Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Sociologicheskie_mrthody

.pdf
Скачиваний:
26
Добавлен:
30.05.2015
Размер:
11.84 Mб
Скачать

ных систем оценивают качество образования и подготовленность специалистов по уровню их компетентности.

В связи с внедрением государственных образовательных стандартов высшего профессионального образования третьего поколения образовательная политика и практика работы всех высших учебных заведений будет перестроена в соответствии с компетентностным подходом. Одним из важнейших вопросов является построение методики оценки уровня сформированности как отдельных компетенций, так и групп компетенций. В федеральных государственных образовательных стандартах высшего профессионального образования (ФГОС ВПО) по каждому направлению подготовки определен список профессиональных компетенций (уровень частных компетенций), которыми должен обладать выпускник. Все профессиональные компетенции объединены в группы по виду деятельности (уровень промежуточных компетенций): проектная деятельность, организационно-управленческая и производственно-технологическая деятельность, аналитическая деятельность, научно-исследовательская деятельность. Уровень подготовки к осуществлению перечисленных видов деятельности и определяет уровень сформированности профессиональной компетентности выпускника ВУЗа. Состояние всех элементов системы будет определять комплексную оценку профессиональной компетентности.

Частные и промежуточные профессиональные компетенции можно формировать постепенно в процессе обучения и уровень их сформированности может быть измерен по мере реализации дисциплин учебного плана направления подготовки, с использованием методов математической статистики1.

Оценка общего уровня сформированности профессиональной компетентности достаточно сложна и плохо формализуема, она зависит от специфики специальности, потребностей рынка труда и не может быть осуществлена без учета мнения работодателей, специалистов в данной области, выпускников. Для ее нахождения могут быть использованы продукционные системы2. Причинами выбора данного метода явилась необходимость объяснения причин полученной оценки, небольшая размерность входных показателей.

Продукционные модели близки к логическим моделям, что позволяет организовывать на них эффективные процедуры вывода, а с другой стороны, более наглядно отражают знания, чем классические логические модели. В них отсутствуют жесткие ограничения, характерные для логических исчислений, что дает возможность изменять интерпретацию элементов продукции. Продукционная модель, или модель, основанная на правилах, позволяет представить знания в

виде

предложений

типа:

Если

(условие),

то

(следствие):

(Условие1)&(Условие 2)...(УсловиеT) (Следствие).

 

 

 

Правила продукции разрабатываются с помощью экспертов в данной предметной области. Экспертная деятельность в области образования — система действий, выполняемых с привлечением экспертов, для анализа и оценки качества образовательного процесса с целью повышения обоснованности принимаемых решений в условиях частичной неопределенности, противоречий или конфликтов. В качестве экспертов могут выступать студенты, выпускники вуза, потенциальные работодатели и преподаватели. Одним из существенных условий повышения надежности экспертных оценок социальных объектов является научно обоснованный отбор и формирование экспертной группы. Точность групповой оценки экспертов зависит от численности экспертной группы: уменьшение числа экспертов ведет к снижению точности оценок, т. к. оценка каждого эксперта приобретает больший вес, увеличивается роль субъективного фактора. Однако при большом количестве участников экспертизы усложняется обработка их суждений, становится сложным выявить согласованность их мнений3.

1Чудова О.В. Применение методов многомерной классификации в оценке компетентности выпускников // Известия АлтГУ. Барнаул, 2009. C. 93–95; Чудова О.В. Применение методов свертки для оценки уровня сформированности компетенций выпускника ВУЗА // Образование и наука в третьем тысячелетии. Барнаул, 2009. Т. 5. C. 87–91.

2Гаврилова Т.А., Хорошевский В.Ф. Базызнаний интеллектуальных систем. СПб.: Питер, 2001.

3Берестнева О.Г., Марухина О.В. Компьютерная система принятия решений по результатам экспертного оценивания в задачах оценки качества образования // Казань, 2002. Вып. 3. С. 216–230.

61

Целью проведения экспертного опроса является изучение мнения специалистов о предложенных ФГОС ВПО компетенциях и необходимом уровне сформированности этих компетенций для успешной профессиональной деятельности. Эксперту предлагается определить минимальный уровень сформированности частной профессиональной компетенции для выполнения профессиональных задач на заданном уровне. Введем следующие обозначения: y — показа-

тель оценки общего уровня сформированности профессиональной компетентности, y1 — пока-

затель оценки проектной деятельности; y2 — показатель оценки организационно-

управленческой и производственно-технологической деятельности; y3 — показатель оценки аналитической деятельности; y4 — показатель оценки научно-исследовательской деятельности; yij — показатель оценки частной профессиональной компетенции, формирующей промежуточ-

ную компетенцию yi (i 1,4, j 1,ni , где ni — количество частных профессиональных компе-

тенций, формирующей промежуточную компетенцию yi ); zijlk — оценка k -м экспертом мини-

мального уровня сформированности частной профессиональной компетенции yij для выполне-

ния профессиональной деятельности на уровне l . Тогда пороговые значения промежуточных компетенций вычислим по формуле:

ni zijlk

zilk j 1 .

ni

В результате получим прямоугольную таблицу, на основании которой будет построена система правил продукции.

 

Исходные данные для построения правил продукции

 

Таблица 1

 

 

 

 

 

 

Организационно-

 

 

 

 

 

№ экс-

Проектная

управленческая и

Аналитическая

Научно-

Профессиональная

 

производственно-

исследовательская

 

перта

деятельность

деятельность

компетентность

 

технологическая

деятельность

 

 

 

деятельность

 

 

 

 

 

1

z1

z1

z1

z1

z

 

 

 

11

21

31

41

1

 

1

z1

z1

z1

z1

z

2

 

 

12

22

32

42

 

 

……………………………………………………………………………………………………..

 

n

zn

zn

zn

zn

z

 

 

 

11

21

31

41

1

 

n

zn

zn

zn

zn

z

2

 

 

12

22

32

42

 

 

……………………………………………………………………………………………………...

 

В качестве инструментария для построения продукционных моделей может быть использован метод построение деревьев решений С4.5. Деревья решений являются наиболее распространенным в настоящее время подходом к выявлению и визуализации логических закономерностей в данных. Каждому узлу сопоставлен некоторый признак, а ветвям – либо конкретные значения для качественных признаков, либо области значений для количественных признаков.

По результатам экспертного опроса имеем множество примеров Ò, где каждый элемент этого множества описывается m 5 атрибутами. Количество примеров в множестве Т будем называть мощностью этого множества и будем обозначать |Т |. Пусть метка класса принимает следующие значения C1,C2 Cl .

Задача заключается в построении иерархической классификационной модели в виде дерева из множества примеров Т . Процесс построения дерева происходит сверху вниз. Сначала создается корень дерева, затем потомки корня и т.д.

На первом шаге мы имеем пустое дерево (имеется только корень) и исходное множество Т (ассоциированное с корнем). Требуется разбить исходное множество на подмножества. Это можно сделать, выбрав один из атрибутов в качестве проверки. Тогда в результате разбиения

62

получаются n (по числу значений атрибута) подмножеств и, соответственно, создаются n потомков корня, каждому из которых поставлено в соответствие свое подмножество, полученное при разбиении множества Т . Затем эта процедура рекурсивно применяется ко всем подмножествам (потомкам корня) и т.д. В результате получаем правила вида:

Если y1 85 и y2 80и y3 87и y4 81 то y высокий.

Построенное дерево решений используется для распознавания нового объекта. Обход дерева решений начинается с корня дерева. На каждом внутреннем узле проверяется значение объекта по атрибуту, который соответствует проверке в данном узле, и, в зависимости от полученного ответа, находится соответствующее ветвление, и по этой дуге двигаемся к узлу, находящему на уровень ниже и т.д. Обход дерева заканчивается, как только встретится узел решения, который и дает название класса объекта.

Такая же методика применяется, когда дерево используется для классификации новых примеров. Если на каком-то узле дерева при выполнении проверки выясняется, что значение соответствующего атрибута классифицируемого примера пропущено, то алгоритм исследует все возможные пути вниз по дереву и определяет, с какой вероятностью пример относится к различным классам. В этом случае, «классификация» — это скорее распределение классов. Как только распределение классов установлено, то класс, имеющий наибольшую вероятность появления, выбирается в качестве ответа дерева решений. Процедура построения деревьев решений была проведена с использованием аналитической платформы Deductor (см.: http://basegroup.ru/).

В результате система правил продукции позволила исследовать возможности оценки и анализ компонентов профессиональной компетентности студента. Преимуществом построенной модели является то, что после каждой процедуры контроля оценки уровня сформированности профессиональных компетенций преподаватель и студент может получать индивидуальную диаграмму уровней сформированности компетенций.

Градуировка коэффициента Джини

(Памяти В.И. Арнольда (1937–2010))1

Шмерлинг Дмитрий Семенович, НИУ ВШЭ

Проблема неравенства в доходах хорошо известна, по крайней мере, с работы Макса Лоренца об измерении концентрации богатства2. Один из наиболее распространенных методов измерения неравенства стал расчет коэффициента (индекса) Джини:

 

 

1

 

 

1

 

 

 

xj xk

 

f (xj ) f (xk ) (1)

 

 

N(N 1)

 

 

j k

 

 

 

 

(для дискретного случая, без учета совпадений), где х1, х2, … — величина доходов, f(x1), f(x2) — вероятность (или частота по выборке) людей с доходами х1, х2, … соответственно.

Величину 1 обычно нормируют так, чтобы 1* = 1/ 1max € [0,1], при этом, чем она больше (ближе к 1), тем значительней неравенство населения.

Как известно, удвоенная площадь между диагональю и кривой рассеяния равно коэффициенту Джини. Заметим, что площадь над кривой рассеяния (Лоренца) и под диагональю3 равна 1/4

1Автор благодарит В.И. Арнольда, А.Я. Кируту, Я.Ю. Никитина, А.И. Орлова, Ю.Н. Толстову, Ю.Н. Тюрина, В.В. Ульянова за содействие и обсуждение.

2Lorenz M.D. Methods of Measuring the Concentration of Wealth // Publ. Amer. Statist. Ass. 1905. Vol. 9. No. 70. P. 209–219; Кендалл М.Дж., Стьюарт А. Теория распределения. М.: Наука, 1966. § 2.25. Впрочем, о неравенстве писал и В.И. Ленин в работе «Развитие капитализма в России» (1899).

3Кендалл М.Дж., Стьюарт А. Теория распределения. М.: Наука, 1966. С. 75. Рис. 2.2.

63

μ1, где μ1 = (x a) f (x)dx, f(x) — плотность распределения, обычно организуют а=01. Собст-

венно кривая рассеяния есть «неполный первый момент распределения»2:

 

1

 

x

(x)

 

 

xf (x)dx (2)

 

'

 

1

Коэффициент Джини вычисляется и публикуется для большинства стран уже десятки лет, в т.ч. со группированными данными3. К примеру в Норвегии он составлял 0,25 (2008 год), во Франции 0,32 (2008 год), в России 0,42 (2008 год), в США 0,45 (2007 год), в Мексике 0,48 (2008

год), в Южной Африке 0,65 (2005 год), в Намибии 0,71 (2003 год)4.

Коэффициент Джини измеряет величину дифференциации доходов населения, «богатств», расходов, ВВП регионов или стран и тому подобных показателей, которые по-английски все вместе называются «Size» (эквивалентный русский термин отсутствует). Значения, большие, чем 0,3–0,4, по мнению большинства специалистов, свидетельствуют о высоком неравенстве и приводят к замедлению темпов развития стран, например, вследствие «ловушки бедности» 5. Читатель-экономист, может быть, уже привык к таким данным, но насколько обществом понят смысл значений коэффициента Джини?

Существует обширная литература о вреде высокого (> 0,3) коэффициента Джини6. Однако граница 0,3 выбрана достаточно произвольно и представляет что-то около среднего общеевропейского коэффициента Джини. И было бы полезно поискать за значениями нормированного коэффициента G’, 0 ≤ G’ ≤ 1, какой-нибудь «предметный» (например, экономический) смысл.

Рассмотрим следующую модель. Пусть хi — доход лиц, относящихся к i-му уровню иерархии применительно к компании, населению территории и т.п. Модель Р такова, что доход на i-м уровне (i = 1 — лица с наименьшим, а i = n — с наибольшими доходами) равен хi = kim, m = 1, 2, 3, …, k > 0.

Теорема: коэффициент Джини Gm(n) для модели P равен асимптотически при n →∞

G'

(n)

m

 

 

(1а)

m 2

m

 

 

 

Набросок доказательства:

 

 

 

 

 

 

G' (n)

" " (n)

,

(2а)

 

max" " (n)

x

где maximum берется по всем возможным {x(1), x(2),…, x(n)}, таким, что

x(i)

C(n),

(3)

1 i n

 

 

 

 

" "' (n)

2

 

 

(i

n 1

)x(i), (4)

 

 

n(n 1)

 

 

1 i n

n

1Кендалл М.Дж., Стьюарт А. Теория распределения. М.: Наука, 1966. § 2.3.

2Кендалл М.Дж., Стьюарт А. Теория распределения. М.: Наука, 1966. С. 75–77. § 2.31.

3Gastwirth Y.L. The Estimation of the Lorenz Curve and Gini Index // Rev. of Econ. Statistics. 1972. Vol. 52. No. 3. P. 306–316; Moderres R., Gastwirth J.L. A Cautionary Note on Estimating the Standard Error of the Gini Index of Inequality // Oxford Bull. of Econ. Statist. 2006. Vol. 68. P. 385-390; Morgan J. The Anatomy of Income Distribution // Rev. of Econ.Statist. 1962. Vol. 44. No 3. P. 270–283.

4Wikipedia. List of Countries by income equality // http://en.wikipedia.org/wiki/List_of_countries_by_income_equality

5См., например: Atkinson A.B., Bourguignon F. (ed.) Handbook of Income Distribution. Amsterdam et al.: Elsevier, 2000. Vol. 1.

6См., например: Atkinson A.B., Bourguignon F. (ed.) Handbook of Income Distribution. Amsterdam et al.: Elsevier, 2000. Vol. 1.

64

X(i) – i-ая порядковая статистика1

" "

(n)

1

 

 

G(n), (5)

 

 

 

2

 

 

 

G(n)

 

 

 

1

 

 

 

 

 

 

 

xi xj

 

.

(6)

 

 

 

 

 

 

 

 

 

n(n 1)

 

 

 

 

 

1 i.j

n

 

 

 

 

 

Используя другую форму ”σ”(n)= ”σ”

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

~

2*

 

 

n

 

 

 

 

 

 

 

n 1

n

 

 

 

 

 

 

 

 

 

 

 

" "

 

 

 

 

 

 

i

x(i)

 

 

 

 

x(i)

(7)

n(n 1)

 

 

n

и вычисляя

1

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

*~

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Sm (n)

 

 

 

 

max" "

 

 

(8)

 

 

 

 

 

 

 

 

 

 

 

x

 

 

 

 

n

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

n 1

 

 

 

 

 

 

 

где Sm(n) km

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k 0

 

 

 

 

 

сумма целых чисел в степени m=1, 2, 3,…, k = 0, 1, 2,…., n–1, можно получить выражение для

(3). Именно, при

S~m (n) Sm (n) nm ,

 

2~

 

 

 

~

 

n 1 ~

 

 

~

 

 

~

 

 

 

 

 

" "

 

 

 

Sm 1

(n)

 

Sm

(n)

/

 

 

 

 

Sm

(n) (9)

n(n 1)

 

 

 

 

 

 

 

 

 

n

 

 

 

n

 

Откуда ( здесь m – напоминает о степени многочлена в формуле хi = kim, m = 1, 2, 3, …, k > 0)

'

 

2

S~

(n)

n 1

Gm

(n)

 

~m 1

 

 

(10)

n 1

2

 

 

 

Sm (n)

 

Теперь нам понадобятся выражения Si(n), приведенные в удобной форме в уже цитировавшейся великолепной книге Р. Грехэма с соавторами3:

 

 

 

 

 

 

S~m(n)

 

1

 

 

(km 1)Bknm 1 k

(11),

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

m 10 k n

 

 

 

 

 

 

 

 

 

 

 

 

где Bk, k = 0, 1, 2,…., числа Якова Бернулли, а именно:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

1

2

 

3

 

4

 

 

5

 

6

 

7

8

 

9

 

10

 

11

12

 

Bk

1

 

1

 

0

 

 

1

 

 

0

 

 

1

 

0

 

1

 

0

 

5

 

0

 

691

 

 

 

 

 

 

42

 

66

 

 

 

2

 

 

 

30

 

 

 

 

 

 

30

 

 

 

 

 

2730

 

 

1 См.: Дейвид Г. Порядковые статистики: Пер. с англ. М.: Наука, 1978. С. 187–189 (§7.4), 214 (§9.6), где обсуж-

дается асимптотическая нормальность “σ”. При этом E" " 2

 

 

 

1

 

,”σ” — несмещенная оценка

x

 

P(x)

 

 

dP(x)

2

 

 

 

 

 

 

для σ в случае нормальных выборок, P(x) — функция распределения.

2См.: Грэхем Р., Кнут Д., Паташник О. Конкретная математика. Основание информатики / Пер. с англ.; 3-е изд. М.: БИНОМ; Лаборатория знаний; СМР, 2009.

3Там же. § 61.78.

65

Формулы Sm(n), m = 0, 1, 2,…, 10 см. в упомянутой книге c. 314. Из (10) легко получается при n→∞

 

 

 

 

'

 

 

 

 

2

m 1

 

 

 

n 1

 

 

 

m

 

 

 

 

 

 

 

 

 

 

 

Gm

(n)

 

 

 

 

 

n

 

 

 

 

 

 

 

 

 

,QED.

 

 

 

 

n 1

 

 

 

 

2

 

m 2

 

Приведем таблицу 2 для Gm(n)1

m 2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

m

 

1

 

 

2

 

3

4

 

 

5

 

6

 

 

 

7

8

 

9

 

 

10

 

Gm(n)

 

1

 

 

1

 

 

3

 

 

2

 

 

 

5

 

 

 

3

 

 

 

7

 

 

4

 

 

 

9

 

 

5

 

 

 

 

3

 

 

2

 

 

5

 

3

 

 

 

7

 

 

4

 

 

9

 

5

 

 

11

 

6

 

 

Теперь проинтерпретируем наши результаты. Леопольд Кронекер (1823–1891) не зря говорил, что целые числа придумал Бог, а остальное — люди. В нашем случае для модели Р с помощью целых значений m любые совокупности сообществ, компаний, стран, регионов можно аналитически (условно) разделить на линейные (m≈1), квадратичные (m≈2), кубические (m≈3), «тетричные» (m≈4), «пентальные» (m≈5) и т.д.

Таким образом, Норвегию, у которой G=0,25 и m<1, по распределению доходов можно отнести к сублинейным странам, Францию при G=0,327 и m≈1 — к линейным, Мексику при G=0,482 и m≈2 — к квадратичным; Россия с G=0,423 попадает между Францией и Мексикой (1<m<2), существенно отставая, например, от Гаити (G=0.538, 2<m<3), Сьерра-Леоне (G=0,629, 3<m<4) и Намибии (5<m<6, по разным данным 0,707< G<0,750).

В этой градуировке Москва может претендовать на кубический тип распределения доходов, поскольку, по данным официальной статистики, Gдоходил до 0,62, а по мнению многих специалистов, реальные значения Gв Москве находятся в интервале 0,60–0,70.

Аналогичные расчеты по ведущим российским компаниям, проведенные по данным годовых отчетов, публикуемым газетой «Ведомости»2, указывают на величину 2<m<3 в 2009 г. При величине ежемесячной зарплаты топ-менеджера в $1,5–3,0 тыс. внутрикорпоративная m может указывать на линейность в распределении доходов, однако с учетом бонусов порядка в $1–3 млн. в год m может достигать и 4.

Здесь требуется обсуждение. Можно увязать обсуждаемую модель с традиционными статистическими распределениями. Для распределения Парето с таким же G^, как в нашей модели P, лишь степень m<1 обеспечивает конечную дисперсию, а для лог-логистического распределения для того же требуется m<2.

Что касается лог-нормального распределения, то дисперсия не стремится к бесконечности, а лишь медленно растет при росте m. Заметим, что распределения Парето и лог-логистическое хорошо описывают правый (верхний) хвост распределения доходов, а лог-нормальное хорошо описывает не слишком большие доходы, но плохо описывает правый хвост.

Интерпретация может быть следующей: при высокой степени неравенства в модели P малая (богатая) часть общества стремится увеличить свои доходы, так что верхние хвосты распределения утяжеляются и дисперсия стремится к бесконечности. В тоже время средняя по доходам часть общества медленно реагирует на рост степени модели m.

1При m=1 выражении для индекса Джини точное, при всех n = 1, 2, 3….

2См.: Милек О. Изучение распределения дохода с помощью распределения с тяжелыми хвостами: магистерская диссертация / ГУ–ВШЭ. М., 2010.

2. МЕТОДОЛОГИЧЕСКИЕ ПРОБЛЕМЫ ЭМПИРИЧЕСКОГО СОЦИОЛОГИЧЕСКОГО ИССЛЕДОВАНИЯ

От инвентаризации к интеграции методологического знания

Татарова Галина Галеевна

Институт социологии РАН

В развитии любой системы знаний дифференциация — универсальная тенденция, приводящая с течением времени к возникновению интеграционных тенденций. В преломление к эмпирической социологии отличительная особенность оппозиции дифференциация–интеграция заключается в том, что ее можно рассмотреть в двух взаимообусловленных плоскостях, пересекающихся контекстах: состояние методологической культуры проводимых эмпирических исследований – состояние знания. В современных реалиях различные стороны профессиональной жизнедеятельности социологического сообщества являются предметом определенной озабоченности отечественных исследователей. Например, прослеживается в откликах на работу III Всероссийского конгресса1, в дискуссии о социологии2, в перманентном обсуждении состояния теоретического знания3, в оценках социологического сообщества как специфической социальной реальности4 с низким уровнем математической культуры5, а так же, наоборот, в суждениях о не нужности математики в том виде, в котором она присутствует в поле отечественной науки6. Специфические профессиональные болезни (само это понятие в указанных публикациях встречается редко) порождаются «внутрицеховыми» проблемами, о которых менее приятно рассуждать, чем о социологическом невежестве общества и власти.

Профессиональные болезни как серьезный тормоз прироста знания соотносятся одновременно и с состоянием знания, и с состоянием сообщества. Базовый детерминант этих состояний видится в том, что социолог не успевает за социологией, что, в свою очередь, является одним из факторов возникновения методологической травмы7 (это понятие было введено нами для обозначения растерянности исследователей перед обилием социологических теорий, методологий, методов в ситуации принятия решений о выборе инструментальных средств познавательной деятельности). Профессиональные болезни имеет смысл разделить на отдельные группы в зависимости от доминирующих источников возникновения и способов «лечения».

1Отклики о работе конгресса // Социология: методология, методы, математическое моделирование. 2009. № 28. С. 169–184.

2Дискуссия о социологии //http://www.ssa-rss.ru/index.php?page_id=311

3Публикаций на эту тему много, особенно на страницах журнала «Социологические исследования»; см., например, Девятко И.Ф. Состояние и перспективы социологической теории в мире и в России // Социологические исследования. 2007. № 9. С. 35–37.

4Тихонов А.В. Отечественная социология: проблема выхода из состояния преднауки и поиска новых стратегий

//Вестник Института социологии. 2010. № 1. C. 203–229; Радаев В.В. Возможна ли позитивная программа для российской социологии // Социологические исследования. 2008. № 7. С. 24–33.

5См. например: Давыдов А.А. Фатальная ошибка социологии; Толстова Ю.Н. «Поиск смыслов» и использование математического аппарата в социологии; Орлов А.И. Черная дыра отечественной социологии // http://www.ssarss.ru/index.php?page_id=311

6Например: Качанов Ю.В. Математическая социология: факультет ненужных вещей // http://www.ssarss.ru/index.php?page_id=311

7Татарова Г.Г. Методология эмпирической социологии: амбивалентность факторов развития // Социология: методология, методы, математическое моделирование. 2008. № 27. С. 3–29. Татарова Г.Г. Интеграция методологического знания: миф или реальность? // Доклады Всероссийского социологического конгресса «Глобализация и социальные изменения в современной России». Москва, 3–5 октября 2006 г. М.: Альфа-М, 2007. С. 80–98.

67

Группа 1: мелкотемье; неудовлетворительный характер научной коммуникации; дистанцированность от социологических проблем при изучении социальных и, наоборот, от социальных при изучении профессиональных; мода на проблемные поля (по социологии образования было подано на конгресс наибольшее число (137) тезисов)1; постановка проблем-искушений (претензия на глубокие обобщения без соответствующего эмпирического обоснования, мировоззренческая интерпретации результатов локальных исследований) и т.д.

Группа 2: описательный характер существующего теоретического знания; полипарадигмальность как интеллектуальная мода и ее иллюзорность на эмпирическом уровне; слабая связанность в эмпирических исследованиях теоретической объяснительной модели изучаемых социальных процессов с инструментарием (особо наглядны в этом смысле диссертации по социологии, материалы III Всероссийского социологического конгресса и ежегодных конференций посвященных памяти А.О. Крыштановского); потеря смысловой чувствительности понятий (понятийный анархизм) и т.д.

Группа 3: отсутствие методологической толерантности («глухота» исследователей, их фракционность); методологическая травмированность; мода на методы и методологии; уход в локальность и как следствие описание эмпирических закономерностей (качественных или количественных это не столь важно) без глубоких обобщений и ссылкой в одном случае на мир такой,

каким мы его видим, в другом на мир такой, каким хочется его видеть; распространенность ло-

гики кнопочного моделирования; недоиспользование ресурса проведенных социологических исследований.

Профессиональные болезни — это системные свойства, на уровне вербального поведения (индивидуального, группового) за редким исключением не артикулируются по понятным причинам, но их осмысление важно и особенно для повышения методологической культуры проводимых эмпирических исследований, а также в контексте профессионального социологического образования в России. С одной стороны, социологическое мышление студента должно формироваться (особенно в бакалавриате) на основе целостного представления о структуре социологического знания. С другой стороны, эта цель недостижима, ибо современное социологическое знание — явление сложное и неуловимое в своем единстве. Ситуация достаточно тревожная: низкий уровень подготовки студентов накладывается на недостаток в квалифицированных преподавателей дисциплин методологического профиля и усугубляется недостаточностью литературы учебного характера.

Рефлексия над профессиональными болезнями не актуализирована, хотя и существуют определенные мнения по поводу их «лечения». Например, В.А.Ядов2 возлагает надежды на талантливую молодежь в изменении качества социологического сообщества и выдаваемого им научного продукта в России. В указанных выше работах А.В. Тихонов, опираясь на результаты массового опроса социологов проведенного до и после III Всероссийского социологического конгресса, предлагает изменить, в частности, характер научной коммуникации на основе актуализации традиционных для отечественной социологии проблематики изучения социальной стратификации и социального неравенства. В.В. Радаев предлагает позитивную программу борьбы с профессиональными болезнями, подчеркивая необходимость усилить контроль над качеством научной продукции и повышать профессионализм всех без исключения типов исследователей. Н.С. Розов, указывая на крайне слабый эвристический потенциал социальногуманитарных наук, возлагает надежду на инвентаризацию накопленного (социальных проблем, знаний, данных)3. Высказываются суждения о том, что социологии поможет математизация (А.А. Давыдов, А.И. Орлов), изучение методной истории (Ю.Н. Толстова). У каждого автора есть рациональное зерно, но ожидания могут оправдаться лишь в случае, если все усилия, направленные на борьбу с профессиональными болезнями будут скоординированы. Без координации вряд ли возможно достичь желаемого результата.

1Тихонов А.В. Российское общество как новая социальная реальность и метапроект отечественной социологии //Социологические исследования. 2009. № 12. С. 16–25.

2Ядов В.А. Еще одна реплика в narrative о нашей социологии // http://www.ssa-rss.ru/index.php?page_id=311

3Розов Н.С. Главный дефицит — конструктивные теории как основа для программ сбора и обработки социологических исторических данных // http://www.ssa-rss.ru/index.php?page_id=19&id=407

68

Среди этих процессов имеет смысл выделить и амбивалентный характер факторов развития1 которой и является причиной методологической травмированности. Эвристический потенциал современного знания именно для типичного социолога (исследователя проводящего массовые опросы) достаточно низок, если исходить из базовой функции социологии — причинного объяснения социальных явлений и процессов.

Для выполнения этой функции необходимы не только теории с высоким объясняющим потенциалом, но и способы их эмпирической верификации. Естественным образом возникают вопросы: привела ли перманентная дифференциация социологии к появлению такого рода теорий? Если такие теории существуют, то, как осуществляется их верификация? Существуют ли теории, которые носят аксиоматический характер2, и вопрос об их верификации в принципе некорректен? В каком направлении возможно развитие методологического знания для обеспечения адекватными задачам верификации теорий инструментальными средствами? Попытки найти ответы на эти вопросы выводят на проблемы повышения эвристического потенциала накопленного методологического знания и, соответственно, актуализируют рефлексию относи-

тельно оппозиции дифференциация знания – интеграция знания.

Интеграционные процессы перманентно возникают в различных областях социологии. Они опираются в основном либо на сравнительный анализ социологических теорий, либо на стратегии совмещения теоретических подходов в эмпирическом исследовании, либо на инвентаризацию объяснительных моделей какого-то социального феномена. Предпринимаются также попытки систематизировать теоретическое знание как целостность. Интеграционные процессы, связанные с инструментальной частью социологии (что относить к этой части — вопрос, требующий специальной дискуссии и конвенциональных решений), носят в основном характер инвентаризации3 (накопление моделей, методов, методик, данных). Инвентаризация — необходимое, но не достаточное условие для интеграции знаний. Прежде чем предложить трактовку самого концепта «интеграция методологического знания», обратимся к актуальным в четырехэмной области, но не актуализированным в нашем сообществе (и не только в нем, если судить по материалам XVII-го конгресса ISA, прошедшего в июле 2010 года в Швеции) вопросам. Попытаемся поставить несколько из них.

Можно ли ввести, достаточно конструктивные для инвентаризации знания основания классификации инструментальных средств социологического познания?

Есть ли понятия-инварианты, применимые к различным классам исследовательских практик?

Необходимо ли рефлексивное отношение к базовым понятиям, включая расширительную трактовку одних (например, социологическую репрезентативность понимать не только в традиционном статистическом смысле), сужение других и возврат к «старым» понятиям (причинное объяснение, язык социологического исследования и др.)?

Возможно ли взаимопроникновение понятий из разных методологий (система, модель, многомерность, многоуровневое кодирование, исследовательская практика, нечисловая математика и т.д.)?

Имеет ли смысл в современных реалиях представление о структуре «языка социологического исследования» как о системе рядоположенных и вложенных друг в друга подсистем? Здесь речь идет о логической цепочке вопросов: что изучать? для достижения каких целей изучать? где и при каких условиях изучать? с помощью каких средств изучать?». Эти вопросы создают архитектонику исследования. От того, в какой последовательности они ставятся, зависит тип социологического исследования.

Возможна ли интеграция знания параллельно наразличныхполяхчетырехэмной области?

1См. цит. выше работы Г.Г. Татаровой.

2Трудно не согласиться смнением В.В. Радаева о необходимости ивозможности аксиоматизации в социологии.

3Розов Н.С. Возможна ли «наука быстрых открытий» в социальном познании // http://www.isras.ru/index.php?page_id=948; Розов Н.С. Главный дефицит — конструктивные теории как основа для программ сбора и обработки социологических исторических данных // http://www.ssarss.ru/index.php?page_id=19&id=407

69

На все эти вопросы можно дать утвердительные ответы. Нами были предприняты попытки ввести некоторые принципы интеграции методологического знания, как системы инструментальных средств познавательной деятельности социолога. Остановимся для примера на одном из принципов, связанном с понятием «метод». Как известно, под методами социологического исследования понимается совокупность способов, средств познавательной деятельности, направленных на описание, объяснение и прогнозирование изучаемых социальных феноменов (явлений, объектов, процессов) или фрагментов социальной реальности в контекстах ее существования или конструирования людьми. В рамках отдельного исследования эта совокупность средств регулирует процесс социологического познания, определяет архитектонику исследования и является составной частью его методологии. В эмпирических исследованиях, как известно, — это совокупность средств формирования инструментария исследования, сбора, измерения, математического анализа и интерпретации данных.

В социологии используется широкий диапазон методов, включая методы общенаучного характера, междисциплинарного и собственно социологические. В роли методов выступают и теоретические модели объяснения социальных феноменов, и методические средства их изучения. Методы различаются в зависимости от уровня их абстрактности, степени формализованности, роли и места в процессе исследования и т.д. Например, традиционным для эмпирической социологии является выделение интервью, наблюдения и анализа документов как базовых социологических методов (хотя они и носят междисциплинарный характер).

Универсальной классификации методов не существует в силу специфики социологического знания. Вместе с тем возможны классификации по разным основаниям. Например, в зависимости от этапов эмпирического исследования методы подразделяются на те, которые применяются на этапах концептуализации, сбора эмпирических данных, их анализа. В качестве оснований для классификации могут выступать характер объяснительных моделей, источники языковых конструктов социологического исследования, форматы существования социологических данных и т.д. Классификацией, приближенной к универсальной, является та, когда совокупность методов интерпретируется как целостность, система, структура которой определяется источниками языковых конструктов социологического исследования. В силу того, что проблематика методов непосредственно связана с концептом язык социологического исследования (понятийный аппарат и логика его использования), это основание целесообразно на этапе планирования исследования и потому носит эвристический характер.

Структуру языка любого исследования можно связать с выделением горизонтального и вертикального строения понятийного аппарата, с соотношением концептуальных и операциональных переменных, где под переменной понимается любое средство, с помощью которого проводятся различия между объектами наблюдения. Возможно и основание, опирающееся на трактовку языка, как системы вложенных и рядоположенных подсистем языковых конструктов. Источником отдельной подсистемы является вполне определенный класс методов1. Предложенная нами классификация не является жесткой схемой. Во-первых, каждый отдельный класс может быть разделен на отдельные подклассы. Во-вторых, один и тот же метод может быть отнесен одновременно к разным классам (например, ранжирование является процедурой и анализа данных, и измерения).

Такая классификация не является самоцелью, она важна как инструмент для изучения взаимосвязей методов как в вертикальном (между методами разных классов), так и горизонтальном срезе (в рамках одной класса). Особый смысл имеет рефлексия взаимообусловленности методов на трех уровнях (макро-, мезо- и микро-) рассмотрения. К микроуровню относим взаимосвязи внутри класса, например, методов сбора эмпирических данных, методов анализа данных. На макроуровне, по-видимому, должна анализироваться взаимообусловленность всех классов методов. Практически это возможно лишь для отдельных видов вертикальных связей. Мезоуровень — это также вертикальные связи за исключением методов одного из классов, к которому мы отнесли теоретические модели, логические схемы концептуализации социальных феноме-

1 См., например: Татарова Г.Г. Методы социологического исследования // Социологический словарь. М.:

НОРМА, 2008. С. 255–256.

70

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]