Designing Social Inquiry

1 The Science in Social Science 3

1.1 Introduction 3

1.1.1 Two Styles of Research, One Logic of Inference 3

Существую количесвенные и качественные методы исследования, однако сказать какие из них лучше невозможно. И те и другие необходимы в социальных науках, которые пытаются сделать описательные и причинные выводы о мире. Лучшие исследовательские работы сочетают в себе ОБА метода.

1.1.2 Defining Scientific Research in Social Sciences 7

Авторы составляют определение «Научного Исследования» для того, чтоб структурировать, но не ограничить научный подход:

1. Цель работы заключается в ВЫВОДАХ, которые могут быть как описательными, так и причинными.

2. Процедура исследования и его выводы должны быть открыты и понятны, чтобы результат могли повторить другие. Если какая-то часть исследования скрыта (неясно на каком основании была сделана выборка), то это Ненаучное исследование.

3. Выводы не должны претендовать на истину в конечной инстанции. Всегда есть фактор неопределнности.

4. Главная суть заключается в применимом методе, а не в выводах. Потому что выводы – очень субъективный фактор, которой меняется в зависимости от времени и обстоятельств написания работы.

1.1.3 Science and Complexity 9

Социальные ситуации, в которых пытается разобраться наука, могут быть простыми и сложными. Сложность зависит от того, насколько мы можем хорошо упростить реальность для нашего исследования.

1.2 Major Components of Research Design 12

Авторы книги составили советы для исследователей, которые пытаются установить связи между теорией и данными. Для аналитических целей они поделили проектирование исследования на четыре части: исследование вопроса, теория, данных и использования данных. Эти части необязательно должны идти именно в таком порядке.

1.2.1 Improving Research Questions 14

Выбор конкретного вопроса (темы) зависит от субъективных личностных интересов исследователя, невозможно точно определить, какую тему нужно брать для исследования. Однако тема исследования должна удовлетворять двум требованиям: 1- быть актуальной (практическая полезность на сегодняшний день), 2 – внести вклад в уже написанную литературу на эту тему. Далее авторы описывают способы сделать вклад в литературу (систематизация чужой гипотезы, спор с гипотезой, привнесение доп. Доказательств, применение одного метода к другому вопросу и т.д.).

1.2.2 Improving Theory 19

Исследователь должен допускать, что он не прав. Иначе это не наука, а религия (принцип фальсифицируемости Поппера). Если теория не сошлась с данными, нужно расширить теорию, а не сужать для конкретной выборки, иначе её слишком легко опровергнуть. Иногда нужно признать поражение, написать, что исследование провалилось. В этом случает нужно написать о возможном развитии исследования. Такое исследование позволит последователям избежать таких же ошибок.

1.2.3 Improving Data Quality 23

1. Важно сообщать процесс, посредством которого данные генерируются.

2. Необходимо брать как можно больше наблюдений.

3. Максимизировать валидность измерений. Действительно ли мы измеряем то, что ходим измерить?

4. Методы сбора данных являются надежными. Один и тот же метод всегда должен приводит к одинаковым результатам.

5. Результаты должны быть воспроизводимы.

1.2.4 Improving the Use of Existing Data 27

1. Данные и выводы должны быть беспристрастными.

2. "Эффективность". Эффективное использование данных предполагает максимизацию информации, которая составляет описательные или причинные выводы работы.

1.3 Themes of This Volume 28

1.3.1 Using Observable Implications to Connect Theory and Data 28

Теория и эмпирические данные должны быть очень тесно связаны.

1.3.2 Maximizing Leverage 29

В хорошей теории малое количество данных должно объяснять большое количество информации (выводов). Для этого необходимо привлечь как можно больше наблюдений и последствий этой теории.

1.3.3 Reporting Uncertainty 31

Все выводы, вне зависимости от того, качественные они или количественные, являются неопределёнными. Необходимо избежать ковки радикальных выводов из слабых данных.

1.3.4 Thinking like a Social Scientist: Skepticism and Rival Hypotheses 32

К любым полученным выводам социолог должен относиться со скептицизмом и обязательно подумать о других возможных причинах, объясняющих выводы. (чем больше нога, тем лучше умеет писать – причине – НЕ нога, а возраст!)

2 Descriptive Inference 34

Количественные и качественные исследования включают в себя две цели: описание и объяснение. Обе эти цели тесно взаимосвязаны; нельзя сказать, какая важнее. Эта глава посвящена описанию. Описание не является простой вещью, так как предполагает выделение главного из огромного количества факторов. Задача описания – сделать вывод о ненаблюдаемых фактах, исходя из фактов, которые мы наблюдали.

2.1 General Knowledge and Particular Facts 35

Существуют частные наблюдения и общие сведения. И тому, и другому следует уделять внимание. Переход от частного к общему является неотъемлемой частью хорошей научной работы, это помогает понять и то, и другое.

2.1.1 “Interpretation” and Inference 36

Интерпретивисты утверждают, что перед формулированием гипотезы необходимо погрузиться в культуру того, что изучаешь. Наука имеет важное значение для точной интерпретации. Знание культурных норм необходимо для интерпретации (К. Гирц – подмигивание/подёргивание). Очень важен выбор самих наблюдения, а не только интерпретация. Только наблюдения отличают одну теорию от другой, они помогают согласиться с теорией или опровергнуть её.

2.1.2 “Uniqueness,” Complexity, and Simplification 42

Те ученые, которые используют качественные методы, считают, что получение общих данных ненужно. Всё в мире имеет свою «уникальность», поэтому обобщать не имеет смысла. Однако все факты имеют свои причины и последствия, а значит взаимосвязаны. Самая сложная задача состоит в упрощении реальности. Для выявления закономерностей необходимо упростить реальность, это можно сделать с помощью описания. По мнению авторов, хорошая научная работа должна сочетать общее и частное.

2.1.3 Comparative Case Studies 43

Описание мероприятий должно быть максимально точным и систематическим, насколько это возможно. Тематические исследования имеют важное значение для описания, и, таким образом, фундаментальное значение для социальных наук. Хорошее описание лучше, чем плохое объяснение. Развитие хороших причинных гипотез должно дополнять хорошее описание, а не конкурировать с ним. Александр Джордж рекомендует метод «структурированного, сосредоточенного сравнения ", - подчеркивает необходимость систематического сбора информации перед поиском причинных связей.

2.2 Inference: the Scientific Purpose of Data Collection 46

Вывод – это процесс использования фактов, которые мы знаем, для формирования суждений о фактах, которых мы не знаем. Правильная организация фактов дает полезные результаты для проведения исследования:

1. Чем больше наблюдений, тем лучше

2. Теория и данные взаимосвязаны: нельзя собрать данные, не имея в голове теорию, нельзя выстроить окончательную теорию, пока не собраны данные.

3. Разрабатывая теорию (гипотезу), необходимо предвидеть все возможные последствия работы, а потом, получив данные, сузить её.

2.3 Formal Models of Qualitative Research 49

Модель – это упрощение, приближение некоторых аспектов мира. Модель зависит от целей и задач, которые мы себе ставим. Качественные исследователя часто используют вербальные модели. В данной книге будут использоваться алгебраические модели для улучшения вербальных. Логика вывода в этих моделях как в количественных, так и в качественных исследованиях. Эти моделя являются полезными абстракциями в исследованиях.

2.4 A Formal Model of Data Collection 51

До оформления презентации описательных и причинных выводов (двух основных задач социальных исследований), необходимо развить модель модель сбора данных и оформления этих данных. Эта модель проста, но она представляет собой мощный инструмент для анализа. Под сбором данных авторы понимают широкий спектр методов, в том числе наблюдение, включенное наблюдение, интенсивное интервью, крупномасштабные выборочные обследования, истории, записаные из вторичных источников, рандомизированные эксперименты, этнографии и любые другие методы сбора достоверных доказательств. Самое главное правило – иметь отчет о том, как эти данные были собраны. Нужно моделировать данные с переменными. Переменная может представлять то, что изменяется с набором единиц(ими могут быть люди, страны, организации, годы, выборы, или десятилетия и любая комбинация тех или иных единиц). Наблюдения могут быть числовые, вербальные, визуальные, или любой другой тип эмпирических данных. Очень важно проводить различие между числом случаев и числом наблюдений. Первые могут представлять определенный интерес для некоторых целей, но только последние имеют важное значение в оценке количества информации, которой привносит само исследование в теоретический вопрос.

Вопрос, который ставят авторы: «Как сделать описательные выводы об «истории, какая она на самом деле есть», не потерявшись при этом в море незначительных подробностей?».

2.5 Summarizing Historical Detail 53

После того, как данные были собраны, необходимо описать те данные которые есть в базе, но не имеют прямого отношения к выводам, а также обобщить те данные, которые имеют непосредственно важное значение для исследования. Авторы предлагают модель процесса обобщения исторических деталей, которая является статистикой. Статистика является выражением данных в сокращенном виде. Ее цель - отображение соответствующих характеристик данных в удобном формате. С помощью статистики можно рассчитать среднее, максимум, минимум, медиану, моду, или дисперсию. Если у нас очень большой числовой набор данных, то намного понятнее и нагляднее использовать статичтические данные, чем описывать всю базу целиком.

Правила, которые регулируют резюме исторических деталей:

1. Резюме должно быть сосредоточено на результатах, которые мы хотим описать или

объяснить.

2. Резюмирование данных должно упрощать информацию. То есть статистических данных должно быть меньше чем исходных.

2.6 Descriptive Inference 55

Описательный вывод – это процесс «узнавания» неизвестного феномена на основе уже известных данных.

Мы никогда не сможем с абсолютной точностью предсказать или объяснить какой-то факт (потому что в социальных науках очень большую роль играет неопределённость и случайность), однако чем больше мы изучаем этот факт, тем меньше становится уровень неопределённости.

Пример с выборами, которые проходят каждую неделю и не зависят друг от друга - нужно предсказать итог каждых выборов. Все выборы будут отличаться друг от друга. Существуют систематические и несистематические различия. Систематические включают в себя фундаментльные и предсказуемые характеристики (то, что почти не меняется): идеология, доходы, менталитет, возрастная принадлежность и пр. Несистематические – внезапные изменения – погода, настроение, отпуск, болезнь и пр.

Основная цель вывода – разделить систематические составляющие от несистематических.

Также используются термины объяснённая переменная и зависимаю переменная. Одна из целей вывода – узнать о систематических характеристиках неизвестной переменной. Ожидаемое значение представляет значительный интерес для социологов (математическое ожидание). Несистематические характеристики измеряются с помощью дисперсии.

Есть 2 крайние точки зрения ученых:

1. Вероятностный мир – роль несистематических характеристик, ничего нельзя польностью предсказать.

2. Детерминированный мир – можно отделить систем и несистем и прдесказать всё максимально четко.

Задача: сказать, что определенные события – это результат систематических сил.

2.7 Criteria for Judging Descriptive Inferences 63

Критерии для оценки описательных выводов:

1. несмещенность

2. эффективность

3. состотельность

(Эти определения лучше посмотреть самостоятельно, потому что в тексте очень невнятно написанные примеры, раскатанные на 10 страниц)

Удачи!

Дата добавления: 2015-10-29