Типологизация ситуаций неравенства: алгоритмы качественного анализа данных

Бабич Николай Сергеевич

УДК 303.1 Бабич Николай Сергеевич

кандидат социологических наук, научный сотрудник Института социологии Российской академии наук dom-hors@mail.ru

ТИПОЛОГИЗАЦИЯ СИТУАЦИЙ НЕРАВЕНСТВА: АЛГОРИТМЫ КАЧЕСТВЕННОГО АНАЛИЗА ДАННЫХ [1]

Babich Nikolay Sergeevich

PhD in Social Science, Research associate at Institute of Sociology, Russian Academy of Sciences dom-hors@mail.ru

TYPOLOGIZATION OF INEQUALITY SITUATIONS: ALGORITHMS OF QUALITATIVE DATA ANALYSIS [1]

Аннотация:

В статье рассматриваются два алгоритма качественного анализа социальной информации, которые могут быть использованы в поисковых исследованиях социального неравенства на основе самокатегоризации респондентов и биографического конструирования идентичности. Первый предложен У. Герхардт и основан на методе «идеальных типов» М. Вебера, предназначен для работы с текстами биографических интервью, второй - метод «кейс-ориентированной квантификации», разработанный У. Кукартцем, -для работы с массивом открытых вопросов. Рассмотренные методики направлены на выработку эмпирически обоснованной типологии.

Ключевые слова:

типология, типологический анализ, биографическое интервью, идеальный тип, кейс, открытый вопрос, кейс-ориентированная квантификация, социальное неравенство, социальная стратификация.

Summary:

The author considers two algorithms for qualitative data analysis, which can be used in exploratory research of social inequality based on respondents' selfcategorization and biographic identity construction. One method is proposed by U. Gerhardt and based upon M. Weber's “ideal types” method. It is intended for work with biographical interviews. The other one is a method of “case-oriented quantification”, developed by U. Kuckartz for open-ended questions operations. The methodologies under consideration contribute to development of the empirically based typology.

Keywords:

typology, typological analysis, biographical interviews, ideal type, case, open-ended questions, case-oriented quantification, social inequality, social stratification.

Введение

В настоящее время наиболее развиты количественные методики изучения социального неравенства, исходящие из представлений о латентных переменных неравенства, значения которых реконструируются на основе анализа явных, измеряемых индикаторов (как правило, анкетных вопросов). Однако такой подход представляется явно недостаточным для полноценного исследования проблем социальной стратификации. Формализованные измерения, по необходимости, ограничены узким набором признаков, поэтому они должны быть дополнены качественным анализом. В предлагаемой вниманию читателей статье будут рассмотрены два алгоритма такого анализа, позволяющие выработать эмпирически обоснованную типологию ситуаций социального неравенства. Первый из подходов предназначен для работы с текстами биографических интервью, второй - с массивом открытых вопросов.

Биографические интервью

Истории жизни являются одним из достаточно распространенных видов социологических данных, и анализ подобного материала часто встает перед проблемой генерализации. Исследователю требуется каким-то образом, на основе углубленного знакомства с небольшим числом случаев, высказать более или менее общие соображения о том, как события жизни, описанные информантами, отражают их место в социальной структуре. Эту задачу можно решить, если события рассматривать не в их уникальности, а как проявления некоторых типов жизненных ситуаций (или жизненного пути в целом). В этом состоит суть качественного анализа интервью, основанного на методе «идеальных типов», алгоритм которого предложила У. Герхардт [2, р. 471]. Его реализация включает три основных шага: (1) реконструкция кейсов; (2) выбор парадигматических (прототипических) кейсов; (3) объяснение кейсов.

На первом шаге каждая история, описанная в интервью, разбивается на множество признаков, по которым она может быть подвергнута сравнению с другими историями (кейсами). Осуществляется взаимное упорядочение кейсов, разрабатывается их предварительная группировка. Описание случаев может быть как формализованным, так и «мягким», текстуальным.

Соответственно и группировка производится не только на основе однозначно устанавливаемого сходства, но и «по смыслу».

На втором шаге в каждой предварительно определенной группе выделяется наиболее «чистый» случай, который служит для создания дескриптивного идеального типа. На этом этапе появляется возможность не просто разделить и сравнить кейсы, но и получить некоторое представление об однородности групп и силе их различий, путем сопоставления парадигматических случаев между собой и с членами соответствующих групп. Поскольку описание кейсов не полностью формализовано, метод идеальных типов помогает решить задачи, аналогичные тем, что возникают при статистической группировке и оценке различий. Тем самым на втором шаге алгоритма достигается предварительное качественное понимание структуры данных.

Третий этап - создание «структурных» идеальных типов, которые не только описывают эмпирическое распределение кейсов, но и объясняют его. Основной инструмент на этом шаге алгоритма - сравнение максимально похожих и максимально различных случаев, которые теперь нетрудно обнаружить. Объяснение того, какие социальные структуры стоят за обнаруживаемыми сходствами и различиями, и есть результат исследования, то есть искомый идеальный тип. Применительно к биографическому материалу он может объяснять, каким образом индивидуальная конфигурация условий обеспечивает дополнительные шансы для конкретного человека или содержит непредвиденные для него риски [3, p. 117].

После создания набора идеальных типов возникает необходимость в проверке их валидности. У. Герхардт предлагает использовать для этого три приема, почерпнутые ею у М. Вебера: «испытание знанием» (Wissensprufung), «мысленное вычитание» (Fortdenken) и «опытную проверку» (Erfahrungsprobe) [4, s. 437].

«Испытание знанием» заключается в том, что каждый идеальный тип должен быть подвергнут сравнению со всеми уже опубликованными результатами исследований. В биографических исследованиях для этого может быть достаточно проследить, какие выводы об эволюции каждого случая следуют из его принадлежности к тому или иному типу [5]. Если они реалистичны с точки зрения здравого смысла и не противоречат данным других исследований, «проверку знанием» можно считать состоявшейся.

Процедура «мысленного вычитания» состоит в том, что все черты, составляющие идеальный тип, последовательно (поодиночке или группами, в зависимости от их структурных отношений) исключаются из описания, после чего система типов проверяется на состоятельность. Ее основные характеристики должны измениться, причем в худшую сторону. Например, некоторые типы, разделение которых представляется оправданным, могут слиться. Это показатель того, что мысленно вычтенные признаки существенны. Тем самым все составляющие типологии контролируются с точки зрения их необходимости для описания имеющихся эмпирических данных.

«Опытная проверка» осуществляется там и тогда, где и когда на основе идеальных типов можно сделать прогнозы относительно последствий развития описываемых ими явлений. В идеале такие прогнозы должны проверяться повторным исследованием, использующим идентичный инструментарий. Но во многих случаях целесообразно также составлять прогнозы «задним числом», исходя из состояния дел в прошлом, чтобы текущую ситуацию использовать для проверки качества типологии.

Алгоритм У. Герхардт применялся в целом исследований, в тематическом поле которых так или иначе присутствовало социальное неравенство [6; 7, s. 172-177; 8, p. 259-278], и получил некоторое развитие в работах других авторов. Так, психологи Вакхольц и Штур предложили рандомизировать первоначальный отбор кейсов, чтобы снизить влияние исследователя [9, р. 327-343; 10, p. 153-168], а К. Кирхгесслер ввел дополнительно к описанным процедурам еще две: мысленный эксперимент и «оценку по множеству точек» (multipoint elicitation) [11, p. 285-295]. Мысленный эксперимент помогает определить адекватность идеального типа путем представления таких ситуаций, в которых он мог бы отсутствовать или, наоборот, являлся бы преобладающим. «Оценка по множеству точек» по своему принципу совпадает с «опытной проверкой», однако предполагает контроль не только предсказанных результатов, но всей истории развития явления, которая должна совпадать с предсказаниями, сделанными по методу идеальных типов.

Открытые вопросы

Для работы с данными открытых вопросов был предложен метод «кейс-ориентированной квантификации», разработанный У. Кукартцем. Отправной точкой для его идей в конце 80-х послужило исследование профессиональной карьеры выпускников Свободного университета Берлина, в ходе которого обнаружилось, что разнообразие занятий и мест работы выпускников делает бессмысленной разработку закрытий к большинству вопросов [12].

Случаи, когда исчерпывающее перечисление вариантов ответов превратило бы анкету в увесистый том, отнюдь не редкость в эмпирических исследованиях социального неравенства.

И традиционным выходом из ситуации является открытая форма вопроса. Однако получаемый в результате большой массив слабо формализованных данных представляет ограниченную ценность, так как, с одной стороны, не позволяет применять статистические методы анализа, с другой - содержит слишком мало детальной качественной информации о каждом отдельном случае, чтобы служить источником для обобщений по принципам, аналогичным тем, что предложены У. Герхардт. Поэтому исследователям, работающим с открытыми вопросами, часто приходится идти на сближение либо с количественными (путем применения всевозможных кодификаторов), либо с качественными (расширяя свободу интервьюера и респондента) методами анализа. Кейс-ориентированная квантификация, как ясно из названия, представляет собой вариант первого пути. По сути, она является ничем иным как детально разработанной процедурой кодирования ответов на открытые вопросы.

Кейс-ориентированная квантификация основана на идеях Макса Вебера и Альфреда Шюца относительно идеальных типов как средства «методически контролируемой типологизации» [13, p. 158]. К первому автору восходят разделяемые У. Кукартцем представления о типе как о гипотезе особого рода [14, s. 44-53], ко второму - использование когнитивного процесса типизации как базовой техники, общей для повседневного и научного мышления [15, s. 97-98]. Предполагается, что применение указанных двух принципов способствует эффективной разработке кодификаторов, так как процесс отнесения того или иного фрагмента текста к определенному коду по своей сути является типизацией. В большинстве исследований, использующих открытые вопросы, типизация происходит стихийно, на основе естественных когнитивных способностей человека. Кейс-ориентированная квантификация является результатом методической рефлексии относительно этих способностей, базирующейся на концепции идеальных типов.

Типологический анализ по У. Кукартцу включает два этапа, которые обозначаются как кодирование, соответственно, первого и второго уровня. На каждом шаге возможно возвращение к уровню исходного текста, с тем, чтобы изменить описание данных, предложить новую переменную и т.п.

Первый уровень квантификации заключается в изучении материала с целью поиска его «субъективных значений», герменевтического анализа. На этом этапе различным сегментам текста приписываются коды, основанные на личном понимании скрытых в них смыслов, достигаемом при помощи прочтения всего текстового массива интерпретатором. Согласно М. Веберу и А. Шюцу, эти смыслы могут рассматриваться как общезначимые, если исследователь опирается на понимание социальных действий, основаниями которого служит его опыт общего с другими людьми жизненного мира.

Коды, разработанные интерпретатором, группируются в тематические категории. Их сравнительный анализ помогает определить сходства и различия между отдельными случаями (в роли которых обычно выступают записи, относящиеся к индивидам), их своеобразие и взаимоотношения между категориями. Должным образом осуществляемое кодирование первого порядка - трудоемкий и длительный процесс, требующий внимания и погружения в материал. Он может быть разбит на семь шагов [16, p. 160]: 1) транскрипция текстов; 2) интерпретация текстов, относящихся к отдельным кейсам; 3) сравнение текстов, относящихся к отдельным кейсам; 4) разработка категорий и субкатегорий (кодов); 5) группировка фрагментов текста, относящихся к одним и тем же кодам; 6) сравнение текстовых фрагментов, объединенных одним кодом, разработка углубленной интерпретации каждого кода; 7) сравнительный анализ интерпретаций кодов, определение отношений между ними.

В ходе кодирования второго уровня создаются переменные, которые отражают структуру выявленных прежде кодов. Все фрагменты текста, относящиеся к кодам одной переменной, анализируются на предмет определения ее характеристик (размерность, дискретность или непрерывность). После этого появляется возможность каждому текстовому фрагменту присвоить набор числовых значений, отражающих его положение на соответствующих шкалах. Оцифрованные таким способом данные в дальнейшем используются для статистического анализа.

Алгоритм кодирования второго уровня включает восемь этапов [17, p. 164]: 1) тематическое объединение кодированных фрагментов текста; 2) анализ категорий с точки зрения их свойств и «измерений» (Dimensionalisierung, dimensionalization), которые определяют различия между кейсами; 3) определение переменных, отражающих измерения категорий и позволяющих упорядочивать коды; 4) проверка правильности кодировки всех фрагментов текста, при необходимости - их перекодирование или изменение интерпретации категорий; 5) определение типа шкалы и смысла шкальных значений для каждой переменной; 6) формулировка инструкций и образцов для числового кодирования; 7) кодирование текстовых фрагментов в каждом кейсе; 8) ввод числовых значений соответствующих переменным для каждого кейса.

Из описания алгоритмов видно, что оцифровка качественных данных на конечных этапах с необходимостью приобретает черты сильно формализованной процедуры. Поэтому она может быть наиболее эффективно осуществлена при помощи программного обеспечения. В случае типологического анализа У. Кукартца это последовательно сменявшие друг друга пакеты программ MAX, WinMAX и MAXQDA [18]. На вход им могут подаваться не только ответы на открытые вопросы, но и расшифровки фокус-групп, интервью и т.п. Все эти виды данных, в конечном итоге, приводятся к числовому виду, поэтому, фактически, программы У. Кукартца являются инструментами для качественно-количественного анализа, во многом сходного с традиционным контент-анализом текстов [19, p. 193-198]. Результаты квантификации могут быть экспортированы в статистические пакеты в виде таблиц «объект-признак». Отсюда следует, что метод У. Кукартца лучше всего подходит для анализа данных о совокупности респондентов [20, p. 129]. Но получаемые типы могут обобщать не только индивидов, но и ситуации, действия, установки и т.п., если в качестве кейсов избрать соответствующие наблюдения.

По завершении квантификации, появляется возможность применения статистических методов анализа, прежде всего, кластерного [21, s. 237-242]. Он играет в подходе У. Кукартца роль дополнительного средства интерпретации сконструированных кодов. Вычисляя матрицы расстояний и рассматривая разные варианты статистической группировки, исследователь оказывается способен достичь более глубокого понимания взаимоотношений между тематическими категориями. Так, отбрасывая переменные одну за одной, и наблюдая за тем, как изменяются кластеры, можно оценить важность различных «измерений», в пространстве которых размещаются кейсы.

Заключение

Две рассмотренные нами методики типологического анализа качественных социологических данных решают классы задач, связанные с распространенными видами социологической информации, прежде всего, выработку эмпирически обоснованной типологии. В этом качестве они могут быть полезны в поисковых исследованиях социального неравенства, посвященных самокатегоризации респондентов массовых опросов в терминах социальной стратификации, а также биографическому конструированию соответствующей идентичности.

Ссылки и примечания:

1. Работа выполнена при поддержке гранта РФФИ 12-06-31115.

2. Gerhardt U. Ideal type // The Sage encyclopedia of social science research methods / ed. by M. S. Lewis-Beck, A. Bryman and T. Futing Liao. Thousand Oaks: Sage Publications, 2004. P. 471-473.

3. Gerhardt U. The use of Weberian ideal type methodology in qualitative data interpretation // Bulletin de Methodologie Sociologique. 1994. № 45. P. 74-126.

4. Gerhardt U. Typenbildung // Handbuch Qualitative Sozialforschung / Hrsg. von U. Flick. Grundlagen, Konzepte, Methoden und Anwendungen. München: Psychologie Verlags Union, 1991. S. 435-439.

5. Gerhardt U. Gesellschaft und Gesundheit Begründung der Medizinsoziologie. Frankfurt/Main: Suhrkamp, 1991.

6. Leisering L. & Leibfried S. Time and poverty in western welfare states. Cambridge: Cambridge University Press, 1999.

7. Lindner R. Die Idealtypenbildung als Methode der suizidologischen Forschung // Suizidprophylaxe. 2007. № 3.

S. 172-177.

8. Wiggins R. D., Erzberger C., Hyde M., Higgs P. & Blane D. Optimal matching analysis using ideal types to describe the lifecourse: an illustration of how histories of work, partnerships and housing relate to quality of life in early old age // International Journal of Social Research Methodology. 2007. № 4. P. 259-278.

9. Wachholz S. & Stuhr U. The concept of ideal types in psychoanalytic followup research // Psychotherapy Research. 1999. № 3. P. 327-341.

10. Stuhr U. & Wachholz S. In search of a psychoanalytic research strategy: The concept of ideal types // Qualitative psychotherapy research: methods and methodology / ed. by J. Frommer & D. Rennie. Lengerich: Pabst, 2001. P. 153-168.

11. Kirchgassler K. Validity - the quest for reality in quantitative and qualitative research // Quality & Quantity. 1991. № 3. P. 285-295.

12. Kuckartz U. Computer und verbale Daten. Chancen zur Innovation sozialwissenschaftlicher Forschungstechniken. Frankfurt/Main: Peter Lang, 1988.

13. Kuckartz U. Case-oriented quantification // Computer-aided qualitative data analysis: theory, methods and practice / ed. by U. Kelle. Thousand Oaks: Sage, 1995.

14. Kuckartz U. Ideal types or empirical types: the case of Max Weber's empirical research // Bulletin de Methodologie Sociologique. 1991. № 31. P. 158-166.

15. Kuckartz U. Einführung in die computergestützte Analyse qualitativer Daten. 2 Aufl. Wiesbaden, 2007.

16. Kuckartz U. Case-oriented quantification // Computer-aided qualitative data analysis: theory, methods and practice / ed. by U. Kelle. Thousand Oaks: Sage, 1995. P. 158-166.

17. Ibid.

18. VERBI Software GmbH. MAXQDA 2007 Reference Manual. Marburg: VERBI Software GmbH, 2007.

19. Maietta R.C. MAXQDA 2007: Resources for mixed methods research // Journal of Mixed Methods Research. 2008. № 2. P. 193-198.

20. Weitzman E.A. & Miles M.B. Computer programs for qualitative data analysis: A software sourcebook. Thousand Oaks: Sage, 1995.

21. Kuckartz U. Einführung in die computergestützte Analyse qualitativer Daten. 2 Aufl. Wiesbaden: VS Verlag, 2007.

References (transliterated) and notes:

1. The article was performed with financial support from the Russian Fundamental Research Foundation, project № 12-0631115.

2. Gerhardt U. Ideal type // The Sage encyclopedia of social science research methods / ed. by M. S. Lewis-Beck, A. Bryman and T. Futing Liao. Thousand Oaks: Sage Publications, 2004. P. 471-473.

3. Gerhardt U. The use of Weberian ideal type methodology in qualitative data interpretation // Bulletin de Methodologie Sociologique. 1994. № 45. P. 74-126.

4. Gerhardt U. Typenbildung // Handbuch Qualitative Sozialforschung / Hrsg. von U. Flick. Grundlagen, Konzepte, Methoden

und Anwendungen. München: Psychologie Verlags Union, 1991. S. 435-439.

5. Gerhardt U. Gesellschaft und Gesundheit Begründung der Medizinsoziologie. Frankfurt/Main: Suhrkamp, 1991.

6. Leisering L. & Leibfried S. Time and poverty in western welfare states. Cambridge: Cambridge University Press, 1999.

7. Lindner R. Die Idealtypenbildung als Methode der suizidologischen Forschung // Suizidprophylaxe. 2007. № 3.

P. 172-177.