Методология политической науки

Деревья классификации. Деревья классификации - это метод классификационного анализа, позволяющий предсказывать принадлежность объектов к тому или иному классу в зависимости от соответствующих значений признаков, характеризующих объекты. Признаки называются независимыми переменными, а переменная, указывающая на принадлежность объектов к классам, называется зависимой. В отличие от классического дискриминантного анализа, деревья классификации способны выполнять одномерное ветвление по переменными различных типов категориальным, порядковым, интервальным. Не накладываются какие-либо ограничения на закон распределения количественных переменных. По аналогии с дискриминантным анализом метод дает возможность анализировать вклады отдельных переменных в процедуру классификации. Деревья классификации могут быть, а иногда и бывают, очень сложными. Однако использование специальных графических процедур позволяет упростить интерпретацию результатов даже для очень сложных деревьев. Возможность графического представления результатов и простота интерпретации во многом объясняют большую популярность деревьев классификации в прикладных областях, однако, наиболее важные отличительные свойства деревьев классификации - их иерархичность и широкая применимость. Структура метода такова, что пользователь имеет возможность по управляемым параметрам строить деревья произвольной сложности, добиваясь минимальных ошибок классификации. Но по сложному дереву, из-за большой совокупности решающих правил, затруднительно классифицировать новый объект. Поэтому при построении дерева классификации пользователь должен найти разумный компромисс между сложностью дерева и трудоемкостью процедуры классификации. Широкая сфера применимости деревьев классификации делает их весьма привлекательным инструментом анализа данных, но не следует полагать, что его рекомендуется использовать вместо традиционных методов классификационного анализа. Напротив, если выполнены более строгие теоретические предположения, налагаемые традиционными методами, и выборочное распределение обладает некоторыми специальными свойствами (например, соответствие распределения переменных нормальному закону), то более результативным будет использование именно традиционных методов. Однако как метод разведочного анализа или как последнее средство, когда отказывают все традиционные методы, Деревья классификации, по мнению многих исследователей, не знают себе равных.

Анализ главных компонент и классификация. На практике часто возникает задача анализа данных большой размерности. Метод анализ главных компонент и классификация позволяет решить эту задачу и служит для достижения двух целей:

- уменьшение общего числа переменных (редукция данных) для того, чтобы получить «главные» и «некоррелирующие» переменные;

- классификация переменных и наблюдений, при помощи строящегося факторного пространства.

Метод имеет сходство с факторным анализом в постановочной части решаемых задач, но имеет ряд существенных отличий:

- при анализе главных компонент не используются итеративные методы для извлечения факторов;

- наряду с активными переменными и наблюдениями, используемыми для извлечения главных компонент, можно задать вспомогательные переменные и/или наблюдения; затем вспомогательные переменные и наблюдения проектируются на факторное пространство, вычисленное на основе активных переменных и наблюдений;

- перечисленные возможности позволяют использовать метод как мощное средство для классификации одновременно переменных и наблюдений.

Решение основной задачи метода достигается созданием векторного пространства латентных (скрытых) переменных (факторов) с размерностью меньше исходной. Исходная размерность определяется числом переменных для анализа в исходных данных.

Многомерное шкалирование. Метод можно рассматривать как альтернативу факторному анализу, в котором достигается сокращение числа переменных, путем выделения латентных (непосредственно не наблюдаемых) факторов, объясняющих связи между наблюдаемыми переменными. Цель многомерного шкалирования - поиск и интерпретация латентных переменных, дающих возможность пользователю объяснить сходства между объектами, заданными точками в исходном пространстве признаков. Показателями сходства объектов на практике могут быть расстояния или степени связи между ними. В факторном анализе сходства между переменными выражаются с помощью матрицы коэффициентов корреляций. В многомерном шкалировании в качестве исходных данных можно использовать произвольный тип матрицы сходства объектов: расстояния, корреляции и т.д. Несмотря на то, что имеется много сходства в характере исследуемых вопросов, методы многомерное шкалирование и факторный анализ имеют ряд существенных отличий. Так, факторный анализ требует, чтобы исследуемые данные подчинялись многомерному нормальному распределению, а зависимости были линейными. Многомерное шкалирование не накладывает таких ограничений, оно может быть применимо, если задана матрица попарных сходств объектов. В терминах различий получаемых результатов факторный анализ стремится извлечь больше факторов - латентных переменных по сравнению с многомерным шкалированием. Поэтому многомерное шкалирование часто приводит к проще интерпретируемым решениям. Однако более существенно то, что метод многомерное шкалирование можно применять к любым типам расстояний или сходств, в то время как факторный анализ требует, чтобы в качестве исходных данных была использована корреляционная матрица переменных или по файлу исходных данных сначала была вычислена матрица корреляций. Основное предположение многомерного шкалирования заключается в том, что существует некоторое метрическое пространство существенных базовых характеристик, которые неявно и послужили основой для полученных эмпирических данных о близости между парами объектов.

Следовательно, объекты можно представить как точки в этом пространстве. Предполагают также, что более близким (по исходной матрице) объектам соответствуют меньшие расстояния в пространстве базовых характеристик. Поэтому, многомерное шкалирование - это совокупность методов анализа эмпирических данных о близости объектов, с помощью которых определяется размерность пространства существенных для данной содержательной задачи характеристик измеряемых объектов и конструируется конфигурация точек (объектов) в этом пространстве. Это пространство («многомерная шкала») аналогично обычно используемым шкалам в том смысле, что значениям существенных характеристик измеряемых объектов соответствуют определенные позиции на осях пространства.

Логику многомерного шкалирования можно проиллюстрировать на следующем простом примере. Предположим, что имеется матрица попарных расстояний (т.е. сходства некоторых признаков) между некоторыми городами. Анализируя матрицу, надо расположить точки с координатами городов в двумерном пространстве (на плоскости), максимально сохранив реальные расстояния между ними. Полученное размещение точек на плоскости впоследствии можно использовать в качестве приближенной географической карты. В общем случае многомерное шкалирование позволяет таким образом расположить объекты (города в нашем примере) в пространстве некоторой небольшой размерности (в данном случае она равна двум), чтобы достаточно адекватно воспроизвести наблюдаемые расстояния между ними. В результате можно измерить эти расстояния в терминах найденных латентных переменных. Так, в нашем примере можно объяснить расстояния в терминах пары географических координат Север/Юг и Восток/Запад. Моделирование структурными уравнениями (причинное моделирование). Наметившийся в последнее время прогресс в области многомерного статистического анализа и анализа корреляционных структур, объединенный с новейшими вычислительными алгоритмами, послужил отправной точкой для создания новой, но уже получившей признание техники моделирования структурными уравнениями (SEPATH). Эта необычайно мощная техника многомерного анализа включает методы из различных областей статистики, множественная регрессия и факторный анализ получили здесь естественное развитие и объединение.

Объектом моделирования структурными уравнениями являются сложные системы, внутренняя структура которых не известна («черный ящик»). Наблюдая параметры системы при помощи SEPATH, можно исследовать ее структуру, установить причинно-следственные взаимосвязи между элементами системы.

Постановка задачи структурного моделирования выглядит следующим образом. Пусть имеются переменные, для которых известны статистические моменты, например, матрица выборочных коэффициентов корреляции или ковариации. Такие переменные называются явными. Они могут быть характеристиками сложной системы. Реальные связи между наблюдаемыми явными переменными могут быть достаточно сложными, однако предполагаем, что имеется некоторое число скрытых переменных, которые с известной степенью точности объясняют структуру этих связей. Таким образом, с помощью латентных переменных строится модель связей между явными и неявными переменными. В некоторых задачах латентные переменные можно рассматривать как причины, а явные - как следствия, поэтому, такие модели называются причинными. Допускается, что скрытые переменные, в свою очередь, могут быть связаны между собой. Структура связей допускается достаточно сложной, однако тип ее постулируется - это связи, описываемые линейными уравнениями. Какие-то параметры линейных моделей известны, какие-то нет, и являются свободными параметрами.

Основная идея моделирования структурными уравнениями состоит в том, что можно проверить, связаны ли переменные Y и X линейной зависимостью Y = aX, анализируя их дисперсии и ковариации. Эта идея основана на простом свойстве среднего и дисперсии: если умножить каждое число на некоторую константу k, среднее значение также умножится на k, при этом стандартное отклонение умножится на модуль k. Например, рассмотрим набор из трех чисел 1, 2, 3. Эти числа имеют среднее, равное 2, и стандартное отклонение, равное 1. Если умножить все три числа на 4, то легко посчитать, что среднее значение будет равно 8, стандартное отклонение - 4, а дисперсия - 16. Таким образом, если есть наборы чисел X и Y, связанные зависимостью Y = 4X, то дисперсия Y должна быть в 16 раз больше, чем дисперсия X. Поэтому можно проверить гипотезу о том, что Y и X связаны уравнением Y = 4X, сравнением дисперсий переменных Y и X. Эта идея может быть различными способами обобщена на несколько переменных, связанных системой линейных уравнений. При этом правила преобразований становятся более громоздкими, вычисления более сложными, но основной смысл остается прежним - можно проверить, связаны ли переменные линейной зависимостью, изучая их дисперсии и ковариации.

Методы анализа выживаемости. Методы анализа выживаемости первоначально были развиты в медицинских, биологических исследованиях и страховании, но затем стали широко применяться в социальных и экономических науках, а также в промышленности в инженерных задачах (анализ надежности и времен отказов). Представьте, что изучается эффективность нового метода лечения или лекарственного препарата. Очевидно, наиболее важной и объективной характеристикой является средняя продолжительность жизни пациентов с момента поступления в клинику или средняя продолжительность ремиссии заболевания. Для описания средних времен жизни или ремиссии можно было бы использовать стандартные параметрические и непараметрические методы. Однако в анализируемых данных есть существенная особенность - могут найтись пациенты, которые в течение всего периода наблюдения выжили, а у некоторых из них заболевание все еще находится в стадии ремиссии. Также может образоваться группа больных, контакт с которыми был потерян до завершения эксперимента (например, их перевели в другие клиники). При использовании стандартных методов оценки среднего эту группу пациентов пришлось бы исключить, тем самым, потеряв с трудом собранную важную информацию. К тому же большинство этих пациентов являются выжившими (выздоровевшими) в течение того времени, которое их наблюдали, что свидетельствует в пользу нового метода лечения (лекарственного препарата). Такого рода информация, когда нет данных о наступлении интересующего нас события, называется неполной. Если есть данные о наступлении интересующего нас события, то информация называется полной. Наблюдения, которые содержат неполную информацию, называются цензурированными наблюдениями. Цензурированные наблюдения типичны, когда наблюдаемая величина представляет время до наступления некоторого критического события, а продолжительность наблюдения ограничена по времени. Использование цензурированных наблюдений составляет специфику рассматриваемого метода - анализа выживаемости. В данном методе исследуются вероятностные характеристики интервалов времени между последовательным возникновением критических событий. Такого рода исследования называются анализом длительностей до момента прекращения, которые можно определить как интервалы времени между началом наблюдения за объектом и моментом прекращения, при котором объект перестает отвечать заданным для наблюдения свойствам. Цель исследований - определение условных вероятностей, связанных с длительностями до момента прекращения. Построение таблиц времен жизни, подгонка распределения выживаемости, оценивание функции выживания с помощью процедуры Каплана - Мейера относятся к описательным методам исследования цензурированных данных. Некоторые из предложенных методов позволяют сравнивать выживаемость в двух и более группах. Наконец, анализ выживаемости содержит регрессионные модели для оценивания зависимостей между многомерными непрерывными переменными со значениями, аналогичными временам жизни.

Общие модели дискриминантного анализа. Если не выполняются условия применимости дискриминантного анализа (ДА) - независимые переменные (предикторы) должны быть измерены как минимум в интервальной шкале, их распределение должно соответствовать нормальному закону, необходимо воспользоваться методом общие модели дискриминантного анализа (ОДА). Метод имеет такое название, потому что в нем для анализа дискриминантных функций используется общая линейная модель (GLM). В этом модуле анализ дискриминантных функций рассматривается как общая многомерная линейная модель, в которой категориальная зависимая переменная (отклик) представляется векторами с кодами, обозначающими различные группы для каждого наблюдения. Метод ОДА имеет ряд существенных преимуществ перед классическим дискриминантным анализом. Например, не устанавливается никаких ограничений на тип используемого предиктора (категориальный или непрерывный) или на тип определяемой модели, возможен пошаговый выбор предикторов и выбор наилучшего подмножества предикторов, в случае наличия в файле данных кросс-проверочной выборки выбор наилучшего подмножества предикторов можно провести на основе долей ошибочной классификации для кросс-проверочной выборки и т.д.

Временные ряды. Временные ряды - это наиболее интенсивно развивающееся, перспективное направление математической статистики. Под временным (динамическим) рядом подразумевается последовательность наблюдений некоторого признака Х (случайной величины) в последовательные равноотстоящие моменты t. Отдельные наблюдения называются уровнями ряда и обозначаются хt, t = 1, …, n. При исследовании временного ряда выделяются несколько составляющих:

xt=ut+yt+ct+et, t = 1, …, n

где ut - тренд, плавно меняющаяся компонента, описывающая чистое влияние долговременных факторов (убыль населения, уменьшение доходов и т.д.); - сезонная компонента, отражающая повторяемость процессов в течение не очень длительного периода (дня, недели, месяца и т.д.); сt - циклическая компонента, отражающая повторяемость процессов в течение длительных периодов времени свыше одного года; t - случайная компонента, отражающая влияние не поддающихся учету и регистрации случайных факторов. Первые три компоненты представляют собой детерминированные составляющие. Случайная составляющая образована в результате суперпозиции большого числа внешних факторов, оказывающих каждый в отдельности незначительное влияние на изменение значений признака Х. Анализ и исследование временного ряда позволяют строить модели для прогнозирования значений признака Х на будущее время, если известна последовательность наблюдений в прошлом.

Нейронные сети. Нейронные сети представляют собой вычислительную систему, архитектура которой имеет аналогию с построением нервной ткани из нейронов. На нейроны самого нижнего слоя подаются значения входных параметров, на основании которых нужно принимать определенные решения. Например, в соответствии со значениями клинико-лабораторных показателей больного надо отнести его к той или иной группе по степени тяжести заболевания. Эти значения воспринимаются сетью как сигналы, передающиеся в следующий слой, ослабляясь или усиливаясь в зависимости от числовых значений (весов), приписываемых межнейронным связям. В результате на выходе нейрона верхнего слоя вырабатывается некоторое значение, которое рассматривается как ответ - отклик всей сети на входные параметры. Для того, чтобы сеть работала ее надо «натренировать» (обучить) на данных для которых известны значения входных параметров и правильные отклики на них. Обучение состоит в подборе весов межнейронных связей, обеспечивающих наибольшую близость ответов к известным правильным ответам. Нейронные сети могут быть использованы для классификации наблюдений.

Планирование экспериментов. Искусство располагать наблюдения в определенном порядке или проводить специально спланированные проверки с целью полного использования возможностей этих методов и составляет содержание предмета «планирование эксперимента». В настоящее время экспериментальные методы широко используются как в науке, так и в различных областях практической деятельности. Обычно основная цель научного исследования состоит в том, чтобы показать статистическую значимость эффекта воздействия определенного фактора на изучаемую зависимую переменную. Как правило, основная цель планирования экспериментов заключается в извлечении максимального количества объективной информации о влиянии изучаемых факторов на интересующий исследователя показатель (зависимую переменную) с помощью наименьшего числа дорогостоящих наблюдений. К сожалению, на практике, в большинстве случаев, недостаточное внимание уделяется планированию исследований. Собирают данные (столько, сколько могут собрать), а потом уже проводят статистическую обработку и анализ. Но сам по себе правильно проведенный статистический анализ недостаточен для достижения научной достоверности, поскольку качество любой информации, получаемой в результате анализа данных, зависит от качества самих данных. Поэтому планирование экспериментов находит все большее применение в прикладных исследованиях. Целью методов планирования экспериментов является изучение влияния определенных факторов на исследуемый процесс и поиск оптимальных уровней факторов, определяющих требуемый уровень течения данного процесса.

Карты контроля качества. В условиях современного мира чрезвычайно актуальным является проблема качества не только выпускаемой продукции, но и услуг оказываемых населению. От успешного решения этой важной проблемы в значительной степени зависит благополучие любой фирмы, организации или учреждения. Качество продукции и услуг формируется в процессе научных исследований, конструкторских и технологических разработок, обеспечивается хорошей организацией производства и услуг. Но изготовление продукции и оказание услуг независимо от их вида всегда связано с определенным непостоянством условий производства и предоставления. Это приводит к некоторой вариабельности признаков их качества. Поэтому, актуальными являются вопросы разработки методов контроля качества, которые позволят своевременно выявить признаки нарушения технологического процесса или оказания услуг. При этом, для достижения и поддержания высокого уровня качества, удовлетворяющего потребителя нужны методы, направленные не на устранение дефектов готовой продукции и несоответствий услуг, а на предупреждение и прогнозирование причин их появления. Контрольная карта - это инструмент, позволяющий отслеживать ход протекания процесса и воздействовать на него (с помощью соответствующей обратной связи), предупреждая его отклонения от предъявленных к процессу требований. Инструментарий карт контроля качества широко использует статистические методы, основанные на теории вероятностей и математической статистики. Применение статистических методов позволяет при ограниченных объемах анализируемых изделий с заданной степенью точности и достоверности судить о состоянии качества выпускаемой продукции. Обеспечивает прогнозирование, оптимальное регулирование проблем в области качества, принятие верных управленческих решений не на основе интуиции, а при помощи научного изучения и выявления закономерностей в накапливаемых массивах числовой информации.

44. СИТУАЦИОННЫЙ АНАЛИЗ

Ситуационный анализ, или анализ политических ситуаций, является одним из наиболее востребованных, широко применяемых методов анализа в прикладных политологических исследованиях. В частности, ситуационный анализ просто незаменим при разработке стратегий политических акторов, создании прогнозов их поведения в конкретных политических условиях.

Методологической основой ситуационного анализа является системный подход, о котором мы уже говорили в связи с моделированием. Политическая ситуация с позиций системного подхода представляет собой «такое сочетание условий и обстоятельств политической жизни, которое... может быть выделено из политического процесса как относительно завершенный его фрагмент» . Как правило, такое сочетание условий и обстоятельств формируется в связи с имевшим место или намечающимся политическим событием или явлением (например, выборами, принятием значимого закона и т. д.). Политическая ситуация обладает внутренней структурой и связями, имеет свойства системы и может быть выделена из политического процесса как система из среды. Соответственно, политическая ситуация обладает пространственными, временными и информационными границами (фреймами).

Не только в теории, но и в конкретном технологическом алгоритме ситуационного анализа определение границ ситуации, выделение ее из общего политического процесса является первой и очень важной стадией. Например, содержанием нашего прикладного исследования является анализ предвыборной ситуации в определенном субъекте Российской Федерации. Тогда ключевым будущим событием, предопределяющим уникальное сочетание политических условий и взаимодействие акторов (организующим ситуацию в целом), будут предстоящие выборы в законодательный и представительный орган власти данного региона. Ситуация будет носить характер предвыборной, начиная с активизации ключевых игроков (как правило, это происходит задолго до официального старта избирательной кампании) и до момента проведения выборов -- это задает временные рамки ситуации. Пространственные рамки определены спецификой изучаемого события и будут, как правило, совпадать с географическими границами региона.

Второй важной стадией ситуационного анализа является выявление наиболее активных и влиятельных политических субъектов (акторов), задействованных в рамках анализируемой ситуации. В терминах системного подхода производится «декомпозиция системы»: упрощение ее путем расчленения на составные элементы. В качестве политических акторов могут выступать отдельные политические лидеры, элитные группы, политические партии, финансово-промышленные группы и даже целые институты (например, Правительство, Конституционный суд или Государственная дума). На практическом уровне задача определения ключевых акторов далеко не проста, и сложнее всего определить оптимальную «глубину» их выделения.

Так, в ситуации правительственного кризиса, связанного с угрозой вынесения вотума недоверия действующему премьер-министру, можно остановиться на самом «грубом» уровне субъектного разбиения ситуации, соответствующем имеющейся нормативной базе. Согласно Конституции РФ, основными акторами (субъектами принятия решений) в данном случае выступают Государственная дума, Председатель Правительства и Президент. Однако в большинстве случаев такой сугубо институциональный подход к выделению акторов будет недостаточным. Наверняка нижняя палата российского парламента внутренне неоднородна с точки зрения поддержки вынесения вотума недоверия, существуют «опорные группы поддержки» действующего состава правительства и группы депутатов, выступающие за его смену. Такое структурирование депутатского корпуса может совпадать с его фракционным делением, а может не совпадать. Возможно существование особой позиции отдельных влиятельных депутатов и т. д. Все это мы должны учитывать при принятии решения о выделении основных акторов.

Естественно, очень многое будет зависеть от глубины понимания аналитиком каждой конкретной ситуации, но есть и общее правило, которое можно назвать «правилом разумной достаточности»: перечень акторов должен отражать основные группы интересов, вовлеченные в данную ситуацию, но при этом по численности не превышать того порога, когда анализ становится чрезмерно громоздким. Так, теоретически мы можем выделить в качестве акторов ситуации правительственного кризиса всех 450 депутатов Государственной думы, поскольку формально каждый из них является лицом, принимающим решение (голосующим) по данному вопросу. Однако практически осуществить анализ взаимодействий такого числа акторов было бы чрезвычайно сложно. Поэтому мы с высокой вероятностью прибегнем к группировке депутатов по признаку поддержки действующего правительства (например: группа твердых сторонников, группа непримиримых противников, группа колеблющихся и т. д.). Ограничение по числу переменных, вовлекаемых в анализ, характерно для качественных методов в целом.

За выделением перечня акторов ситуации следует их характеристика. Это третья стадия ситуационного анализа, также выполняемая в соответствии с рядом правил системного подхода. Ключевыми позициями, по которым производится характеристика политических акторов, являются интересы и вытекающие из них цели акторов, содержание их действий, ресурсы, типовые тактики и стратегии.

45. ИВЕНТ-АНАЛИЗ

Ивентанализ - это попытка выявления универсальных закономерностей поведения субъектов политических отношений. Ивент-анализ пре ставляет политический процесс как ряд событий, таких как выступления политических лидеров, массовые демонстрации, выборы, принятие нормативных актов и т.д. Он позволяет упорядочить поток политических событий, структурировать их таким образом, чтобы найти объективные тенденции, скрытые от действующих лиц этого процесса. «В 1960-е гг. под влиянием работ американского исследователя Ч. Тилли аналитики сфокусировали внимание на частоте и уровне интенсивности событий, формирующих взаимодействие сторон в рамках конкретной ситуации. В этой связи источники информации стали разрабатываться под углом зрения четкой классификации акций и их временной последовательности. Эта методика получила название ивент-анализ, или «событийный анализ», и существует в настоящее время в различных вариантах. Проекты, использующие ивент-анализ, отличаются по типу изучаемых событий, числу рассматриваемых акторов, временным пара- метрам, используемым источникам, системам классификации данных и т.д.» [13, 66]. Целью первых опытов применения ивент-анализа было определение совпадений периодов экономического спада и массовых беспорядков для установления причинно-следственных зависимостей между этими переменными. Огромная работа была проведена по разработке правил кодировки информации о событиях, правила обращения с данными, полученными из периодических изданий, официальных заявлений, текущей статистики. Методика ивент-анализа основана на слежении за ходом и интенсивностью событий с целью определения основных тенденций эволюции обстановки в отдельных странах и на международной арене. Ивент-анализ требует длительных и кропотливых усилий коллектива исследователей. На основе методики ивент-анализа создаются специализи- рованные банки данных. В 1970-80-е гг. ивент-анализ был применен в США в экспертной системе WEIS (World Events Interactions Survey) - Мировой обзор событий и взаимодействий. Эта система была разработана под руководством Ч. Маклелланда для Госдепартамента США[101, 122-133]. В 1970-е гг. в сфере исследования международных отношений был создан информационный банк (банк Э. Азара) по проблемам международных конфликтов, в который на конец 70-х гг. ХХ в. была включена информация, касающаяся 135 стран. Было зафиксировано 500000 событий за 30 лет. Целью этого проекта было выявление закономерностей конфликтного поведения[13, 68]. В настоящее время ивент-анализ имеет очень широкие области применения: изучение военных конфликтов. Проявлений политического насилия, массовых выступлений, ведения переговоров и т.д. Так, в России Институт анализа и управления конфликтами и стабильностью (ИАУКС) разработал схему ивент-анализа для проведения мониторинга политической стабильности в рамках проекта «Система управления конфликтами и стабильностью». Основа ивент-анализа допущение, что политический процесс слагается из первичных клеточек-событий. Эти клеточки-события могут быть структурированы следующим образом: 1) субъекты событий - инициаторы акций или целей; 2) типы действий и взаимодействий (вербальные либо физические); 3) сфера и контекст событий; 4) временные параметры событий; 5) источник информации. В качестве субъектов политических отношений чаще всего рассматриваются государства, политические институты, массовые движения, политические лидеры. Категория «типы действий» может быть дополнение на категорией «цели действий»: вражда, нейтралитет, сотрудничество. Выделение схемы для проведения ивент-анализа позволяет свести данные в матричные таблицы, а затем ранжировать их и проводить математическую обработку. Особенности создания информационной базы прикладных проектов состоят в том, что первоначально выделяются политические события и акции. Далее создается пространственно- временной классификатор акций, а затем кодировка акций. На этой основе создается классификатор (типовой бланк), который подлежит текущему заполнению. Для успешной работы над классификатором необходима процедура квантификации - приписывания каждому возможному событию числовых значений. Выделяют ненаправленный и направленный виды ивент-анализ. Первоначально проводился лишь ненаправленный ивент-анализ - продвижение к выводам «снизу», от эмпирических данных. Направленный (целевой) ивент-анализ предполагает структурирование и отбор мате- риала по выделенным проблемам. После накопления достаточного массива эмпирического материала проводятся аналитические сравнения. Для этого анализируемый период разбивается на интервалы, а наблюдаемые в эти интервалы события сравниваются по разным критериям. Аналитические сравнения удобно проводить, используя визуальные графические средства представления данных.

46. ПОЗИЦИОННЫЙ И РЕСУРСНЫЙ МЕТОДЫ В ПОЛИТИЧЕСКОМ АНАЛИЗЕ

Вышеописанные аналитические методики связаны с оценкой количественных и качественных характеристик субъектов-участников политического процесса. Позиционный и ресурсный методы основаны на выявлении веса политических акторов. Политический вес - условное понятие, которое отражает влияние той или иной политической фигуры на политическую или социальную жизнь, на поведение других политиков. Политический вес является сложным феноменом, состоящим из нескольких пластов. Структура этого феномена повторяет, с одной стороны, структуру аудиторий, составляющих общество: избиратели, лидеры мнений (в первую очередь журналисты и публицисты), элита (экономическая и политическая). С другой структура феномена «политический вес» повторяет структуру социальности, учитывает такие структурирующие социум феномены, как легитимность (имеет ли право данный политик или кандидат на политическую власть?). Третий слой учитывает личностные характеристики поли- тика и кандидата. Среди них необходимо назвать харизму и стратегии поведения в различных ситуациях (в первую очередь в условиях кризисов и способность в этих условиях действовать эффективно). Для большей конкретизации понятия «политический вес» выделим четыре фактора этого политического веса: рейтинг, авторитет, легитимность, способность «производить новости». Рейтинг - составное понятие, рейтинг зависит от уровня известности, антирейтинга политика и кандидата. Рейтинг - самая непостоянная и ненадежная составляющая политического веса. Положительное влияние на рейтинг, его рост и стабильность влияют харизма политического лидера, его кредитность. Авторитет политика среди элит означает его поддержку экономическими, политическими, административными и партийными элитами. Эта поддержка выливается во время предвыборных баталий в ресурсы кандидата: избирательный фонд, административный ресурс и т.п. Во многом авторитет зависит от умения «набирать очки» (во время тех же избирательных кампаний). С другой стороны авторитет обеспечивается большим количеством личных связей, близостью ключевых политических фигур и т.п. Немаловажен и политический опыт. Способность «производить новости». Значение способности поли- тика быть ньюсмейкером станет ясно, если мы вспомним двухуровневую модель коммуникации. Политик-ньюсмекер является постоянным источником информационных поводов, а значит всегда является объектом интереса журналистов и редакторов (лидеров мнений). К тому же информационные поводы, в центре которых находится политик, активно обсуждаются «на кухнях», т.е. являются темой устных коммуникаций обывателей и избирателей. Легитимность - признание общественным мнением права за тем или иным человеком быть политиком, влиять на судьбы других людей и согласие ему подчинятся. Легитимный политик - это не столько политик, соответствующий юридическому порядку, сколько политик соответствующий порядку вещей, как он видится массовому сознанию. Легитимность - не причина наличия или отсутствия политического веса, а его условие. Политический вес политика или кандидата увеличивается, если он обладает харизмой, если в спокойные годы он уже находится у власти или различным группам и группировкам он представляется наиболее приемлемой фигурой на властном посту. Легитимность следует отнести к сдерживающим факторам, ограничивающим рост рейтинга. Анализ «позиций» и «ресурсов» полезен также для оценки «административного веса» лиц, принимающих решения, в исполнительных и законодательных органах власти. Типовая схема анализа: 1. Выявление участников политического процесса и неполитических субъектов, стоящих за каждым участником. 2. Оценка уровня политического влияния и ресурсов каждого из участников. 3. Установление стратегических целей и тактических задач участников политического процесса, оценку расстановки политических сил и конфигурации интересов. 4. Выяснение возможных стратегических союзов и тактических коалиций. 5. Формирование сценариев развития событий и оценка характера реакций участников и субъектов политического процесса Интересы и ресурсы в данной методике рассматриваются как элементы системы, а их взаимодействие образует структуру системы. Цель в данном случае выступает структурообразующим элементом. Цели подразделяют на краткосрочные - 1-2 года, среднесрочные - 3-5 лет, долгосрочные 10-20 лет. Интересы выступают как осознанная необходимость и как желательное состояние системы. Ресурсы - средства, необходимые для осуществления какой-либо деятельности. Ресурсы ограничивают превращение интереса в цель. Цель - это желаемое и реально возможное состояние системы. Цель= Интересы + Ресурсы Р. Даль в работе «Современный политический анализ» предложил несколько способов определения распределения власти между субъекта- ми политики [27, 168]. Во-первых, сопоставление формального статуса с реальным обладанием властью. Можно предположить, что власть данного лица тесно связана с его положением в официальной или неофициальной иерархии. Кто занимает официальные должности в политической системе, в чьих руках находятся важнейшие должности, к каким социальным группам принадлежат лица, занимающие официальные должности в правительстве и ад- министрации страны? Эти вопросы будут центральными направлениями анализа власти. Преимуществом этого метода является его простота. Официальная иерархия обычно хорошо известна, должностные лица конкретно указаны, письменные документальные источники обширны. Этот метод особенно удобен при исследовании больших исторических изменений и важнейших различий между крупными политическими системами, при анализе отношений между элитарными группами (например, сколько имеется совпадений между лицами, обладающими высоким общественным положением, высоким положением в сфере бизнеса, и большим весом в политике и военной сфере). Слабость этого метода заключается в ненадежности того предположения, на котором он основан, ибо формальный статус не всегда связан с реальным обладанием властью. Во-вторых, использование хорошо обоснованных суждений очевидцев. Метод относительно экономичен. Суждения одних наблюдателей легко могут быть проверены суждениями других. Недостатком этого метода является то, что аналитик зависит от субъективных впечатлений наблюдателей - перед нами встает задача установить степень объективно- сти того или иного из них. В-третьих, исследование реальной роли должностного лица в политической жизни, несмотря на его формальный статус. Какие лица действительно чаще всего принимают участие в принятии решений в той или иной сфере общественной жизни? Этот метод сосредоточивает внимание на том, что делают определенные лица, а не их формальном положении или авторитете. Он может также помочь нам выяснить различные типы власти. Однако этот метод имеет один недостаток: активность в политической жизни не тождественна реальной власти. В-четвертых, изучение степени активного участия различных лиц в определении направлений публичной политики. Преимущество этого метода в использовании рабочих текстов, хотя и несовершенных для показа относительного влияния отдельных лиц на характер политических решений.

47. SWOT - АНАЛИЗ

Название метода - «SWOT» -составлено из первых букв четырех английских слов: «strengths» - сильные стороны, «weaknesses» - слабые стороны, «opportunities» - благоприятные возможности, шансы и «threats» - угрозы или возможность неблагоприятных обстоятельств. Метод SWOT является частью концепции стратегического планиро- вания, основы которой создали К. Эндюс (K. Andrews), Г. Ансоф (H. Ansoff). Для названных авторов ядом концепции стала идентификация ресурсов организации, а также определение возможностей развития организации. После этого рассматриваются допустимые комбинации ресурсов, которые позволяют организации выделиться из других, и выбирается вариант наилучшего планирования. Метод SWOT первоначально был апробирован в экономической сфере, а затем были показаны возможности ее применения в условиях политического рынка. Метод SWOT широко распространен в стратегическом управлении развитием городов и регионов. Однако, если речь идет о стратегическом планировании (например, развития региона), то не следует чрезмерно дробить сферу применения метода (в примере в развитием региона не следует отдельно поводить анализ туризма, транспорта, жилищной сферы и т.д.), поскольку это может привести к внутренне противоречивым выводам и помешать выработке синтеризованого диагноза (развития региона). Как применять SWOT? Необходимо составить четыре списка, по одному для каждой из этих категорий (сила - слабость - шансы - угрозы). Форма фиксации результатов SWOT-анализа - это таблица, состоящая из четырех частей. Далее решаем вопрос, какие сильные стороны были выявлены при анализе фактов и тенденций. Составляем список всех сильных сторон, о которых свидетельствуют данные исследования. Проделываем то же самое для слабых сторон, благоприятных возможностей и угроз. На основе SWOT-анализа выделяют четыре типа стратегий улучшения работы организации, либо социально-экономического развития, либо построения политической кампании: агрессивная (соединения сильных сторон с шансами); оборонительная (исключение слабых сторон и защита от угроз); консервативная (использование сильных сторон и защита от угроз); конкурентная стратегия (использование слабых сторон и шансов). Все названные стратегии могут и не реализовываться в чистом виде, но конкретная стратегия должна иметь определенную доминанту. Типичные ошибки при проведении SWOT-анализа: нечеткое выделение сферы, которая исследуется с помощью метода; анализ проводится без связи с принятой концепцией развития; неправильная трактовка понятий сильные и слабые стороны; шансы и угрозы; ошибки в оценки шансов и угроз; нечеткая фиксация сделанных оценок, что делает сложным их использование в дальнейшем процессе стратегического планирования. Сильные стороны могут быть спутаны с шансами, а слабые стороны с угрозами [73, 48-57]. Проведение анализа SWOT - это хороший способ установить, где вы находитесь, и увидеть, в каких направлениях можно совершенствоваться. Рассмотрим пример SWOT-анализа деятельности гипотетического печатного издания (газеты) локального масштаба. В ходе опроса большинство читателей ответили, что они доверяют новостям, о которых читают в газете. Это сильная сторона. (Сильные стороны можно развивать). Опрос рекламодателей показал, что сотрудники отдела рекламы грубят и плохо обслуживают клиентов, - это слабая сторона. (Над слабыми сторонами можно работать). Непостоянные читатели отметили, что интересует информация о новостях го- рода. Увеличив объем или улучшив качество новостей о жизни города, газета получила бы возможность сделать нерегулярных читателей постоянными или даже подписчиками. (Возможности можно использовать). Большой процент читателей газеты - люди старшего поколения. Это можно расценивать как отдаленную угрозу, особенно, если сравнение с результатами исследований предшествующих лет показывает, что аудитория стареет год от года. Газета не привлекает молодых читателей. Потенциальная угроза заключается в том, что когда все существующие читатели умрут, то их в роли читателей не заменит никто. На основе фактов и тенденций, которые были установлены изначально при об- суждении данных исследования, рассмотрении потребностей и проведении SWOT- анализа составляется список главных вопросов. Допустим в нашем гипотетическом случае 65% непостоянных читателей, 55% постоянных читателей и 78% читательниц отметили здоровье среди наиболее актуальных тем, а составленная карта содержания показывает, что этой теме отводится всего 5% объема газеты. 90% читателей отметили низкий уровень освящения городских новостей. Ставим вопросы: Как можно улучшить отображение городской жизни? Следует ли попытаться привлечь больше читателей мужского пола? Как? Люди старшего возраста больше довольны общей подачей материала и стилем нашей газеты, чем молодежь. Можно ли увеличить тираж за счет привлечения молодых людей? Как это сделать? Можно ли привлечь молодежь, не оттолкнув при этом старшее поколение? 56% рекламодателей и 95% бывших рекламодателей ответили, что сотрудники рекламного отдела грубят и плохо работают. Что можно предпринять? Следующий шаг - выработка возможных стратегий изменения существующего положения. После того, как на основании данных исследования определены факты и тенденции, можно перейти к разработке стратегии развития. SWOT-анализ и список важных вопросов, составленный на предыдущем этапе, показывает некоторые из возможных путей улучшения ситуации. Определение и разработка стратегии изменения существующего положения производится в два этапа. Первый - определить цели. Второй - продумать, как поставленные цели могут быть достигнуты. В приведенном выше гипотетическом примере 65% читательской аудитории женщины, соответственно были поставлены вопросы: первый вопрос связан с определением цели («Следует ли попытаться привлечь больше читателей мужского пола?»). Второй («Как?») - касается ее воплощения. Сначала выдвигаем достижимые цели. 1. Попытаться увеличить тираж за счет привлечения новых читателей мужского пола, сохраняя при этом количество имеющихся читательниц. 2. Добиться вежливости и эффективности в работе служащих отдела рекламы, чтобы повысить уровень обслуживания имеющихся рекламодателей, и попытаться вернуть бывших рекламодателей. 3. Печатать больше материалов (статей, фотографий, графики) по вопросам здоровья. Затем определяем, каким образом данные цели могут быть достигнуты. По каждой цели следует обсудить все возможные стратегии достижения, составить их список. Найти эти стратегии можно следующими способами: провести мозговую атаку среди аппарата управления газетой; пригласить консультанта со стороны для генерации новых идей; провести работу в нескольких фокус-группах с целью сбора предложений читателей и не читателей, рекламодателей и не рекламодателей. На этой стадии следует сосредоточить работу только на составлении списка привлекательных идей и стратегий. Идеи следует облечь в конкретную форму, одна- ко не перегружать деталями. Затем следует разработать план реализации внесения изменений. На этой стадии должны быть отобраны и детально разработаны самые лучшие идеи и стратегии из составленного списка. Например, принято решение удовлетворить потребность читателей получать больше информации на тему здоровья за счет приглашения врача вести еженедельную колонку здоровья. Тогда перечень вопросов для реализации этой цели может быть следующим: Кто будет писать материалы? Сколько статей они должны написать и когда? Кто будет это контролировать? Какого жанра должны быть публикуемые статьи: интервью, очерки, репортажи? Какие темы должны получать больше внимания: здоровье детей, система здравоохранения, бюрократизм, возникающие проблемы в борьбе с болезнями, практические советы по предотвращению заболевания, общие тенденции состояния здоровья в обществе? Контрольный список вопросов для продумывания при формулировании сложных стратегий: На достижение какой цели направлена данная стратегия или идея? Какие задачи были поставлены? Что считать успехом, а что - провалом при их вы- полнении? Какие для этого требуются ресурсы (деньги, люди, оборудование)? Какое время отводится на выполнение этого плана? Кто что будет делать? Кто будет отвечать за выполнение этого плана? Как будут проверяться полученные результаты? Затем следует выполнение плана и, конечно, проверка его выполнения. Важно, чтобы за реализацией плана последовал анализ результатов его выполнения. Если проверка результатов будет проводиться не систематически, то уровень достигнутого успеха или провала может остаться скрытым. Проверка может заключаться в простом измерении полученных результатов и их сопоставлении с поставленными задачами. Часто проверка достигнутых результатов будет касаться оценки качественных, а не количественных показателей. Это может потребовать проведения дополнительных исследований, например: насколько успешно выполнен план по улучшению работы отдела рекламы, изменилось ли обходительность и эффективность работы его сотрудников? Ответ может быть получен путем проведения ряда конфиденциальных бесед, анкетирования. Если полученные результаты не будут соответствовать запланированным, то, возможно, придется внести коррективы в план или выбрать другую стратегию изменения существующего положения.

48 КОГНИТИВНОЕ КАРТИРОВАНИЕ В ПОЛИТИЧЕСКОМ АНАЛИЗЕ

КК - это метод, позволяющий выявить в политических текстах структуру рассуждения (что чему способствует/препятствует, что из чего следует и т.п.) и на основании этого делать выводы о мышлении автора текста и его видении политической ситуации.

Обычно КК реализуется в политических текстах и речах политиков, т.к. оно позволяет определить факторы, которые учитывают политики при принятии решений. Стратегия выбора факторов и задает возможную типологию политического мышления. Факторы выбираются из общего смысла или из отдельных ключевых фраз ("политика - это война", "нажимать до предела", "не бывает нейтралов"). Люди, занимающиеся исследованием политического дискурса, речей, составляют специальную когнитивную карту, с помощью которой можно спрогнозировать намерения человека.

Когнитивная карта.

Карта представляет собой графическую репрезентацию, где представлены альтернативы, разнообразные причины и цели людей. Все это изображено графически в виде узлов, связанных между собой стрелками. Современные исследователи считают подобный когнитивный стиль определенным "гипотетическим конструктом", который может объяснить переход от стимула к реакции, описывая то, как индивид концептуально организовывает модель реальности. Стрелки на карте, выражают каузации (влияние): положительные, отрицательные, нулевые. Тогда аргументом становится цепочка вершин, соединенных каузальными связями, и заканчивающимися в вершине, которую можно рассматривать как связанную с позитивной или негативной ценностью. Когнитивная карта, делинеаризирует текст, представляя его в виде "картинки", однако при этом отражается только одна из возможных текстовых макроструктур - структура каузального рассуждения. (по мнению П.Б. Паршина).

В рамках когнитивной карты возникает понятие центральности каузальной цепочки, которое определяется по критерию частотности: чем большее количество стрелок входит в узел и выходит из узла, тем выше частота.

Это важно знать, так как человек выбирает в качестве базиса для принятия политического решения наиболее "центральную" цепочку.

Схематически когнитивная карта выглядит следующим образом:

1. Репрезентация -- 2. Процесс -- 3. Предсказание

1. Репрезентация понятий: эмоциональные понятия; когнитивные понятия; политические понятия; понятия-ценности: содержание;

2. Поиск релевантных понятий и каузальных утверждений;

3. Политические предпочтения, вычисленные на основе лексикографического процесса принятия решений.

Узнать историю, по которой уже будет составляться данная карта, помогает операционный код.

Операционный код.

Если когнитивная карта дает конкретные представления об индивидууме по тем или иным проблемам, то операционный код дает такие предсказания в более свободной манере.

Операционный код обеспечивает основу для отбора когнитивных ориентации, занимающих центральное место в когнитивной структуре индивидуума - представлений, которые он использует в оценке событий политической жизни".

Эти представления определяются по материалам прошлой истории лидера. Сами этапы составления кода, аналогичны составлению карты: