Планирования исследования

4.5.3. Процедура сбора  данных

Сбор данных в  целом должен соответствовать намеченному  на предыдущем этапе алгоритму действий, чтобы избежать как пробелов в  искомых знаниях, так и лишних трудозатрат. Очень важно при  этом точно и четко фиксировать  все действия и получаемые сведения. Для этого обычно ведется протокол исследования, используются специальные  средства фиксации (видео, аудио и  т. п.). Осуществляемый на этом этапе  контакт исследователя с изучаемым  объектом не должен наносить последнему вреда, процедура сбора данных должна быть предельно гуманизирована. Процесс  сбора данных конкретизируется в  зависимости от выбранного метода и  задач исследования.

4.6. ОБРАБОТКА ДАННЫХ

4.6.1. Общее представление  об обработке

Собрав совокупность данных, исследователь приступает к  их обработке, получая сведения более  высокого уровня, называемые результатами. Он уподобляется портному, который  снял мерку (данные) и теперь все  зафиксированные размеры соотносит  между собой, приводит в целостную  систему в виде выкройки и в  конечном итоге – в виде той  или иной одежды. Параметры фигуры заказчика – это данные, а готовое  платье – это результат. На этом этапе могут обнаружиться ошибки в замерах, неясности в согласовании отдельных деталей одежды, что  требует новых сведений, и клиент приглашается на примерку, где вносятся необходимые коррективы. Так и  в научном исследовании: полученные на предыдущем этапе «сырые» данные путем их обработки приводят в определенную сбалансированную систему, которая становится базой для дальнейшего содержательного анализа, интерпретации и научных выводов и практических рекомендаций. Если по обработке данных выявляются какие-либо ошибки, пробелы, несоответствия, препятствующие построению такой системы, то их можно ликвидировать и восполнить, проведя повторные замеры.

Обработка данных направлена на решение следующих задач: 1) упорядочивание исходного материала, преобразование множества данных в целостную  систему сведений, на основе которой  возможно дальнейшее описание и объяснение изучаемых объекта и предмета; 2) обнаружение и ликвидация ошибок, недочетов, пробелов в сведениях; 3) выявление скрытых от непосредственного  восприятия тенденций, закономерностей  и связей; 4) обнаружение новых  фактов, которые не ожидались и  не были замечены в ходе эмпирического  процесса; 5) выяснение уровня достоверности, надежности и точности собранных  данных и получение на их базе научно обоснованных результатов.

Если на предыдущих этапах происходит процесс увеличения разнообразия сведений (числа параметров, единичных измерений, источников и  т. п.), то теперь наблюдается обратный процесс – ограничение разнообразия, приведение данных к общим знаменателям, позволяющим делать обобщения и  прогнозировать развитие тех или  иных психических явлений.

Рассматриваемый этап обычно связывается с обработкой количественного характера. Качественная сторона обработки эмпирического  материала, как правило, только подразумевается  либо вовсе опускается. Обусловлено  это, видимо, тем, что качественный анализ часто ассоциируется с теоретическим уровнем исследования, который присущ последующим стадиям изучения объекта – обсуждению и интерпретации результатов. Представляется, однако, что исследование качественного характера имеет два уровня: уровень обработки данных, где проводится организационно-подготовительная работа по первичному выявлению и упорядочиванию качественных характеристик изучаемого объекта, и уровень теоретического проникновения в сущность этого объекта. Работа первого типа характерна для стадии обработки данных, а второго – для этапа интерпретации результатов. Результат в данном случае понимается как итог и количественного, и качественного преобразования первичных данных. Тогда количественная обработка есть манипуляция с измеренными характеристиками изучаемого объекта (объектов), с его «объективизированными» во внешнем проявлении свойствами. Качественная обработка – это способ предварительного проникновения в сущность объекта путем выявления его неизмеряемых свойств на базе количественных данных.

Количественная обработка  направлена в основном на формальное, внешнее изучение объекта, качественная – преимущественно, на содержательное, внутреннее его изучение. В количественном исследовании доминирует аналитическая  составляющая познания, что отражено и в названиях количественных методов обработки эмпирического  материала, включающих в себя категорию  «анализ» корреляционный анализ, факторный анализ и т. д. Основным гом количественной обработки является упорядоченная совокупность «внешних» показателей объекта (объектов). Реализуется количественная обработка с помощью математико-статистических методов.

В качественной обработке  доминирует синтетическая составляющая познания, причем в этом синтезе  превалирует компонент, объединения  и в меньшей степени присутствует компонент обобщения. Обобщение  – прерогатива последующего этапа  исследовательского процесса – интерпретационного. В фазе качественной обработки данных главное заключается не в раскрытии  сущности изучаемого явления, а пока лишь в соответствующем представлении  сведений о нем, обеспечивающем дальнейшее его теоретическое изучение. Обычно результатом качественной обработки  является интегрированное представление  о множестве свойств объекта  или множестве объектов в форме  классификаций и типологий. Качественная обработка в значительной мере апеллирует к методам логики.

Противопоставление  друг другу качественной и количествен ной обработок (а следовательно, и соответствующих методов) довольно условно. Они составляют органичное целое. Количественный анализ без последующей качественной обработки бессмыслен, так как сам по себе он не в состоянии превратить эмпирические данные в систему знаний. А качественное изучение: объекта без базовых количественных данных – немыслимо. В научном познании. Без количественных данных качественное познание – это чисто умозрительная процедура, не свойственная современной науке. В философии категории «качество» и «количество», как известно, объединяются в категории «мера».

Единство количественного  и качественного осмысления эмпирического  материала наглядно проступает во многих методах обработки данных: факторный  и таксономический анализы, шкалирование, классификация и др. Но поскольку традиционно в науке принято деление на количественные и качественные характеристики, количественные и качественные методы, количественные и качественные описания, не будем «святее папы Римского» и примем количественные и качественные аспекты обработки данных за самостоятельные фазы одного исследовательского этапа, которым соответствуют определенные количественные и качественные методы.

Качественная обработка  естественным образом выливается в  описание и объяснение изучаемых  явлений, что составляет уже следующий  уровень их изучения, осуществляемый на стадии интерпретации результатов. Количественная же обработка полностью  относится к рассматриваемому этапу  исследовательского процесса, что в  совокупности с ее особой спецификой побуждает к ее более подробному изложению. Процесс количественной обработки данных имеет две фазы: первичную и вторичную. Последовательно  рассмотрим их.

4.6.2. Первичная обработка

На первой стадии «сырые» сведения группируются по тем или иным критериям, заносятся в сводные таблицы, а для наглядного представления данных строятся различные диаграммы и графики. Все эти манипуляции позволяют, во-первых, обнаружить и ликвидировать ошибки, совершенные при фиксации данных, и, во-вторых, выявить и изъять из общего массива нелепые данные, полученные в результате нарушения процедуры обследования, несоблюдения испытуемыми инструкции и т. п. Кроме того, первично обработанные данные, представая в удобной для обозрения форме, дают исследователю в первом приближении представление о характере всей совокупности данных в целом: об их однородности–неоднородности, компактности-разбросанности, четкости–размытости и т. д. Эта информация хорошо читается на наглядных формах представления данных и связана с понятием «распределение данных».

Под распределением данных понимается их разнесенность  по категориям выраженности исследуемого качества (признака). Разнесенность  по категориям показывает, как часто (или редко) в определенном массиве  данных встречаются те или иные показатели изучаемого признака. Поэтому такой  вид представления данных называют «распределением частот». Выраженность признака, как видели выше, может быть представлена в оценках: «есть – нет» или «равно – неравно» (номинативные данные), «больше – меньше» (порядковые данные), «настолько-то больше или меньше» (интервальные данные), «во столько-то раз больше или меньше» (пропорциональные данные). Первая категория оценок предполагает явную дискретность выраженности изучаемого признака, остальные – непрерывность (хотя бы теоретически). Проиллюстрируем это примерами.

Пример для дискретных данных

В трехтысячном трудовом коллективе были выбраны сто человек, которые давали ответ на вопрос: «какой цвет вы предпочитаете?». Предлагалось 6 вариантов: белый (Б), черный (Ч), красный (К), синий (С), зеленый (3), желтый (Ж). В данном случае каждый цвет – это самостоятельная категория выраженности признака «окраска». Допустим, цель – выбор дизайнером окраски рабочих помещений, где трудятся эти люди. Итоги опроса, зафиксированные в протоколе, подсчитали и занесли в таблицу 1 (табулировали).

Таблица 1

Итоги опроса

Частота (абсолютная частота) – это число ответов данной категории в выборке, частость (относительная частота) – это отношение частоты ко всей выборке. Под выборкой понимается все множество полученных в исследовании значений изучаемого признака (свойства, качества, состояния) объекта. В нашем примере выборка равна 100. Понятие выборки связано с понятием генеральной совокупности (или популяции), которая представляет собой все возможное множество значений изучаемого признака. В нашем примере она равна 3000. Поскольку даже ограниченные популяции обычно весьма велики, то опыты проводятся только на выборках. Поэтому встает вопрос о репрезентативности выборки, т. е. о том, можно ли результаты, полученные на выборке, переносить на всю совокупность. Для этого привлекают статистические методы доказательства репрезентативности. Таким образом, выборка есть часть генеральной совокупности. Краткое описание этих множеств производится с помощью так называемых описательных мер (мер центральной тенденции, разброса и связи), вычисление которых производится при вторичной обработке данных. Значения мер, вычисленные для генеральных совокупностей, называются параметрами, для выборок – статистиками. Параметр описывает генеральную совокупность также, как статистика – выборку. Принято обозначать статистики латинскими буквами, а параметры – греческими. Правда, в психологических исследованиях этих правил не всегда строго придерживаются.

На основании табличных  данных можно построить диаграмму, где распределение представлено нагляднее:

Пример  для непрерывных  данных

Данные непрерывного характера можно представить  в еще более наглядной форме: в виде гистограмм, полигонов и кривых.

В опытах В. К. Гайды, описанных в учебном пособии  для студентов-психологов [76, с. 23-25], участвовало 96 испытуемых. Определялся  цвет последовательного образа восприятия насыщенного красного цвета. С этой целью каждый испытуемый в течение  одной минуты рассматривал окрашенный в красный цвет образец, а затем  переносил взгляд на белый экран, где видел круг в дополнительных цветах. Рядом с ним находился  цветовой круг с разноокрашенными секторами, на котором испытуемый должен был  выбрать тот цвет, который соответствовал цвету возникшего у него последовательного  образа. При этом испытуемый не называл  цвет, а лишь его номер в цветовом круге. Цветовой круг нормирован таким  образом, что соседние цвета отличаются в нем друг от друга на одинаково  замечаемую величину. Следовательно, цветовой круг можно рассматривать как  интервальную шкалу. Наряду с этим цветовой круг характеризуется и еще одним  свойством. В частности, можно себе представить, что между двумя  соседними цветами, например между  зеленовато-голубым и голубовато-зеленым, имеется еще множество не замечаемых человеческим глазом цветовых переходов. В этом смысле цветовой круг представляет собой пример непрерывной переменной. Фактически же испытуемые всегда выделяют конечное число цветовых оттенков и  поэтому свой выбор останавливают  на конкретном номере (или названии) цвета. В рассматриваемом эксперименте испытуемые определяли свой последовательный образ в диапазоне от № 16 –  зеленовато-голубой цвет до № 23 –  желтовато-зеленый. Полученные данные можно табулировать, что и сделано  в таблице 2.