Аналитическая обработка информации

08.09.2020

48. Аналитическая обработка информации

Аналитическая обработка информации включает формирование системы показателей, изучение которых требуется для достижения целей проводимого анализа. Эти показатели либо уже содержатся в подобранной информации, либо исчисляются в процессе ее аналитической обработки. Под системой показателей подразумевается такое упорядоченное их множество, в котором каждый показатель дает качественную и количественную характеристику определенной стороны деятельности хозяйствующего субъекта, взаимосвязан с другими показателями, но не дублирует их, обладает свойствами сводимости и делимости.

Классификация аналитических показателей по группировочным признакам: по способу исчисления – абсолютные и относительные; по применяемым измерителям – натуральные, условно-натуральные, трудовые, полностоимостные, элементно-стоимостные; по получаемым характеристикам – количественные и качественные; по степени обобщения – обобщающие и частные; по охватываемому периоду – статические и динамические; по отношению к деятельности анализируемого хозяйствующего объекта – объективно независящие и субъективно зависящие; по слагаемым эффективности – производительность, фондоотдача, материалотдача, качество; по стадиям жизненного цикла – проектирование изделий, подготовка производства, материально-техническое обеспечение, производство, реализация, эксплуатация (обслуживание).

Количество показателей в процессе аналитической обработки информации может увеличиваться практически безгранично путем их дифференциации или интеграции в зависимости от программы анализа, глубины изучения результатов деятельности и влияющих на них факторов.

Использование разных группировочных признаков при классификации показателей позволяет лучше разобраться в природе показателя, а также в принципах его расчета, и подобрать тот круг показателей, который необходим для многостороннего исследования анализируемого объекта и факторов, влияющих на его состояние и динамику применительно к цели конкретного аналитического исследования.

Данный текст является ознакомительным фрагментом.
Читать книгу целиком
Поделитесь на страничке

ВТОРИЧНЫЕ ДАННЫЕ КАК ИНФОРМАЦИОННЫЙ РЕСУРС: СПЕЦИФИКА И ПОРЯДОК РАБОТЫ

А.В. Стрельникова

В статье проанализированы достоинства и недостатки основных источников вторичных данных: государственной статистики, результатов предшественников и документов (текстов). Сделан вывод о том, что тексты являются наиболее перспективным источником данных с точки зрения вторичного анализа, так как текстовая информация дает уникальную возможность многократного обращения к ней. Также в статье описываются этапы подготовки к вторичному анализу, приводятся примеры стратегий работы с вторичными данными.

Ключевые слова: социологические данные, анализ данных, вторичный анализ данных, методология анализа данных.

Информационный ресурс эмпирического исследования в социологии может быть представлен первичными и вторичными источниками данных. При этом выбор тех или иных методов анализа обычно определяется, исходя из характера данных (количественные базы данных, транскрипты и т. д.) и предполагаемой формы конечного «продукта» исследовательской работы (отчета, научной статьи и т. д.).

Говоря о социологических эмпирических данных, обычно выделяют следующие их разновидности:

1) совокупность чисел, характеризующих те или иные объекты;

2) множество индикаторов определенных отношений между рассматриваемыми объектами;

3) результаты попарных сравнений респондентами каких-либо объектов;

4) совокупность определенных высказываний;

5) тексты документов;

6) так или иначе зафиксированные результаты наблюдения за невербальным поведением и т. п.1

Все перечисленные разновидности информационного ресурса эмпирического исследования могут выступать в роли вторичных данных. Сгруппируем их по потенциальным источникам. Это государственная статистика, результаты массовых опросов (данные предшественников) и документы (тексты). Рассмотрим по порядку их достоинства и недостатки.

1. Источники вторичных данных

Государственная статистика. Государственная статистика аккумулирует обобщенные социальные показатели по регионам, отраслям, социальным группам. Полученные данные издаются в виде справочников, аналитических записок, отчетов.

Основным достоинством государственной статистики как вторичного источника является регулярность предоставления данных и их широкая доступность, а также длительный опыт накопления материалов, что позволяет сравнивать разные исторические периоды. Статистические показатели в большинстве случаев уже сгруппированы, нормированы и поэтому достаточно наглядны. Соответственно, их анализ не представляет серьезных трудностей.

Однако у государственной статистики имеется и ряд недостатков. Так, из советского времени идет представление о государственной статистике, как о малодоступном и малонадежном источнике информации. Например, В. Воронков утверждает, что в СССР статистические данные были непригодны для использования из-за повсеместных искажений, в особенности по сельскому хозяйству и вооруженным силам2.

Оценивая достоверность как доступной, так и секретной статистики советского времени как крайне низкую, текущее состояние дел считают еще более плачевным. Пессимизм обусловлен тем, что рыночные преобразования разрушили саму систему организации статистики, систему обязательного предоставления отчетности. В результате мы имеем многочисленные свидетельства о приписках и подлогах даже при проведении Всероссийской переписи на-селения3. Поэтому неудивительно, что исследователи, так или иначе посвященные в практику сбора статистических сведений, называют статистику «главным поставщиком артефактов для политизированной дискуссии о российском обществе»4.

Многие исследователи отмечают, что полезность статистических данных является сомнительной, потому что они попросту многое не учитывают. Действительно, на базе статистических трендов

невозможно объяснить серьезные социокультурные трансформации последнего столетия. По мнению З. Баумана, «статистика не схватывает размаха возможностей и беспомощна в отношении динамики их саморазвития и столкновения… все крупные, действительно существенные перемены в нашем столетии произошли неожиданно, ни один из них нельзя было предвидеть и дедуцировать заранее из статистических трендов…». Помимо этого, одним из минусов использования данного информационного ресурса является существенное запаздывание по срокам: в ряде случаев с момента сбора данных и до их обнародования проходит не меньше года. Поэтому такие данные не пригодны, например, для аналитических обзоров текущей общественно-политической ситуации в стране.

Исходя из вышеизложенного, статистические данные в качестве вторичных источников можно применять ограниченно. Их следует дополнять перекрестными данными из массовых или экспертных опросов, соответствующих документов и т. д.

Результаты массовых опросов (данные предшественников). К этой группе источников мы относим всевозможные результаты социологических обследований, независимо от того, кто их проводил (исследовательская фирма, академический институт, коммерческая организация). Г.Г. Татарова5 предлагает более дробную структуру, разделяя данные предшественников на три группы: данные, полученные с помощью вопросников сложной структуры; данные, полученные с помощью вопросников простой структуры; данные бюджетов времени. При этом под вопросниками простой структуры она подразумевает массовые анкеты по изучению общественного мнения (маркетинговые опросы, различные мониторин-ги и т. д.). В отличие от них, вопросники сложной структуры содержат многоуровневые блоки вопросов (например, по выявлению установок, ценностных ориентаций) и применяются в исследованиях аналитического характера. Для нас основной критерий отнесения в эту группу — наличие данных, выраженных в цифровой форме (собственно баз данных, линейных распределений, мер средней тенденции для групп), поэтому подгруппы по типам вопросников мы не рассматриваем.

Как вторичный источник данные предшественников предпочтительны в тех случаях, когда требуются регулярные описания динамики социально-экономических, социально-политических и других показателей, которые на протяжении длительного времени интерпретируются и переводятся на операциональный уровень по одним и тем же типичным схемам6 у большинства исследователей. Удобны они и для использования в учебных целях, например в курсах по анализу данных с применением программного пакета SPSS.

Рассмотрим отрицательные стороны этого источника вторичных данных, которые заставляют более сдержанно относиться к его использованию. Это, в первую очередь, рассогласованность выборочной и генеральной совокупностей, проявляющаяся в смещении группообразующих критериев. Так, большинство массовых опросов по-прежнему опираются на традиционные социально-демографические критерии отбора респондентов, в то время как в современном российском обществе одни из них потеряли актуальность, а другие пришли на смену старым. Исследователи-прикладники отмечают, что внутригрупповые различия в стилях жизни и ценностные установки часто более существенны, нежели межгруп-повые7. Второе возражение связано с таким свойством массовых опросов, как нивелирование индивидуальных различий и субъективных характеристик исследуемых людей и групп. Наконец, третье возражение связано с сомнением в достоверности данных массовых опросов. Считается, что в последнее десятилетие опросы становятся не столько выражением реального мнения общества, сколько пропагандистской подготовкой к результатам выборов. Отметим, что особые нарекания вызывают политические прикладные исследования, в которых социологические опросы и их интерпретация стали «эффективным, не только оборонительным, но и наступательным, оружием»8. Однако выявленные недостатки не являются препятствием для использования результатов массовых опросов в качестве вторичного источника. Было бы неразумно исключать из рассмотрения такой большой и постоянно пополняющийся сегмент исследовательских материалов, как результаты предшественников. Поэтому перечислением недостатков мы указываем, прежде всего, на необходимость проверки и сопоставления подобных данных перед использованием.

Документы (тексты). К данной группе вторичных источников мы относим документы и тексты (в широком смысле)9. Основными характеристиками текстов является их знаковая природа (принадлежность к специфической знаковой системе) и наличие определенной информации, которая передается посредством данного текста в явной или скрытой форме10. По типу данных это могут быть печатные и рукописные документы (отчеты, стенограммы, письма, записки, дневники); аудио-, фото- и видеодокументы (кассеты с записью интервью, фотографии); вещественные свидетельства (личные вещи). По содержанию это могут быть биографические данные (личные документы, интервью), дневники наблюдений, ответы на открытые анкетные вопросы, экспертные заключения. Как следует из приведенных примеров, огромные массивы текстовых данных представляют собой опосредованное отражение действительности

и могут аккумулироваться преимущественно с помощью «мягких» (качественных) методов.

Тексты могут создаваться как независимо от исследователя, так и по его инициативе. В первом случае исследователь не может влиять на содержание и качество текстовой информации (эта информация предоставляется независимым от исследователя источником данных), во втором случае текст является непосредственным продуктом взаимодействия с объектом исследования (например, стенограмма глубинного интервью). Существует и третий тип текстов, которые полностью создаются исследователем (дневник наблюдений, этнографическое исследование). Каждый из этих видов текстов характеризуется собственными познавательными и аналитическими возможностями.

Многообразие документов и текстов как потенциальных вторичных данных является одновременно и достоинством, и недостатком. Достоинство заключается в богатстве смыслов, которое можно почерпнуть в этом многообразии. Недостаток заключается в необходимости работы с огромным потоком неструктурированной информации. Поэтому перед использованием текстовых данных следует обязательно продумать процедуры кодирования (объединения единиц анализа текста в обобщенную категорию или класс с приписыванием кодового значения) и упорядочить этот поток.

Поскольку кодирование служит цели определения места данных в общей картине изучаемой реальности, следует соотносить каждый этап группировки и присвоения кодов с исследовательскими задачами. Как справедливо замечено Ю.Н. Толстовой, никакой «поток сознания» не позволит нам говорить о научных выводах, если мы в этом «потоке» не выделили некоторые «жесткие» логические конструкты11. Соответственно, анализ такой информации — дело настолько же увлекательное, насколько и сложное. В большинстве случаев, все сводится к интерпретации текстов. Например, В.В. Семенова вслед за К. Гирцем12 предлагает использовать тактику плотного (или насыщенного) описания, в которой кроме фиксации самого события или отношения могут быть выделены: а) его контекст; б) субъективная значимость происходящего для участников действия; в) каким образом происходил процесс13. С. Квале говорит о последовательности самопонимания, критического понимания с позиций здравого смысла, и теоретического понимания14.

В интерпретации текстов полезными оказываются не только творческая интуиция и приемы аналитического раскрытия субъективных смыслов, но и обращение к соответствующим теориям текстовой интерпретации, в особенности к герменевтическому направлению.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Трактовка предмета гуманитарного познания как текста стала оформляться в философии языка В. Гумбольдта и Ф. Шлейермахе-ра. Для нашего исследования принципиально важным является тот факт, что родоначальники этого направления (в особенности Ф. Шлейермахер) уделяли большое внимание тем текстам, которые отделены от исследователя историческими, культурными, языковыми барьерами (так называемые тексты-памятники), тем самым указывая на приоритетность социально-исторического направления в интерпретации текстов. Ф. Шлейермахером (и позднее В. Дильтеем) была определена проблематика универсальной герменевтики — направления, стремившегося представить все формы человеческой деятельности как символические тексты, порождаемые в контексте данной культуры и имеющие бесконечное множество прочтений и интерпретаций. Смысл этих текстов чаще всего скрыт от субъекта познания, и его надо распознать, дешифровать, усвоить, проинтерпретировать. При этом обращается внимание на исторический и социокультурный контекст: «Если слово есть принцип культуры, то принципы анализа слова должны быть последовательно распространены на анализ культуры»15.

Принципы универсальной герменевтики последовательно развивались А. Уайтхедом, Г. Гадамером, П. Рикером. А. Уайтхед и Г. Гадамер обозначили особенности логики понимания (понимание как присвоение смысла, полученного в результате объяснения). П. Рикер заострил внимание на проблеме диалектики объяснения и понимания в контексте реконструкции текста как целого. Он подчеркивал посредническую роль текста (диалог между интерпретатором и создателем текста), из которой, в частности, следует, что при интерпретации текста имеет большое значение правильная методика формулировки вопросов по отношению к нему. Поскольку объяснение опирается на гипотезы, реконструирующие смысл текста как целого, возможности для его интерпретаций понимаются как ограниченные только позицией интерпретатора16.

А. Страус и ряд других исследователей предлагают использовать многоступенчатую процедуру кодирования текстовой информации: открытое, осевое и выборочное кодирование, которые соответствуют нескольким этапам прочтения текста17. Смысл такого многоступенчатого кодирования заключается в постепенном сужении поля анализа: от предельно открытого поиска смысловых единиц текста до узконаправленного, наиболее соответствующего замыслу исследователя. Так, на этапе открытого кодирования выделяются тематические категории, которые вытекают из общих исследовательских вопросов и находятся на очень низком уровне абстракции. Затем исследователь должен составить общий список

выявленных тем (они могут и расширять исходные исследовательские задачи) и продолжать работу по их конкретизации. Осевое кодирование подразумевает поиск контекстуальных связей между выделенными категориями (устанавливаются причинно-следственные связи, условия появления ключевых категорий и т. д.). Выборочное кодирование подразумевает последнее прочтение текста уже с учетом выстроенных категорий и служит для поиска наиболее ярких эпизодов для сравнения частей анализируемого текста.

Мы считаем, что документы и тексты являются наиболее перспективным источником данных с точки зрения вторичного анализа. Текстовая информация дает уникальную возможность многократного обращения к ней и поэтапного решения тех или иных задач. Богатый интерпретативный ресурс документов и текстов особенно эффективен, когда в фокусе исследования «история» одного социального объекта, отдельной личности или малой группы, мотивы, поступки и приписываемые этим поступкам смыслы, когда особую важность имеет исторический контекст социальных действий.

2. Подготовка к работе с вторичными данными

Вторичным анализом называют анализ с использованием вторичных данных, который предоставляет «интерпретации, выводы или знание, дополнительное или отличное от предоставленного в первом отчете по исследованию в целом и его основным резуль-татам»18. Иными словами, это решение новых задач на базе старых (вторичных) данных. Основная цель вторичного анализа принципиально не отличается от целей любого другого анализа. Это поиск закономерностей, связей между переменными или, в более общем смысле, уменьшение размерности данных, их уплотнение в соответствии с определенными критериями.

С помощью вторичного анализа возможно решение как методических, так и содержательных задач. Это в первую очередь сравнение результатов нескольких исследований; обобщение данных (что называют также метаанализом); изучение временной и территориальной динамики социальных процессов; сравнение различных методик сбора и анализа данных. Например, в исследовании Н.М. Хазеевой «Рейтинг 100 ведущих политиков России: методическая экспертиза» помимо выявления латентных факторов оценки влиятельности российских политиков проведена детальная оценка качества измерительных процедур, а также даны рекомендации для повышения надежности исследований с примене-

нием рейтинговых методик и экспертных оценок. В исследовании М.М. Малышевой «Профессиональная работа женщин и демографическое поведение: опыт вторичного анализа международных сравнительных исследований» изучается динамика положения женщин на рынке труда в межстрановой и временной перспек-тиве19. В работах по электоральной социологии И. В. Задорина («Экспертный сценарно-прогностический мониторинг: методологические основания и организационная схема»), Г.М. Орлова и В.Г. Шуметова («Модель электоральных предпочтений: методология построения»), О.Е. Трущенко («Использование вторичного анализа выборочных опросов в социально-проектных исследованиях») предлагаются методические рекомендации к использованию данных социально-политических опросов и экспертных оценок, описываются основные приемы моделирования в политических исследованиях20. Таким образом, помимо экономии ресурсов (что также является немаловажным преимуществом) использование вторичных данных позволяет решать серьезные научные задачи. Более того, уровень обоснованности научных выводов при вовлечении в исследование вторичных данных становится на порядок выше, так как статистическая база в нем может многократно возрастать по сравнению со «срезовым» эмпирическим исследованием и появляется возможность сопоставления согласованных или противоречащих научных результатов, обеспечиваются условия для более корректного использования математико-статисти-ческих процедур.

При проведении исследования на основе вторичного анализа предлагается придерживаться следующей схемы:

1) четко определиться со спецификой проблемы исследования;

2) подготовить предварительный план исследования;

3) отобрать подходящие данные в соответствии с проблемой исследования;

4) провести первичный анализ (например, закодировать данные, если они находились в архиве в исходном состоянии). Грамотная кодировка и инвентаризация материалов особенно актуальна, если данные являются разнородными (письма, интервью, числовые данные и т. д.) и собирались для других целей;

5) осуществить необходимые преобразования данных;

6) оценить полноту данных и при необходимости провести дополнительный поиск или сбор данных21.

Эффективное использование вторичных данных в социологическом исследовании подразумевает тщательное изучение выбранных массивов с целью оценки их релевантности, полноты, надежности. Исследователю необходимо составить подробное описание исход-

Различие в этапах исследования при использовании первичных и вторичных данных

ных данных и процедур, которые были использованы для приведения данных в соответствие с текущими целями исследования.

Существуют некоторые общие критерии для отбора вторичных данных. Так, Г.И. Саганенко предлагает оценивать пригодность вторичных данных по критерию доступности и надежности. В исследованиях, которые ориентированы на прогноз, критерий надежности исходной информации должен соблюдаться особенно строго22. Что касается доступности данных, то выделение этого критерия, на наш взгляд, является особенно важным в российском контексте: доступность напрямую связана не только с наличием соответствующих источников, но и с умением грамотно их искать. Надежность количественных данных проверяется посредством соответствующих статистических процедур и выявлением воз-

можных источников смещений. Что касается надежности данных «качественного» исследования, то она обеспечивается следующими действиями исследователя: соотнесением вторичных данных с реальными событиями, с аналогичными обстоятельствами в жизни других людей, с другими источниками информации и выявлением противоречий.

Для повышения надежности результатов при исследовательской интерпретации данных применяется метод триангуляции -перекрестной интерпретации некоторого фрагмента а) разными исследователями, б) при помощи разных методов, в) посредством сопоставления данной ситуации с аналогичными результатами предшественников, г) посредством повторения результатов на том же объекте через определенный промежуток времени23. Однако противоречия, обнаруженные в ходе такой проверки, не всегда свидетельствуют о непригодности рассматриваемых данных. Например, если респонденты в исходном исследовании по каким-либо причинам давали недостоверную информацию, то анализ этой недостоверности может привести к интересным и содержательным выводам. С. Квале приводит один из таких примеров: жительницы трущоб красочно рассказывали в интервью о грубом унизительном поведении социальных работников, которые их обслуживали, однако эта информация не подтверждалась при проверках. Исследователь решил разобраться и пришел к заключению, что таким экспрессивным способом депривированные члены общества пытаются как-то поддержать свое самоуважение, компенсировать свою зависимость. Этот вывод послужил уточнению гипотез и изменил направленность исследования24.

Для корректного использования вторичных данных важно иметь как можно более полное представление об исходном исследовании (об особенностях выборки, о методах сбора данных, о квалификации исследовательской организации и т. д.). Это помогает выявить возможные ошибки предшественников на той или иной стадии сбора данных, что позволит их оценить и по возможности скорректировать.

На текущий момент наиболее развит анализ вторичных данных в социально-исторических (историческая социология, традиция «устной истории») и социально-демографических исследованиях. Как показывает практика, изменениям во времени подвержены и отдельные показатели, и взаимоотношения между переменными. Поэтому введение в исследование исторического контекста связано с признанием ограниченного применения «срезовых» опросов, особенно если дело касается прогнозных целей, изучения причинных связей.

Потребность анализировать данные во временной перспективе породила появление особой — лонгитюдной — исследовательской стратегии, в соответствии с которой данные получаются многократно, в разные моменты времени и часто агрегируются с родственными массивами данных. Разновидности этой стратегии -трендовые, панельные и когортные обследования. При трендовом обследовании проводятся регулярные замеры на выборках, которые строятся из одной и той же генеральной совокупности. При панельном обследовании, введенном в социологическую практику еще К. Лазарсфельдом, проводятся регулярные замеры на одной и той же выборке, «панели». При исследовании когорт отбор респондентов производится из одной специфического группы (например, люди одного и того же года рождения; люди, в определенный год окончившие школу, и т. д.). Измерения («волны») в разные периоды жизненного цикла выделенной когорты позволяют обнаружить перемены в установках, стилях жизни, а в панельных исследованиях, помимо этого, еще и проверить сложные причинные гипотезы с высокой степенью надежности.

3. Data mining: работа с большими массивами вторичных данных

Появление новых направлений в развитии средств и методов обработки и хранения данных обусловлено общим увеличением совокупного массива информационных ресурсов, усложнением их структуры, потребностью в более эффективных аналитических решениях.

Термин data mining можно перевести как «извлечение информации» или «добыча данных». Проблематика data mining, от круга приоритетных исследовательских задач до особенностей практического применения, нашла детальное отражение в работах таких зарубежных авторов, как Р. Блэкхаус, М. Лавелл, Т. Мейер, С. Перес, K. Хувер. Быстрое развитие данного направления в зарубежной исследовательской практике обусловлено высокой актуальностью задач, для решения которых оно предназначено: в определенный момент накопленные информационные ресурсы (как научной, так и коммерческой информации) стали слишком большими для реализации традиционных методов анализа. На больших объемах неоднородных данных (массивы лонгитюдных и кросс-культурных исследований, временные ряды и т. д.) обычные статистические процедуры не всегда эффективны. Проблемы работы с большими массивами встают особенно остро, когда они содержат в себе данные разной степени структуризации: изображения, тексты

интервью, преобразованные числовые данные и т. д., а также когда накопление данных происходило в разные временные периоды (это особенно актуально в условиях стремительного развития информационных технологий и появления альтернативных / конкурирующих программных продуктов и методов обработки данных). Цель data mining состоит в проработке методологии по обращению с подобными данными и в ее практическом применении, то есть в выявлении скрытых правил и закономерностей в наборах таких данных.

Процедуры извлечения данных в самом общем виде повторяют те же шаги, которые проходит исследователь при традиционном анализе данных. Работа начинается с поиска релевантного массива данных и проверки его на полноту, достоверность, надежность. Далее происходит при необходимости вычищение, преобразование имеющихся данных в соответствии с задачами исследователя. После этого задается поиск корреляционных структур, оценка зависимостей между параметрами при условии изменения некоторых модельных параметров. Эти процессы задаются специальными алгоритмами, позволяющими искать закономерности в нескольких структурах данных одновременно, причем возможности специализированных программных пакетов по data mining таковы, что позволяют обрабатывать около миллиона входных переменных с целью определения предикторов для регрессии или классификации25.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Благодаря процедурам data mining становится возможным использование нескольких массивов со сложной структурой в качестве проверки теоретической модели. Специфика задач при работе с огромными массивами заключается в том, что объем и разнородность данных не дают возможности сформировать рабочие гипотезы. Поэтому распространенной задачей извлечения данных является поиск каких-либо элементов структуры, шаблонов данных, согласованных сгруппированных значений.

Таким образом, использование вторичных данных позволяет не только экономить материальные и временные ресурсы, но и решать серьезные научные задачи. Введение в оборот вторичных данных дает возможность сопоставления научных результатов, позволяет обеспечить условия для более корректного использования матема-тико-статистических процедур. Водораздел между использованием первичных и вторичных данных пролегает между отбором и инвентаризацией релевантных данных. Если в первичном исследовании полевые данные заведомо являются «подходящими», то для вторичного анализа необходимо не только осуществить отбор релевантных массивов, но и провести серьезную работу с этими масси-

вами. Использование вторичных данных является логичным и закономерным при проведении многоцелевых, междисциплинарных исследований.

Примечания

1 Татарова Г.Г. От постулатов эмпирической социологии к методологии анализа данных // Социология: 4М. 1999. № 11. С. 51-71.

4 Воронков В. Указ. соч. С. 84-94.

5 Татарова Г.Г. Методология анализа данных в социологии: (Введение). 2-е изд., испр. М.: Nota Bene, 1999.

6 Например, удовлетворенность работой традиционно разбивают на такие эмпирические индикаторы, как удовлетворенность заработной платой, удовлетворенность отношениями с коллегами, удовлетворенность отношениями с начальством, удовлетворенность оборудованием рабочего места и т. д. Однако далеко не все социальные показатели могут интерпретироваться столь однозначно.

8 Воронков В. Указ. соч. С. 84-94.

9 В. Кузнецов, известный специалист в области философии языка, определяет тексты как знаково-символические информационные системы разнообразного происхождения и предназначения, которые «являются результатом познавательно-созидающей, творческой и производственной деятельности живых существ». См.: Кузнецов В. Герменевтика и ее путь от конкретной методики до философского направления // Логос. 1999. № 10. С. 44.

10 Там же. С. 43-89.

11 Толстова Ю.Н. Принципы анализа данных // Социология: 4М. 1991. № 1. С. 51-61.

12 К. Гирц подразделяет описания на «тонкие» (простая фиксация наблюдаемых фактов) и «плотные», которые подразумевают вхождение в систему смыслов исследуемых людей (носителей культуры) и их интерпретации. Особенность антропологического знания, по Гирцу, состоит в том, что теоретические выкладки должны быть связаны с интерпретациями культурных явлений; при отрыве от них теория становится слишком абстрактной.

13 Семенова В.В. Качественные методы: введение в гуманистическую социологию. М.: Добросвет, 1998.

14 Квале С. Исследовательское интервью / Пер. с англ. М.Р. Мироновой. М.: Смысл, 2003.

15 Кузнецов В. Указ. соч.

16 Рикер П. Конфликт интерпретаций. Очерки о герменевтике. М.: Медиум, 1995.

17 Квале С. Указ. соч.

18 Сычева В.С. Метод вторичного анализа // Социологические исследования. 1995. № 11. C. 46.

19 Малышева М.М. Профессиональная работа женщин и демографическое поведение: опыт вторичного анализа международных сравнительных исследований // Социологические исследования. 1984. № 2. С. 65-71.

22 Саганенко Г.И. Компоненты надежности социологического исследования и проблема сравнимости // Сравнительный анализ и качество социологических данных. М.: ИСИ АН СССР, 1984.

23 Семенова В.В. Указ. соч.

24 Квале С. Указ. соч. С. 219-220.