URSS.ru - Издательская группа URSS. Научная и учебная литература
Об издательстве Интернет-магазин Контакты Оптовикам и библиотекам Вакансии Пишите нам
КНИГИ НА РУССКОМ ЯЗЫКЕ


 
Вернуться в: Каталог  
Обложка Хайтун С.Д. Количественный анализ социальных явлений: Проблемы и перспективы
Id: 106588
 
339 руб.

Количественный анализ социальных явлений: Проблемы и перспективы. Изд.3

URSS. 2010. 280 с. Мягкая обложка. ISBN 978-5-484-01078-3. Уценка. Состояние: 5-. Состояние обложки: 4+.

 Аннотация

В монографии анализируются пути коренной перестройки количественного аппарата науковедения и других социальных наук. Обсуждаются некоторые особенности количественного анализа социальных явлений, снижающие сегодня эффективность применения математики в данной области. Предлагаются решения этих проблем --- переход к негауссовой математической статистике, отказ от закрытых количественных шкал в пользу открытых и т. д.

Монография снабжена обширным графическим и библиографическим материалом, который может представлять и самостоятельный интерес.

Для науковедов, экономистов, социологов и психологов.


 Оглавление

Предисловие
Введение
Словарь терминов

РАЗДЕЛ ПЕРВЫЙ. ИНДИКАТОРЫ

Глава 1. Первая проблема: субъективность данных
 1.Основания теории измерения: индикаторы и латентные переменные
 2.Основания теории измерения: критерии измерения
 3.Постановка проблемы
 4.Решение проблемы
 5.Резюме
Глава 2. Современное состояние и перспективы
 1.Состояние
 2.Перспективы

РАЗДЕЛ ВТОРОЙ. ШКАЛЫ

Глава 3. Вторая проблема: неаддитивность данных
 1.Аддитивность: определение
 2.Постановка проблемы
 3.Неаддитивность: предварительные соображения
 4.Основания теории измерения: шкалы
 5.Основания теории измерения: шкалы и переменные
 6.Аддитивность и латентная переменная
 7.Аддитивность и индикатор
 8.Решение проблемы
 9.Резюме
Глава 4. Современное состояние и перспективы
 1.Состояние
 2.Перспективы

РАЗДЕЛ ТРЕТИЙ. СРЕДСТВА ОБРАБОТКИ

Глава 5. Третья проблема: негауссовость данных
 1.Концепция негауссовости
 2.Некоторые дополнения
 3.Зависимости между переменными
 4.Роль распределения Ципфа
 5.Постановка проблемы
 6.Резюме
Глава 6. Современное состояние и перспективы
 1.Состояние
 2.Перспективы

РАЗДЕЛ ЧЕТВЕРТЫЙ. МЕТРИЧЕСКИЕ МОДЕЛИ

Глава 7. Четвертая проблема: "объектность" метрических моделей
Глава 8. Современное состояние и перспективы
 1.Состояние
 2.Перспективы
Заключение: состояние и перспективы количественного анализа науки
 1.Измерение
 2.Математическое моделирование
 3.Принятие решений
 4.Итоги
Литература
 0.Общие вопросы
 1.Измерение
 2.Математическое моделирование
 3.Принятие решений

 Предисловие

"Мне кажется, что главное "дело" человека... главное назначение его жизни состоит вот в чем: он должен стараться тем или иным способом привести весь этот непостижимый хаотический мир к единству".
Уильям Голдинг

Настоящая монография написана в развитие идей, изложенных в книге "Наукометрия: состояние и перспективы". Написание обзорных работ, к которым может быть отнесена и "Наукометрия", при всей их несомненной важности и полезности, представляется трудом в значительной степени неблагодарным. Однако в данном случае автор был вознагражден сторицею: сведение воедино накопленных на сегодняшний день результатов позволило заметить то общее, что, кажется, характеризует все стационарные наукометрические распределения. Результатом явилась концепция негауссовости научной деятельности (и шире -- негауссовости социальных явлений), которая и была изложена в "Наукометрии". Анализ феномена негауссовости науки привел автора к выводу о необходимости отказа при количественном анализе научной деятельности от традиционной гауссовой математической статистики.

Этим выводом и завершается "Наукометрия", в которой говорится о том, почему нельзя использовать гауссовую статистику; рекомендации книги носят главным образом негативный характер. Ломать -- не строить, "отменить" гауссовую статистику -- относительно легко. Гораздо сложнее построить взамен негауссовую статистику, внедрить ее в ныне существующие количественные методы и, быть может, разработать новые, специально ориентированные на негауссовую статистику. Настолько сложнее, что решать эту задачу придется объединенными усилиями ученых разных специальностей.

Целью настоящей монографии является разработка позитивных рекомендаций. Конечно, здесь не решается в полном объеме задача перевода количественных методов анализа науки на рельсы негауссовой статистики. Задача автора -- попытаться ответить на вопросы: какие элементы гауссовой статистики сохраняют свое значение для негауссовой; в какой мере современный количественный анализ науки опирается на гауссовую или негауссовую математическую статистику; насколько существен, следовательно, переход от гауссовой статистики к негауссовой; какие конкретные количественные методы он затрагивает и в чем конкретно это выражается?

Анализ проблемы негауссовости данных по самой сути вещей оказывается тесно связанным с анализом другой проблемы количественного анализа науки -- неаддитивности данных. О ней в "Наукометрии" говорилось лишь в самых общих чертах. Здесь эта проблема подвергнута детальному анализу, какого она и заслуживает.

Анализ проблем негауссовости и неаддитивности привел к проблеме "объектности" метрических моделей, связывающих индикаторы (непосредственно наблюдаемые переменные) и латентные (скрытые) переменные. Эта проблема также практически не затрагивалась в "Наукометрии", и здесь она также детально обсуждается.

Анализ проблем негауссовости, неаддитивности и "объектности " метрических моделей основывается на анализе проблемы субъективности данных, возникающей вследствие специфической природы в науковедении и других социальных науках измерительного прибора, в качестве которого здесь выступает человек, склонный в отличие от физического прибора адаптироваться к условиям измерения.


 Введение

Наука рассматривается сегодня, во-первых, как совокупность систематизированных знаний, во-вторых, как специфический социальный институт, в-третьих, как особая форма деятельности. Объектом нашего внимания в настоящем исследовании будет служить в основном наука как научная деятельность. В таком качестве наука является объектом изучения науковедения, эмпирическую основу которого составляют количественные методы. Как и в других социальных дисциплинах, количественные методы используются здесь на трех уровнях. Уровень измерения поставляет значения переменных и основные количественные закономерности. Математическое моделирование описывает результаты измерения математическими зависимостями (моделями). На уровне принятия решений, используя результаты измерения и математические зависимости между переменными, ищут значения переменных, оптимизирующие объекты в заданном направлении.

Науковедение использует количественные методы, заимствованные в основном из других социальных наук. В историко-научных исследованиях применение математических методов прослеживается с 1830 г. [0.51]. Исследования науки также с самого начала ведутся с использованием количественных методов. В этой связи могут быть названы, например, Ф.Гальтон [0.45, 0.46], П.И.Вальден [см. 1.3], Д.Бернал [0.7, 0.8].

Современная стадия развития исследований науки характеризуется накоплением огромного и все возрастающего эмпирического материала, "непереваренного" в своей массе теоретическим науковедением. Не сгущая красок, следует сказать, что количественные результаты, полученные на сегодня эмпирическим науковедением, вместо цельной картины изучаемых явлений дают пока лишь крайне фрагментарную мозаику отдельных зачастую трудно сопоставимых фактов и наблюдений. Создается впечатление, что не хватает небольшого толчка, который стронул бы эту лавину данных, и тогда она завалит нас интересными результатами и закономерностями.

Аналогичное положение наблюдается сегодня и в других науках о человеке и человеческом обществе -- социологии [1.63, с.150--151; 1.81, с.35--36], психологии [0.27 с.6] и т.д. Трудности, связанные с применением математики в социальных науках, во многом объективны и связаны с особенностями социальных явлений по сравнению с естественнонаучными. Основная особенность состоит в том, что познаваемый объект является здесь субъектом -- носителем познания [0.4, с.28]. Эта особенность порождает ряд других [0.11, с.202; 1.118, с.24--28]. В частности, здесь затруднен эксперимент [0.33; 0,36; 0.49].

Можно, по-видимому, говорить о целом спектре реакций исследователей на эти трудности -- от полного неприятия математики (вспомним, например, концепцию "уникального измерения") до представлений о ней как универсальном средстве [0.27, с.10]. Конечно, не правы те, кто отрицает возможность применения математики в социальных исследованиях. Как писал К.Маркс, наука только тогда достигает совершенства, когда ей удается пользоваться математикой. Ясно, что математика представляет собой не просто средство преобразования эмпирических данных в форму, удобную для теоретических построений, но выступает как средство абстракции, анализа и обобщения этих данных [0.27].

Не правы вместе с тем и те, кто полагает, будто любой объект и любая сторона объекта поддаются какой угодно математизации. Как заметил Ф.Энгельс, "если захочешь добиваться математической достоверности в вещах, не допускающих этого, нельзя не впасть в нелепость или варварство" [0.1, т.1, с.638]. Один лишь количественный анализ ничего не дает без уяснения качественной специфики исследуемых явлений. Вот что пишет В.И.Ленин о ходе познания: "Сначала мелькают впечатления, затем выделяется нечто, -- потом развиваются понятия качества (определения вещи или явления) и количества. Затем изучение и размышление направляют мысль к познанию тождества -- различия -- основы -- сущности versus явления, -- причинности etc. Все эти моменты (шаги, ступени, процессы) познания направляются от субъекта к объекту, проверяясь практикой и приходя через эту практику к истине (-абсолютной идее)" [0.2, т.29, с.301].

Надо сказать, что исследователи, разрабатывая количественные методы анализа социальных явлений, с самого начала пытаются учесть специфику этих явлений. Достаточно вспомнить родившиеся в науках о человеке и деятельности методы многомерного и кластерного анализа, теорию принятия решений, теорию социального измерения, развившую теорию измерения физического.

И если, несмотря на все эти усилия, применение математики в социальных науках идет столь тяжело, то речь может идти, на наш взгляд, только об одном: учет специфики социальных явлений производится до сих пор недостаточно, из виду упускается что-то кардинально важное.

Сказанное полностью может быть отнесено к науковедению. Используемые в исследованиях науки количественные методы нуждаются в коренном их пересмотре в направлении более полного учета специфики изучаемых явлений.

Пересмотр количественных методов, используемых в исследованиях науки, предполагает прежде всего постановку "диагноза заболевания": необходимо выявить содержащиеся в этих методах истоки некорректности, которые мы и называем проблемами количественного анализа науки. Выявлению и анализу этих проблем посвящена настоящая книга.

В исследованиях науки используют или могут быть использованы практически все методы количественного анализа социальных явлений. Так что, хотим мы того или нет, исследование проблем количественного анализа науки предполагает исследование проблем количественного анализа социальных явлений в целом.

Постановка "диагноза" и лечение требуют рассмотрения всей совокупности количественных методов, используемых в социальных науках, и их применений. Этим вопросам посвящены сегодня уже миллионы работ, которые не могут быть, разумеется, отражены в одной монографии сколько-нибудь полно. Поэтому мы пошли по такому пути. Во-первых, мы определенным образом структурировали количественные методы. Например, методы измерения позволяют вычленить в них четыре компоненты -- индикаторы, шкалы, средства обработки и метрические модели (см. следующий за введением словарь терминов). Каждая из этих компонент может иметь несколько "значений", под которыми здесь понимаются разные индикаторы, типы шкал и т.д. Если предположить для иллюстрации, что четыре указанные компоненты принимают по 10 "значений", имеем всего 10x10x10x10=10 000 комбинаций, каждой из которых соответствует, вообще говоря, определенный метод. Вместо того чтобы рассматривать все эти 10 000 методов измерения, можно проанализировать 10+10+10+10=40 "значений" компонент методов. Таким образом, структуризация методов является эффективным средством сокращения изложения.

Во-вторых, мы ограничили круг рассматриваемых проблем такими, которые имеют значение для всей совокупности обсуждаемых количественных методов, оставив в стороне множество интересных самих по себе частных вопросов, касающихся отдельных методов или их групп.

В-третьих, основное внимание оказалось возможным сосредоточить на методах измерения, поскольку именно в них коренятся сегодня основные проблемы количественного анализа социальных явлений [1.81, с.54].

В-четвертых, при рассмотрении эмпирических применений количественных методов мы использовали в основном данные по такой частной дисциплине, как социология науки, являющейся "пересечением" науковедения и социологии. Социология носит не менее комплексный характер, чем науковедение [0.5, с.6]. Пересечение комплексных дисциплин дает комплексную же дисциплину. И потому в относительно небольшой по объему социологии науки используются или могут использоваться практически все методы измерения, используемые в социальных науках.

Методы измерения анализируются в монографии не сами по себе, но прежде всего с точки зрения возможности включения даваемых ими результатов в последующий анализ на уровнях математического моделирования и принятия решений. Возможность такого включения характеризуется нами критерием релевантности, который оказывается весьма жестким и делает несостоятельным целый ряд таких методов в их современной транскрипции.

Следует отметить, что все методы измерения в социальных исследованиях имеют одну -- вероятностную -- природу, и потому в их основе лежит один математический аппарат -- математическая статистика. Все чаще появляются высказывания о том, что встречающиеся в социальных науках распределения не являются в общем случае распределениями значений независимых случайных событий [1.81, с.39--40]. И следовательно, что количественный анализ социальных явлений требует использования математической статистики зависимых событий.

Нам представляется, что утверждения такого рода несколько опережают события и являются просто не совсем адекватной реакцией на объективные трудности количественного анализа социальных явлений. И в какой-то мере -- продуктом недопонимания теории вероятностей. Мне приходилось встречаться, например, с высказываниями, что распределение Ципфа--Парето, часто встречающееся в социальных областях, уже не может описывать независимые события, которые якобы дают лишь распределение Гаусса. На самом деле математическая статистика независимых событий дает самые разные распределения, в том числе и распределение Ципфа. В настоящем исследовании показывается, что сложности, возникающие при количественном анализе социальных явлений, имеют на современном этапе иные корни. Следует сначала ликвидировать другие, более простые источники некорректностей. И, если этого окажется мало, только тогда прибегать к громоздкому аппарату математической статистики зависимых событий.

На аппарат теории вероятностей, используемый в социальных науках, атака ведется и с другой стороны. Именно, следуя Л.А.Заде, взамен вероятностных представлений выдвигаются представления о так называемых нечетких [fuzzy] множествах [0.20, 1.79, 3.5], базирующиеся, в свою очередь, на представлениях о нечеткости мышления человека. Здесь обычное "четкое" множество, образуемое однозначно отнесенными к нему объектами, заменяется нечетким множеством, и вводится так называемая функция принадлежности, определяющая степень принадлежности объектов к этому множеству.

На наш взгляд, аппарат нечетких множеств эквивалентен по своему идейному наполнению аппарату теории вероятностей. Видимо, прав А.И.Орлов, утверждающий, что "нечеткие множества естественно рассматривать как "одномерные проекции" случайных множеств" [1.79, с.39], фигурирующих в теории вероятностей. Будучи идейно эквивалентной теории вероятностей, теория нечетких множеств, которой посвящено сегодня уже более тысячи публикаций, на наш взгляд, более громоздка и потому имеет невысокую конкурентоспособность.

Структура книги определяется ее содержанием. Она состоит из четырех разделов и заключения. Четыре раздела соответствуют четырем указанным выше компонентам методов измерения. Изложение четырех основных проблем количественного анализа науки, вокруг которых строится вся книга, локализовано в первых главах разделов. Это оказалось возможным благодаря тому, что эти проблемы связаны в основном с соответствующими компонентами методов измерения. Главы имеют сквозную нумерацию.

В заключении анализ проблем измерения включается в общий контекст проблем количественного анализа науки. Первые три параграфа посвящены трем уровням этого анализа -- измерению, математическому моделированию и принятию решений. В итоговом, четвертом параграфе суммируются выводы относительно проблем и перспектив количественного анализа науки и социальных явлений в целом.

Книга снабжена небольшим словарем терминов, предпосланным разделам, и графическим материалом, который дается в тексте по мере необходимости. Библиографию же мы, напротив, предпочли вынести в конец книги и структурировать.


 Об авторе

Сергей Давыдович Хайтун

Кандидат физико-математических наук, ведущий научный сотрудник Института истории естествознания и техники РАН. Автор более 140 научных публикаций и книг, среди которых: "Наукометрия: состояние и перспективы" (1983), "Механика и необратимость" (1996), "Мои идеи" (1998), "История парадокса Гиббса" (URSS, 2005, 2-е изд.), "Феномен человека на фоне универсальной эволюции" (URSS, 2005). Публицист. Основные темы -- российская номенклатура и перспективы перехода России к кейнсианской экономике.

 
© URSS 2016.

Информация о Продавце