Одним из новых методов социологических опросов сегодня в мире является SMS-опрос, который используется при помощи мобильной связи. Применение нового метода сбора информации - SMS-опроса - имеет ряд существенных преимуществ по сравнению с другими методами:

1. Оперативность получения и обработки данных (SMS-система обрабатывает до 300 SMS-сообщений в секунду).

2. Актуальность получаемой информации.

3. Возможная масштабность и массовость исследования (практически не зависит от географических, экономических и других условий, часто мешающих проведению полноценного исследования).

4. Удобство и простота в проведении опроса.

5. Возможность анализа полученных данных с помощью автоматически построенных отчетов (в виде различных графиков, диаграмм, таблиц) [18, c. 1].

SMS-опрос предусматривает, во-первых, электронное обращение исследователя к определенной группе людей - респондентов - с вопросами, содержание которых представляет собой изучаемую проблему. Во-вторых, - автоматическое составление и статистическую обработку полученных ответов, а также их последующую интерпретацию. При сравнении методов, использующихся в социологической практике, метод SMS-опроса эффективен в случаях:

· Когда изучаемая проблема недостаточно обеспечена документальными источниками информации либо когда такие источники вообще отсутствуют (при проведении различных исследований средствами массовой информации довольно часто встает именно такая проблема, поэтому использование SMS-опроса может быть одним из способов ее решения).

· Когда предмет исследования или отдельные его характеристики недоступны для наблюдения (метод особенно важен при проведении исследования, охватывающего несколько географических объектов).

· Когда предметом изучения являются элементы общественного или индивидуального сознания: потребности, интересы, мотивации, настроения, ценности, убеждения людей и т. д. (например, предпочтения радиослушателей или вкусы посетителей крупных магазинов и торговых комплексов).

· В качестве контрольного (дополнительного) метода для расширения возможностей описания и анализа изучаемых характеристик и для перепроверки данных, полученных другими методами.

Важным преимуществом использования SMS-технологий при проведении социологических исследований является гибкая и эффективная последующая обработка данных. Обработка результатов SMS-опроса включает в себя следующие этапы:

1. Вместо традиционного и достаточно затратного этапа редактирования и кодирования информации SMS-система предоставляет исследователям унифицированные и формализованные отчеты по той информации, которая была получена в ходе исследования.

2. Создание переменных. Собранная на основании SMS-сообщений информация в ряде случаев прямо отвечает на те вопросы, которые необходимо решить в исследовании. Необходимо провести обратную процедуру, то есть перевести данные в форму, которая отвечала бы на вопросы исследования.

3. Статистический анализ. Этот шаг является ключевым в процессе анализа социологических данных. В ходе статистического анализа выявляются некоторые статистические закономерности и зависимости, которые позволяют социологу сделать определенные обобщения и выводы. Для проведения статистического анализа социологи используют большое число различных математических методов, позволяющих полно и всесторонне анализировать собранную информацию. Современные IТ-технологии позволяют проводить математико-статистическую обработку данных.

4. При обработке и анализе данных, полученных методом SMS-опроса, могут быть широко применены методы ранжирования, шкалирования, корреляции и др. Этот этап значительно упрощен за счет ведения базы данных и формирования на ее основе автоматических статистических отчетов.

5. Социологическое исследование завершается формированием выводов, предложений и рекомендаций. Они должны носить конкретный, реалистический характер, иметь необходимые обоснования в материалах исследования, подтверждаться документальными и статистическими данными. В этой связи, помимо SMS-опроса, желательно использовать другие социологические методы, такие, например, как интервьюирование, анализ документов и др.

При всех "за" существуют и некоторые трудности в использовании SMS-метода. Проблемы и ограничения сводятся к таким, например, как финансовые затраты, связанные с приобретением программных комплексов, предназначенных для проведения исследования, а также недоступность мобильной связи всем слоям общества. Серьезными проблемами являются неразработанность техники и методики проведения соцопросов в Республике Беларусь (к тому же еще и таких новых, мало опробованных на практике), неготовность людей к участию в такого рода нестандартных опросах (игнорирование, случайные, игровые заполнения, намеренное искажение информации о себе). Названные проблемы характерны практически для всех вариантов опроса. Исследователям стоит подумать, как этих проблем избежать. Ведь немаловажным фактором в недостаточных для анализа результатах является плохое знание исследователями изучаемой области, целей социологического опроса, а также некорректная постановка социологических вопросов [18, c. 1].

3. Программы, используемые в социологии для обработки данных

3.1 Средства компьютационной социологии

Компьютационная социология возникла как средство разработки и проверки социологических теорий, измерения социальных явлений, определения принципов и закономерностей строения и функционирования социальных процессов, социальных систем и их прогнозирования. Она используется также для разработки рекомендаций по управлению различными социальными явлениями, процессами, социальными системами с использованием компьютерных моделей, предназначенных для проведения computer simulation (имитационного компьютерного моделирования). По мнению исследователей, компьютационная социология располагается "между" теоретической и эмпирической социологией, является разделом Social Computer Science (социальной компьютерной науки), которая, в свою очередь представляет часть Computer Science (компьютерной науки). Теоретическим базисом компьютационной социологии являются классические и современные социологические теории, компьютерные теории, теории математической социологии, достижения компьютерной науки и ее раздела - социальной компьютерной науки, Neurocomputer Science (нейрокомпьютерной науки), System Science (науки о системах или системологии), Cognitive Science (науки о знаниях) и других дисциплин. В ней используются общая теория систем, теории мирсистемы, регионов, организаций, городов, теории игр, самоорганизации и т.д. Основной метод описания, анализа, объяснения и прогнозирования в компьютационной социологии - computer simulation (имитационное компьютерное моделирование) - рассматривается как теоретический эксперимент, позволяющий получить новое знание. В компьютерной социологии программирование компьютерных моделей также рассматривается как специфический метод исследования.

Компьютерные модели в компьютационной социологии подразделяются на три класса. Первый класс - компьютерные модели, основанные на классической или компьютерной социологической теории. Второй класс - компьютерные модели, основанные на предварительном эмпирическом анализе собранных данных, без связи с какой-либо теорией, третий класс - компьютерные модели из других областей знания, например, клеточные автоматы, "нейронные" сети, модели детерминированного хаоса, сложности и т.д.

Для разработки компьютерных моделей используются три подхода. 1) Программирование компьютерной модели, используя языки программирования, например: С++, DELPHI, LISP, PROLOG, языки моделирования Smalltalk, Tcl и Tk, MIMOSE и т.д. 2) Использование специализированных стандартных компьютерных "оболочек" для построения компьютерных моделей и проведения имитацинного моделирования, например, язык программирования и среда моделирования SWARM, CORMAS. 3) Использование средств имитационного моделирования, включенных в стандартные математические компьютерные системы, например, MATLAB (версия 6.5), МАТНЕМАТIСА (версия 4.2) и т.д. Применяются специализированные компьютерные системы для построения и обучения "нейронных" сетей и проведения моделирования, например, NeuroSolution, NeuroShell, BrainMaker.

Компьютационная социология КС предъявляет свои требования к социологическим понятиям и теориям, в частности, конструктивность. Под ней понимается возможность практической реализации теоретического понятия или целой теории с помощью какого-либо языка программирования в реально функционирующей компьютерной системе. В этой связи отметим, что главным теоретическим понятием компьютационной социологии является понятие Artificial Society (искусственное общество), реально функционирующая компьютерная система, состоящая из одной или нескольких компьютерных моделей для проведения имитационного компьютерного моделирования. Таким образом, в отличие от традиционных социологических теорий, существующих в форме текстов, или математических социологических теорий, существующих в виде аксиом, математических формул и теорем, в "компьютационной" социологии теория - это реально функционирующая компьютерная система.

В последние годы в компьютационной социологии отмечается переход от моделей "факторов", основанных на принципе социологического реализма и парадигме Equation-Based Modeling, включающей разнообразные математические численные модели, например, системы дифференциальных уравнений, описывающих взаимодействие между социальными явлениями (факторами), к парадигме Multi-Agent-Based Simulation [5, c. 132].

Её модели базируются на принципе социологического номинализма и локальной детерминации, а также на следующих постулатах. Artificial Society является multiagent (многоагентные) systems (MAS). В качестве "агента" может выступать индивид, организация и т.д., что близко к используемому в социологии понятию "actor". Каждый "агент" имеет возможность принимать индивидуальные решения и действия, имеет неполную информацию или возможности и способности решать проблемы и, таким образом, - ограниченную точку зрения. Нет никакого глобального управления. "Агенты" относительно автономны и децентрализованы, взаимодействия между "агентами" параллельны и асинхронны. Наиболее известными компьютерными моделями Multi-Agent-Based Simulation являются клеточные автоматы. В Институте Complex Systems в Санта Фе (США) разработан язык программирования и среда моделирования SWARM, которые предназначены для Multi-Agent Simulation. Эти модели и их разновидности Multi-Agent-Based Social Simulations (MABSS) включают модели эмерджентного (неожиданного) возникновения макросоциальных структур из индивидуальных взаимодействий, групповой динамики. В частности, это модели сетей взаимодействующих пользователей Internet, возникновения норм, порядка, разрешения социальных дилемм, влияние макроэтических и религиозных норм на индивидуальное поведение, возникновения конфликтов в социальных системах и т.д.

Сейчас рассмотрим некоторые результаты компьютационной социологии.

Верификация классических социологических теорий. Одной из задач КС является верификация некоторых положений классических социологических теорий, например, структурно-функциональной теории Т. Парсонса, теории солидарности Э. Дюркгейма, символического интеракционизма, теории коммуникативного действия Н. Лумана. теорий рационального выбора, обмена, конфликтов, которые поддаются проверке путем имитационного компьютерного моделирования. Эксперименты такого рода, показали, что ряд проанализированных положений этих социологических теорий ошибочны и являют собой социологические мифы.

Компьютерные социологические теории. Существуют компьютерные социологические теории социальной структуры, солидарности, капитализма, социокультурной эволюции Западной Европы, военных конфликтов, этических норм, религиозной веры, доверия, рационального выбора, ответов респондентов, переходных периодов в социальных системах и т.д. Эти теории реализованы в действующих компьютерных системах, например, в SDML, GeoSim, FEARLUS, Ascare, Cormas, основанных как на парадигмах Equation-Based Modeling, так и Multi-Agent-Based Simulation, в частности, моделях "нейронных" сетей, клеточных автоматов, на логических и эвристических правилах: "нечеткой" логики, "грубых" множеств и т.д. Эти теории позволили получить новое теоретическое знание, выявить новые социальные феномены и механизмы их возникновения, измерить ранее неизвестные социальные свойства и отношения. Так, путем компьютерного моделирования установлено, что высокая мера равенства акторов в социальной системе приводит к её сложной динамике. Напротив, чем выше мера неравенства акторов в социальной системе, тем проще её динамика. Также экспериментально выявлено: демократические реформы с наибольшей вероятностью приводят к неэффективным государствам.

Модели Global World (глобальный мир), основанные на парадигме Equation-Based Modeling, исследуют механизмы возникновения и динамики глобализации, неравенства регионов мира, миграции, урбанизации, демографической, экономической, политической, социокультурной динамики развития человечества и т.д. Здесь используются и более простые компьютерные модели, в частности, геоинформационные системы, предназначенные для имитационного моделирования явлений, приуроченных к географическому пространству, например, моделирования военных конфликтов. В последние годы в имитационном моделировании Global World начинают применяться модели парадигмы Multi-Agent-Based Simulations (MABS) в интеграции с геоинформационными моделями. Главный вывод из использования компьютерных моделей Global World состоит в следующем. Традиционная классическая социология оказалась недостаточно теоретически и эмпирически подготовленной для изучения глобального мира. Компьютационная социология предлагает плодотворные компьютерные модели для изучения глобального мира, позволяющие получить принципиально новые теоретические и эмпирические результаты, способствующие развитию современной макросоциологии и используемые на практике ООН [5, c. 133].

Модели Small Worlds (маленькие миры) служат имитации возникновения и изменения социальных явлении в системах, состоящих из небольших подсистем. Наиболее известны среди этого вида моделей имитационные модели Social Networks (социальных сетей), клеточные автоматы, модель Изинга - разновидность модели клеточных автоматов с наличием глобального порога функционирования, предназначенная для имитации образования подгрупп в социальных сетях. Программирование моделей Small Worlds осуществляется с помощью специальных языков программирования, например, для программирования модели Изинга используют специальный язык и среду имитационного моделирования Moduleco.

Среди содержательных результатов имитационного моделирования Small Worlds, например, закономерностей образования подгрупп, механизмов бифуркации в социальных группах и т.д., важных для развития современной микросоциологии, отметим следующий результат. Установлено, что некоторые социальные феномены обладают свойством масштабной инвариантности, т.е. не зависят от размера социальной группы и сети в целом. Таким образом, Дж. Морено, разработавший социометрическую теорию, был частично прав, полагая, что, изучая малые социальные группы, можно приблизиться к пониманию механизмов социальных феноменов в больших социальных группах и в обществе в целом. Однако, в общем, отношения между лояльной динамикой подгрупп и глобальной динамикой сети зависят от структуры всей сети.

Модели организаций. К настоящему моменту времени наибольшее применение компьютерная социология получила в Computational Organization Theory (теории организаций). Hа основе парадигмы Мulti-Agent-Based Social Simulations моделируют, например, поведение индивидов в организациях. Выявлены закономерности организаций, поведения и сознания членов организаций. Существуют успешные прогнозы функционирования организаций, результаты компьютерного моделирования используются в практике управления организациями. С результатами данного направления исследований знакомит журнал Computational and Mathematical Organization Theory. Компьютерные модели организаций используются в коммерческих компьютерных системах DSS (поддержки принятия управленческих решений), с основами которых можно ознакомиться в журнале Decision Support Systems или в Internet. В настоящее время многие крупнейшие компании мира используют эти системы.

"Нейронные сети" можно представить как множество нелинейно-взаимосвязанных и параллельно функционирующих нейронов, которые можно содержательно интерпретировать как индивидов, группы, организации, страны или регионы мира, непосредственно ненаблюдаемые социальные "факторы" и т.д., каждый из которых имеет определенный уровень активации. В литературе, посвященной использованию "нейронных" сетей в социальных науках, приводятся описания и примеры прогнозов явлений, процессов и систем, например, моделирование религиозной веры. Процесс обучения "нейронных" сетей хорошо имитирует процессы адаптации и оптимизации в сложных социальных системах. "Нейронные" сети позволяют описывать, моделировать и прогнозировать эмпирические данные: количественные, качественные и данные смешанной природы, часть из которых количественные, а часть качественные.

Компьютерное моделирование социальных систем с помощью клеточных автоматов, дало следующие методологические результаты. Во-первых, небольшое количество логических детерминистских законов, примененных к множеству взаимосвязанных элементов, порождают сложную, хаотическую и непредсказуемую пространственную и количественную динамику согласованного коллективного поведения. Принципиально не существует аналитической формулы, с помощью которой можно было бы предсказать, за сколько временных "шагов" неточный автомат достигнет финального состояния, какую он будет иметь пространственную конфигурацию и т.д. Единственный метод изучения поведения клеточного автомата компьютерная реализация автомата от начального до финального состояния. Во-вторых, наблюдая за пространственными и количественными закономерностями динамики множества элементов, практически невозможно выявить простые логические детерминистские законы, которые лежат в основе функционирования автомата. В-третьих, некоторые пространственные конфигурации элементов не могут быть порождены в процессе функционирования клеточного автомата, а могут быть только изначально заданы. В-четвертых, существуют правила, которые независимо от начального состояния автомата приводят к определенным, например, устойчивым, структурам. Эти результаты имеют фундаментальное значение для социологии, поскольку они накладывают определенные методологические ограничения на принципы и методы познания законов строения и функционирования поведения индивидов и функционирования социальных систем с её последующим состоянием, с помощью параметра самоорганизации может обуславливать сложную и хаотическую динамику системы при некоторых численных значениях параметра самоорганизации. В частности, простой детерминистский закон может порождать хаотичную последовательность кризисов в социальных системах. Иными словами, за кажущейся хаотичной и непредсказуемой повторяемостью социальных кризисов может лежать один простой детерминистский закон [5, c. 134].

Компьютерные модели самоорганизованной критичности показывают следующее. В социальных системах, находящихся в состоянии самоорганизованной критичности, наблюдается слабая зависимость между всеми элементами социальной системы. При этом социальные системы функционируют около границ оптимального функционирования. При незначительных внешних и (или) внутренних воздействиях система уходит из зоны оптимума, и в ней может неожиданно возникнуть лавинообразный процесс, захватывающий все или большее количество элементов системы. Данные результаты хорошо объясняют и прогнозируют возникновение массовых волнений, забастовок, революций, распада государств и т.д.

Содержательные результаты, полученные с помощью компьютерных моделей детерминированного хаоса и самоорганизованной критичности, которые основаны на теории самоорганизации, одном из разделов общей теории систем, показывают, что закономерности динамики сложных социальных систем похожи на закономерности динамики природных систем. Здесь проявляется онтологический принцип "Разные причины - похожие следствия", который имеет большое теоретическое и эмпирическое значение для социологии. Кроме того, полученные результаты показывают, что дистанцирование социологов от достижений в области общей теории систем, естественных и технических наук вряд ли плодотворно.

Теоретические проблемы. Практика показала, что трудно, иногда невозможно разработать функционирующую компьютерную модель на основе какой-либо классической социологической теории. Анализ проблемы показал, что классические социологические теории и теоретические понятия социологии часто не отвечают критерию конструктивности, принятому в компьютационной социологии. В них используются понятия, трудно поддающиеся операционализации, а также нечеткие и неопределенные термины, смысл которых меняется в ходе рассуждения, понятия с эмоциональным содержанием. Часто отсутствует связь между принципами, законами и эмпирическими фактами, существует пренебрежение критерием точной эмпирической проверки теории, гипотез и прогнозов и т.д. Для решения данной проблемы в компьютационной социологии используют гибридные компьютерные модели, в которых одновременно применяются отдельные элементы классических социологических теоретических моделей, эмпирических моделей и моделей из других областей знания, что приводит к терминологической мультипарадигмальности компьютационной социологии.

Методологические проблемы компьютационной социологии - это известные проблемы компьютерного имитационного моделирования и социального компьютерного моделирования. В частности, это проблема выбора адекватного языка программирования и моделирования, оптимальных алгоритмов, быстрого построения и тестирования модели, оптимизации проведения имитационных экспериментов, интерпретации полученных содержательных результатов, особенно в случае, когда эмпирическая проверка результатов моделирования затруднена или невозможна по принципиальным соображениям.

Компьютационная социология уделяет значительное внимание проблеме, в какой мере результаты имитационного моделирования соответствуют действительным механизмам изучаемого социального явления, в частности, являются ли получаемые результаты копией действительности, правдоподобной гипотезой или компьютерным артефактом. В рамках данной проблемы рассматриваются философские, теоретические, методологические, эмпирические и другие аспекты, в частности, критерии позитивизма, реализма, конвенционализма, интерпретивизма, выдвигаются новые критерии, что способствует более корректной интерпретации получаемых результатов. Практика имитационного моделирования, например, показывает, что, вероятно, не существует "лучшей" модели, удовлетворяющей множеству различных критериев, пригодной для решения предельно широкого круга задач социологии. Для каждого класса задач необходимо применять различные модели. Перспективным подходом при разработке компьютерных социологических моделей также является параллельное программирование, которое в отличие от традиционных языков последовательного программирования позволяет значительно ускорить время вычислении и дает другие преимущества для проведения имитационных компьютерных экспериментов, особенно с моделями "нейронных" сетей, клеточными автоматами и другими компьютерными моделями, требующими параллельных асинхронных вычислений. Разрабатываются так называемые социологические, например, социокультурные алгоритмы [5, c. 135].

Другой методологической проблемой является проблема синтеза компьютерных моделей, например, проблема диффузии и социальных сетей для имитационного моделирования динамики этих сетей. Проблемой также является сравнение результатов, получаемых с помощью различных компьютерных моделей, например, моделей военных конфликтов GeoSim и FEARLUS, клеточных автоматов, "нейронных" сетей и генетических алгоритмов, что необходимо для более обоснованного подтверждения содержательных результатов. Перспективы в решении в решении данных проблем специалисты связывают с разработкой систем искусственного социального интеллекта и с развитием социологической теории.

Эмпирические проблемы. В эмпирической социологии множество исследований являются описательными, не вскрывают причинно-следственных отношений. Так вопросы анкет или интервью в опросах общественного мнения отражают, как правило, следствия (субъективные отношения), а не причины и механизмы. Не все важные количественные параметры и/или логические и эвристические правила, необходимые для разработки компьютерных моделей, можно эмпирически выявить и измерить. Многие эмпирические исследования недостаточно стандартизированы. Их трудно повторять, сосредоточиваясь на изучении небольшого количества фундаментальных социальных факторов, взаимодействий, явлений, процессов и т.д., что препятствует выявлению закономерностей социальных процессов и явлений, что, в частности, необходимо для построения компьютерных моделей.

Компьютеры. Использование имитационных компьютерных моделей в социологии показало, что большинство социальных систем являются сложными. Здесь речь идёт о не количестве элементов и связей в социальной системе и сложности её прогнозирования, а о более принципиальном вопросе. Сложность выражается в том, что социальную систему можно описать только с помощью столь же сложного описания, а более простые описания неполны и в силу этого неадекватны. Иными словами, минимальное количество параметров в компьютерной модели для описания сложных социальных систем может быть равно количеству параметров самой социальной системы. В этой связи возникают проблемы увеличения быстродействия компьютеров для проведения имитационного моделирования сложных социальных систем в приемлемое время. Прогресс в решении данной проблемы специалисты связывают с разработкой систем Artificial Social Intelligence (искусственный социальный интеллект). В этой компьютерной системе общество, организации, индивиды представлены как интеллектуальные «агенты», обладающие знаниями, эмоциями и способные к самообучению. Системами искусственного интеллекта оснащаются традиционные компьютерные модели социальных сетей, клеточных автоматов, «нейронных сетей».

Для разработки систем ASI предполагается использовать содержательные результаты, полученные в рамках компьютационной социологии, новые языки программирования искусственного интеллекта, параллельное программирование, новые алгоритмы, предназначенные для эмоциональных вычислений, использование суперкомпьютера Cray, использование нейрокомпьютеров или специальных нейронных плат, которые представляют собой многопроцессорные компьютеры [5, c. 136]. При этом каждый процессор может работать параллельно и независимо от других процессоров, что даёт значительное увеличение производительности по сравнению с традиционными компьютерами последовательной обработки данных и позволяет эффективно реализовывать модели Multi-Agent-Based Social Simulation для компьютерной имитации Artificial Societies (искусственных обществ), состоящих из интеллектуальных «агентов» [5, c. 137].

3.2. Программы обработки данных

В настоящее время к статистическому программному обеспечению принято относить пакеты программ статистического анализа общего и специального назначения, пакеты программ табулирования, пакеты программ редактирования, пакеты программ управления данными, пакеты программ для выборочных обследований, а также многие графические пакеты, пакеты эконометрического моделирования и прогнозирования, имитационного моделирования, распознания изображений и т.д.

Появление персонального компьютера третьего поколения послужило базой для создания сложных пакетов программ статистического анализа, и в настоящее время существует около тысячи статистических пакетов, универсальных или ориентированных на использование в каких-либо специальных областях, и число их продолжает расти.

Конструкция пакетов статистического анализа зависит в значительной степени от типа используемого персонального компьютера, его конфигурации, оперативной системы, а также от уровня подготовки пользователя пакета в области программирования для персонального компьютера [6, c. 17].

Основным требованием, предъявляемым к организации решения задач экономики и управления, научных, социологических и других задач, является минимизация ресурсов, потребляемых для достижения поставленной цели. В зависимости от характера задачи на объём потребляемых ресурсов оказывают влияние временные и стоимостные ограничения. Соблюдению этих ограничений может в значительной степени способствовать использование персонального компьютера на всех или отдельных этапах решения задачи.

Эффективность автоматизации решения задачи может проявляться как в сокращении расходов на обработку информации (прямая эффективность), так и в улучшении функционирования управляемого объекта (косвенная эффективность) за счёт таких факторов, как повышение достоверности и сокращение времени обработки информации, что позволяет более обоснованные и качественные решения. Применение персонального компьютера является предпосылкой реализации принципа новых задач, развития новых способов исследования, проникновения в сущность социально-экономических процессов, и это оказывает влияние на оценку важности критериев выбора между ручными способами обработки данных и способами и использованием персонального компьютера.

При обработке статистических данных обычно используются одинаковые или в значительной степени сходные по своей мощности и разнообразию технические средства, программное обеспечение и режимы обработки данных [6, c. 25]. Подключение к мощным базовым персональным компьютерам с развитыми операционными системами разнообразных периферийных устройств, включая средства дистанционной передачи данных, оптические считывающие/записывающие устройства, графические дисплеи, графопостроители, средства вывода на микрофильм, позволяет обрабатывать данные в пакетном и интерактивном режимах с прямым доступом к рабочим и постоянным файлам и выводом результатов на различные носители в соответствии с разнообразными требованиями пользователей, а также создаёт предпосылки для реализации интегрированных систем обработки статистических данных.

Социологические исследования являются сложной деятельностью, которая нередко осуществляется на протяжении длительного промежутка времени, в географически отдалённых друг от друга местах, с привлечением большого числа специалистов, с использованием различных методик сбора и обработки данных. Это требует применения к планированию и контролю за его проведением программного обеспечения сетевого планирования и управления, а также других средств автоматизации [6, c. 26].

Новые типы вычислительной техники, и прежде всего персональные компьютеры (ПК), позволяют проводить оперативный и более тонкий анализ информации. Теперь диалог специалиста в конкретной области с вычислительной машиной может проходить без посредничества программиста и операторов. Новые графические средства обеспечивают наглядное представление результатов применения различных методов, что значительно облегчает их восприятие. Однако для реализации преимуществ ПК необходимо специальное программное обеспечение. Практика показывает, что адаптация пакетов программ, созданных для больших ЭВМ, на ПК (SPSS, BMDP, SPAD) не обладает должным уровнем «дружелюбия». Использование таких продуктов требует долгого обучения и солидной подготовки в области математической статистики. При этом следует отметить, что несмотря на широту имеющихся методов и программ, относительно слабо продвинут предварительный анализ данных. Между тем, специфика социологических данных (неоднородность, зависимость наблюдений друг от друга и от времени, обилие качественных признаков) в первую очередь требует его применения. Имеются в виду методы, не опирающиеся на вероятностные предположения о природе данных, например детерминационный анализ и анализ соответствий, которые в отличие от классических методов математической статистики дают результаты, относящиеся к выборке, а не к генеральной совокупности. Их можно эффективно использовать как на предварительном этапе изучения данных (для выявления аномальных наблюдений и возможных кластеров), так и для интерпретации результатов моделирования.

Кроме того, отсутствует адекватное статистическое и программное обеспечение анализа динамики качественных показателей, который особенно актуален в связи с проводимыми в последнее время лонгитюдными обследованиями.

Эти соображения легли в основу развития некоторых методов и создания Системы анализа нечисловой информации (САНИ).

Система анализа нечисловой информации предназначена для обработки данных, измеренных в разнородных шкалах: номинальной, порядковой, интервальной и количественной. В первую очередь она ориентирована на социально-экономические задачи, но может использоваться в биологии, медицине, других областях, где приходится иметь дело с нечисловой информацией.

САНИ реализована на совместимых с IBM персональных компьютерах и требует около 1 МБайта памяти на жестком диске. Она предполагает лишь элементарное знакомство пользователя с ПК. Работа осуществляется в диалоговом режиме с помощью иерархического меню или непосредственно нажатием определенных комбинаций клавиш.

Система позволяет одновременно обрабатывать до 320 признаков (вопросов); число объектов (респондентов) не должно превосходить 32000 для категоризованного признака и 8000 - для числового. Однако приведенные ограничения, имеют чисто технический характер, и допустимый объем данных зависит от используемого метода и типа компьютера.

В любой момент доступны: справка об используемом методе со ссылкой на литературу или разъяснение сложившейся ситуации; справки обо всех активных переменных, содержащие информацию, полученную от пользователя при первом вводе, и некоторые результаты проделанного анализа; данные об объектах (соответствующие значения переменных). Результаты анализа выводятся на экран и могут быть распечатаны или скопированы в файл для последующего включения в отчет.

Функциональное наполнение. Методы, используемые САНИ, распадаются на три группы. Первая -- реализует возможности базы данных, вторая - объединяет средства предварительного анализа, позволяющие сформировать гипотезы о структуре данных, выявить «выбросы». При этом эффективно применяются графические возможности современной вычислительной техники. Методы, входящие в третью группу, используют вероятностные предположения о природе данных и позволяют проверять различные гипотезы. Особое внимание уделено анализу нечисловых признаков, изменяющихся во времени.

Работа с данными. Они могут быть введены вручную, импортированы из прямоугольных таблиц «объект-признак» или «признак-объект» в кодах ASCII или из общего статистического пакета SYSTAT. Имеется возможность экспортировать данные в виде таблиц ASCII или в системном формате SYSTAT.

В системе «САНИ» каждому признаку соответствует справка, содержащая сведения о шкале, в которой он измерен, код и число пропущенных значений, имена и частоты категорий, историю создания и комментарии пользователя. Кроме того, в справке хранятся некоторые результаты предыдущей обработки: имена независимых и тесно связанных с данной переменных. Они предостерегают исследователя от мало осмысленных шагов, например от использования независимых переменных в анализе соответствий.

Имеется возможность получать подвыборки: отбирать или удалять объекты с фиксированной комбинацией значений переменных. Можно создавать новые переменные в виде фиксированных комбинаций значений имеющихся переменных, агрегированием категорий, разбиением количественных переменных на интервалы, всевозможными комбинациями двух переменных (для снижения размерности). Все преобразования фиксируются в справках. Мощный редактор позволяет вводить и проверять данные вручную, а также изменять имя, комментарий, шкалу и значения переменных [1, c. 2].

Программное обеспечение IP Sociologist 2.03-3.05  - профессиональное программное обеспечение для обработки и анализа данных социологических и маркетинговых исследований.

Представляет собой клиент-серверный продукт, ориентированный на использование в исследовательских центрах и маркетинговых отделах предприятий. Устанавливается только серверное программное обеспечение, после чего на всех (количество сетевых рабочих мест не ограничивается лицензией) рабочих станциях в пределах локальной сети предприятия возможен графический ввод без установки дополнительного программного обеспечения на клиентские машины.

Преимуществом данной программы являются большие возможности анализа и интуитивно понятный интерфейс как оператора, так и социолога. Все операции максимально визуализированы, реализованы с помощью удобного графического интерфейса и не требуют глубокого понимания их статистической сущности.

Возможности:

· Контекстное CDD-взвешивание (Pro);

· Детерминационный анализ (Pro);

· Произвольное расширение выборки по признаку (Pro);

· Расчет распределения Хи-квадрат (Standard, Pro);

· Расчет коэффициентов Крамера и Чупрова (Standard, Pro);

· Расчет коэффициента корреляции Пирсона (Standard, Pro);

· Расчет коэффициента корреляции Пирсона для ранговых признаков с использованием явных рангов (Standard, Pro);

· Экспорт данных в MS Excel и текст, разделенный табуляциями;

· 6 типов вопросов (номинальная и ранговая шкала - одиночный выбор, номинальная шкала с совместимыми альтернативами - множественных выбор, количественная шкала, таблица номинальных признаков, таблица номинальных признаков с совместимыми альтернативами - таблица с множественным выбором, таблица метрических признаков);

· Анализ произвольного количества двумерных зависимостей ответов на один вопрос в зависимости от ответов на другой, как в текстовой форме, так и в виде диаграмм MS Excel;

· Построение трехмерных диаграмм зависимости одного фактора от 2-х других;

· Графический ввод с неограниченного количества компьютеров в пределах одного сегмента ЛВС предприятия с помощью интуитивно понятного интерфейса MS Internet Explorer или Opera;

· Повопросный и поанкетный ввод с возможностью условных запретов;

· Просмотр и редактирование уже введенных анкет с помощью графического интерфейса;

· Возможность задания множественного фильтра анкет и вывод с его учетом отчета (работа в произвольном контексте);

· Работу с отдельными сессиями повопросного (в том числе и множественного) и поанкетного ввода анкет и формирование отчета по каждой из них (например, по каждому интервьюеру);

· Расчет частот и процентов для номинальных вопросов; мат. ожидания, стд. отклонения, вариации, ошибки среднего, минимума, максимума - для метрических признаков по каждой проекции;

· Выдачу отчетов в формате HTML, пригодном как для печати, так и для публикаций в сети Интернет;

· Выдача отчетов в Word;

· Подготовка и передача анкеты в Word;

· Работа с базой стандартных вопросов (репозиторием);

· Работа с несколькими социологическими исследованиями одновременно [23, c. 3].

Заключение

Развитие информационных технологий становится сегодня важнейшим фактором в жизни мирового сообщества. Их распространение качественно преобразует жизнь общества и вызывает революционные сдвиги в экономической, социальной, культурной и других сферах.

Информационные технологии постоянно развиваются и совершенствуются, предоставляя всё новые возможности для улучшения качества, снижения сроков проведения социологических исследований, облегчения работы социолога. Изучение мирового опыта развития информационных технологий привело белорусских ученых к осознанию необходимости оперативного приобщения к данному процессу. Для этого была разработана Государственная программа информатизации Беларуси на 2003-2005 гг. и на перспективу до 2010 года, которая получила название «Электронная Беларусь». Головной организацией по разработке и реализации Программы назначена Национальная академия наук Беларуси. Целью данной программы является формирование единого информационного пространства. Основными направлениями деятельности в рамках программы станут создание общегосударственной автоматизированной информационной системы, развитие телекоммуникационной инфраструктуры, формирование экспортной ориентированной отрасли информационных технологий в республике, совершенствование международного сотрудничества в сфере телекоммуникаций.

Развитие информационно-телекоммуникационной инфраструктуры в масштабах страны - это необходимое условие для того, чтобы предприятия могли выйти на зарубежные виртуальные рынки, взять на вооружение самые передовые технологии электронного бизнеса, а создание общенациональных банков данных позволит сделать их привлекательнее для потенциальных клиентов, партнеров и инвесторов.

«Электронную Беларусь» уже называют попыткой прорыва в постиндустриальную эпоху. Правда, некоторые говорят об этом с долей скепсиса: слишком велико пока отставание республики от развитых стран в области высоких технологий. Однако сам факт осознания потребности в повышении уровня компьютеризации, а в особенности интернетизации, позволяет сделать вывод о том, что изменения в лучшую сторону все-таки происходят.

Таким образом, для улучшения качества социологических исследований надо:

· постоянно обновлять техническое обеспечение социологических центров;

· следить за новинками на рынке информационных технологий;

· перенимать опыт у зарубежных коллег;

· постепенно отказываться от консервативных взглядов и убеждений на методы социологического исследования;

· разрабатывать новые методы и программное обеспечение;

· не жалеть средств на модернизацию средств технической поддержки.

Список использованных источников

1. Адамов С.Ю. Система анализа нечисловой информации «САНИ». http:// www.iworld.ru/magazine/index.phtml?do=show_number&m=94701990.

2. Бутенко И.А. Использование новых технологий при опросах. http://www.i-u.ru/biblio/archive/butenko%5Fispnovtech.

3. Галицкий Е.Б. Сегодняшнее состояние технологии Интернет-опросов. http://ecsocman.edu.ru /db/msg/183485.html.

4. Гулин В.Н. Информационные технологии для предприятий. Мн.: БГЭУ. 2003. 88 с.

5. Давыдов А.А. Компьютерные технологии для социологии (обзор зарубежного опыта) // Социологические исследования. 2005. № 1. C. 131-137.

6. Дайитбегов Д.М., Калмыкова О.В., Чепанов А.И. Программное обеспечение статистической обработки данных: Учебное пособие. М.: Финансы и статистика, 1994. 192 с.

7. Данилов А.Н. Информация социологическая // Социологическая энциклопедия / Под общ. ред. А.Н. Данилова. Мн.: БелЭн, 2003. 384 с.

8. Заботин Ю.Г. Интернет в вашем доме. М.: Рипол классик. 2001. 471 с.

9. Зуенок Т. Белорусский Интернет: цифры, факты, тенденции // Маркетинг, реклама и сбыт. 2004. № 6. С. 61-63.

10. Князев С.Н. Управление: искусство, наука, практика. Мн.: Армита Маркетинг, Менеджмент. 2002. 512 с.

11. Компьютерные информационные технологии / Под. ред. А.Н. Морозевича. Мн.: БГЭУ. 2003. 128 с.

12. Леонтьев В.П. Новейшая Энциклопедия. Интернет. М.: ОЛМА-ПРЕСС. 2002. 607 с.

13. Лоусон Т, Гэррод Дж. Социология А-Я. М.: ФАИР-ПРЕСС. 2000. 608 с.

14. Мягков А.Ю. Влияние метода сбора данных на вербальное поведение респондентов http://www.iu.ru/biblio/archive/myagkov%5Fmethod%5Finfluence.

15. Мягков А.Ю. Опросные методы сбора данных: предпочтения респондентов. http://www.i-u.ru/biblio/archive/miagkov%5Foprosmetsbora.

16. Ролёнок А.В. Использование ресурсов Интернет в социально-политических исследованиях (введение в проблему исследования и основные выводы). http://sviet.at.tut.by/ru/novosti.htm.

17. Симонович С., Евсеев Г. Новейший самоучитель по работе в Интернете. М.: ДЕСС КОМ. 2000. 528 с.

18. SMS-опрос - новый метод социологического исследования. http://cellphones.report.ru/material.asp?MID=1205.