Мангейм Дж



страница123/123
Дата31.12.2017
Размер6.16 Mb.
ТипКурс лекций
1   ...   115   116   117   118   119   120   121   122   123
Примечание

1 Понять этические вопросы, иногда встающие перед исследователями, вам поможет кн.: Beanchamp T.L. et al., eds. Ethical Issues in Social Science Research. – Baltimore: Johns Hopkinks University Press.


Таблица А.1

ТАБЛИЦА СЛУЧАЙНЫХ ЧИСЕЛ

10097
37542
08422
99019
12807

32533
04805
68953
02529
99970

 

76520
64894
19645
09376
80157

13586
74296
09303
70715
36147

 

34673
24805
23209
38311
64032

54876
24037
02560
31165
36653

 

80959
20636
15953
88676
98951

09117
10402
34764
74397
16877

 

39292
00822
35080
04436
12171

74945
91665
33606
27659
76833

66065
31060
85269
63573
73796

74717
10805
77602
32135
45753

 

34072
45571
02051
05325
03529

76850
82406
65692
47048
64778

 

36697
35303
68665
90553
35808

36170
42614
74818
57548
34282

 

65813
86799
73053
28468
60935

39885
07439
85247
28709
20344

 

11199
23403
18623
83491
35273

29170
09732
88579
25624
88435

98520
11805
83452
88685
99594

17767
05431
99634
40200
67348

 

14905
39808
06288
86507
87517

68607
27732
98083
58401
64969

 

22109
50725
13746
36766
91826

40558
68248
70078
67951
08928

 

60970
29405
18475
90364
93785

93433
24201
40610
76493
61368

 

50500
52775
68711
29609
23478

73998
67851
77817
11062
34113

 

 

 

 

 

 

 

 

 

 

 

 

[c.514]

65481
80124
74350
69916
09893

17674
35635
99817
26803
20505

 

17468
17727
77402
66252
14225

50950
08015
77214
29148
68514

 

58047
45318
43236
36936
46427

76974
22374
00210
87203
56788

 

73039
21115
45521
76621
96297

57186
78253
64237
13990
78822

 

40218
14385
96286
94400
54382

16544
53763
02655
56418
14598

91499
80336
44104
12550
63606

14523
94598
81949
73742
49329

 

68479
26940
85157
11100
16505

27686
36858
47954
02040
34484

 

46162
70297
32979
12860
40219

83554
34135
26575
74697
52563

 

94750
53140
57600
96644
43651

89923
33340
40881
89439
77082

 

37089
42050
22222
28707
07207

20048
82341
06413
25815
31790

61196
15474
94557
42481
23523

90446
45266
28573
16213
78317

 

26457
95270
67897
97344
73208

47774
79953
54387
08721
89837

 

51924
59367
54622
16868
68935

33729
83848
44431
48767
91416

 

65394
82396
91190
03071
26252

59593
10118
42592
12059
29663

 

42582
33211
92927
25701
05522

60527
59466
45973
46670
82562

04493
00549
35963
59808
46058

52494
97654
15307
08391
85236

 

75246
64051
26898
45427
01390

33824
88159
09354
26842
92286

 

45862
96119
33351
83609
77281

51025
63896
35462
49700
44077

 

61962
54692
77974
13021
93910

79335
82391
50024
24892
83647

 

65337
23287
90103
78565
70617

12472
29529
39333
20106
42941

 

 

 

 

 

 

 

 

 

 

 

 

[c.515]

32179
69234
19565
45155
94664

00597
61406
41430
14938
31994

 

87379
20117
01758
19476
36168

25241
45204
75379
07246
10851

 

05567
15956
40419
43667
34888

07007
60000
21585
94543
81553

 

86743
18743
66674
59047
01540

17157
92423
36806
90033
35456

 

85394
97118
84962
20826
05014

11838
96338
85207
69541
51176

98086
33185
80951
79752
18633

24826
16232
00406
49140
32537

 

45240
41941
96382
71961
98145

28404
50949
70774
28296
06571

 

44999
89435
20151
69861
31010

08896
48581
23387
02591
24674

 

39094
88695
25016
74852
05455

73407
41994
25298
20539
61427

 

35441
37548
94624
00387
77938

31880
73043
61171
59579
91936

74029
54178
11664
48324
69074

43902
45611
49883
77928
94138

 

77557
80993
52079
31249
87637

32270
37143
84827
64710
91976

 

97790
05335
59381
02295
35584

17119
12969
71539
36870
04401

 

52527
56127
09973
32307
10518

58021
19255
33440
57546
21615

 

80814
36040
88461
15020
01848

51748
90324
23356
09994
76938

Таблица А.2

Размер выборки для определения уровней точности
(в процентах с доверительным интервалом в 95%, р=0,5)


Размер
совокупности


Размер выборки для следующих уровней точности

± 1%

± 2%

± 3%

± 4%

± 5%

± 10%

500

+

+

+

222

83

 

1 000

+

+

+

385

286

91

1 500

+

+

638

441

316

94

2 000

+

+

714

476

333

95

2 500

+

1 250

769

500

345

96

3 000

+

1 364

811

517

353

97

3 500

+

1 458

843

530

359

97

4 000

+

1 538

870

541

364

98

4 500

+

1 607

891

549

367

98

5 000

+

1 667

909

556

370

98

6 000

+

1 765

938

566

375

98

7 000

+

1 842

959

574

378

99

8 000

+

1 905

976

580

381

99

9 000

+

1 957

989

584

383

99

10 000

5 000

2 000

1 000

588

385

99

15 000

6 000

2 143

1 034

600

390

99

20 000

6 667

2 222

1 053

606

392

100

25 000

7 143

2 273

1 064

610

394

100

50 000

8 333

2 381

1 087

617

397

100

100 000

9 091

2 439

1 099

621

398

100

→ ∞

10 000

2 500

1 111

625

400

100

* Доля в выборке единиц, обладающих измеренными характеристиками; для других значений р необходимый размер выборки будет меньше.

+ В этих случаях более 50% объема выборки дадут большую точность, чем требуемая. Поскольку нормальное распределение это лишь грубое приближение к гипергеометрическому распределению, где п составляет более 50% oт N, формула, используемая при этих подсчетах, не применяется.

Источник: Таrо Y. Elementary Sampling Theory. – Englewood Cliffs, NJ.: Prentice-Hall, 1967. Р.398.



Таблица А.3

Размер выборки для определения уровней точности
(в процентах с доверительным интервалом в 99,7 %, р=0,5)*


Размер
совокупности


Размер выборки для следующих уровней точности

± 1%

± 2%

± 3%

± 4%

± 5%

500

+

+

+

+

+

1 000

+

+

+

+

474

1 500

+

+

+

726

563

2 000

+

+

+

826

621

2 500

+

+

+

900

662

3 000

+

+

1364

958

692

3 500

+

+

1458

1003

716

4 000

+

+

1539

1041

735

4 500

+

+

1607

1071

750

5 000

+

+

1667

1098

763

6 000

+

2903

1765

1139

783

7 000

+

3119

1842

1171

798

8 000

+

3303

1905

1196

809

9 000

+

3462

1957

1216

818

10 000

+

3600

2000

1233

826

15 000

+

4091

2143

1286

849

20 000

+

4390

2222

1314

861

25 000

11842

4592

2273

1331

869

50 000

15517

5056

2381

1368

884

100 000

18367

5325

2439

1387

892

→ ∞

22500

5625

2500

1406

900

* Доля в выборке единиц, обладающих измеренными характеристиками; для других значений р необходимый размер выборки будет меньше.

+ В этих случаях более 50% объема выборки дадут большую точность, чем требуемая. Поскольку нормальное распределение это лишь грубое приближение к гипергеометрическому распределению, где п составляет более 50% oт N, формула, используемая при этих подсчетах, не применяется.

Источник: Таrо Y. Elementary Sampling Theory. – Englewood Cliffs, NJ.: Prentice-Hall, 1967. Р.399.



Таблица А.4

РАСПРЕЛЕЛЕНИЕ χ2

df

0,05

0,01

0,001

df

0,05

0,01

0,001

1
2
3
4
5

3,841
5,991
7,815
9,488
11,070

6,635
9,210
11,345
13,277
15,086

10,827
13,815
16,266
18,467
20,515

26
27
28
29
30

38,885
41,337
40,113
42,557
43,773

45,642
48,278
46,963
49,588
50,892

54,052
56,893
55,476
58,302
59,703

6
7
8
9
10

12,592
14,067
15,507
16,919
18,307

16,812
18,475
20,090
21,666
23,209

22,457
24,322
26,125
27,877
29,588

32
34
36
38
40

46,194
48,602
50,999
53,384
55,759

53,486
56,061
58,619
61,162
63,691

62,487
65,247
67,985
70,703
73,402

11
12
13
14
15

19,675
21,026
22,362
23,685
24,996

24,725
26,217
27,688
29,141
30,578

31,264
32,909
34,528
36,123
37,697

42
44
46
48
50

58,124
60,481
62,830
65,171
67,505

66,206
68,710
71,201
73,683
76,154

76,084
78,750
81,400
84,037
86,661

16
17
18
19
20

26,296
27,587
28,869
30,144
31,410

32,000
33,409
34,805
36,191
37,566

39,252
40,790
42,312
43,820
45,315

52
54
56
58
60

69,832
72,153
74,468
76,778
79,082

78,616
81,069
83,513
85,950
88,379

89,272
91,872
94,461
97,039
99,607

21
22
23
24
25

32,671
33,924
35,172
36,415
37,652

38,932
40,289
41,638
42,980
44,314

46,797
48,268
49,728
51,179
52,620

62
64
66
68
70

81,381
83,675
85,965
88,250
90,531

90,802
93,217
95,626
98,028
100,425

102,166
104,716
107,258
109,791
112,317

Примечание. Для нечетных значений п между 30 и 70 можно взять среднее геометрическое табличных значений для df – 1 и df + l. Для больших значений п можно использовать выражение как нормальное отклонение с единичным колебанием, принимая во внимание, что вероятность χ2 соответствует вероятности одного из концов нормальной кривой.

Источник: Fisher R.A., Yates F. Statistical Tables for Biological, Agricultural and Medical Research, 6th ed., published by Longman Group, Ltd., London (previously published by Oliver and Boyd, Edinburgh), Table IV.

Таблица А.5

Значения коэффициента корреляции для различных уровней значимости

df

0,1

0,05

0,01

0,001

df

0,1

0,05

0,01

0,001

1
2
3
4
5

0,98769
0,90000
0,8054
0,7293
0,6694

0,99692
0,95000
0,8783
0,8114
0,7545

0,999877
0,990000
0,95873
0,91720
0,8745

0,9999988
0,99900
0,99116
0,97406
0,95074

16
17
18
19
20

0,4000
0,3887
0,3783
0,3687
0,3598

0,4683
0,4555
0,4438
0,4329
0,4227

0,5897
0,5751
0,5614
0,5487
0,5368

0,7084
0,6932
0,6787
0,6652
0,6524

6
7
8
9
10

0,6215
0,5822
0,5494
0,5214
0,4973

0,7067
0,6664
0,6319
0,6021
0,5760

0,8343
0,7977
0,7646
0,7348
0,7079

0,92493
0,8982
0,8721
0,8471
0,8233

25
30
35
40
45

0,3233
0,2960
0,2746
0,2573
0,2428

0,3809
0,3494
0,3246
0,3044
0,2875

0,4869
0,4487
0,4182
0,3932
0,3721

0,5974
0,5541
0,5189
0,4896
0,4648

11
12
13
14
15

0,4762
0,4575
0,4409
0,4259
0,4124

0,5529
0,5324
0,5139
0,4973
0,4821

0,6835
0,6614
0,6411
0,6226
0,6055

0,8010
0,7800
0,7603
0,7420
0,7246

50
60
70
80
90
100

0,2306
0,2108
0,1954
0,1829
0,1726
0,1638

0,2732
0,2500
0,2319
0,2172
0,2050
0,1946

0,3541
0,3248
0,3017
0,2830
0,2673
0,2540

0,4433
0,4078
0,3799
0,3568
0,3375
0,3211

Источник: Fisher R.A., Frank Y. Statistical Tables for Biological, Agricultural and Medical Research, 6th ed., published by Longman Group, Ltd., London (previously published by Oliver and Boyd, Edinburgh), Table VII.

Приложение Б

ЭТИЧЕСКИЕ ПРОБЛЕМЫ В ЭМПИРИЧЕСКИХ ИССЛЕДОВАНИЯХ

Американская политологическая ассоциация всесторонне изучила этические проблемы, встающие перед политологами в их преподавательской и исследовательской деятельности. В материалах, опубликованных в итоге этой большой работы, можно найти много полезных советов специалистам. Мы воспроизводим здесь часть правил поведения, разработанных ассоциацией, прямо касающихся эмпирических исследований1.



Правило 9. Спонсоры исследования несут ответственность за действия, которые могут поставить под вопрос деятельность американских академических институтов как независимых центров обучения и исследований. Финансирование исследований не должно служить для спонсоров прикрытием для извлечения необходимой им информации.

Правило 10. Открытость в области материальной поддержки исследований – основной принцип научной деятельности. Государственные и негосударственные спонсоры, вкладывая средства в исследования, должны широко оповещать о своей материальной поддержке и требовать, чтобы в любом опубликованном исследовании, получившем их поддержку, сообщалось об источниках финансирования. Если негосударственный спонсор требует анонимности и это не влечет за собой никаких осложнений для исследования, то можно просто указать на характер финансирования.

Правило 11. Политологическое исследование, получившее государственную субсидию, не должно быть засекречено.

Правило 12. После того как оказана финансовая поддержка, спонсору не следует налагать никаких ограничений или требовать каких-либо разъяснений относительно методов, хода или содержания исследования.

Правило 13. Спонсор не несет никакой ответственности за выводы и данные, полученные исследователем, не может налагать на них никаких ограничений и препятствовать их публикации. [c.521]

Правило 14. Университету или колледжу не следует создавать исследовательские фонды на основе контрактов или пожертвований, характер которых не может быть обнародован.

Правило 15. Университет или колледж, имеющие в распоряжении исследовательские фонды, созданные на основе общественных и/или частных пожертвований, должны строить свою работу так, чтобы обеспечить благоразумное и достойное использование выделенных средств.

Правило 16. Распоряжаясь исследовательскими фондами, вверенными непосредственно их заботам, университет или колледж должны стремиться к тому, чтобы обеспечить ученым максимальный доступ к исследовательским материалам, гарантировать их свободу делать собственные выводы и возможность информировать о них.

Правило 17. Обратившись в фонд за поддержкой, исследователь должен

а) четко сформулировать причины, по которым он нуждается в помощи, и не прибегать к двусмысленным уловкам, чтобы сделать свое исследование более привлекательным для финансирования;


б) указать количество времени, которое он лично планирует потратить на исследовательскую работу;
в) указать другие источники финансирования, если они есть;
г) отказаться от принятия условий, если они, по его мнению, стесняют его свободу и независимость как ученого.

Правило 18. При проведении научной работы, которая финансируется из фонда, исследователь

а) несет персональную ответственность за методы, ход и содержание исследования;


б) должен избегать любого обмана или неверного представления о причастности его самого, его респондентов, субъектов исследования к получению информации, не имеющей отношения к исследованию, или об использовании самого исследования в качестве прикрытия для извлечения такой информации;
в) должен воздерживаться от использования своего служебного положения для получения данных и исследовательских материалов для ненаучных целей; [c.522]
г) не должен получать от правительственных учреждений дополнительной помощи, если требуется провести исследование за рубежом по причинам, не оговоренным заранее.

Правило 19. Пользуясь исследовательским фондом, исследователю необходимо

а) рассчитывать свое время, соблюдать отчетность, подчиняться требованиям, выдвигаемым к проекту, тесно сотрудничать с администрацией университета для удовлетворения этих требований;


б) избегать путаницы между фондами на исследовательские проекты (государственными и персональными), фондами для одного проекта и фондами для другого.

Правило 20. Что касается публикации результатов исследования, исследователь

а) несет персональную ответственность за публикацию;


б) должен обнародовать источники финансовой поддержки; в случае когда требуется анонимность спонсора, можно ограничиться указанием на характер финансирования;
в) должен указать все условия, поставленные спонсорами или другими финансирующими лицами относительно исследования и публикации;
г) должен добросовестно проинформировать о любой дополнительной поддержке, оказанной во время проведения исследования;
д) должен твердо придерживаться любых требований, выдвинутых финансирующей организацией.

Американская социологическая ассоциация также разработала кодекс чести, которому необходимо следовать тем ученым, перед которыми в процессе исследования встают проблемы этического характера. Ниже мы предлагаем некоторые принципы этого кодекса, которые распространяются в основном на взаимоотношения между исследователем и субъектами исследования. Хотя этот кодекс создан для социологов, его правила достаточно широки, чтобы быть применимыми к любым социальным наукам, и везде вместо слова “социолог” можно читать “исследователь”2.



1. Объективность в исследования. В своей работе социолог должен придерживаться объективной реальности.

2. Целостность исследования. Социолог должен осознавать свои способности и, если требуется, обращаться за [c.523] помощью к другим специалистам; не браться за работы вне его компетенции. Не следует переоценивать свои возможности или возможности своих сотрудников в осуществлении конкретного исследовательского проекта.

3. Уважение личности исследуемого. Честь и достоинство личности обследуемого – его неотъемлемое право, которое социолог должен уважать.

4. Защита обследуемых от личных посягательств. В ходе исследования социолог должен избегать нанесения личного ущерба лицам, подвергаемым обследованию.

5. Гарантия конфиденциальности исследовательских данных. Конфиденциальные данные, полученные от опрашиваемого, считаются собственностью социолога. Даже если характер информации таков, что не подлежит охране законом, социолог должен, насколько возможно, защищать своих информаторов. Обещания, данные информатору, должны быть соблюдены. Вместе с тем социолог не обязан скрывать информацию о нарушении обязательств как со стороны отдельных информаторов, так и организаций.

Если информатор или другое лицо, дававшее информацию, пожелает, он может официально освободить исследователя от обязательств конфиденциальности. Условия, изложенные в этом пункте, относятся ко всем участникам исследовательского проекта (то есть интервьюерам, кодировщикам, служащим и т.д.), и руководитель проекта обязан поставить в известность всех, принимающих в нем участие, о необходимости и важности соблюдения конфиденциальности данных. В обязанности социолога входит использование и хранение первичных данных, в которых упомянуты имена опрашиваемых. Если требуется, в публикациях нужно устранить возможность выяснения личности опрашиваемых лиц или точное название упомянутых организаций.



6. Изложение результатов исследования. Социолог должен излагать результаты своего исследования честно и без искажений. Не следует опускать те данные, которые могут способствовать появлению принципиально иной интерпретации результатов.

7. Правильное понимание роли исследователя. Социолог не должен использовать свое положение для получения информации для иных, непрофессиональных целей. [c.524]

8. Сотрудничество и помощь в ходе исследования. Социолог должен информировать о любой дополнительной помощи и сотрудничестве с другими специалистами в ходе исследования.

9. Сведения об источниках финансовой поддержки. Социолог должен полностью отчитываться обо всех источниках финансовой поддержки в публикациях исследовательских материалов и обо всех особых отношениях со спонсором, которые могут повлиять на интерпретацию результатов.

10. Давление со стороны спонсора на итоговые характер исследования. Социолог обязан публично заявить обо всех случаях давления спонсора или других финансирующих проект лиц на конечные результаты исследовательского проекта (если такое давление было).

11. К вопросу об этике научных контактов. Социолог не должен принимать пожертвований, воздерживаться от контактов или условий, которые, по его мнению, не соответствуют вышеизложенным принципам, и обязан открыто заявить о прекращении работ или отказаться участвовать в проекте, если он обнаружит подобные посягательства и не найдет возможностей к их устранению.

Американская ассоциация изучения общественного мнения также имеет свой собственный кодекс чести3, которому должны следовать в своей практической деятельности и политологи, и социологи. [c.525]



ПРИМЕЧАНИЯ

1 См. в Ethical Problems of Academic Political Scientists.– Washington, D.Q: American Political Association, 1968, pp. 18—19.


2 См. в: Toward a Code of Ethics for Sociologists.– “The American Sociologist”, 3 (November 1968), p. 318.


3 См. в Code of Professional Ethics and Practices Courtesy of the American Assosiation for Public Opinion Research.


СЛОВАРЬ ТЕРМИНОВ

Аддитивный индекс (additive index) – параметр, образуемый посредством сложения показателей, характеризующих различные аспекты одного и того же понятия.

Анализ временного (динамического) ряда (time-series analysis) – метод анализа данных, основанный на построении регрессии и ставящий целью установление причинных связей (зависимостей) с помощью упорядочения данных.

Анкета (questionnaire) – опросный инструмент, предназначенный для использования в ходе интервью.

Антецедентная переменная (antecedent variable) – переменная, которая вызывает изменения в другой переменной, рассматриваемой в рамках данной гипотезы как независимая.

Бета-вес, или бета-коэффициент (beta weight or beta coefficient) – стандартизованный коэффициент частной регрессии, применяемый для сравнения результатов влияния различных независимых переменных на зависимую переменную.

Бесплановый (unscheduled) – в свободной форме, не обусловленный применением какого-либо определенного инструмента исследования (в интервью, наблюдениях и т.п.).

Бланк интервью (interview schedule) – вопросник, используемый в очных интервью.

Валндность (обоснованность) (validity) – степень соответствия меры (показателя) тому понятию, которое она (он) призвана отражать.

Взаимоисключаемость (mutual exclusivity) – свойство мер (показателей), в соответствии с которым каждый данный случай может быть приписан лишь к одной категории.

Взвешенный индекс (weighted index) – индекс, в котором оценки, выставляемые в рамках одной переменной, стандартизируются относительно оценок, выставляемых в рамках какой-то другой переменной, что позволяет проводить обоснованное сравнение между оценками данного индекса для различных случаев.

Внешняя валидность (обоснованность) (external validity) – вид теоретической валидности, выражающийся в корреляции некоторого показателя (меры) исходного понятия с показателями (мерами) других понятий, согласно теории связанных с исходным.

Внутренняя валидность (обоснованность) (internal validity) – вид теоретической валидности, выражающийся в корреляции нескольких показателей (мер) одного и того же понятия. [c.526]

Вопрос с закрытым набором возможных ответов (closed-ended question) – вопрос, ответ на который респонденту предлагается выбирать из заданного списка.

Вопрос с открытыми возможностями для ответа (open-ended question) – вопрос, допускающий ответ в свободной форме.

Вторичный анализ (secondary analysis) – анализ данных, собранных когда-то в прошлом другим исследователем.

Выборка (sample) – подгруппа случаев, представляющая более крупную группу, откуда они взяты.

Гамма-коэффициент (G) (gamma) – коэффициент связи между двумя порядковыми переменными.

Генерализуемость (generalizability) – возможность распространения результатов анализа ограниченного числа случаев (признаков) на большее количество случаев (признаков).

Генеральная совокупность (larger population) – совокупность, из которой взята данная выборка.

Гетерогенность (heterogeneity) – степень различия членов некоторой совокупности между собой.

Гипотеза (hypothesis) – утверждение, предсказывающее существование некоторой зависимости (некоторых зависимостей) между переменными.

Гистограмма (histogram) – столбиковая диаграмма, на которой показано распределение значений некоторой переменной.

Гомогенность (homogenity) – степень сходства членов некоторой совокупности между собой.

Данные (data) – результаты наблюдений или информация, о действительности получаемая в ходе исследования.

Двумерная статистика (bivariate statistics) – статистика, обобщенно отражающая зависимость между двумя переменными.

Двусторонняя столбиковая диаграмма (bilateral bar chart) –график, на котором столбики изображают варьирование переменной выше или ниже некоторой нормы.

Дедукция (deduction) – рассуждение, которое движется от абстрактных утверждений об общих соотношениях к конкретным утверждениям об отдельных процессах.

Демографическая группа (demographic group) – группа индивидов, выделяемая на основании какого-либо личностного признака, свойственного всем ее членам.

Диаграмма рассеяния (scatter diagram) – график, в суммарном виде отражающий распределение признаков относительно двух переменных с использованием пунктира для обозначения результатов наблюдений.

Динамическая модель (dynamic model) – математическая модель, описывающая развитие процесса во времени. [c.527]

Днскриминантная валидность (обоснованность) (discriminant validity) – свойство некоторого показателя (меры) обладать валидностью по отношению лишь к какому-то одному понятию в противовес к другим понятиям.

Единица анализа (unit of analysis) – минимальный компонент или элемент анализа, относительно которого делаются те или иные обобщения.

Зависимая переменная (dependent variable) – переменная, меняющая свое значение в соответствии с изменениями значений другой переменной.

Значение (value) – характеристика или оценка определенного признака в пределах данной переменной.

Игра “дилемма заключенного” (prisoner's dilemma game) –математическая игра, в которой игрокам выгоднее сотрудничать, а не обманывать друг друга, несмотря на наличие побудительного стимула к обману.

Игра с нулевой суммой (zero-sum game) – математическая игра, в которой платежи сорганизованы таким образом, что один игрок выигрывает столько же, сколько другой проигрывает.

Измерение (measurement) – применение инструментария для подсчета или любого другого способа количественной характеристики результатов наблюдений над действительностью.

Измерение разброса (дисперсии) (measure of dispersion) – показатель того, как колеблются (варьируют) значения признаков вокруг средней тенденции, т.е. показатель ее репрезентативности.

Имитационная модель (simulation) –математическая компьютерная модель, в которую введены определенные динамические элементы.

Индекс (index) – результат объединения двух или более связанных показателей в один более объемлющий показатель.

Индукция (induction) – рассуждение, в котором выводы о том, что наблюдалось, переносятся на то, что не наблюдалось, т.е. рассуждение, в котором на основании конкретного опыта строится абстрактная теория.

Инструментализация (instrumentation) – спецификация процедур, необходимых при ведении наблюдения; уточнение измерительных приемов или инструментария исследования.

Интервальное измерение (interval measurement) – измерение, классифицирующее и упорядочивающее объекты, после того как они измерены на интервальном уровне, а также показывающее, насколько большим или меньшим количеством измеряемого свойства по сравнению с другими объектами они характеризуются. [c.528]

Каузальная модель (causal model) – модель, графически изображающая множество зависимостей между понятиями (или переменными), когда изменение в одном (или более) из них предшествует или вызывает изменение в другом (других).

Каузальные отношения (causal relationships) – зависимость между переменными или понятиями, при которой изменение в одной (или более) переменной или понятии влечет за собой изменение в другой (других).

Квазиэкспериментальное исследование (quasi-experimental design) – исследование, в котором методы сбора и анализа данных по степени контроля максимально приближены к экспериментальному исследованию.

Квантиль (quantile) – показатель (мера) позиции внутри распределения.

Квантильный ранг (quantile range) – показатель (мера) дисперсии для порядковых переменных.

Квотная выборка (quota sample) – выборка, члены которой отобраны так, чтобы они в совокупности укладывались в заранее данное распределение признаков.

Кластерная (гнездовая) (cluster sample) выборка – см.: многоступенчатая случайная районированная выборка.

Ключ (key) – объяснение символов, использованных в некотором графическом изображении.

Ключевое слово или ключевая фраза (key word or key phrase) – слово или фраза, содержательно связанное(ая) с данным понятием и используемое(ая) при библиографическом поиске.

Книга кодов (codebook) – перечень переменных и других величин с указанием кодов, приписанных им в данном исследовании.

Ковариационные отношения (covariational relationships) – зависимость, при которой два или более понятия или переменные проявляют тенденцию изменяться одновременно.

Когортное обследование (cohort study) – обследование, основанное на повторяющихся в разное время опросах определенной группы населения (например, людей, родившихся в определенном году).

Кодирование (coding) – средство, с помощью которого информации придается форма связного и продолжительного сообщения.

Кодировальный бланк (coding sheet) – структурированный формуляр для фиксации данных.

Кодировщик (coder) – сотрудник, приписывающий определенное количество баллов каждому ответу или случаю (обычно в рамках контент-анализа). [c.529]

Компьютерная имитация (computer simulation) – математическая модель, оперирующая сложной системой динамических уравнений и реализованная на ЭВМ.

Компьютерная модель (computational model) – математическая модель, оперирующая нечисленными алгоритмами и реализованная на ЭВМ.

Конвергентная валидность (обоснованность) (convergent validity) – свойство нескольких показателей (мер) одного м того же понятия приводить к одному и тому же результату.

Конкурирующая гипотеза (alternative rival hypothesis) – альтернативное объяснение результатов исследования, которое с логической точки зрения не может быть верным, если верна исходная гипотеза.

Конструктная теоретическая валидность (обоснованность) (construct validity) – свойство некоторого показателя (меры) вести себя так, как ожидается в соответствии с теорией.

Контент-анализ (content-analysis) – методика, используемая при изучении коммуникативно значимых материалов и поведения.

Контроль (control) – ограничение факторов, влияющих на переменную, над которой ведется наблюдение (в эксперименте); поддержание значений некоторой переменной на постоянном уровне при изучении зависимости (зависимостей) между двумя (и более) другими переменными (в анализе данных).

Контроль за частотным распределением (frequency distribution control) – процедура, при которой экспериментальные и контрольные группы приравниваются друг к другу посредством объединения в группы лиц, сопоставимых по совокупности своих признаков.

Контрольная группа (control group) – лица, участвующие в эксперименте и находящиеся вне сферы действия независимой переменной (опытного события).

Контрольное тестирование (posttest) – измерение (в эксперименте), проводящееся после наступления проверяемого события.

Косвенная каузацня (indirect causation) – явление, при котором одна переменная оказывает причинное воздействие на другую только посредством изменения значений некоторой третьей переменной (переменных), которая (которые) затем непосредственно влияет(ют) на вторую.

Коэффициент вариации (variation ratio) – мера (показатель) дисперсии для номинальных переменных.

Коэффициент корреляции (r) (correlation coefficient) – коэффициент связи между двумя интервальными переменными, служащий показателем точности подбора экспериментальных точек относительно линии регрессии. [c.530]

Коэффициент связи (coefficient of association) – показатель степени и направления связи (ассоциации) между двумя переменными.

Q-сортнровка (Q-sort) – методика, используемая в контент-анализе для измерения силы оценочных суждений.

Линия регрессии (regression line) – линия, которая точнее всего отражает распределение экспериментальных точек на диаграмме рассеяния и крутизна наклона которой характеризует зависимость между двумя интервальными переменными.

Линейная диаграмма (line diagram) – график, на котором соответствующие результатам наблюдений точки соединены между собой линиями, что позволяет отражать направление развития или другую зависимость.

Лонгнтюдный опрос (longitudinal survey) – опрос, позволяющий сравнивать элементы поведения или признаки данного множества случаев, взятые в разные моменты времени.

Лямбда-коэффициент (λ) (lambda coefficient) – коэффициент связи (ассоциации) между двумя номинальными переменными.

Маргинальное распределение (marginal) – распределение частот в том виде. в каком оно появляется в итоговых колонках таблицы взаимной сопряженности признаков.

Математическая модель (mathematical model) – упрощенное описание процесса или ситуации в математических выражениях.

Медиана (median) – мера средней тенденции для порядковых переменных.

Мнимое отношение (spurious relationship) – зависимость, при которой две переменные коварьируют только в силу случайности или в силу воздействия какой-то другой переменной.

Многомерная статистика (multivariate statistics) – статистика, относящаяся к зависимостям между более чем двумя переменными.

Многомерный (multidimensional) – имеющий несколько сторон или элементов.

Многоступенчатая случайная районированная выборка (multistage random area sample) – выборка, в которой для анализа отобраны не индивиды, а скорее географические единицы или их аналоги.

Множественная регрессия (multiple regression) – статистическая процедура изучения зависимости, существующей между зависимой переменной и несколькими независимыми переменными.

Множественная обусловленность (multiple causation) – обычное положение в социальных науках, когда некоторое следствие является результатом более чем одной причины. [c.531]

Множественные показатели (multiple indicators) – две и более меры одной и той же переменной, используемые для усиления валидности показателей.

Мода (mode) – мера средней тенденции для номинальных переменных.

Модель (model) – упрощенное представление действительности.

Модель ожидаемой полезности (expected utility model) – математическая модель, основанная на предположении, что человек принимает решения, исходя из суммы возможных платежей, помноженных на вероятности их выплаты (т.е. на вероятности наступления соответствующих исходов).

Модель оптимизации (optimization model) – математическая модель, характеризующаяся предположением, что некоторые переменные в данном процессе или ситуации максимизируются или минимизируются.

Момент наблюдения (observation point) – время наблюдения или измерения.

Мультиколлинеарность (multicollinearity) – положение, при котором одна или более независимых переменных, входящих в уравнение регрессии, являются точными линейными функциями от одной или более других независимых переменных того же уравнения.

Мультипликативный индекс (multiplicative index) – единая мера, составленная из комбинации мер разных, но связанных между собой понятий.

Наблюдение (observation) – (в науке) применение инструмента для приписывания анализируемым случаям определенных значений показателей.

Надежность (reliability) ~ степень постоянства, с которой данный измерительный инструмент позволяет приписывать различным случаям определенные значения.

Надежность интеркодирования (intercoder reliability) – соответствие, достигнутое относительно значений, приписываемых одному и тому же или сходным признакам разными независимыми наблюдателями.

Направленное интервьюирование (elite interviewing) – сбор данных с помощью интервьюирования, имеющий целью получение от респондента специфической информации.

Научное исследование (scientific research) – это метод проверки теорий и гипотез путем применения определенных правил анализа к данным, полученным в результате наблюдений и интерпретации этих наблюдений в строго заданных условиях.

Независимая переменная (independent variable) – переменная, изменение значений которой влияет на значения некоторой другой переменной. [c.532]

Необработанные данные (raw data) – результаты нестандартизованных или еще не обработанных наблюдений.

Непосредственное (прямое) наблюдение (direct observation) – метод, используемый главным образом при изучении группового поведения.

Неформальная модель (informal model) – упрощенное описание процесса или ситуации в терминах естественного языка.

Номинальное измерение (nominal measurement) – измерение, которое просто классифицирует случаи безотносительно к их рангу или к расстояниям между ними.

Нормальное распределение (normal distribution) – симметричное одновершинное распределение с максимумом в середине, в котором мода, медиана и средняя принимают одно и то же значение.

Нормативный (normative) – относящийся или характеризуемый предпочтениями или оценочными суждениями.

Объяснительное исследование (explanatory research) – исследование, использующее результаты наблюдений над действительностью для проверки теории или для углубления представлений о моделях поведения в рамках некоторой теории.

Одномерная статистика (univariate statistics) – статистика, относящаяся к/или описывающая одну переменную.

Операционализация (operationalization) – процесс преобразования абстрактных понятий в конкретные термины.

Описательное исследование (descriptive research) – исследование, занимающееся измерением какого-либо аспекта действительности, скорее ради него самого, нежели ради развития или проверки некоторой теории.

Опрос (survey research) – метод, используемый для изучения мнений, отношений или поведения индивидов.

Отрицательное отношение (negative relationship) – такое отношение, когда соответствующие друг другу значения двух разных переменных изменяются в противоположных направлениях.

Очевидная валидность (обоснованность) (face validity) – свойство показателя (меры), придающее ему интуитивно ощущаемую достоверность.

Очное интервьюирование (in-person interview) – тип опроса, в ходе которого итнтервьюер получает непосредственно от респондента ответы на свои вопросы.

Ошибка выборки (sampling error) – несоответствие между признаками выборки и признаками генеральной совокупности.

Ошибка измерения (measurement error) – неточности в наблюдениях над действительностью; расхождения между действительностью и зарегистрированными результатами наблюдений над нею. [c.533]

Панельное обследование (panel study) – обследование, в котором проводится серия наблюдений в разные моменты времени над одной и той же группой изучаемых объектов.

Параметр (parameter) – любой признак совокупности (в отличие от признака выборки).

Пат-анализ (path analysis) – статистический метод, позволяющий оценить степень взаимовлияния переменных в причинно-следственной модели.

Перекрестное обследование (cross-sectional survey) – обследование, при котором сравниваются единовременно полученные данные различных случаев.

Переменная (variable) – признак, принимающий разные значения для различных случаев или для различных моментов времени в рамках одного случая.

Перечневая таблица (enumerative table) – простой перечень данных исследований в виде таблицы.

Перфоратор (keypunch) – устройство, переводящее цифры, буквы и другие языковые символы в комбинации проколов (перфораций), доступных для обработки на ЭВМ.

Пилотажное исследование (pilot study) – мелкомасштабная проверка мер и процедур исследования, преследующая цель заблаговременно выявить все слабые места в его плане или инструментарии.

Поисковое исследование (exploratory research) – исследование, ориентированное на обнаружение тех факторов, которые следует учитывать в теории данного предмета.



Показатель (indicator) – мера, специфичная для некоторой переменной.

Полевой эксперимент (field experiment) – частичное осуществление эксперимента в условиях реальной действительности (в противоположность лабораторным условиям).

Положительное отношение (positive relationship) – такое отношение, когда соответствующие друг другу значения двух разных переменных изменяются в одном и том же направлении.

Понятие (concept) – слово или фраза, символизирующие некоторое представление или явление.

Порядковое измерение (ordinal measurement) – измерение, классифицирующее и упорядочивающее случаи безотносительно к расстояниям между ними.

Построение модели (model specification) – отбор переменных для включения их в модель регрессии и определение связей, существующих между этими переменными.

Почтовый опрос (mail survey) – тип опроса, в ходе которого респондент отвечает на вопросы интервьюера, отправленные ему по почте. [c.534]

Прагматическая валидность (обоснованность) (pragmatic validity) – свойство показателя (меры) некоторого понятия, проявляющееся в возможности использования его для предсказания значений показателей других понятий.

Предварительное тестирование (pretest) – (в эксперименте) измерение, проводящееся до наступления проверяемого события.

Преобразование данных (data transformation) – видоизменение данных, направленное на выполнение тех условий, которых требует определенный метод анализа.

Прикладное исследование (applied research) – исследование, первичной целью которого является изучение или решение конкретных политических проблем.

Принцип максимального различия систем (most-different-systems design) – стратегия сравнительно-политологического исследования, при которой признаки, различающие анализируемые объекты, исключаются из объяснения элементов сходства, имеющихся между этими объектами.

Принцип максимального сходства систем (most-similar-systems design) – стратегия сравнительно-политологического исследования, при которой изучаются сходные объекты, чтобы при рассмотрении различий между ними общие для них признаки можно было считать константой.

Пробный вопрос (contingency question) – фильтрующий прием, используемый при опросе с целью удостовериться в правомерности задать следующий вопрос.

Прогностическая валидность (обоснованность) (predictive validity) – свойство показателя (меры), позволяющее с определенной долей точности предсказывать будущие события.

Проект, основанный на анализе временного (динамического) ряда (time-series design) – план обследования, ставящий целью установление причинных связей (зависимостей) с помощью анализа данных во времени.

Проект, основанный на контролируемом анализе временного (динамического) ряда (controlled time-series design) – исследовательский проект, использующий контрольные группы для оценки степени воздействия некоторого события.

Промежуточная переменная (intervening variable)– переменная, влияющая на воздействие некоторой независимой переменной на некоторую зависимую переменную.

Рабочая гипотеза (working hypothesis) – утверждение, предсказывающее существование некоторой зависимости между показателями.

Рандомизация (randomization) – такая процедура отбора признаков для исследования (или получения сопоставимых групп в эксперименте), когда каждый признак из некоторой совокупности и каждая комбинация признаков заданного размера имеет равные с другими шансы на попадание в выборку. [c.535]

Реактивность (reactivity) – способность изучаемых субъектов реагировать на те или иные обстоятельства, сопутствующие исследовательскому процессу.

Регистрационный бланк (recording form) – бланк, используемый для перевода сводных данных с документа-источника в пригодную для ввода в ЭВМ форму.

Резюме (abstract) – краткое изложение содержания отчета или доклада.

Репрезентативная выборка (representative sample) – это такая выборка, в которой все основные признаки генеральной совокупности, из которой извлечена данная выборка, представлены приблизительно в той же пропорции или с той же частотой, с которой данный признак выступает в этой генеральной совокупности.

Репрезентативность (представительность) (representativeness) – степень сходства между относительно малой совокупностью случаев и большой (генеральной) совокупностью, из которой взята малая.

Респондент (respondent) – лицо, отвечающее на вопросы интервью или анкеты.



Сводные данные (aggregate data) – данные, относящиеся к целому ряду признаков или совокупностей.

Связь (association) – соотношение двух и более переменных, при котором они коварьируют.

Секторная диаграмма (pie diagram) – график, на котором результаты наблюдений представлены в виде кругов, разбитых на сектора.

Систематическая случайная выборка (systematic random sample) – выборка, в которой признаки отбираются из генеральной совокупности путем случайного отбора первого признака и применения некоторого выборочного интервала для отбора последующих признаков.

Систематические ошибки (systematic errors) – ошибки измерения, проявляющиеся при каждом случае применения инструмента и лишающие показатели их валидности.

Системный показатель (syntality indicator) – мера какого-либо свойства или признака группы в целом.

Совокупная исчерпаемость (collective exaustivity) – характеристика измерений, благодаря которому все случаи могут быть отнесены как минимум к одной категории.

Совокупность (population) – множество случаев, относительно которого делаются те или иные выводы.

Случайная выборка (random sample) – выборка, члены которой отбираются из некоторой совокупности в соответствии с процедурой рандомизации (т.е. по случайностному принципу). [c.536]

Случайные ошибки (random errors) – несистематические ошибки измерения, превращающие показатель в ненадежную и лишенную валидности меру данного понятия.

Содержательный контент-анализ (substantive content analysis) – анализ, уделяющий основное внимание содержанию коммуникаций.

Специализированное интервьюирование (specialized interviewing) – интервьюирование, при котором для успешного общения с респондентом требуется применение нестандартных процедур.

Спецификация данных (data specifications) – детализированное описание данных, подлежащих регистрации в каждом отдельном случае и для каждой переменной.

Среднее арифметическое (mean) – мера средней тенденции для интервальных переменных.

Средняя тенденция (central tendency) – способ определения такой средней величины или оценки, которая лучше всего представляет некоторое множество признаков данной переменной.

Стандартизовать (standardize) – измерять в единой или в сравнимых единицах измерения.

Стандартная оценка (z) (standard score (z)) – мера расположения в интервальном распределении, выражаемая в единицах стандартного отклонения относительно средней.

Стандартная оценка гаммы (ZG) (standard score of gamma (ZG) – критерий статистической значимости связи между двумя порядковыми переменными.

Стандартное отклонение (s) (standard deviation (s)) – мера дисперсии для интервальных переменных.

Статистика (statistics) – числа, в суммарном виде отражающие распределение значений переменных или зависимости между переменными; признаки выборки, соответствующие определенным параметрам генеральной совокупности.

Статистическая значимость (statistical significance) – вероятность того, что связь между двумя переменными, обнаруженная в ходе анализа выборки, носила случайный характер и не существует в генеральной совокупности.

Степени свободы (degrees of freedom) – число ячеек в таблице или число точек на линии регрессии, которые могут заполняться независимо от предшествующих заполнений.

Стимул (stimulus) – независимая переменная в эксперименте.

Столбиковая диаграмма (bar chart) – график, на котором результаты наблюдений изображаются в виде столбиков. [c.537]

Стратифицированная (районированная) выборка (stratified sampling) – процедура, при которой из совокупности сначала отбираются подгруппы по признаку наличия у их членов одного или более общих свойств, а затем из каждой из этих подгрупп по отдельности берется выборка.

Структурный контент-анализ (structural content analysis) – анализ, уделяющий основное внимание форме коммуникации.

Суммарный показатель (summative indicator) – мера группового признака, образуемая посредством объединения индивидуальных признаков членов группы.

Таблица взаимной сопряженности признаков (contingency table) – обобщенное изображение зависимости (зависимостей) между двумя и более переменными в виде таблицы.

Теория (theory) – одно из возможных объяснений наблюдаемых явлений, представляющее собой некоторое множество логически увязанных между собой допущений и пропозиций (суждений).

Теория игр (game theory) – сфера математики, имеющая дело с анализом ситуаций, исходы которых обусловлены совместным согласованным поведением индивидов.

Теория измерений (measurement theory) – теория, объясняющая, почему с изменением значения некоторой переменной следует ожидать и изменений в значениях отражающего ее показателя.

Территориальная группа (areal group) – группа людей, проживающих на определенной географической территории.

Тест-эффект (test effect) – любое расхождение между результатами предварительного и окончательного теста, обусловленное всецело ответной реакцией изучаемого субъекта на предварительный тест.

Точный подбор соответствий (precision matching) – процедура, при которой экспериментальные и контрольные группы приравниваются друг к другу посредством отбора сравнимых индивидов.

Трендовое обследование (trend study) – анализ, основанный на сравнении данных, полученных от одной и той же генеральной совокупности в разные моменты времени.

Уровень измерения (level of measurement) – количество или качество получаемой информации, обеспечиваемое данным инструментарием.

Формальная модель (formal model) – модель, заданная на математическом или любом другом формализованном языке.

Фундаментальное исследование (basic research) – исследование, первичной целью которого является развитие или проверка научной теории. [c.538]

Хи-квадрат χ2 (chi-scuare) – критерий статистической значимости связи между двумя номинальными переменными.

Частный коэффициент регрессии (partial regression coefficient) – статистическая мера, обозначающая степень влияния независимой переменной на зависимую в ситуации, когда взаимовлияние всех остальных переменных в модели находится под контролем исследователя.

Частотное распределение (frequency distribution) – упорядоченный подсчет количества признаков по каждому значению переменной.

Шкала (scale) – ряд показателей, которые можно упорядочить таким образом, чтобы экспериментальные случаи оказались расположенными в порядке, соответствующем степени выраженности в них измеряемого понятия.

Шкалирование путем парного сравнения (pair-comparison scaling) – метод, используемый в контент-анализе для измерения силы оценочных суждений.

Шкальная оценка (scale score) – единая мера того количества измеряемого данной шкалой признака, которым обладает тот или иной субъект.

Эквивалентность (равнозначность) (equivalence) – сопоставимость групп (в эксперименте); сопоставимость мер в разных культурах (в сравнительном исследовании).

Эквивалентная мера (equivalent measure) – использование одних и тех же понятий для исследования различных объектов.

Экологическая ошибка (ecological fallacy) – некорректное использование сводных данных с целью получения выводов относительно свойств отдельных случаев или групп.

Эксперимент ex post facto (ex post facto experiment) – исследование, при котором контроль за ходом эксперимента имитируется при анализе данных.

Экспертная выборка (judgemental sample) – выборка, состоящая из намеренно отобранных случаев (признаков).

Экспериментальная группа (experimental group) – лица, подвергающиеся воздействию независимой переменной (экспериментального стимула).

Экспериментальное исследование (experimental design) – исследование, при котором зависимости между данным стимулом, событием или другой переменной и наблюдаемым поведением рассматриваются обособленно.



Эмпирический (empirical) – относящийся к/или характеризуемый наблюдениями над реальной действительностью или ее описаниями.

Эмпирический референт (empirical referent) – наблюдаемый объект (или событие), соответствующий некоторому понятию. [c.539]
Каталог: files
files -> Истоки и причины отклоняющегося поведения
files -> №1. Введение в клиническую психологию
files -> Общая характеристика исследования
files -> Клиническая психология
files -> Валявский Андрей Как понять ребенка
files -> К вопросу о формировании специальных компетенций руководителей общеобразовательных учреждений в целях создания внутришкольных межэтнических коммуникаций
files -> Русские глазами французов и французы глазами русских. Стереотипы восприятия


Поделитесь с Вашими друзьями:
1   ...   115   116   117   118   119   120   121   122   123


База данных защищена авторским правом ©znate.ru 2019
обратиться к администрации

    Главная страница