Общее представление о «мягкой» и «жесткой» стратегиях получения исходных данных

Обратим внимание читателя на то, что приведенные в главе 1 примеры, подтверждающие существование проблемы измерения в социологии, касались в основном анкетных опросов. Это не случайно. Те многочисленные результаты, которые можно отнести к области социологического измерения, стали появляться именно как реакция на негативные моменты такого способа сбора данных.

Соответствующие проблемы активно начали рассматриваться в науке примерно в 20-х годах XX века, когда начался «бум» анкетных опросов и, как следствие, стала развиваться серьезная научная рефлексия по поводу их роли в научных социологических построениях1.

У анкетных способов получения эмпирической информации сразу появились принципиальные противники. Они полагали, что истинное мнение респондента может быть выявлено только с помощью неформализованных, не ограниченных анкетными вопросами методов сбора данных. Противопоставление разных методов друг другу привело к рождению новых терминов. Одни методы стали называться «мягкими», качественными, гибкими («воплощение» мягкости — свободное интервью или метод фокус-группы), другие — «жесткими», количественными («воплощение» — анкета с закрытыми вопросами) [Ядов, 19916].

Нам такое разделение всех методов на две указанные группы представляется неудачным.

Во-первых, между «абсолютно» «мягким» и «абсолютно» «жестким» подходами к получению информации от респондента существует множество промежуточных вариантов. Куда, например, следует отнести известный метод измерения установки, связанный с именем Терстоуна: с одной стороны, он позволяет построить совершенно «жесткую» анкету, ответы на вопросы которой дадут нам возможность приписать каждому респонденту число, отражающее его установку; но с другой — включает в себя массу неформализуемых, содержательных, «мягких» тагов, необходимых для построения упомянутой «жесткой» анкеты (глава 5). (Идея существования «континуума» методов, непрерывно заполняющих промежуток от «абсолютно» «жестких» до «абсолютно» «мягких» подходов, неоднократно выдвигалась в литературе; см., например, [Беккер, Босков, 1961, гл. 7; Томпсон, Пристли, 1998, с. 435; Веселкова, 1995].)

Во-вторых, нам представляется неудачной идея положить в основу какой бы то ни было классификации разных подходов к измерению степень формализации каждого из них. На наш взгляд, формализация — дело вторичное. И неформализованные подходы нужны не ради удовлетворения какой-то «ненависти» к формализму, а ради получения более адекватной, в большей степени отвечающей реальным представлениям респондента, информации. Вполне можно представить себе ситуацию, когда «плохой» социолог с помощью совершенно неформализованных методов получает фикцию, а «хороший» — на основе полностью «жесткой» анкеты — весьма доброкачественную информацию. Поэтому ниже, говоря о «мягкости» метода измерения, мы будем иметь в виду возможность с его помощью достаточно глубоко «проникнуть» в сознание респондента.

Более «мягким» будем называть тот метод измерения, который в большей мерс позволяет отразить мнение опрашиваемого. Другими словами, отождествим понятие «мягкости» метода сбора данных с понятием его адекватно сти сути решаемой задачи. Учитывая, что реализация современных методов измерения невозможна без использования математического аппарата, остановимся еще на одном моменте, связанном с трактовкой пары терминов «мягкий—жесткий».

Нам приходилось сталкиваться с такой ситуацией, когда социолог отождествляет понятие «жестких» методов с математическими. Это представляется совершенно недопустимым. Конечно, любой математический метод по своей сути является в известном смысле жестким. Но это не та «жесткость», которая нас интересует в связи с проблемой измерения.

С одной стороны, и при «мягком» подходе к опросу респондентов возможно использование математических схем [Tesch, 1990]. И мы этим ниже воспользуемся. А именно: покажем, что адекватная оценка мнения респондента может происходить путем использования выраженной на математическом языке модели процесса восприятия им объектов, предлагаемых ему для оценки.

С другой стороны, возможна и обратная ситуация, когда математические методы в социологии применяются на основе «мягкой» стратегии: предполагается изначальная неопределенность целевой установки, используются разные подходы, осуществляются их сравнительный анализ, постоянное возвращение к предыдущим этапам, изменяются условия реализации последних, формализм связывается с содержательными концепциями исследователя и т. д. Такое «смягчение» жестких математических алгоритмов достигается за счет реализации некоторых общих правил и методологических принципов использования математики в социологии [Толстова, 1991]. Заметим, что наше понимание процесса анализа данных в определенном плане близко к трактовке этого понятия, предложенной [Дж. Тьюки, по Ю. Адлер, 1982].

В последние годы в литературе ведется довольно бурная дискуссия о достоинствах и недостатках «мягких» и «жестких» подходов к измерению. При этом аргументы авторов соответствующих публикаций часто бывают направлены на обоснование того, что только один из них является «хорошим». Как известно, каждый хорош на своем месте. Обсуждение разных подходов к осуществлению социологического измерения, конечно, нужно, но не для доказательства того, что только один из них хорош, а для выявления возможностей каждого из них (для нас наиболее важно в этом отношении изучение возможностей адекватного отражения того, что происходит в сознании респондента'). В этом отношении мы полностью разделяем взгляды авторов статьи [Батыгии, Девятко, 1994] (о нашем мнении по этому вопросу см. также [Толстова, 2003, с. 198-212]. Итак, какие же «плюсы» и «минусы» заключены в каждом из рассматриваемых подходов? 2.2.

<< | >>
Источник: Толстова Ю. Н.. Измерение в социологии : учебное пособие / Ю. Н. Толстова. — М.: КДУ. — 288 с.. 2007

Еще по теме Общее представление о «мягкой» и «жесткой» стратегиях получения исходных данных:

  1. Использование и интерпретация полученных данных
  2. 3.1. Интерпретация исходных данных — ключевой момент измерения
  3. К ОЦЕНКЕ НЕКОТОРЫХ ИСХОДНЫХ ДАННЫХ, ЗАКЛАДЫВАЕМЫХ В СИСТЕМУ СОИ
  4. 2. Априорность исходных представлений математики
  5. ГЛАВА 3 ВОСХОДЯЩАЯ СТРАТЕГИЯ АНАЛИЗА ДАННЫХ
  6. ГЛАВА 4 НИСХОДЯЩАЯ СТРАТЕГИЯ АНАЛИЗА ДАННЫХ
  7. Априорность и реальная значимость исходных представлений математики
  8. § 2. Осознание педагогической задачи, анализ исходных данных и постановка педагогического диагноза
  9. Задание 2.: Определите вид данных понятий по объему (единичное, общее или пустое).
  10. Общее представление о безопасности
  11. 1. Общее представление о науке
  12. 1. Общее представление о профессии
  13. Общее представление о групповой психотерапии