Логико-комбинаторные методы анализа социологических данных : эвристический потенциал и методическая специфика

• Автор: Кученкова, Анна Владимировна
• Шифр специальности: 22.00.01
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Москва
• Количество страниц: 224 с. : ил.

Оглавление
ВВЕДЕНИЕ

ГЛАВА 1. ЛОГИКО-КОМБИНАТОРЫЕ МЕТОДЫ В МНОГОМЕРНОМ АНАЛИЗЕ СОЦИОЛОГИЧЕСКИХ ДАННЫХ

1.1. Основания сравнения методов многомерного анализа жестко формализованных данных

1.2. Виды логико-комбинаторных методов

1.3. Логико-комбинаторные методы как средства многомерного анализа данных

Выводы по Главе

ГЛАВА 2. ЭВРИСТИЧЕСКИЙ ПОТЕНЦИАЛ ЛОГИКОКОМБИНАТОРНЫХ МЕТОДОВ (на примере решения двух классов задач)
2.1. Особенности использования логико-комбинаторных методов в типологическом анализе (на примере сравнения стран по уровню одобрения населением протестного поведения)

2.1.1. Постановка исследовательской задачи. Логика анализа данных

2.1.2. Последовательное использование логико-комбинаторных методов для выявления типологических синдромов
2.1.3. Классификация стран по всей совокупности типообразующих признаков
2.2. Измерение непротиворечивости, гомогенности, близости групповых предпочтений с помощью ДСМ-метода
2.2.1. Концептуальная схема исследования. Специфика инструментария
2.2.2. Case: сравнительный анализ политических ориентаций групп студентов, принадлежащих к электоратам разных партий
Выводы по Главе
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЯ
ПРИЛОЖЕНИЯ
ВВЕДЕНИЕ
Актуальность темы исследования. В области анализа социологических данных широко используются различные классы математических методов. Арсенал инструментальных средств обработки информации постоянно расширяется, пополняясь новыми подходами, позволяющими решать содержательные задачи, возникающие в самых разнообразных областях эмпирической социологии. Многообразие методов анализа данных, с одной стороны, предоставляет исследователю богатый выбор и открывает широкие возможности. С другой стороны, порождает своего рода «методологическую травму» - «растерянность исследователей перед обилием социологических теорий, методологий, методов в процессе принятия решений о выборе средств познавательной деятельности»1. В этой связи возникает потребность и в систематизации методического знания, и в осмыслении возможностей и ограничений тех классов математических методов, которые являются для социологического анализа относительно новыми.
К одному из таких классов относятся так называемые логикокомбинаторные методы, основанные на использовании средств математической логики и предназначенные для анализа взаимосвязи признаков на «локальном уровне». Базовыми методами этого класса являются: 1) метод СКА («сравнительный качественный анализ», qualitative comparative analysis, QCA)2; 2) ДСМ-метод (названный в честь Джона
Татарова Г.Г. Методологическая травма социолога. К вопросу интеграции знания // Социологические исследования. 2006. № 9, С. 3.
“ Впервые метод представлен в работе: Ragin С.С. The comparative method: Moving beyond Qualitative and Quantitative Strategies. Berkeley, Los Angeles and London: University of California Press. 1987; Одна из последних монографий: Ragin С.С. Configurational Comparative Methods: Qualitative Comparative Analysis (QCA) and Related Techniques. Sage. 2008.

Стюарта Миля, М-теШой) 3. Оба эти метода разрабатываются с 1980-х годов. Первый из них был предложен Ч. Рейджином, второй - отечественным исследователем В.К. Финном.
Актуальность изучения эвристического потенциала и особенностей применения логико-комбинаторных методов обусловлена несколькими причинами: отсутствием достаточно конструктивных описаний технологии применения этих методов, несмотря на существование немалого числа научных публикаций, в которых делается упор на подробное описание математических алгоритмов и не отражаются этапы построения концептуальных схем анализа, технологии его проведения: каждый из этих методов обладает различными познавательными возможностями и ограничениями, ориентирован на решение вполне определённых содержательных задач. В основе каждого метода лежит теоретическая модель представления данных, особые модельные ограничения, которые должны выполняться на данных. Соответственно возникают задачи изучения адекватности методов в различных исследовательских ситуациях. Кроме того, возникают проблемы совместного использования этих методов с целью достаточно полного извлечения эмпирических закономерностей в рамках решения одной и той же задачи. Рассматриваемые методы развивались независимо друг от друга, что требует не только выявления преимуществ и ограничений каждого из них, но и изучения возможностей их последовательного применения. Логико-комбинаторные методы реализуют достаточно новый для социологии подход к анализу данных. Вследствие этого, необходимо соотнесение и сопоставление их с другими математическими методами и обозначение классов задач, для решения которых они являются эффективным способом анализа данных.
3 Автоматическое порождение гипотез в интеллектуальных системах. М.: Книжный дом «ЛИБРОКОМ», 2009; ДСМ-метод автоматического порождение гипотез: логические и эпистемпологические основания. М.: Книжный дом «ЛИБРОКОМ», 2009.

выделяют два вида факторного анализа44: разведочный (экплораторный) и подтверждающий (конфиматорный). Первый направлен на объединение исходных переменных в минимально возможное число групп с максимальным сохранением информации, второй применяется для проверки гипотез о составе факторов, о степени взаимосвязи между ними. Другой пример: при проведении кластерного анализа методом к-средних необходимо самостоятельно задать нужное количество кластеров (фактически, проверяется гипотеза, о существовании определённого количества кластеров); использование иерархического кластерного анализа, в свою очередь, позволяет определить оптимальное количество кластеров, тем самым на основе эмпирических данных сформулировать гипотезу о существовании определенного количества кластеров.
Применительно к методам многомерного анализа данных можно выделить ещё одну особую стратегию - поиск всех возможных связей между переменными, всех закономерностей, существующих в данных, но основе этого - порождение максимально большого количества гипотез. Реализация этой стратегии является одной из основных целей направления data mining («добыча данных»), под которым понимают в широком смысле -«междисциплинарную область анализа, раскрывающую свой потенциал в процессе поиска эмпирических закономерностей, опираясь на прикладную статистику, распознавание образов, теорию баз данных и искусственный «интеллект»45; в узком смысле - «приемы, способы, алгоритмы извлечения («добычи», «раскопки») новых, потенциально полезных свойств данных, процедуры выявления эмпирических закономерностей, взаимосвязей между
44 См. напр.: Крамер Д. Математическая обработка данных в социальных науках. Современные методы / пер.с англ. И.В. Тимофеева, Я.И. Киселевой; науч. ред. О.В. Митина. М.: Издательский центр «Академия», 2007.
45 Островский А.М. О компьютерных технологиях поиска эмпирических закономерностей // Социология: методология, методы, математические модели. 2008. №27. С. 142.