статистически. Иначе говоря, требуется определить степень вероятности выдвинутой гипотезы. Тогда гипотезу предпочитают формулировать не положительно, а отрицательно, отталкиваясь от противоположного утверждения. Такая отрицательная гипотеза носит наименование «нулевой» или «нуль-гипотезы». Нуль понимается как отсутствие различий в показателях между явлениями или между двумя совокупностями данных [364, 453]. Иначе говоря, нулевая – это такая гипотеза, отклонение от которой приписывается случаю [179, с. 100; 364, с. 279-287]. Всякие другие возможные выводы называются альтернативными гипотезами. Подтверждение нуль-гипотезы ведет к отказу от исходной рабочей гипотезы, а ее опровержение дает возможность принять рабочую гипотезу. Но тогда исследователь уберегается от расширительного толкования результатов. В психологических исследованиях обычно нуль-гипотезы проверяются для трех уровней доверительной вероятности: 0.95,0.99 и 0.999.

Интересную увязку необходимости применения нуль-гипотезы с духом научного познания дают К. Д. Зароченцев и А. И. Худяков: «Все возможные выводы после проверки статистических гипотез сугубо вероятностны. Принципиально всегда возможна ошибка. Поэтому статистическую гипотезу мы или отвергаем, отвергнуть всегда проще, или не находим оснований опровергнуть, сознавая при этом возможность ошибки. Принять гипотезу – звучит слишком определенно, противоречит духу научного исследования. Принять гипотезу означает прекращение исследований: все ясно, дальше делать нечего. Если мы нулевую гипотезу отвергаем, то в силу вступает возможная альтернативная гипотеза, которая, в свою очередь, нуждается в проверке. Если мы не нашли должных оснований отвергнуть нулевую гипотезу, мы продолжаем иметь дело

сней, сознавая возможность нашей ошибки. То есть продолжается естественный процесс научного исследования» [126, с. 27].

Проиллюстрируем применение нуль-гипотезы примером, приведенным К. А. Рамулем [319]. Известно, что девочки-подростки в массе своей более развиты, чем мальчики того же возраста. Отражается ли это на времени реакции? Экспериментальная гипотеза: время реакции (ВР) девочек меньше ВР мальчиков. На практике доказать абсолютно эту гипотезу нельзя, так как невозможно охватить экспериментом всех мальчиков и девочек в одинаковых условиях. Но зато можно показать, что альтернативные утверждения неверны. И это будет основанием согласиться

сисходной гипотезой. Тогда нуль-гипотеза будет такой: ВР у девочек не короче, чем у мальчиков. Таким образом, предполагается нулевая разница в их ВР. При подтверждении нуль-гипотезы вопрос снимается. При опровержении следует доказать, что полученная разница в ВР не результат стечения случайных обстоятельств, а реальное различие. И после этого можно считать проблему решенной утвердительно: ВР девочек короче ВР мальчиков.

4.4.ПЛАНИРОВАНИЕ ИССЛЕДОВАНИЯ

На этой стадии продумывается весь процесс исследования, решаются организационные вопросы. Планируется последовательность действий, их разнесенность во времени. Выбирается адекватный задачам методический и технический арсенал. Определяется конкретный контингент

испытуемых или респондентов. Продумываются варианты стимуляции.

Специфическим элементом этого этапа выступает так называемое планирование эксперимента (см. [120,165,178,354 и др.]), суть которого кратко будет освещена впереди при описании экспериментального метода. Оно ограничивается рамками проработки только непосредственно исследовательских ситуаций, в которых предполагается выявлять зависимости определенных психических явлений от определенных параметров этих ситуаций.

Действия, не связанные с процедурой непосредственного экспериментирования, в границы планирования эксперимента, не входят. Их алгоритмизация производится при планировании всего исследовательского процесса в целом, где эксперимент –лишь часть, один из этапов исследования.

Обычно составление плана исследования предшествует этапам сбора данных, их обработки и интерпретации. Но нередки случаи, когда по ходу эмпирического этапа производится обработка данных по порциям, а полученные результаты заставляют изменить план действий. В процессе сбора данных у исследователя может возникнуть какая-либо новая гипотеза (обычно частного характера), которая также может потребовать внесения коррективов в текущие процедуры. Такое совмещение этапов, называемое гибким планированием, стало в последнее время весьма распространенным явлением в связи с внедрением в исследовательский процесс быстродействующей вычислительной техники. «Действительно, еще недавно подготовка данных для статистической обработки и сама обработка занимали много времени. Поэтому перед обработкой должны были быть получены все результаты. Однако с развитием и распространением вычислительной техники и особенно с появлением ЭВМ на линии психологического эксперимента ситуация резко изменилась. Исследователь имеет возможность

оценивать целостную картину полученных результатов после каждого промежуточного этапа проведения эксперимента (в полностью автоматизированном эксперименте минимальный шаг может равняться отдельной пробе)» [153, с. 47-48]. Гибкое планирование с использованием такого разветвленного алгоритма полезно прежде всего потому, что экономит время, трудозатраты, оптимизирует экспериментальную процедуру, повышает надежность результатов, а иногда и позволяет по-новому взглянуть на поставленную проблему и своевременно «высветить» новую гипотезу.

4.5.СБОР ДАННЫХ

4.5.1.Общее понятие о данных

Процесс непосредственного исследования предполагает контакт исследователя с объектом, в результате чего получают совокупность характеристик этого объекта. Полученные характеристики являются главным материалом для проверки рабочей гипотезы и решения проблемы. В зависимости от предмета и цели исследования эти характеристики могут представать в виде различных параметров объекта (пространственных, временных, энергетических, информационных, интеграционных), в виде соотношений между частями объекта или его самого с другими объектами, в виде различных зависимостей его состояний от всевозможных факторов и т. д. Всю совокупность подобных сведений называют данными об объекте, а точнее, первичными данными, чтобы подчеркнуть непосредственный характер этих сведений и необходимость их дальнейшего анализа, обработки, осмысления. На первый взгляд забавное, но по существу верное мнение высказывает Ж. Годфруа, считающий, что данные – это элементы подлежащие анализу, это любая информация, которая может быть классифицирована с целью обработки [89]. В теоретическом исследовании под сбором данных подразумевается поиск и отбор уже известных фактов, их систематизация, описание под новым углом зрения. В эмпирическом исследовании подданными понимается отражение предметов, явлений, признаков или связей объективной действительности. Таким образом, это не сами объекты, а их чувственно-языковые отображения. Реальные объекты – это фрагменты мира, а данные о них – это фундамент науки. Эти данные есть «сырье» научного исследования при индуктивных гипотезах и цель при дедуктивных гипотезах.

4.5.2. Классификация данных

Данные можно классифицировать по различным основаниям (критериям), среди которых в науке наиболее популярны следующие:

I. По научному обоснованию 1.Научные.

2.Ненаучные.

II. По вкладу в проверку гипотезы и решение проблемы 1.Решающие.

2.Значительные.

3.Незначительные.

III. По области и характеру источников информации 1.Социологические.

2.Психологические.

3.Педагогические.

4.Физиологические и т. д.

IV. По методам исследования 1.Данные наблюдения. 2.Данные опроса.

3.Экспериментальные данные и т. д.

V. По методам в сочетании с источниками (классификацияР. Б. Кеттелла) 1.L-данные.

2.Q-данные.

3.Т-данные.

VI. По информативности 1. Неметрические

а) качественные (классификаторные, номинативные). б) порядковые (компаративные).

2. Метрические: а) интервальные.

б) пропорциональные;

Научные данные – это сведения, полученные в результате научных изысканий и характеризующиеся высокой степенью достоверности (доказанности и надежности), возможностью проверки, теоретической обоснованностью, включенностью в широкую систему научных знаний. Характерной особенностью научных данных, как и вообще научных знаний, является их относительная истинность, т. е. потенциальная возможность их опровержения в результате научной критики.

Ненаучные данные – сведения, полученные ненаучными путями. Например, из житейского опыта, из религиозных источников, из традиций, от авторитетов и т. д. Эти данные не доказываются, зачастую считаются самоочевидными. Не имеют теоретических обоснований. Многие из них претендуют на абсолютную истинность, их принятие субъектом познания базируется на некритическом усвоении, доверии (своему опыту, догматам, авторитетам).

Решающие данные – это сведения, позволяющие однозначно принять или отвергнуть выдвинутую гипотезу.

Значительные данные – это данные, вносящие весомый вклад в решение проблемы, но недостаточные для ее решения без привлечения других сведений.

Незначительные – данные малой информативности по решаемому вопросу. Социологические, психологические и т. д. – данные, полученные в соответствующих

сферах бытия, в первую очередь – общественного бытия. В узком смысле – это данные соответствующих наук:

Данные наблюдения, опроса и т. д. – сведения, полученные с помощью того или иного эмпирического метода.

Пятая группировка предложена американским психологом Р. Б. Кеттеллом в середине XX столетия и обычно относится к данным по проблемам личности и социально-психологическим вопросам [430, 431].

L-данные (life data) – сведения, получаемые путем регистрации фактов реальной жизни. Обычно это данные наблюдения за повседневной жизнью человека или группы. С них рекомендуется начинать предварительное исследование проблемы [150].

Q-данные (questionnaire data) – сведения, получаемые с помощью опросников, тестов интересов, самоотчетов и других методов самооценок, а также путем свободного обследования психиатров, учителей и т. п. Благодаря простоте инструментария и легкости получения информации Q-данные занимают ведущее место в исследованиях личности. Число методик огромно. Наиболее известные: опросники Айзенка (EPI, EPQ), Миннесотский многопрофильный личностный перечень (MMPI), Калифорнийский психологический тест (CPI), 16-факторный личностный опросник Кеттелла (16PF), тест Гилфорда – Циммермана для исследования темперамента (GZIS).

Т-данные (test data) – сведения, получаемые с помощью объективных тестов, а также физиологических измерений. Эти данные «объективны», поскольку их получают в результате объективного измерения реакций и поведения человека без обращения к самооценке или оценке экспертов. Количество методик для получения Т-данных также очень велико. Это тесты способностей, тесты интеллекта, тесты достижений. Кеттелл сюда же относит антропометрические и физиологические измерения, ситуативные и проективные тесты (всего более 400 методик, разбитых на 12 групп). Наиболее, известны: тест «пятна Роршаха», тест Розенцвейга, тест тематической апперцепции (ТАТ), тесты интеллекта Стенфорд-Бине, Векслера, Амтхауэра.

Деление данных по информативности базируется на качественно-количественной нагрузке их содержания, позволяющей эти сведения соотносить друг с другом или с уже имеющимися сведениями в данной области на том или ином уровне точности. Эта группировка данных согласуется с классификацией измерительных шкал по С. Стивенсу [360].

Неметрические данные – это те, которые не имеют метрики, т. е. единиц измерения. Метрические – количественные данные, имеющие единицы измерения.

Качественные данные (классификаторные, номинативные) – сведения, на основании которых изучаемый объект (или его состояние) можно отнести к какому-либо множеству (классу) сходных объектов. В этих данных отражаются сугубо качественные характеристики объекта, не позволяющие выяснить степень выраженности признака объекта, а следовательно, и его соотношение с подобными объектами, входящими в тот же класс. Эти данные указывают только на наличие или отсутствие какого-либо признака, по которому объект можно отнести к тому или иному классу. Каждый класс сходных объектов имеет определенное наименование, поэтому система классов носит название шкалы наименований (номинальной шкалы), а сами данные называются номинативными. Психологическая основа получения таких данных и построения

таких шкал – процессы опознания (идентификации), т. е. установление отношений равенства или неравенства. Примеры: 1) синий – красный – желтый и т. д.; 2) мужчина – женщина; 3) холерик – сангвиник – флегматик – меланхолик.

Порядковые, или компаративные (лат. comparativus – сравнительный) – это данные, на основании которых объекты можно сравнивать по степени выраженности их признаков в системе оценок «больше – меньше». Это дает возможность упорядочивать объекты по определенному изучаемому признаку в возрастающем (убывающем) порядке, т. е. ранжировать. Соответствующие шкалы называются порядковыми или ранговыми. Но далее субординации здесь не продвинуться. Указать, насколько различаются между собой объекты, невозможно. Психологическая основа выявления этих данных и построения порядковых шкал – процессы различения и предпочтения, т. е. установление отношений «равно – неравно» и «больше – меньше». Примеры: любые шкалы оценок, шкала твердости минералов Мооса, итоговая турнирная таблица без указания результатов, ранжирование популярных артистов, приятность звуков, запахов, цветов и т. п.

Интервальные данные – это те, которые позволяют метрически оценить выраженность признака и ответить на вопрос, «на сколько» у одного объекта этот признак выражен больше или меньше, чем у другого. Эта разница на континууме значений измеряемого признака (на шкале) представляется как некоторая сумма субъективно равных интервалов, поэтому и данные называются интервальными. А шкалы – шкалами интервалов, расстояний или разностей, где интервалы являются единицами измерения. Психологическая основа – способность к уравниванию субъективных (в первую очередь, сенсорных и эмоциональных) расстояний. Примеры: шкалы температур по Цельсию, Реомюру и Фаренгейту; календарные даты; шкалы, основанные на прямом измерении сенсорных расстояний.

Пропорциональные данные – это те, которые дополнительно к интервальной информации дают ответ на вопрос, «во сколько раз» признаку одного объекта выражен сильнее или слабее, чем у другого. Для этого на шкале данных должна иметься опорная точка, соответствующая естественному нулевому значению измеряемого признака. Такие шкалы называются

пропорциональными, или шкалами отношений. Точка отсчета, называемая абсолютным нулем,

указывает на отсутствие данного качества. Абсолютный нуль нельзя путать с относительным, или условным. Последний вводится искусственно, по договоренности. Например, на шкале температур по Цельсию, Фаренгейту и Реомюру за нулевую точку условно принята температура плавления льда. И в этих координатах бессмысленно говорить, во сколько раз что-то теплее или холоднее чего-то другого. Только шкала Кельвина имеет абсолютный нуль (-273,16° по Цельсию). К сожалению, для психологических характеристик обычно очень трудно указать нулевое значение, а значит, и получить пропорциональные данные. Тем не менее ряд специальных приемов, объединенных под наименованием процедур прямого (субъективного) шкалирования, открывает возможность получения пропорциональных данных и построения шкал отношений. Психологическая основа этих процедур – способность человека к определению субъективных отношений. Обычно это отношения, фиксирующие двойное или тройное превосходство (2:1, 3:1). Примеры: физические данные и соответствующие шкалы длин, весов, плотностей и т, д.; прямые психофизические шкалы громкости (сонов), яркости (брилов), тяжести (вегов) и т. п.

4.5.3. Процедура сбора данных

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

4.6.ОБРАБОТКА ДАННЫХ

4.6.1.Общее представление об обработке

Собрав совокупность данных, исследователь приступает к их обработке, получая сведения более высокого уровня, называемые результатами. Он уподобляется портному, который снял мерку (данные) и теперь все зафиксированные размеры соотносит между собой, приводит в целостную систему в виде выкройки и в конечном итоге – в виде той или иной одежды. Параметры фигуры заказчика – это данные, а готовое платье – это результат. На этом этапе могут обнаружиться ошибки в замерах, неясности в согласовании отдельных деталей одежды, что требует новых сведений, и клиент приглашается на примерку, где вносятся необходимые

коррективы. Так и в научном исследовании: полученные на предыдущем этапе «сырые» данные путем их обработки приводят в определенную сбалансированную систему, которая становится базой для дальнейшего содержательного анализа, интерпретации и научных выводов и практических рекомендаций. Если по обработке данных выявляются какие-либо ошибки, пробелы, несоответствия, препятствующие построению такой системы, то их можно ликвидировать и восполнить, проведя повторные замеры.

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

Если на предыдущих этапах происходит процесс увеличения разнообразия сведений (числа параметров, единичных измерений, источников и т. п.), то теперь наблюдается обратный процесс

– ограничение разнообразия, приведение данных к общим знаменателям, позволяющим делать обобщения и прогнозировать развитие тех или иных психических явлений.

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

Количественная обработка направлена в основном на формальное, внешнее изучение объекта, качественная – преимущественно, на содержательное, внутреннее его изучение. В количественном исследовании доминирует аналитическая составляющая познания, что отражено

ив названиях количественных методов обработки эмпирического материала, включающих в себя категорию «анализ» корреляционный анализ, факторный анализ и т. д. Основным гом количественной обработки является упорядоченная совокупность «внешних» показателей объекта (объектов). Реализуется количественная обработка с помощью математикостатистических методов.

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

Противопоставление друг другу качественной и количествен ной обработок (а следовательно,

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

Единство количественного и качественного осмысления эмпирического материала наглядно