Социология массовой коммуникации

Из 2127 человек, ушедших в 1926 г. из средних школ г. Сент-Пола в 1935 году было разыскано и проинтервьюировано 1194. С помощью анализа документов были получены разносторонние сведения о пребывании этих людей в школе, результаты исследования подтвердили основную гипотезу исследования.

По специфике поставленной задачи различают следующие виды экспериментов:

научные,

прикладные,

проективные,

ретроспективные.

Проективные эксперименты направлены в будущее: исследователь проектирует проявления предполагаемых свойств, вводя в действие гипотетические причины.

Реальный эксперимент -- всегда проективный, мысленный же -- обычно ретроспективный, направленный в прошлое: исследователь манипулирует информацией о совершившихся событиях, пытается проверить гипотезы о причинах, вызывающих наличные следствия.

По специфике поставленной задачи выделяют также:

одно-,

многофакторные эксперименты.

В однофакторных экспериментах проверяются гипотезы о следствиях воздействия одной независимой переменной, в многофакторных -- целого комплекса переменных в их взаимодействии.

По характеру экспериментальной ситуации различают:

контролируемые,

неконтролируемые эксперименты.

На результаты неконтролируемых экспериментов оказывают существенное влияние вне экспериментальные факторы, характер и степень влияния которых неизвестны, часто остается неизвестной и сама природа этих факторов.

Научно достоверный результат достигается в подобных экспериментах путем повторения опытов в различных условиях и с различными группами, чтобы привести к взаимному погашению (элиминированию) влияния подобных факторов.

Контролируемый эксперимент предполагает выравнивание всех условий на экспериментальном и контрольном объекте, кроме воздействия экспериментального фактора и периодическое измерение значений как экспериментальных, так и вне экспериментальные переменных. Контроль переменных означает и повторяемость эксперимента, как данным исследователем, так и другими. В социологии подобный эксперимент практически невозможен.

По логической структуре доказательств гипотезы различают:

параллельные (симультанные),

последовательные (сукцессивные) эксперименты.

В параллельном эксперименте доказательство опирается на сравнение состояний двух объектов (групп людей), экспериментального и контрольного в одно и тоже время.

Экспериментальной является группа, на которую оказал воздействие экспериментальный фактор, контрольной -- где этого воздействия не было.

Во всем остальном условия деятельности этих двух групп выровнены, выровнен и состав групп. Если в экспериментальной группе после воздействия исследуемого фактора определяются ожидаемые изменения, а в контрольной группе -- нет, то гипотезу можно считать подтвержденной.

В последовательном эксперименте контрольная группа отсутствует. Одна и та же группа является контрольной до введения экспериментального фактора и в качестве экспериментальной после того, как этот фактор оказал (или мог оказать) предполагаемое воздействие. Доказательство гипотезы при этом типе эксперимента опирается на сравнение состояний исследуемого объекта, до и после воздействия «фактора.



14 Основные процедуры измерения массовой информации

Измерением называется процедура, с помощью которой объекты измерения (относительно свойств и отношений между ними) накладываются на определенную числовую систему с соответствующими отношениями между числами, получившими в практике социологических исследований название шкал.

Шкалой называется отображение произвольной эмпирической системы с отношениями в числовой системе, состоящей из множества всех действительных чисел.

Шкалы могут быть одномерными и многомерными.

В эмпирических системах нас, как правило, интересуют отношения, в которые вступают рассматриваемые объекты, являющиеся носителями определенных признаков (свойств, характеристик). В таких случаях можно считать приписывание объектам шкальных значений измерением их признаков.

Основными уровнями измерения, с помощью которых дифференцируются возможность и однозначность приписывания чисел объектам, являются номинальные, порядковые (ранговые), интервальные шкалы и шкалы отношений. Данные шкалы упорядочены по мере повышения их способности удовлетворять требования более многообразных операций с числами (табл. 7).

Номинальная шкала служит предпосылкой всех шкальных процедур и устанавливает отношения равенства между явлениями, которые включены в один класс.

При формировании таких шкал исследователь, разумеется, нового знания не получает, однако смысл познавательной процедуры фиксирования факторов и состоит в умении их группировать, абстрагируясь от их индивидуальных особенностей.

Номинальная шкала при введении в нее отношения упорядочивания между признаками превращается в шкалу порядка, которая устанавливает отношения равенства между явлениями в каждом классе и отношения последовательности в понятиях «больше», «меньше» между всеми без исключения классами, например, упорядочение жилого фонда города по степени его ветхости; упорядочение группы граждан по уровню их доходов.

Таблица 7. Уровни измерения социальных признаков

Шкала	Описание шкалы	Отношение, задаваемое на шкале	Пример допустимой статистики
Номинальная	Использование чисел или символов только для классификации объектов	Эквивалентность	Частота, мода, энтропия Н; меры взаимозависимости Q (Юла), Ф,С -Пирсона, К -- Крамера; X2
Порядковая (ранговая)	Иерархическая со-подченность объектов одного класса и объектов других классов	Эквивалентность; «Больше, меньше...»	Медиана, меры взаимозависимости s -- Спирмена, г -- Кендалла
Интервальная	Задание расстояния между двумя любыми числами на шкале	Эквивалентность; «Больше, чем...»	Средние арифметические, дисперсия, меры взаимозависимости: С -- Пирсона, R -- множественной корреляции
Отношений	Независимость отношений любых двух точек шкалы от единицы измерения (интервальная + истинная нулевая точка)	То же + знание отношений между двумя шкальными значениями	То же

Порядковые шкалы широко применяются при опросах общественного мнения. С их помощью измеряют интенсивность выраженности мнения граждан по поводу определенных явлений действительности. В данном случае порядковая шкала может иметь следующее наименование пунктов: «Удовлетворен полностью»; «Скорее: удовлетворен, чем не удовлетворен»; «Безразлично»; «Скорее не удовлетворен, чем удовлетворен»; «Не удовлетворен полностью» или «Целиком одобряю»; «Одобряю в основном»; «Частично одобряю»; «Частично не одобряю»; «В основном не одобряю»; «Не одобряю совершенно».

Если определена единица измерения, с помощью которой фиксируется анализируемый признак, то используется интервальная (метрическая) шкала. Интервальная шкала в отличие от ранговой позволяет между пунктами ее не просто устанавливать отношения в понятиях «больше» и «меньше», но и фиксировать величину интервала.

Интервальная шкала представляет полностью упорядоченный ряд равных (или неравных) интервалов, которые полностью закрывают исследовательское поле значений признака. Характерная особенность этого вида шкал -- произвольно установленное начало отсчета, например, возраст, заработная плата, доход респондента, стаж работы на данном предприятии или по данной специальности.

При использовании интервальных шкал велика опасность формирования так называемой псевдошкалы с равными интервалами. Примером такого рода шкалы может служить «термометр общественного мнения». В этой шкале, имеющей 100 делений, крайние точки (100 и 0) словесно интерпретируются следующим образом: «Если Вы абсолютно согласны с приведенным суждением, то обозначьте свое мнение на термометре как 100», «Если Вы полностью не согласны с данным суждением, то укажите О». Однако нет оснований полагать, что респонденты, отметившие 37 и 45, столь же различаются в своих оценках, как отметившие 45 и 53. Интервал в 8 чисто номинальный, так как одни люди обладают высокой способностью дифференцировать свои оценки, другие вовсе не различают нюансы. Поэтому данная шкала измеряет не что иное, как те же ранги, что и на порядковой шкале, каковой она, в сущности, и является.

Шкала отношений отличается от интервальных шкал лишь тем, что имеет нулевую точку отсчета, которая указывает на полное отсутствие измеряемого свойства.

Каждая шкала допускает лишь определенный тип операций между символами шкалы, обозначающими соответствующие индикаторы изучаемого признака. Таким образом, определенная шкала допускает вычисление лишь определенного набора статистических характеристик.

Так, на номинальной шкале вычисляются лишь простейшие показатели: частота (или процентное соотношение), мода (как характеристика средней тенденции). Пользуясь шкалой отношений, можно применять любые статистические методы расчетов.

Тип показателя характеризуется размерностью, т. е. числом переменных, входящих в анализ. Так, средние данные, меры рассеяния, коэффициенты корреляции характеризуют распределение одной или двух переменных. Однако сложность социальных процессов приводит к необходимости использования в социологических исследованиях методов многомерного статистического анализа, в частности, метода многомерного шкалирования.

Существуют два основных отличия многомерного шкалирования от традиционных одномерных методов, основанных на моделях многомерного анализа:

в многомерном шкалировании от респондента не требуют оценки по заранее заданным характеристикам, а используют вместо них суждения о сходстве между объектами;

размерность пространства, как и шкальные значения объектов, определяется из самих исходных данных.



14.1 Поиск однонаправленного континуума в шкалах Гуттмана (упорядоченная номинальная шкала)

Поиск одномерного континуума свойств некоторой неявной (латентной) характеристики по внешним ее проявлениям -- довольно сложная задача. Один из вариантов ее решения предложил Луи Гуттман. Шкала Гуттмана предназначена для измерения установок, т. е. субъективного отношения к объекту, и обладает двумя важными достоинствами: кумулятивностью и репродуктивностью.

Рассмотрим вымышленный пример построения шкалограммы для измерения социальных установок людей по поводу перехода на новую систему организации труда. Предлагая опрашиваемым серию суждений, мы просим высказать свое отношение к каждому из них. При этом несогласие с суждением, в котором критикуется новая система, наряду с согласием по поводу благоприятствующих ей мнений оценивается как положительное отношение и дает респонденту 1 балл в суммарном показателе.

В следующем списке согласие с суждениями 1, 2, 5, 6 и несогласие с суждениями 3, 4, 7, 8 свидетельствуют о благоприятном отношении к новой системе организации.

Список исходных суждений для построения шкалограммы:

1. Новая система организации, несомненно, способствует повышению производительности труда.

Согласен (1) Не согласен (0)

2. В целом эта система лучше той, что применялась прежде.

Согласен (1) Не согласен (0)

3. Некоторые стороны новой системы организации плохо продуманы.

Согласен (0) Не согласен (1)

4. Как и любая другая система организации, новая система имеет немало минусов.

Согласен (0) Не согласен (1)

5. Новая система удачно сочетает материальное и моральное стимулирование работников.

Согласен (1) Не согласен (0)

6. Доводы в пользу новой системы очень убедительны.

Согласен (1) Не согласен (0)

7. В прежней системе было немало хорошего, что утрачено в новой организации.

Согласен (0) Не согласен (1)

8. Преимущества новой системы организации совершенно не ясны.

Согласен (0) Не согласен (1)

Идеальная шкалограмма предполагает, что ответ на один из вопросов должен повлечь за собой определенный ответ на следующий за ним по нисходящей ветви.

Значит, первая задача состоит в том, чтобы выяснить, действительно ли ответы на эти вопросы образуют одномерный континуум.

Если приписать каждому положительному ответу 1 балл и каждому отрицательному -- 0, то человек, максимально благоприятно оценивающий новую систему организации, получит 8 баллов, а противник этой системы -- 0 баллов. Остальные распределяются в промежутках между двумя полюсами щкалограммы.

Процедура отработки шкалограммы состоит в следующем:

Отбирается экспериментальная группа, которой предлагают высказаться по поводу суждений, предположительно образующих континуум. В составе группы должны быть представители обследуемой категории населения. Численность группы -- около 50 человек (в нашем примере для простоты возьмем 15 человек).

Высший балл по шкале определяется суммированием оценок по каждому ответу. В нашем примере для каждого суждениявозможны оценки 1 или 0. В более сложных шкалах предлагается высказать полное или частичное согласие (несогласие) с каждым суждением:

4. Совершенно согласен.

3. Согласен.

2.. Не знаю, не могу ответить.

1. Не согласен

0. Категорически не согласен.

В этом случае высшая оценка в шкалограмме из 8 суждений составит 8x4 = 32, а низшая, как и прежде, = 0.

* Данные опроса экспериментальной группы располагаются в матрицу так, чтобы упорядочить опрошенных по числу набранных баллов от высшего к низшему (табл. 8). Знак «+» означает благожелательное отношение к объекту оценивания, «--» -- неблагожелательное отношение.

Таблица 8. Исходная матрица для построения шкалограммы

Испытуемый	Балл	Суждения (пункты шкалограммы)
		1	2	3	4	5	6	7	8
7	7	+	+	--	+	+	+	+	+
9	7	+	+	--	+	+	+	+	+
10	6	+	+	--	+	+	--	+	+
1	6	+	+	+	+	+	--	+	--
13	6	+	+	--	+	+	--	+	+
3	5	+	+	-- -	--	+	--	+	+
2	4	+	--	--	--	+	--	+	+
6	4	+	--	--	--	+	--	+	+
8	4	+	--	--	+	+	--	+	--
14	4	+	--	--	--	+	--	+	+
5	3	+	--	--	--	+	--	+	--
15	3	+	--	--	--	+	--	+	--
4	2	--	--	--	_	+	--	+	--
11	1	--	--	--	--	--	--	--	+
12	1	--	--	--	--	--	--	+	--
Число «+» в колонке	12	6	1	6	13	2	14	9

Анализируя полученную шкалограмму, видим, что она весьма близка к идеальному варианту. Например, балл 3 определенно связан с положительным отношением к новой системе по суждениям 1, 5 и 7; балл 6 означает благоприятное отношение по пунктам 1, 2, 4, 5, 7 и 8. Не очень удачны пункты 3 и 7. С суждением 3 («Некоторые стороны новой системы организации плохо продуманы») почти никто не согласен, что дает каждому по дополнительному баллу. Зато с пунктом 7 («В прежней системе было немало хорошего, что утрачено в новой организации») подавляющее большинство согласно, и это отнимает у них по баллу. Оба пункта, следовательно, плохо дифференцируют опрошенных.

Наиболее удачны суждения 2 и 4, которые делят респондентов на сторонников и противников новой системы организации.

Для очевидности шкалограммы преобразуем таблицу так, чтобы получить идеальную «лесенку» (табл. 9).

Таблица 9. Преобразованная шкалограмма

Испытуемый	Балл	Суждения
		7	5	1	8	2	4	6	3
7	7	+	+	+	+	+	+	+	-
9	7	+	+	+	+	+	+	+	-
10	6	+	+	+	+	+	+	-	-
1	6	+	+	+	-	+	+	-	+
13	6	+	+	+	+	+	+	-	-
3	5	+	+	+	+	+	--	--	--
2	4	+	+	+	+	--	--	--	--
6	4	+	+	+	+	-	--	--	--
8	4	+	+	+	-	--	--	-	-
14	4	+	+	+	+	--	--	--	--
5	3	+	+	+	--	--	--	--	--
15	3	+	+	+	-	-	-	--	--
4	2	+	+	-	-	--	-	--	--
11	1	-	-	-	+	-	--	--	--
12	1	+	-	-	-	-	-	-	-

В большинстве случаев число лиц в экспериментальной группе достигает 50--100 человек, а число пунктов также велико. Кроме того, на каждый вопрос можно было бы дать пять ответов (от «совершенно согласен» до «совершенно не согласен»). Поэтому вращение рядов шкалограммы -- утомительная операция.

Гуттман разработал несколько технических приемов. Один из них: деревянная доска, на которой передвигаются цветные фишки, соответствующие позитивным/негативным ответам. Конечно, при современных возможностях использовать компьютер все эти сложные перестановки максимально упрощаются.

После упорядочения респондентов упорядочиваются пункты от максимума к минимуму благожелательных ответов. Внутри пункта производится сортировка субъектов так, чтобы набравшие максимум баллов располагались выше тех, кто набрал следующее за ними число баллов.

При работе с картами ручной сортировки в карточку респондента заносятся ответы «за» и «против» каждого пункта информации, а также общее число набранных баллов.

Первая сортировка производится по колонке № 1 на всю выборку, затем -- по остальным колонкам, т.е. вопросам.

Так определяется порядок вопросов в матрице от набравшего максимум до набравшего минимум благожелательных ответов.

Вторая сортировка -- внутри данной колонки ранжируются субъекты, набравшие максимум/минимум баллов. Составляется матрица, которую анализируем с точки зрения наличия континума в ответах.

Вернемся к нашей шкалограмме. Из таблицы 10 видно, что имеется 6 случаев отклонения от идеального распределения: 3 благоприятных суждения выпали в «запретную» зону справа и 3 неблагоприятных суждения выпали в «запретную» зону слева. Используем, например с умением считать: перед нами тот случай, когда умеющий умножать почему-то не умеет складывать, а не умеющий умножать умеет возводить в степень. Иными словами, это -- парадокс.

Идеальную шкалограмму мы не получили. Но это вообще маловероятно. Следует стремиться к некоторому оптимальному варианту. Такой вариант задается числом допустимых отклонений в ответах экспериментальной группы.

В массовом обследовании все пункты шкалы тасуются в беспорядке. Ранг каждого опрашиваемого определяется по сумме набранных баллов.

Данные, полученные на группу, можно усреднить, подсчитав среднеарифметический ранг для этой категории лиц и сравнивая его с аналогичным средним показателем для другой категории.

В нашем примере было бы интересно знать расхождение в оценках нововведений на государственных и частных предприятиях, руководителей и рядовых сотрудников.

14.2 Использование судей для отбора пунктов в шкалу равных интервалов Тёрстоуна

Выше мы рассмотрели процедуру фиксирования одномерного континуума. Но часто возникает прямо противоположная задача: нужно измерить субъективные отношения людей к весьма сложным явлениям, причем мы либо не можем, либо не желаем расчленять это отношение по составляющим его аспектам. Как и в построении шкалограмм, речь вновь идет о поиске латентной (скрытой) характеристики по ее внешним проявлениям, но цели поиска -- иные.

Луи Тёрстоун исходил из верной предпосылки, что психологическая установка человека на социальные объекты содержит эмоциональное отношение. Поэтому задача измерения сводится к тому, чтобы найти степень позитивной или негативной напряженности такого отношения.

Процедура конструирования шкалы равных интервалов разрабатывалась Тёрстоуном по аналогии с процедурами поиска психофизиологических порогов восприятия.

Представим, что перед нами множество предметов одинакового внешнего вида, но незначительно отличающихся по весу. Перебирая предметы и взвешивая их поочередно на руке, определим минимальную величину, которая ощущается как разница двух близких весов.

Это и есть интервал порога восприятия тяжести. Аналогичным образом строится процедура поиска субъективного порога различения оценочных суждений в шкале Тёрстоуна.

Разработка шкалы производится в несколько этапов.

* Вначале формулируют множество суждений позитивного и негативного характера, каждое из которых выражает отношение к некоторому объекту, явлению, социальной проблеме и т. п. в зависимости от поставленной задачи.

Например, это могут быть суждения, выражающие отношение к соблюдению законности: «Законы следует соблюдать во всех случаях»; «Бывают обстоятельства, когда нарушение определенного законодательного положения допустимо»; «Если бы наказания за несоблюдение законов были более строгими, нарушений бы не было»; «Я не очень беспокоюсь о нарушении закона, если никто об этом не сможет узнать» и т. д.

Суждения должны быть вполне однозначны и понятны, а главное, сформулированы так, чтобы с ними не смогли согласиться люди, придерживающиеся прямо противоположных взглядов. Начальная численность таких суждений ориентировочно около 30.

Для их формулировки можно привлечь представителей потенциальной аудитории опроса.

Суждения, записанные на отдельные карточки, предлагаются «арбитрам», в качестве каковых выступают случайным образом отобранные представители опрашиваемой аудитории.

Численность судей -- около 50 человек.

Этим арбитрам предлагается рассортировать все суждения одно за другим, последовательно в 11 групп, обозначенных буквами от А до Л.

Возле картонки с буквой «А» надо поместить суждения, в которых, по мнению арбитра, выражено максимально положительное отношение к данному объекту или явлению, а возле картонки с буквой «Л» -- максимально негативное. Возле картонки с буквой «Е» должны помещаться суждения нейтрального, по мнению «арбитра», характера, а остальные -- в зависимости от их содержания в промежутках от «А» до «Е» и от Е» до «Л».

Судей предупреждают, что не надо стараться распределить суждения по всем группам поровну, но только в зависимости от их смысла.

* После окончания сортировки начинается тщательный анализ, с тем, чтобы установить:

степень согласованности судейских решений и

«цену» каждого суждения на шкале в 11 интервалов (эта шкала найдена оптимальной).

Для использования в массовом опросе все суждения тасуются в беспорядке. Опрашиваемые выражают согласие или несогласие с каждым из предложенных суждений. Цена суждения в опросном листе не проставлена: веса всех суждений записаны в инструкции по обработке данных.

Ранговая позиция группы опрошенных определяется как среднеарифметическая рангов всей совокупности, составляющей группу.

Обоснованность и устойчивость шкалы можно проверить с помощью уже известных нам приемов; использование независимого критерия, контроль по известной группе, повторное измерение с интервалом во времени.

Не обязательно начинать отбор суждений со столь большого числа вариантов, как это делал Тёрстоун. Наша практика показывает, что 30--50 суждений вполне достаточны для судейского отбора, после которого определится десяток вполне приемлемых пунктов шкалы. Также не обязательно вовлекать в работу очень большое число судей: можно получить статистически устойчивые данные на 50--60 экспертах.

Снижение точности замера за счет снижения дробности шкалы существенно повышает ее надежность. Если предлагать судьям расположить суждения не в 11, а в 5 интервалов, итоговая шкала будет более надежна, но менее точна. Выбор в пользу большей/меньшей точности зависит от предмета исследования и значимости гипотез, а также от того, насколько точно измеряются в нем другие переменные.

Если большинство переменных измеряется по трехчленным и пятичленным шкалам, но только одна -- по 11-членной шкале, и притом все переменные подлежат взаимной корреляции, в этом случае повышенная точность 11-членной шкалы -- излишняя роскошь. Она не оправдывается логикой сопоставления с другими переменными.

Работа с экспертами, аналогичная описанной выше, широко применяется и в других случаях, когда мы обращаемся к выборочной группе из массива обследуемых для того, чтобы глазами будущих испытуемых проверить соотносительную значимость оценок, придаваемых пунктам шкалы.

14.3 Шкала Лайкерта

Процедура построения шкалы:

формируется большое число суждений, около 100. Данные суждения не имеют нейтральных значений и не обязательно должны охватывать весь смысловой континуум, но должны иметь ярко выраженное положительное либо отрицательное отношение к объекту;

каждое суждение предъявляется экспертами, которые выражают свое к нему отношение по 5-балльной шкале (полностью согласен, согласен, нейтрален, не согласен, полностью не согласен);

далее, для каждого эксперта социолог рассчитывает общий балл (за каждое суждение эксперт получает балл от 1 до 5, которые затем складываются по всем суждениям);

затем каждое суждение сравнивается с остальными суждениями; для этого строится таблица сопряженности, причем на ее основе рассчитывается коэффициент корреляции, который показывает тесноту связи данного вопроса с итоговым показателем; в основе таблицы сопряженности лежит два показателя: балл эксперта по проверяемому вопросу (от 1 до 5), разность между общим баллом эксперта и баллом проверяемого вопроса;

вопросы с отрицательными и малыми корреляциями «выбрасываются»; в общей сложности должно остаться около 20 суждений; получается порядковая шкала; в процессе массового опроса респондент отвечает на эти 20 вопросов и получает суммированный балл.

14.4 Основные ограничения измерения первичной информации

Мы рассмотрели различные приемы перевода качественных социальных признаков в их количественные выражения. Это очень ответственный момент процедуры социологических исследований.

Применение количественных методов и использование статистических отображений социальных явлений и процессов как бы возводит социологию в ранг подлинной «строгой» науки. Создается впечатление математической точности выводов.

Между тем квантификация сложных и далеко не однозначных социальных реалий накладывает немало ограничений на собственно математические операции с их измерениями. Математик работает с простыми однозначными абстракциями, в основе которых суждение «есть/нет» (т.е. наличие/отсутствие данного свойства). Социолог обязан постоянно помнить, что в действительности скрывается за величинами, которыми мы оперируем.

В данном случае мы обращаем внимание только на некоторые ограничения, связанные со специфическим видом формализации социальных данных, имея в виду наиболее распространенные и сравнительно простые приемы использования математической статистики в социологии.

Более сильная шкала отличается от ближайшей к ней относительно слабой тем, что допускает более широкий диапазон математических операций с числами.

Все, что допустимо для слабой шкалы, допустимо и для сильной. Но не все, разрешимое для сильной, позволительно для слабой шкалы.

Поэтому смешение в анализе мерительных эталонов разного типа приводит к тому, что не используются возможности сильных шкал: в этом случае все операции с числами должны удовлетворять требованиям, предъявляемым к относительно слабым шкалам.

Второе общее ограничение связано с формой распределения величины фиксированных описанными выше шкалами, которое предполагается нормальным.

Рис. 2. Распределения: 1 --нормальное; 2 -- скошенное

На рисунке 2. показаны варианты нормального и скошенного распределений, где нормальное (эталонное) обозначено пунктиром, а скошенное -- сплошной линией. Нормальное гауссово распределение имеет вид симметричного колокола, у скошенного же по сравнению с нормальным в нашем случае «поднят» правый и опущен» левый конец (так называемые хвосты распределения).

Итак, второе ограничение -- особенности одномерных (не говоря уже о более сложных) распределений. Оно заключается в том, что необходимо внимательно изучать форму распределения с точки зрения его уклонения от нормального, симметричного.

Первое ограничение -- соразмерность количественных показателей, фиксированных разными шкалами в рамках одного исследования.

Суммируем сведения о возможностях операций с числами в описанных выше шкалах.

Третье ограничение особенно неприятно. Оно состоит в том, что в социальных процессах нередки явления, измерение которых следует производить шкалами открытого типа, где полюс наибольших значений не фиксирован и может принимать любую величину.

Практические советы.

Приступая к разработке методов и процедур исследования, вначале продумайте, какие явления, свойства и объекты реально варьируют по их интенсивности, распространенности, состояниям выраженности, а какие могут быть фиксированы лишь в качественных отображениях.

Определяя способ квалификации (тип шкалы), соизмеряйте его не только с природой объекта, но с целями исследования и возможностями последующего количественного анализа: излишняя квантификация -- напрасная растрата усилий, недостаточная -- упущенные возможности более глубокого изучения объекта.

Не забывайте, что всегда лучше опираться на достоверные и менее детальные сведения, чем на детальные и малодостоверные, отсюда -- указания к выбору приемлемого типа шкал и дробности их метрики.

Изящный статистический анализ полученных данных будет вводить в заблуждение и нас самих и других, если ему не предшествовала добротная проверка надежности исходных измерений и регистрации фактов в целом.

Самое же главное состоит в том, что количественный анализ не самоцель, но лишь средство качественного: качественный анализ предшествует квантификации, качественным анализом завершается изучение количественных распределений и связей.



15. Анализ и обобщение массовой информации

15.1 Группировка и эмпирическая типологизация

Группировка -- объединение по существенным признакам единиц наблюдаемого объекта в однородные совокупности. Процедуре группировки предшествует тщательный логический анализ изучаемой проблемы, в ходе которого определяются основные признаки, по которым будет происходить разбивка изучаемой совокупности на однородные группы.

В основе группировки лежат существенные социальные признаки, выделение которых теоретически обосновано в программе социологического исследования.

Группировка осуществляется по качественным и количественным критериям (различным статистическим показателям), в результате выделяются однородные социальные группы, например, группа работников предприятия с доходом от 1000 до 3000 руб. на одного члена семьи.

Научная обоснованность группировки зависит от соблюдения основных ее принципов: расчленение разнородных явлений на однородные; нахождение общих и однотипных явлений; определение признаков, по которым необходимо разграничивать типы; определение интервалов перехода от одного типа к другому.

Расчленение совокупности на однородные группы -- основное условие применения корреляционного анализа и других видов статистического анализа признаков.

Независимо от того, какие методы используются при обработке материалов исследования, в их основе лежит предварительное упорядочивание первичной информации, главным образом при помощи статистической группировки и составления статистических таблиц.

Основные виды группировок, используемые в социологических исследованиях:

группировки при помощи простого суммирования однородных признаков, что позволяет рассчитать абсолютное число их проявления в изучаемой совокупности;

ранжирование, т. е. группировка единиц наблюдения в зависимости от возрастания или убывания изучаемого признака;

группировка на основе логически выделенных признаков с использованием заранее разработанной порядковой или интервальной шкалы, каждый уровень которой выражает степень проявления изучаемого признака.

Результат группировки единиц наблюдения по одному какому-либо признаку называется статистическим рядом, а распределение частот признака в совокупности -- вариационным рядом.

Эмпирическая типологизация -- это поиск устойчивых сочетаний свойств социальных объектов (или явлений), рассматриваемых в нескольких измерениях.

И. А. Таганов и О. И. Шкаратан применили статистический критерий энтропии Н. При значении Н = 1 -- полярная упорядоченность состояния трех свойств, при Н = 0 -- полный хаос.

Например, проведенные И. А. Тагановым и О. И. Шкаратаном исследование рабочих показало, что наибольшее упорядочивание наблюдается между тремя переменными: профессией, квалификацией, образованием. Именно эти переменные являются детерминантами возникновения социально-неоднородных групп в рабочем классе.

Многомерное пространство -- процедура распознавания образов (таксономия). Метод впервые применен Т. И. Заславской.

При таксонометрическом анализе мигрирующих из села в город и обратно были выделены десятки признаков: пол, возраст, образование и т. д. В итоге получилось шесть групп (таксонов):

семейные мужчины и женщины;

неженатые молодые мужчины;

незамужние молодые женщины;

престарелые женщины без мужей;

одинокие женщины среднего возраста без специальности;

одинокие женщины, имеющие специальность.

Эти таксоны существенно различаются по характеру миграции: группа 1 в основном перемещается из села в село, то же -- группы 4, группы 2, 3 (молодежь) движутся в город, причем девушки больше, чем юноши (по данным Т. И. Заславской). Исследование имеет практическую значимость для социального управления.

15.2 Основные виды массовой информации, используемые в прикладном социологическом и маркетинговом исследовании

В современных социологических, маркетинговых исследованиях и при осуществлении PR-кампаний используются следующие основные виды массовой информации:

внешняя первичная информация, полученная без специально подготовленных инструментов сбора информации; документальные данные, данные статистики;

первичная информация, полученная с помощью специально подготовленных инструментов исследования;

объективная информация, полученная с помощью анализа документов, наблюдения, эксперимента;

данные первичной обработки информации: таблицы, графики, данные, содержащиеся на дискетах; перечни отдельных фактов, событий, признаков;

индексы, расчетные формулы, коэффициенты, специальные таблицы;

результаты промежуточного анализа: расчеты индексов, проверка основных гипотез исследования;

социальные показатели, нормативы, полученные по результатам исследования.

15.3 Виды анализа массовой информации

Качественными видами анализа являются:

функциональный анализ по выявлению устойчивых инвариантных связей объекта;

структурный анализ по выявлению внутренних элементов объектов и способа их сочетания;

системный анализ -- целостное изучение объекта.

Виды анализа с использованием методов статистики:

анализ средних величин;

вариационный (дисперсионный) анализ;

изучение колебаний признака относительно его среднего значения;

корреляционный анализ: установление зависимости между признаками;

факторный анализ: многомерный статистический анализ признаков, установление внутренних взаимосвязей признаков;

регрессионный анализ: изучение изменений значений результатирующего признака в зависимости от изменений признаков-факторов;

кластерный (таксономический) анализ -- классификация признаков и анализ связи классификационных единиц; латентный анализ -- выявление скрытых признаков объекта; дискриминантный анализ -- оценка качества экспертной классификации объектов социологического исследования; логлинейный анализ -- поиск и оценка взаимосвязей в таблице, сжатое писание табличных данных.



15.3.1.Методы статистического анализа массовой информации (общая характеристика)

Методы статистического анализа массовой информации -- совокупность статистических методов обработки, сравнения, классификации, моделирования и оценки данных, полученных в результате социологического исследования.

Они применяются на следующих этапах социологического анализа информации:

предварительный анализ и статистическая обработка для снижения размерности признакового поля;

отбор наиболее информативных признаков, удаление многомерных выбросов, не укладывающихся в распределение данных;

формирование таблиц промежуточных статистических показателей, необходимых для дальнейшего анализа;

По характеру решаемых задач и используемого математического аппарата методы статистического анализа социологической информации можно разделить на следующие основные группы:

* Одномерный статистический анализ -- позволяет анализировать эмпирическое распределение измеренных в социологическом исследовании признаков. Здесь вычисляются дисперсии и средние арифметические значения признаков, определяются частоты встречаемости различных градаций признаков.

Поскольку измеренный в исследовании признак есть случайная величина, порожденная содержательной стороной исследуемого объекта, то анализируется степень близости значения эмпирического распределения к известным законам распределения случайных чисел, в частности, закону нормального распределения.

* Анализ сопряженности и корреляции признаков предполагает использование совокупности статистических методов, связанных с вычислением парных корреляций между признаками, измеренных в количественных шкалах и анализ таблиц сопряженности для качественных признаков.

Основную роль здесь играет выбор меры связи между измеренными показателями и характер выходных показателей, определяющих содержательную сторону изучаемых объектов.

Кроме выраженности (силы) показателя взаимосвязи обязательно определяется его значимость (уровень доверительного интервала).

* Проверка статистических гипотез. Эта группа методов позволяет подтвердить или опровергнуть определенную статистическую гипотезу, обычно связанную с содержательным выводом исследования.

Гипотеза подтверждается или опровергается при принятом уровне значимости (обычно 0,05) в соответствии с выбранным типом критерия (например, х2), при этом учитывается как выраженность (сила) статистического показателя связи, так и количество степеней свободы в распределении признака.

* Многомерный статистический анализ, на основе которого анализируют количественные зависимости отдельных содержательных сторон исследуемого объекта от множества его признаков.

Конкретный вид применяемого анализа зависит от характера (качественного или количественного) измеренных признаков, а также цели исследования.

Наиболее часто применяются методы анализа совместного влияния признаков (регрессионный, дисперсионный), методы выявления и оценки скрытых факторов (факторный, логлинейный) и методы многомерной классификации (кластерный, дискриминантный).

15.3.2 Таблица сопряженности признаков

Таблица сопряженности признаков -- форма представления данных об объектах социологического исследования на основе группировки двух или более признаков по принципу их сочетаемости.

Таблица сопряженности признаков формируется после определения взаимной частоты встречаемости градаций признаков (вариантов ответа на вопрос анкеты).

Таблица сопряженности признаков наглядно представима лишь в виде набора двумерных срезов и служит для определения значений мер связи признаками, а также процентного представления распределения градаций признака в выборке.

Важная особенность таблицы сопряженности признаков -- возможность поградационного анализа влияния какого-либо признака на другие, а также визуального экспресс-анализа взаимовлияния двух признаков.

Таблицы сопряженности признаков, образованные двумя признаками, называется двумерными. Наиболее часто встречаются двухмерные таблицы, образованные альтернативными признаками, измеренными в дихотомической шкале (2x2 таблица). Для таких форм разработано большинство мер связи, они более удобны для анализа и дают корректные и значимые результаты.

Анализ любых многомерных таблиц сопряженности признаков в основном сводится к анализу составляющих ее маргинальных двумерных таблиц.

Таблицы сопряженности признаков заполняются данными о частотах со-вместной встречаемости признаков в абсолютном или процентном выражениях.

Признаки, образующие таблицу, должны быть измерены только в качественной (номинальной) или порядковой шкале.

Процентное выражение может быть представлено в трех видах:

общем, когда проценты подсчитываются по отношению к сумме частостей по всей таблице;

построчном, когда проценты подсчитываются по отношению к суммам частостей по каждой строке таблице;

постолбцовом, когда проценты просчитываются по отношению к суммам частостей по каждому столбцу.

Существует два основных класса статистических выводов, которые делаются при анализе таблиц сопряженности:

проверка гипотезы о независимости признаков;

проверка гипотезы о связи между признаками.

В отношении двумерных таблиц рекомендуется применять:

* коэффициенты Юла и Ф.

В отношении многомерных таблиц рекомендуется применять:

* показатель взаимосвязи у} (хи-квадрат, коэффициент средней квадратической сопряженности С (Пирсона) и Т (Чупрова)).

Для таблиц сопряженности признаков, категории которых упорядочены, рекомендуется применять коэффициенты:

* Г (Гудмана), Т (Кендалла), S (Спирмена).

15.3.3 Логлинейный анализ

Логлинейный анализ представляет собой исследование таблиц сопряженности большого числа признаков, в основе которого лежит предположение о линейной зависимости логарифма частоты (частости, количества, процента) содержащейся в любой ячейке многомерной таблицы, от конкретных значений переменных, образующий данную таблицу.

Логлинейный анализ применяется для поиска и оценки силы и достоверности взаимосвязей в таблице:

для сжатого и аналитического описания структуры таблицы;

для детального анализа выявленных конкретных взаимосвязей.

Наиболее часто логлинейный анализ применяется для анализа

альтернативных переменных (дихотомических), т.к. он позволяет не только установить наличие взаимосвязи, но и исследовать ее направление и построить специальное уравнение, связывающее зависимый признак с независимым, подобно обычному регрессионному.

Критерием достоверности модели служат показатели хи-квадрат, оценивающие степень сходства реальной выборочной таблицы и таблицы, восстановленной по логлинейной модели для полученных параметров.

Все необходимые расчеты проводятся только на ЭВМ в связи со сложностью вычислений.

К недостаткам логлинейного анализа следует также отнести громоздкость вычислений, а, следовательно, и большой объем оперативной памяти ЭВМ, особенно, если исследуется таблица с большим количеством признаков или их градаций.

15.3.4 Кластерный анализ

Кластерный анализ -- метод классификации объектов (анкет, признаков, ячеек таблицы сопряженности) объединяющий способы классификации при отсутствии предварительных или экспертных данных о группировании информации.

Другие названия кластерного анализа:

таксономия,

распознавание образов.

С помощью кластерного анализа можно разделить совокупность данных на однородные группы таким образом, что различия между объектами одной группы оказываются значительно меньшими, чем между объектами разных групп.

Важнейшим свойством кластерного анализа, определяющим его широкое применение при анализе массовой информации, является то, что он не опирается на предположение о нормальном распределении исходных данных может оперировать с признаками, распределенными по любому закону.

В кластерном анализе используются, признаки, измеренные как в количественных (интервальная и отношений), так и в качественных (номинальная, ранговая) шкалах.

Для качественных показателей, особенно представленных в дихотомической шкале, чаще всего используются меры связи или подобия: хи-квадрат (х2) и родственные ему меры, различные коэффициенты сопряженности.

Для количественной информации это обычные коэффициенты корреляции; для данных, измеренных в ранговой шкале -- коэффициенты ранговой корреляции Спирмена и Кендалла.

Кластерный анализ позволяет провести классификацию одновременно по совокупности многих признаков. Его также можно использовать для объединения в группу (кластер) как объектов, так и их признаков. В последнем случае кластерный анализ сходен с факторным анализом.

Большое значение для некоторых видов кластерного анализа имеет предварительная нормализация (стандартизация) исходных данных, в частности, для количественных переменных -- выражение отклонения каждого конкретного значения признака от его среднего арифметического в долях среднеквадратического отклонения. Это необходимо для того, чтобы привести к одному масштабу переменные различного порядка либо различного диапазона вариабельности.

Основные виды кластерного анализа:

иерархический, в котором различают прямые, или объединительные (агломеративные) процессы кластеризации и обратные, или разделительные (дивизимные);

агломеративные виды кластерного анализа начинаются с объединения в одну группу двух наиболее близких между собой объектов; на следующих этапах объединяются следующие по близости объекты, причем уже полученные ранее группы также считаются объектами. Процесс продолжается до тех пор, пока все объекты, участвующие в кластерном анализе, не объединятся в одну группу (кластер);

дивизимные виды кластерного анализа начинаются с разбиения всей совокупности объектов на две группы и заканчиваются, когда количество групп достигнет количества объектов;

таксономический, цель классификации в котором состоит в получении кластеров с минимальной суммой квадратов расстояний между объектами и расстоянием внутри кластера относительно среднего;

факторный, предполагающий выполнение -- техники факторного анализа методами главных компонент, главных факторов, максимального правдоподобия.

15.3.5 Корреляционный анализ

Корреляционный анализ -- совокупность статистических методов анализа переменных, связанных по типу корреляции (соотношения), зависимости некоторых характеристик, полученных для одного и того же объекта.

Если две такие характеристики имеют тенденцию изменяться совместно так, что возникает возможность предсказать величину одной их них по значению другой, то говорят, что эти характеристики коррелируют друг друга.

Коэффициент корреляции представляет собой число, знак и величина которого характеризуют направление и силу подобной взаимосвязи.

Значения коэффициента корреляции могут изменяться от --1,0 до +1,0 (включая 0,0). Знак коэффициента корреляции направление -- прямое или обратное -- взаимосвязи между двумя переменными.

Абсолютное значение коэффициента характеризует силу рассматриваемой взаимосвязи.

Коэффициент корреляции, равный плюс или минус единице, указывает на наличие строгой функциональной зависимости.

Коэффициент корреляции 0,0 свидетельствует об отсутствии какой бы то ни было взаимосвязи между рассматриваемыми переменными.

При измерении связи переменных числом категорий больше двух, применяют меры связи, основанные на критерии х2- Коэффициенты этой группы являются показателями двусторонней связи.

Если связь признаков является причиной, т.е. ясно, какая переменная может рассматриваться как зависимая, а какая как независимая, и зависимая переменная имеет всего две градации (т.е. размерность 2 х 2), то связь может быть измерена с помощью корреляционного отношения.

Между двумя порядковыми переменными связь измеряется с использованием коэффициентов ранговой корреляции (Спирме-на и Кендалла).

Если обе переменные измерены в интервальной шкале, то связь между ними измеряется с использованием коэффициента корреляции Пирсона.

При интерпретации коэффициентов корреляции необходимо учитывать следующее:

* Существуют т.н. ложные корреляции, которые определяются не взаимосвязью признаков, а случайным их совпадением в силу неучтенных факторов:

Например: Установлено, что с повышением должности число больничных дней у респондентов уменьшается. Это, однако, не означает, что повышение должности улучшает здоровье работников.

* Корреляционная связь не тождественна причинной, хотя последняя всегда выразится в значениях коэффициентов корреляции.

Цель анализа -- поиск причинных зависимостей. Корреляции, хотя прямо и не указывают на такую зависимость, являются ключом к ней.

Отсутствие корреляции (принятие нулевой гипотезы) столь же важно, как и ее наличие. Если между двумя переменными нет корреляции, то можно обоснованно предположить, что они не входят в число факторов, детерминирующих изменение каждой из них.

15.3.6 Факторный анализ

Факторный анализ -- метод статистического анализа массовой информации, направленный на выявление значимых латентных переменных (факторов), оценки их связи с некоторыми признаками выраженности факторов у объектов исследования.

Если коэффициент корреляции близок к 1, то значит, данный признак не обладает новизной информации, а только дублирует другие признаки.

Если близок к нулю, то, значит, признак не связан существенно с другими призраками и также должен быть исключен из анализа.

Выявленные факторы обычно определяют основные направления, по которым группируются нормативные исходные признаки. В результате получается т.н. простая факторная структура, позволяющая зримо представить всю полноту данных конкретного исследования.

Факторный анализ осуществляется в 4 этапа:

на первом этапе осуществляется корреляционный анализ,
или анализ матрицы корреляционных связей между исходными признаками, участвующими в факторном анализе;

на втором этапе находят первоначальные, или грубые факторы;

на третьем этапе осуществляется вращение первоначальных факторов с целью их уточнения и получения относительно простой факторной структуры;

на четвертом этапе находят значения факторных нагрузок.

15.3.7 Обработка массовой информации

Обработка массовой информации представляет собой преобразование эмпирических данных, полученных в ходе исследования, с целью сделать их пригодными для дальнейшего статистического анализа, проверки исследовательских гипотез, теоретической интерпретации. В обработке социологической информации выделяют:

* первичную обработку, исходной информацией для которой являются данные, полученные в ходе эмпирического социологического исследования;

Первичной обработкой считается составление таблиц сопряженности признаков, расчет многомерных распределений, классификация и проч.

* вторичную обработку, предполагающую преобразование данных первичной обработки, т.е. получение показателей, рассчитанных по частотам, сгруппированным данным, кластерам и т.д. (средние величины, меры рассеяния, связи, показатели значимости).

Обработка социологической информации имеет ряд этапов:

редактирование и кодирование информации (исправление ошибок, обнаруженных на этапе селекции анкет, кодирование открытых вопросов);

перенос данных на машинные носители (дискеты, винчестеры, CD и т.д.);

ввод данных с машинных носителей в ЭВМ;

машинная проверка качества данных и их исправление ошибок (специальная программа контролирует, не выходят ли «коды ответов» за допустимые пределы, не противоречивы ли ответы респондентов и т.д.).



Заключение

Мы рассмотрели основные, наиболее распространенные процедуры сбора и обработки информации в социологических, маркетинговых исследованиях и при осуществлении PR-компаний. Эти процедуры широко используются в современной социологии и маркетинге, дают возможность сформулировать обоснованные прогнозы развития социальных и экономических систем, выявить основные тенденции общественного прогресса в целом.

Владение указанными методами дает возможность реального управления социально-экономическими процессами, разработки эффективных социальных технологий управления всей системой социальных взаимодействий в современном обществе.



Литература по технике и технологии сбора и анализа массовой информации

Andreenkov V. G., Tolstova Ju. Brief Overview of Soviet literature on Mathematical Methods of Sociology (1973-1983). // BMS (Bulletin de Methodology Sociologique). Juillet. 1985, № 7.

Converse J. Survey Research in the United States. Roots and Emergence 1890-1960. -- Berkley, Los Angeles; London: University of California Press, 1986.

Айвазян С. А. и др. Классификация многомерных наблюдений. -- М.: Статистика, 1974.

Айвазян С. А. и др. Прикладная статистика. Ч. 1, 2, 3. -- М.: Финансы и статистика, 1983, 1985, 1989.

Алгоритмы анализа данных социально-экономических исследований / Под. ред. Б. Г. Маркаряна. -- Новосибирск: ИЭи-ОПП СО АН СССР, 1982.

Алчевская X. Д. Что читать народу? Т. 1, 2, 3. -- СПб., 1884, 1889, 1906.

Алъмодовар Ж. П. Рассказ о жизни и индивидуальная траектория: сопоставление масштабов анализа. // Вопросы со...