Методология анализа данных в социологии

Кроме того, представляют интерес те респонденты, которые противопоставляют «культурным людям» определенные социальные группы, среди которы выделяются бомжи и преступники. Можно предположить, что в умах этих людей те или иные социальные группы обладают определенной мерой культурности, поэтому представляло бы большой интерес с помощью тех же семантических методик определить такую меру культурности у разных социальных слоев населения. Из этого делаем вывод, что в рамках одного и того же исследования одновременно могут и должны использоваться различные методы, подходы получения и анализа информации.

Особенность полученны с помощью метода неоконченны предложений данны заключается в возможности многократного обращения к первичной информации. При этом используются различные основания классификации текстовой информации для решения различных исследовательски задач. Метод МНП успешно используется для изучения социальных ожиданий, социальной идентичности [8, 13]. МНП применяется и в массовых опросах как способ измерения. Только в этом случае используют одно или несколько предложений.

Тест двадцати «Я»(ТДЯ)

Этот метод разработан в 50-е годы М. Куном (М. Kuhn) и Т. Макпарлендом (Т. Mc.Partland) для изучения образа своего собственного «Я», для изучения самоопределений или самоидентификации личности [2, 21]. Методика сбора информации достаточно проста. Респонденту предлагается лист бумаги с заголовком «Кто Я», с двадцатью пронумерованными линиями. К нему обращаются с просьбой ответить, как самому себе, «Кто Я» и записать достаточно быстро свои ответы; желательно в виде существительных. В той последовательности, в которой они приходят в голову. Не нужно заботиться ни о логике, ни о важности ответов.

Авторами этой методики было установлено, что ответы разбиваются на четыре класса. При этом два из них относятся к объективным самоопределениям (обозначим и К1 и К2), а другие два -- к субъективным (обозначим их КЗ и К4). К классу К1 относятся такие самоопределения индивида, как «физический» объект (Я -- еловек, Я -- женщина): Класс К2 составляют самоопределения, представляющие индивида как социальный объект (Я -- член общества, Я -- студент, Я -- меломан, Я -- ученый, Я -- преподаватель). К классу субъективных самоопределений КЗ относятся те, которые связаны как бы с социально-релевантными характеристиками поведения (Я -- никому не нужный человек, Я -- пессимист, Я -- счастливчик, Я люблю слушать музыку, Я любитель выпить в хорошей компании). И наконец, класс К4 образуют те самоопределения, которые в той или иной мере иррелевантны по отношению к социальному поведению, а также иррелевантны к поставленной тестом задаче самоидентичности (жить -- чтобы умереть).

В таблице 2.5.1 приведены реальные данные -- это ответы тре студентов из исследования, проведенного нами среди будущи лингвистов. Выбор именно этих документов (заполненные респондентами бланки) в качестве примера неслучаен. Первый документ приводим потому, что он достаточно типичен, т. е. такая структура ответов наблюдалась в данны часто. Второй документ также типичен одновременно отсутствием полноты и спецификой структуры ответов. Такого рода документы часто встречаются. Третий документ выбран потому, что специфичен, и аналогичных ему в нашем методическом исследовании больше не было. Попытайтесь интерпретировать эти данные, ибо в исследованиях будут встречаться как раз именно эти три ситуации.

Таблица 2.5.1 Ответы трех студентов

Кто Я?	Кто Я?	Кто Я?
1. Я- это Я	1. Студент	1. Облако
2. Человек	2. Человек	2. Дождь
3. Женщина	3. Пассажир	3. Чайка
4. Студентка	4. Читатель	4, Море
5, Москвичка	5. Зритель	5, Солнце
6. Респондент	6. Пешеход	6. Бриз
7, Я - счастливый человек	7. Покупатель	7. Гений
8. Дева но западному	8. Потребитель	8. Свет
гороскопу	информации
9. Змея - по восточному	9. Репетитор	9. Разум
10, Лингвист (будущий)	10. Пользователь	10. Бог
	ПК
11. Личность	11. И т. д.	11. Полет
12. Скрытная	12. И т. п.	12. Творение
13. Своенравная	13.	13. Водопад
14. Симпатичная	14.	14. Рассвет
15. Голубоглазая	14.	15. Счастье
16. Гордая	16.	16. Сон
17. Высокая	17.	17. Мечта
18. Космополит	18.	18. Противоречие
19. Человек,	19.	19. Покой
любящий смену мест	20.
20. Человек.		20. Шанс

не любящий кофе

Необ одимо иметь в виду, что не все респонденты дают полный ответ (респондент 2), т. е. многие .не в состоянии привести двадцать ассоциаций, и не следует этого требовать. Количество заполненны строк само по себе характеризует личность опрашиваемого. Как правило, для ответов респонденту часто не хватает существительных (респондент 1), а у некоторых их «избыток» (респондент 3). Респонденты обладают или не обладают самоопределениями из четырех обозначенных выше. Исходя из этого, можно перейти к формальному «описанию» респондента. Каждому поставить в соответствие набор, состоящий из нулей и единиц. Теоретически возможные 16 наборов перечислены ниже:

0000 0001 0010 0011 0100 0101 0110 0111

1000 1001 1010 1011 1100 1101 1110 1111

Если у респондента присутствуют самоопределения из всех четырех классов, то ему ставится в соответствие набор 1111. Если же у респондента присутствуют самоопределения только класса К2, то ему ставится в соответствие 0100. Число возможных наборов равно 2⁴=1б. Разумеется, на практике встречаются не все наборы. Такое кодирование текстовой информации позволяет выделить отдельные группы респондентов с одинаковой структурой самоидентификации. Тем самым социолог находит типологические группы, типологические синдромы для изучения самоидентификации. Возможны и другие пути формализации текстовой информации, полученной посредством теста двадцати самоопределений..

Какие выводы мы с вами можем сделать из такого повер ностного

рассмотрения методов СДО, МНП, теста двадцати самоопределений.

€ Все три -- методологические процедуры, в которых не имеет смысла разделять те нику сбора, те нику измерения, те нику анализа. Вместе с тем в реальны исследования они могут использоваться в роли приема измерения свойств социальны объектов, приема анализа социальной реальности, техники сбора эмпирических данных.

€ Каждая разновидность текстовой информации требует для анализа специфической логической формализации. Только после этого наступает очередь для формализации математической.

€ Все три могут быть использованы для разных целей и, в частности, для проведения типологического анализа социальных феноменов. Проблемам типологического анализа мы отводим последнею часть книги.

Задание на семинар или для самостоятельного выполнения

Выполнять первые два из приведенных ниже заданий полезно группами (4--5 студентов). Они выступают в роли исследовательского коллектива. Результаты непременно рекомендуется обсудить и попытаться найти методические ошибки в постановках задач.

1.Апробация метода семантического дифференциала Ч. Осгуда. Для этого достаточно сравнить три объекта (понятия, изображения), оценив их по шести шкалам. Эти шкалы выбрать так, чтобы они относились к двум разным факторам из трех (сила, активность, отношение), В качестве респондентов выступают сами члены группы. Каждая группа проводит анализ близости объектов в двумерном пространстве факторов. Результат изображается графически.

2.Придумать 2--3 неоконченны предложения для изучения, например, ценности высшего образования, уровня притязаний и т. д. Респонденты -- члены группы. Выделить элементарные обоснования. Объединить их в элементы. Попытаться выделить похожих между собой респондентов.

3.Это задание выполняется как домашнее и индивидуально. Каждый студент опрашивает по тесту двадцати «Я» несколько человек. Выводы, сделанные на основе этих данных, докладываются на семинаре.

ВЫВОДЫ ИЗ ГЛАВЫ 2

Измерение -- составная часть анализа информации, связанная с процедурой получения исходных для анализа данных. Отдельные приемы изучения социальной реальности называются как приемами измерения, так и приемами анализа (логические и аналитические индексы, ранжирование). Некоторые приемы измерения (семантический дифференциал Ч. Осгуда, метод неоконченных предложений) интерпретируются и как подходы к анализу социальной реальности. Измерение начинается с модели изучения свойств социальных феноменов.

Измерение -- это шкалирование (одномерное или многомерное). Измерение -- это процедура получения шкалы (шкала Лайкерта, шкала Терстоуна, шкала Гутгмана). Измерение -- получение самой шкалы, т. е. линейки с градациями (в предположении существования одномерной шкалы). Измерение -- это диагностическая процедура.

3.Мыг отказались от включения в текст таких понятий, как правильность измерения, точность измерения, устойчивость измерения, валидностъ измерения, релевантность измерения. Для наших целей нет особой необходимости в этих понятиях. Многие рекомендации по повышению «правильности» измерений трудно применить на практике [11]. Если выг захотите обратиться к этим понятиям, воспользуйтесь соответствующей литературой [4, 7, 9, 14, 15, 19, 20] .,

Мы не рассматриваем психологические и математические основания шкалы Терстоуна, шкалы Гутгмана, семантического дифференциала Осгуда и т. д. Модели, стоящие в их основе, сложны для данной книги. Для их понимания необходимы знания как психологии, таки математики. Важно изучать методологию, методику, методы в несколько этапов, последовательно углубляя знания о ни .

Если соотнести приемы измерения с типами эмпирически данны , то получаем следующие выводы. В первом типе речь идет о метрическом уровне измерения и проблема измерения сводится в основном к формированию аналитических индексов и ранжированию. Во втором типе измерение происходит как кодирование вербальных суждений или использование графических шкал. В третьем и четвертом типах проблема измерения проявляется во всем многообразии приемов. И наконец, в пятом проблема измерения вписывается, поглощается, обуславливается различным «происхождением» текстов.

ГЛАВА 3. ВОСХОДЯЩАЯ СТРАТЕГИЯ АНАЛИЗА ДАННЫХ 1. С ЧЕГО НАЧИНАЕТСЯ АНАЛИЗ?

Восходящая стратегия анализа и нисходящая стратегия анализа. Различие понятий «анализ данных» и «логика анализа» (логическая схема анализа). Первичныш анализ как составная часть любой стратегии. Признак. Анализ «поведения» отдельно взятого признака. Вариационныш ряд. Одномерное распределение. Показатели распределения. Абсолютная, относительная и накопленная частоты. Деление на интервалы. Цели первичного анализа данныгх. «Языгк» анализа распределений.

Следует напомнить, что в качестве третьего структурного элемента области эмпирической социологии, обозначенной нами как методология анализа данных, выделена:

восходящая стратегия анализа (проверки описательных гипотез; поиск эмпирических закономерностей, начиная с простых и заканчивая сложными для формирования новы гипотез).

Следует особо остановиться на использовании пары понятий: восходящая стратегия анализа -- нисходящая стратегии анализа. Что касается просто пары понятий «вос одящая стратегия -- нис одящая стратегия», то она используется в эмпирической социологии в разных контекстах. Например, для обозначения выборочной стратегии в исследовании. Если сбор информации осуществляется по так называемому методу «снежного кома», то это пример восходящей выборочной стратегии. Такая стратегия используется обычно для изучения латентных социальных групп (наркоманов, скрыты алкоголиков и т. д.). С нис одящей выборочной стратегией мы сталкиваемся при формировании выборки, ис одя из структуры генеральной совокупности. Это является типичным для изучения общественного мнения. Разумеется, в рамках одного и того же исследования одновременно могут использоваться как нисходящая, так и восходящая стратегии формирования выборки.

Такую пару терминов можно использовать и для характеристики логики исследовательского процесса в целом, а именно для обозначения двух подходов к изучению социальной реальности. Мы их обозначили как статистическую и гуманитарную традиции (подходы, парадигмы) в эмпирической социологии. Известно, что латентные социальные группы, в отличие от други , целесообразнее изучать по вос одящей стратегии [6], т. е. не только стратегия формирования выборки носит вос одящий арактер, но и все исследование в целом построено по вос одящей стратегии изучения таких групп.

Эта пара терминов применяется и в достаточно узком смысле в так называемых методах многомерной классификации для обозначения процедуры деления эмпирических объектов на группы. О понятии «классификация» пойдет речь в последней части книги. Это пока ремарка для «всезнаек». Пара «восходящая стратегия анализа данных -- нисходящая стратегия анализа данных» составляет основу для формирования в социологическом исследовании логики анализа данных, логической схемы анализа. Социолог выбирает стратегию анализа данных исходя из специфики своего исследования (цели, задачи, гипотезы). Рассмотрим несколько исследовательских ситуаций.

Первая ситуация

Предположим, у социолога нет четко обозначенны гипотез ни описательного, ни объяснительного арактера. Разумеется, в расплывчатой форме они всегда существуют. Ведь социолог, желая «взглянуть» на социальную реальность через призму какого-то подхода, отвечает на вопросы «Что изучать?» и «Зачем и для достижения каких целей изучать?». Отсутствие четкости в гипотезах требует определенной стратегии при работе с эмпирическим материалом. Сначала социолог в «мешке» с информацией наводит «косметический» порядок -- ищет простые эмпирические закономерности. Их можно назвать и регулярностями. Прежде всего он выделяет сами эмпирические индикаторы, если их нет. С этой ситуацией мы сталкиваемся при работе с текстовой информацией. Мы с вами выделяли элементарные обоснования и элементы в контексте применения метода неоконченных предложений. Первые из них и являлись эмпирическими индикаторами.

При работе с биографиями людей, с текстами полуформализованных и свободны интервью естественным образом появляется необ одимость в анализе, условно говоря, «поведения» отдельно взятого эмпирического индикатора. Затем возникает потребность в анализе совместного «поведения» двух эмпирических индикаторов, в анализе их взаимосвязей. Таким образом, логика анализа эмпирии строится по восходящей (от частного к общему) стратегии. Начальный этап такой стратегии -- первичный анализ / первичная обработка данных.

Социолог, ис одя из вос одящей стратегии, последовательно ищет ответы на вопросы, такие как: не объединяются ли эмпирические индикаторы в какие-то группы, а объекты -- в классы. К примеру, по ожие в определенном смысле объекты представляют собой некий класс, а взаимосвязанные между собой эмпирические индикаторы могут образовать некую группу. Вполне возможно, что объекты, отнесенные к одному и тому же формальному классу, являются однотипными. А группа эмпирически индикаторов может интерпретироваться как некий специфический социальный фактор. О содержании понятий «тип» и «фактор» пойдет речь в последней главе. Главная задача в таки исследовательски сюжета -- проблема интерпретации разного рода эмпирических закономерностей, ибо они выражают какие-то тенденции, синдромы.

Вторая ситуация

У социолога могут быть четко обозначены гипотезы исследования. В этом случае логика анализа может строиться как в рамка вос одящей, так и нисходящей стратегий. Выбор стратегии зависит от характера гипотез и от того, какими априорными знаниями (знания, имевшиеся до проведения исследования) располагает исследователь. Допустим, что источником эмпирической информации является индивид; техника сбора данных жестко структурирована; в исследовании проверяются только описательные гипотезы. Тогда также необходимы восходящие, от частного к общему, стратегии анализа. Вспомним из предыдущего материала, что в процессе прямого ранжирования для принятия решения о присвоении рангов нам непременно требовалось изучить степень единодушия респондентов в оценке объектов ранжирования. Для эти целей в процессе анализа опять же требуется движение по восходящей стратегии. Пусть гипотеза звучит следующим образом: политические пристрастия населения в основном определяются возрастом и происхождением. Для проверки этой гипотезы социолог определяет всевозможные связи этих «пристрастий» с огромной совокупностью различны эмпирически индикаторов. Если из все связей оказываются самыми сильными связь с возрастом и с происхождением, то считается, что гипотеза подтвердилась. К примеру, сформулируем другую гипотезу: в России существуют типы электорального поведения областей, интерпретируемые как объекты социального управления. В том смысле, что ме анизм воздействия на отдельные области одинаков, если они отнесены к одному и тому же типу. Для проверки такой сложной гипотезы необ одимую основу для логики анализа составляет нисходящая стратегия анализа (от общего к частному). Такой пример будет приведен в последней главе.

Ясно одно: проверка такого рода гипотез предполагает «продумывание» всей логики анализа априори (до сбора эмпирической информации). Это очень не просто. Вместе с тем такое «продумывание» нужно и важно даже в описательных исследованиях. А в серьезных аналитических исследованиях для проверки сложных гипотез тем более. Вспомним, что мы с вами рассматривали несложные модели изучения отдельных свойств социальных объектов для перехода с теоретического уровня на эмпирический. При этом совершенно не затрагивали вопросы обратного перехода, для которого крайне важно понятие логической с емы анализа.

Если вернуться к модели изучения свойства социального объекта, то в контексте наши рассуждений, логика анализа позволяет уточнить не только

саму такую модель, но и предполагает продумывание заранее логики получения эмпирически закономерностей и, соответственно, пере од от ни к теоретическим обобщениям. Разумеется, речь идет уже о сложны эмпиричеси закономерностя , получаемы на основе всей системы изучаемы в исследовании свойств. В зависимости от логической с емы анализа социолог определяет и то. Какого рода эмпирический материал ему нужен, и то, какие приемы «обработки» информации необ одимы, и то, в какой последовательности будет строиться логика изучения и объяснения того или иного социального феномена. В таки исследовательски сюжета главным является концептуальная с ема, теория «видения» социальной реальности, так как идет поиск ответа на вопрос «Почему это?». Для такого случая необ одима нис одящая (от общего к частному) стратегия анализа. Поиск ответа на вопрос «Почему это?», проверка объяснительных гипотез социологического исследования возможны только в рамка нис одящей стратегии анализа. Все, что с этим связано, будет обсуждаться в последней части книги.

В отдельно взятом социологическом исследовании возможно сочетание вос одящей и нис одящей стратегий анализа. Та и другая стратегии могут быть реализованы на практике с помощью одни и те же методов, приемов, способов «обработки» информации. Например, к таковым относятся так называемые методы математической статистики (это такая область математической науки, которая в определенной мере как бы обслуживает науки, работающие с эмпирическим материалом) и методы многомерного анализа. Сюда включаются и такие методы, применение которы теоретически может быть необоснованно. В том смысле, что закономерности, полученные для выборки, нельзя распространить (перенести) на всю генеральную совокупность. Однако эти методы « орошо» работают на практике и и принято называть эвристическими в отличие от статистически . К различию понятий «статистика» и «эвристика» мы еще вернемся. Вся совокупность те нически приемов (по сути, это использование математического формализма или математически методов в социологии) называется методами анализа данных.

К этому разделу мы подошли с пониманием того, что социологу, изучающему различные социальные феномены, приходится строить модели изучения их свойств, пользоваться различными типами информации, применять совокупность приемов измерения латентных, непосредственно не наблюдаемых признаков, выбирать стратегию анализа. Это и есть начало начал анализа данных.

Наблюдаемые признаки мы называли эмпирическими индикаторами. В предыдущи раздела они были нашими главными понятиями. Здесь и далее таковыми будут признаки. Признаком может быть и отдельно взятый эмпирический индикатор, и производный от ни показатель. Например, признаком будем называть любые показатели, индексы, коэффициенты, возникающие в рамках работы с данными типа «государственная статистика», «бюджет времени». Признак, как и любой эмпирический индикатор, имеет для нас те же три уровня измерения: номинальный, порядковый, «метрический». Как минимум, мы должны научиться изучать «поведение» всех трех типов признаков, измеренных по трем типам шкал.

Представляется важным еще раз повторить следующее. Несмотря на многообразие шкал (в данном случае как линеек для измерения чего-то) в социологии, мы рассматриваем только три типа шкал и к «метрическим» относим все шкалы, уровень измерения по которым выше порядкового, т.е. то, что очень похоже на числа, на «количества».

С чего же начинается анализ «поведения» отдельно взятого признака тогда, когда информация «лежит» на столе социолога? Такой анализ необходим практически всегда независимо от исследовательских задач, типов информации, выбора стратегии анализа. Речь идет как бы о «социальной бухгалтерии», азы которой вы должны освоить. Практически в любой книге, в название которой входят слова «...статистические методы в...», вы найдете определенный материал по освоению этих азов [2, 3, 7, 8, 9, 11].

Несмотря на то что ниже рассматривается пример, имеющий отношение к данным анкетирования, все выводы относятся к анализу любы вариационных и динамических рядов. К сожалению, объем книги не позволяет привести другие примеры. На протяжении всей этой главы в основном будем приводить фрагменты из некоторого исследования на тему «Структура времяпрепровождения студентов: сравнительный анализ вузов», придуманного (модельного) нами в качестве примера. Сбор данных осуществлялся в нем как по использованию бюджета времени, так и по вопроснику «сложной структуры»; генеральная совокупность - студенты вузов России. Нас в этом исследовании будут интересовать только студенты-гуманитарии, т. е. некоторая подвыборка.

Рассмотрим всего три признака из этого исследования: будущую профессию студента-гуманитария, его удовлетворенность учебой и продолжительность времени на учебу. Относительно третьего признака нужно подчеркнуть следующее. Продолжительность в данном случае представляет собой сумму затрат времени на прослушивание лекций, на участие в семинарских занятиях, на дополнительные самостоятельные занятия, а также на перерывы между аудиторными занятиями. В качестве примера будем рассматривать среднесуточную, например за неделю, продолжительность. «Продолжител ност » имеет метрический уровень измерения. «Будущая профессия» как признак имеет номинальный уровень измерения. «Удовлетворенность учебой» может быть измерена посредством логического квадрата по пятибалльной порядковой шкале. Тогда она понимается только как удовлетворенность учебой в «родном» вузе (вернитесь к тому разделу, где обсуждается логический квадрат). Вместо этих признаков можно было бы выбрать и любые другие.

Что означает анализ «поведения» профессии на совокупности объектов? Это означает, что мы должны обработать эмпирические данные, чтобы получить распределение изучаемых объектов (в нашем случае студентов-гуманитариев) по профессиональным группам и по характеру этого распределения судить о профессиональной структуре опрошенны студентов. Для простоты изложения буду приводить цифры модельного арактера, т. е. в реальном исследовании они не были получены. Предположим, что нас интересует восемь профессий, все они закодированы цифрами от 1 до 8, а число студентов-гуманитариев среди всех опрошенных равно 1000. Таким образом, исходно мы имеем матрицу данных типа «объект -- признак». Из нее выделяем для анализа столбец матрицы в соответствии с анализируемым признаком. Подсчитываем в этом ряду число респондентов, которые в недалеком будущем будут иметь ту или иную профессию. Тем самым получаем частоту встречаемости в выборке студента той или иной будущей профессии.

Распределение опрошенных по профессиям представлено в таблице 3.1.1. Это результаты самого первого этапа систематизации эмпирических данных. Распределение может быть представлено и описано на «языке» четырех показателей. Первый -- абсолютная частота, т. е. число студентов с определенной «будущей» профессией. Среди опрошенных студентов оказалось 100 будущих политологов (профессия I), 200 социологов (профессия 2), 300 культурологов (профессий 3), 100 филологов (профессия 4), 50 психологов, (профессия 7) и 250 историков (профессия 8). Студенты с будущими профессиями, обозначенными как 5 и 6, в выборку не попали. В этом нет ничего удивительного, если при формировании выборочной совокупности не учитывалась будущая профессия студента. Эти шесть обозначенных и встречающихся в выборке профессий, будем использовать в процессе дальнейшего анализа.

Таблица 3. 1. I Распределение студентов по их будущей профессии

	БУДУЩАЯ ПРОФЕССИЯ СТУДЕНТА
ПОКАЗАТЕЛИ	1	2	3	4	5	6	7	Я	Итого
1. Абсолютная частота	к»	200	300	too				250	1000
2. Относительная чистота в долях (частость)	0.1	0-2	0.3	0.1			0.05	0.25	1
Ъ. Относительная частота в процентах	10	20	30	10			5	25	1(Х)
4. Накопленная частота в процентах	не имеет смысла

Второй показатель в таблице -- относительная частота в долях, или частость, т. е. это доля респондентов определенной профессии среди всех опрошенных студентов-гуманитариев. Очень часто в социологических исследованиях наряду или вместо числа опрошенных используется число ответивших. Для нашего примера не имеет значения, по отношению к какому «числу» считается доля, ибо число ответивши совпадает с числом опрошенны . В массовы опроса различение эти величин носит принципиальный характер, так как число неответивших бывает достаточно большим. Сама же проблема неответивших является серьезной проблемой в массовых опросах. Мы касались этой проблемы при обсуждении так называемой (нами) проблемы социологического нуля. Относительная частота в доля -- это важный показатель для последующи этапов работы с данными.

Доля интерпретируется как оценка вероятности обладать определенной профессией. Последняя фраза только для тех, кто случайно прослушал курс по теории вероятности.

Третий показатель -- относительная частота в процентах --

определяет, какой процент респондентов будет иметь ту или иную профессию. Это самый любимый показатель социолога, и вы в этом могли убедиться, если уже успели принять участие в каком-нибудь социологическом исследовании. Процент и частость -- составные элементы языка анализа социолога.

И наконец, четвертый показатель -- накопленная частота в процентах. С такой частотой мы сталкивались при построении шкалы Терстоуна. Для номинального уровня измерения она почти никогда не имеет смысла. Чисто технически ее можно подсчитать для нашей таблицы. Это и будет маленьким примером неадекватности математики. Прямо говоря -- чушь. Отсюда и вывод, что, живя в век потрясающих компьютеров, слепо нажимать на кнопки для запуска «модерновых» математических методов недопустимо. Компьютер может подсчитать все, только есть ли в этом смысл. Вот в чем вопрос.

Накопленная частота имеет «прозрачный» содержательный смысл только для шкал начиная с порядковых. Рассмотрим распределение студентов по степени и удовлетворенности учебой, полученной с помощью применения логического квадрата. В таблице 3.1.2 представлено распределение респондентов по степени «удовлетворенности» по тем же четырем показателям (и в этом случае цифры не реальные, а модельные). Все показатели имеют смысл. Число опрошенных так же, как и в случае первого признака, совпадает с числом ответивших. Степени удовлетворенности обозначены цифрами от 1 до 5. При этом 1 соответствует минимальному уровню удовлетворенности, а 5 -- максимальному.

Таблица 3.1.2 Распределение студентов по степени удовлетворенностью учебой

	СТЕПЕНЬ УДОВЛЕТВОРЕННОСТИ УЧЕБОЙ
ПОКАЗАТЕЛИ	1	2	3	4	5	Итого
1. Абсолютная частота	200	300	200	250	50	1000
2. Относительная частота в долях (частость)	0.2	0.3	0.2	0,25	0.05	1
Э. Относительные частоты в процентах	20	30	20	25	5	100
4. Накопленная частота .	20	50	70	95	100

Напомним, какой смысл имеет накопленная частота. Например, в таблице 3.1.2 частота, равная 70%, означает, что число студентов с уровнем удовлетворенности меньше четырех составляет 70% от числа опрошенных, а меньше трех -- 50%. Перейдем к случаю метрической шкалы. Для табличного представления распределения «продолжительности» необ одимо разбить диапазон ее изменения на отдельные интервалы. Важно отметить, что распределение не всегда имеет смысл представлять в табличной форме, так как деление на интервалы не всегда имеет смысл, например, для динамических рядов или для продолжительности затрат времени в исследованиях бюджета времени. Это происходит потому, что можно сразу переходить к изучению характеристик, описывающих характер распределения. Необходимо иметь также в виду, что признак может носить дискретный характер (встречаются только целые числа) или непрерывный характер (встречаются числа, имеющие целую часть и дробную). С непрерывностью встречаемся в основном при работе с аналитическими индексами на этапе анализа эмпирий.

Наш третий признак -- продолжительность затрат времени на учебу -- может носить дискретный характер, если выражен в минутах, и непрерывный арактер -- если выражен в часа . Остановимся на последнем случае. Для каждого студента этот производный показатель равен его среднесуточным (в часах) затратам времени на учебу. Введем интервалы и подсчитаем число студентов, внесенных в каждый интервал. В социологии в отличие от многих других наук, работающих с эмпирией, разбиение на интервалы не может носить формального характера. Такое разбиение всегда происходит в зависимости от исследовательских задач, а точнее, от того, как и для чего будет использоваться признак в процессе дальнейшего анализа. Поэтому социолог пользуется при этом понятиями «группировка данны », «типологическая группировка данны ».

При выделении интервалов изменения продолжительности затрат времени на учебу ис одим из значений максимальной и минимальной продолжительности, встретившихся в нашей выборке. Разница между этими величинами называется вариационным размахом. Без знания минимальной продолжительности нельзя определить нижнюю границу первого интервала, а без знания максимальной -- вер нюю границу последнего интервала. Допустим, в нашем случае максимум (max) равен 9-ти часам, а минимум (min) -- 0 часам. Последний факт можно объяснить тем, что в выборку попали студенты, которые были больны: никаких занятий, входящих в «продолжительность учебы», в недельном бюджете времени у ни не было. Чтобы сей факт не вызвал недоумения, заметим, что сбор информации о бюджете времени студента проис одит за неделю, предшествующую опросу.

Тогда наши интервалы (всего их шесть) могут выглядеть следующим образом:

0--1 часов;

1--2,5 часов;

2,5--4 часов;

4--7 часов;

7--8 часов;

8--9 часов.

Нетрудно догадаться, из чего мы ис одили при выборе именно таки интервалов. К примеру, в последний интервал попадут студенты -- «трудяги», в первый -- те, кто по какой-то причине был «выключен» из учебного процесса, а в четвертый -- модальная (самая распространенная) группа студентов. Кстати, это не факт, а гипотеза, и, соответственно, она может не подтвердиться в реальном исследовании. Для наглядности на рис 3.1.1 изображены эти интервалы в виде делений на линейке.

При отнесении респондента к конкретному интервалу по продолжительности учебы возникает такой вопрос. Куда входят нижняя и верхняя границы интервала? Другими словами, к какому интервалу отнести, например, студента, у которого продолжительность учебы равна четырем часам. Ведь его можно отнести и к первому, и ко второму интервалу. Эта проблема решается просто. Например, социолог принимает решение, что все вер ние границы интервалов относятся к интервалу. Тогда студент, у которого продолжительность учебы равна 4-м часам, будет отнесен к третьему интервалу. Студент, у которого продолжительность учебы равна 8-ми часам, -- к пятому и т. д.

Эти же интервалы могут быть заданы и в другой форме:

0--1 часов;

1,1--2,5 часов;

2,6--4 часов;

4,1--7 часов;

7,1--8 часов;

8,1--9 часов.

В этом случае при вычислениях возникает другая проблема, если продолжительность учебы некоторого студента, например, равна 1,09 часов. Опять же принятие решения в руках социолога. Он может отнести к интервалу не только вер нюю границу, но и то, что ниже нижней границы следующего интервала, т.е. респондент, у которого продолжительность учебы равна 1,09 часам будет отнесен к первому интервалу.

Используя первые введенные интервалы, подсчитаем по ним распределение респондентов (таблица 3.1.3.)

Обратите внимание, что каждая из приведенны таблиц имеет заголовок, итоговый столбец. Эти таблицы -- пример оформления как бы первичны результатов социологического исследования. Разумеется, за исключением того, что реальные таблицы содержат только один показатель из четыре приведенны . Такого рода таблицы служат и для представления результатов исследования. Эта ситуация типична для исследований общественного мнения.

Социолог называет распределение признака «линейкой», простым распределением, линейным распределением, частотным распределением, простой группировкой, потому что речь в самом деле идет о самы просты , одномерных распределениях в отличие от условных и многомерных. Последние получаются тогда, когда одновременно строится распределение по нескольким признакам. К случаю двумерны распределений перейдем чуть позже.

Таблица 3.1.3 Распределение студентов по продолжительности учебы

Одномерное распределение может быть получено как для всей выборочной совокупности, так и для отдельной подвыборки. В нашем случае подвыборкой являются студенты-гуманитарии, выделенные из всей совокупности опрошенных студентов. Тогда точнее называть распределения, полученные нами по трем признакам, условными. Такого рода условные распределения позволяют уже на этом первом этапе работы с эмпирическими данными решать задачи сравнительного анализа. Например, можно сравнивать структуру удовлетворенностью учебой студентов-гуманитариев и студентов-естественников, структуру продолжительности учебы для социологов и историков и т. д. В любом случае мы сравниваем структуру распределений для различных групп обследованных / опрошенных.

Кроме такого сравнительного анализа, одномерные распределения необходимы социологу ради достижения следующих целей. Во-первых, для проверки качества выборки, если речь идет о массовых опросах. Даже тогда, когда выборка «хорошо» планируется, в реальных данных могут возникнуть перекосы. Признаки, по которым формируется выборка, включаются в инструментарии, и по их распределениям осуществляется соответствующий контроль. Это только один аспект. Другой связан с тем, что число признаков, по которым планируется выборка, не может быть большим. В этой связи ряд признаков, интересующих социолога с точки зрения репрезентативности выборки, выпадают из рассмотрения при ее формировании. Тогда социолог может проверить репрезентативность по этим признакам на основе анализа их распределений.

Во-вторых, по одномерным распределениям определяется дифференцирующая сила признаков. Возвращаясь к таблице 3.1.1, видим, что две профессии не встречаются в наших данных. Соответственно, они исключаются из дальнейшего анализа. Некоторая группа (по уровню удовлетворенности, профессиональная) респондентов может быть по численности небольшой (что есть «много» и «мало», определяет социолог, исходя их своих исследовательских задач). Небольшая группа исключает возможность сравнения ее с другими, большими группами. В этом случае, опираясь на простые распределения, принимается решение и об. объединении отдельных групп. Тем самым могут уточняться задачи и гипотезы исследования.

В-третьих, по простым распределениям определяем характер этого распределения и устанавливаем эмпирические закономерности «поведения» признака в отношении изучаемы объектов (в нашем случае студенты-гуманитарии). Термин «поведение» будем употреблять исключительно для наглядности и образности. На наш взгляд, он полезнее, чем математические термины.

Прежде всего по распределениям выделяются модальные (часто встречающиеся) и антимодальные (редко встречающиеся) тенденции. Не только первые, но и вторые могут быть социально значимыми. «Мало» для социолога имеет два значения. Первое -- выборка была мала по объему, и представители какой-то группы в нее не попали случайно. Второе -- «редкая» группа, но социально значимая. Например, случай латентны социальных групп. Из этого вывод -- нельзя выкидывать из анализа феномен «антимодальности» без достаточного обоснования.

И наконец, представляется важным следующее. Одномерное распределение можно анализировать на разных «языках». Первый основной -- язык математической статистики, статистического анализа. Огромное количество литературы описывает именно этот аспект. Основной постулат статистического подхода: одномерное распределение -- результат только одного наблюдения генеральной совокупности и, соответственно, подвержено влиянию случайных, неконтролируемых, факторов. Если выборка была «хорошей», то по ней можно с определенной точностью вычислить характеристики генеральной совокупности. Отсюда и возникает понятие доверительного интервала, интервала, в котором находится истинное (для генеральной совокупности) значение такого рода характеристики. На языке статистического анализа возможные значения признака называют вариантами, а их совокупность и соответствующие им частоты -- вариационным рядом. Этими терминами социологи практически не пользуются.

Второй «язык» опирается на информационный подход или понятия теории информации. Существует понятие единицы информации. Таковой является бит (от английского binary digit -- двоичная цифра). Любой поток информации (числа, буквы, фразы) можно закодировать нулями и единицами. Число нулей и единиц, необходимых для оптимального (самого короткого) кодирования этого потока, называется количеством информации.

Представим теперь ситуацию, когда нам надо что-то узнать. Например, кто-то из вас загадал кого-то из присутствующи . Какое число вопросов надо мне задать ему, чтобы узнать, «кого» он загадал. При этом только вопросы с вариантами ответа «да» и «нет». Для этого я составлю список из всех, например, 32 присутствующих студентов. Затем поделю этот список на две части и спрошу, указывая на первую часть списка, «есть ли загаданный в этой части». Тем самым определю 16 студентов, среди которых есть и загаданный. Повторю процедуру деления на две части и получу список из 8-ми студентов, среди которы есть и загаданный. Продолжение такой процедуры деления приводит к результату. Мне надо было задать всего пять вопросов. Пять и есть количество информации. Это количество можно было определить и по-другому. Каждому порядковому номеру студента поставлю в соответствие пятизначное двоичное число от 00000 до 11111 и спрошу, верно ли, что у задуманного студента первая, вторая, третья, четвертая и пятая цифры равны единице?

Количество информации, необ одимое для отгадывания задуманного студента, равно пяти или log₂32. В качестве упражнения подсчитайте количество информации в номере паспорта.

Одномерное распределение может интерпретироваться как некое сообщение, несущее в себе определенное количество информации. Это количество можно оценить некоторой мерой, и значение ее будет разным для разных распределений. Такая мера называется также энтропией. Если кого-то из вас заинтересует эта проблематика, то загляните в интересную книгу (10) венгерского математика, где есть раздел «Записки студента по теории информации».

Третий «язык» -- просто поиск регулярности, значимость которы может описываться и без всякой математической статистики. Существуют «языки» анализа распределений, когда анализируются упорядоченности и соотношения между частотами, например, для поиска социальных констант. Но эти проблемы уже для следующего этапа изучения методологии анализа информации. «Языков» анализа распределений может быть много, поэтому это еще одна причина, по которой мы пользуемся понятием «поведение» признака, а не термином статистический анализ.

Задание на семинар или для самостоятельного выполнения

Каждому студенту необходимо придумать данные для модельной задачи. По возможности используйте фрагмент из реального исследования. Цель задания -- подготовка к освоению приемов первичного анализа, т. е. изучение «поведения» отдельно взяты признаков, в том числе и эмпирических индикаторов. На этом же материале будем осваивать и анализ взаимосвязей между признаками.

Требования к задаче, а значит к эмпирическим данным, таковы:

1.Число объектов 45--50. В роли объектов могут выступать: респонденты, семьи, студенческие группы и т. д. Скорее всего, это будут респонденты, ибо объектов нужно около 50-ти. Предупреждение к «всезнайкам» -- на данном этапе все делается без компьютера. Рекомендуется сначала выполнить вручную все приведенные в «Лекциях» задания и только потом воспользоваться компьютером.

Число признаков как минимум равно трем. Первый из них измерен по номинальной шкале с числом градаций, равным 6--9. Второй -- по порядковой шкале с числом градаций, равным 5--7. И наконец, третий признак измерен по метрической шкале (числа, количества). При этом для упрощения вычислений в качестве значений признака рекомендуется использовать двузначные целые числа.

Для этих трех признаков должен иметь содержательный смысл анализ взаимосвязей между ними. Например, можно изучить «поведение» таки признаков, как «социальное проис ождение студента», «его уверенность в трудоустройстве по специальности после окончания вуза» и «отношение к учебе». При этом первый из ни имеет номинальный уровень измерения и представляет собой прямой вопрос анкеты о социальном происхождении. Второй может быть измерен посредством логического квадрата по пятибалльной порядковой шкале. Третий измерен по шкале Терстоуна и тем самым имеет метрический уровень измерения.

Для выбранных признаков должны быть правомерны, например, такие вопросы: «3ависит ли уверенность в трудоустройстве от социального проис ождения студента?», «Зависит ли отношение к учебе от уверенности в трудоустройстве?».

После выбора исходных для анализа признаков следует сочинить ответы, если задача модельная. Таким образом получается матрица ис одны данны вида «объект -- признак», на основе которой будут выполняться задания к нескольким последующим разделам этой главы.

По всем трем признакам необходимо вычислить абсолютные, относительные (в долях и процентах) и накопленные частоты. Оформить результаты в виде таблиц типа 3.1.1; 3.1.2; 3.1.3.

3.2 Анализ характера «поведения» признака

Эмпирическая кривая распределения. Показатели средней тенденции для различных типов шкал. Дескриптивная статистика. Мода. Медиана. Среднее арифметическое значение, взвешенное среднее. Меры рассеяния вокруг средних. Дисперсия. Коэффициент вариации как мера однородности. Квартильный размах. Меры качественной вариации. Коэффициент качественной вариации. Среднее геометрическое. Энтропия.

Регулярно на экране телевизора вы видите визуально представленные распределения какого-нибудь признака (столбики с обозначением процентов). Например, результаты изучения общественного мнения по претендентам на президентский пост или место в парламенте. Эти картинки называются гистограммами -- графическое изображение или визуализация распределений. Они строятся по определенным правилам и в основном нужны не столько самому социологу, сколько заказчику социологического исследования (красиво и наглядно). Социологу они нужны лишь на предварительном этапе работы с эмпирией для того, чтобы на компьютере быстро просмотреть характер распределений. Существует множество способов визуализации. Например, в работе [2] приводится 15 способов визуального изображения (графики, диаграммы) одни и те же данны -- одномерного распределения признака.

На рис. 3.2.1 изображена гистограмма, соответствующая распределению студентов по будущим профессиям. На горизонтальной оси, начиная с любой точки, откладываются на равном расстоянии восемь (см. таблицу 3.1.1) профессий. Над каждой «профессией» воздвигается столбик высотой равный относительной частоте этой профессии. Столбики могут отстоять друг от друга и на каком-то расстоянии. В нашем случае они примыкают друг к другу. Гистограмму можно строить по частостям или по процентам. Они совпадут при соответствующем выборе масштаба. Для этого на вертикальной оси одна и та же точка должна соответствовать либо единице, либо ста процентам.

Сумма площадей всех прямоугольников равна единице, если "'' она построена по частостям и равна ста, если гистограмма построена по процентам. Вертикальная ось служит только для задания масштаба, поэтому гистограмму начинают строить с любой позиции по горизонтали. Ломаная линия (обозначенная на рис. 3.2.1 пунктиром) называется эмпирической кривой распределения, или полигоном. Она соединяет середины верхней стороны прямоугольников. Эта кривая и ее арактеристики говорят социологу о «поведении» признака. Второй из этих терминов мало употребляется на практике.

Процент/частость/

	20 .·
10..·
		¦ «¦						--Я+

12 3 4 5 6 7 8 (будущая профессия студентов)

Рис. 3.2.1 Гистограмма и эмпирическая кривая распределения студентов по профессиональным группам

Аналогичным образом строится гистограмма и эмпирическая кривая распределения для второго признака, т. е. для распределения студентов по степени их удовлетворенности учебой. Они изображены на рис. 3.2.2. Если для номинальных и порядковых шкал гистограммы эмпирическая кривая распределения служит только для визуализации, то для метрических они имеют особый смысл.

Процент/частость

		30	I
			25
			¦ *' *-ч
					\i
	¦	f	*	t
]	2	3	4	5

(степени удовлетворенности учебой студентов)

Рис. 3.2.2 Гистограмма и эмпирическая кривая распределения по степени удовлетворенности учебой

Построим гистограмму и эмпирическую кривую распределения для признака «продолжительность затрат времени на учебу». В этом случае гистограмма строится несколько иначе. Как вы заметили, каждый столбик гистограммы по площади был равен числу респондентов. Визуально передается не высота столбика, а его площадь. Ширина столбика равнялась единице и для номинального, и для порядкового признаков. В данном случае ширину нельзя выбрать одинаковой, так как наши интервалы разные. Поэтому гистограмма строится по плотности распределения. Плотность в интервале -это число респондентов, приходящихся на единицу интервала. Обозначим плотность в наших шести интервалах через

Pi, Р2, Р₃, Р4, P5, Рб

Тогда Pi = 27/1 = 27; Р2= 75/1,5 = 50; Р₃ = 150/1,5 = 100;

В данном случае эмпирическая кривая распределения не имеет содержательного смысла, ибо не передает характера распределения. Поэтому такую кривую строят при делении на равные интервалы. Число интервалов при этом определяется уже исходя из формальных критериев. Для порядковой и метрической шкалы гистограмму и эмпирическую кривую распределения можно построить и по накопленной частоте. Только в этом случае для эмпирической кривой распределения существует специфическое название. Она называется кумулята, а накопленную частоту называют кумулятивной. Построим ее по данным, представленным в таблице 3.2.1.

Таблица 3.2.1 Распределение по продолжительности учебы (равные интервалы)

Показатели	Продолжительность учебы	Итого
	0-1	1-2	2-3	3-4	4-5	5-6	6-7	7-8	8-9
Абсолютная частота	27	50	75	100	48	100	200	250	150	1000
Относительная частота в поопентм	2,7	5,0	7,5	10	4,8	10	20 ...

Подобные документы

• Методы анализа эмпирических данных

  Подготовка эмпирических данных к обработке и анализу. Сущность и виды группировок, понятие рядов распределения. Графическое представление информации в анализе социологических данных. Структура и требования к отчету о социологическом исследовании.
  
  контрольная работа [320,8 K], добавлен 05.04.2011
  

• Методы анализа эмпирических данных

  Понятие социологического исследования. Подготовка эмпирических данных к обработке и анализу. Сущность и виды группировок. Таблицы и графики: их роль в анализе социологических данных. Структура отчета об исследовании. Основные требования к его составлению.
  
  контрольная работа [542,4 K], добавлен 10.11.2010
  

• Методы измерения в социологии

  Отношение математики и социологии. Понятие эмпирических и математических систем. Примеры наблюдаемых и латентных переменных. Социологический опрос как инструмент сбора информации об объекте. Применение математических методов при измерении в социологии.
  
  эссе [75,8 K], добавлен 02.10.2014
  

• Элементы индексного анализа

  Элементы индексного анализа. Социологический индекс – инструмент классификации, сравнения и измерения. Аналитические индексы в социометрическом исследовании. Индексы социального статуса. Индексы социальной экспансии. Групповые и персональные социоиндексы.
  
  доклад [43,2 K], добавлен 16.12.2008
  

• Интервью как метод сбора социологической информации

  Интервью - распространенный метод сбора информации в социологии. Сбор данных методом формализованного интервью называют анкетированием. Он подразумевает стремление к максимальной стандартизации и унификации процедур сбора данных, их обработки и анализа.
  
  контрольная работа [13,3 K], добавлен 29.12.2008
  

• Социологические индексы и шкалы

  Тесты в социологическом исследовании, шкалирование при сборе и анализе социологической информации. Проблема качества социологического измерения, надежность и валидность измерения. Конструирование индексов и шкал, метод построения гутмановской шкалы.
  
  курсовая работа [58,8 K], добавлен 15.02.2011
  

• Социально-символьный анализ фотографии в визуальной социологии

  Специфические черты визуальной социологии, история ее зарождения. Фотография как инструмент исследования в социологии. Определение базовых характеристик метода символического анализа фотографии и опыт его применения в социологических исследованиях.
  
  реферат [22,0 K], добавлен 20.04.2012
  

• Теоретико–методологические и методические основы анализа влияния индустрии fashion на студенчество

  Понятие и этапы проведения социологического исследования, требования к нему. Исследование и оценка влияния индустрии fashion на студентов ВГУ. Определение исследуемой совокупности. Обоснование метода сбора эмпирических данных. Этапы анализа информации.
  
  курсовая работа [56,6 K], добавлен 08.01.2013
  

• Марксистская школа в социологии

  Анализ марксистской школы в социологии. Классический этап развития социологии, основные научные концепции и теоретические основы изучения социальных явлений. Методология К. Маркса при анализе проблем общественного труда, теория социального конфликта.
  
  контрольная работа [30,5 K], добавлен 03.04.2012
  

• Методы сбора данных для анализа социально-экономических и политических процессов

  Обзор методов проведения эмпирических исследований социально-экономических и политических процессов. Особенности анализа документов как метода проведения социологических исследований. Специфика методики массового опроса, эксперимента и наблюдения.
  
  курсовая работа [78,7 K], добавлен 31.01.2014
  

• Социологическое исследование

  Основные виды социологических исследований: теоретические (разведывательные, описательные, аналитические) и эмпирические (международные, общенациональные, региональные, локальные, отраслевые). Обработка результатов и анализ эмпирических данных социологии.
  
  контрольная работа [32,3 K], добавлен 02.08.2011
  

• Количественные методы изучения социального неравенства

  Общие принципы измерения в социологии. Использование математических методов сбора и обработки первичной социальной информации для измерения социального неравенства. Концепции прожиточного минимума и относительной бедности. Методы измерения бедности.
  
  курсовая работа [181,1 K], добавлен 25.01.2016
  

• Методы социологических исследований

  Методологические проблемы социологических исследований. Функции социологии. Разработка программы социологического исследования. Обобщение и анализ данных, полученных в процессе его проведения. Описание и применение разных методов и методик в социологии.
  
  учебное пособие [339,5 K], добавлен 14.05.2012
  

• Объект, предмет и задачи современной социологии

  Понятие социологии как прикладной науки, основные проблемы современной социологии, анализ предмета. Характеристика основных задач социологии, рассмотрение методов объяснения социальной действительности. Функции и роль социологии в преобразовании общества.
  
  контрольная работа [137,6 K], добавлен 27.05.2012
  

• Анализ данных социологии

  Сущность, значение и методика социологического исследования. Развитие эмпирических исследований, обогащающих теорию и позволяющих разрабатывать механизмы регулирования социальных процессов. Обработка и анализ результатов социологического исследования.
  
  курсовая работа [30,3 K], добавлен 18.12.2009
  

• Предмет и методы социологии

  Общая характеристика основных понятий социологии; изложение основ науки. Рассмотрение структуры социологического знания о системе и развитии общества. Выявление классификации данных знаний. Определение структуры и программы проведения исследования.
  
  реферат [27,7 K], добавлен 06.11.2014
  

• Развитие информационных и компьютерных технологий в социологии

  Причины применения информационные технологии в социологических исследованиях. Телефонизация как инструмент социологии. Технология проведения опросов в Интернет-форумах, SMS-опросы, вопросник на компьютере. Инструменты для компьютерной обработки данных.
  
  презентация [2,8 M], добавлен 15.05.2019
  

• Социология современных сообществ

  Особенности изучения общественного мнения блогосферы методом контент-анализа. Специфика социологических методов сетевых сообществ. Методики измерения отчуждения в современной социологии. Психиатрическая изоляция как практика социального отлучения.
  
  контрольная работа [23,5 K], добавлен 16.11.2009
  

• Социология

  Причины возникновения социологии. Сформированные идеологии индивидуализма. Объект социологии, ее структура и функции. Характеристика ее предметной зоны. Информация об обществе как разновидность социальной реальности. Развитие мировой социологии.
  
  контрольная работа [15,0 K], добавлен 13.04.2009
  

• Объект и предмет экономической социологии

  Предмет, объект, функции и методы социологии, виды и структура социологического знания. Объекты и сущность предмета экономической социологии. Социологическое понимание экономической сферы социальной жизни. Уровни и роль развития экономической социологии.
  
  реферат [23,3 K], добавлен 14.11.2010
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам