуют ее именно за это — что она предполагает разработку правил проведения исследования по ходу самого исследования. Защитники качественной методологии полагают, что отсутствие жест­кой стандартизации позволяет оставаться более восприимчивым к реальности и свободным по отношению к тем процедурам и способам работы сданными, которые мы используем. В качественных иссле­дованиях сам исследователь признается главным «измерительным прибором». В полевой работе исследователь использует свои глаза и уши, чтобы сделать заметки в неструктурированном виде, осмысля­ет их и переводит их в форму нарратива.

8. Трактовка исследуемого человека как эксперта — своей жизни и переживаний, своей культуры и сообщества, специфики использования некоторого дискурса, и т.д., а не как наивных и пассивных испытуемых или подопытных. Такая установка означает скорее обучение у исследуемых людей, нежели просто ис­пользование их как поставщиков материала для «научного анализа». Исследователи-качественники исходят из того, что люди, которые имеют непосредственный жизненный опыт относительно изучаемого феномена, знают о нем больше и понимают его лучше, чем сами исследователи. С этим связана и одна из процедур, которая иногда используется в качественных исследованиях с целью верификации данных и придания им большей надежности: обсуждение с исследуе­мыми людьми полученных результатов и выводов с целью внесения в них каких-то поправок, уточнений, дополнений.

9. Повышенное внимание к язы­ку (речи, текстам, коммуникативным единицам, дискурсу, нарративам). Качественный анализ основан на различных техниках группировки, кластеризации слов и высказываний, разбивании текста на семиоти­ческие сегменты и паттерны, которые в конце концов сравниваются, противопоставляются и осмысляются. Можно выделить несколько особенностей трактовки языка в качественных исследованиях. Во-первых, натуральный, естественный язык рассматривается как сред­ство, которое наиболее аутентично представляет психологическую реальность человеческого переживания. Во-вторых, при описании и анализе в гораздо большей мере, чем принято, используется повсед­невный язык, позволяющий более чутко, понятно, жизненно и есте­ственно описать феномен, нежели язык академической психологии. Допускается и приветствуется выразительный и экспрессивный язык даже написания конечных отчетов. В-третьих, ис­следователи-качественники как при анализе, так и при написании отчетов стремятся сохранить (насколько это возможно, оправданно и эвристично) исходный, оригинальный язык исследуемых людей, их спо­соб описания, выражения, аутентичные формы категоризации (что особенно важно во всякого рода этнографических исследованиях) (там же, с.151).

10. Ориентация на изучение смыслов и переживаний. Это связано с стремлением к прояснению позиции другого, предпочтением прямого диалога, вниманием к тексту и язы­ку, учетом контекстов. «В частности, феноменологическая стратегия каче­ственного исследования имеет своей целью реконструкцию структу­ры переживания и прояснение тех приватных смыслов, которые име­ют для человека предметы, ситуации, события или какие-то аспекты собственной жизнедеятельности. Качественные исследования предлагают переопределение человека как интенционального и смыслообразующего субъекта, что предполагает вопросы; о его желаниях, надеждах, опасениях и страстях. Кро­ме того, сторонники качественной методологии критикуют склон­ность большинства психологов игнорировать эстетическое измерение человеческого переживания и придают огромное значение изучению этого измерения» (там же, с.151-152).

11. Опора на рефлексивность исследователя. Требуется обращение антрополога к собственной субъективности и рефлексии своих наблю­дений, переживаний, личного опыта, языка, знаний, допущений, ис­следовательской позиции, этнической, культурной и половой принад­лежности. «Традиционно в социальных науках лич­ность исследователя рассматривалась как то, что должно быть мини­мизированным, стандартизованным и контролируемым, а нормы на­писания научных статей призывали исследователя к отказу от собственной субъективности и индивидуальных аспектов своего опыта. Сторонники качественной методологии счи­тают, что без привлечения рефлексивности исследователя в отчете невозможно обеспечить по-настоящему валидное и экологичное со­циальное исследование» (там же, с.152).

Качественное исследование — это комплекс­ное исследование, основанное на полевой форме работы, предпола­гающее сбор подробных описаний переживаний и смыслов человека, обработку данных с помощью специальных процедур анализа текста, интерпретацию их с учетом социокультурного контекста, отсутствие жесткой стандартизации, внимание к единичным случаям, опору на точку зрения исследуемых людей и рефлексию самого исследователя.

Методы сбора информации, чаще всего используемые в качественных исследованиях:

3. Визуальное наблюдение с помощью фото- и видеоаппаратуры.

4. Неформализованное интервью. Глубокое (глубинное) интервью.

6. Проективные техники (тесты).

Этот набор можно свести к четырем основным методам исследования: наблюдению, интервью, анализу документации и анализу аудиовизуальных материалов.

Яркий пример проведенного качественного исследования – «Русские разговоры» американского антрополога Нэнси Рис[6]. Здесь автор опирается теоретически на такую стратегию или тип качественного исследования как дискурс-анализ. Дискурс-анализ ориентирован на исследование текстов в ситуа­ции взаимодействия (коммуникации) между людьми. Эта стратегия применяется для изучения способов формирования и изменения иден­тичности человека, его позиций, аргументации, поведения и социаль­ного взаимодействия в процессе использования тех или иных куль­турных, религиозных, политических, профессиональных и прочих дискурсов.

Дискурс в общем смысле — это относительно устойчивая система значений, используемая некоторым сообществом для интерпретации событий. Изучение дискурса пред­полагает детальный анализ всевозможных прагматических, социолин­гвистических, идеологических составляющих разговора людей — пауз, голоса, интонации, задержек в ответах, поправок себя, стилистичес­ких и грамматических особенностей речи.

В исследовании, проведенном студентками-культурологами философского факультета ОНУ имени И.И.Мечникова А.Серегиной и Е.Лабунец «Хронология тоски» (исходное название «О чем мечтают одесские студенты»)[7] также активно применялись качественные методы:

1. Видение мира глазами изучаемых людей. Важную роль в таких исследованиях играет неструктурированное интервью, позволяющее респондентам свободно предлагать свое видение обсуждаемых проблем и их набор.

2. Описательность. Предполагается детальное описание изучаемых явлений. Большое внимание деталям повседневной жизни позволяет увидеть и понять общий контекст изучаемых процессов, что создает более прочную основу для анализа и объяснения.

3. Процессуальное видение реальности. Из интереса к повседневной жизни как череде однообразных событий вытекает особая роль включенного наблюдения как метода исследования.

4. Гибкость или отсутствие заранее подготовленной структуры. Отказ от следования заранее выбранным жестким теоретическим или методологическим принципам. Это позволяет в ходе исследования увидеть многое из того, что увидеть не ожидалось, не планировалось.

5. Акцент на вопрос «Как?». Как люди принимают решение… Как они организуют свое время…

6. Реальность первоначально изучается в том виде, в каком она отражается в сознании людей. Затем проводится различение отражения и самой реальности, то есть разведение того, что информанты увидели, и того, что реально происходило.

7. Главная особенность качественного исследовательского интервью состоит в том, что это особая форма беседы, разговора. В понимании его сути помогает тезис, сформулированный М.М.Бахтиным: «Чужие сознания нельзя созерцать, анализировать как вещи, как объекты – с ними можно только диалогически общаться».

Читайте также:  На какой неделе беременности анализ вич

В качественном интервью выясняются глубинные механизмы человеческого поведения. Получаемое в нем знание не лежит на поверхности. Сам респондент нередко им не владеет, не подозревает о нем. Новое знание рождается в процессе взаимодействия исследователя и исследуемого. Полученные ответы – результат размышлений. В свою очередь исследователь должен слушать так, чтобы информанту хотелось рассказывать.

На заметку. Проводить глубокое интервью с человеком, который использует его как пиаровскую акцию – бессмысленная трата времени. Содержание речи целиком определяется условиями «спектакля». Завтра информация может быть прямо противоположной.

Часто спрашивают: «Сколько интервью необходимо?». Столько, сколько надо, чтобы узнать то, что вы стремитесь узнать.

Антропология на первый взгляд — это наука о мелочах, о подробностях чьей-то жизни. Но предельно частное наблюдение над культурой соседствует в антропологии с предельно общим. Используя частное наблюдение, исследователь стремится осветить общие проблемы человеческих отношений. «Знание о проблемах других людей и о чуждых образах жизни должно быть достаточно общепринятым для того, чтобы положительная терпимость стала возможной» (К.Клакхон).

Контрольные вопросы

1. Предмет культурной антропологии. Основные проблемы и темы.

2. Культурная антропология о природе человека.

3. Культурная антропология как новое направление исследования культуры.

4. Теоретические предпосылки и основные этапы формирования культурной антропологии как самостоятельной области знания.

5. Особенности трактовки культуры в культурной антропологии.

6. Значение принципа культурного релятивизма в формировании плюралистического взгляда на историю культур.

7. Проблема универсалий культуры с точки зрения культурной антропологии.

8. Почему важно изучать поведение человека в культуре?

9. Почему Б.Малиновский считал, что множество наук, занятых изучением человека, можно объединить в одной науке о культуре?

10. Место культурной антропологии среди социального и гуманитарного знания (этнография, этнология, культурология, социальная антропология, социальная философия).

11. Достоинства и недостатки метода исследования культур Э.Тайлора.

12. Что лежит в основе научного исследования культуры?

13. Роль сравнения в культурной антропологии.

14. Роль интерпретации в этнографическом описании. Какова роль теории культуры в этом процессе?

15. В чем состоит разница между описанием и объяснением?

16. Что такое «качественные исследования» и каковы их цели?

17. История качественных методов.

18. Особенности качественных методов.

19. Что такое «насыщенное описание» культуры?

20. В чем Вы видите трудности развития культурной антропологии?

21. Как сделать так, чтобы материалы полевых исследований потеряли свою «частность»?

22. Актуальность проблем культурной антропологии в современных условиях. Ее значение в XXI веке.

Литература к курсу:

1. Алексеев В.П. История первобытного общества. — М., 1999.

2. Антология исследований культуры. Т. 1. Интерпретации культуры. -СПб., 1997.

3. Артёмова О.Ю.Охотники/собиратели и теория первобытности. — М. : ИЭА РАН, 2004.

4. Арутюнов С.А., Рыжакова С.И. Культурная антропология. — М.: Весь мир, 2004.

5. Бе­лик А.А. Куль­ту­ро­ло­гия. Ан­тро­по­ло­ги­че­ские тео­рии куль­тур. — М.: РГГУ, 1999.

6. Бром­лей Ю.В. Эт­нос и эт­но­гра­фия. — М., 1973.

7. Ван Геннеп А. Обряды перехода: Систематическое изучение обрядов. (пер. с фр. В. Ивановой, Л. В. Покровской). — М.: Восточная литература, 2002.

8. Васильев М.И. Введение в культурную антропологию. – Великий Новгород: Нов.ГУ им.Ярослава Мудрого, 2002. – 156 с.

9. Вебер М. Избранное. Образ общества. — М.: Юрист, 1994.

10. Вежбицка А. Семантические универсалии и описание языков. — М.: Языки русской культуры, 1999.

11. Во­рон­ко­ва Л.П. Куль­тур­ная ан­тро­по­ло­гия как нау­ка: Учебное пособие. — М.: Диалог-МГУ, 1997.

12. Вульф К. Антропология: История, культура, философия / Пер. с нем. Г.Хайдаровой. – СПб.: Изд-во С.-Петерб. ун-та, 2007. – 269 с.

13. Дельєж Р. Нариси з історії антропології. Школи. Автори. Теорії. – К.: Видавничий дім «Києво-Могилянська академія», 2008. — 287 с.

14. Дюркгейм Э. Социология. Ее предмет, метод, предназначение. — М.: Канон, 1995.

15. Емельянов Ю. Н., Скворцов Н. Г. Культурная антропология: Учеб. пособие. — СПб.: С.-Петерб. гос. ун-т, 1996.

16. Зарубина Н. Н. Социокультурные факторы хозяйственного развития: М. Вебер и современные теории модернизации.- СПб.: Изд-во РХГУ, 1998.

17. Иванов В.В. Культурная антропология и история культуры//Одиссей. — 1989. — С.11-19.

18. Ильин В.И. Драматургия качественного полевого исследования. – СПб.: Интерсоцис, 2006.

19. Ионин Л. Г. Социология культуры. — М.: Логос, 2000 // http://www.auditorium.ru/books/301/index.html

20. Историческая наука на рубеже веков. – М.: Наука, 2001.

21. Кабо В. Р.Первобытная доземледельческая община. — М.: Наука, 1986.

22. Клакхон К. Зеркало для человека. Введение в антропологию. – СПб.: Евразия, 1998.

23. Культурология. Энциклопедия // www.auditorium.ru

24. Культурология: фундаментальные основания прикладных исследований / Под ред. И.М.Быховской. – М.: Смысл, 2010. – С. 144-180.

25. Ле­ви-Строс К. Струк­тур­ная ан­тро­по­ло­гия: Пер. с фр. Вяч.Вс.Иванова. — М., 1985.

26. Лурье С. В. Историческая этнология: Учеб. пособие для вузов. — М.: Аспект Пресс, 1998.

27. Лурье С.В. Культурная антропология в России и на Западе: концептуальные различия // http://svlourie.narod.ru/articles/anthropology.htm

28. Малахов В. Понаехали тут… Очерки о национализме, расизме и культурном плюрализме. – М.: Новое литературное обозрение, 2007.

29. Ма­ли­нов­ский Б. На­уч­ная тео­рия куль­ту­ры. — М.: РОССПЭН, 2000.

30. Малиновский Б. Избранное: Аргонавты западной части Тихого океана. – М.: РОССПЭН, 2004.

31. Мёрдок Дж. П. Социальная структура/Пер. и коммент. А. В. Коротаева. — М.: ОГИ, 2003.

32. Мид М. Культура и мир детства. Избранные произведения. — М.: Наука, 1988.

33. Морган Л.Г. Древнее общество или исследование линий человеческого прогресса от дикости через варварство к цивилизации. — Л., 1933.

34. Морган Л.Г. Лига Ходеносауни, или ирокезов / Пер. Бломквист Е.Э. — М.: Наука, 1983.

35. Ор­ло­ва Э.А. Культурная (социальная) антропология. — М.: Академический проект, 2004.

36. Пав­лов­ская А.В. Рос­сия и Аме­ри­ка. Про­бле­мы об­ще­ния куль­тур. — М.: Изд-во МГУ, 1998.

37. Салинз М. Экономика каменного века. — М.: ОГИ, 1999.

38. Систематическое изучение обрядов. — М.: Ин-т этнологии и антропологии РАН, 1999.

39. Сэпир Э. Избранные труды по языкознанию и культурологии. — М.: Прогресс, 1993.

40. Тайлор Эд. Б. Антропология. Введение к изучению человека и цивилизации. — М. – Пг.: Мысль, 1924.

41. Тайлор. Эд.Б. Первобытная культура. — М.: Политиздат, 1989.

42. Тернер В. Символ и ритуал. — М.: Наука, 1983.

43. Тишков В. А. Реквием по этносу. Исследования по социально-культур­ной антропологии. — М.: Наука, 2003.

44. Утехин И.В. Очерки коммунального быта. — М.: О.Г.И., 2001.

45. Фрезер Дж. Золотая ветвь. — М. Политиздат, 1983.

46. Че­ло­ве­че­ский фак­тор в язы­ке: язык и порождение речи. – М.: Наука, 1991.

47. Эванс-Причард Э. Нуэры. — М.: Наука, 1985.

48. Эванс-Причард Э. История антропологической мысли. — М.: Вост. лит., 2003.

49. Эт­но­гра­фия, ан­тро­по­ло­гия и смеж­ные дис­ци­п­ли­ны: со­от­но­ше­ние предме­та и ме­то­дов: Сб. ст. / АН СССР. Ин-т эт­но­гра­фии. — М.: Наука, 1989.

50. Auge Marc. An Anthropology for Contemporaneous Worlds. – Stanford: Stanford University Press, 1999. – 146 p.

51. Barnard Alan. History and Theory in Anthropology. – Cambridge: Cambridge University Press, 2000. – 244 p.

52. George E.Marcus, Michael M.J.Fisher. Anthropology as Cultural Critique. Second Edition. – Chicago: Chicago University Press, 1999. – 200 p.

Journal of Royal Anthropological Institute

2. Предмет культурной антропологии……………………………………….

3. Особенности культурной антропологии, место в

4. Полевые антропологические исследования………………………………

5. Приложение. Антропологи за работой.

[1] Чтобы избежать такого называния, умаляющего их значение, сегодня говорят об ар­хаических культурах, доиндустриальных обществах, бесписьменных культурах, родовом обществе, маломасштабных обществах, обще­ствах лицо к лицу. Во всех этих случаях имеется в виду обозримое сообщество, насчитывающее от десятков до нескольких тысяч чело­век. В этих сообществах большую роль играют родственные отношения. Эти общества замкнуты в себе, в них сильно чувство сплоченности и в них отчетливее, чем в открытых обществах, например в обществах современной демократии, переживается отличие от других этносов. [2] Л.Г.Ионин в условиях господства функционализма в теории и позитивизма в эмпирическом исследовании в середине ХХ века привнес в советскую социологию новые социологические направления и новые фигуры из западной социологии (понимающая социологии, социальная феноменология). Л. Г. Ионин истолковывает культуру не как эпифеномен социальной жизни, а как глубинную матрицу возникновения и воспроизводства социальных форм и отношений, подлинный движитель социального изменения и развития. [3] Мы опираемся на периодизацию В.И.Ильина (Драматургия качественного полевого исследования, с.9-15), но применяем ее к истории культурной антропологии. [4] Теоретические труды выглядят как описание путешествий, эссе как художественная форма вытесняет научную статью [5] Подробно о кейс-стади как стратегии исследования см. В.И.Ильин. Драматургия качественного полевого исследования, с.65-82. [6] Рис Н. Русские разговоры. Культура и речевая повседневность эпохи перестройки. – М.: Новое литературное обозрение, 2005. [7] Отчет об исследовании размещен в Приложении.

Дата добавления: 2014-12-16 ; Просмотров: 916 ; Нарушение авторских прав? ;

Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет

источник

Чтобы рассказать что-то релевантное всем слушателям, которые могли быть очень неоднородны по знаниям и умениям, я выбрал тему, которую пропагандировал несколько лет назад… решать можно (и часто нужно) простыми методами, буквально в несколько строк. Ниже сокращённое описание доклада.

Анализ данных всегда начинается с разведывательного анализа данных (EDA), который, кроме основной цели «понять, как устроены данные», имеет ещё несколько важных подцелей:

  • найти «волшебные признаки» (которые почти решают задачу, или с помощью которых чётко видны какие-то паттерны),
  • понять, как «меняются признаки» (насколько можно верить данным или синтезируемым признаковым описаниям при изменении времени или категорий объектов),
  • использовать контекст (= экспертные знания, нашу интуицию и т.п.),
  • выявить информационные утечки (не содержат ли описания явно/неявно лишнюю информацию),
  • построить простые бенчмарки (алгоритмы в несколько строчек кода, которые надёжны, интерпретируемы и т.п.).

Забавно, но часто бывает, что полученный в рамках (качественной!) разведки бенчмарк становится финальным алгоритмом (как раз по причине простоты и надёжности). В бизнесе так бывает существенно чаще, но иногда это можно наблюдать и в спортивном анализе данных, где борьба идёт за доли процентов.

Когда-то (в докэгловскую эпоху — в 2008 году) я принимал участие в соревновании «Ford Classification Challenge». Необходимо было разработать алгоритм, который по сигналу датчика детектирует поломку. Сигналы классов: 1 (есть поломка) и 0 (нет) показаны на рис. 1.

Рис. 1. Сигналы разных классов в задаче FCC-2008.

Здесь, чтобы не загромождать картинку, показано всего 4 сигнала, но если проанализировать большее число, то будет заметно, что сигналы

  • непериодические (хотя и напоминают колебания),
  • не содержат заметных паттернов,
  • неоднородные.

Последнее означает, что какие-то естественные их характеристики заметно меняются со временем. Например, если взять среднее значение сигнала, то в начале измерений и в конце средние слабо связаны, даже не коррелируют, см. рис. 2.

Рис. 2. Средние значения сигналов в начале и конце.

Кроме того, не находятся и волшебные признаки (по которым классы неплохо разделялись)… Когда фантазия по придумыванию признаков заканчивается, можно «поменять сигнал». Например, придумывать признаковое описание не самого сигнала, а его производной, см. рис. 3. На первый взгляд, на рис. 3 не видно ничего хорошего…

Рис. 3. Среднее и дисперсия модуля производной.

Но если увеличить масштаб…

Видно, что «хвостик» облака точек целиком состоит из объектов класса 0, т.е. если у сигнала небольшое среднее модуля производной, то, скорее всего, он соответствует нормальной работе механизма. Если покопать в эту сторону, то выяснится, что это просто следствие того, что в «нормальных» сигналах производная чаще обращается в ноль, см. рис 5.

Рис. 5. Среднее модуля производной vs число точек с нулевой производной.

Казалось бы мы нашли волшебный признак — число точек (понятно, что лучше взять процент), в которых производная обратилась в ноль! Но давайте на этом не остановимся… Как можно обобщить выражение, которое подсчитывает число точек с нулевой производной? На рис. 6 показано два способа:

  1. Вместо подсчёта числа точек, в которых разница текущего и следующего значения равна нулю, можно задаться некоторым порогом (чтобы разница отличалась не больше, чем на этот порог).
  2. Можно считать совпадения не соседних значений, а вообще — все совпадения, которые есть в сигнале (это, правда, не обобщение, а модификация идеи).

Рис. 6. Два обобщения формулы.

На рис. 7 показана диаграмма рассеивания в координатах двух новых признаков, построенных по обобщениям (1) и (2). Обобщение (1) провалилось, но зато обобщение (2) оказалось идеальным признаком! По нему обучающая выборка разделяется со 100%-й точностью!

Рис. 7. Диаграмма рассеивания по обобщениям волшебного признака.

После окончания соревнования выяснилось, что и на тестовой выборке точность также 100% (тогда не было публичных турнирных таблиц, каждый участник делал всего одну отсылку, по которой и считалось качество) — она была лишь у одного участника и была получена с помощью 34 символов кода в системе Matlab

Ещё одна история из давних времён… В начале 2000х проводилась серия соревнований «Brain Computer Interface», в которых предлагались задачи анализа сигналов головного мозга. В частности, сейчас я расскажу об одном решении бинарной классификации кортикограмм. Особенность задачи состояла в том, что обучающая и контрольная выборки были собраны в разные дни… для сигналов головного мозга это означает, что они будут очень непохожими (меняется эмоциональное состояние испытуемого, сопротивление проводников, даже точки установок электродов для снятия сигналов).

На рис. 8 показаны диаграммы рассеивания по нескольким придуманным признакам. Видно, что тестовая выборка лежит в стороне… но по форме и некоторому зазору между двумя облаками точек она очень похожа на обучающую.

Рис. 8. Признаковое пространство в задаче классификации кортикограмм.

Поэтому в этой задаче решение было примитивным… пороговое правило по очень простому признаку. Порог выбран не с помощью скользящего контроля на обучении (как принято), а просто «по картинке» (верхнее облако теста — класс 1, нижее — класс 0). Это, кстати, обеспечило 3е место в соревновании, в котром принимали участие лаборатории, специализирующиеся на BCI (первое место заняла китайская лаборатория, использовавшая SVM над CSSD + FDA + WM + FDA).

Кстати, чуть позже при решении подобных задач (когда обучение и тест распределены по-разному), я применял такой приём: находил преобразование признакового пространства, которое «накладывает» контрольную выборку на обучающую. В данном случае эти две выборки совмещаются небольшим поворотом и параллельным переносом.

Сейчас уже ликами никого не удивишь и рассказы победителей разных соревнований на 70% состоят из того, как они нашли что-то в данных, от чего зависит решение (хотя это и не может быть использовано при реальной эксплуатации алгоритма — только для фиксированного набора данных).

Читайте также:  Папилломы на шее какие анализы сдавать

Автор первый раз столкнулся с ликами где-то 6 лет назад на платформе crowdanalytix. Там решалась задача определения реакции пользователя на рассылку: откликнется (1) или нет (0). Упрощённо (выбрасывая некоторые признаки) обучающая таблица выглядела так:

Первое что надо сделать, когда есть информация о действиях клиента — вычленить отдельных и взглянуть на них. В этой задаче клиент идентифицировался уникальной парой (id, регион). Если теперь упорядочим подтаблицу, содержащую информацию об одном клиенте по признаку «сколько предложений», то получим что-то типа

Нетрудно видеть, что если какое-то предложение было успешным (y=1), то число успешных предложений увеличивалось на единицу в следующей строке. Понятно, что даже если y нам не известен он почти полностью (кроме последнего значения) восстанавливается по парам (число предложенией, число успешных) для каждого клиента! Это следует просто из названий признаков. Любопытно, что только 5 участников из 55 тогда заметили это (т.е. использовали смысл признаков для решения задачи). Полезно также отметить, что культура решения задач заметно выросла за 6 лет. Думаю, сейчас больший процент решателей понимают, что названия признаков тоже важны.

Кстати, подобный лик повторила компания WikiMart, когда устраивало своё соревнование. Тогда в данных был признак «число страниц в сессии», «номер страницы по порядку посещения», нужно было определить, является ли текущая страница последней в сесии пользователя…

Не всегда задачи решаются сложными методами. Есть простые и довольно универсальные методы, которые работают. Например, метод k ближайших соседей (kNN) и различные его обобщения. В соревновании VideoLectures.Net Recommender System Challenge нужно было разработать рекомендательную систему, причём, в одной из подзадач — для работы в режиме холодного старта (cold start): надо рекомендовать новые видео (для них нет статистики просмотров) для совершенно нового пользователя (для которого нет истории поведения, но есть информация о первом просмотренном видео) на ресурсе видеолекций. Простая идея: давайте синтезируем «хорошую» метрику на множестве видео-лекций и решим задачу обычным ближайшем соседом (к уже просмотренной лекции порекомендуем самые похожие из новинок).

А как сделать метрику? Легко придумать метрики для частей описания видео-лекции:

  • Сравнение категорий видео (хэмингово расстояние — совпадают или нет)
  • Сравнение авторских коллективов (косинусная мера сходства на характеристических векторах авторов)
  • Сравнение языков (хэмингово расстояние — совпадают или нет)
  • Сравнение названий (любая метрика над текстами)
  • Сравнение описаний (любая метрика над текстами)
  • и т.п.

Искомую метрику в простейшем варианте можно искать как линейную комбинацию перечисленных базовых. Хотя конкретно в этой задаче она получалась как сумма квадратных корней из линейных комбинаций квадратов базовых метрик, но почему так… уже другая история (желающие могут почитать статью).

источник

Опрос сотрудников, клиентов, потребителей – не просто сбор информации, это полноценное исследование. А целью всякого исследования является научно- обоснованная интерпретация изученных фактов. Первичный материал необходимо обработать, а именно упорядочить и проанализировать.

Анализ данных исследования – ключевой этап. Он представляет собой совокупность приемов и методов, направленных на то, чтобы проверить, насколько были верны предположения и гипотезы, а также ответить на заданные вопросы. Данный этап является, пожалуй, наиболее сложным с точки зрения интеллектуальных усилий и профессиональной квалификации, однако позволяет получить максимум полезной информации из собранных данных.

Методы анализа данных многообразны. Выбор конкретного метода анализа данных зависит, в первую очередь, от того, на какие вопросы мы хотим получить ответ.

Можно выделить два класса процедур анализа данных:

  • одномерные (дескриптивные) и
  • многомерные.

Многомерный анализ данных позволяет одновременно исследовать взаимоотношения двух и более переменных и проверять гипотезы о причинных связях между ними.

Техники многомерного анализа разнообразны. Мы рассмотрим следующие:

  1. Факторный анализ
  2. Кластерный анализ

Суть факторного анализа, состоит в том, чтобы имея большое число параметров, выделить малое число макропараметров, которыми и будут определяться различия между измеряемыми параметрами. Это позволит оптимизировать структуру анализируемых данных.

Применение факторного анализа преследует две цели:

  • сокращение числа переменных;
  • классификация данных.

Факторный анализ довольно полезен на практике. Приведем несколько примеров.

Перед вами стоит задача исследовать имидж компании. Клиенту предлагается оценить данную компанию по целому ряду критериев, общее число которых может превышать несколько десятков. Применение факторного анализа в данном случае позволяет снизить общее количество переменных путем распределения их в обобщенные пучки факторов, например, «материальные условия компании», «взаимодействие с персоналом», «удобство обслуживания».

Еще одним случаем применения данного метода может служить составление социально-психологических портретов потребителей. Респонденту необходимо выразить степень своего согласия/несогласия с перечнем высказываний о стиле жизни. В итоге, можно выделить, например, целевые группы потребителей: «новаторы», «прогрессисты» и «консерваторы».

Актуальным примером исследования в сфере банковского дела, может послужить, изучение уровня доверия клиента к банку, которое можно описать следующими факторами:

— надежность сделок (включающий такие параметры, как сохранность средств, возможность беспрепятственного их перевода);

— обслуживание клиентов (профессионализм сотрудников, их благожелательность) и

— качество обслуживания (точность выполнение операций, отсутствие ошибок) и др.

Кластерный анализ (от англ. сluster – сгусток, пучок, гроздь) – это один из способов классификации объектов. Он позволяет рассматривать достаточно большой объем информации, сжимая его и делая компактными и наглядными.

Термин «кластерный анализ» был введен в 1939 году английским ученым Р. Трионом, предложившим соответствующий метод, который сводился к поиску групп с тесно коррелирующим признаком в каждой из них.

Целью кластерного анализа является выделение сравнительно небольшого числа групп объектов, как можно более схожих между собой внутри группы, и как можно более отличающихся в разных группах. В настоящее время разработано достаточно большое число алгоритмов кластерного анализа. Однако, попробуем объяснить его суть, не прибегая к строгому теоретизированию.

Допустим, вы планируете провести опрос потребителей, (а все потребители разные), и вам, соответственно, необходимы различные стратегии для их привлечения. Для решения данной задачи мы предлагаем сегментировать клиентов, прибегнув к методу кластеризации. Для этого выполняем следующие шаги:

  1. формируем выборку и проводим опрос клиентов,
  2. определяем переменные (характеристики), по которым будем оценивать респондентов в выборке,
  3. вычисляем значения меры сходства и различия между ответами респондентов,
  4. выбираем метод кластеризации (т.е. правила объединения респондентов в группы),
  5. определяем оптимальное число кластеров (групп).

В результате получаем таблицу следующего содержания:

Информация, представленная в таблице, позволяет нам составить портрет клиентов каждого кластера, которые впоследствии необходимо учитывать при составлении стратегии успешного продвижения продукта на рынке.

Кластерный анализ хорошо зарекомендовал себя, и на сегодняшний день применяется в различных прикладных областях:

  • В социологии: разделение респондентов на различные социально-демографические группы.
  • В маркетинге: сегментация рынка по группам потребителей, группировка конкурентов по факторам конкурентоспособности.
  • В менеджменте: выделение групп сотрудников с разным уровнем мотивации, выявление мотивирующих/демотивирующих факторов в организации, классификация конкурентоспособных отраслей и поставщиков, и др.
  • В медицине — классификация симптомов, признаков заболеваний, пациентов, препаратов для успешной терапии.
  • А также психиатрии, биологии, экологии, информатике и т.д.

Рассмотренные методики относятся к анализу данных, полученных в ходе проведения количественных исследований.

По вопросам расчета индексов:

Начало (часть первая) и продолжение (часть третья) статьи «Статистические методы анализа данных для решения практических задач».

источник

Сбор и анализ данных – это своеобразный диалог междумиром людей, институтов, процессов и исследователями. Предпосылками выбора того или иного метода анализа являются характер самих данных, тот теоретический подход, в рамках которого работает исследователь при их сборе («статистический» или «гуманитарный»).

В несколько упрощенной форме эти два подхода можно представить следующим образом.

В рамках этого подхода исследователь исходит из посылки, что массовые явления имеют статистический характер, т.е. если изучить достаточно большое количество проявлений изучаемого социального явления, то само явление будет познано. Индивид в этом случае выступает как представитель некоторой общности, носитель информации о социальном феномене. Индивиды взаимозаменяемы, и их индивидуальные особенности как таковые не представляют особого интереса.

Здесь необходимо провести разделение между первичными и вторичными данными.К данным первичного типа относят те, что были получены непосредственно самими исследователем, тогда как вторичные данные являются результатом обработки данных исследований, сделанных в прошлом. Самым важным аргументом против использования вторичных данных является то, что они ограничивают свободу и возможности ученого, поскольку они были получены для целей другого исследования. Действительно, для исследователя, работающего с вторичными данными очень трудно выйти за рамки той системы, которая была сконструирована до него, и для которой эти данные были собраны и обработаны. Однако иногда вторичные данные имеют значительные преимущества перед первичными: доступность и низкую цену. В ряде случаев у исследователя не может быть иной альтернативы, кроме как использовать именно вторичные данные. Например, мы не можем разработать вопросник по отношению к Карибскому кризису и отправиться с ним в 1962 г., непосредственно наблюдать за коллизией Пражской весны 1968 г., зафиксировать живую реакцию современников этих событий. Однако мы можем проанализировать данные прошлых лет. В этих случаях основным источником получения вторичных данных для нас будут отчёты органов государственной статистики, результаты проводившихся опросов общественного мнения, например, данные службы Гэллапа в США, Евробарометра в Европе, ВЦИОМ в России и т.д. Источником такой информации могут выступать даже публикации в газетах.

Решив, какого типа данные – первичные или вторичные будут использованы в исследовании, и, собрав эти данные, учёный может перейти непосредственно к процессу анализа. Анализируя полученные данные, исследователь пытается ответить на вопросы «Что это такое?», «Почему это происходит?», «Как много этого?» и т.д. Для получения ответов на эти и другие вопросы необходимо построить некую модель, в которой будут отображены взаимоотношения и взаимосвязи между изучаемыми явлениями, процессами и объектами. Рассмотрим далее, какие именно модели могут быть построены для исследования политических процессов.

Одномерная модель. Это самая простая модель с одной переменной. Целью ее построения является получение ответа на относительно простые вопросы «Сколько?» и «Что это?». Например,сколько избирателей проголосовало за данную партию? Что представляет собой электорат определенного кандидата? Ответы на эти вопросы дают одномерное распределение значений признака. Для изучения такой переменной, как электоральный выбор, достаточно подсчитать количество проголосовавших за ту или иную партию или кандидата и представить эти значения в виде процентного распределения. Это же относиться и к переменным, измеренным по номинальным шкалам («К какой религии Вы себя относите?», «Укажите свою профессию» и т.д.). Обычно, если мы измеряем переменную по количественной или интервальной шкале, знания одномерного распределения значений признака бывает недостаточно, тем более, что возможностей анализа для таких переменных несравненно больше, чем для номинальных. Исследователя интересуют некоторые меры, которые на языке математической статистики называются мерами центральных тенденций. К ним относятся среднее или типичное значение признака, а также меры разброса значений признака вокруг их средней величины. Например, анализ дохода может включать расчет среднего дохода и процентного значения людей, имеющих доход выше и ниже средней величины.

Бинарная модель. Суть данной модели заключается в предположении, что две переменные А и В связаны между собой. Таким образом, можно построить несколько моделей: А является причиной В, В является причиной А, А и В взаимовлияют друг на друга, А и В находятся под влиянием третьей переменной. Во всех этих случаях используются следующие методы анализа: таблица взаимной сопряженности признаков, корреляционный анализ.

Таблица взаимной сопряженности признаков строится для изучения взаимосвязей между переменными.

Таблица . Электораты избирательных объединений по итогам выборов в Думу в 1999 г (%) 23

Данная таблица, например, устанавливает связь между возрастом и голосованием за партии на выборах в Государственную Думу в 1999 г. Таблица построена таким образом, чтобы можно было проследить разницу в возрастной структуре электората различных партий.

На первый взгляд, очевидна следующая тенденция: молодые избиратели чаще, чем представители других возрастных групп, голосуют за партии демократической направленности, а пожилые – за партии левого толка. Однако подобный вывод не может служить прямым статистическим подтверждением выдвигаемых исследователем гипотез. Эти прикидки «на глазок» в лучшем случае грубы. В более сложных ситуациях такой анализ часто ненадежен. Установить степень соответствия гипотезы с данными помогает такой статистический метод как корреляционный анализ, направленный на измерение и изучение взаимосвязей между двумя переменными.

Методы корреляционного анализа позволяют дать ответ на весьма важные вопросы, возникающие при изучении взаимосвязей между переменными. Например, влияют ли и, если влияют, то до какой степени, изменения значений одной переменной (независимой переменной) на изменения значений другой (зависимой переменной)? Какова форма и направленность выявленной связи? Является ли выявленная связь характеристикой всей совокупности, а не только выборки?

В результате можно построить несколько объяснительных схем.

Например, при анализе взаимосвязи между возрастом и выбором партии, разумно предположить, что возраст может влиять на выбор партии, тогда как выбор партии не может повлиять на возраст. Фиксируемая в этой модели связь называется односторонней.

Две переменные (выбор газеты и партийные предпочтения) могут находиться в отношениях взаимовлияния друг на друга. Пример так называемой «петли причинности», которая относится к довольно трудному случаю анализа. Такая связь в статистике называется симметричной.

Партийные предпочтения Выбор газеты

Исследователь не может достоверно установить, повлиял ли выбор газеты на формирование партийных предпочтений или уже устоявшиеся партийные предпочтения заставили людей выбрать определенные газеты.

Возможен и такой случай, когда две переменные находятся под влиянием третьей, неизвестной переменой. Однако эта связь уже выходит за рамки бинарного анализа и становится предметом множественного анализа.

Множественный анализ. При включении в систему трех и более переменных величин исследователь может обогатить анализ построением таких моделей как регрессионная, интерактивная, путевая и многофакторная.

Базовое положение регрессионной модели состоит в том, что две или более переменные, называемые «независимыми», оказывают совокупное влияние на «зависимую» переменную. Более того, регрессионная модель позволяет отделить влияние каждой независимой переменной друг от друга и определить силу этого влияния. Допустим, мы хотим узнать, какие переменные влияют на выбор партии. Для этого необходимо построить модель, включающую ряд независимых переменных. Например, на выбор партии могут влиять принадлежность к социальной группе и религия.

Класс

Данные такого рода могут быть проанализированы благодаря добавлению к стандартной регрессионной модели процедуры контролирования.

Регрессионная модель может быть полезна для поверки различных исследовательских гипотез, но на практике и она зачастую не отражает всю сложность объективного мира, всю цепочку причин и взаимосвязей. В этом случае используют модели путевого анализа, илипат-анализа, который выстраивает цепочку прямых и непрямых воздействий одной переменной на другую. Рассмотрим в качестве примера психологическую идентификацию с партией и одобрение ее политики. Очевидно, что одобрение политики партии повышает общую партийную идентификацию, но вполне возможен и обратный случай. У большинства людей (здесь имеется в виду ситуация, характерная для развитых либеральных демократий) приверженность к партии формируется задолго до того, как они поймут и осознают ее политическую платформу. Таким образом, наблюдается некий поток противоположных взаимодействий, направление которых бывает трудно определить. Тем не менее, это можно сделать с помощью путевого анализа, эмпирическим путем выстраивающим цепочку причинности.

Читайте также:  Как делается генетический анализ при беременности

Еще один метод, применяемый в рамках множественного анализа – это многофакторный анализ. Суть многофакторного анализа состоит в ответе на вопрос, не находится ли система переменных, связанных между собой, в зависимости от двух (или более двух) базовых скрытых факторов. Следовательно,целью многофакторного анализа является обнаружение скрытых факторов. Традиционно в политических исследованиях выделяется несколько скрытых факторов, или как их еще называют, расколов, лежащих в основе многих явлений и процессов, например, раскол на «левых» и «правых» по отношению к политическим установкам, а также противоречия, структурирующиеся по осям «жесткий-мягкий» и «либеральный-авторитарный».

Применяя многофакторный анализ, можно построить следующую модель:

«Жесткий-мягкий»

Установка на социальную защиту

Установка на перераспределение дохода

Установка на национализацию/приватизацию

Установка на безопасность

Установка на преступление и наказание

Построенная модель выделяет только два фактора и соответственно две группы переменных, испытывающих на себе их прямое воздействие. В реальной ситуации, конечно, возможно существование большего числа значимых факторов. Включение или исключение переменных из подгрупп необходимо производить исходя из так называемого веса фактора, т.е. его влияния на определенную группу переменных.

Анализ временных рядов. Многие социальные и политические процессы и события случаются не единожды, а повторяются. Протекание многих политических процессов может быть растянуто на годы, десятилетия и даже столетия. Исследования, изучающие такие процессы и события, называют трендовыми, или панельными. Основным методом в этом случае выступает анализ временных рядов. Временные ряды – это комплекс наблюдений, в которых одна и та же переменная измеряется повторно через определенные интервалы. В политических исследованиях анализ временных рядов чаще всего применяется для прогнозирования поддержки партий (особенно правительственных). При этом исследователи исходят из комбинации различных факторов, например, экономических условий (безработица, инфляция, уровень жизни и т.п.) и кризисных событий (вооруженные конфликты, забастовки, правительственные и парламентские кризисы и др.).

Модель, соответствующая целям анализа временных рядов, выглядит следующим образом:

Событие во времени T1 Партийная поддержка во времениT1

Событие во времени T2 Партийная поддержка во времениT2

Основной метод, применяемый при анализе временных рядов – это построение регрессионного уравнения, где в качестве независимых переменных выступают показатели, измеренные на разных временных этапах.

Все описанные выше методы и варианты анализа, относящиеся к так называемой статистической парадигме, получили широкое распространение в исследованиях политических процессов благодаря двум большим достижениям, которые внесли революционные изменения в исследования политических процессов. Первое относится к проведению выборочных исследований для предсказания результатов выборов в США. Начиная с 1824 г. и до 1936 г., исследования проводились в русле определённой традиции, когда в опросах участвовало достаточно большое число респондентов. Дж. Гэллап нарушил эту традицию. Итогом стало во-первых, слом монополии правительства на количественную информацию и, во-вторых, резкое снижение затрат при сборе исходных политических данных. Отныне статистика перестала быть «официальной». Второе достижение относится к 50-ым годам, когда стало возможным использование компьютерных технологий для статистического анализа данных.

Эти изменения коснулись, в первую очередь, исследований, связанных с изучением поведения, установок и мнений граждан. В результате произошедших перемен произошло значительное расширение объекта и предмета политических исследований. Если раньше ученые изучали в основном политические институты и высшую политическую элиту с помощью относительно примитивных количественных методов, то теперь, благодаря использованию новых технологий сбора и анализа данных, политическая наука обогатилась исследованиями массового политического поведении граждан и элиты среднего уровня 24 .

Сторонники этого подхода считают, что с помощью жестко формализованных методов анализа нельзя заглянуть в глубину явлений и процессов. Индивид неповторим. Он — не проявление явления, а само явление. Политические акторы рассматриваются как сознательные существа, формирующие политический мир так же, как и он формирует их. Поэтому наиболее адекватными для изучения политических процессов являются так называемые качественные методы, используя которые исследователь ищет ответы на вопросы «Что это? Зачем это? Откуда это? Каковы причины этого?»

Выделение статистического и гуманитарного подходов основано на существовании в научном мире двух точек зрения относительно изучения реальности – позитивизма и релятивизма. Использование количественных методов базируется на позитивистских традициях. Эти традиции предполагают изучение политических процессов на основе эмпирических наблюдений и проверяемой теории. Именно поэтому позитивисты уделяют столь значительное внимание операционализации теоретических концептов, т.е. переводу теоретических понятий в наблюдаемые и измеряемые индикаторы.

Критики позитивизма доказывают, что внешней реальности не существует. Есть только социально конструируемая реальность, в которой сознательные индивиды сами интерпретируют свое поведение и поведение других, наделяют свои действия субъективными смыслами. В этом процессе люди не являются пассивными элементами, а выступают как активные действующие лица в оценке смысла своих и чужих действий. Они формируют мир так же, как и он формирует их. Это означает, что объяснение мира в целом и политических процессов, в частности, должно исходить из описания и понимания людей как сознательных и социальных акторов. Их мотивации, опыт и субъективные интерпретации — важные составляющие компоненты причинной цепочки событий. Задачи подобного анализа решаются при помощи качественных методов.

Качественные методы – это общее название широкого спектра техник сбора и анализа информации, таких как, включенное наблюдение (открытое и скрытое), интенсивное интервьюирование (глубинные индивидуальное и групповые интервью) и т.д.

Качественные методы играют большую, хотя и не всегда признаваемую роль в исследовании политических процессов. Эти методы применимы в тех случаях, когда целью исследования является изучение субъективного опыта людей и тех смыслов, которые они вкладывают в свои действия. Интенсивное интервьюирование, например, позволяет людям свободно выражать свое мнение на том языке, на котором они привыкли ежедневно общаться, предлагать собственные интерпретации событий. Свободное протекание общения позволяет понять логику аргументов и ту цепочку ассоциаций, которые привели участников к определенному типу поведения. Объяснение событий включает понимание и интерпретацию, а не описание общих законов массового поведения. Наконец, качественные методы привлекают определенное внимание к контекстуальным аспектам событий, помещая установки и поведение респондентов в контекст их индивидуальной биографии и более широкого социального окружения. Таким образом, качественные методы привлекают внимание к смыслам, процессу и контексту протекания событий.

Традиционно качественные методы применяются при изучении процесса вовлечения в политику, способов формирования элит, иерархической структуры, властных отношений, смыслов и сюжета политического процесса. Интенсивные интервью, например, проводились с активистами групп давления, для изучения политических сообществ (Грант и Марш, Миллс, Смит). Внутренняя политика партий также изучалась с помощью интервьюирования партийных функционеров и членов представительных органов власти (Сэйд, Уайтли). Качественные методы находят довольно широкое применение при изучении политики муниципальных органов власти в Британии (Деарлов, Гифорд, Лоундес и Стокер) и США (Джонс и Батчелор, Стоун). В меньшей степени качественные методы используются в исследованиях, касающихся центрального правительства, причиной чему, скорее всего, является большая закрытость «высокой» политики.

Сферой, в которой качественные методы практически отсутствуют, является область электоральных исследований. Здесь основным методом получения информации являются национальные выборочные опросы, дополняемые в последнее время панельными опросами, проводимыми после выборов. Однако и в эту сферу стали проникать качественные методы, использование которых подкрепляется тем аргументом, что электоральные исследования, проводимые на основе использования количественных методов, не обогащают наши знания пониманием мотивов и факторов политического поведения.

Статистический и гуманитарный подходы часто противопоставляют друг другу. Приверженцы качественных методов критикуют сторонников статистического подхода, выдвигая целый набор замечаний, претензий и даже обвинений. Исследователям, которые отдают предпочтение количественным методам, ставится в вину то, что они уделяют слишком большое внимание статистическим процедурам. При этом, якобы, остается в стороне понимание сущности изучаемых явлений и процессов, причинной цепочки событий.

Утверждается также, что сторонники количественных методов неверно представляют предмет своего исследования. Элементарная ошибка в конструировании выборки может повлечь за собой ошибки сбора и искажения выводов. Например, исследователи общественного мнения в России зачастую обращаются только к европейским русским. Правительственная, или так называемая официальная статистика, на которую опираются исследователи, может искажать реальную ситуацию. Респонденты могут говорить неправду, чтобы скрыть свое смущение, не высказывать социально неодобряемое мнение или суждение.

Сторонников количественных методов упрекают также в слишком узкой сфокусированности на предмете исследования, сравнивают эти методы ярким фонарём, который тёмной ночью высвечивает лишь незначительную часть действительности. Этот аргумент иллюстрируется, в частности, вопросниками с фиксированным веером возможных ответов, которые могут, по мнению критиков, существенно ограничить респондентов в праве высказать собственное мнение. Следовательно, при «жестких», формализованных опросах нельзя проникнуть в тонкую материю мотивов и смыслов поведения и действий опрашиваемых.

В свою очередь и качественные методы подвергаются критике, разумеется, со стороны приверженцев количественных методов. За исходные и истинные утверждения предлагается принять следующее. Количественные методы являются репрезентативными и верифицируемыми. Статистический анализ превращает исследовательские выводы в нечто, не подвергающееся сомнению. Результаты, полученные по итогам одного исследования, могут распространяться на большие совокупности явлений с большой долей определенности. И, наконец, количественные исследования дают «твердые» научные доказательства. В то же время считается, что качественные методы обладают серьезными недостатками, среди которых отмечаются следующие. Во-первых, нерепрезентативность выборки, сформированной для исследования. Во-вторых, возможность искажения мнения опрашиваемого из-за тесного контакта с ним интервьюера. В третьих, сложность анализа и интерпретации полученной информации, вытекающая из субъективного характера самих данных. В четвертых, невозможность создания на базе собранных данных обобщающей теории. Соответственно, качественные исследования являются нетипичными. Выводы, полученные при их использовании считаются частичными и подкрепленными лишь впечатлениями. В целом работы этого направлении нельзя относить к строго научным.

В этом споре не может быть победителя. Следует признать, что и качественные и количественные методы имеют свои ограничения. Поэтому самый важный вывод, вытекающий из рассмотрения двух концепций, заключается в том, что выбор подходов или баланс их сочетания должен обуславливаться целями исследованиями, исследовательскими задачами, исследовательской ситуацией. Это означает, что необходимо иметь в виду следующее. Так как статистический и гуманитарный подходы предполагают использование различных методов сбора и интерпретации информации, то применять их надо к различным типам исходных данных, а корректный конечный результат можно получить только при корректной постановке задачи.

Монополией на истину не обладают ни сторонники количественных методов, ни их оппоненты из лагеря приверженцев гуманитарных подходов. Грубейшей ошибкой будет возведение в абсолют любого подхода, претендующего на универсальность. Мир слишком сложен и многомерен, чтобы его можно было познать, пользуясь только одним, пусть даже очень тонким и совершенным инструментом, и мастерство исследователя состоит в овладении и в умении творчески применять весь инструментарий, наработанный научным сообществом.

1 Питерс Б.Г. Политические институты: вчера и сегодня// Политическая наука: новые направления. Под ред. Гудина Р., Клингемана Х.-Д. М., 1999. С. 219.

2 В российской политической науке отсутствуют термины, адекватно передающие смысл словосочетанияpublicadministration. Чаще всего его переводят как государственное и муниципальное управление. Принимая во внимание имеющиеся терминологические затруднения, мы сочли необходимым использовать в тексте пособия английское словосочетание.

3 Rhoder R.A.W. The Institutional Approach // Theory and Methods in Political Science. Ed. by Marsh D., Stoker G. Houndmills et al., 1997. P. 50.

4 Питерс Б.Г. Политические институты: вчера и сегодня// Политическая наука: новые направления. Под ред. Гудина Р., Клингемана Х.-Д. М., 1999. С. 220.

5 Истон Д. Политическая наука в Соединенных Штатах: прошлое и настоящее.// Современная сравнительная политология. Хрестоматия. Под ред. Голосова Г.В., Галкиной Л.А. М., 1997.С.13-14.

6 Напомним, что основными принципами «классического» позитивизма, сложившегося в противовес «спекулятивному» теориетизированию, были отказ от умозрительных рассуждений об обществе, создание «позитивной» социальной теории, которая должна была стать такой же доказательной и общезначимой, как и естественно-научные теории. Основными методами исследования признавались метод наблюдения, сравнительный и исторический методы, а также количественные методы. Для «классического» позитивизма был характерен органицим, что выражалось, в частности в постулировании наличия неизменных законов функционирования и развития общества, которые рассматривались как часть или продолжение природных законов. В целом представители позитивизма являлись сторонниками «классического типа научности», выступая за строгие исследователськие методы и принципиальную возможность и необходимость объективности научного познания.

7 Истон Д. Политическая наука в Соединенных Штатах: прошлое и настоящее.// Современная сравнительная политология. Хрестоматия. Под ред. Голосова Г.В., Галкиной Л.А. М., 1997.С.14.

8 Фактически бихевиоралисты выступали строгими приверженцами так называемого «классического» типа научности.

9 Истон Д. Политическая наука в Соединенных Штатах… С. 15

10 Riker W. The Ferment of the 1950s and the development of Rational Choice Theory// Contempopary Empirical Political Theory. Ed. by Manroe K.R. Berkeley et al., 1997. P. 194.

11 Easton D. The Future of the Postbehavioral Phase// Contempopary Empirical Political Theory. Ed. by Manroe K.R. Berkeley et al., 1997. P. 15.

12 Downs A. An Economic Theory of Democracy. NewYork, 1957.P. 28.

13 О теории игр на русском языке см. подробнее следующие учебные пособия: Голосов Г.В. Сравнительная политология. Новосибирск, 1995. Гл.1; Технология политической власти: Зарубежный опыт. Киев, 1994. Гл.8 (2).

14 Easton D. The Future of the Postbehavioral Phase in Political Science// Contemporary Empirical Political Theory. Ed.byMonroeK.R.Berkleyetal., 1997.

15 К. фон Бойме Политическая теория: эмпирическая политическая теория. // Политическая наука: новые направления. Под ред. Гудина Р., Клингемана Х.-Д. М., 1999. С.502.

16 Van Dijk T. Ideology: A Multidisciplinary Approach. London:Sage, 1998.P. 20.

17 Дука А.В. Политический дискурс оппозиции в современной России//Журнал социологии и социальной антропологии. 1998. Т. 1. № 1.

18 Этот процесс описывается в работе Дж.Пококка -J.Poccoc.Virtue and History. Essays on Political Thought and History, Chiefly in the Eighteen Century. Cambridge et al., 1985.

19 Easton D. The Future of the Postbehavioral Phase in Political Science// Contemporary Empirical Political Theory. Ed.byMonroeK.R.Berkleyetal., 1997.P.35.

20 У некоторых авторов дискурс понимается буквально, как речь, рассуждение, текст. М.Фуко в своей работе «Археология знаний» вводит понятия «дискурсивных практики», «дискурсивных формаций». Эти конструкты сложны для перевода и становятся понятными только в контексте всего творчества философа.

21 Мангейм Дж.Б., Рич Р.К. Политология. Методы исследования. М., 1997.

22 Влияние региональных СМИ на политическое сознание избирателей (Краткая справка по результатам исследования). – Исследовательская группа «Циркон», Автономная некоммерческая организация «Интерньюс», 15.02.2000. — Рукопись

23 Выборы-99: послесловие // Поле мнений. Дайджест результатов исследований. Фонд «Общественное мнение». Вып. 1. C. 28-32

источник