Методы классификации

основывается на стратегии изучения случая (см. Изучение случая).

Анализ эмпирической информации в качественном иссл-и явл. итерационным и обеспечивается специальными прие­мами кодирования элементов содержа­ния текстов (нарративов свободных ин­тервью, записей наблюдений и др.).

Задача кодирования состоит в пере­воде содержания текстов, описывающих изучаемую реальность на уровне обы­денного сознания и яз. повседневности, на уровень науч. описания, интерпрета­ции тех смыслов, к-рые содержатся в анализируемых нарративах соц. акторов.

При кодировании, к-рое может со­стоять из неск. этапов, используется процедура триангуляции для снижения возможных субъективных смещений при интепретации: сравнение рез-тов анали­за нарратива разными исследователями, и/или сравнение данных, полученных разными методами. Рез-том явл. форми­рование концепции (микротеории) каждо­го анализируемого случая с учетом каждого из предшествующих случаев (итерацион­ный анализ) для получения насыщенного описания типичных феноменов, отра­жающих изучаемую реальность.

Лит.: Биографический метод в соц-и: история, методология, практика. М., 1994; Романов П.В., Ярская-Смирнова Е.Р. «Делать знакомое неизвестным...»: этно­графический метод в соц-и // Социол. журнал. 1998. № 1/2; Семенова В.В. Каче­ственные методы: введение в гуманисти­ческую соц-ю. М., 1998; Ковалев Е.М., Штеинберг И.Е. Качественные методы в полевых социол. иссл-ях. М., 1999; Стра­усе Α., Корбин Д. Основы качественного нссл-я. Обоснованная теория. Процеду­ры и техники / Пер, с англ. М., 2001; Исупова О.Г. Конверсационный анализ: представление метода // Соц-я: методоло­гия, методы, матем. модели. 2002. № 15; Ядов В.Л. Стратегия социол. иссл-я. М., 2007.

ОМ. Маслова

МЕТОДЫ КЛАССИФИКАЦИИ - со­ставная ч. методов многомерного анали­за. М.к. позволяют осуществить разбие-

ние совокупности объектов на отд. кл. так, что объекты, отнесенные к одному кл., считаются похожими, близкими, од­нотипными, а к разным — непохожими, далекими, разнотипными. В общем слу­чае искомые кл. опред. проявлением в них нек-рых эмпирических закономер­ностей (опред. сочетания значений при­знаков; связи регрессионного характера между признаками; разбиение удовле­творяет заданному критерию оптималь­ности и т.д.). Кл. могут пересекаться и не пересекаться. И процедура разбие­ния, и его рез-т (совокупность кл.) на­зываются классификацией. М.к. приме­няются либо для сжатия информации, либо в кач-ве инструмента анализа ти­пологического в целях обнаружения типо­логических синдромов или проверки ги­потезы о существовании типов в задан­ном исследователем смысле. В первом случае, как правило, требуется разбие­ние на сравнительно небольшое число однородных гр., и не стоит задача опре­деления естеств. расслоения исходных объектов, как во втором случае.

Первые алгоритмы М.к. возникли из геометрического представления: объек­ты — точки многомерного пространства классификационных признаков. Похо­жесть объектов — близость их располо­жения в этом пространстве; кл. — сгу­щение объектов опред. конфигурации. Многообразие постановок задач типоло­гического анализа породило существова­ние разл. процедур классификации, каж­дая из к-рых предполагает опред. крите­рий (задаваемый в явном или неявном виде) похожести объектов и алгоритм классификации.

В ряде М.к. критерий похожести за­дается как мера близости между любыми двумя объектами. В социол. иссл-ях классификационные признаки часто имеют номинальный уровень измере­ния, поэтому их преобразуют в бинар­ные (дихотомические). Важно уметь варьировать мерами близости, но не в любом алгоритме можно задавать тре­буемую меру. В нек-рых М.к. мера бли­зости уже заложена в неявном виде в са­мом алгоритме.

МЕТОДЫ КЛАССИФИКАЦИИ

Алгоритм классификации — процеду­ра, посредством к-рой осуществляется разбиение объектов па классы, т.е. гр., на к-рых выполняется нек-рая законо­мерность (частично формализованная уже введением критерия похожести объ­ектов). Алгоритм реализуется при опрел, ограничениях, задаваемых в виде пара­метров М.к. (число кл., порог различи­мости объектов и кл. и т.д.).

Каждый алгоритм характеризуется нек-рыми свойствами. I. Устойчивость Относительно переупорядочения объек­тов. Реализация М.к. предполагает иск­ру ю упорядоченность объектов с т.з. по­рядка поступления па «вход» алгоритма (к.-то объект называется первым, к.-то — вторым и т.д.). Меняя порядок и приме­няя алгоритм еше раз. получают новый рез-т, к-рый может не совпатать с преды­дущим. В случае совпадения считается, что алгоритм обладает свойством допусти­мости относительно переупорядоченное™ объектов. 2. Устойчивость относительно дублирования кл. Это означает, что если объекты иск-рого кл. добавить (продубли­ровать) в исходную совокупность и повто­рить процедуру классификации, границы кл. не изменятся. 3. Устойчивость отно­сительно удаления кл. Это означает, что если объекты одного кл. удалить из ис­ходной совокупности и повторить класси­фикацию, то границы кл. не изменятся. 4. Устойчивость относительно дублирова­ния объектов. Это свойство аналогично второму, с той лишь разницей, что вме­сто кл. рассматривается объект. К числу важных относится и свойство, связанное с тем, что не всякая мера близости (за­даваемая в явном виде) может быть ис­пользована в любом алгоритме. Это от­носится к тем алгоритмам, в к-рых, напр., несмотря па явную форму зада­ния меры близости, сам алгоритм может быть реализован только при понимании близости как евклилового расстояния.

Совокупность М.к. можно сгруппи­ровать по разл. основаниям. Так, в зави­симости от объема классифицируемой совокупности и от априорной информа­ции о числе кл. принято выделять три типа М.к.: иерархические, параллель-

ные, последовательные. Это деление ус­ловно. Суть иерархических методов со­стой!' в построении совокупности раз­биений, каждое из к-рых получается из предыдущего посредством либо объеди­нения двух и более кл. (т.н. агломера-тивные) либо разбиения кл. (т.н. ливи-зимиые). В первом случае — начальное разбиение представляет собой совокуп­ность N кл. (/V — число объектов), во втором — один кл.. состоящий из У объ-ектов. Иерархические методы (ближай­шего соседа, мииим. внутриклассового разброса и т.д.) рекомендуются исполь­зовать для случая небольшого числа объ­ектов и неизвестности числа кл.

Параллельные и послед. М.к. носят итерационный характер. Первые исполь­зуют параллельно (отсюда и название) все объекты исходной совокупности, вторые — только ч. (для анализа боль­шого объема информации). В параллель­ных и послед, методах число кл. либо за­дано, либо подлежит определению. Кл. формируются, напр., по принципу опре­деления мест (в пространстве призна-коп), наиб, сгущенности (плотности, концентрации) точек; по принципу оп­тимизации т.н. функционала кач-ва раз­биения и т.д. Функционал кач-ва раз­биения вводится как нек-рая функция, связывающая классификационные при­знаки. Тогда отыскивается разбиение, на к-ром он принимает макс, значение. Напр., в виде суммы (но всем кл.) внуг-ригрупповых дисперсий по всей сово­купности классификационных призна­ков.

М.к. различаются в зависимости от того, стат. или детерминистский подхо­ды лежат в их основе (см. Анализ дан­ных). Примерами первого явл. т.п. мето­ды разделения смесей, модального ана­лиза и т.д. Большинство М.к. относятся ко второму подходу. Среди них можно выделить две гр. методов, ориентирован­ные па слел. важные для социолога си­туации в характере исходных для анали­за признаков: I) признаки имеют разл уровень измерения: 2) признаки играют в процессе классификации разл. роль одни носят характер признаков-причин

Дата добавления: 2015-07-19