Мониторинг представляет собой один из наиболее эффективных методов изучения динамики развития сложных разнородных системных объектов. Он основан на периодическом наблюдении совокупности характеристик системы, качественной и количественной их оценке, вычислении изменений во времени параметров объекта и прогнозировании их динамики.

Поэтому мониторинг рассматривается как наиболее эффективное средство получения эмпирических данных в процессе информационно-аналитической деятельности и используется в качестве специально организованной и постоянно действующей системы необходимой статистической отчетности, сбора и анализа информации, проведения полевых и аналитических обследований и диагностики состояния и тенденций развития того или иного социального объекта.

Как система, мониторинг представляет собой совокупность взаимосвязанных элементов: цели осуществления различных исследовательских мероприятий, объекта отслеживания и комплекса его критериев и показателей, методов сбора эмпирической информации и др. Эффективность этой системы зависит от того, как все ее элементы связаны между собой, насколько они адекватны друг другу.

Главной целью мониторинга является сбор, изучение и подготовка информации для принятия и анализа решений. Это обуславливает два уровня требований, которым должен удовлетворять этот комплекс мероприятий, осуществляемых в рамках значительного промежутка времени: целевая направленность поисковых информационных процессов и максимальная достоверность данных, получаемых на каждой стадии.

Целевая функция мониторинга может быть представлена через следующий комплекс взаимосвязанных задач:

  • организация наблюдения, получение достоверной и объективной информации о развитии тех или иных процессов;
  • оценка и системный анализ получаемой информации;
  • обеспечение органов управления, предприятий, учреждений и организаций информацией, полученной при осуществлении мониторинга;
  • выявление факторов, вызывающих экономические и социальные угрозы в настоящее время и в перспективе;
  • разработка прогнозов развития ситуации;
  • подготовка рекомендаций, направленных на преодоление негативных и поддержку позитивных тенденций, доведение их до органов управления.

На первом этапе решения указанных задач осуществляется сбор информации с использованием широкого спектра известных эмпирических методов. Здесь с необходимостью будут востребованы методологические принципы, изложенные в §4.4 этой монографии. Главным критерием осуществления этого информационно-поискового этапа является императив репрезентации получаемых данных.

Вторым этапом, как правило, является диагностика состояния исследуемого объекта, методы которой могут быть различными, например:

  • аналитическими, основанными на операциях со статистическими данными (методы сравнения, приведения показателей в сопоставимый вид, способы использования средних и относительных величин, методы факторного и корреляционного анализа);
  • экспертными – на базе обобщения информации и оценок, представленных компетентными специалистами;
  • линейного программирования – под этим методом понимается математический прием, используемый для определения лучшей комбинации ресурсов и действий, необходимых для достижения оптимального результата развития исследуемого объекта[1].

На третьем этапе мониторинга по результатам диагностики текущего состояния исследуемого объекта вырабатываются возможные варианты развития объекта на кратко-, средне- или долгосрочную перспективу. Как правило, формулируется несколько прогнозных вариантов, наиболее благоприятный из которых рассматривается в качестве базового для последующего технологического сопровождения и разработки соответствующих рекомендаций.

На последнем этапе оценивается эффективность всех мониторинговых мероприятий, направленных, в конечном итоге, на гармонизацию отношений объекта в структуре среды и при необходимости вносятся коррективы в систему мониторинга.

Здесь мы не считаем необходимым подробное рассмотрение специфики мониторинговых мероприятий, осуществляемых на каждом из этапов. Эти положения в развернутом формате присутствуют в многочисленной социологической литературе и не представляют сложности в понятийном плане. Мы считаем гораздо более важным рассмотреть аспекты достоверности, добротности, валидности данных получаемых средствами мониторинга и, соответственно, обосновать порядки эффективности управленческих решений, разрабатываемых на основе этой информации.

Итак, существуют общепринятые требования (критерии) к проведению мониторинга, которые необходимо соблюдать для того, чтобы достичь определенного управленческого эффекта. В качестве таковых выступают следующие:

  • репрезентативность «представляющей системы» (выборочной совокупности) мониторинговых исследований;
  • валидность мониторинга – комплексный критерий, который фиксирует обоснованность методик и результатов, достоверность и корректность, как собранной информации, так и аналитических выводов;
  • достоверность методов анализа и обработки эмпирической информации.

Все эти требования взаимосвязаны и взаимозависимы, но каждое из них имеет свою специфику, о чем и пойдет речь ниже.

Итак, объект мониторингового аналитического исследования является носителем противоречий, которые выделены в целеполагающей характеристике исследовательского проекта: противоречий объективной действительности – социальных и гносеологических — противоречий между знанием и незнанием. Проблема, в связи с этим, состоит в поиске путей эффективного разрешения указанных противоречий, а в конечном итоге — в разработке научно обоснованной концепции развития и управления объектом.

Одной из основных задач при проектировании генеральной совокупности (системы объекта) мониторинга является выбор ее базовых признаков[2]. Очевидно, что они обусловлены различными формами позиционирования человека в социальной среде.

Мы понимаем тот факт, что предметная направленность и целевые установки мониторинга могут быть чрезвычайно разнообразны: от проблем предотвращения террористических угроз до оптимизации работы малого бизнес-предприятия. Но в любом случае в центре того или иного исследуемого процесса рельефно будет проявлять себя человек – носитель определенных психофизиологических и социокультурных признаков, которые и предопределяют его поведение в той или иной ситуации. Поэтому мы считаем возможным рассмотреть вопросы добротности результатов мониторинга на примере отдельных «абстрактно унифицированных» показателей, структура которых в реальной ситуации, безусловно, будет модифицирована.

Итак, для разработки комплекса этих признаков и показателей в структуре исходной системы выделяются, как правило, два уровня:

  • сфера реализации биотических связей, которые характеризуют состояние и развитие организма человека как элемента биосреды, уровень биофизиологического сервиса, адекватность экосреды и другие;
  • сфера реализации надбиотических (социальных) связей, которые характеризуют роль и место индивида в структуре общественного разделения труда и распределения материальных благ.

В качестве показателей (критериев) оценки характера связей субъекта могут быть приняты различные параметры в зависимости от особенностей объекта исследования и имеющейся информационной (статистической) базы. В качестве таковых чаще всего принимаются следующие признаки.

Уровень дохода человека характеризует потенциальную возможность использования субъектом услуг имеющегося социокультурного и биотического сервиса.

Обеспеченность жильем свидетельствует о социофизиологическом комфорте и опосредованно о наличии или отсутствии доминирующего мотива в структуре ценностей человека.

Возрастная структура: возраст респондента опосредованно характеризует степень его включенности в общественное производство, свидетельствует о специфике социального опыта (социальной памяти) и, следовательно, дает общие представления о доминантных мотивах поведения, сознания и ценностных ориентациях.

Дихотомия пола косвенно свидетельствует о месте индивида в структуре общественного производства и, безусловно, о специфике его биотических связей.

Характеристика микросреды респондента фиксирует регрессию ценностей и мотивов личности.

Национальная принадлежность респондента может обуславливать общую специфику его обмена деятельностью со средой.

Уровень образования характеризует структуру ценностных ориентаций личности и уровень ее социальных претензий.

Социальный статус личности напрямую свидетельствует о месте и роли индивида в структуре общественного разделения труда и социальных отношений, а также — опосредованно — об уровне его образования.

При проектировании системы объекта на уровне общей гипотезы делается следующая посылка: перечисленные факторы, а также ряд других, выбранных в соответствии с целью и задачами исследования, в равной степени влияют на характер мнения человека при ответе на тот или иной вопрос. Поэтому данные показатели учитываются в качестве базовых страт генеральной совокупности.

Таким образом, формируется первая эмпирическая модель объекта, на базе которой строятся другие — более высокого уровня формализации — модели.

Как уже подчеркивалось, система базовых показателей строится в строгом соответствии с целью и задачами исследовательского проекта. Напомним, что представленные выше признаки в определенном смысле претендуют на некую универсальность, но это отнюдь не означает, что они с необходимостью должны войти в систему основных критериев генеральной целостности реального исследования. Этот перечень гораздо в большей степени является иллюстрацией возможных блоков признаков, нежели фрагментом методики конкретного мониторинга.

Основная научная цель мониторингового проекта заключается в выявлении реальной структуры и динамики развития объекта изучения. Главная же методологическая задача состоит в определении степени ошибки измерения, которая допустима при описании и анализе этих структур. Здесь необходим учет указанных выше основных критериев (требований), фиксирующих степень репрезентации, валидности и достоверности результатов исследования.

Попытаемся раскрыть сущность выделенных аспектов.

I. Проблема репрезентации представляющей системы.

Прикладное мониторинговое исследование, как правило, всегда исследование выборочное. Его целью является  получение первичной информации, достаточной для подтверждения или отклонения высказанных ранее гипотез. Основные сложности в этой области связаны с проектированием выборки. Как правило, тип выборки, ее объем являются основными факторами, обусловливающими качество получаемой информации. Именно по этой причине в данном разделе большое место уделено решению проблем оптимизации системы объекта выборочного исследования, репрезентации выборки и анализу структуры наблюдаемой ошибки, которая неизбежна при проведении полевых процедур снятия информации.

Итак, во-первых, случайная ошибка может обусловливаться спецификой выборочного исследования и структурой выборки. Фактически она зависит от доли в выборке единиц отбора, которые обладают интересующими исследователя признаками.

Во-вторых, ошибка обусловливается разбросом между распределением единиц наблюдения в системе объекта (генеральной совокупности) и ее модели — выборке. Введение поправки на эту ошибку почти полностью компенсирует ее влияние, так как стандартное значение этой составляющей комплексной ошибки не столь велико.

В-третьих, ошибка может быть связана с нарушениями принципа случайности при извлечении выборки, которая обусловливается, как правило, многократными заменами недостижимых респондентов. Опыт показывает, что подобные нарушения структуры системы объекта являются типичными и могут привести к значительному искажению результатов и требуют применения достаточно сложных процедур ремонта выборки.

Таким образом, проектирование выборки, методики и технологии сбора эмпирических данных, с учетом изложенных моментов, а также перевзвешивание данных в процессе полевого этапа (если появляется необходимость в этом) позволяют обеспечить снижение различных смещений до величин, не превышающих проектную погрешность выборки, т.е. позволяют сформировать представляющую систему, вполне адекватную объему и структуре генеральной совокупности.

Теперь более остановимся подробно на основных методологических принципах построения системы, представляющей на этом этапе объект мониторингового исследования.

Известно, что выборка представляет собой модель генеральной совокупности, в которой с определенной точностью (и вероятностью) воспроизводится реальное распределение объектов, характеризуемое величиной дисперсии генеральной совокупности. Собственной характеристикой выборки является среднее квадратичное отклонение выборочных средних (выборочная дисперсия). По сути, проблема заключается в проектировании выборки, дисперсия которой с определенной заданной точностью повторяла бы рассеяние признаков генеральной совокупности объекта мониторинга.

После определения наиболее общих статистических характеристик совокупного объекта необходимо выяснить закон распределения элементов генеральной совокупности. Известно, что наиболее адекватно описывающим характер этого рассеяния, является «закон нормального распределения» (закон Гаусса). Он описывает распределение случайной величины около среднего значения признаков, когда малые отклонения являются характерными, а большие встречаются редко и рассматриваются как исключения. Аналитически это распределение описывается функцией Лапласа.

В соответствии законом Гаусса, большинство признаков исследуемого объекта близки к среднему значению, а отклонения от него обусловлены рядом случайных факторов. Таким образом, проблема репрезентации выборки сводится к определению вероятности данного отклонения, которое должно лежать в определенных пределах. Для этого вводится соответствующий коэффициент (t), зависящий от «доверительной вероятности», с которой гарантируется невыход (х -`х) за  пределы  tm,  т.е. ½x -`x½ < tm.

Доверительная вероятность (D) определяется функцией Лапласа (для больших объемов выборки)[3].

Довольно часто в исследованиях применяется метод пропорциональной выборки, репрезентация которой определяется, с учетом изложенного, в следующей последовательности. 

                                          ¾¾Ø

1.                               m =Ö s2/c   ,

 где m — дисперсия выборочной совокупности;

       s2 — суммарная дисперсия серийных средних в генеральной  совокупности; 

       с — число групп в выборке.

                                                                   c

2.                               s2 =  S  s2xi /C,

                                                                  i=1

где  s2xi — частная дисперсия серийных средних.

                                                                    n    _

3.                              s2xiS  (X – Xi)2 / C-1.

                                                                    i=1

Здесь `X — средняя численность единиц наблюдения в группах  системы  объекта;  

              Xi — число единиц в конкретной группе. 

Далее, с учетом коэффициента критической точки нормального распределения определяется доверительная достоверность (t) и рассчитывается предельная ошибка при проектировании представляющей системы.

Очевидно, что процедура разработки выборочного проекта требует анализа объективных данных. Именно этот анализ позволяет оптимизировать удельный вес параметров каждой группы и вычислить них значение частной дисперсии:

4.                          s2ij =  S  (`Xij – Xi)2 /  Xj ,

где s2ij — частная дисперсия, которая характеризует вариацию признака в стратифицированной группе, обусловленную действием на нее различных факторов, кроме положенного в основание группировки;

Xi  — средняя величина признака в j-й совокупности;

Xij — значение признака (у) i-й единицы j-й группы;

Хj  — численность единиц j-й совокупности.

В качестве базовой (расчетной при определении характеристик выборки) при большом разбросе значений групповых отклонений, используется величина дисперсии, средняя из групповых дисперсий:

                                                            n

5.                          `s2S  s2 xi  Xj / S Xj ,

                                                           i=1

где    `s2 межгрупповая дисперсия;  

           SХj = N — объем генеральной совокупности.

В этом случае объем выборочной совокупности может быть определен с помощью следующей простой формулы:

          _

6.                           n = t2 s2 / D2.

Дальнейшая оптимизация выборки осуществляется вероятностными методами, основанными на расчете энтропии распределения фиксированных свойств (аi) и (вi) по каждому из выбранных базовых параметров представляющей системы.

Пусть Р – совокупность всех распределений вероятностей, которые могут быть определены на данном множестве. Тогда вероятностная мера совместимости (гомоморфности) двух сравниваемых множеств (представляющей системы и системы объекта) – это функция Н:Р ® [0 , ¥], обладающая следующими свойствами:

Аддитивностьдля распределения вероятностей нахождения признаков с определенным удельным весом в любых двух множествах, отклонение совместного распределения вероятностей которых равно сумме отклонений отдельных распределений этих вероятностей.

Квазиаддитивность – отклонение совместного распределения вероятностей не больше суммы отклонений соответствующих распределений его компонентов.

Непрерывность. (Н) — это непрерывная функция на всех своих аргументах.

Известно, что только функции вида:

Н = Н(p1,p2,….pk) = åpklog21/pk  обладают такими свойствами.

В данной функции:  Pk = P(Xk),

Р – координата двухмерного вероятностного пространства или вероятность нахождения в этой совокупности признака с определенным удельным весом – 0<P<1 (см. закон нормального распределения);

Хk — дискретная случайная величина в вероятностном пространстве {P,аi},{P,bi}, принимающая значение x1, x2,…xk c распределением вероятностей {Pk, k=1,2…n}.

Нижняя граница энтропии Н=0 достигается в том случае, если вероятность присутствия в маске распределения одного значения рi=1, а остальные равны нулю. Если множество значений энтропии относительно неких значений признаков по базам аi, bj равны нулю, то следует отметить, что разработанная представляющая система самотождественна системе объекта (идеальный случай распределения энтропии относительно значений фиксированных признаков).

Верхней границы энтропия достигает тогда, когда вероятность всех событий одинакова, т.е. в представляющей системе могут присутствовать любые значения признаков, что свидетельствует о полной недетерминированности выборки.

Такой подход верифицирует проект выборочного исследования и свидетельствует о том, что в заданном диапазоне доверительного интервала (как правило — F(t)= 0.97,  D= 0.03), т.е. с вероятностью 97% при осуществлении одного из случайных методов отбора в выборку попадут респонденты, обладающие теми или иными фиксированными признаками. Причем удельный вес признака, присутствующего в выборке, с указанной вероятностью должен быть пропорционален удельному весу того же признака в генеральной совокупности.

Таким образом, выборка разрабатывается в два этапа. Первый – проектный расчет представляющей системы с использованием статистических зависимостей. Второй – оптимизация элементов матрицы выборочных данных с использованием вероятностных критериев, четко фиксирующих границы репрезентации выборочной совокупности.

В результате использования изложенных принципов формируется репрезентативная представляющая система (выборка), которая обладает указанными выше характеристиками[4].

II. Проблема валидности информации в процессе мониторингового исследования ставится всегда, когда необходимо оценить, в какой степени рабочая дефиниция, положенная в основу создаваемой, например, прогнозной модели, соответствует концепции, которую с помощью этой дефиниции мы планируем измерить (подтвердить или опровергнуть).

Существует несколько способов валидации:

  • поверхностная валидность имеет отношение к суждению о том, что рабочая дефиниция нацелена на обоснование исследовательской концепции с точки зрения здравого смысла;
  • теоретическая (внутренняя) валидность показывает, насколько адекватно измерение (оценка) отражает все грани концепции;
  • прогнозируемая валидность фиксируется как граница или интервал, в пределах которого прототип и разработанная модель находятся в отношениях заданной гомоморфности.

Валидность (общая добротность) материалов, которые положены в основу результатов исследования, тесно связана с корректностью, толерантностью сбора эмпирических данных. Очевидно, что проблема создания добротного инструментария является главной на этом этапе исследования объекта.

В целях повышения добротности инструментария проводится его пилотаж, что позволяет, во-первых, оптимизировать структуру анкеты (бланка интервью и др.); во-вторых, разработать адекватный перечень вариантов ответов на ключевые вопросы и «закрыть» их. Выводы о совершенствовании инструментария, как с точки зрения методики, так и в плане учета социально-психологических особенностей респондентов делаются уже в процессе панельных исследований и учитываются в дальнейшем.

III. Проблема достоверности анализа данных.

Многие исследовательские проекты (в первую очередь, лонгитюдные и мониторинговые) предполагают сравнительный анализ результатов, полученных на разных этапах. Учитывая это обстоятельство, необходимо решить вопрос об их сопоставимости (либо по подмассивам, либо результатов различных этапов исследования). Для этого используется критерий «доверительности границ». Кроме того, необходимо обеспечить высокую верификацию обработки и анализа полученной информации, которая во многом определяется комплексом имеющихся статистических и вероятностных методов оценки и сопоставления различных типов данных. Проблема заключается в том, чтобы выявить средства для перехода от количественных, числовых (формализованных) характеристик объекта к его структурной качественной интерпретации.

При решении этой проблемы используются следующие методы и подходы.

Расчет средних величин распределения, а также модальных значений. Этот подход позволяет сформировать укрупненную модель качественной структуры объекта.

Статистическое тестирование и корреляционный  анализ. Метод статистического анализа, который называется также измерением центральной тенденции, дает информацию о среднем или типическом (typical) значении из большого числа признаков переменной. На этом уровне используются следующие статистические измерения:

  • ранжирование — измерение ширины полного распределения значений переменной с фиксацией ее экстремумов;
  • расчет проценталей, квартилей с целью нахождения значений переменной в определенном месте распределения;
  • расчет стандартных отклонений с целью выяснения насколько типичное значение переменной отклоняется от среднего арифметического;
  • расчет дисперсии (рассеяния) признаков в рамках того или иного массива данных;
  • метод парных сравнений для логического выделения пар вопросов и построения статистических матриц сочетания вариантов ответов на них. Этот метод, в совокупности с корреляционным, позволяет выявить детерминанты формирования и развития того или иного эмпирического признака;
  • тестирование посредством критерия «χ2» с целью подтверждения или опровержения «нулевой гипотезы» (анализ степени случайности взаимосвязи признаков в парных распределениях).

Корреляционный анализ позволяет конкретизировать сущностные характеристики данных, выделить и обосновать их качественную определенность. На этом этапе рассчитываются, как правило, коэффициенты корреляции Пирсона (Р), Чупрова (Т) и Крамера (К). Они в цифровой форме фиксируют утверждение о том, что между двумя переменными существует линейная зависимость. Для каждой пары переменных эти коэффициенты принимают единственное значение (от +1 до -1), которое отражает силу их взаимосвязи. Сравнительный анализ этих значений позволяет достичь высокой качественной репрезентации, исходя из рассмотрения показателя матрицы распределения.

Для анализа взаимозависимости ранжированных признаков рассчитываются также коэффициенты корреляции Спирмена (rs) и Канделла (t);

Посредством факторного анализа окончательно уточняется характер качественно-определенных связей между элементами изучаемой системы, а также ее структура. На этом этапе делается заключение об адекватности разработанных гипотез и детерминант формирования признаков и индикаторов мониторингового исследования.

Использование рассмотренных методов и подходов позволяет концептуализировать полученную информацию, оценить достоверность выводов и прогнозов, которые вырабатываются в процессе системного анализа эмпирических данных, а также выделить и обосновать основные аспекты, определяющие тенденции развития объекта мониторинга.

Очевидно, что наряду с необходимостью проведения широкомасштабных исследований часто возникает потребность в изучении проблем и разработке прогнозов локализованных, например, районом города или конкретным предприятием и его полем. Это требует разработки локального выборочного проекта, который с определенной точностью отражал бы не рассеяние признаков в рамках того или иного показателя, а фиксировал бы межфакторную общую дисперсию. Она вычисляется для всего статистического распределения в целом, как средний квадрат отклонения значений признаков от общей средней величины. Таким образом, фиксируется вариация признаков, порождаемая всей совокупностью действующих на них факторов.

Завершая этот раздел, отметим, что мы отнюдь не случайно уделили столь большое внимание рассмотрению принципов репрезентации и валидации получаемой средствами мониторинга информации. Дело в том, что в реальной исследовательской практике эти критерии подчас не рассчитываются, а просто декларируются, при этом сбор информации производится только лишь с учетом гнездовых пропорций выборочной и генеральной совокупностей. В этом случае статистическая погрешность может достигнуть запредельных величин.

В связи с этим мы очередной раз призываем специалистов к ответственности в процессе работы с информацией, к корректному отношению к методикам ее конструирования и методам ее трансляции. В противном случае баланс информационной среды может быть нарушен, и мы потеряем, пусть даже на короткое время, возможность использовать ее ресурсы, что чревато непоправимыми последствиями. Фатальность этой ситуации заключается в том, что социальная информация актуальна благодаря своей привязке к социальному времени. Дезактуализация информации означает разрушение связи между модусами социального времени, что неминуемо выталкивает человека (корпоративную группу, представителей политической конгломерации, социальную когорту, этническую общность др.) на периферию бытия, разрушая его социальность.


[1] См.: Трухляева А.А. Использование информационных технологий в мониторинге инновационного развития региональных хозяйственных систем. <http://www.volsu.ru/s_conf/tez_htm/054.htm>.

[2] Здесь и далее мы будем использовать дефиниции, и апеллировать к положениям, представленным в разделе 4.4.

[3] См. любой справочник по математической статистике, а так же, например, – Рабочая книга социолога./ Отв.ред. Г.В. Осиров.- М.: Наука, 1993.- С.212 и таблицы приложения этой книги.

[4]  Более подробно о принципах оптимизации структуры представляющей системы средствами вероятностного расчета, построенного на основе закона информативности К. Шеннона см.: Курлов А.Б. Методология социального моделирования / А.Б. Курлов.- Уфа: «Автор-Проект», 2000.-  С. 79-92.

Поделиться в социальных сетях

Добавить комментарий

Авторизация
*
*
Регистрация
*
*
*
Генерация пароля