1) Вводная беседа и. С социологом; 2) ознакомление с ин-

струкцией для И.; 3) ознакомление с планом интервью или

опросником; 4) пробные интервью между собой; 5) провероч-

ное интервью с социологом; 6) показательное интервью, про-

водимое социологом-инструктором с одним из И.; 7) контроль-

ное интервью с незнакомым лицом, осуществляемое под

непосредственным наблюдением социолога.

Применяются также различные способы контроля за ка-

чеством работы И.: периодические выборочные прослушива-

ния социологом хода интервью, выборочные проверки каче-

ства заполнения опросных листов, повторные проверочные ин-

тервью с опрошенными лицами и т. п.

Серьезной проблемой является воздействие И., или так

называемый <эффект И.>. Речь идет о возможности влияния

личности И. на мнения и ответы опрашиваемых в процессе

беседы. При этом воздействие могут оказывать как социаль-

но-демографические (пол, возраст, образование, профессия),

так и сугубо личностные характеристики И. (темперамент, об-

щительность, мировоззрение, ценностные, целевые установки

и др.) Для уменьшения возможного влияния личностных ха-

рактеристик социологи нередко ограничивают общее количе-

ство интервью, проводимых одним И., до 7-10, увеличивая

число И. Поскольку это не всегда возможно и целесообразно,

прибегают и к другим мерам предосторожности. Так, опыт

свидетельствует, что не следует проводить более 5-6 интер-

вью в день, иначе у И. может установиться <избирательное

слушание>, произойти стереотипизация записи ответов, насту-

пить усталость, что в конечном счете резко снижает качество

полученной информации.

В отечественной социологической практике, как правило,

в качестве И. на общественных началах привлекаются люди

различных профессий: учителя, медицинские работники, сту-

денты, комсомольские активисты, библиотекари и др. В тех

случаях, когда имеется возможность оплатить труд И., за ос-

нову в большинстве своем берут среднемесячную зарплату

лаборанта с учетом количества затраченных в процессе опро-

са часов.

Затраты на обучение, подбор и подготовку И. могут быть

оправданы лишь при наличии их постоянной сети. В нашей

стране лишь несколько социологических центров обладают

своей постоянной сетью И. Всю работу с ними они осуществ-

ляют на основе трудового договора. Центры периодически ор-

ганизуют для своих И. консультации, школы-семинары и кур-

сы повышения квалификации.

Кодирование социологической информации включает в себя

два компонента - группировку ответов на вопросы и преобра-

зование этих ответов в форму, удобную для обработки и хра-

нения. Есть два подхода к группировке ответов. В одном слу-

чае все возможные ответы на конкретный вопрос группиру-

ются, классифицируются еще на этапе создания анкеты, и эти

возможные группы вносятся в анкету (закрытый вопрос). Во

втором случае до проведения исследования не удается по-

строить группировку, и она создается после получения отве-

тов респондентов (открытый вопрос).

С точки зрения удобства обработки гораздо целесообраз-

нее пользоваться не самими ответами респондентов на вопро-

сы, а кодами тех групп ответов, к которым они были отне-

сены. Таким образом, каждая группа ответов заменяется оп-

ределенным числовым кодом. Существуют три основных спо-

соба присвоения кодов ответам на вопросы. 1. Т. и. сплошное

кодирование, при котором каждая группа ответов получает

уникальный числовой код. Например, ваш пол: 001 -мужской,

002-женский; ваша партийность: 003 - беспартийный, 004-

член ВЛКСМ, 005-член КПСС. 2. Несплошное кодирование,

при котором фиксируется номер каждого вопроса, а группы

возможных ответов каждый раз нумеруются заново. Напри-

мер: 01. Ваш пол: 1-мужской, 2-женский: 02. Ваша пар-

тийность: 1 - беспартийный, 2 - член ВЛКСМ, 3 - член

КПСС. 3. Позиционное кодирование. При этом фиксируется

211

положение ответа на каждый вопрос анкеты за определенной

позицией (колонкой) перфокарты или магнитной ленты, что за-

бирает меньше времени на кодировку анкет.

Выбор способа кодирования зависит преимущественно от

возможностей тех программ обработки информации, которые

имеются на доступной социологу ЭВМ, однако позиционное

кодирование имеет ряд преимуществ перед другими систе-

мами.

Контент-анализ (от англ. content - содержание) - один из

видов анализа документов; достаточно строгий научный ме-

тод, предполагающий систематическую и надежную фиксацию

определенных элементов содержания некоторой совокупности

документов с последующей квантификацией (количественной

обработкой) полученных данных. Применяется для изучения

массивов однородных документов, чаще всего - текстов мас-

совой коммуникации, включая материалы прессы, радио, теле-

видения, кино. Используется также как метод анализа отве-

тов на открытые вопросы анкеты, интервью, личных докумен-

тов и проч. С помощью К.-а. исследователь устанавливает не

только характеристики документальных источников, но и осо-

бенности всего коммуникационного процесса: социальные

ориентации и установки коммуникатора (создателя текста);

ценности и нормы, тиражируемые в документах, эффективность

их восприятия в различных аудиториях.

Бытующее представление о К.-а. как об описании документа

в любых количественных показателях ошибочно. Его процеду-

ра достаточно сложна и требует точности исполнения. Кор-

ректная интерпретация данных не должна выходить за пре-

делы возможностей формализованного анализа проникать в

суть текстового материала.

Советские исследователи внесли большой вклад в разра-

ботку методики К.-а. Ими предложен принципиально новый

подход к выбору качественных единиц текста. В последние

годы он широко применяется в междисциплинарных исследо-

ваниях социальных наук.

Программа социологического исследования с применением

К.-а. включает формулировку цели, задач, гипотез, проект

выборки изучаемых документов, описание методов обработки

данных. Процедура К.-а. предусматривает определение кате-

горий - ключевых понятий исследования, в соответствии с

которыми предстоит сортировать элементы содержания. От

выбора категорий в значительной степени зависит характер

полученных данных. Категории должны быть исчерпывающи-

ми, т. е. описывать все части содержания. В то же время не

следует стремиться к перечислению в категориальной схеме

всех элементов содержания, как, впрочем, и значительно ук-

рупнять категории - и то и другое приводит к разрушению

смысловых связей текста. Кроме того, категории должны быть

взаимоисключающими. Это означает, что любой элемент со-

держания можно отнести лишь к одной категории, иными

словами, операциональные определения категорий должны

быть точны и недвусмысленны.

Операционализация категориальной схемы заключается в

поиске разнообразных формальных (лингвистических) при-

знаков текста, которые соответствовали бы каждой катего-

рии. Таким образом выбираются непосредственные едини-

цы анализа. В отечественной практике К.-а. в качестве

основной смысловой единицы используется социальная идея,

определенная социально значимая тема. В тексте она может

быть выражена по-разному: одним словом, некоторым устой-

чивым сочетанием слов, большим текстовым фрагментом. Еди-

ницы анализа должны содержать тождественные индикаторы

по всему массиву документов, повторяться в каждом тексте

и поддаваться формализации. К стандартным единицам ана-

лиза относятся: слово или термин, понятие, суждение или за-

конченная мысль, тема, персонаж или класс персонажей, ав-

тор, целое сообщение или публикация. Для К.-а. аудиовизу-

альной информации надежной единицей анализа может слу-

жить кино-, телефраза -достаточно мелкий смысловой фраг-

мент содержания с четкими формальными границами, обозна-

ченными, например, сменой говорящих или действующих

субъектов.

Наряду со смысловой единицей анализа определяется и

единица счета- величина измерения категорий содер-

жания. Единицами счета обычно выступают: пространство -

время (количество строк, абзацев, площадь текста, метраж

кино- и магнитной пленки, отведенный под категории, либо

время, в течение которого они описываются); появление при-

знака в тексте (употребляется в том случае, когда формали-

зация последнего затруднена, например, в К.-а. художествен-

но-образной информации); частота появления признака, вы-

являющая степень внимания коммуникатора к той или иной

категории анализа. Более тонкие приемы количественного опи-

сания текста связаны с фиксацией интенсивности признаков,

лингвистическими показателями которой могут служить вид

глагола и интенсивность неглагольных модификаций, таких

как <иногда>, <часто>, <регулярно>, индикаторы времени, ха-

рактеризующие прошлое, настоящее или будущее действие,

модальность высказываний - вероятностное, императивное

и пр.

213

В методики обработки результатов К.-а. включаются при-

емы ранжирования категорий, измерения их сопряженности

и ассоциации в соответствии с критерием X2, мерой Хеммин-

га, выявления взаимосвязи негативных и позитивных оценок

согласно специально разработанному для этих целей коэффи-

циенту Джаниса (см. Корреляция, Коэффициенты корреля-

ции}.

Важной методической проблемой является проверка на-

дежности К.-а., которая осуществляется с помощью компе-

тентных судей, посредством получения аналогичных данных

другими методами, а также при повторном кодировании од-

них и тех же текстов различными кодировщиками. Алгоритм

процедуры подробно описывается в обязательном методиче-

ском документе - инструкции кодировщику.

Контроль социологической информации. В процессе сбора,

ввода в ЭВМ и обработки социологической информации неиз-

бежно возникают различного рода ошибки. Задача социоло-

га - выявить и исправить их, поскольку работа с ошибочными

данными неизбежно приводит к получению неверных резуль-

татов. Можно выделить три группы ошибок. 1. Технические

ошибки - возникают вследствие неисправности устройств пе-

реноса информации на машинные носители или из-за ошибок

кодировщиков и технического персонала ЭВМ. Типичные

ошибки этой группы - появление букв или других символов

вместо цифровых кодов либо появление таких цифровых ко-

дов, которые не имеют смысла с точки зрения конкретного ис-

следования. 2. Логические противоречия в ответах респонден-

та на вопросы анкеты. Так, в одном месте анкеты респондент

указал, что в настоящее время он не работает, а в другом -

что он едет до работы 40 минут. Причины таких ошибок-

либо в ошибках кодирования, либо в неверном понимании рес-

пондентом вопросов анкеты. 3. Нарушение репрезентативнос-

ти. Такие ошибки возникают из-за неверно составленной про-

цедуры отбора респондентов или ее нарушения в процессе

исследования.

Необходимо отметить, что выделенные три группы ошибок

в значительной степени независимы. Т. е. исправление оши-

бок 1-й или 2-й группы не гарантирует автоматической кор-

рекции ошибок 3-й группы и наоборот. Для контроля ошибок

1-й группы многие программы обработки дг-нных социоло-

гических исследований имеют специальные средства (конт-

роль на допустимые коды). Для контроля на логическую

непротиворечивость ответов каждый раз требуется раз-

работка программ применительно к конкретней анкете.

Ошибки 3-й группы выявляются г помощью получения час-

2Н

тотных распределений по выборочной совокупности и срав-

нения их с аналогичными распределениями в генеральной

совокупности.

Корреляционная таблица (таблица сопряженности призна-

ков) - один из основных способов описания корреляционных

связей между признаками, используемых для упорядочения

информации о распределении изучаемой совокупности инди-

видов по двум признакам. К. т. имеет прямоугольную форму,

число строк ее n- определяется количеством значений одного

признака, а число столбцов m - количеством значений друго-

го. На пересечении, например, второй строки и третьего столб-

ца в таблице проставляется число индивидов, у которых пер-

вый признак принимает второе значение из своего списка, а

второй признак - третье из своего Таблица имеет n m внут-

ренних клеток. Кроме того, выделяются два маргинала (на

полях-правом и нижнем). Первый маргинал это m+1-ый

столбец, заполненный числами индивидов, у которых первый

признак принимает свое первое значение (независимо от то-

го, какое значение принимает второй признак, это сумма эле-

ментов первой внутренней строки), второе значение и т. д. до

п.-ого. Второй маргинал это n+1-ая строка, заполненная сум-

мами элементов соответствующих столбцов. Сумма элементов

каждого маргинала равна числу индивидов. Такого рода рас-

пределения называют двумерными. Если п=\, то говорят об

одномерном распределении ( оно показывает, как распределе-

ны индивиды по одному, в данном случае второму признаку).

Изучают и трехмерные распределения: для каждого значения

третьего признака составляют свои двумерные распределе-

ния - по первому и второму признакам и т. д. Таким обра-

зом, основной формой представления является двумерная

К. т. Характер распределения индивидов по ее клеткам опре-

деляется характером связи между признаками. Поэтому по эм-

пирической таблице восстанавливают характер связи. Если

связи нет, то число индивидов, попадающих в данную клетку

таблицы, равно произведению маргиналов строки и столбца

с соответствующими номерами, деленному на число всех ин-

дивидов [1, 72]. Таблицу, заполненную такими частотами, на-

зывают теоретической. Если связь есть, то эмпирическая таб-

лица отличается от теоретической. Мерой отличия, характери-

зующей связь, является критерий Пирсона X2 (см. Анализ

таблиц сопряженности, корреляция).

Корреляция-функциональная зависимость между двумя

переменными величинами, которая характеризуется тем, что

каждому значению одной из них соответствует вполне опре-

деленное значение другой.

Если определенному значению одной величины соответ-

ствует комплекс значений другой, говорят о корреляционной

зависимости. При изменении одной величины меняется комп-

лекс значений другой, который может быть охарактеризован,

в частности, своей средней. Если увеличению одной величины

соответствует увеличение соответствующих средних другой,

говорят о прямой или положительной К. (в противоположном

случае-об обратной или отрицательной). Наглядным при-

мером прямой К.. является связь между ростом детей и от-

цов: чем выше рост отцов, тем в среднем выше рост детей.

Корреляционной зависимостью связаны спрос на товары и их

цены на рынке, количество удобрений и урожайность, стаж

и производительность труда рабочих и т. д. Корреляционные

зависимости встречаются там, где изучаемое явление подвер-

жено влиянию множества различных факторов. Например,

стаж несомненно влияет на производительность труда, но не

определяет ее полностью, т. к. она зависит также от квалифи-

кации работника, его образования, возраста, состояния здо-

ровья и т. д.

В силу сложности, многофакторности общественной жизни

связи между социальными переменными практически всегда

корреляционные. Количественно они описываются с помощью

коэффициентов корреляции. Установление корреляции, одна-

ко, еще не означает установления причинно-следственной свя-

зи. Оно лишь свидетельствует о том, что либо один признак -

частичная причина другого, либо оба - следствие общих

причин.

Количественый анализ корреляционных связей не заменяет

специальные знания, но он может сделать более эффективным

мышление исследователя, т. к. дает возможность отбросить не-

существенные связи, очертить круг поисков, сравнивать влия-

ние различных факторов и т. д. В случае корреляционной

связи между признаками х и у каждому значению одной ве-

личины (xi) соответствует групповая средняя другой (yi).

Уравнения, описывающие эту зависимость, называются кор-

реляционными, или регрессионными, а соответствующие им

графики - кривыми регрессии. Корреляционный анализ пред-

полагает и отыскание корреляционных уравнений. Кривые

регрессии, например, могут быть прямыми, но в общем случае

корреляционная зависимость не является прямолинейной. При

исследовании связей между признаками используют корреля-

ционные таблицы. С их помощью можно охарактеризовать и

тесноту связи, описываемую коэффициентами корреляции,

и форму ее, описываемую уравнениями регрессии. В случае

прямолинейной связи используется парный коэффициент кор-

216

реляции, в случае криволинейной - корреляционное отноше-

ние.

Коэффициенты корреляции - меры плотности корреляци-

онной связи (см. Корреляция). Когда каждому значению од-

ного признака соответствуют различные, но близкие значения

другого признака, т. е. тесно располагающиеся около своей

средней величины,- связь более плотная.

Коэффициент Пирсона-Браве г [1, 101] является мерой

связи при линейной корреляции. Все его значения заключены

между -1 и +1, причем крайние значения соответствуют ли-

нейной функциональной связи между признаками. Значение

г=0 означает отсутствие линейной связи, но при /=0 может

иметь место нелинейная связь, даже функциональная. Мерой

плотности нелинейной связи является корреляционное отноше-

ние R [1, 102], принимающее значения между 0 и 1. Значение

О соответствует отсутствию связи. Чем больше /?, тем теснее

связь между признаками. Значение 1 соответствует функцио-

нальной связи. Модуль г всегда не превосходит R (для одной

и той же корреляционной таблицы), г и R применяются для

описания количественных признаков.

Если изучаемые индивиды охарактеризованы лишь по от-

носительной интенсивности свойства (признака), т. е. только

ранжированы, то для описания связи используются коэффи-

циенты ранговой корреляции [1, 106-107]. Если при описа-

нии объектов удается определить лишь наличие или отсут-

ствие у них признака, либо если изучается связь между аль-

тернативными признаками, то корреляционные таблицы ста-

новятся четырехклеточными. В таких случаях можно приме-

нять коэффициенты ассоциации Q [1, 86] и контингенции

Ф [1, 88]. Ряд К. к. основан на критерии Пирсона. Это ко-

эффициент сопряженности Пирсона С [1, 81], теоретически

более предпочтительный коэффициент Чупрова Т [1, 82].

(См. Значимость статистических показателей).

Коэффициенты частной корреляции [1, 152] позволяют

изучать связи между признаками при элиминировании влия-

ния некоторых других признаков. Если устраняется влияние

одного признака, то говорят о частных К. к. первого поряд-

ка. Они выражаются через обычные коэффициенты парной

корреляции. Логика частной корреляции такова: если при

устранении некоторого признака коэффициент корреляции

двух данных признаков увеличивается, то такой признак ос-

лабляет связь, если же коэффициент корреляции уменьшается,

то устраняемый признак в определенной мере обуславливает

связь. (В предельном случае, если устранение признака об-

ращает коэффициент корреляции в нуль, то данный признак

217

обуславливает связь данных признаков, т. е. это связь со-

путствия).

. Например, при изучении корреляции между .производитель-

ностью труда и возрастом рабочих [1, 153] была установлена

положительная связь. На производительность влияет и стаж

работы, который оказывается в положительной корреляции и

с возрастом, и с производительностью. При элиминировании

стажа оказалось, что связь между производительностью и воз-

растом отрицательная, а между производительностью труда

и стажем (при элиминировании возраста) - положительная

и еще более тесная.

Если устраняется влияние двух признаков, то говорят о

частных К. к. второго порядка. Они в свою очередь выража-

ются через коэффициенты частной корреляции первого поряд-

ка и т. д.

Меры вариации - показатели колеблемости значений неко-

торого признака у индивидов данной совокупности. Одна из

простейших мер - вариационный размах, равный разности

крайних (наибольшего и наименьшего) значений признака в

данной совокупности.

Важнейшим показателем колеблемости является диспер-

сия. Т. к. из-за компенсации отклонений индивидуальных зна-

чений от М (см. Меры центральной тенденции), имеющих раз-

ные знаки, сумма всех отклонений равна нулю, в качестве М. в.

используется сумма квадратов отклонений, приходящаяся на

одно наблюдение. Эта величина и называется дисперсией (D).

Ее размерность равна квадрату размерности признака.

Кроме D используется и так называемое среднее квадратиче-

ское отклонение, определяемое как квадратный корень из дис-

персии: о= VD.

Если одинаковы М, то больше колеблемость того признака,

у которого больше ст (D). Совпадение а еще не означает оди-

наковых колеблемостей: колеблемость меньше у того призна-

ка, у которого больше М. Для сопоставимости колеблемостей

признаков с различной размерностью переходят к относитель-

ному показателю - коэффициенту вариации Со, обычно вы-

ражаемому в процентах:

С,=-100 о/о.

Например, с его помощью можно сравнивать колеблемости

образовательного и квалификационного уровней работников

данной профессиональной группы. Этот коэффициент можно

использовать и для сравнения колеблемостей признаков, име-

ющих одинаковую размерность. Из свойств дисперсии отме-

218

тим, что исчисленная относительно М она меньше, чем отно-

сительно любой другой величины; дисперсия не меняется при

увеличении всех вариант на одно и то же число; всех частот

в одно и то же число раз; она равна разности средней ариф-

метической квадратов вариант и квадрата обычной средней

арифметической. В качестве М. в. используются также кван-

тили. Квантиль (значение признака) делит сумму частот на

равное число частей. Число частей может быть различным, от-

сюда различные квантили - квартили, децили, перцентили.

Квартиль делит сумму частот на 4 части. Квартилей три: Qi,

Qs, Qa. Qi-такое значение, что у 25% индивидов значение

данного признака меньше, а у 75 % -больше, чем Qi. Q2-

это, очевидно, медиана (см. Меры центральной тенденции).

У 75 % индивидов значение признака меньше, чем Qs, a

у 25 % - больше. В качестве М. в. используется величина

AQ=Qa-Qi-полуквартильное отклонение (половина вари-

ант заключена между Qi и Оз). Дециль делит сумму частот

на 10 частей. Децилей девять: Д[, ..., Дд. В качестве меры раз-

броса используется величина AD=Dg-D|. Перцетиль делит

сумму частот на 100 частей. Их, очевидно, 99. Все рассмотрен-

ные М. в. относятся к количественным признакам. Для клас-

сификационных признаков можно ввести меру вариации, осно-

ванную на различии в качестве, но такие меры не получили

распространения.

Меры центральной тенденции - обобщенные характеристи-

ки распределения некоторого признака в данной совокупности

индивидов. Их называют также средними, оперируя которы-

ми, мы теряем часть информации, но отражаем типичное для

изучаемой совокупности в определенных условиях. Чтобы

средняя была характеристикой, улавливающей тенденцию, за-

кономерность, она должна применяться к достаточно одно-

родной совокупности. Поэтому исчислению М. ц. т. предшест-

вует выделение из изучаемой общности в некотором смысле

однородных подобщностей. Наиболее часто используется так

называемая средняя арифметическая величина М, определяе-

мая как сумма всех значений признака у различных индиви-

дов, деленная на общее число индивидов. Если данные сгруп-

пированы, то М равна сумме произведений вариант на их

частости (относительные частоты). Из свойств М отметим сле-

дующие: сумма произведений отклонений вариант от М на их

частости (или частоты) всегда равна нулю; М не меняется

при увеличении частостей в несколько раз; при увеличении

вариант в несколько раз М увеличивается во столько же раз;

при увеличении всех вариант на одну и ту же величину М

увеличивается на эту же величину.

21У

Медиана Me - значение признака, приходящееся на цент-

ральный член ранжированного ряда. У одной половины чле-

нов такого ряда значения данного признака меньше, чем ме-

дианное, у другой - больше. На медианное значение признака

влияют лишь центральные значения его, поэтому ненадежное

знание граничных значений (а такая ситуация встречается на

практике), приводит к искажению М, но не искажает Me.

В отличие от М, Me можно использовать и для описания ка-

чественных, неметрических признаков.

Мода Мо - наиболее часто встречающееся в данной сово-

купности значение признака, т. е. это варианта с наибольшей

частотой. Мо - не отражает степени модальности, т. е. не

несет в себе информацию о том, насколько распространено

данное значение признака в изучаемой совокупности. Подоб-

но Me, Мо может применяться для описания качественных и

классификационных признаков. Для непрерывных количествен-

ных признаков Мо-абсцисса максимума кривой распределе-

ния. Если максимум один, то распределение называется уни-

модальным (например, распределение населения по возрасту

в отсутствии войн и эпидемий), если максимумов два-бимо-

дальным (например, распределение населения по возрасту в

послевоенные десятилетия: два максимума на кривой распре-

деления появляются из-за возникновения минимума, соответ-

ствующего снижению рождаемости в годы войны) и т. д. На

Мо, как и на Me, не влияют концы распределений. При так

называемом нормальном распределении (например, распреде-

ление по росту людей данного пола) М==Ме=Мо. Me всегда

находится между М и Мо. Если при унимодальном распре-

делении Мо>Ме, то говорят о левой асимметрии, если

Мо<Ме,-о правой.

Методы анализа социометрической информации - методы

анализа социологической информации, полученной с помощью

социометрических методов (см. Социометрия). Специфика

М. а. с. и. связана с тем, что первичной информацией, подле-

жащей обработке, являются отношения между респондента-

ми, а не их характеристики, как при обычном социологическом

опросе.

М. а. с. и. включают представление социометрических дан-

ных, их агрегирование, расчет социометрических индексов, вы-

деление социометрических подструктур, изучение связей ме-

жду социометрпческими критериями и связей между социо-

метрическимп и обычными вопросами, проверку статистических

гипотез.

Представление социометрических данных включает построе-

ние социоматрнц, социограмм, использование различных ме-

220

тодов повышения их наглядности (например, использование

специальных видов социограмм: социограмма-мишень, ло-

кограмма и т. п.).

Агрегирование социометрических данных состоит в объе-

динении информации, содержащейся в некотором наборе со-

циоматриц, в одну социоматрицу (как правило, взвешенную,

т. е. содержащую не единицы и нули, а веса выборов, интен-

сивности симпатий и т. п.).

Наиболее распространенным методом является расчет со-

циометрических индексов. С его помощью решаются задачи

описания структуры межличностных отношений группы в це-

лом (групповые индексы) или положение отдельных членов

группы в структуре (индивидуальные или персональные социо-

метрические индексы). Традиционные социометрические ин-

дексы вычисляются как функция числа отданных и полученных

каждым членом группы социометрических выборов. Например,

групповой индекс взаимности выборов в группе по некоторому

отношению R представляет собой число взаимных выборов,

разделенных на число всех сделанных выборов. В случае, если

R-симпатия, этот индекс иногда называют индексом спло-

ченности группы. Индекс социометрического статуса данного

члена группы определяется как число выборов, полученных

данным членом группы, разделенное на максимально возмож-

ное число выборов, т. е. на N-1, где N-число членов

группы.

Еще пример-индекс психологической (эмоциональной)

экспансивности данного члена группы определяется как число

выборов, сделанных данным членом группы, разделенное на

максимально возможное число выборов. Поскольку такого

типа индексы не учитывают свойства структуры как целого,

т. е. свойства, которые не сводятся к характеристикам от-

дельных элементов структуры, целесообразно при построении

индексов использовать методы, развитые в теории графов, ко-

торые позволяют учитывать характеристики структуры как

целостности. Например, сплоченность группы определяется как

минимальное число дуг, которые нужно удалить, чтобы граф

стал несвязным, нормированное максимально возможным чис-

лом дуг графа (т. е. нормированное число связей, которые

должны исчезнуть, чтобы группа распалась на несвязанные

между собой подгруппы).

Более глубокое изучение структуры межличностных отно-

шений в группе дает выделение социометрических подструк-

тур, т. е. выделение одного или нескольких членов группы,

занимающих особое положение в структуре. К таким подструк-

турам относятся подгруппы, лидер группы, связующие члены

221

группы, ядро группы, укрепляющие, ослабляющие и нейт-

ральные члены группы и т. п.

Анализ связей между социометрическцмп критериями (или

отношениями, индикаторами которых являются те или иные

критерии) в силу специфики социометрических данных тре-

буют специальных показателей, традиционные коэффициенты

корреляции здесь не применимы. В качестве показателя од-

носторонней связи, описывающего влияние социометрического

критерия А на критерий В, может использоваться коэффи-

циент причинности или импликации Раа-

1=1

где п-число респондентов, х.с1- число лиц, выбранных i-м

респондентом по критерию A, xiC"> - число лиц, выбранных

i-м респондентом и по критерию А и по критерию В одновре-

менно. Этот коэффициент может интерпретироваться как ве-

роятность того, что каждый из респондентов, выбрав тех или

иных членов группы по критерию А, выберет их также и по

критерию В.

Изучение связи между социометрической и обычной ин-

формацией, т. е. связи структуры отношений с характеристи-

ками членов группы может осуществляться следующим об-

разом. Между каждыми двумя членами группы рассчитыва-

ется коэффициент близости по изучаемой характеристике. Со-

поставление этой матрицы с социоматрицей и даст ответ на

вопрос, есть ли связь между структурой межличностных от-

ношений и данной характеристикой членов группы.

Проверка статистических гипотез тоже имеет свою специ-

фику. Если при обработке данных обычного социологического

опроса проверка гипотез о тех или иных параметрах генсово-

купности осуществляется путем сопоставления выборочных

статистик со значениями статистических таблиц, табулирую-

щих распределение случайной величины, то здесь характери-

стики социограмм должны сопоставляться с характеристика-

ми случайных графов.

Методы анализа экспертных оценок. Применение различ-

ных М. а. э. о. дает возможность как получения обобщенных

данных, позволяющих определить групповое мнение экспер-

тов, так и получения новой информации, содержащейся в ла-

тентной форме в экспертных оценках. Выбор конкретного ме-

тода анализа зависит от выбора метода измерения эксперт-

ных оценок.

Экспертное оценивание используется в решении плохо фор-

мализуемых проблем, которые условно можно разделить на

два класса. К первому относятся проблемы, обеспеченные до-

статочным количеством информации. В оценивании проблем

первого класса эксперт рассматривается как хороший изме-

ритель, а групповое решение экспертов близко к истинному

решению проблемы. Для анализа экспертных оценок проблем

первого класса применяется математическая статистика, пред-

оставляющая широкий набор методов.

В большинстве прикладных исследований проблем первого

класса экспертные оценки используются для выделения су-

щественных факторов и их ранжирования либо для ранжи-

рования самих объектов оценивания. Для анализа таких оце-

нок используют методы ранговой корреляции, позволяющие

определить степень согласованности мнений экспертов и мето-

ды построения обобщенной ранжировки, дающие возможность

либо прямым путем формировать матрицу обобщенных ран-

жировок, либо путем перехода от матрицы ранжировок к мат-

рице парных сравнений.

Использование парных и множественных сравнений дает

возможность применения техники проверки согласованности

в духе дисперсионного анализа, описанного Дэвидом, и полу-

чения результирующего предпочтения в шкале порядка.

Балльное оценивание имеет естественным завершением воз-

можность получения различных вариантов средних эксперт-

ных оценок.

В оценивании проблем второго класса экспертные оценки

получаем либо в вербальной форме, либо в виде вероятно-

стных оценок. В этом случае возникает необходимость пред-

варительного анализа неоднородности экспертной группы, по-

скольку средние, центральные оценки могут утратить содер-

жательный смысл, оказаться хуже индивидуальных или груп-

повых оценок. Анализируется распределение экспертов в мно-

гомерном пространстве признаков. Каждый эксперт в этом

пространстве может быть представлен точкой с координата-

ми, соответствующими его оценкам признаков.

Вербальные экспертные оценки исследуются традиционны-

ми методами анализа документов.

Вероятностные экспертные оценки могут быть получены и

обработаны методом анализа на проблемных сетях, позволя-

ющего говорить на одном языке о проблемах как количествен-

ных, так и качественных, как хорошо, так и плохо структу-

рируемых. Метод анализа на проблемных сетях дает воз-

223

можность включения в исследование формальных моделей, что

расширяет пути~применения компьютерных средств. Исполь-

зование этого средства анализа позволяет осуществить пере-

ход от сгенерированных условных экспертных оценок к без-

условны>.

В ситуации формирования экспертных оценок при наличии

априорной и апостериорной информации используется байе-

совский подход, позволяющий определить вероятности при

обратном анализе, когда рассчитывается вероятность опреде-

ленного исхода для раннего из двух зависимых событий при

данном исходе второго события, что особенно важно в социо-

логических исследованиях, когда мы диагностируем различ-

ные социальные изменения, не имея возможности точного ука-

зания их причин.

Методы обработки и анализа социологической информа-

ции-способы преобразования эмпирических данных, полу-

ченных в ходе социологического исследования, с целью сде-

лать их обозримыми, компактными, пригодными для содер-

жательного анализа, проверки исследовательских гипотез, ин-

терпретации. Хотя нельзя провести четкой границы между

обработкой и анализом, под первой обычно понимают рутин-

ные, механические преобразования, а под вторыми - более

сложные преобразования, переплетающиеся с интерпретацией.

С определенной долей условности обработку можно разде-

лить на первичную и вторичную. Под первичной понимается

обработка, исходной информацией для которой служат дан-

ные, полученные в ходе эмпирического исследования (т. и.

первичная информация: ответы респондентов, оценки экспер-

тов, данные наблюдения и т. п.). Примером первичной обра-

ботки является табулирование, расчет многомерных распреде-

лений признаков, классификация и пр. Вторичная обработка-

преобразование данных первичной обработки, т. е. получение

показателей, рассчитываемых по частотам, сгруппированным

данным, кластерам и т. п. (напр., средние, меры рассеяния,

связи, показатели значимости). Ко вторичной обработке мож-

но также отнести методы графического представления данных,

исходной информацией для которых служат проценты, табли-

цы, индексы (не следует путать вторичную обработку со вто-

ричным анализом социологической информации).

С точки зрения применения технических средств можно

выделить обработку ручную и с использованием средств вы-

числительной техники, в том числе больших, мпни-, микро-

В данном разделе справочника под методами анализа понимаются

формальные, математические методы анализа социологической инфор-

мации.

224

ЭВМ и микрокалькуляторов (другие технические средства об-

работки в настоящее время почти не используются). Ручная

обработка используется в качестве первичной при небольших

массивах информации (от нескольких десятков до 100 анкет)

и относительно простых алгоритмах ее анализа. Вторичная

обработка при этом проводится с помощью микрокалькулято-

ров. Примером исследований, в которых часто используется

ручная обработка, являются пилотажные, экспертные и со-

циометрические опросы. Основным средством обработки яв-

ляются ЭВМ, на них осуществляется первичная и большин-

ство видов вторичной обработки информации, часть видов

вторичной обработки осуществляется с помощью микрокаль-

куляторов (прежде всего программируемых). С развитием

вычислительной техники (см. Виды вычислительной техники)

все больше видов обработки будет осуществляться с помощью

персональных компьютеров.

М. о. и а. с. и. можно разделить на методы статистическо-

го анализа информации, в том числе методы описательной

статистики (расчет многомерных распределений признаков,

средних, мер рассеяния) и статистики вывода (анализ корре-

ляционный, регрессионный, факторный, кластерный, причин-

ный, логлинейныи, дисперсионный, многомерное шкалирование

и др.), а также методы моделирования и прогнозирования

социальных процессов (анализ временных рядов, цепи Мар-

кова, имитационное моделирование и др.). Кроме того,

М. о. и а. с. и. могут быть разделены на универсальные (при-

годные для анализа большинства видов информации) и спе-

циальные, пригодные лишь для анализа данных, представлен-

ных в специальном виде (например, анализ социометрических

данных или контент-анализ текстов).

Обработка и анализ социологической информации на ЭВМ

осуществляется с помощью машинных программ, реализующих

М. о. и а. с. и. Эти программы обычно оформлены в виде спе-

циальных наборов программ, так называемых <пакетов> при-

кладных программ анализа социологической информации.

В крупных исследовательских центрах обработка и анализ

социологической информации наряду с пакетами прикладных

программ опирается на архивы и банки социологических дан-

ных, позволяющие хранить информацию и эффективно осу-

ществлять ее вторичный анализ.

Методы изучения предпочтений - способы сбора и анализа

информации об упорядочении группой респондентов или экс-

пертов некоторого набора объектов по заданному критерию.

Практически любой опросный документ (анкета, текст) вклю-

чает вопросы, основанные на том или ином М. и. п. Респоп-

S 0-14 225

дент <предпочитает> один объект другому, если он оценивает

его выше по заданному критерию (собственно предпочтение

выступает лишь как один из видов возможных критериев;

упорядочение может производиться также по значимости объ-

ектов для индивида, по оценке тех или иных характеристик

объектов и т. п.), В качестве примера можно привести упо-

рядочение набора профессий по престижу, ранжировку ряда

ценностей, предъявляемых респонденту, и т. п.

Можно выделить четыре основных М. и. п.- балльные

оценки (респондент оценивает каждый из объектов опре-

деленным баллом или распределяет объекты на несколько групп

по заданному критерию, а баллы присваиваются исследова-

телем на стадии кодирования или обработки), ранжирова-

ние, парные сравнения, множественные

сравнения.

Существуют и другие М. и. п., которые представляют со-

бой их комбинацию. Например, респондент из множества пред-

ложенных объектов выбирает несколько наиболее предпочти-

тельных и несколько наименее предпочтительных, затем объ-

екты упорядочиваются по числу респондентов, поместивших

данный объект среди наиболее пли наименее предпочтитель-

ных; респондент сначала разбивает объекты на группы (на-

пример, положительное, нейтральное и отрицательное отноше-

ние), а затем ранжирует их внутри каждой группы и т. п.

М. и. п. используются при построении различного рода шкал.

Методы сбора данных в социологическом исследовании

включают изучение документальных источников, прямое на-

блюдение социальной реальности и опросы.

В качестве документов выступают официальные и неофи-

циальные тексты (например, карточки персонального учета

или же письма трудящихся в газеты, иные организации),

аудиовизуальные записи (магнитофонные записи обсуждений

какого-либо вопроса, телепрограммы), многообразные тексты

средств массовой информации - газет, радио и телевидения.

Помимо этих так называемых наличных документов социолог

может планировать целевые документы в соответствии с про-

граммой исследования (например, предлагает написать сочи-

нение на заданную тему, изложить свои впечатления от не-

которого мероприятия, в свободной форме высказать мнение

об определенных событиях или условиях деятельности). На-

ряду с традиционным анализом документов по содержанию

в соответствии с гипотезами исследования применяют особый

способ качественно-количественного анализа текстов - кон-

тент-анализ.

Официальные документы - хороший источник информации

о социально-нормативных требованиях организаций и общно-

стей, личные и неофициальные документы чаще используются

для получения сведений о событиях и условиях деятельности,

нежели об оценках и мотивации.

Социологическое наблюдение- это прямая ре-

гистрация событий, проводимая по определенной программе

либо <со стороны>, либо способом активного включения в изу-

чаемые общности и действия (включенное наблюдение) или же

путем прямого инициирования социальных действий (стиму-

лирующее наблюдение). В нестандартизированном варианте

наблюдение, каким бы из названных способов оно ни прово-

дилось, предусматривает: изучение общих особенностей соци-

альной ситуации на наблюдаемом объекте (например, в про-

изводственной организации), действующие здесь нормативные

предписания и степень относительной самостоятельности

в принятии решений, особенности субъектов деятельности (их

состав по социально-профессиональным, социально-демографи-

ческим, функционально-ролевым и др. характеристикам), вы-

явление целей деятельности, мотивов и результатов таковой,

включая принятые критерии оценки успешности деятельности,

оценку степени типичности или нетипичности общей ситуации

и действий субъектов, главным образом уклонения от обще-

распространенных способов действий и форм организации в

сторону более прогрессивных, новаторских или, напротив, за-

стойных, консервативных.

Структурированное (формализованное) наблюдение пред-

полагает жесткую форму регистрации частоты и систематич-

ности определенных событий и условий деятельности по на-

званным выше характеристикам. Например, могут подсчиты-

ваться частоты инновационных, инициативных действий

в сравнении с традиционными.

При наблюдении со стороны исследователь регистрирует

предусмотренные программой явления и события, не вмеши-

ваясь в сами события, а будучи включенным наблюдателем,

фиксирует отношение к событиям не только других участни-

ков деятельности, но и свое, стремясь, однако, установить об-

щую тенденцию и типические состояния. В стимулирующем

наблюдении исследователь может <провоцировать> на ини-

циацию каких-то действий (например, предлагать новую фор-

му организации работы или оценки ее результатов), регистри-

руя реакции других участников деятельности.

Наблюдение-хороший метод при осуществлении разве-

дывательного плана исследования, цель которого - формули-

ровка гипотез для дальнейшей, более систематической провер-

ки другими методами (анализом документов и опросами).

8

227

Опросные методы многообразны и универсальны в том

смысле, что позволяют регистрировать условия деятельности,

частоту определенных событий, отношений к ним, выражения

потребностей и мотивов субъектов деятельности. В интервью

допускается достаточно свободное развитие опроса по некото-

рому плану с уточнением и модифицированными формулиров-

ками вопросов, причем реакции опрашиваемого не ограничи-

ваются рамками заранее предусмотренных вариантов ответа.

В анкетах чаще всего используют вопросы с уже предусмот-

ренными вариантами возможных ответов, каковые предвари-

тельно выявляются путем проб (пилотаж) на небольших

группах, представляющих типичную аудиторию опрашиваемых.

Опросы-молнии (зондажные) содержат несколько относитель-

но простых пунктов, а глубокие интервью или аналитические

анкетные опросы могут быть достаточно объемными по со-

держанию и длительности.

Основные требования к опросу: четкость программы бесе-

ды, отвечающая целям исследования, перевод программных

вопросов на обыденный язык опрашиваемых (респондентов),

логико-психологическая комфортность опроса, т. е. понятная

опрашиваемому последовательность вопросов, их смысл и

форма выражения ответа. В закрытых вариантах, где предло-

жены формы ответов, должна быть предусмотрена более или

менее исчерпывающая их комбинация и (или) дополнение

свободным ответом (для этого выделяется достаточно места

в анкете). Не допускается смешение описания событий и вы-

ражения отношения к ним, для чего последовательно форму-

лируются несколько вопросов. Используют различные техники

контроля надежности получаемых сведений: контрольные воп-

росы, вопросы на компетентность (знание предмета), <ловуш-

ки> (например, просьба высказать отношение к ряду событий,

в числе которых вымышленное) - анкеты тех, кто попадается

в <ловушку>, бракуются.

Любая методика, использующая тот или иной метод, долж-

на быть обоснована со стороны надежности получаемой с ее

помощью информации (см. Качество социологической инфор-

мации). Кроме того, широко применяется метод социального

экспериментирования (см. Эксперимент), источниками инфор-

мации в котором выступают уже названные приемы получе-

ния первичных данных.

Многоступенчатая выборка характеризуется тем, что на

всех ступенях осуществляется отбор объектов репрезентации,

а наблюдение единиц производится на последней ступени. Не-

обходимость многоступенчатого отбора вызвана, как правило,

огсутствием информации по всей генеральной совокупности

228

о единицах наблюдения. При многоступенчатом отборе для

организации первой ступени достаточно иметь информацию о

распределении ряда интересующих признаков объектов репре-

зентации на первой ступени. Для организации второй ступени

необходима информация об объектах репрезентации, отобран-

ных на первой ступени.

М. в. в отличие от одноступенчатой выборки предполагает,

что для каждой ступени отбираются различные промежуточ-

ные объекты репрезентации, соотносящиеся по принципу

<матрешки> (например, республика-область-район-мик-

рорайон - квартал - дом - квартира - семья). М. в., осно-

ванная на отборе естественных единиц (географические регио-

ны, политико-административные единицы, предприятия, учре-

ждения, учебные заведения и пр.), обладает большей эконо-

мичностью, чем одноступенчатая. Кроме того, при таком под-

ходе проведение выборочного обследования может быть

облегчено сокращением территориальных границ обследова-

ния, а также и другими упрощениями.

М. в., наряду с преимуществами, имеет недостатки. Так,

погрешности, допущенные в процессе организации последую-

щих ступеней, уже никак нельзя откорректировать. Если пред-

положить, например, что первая ступень охватывает неполное

количество к тому же неоднородных по отношению друг

к другу единиц (относительно цели исследования), то в ре-

зультате исследования могут возникнуть значительные иска-

жения. При формировании М. в. необходимо прежде всего

убедиться, не образовались ли ошибки смещения, которые

представляют собой наиболее распространенный вид ошибок

в социологическом исследовании. При этом следует учесть,

что ошибки репрезентативности для М. в. почти невозможно

точно определить. При такой выборке усложняется вычисле-

ние теоретических ошибок репрезентативности, к тому же

значительно возрастает величина ошибок репрезентативности

по сравнению с одноступенчатой выборкой. Это неизбежно ме-

няет стратегию отбора единиц наблюдечия.

Множественные сравнения - один из методов изучения

предпочтений. Представляет собой экстраполяцию метода пар-

ных сравнений на большое (несколько десятков) число объек-

тов. Идея метода заключается в том, чтобы предварительно

экспериментальным путем определить максимальное число

объектов k, при котором метод ранжирования эквивалентен

(дает то же упорядочивание) методу парных сравнений. За-

тем в основном исследовании респондентам предлагается ран-

жировать уже не по два объекта из множества п упорядочи-

ваемых объектов, а по k объектов.

Возможно два варианта метода М. с. В первом варианте

число наборов Ь по k объектов из всего множества п объектов

выбирается таким образом, чтобы любая пара объектов попа-

ла хотя бы в один из наборов. При этом каждый набор фор-

мируется по специальной схеме (так называемые блок-схемы),

Во втором варианте объекты, включаемые в каждый набор,

выбираются случайным образом из всего множества п. объек-

тов. Число наборов выбирается так, чтобы с большой вероят-

ностью после так называемого транзитивного замыкания всего

множества сравнений (т. е. если в одном наборе содержатся

объекты а и Ь и респондент предпочел объект а объекту Ь,

а в другом наборе содержатся объекты и с и респондент

предпочел объект Ь объекту с, то транзитивное замыкание

означает, что исследователь делает вывод: респондент пред-

почитает объект а объекту с) для каждой пары объектов бы-

ли бы определены предпочтения респондентов. Первый вари-

ант метода трудоемок (например, при га=31, ft=6 требуется