Презентация на тему "Количественные методы анализа данных в социологии"

Содержание

• 
  Слайд 1

  Количественные методы анализа данных в социологии

• 
  Слайд 2

  Методология исследования:

  Типы данных (данные статистики; данные, полученные посредством вопросников «простой» структуры; данные, полученные посредством вопросников «сложной» структуры; текстовые данные). Методика сбора данных (одномерное и многомерное шкалирование; формирование индексов; ранжирование; проективные техники). Восходящая стратегия анализа данных (поиск эмпирических закономерностей, начиная с простых и заканчивая сложными для формирования объяснительных гипотез). Нисходящая стратегия анализа данных (проверка объяснительных гипотез в социологических исследованиях). Метаметодики анализа данных (типологический анализ, факторный анализ, причинный анализ).

• 
  Слайд 3

  Компоненты эмпирического исследования:

  1. Концептуальная схема исследования (определения предмета, объекта, цели, задач, гипотез исследования, интерпретация и операционализация понятийного аппарата исследования). 2. Методика сбора эмпирических данных (эмпирическая интерпретация понятий и инструментарий исследования). 3. Методика обработки данных (формы представления информации, методы первичного анализа данных, логика применения математических методов).

• 
  Слайд 4

  Методы сбора данных:

  Количественные методы исследования предназначены для изучения объективных, количественно измеряемых характеристик поведения людей, позволяют установить масштабы изучаемого социального явления и его значимость для общества. Качественные методы исследования являются преимущественно описательными и позволяют получить содержательное представление о социальном явлении и его причинах.

• 
  Слайд 5

  Специфика количественного подхода:

  1. Используется для изучения достаточно больших по численности объектов (социальных групп, общностей, большого количества документальных источников). 2. Исследовательской целью является причинное объяснение и измерение взаимосвязей. 3. Изучение концентрируется на уровне макроанализа фактов, событий. 4. Логика анализа дедуктивная: от абстракций – к фактам путем операционализации понятий. 5. Концепции формулируются из теорий и переводятся на язык операций с данными. 6. Для проведения количественных исследований используются стандартизованные разновидности методов сбора информации, метод измерения, выборочный метод и методы статистического анализа данных. 7. Инструменты измерения разрабатываются и проверяются в пилотаже, обычно формализуются. 8. Данные представлены в виде статистических распределений, шкальных показателей, результатов измерения взаимосвязей. Анализ осуществляется статистическими методами.

• 
  Слайд 6

  Специфика качественного подхода:

  1. Используется для изучения небольших по численности объектов (малых групп или отдельных индивидов). 2. Исследовательская цель – выявление и интерпретация субъективных смыслов, значений. 3. Изучение концентрируется на уровне микроанализа отдельных случаев, состояний социального взаимодействия. 4. Логика анализа индуктивная: от фактов жизни к их классификации и концептуализации. 5. Это поисковая стратегия, «открытая» на входе и формулирующая теоретические концепции в процессе исследования, путем обобщения разнохарактерной информации об объекте. 6. Для сбора данных используются нестандартизованные разновидности методов сбора информации: наблюдение, свободное (глубинное или нарративное) илиполуструктурированное интервью (биографическое, лейтмотивное, фокусированное), фокус-группа, анализ личных документов. 7. Для анализа данных не используются статистические методы. Результаты представлены в виде цитат из устной или письменной речи людей.

• 
  Слайд 7

  Регрессионный анализ

  Регрессионный анализ — статистический метод исследования влияния одной или нескольких независимых переменных X на зависимую переменную Y. Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные — критериальными. Цели: Определение степени детерминированности вариации критериальной (зависимой) переменной предикторами (независимыми переменными). Предсказание значения зависимой переменной с помощью независимой. Определение вклада отдельных независимых переменных в вариацию зависимой.

• 
  Слайд 8

  Дискриминантный анализ

  Дискриминантный анализ – раздел вычислительной математики, представляющий набор методов статистического анализа для решения задач распознавания образов, который используется для принятия решения о том, какие переменные разделяют (т.е. «дискриминируют») возникающие наборы данных (так называемые «группы»). Цели: Выявление различий между группами и классификация объектов по принципу максимального сходства. Разделение выходного параметра на классы, распознавание образов. Предположения: Множество объектов разбито на несколько обучающих подмножеств, которые отличаются друг от друга предикторами 2. Предикторы независимы (отсутствует коллинеарность), переменная не может быть линейной комбинацией других переменных; 3. Предикторы измеряются в интервальной шкале или шкале отношений; 4. Независимые переменные внутри класса нормально распределены.

• 
  Слайд 9

  Факторный анализ

  Факторный анализ – метод анализа корреляций множества признаков. Таким образом, применение ФА поможет ответить на следующие вопросы: - есть ли связь между множеством признаков?- сколько и каких факторов можно выделить?- какие характеристики и признаки вошли в эти факторы?- что связывает между собой признаки, попавшие в фактор?- насколько сильна связь между признаками внутри факторов? - как факторы отличаются между собой? Цели: Снижение размерности исходных данных без потери качества исходной информации. Выделение из множества исходных переменных латентных переменных (факторов).

• 
  Слайд 10

  Кластерный анализ

  В отличие от факторного анализа, задачей которого является объединение признаков в более крупные группы, кластерный анализ (КА) призван объединить в группы множество объектов – ими могут быть люди, товары, организации, страны, что угодно. То есть главная задача КА – классификация объектов на основе количественных признаков, например: - установление общих признаков, объединяющих группы;- расчет оптимального количества групп, на которые можно разделить все объекты;- установление расстояния между группами (степени различия);- характеристика групп по выделенным признакам.

• 
  Слайд 11

  Основные программы для QDA: MAXQDA

  Программа для качественного и количественного анализа документов. Основные функции: ввод, анализ и кодирование текстовых фрагментов; импорт визуальных, аудиоданных, интервью, фокус-групп, изображений, веб-страниц; управление системой и структурой кодов; комментирование фрагментов документов; анализ взаимосвязей между переменными – категориями анализа; статистическое и графическое представление категорий анализа и их взаимосвязи; присвоение категориям анализа различной степени значимости и эмоциональной окраски; включает функцию геопозиционирования данных; организация коллективной работы над документом.

• 
  Слайд 12

  Основные программы для QDA: NVivo

  Программа для качественного анализа текстовых и мультимедиа документов. Основные функции: ввод, анализ и кодирование текстовых фрагментов; импорт визуальных, аудиоданных, интервью, фокус-групп, изображений, веб-страниц; автокодирование на основе выявленных схем; управление структурой кодов и комментирование документа; анализ взаимосвязей между переменными – категориями анализа; графическое представление категорий анализа и их взаимосвязи; анализ контента социальных сетей; организация коллективной работы над документом.

• 
  Слайд 13

  Основные программы для QDA: ATLAS.ti

  Программа для качественных исследований и анализа качественных данных. Основные функции: кодирование текстов, изображений, аудио и видеоматериалов; синхронизация текста и медиа; транскрибирование медиа-документов; структурирование первичного документа; автоматическое кодирование; поисковые механизмы; анализ взаимосвязей между кодируемыми переменными, анализ сопряженности; визуальное представление отношений между категориями (диаграммы, облака); включает функцию геопозиционирования данных; организация коллективной работы над документом.

• 
  Слайд 14

  Основные программы для QDA: QDA Miner

  Программа для анализа качественных данных и данных смешанных методов. Основные функции: импорт и кодирование текстов, изображений, аудио и видеоматериалов; поисковые инструменты: поиск ключевых слов, выборка по примеру, извлечение кластеров; частотный анализ кодов; кластерный анализ; анализ последовательностей кодов; кодирование переменных; многомерное шкалирование; графики анализа соответствий; диаграмма сопряженности; «термограммы»; включает функцию геопозиционирования данных.

• 
  Слайд 15

  Основные программы для QDA: сравнение