Шпаргалка

Методы исследований — все темы на одной странице

10 модулей

29 статей

122 определений

0 формул

Содержание

Введение в исследование

Определение исследования, типы исследований, критическое мышление, выбор темы, формулировка проблемы и исследовательских вопросов

Что такое исследование?

Определение исследования → Зачем проводить исследования? → Характеристики хорошего исследования → Типы исследований → Практические задания

Определения

Исследование — это систематический процесс сбора, анализа и интерпретации данных для ответа на определённые вопросы или решения конкретных проблем. В отличие от обыденного наблюдения или простого поиска информации, научное исследование следует строгой методологи...

Смешанные методы (Mixed Methods) — комбинация количественных и качественных подходов в одном исследовании для получения более полной картины.

Поперечное (cross-sectional) — данные собираются в один момент времени. Это «моментальный снимок» ситуации.

Продольное (longitudinal) — данные собираются на протяжении определённого периода времени для изучения изменений и тенденций.

•Организованность — исследование следует чёткому плану и структуре
•Систематичность — каждый этап логически связан с предыдущим
•Основанность на данных — выводы базируются на собранных эмпирических данных, а не на предположениях
•Критичность — исследователь постоянно подвергает сомнению свои предположения и выводы
•Объективность — минимизация субъективных предубеждений
•Научность — использование признанных научных методов
•Целенаправленность — чётко определённая цель и исследовательские вопросы
•Строгость (rigour) — тщательный методологический подход, обеспечивающий достоверность результатов
•Тестируемость — гипотезы должны быть сформулированы так, чтобы их можно было проверить эмпирически
•Воспроизводимость (replicability) — другие исследователи должны иметь возможность повторить исследование и получить аналогичные результаты
•Точность и достоверность — результаты должны отражать реальность настолько точно, насколько это возможно
•Объективность — выводы должны быть основаны на данных, а не на личных убеждениях исследователя
•Обобщаемость (generalisability) — результаты должны быть применимы за пределами конкретной выборки (в количественных исследованиях)
•Экономность (parsimony) — объяснение явлений должно быть максимально простым

Секаран и Буги (Sekaran & Bougie, 2016) определяют исследование как «организованный, систематический, основанный на данных, критический, объективный, научный процесс поиска или проверки (inquiry or investigation), направленный на решение конкретной проблемы». Это определение подчёркивает нескольк...

Исследования играют центральную роль в развитии знаний и принятии решений в бизнес-контексте. Основные причины проведения исследований:

1. Решение практических проблем. Компания может столкнуться с падением продаж, высокой текучестью кадров или низкой удовлетворённостью клиентов. Исследование помогает выявить причины проблемы и найти обоснованное решение. Например, ресторанная сеть может провести исследование, чтобы понять, почем...

Критическое мышление в исследовании

Что такое критическое мышление? → Навыки критического анализа исследований → Типичные логические ошибки → Выбор темы исследования → Формулировка исследовательской проблемы → Исследовательские вопросы → Практические задания

Определения

Критическое мышление — это способность анализировать информацию объективно, оценивать доказательства и аргументы, выявлять предубеждения и формировать обоснованные суждения. В контексте исследования критическое мышление является фундаментальным навыком, который отличает...

Подтверждающее предубеждение (Confirmation Bias) — склонность искать, интерпретировать и запоминать информацию, которая подтверждает уже существующие убеждения, игнорируя противоречащие данные.

Ложная причинно-следственная связь (Post hoc fallacy) — предположение, что если событие B произошло после события A, то A является причиной B.

Обобщение на основе единичного случая — формулировка общего вывода на основе одного или нескольких примеров без достаточной статистической основы.

Апелляция к авторитету — принятие утверждения как истинного только потому, что оно высказано авторитетным лицом, без оценки доказательств.

1. Интересной для исследователя — мотивация играет ключевую роль в длительном исследовательском процессе.

2. Практически значимой — результаты должны иметь потенциальное применение.

3. Реализуемой — необходимо учитывать доступность данных, временные ограничения и ресурсы.

4. Достаточно узкой — слишком широкая тема не позволит провести глубокое исследование. «Маркетинг в социальных сетях» — слишком широко; «Влияние контент-маркетинга в Instagram на покупательское намерение поколения Z в сфере моды» — достаточно конкретно.

Постановка проблемы (Problem Statement) — это чёткое описание проблемы, которую исследование призвано решить. Хорошая постановка проблемы:

•Анализ аргументов — разделение аргумента на составные части (посылки и выводы) и оценка логической связи между ними
•Оценку доказательств — определение качества, релевантности и достаточности представленных доказательств
•Выявление предубеждений — распознавание собственных и чужих предвзятых суждений
•Формулирование обоснованных выводов — построение заключений, которые логически следуют из имеющихся данных

Об исследовательской проблеме

•Чётко ли сформулирована исследовательская проблема?
•Является ли проблема значимой и актуальной?
•Обоснована ли необходимость проведения данного исследования?

О литературном обзоре

•Охватывает ли обзор ключевые источники по теме?
•Используются ли актуальные и релевантные публикации?
•Выявлен ли исследовательский пробел (research gap)?

О методологии

•Соответствует ли выбранный метод исследовательским вопросам?
•Адекватен ли размер выборки?
•Описаны ли процедуры сбора данных достаточно подробно для воспроизведения?
•Рассмотрены ли этические аспекты?

О результатах и выводах

•Подтверждаются ли выводы собранными данными?
•Обсуждаются ли ограничения исследования?
•Не содержат ли выводы чрезмерных обобщений?
•Соответствуют ли рекомендации полученным результатам?
•Описывает существующую ситуацию и расхождение с желаемой
•Обосновывает, почему проблема важна и требует изучения
•Определяет границы исследования
•Указывает на пробел в существующих знаниях
•Чёткими — понятными и однозначными
•Фокусированными — достаточно узкими для глубокого изучения
•Исследуемыми — на них можно ответить с помощью собранных данных
•Релевантными — связанными с исследовательской проблемой

При чтении и оценке научных исследований необходимо задавать следующие ключевые вопросы:

*Пример:* Менеджер убеждён, что удалённая работа снижает производительность. При проведении исследования он обращает внимание только на случаи низкой производительности удалённых работников, игнорируя многочисленные примеры высокой продуктивности.

Типы исследований: подробная классификация

Введение → 1. По цели исследования → 2. По глубине охвата → 3. По манипуляции переменными → 4. По типу умозаключения → 5. По временному горизонту → 6. По источникам данных → 7. По способу получения данных → Практические задания

Теоретическое (фундаментальное) исследование

•Изучение влияния социальных сетей на формирование идентичности подростков
•Исследование взаимосвязи между типом организационной культуры и уровнем креативности сотрудников
•Анализ механизмов принятия решений в условиях неопределённости

Прикладное исследование

•Разработка стратегии снижения текучести кадров в конкретной компании
•Оценка эффективности маркетинговой кампании нового продукта
•Определение оптимального расположения нового филиала

Задание 1

•(а) Корреляционное — исследователь измеряет взаимосвязь между двумя переменными (часы обучения и производительность).
•(б) Неэкспериментальное — исследователь не манипулирует переменными, а наблюдает их в естественных условиях.
•(в) Полевое — данные собираются на рабочих местах, в естественной среде.

Задание 2

•По цели — прикладное, так как исследование направлено на практическую задачу (проверка эффективности лекарства).
•По манипуляции переменными — экспериментальное, так как исследователь манипулирует независимой переменной (назначение лекарства / плацебо) и использует случайное распределение.
•По типу умозаключения — дедуктивный подход, так как исследователь исходит из теории об эффективности препарата, формулирует гипотезу и проверяет её эмпирически.

Классификация исследований помогает исследователю выбрать наиболее подходящий подход для изучения конкретной проблемы. Существует множество критериев, по которым можно классифицировать исследования: по цели, по глубине охвата, по манипуляции переменными, по типу умозаключения, по временному гориз...

Теоретическое исследование (Basic / Pure Research) направлено на расширение знаний и развитие теорий без непосредственной практической цели. Его задача — понять природу явления, выявить закономерности и построить концептуальные модели.

Результаты фундаментальных исследований публикуются в научных журналах и формируют основу для будущих прикладных исследований.

Прикладное исследование (Applied Research) направлено на решение конкретной практической проблемы. Исследователь стремится получить результаты, которые можно непосредственно использовать для принятия решений.

Академическое письмо и чтение

Введение → 1. Академический стиль письма → 2. Использование временных форм глагола → 3. Перефразирование и плагиат → 4. Референцирование и цитирование → 5. Эффективное чтение научных текстов: метод SQ3R → 6. Структурирование академической аргументации → Практические задания

Определения

Плагиат — это использование чужих идей, слов или результатов без надлежащей ссылки на первоисточник. Плагиат является серьёзным нарушением академической этики и может привести к отчислению, отзыву публикации или потере профессиональной репутации.

Характеристика	Разговорный стиль	Академический стиль
Тон	Неформальный, субъективный	Формальный, объективный
Местоимения	«Я думаю», «мы все знаем»	«Было установлено», «данные свидетельствуют»
Аргументация	Основана на мнении	Основана на доказательствах
Лексика	Простая, разговорная	Терминологически точная
Структура	Свободная	Строго организованная

Ключевые принципы

•Объективность: Вместо «Очевидно, что...» следует писать «Результаты исследования показывают, что...»
•Точность: Вместо «многие учёные считают» — «ряд исследователей (Smith, 2020; Jones, 2021) установили»
•Осторожность в выводах (hedging): Использование смягчающих конструкций: «можно предположить», «по-видимому», «данные указывают на возможную связь»
•Связность: Использование связующих слов и фраз для обеспечения логического перехода между идеями: «следовательно», «в то же время», «напротив», «более того»

Настоящее время

•«Исследование представляет собой систематический процесс...»
•«Корреляция не подразумевает причинно-следственную связь.»

Прошедшее время

•«Было проведено анкетирование 200 респондентов.»
•«Результаты показали статистически значимую корреляцию (r = 0,72, p < 0,01).»
•«Smith (2019) обнаружил, что...»

Настоящее совершённое время

•«Ряд исследований продемонстрировал связь между мотивацией и производительностью.»
•«К настоящему моменту были получены противоречивые результаты.»

Что такое плагиат?

•Прямое копирование текста без кавычек и ссылки
•Мозаичный плагиат — перестановка слов в чужом тексте без существенного перефразирования
•Самоплагиат — повторное использование собственных ранее опубликованных работ без указания на это
•Плагиат идей — присвоение чужой концепции или теории

Академическое письмо и чтение — это ключевые навыки для любого исследователя. Умение грамотно излагать результаты исследования и эффективно работать с научной литературой определяет качество всей исследовательской работы. В этой статье рассматриваются основные принципы академического стиля, прави...

Академическое письмо существенно отличается от повседневного и публицистического стилей:

Академический стиль требует точности, ясности, логичности и обоснованности каждого утверждения. Исследователь должен избегать эмоционально окрашенных выражений, обобщений без доказательств и разговорных оборотов.

Правильное использование грамматических времён — важный аспект академического письма:

Обзор литературы

Цель и структура литературного обзора, поиск источников, академические базы данных, критическое чтение, написание обзора

Цель и структура литературного обзора

Что такое литературный обзор? → Цели литературного обзора → Поиск источников → Критическое чтение источников → Структура литературного обзора → Практические задания

Определения

Литературный обзор (Literature Review) — это критический анализ и синтез существующих научных публикаций по исследуемой теме. Это не просто пересказ статей, а аналитическая работа, которая показывает:

Первичные источники — оригинальные научные статьи, книги, диссертации, где авторы представляют свои собственные результаты исследований. Это наиболее ценные источники для литературного обзора.

Вторичные источники — учебники, обзорные статьи, энциклопедии, которые обобщают и интерпретируют результаты первичных исследований. Полезны для начального ознакомления с темой.

Третичные источники — указатели, каталоги, библиографии, которые помогают находить первичные и вторичные источники.

Релевантность — насколько статья связана с вашим исследовательским вопросом?

Качество — опубликована ли статья в рецензируемом журнале? Какова методология?

Актуальность — насколько давно проведено исследование? В быстро меняющихся областях рекомендуется использовать источники не старше 5-7 лет.

Цитируемость — сколько раз статья была процитирована другими исследователями?

Авторитетность — кто автор? Каков его/её опыт в данной области?

1. Тематическая структура — группировка по темам или подтемам. Наиболее распространённый и рекомендуемый подход.

2. Хронологическая структура — организация по времени публикации. Показывает развитие идей.

3. Методологическая структура — группировка по использованным методам исследования.

4. Структура «от общего к частному» (Funnel approach) — начало с широкого контекста и постепенное сужение к конкретной теме.

•Что уже известно по данной теме
•Какие теории и модели используются для объяснения явления
•Какие методы применялись в предыдущих исследованиях
•Какие пробелы (gaps) существуют в текущих знаниях
•Как планируемое исследование вносит вклад в заполнение этих пробелов

Академические базы данных

•Google Scholar — бесплатная поисковая система по академическим публикациям. Хорошая отправная точка для начала поиска.
•Scopus — крупнейшая база реферативных и библиографических данных. Содержит показатели цитирования.
•Web of Science — междисциплинарная база данных с инструментами для анализа цитирований.
•EBSCO Business Source Complete — специализированная база по бизнесу и менеджменту.
•JSTOR — архив академических журналов.
•ProQuest — база данных диссертаций и научных журналов.

Стратегии поиска

•AND — сужает поиск: «employee motivation AND job satisfaction»
•OR — расширяет поиск: «leadership OR management»
•NOT — исключает термины: «innovation NOT technological»
•Кавычки "" — точная фраза: «organizational culture»
•Звёздочка * — усечение: «manag*» найдёт management, manager, managerial

Задание 1

•Основные: remote work, telework, work from home, telecommuting
•В сочетании с: employee productivity, performance, output, efficiency
•Дополнительные: job satisfaction, work-life balance, organizational outcomes
•Поисковые строки:
•("remote work" OR "telework" OR "work from home") AND ("employee productivity" OR "performance")
•("telecommuting" OR "flexible work") AND ("output" OR "efficiency")

1. Установить контекст исследования. Литературный обзор помещает ваше исследование в более широкий академический контекст, показывая, как оно связано с существующими работами.

2. Продемонстрировать знание предметной области. Обзор показывает, что исследователь глубоко разбирается в теме и осведомлён о ключевых публикациях и дискуссиях.

3. Выявить исследовательский пробел. Систематический анализ литературы позволяет обнаружить области, которые ещё не были достаточно изучены. Именно этот пробел обосновывает необходимость вашего исследования.

Поиск литературы: стратегии и инструменты

Введение → 1. Академические базы данных → 2. Булевы операторы → 3. Метод «снежного кома» (Snowballing) → 4. Менеджеры ссылок (Reference Managers) → 5. Оценка качества источников → 6. Журнал поиска литературы (Search Log) → Практические задания

Определения

Scopus — крупнейшая реферативная база данных рецензируемой литературы, охватывающая более 27 000 журналов. Scopus предоставляет инструменты для анализа цитирования, отслеживания публикаций конкретных авторов и оценки качества журналов. Особенности Scopus:

Web of Science (WoS) — одна из старейших и наиболее авторитетных баз данных, особенно ценимая за строгие критерии отбора журналов. WoS включает несколько индексов: Science Citation Index (SCI), Social Sciences Citation Index (SSCI), Arts & Humanities Citation Index (A&H...

Google Scholar — бесплатный поисковый инструмент, индексирующий полные тексты и метаданные научных публикаций. Его главные преимущества — широта охвата и доступность. Однако Google Scholar не проводит строгого отбора источников, поэтому результаты могут включать н...

Метод снежного кома — это стратегия поиска, основанная на использовании уже найденных релевантных статей для обнаружения новых источников.

Хищнические журналы — это издания, которые публикуют статьи без надлежащего рецензирования за плату. Признаки: агрессивные email-приглашения, отсутствие в Scopus/WoS, нереалистично короткие сроки рецензирования, широкий и размытый охват тематик. Используйте «Think. Che...

Журнал поиска — документ, в котором вы фиксируете каждый шаг поиска. Это обеспечивает воспроизводимость и систематичность.

Дата	База данных	Поисковый запрос	Количество результатов	Отобранные статьи	Комментарии
15.01	Scopus	"employee engagement" AND "remote work"	342	15	Ограничил период 2019–2025
15.01	WoS	"work engagement" AND telework	128	8	Пересечение с Scopus — 5 статей

Scopus

•Широкий охват дисциплин: естественные науки, техника, медицина, социальные науки, гуманитарные науки
•Встроенные метрики: CiteScore, SJR (SCImago Journal Rank), SNIP
•Возможность экспорта результатов в менеджеры ссылок
•Функция «Analyze search results» для визуализации трендов

Web of Science

•Высокая избирательность: только журналы, прошедшие строгий отбор
•Impact Factor — основная метрика качества журналов (публикуется в Journal Citation Reports)
•Инструмент «Citation Report» для анализа цитируемости публикаций
•Связь с EndNote для управления библиографией

Google Scholar

•Преимущества: бесплатный доступ, широкий охват, поиск полных текстов, функция «Процитировано» (Cited by)
•Ограничения: отсутствие контроля качества источников, ограниченные возможности фильтрации, невоспроизводимость поиска (алгоритм персонализирует результаты)

Эффективный поиск литературы — это фундамент качественного исследования. Недостаточно просто ввести ключевые слова в поисковую строку: необходимо владеть стратегиями поиска, знать возможности академических баз данных и уметь систематически организовывать найденные источники. В этой статье мы подр...

Критическое чтение и написание обзора литературы

Введение → 1. Структурированный подход к критическому чтению → 2. Эффективное конспектирование → 3. Синтез vs. пересказ → 4. Структура «воронка» (Funnel Structure) → 5. Способы организации обзора → 6. Типичные ошибки в литературных обзорах → 7. Чек-лист качественного обзора литературы → Практические задания

Определения

Пересказ (summarizing) — это изложение содержания каждого источника по отдельности. Синтез (synthesizing) — это объединение идей из нескольких источников вокруг общих тем, выявление закономерностей, противоречий и пробелов.

Третий проход: критическая оценка

•Полная библиографическая ссылка (APA формат)
•Цель исследования
•Теоретическая основа
•Метод: дизайн, выборка (размер, характеристики), инструменты
•Ключевые результаты (цифры, статистическая значимость)
•Ограничения, отмеченные авторами
•Ваша критическая оценка (сильные и слабые стороны)
•Ключевые цитаты (с номерами страниц)
•Связь с вашим исследованием
•Тематические теги

Методологическая организация

•[ ] Обзор имеет чёткую тематическую структуру (не организован «по авторам»)
•[ ] Использованы рецензируемые и авторитетные источники
•[ ] Источники преимущественно свежие (последние 5–10 лет) + классические работы
•[ ] Проведён синтез, а не пересказ отдельных статей
•[ ] Представлены разные точки зрения и противоречивые результаты
•[ ] Каждая тема логически связана с исследовательским вопросом
•[ ] Имеются плавные переходы между разделами и параграфами
•[ ] Структура «воронка»: от широкого контекста к конкретному пробелу
•[ ] Чётко сформулирован исследовательский пробел (research gap)
•[ ] Обзор обосновывает необходимость и актуальность вашего исследования
•[ ] Корректное цитирование (in-text citations) и список литературы

Задание 1: Синтез источников

•«Денежное вознаграждение повышает краткосрочную продуктивность» (Ким, 2019)
•«Внутренняя мотивация сильнее влияет на долгосрочную вовлечённость» (Ахмедов, 2020)
•«Комбинация материальных и нематериальных стимулов наиболее эффективна» (Ли, 2021)

Умение критически читать научные статьи и грамотно синтезировать информацию из множества источников — ключевые компетенции исследователя. Литературный обзор — это не список аннотаций прочитанных статей, а аналитическая работа, демонстрирующая ваше глубокое понимание исследовательского ландшафта. ...

Критическое чтение научной статьи — это активный процесс, требующий систематического подхода. Рекомендуется использовать трёхпроходный метод:

Прочитайте заголовок, аннотацию (abstract), введение и заключение. Просмотрите заголовки разделов и таблицы/рисунки. Ответьте на вопросы: О чём эта статья? Какова основная цель? Каковы ключевые выводы? Релевантна ли она вашему исследованию?

Прочитайте статью полностью, обращая внимание на: исследовательские вопросы и гипотезы, теоретическую рамку, методологию (дизайн, выборка, инструменты, анализ данных), результаты и их интерпретацию, ограничения исследования.

Введение в количественное исследование

Основы статистики, SPSS, типы данных, описательная статистика, графическое представление данных

Основы количественного исследования и статистики

Что такое количественное исследование? → Типы данных → Описательная статистика → Графическое представление данных → Практические задания

Определения

Количественное исследование — это систематический подход к сбору и анализу числовых данных для описания, объяснения и прогнозирования явлений. Количественные методы основаны на измерении переменных и использовании статистических инструментов для выявления закономерностей и про...

Среднее арифметическое (Mean) — сумма всех значений, делённая на их количество.

Медиана (Median) — значение, делящее упорядоченный ряд данных пополам.

Мода (Mode) — наиболее часто встречающееся значение.

Размах (Range) — разница между максимальным и минимальным значениями.

Дисперсия (Variance) — средний квадрат отклонений от среднего.

Стандартное отклонение (Standard Deviation) — квадратный корень из дисперсии.

Столбчатая диаграмма (Bar Chart) — для номинальных и порядковых данных. Показывает частоту каждой категории.

Гистограмма (Histogram) — для непрерывных числовых данных. Показывает распределение значений по интервалам.

Круговая диаграмма (Pie Chart) — для показа пропорций категорий в целом. Используйте с осторожностью: при большом числе категорий диаграмма становится нечитаемой.

Диаграмма рассеяния (Scatter Plot) — для визуализации связи между двумя числовыми переменными.

Ящик с усами (Box Plot) — показывает медиану, квартили, размах и выбросы. Очень полезен для сравнения распределений.

Ключевые характеристики:

•Использование числовых данных
•Статистический анализ
•Стремление к объективности и обобщаемости
•Проверка заранее сформулированных гипотез (дедуктивный подход)
•Большие выборки для обеспечения репрезентативности

Номинальные данные (Nominal)

•Допустимые операции: подсчёт частот, мода
•Нельзя: ранжировать, вычислять среднее

Порядковые данные (Ordinal)

•Допустимые операции: медиана, квартили, ранговая корреляция
•Нельзя: утверждать, что разница между 1 и 2 равна разнице между 3 и 4

Интервальные данные (Interval)

•Допустимые операции: среднее, стандартное отклонение, корреляция Пирсона
•Нельзя: говорить, что 40°C «в два раза жарче», чем 20°C

Данные отношений (Ratio)

•Допустимые операции: все статистические операции, включая пропорции
•Можно: говорить, что доход 100 000 руб. в два раза больше 50 000 руб.

Понимание типов данных критически важно, так как тип данных определяет, какие статистические методы можно применять.

Категории без порядка. Примеры: пол (мужской/женский), национальность, тип компании (частная/государственная), отрасль.

Категории с определённым порядком, но без равных интервалов. Примеры: уровень образования (среднее/бакалавр/магистр/PhD), шкала Лайкерта (1 = совершенно не согласен ... 5 = полностью согласен), должностной уровень.

SPSS: типы данных и работа с переменными

Интерфейс SPSS → Типы данных: категориальные и числовые → Настройка переменных в Variable View → Ввод и импорт данных → Кодирование категориальных переменных → Перекодировка переменных (Recode) → Вычисление новых переменных (Compute Variable) → Практические задания

Определения

Номинальные (Nominal) — категории без естественного порядка.

Порядковые (Ordinal) — категории с определённым порядком, но без равных интервалов между ними.

Интервальные (Interval) — числовые данные с равными интервалами, но без абсолютного нуля.

Данные отношений (Ratio) — числовые данные с абсолютным нулём.

Свойство	Описание	Пример
Name	Краткое имя переменной (без пробелов, до 64 символов)	vozrast, pol, dohod
Type	Тип данных: Numeric, String, Date и др.	Numeric для числовых данных
Width	Максимальное количество символов	8
Decimals	Количество знаков после запятой	0 для целых чисел, 2 для дробных
Label	Полное описание переменной (отображается в таблицах)	«Возраст респондента»
Values	Метки значений для кодированных переменных	1 = «Мужской», 2 = «Женский»
Missing	Определение пропущенных значений	99 = пропущенное значение
Columns	Ширина столбца в Data View	8
Align	Выравнивание данных в ячейке	Right для числовых
Measure	Уровень измерения	Nominal, Ordinal или Scale

Name	Type	Label	Values	Measure
id	Numeric	ID сотрудника	—	Scale
vozrast	Numeric	Возраст	—	Scale
pol	Numeric	Пол	1=Мужской, 2=Женский	Nominal
otdel	Numeric	Отдел	1=Продажи, 2=Маркетинг, 3=IT, 4=HR	Nominal
stazh	Numeric	Стаж работы (лет)	—	Scale
udovl	Numeric	Удовлетворённость работой	1=Очень низкая...5=Очень высокая	Ordinal

Data View (Представление данных)

•Столбцы представляют переменные (например, «Возраст», «Пол», «Доход»)
•Строки представляют наблюдения (респонденты, компании, случаи)
•Каждая ячейка содержит одно значение для конкретной переменной конкретного наблюдения

Категориальные данные

•Примеры: пол (1 = мужской, 2 = женский), город проживания, отрасль компании
•В SPSS: Measure = Nominal
•Примеры: уровень образования (1 = среднее, 2 = бакалавр, 3 = магистр, 4 = PhD), шкала Лайкерта
•В SPSS: Measure = Ordinal

Числовые (количественные) данные

•Примеры: температура в Цельсиях, год рождения, оценка IQ
•В SPSS: Measure = Scale
•Примеры: возраст, доход, количество сотрудников, стаж работы в годах
•В SPSS: Measure = Scale (SPSS не различает интервальные и данные отношений)

Импорт данных из CSV

•1 = Среднее
•2 = Бакалавриат
•3 = Магистратура
•4 = Докторантура (PhD)

Recode into Same Variables (Перекодировка в ту же переменную)

•Transform → Recode into Same Variables
•Выберите переменную → нажмите Old and New Values
•Укажите старые и новые значения → Add → Continue → OK

IBM SPSS Statistics — одна из наиболее распространённых программ для статистического анализа данных в социальных и бизнес-науках. После запуска программы вы работаете в окне Редактора данных (Data Editor), которое имеет два режима просмотра:

Это основная таблица для ввода и просмотра данных. Она напоминает электронную таблицу Excel:

Это режим настройки переменных. Здесь каждая строка соответствует одной переменной, а столбцы определяют её свойства. Переключение между режимами осуществляется вкладками внизу окна.

Порядковые (Ordinal) — категории с определённым порядком, но без равных интервалов между ними.

Описательная статистика и графики в SPSS

Меры центральной тенденции → Меры разброса (дисперсии) → Меры формы распределения → Нормальное распределение и его значение → Описательная статистика в SPSS → Создание графиков в SPSS → Интерпретация выходных таблиц SPSS → Таблицы частот и кросс-табуляции → Практические задания

Статистика	Значение	Интерпретация
N	150	Количество валидных наблюдений
Mean	35,40	Среднее значение возраста
Std. Deviation	8,72	Средний разброс от среднего
Skewness	0,45	Лёгкий правый скос
Std. Error of Skewness	0,198	Для оценки значимости асимметрии
Kurtosis	−0,32	Слегка плосковершинное
Minimum	19	Минимальный возраст
Maximum	62	Максимальный возраст

Среднее арифметическое (Mean)

•Формула: x̄ = Σxᵢ / n
•Когда использовать: для интервальных и данных отношений с приблизительно нормальным распределением
•Ограничения: чувствительно к выбросам — одно экстремальное значение может существенно сместить среднее

Медиана (Median)

•Определение: значение, которое делит упорядоченный ряд данных ровно пополам
•Когда использовать: при наличии выбросов, для скошенных распределений, для порядковых данных
•Преимущество: устойчива к экстремальным значениям

Мода (Mode)

•Определение: наиболее часто встречающееся значение в наборе данных
•Когда использовать: для номинальных данных (единственная применимая мера центральной тенденции), при мультимодальных распределениях
•Особенности: может быть несколько мод (бимодальное, мультимодальное распределение) или не быть моды вовсе

Сравнение мер при различных распределениях

•Симметричное распределение: Mean ≈ Median ≈ Mode
•Правый скос (положительная асимметрия): Mean > Median > Mode
•Левый скос (отрицательная асимметрия): Mean < Median < Mode

Размах (Range)

•Формула: Range = Max − Min
•Простейшая мера, но учитывает только два крайних значения и очень чувствительна к выбросам

Меры центральной тенденции показывают «типичное» или «центральное» значение в наборе данных. Выбор подходящей меры зависит от типа данных и распределения.

Меры разброса показывают, насколько значения отклоняются от центра распределения.

Почему важно: многие параметрические тесты (t-тест, ANOVA, корреляция Пирсона, регрессия) предполагают нормальное распределение данных. Нарушение этого допущения может привести к некорректным результатам.

При выполнении анализа SPSS выводит результаты в окне Output Viewer. Типичная таблица описательных статистик содержит:

Введение в качественное исследование

Определение качественного исследования, рефлексивность, выборка, кодирование данных, использование NVivo

Основы качественного исследования

Что такое качественное исследование? → Рефлексивность (Reflexivity) → Выборка в качественном исследовании → Анализ качественных данных: кодирование → Программное обеспечение для качественного анализа → Практические задания

Определения

Качественное исследование — это подход к исследованию, направленный на глубокое понимание социальных явлений через изучение значений, которые люди придают своему опыту. В отличие от количественного подхода, качественное исследование работает со словами, образами и наблюдения...

Рефлексивность — это способность исследователя осознавать и критически оценивать своё собственное влияние на процесс и результаты исследования. Это один из ключевых принципов качественного исследования.

Выборка максимальной вариации — намеренный отбор участников с максимально разными характеристиками для выявления общих паттернов среди различий.

Выборка по критерию — отбор всех участников, удовлетворяющих определённому критерию. Например, все менеджеры, прошедшие программу лидерства за последний год.

Выборка «снежного кома» — один участник рекомендует другого. Полезна при изучении труднодоступных групп.

Типичная выборка — отбор участников, представляющих «типичный» случай явления.

Кодирование — это процесс систематической организации данных путём присвоения меток (кодов) сегментам текста. Это первый шаг в анализе качественных данных.

1. Открытое кодирование — первоначальное «разбиение» данных на фрагменты и присвоение каждому фрагменту описательного кода.

2. Осевое кодирование — группировка открытых кодов в категории и установление связей между категориями.

3. Избирательное кодирование — выявление центральной темы или теории, которая связывает все категории.

NVivo — популярная программа для компьютерного анализа качественных данных (CAQDAS — Computer-Assisted Qualitative Data Analysis Software).

Ключевые характеристики:

•Фокус на понимании и интерпретации явлений
•Использование нечисловых данных (слова, изображения, наблюдения)
•Индуктивный подход — теория формируется из данных, а не проверяется на них
•Небольшие, целенаправленные выборки (purposive sampling)
•Контекстуальность — явления изучаются в их естественной среде
•Роль исследователя как инструмента исследования
•Ценности и убеждения — культурные, религиозные, политические
•Предшествующий опыт — профессиональный и личный
•Теоретические предпочтения — приверженность определённым школам мысли
•Социальную позицию — пол, возраст, этничность, класс
•Ведение исследовательского дневника (reflexive journal), где исследователь фиксирует свои мысли, чувства, предположения и решения в процессе исследования
•Открытое обсуждение своей позиционности (positionality) — как личные характеристики исследователя могут влиять на исследование
•Аудит принятия решений — документирование того, почему были приняты определённые методологические решения

Размер выборки

•Глубинные интервью: 12-25 участников
•Фокус-группы: 3-5 групп по 6-10 участников
•Кейс-стади: 1-10 случаев (в зависимости от дизайна)

Этапы кодирования:

•Недооценённость
•Игнорирование мнения
•Отсутствие обратной связи
•Иерархичность общения
•Организация и хранение данных (интервью, документы, аудио, видео)
•Кодирование текстов с помощью «узлов» (nodes)
•Визуализация связей между кодами
•Создание запросов для поиска паттернов
•Генерация отчётов

Задание 1

•Организационные барьеры: [неясность ожиданий], [недостаточная коммуникация руководителя]
•Личная адаптация: [трудности адаптации], [развитие самоорганизации]
•Результаты: [повышение продуктивности]

В отличие от количественного исследования, где стремятся к репрезентативности и случайной выборке, качественное исследование использует целенаправленную выборку (purposive sampling).

Рефлексивность и выборка в качественном исследовании

Что такое рефлексивность и почему она важна? → Типы рефлексивности → Рефлексивный дневник (Reflexive Journal) → Позиционность исследователя (Positionality) → Выборка в качественном исследовании → Практические задания

Определения

Рефлексивность (reflexivity) — это осознанный процесс критического самоанализа исследователя, направленный на понимание того, как его собственные убеждения, опыт, социальное положение и теоретические предпочтения влияют на процесс и результаты исследования. В отличие от количес...

Рефлексивный дневник — это систематическая запись мыслей, чувств, наблюдений и решений исследователя на протяжении всего исследовательского процесса. Он является ключевым инструментом обеспечения рефлексивности.

Позиционность — это осознание исследователем своего места в системе социальных, культурных и властных отношений относительно участников и контекста исследования. Понятие позиционности включает два ключевых измерения:

Категория	Примеры записей
Методологические решения	Почему выбран именно этот метод? Какие альтернативы рассматривались?
Эмоциональные реакции	Что я чувствовал(а) во время интервью? Что вызвало удивление?
Аналитические заметки	Какие паттерны я начинаю замечать? Какие предположения формируются?
Этические размышления	Возникли ли этические дилеммы? Как я их разрешил(а)?
Позиционные размышления	Как моя роль влияет на отношения с участниками?

Метод	Рекомендуемый размер
Феноменология	5-25 участников
Обоснованная теория (Grounded Theory)	20-30 участников
Кейс-стади	1-5 случаев (с множественными источниками данных)
Этнография	1 культурная группа (длительное наблюдение)
Фокус-группы	3-5 групп по 6-10 человек

•Повышение достоверности (trustworthiness) — демонстрация осознания своих предубеждений укрепляет доверие к результатам
•Этическая ответственность — понимание властных отношений между исследователем и участниками
•Глубина анализа — осознание собственной позиции позволяет глубже интерпретировать данные
•Прозрачность — читатель может оценить, насколько субъективность исследователя повлияла на выводы

Личная рефлексивность (Personal Reflexivity)

•Как мой личный опыт влияет на выбор темы исследования?
•Как мои предположения могут повлиять на интерпретацию данных?
•Как участники исследования воспринимают меня и как это влияет на их ответы?

Эпистемологическая рефлексивность (Epistemological Reflexivity)

•Как выбранная методология определяет, что может быть «обнаружено»?
•Как формулировка исследовательских вопросов ограничивает возможные ответы?
•Могла бы другая методология привести к иным выводам?
•Insider (инсайдер) — исследователь является частью изучаемого сообщества или группы. Преимущества: глубокое понимание контекста, доверие участников. Риски: «слепые пятна», принятие очевидного как д...
•Outsider (аутсайдер) — исследователь не принадлежит к изучаемой группе. Преимущества: свежий взгляд, способность замечать неочевидное. Риски: поверхностное понимание, недоверие участников.

Типы целенаправленной выборки

•*Пример:* Изучение адаптации сотрудников — отбор людей разного возраста, должности, стажа, отдела.
•*Пример:* Изучение опыта работы женщин-руководителей среднего звена в IT-компаниях.
•*Пример:* Изучение типичного рабочего дня менеджера проекта.
•*Пример:* Изучение компаний, которые добились исключительного роста в условиях кризиса.
•*Пример:* Изучение неформальных предпринимателей — каждый найденный участник указывает на других.
•*Пример:* Все сотрудники, проработавшие в компании более 10 лет и прошедшие через реорганизацию.

Размер выборки и насыщение данных (Saturation)

•Новые интервью подтверждают уже выявленные темы и категории
•Не возникает новых кодов или тем при анализе дополнительных данных
•Исследователь может предсказать ответы участников

Личная рефлексивность предполагает осмысление того, как личные характеристики исследователя — его ценности, убеждения, жизненный опыт, гендер, этническая принадлежность, социально-экономический статус — формируют исследовательский процесс. Исследователь задаёт себе вопросы:

Пример: Исследователь, изучающий опыт мигрантов на рынке труда, сам являющийся мигрантом, должен осознавать, что его личный опыт может как углубить понимание проблемы, так и привести к проецированию собственных переживаний на участников.

Эпистемологическая рефлексивность направлена на анализ того, как исследовательские решения — выбор методологии, теоретической рамки, методов сбора и анализа данных — формируют знание, которое производится в результате исследования:

Кодирование качественных данных и введение в NVivo

Что такое кодирование в качественном исследовании? → Типы кодов → Процесс начального (открытого) кодирования: пошаговое руководство → Правила эффективного именования кодов → От кодов к категориям → Введение в NVivo → Основные компоненты интерфейса NVivo → Создание и управление кодами в NVivo → Практические задания

Определения

Кодирование (coding) — это процесс присвоения коротких меток (кодов) фрагментам качественных данных (текстам интервью, полевым заметкам, документам) с целью их систематизации, организации и последующей интерпретации. Кодирование является фундаментальным этапом качествен...

NVivo — это специализированное программное обеспечение для качественного анализа данных (CAQDAS — Computer-Assisted Qualitative Data Analysis Software), разработанное компанией Lumivero (ранее QSR International). NVivo помогает организовывать, кодировать ...

Nodes — это эквивалент кодов в NVivo. Каждый узел представляет тему, концепт или категорию. Узлы могут быть организованы иерархически — родительские узлы (категории) содержат дочерние узлы (подкоды).

Правило	Пример хорошего кода	Пример плохого кода
Краткость (2-5 слов)	НЕХВАТКА ВРЕМЕНИ	РЕСПОНДЕНТ ГОВОРИТ О ТОМ ЧТО ЕМУ НЕ ХВАТАЕТ ВРЕМЕНИ
Конкретность	КОНФЛИКТ С РУКОВОДИТЕЛЕМ	ПРОБЛЕМЫ
Единообразие стиля	АДАПТАЦИЯ К ИЗМЕНЕНИЯМ	Адаптируется, ИЗМЕНЕНИЯ, подстраивается
Отражение содержания	БАЛАНС РАБОТА-ЖИЗНЬ	ПУНКТ 7
Активная форма	СОПРОТИВЛЕНИЕ ИЗМЕНЕНИЯМ	ПЛОХО

•Редукция данных — сжатие больших объёмов текста до управляемых единиц
•Организация — группировка связанных фрагментов для сравнительного анализа
•Концептуализация — переход от описания к аналитическим категориям
•Обеспечение прозрачности — документирование аналитического процесса

Описательные коды (Descriptive Codes)

•Фрагмент: «Каждое утро я трачу около часа на ответы электронных писем, прежде чем могу заняться основной работой.»
•Код: УПРАВЛЕНИЕ ЭЛЕКТРОННОЙ ПОЧТОЙ

Коды In Vivo

•Фрагмент: «Здесь мы все просто "тушим пожары" каждый день, стратегического мышления нет.»
•Код: «ТУШИМ ПОЖАРЫ»

Процессные коды (Process Codes)

•Фрагмент: «Сначала я пытался всё контролировать сам, потом постепенно начал доверять команде...»
•Код: ДЕЛЕГИРОВАНИЕ ОТВЕТСТВЕННОСТИ

Эмоциональные коды (Emotion Codes)

•Фрагмент: «Когда мне сказали о реорганизации, я почувствовал, что земля уходит из-под ног.»
•Код: СТРАХ НЕОПРЕДЕЛЁННОСТИ

По определению Салданы (Saldana, 2021), код — это «слово или короткая фраза, которая символически присваивает суммирующий, выделяющий сущность, фиксирующий определённый признак (salient), и/или вызывающий атрибут для порции языковых или визуальных данных».

Описательные коды суммируют тему фрагмента данных одним словом или фразой. Они отвечают на вопрос: «О чём говорит этот фрагмент?»

Коды in vivo используют точные слова самих участников. Они сохраняют «голос» респондента и особенно полезны для фиксации уникальных выражений.

Философия исследования

Парадигмы исследования, онтология и эпистемология, позитивизм, интерпретивизм, критический реализм, этика исследований

Парадигмы, онтология и эпистемология

Исследовательские парадигмы → Онтология → Эпистемология → Связь между философией и методами → Практические задания

Определения

Парадигма — это набор фундаментальных убеждений и предположений о природе реальности и о том, как мы можем её познать. Парадигма определяет, какие вопросы исследователь считает важными и какие методы — подходящими.

Онтология — раздел философии, изучающий природу реальности. В контексте исследования онтология отвечает на вопрос: «Что существует? Какова природа реальности?»

Эпистемология — раздел философии, изучающий природу знания. В контексте исследования эпистемология отвечает на вопрос: «Что мы можем знать? Как мы можем познать реальность?»

Аспект	Позитивизм	Интерпретивизм	Критический реализм
Подход	Дедуктивный	Индуктивный	Ретродуктивный
Методы	Количественные	Качественные	Смешанные
Данные	Числовые	Текстовые	Оба типа
Выборка	Большая, случайная	Малая, целенаправленная	Варьируется
Анализ	Статистический	Тематический	Комбинированный
Обобщение	Высокое	Низкое	Среднее

Позитивизм (Positivism)

•Онтология: объективная реальность существует независимо от наблюдателя
•Эпистемология: знание основано на наблюдаемых, измеримых фактах
•Методология: количественные методы, эксперименты, опросы, гипотезо-дедуктивный метод
•Цель: объяснение, прогнозирование, обобщение
•Роль исследователя: объективный наблюдатель, отстранённый от объекта исследования

Интерпретивизм (Interpretivism)

•Онтология: множественные субъективные реальности, конструируемые людьми
•Эпистемология: знание создаётся через понимание субъективных значений
•Методология: качественные методы, интервью, наблюдение, анализ нарративов
•Цель: понимание и интерпретация субъективного опыта
•Роль исследователя: активный участник процесса создания знания

Критический реализм (Critical Realism)

•Онтология: реальность существует объективно, но наше знание о ней всегда неполно
•Эпистемология: реальность имеет три уровня: эмпирический (что мы наблюдаем), фактический (что происходит) и реальный (глубинные механизмы и структуры)
•Методология: смешанные методы, ретродукция (поиск глубинных причин)
•Цель: выявление глубинных причинных механизмов
•Роль исследователя: критический аналитик, стремящийся проникнуть за поверхность явлений

Прагматизм (Pragmatism)

•Онтология: реальность — это то, что «работает»; абстрактные дебаты менее важны, чем практическая полезность знания
•Эпистемология: знание оценивается по его практической полезности
•Методология: выбор методов определяется исследовательским вопросом, а не философскими убеждениями
•Цель: решение практических проблем

Задание 2

•Объективист скажет: «Лидерство — это набор измеримых поведенческих характеристик, которые можно объективно наблюдать и измерить»
•Конструктивист скажет: «Лидерство — это социальный конструкт, который создаётся и воспроизводится через взаимодействие между людьми. То, что считается "лидерством", зависит от культуры, контекста и...
•Позитивист: «Мы можем измерить лидерство с помощью стандартизированных опросников (MLQ) и статистически проанализировать его связь с результатами работы»
•Интерпретивист: «Мы можем понять лидерство, изучая истории и нарративы людей о их опыте взаимодействия с лидерами через глубинные интервью»

Выбор парадигмы — не просто академическое упражнение; он фундаментально влияет на весь дизайн исследования: от формулировки вопросов до интерпретации результатов.

Реальность существует независимо от нашего восприятия. Социальные явления имеют объективную природу, которую можно измерить и изучить так же, как природные явления.

Методологические подходы: количественный, качественный и смешанный

Связь философии и методологии → Количественная методология → Качественная методология → Смешанные методы (Mixed Methods) → Кейс-стади (Case Study) → Дедукция, индукция и абдукция → Выбор подхода для исследовательского вопроса → Практические задания

Определения

Кейс-стади — это углублённое изучение одного или нескольких случаев в их реальном контексте. Роберт Йин (Robert Yin, 2018) определяет кейс-стади как эмпирическое исследование, которое изучает современный феномен в его реальном жизненном контексте, особенно ког...

Метод	Описание	Пример
Анкетирование (surveys)	Стандартизированные вопросники для большого числа респондентов	Опрос 500 сотрудников об удовлетворённости работой
Эксперимент	Манипулирование независимой переменной и измерение эффекта	A/B-тестирование двух дизайнов сайта
Вторичные данные	Анализ существующих числовых данных	Финансовая отчётность компаний за 10 лет
Структурированное наблюдение	Подсчёт заранее определённых поведенческих категорий	Частота определённых действий покупателей в магазине

Метод	Описание	Пример
Глубинное интервью	Полуструктурированная беседа с участником	Интервью с предпринимателями об опыте запуска стартапа
Фокус-группа	Групповое обсуждение заданной темы	Обсуждение нового продукта с 6-8 потребителями
Наблюдение (этнография)	Погружение исследователя в изучаемую среду	Наблюдение за работой команды в течение 3 месяцев
Анализ документов	Изучение текстов, отчётов, архивов	Анализ корпоративных отчётов об устойчивом развитии

Тип	Описание	Когда применять
Единичный кейс (single case)	Глубокое изучение одного случая	Уникальный, критический или типичный случай
Множественный кейс (multiple case)	Сравнительное изучение нескольких случаев	Репликация результатов, поиск паттернов
Встроенный (embedded)	Несколько единиц анализа внутри одного кейса	Анализ подразделений внутри организации
Холистический (holistic)	Одна единица анализа для всего кейса	Организация рассматривается как целое

Основные характеристики

•Объективность — исследователь стремится минимизировать своё влияние на результаты
•Измеримость — все переменные операционализируются и измеряются числовыми шкалами
•Большие выборки — для обеспечения статистической значимости и возможности обобщения
•Статистический анализ — использование описательной и инферентной статистики
•Воспроизводимость — другой исследователь должен получить аналогичные результаты при тех же условиях

Статистический анализ

•Описательная статистика — среднее, медиана, стандартное отклонение, частоты
•Корреляционный анализ — связь между двумя переменными (коэффициент Пирсона, Спирмена)
•Регрессионный анализ — предсказание зависимой переменной на основе независимых
•t-тест, ANOVA — сравнение средних между группами
•Хи-квадрат — анализ категориальных данных

Основные характеристики

•Субъективность как ресурс — личное понимание исследователя обогащает интерпретацию
•Глубина понимания — акцент на значениях, опыте и контексте
•Малые выборки — небольшое число участников, но глубокое погружение в каждый случай
•Нечисловые данные — тексты, изображения, наблюдения, нарративы
•Гибкость дизайна — исследовательский план может адаптироваться по мере сбора данных

Основные дизайны смешанных методов

•*Пример:* Анкетирование 300 сотрудников показало низкую вовлечённость в определённом отделе → затем проведены интервью с 10 сотрудниками этого отдела для понимания причин.
•*Пример:* Интервью с 15 потребителями выявили ключевые факторы выбора → затем анкетирование 500 потребителей для количественной оценки значимости каждого фактора.
•*Пример:* Одновременный опрос (анкеты) и фокус-группы с клиентами компании, результаты сопоставляются для получения полной картины.

Выбор методологического подхода не является произвольным решением — он логически вытекает из философской позиции исследователя. Онтологические и эпистемологические убеждения определяют, какие методы считаются подходящими для получения знания. Позитивист, верящий в объективную измеримую реальность...

Эта связь часто описывается через модель «исследовательской луковицы» Сондерса (Saunders' Research Onion): от внешнего слоя (философия) к внутреннему (методы и техники сбора данных), каждый последующий слой определяется предыдущим.

Количественная методология основана на дедуктивном подходе: исследователь начинает с теории, формулирует гипотезы и проверяет их с помощью числовых данных. Ключевые особенности:

Качественная методология основана на индуктивном подходе: исследователь собирает данные, анализирует их и строит теорию «снизу вверх». Ключевые особенности:

Этика исследования

Почему этика важна в исследовании? → Ключевые этические принципы → Избежание вреда → Информированное согласие → Конфиденциальность и анонимность → Защита данных и GDPR → Этическое одобрение → Этические особенности качественного исследования → Этика цифровых и онлайн-исследований → Практические задания

Определения

Информированное согласие — это процесс, в ходе которого потенциальный участник получает полную информацию об исследовании и принимает добровольное решение об участии.

Конфиденциальность — обязательство исследователя не раскрывать данные, позволяющие идентифицировать участника. Исследователь знает, кто предоставил данные, но не раскрывает эту информацию.

Анонимность — более строгий стандарт: даже исследователь не может связать конкретные данные с конкретным участником. Полная анонимность возможна при онлайн-опросах без сбора идентификаторов.

Тип вреда	Описание	Пример
Физический	Телесные повреждения, усталость, дискомфорт	Длительные лабораторные сессии без перерывов
Психологический	Стресс, тревога, воспоминания о травмах	Вопросы, затрагивающие болезненный опыт
Социальный	Стигматизация, ущерб репутации, нарушение отношений	Раскрытие информации о принадлежности к группе
Экономический	Финансовые потери, упущенная выгода	Длительное участие без компенсации рабочего времени

•Нюрнбергский кодекс (1947) — принят после медицинских экспериментов нацистов, установил принцип добровольного согласия
•Эксперимент Милгрэма (1963) — участники испытывали серьёзный психологический стресс
•Стэнфордский тюремный эксперимент (1971) — вышел из-под контроля, причинив психологический вред участникам
•Исследование Таскиги (1932-1972) — афроамериканские мужчины не получали лечения от сифилиса без их ведома

Уважение к личности (Respect for Persons)

•Автономия — признание способности человека принимать самостоятельные решения об участии в исследовании
•Защита уязвимых групп — дополнительные меры для людей с ограниченной автономией (дети, лица с когнитивными нарушениями, заключённые)

Благодеяние (Beneficence)

•Максимизировать пользу — исследование должно приносить значимые результаты для науки и общества
•Минимизировать вред — потенциальные риски для участников должны быть сведены к минимуму
•Баланс пользы и рисков — ожидаемая польза должна перевешивать возможные риски

Справедливость (Justice)

•Равное распределение нагрузки — бремя исследования не должно непропорционально ложиться на уязвимые группы
•Равный доступ к выгодам — результаты исследования должны быть доступны всем заинтересованным группам
•Справедливый отбор участников — критерии включения/исключения должны быть научно обоснованными, а не продиктованы удобством или предубеждением

Что должно включать информированное согласие:

•Цель исследования — общее описание того, что изучается и зачем
•Процедуры — что именно потребуется от участника (время, действия)
•Риски и неудобства — возможные негативные последствия участия
•Выгоды — что получит участник или общество от исследования
•Конфиденциальность — как будут защищены данные участника
•Добровольность — право отказаться или выйти из исследования в любой момент без последствий
•Контактная информация — кому обратиться с вопросами или жалобами

Этика исследования — это система принципов и правил, регулирующих поведение исследователя по отношению к участникам, научному сообществу и обществу в целом. Этические нарушения могут привести к серьёзным последствиям: причинению вреда участникам, утрате доверия к науке, юридической ответственност...

Исторически необходимость этических стандартов была осознана после ряда скандальных экспериментов:

Эти случаи привели к созданию Бельмонтского доклада (1979), который заложил основу современных этических принципов исследования.

На практике это означает: участник должен понимать суть исследования и иметь возможность свободно отказаться от участия без каких-либо последствий.

Подготовка к выполнению задания

Требования к оформлению, академическая честность, плагиат, правила цитирования и реферирования

Академическая честность и требования к оформлению

Академическая честность → Плагиат → Правила цитирования → Структура академической работы → Практические задания

Определения

Плагиат — это представление чужих идей, слов или работ как своих собственных без надлежащей ссылки на источник. Плагиат является серьёзным нарушением академической этики и может привести к дисциплинарным последствиям.

1. Прямое копирование (Verbatim plagiarism) — дословное копирование текста без кавычек и ссылки на источник.

2. Перефразирование без ссылки (Paraphrasing plagiarism) — пересказ чужих идей своими словами, но без указания источника. Даже если вы полностью переформулировали текст, идея принадлежит другому автору и требует ссылки.

3. Мозаичный плагиат (Patchwork/Mosaic plagiarism) — комбинирование фрагментов из разных источников в один текст без надлежащего цитирования.

4. Самоплагиат (Self-plagiarism) — повторное использование своей ранее представленной работы без разрешения и указания.

5. Контрактный плагиат (Contract cheating) — получение работы от другого лица (платно или бесплатно) и представление её как своей.

1. Титульная страница — название, автор, учебное заведение, дата

2. Аннотация (Abstract) — краткое изложение всей работы (150-300 слов): цель, методы, ключевые результаты, выводы

3. Введение — контекст, обоснование актуальности, цели и задачи, структура работы

4. Литературный обзор — критический анализ существующих исследований, теоретическая рамка, выявление пробелов

5. Методология — философские основания, дизайн исследования, методы сбора и анализа данных, этические соображения

6. Результаты — представление полученных данных (без интерпретации)

7. Обсуждение (Discussion) — интерпретация результатов в контексте литературы, обсуждение значимости и ограничений

8. Заключение — основные выводы, рекомендации, предложения для будущих исследований

9. Список литературы — полный список всех цитируемых источников

Прямая цитата

•Заключить текст в кавычки
•Указать автора, год и номер страницы

Перефразирование

•Не используйте кавычки
•Укажите автора и год

Гарвардская система ссылок (Harvard Referencing)

•Один автор: (Smith, 2020) или Smith (2020)
•Два автора: (Smith and Jones, 2020)
•Три и более: (Smith et al., 2020)
•Цитата: (Smith, 2020, p. 45)
•Книга: Smith, J. (2020) *Title of Book*. 2nd edn. London: Publisher.
•Статья в журнале: Smith, J. and Jones, K. (2020) 'Title of Article', *Journal Name*, 15(3), pp. 45-60.
•Веб-сайт: Smith, J. (2020) *Title of Page*. Available at: URL (Accessed: 15 January 2020).

Академическая честность (Academic Integrity) — это приверженность этическим стандартам в учебной и исследовательской деятельности. Она включает честное выполнение работ, надлежащее цитирование источников и уважение интеллектуальной собственности.

1. Прямое копирование (Verbatim plagiarism) — дословное копирование текста без кавычек и ссылки на источник.

Продвинутые количественные методы

Вторичные данные, методы выборки, разработка анкет, шкалы измерения, ввод данных в SPSS

Выборка и разработка анкет

Вторичные данные → Методы выборки → Разработка анкет (Questionnaire Design) → Практические задания

Определения

Вторичные данные — это данные, которые были собраны другими исследователями или организациями для других целей, но могут быть использованы в вашем исследовании.

Удобная выборка (Convenience Sampling) — отбор наиболее доступных участников. Быстро, но с высоким риском предубеждения.

Квотная выборка (Quota Sampling) — невероятностный аналог стратифицированной выборки. Определяются квоты по характеристикам, но внутри квот отбор нецелевой.

Выборка по принципу «снежного кома» — каждый участник рекомендует следующего. Используется для труднодоступных групп.

Закрытые вопросы — респондент выбирает из предложенных вариантов:

Открытые вопросы — респондент отвечает свободно. Дают богатые данные, но сложны в анализе.

1. Ясность формулировок — вопросы должны быть понятными и однозначными

2. Избегать двойных вопросов — «Довольны ли вы зарплатой и условиями труда?» → два отдельных вопроса

3. Избегать наводящих вопросов — «Не считаете ли вы, что руководство делает отличную работу?» → предубеждённый вопрос

4. Логическая последовательность — от простых к сложным, от общих к частным

5. Пилотирование — тестирование анкеты на небольшой группе перед основным исследованием

Валидность (Validity) — измеряет ли инструмент то, что он должен измерять?

Надёжность (Reliability) — даёт ли инструмент согласованные результаты при повторном использовании?

1	2	3	4	5
Совершенно не согласен	Не согласен	Нейтрально	Согласен	Полностью согласен

Источники вторичных данных:

•Государственная статистика — Росстат, Eurostat, OECD, World Bank
•Корпоративные отчёты — годовые отчёты, финансовая отчётность
•Базы данных — COMPUSTAT, Bloomberg, Bureau van Dijk
•Предыдущие исследования — опубликованные наборы данных

Преимущества вторичных данных:

•Экономия времени и ресурсов
•Доступ к большим объёмам данных
•Возможность продольного анализа
•Данные часто высокого качества (собраны профессиональными организациями)

Недостатки:

•Данные могут не полностью соответствовать вашим исследовательским вопросам
•Нет контроля над качеством сбора данных
•Возможны проблемы с актуальностью
•Ограниченная информация о методологии сбора

Вероятностная выборка (Probability Sampling)

•Каждый элемент имеет равную вероятность отбора
•Используется генератор случайных чисел
•Требует наличия полного списка генеральной совокупности (sampling frame)
•Выбирается каждый k-й элемент из списка
•k = N / n (размер совокупности / желаемый размер выборки)
•Пример: из 1000 сотрудников нужно 100 → k = 10, выбираем каждого 10-го
•Совокупность делится на однородные подгруппы (страты)
•Из каждой страты отбирается пропорциональное количество
•Пример: 60% мужчин и 40% женщин → в выборке из 100 человек 60 мужчин и 40 женщин
•Совокупность делится на группы (кластеры), обычно по географическому принципу
•Случайно выбираются целые кластеры
•Пример: случайно выбрать 10 из 50 филиалов компании и опросить всех сотрудников выбранных филиалов

Типы вопросов:

•Дихотомические (Да/Нет)
•Множественный выбор
•Шкала Лайкерта (1-5 или 1-7)
•Ранжирование

Каждый элемент генеральной совокупности имеет известную вероятность попасть в выборку.

Вторичные данные и их использование

Что такое вторичные данные? → Источники вторичных данных → Преимущества использования вторичных данных → Недостатки и ограничения вторичных данных → Оценка качества вторичных данных → Использование вторичных данных в SPSS → Практические задания

Определения

Первичные данные — данные, собранные исследователем специально для текущего исследования. Они точно соответствуют целям исследования, но требуют значительных затрат времени и ресурсов.

Вторичные данные — данные, собранные другими лицами или организациями для своих целей. Исследователь адаптирует их к своему исследовательскому вопросу. Они доступны быстрее и дешевле, но могут не полностью соответствовать потребностям текущего исследования.

Преимущество	Описание
Экономия времени	Данные уже собраны, не нужно проходить весь процесс сбора заново
Экономия средств	Значительно дешевле, чем проведение собственного масштабного исследования
Большие выборки	Государственные обследования часто охватывают тысячи респондентов
Лонгитюдные сравнения	Можно отслеживать тенденции за длительные периоды (например, данные за 10–20 лет)
Высокое качество сбора	Крупные организации применяют строгие методологические стандарты
Возможность межстрановых сравнений	Международные базы данных позволяют сравнивать страны и регионы
Воспроизводимость	Другие исследователи могут проверить результаты, используя те же данные

Ограничение	Описание
Несоответствие целям	Данные собирались для других целей и могут не содержать нужных переменных
Устаревание	Данные могут быть слишком старыми для текущего исследования
Неизвестное качество	Исследователь не контролировал процесс сбора и не знает обо всех ошибках
Различия в определениях	Операционализация понятий может отличаться от требуемой
Ограниченный доступ	Некоторые данные платные или доступны только по запросу
Агрегированность	Данные могут быть представлены только в обобщённом виде без доступа к индивидуальным ответам
Отсутствие контроля	Невозможно изменить инструмент сбора или добавить переменные

1. Государственная статистика

•Статистические бюро — данные о населении, занятости, доходах, ценах, промышленном производстве (например, Росстат в России, ONS в Великобритании, BLS в США)
•Центральные банки — финансовая и макроэкономическая статистика (процентные ставки, инфляция, денежная масса)
•Министерства и ведомства — отраслевые данные (образование, здравоохранение, торговля)
•Международные организации — Всемирный банк, МВФ, ООН, ОЭСР публикуют межстрановые сравнительные данные

2. Корпоративные источники

•Годовые отчёты компаний — финансовые показатели, стратегические инициативы
•Внутренние базы данных — записи о продажах, клиентах, обращениях, HR-данные
•Отраслевые ассоциации — обзоры рынка, бенчмаркинг
•Коммерческие базы данных — Bloomberg, Thomson Reuters, Statista

3. Научные и исследовательские источники

•Научные журналы и публикации — ранее собранные данные других исследователей
•Диссертации и дипломные работы — приложения с данными
•Репозитории данных — UK Data Archive, ICPSR, Harvard Dataverse
•Опросы и мониторинги — World Values Survey, Eurobarometer, Global Entrepreneurship Monitor

4. Медиа и архивные источники

•Газеты и журналы — для контент-анализа
•Корпоративные архивы — исторические документы, протоколы заседаний
•Интернет-источники — веб-сайты, социальные сети, форумы (с соблюдением этических норм)

Задание 1

•Росстат — данные об уровне безработицы по регионам за каждый год
•МВД России — статистика зарегистрированных преступлений по регионам
•Единая межведомственная информационно-статистическая система (ЕМИСС) — агрегированные данные из различных ведомств
•Лонгитюдный характер позволяет анализировать тенденции за 10 лет
•Большой охват (все регионы России) обеспечивает репрезентативность
•Стандартизированная методология сбора обеспечивает сопоставимость данных
•Экономия времени: сбор первичных данных такого масштаба потребовал бы колоссальных ресурсов

Вторичные данные (Secondary Data) — это данные, которые были собраны кем-то другим ранее для иных целей, но могут быть использованы исследователем для решения его собственного исследовательского вопроса. В отличие от первичных данных (Primary Data), которые исследователь собирает самостоятельно «...

Секаран и Буги (Sekaran & Bougie, 2016) подчёркивают, что использование вторичных данных является важным этапом любого исследования: даже если исследователь планирует собирать первичные данные, ему следует сначала изучить доступные вторичные источники для формулирования гипотез и контекстуализаци...

Типы вопросов и пилотирование анкеты

Типы вопросов в анкете → Формулирование вопросов → Дизайн шкал ответов → Структура и поток анкеты → Пилотирование анкеты → Кодирование данных анкеты для SPSS → Практические задания

1	2	3	4	5
Полностью не согласен	Не согласен	Нейтрально	Согласен	Полностью согласен

Критерий	Что проверять
Ясность	Все ли вопросы понятны? Нет ли двусмысленностей?
Время	Сколько времени занимает заполнение? Не слишком ли долго?
Полнота вариантов	Есть ли все необходимые варианты ответов?
Логика переходов	Корректно ли работают условные переходы (skip logic)?
Порядок вопросов	Логичен ли порядок? Нет ли эффекта контекста?
Чувствительные вопросы	Не вызывают ли вопросы дискомфорт или отказ?
Технические проблемы	Корректно ли отображается анкета на разных устройствах?

Количество точек шкалы

•5-балльные шкалы — наиболее распространены, обеспечивают достаточную вариативность при простоте заполнения
•7-балльные шкалы — обеспечивают более тонкую дифференциацию ответов
•4- или 6-балльные (чётные) — исключают «нейтральный» средний вариант, вынуждая респондента определиться

Зачем проводить пилотирование?

•Выявить непонятные или двусмысленные формулировки
•Проверить логику переходов и пропусков (skip logic)
•Оценить время заполнения анкеты
•Обнаружить отсутствующие варианты ответов
•Проверить техническую работоспособность (для онлайн-анкет)
•Оценить общее впечатление респондентов от анкеты

Как проводить пилотирование?

•Протокол «думай вслух» (think-aloud protocol) — респондент озвучивает свои мысли при заполнении
•Последующее интервью (debriefing interview) — после заполнения обсуждаются трудности
•Анализ паттернов ответов — выявление вопросов, которые все пропускают или отвечают одинаково

Принципы кодирования

•Дихотомические вопросы: 0 = Нет, 1 = Да
•Шкала Лайкерта: 1 = Полностью не согласен, ..., 5 = Полностью согласен
•Множественный выбор (несколько ответов): Каждый вариант — отдельная дихотомическая переменная (0/1)
•Открытые вопросы: Кодируются после контент-анализа в тематические категории

Задание 2

•Раздать анкету в бумажном и онлайн-формате (для проверки обоих каналов)
•Провести debriefing-интервью с 5–7 участниками пилота
•Зафиксировать время заполнения каждого респондента
•Время заполнения не должно превышать 15 минут
•Все вопросы должны быть поняты правильно (по данным интервью)
•Процент пропущенных ответов по каждому вопросу не должен превышать 5%
•Отсутствие технических проблем при онлайн-заполнении
•Наличие достаточной вариативности ответов (ни один вопрос не должен получить одинаковый ответ от всех)

Выбор типа вопроса зависит от характера информации, которую исследователь хочет получить. Каждый тип имеет свои преимущества и ограничения.

Респондент отвечает своими словами, без заданных вариантов ответа. Пример: «Что, по вашему мнению, является главной проблемой в работе отдела?»

Преимущества: позволяют получить неожиданные ответы, богатые данные, глубокое понимание мнений. Недостатки: сложность кодирования и анализа, требуют больше времени от респондента, возможны нерелевантные ответы.

Респондент выбирает из заранее определённых вариантов ответа. Это основной тип вопросов в количественных исследованиях.

Качественный сбор данных

Этика и информированное согласие, интервью, полуструктурированные интервью, фокус-группы

Этика исследования и методы сбора качественных данных

Этика исследования → Интервью как метод сбора данных → Фокус-группы → Практические задания

Определения

Интервью — один из основных методов сбора качественных данных. Это целенаправленный разговор между исследователем и участником.

Фокус-группа — это модерируемая групповая дискуссия, обычно с 6-10 участниками.

Ключевые этические принципы:

•Понимать цель исследования
•Знать, что от них ожидается (время, процедуры)
•Быть осведомлены о возможных рисках и выгодах
•Знать, как будут использованы и храниться данные
•Иметь право отказаться от участия или выйти в любой момент без негативных последствий
•Конфиденциальность — исследователь знает, кто предоставил данные, но не раскрывает эту информацию третьим лицам
•Анонимность — даже исследователь не знает, какие данные принадлежат конкретному участнику
•Данные должны храниться в защищённом виде
•В отчёте используются псевдонимы
•Минимизация физического, психологического и социального риска
•Особая осторожность при изучении чувствительных тем (насилие, здоровье, финансовое положение)
•Готовность перенаправить участника к специализированной помощи при необходимости

Типы интервью:

•Заранее составленный список вопросов
•Все вопросы задаются в фиксированном порядке
•Минимальная гибкость
•По сути — устный опросник
•Подходит для количественного анализа ответов
•Гибкий список тем/вопросов (interview guide)
•Исследователь может менять порядок вопросов, задавать уточняющие вопросы
•Баланс между структурой и гибкостью
•Наиболее распространённый тип в качественных исследованиях
•Минимальная предварительная структура
•Разговор направляется интересами участника
•Максимальная глубина, но сложность в анализе

Проведение полуструктурированного интервью

•Описательные: «Расскажите о вашем типичном рабочем дне»
•Оценочные: «Как вы оцениваете эффективность этой программы?»
•Сравнительные: «Чем отличается ваш текущий опыт от предыдущего?»
•Гипотетические: «Если бы вы могли изменить одну вещь, что бы это было?»
•Активное слушание — демонстрация внимания, кивки, уточнения
•Зондирование — углубление ответов через дополнительные вопросы
•Управление паузами — комфортное молчание даёт участнику время подумать
•Нейтральность — избегать реакций, которые могут повлиять на ответы

Характеристики:

•Модератор направляет дискуссию по заданным темам
•Групповая динамика — участники реагируют на высказывания друг друга, что порождает более богатые данные
•Обычно длится 60-90 минут
•Записывается на аудио (с согласия участников)

Преимущества:

•Групповая динамика порождает идеи, которые не возникли бы в индивидуальном интервью
•Более эффективно по времени, чем индивидуальные интервью
•Возможность наблюдать социальное взаимодействие

Этические принципы исследования направлены на защиту прав и благополучия участников. Каждое исследование с участием людей должно пройти этическую экспертизу (ethical review/approval).

Информированное согласие обычно оформляется в виде формы согласия (consent form), которую участник подписывает. Для онлайн-исследований допускается электронное согласие.

4. Право на выход Участники могут прекратить участие в любой момент без объяснения причин и без негативных последствий для них.

Интервью: типы, подготовка и проведение

Типы исследовательских интервью → Разработка гайда (Topic Guide) → Типы вопросов в интервью → Проведение интервью → Запись и транскрибирование интервью → Рекрутинг участников → Практические задания

Зондирующие вопросы (Probing Questions)

•Уточнение (Clarification): «Что именно вы имеете в виду, когда говорите...?»
•Развёртывание (Elaboration): «Не могли бы вы рассказать об этом подробнее?»
•Завершение (Completion): «Что произошло после этого?»
•Доказательство (Evidence): «Можете привести конкретный пример?»

Полевые заметки (Field Notes)

•Критериальная выборка — отбор по заданным критериям (например, менеджеры с опытом работы более 5 лет)
•Метод снежного кома — участники рекомендуют других потенциальных участников
•Максимальная вариация — отбор участников с максимально разнообразным опытом для охвата различных перспектив

Исследовательское интервью — это целенаправленный разговор между исследователем и участником, в ходе которого исследователь стремится получить глубокое понимание опыта, мнений, восприятий и мотиваций респондента. В зависимости от степени структурированности выделяют три основных типа интервью.

Исследователь задаёт заранее определённый набор вопросов в строго фиксированном порядке. Все респонденты получают одинаковые вопросы, сформулированные идентичным образом. Ответы, как правило, кодируются по заранее заданным категориям.

Когда использовать: при необходимости стандартизации данных для количественного анализа; при большом числе респондентов; когда важна сопоставимость ответов между участниками.

Преимущества: высокая надёжность (reliability), простота анализа, минимизация влияния интервьюера. Ограничения: не позволяет углубиться в неожиданные темы, ограничивает спонтанность ответов.

Фокус-группы: планирование и модерация

Что такое фокус-группа? → Отличия от индивидуальных интервью → Планирование фокус-групп → Рекрутинг участников → Роль модератора → Роль ассистента (помощника) → Проведение сессии → Анализ данных фокус-группы → Преимущества и ограничения фокус-групп → Практические задания

Определения

Фокус-группа (Focus Group) — это метод качественного сбора данных, при котором небольшая группа участников (обычно 6–10 человек) обсуждает определённую тему под руководством модератора. Ключевая особенность фокус-группы — групповая динамика: участники реагируют на высказывани...

Критерий	Индивидуальное интервью	Фокус-группа
Глубина	Глубокое погружение в индивидуальный опыт	Более широкий охват мнений, но меньшая глубина
Взаимодействие	Исследователь — участник	Участник — участник (с модерацией)
Данные	Индивидуальные нарративы	Групповая динамика, точки согласия и расхождения
Чувствительные темы	Более подходят (конфиденциальность)	Менее подходят (присутствие других)
Влияние группы	Отсутствует	Возможно конформистское поведение
Время на участника	45–90 минут	10–15 минут речи на каждого участника
Эффективность	1 участник за сессию	6–10 участников за сессию

•При изучении коллективных мнений, норм и ценностей
•Для исследования того, как люди формируют и обосновывают свои взгляды в социальном контексте
•При разработке новых продуктов, услуг или политик для получения обратной связи
•На начальных этапах исследования для определения ключевых тем и формулирования гипотез
•Когда важно понять точки согласия и разногласия в группе

Состав группы

•Фасилитация дискуссии: направлять обсуждение, следить за раскрытием всех запланированных тем, не навязывая собственного мнения
•Управление доминантными участниками: тактично ограничивать чрезмерно активных участников («Спасибо, это очень интересно. А что думают остальные?»)
•Вовлечение тихих участников: обращаться к молчаливым участникам по имени, задавать им прямые вопросы («Мария, а каков ваш опыт?»)
•Управление конфликтами: признавать различия во мнениях как ценный результат, перенаправлять деструктивные споры
•Нейтральность: не выражать согласия или несогласия с высказываниями, избегать оценочных реакций

Процесс анализа

•Групповая динамика генерирует более разнообразные идеи, чем индивидуальные интервью
•Эффективность: данные от нескольких участников за одну сессию
•Позволяют наблюдать процесс формирования мнений в социальном контексте
•Выявляют точки согласия и разногласия в группе
•Высокая экологическая валидность (мнения формируются в социальном взаимодействии, как и в реальной жизни)
•Влияние группового давления (конформизм) — участники могут не высказывать непопулярные мнения
•Доминирование отдельных участников может подавлять других
•Не подходят для чувствительных или интимных тем
•Сложность логистической организации (собрать 6–10 человек в одном месте)
•Данные сложнее анализировать из-за перекрывающихся высказываний
•Результаты не могут быть обобщены на генеральную совокупность (малые, нерепрезентативные выборки)

Задание 1

•2 группы — рядовые сотрудники
•2 группы — менеджеры среднего звена
•2 группы — сотрудники, непосредственно работающие с клиентами

Гайд (сценарий) фокус-группы обычно включает 5–6 ключевых вопросов, каждый из которых разворачивается в групповую дискуссию. Вопросы должны быть открытыми и стимулировать обмен мнениями. Типичная структура:

1. Вступительный вопрос (5 минут) — простой вопрос для знакомства участников друг с другом 2. Переходный вопрос (10 минут) — вводит основную тему 3. Ключевые вопросы (40–60 минут) — 3–4 вопроса по существу исследования 4. Заключительный вопрос (10 минут) — подведение итогов, возможность дополнить

Оптимальная продолжительность фокус-группы — 90–120 минут. Место проведения должно быть нейтральным, комфортным, с круговой рассадкой, обеспечивающей визуальный контакт между всеми участниками. Необходимо предусмотреть оборудование для аудио- или видеозаписи, а также лёгкие закуски и напитки для ...

Количественный анализ данных

Статистическая значимость, проверка гипотез, доверительные интервалы, t-тесты, дисперсионный анализ (ANOVA), корреляция, регрессия

Статистическая значимость и проверка гипотез

Инференциальная статистика → Гипотезы → Статистическая значимость → Ошибки при проверке гипотез → Доверительные интервалы → Основные статистические тесты → Практические задания

Определения

p-значение (p-value) — это вероятность получить наблюдаемый результат (или более экстремальный), если нулевая гипотеза верна.

Ошибка I рода (Type I Error) — отвержение верной нулевой гипотезы (ложноположительный результат). Вероятность = α (обычно 0.05).

Ошибка II рода (Type II Error) — неотвержение ложной нулевой гипотезы (ложноотрицательный результат). Вероятность = β.

Доверительный интервал (Confidence Interval) — это диапазон значений, который с определённой вероятностью содержит истинное значение параметра генеральной совокупности.

Независимый t-тест (Independent samples t-test) — сравнение средних двух независимых групп.

Парный t-тест (Paired samples t-test) — сравнение средних для одной группы в двух условиях.

R² (коэффициент детерминации) — доля дисперсии зависимой переменной, объяснённая моделью. R² = 0.45 означает, что модель объясняет 45% вариации.

Интерпретация p-значения:

•p < 0.05 — результат считается статистически значимым (стандартный порог). Нулевая гипотеза отвергается.
•p < 0.01 — результат высоко значим
•p < 0.001 — результат очень высоко значим
•p > 0.05 — результат не значим. Нет оснований отвергнуть нулевую гипотезу.
•95% доверительный интервал означает: если повторить исследование 100 раз, примерно в 95 случаях истинное значение попадёт в рассчитанный интервал.

Дисперсионный анализ ANOVA (Analysis of Variance)

•Если ANOVA показывает значимую разницу (p < 0.05), это означает, что хотя бы одна пара групп значимо различается
•Для определения, какие именно группы различаются, используются post-hoc тесты (Tukey, Bonferroni)

Корреляция

•r = +1: идеальная положительная корреляция
•r = 0: нет линейной связи
•r = −1: идеальная отрицательная корреляция
•|r| < 0.3 — слабая
•0.3 ≤ |r| < 0.5 — средняя
•|r| ≥ 0.5 — сильная

Регрессионный анализ

•Y — зависимая переменная
•X — независимая переменная
•a — свободный член (intercept)
•b — коэффициент регрессии (угол наклона)

Задание 2

•Более высокая зарплата → более высокая удовлетворённость (прямая причинная связь)
•Более высокая удовлетворённость → лучшая работа → повышение зарплаты (обратная причинность)
•Третья переменная (например, уровень образования) влияет на обе переменные (confounding variable)

Инференциальная (выводная) статистика позволяет делать выводы о генеральной совокупности на основе данных выборки. В отличие от описательной статистики, которая просто описывает собранные данные, инференциальная статистика позволяет обобщать результаты.

Утверждает, что нет значимой разницы, связи или эффекта. Это гипотеза «статус-кво», которую мы пытаемся опровергнуть.

*Пример:* H₀: Нет статистически значимой разницы в удовлетворённости сотрудников между офисными и удалёнными работниками.

Утверждает, что разница, связь или эффект существуют. Это гипотеза, которую мы хотим подтвердить.

Доверительные интервалы и t-тесты

Доверительные интервалы: понятие и интерпретация → Связь доверительных интервалов и проверки гипотез → t-тест для одной выборки (One-Sample t-test) → t-тест для независимых выборок (Independent Samples t-test) → t-тест для парных (зависимых) выборок (Paired Samples t-test) → Размер эффекта: d Коэна (Cohen's d) → Проверка допущений (Assumptions) → Введение в дисперсионный анализ (ANOVA) → Практические задания

Значение d	Интерпретация
0,2	Малый эффект
0,5	Средний эффект
0,8	Большой эффект

Ключевые компоненты доверительного интервала

•Точечная оценка (Point Estimate) — значение статистики, вычисленное по выборке (например, среднее арифметическое X̄)
•Уровень доверия (Confidence Level) — вероятность того, что интервал содержит истинный параметр (обычно 95% или 99%)
•Предел погрешности (Margin of Error) — величина, прибавляемая и вычитаемая из точечной оценки

Доверительный интервал (Confidence Interval, CI) — это диапазон значений, в пределах которого с определённой вероятностью находится истинное значение параметра генеральной совокупности. Доверительный интервал строится на основе выборочных данных и отражает неопределённость, связанную с использова...

Формула для CI среднего: CI = X̄ ± t(α/2) × (s / √n), где X̄ — выборочное среднее, t(α/2) — критическое значение t-распределения, s — стандартное отклонение выборки, n — размер выборки.

Правильно: «Мы на 95% уверены, что истинное среднее генеральной совокупности находится в интервале от 4,2 до 5,8.»

Неправильно: «Существует 95% вероятность того, что среднее находится в данном интервале.» Истинное среднее — фиксированная величина, а не случайная переменная.

Корреляция и регрессионный анализ

Понятие корреляции → Коэффициент корреляции Пирсона (r) → Ранговая корреляция Спирмена (ρ) → Интерпретация силы корреляции → Корреляция не означает причинно-следственную связь → Критерий хи-квадрат (χ²) для категориальных данных → Простая линейная регрессия → Множественная регрессия: введение → Практические задания

Определения

Мультиколлинеарность — проблема, возникающая при высокой корреляции между предикторами. Проверяется в SPSS через Statistics → Collinearity diagnostics. Значение VIF (Variance Inflation Factor) > 10 указывает на мультиколлинеарность.

r	или	ρ	Сила связи
0,10 – 0,29	Слабая корреляция
0,30 – 0,49	Умеренная корреляция
0,50 – 1,00	Сильная корреляция

Типы корреляционных связей

•Положительная корреляция — при увеличении одной переменной другая также увеличивается (например, количество часов подготовки и результат экзамена)
•Отрицательная корреляция — при увеличении одной переменной другая уменьшается (например, уровень стресса и качество сна)
•Отсутствие корреляции — изменения одной переменной не связаны систематически с изменениями другой (коэффициент корреляции близок к нулю)

Проведение регрессии в SPSS

•Model Summary: R, R², Adjusted R² — показывают качество модели
•ANOVA table: F-статистика и Sig. — проверяет значимость модели в целом. Если Sig. < 0,05, модель статистически значима
•Coefficients table: значения a (Constant) и b (коэффициент предиктора), стандартные ошибки, t-статистика и p-value для каждого коэффициента. Столбец B содержит нестандартизированные коэффициенты, B...

Корреляция — это статистическая мера, описывающая степень и направление линейной связи между двумя переменными. Корреляционный анализ позволяет ответить на вопрос: изменяются ли две переменные согласованно?

Коэффициент Пирсона (Pearson's r) измеряет силу и направление линейной связи между двумя интервальными или отношенческими (ratio) переменными. Значения r варьируются от −1 до +1.

Когда использовать: обе переменные измерены на интервальной/отношенческой шкале; связь между переменными линейная; данные приблизительно нормально распределены; отсутствуют значительные выбросы.

Шаги в SPSS: Analyze → Correlate → Bivariate → перенести переменные в список Variables → убедиться, что отмечен Pearson → выбрать тип проверки (Two-tailed или One-tailed) → OK.

Качественный анализ данных

Тематический анализ, кодирование и формирование тем, представление качественных данных, обеспечение качества

Тематический анализ

Что такое тематический анализ? → Шесть этапов тематического анализа (по Браун и Кларк) → Представление качественных результатов → Обеспечение качества качественного исследования → Практические задания

Определения

Тематический анализ (Thematic Analysis) — это метод анализа качественных данных, направленный на выявление, анализ и описание паттернов (тем) в данных. Это один из наиболее распространённых и доступных методов качественного анализа.

Тема: «Парадокс гибкости» — участники описывают удалённую работу как одновременно освобождающую (гибкость графика, автономия) и ограничивающую (размытие границ работа/жизнь, чувство постоянной доступности), создавая внутреннее противоречие в их опыте.

Достоверность (Credibility) — аналог внутренней валидности:

Переносимость (Transferability) — аналог внешней валидности:

Зависимость (Dependability) — аналог надёжности:

Подтверждаемость (Confirmability) — аналог объективности:

Фрагмент данных	Коды
«Руководитель никогда не даёт обратную связь, я не знаю, хорошо я работаю или нет»	[отсутствие обратной связи], [неопределённость], [взаимодействие с руководством]
«Мне нравится, что я могу сам планировать свой день на удалёнке»	[автономия], [гибкость графика], [самоорганизация]
«Я скучаю по разговорам у кофемашины, это была важная часть моего рабочего дня»	[социальная изоляция], [неформальное общение], [утрата ритуалов]

Этап 1: Знакомство с данными (Familiarisation)

•Многократное прочтение транскриптов интервью
•Прослушивание аудиозаписей
•Запись первых впечатлений и идей
•Цель: погрузиться в данные, начать замечать повторяющиеся паттерны

Этап 2: Генерация начальных кодов (Initial Coding)

•Систематическое присвоение кодов интересным фрагментам данных
•Кодирование всего массива данных, а не только того, что подтверждает ожидания
•Каждый фрагмент может получить несколько кодов
•Коды — это наименьшие единицы анализа

Этап 3: Поиск тем (Searching for Themes)

•Группировка кодов в потенциальные темы
•Создание тематической карты (thematic map) — визуализация связей между кодами и темами
•Тема — это нечто, что отражает значимый паттерн в данных
•Коды: [отсутствие обратной связи], [неопределённость], [социальная изоляция], [неформальное общение], [технические проблемы связи]
•Коды: [автономия], [гибкость графика], [самоорганизация], [самодисциплина], [управление временем]

Этап 4: Обзор тем (Reviewing Themes)

•Проверка, работают ли темы в отношении закодированных фрагментов и всего набора данных
•Объединение, разделение или отброс тем при необходимости
•Создание финальной тематической карты
•Внутренняя однородность — данные внутри темы согласованы
•Внешняя неоднородность — темы чётко отличаются друг от друга
•Тема отражает значимый паттерн, а не единичное наблюдение

Этап 5: Определение и наименование тем (Defining and Naming)

•Чёткое определение сути каждой темы
•Создание кратких, точных названий
•Написание подробного описания каждой темы

Браун и Кларк (Braun & Clarke, 2006) определяют тематический анализ как метод «идентификации, анализа и сообщения паттернов (тем) в данных». Он может использоваться в рамках различных философских парадигм.

*Пример:* Тема: «Парадокс гибкости» — участники описывают удалённую работу как одновременно освобождающую (гибкость графика, автономия) и ограничивающую (размытие границ работа/жизнь, чувство постоянной доступности), создавая внутреннее противоречие в их опыте.

Представление результатов в форме связного нарратива, подкреплённого цитатами из данных.

От кодов к темам: практика тематического анализа

Введение → Фаза 1: Знакомство с данными (Familiarization) → Фаза 2: Начальное кодирование (Initial Coding) → Фаза 3: Поиск тем (Searching for Themes) → Фаза 4: Пересмотр тем (Reviewing Themes) → Фаза 5: Определение и наименование тем (Defining and Naming Themes) → Фаза 6: Написание отчёта (Writing Up) → Типичные ошибки в тематическом анализе → Практические задания

Потенциальная тема	Составляющие коды
Конфликт работа-семья	Физическое истощение, недостаток времени с детьми, чувство вины, невозможность совмещения
Организационная несправедливость	Неравное распределение задач, «стеклянный потолок», формальное vs реальное равенство
Стратегии совладания	Делегирование обязанностей, снижение стандартов, поиск социальной поддержки

Основные действия

•Многократное чтение транскриптов — минимум два-три полных прочтения каждого интервью или документа
•Ведение заметок (memos) — фиксация первых впечатлений, интересных фрагментов, предварительных идей
•Активное чтение — не пассивное восприятие текста, а поиск значений, паттернов и противоречий
•Проверка качества транскрипции — сверка транскрипта с аудиозаписью при необходимости

Подходы к кодированию

•Построчное кодирование (line-by-line coding) — присвоение кода каждой значимой строке или предложению. Обеспечивает максимальную детализацию
•Открытое кодирование (open coding) — генерация кодов без предварительных категорий, «снизу вверх» от данных
•Кодирование по абзацам — присвоение кодов более крупным смысловым единицам

Пример кодирования фрагмента интервью

•Физическое истощение после работы
•Конфликт работа-семья
•Чувство родительской вины
•Недостаток времени с детьми
•Невозможность совмещения ролей

Уровень 1: Проверка по кодированным извлечениям

•Перечитайте все фрагменты данных, отнесённые к каждой теме
•Убедитесь, что фрагменты согласованно поддерживают тему
•Если фрагменты не согласуются — пересмотрите тему: разделите её, объедините с другой или переместите коды

Тематический анализ (ТА) по модели Braun & Clarke включает шесть последовательных фаз, каждая из которых требует систематической аналитической работы. В данной статье каждая фаза рассматривается детально с практическими примерами, типичными ошибками и рекомендациями по выполнению.

Цель первой фазы — глубокое погружение в данные. Исследователь должен «знать» свои данные настолько хорошо, чтобы свободно ориентироваться в их содержании.

1. Аннотирование — запись комментариев на полях транскрипта: «Участник описывает конфликт между работой и семьёй», «Эмоциональная реакция при обсуждении руководителя» 2. Составление краткого резюме каждого интервью (1–2 абзаца): основные темы, тон, ключевые цитаты 3. Ведение рефлексивного дневник...

Пример заметки: «Интервью 3: участница неоднократно возвращается к теме несправедливости. Использует метафору "стеклянный потолок". Контраст между формальной политикой равенства и реальным опытом.»

Написание результатов качественного исследования

Структура главы с результатами → Представление тем с извлечениями из данных → Короткие встроенные цитаты vs блочные цитаты → Баланс описания и интерпретации → Анонимизация участников → Таблицы и визуальные элементы → Стиль написания качественных результатов → Связь результатов с литературой → Качество и строгость представления результатов → Практические задания

Тема	Подтемы	Описание
Невидимый труд	Эмоциональная работа; Домашний труд	Неоплачиваемая и непризнанная работа, выполняемая преимущественно женщинами
Стратегии совладания	Делегирование; Снижение стандартов	Механизмы адаптации к множественным ролевым требованиям
Институциональные барьеры	Формальная политика; Неформальные практики	Разрыв между декларируемым равенством и реальными практиками

Выбор цитат

•Яркость и выразительность — цитата должна быть убедительной и живой
•Репрезентативность — цитата должна отражать типичный опыт, а не исключительный случай (если не анализируется именно девиантный случай)
•Разнообразие источников — используйте цитаты разных участников, не опирайтесь на 2–3 наиболее красноречивых
•Релевантность — цитата должна непосредственно подтверждать аналитическое утверждение

Блочные цитаты (block quotes)

•Описание (description) — что участники говорили, какой опыт описывали, какие события упоминали
•Интерпретация (interpretation) — что это означает в контексте исследовательского вопроса, как это связано с теоретическими рамками, какие латентные смыслы можно выявить

Подходы к анонимизации

•Псевдонимы — замена реальных имён вымышленными (например, «Анна», «Дмитрий»). Придают тексту человечность, но могут непреднамеренно создавать стереотипные ассоциации
•Кодовые обозначения — использование буквенно-цифровых кодов (например, «Участник 5», «P7», «И-12»). Более нейтральный подход, часто используется в академических публикациях
•Описательные характеристики — указание релевантных демографических данных без идентификации (например, «женщина, 34 года, менеджер среднего звена»)

Принципы анонимизации

•Удаляйте или изменяйте все идентифицирующие детали: названия организаций, географические указания, уникальные должности
•Будьте последовательны в использовании выбранной системы на протяжении всего текста
•При использовании псевдонимов учитывайте культурный контекст (не присваивайте имена, не соответствующие этнической или культурной принадлежности участника)

Язык и терминология

•Избегайте жаргона без необходимости — текст должен быть доступен широкой академической аудитории
•Используйте язык участников (in vivo коды) для передачи их собственных категорий и значений
•Будьте осторожны с обобщениями — в качественном исследовании говорят «большинство участников», «некоторые участники», а не «все» или точные проценты
•Сопоставить результаты с существующей теорией и эмпирическими данными
•Объяснить совпадения и расхождения с предыдущими исследованиями
•Показать вклад данного исследования в развитие знания
•Обсудить теоретические импликации — как результаты расширяют, уточняют или опровергают существующие концепции

Глава с результатами качественного исследования отличается от количественного — она представляет собой аналитическое повествование (narrative), а не набор таблиц и статистических показателей. Типичная структура включает:

1. Краткое введение — напоминание об исследовательском вопросе, методе анализа, количестве и характере участников 2. Обзор тем — краткое перечисление выделенных тем (часто в виде таблицы или схемы) 3. Развёрнутое представление каждой темы — отдельный раздел для каждой темы с подтемами 4. Резюме —...

Цитаты участников — основа качественного отчёта. При выборе цитат руководствуйтесь следующими критериями:

Цитаты никогда не должны «висеть в воздухе» — они требуют контекстуализации. Перед цитатой поясните, что она иллюстрирует; после цитаты — прокомментируйте, какой вклад она вносит в аргументацию.