1.8. Некоторые экспериментальные данные

Методический эксперимент, осуществленный нами весной 2003 г., был проведен в форме социологического опроса. Всего в опросе приняли участие 66 человек в возрасте от 17 до 27 лет, все они – студенты различных факультетов Кубанского государственного университета, отобранные по стихийной выборке, из них 29 лиц мужского и 37 женского пола.

Опрос проходил в смешанном режиме интервью и анкетирования, интервьюерами выступали сами разработчики эксперимента. Средняя продолжительность опроса одного респондента составила 50 мин.
Содержание опроса было посвящено историческим деятелям – лидерам российского государства. Стимулами выступали имена семи высших руководителей России
ХХ в.: Николай II, В.И. Ленин, И.В. Сталин,
Н.С. Хрущев, Л.И. Брежнев, М.С. Горбачев, Б.Н. Ельцин. Для их оценки респонденту предлагалось три блока вопросов, соответствующих трем методам экспликации значений, и дополнительные вопросы.
Первый блок включал категориальную оценку из восьми градаций для различий всех возможных (m (m-1)/2 = = 21), подвергнутых упорядочению Росса пар стимулов. Далее по ходу интервью респонденту предлагалось поликритериальное ранжирование с историческими деятелями в качестве объектов и следующими тридцатью критериями: «беспринципный», «зависимый», «имел совесть», «побежденный», «твердый», «укреплял государство», «преступник», «способствовал развитию России», «принципиальный», «преобразователь», «продажный», «разрушитель», «неподкупный», «боролся за народ», «разрушал государство», «враг», «глупый», «стабилизировал общество», «сделал все чтобы Россия отставала», «не имел совести», «созидатель», «боролся против народа», «мягкий», «консерватор», «победитель», «умный», «независимый», «дестабилизировал общество», «невиновный», «друг». Легко заметить, что эти признаки разбиты на 15 антонимических пар.
Основная задача респондента состояла в ранжировании элементов по признакам, называемым интервьюером. Интервьюер озвучивал их по одному, в порядке, соответствующем находящемуся у него списку. Респондент работал с карточками. Выстроенная респондентом иерархия фиксировалась в матрице номеров объектов.
Поскольку исследование носило методический характер, мы не будем обращаться к содержательной интерпретации результатов, а методическими выводами и ограничимся.
Важнейшей проблемой, которая решалась в ходе исследования, была оценка позиции объектов по признакам. Первая часть этой проблемы заключается в доказательстве возможности использования в этих целях среднего арифметического оценки объекта по признаку по всем респондентам (данные приводятся к соответствующему виду в схемах 4 (в столбцах) и 6 (в строках) табл.1.4). Однако наибольшую ценность имели бы величины, сопоставимые с коэффициентом корреляции между признаками, которые позволили бы представить объекты и признаки в одной матрице близости (и графически в одной плоскости). Для вычисления таких величин необходимо разработать коэффициент, определенным образом суммирующий ранги, присвоенные одному объекту по одному признаку всеми респондентами. Заметим, что этот коэффициент будет обязательно монотонно связан со средним арифметическим тех же колонок.
Для доказательства релевантности среднего арифметического как показателя нагрузки объекта по признаку использовалась связь критериев ранжирования с переменными – объектами категориальной оценки. Поскольку эта связь может быть интерпретирована как внешний критерий нагрузки объекта по признаку, между ее показателями и средним арифметическим был вычислен коэффициент корреляции Пирсона. Основой для его вычисления послужили два вариационных ряда из 210 значений каждый (7 объектов по 30 признакам). Этот коэффициент составил –0,94, и такой результат полностью подтвердил правомерность использования среднего арифметического для обобщения рангов, полученных одним объектом по одному критерию у всех респондентов.
Следующий шаг, рассчитанный на более отдаленную перспективу, – выработка аналога коэффициента корреляции для соотнесения объектов и критериев ранжирования. Для решения этой задачи также был использован ряд значений, полученных при коррелировании данных категориальной оценки и ранжирования. Но теперь интерес представляла не только статистическая связь с этим рядом, но и совпадение абсолютных значений. Иными словами, была поставлена задача получения такого показателя, который бы давал те же результаты связи объектов и признаков, что и сопряжение ранжирования и категориальной оценки (в случае успешного решения этой задачи можно будет обходиться без категориальной оценки).
Как уже отмечалось, корреляция между двумя типами признаков – столбцами объектов категориальной оценки и критериев ранжирования – позволяет выделять из признаков-объектов долю вариации, приходящуюся на «внутренние» критерии респондентов, близкие по действию к заданным критериям ранжирования. Выделять случайный компонент только по данным ранжирования позволяют следующие простые соображения. Если оценки объекту даются случайно, то они должны равномерно распределяться по всем возможным ранговым значениям, число которых равно числу объектов. Следовательно, разность среднего арифметического рангов объекта по признаку (эмпирического) и среднего арифметического m первых чисел натурального ряда (теоретического) и есть неслучайный компонент (обозначим его F):

.

(14)

Поскольку этот показатель монотонно связан со средним арифметическим, для него также справедливой оказывается выявленная высокая корреляция с рядом значений, выступающим внешним критерием (рядом корреляций между категориальной оценкой и ранжированием). Таким образом, для предложенного коэффициента можно говорить о достаточно точном соблюдении ординальных отношений и требовать от него большего, в общем-то, некорректно. Тем не менее можно попытаться приблизить значения коэффициента F к абсолютным значениям корреляции «объект – признак».
  Для нормировки F рассмотрим крайние случаи: все оценки объекта относятся к максимальному либо минимальному рангу. В терминах корреляции это означает максимальное положительное или отрицательное значение, т.е. единицу. Отсюда следует нормировка путем деления на    (1-m)/2. Формула приобретает вид

.

(15)

Эмпирическим путем мы обнаружили, что в случае достаточно большого среднего квадратического отклонения, деление на него показателя (15) дает приближение к корреляции «объект – признак»  со средней точностью 0,05 – 0,1, и наиболее часто 0,07 (с сохранением положительной стремящейся к единице корреляции индекса с этим показателем). При вводе поправки с использованием стандартного отклонения для приближения к коэффициенту корреляции «объект – признак» создаются три класса возможных ситуаций:
1) ? gt; 1. Отклонение достаточно велико, и поправка уточняет нагрузку объектов, приближая значения к показателям корреляции;
2) 0 gt; ? gt; 1. В этом случае отклонение мало и деление на его величину только увеличивает разрыв оценок нагрузки и коэффициента корреляции.

Выработка рекомендаций для этого случая требует дальнейших исследований;
3) ? = 0. Такая ситуация маловероятна. Скорее всего, в ней надо пользоваться формулой (15) без поправки на стандартное отклонение. Эта формула в крайних случаях дает 1 и –1, а в остальных – пропорциональные значения.
В исследовании оценивались также эффекты использования антонимических критериев для ранжирования одних и тех же объектов. Введение антонимов в качестве независимых критериев упорядочения, в принципе, могло бы помочь определить устойчивость соответствующих шкал, поскольку может быть интерпретировано как вариант «расщепления пополам». Теоретически коэффициент корреляции между полярными признаками должен стремиться к -1, но на практике это происходит очень редко, более того, далеко не всегда отрицательный полюс коррелирует с положительным сильнее, чем с другими признаками. По всей видимости, это зависит от степени определенности, четкости признака в сознании респондентов. Аналогичный эффект существует в измерениях социальной установки: сильные установки более устойчивы к формулированию вопроса, чем слабые [32].
Антонимическая экспликация значений интересна еще и тем, что пары противоположных понятий одновременно содержат внутреннюю семантическую связь и  разрыв между означающими. Отсутствие последнего у синонимов, вероятно, порождает эффекты конвергенции значений при совместной встречаемости. Кроме того, полярность признаков в ранжировании позволяет проводить методологические параллели с семантическим дифференциалом.
В данном исследовании средний коэффициент корреляции Спирмена между антонимами составил –0,44, максимальный достиг –0,64, минимальный был –0,18. Приходится констатировать, что оставляет желать лучшего либо устойчивость предложенных шкал, либо антонимическая оценка такой устойчивости. Трудно поверить, чтобы из пятнадцати признаков ни один не продемонстрировал измерение удовлетворительного качества, поэтому мы склоняемся скорее ко второму выводу.
К сожалению, лексические антонимы далеко не всегда соотносятся с психологическими оппозициями. Так, отрицание антонима может не возвращать значение понятию [105]. В связи с этим возможны логические конструкции вида «не умный ? глупый». Существуют и серьезные проблемы в определении метрики пространства, лежащего между антонимическими признаками [111], что не позволяет корректно оценивать их близость. Итак, хотя в реализованном исследовании все знаки корреляции соответствовали априорно выделяемым отношениям синонимии/антонимии между признаками ранжирования, приходится признать, что «расщепление» критериев ранжирования на полярные шкалы не может служить хорошим показателем устойчивости измерения. И скорее всего такое положение дел связано с самим механизмом лексической антонимии.
Существуют данные о том, что антонимы проявляют существенную асимметрию значений в массовых опросах [32]. Это согласуется с теорией Ю.Д. Апресяна, постулирующей изначальную асимметричность отношений антонимии. Согласно этой теории, один из полюсов значения семантически сложнее, чем другой, и потому может образовывать меньшее количество смысловых связей [3]. Из теории Апресяна следует гипотеза о том, что семантически более сложный критерий ранжирования будет слабее коррелировать с другими признаками и ему можно будет приписать меньшую часть дисперсии. Логично предположить, что чем больше семантическое расстояние между признаками, тем больше отличается их семантическая сложность. Соответственно должна наблюдаться отрицательная статистическая связь между величиной коэффициента корреляции полярных признаков и разностью показателей объясняемой ими дисперсии. В нашем исследовании эта связь составила –0,16 (r Пирсона), что явилось величиной, значимой только на уровне 0,4. Иными словами, существует лишь очень слабая и недостоверная тенденция к подтверждению гипотезы, основанной на теории Ю.Д. Апресяна.
Важнейший вопрос в исследовании со многими признаками: какие из них вносят наибольший вклад в предпочтения респондентов? Для ответа на него существует два способа измерения. Первый основан на модели Кумбса [39], и предполагает введение в ранжирование идеального объекта (в формулировке «идеальный Х»). Близость к нему остальных объектов и будет означать их предпочтение, соответственно позиция «идеального объекта» по признаку будет показывать роль признака в общих предпочтениях. Другой способ – ввести в опросе признак «предпочтение», т.е. задание: проранжируйте эти объекты так, чтобы наиболее понравившиеся оказались на первом, а наименее понравившиеся – на последнем месте. Теоретически между данными, полученными этими двумя путями, должен быть высокий уровень соответствия.
Для проверки этой гипотезы нами был проведен еще один небольшой методический эксперимент, в котором были реализованы обе схемы экспликации предпочтений. В эксперименте принимали участие 20 человек – студенты пятого курса специальности «Социология» Кубанского госуниверситета. В качестве объектов ранжирования были выбраны современные политики: В.В. Путин, И.М. Хакамада, С.К. Шойгу, Ю.М. Лужков, В.В. Жириновский, Г.А. Зюганов и Идеальный политик. Критериями ранжирования были «наглый», «мягкий», «либеральный», «громкий», «красивый», «богатый», «приземленный», «оппозиционный», «тот, кого Вы предпочитаете».
Данные анализировались следующим образом: рассчитывался коэффициент ранговой корреляции Спирмена между всеми признаками и критерием предпочтения. Затем по каждому признаку определялось среднее арифметическое объекта «Идеальный политик». Результаты этих расчетов представлены в табл. 1.7.
Т а б л и ц а 1.7
Результаты расчета среднего арифметического
для объекта «Идеальный политик»

Признак	?	Среднее
Наглый	-0,56	5
Мягкий	-0,28	4,1
Либеральный	0,29	3,4
Громкий	-0,17	5,3
Красивый	0,75	1,9
Богатый	0,04	4,3
Приземленный	0,64	1,8
Оппозиционный	-0,05	3,8

По данным табл.1.7 был рассчитан коэффициент корреляции между связью признака и критерия предпочтения и нагрузкой по признаку идеального политика. Корреляция (по Пирсону) между этими двумя показателями составила –0,92. Хотя такого небольшого исследования недостаточно для полномасштабного доказательства возможностей метода, из него все же можно сделать вывод, что  способы можно считать эмпирически эквивалентными и на практике использовать только один из них. В то же время столь высокая корреляция в некоторой степени валидизирует оба метода определения предпочтений.

Еще по теме 1.8. Некоторые экспериментальные данные:

1. /.Личность разрушителя 1.1 Некоторые соцнапьно-демографические данные
2. Описание некоторых экспериментально-психологическихметодик для обследования детей и подростков Складывание пирамидки
3. Глава / НЕКОТОРЫЕ ДАННЫЕ О ЛЮДСКИХ ПОТЕРЯХ В ВОЙНАХ ЭПОХИ РАБОВЛАДЕЛЬЧЕСКОГО СТРОЯ И ФЕОДАЛИЗМА
4. ПИСЬМО 11 О НЕКОТОРЫХ ЧАСТНОСТЯХ В НОВОЙ ФРАНЦУЗСКОЙ КОНСТИТУЦИИ И О НЕКОТОРЫХ ОБСТОЯТЕЛЬСТВАХ, СОДЕЙСТВОВАВШИХ ОТМЕНЕ СТАРОЙ
5. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ
6. 6.2.3. Методы экспериментально-психологическогоисследования в ПМПК
7. Методики экспериментальной патопсихологии
8. 3.4.2. Экспериментально-психологическое изучение детей с нарушениями развития
9.  I. Экспериментальная психология
10.  4. Развитие экспериментальной психологии в России
11. ЭКСПЕРИМЕНТАЛЬНАЯ «СПЕЦГРУППА»
12. Управление экспериментальной школой, кадровое, финансовое обеспечение, правовое положение
13. ОСОБЕННОСТИ ЭКСПЕРИМЕНТАЛЬНЫХ УЧЕБНЫХ ПРЕДМЕТОВ НАЧАЛЬНОЙ ШКОЛЫ
14. Результаты экспериментально-психологического исследования
15. Методика 2: Экспериментальное изучение фрустрационных реакций («детский» и «взрослый» варианты)
16. II. Данные философии
17. Анализ результативности экспериментальной технологии развития экологической культуры учащихся
18. Исполнять обещания, данные Богу
19. Исполнять обещания, данные детям
20. Глава З МОДЕЛИ КАК СРЕДСТВО ЭКСПЕРИМЕНТАЛЬНОГО ИССЛЕДОВАНИЯ