Шарков Ф.И., Родионов А.А. Социология массовой коммуникации. Часть 1. Техника и технология сбора и обработки информации - файл n1.doc

Шарков Ф.И., Родионов А.А. Социология массовой коммуникации. Часть 1. Техника и технология сбора и обработки информации
скачать (306.6 kb.)
Доступные файлы (1):
n1.doc1632kb.04.03.2010 05:09скачать

n1.doc

1   2   3   4   5   6   7   8   9   10   11

229



Практические советы

232

15. Анализ и обобщение массовой информации

15.1. Группировка и эмпирическая типологизация

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

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

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

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

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

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

Основные виды группировок, используемые в социологических исследованиях:

233

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

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

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

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

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

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

  1. семейные мужчины и женщины;

  2. неженатые молодые мужчины;

  3. незамужние молодые женщины;

  4. престарелые женщины без мужей;

  5. одинокие женщины среднего возраста без специальности;

  6. одинокие женщины, имеющие специальность.

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

234

15.2. Основные виды массовой информации,

используемые в прикладном социологическом и

маркетинговом исследовании

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

15.3. Виды анализа массовой информации

Качественными видами анализа являются:







235

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

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

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

15.3.1. Методы статистического анализа массовой информации (общая характеристика)

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

Они применяются на следующих этапах социологического анализа информации:

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

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

236

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

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

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

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

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

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

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

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

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

237

15.3.2. Таблица сопряженности признаков

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

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

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

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

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

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

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

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

Процентное выражение может быть представлено в трех видах:

238

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

В отношении двумерных таблиц рекомендуется применять:

• коэффициенты Юла и Ф.

В отношении многомерных таблиц рекомендуется применять:

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

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

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

15.3.3. Логлинейный анализ

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

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

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

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

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

К недостаткам логлинейного анализа следует также отнести громоздкость вычислений, а, следовательно, и большой объем

239

оперативной памяти ЭВМ, особенно, если исследуется таблица с большим количеством признаков или их градаций.

15.3.4. Кластерный анализ

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

Другие названия кластерного анализа:

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

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

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

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

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

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

Большое значение для некоторых видов кластерного анализа имеет предварительная нормализация (стандартизация) исходных данных, в частности, для количественных переменных — выраже-

240

ние отклонения каждого конкретного значения признака от его среднего арифметического в долях среднеквадратического отклонения. Это необходимо для того, чтобы привести к одному масштабу переменные различного порядка либо различного диапазона вариабельности.

Основные виды кластерного анализа:

15.3.5. Корреляционный анализ

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

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

241

16 Зак. 3758

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

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

Абсолютное значение коэффициента характеризует силу рассматриваемой взаимосвязи.

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

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

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

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

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

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

При интерпретации коэффициентов корреляции необходимо учитывать следующее:

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

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

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

242

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

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

15.3.6. Факторный анализ

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

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

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

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

Факторный анализ осуществляется в 4 этапа:


15.3.7. Обработка массовой информации

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

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

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

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

Обработка социологической информации имеет ряд этапов:

Заключение

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

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


244

245




Литература по технике и

технологии сбора и анализа

массовой информации

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

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

  3. Айвазян С. А. и др. Классификация многомерных наблюде-
    ний. — М.: Статистика, 1974.

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

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

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

  7. Алъмодовар Ж. П. Рассказ о жизни и индивидуальная траек-
    тория: сопоставление масштабов анализа. // Вопросы социоло-
    гии. Т. 2. 1992, № 2.

  8. Американская социологическая мысль. — М.: МГУ, 1994.

  9. Анализ нечисловой информации в социологических иссле-
    дованиях. / Отв. ред. В. Г. Андреенков и др. — М.: Наука, 1985.




  1. Анализ нечисловых данных в системных исследованиях. —
    М.: ВНИИСИ, 1982. Вып. 10.

  2. Анализ социологической информации с применением
    ЭВМ. Ч. 1, 2. / Отв. ред. В. И. Молчанов, Н. И. Михайлова. —
    М.: ИСИ АН СССР, 1973, 1976.

  3. Андреева Г. М. Современная буржуазная эмпирическая со-
    циология: Крит, очерк. — М.: Мысль. 1965.

246


  1. Андреенков В. Г., Маслова О. М. Эмпирический базис социо-
    логической науки: проблемы качества. // Социологические иссле-
    дования, 1987, № 6.

  2. Андреенков В. Г., Сотникова Т. Н. Телефонные опросы насе-
    ления: Методические рекомендации по проведению выборочных
    массовых опросов. — М.: ИСИ АН СССР, 1985.

  3. Анский С. Народ и книга (Опыт характеристики народного
    читателя). — М., 1913.

  4. Аргунова К. Д. Качественный регрессионный анализ в со-
    циологии: Методическое пособие. — М.: ИСАИ СССР, 1990.

  5. Афанасьев В. Г. Социальная информация и управление об-
    ществом. — М.: Политиздат, 1975.

  6. Бади Б. Ш., Малинкин А. Н. Уровни «практического созна-
    ния» и стиль жизни: проблема интерпретации ответов респонден-
    та. // Социологические исследования, 1982, № 3.

  7. Банк Б., Виленкин А. Рабочий читатель в библиотеке. —
    M.-JL: Работник просвещения, 1930.

  8. Батыгин Г. С. Лекции по методологии социологических ис-
    следований. — М.: Аспект Пресс, 1995.

  9. Батыгин Г. С. Обоснование научного вывода в прикладной
    социологии. — М.: Наука, 1986.

  10. Батыгин Г. С, Девятко И. Ф. Миф о «качественной» социо-
    логии. // Социологический журнал, 1994, № 2.

  11. Белановский С. А. Методика и техника фокусированного
    интервью: Учебно-методическое пособие. — М.: Наука, 1993.

  12. Бестужев-Лада И. В., Варыгин В. Н., Малахов В. А. Модели-
    рование в социологических исследованиях. — М.: Наука, 1978.

  13. Биографический метод в социологии." история, методоло-
    гия, практика. — Ред. кол.: В. В.Семенова, Е. Ю.Мещеркина. —
    М.: Институт социологии РАН, 1993.

  14. Болтунов А. П. Метод анкеты в педагогическом и психоло-
    гическом исследовании. — М., 1916.

  15. Будилова Е. В., Гордон Л. А., Терехин А. Т. Электората веду-
    щих партий и движений на выборах 1995 г. (Многомерно-стати-
    стический анализ). // Экономические и социальные перемены:
    мониторинг общественного мнения, 1996, № 2.

  16. Бургос М. История жизни. Рассказывание и поиск себя. //
    Вопросы социологии, 1992, Т. 2. № 2.

  17. Бутенко И. А. Анкетный опрос как общение социолога с
    респондентом. — М.: Высшая школа, 1987.

247


30. Величко А. Н., Подмарков В. Г. Социолог на предприятии.

— М.: Московский рабочий, 1976.

  1. Верховская А. И. Письмо в редакцию и читатель. — М.:
    МГУ, 1972.

  2. Витяев Е. Е. Обнаружение закономерностей, выраженных
    универсальными формулами. // Эмпирическое предсказание и
    распознавание образов. Вычислительные системы. — Новоси-
    бирск, 1979.

  3. Волович В. И. Надежность информации в социологическом
    исследовании. — Киев: Наукова думка, 1974.

  4. Гаврилец Ю. Н. Целевые функции социально-экономиче-
    ского планирования. — М.: Экономика, 1983.

  5. Гаврилец Ю. Н., Ефимов Б. А. Изменение предпочтений ин-
    дивидов в социальной среде. // Экономика и математические ме-
    тоды, 1997, № 5.

  6. Гарипов Я. 3., Аргунова К. Д. Анализ факторов распростра-
    нения двуязычия в СССР. // Социологические исследования,
    1980, № 3.

  7. Гарипов Я. 3., Рысков К. Н. Опыт построения типологии на-
    циально-административных территорий с помощью машинной
    классификации. // Социологические исследования, 1979, № 3.

  8. Герчиков В. И. Социальное планирование и социологиче-
    ская служба в промышленности. — Новосибирск: Наука, Сиб.
    отд., 1984.

  9. Гордон Д., ТерехинА., Сиверцев М. Выделение социально-де
    мографических типов методом кластер-анализа и определение их
    связи с типами поведения. // Рабочий класс, производственные
    коллективы, научно-техническая революция. — М.: ИМРД АН
    СССР, 1971.

  10. Гофман А. Б. Дюркгеймовская социологическая школа. //
    Современная западная социология. — М.: Политиздат, 1990.

  11. Грушин Б. А. Мнения о мире и мир мнений: Проблемы ме-
    тодологии исследования общественного мнения. — М.: Политиз-
    дат, 1967.

  12. Давидюк Г. П. Введение в прикладную социологию. —
    Минск: Вышэйш. школа, 1975.

  13. Давыдов А. А. Модульный анализ и конструирование социу-
    ма. - М.: ИС РАН, 1994.

  14. Давыдов Ю. Вебер М. Современная западная социология.

— М.: Политиздат, 1990.

1   2   3   4   5   6   7   8   9   10   11


Учебный материал
© bib.convdocs.org
При копировании укажите ссылку.
обратиться к администрации