Методы обработки и анализа данных

В этом разделе указывается способ обработки эмпирической информации (ручной или машинный); содержание работы по под­готовке информации к обработке (контроль качества заполнения анкет, ручная кодировка ответов на открытые вопросы, редакция анкет, контроль на логическую непротиворечивость и т.п.); объем подготовительной работы и примерные затраты на ее выполнение.

Данные - первичная информация, полученная в результате социологичес­кого исследования; ответы респондентов, оценки экспертов, результаты наблюдения и т.п.

Собранные в эмпирическом исследовании факты получили в социологии название данных. Понятия «социологические данные» и «эмпирические данные» в учебниках и словарях, как правило, специально не определяются и обычно считаются синонимами. Такого рода понятия считаются чем-то само собой разумеющим­ся, привычным, знакомым для каждого профессионального соци­олога. Эмпирические данные появляются только на определенном)тапе - после проведения полевого обследования (массового сбора информации на объектах).

С социологическими данными можно производить следующие операции: 1) подготавливать их для обработки; шифровать, коди­ровать и т.д.; 2) обрабатывать (вручную или с помощью компью­тера); табулировать, рассчитывать многомерные распределения признаков, классифицировать и т.д.; 3) анализировать; 4) интер­претировать.

Этап анализа данных - комплекс процедур, составляющих ста­дии преобразования данных. В качестве основных выделяются: этап подготовки к сбору и анализу информации; оперативный этап первичной обработки данных, проверки надежности информации, формирования описательных данных, их интерпретации; резуль­тирующий этап обобщения данных анализа и реализации приклад­ной функции. На каждом этапе решаются относительно самосто­ятельные задачи. Вместе с тем ход анализа в исследовании отли­чается достаточно высокой гибкостью. Наряду с общей и установленной последовательностью этапов складываются опре­деленная цикличность и итеративность ряда процедур, возникает необходимость возврата к прежним этапам. Так, в ходе интерпре­тации полученных показателей и проверки гипотез для уточнения (объяснения) формируются новые подмассивы данных, изменя­ются или строятся новые гипотезы и показатели. Соответствен­но, представленные в схемах этапы и процедуры анализа задают лишь общее направление цикла анализа данных.

Анализ данных представляет собою своеобразную «вершину» всей процедуры социологического исследования, ее результатом, ради которого все, собственно, и проделывается. Методы анализа данных описываются в соответствии с разрабатываемой методи­кой сбора информации. Указываются такие универсальные про­цедуры анализа, как получение первичных (линейных) распреде­лений ответов на вопросы анкеты; двойные (парные) связи меж­ду изучаемыми признаками (переменными); коэффициенты связи, которые будут получены на ЭВМ.

Анализ данных - основной вид работ социологического иссле­дования, направленный на выявление устойчивых, существенных свойств, тенденции изучаемого объекта; включает выделение и расчет показателей, обоснование и доказательство гипотез, пост­роение выводов исследования. На его основе поддерживается логическая стройность, последовательность, обоснованность всех процедур исследования.

Основное назначение анализа данных: зафиксировать инфор­мацию об изучаемом объекте в виде признаков, определить ее надежность, выработать объективные и субъективно-оценочные характеристики и показатели исследуемого процесса, обосновать и проверить гипотезы, обобщить результаты исследования, уста­новить направления и формы их практического применения.

Основные нормативные требования: руководящая роль теоре­тических требований, методологических принципов; концептуаль­ная взаимосвязь всех этапов анализа с программой исследования, обеспечение полноты, надежности информации и процедур дос­товерности результатов исследования; систематизация, сжатие и более полное выражение информации за счет использования на всех этапах анализа логических, математико-статистических и информационных методов, эффективных процедур, современных технических средств; итеративность процесса анализа, повышение уровня обоснованности информации на каждом следующем эта­пе исследования; всемерное использование компетенции специ­алистов, развитие творческой инициативы исполнителей.

Программа анализа данных является составной частью про­граммы социологического исследования. Ее ведущие задачи: оп­ределение вида и состава необходимой информации, определение способов, средств ее регистрации, измерения, обработки и пре­образования, обеспечение надежности данных, определение форм интерпретации, обобщение данных, установление способов прак­тического применения результатов исследования.

Измерение - это приписывание, согласно определенным пра­вилам, числовых значений объектам, их признакам в виде эмпи­рических индикаторов и математических символов. С его помо­щью дается количественная и качественная оценка свойств, при­знаков объекта. Оно может быть рассмотрено как построение математической модели определенной эмпирической системы. Процедура измерения включает три основных этапа: выделение измеряемых величин из всего набора возможных величин, харак­теризующих объект; нахождение эталона; соотнесение эталона с измеряемой величиной и получение соответствующей числовой характеристики.

Важным инструментом измерения выступают в социологии из­мерительные шкалы. Измерительная шкала - основной инстру­мент социального измерения, в качестве эталона служит средством фиксации той или иной совокупности значений, интересующих исследователя. Шкала устанавливает определенную последовательность индикаторов. Она является средством анализа статистичес­кого материала. В ходе измерения с ее помощью качественно раз­нородные данные приводятся к сопоставимым количественным показателям. В зависимости от характера измеряемых признаков и задач их анализа используются различные шкалы: номинальная (для классификации объектов, их признаков), порядковая (для сравнения интенсивности проявления признака по возрастанию и убыванию), интервальная (для анализа интенсивности свойств объектов, выраженных величинами, разбитыми на равные интервалы), шкала отношений (для отражения отношений пропорции).

Организационный план исследования

Организационный план описывает распределение во времени выполнения этапов и отдельных процедур исследования. Он строится по схеме, традиционной для любого плана работы, включа­ющего содержание выполняемых видов работ, исполнителей и сроки выполнения. В плане исследования социолог указывает лишь наиболее крупные разделы.



Организационная работа в целом состоит из следующих этапов:

♦ организация отношений с заказчиками и соисполнителями исследования: а) оформление договоров и соглашений; б) обеспе­чение доступности источников информации (документов, наблюдаемых ситуаций, респондентов); в) обеспечение организацион­ных условий для проведения полевого исследования (время, по­мещение, условия, оргтехника);

♦ финансовое и кадровое обеспечение исследования;

♦ тиражирование методического инструментария;

♦ проведение пробного исследования;

♦ проведение основного исследования;

♦ обработка результатов исследования;

♦ интерпретация эмпирических данных и проверка рабочих гипотез исследования;

♦ обоснование теоретических выводов исследования;

♦ обсуждение с заказчиками результатов и практических рекомендаций;

♦ оценка эффективности внедрения практических рекомендаций.

Таким образом, в методическую часть программы социологического исследования входят три важных компонента, по отношению к которым другие элементы занимают второстепенное место:

♦ Методы выборки.

♦ Методы сбора данных.

♦ Методы анализа данных.

В программе обязательно надо давать характеристику методов и приемов сбора первичной информации (анкетного опроса, ин­тервью, анализа документов, наблюдения), описать логическую структуру применяемого методического инструментария, из ко­торой видно, на выявление каких характеристик, свойств предмета исследования направлен тот или иной блок вопросов; порядок расположения вопросов в инструментарии. Сам инструментарий прилагается к программе в качестве самостоятельного документа. Иногда сюда включают логические схемы обработки собранной информации, показывающие предполагаемый диапазон и глуби­ну анализа данных.

Обработка социологической информации - математико-статистическое преобразование данных, которое делает их компактны­ми, пригодными для анализа и интерпретации.

Когда мы приступаем к построению программы социологичес­кого исследования, то самым сложным и важным делом, предоп­ределяющим общий успех, является, пожалуй, создание теорети­ческой модели предмета исследования (ТМПИ).

Научный отчет

После завершения анализа данных результаты оформляются в итоговые документы исследования. По форме и назначению раз­личают три основных вида итоговых документов: 1) отчет; 2) на­учные публикации; 3) публикации в средствах массовой инфор­мации. Научный отчет адресован заказчику, научная статья - спе­циалистам, а публикация в прессе - широкой публике.

Объем научного отчета в фундаментальном исследовании очень большой, а его структура повторяет в основных чертах програм­му исследования.

Объем заключительного отчета в прикладном исследовании, в частности маркетинговом, обычно меньше, так как не включает теоретико-методологический раздел. Его структура также прибли­жается к структуре программы прикладного исследования. Тот и другой наряду с полной формой имеют еще краткую. Краткая форма отчета о фундаментальном исследовании состоит из 22-24 страниц. Краткий вариант прикладного отчета не превышает 10 страниц.

Структура, объем и содержание научного отчета ориентированы на своего потребителя - профессиональных коллег в первом случае и менеджеров компании заказчика во втором. Коллег боль­ше интересует описание методики исследования, используемых понятий, способ их операционализации, репрезентативность данных и иные атрибуты академического исследования. Ничего такого администрации компании не нужно. Главное для них - простой и ясный язык изложения, четкость и практическая эффективность рекомендаций.

Свой научный отчет академический ученый сдает руководству своего института (факультета) либо представителям научного фонда, от которого получен грант на исследование. Прикладник же отправляет свои документы непосредственно заказчику - адми­нистрации области или частной компании.

Если научный отчет адресован заказчику, то научная статья - специалистам, а публикация в прессе - широкой публике. Поло­жение преподавателя зависит от качества и количества читаемых лекций, спецкурсов, семинаров, выступлений на научных конфе­ренциях, числа защищенных диссертантов.

Материальное благополучие прикладника определяется тем, насколько удачным показался его отчет заказчику. Даже если исследование проведено недостаточно хорошо, некоторые его огрехи можно прикрыть прекрасно выполненным отчетом.

Судьба академического ученого прежде всего зависит от количества и качества научных публикаций. Ими определяются статус и социальный ранг специалиста, авторитет и уважение в профессиональном сообществе. На основе опубликованных данных решается основной вопрос - о научной новизне и при­оритете.

Какой бы ни была судьба научного отчета, он является глав­ным итоговым документом, включающим всю содержательную информацию, полученную в результате исследования.

Структурно заключительный отчет делится на три части: ввод­ную, основную и заключительную.

Вводная часть включает титульный лист, договор на проведе­ние исследования, меморандум, оглавление, перечень иллюстра­ций и аннотацию.

Введение ориентирует читателя на ознакомление с результата­ми отчета. Оно содержит описание общей цели отчета и целей in следования, актуальности его проведения.

Основная часть отчета состоит из введения, характеристики методологии исследования, обсуждения полученных результатов, констатации ограничений, а также выводов и рекомендаций.

В методологическом разделе описываются: кто или что явилось объектом исследования, используемые методы. В конце приводят­ся выводы и рекомендации. Выводы основываются на результа­тах проведенного исследования. Рекомендации представляют со­бой предположения относительно того, какие следует предпринять действия исходя из изложенных выводов.

В заключительной части приводятся приложения, содержащие дополнительную информацию, необходимую для более глубоко­го осмысления полученных результатов. Приводятся ссылки на авторов и источники использованных методов.

Кроме полного обзора необходимо представить еще и краткий обзор, который считается наиболее важной частью отчета. Мно­гие заказчики читают только его. Другие прочитают больше, но даже они будут использовать краткий отчет в качестве руковод­ства к практическим действиям. Он представляет собой не выжим­ку из полного отчета, где все положения излагаются в сжатой форме, не краткое изложение сути существенных результатов и заключений. Успешный краткий отчет акцентирует внимание на всех важных моментах основной части отчета. Надлежащим об­разом написанный, он экономит время занятых руководителей без ущерба для качества.

В этом разделе указывается способ обработки эмпирической информации (ручной или машинный); содержание работы по подготовке информации к обработке (контроль качества заполнения анкет, ручная кодировка ответов на открытые вопросы, редакция анкет, контроль на логическую непротиво­речивость и т.п.); объем подготовительной работы и примерные затраты на ее выполнение.

Собранные в эмпирическом исследовании факты получили в социологии на­звание данных. Понятия «социологические данные» и «эмпирические данные» в учебниках и словарях, как правило, специально не определяются и обычно счи­таются синонимами. Такого рода понятия считаются чем-то само собой разумею­щимся, привычным, знакомым для каж­дого профессионального социолога. Эм­ пирические данные появляются только на определенном этапе - после проведения полевого обследования (массового сбора информации на объектах).

С социологическими данными можно производить следующие операции: 1) подготавливать их для обработки; шифровать, кодировать и т.д.; 2) обраба­тывать (вручную или с помощью компьютера); табулировать, рассчитывать многомерные распределения признаков, классифицировать и т.д.; 3) анали­зировать; 4) интерпретировать.

Этап анализа данных - комплекс процедур, составляющих стадии пре­образования данных. В качестве основных выделяются: этап подготовки к сбору и анализу информации; оперативный этап первичной обработки дан-

ных, проверки надежности информации, формирования описательных дан­ных, их интерпретации; результирующий этап обобщения данных анализа и реализации прикладной функции. На каждом этапе решаются относитель­но самостоятельные задачи. Вместе с тем ход анализа в исследовании от­личается достаточно высокой гибкостью. Наряду с общей и установленной последовательностью этапов складываются определенная цикличность и итеративность ряда процедур, возникает необходимость возврата к прежним этапам. Так, в ходе интерпретации полученных показателей и проверки ги­потез для уточнения (объяснения) формируются новые подмассивы дан­ных, изменяются или строятся новые гипотезы и показатели. Соответствен­но, представленные в схемах этапы и процедуры анализа задают лишь об­щее направление цикла анализа данных.



Анализ данных представляет собою своеобразную «вершину» всей проце­дуры социологического исследования, ее результатом, ради которого все, собственно, и проделывается. Методы анализа данных описываются в соот­ветствии с разрабатываемой методикой сбора информации. Указываются такие универсальные процедуры анализа, как получение первичных (линей­ных) распределений ответов на вопросы анкеты; двойные (парные) связи между изучаемыми признаками (переменными); коэффициенты связи, ко­торые будут получены на ЭВМ.

Рис. 6. Анализ данных - наиболее важная часть социологического исследования

Анализ данных - основной вид работ социологического исследования, направленный на выявление устойчивых, существенных свойств, тенденции изучаемого объекта; включает выделение и расчет показателей, обоснование и доказательство гипотез, построение выводов исследования. На его основе поддерживается логическая стройность, последовательность, обоснованность всех процедур исследования.

Основное назначение анализа данных: зафиксировать информацию об изу­чаемом объекте в виде признаков, определить ее надежность, выработать объективные и субъективно-оценочные характеристики и показатели иссле­дуемого процесса, обосновать и проверить гипотезы, обобщить результаты ис­следования, установить направления и формы их практического применения.

Основные нормативные требования: руководящая роль теоретических тре­бований, методологических принципов; концептуальная взаимосвязь всех этапов анализа с программой исследования, обеспечение полноты, надеж­ности информации и продедур достоверности результатов исследования; си­стематизация, сжатие и более полное выражение информации за счет исполь­зования на всех этапах анализа логических, математико-статистических и ин­формационных методов, эффективных процедур, современных технических средств; итеративность процесса анализа, повышение уровня обоснованно­сти информации на каждом следующем этапе исследования; всемерное ис­пользование компетенции специалистов, развитие творческой инициативы исполнителей.

Программа анализа данных является составной частью программы социо­логического исследования. Ее ведущие задачи: определение вида и состава необходимой информации, определение способов, средств ее регистрации, измерения, обработки и преобразования, обеспечение надежности данных, определение форм интерпретации, обобщение данных, установление спосо­бов практического применения результатов исследования.

Измерение - это приписывание, согласно определенным правилам, чис­ловых значений объектам, их признакам в виде эмпирических индикаторов и математических символов. С его помощью дается количественная и каче­ственная оценка свойств, признаков объекта. Оно может быть рассмотрено как построение математической модели определенной эмпирической систе­мы. Процедура измерения включает три основных этапа: выделение изме­ряемых величин из всего набора возможных величин, характеризующих объект; нахождение эталона; соотнесение эталона с измеряемой величиной и получение соответствующей числовой характеристики.

Важным инструментом измерения выступают в социологии измерительные шкалы. Измерительная шкала - основной инструмент социального измере­ния, в качестве эталона служит средством фиксации той или иной совокуп­ности значений, интересующих исследователя. Шкала устанавливает опреде­ленную последовательность индикаторов. Она является средством анализа статистического материала. В ходе измерения с ее помощью качественно раз­нородные данные приводятся к сопоставимым количественным показателям. В зависимости от характера измеряемых признаков и задач их анализа исполь­зуются различные шкалы: номинальная (для классификации объектов, их признаков), порядковая (для сравнения интенсивности проявления призна­ка по возрастанию и убыванию), интервальная (для анализа интенсивности свойств объектов, выраженных величинами, разбитыми на равные интерва­лы), шкала отношений (для отражения отношений пропорции).

Организационный план исследования

Организационный план описывает распределение во времени выполне­ния этапов и отдельных процедур исследования. Он строится по схеме, тра-

диционной для любого плана работы, включающего содержание выполняе­мых видов работ, исполнителей и сроки выполнения. В плане исследования социолог указывает лишь наиболее крупные разделы.

Организационная работа в целом состоит из следующих этапов:

♦ организация отношений с заказчиками и соисполнителями исследова­ния: а) оформление договоров и соглашений; б) обеспечение доступности ис­точников информации (документов, наблюдаемых ситуаций, респондентов); в) обеспечение организационных условий для проведения полевого иссле­дования (время, помещение, условия, оргтехника);

♦ финансовое и кадровое обеспечение исследования;

♦ тиражирование методического инструментария;

♦ проведение пробного исследования;

♦ проведение основного исследования;

♦ обработка результатов исследования;

♦ интерпретация эмпирических данных и проверка рабочих гипотез ис­следования;

♦ обоснование теоретических выводов исследования;

♦ обсуждение с заказчиками результатов и практических рекомендаций;

♦ оценка эффективности внедрения практических рекомендаций.

Таким образом, в методическую часть программы социологического ис­следования входят три важных компонента, по отношению к которым дру­гие элементы занимают второстепенное место:

♦ Методы выборки.

♦ Методы сбора данных.

♦ Методы анализа данных.

НАУЧНЫЙ ОТЧЕТ

Программа исследования играет важную роль и при оформлении итоговы> документов исследования. По форме и назначению различают три основны? вида итоговых документов: 1) отчет; 2) научные публикации; 3) публикации i средствах массовой информации. Научный отчет адресован заказчику, науч­ная статья - специалистам, а публикация в прессе - широкой публике.

Объем научного отчета в фундаментальном исследовании очень большой а его структура повторяет в основных чертах программу исследования.

Объем заключительного отчета в прикладном исследовании, в частноста маркетинговом, обычно меньше, так как не включает теоретико-методоло гический раздел. Его структура также приближается к структуре программь прикладного исследования. Тот и другой наряду с полной формой имеют егя< краткую. Краткая форма отчета о фундаментальном исследовании состой" из 22-24 страниц. Краткий вариант прикладного отчета не превышает К страниц.

Структура, объем и содержание научного отчета ориентированы на своеп потребителя - профессиональных коллег в первом случае и менеджеров ком пании заказчика во втором. Коллег больше интересует описание методики ис

следования, используемых понятий, способ их операционализации, репрезен­тативность данных и иные атрибуты академического исследования. Ничего та­кого администрации компании не нужно. Главное для них - простой и ясный язык изложения, четкость и практическая эффективность рекомендаций.

Свой научный отчет академический ученый сдает руководству своего ин­ститута (факультета) либо представителям научного фонда, от которого по­лучен грант на исследование. Прикладник же отправляет свои документы не­посредственно заказчику - администрации области или частной компании.

Материальное благополучие прикладника определяется тем, насколько удачным показался его отчет заказчику. Даже если исследование проведено недостаточно хорошо, некоторые его огрехи можно прикрыть прекрасно выполненным отчетом.

Судьба академического ученого прежде всего зависит от количества и ка­чества научных публикаций. Ими определяются статус и социальный ранг специалиста, авторитет и уважение в профессиональном сообществе. На основе опубликованных данных решается основной вопрос - о научной новизне и приоритете.

Какой бы ни была судьба научного отчета, он является главным итого­вым документом, включающим всю содержательную информацию, получен­ную в результате исследования.

Структурно заключительный отчет делится натри части: вводную, основ­ную и заключительную.

Вводная часть включает титульный лист, договор на проведение иссле­дования, меморандум, оглавление, перечень иллюстраций и аннотацию.

Введение ориентирует читателя на ознакомление с результатами отчета. Оно содержит описание общей цели отчета и целей исследования, актуаль­ности его проведения.

Врезка

Г.А. Черчилль

Опрос – метод сбора данных посредством устного и письменного обращения исследователя к респондентам с вопросами, содержание которых освещает проблему. Вопрос – высказывание исследователя, адресуемое респонденту и требующее от него ответа.

МЕТОДЫ ОПРОСА – Анкетирование и интервью.

Анкетирование – письменный опрос респондентов посредством анкеты.

Структура анкеты включает вводную часть с инструктажем и формулировкой цели исследования, основную часть с опросным листом и паспортичку, содержащую социально-демографические данные респондентов. Опрос при анкетировании бывает раздаточным, почтовым, телефонным, прессовым, социометрическим (анализ межличностных отношений в малой группе), экспертным – опрос специалистов по проблеме.

Интервью – беседа исследователя с респондентом. Виды – свободное, нестандартизированное интервью; стандартизированное, формализованное интервью (беседа по фиксированному вопроснику и плану); фокусированное – изучения общественного мнения о конкретном факте; глубинное – выяснение общественного мнения по широкому кругу вопросов.

Наблюдение – визуальная и слуховая регистрация исследователем событий и условий, в которых они произошли. Виды – формализованные (определен объект, предмет, состав элементов) и неформализованные (определяется только объект наблюдения, но не события); включенные (социолог участвует в событиях, скрытые и открытые) и невключенные (исследователь не вмешивается в события); полевые (в естественной среде) и лабораторные (в искусственной среде и контролируемых условиях); систематическое (последовательное наблюдение по графику).

Эксперимент - получение информации в контролируемых и нестандартных для объекта условиях, о динамике его контрольных свойств. Виды – полевой (воздействие экспериментального фактора на объект в реальной социальной ситуации), лабораторный (экспериментальный фактор в искусственной ситуации), мысленный (эксперимент на основе информации о явлении, её моделировании).

Анализ документов – извлечение из документальных источников информации при изучении явлений для решения определенных исследовательских задач. Контент-анализ – метод анализа документов, основанный на стандартизации процедур изучения содержания текста.

Контрольные вопросы

1. Что такое социологическое исследование?

2. Какие виды социологических исследований различают?

3. Как составляется программа социологического исследования?

4. Что такое выборка?

5. Что такое репрезентативность выборки?

6. Чем различаются понятия «генеральная совокупность», «выборочная совокупность»?

Тема 15. Методы обработки и анализа информации.

1. Обработка и анализ социологической информации.

2. Научное описание данных, составление отчета.

1 . Обработка и анализ социологической информации. Заключительный этап социологического исследования предполагает обработку и анализ данных, полученных в ходе исследования.

Что же такое данные в социологии? Данные - это собранная, формализованная и структуриро­ванная в процессе исследования эмпирическая социологическая информация. Формализация - это совокупность процедур форми­рования выборки, доступа к социо­логической информации, ее фиксации и измерения. Структуриро­вание включает в себя определение списка измерения показателей (их называют переменными), а также списка объектов, которые необходимо обследовать (выборка).

Обработка данных включает в себя следующие действия:

1. Редактирование и кодирование информации. Цель – проверка и формализация информации: методического инструментария на точность, полноту и качество заполнения, выбраковка некачественно заполненных анкет. Если отсутствуют ответы респондента более чем на 20% вопросов, то опросник исключается как некачественный.

Кодирование информации - перевод на язык формализованной обработки данных.

2. Статистический анализ – выявление некоторых скрытых статистических закономерностей, выделить наиболее существенные взаимосвязи между переменными, позволяющие сделать выводы и обобщения. К основным методам статистической обработки данных относят:

1) факторный анализ – это выявление факторов, которые позволяют представить часть информации в удобном виде. Например, обобщенные характеристики поведения личности, определяемые как её черты.

2)кластерный анализ – выделение ведущего признака и иерархии взаимосвязи признаков.

3) дисперсионный анализ – изучение одной или нескольких одновременно действующих и независимых переменных на изменчивость наблюдаемого признака. Наблюдаемый признак может быть только количественным, а объясняющие признаки количественными и качественными.

4) регрессионный анализ - выявление численной зависимости среднего значения изменений результативного признака (объясняемой) от изменений объясняющих переменных (признаков). Цель – понять насколько изменяется средняя величина одного признака при изменении на единицу другого признака.

5) латентно-структурный анализ – исследование проявлений сложных взаимосвязей непосредственно ненаблюдаемых характеристик социальных явлений (внутренней структуры связи между признаками).

6) многомерное шкалирование – выявление в виде наглядной оценки различий или сходства между объектами, описываемыми большим количеством разных переменных. Различия представляются в виде расстояния между оцениваемыми объектами в многомерном пространстве.

Простой формой обобщения данных является их группировка – объединение по существенным признакам единиц исследуемого объекта в однородные совокупности. Процедура требует расчленения разнородных явлений в однородные; нахождение общих и однотипных явлений; определения признаков разграничения типов, интервала перехода одного типа к другому.

Различают такие виды группировок:

1. суммирование однородных признаков для определения абсолютного числа их проявлений в изучаемой совокупности.

2. ранжирование – группировка единиц совокупности в зависимости от возрастания или убывания изучаемого признака.

3. шкалирование – на основе логически выделенных признаков при помощи заранее разработанной порядковой или интервальной шкалы (трехмерной; многомерной; двухсторонней (интересуется/ не интересуется)). Каждому пункту шкалы дается определенное числовое обозначение.

4. табулирование – построение статистических таблиц (сводка данных по годам относительно ситуации и т.д.).

Первый из таких принципов - согласование интерпретации с исходной теоретической моделью изучаемых социальных явлений и процессов, сконструированной в программе социологического исследования.

Второй важный принцип - принцип дополнительности, со­стоящий в том, чтобы в процессе осуществления интерпретации полученных данных нашли воплощение содержательные сообра­жения, не отразившиеся в истолковании исходных данных, ибо без этого не может быть нового социологического знания об изучае­мом социальном объекте, а само исследование утрачивает смысл.

Третий принцип - глубокое осмысление социальной сущно­сти каждого выделенного в процессе статистического анализа эле­мента (признака) изучаемого объекта с точки зрения «содержа­тельных последствий» его взаимодействия с другими - явными и латентными - его признаками и факторами.

Четвертый принцип - проверка на основе качественного анализа исходных гипотез путем их соотнесения с полученными выводами, на предмет их подтверждения или не подтверждения (опровержения). Чаще всего для проверки гипотез в социологических исследованиях используют статистические мето­ды (вычисление средних величин, коэффициентов взаимозависи­мости и др.), что позволяет получить вероятностные оценки обоснованности выдвигаемых гипотез, их подтверждаемости/неподтверждаемости.

2. Результаты исследования отражаются в отчете – итоговом документе. Полученные в процессе прикладного социологического ис­следования данные в процессе анализа, обобщения и осмысления включаются в определенный социальный контекст, детермини­руемый существенными особенностями и тенденциями исследуе­мого социального явления или процесса. Такое «включение» со­ставляет тот социальный фон, на котором из интерпретации, типологизации и сопоставления полученных эмпирических данных строятся теоретические обобщения и выводы, формулируются ре­комендации для совершенствования управленческого воздействия на изучаемые социальные объекты. В этом и состоит заключи­тельный этап социологического исследования - подготовка итог вого отчета и последующее предоставление его заказчику.

Отчет должен содержать: титульный лист, список исполнителей, реферат, содержание, перечень условных обозначений и символов, введение, основную часть, заключение, список использованной литературы, приложение.

Анализ и обобщение результатов социологических исследо­ваний создают возможность осуществления социологического предвидения, т.е. вероятностного предсказания возможных вариан­тов развития социальных процессов и явлений. Основной формой конкретизации предвидения является социальное прогнозирова­ние. Прогнозирование - это научное исследование перспектив раз­вития или возможного состояния исследуемого объекта и состав­ление на этой основе прогноза наиболее вероятного его изменения в будущем.

Практическая реализация результатов социологического исследования осуществляется совместными, желательно хорошо согласованными и скоординированными действиями, производи­мыми как специалистами, разработавшими программу и инстру­ментарий, а также осуществившими само исследование, так и за­казчиками - управленческим аппаратом государственных органов, учреждений, руководителями частных фирм, банков, обществен­ных организаций и т.п. Только в таком случае они принесут ожи­даемый и серьезный практический эффект. В этом состоит основ­ной канал практического внедрения результатов социологического исследования.

Методы обработки и анализа числовых данных представлены большим многообразием и включают в себя как классические методы элементарной математики (методы приближенных вычислений, комбинаторики, алгебраические методы и др.), так и методы, оформившиеся в результате развития отрасли системно-кибернетических исследований. Следует сразу оговориться, что по предмету анализа (тому, что стоит за числами) эти методы различаются существенно, а вот, что касается формального аппарата, то в целом он универсален для всей математики. Речь не идет о том, что авторы не видят различий между формализмом методов дифференциального исчисления и методов комбинаторики. Речь идет о другом - о том, что ни один из методов обработки числовых данных при анализе сложных систем не является самодостаточным.

Семантическая компонента формальной системы, используемой для представления данных, полученных в результате процедур принципиально различного типа, обычно остается вне поля зрения аналитика вплоть до завершения цикла аналитической обработки, когда привлекается модель интерпретации результатов. Но, в то же время, именно семантическая компонента определяет саму схему обработки данных (содержание метода) .

В рамках рассмотрения методов обработки и анализа числовых данных мы не будем рассматривать математические процедуры и операции, традиционно используемые для обработки результатов инструментальных измерений. Наше внимание будет сосредоточено на проблемах обработки численных данных, полученных в результате проведения опроса экспертов, поскольку этот класс данных отличается отсутствием возможности аналитическим путем оценить точность полученных данных. В числе таких методов следует выделить два класса:

Методы экспертных оценок представляют собой еще одну разновидность способов привлечения опыта и знаний экспертов для решения задач управления и анализа сложных систем. Метод экспертных оценок представлен множеством модификаций, и, по мнению некоторых авторов, является более широким классом, нежели такие классы методов, как мозговые атаки, методы типа Дельфи и иные, основанные на опросе мнений экспертов. Но авторы этой книги считают иначе - не стоит смешивать различные виды классификаций: классификацию по способу активизации мышления, классификацию по источнику знаний и классификацию по способу обработки полученных данных.

По причине такого смешения и возникла путаница - методы экспертных оценок по источнику знаний равноценны методам коллективной генерации идей, методам типа Дельфи и методам опроса экспертов, по способу обработки - включает перечисленные методы, а к классу методов активизации мышления вообще никак не относится. Заметим, что в данном случае мы сосредоточим внимание на способе обработки данных, полученных в ходе экспертных опросов, на методах анализа экспертных оценок .

Рассматривая возможность использования экспертных оценок, обычно исходят из того, что неизвестная характеристика исследуемого явления может трактоваться как случайная величина, знаниями о законе распределения которой располагает специалист-эксперт. Также предполагается, что эксперт в силах оценить достоверность и значимость того или иного события, происходящего в системе. То есть, применительно к группе экспертов, считается, что истинное значение исследуемой характеристики находится внутри диапазона экспертных оценок, полученных от группы, и что в результате обобщения мнений экспертов может быть получена достоверная оценка.

Однако это не всегда так, поскольку все зависит от первоначального объема знаний о системе и степени изученности проблемы. Если знания экспертов в данной предметной области достаточно обширны, для того, чтобы полагать группу экспертов «хорошим измерителем», тогда, действительно, предположение об адекватности коллективной оценки небеспочвенно. Но если такой уверенности нет, многие приемы обработки данных экспертных опросов оказываются не только неэффективны, но и вредны. Организатор опроса должен сознавать, в какой из перечисленных ситуаций он пребывает . В зависимости от этого, внимание может концентрироваться на «случайных выбросах», как элементе нового знания, которое стоит рассматривать, как вероятно плодотворный подход (коль скоро общепринятые теории не дают желаемого результата).

Надо сказать, что должность эксперта не является экзотической для государственного устройства России. Так, мало кто из опрошенных нами сотрудников информационно-аналитических подразделений смог расшифровать хорошо известное по школьному курсу русской литературы словосочетание «коллежский асессор». Каково же было их удивление, когда они узнали, что на самом деле оно соответствует современной должности «эксперт коллегии», «научный консультант»!

Обычно, когда речь идет о применении экспертных оценок, рассматривается целый комплекс проблем, так или иначе связанных с этой процедурой, при этом рассматривают:

    Процедуры формирования экспертных групп (это и требования к квалификации экспертов, их психологическим характеристикам, размерам групп, и вопросы тренировки экспертов);

    Формы проведения экспертного опроса (способы проведения анкетирования, интервьюирования, смешанные формы) и методики организации опроса (создание психологической мотивации, методики анкетирования, применения методов активизации мышления);

    Подходы к оцениванию результатов (ранжирование, нормирование, различные виды упорядочения, включая методы предпочтений, попарных сравнений и др.) и методы обработки экспертных оценок;

    Способы определения согласованности мнений экспертов, достоверности экспертных оценок (например, статистические методы оценки дисперсии, оценки вероятности для заданного диапазонаизменений оценок, оценки ранговой корреляции, коэффициента конкордации и иные);

    Методы повышения согласованности оценок путем применения соответствующих способов обработки результатов экспертного опроса.

Пункты 1 и 2 данного перечня отчасти рассмотрены в подразделе, посвященном методам активизации мышления, и в большей степени относятся к проблемам организационного плана. Здесь же наш интерес будет сосредоточен на проблемах, перечисленных в пунктах 3‑5.

Существенный интерес с точки зрения механизмов обработки экспертных оценок представляет проблема выбора вида шкал, используемых в ходе опроса. Выделяются следующие классы шкал :

    шкалы равномерные и неравномерные;

    шкалы абсолютные и нормированные;

    шкалы дискретные и непрерывные;

    шкалы одноуровневые и иерархические;

    шкалы измерений и отношений;

    шкалы одномерные и многомерные.

Равномерные шкалы представляют собой такой вид шкал, для которых расстояние (модуль метрики) между любой парой ближайших терминов является постоянным, это условие должно выполняться и для пространственной интерпретации шкалы.

Неравномерные шкалы представляют собой такой вид шкал, для которых либо геометрическое расстояние, либо расстояние измеренное в пространстве признаков (модуль метрики) между соседними двумя терминами не является постоянным в рамках шкалы. Используются тогда, когда некий интервал значений представляет особый интерес для исследователя, для чего число терминов в этом интервале увеличивается, либо производится смена масштаба отображения (что редко обходится без введения новых терминов или их квантификаторов).

Абсолютные шкалы - это шкалы, на которых в качестве терминов выступают конкретные значения абсолютных величин. Чаще всего такие шкалы используются при отображении результатов, полученных на выборках равного объема, либо для протоколирования оценок экспертов.

Нормированные шкалы - это шкалы, на которых расстояние между соседними терминами измеряется в долях или кратно (в разах) некоторой величине, то есть, эти шкалы выражаются в относительных единицах. В качестве «нормы» может быть взят объем конкретной выборки (при сопоставлении частотно-рангового распределения выборок разного объема), максимальное значение некоторой величины и иные величины, относительно которых могут выполняться операции сравнения. Например, в качестве величины, относительно которой может быть нормирована некая шкала, иногда рассматривают и значение наименьшей величины - в этом случае расстояние между терминами этой шкалы будет по модулю равно этой величине.

Применение дискретных шкал основано на установлении соответствия между некоторым фиксированным множеством терминов-оценок и совокупностью численных показателей, подлежащих дальнейшей обработке. Такой подход позволяет сократить разброс характеристик к необходимому уровню разнообразия и стандартизировать тезаурус. Существует ряд ограничений на мощность множества терминов, связанных с тем, что чрезмерное разрастание этого множества ухудшает восприятие шкалы из-за усложнения процедуры различения смежных терминов экспертом. В ряде случаев это может привести к снижению темпов работы экспертов, возникновению стрессовых ситуаций в ходе опроса, вызванных сложностью идентификации термина с оценкой эксперта. Другой крайностью является излишняя терминологическая бедность шкалы, приводящая к снижению точности оценки. Разрешению этой проблемы отчасти может способствовать использование иерархических шкал.

Непрерывные шкалы получили особое распространение в системах анкетирования, реализованных на базе ЭВМ, однако используются и на традиционных носителях. Данная разновидность шкал отличается тем, что для оценивания используется пространственная интерпретация шкалы, в виде некоторого непрерывного интервала, заданного двумя терминами, используемыми для обозначения верхней и нижней границы диапазона (этот диапазон ставится в соответствие шкале оценок заданной инструментальной точности). Этим снимается проблема «терминологического» стресса, однако возникает проблема точности установления экспертом пространственной координаты, соответствующей его субъективной оценке. В случаях, когда перед экспертом стоит задача ранжирования оценок, такой вид шкал может оказаться менее удобен, поскольку отсутствие явной маркировки осложняет решение задачи сравнения.

Одноуровневые или плоские (flat) шкалы предполагают размещение всего множества терминов в рамках одного диапазона без введения элементов иерархического упорядочения. Этот вид шкал наиболее распространен, и по своей сути представляет собой разновидность одноуровневой классификации. Применение такого вида шкал является оправданным при малом количестве терминов, выражающих субъективную оценку эксперта, однако по мере роста мощности множества терминов, точность результатов начинает снижаться. Для непрерывных шкал одноуровневое представление является наиболее естественным.

Иерархические шкалы представляют собой интерпретацию иерархической классификации, в которой разделение на классы осуществляется на основе критерия принадлежности к некоторому диапазону. Использование иерархических шкал позволяет улучшить различимость терминов, упорядочить их и обеспечить их согласование с тезаурусом пользователя. Попадая в тот или иной диапазон, заданный термином (или парой терминов) более высокого уровня в иерархической классификации, эксперт получает возможность уточнить его на более низком (детальном) уровне. За счет использования такого подхода компенсируются недостатки дискретных одноуровневых шкал, снимается «терминологический» стресс и повышается инструментальная точность измерения. В сочетании с непрерывными шкалами, как правило, не применяются. Наиболее распространены при проведении опроса с помощью ЭВМ.

Шкалы измерений предназначены для протоколирования субъективных оценок экспертами некоторых величин и позволяют сформулировать мнение о значении или диапазоне значений некоторой величины в абсолютных терминах.

Шкалы отношений отличаются тем, что предназначены для протоколирования субъективных оценок экспертами отношений порядка, причинно-следственных отношений и иных. Данная разновидность шкал оперирует относительными терминами. Наиболее распространены они при решении задач с высокой неопределенностью.

Одномерные шкалы применяются в тех случаях, когда свойства объекта/процесса достаточно полно могут быть выражены в одномерном пространстве признаков. При этом одномерная шкала может быть как дискретной, так и непрерывной.

Многомерные шкалы применяются, если свойства объекта/процесса не могут быть адекватно выражены в одномерном пространстве признаков (такое, например, бывает в случае, когда одним термином описывается некое комплексное явление, характеризующееся большим разбросом несвязанных между собой параметров). Нередко используются так называемые номографические шкалы, для которых характерно выделение на шкале, построенной в некоторой системе координат, кривых или поверхностей, для которых выполняется некоторое условие (функциональная зависимость), связывающее параметры, отложенные по координатным осям. Номографические шкалы позволяют оценить область пространства, в которой находится некоторая группа решений задачи или, наоборот, выдвинуть гипотезу о принадлежности априори неизвестной функциональной зависимости некоторому классу. Для представления многомерных шкал часто используются различные двухмерные отображения объемных тел, выступающих в качестве метафоры многомерного пространства. Однако, в силу действия ограничений пространственного мышления человека, в случае необходимости отображения многомерной шкалы с количеством параметров, превышающим три, как правило, используются связные развертки таких тел или совокупность связных (по одному или двум параметрам) двухмерных или трехмерных шкал.

Приведенная классификация шкал позволяет осмыслить ранее введенное понятие метрики или меры близости, поскольку использование шкал дает возможность перейти от абстрактного к предметному мышлению, благодаря возможности пространственной интерпретации терминов. Следует заметить, что переход от абстрактного мышления к предметному является одним из мощнейших инструментов активизации мышления , такие переходы на некоторых этапах анализа обеспечивают возможность априорной верификации гипотез (без проведения эксперимента). В явном виде представленное пространство признаков позволяет выбрать класс метрик, пригодных для сравнения экспертных оценок, и методов их анализа.

В зависимости от типа геометрической интерпретации пространства могут использоваться различные методы упорядочения, сравнения, вычисления среднего значения и так далее. Пространства признаков могут быть векторными (с учетом направления), скалярными, неметризованными, евклидовыми, сферическими и иными - в зависимости от выбора для выполнения перечисленных операций используется различный математический аппарат. Наиболее распространенными видами геометрической интерпретации пространства признаков являются так называемые евклидовы векторные пространства, в которых определены операции сложения и умножения на действительные числа, а также операция скалярного произведения, что позволяет вводить метрику для определения расстояний, длин векторов и решения иных задач. Характерно, что такие системы могут быть переведены в ортонормированный базис, что позволяет воспользоваться привычными приемами тригонометрических вычислений.

После того, как некоторым способом (анкетирование, опрос по системе Дельфи, мозговой штурм и т. п.) была получена совокупность экспертных оценок по некоторой проблеме, от этапа сбора данных методом экспертных оценок переходят к процедуре обработки и оценивания результатов . Здесь большую роль играет то, каким образом на этапе составления анкеты или логической схемы опроса было организовано пространство признаков, соответствовала ли система шкал задачам, решаемым в ходе опроса, существует ли возможность сопоставить полученные результаты и вывести по ответам экспертов некую закономерность. Мы не случайно вновь упомянули шкалы и пространство признаков: очевидно, что одно дело обрабатывать величины дискретные, а другое - непрерывные, или, что решение задачи меньшей размерности проще, чем решение задачи большой размерности, в которой трудно выделить логически независимые блоки.

Для решения задачи обработки и анализа экспертных оценок широко используются как общие математические и статистические методы, так и специфические методы - такие, как:

    методы ранжирования и гиперупорядочения;

    методы попарных сравнений;

    метод отбрасывания альтернатив;

    алгоритмы отыскания медианы и иные.

Важную группу методов образуют методы математической обработки результатов измерений 76:

    методы отбраковки результатов аномальных измерений;

    методы оценки ошибок и погрешностей;

    методы обработки неравноточных измерений;

    метод наименьших квадратов;

    методы корреляционного анализа.

При обработке индивидуальных экспертных оценок обычно применяется метод согласования оценок , имеющий массу вариантов реализации, различающихся способами, при помощи которых из индивидуальных оценок получается обобщенная. Для этого в качестве оценки могут использоваться усредненная вероятность, средневзвешенное значение вероятности (когда учитываются также и веса, приписываемые оценке каждого эксперта) - вплоть до специальных методов оценки измерения и повышения коэффициентов согласованности (конкордации или коэффициентов непротиворечивости) мнений экспертов. Кроме того, еще на этапе формирования экспертной группы могут применяться методы, основанные на отборе экспертов с высоким коэффициентом согласованности мнений.

Существенную роль в обработке числовых данных - именно к этому типу преобразовывается большинство терминов, используемых для обозначения точек в пространстве признаков - играют методы, основанные на преобразовании типов шкал. К числу таких преобразований могут быть отнесены преобразования дискретной шкалы в непрерывную, абсолютной - в нормированную и иные. Такие методы могут применяться как до, так и после выполнения процедуры ранжирования (например, до построения частотно-рангового распределения оценок и группирования экспертов по степени согласованности ответов на поставленные вопросы).

В качестве одного из методов повышения согласованности экспертных оценок применяют метод Дельфи.

Метод решающих матриц , идея которого была предложена Г.С. Поспеловым, относится к еще одному классу методов - к методам организации сложных экспертиз. Идея метода заключается в управлении процессом синтеза нового знания в ходе многоэтапного экспертного опроса. Это достигается за счет стратифицированного (послойного) рассмотрения проблемы по уровням, относящимся к различным этапам ее решения. Для научных исследований рассматриваются слои, соответствующие этапам фундаментальных научно-исследовательских работ, прикладных научно-исследовательских работ, опытно-конструкторских работ и подпроблем. Для решения проблем управленческой деятельности эти слои могут быть иными, например, следующими: методологический, организационный, технологический слои и слой подпроблем.

На начальном этапе в результате проведения экспертного опроса в общей (глобальной) проблеме выделяются подпроблемы (направления), сумма весов которых (полученных опять же в результате опроса) равна ста процентам. Количество столбцов матрицы определяется числом подпроблем или направлений работы, строки же соответствуют слоям. В каждом слое некоторому направлению ставится в соответствие одно мероприятие, преимущественно нацеленное на решение той или иной задачи в сфере методологического, организационного или технологического обеспечения решения подпроблемы (перечень мероприятий также получают в ходе очередного тура экспертного опроса). Однако, поскольку любое мероприятие дает помимо основного результата еще и ряд косвенных, постольку в ходе следующего тура эксперты оценивают относительный вклад предшествующих мероприятий в проведение последующих (сумма весов дуг входящих в элемент более высокого уровня со стороны элементов более низкого уровня также должна быть равна ста процентам). В результате пересчета весов каждого элемента решающей матрицы могут быть аналитически исчислены коэффициенты важности мероприятий. Соответственно, неопределенность снижается поэтапно, и те данные, которые не могли быть получены методом прямого экспертного опроса, становятся доступными, благодаря разбиению исходной неопределенности на меньшие фрагменты, не требующие от эксперта стратегического мышления.

В завершение этой главы отметим, что ни одна сложная реальная задача, стоящая перед коллективом аналитиков, не может быть решена исключительно за счет применения какой-то одной неизменной совокупности процедур. Чаще всего, новый проект становится в том числе и вкладом в методологическое, технологическое и организационное обеспечение аналитической деятельности. Это и не удивительно - достаточно обратиться к реальным примерам масштабных проектов, чтобы убедиться в этом и понять причины, по которым так происходит.

Пример организации процесса комплексного перспективного моделирования приведен в Приложении 1 к этой книге . Данный пример иллюстрирует то, каким образом в 1996-98 годах специалистами ВВС США проводилось формирование перспективного плана развития ВВС на период до 2025 года в контексте оценки альтернатив развития мировой ситуации. Многие пункты подготовленного в результате этой работы отчета сегодня подтверждаются реальным развитием мировой ситуации.

В этой главе мы попытались вчерне, без прорисовки деталей, обозначить контуры методологии информационно-аналитической деятельности. К сожалению, штрихи, которыми мы пытались очертить эти контуры, оказались слишком крупными - многих проблем, существующих в этой области, нам даже вскользь затронуть не удалось… Это вызвано многообразием методов аналитической деятельности и ограниченностью объема данной книги. Еще одним фактором сдерживания явилась ограниченная применимость ряда специфических методов и методик.

Однако авторы надеются, что им удалось главное - пробудить интерес к аналитике и ее методам, а также показать, что в сущности, ничего особенно сложного и недоступного пониманию в аналитике нет - все определяется уровнем изложения. Этот раздел, как это ни странно, совершенно не содержит формул... Плохо ли это? - Для кого-то - да, для кого-то - нет. Формулы чаще всего требуются тем, кому еще не удалось выйти на тот уровень, на котором требуется практическая аналитика, вернее ее результаты. Но уж, коль скоро вышел на него, то знания столь высокой степени детализации могут оказаться и бесполезными, более того, их может оказаться мало. А управлять аналитиками нужно, причем весьма квалифицированно - иначе шансов получить от них именно то, что требуется, очень мало.

Неслучайно, что авторами книги особый упор был сделан на методы системно-кибернетических исследований - идеи, изначально заложенные в эту отрасль научного знания, оказались настолько плодотворны, что у них оказалось большое число последователей в других отраслях. Таким образом, системно-кибернетическая отрасль стала тем ядром, вокруг которого в настоящее время сформировалось множество школ аналитической мысли. Мы считаем, что крайне опасно оставаться в плену какой-то одной группы дисциплин - будь то естественнонаучные, технические или гуманитарные дисциплины. Следует видеть, сколь тесно переплетаются различные дисциплины, как только речь заходит об аналитике.

В ходе дальнейшего рассмотрения аналитики, как комплексной научной дисциплины, мы сконцентрируем внимание на организационных и технологических аспектах аналитической деятельности.

Несмотря на довольно обширную отечественную литературу по различным проблемам научной деятельности, число работ, специально посвященных методологии аналитической работы в научных исследованиях, бизнесе и других сферах деятельности, относительно невелико.

Среди них можно отметить следующие работы: Рузавин Г.И. Методология научного исследования. М.:ЮНИТИ, 1999; Гроза П.И. Организация и методика проведения научно-исследовательских работ.- М.,1988; Дорожкин А.М. Научный поиск как постановка и решение проблем -Нижний Новгород, 1995; Мерзон Л.С. Проблемы научного факта.- Ленинград, 1972; Варшавский К.М. Организация труда научных работников - М.:Экономика, 1975; Кара-Мурза С.Г. Проблемы организации научных исследований - М.: Наука, 1981; На пути к теории научного знания - М.:Наука, 1984; Волкова В.Н.. Денисов А.А. Основы теории систем и системного анализа,- С.-Петербург: изд-во СПбГТУ, 1997 и др.

Более обширна литература, посвященная отдельным аспектам и этапам научного поиска. К ней относятся работы В.Ф.Беркова, В.Е.Никифорова, И.Г.Герасимова, Е.С.Жарикова, А.А.Ивина, Е.А.Режабека, В.С.Степина, В.А.Лекторского и др.

Эмпирические данные, полученные в ходе социологического исследования, еще не позволяют сделать верные выводы, обнаружить закономерности и тенденции, проверить выдвинутые программой исследования гипотезы. Полученную первичную социологическую информацию следует обобщить, проанализировать и научно интегрировать. Для этого все собранные анкеты, карточки наблюдения или бланки интервью необходимо проверить, закодировать, ввести в ЭВМ, сгруппировать полученные данные, составить таблицы, графики, диаграммы и т.д. Иными словами, необходимо применить методы анализа и обработки эмпирических данных.

В социологии под методами анализа и обработки социологической информации понимают способы преобразования эмпирических данных, полученных в ходе социологического исследования. Преобразование производится с целью сделать данные обозримыми, компактными и пригодными для содержательного анализа, проверки исследовательских гипотез и интерпретации. Хотя невозможно провести достаточно четкую границу между методами анализа и методами обработки, под первыми обычно понимают более сложные процедуры преобразования данных, которые переплетаются с интерпретацией, а под вторыми -- в основном рутинные, механические процедуры преобразования полученной информации.

Между тем анализ и обработка социологической информации как целостное образование составляет этап эмпирического социологического исследования, в ходе которого с помощью логико-содержательных процедур и математико-статистических методов на основе первичных данных раскрываются связи исследуемых переменных. С определенной долей условности методы обработки информации можно разделить на первичные и вторичные. Для первичных методов обработки исходной информацией служат данные, полученные в ходе эмпирического исследования, т. е. так называемая "первичная информация": ответы респондентов, оценки экспертов, данные наблюдения и пр. Примерам таких методов являются группировка, табулирование, расчет многомерных распределений признаков, классификация и др.

Вторичные методы обработки используют, как правило, для данных первичной обработки, т. е. это методы получения показателей, рассчитываемых по частотам, сгруппированным данным и кластерам (средних величин, мер рассеяния, связей, показателей значимости и т. д.). К методам вторичной обработки можно также отнести методы графического представления данных, исходной информацией для которых служат проценты, таблицы, индексы.

Кроме того, методы анализа и обработки социологической информации можно разделить на методы статистического анализа информации, в том числе методы описательной статистики (расчет многомерных распределений признаков, средних величин, мер рассеяния), методы статистики вывода (например, корреляционный, регрессивный, факторный, кластерный, причинный, логлинейный, дисперсионный анализ, многомерное шкалирование и др.), а также методы моделирования и прогнозирования социальных явлений и процессов (например, анализ временных рядов, имитационное моделирование, цепи Маркова и пр.). Методы анализа и обработки социологической информации могут быть разделены также на универсальные, которые пригодны для анализа большинства видов информации, и специальные, пригодные лишь для анализа данных, представленных в специальном виде информации (например, анализ социометрических данных или контент-анализ текстов).

С точки зрения использования технических средств выделяют два вида обработки социологической информации: ручную и машинную (с использованием средств вычислительной техники). Ручную обработку используют в основном в качестве первичной при небольших массивах информации (от нескольких десятков до сотни анкет), а также при относительно простых алгоритмах ее анализа. Вторичную обработку информации проводят с помощью микрокалькулятора или другой вычислительной техники. Примером социологических исследований, в которых часто используется ручная обработка, являются пилотажные, экспертные и социометрические опросы. Однако основным средством анализа и обработки данных в настоящее время являются ЭВМ, в том числе персональные компьютеры, на которых осуществляется первичная и большинство видов вторичной обработки и анализа социологической информации. При этом анализ и обработка социологической информации на ЭВМ проводятся, как правило, посредством специально разрабатываемых машинных программ, реализующих методы анализа и обработки социологических данных. Эти программы обычно оформляются в виде специальных наборов программ или так называемых пакетов прикладных программ анализа социологической информации. В крупных социологических центрах анализ и обработка социологической информации наряду с пакетами прикладных программ опираются на архивы и банки социологических данных, позволяющих не только хранить необходимую информацию, но и эффективно использовать ее при осуществлении вторичного анализа социологических данных.