Презентация на тему Количественные методы анализа данных в социологии

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).

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).

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.

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.

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) или полуструктурированное 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.

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.

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.

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).

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.

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.

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.

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.

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.