Особенности биографического метода:

• Сфокусированность на уникальных аспектах истории жизни человека (группы, организации) и на субъективном, личностном подходе к описанию человеческой жизни, карьеры, истории любви и т.п. В центре внимания социолога здесь оказывается документальное, или устное, описание событий с точки зрения самого «случая».
• Направленность на воссоздание исторической, развернутой во времени, перспективы событий.

Критерии объективности исследования.

определить, какова «собственная история», личная трактовка субъекта. То, как субъект сам определяет ситуацию, в данном случае важнее, чем то, какова ситуация «сама по себе». Эта «собственная история» может и должна быть дополнена сведениями о том, как определяют ситуацию другие участники.

Сбор биографического материала

Первичные источники: личные документы (мемуары, записки, дневники и т. п.), материалы интервью и бесед, жизнеописания.

Вторичные источники: мемуары других лиц, письма, официальные документы и т. п.

Кроме биографических (автобиографических) историй используются устные истории. « Устная история» — это фактуально точное воссоздание определенных исторических событий. В ее фокусе—не субъективный опыт деятеля, а историческое знание о событиях, процессах, движущих силах и причинах.

Существует три основных типа «историй жизни»:

1. Полная «история жизни» в идеале очерчивает весь жизненный опыт субъекта
2. Тематическая «история жизни» относится преимущественно к одной стороне или фазе жизненного цикла субъекта.
3. Отредактированная «история жизни» может быть и полной, и тематической. Ее основная особенность — ведущая роль социолога-интерпретатора, явно организующего биографический материал в соответствии с теоретической логикой,

Нередко биографический материал собирается в ходе вполне традиционного выборочного обследования. В большинстве случаев выборка такого исследования представляет какую-то возрастную когорту или профессиональную группу.

К частным архивным материалам, используемым при изучении «истории жизни», относят преимущественно личные записи и документы.

Автобиография — это реконструированная субъектом в определенный момент жизни история. Поэтому автобиографические данные должны интерпретироваться в контексте сведений, полученных из иных источников. Основной тип частного документа. Достоинство автобиографий — большая достоверность в описании личностной «подкладки» событий.

К частной архивной документации относятся дневники, частные записи, мемуары, личные письма, записи разговоров и т. п.

Функциональные личные документы — расписания, черновики, планы работы, записи финансовых поступлений и расходов.

Важным дополнительным источником биографических данных являются официальные архивные документы: записи актов гражданского состояния (рождения, смерти, браки), правительственные документы, данные социальной статистики, архивы политических, общественных организаций и административных органов.

Интерпретация данных

Достоверность и надежность документов тем выше, чем уже аудитория, к которой адресуется автор.

Содержит такие угрозы внутренней валидности, как субъективные смещения и историческая эволюция субъектов. Поэтому необходимы:

• Проверка подлинности (несфальсифицированности) текста и установлении его авторства, проверка фактической правдивости.
• Обоснованность интерпретации текста с точки зрения его характера, целей написания, предполагаемой аудитории и — шире — его социального контекста.
• Применение причинных моделей к анализу «историй жизни» требует использования процедур аналитической индукции.

Н. Дензин предложил общую схему анализа и описания «историй жизни»:

1. Отберите исследовательские проблемы и гипотезы, которые могут быть исследованы и проверены с помощью истории жизни.

2. Отберите субъекта или субъектов и определите, в какой форме будут собраны биографические данные.

3. Опишите объективные события и переживания из жизни субъекта, имеющие отношение к интересующей вас проблеме. Эти события подлежат оценке с точки зрения различных источников и перспектив (триангуляция) таким образом, чтобы противоречия, непоследовательность и нерегулярность стали очевидны.

4. Получите от субъекта его интерпретации этих событий, следуя естественному, или хронологическому, порядку.

5. Проанализируйте все утверждения и сообщения с точки зрения их внутренней и внешней валидности... (Проверьте достоверность источников.)

6. Примите окончательное решение о достоверности вышеупомянутых источников и установите приоритетные источники для последующей проверки гипотез.

7. Начните проверку предварительно сформулированных гипотез, поиск опровергающих примеров. Продолжайте модифицировать эти гипотезы, выдвигать новые и проверять их.

8. Составьте черновой набросок всей „истории жизни" и ознакомьте с ним исследуемых, чтобы узнать их реакцию.

9. Переработайте исследовательский отчет, изложив события в их естественной последовательности и учтя замечания исследуемых субъектов. Представьте в отчете те гипотезы и предположения, которые получили подтверждение. В заключение остановитесь на теоретической значимости ваших выводов и перспективах дальнейшего исследования

Описательный анализ эмпирических данных: частотное распределение, средняя, дисперсия, их назначение.

Девятко Методы социологических исследований

Первым шагом в анализе данных всегда является построение частотных распределений для каждой изучавшейся переменной. Но частотное распределение все еще содержит «слишком много» деталей, не отвечая при этом на весьма важные для содержательного анализа вопросы о самых типичных значениях признака и диапазоне разброса отдельных наблюдений.

Частотное распределение – это упорядоченный подсчет количества признаков по каждому значению переменной (Социологический словарь проекта Socium , 2003 г. ).

Для облегчения работы с частотными распределениями, а также для обобщенного представления их характеристик, обычно используют определенные числовые значения - статистики. Наибольшее практическое значение имеют две группы статистик: меры центральной тенденции и меры изменчивости (разброса).

Меры центральной тенденции указывают на расположение среднего, или типичного, значения признака, вокруг которого сгруппированы остальные наблюдения. Способность среднего значения давать некую обобщенную информацию о распределении вытекает из того соотношения, которое связывает среднее значение с другими «особыми» точками распределения - минимумом и максимумом: зная среднее значение, мы можем утверждать, что наименьшее наблюдаемое значение полученного распределения было не больше среднего, а наибольшее зафиксированное значение - не меньше среднего. В статистике понятие среднего значения может быть строго задано лишь для одномерного распределения переменной-признака.

Самой простой из мер центральной тенденции является мода (Мо). Для номинальных переменных мода - это единственный способ указать наиболее типичное, распространенное значение. Мода - это такое значение в совокупности наблюдений, которое встречается чаще всего. Например, если в выборке содержится 60% православных, 30% мусульман и 10% представителей других конфессий, то модальным значением будет «православный». У моды как меры центральной тенденции есть определенные недостатки, ограничивающие ее интерпретацию: в распределении могут быть две и более моды (соответственно оно является бимодальным или мультимодальным).

Медиана ( Md ) - это значение, которое делит упорядоченное множество данных пополам, так что одна половина наблюдений оказывается меньше медианы, а другая - больше.

Необходимо знать не только то, что типично для выборки наблюдений, но и установить, насколько выражены отклонения от типичных значений. Чтобы определить, насколько хорошо та или иная мера центральной тенденции описывает распределение, нужно воспользоваться какой-либо мерой изменчивости, разброса.

Дисперсия вариационного ряда – средняя арифметическая квадратов отклонений вариантов от их средней арифметической. (Кремер. ТерВер и МатСтат)

Важнейшая мера рассеяния - дисперсия (s2). Если Х-среднее, Х1, Х2 ... Х n -индивидуальные значения измеряемой переменной x в данной совокупности, a N - объем выборки:

Для того чтобы вычислить значение дисперсии, нужно вычесть из каждого наблюдаемого значения среднее, возвести в квадрат все полученные отклонения, сложить квадраты отклонений и разделить полученную сумму на объем выборки.

Величина, равная квадратному корню из дисперсии, называется стандартным отклонением ( sx):

Совершенно очевидной интерпретацией стандартного отклонения является его способность оценивать «типичность» среднего: стандартное отклонение тем меньше, чем лучше среднее суммирует, «представляет» данную совокупность наблюдений.

Корреляционный метод анализа данных в социологическом исследовании.

Бююль и Цефель. SPSS : искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей

С помощью корреляционного анализа изучаются статистические зависимости между признаками (показателями) свойств исследуемых явлений – форма, направленность и теснота взаимосвязи.

Корреляционный анализ позволяет определять количественные значения тесноты связи между признаками на основе вычисления различных коэффициентов корреляции.

Корреляция – статистический метод, позволяющий определить, существует ли зависимость между переменными и насколько она сильна.

Коэффициент корреляции - измеряет тесноту связи между переменными, то есть их тенденцию изменяться совместно. Это обобщенный показатель, позволяющий оценить, насколько связь между переменными приближается к линейному функциональному отношению, которая на диаграмме рассеивания выглядит как прямая линия.

Коэффициент корреляции (КК) измеряет силу и направление связи между переменными. (Иванов)

КК позволяет оценить возможность предсказания значений зависимой переменной по значениям независимой. Общая формула для вычисления коэф. Кор-ции Пирсона включает величину ковариаций значений Х и Y. Если линейная связь Х и Y положительна и велика, сумма таких произведений для всех наблюдений будет положительна. Если связь между Х и Y обратная, то многим положительным отклонениям по Х будут соответствовать отрицательные отклонения по Y, то есть сумма отрицательных произведений отклонений будет отрицательной.

 При отсутствии связи произведения будут иногда положительными, иногда отрицательными, а их сумма будет в пределе равно 0. Ковариация показывает величину и направление связи совместного изменения Х и Y.

Применение того или иного коэффициента выбирается в зависимости от предположения о статистическом законе распределения значений признаков, являющихся случайными величинами.

Наиболее часто применяемый тип коэффициентов корреляции основан на предположении о том, что признаки имеют нормальное распределение своих значений. Такое распределение наблюдается в том случае, когда на свойства исследуемых явлений действует множество практически независимых факторов, роль каждого из которых в общей их сумме мала и примерно одинакова. Тогда величина абсолютных частот (теоретические частоты), которые принимают значения зависимого признака в двухмерной таблице взаимного распределения, будут примерно одинаковы при изменении значений независимого признака, а величина их взаимосвязи равна 0.

В реальной действительности значения признаков социальных объектов не всегда являются независимыми – состояние одних свойств оказывает влияние на состояние других свойств.

Например, возраст человека влияет на состояние его готовности идти на выборы.

В этом случае величины абсолютных частот (эмпирические частоты) в статистической таблице взаимного распределения двух признаков будут разными. Величина расхождения теоретических и эмпирических частот характеризует величину взаимосвязи между признаками и вычисляется с помощью коэффициентов корреляции.

При максимальной (полной) взаимосвязи коэффициент корреляции теоретически равен 1 (связь однозначная), а практически находится в диапазоне 0,9-1. Такая связь практически не встречается.

При сильной взаимосвязи коэффициент корреляции находится в диапазоне 0,6-0,89. При взаимосвязи средней силы коэффициент корреляции находится в диапазоне 0,3-0,59. При слабой взаимосвязи коэффициент корреляции находится в диапазоне 0,1-0,29. При величине коэффициента корреляции меньше 0,1 считается, что взаимосвязь практически отсутствует, недостоверна.

Виды коэффициентов корреляции и специфика их применения в социологическом исследовании.

Бююль и Цефель. SPSS : искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей

Корреляционный анализ подразумевает измерение силы связи между двумя или более переменными. Основывается на совместном изменении двух исследуемых переменных.

Регрессионный анализ используется для нахождения уравнения, которое связывает зависимую переменную с одной или несколькими независимыми переменными. Позволяет исследовать распределение зависимой переменной в условиях, когда одна или несколько переменных остаются постоянными на одном из уровней.

Регрессия – статистический метод, который применяется для описания характера связи между переменными (положительная или отрицательная, линейная или нелинейная зависимость).

Коэффициент корреляции измеряет силу связи между двумя переменными и указывает знак этой связи (положительная или отрицательная). Основной коэффициент корреляции r Пирсона предназначен для оценки связи между двумя переменными, измеренными по метрической шкале, распределение которых соответствует нормальному (однако формула величины r дает достаточно точные результаты и в случаях аномальных распределений, а также в случаях, когда одна из переменных является дискретной). Для распределений, считающихся нормальными, предпочтительнее пользоваться ранговыми коэффициентами корреляции Спирмена или Кенделла. Коэффициент корреляции изменяется на отрезке от –1 до +1.

Если между переменными существует сильная положительная связь, то значение r будет близко к +1. Если между переменными существует сильная отрицательная связь, то значение r будет близко к –1. Когда между переменными нет линейной связи или она очень слабая, значение r будет близко к 0.

Коэффициент корреляции r Пирсона является мерой прямолинейной связи между переменными: его значения достигают максимума, когда точки на графике двумерного рассеивания лежат на одной прямой. Отношения между переменными часто оказываются не только вероятностными, но и непрямолинейными: монотонными или немонотонными. Если связь нелинейная, но монотонная, то вместо r Пирсона следует использовать ранговые корреляции Спирмена или Кенделла. Ранговыми они являются потому, что сравниваемые переменные предварительно ранжируют.

Корреляцию r Спирмена программа SPSS вычисляет: сначала переменные переводятся в ранги, а затем к рангам применяется формула Пирсона. r Спирмена интерпретируется по аналогии с r Пирсона.

Корреляция  Кенделла имеет вероятностную природу. При оценивании связи между двумя переменными, данные ранжируются, затем случаи сравниваются попарно. При сравнении каждой пары значений возможны два варианта: однонаправленное изменение переменных («совпадение», прямая зависимость) и разнонаправленное изменение («инверсия», обратная зависимость). Перебрав все пары случаев (респондентов, объектов), можно оценить вероятность совпадений (P) и вероятность инверсий (Q). Корреляция Кенделла – это разность вероятностей «совпадений» и «инверсий»: . По значению корреляции Кенделла можно всегда вычислить вероятность «совпадений» ( ) и «инверсий» ( ). Таким образом, важным преимуществом корреляции Кенделла является ее отчетливая вероятностная интерпретация.

Оценка значимости: уровень значимости является мерой статистической достоверности результата вычисления, в случае с корреляцией служит основанием для интерпретации. Если исследование показало, что уровень значимости не превышает 0,05, то это значит, что с вероятностью 5% и менее корреляция является случайной. Обычно это является основанием для вывода о статистической достоверности корреляции. В противном случае (p>0,05) связь признается статистически недостоверной и не подлежит содержательной интерпретации.

Типы и типологизация в социологическом исследовании: задачи и методы реализации.

Аверин Ю.П. Теоретическое построение количественного социологического исследования

Отдельные наблюдаемые свойства, выступающие в качестве переменных социологического исследования, могут рассматриваться по отдельности, сами по себе для определения состояния этих свойств и связей между ними. Однако каждое из свойств выражает только отдельную сторону социального явления. В действительности же эти стороны существуют не в отдельности, а в рамках целого, будь то индивид, семья, социальная группа или общество. Отдельные свойства явления не самодостаточны, а взаимосвязаны между собой, обусловливают состояние друг друга. Их состояния взаимозависимы. В силу такой взаимозависимости свойства социальных явлений образуют устойчивые сочетания. Эти сочетания определяют целостные качества социальных явлений - сознания, поведения, целеполагания и др., как обобщенные выражения устойчивых сочетаний его свойств. Данные целостные качества отличают социальные явления друг от друга и характеризуют их как типы явлений одного класса. Поэтому при глубоком анализе исследуемых явлений определяется их типологическая структура.

Социальный тип - это такая обобщенная характеристика социального явления, которая является выражением устойчивого сочетания его взаимосвязанных свойств и служит для выявления сходства и различия множества социальных явлений одного класса.

В зависимости от класса явлений выделяют:

1. типы социальных объектов (обществ, общностей, малых групп, индивидов),
2. типы свойств, характеризующих их внутреннее состояние (общественного сознания, ценностей, установок и т.п.) и внешнее состояние (поведения, жизненной карьеры и т.п.)

С помощью выделения типов социальных явлений осуществляется их социальная типология. Социальная типология понимается:

1. как метод научного познания, в основе которого лежит расчленение класса явлений на отдельные типы посредством выделения их обобщенных характеристик, выражающих многообразие целостных качеств данного класса явлений.
2. как результат такого расчленения, предстающий в виде совокупности типов, позволяющих дать типологическое описание данного класса явлений.

Задачи: типология важна в том случае, когда необходимо выделить среди множества сложных явлений данного класса, обладающих большим разнообразием свойств, такие явления, которые качественно отличаются друг от друга по социально значимым для общества проявлениями их сознания, поведения, направленности деятельности. Сравнение этих явлений по отдельным множественным свойствам очень сложно, если вообще возможно. Типология служит одним из главных средств объяснения исследуемого явления.

Типологизация исследуемых явлений - это такая процедура расчленения явлений данного класса на типы, которая заключается в выделении совокупности устойчивых сочетаний свойств, взаимодействие которых формирует множество целостных качеств, позволяющих провести качественные различия между явлениями данного класса.

Типология осуществляется посредством процедуры типологизации. Она направлена на то, чтобы среди множества свойств данного класса явлений выделить совокупность таких устойчивых сочетаний этих свойств, в результате взаимодействия которых возникает множество особых разновидностей явлений, отличающихся по своим целостным качествам, тем самым, образуется типология данных явлений. По сути типологизация исследуемого класса явлений представляет собой определение состава входящих в данный класс частных явлений и отношений между ними или раскрытие внутренней структуры исследуемого класса явлений посредством выделения возможных его состояний или разновидностей.

В зависимости от способа выделения совокупности устойчивых сочетаний свойств исследуемого класса явлений выделяют:

Теоретическая типологизация исследуемых явлений - это такая процедура расчленения явлений данного класса на типы, которая заключается в выделении совокупности устойчивых сочетаний наблюдаемых свойств и их состояний в исследуемом классе явлений посредством логического анализа взаимосвязи этих свойств на основе модели переменных социологического исследования.

Эмпирическая типологизация исследуемых явлений - это такая процедура расчленения явлений данного класса на типы, которая заключается в выделении совокупности устойчивых сочетаний наблюдаемых свойств и их состояний в исследуемом классе явлений посредством анализа их взаимосвязи на основе полученных в ходе социологического исследования результатов измерения их состояния.

Многомерные методы анализа эмпирических данных: особенности их использования и задачи реализации.

Бююль и Цефель. SPSS : искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей

Многомерный анализ, являясь методом статистического исследования, предполагает анализ более одной переменной. Метод многомерного анализа применяется для выявления статистической связи между переменными, к примеру, между родителями и детьми, домом и семьей, а также для анализа маркетинговой взаимозависимости этих переменных. С этой целью используют методику объединенного анализа, а так же метод многомерного шкалирования.

Многомерное шкалирование – метод, основанный на представлении о том, что изучаемые объекты можно представить точками в координатном пространстве, оси которого соответствуют латентным факторам, по которым респонденты оценивают эти объекты, и исходными данными для которого служит информация о схожести объектов.

Данное координатное пространство называется пространством восприятия или признаковым пространством

Степень похожесть объектов называется близостью

⇐ Предыдущая78910111213141516Следующая ⇒

Поделиться: