Качественные методы обработки данных Классификация l l. Статистика и обработка данных в психологии Методы обработки данных

8.1. КОЛИЧЕСТВЕННЫЕ МЕТОДЫ

К основным методам количественного анализа (и синтеза) в психологии относятся следующие:

1. Методы первичной обработки данных (табулирование,

построение диаграмм, гистограмм, полигонов и кри­вых распределения).

2. Методы вторичной обработки данных (вычисление ста-

3. Корреляционный анализ.

4. Дисперсионный анализ.

5. Регрессионный анализ.

6. Факторный анализ. 7.Таксономический (кластерный) анализ. 8. Шкалирование.

Выше при освещении этапа обработки данных в психологи­ческом исследовании приводились краткие характеристики всех перечисленных методов кроме двух последних. Восполним этот пробел.

Таксономический анализ

Метод представляет собой математический прием группировки данных в классы (таксоны, кластеры) таким образом, чтобы объекты, входящие в один класс, были более однородны по ка­кому-либо признаку по сравнению с объектами, входящими в дру­гие классы. В итоге появляется возможность определить в той или иной метрике расстояние между изучаемыми объектами и дать упорядоченное описание их взаимоотношений на количествен­ном уровне . В силу недостаточной проработанно­сти критерия эффективности и допустимости кластерных про-

цедур данный метод применяется обычно в сочетании с другими способами количественного анализа данных. С другой стороны, и сам таксономический анализ используется как дополнитель­ная страховка надежности результатов, полученных с использо­ванием других количественных методов, в частности факторного анализа. Суть кластерного анализа позволяет рассматривать его как метод, явно совмещающий количественную обработку дан­ных с их качественным анализом. Поэтому причислить его од­нозначно к разряду количественных методов, видимо, не право­мерно. Но поскольку процедура метода по преимуществу математическая и результаты могут быть представлены числен­но, то и метод в целом будем относить к категории количественных.

Шкалирование в еще большей степени, чем таксономический анализ, совмещает в себе черты количественного и качественно­го изучения реальности. Количественный аспект шкалирования состоит в том, что в его процедуру в подавляющем большинстве случаев входят измерение и числовое представление данных. Ка­чественный аспект шкалирования выражается в том, что, во-пер­вых, оно позволяет манипулировать не только количественными данными, но и данными, не имеющими единиц измерения, а во-вторых, включает в себя элементы качественных методов (клас­сификации, типологизации, систематизации).

Еще одной принципиальной особенностью шкалирования, затрудняющей определение его места в общей системе научных методов, является совмещение в нем процедур сбора данных и их об­работки. Можно даже говорить о единстве эмпирических и ана­литических процедур при шкалировании. Не только в конкрет­ном исследовании трудно указать на последовательность и разнесенность этих процедур (они часто совершаются одновре­менно и совместно), но и в теоретическом плане не удается обна­ружить стадиальную иерархию (невозможно сказать, что первич­но, а что вторично).

Третий момент, не позволяющий однозначно отнести шкали­рование к той или иной группе методов, - это его органическое «врастание» в специфические области знания и приобретение им наряду с признаками общенаучного метода признаков узкоспеци­фических. Если другие методы общенаучного значения (напри­мер, наблюдение или эксперимент) можно довольно легко представить как в общем виде, так и в конкретных модификациях, то шкалирование на уровне всеобщего без потери необходимой ин­формации охарактеризовать весьма непросто. Причина этого оче­видна: совмещение в шкалировании эмпирических процедур с обработкой данных. Эмпирика конкретна, математика абстракт­на. Поэтому срастание общих принципов математического ана­лиза со специфическими приемами сбора данных дает указан­ный эффект. Неплохой иллюстрацией этому служит неясность с научными истоками шкалирования. Сразу несколько наук могут претендовать на звание его «родителя». Среди них и психология, где над теорией и практикой шкалирования работали такие вы­дающиеся ученые, как Л. Терстон , С. Стивене , В.Торгерсон, А.Пьерон.

Осознав все эти факторы, мы все же помещаем шкалирование в разряд количественных методов обработки данных, поскольку в психологической практике можно различить две ситуации с ис­пользованием шкалирования. Первая - это построение шкал, а вто­рая - их использование. В первом случае все упомянутые особен­ности шкалирования проявляются в полной мере. Во втором же они отходят на второй план, поскольку использование готовых шкал (например, «стандартных» шкал при тестировании) пред­полагает просто сравнение с ними показателей, полученных на этапе сбора данных. Таким образом, психолог в этом случае пользуется лишь плодами шкалирования, причем на этапах, сле­дующих за сбором данных. Такая ситуация - обычное явление в психологии. Кроме того, формальное построение шкал, как пра­вило, выносится за пределы непосредственных измерений и сбо­ра данных об объекте. То есть основные шкалообразующие дей­ствия математического характера проводятся после сбора данных, что сопоставимо с этапом их обработки.

В самом общем смысле шкалирование есть способ познания мира через моделирование реальности с помощью формальных (в первую очередь, числовых) систем. Применяется этот способ практичес­ки во всех сферах научного познания (в естественных, точных, гуманитарных, социальных, технических науках) и имеет широ­кое прикладное Значение.

Наиболее строгим определением представляется следующее: шкалирование - это процесс отображения по заданным правилам эмпирических множеств в формальные. Под эмпирическим множе­ством понимается любая совокупность реальных объектов (лю-

дей, животных, явлений, свойств, процессов, событий), находя­щихся в определенных отношениях друг с другом. Эти отноше­ния могут быть представлены четырьмя типами (эмпирически­ми операциями): 1) равенство (равно - не равно); 2) ранговый порядок (больше - меньше); 3) равенство интервалов; 4) равен­ство отношений.

По природе эмпирического множества шкалирование делится на два вида: физическое и психологическое. В первом случае шка­лированию подвергаются объективные (физические) характерис­тики объектов, во втором - субъективные (психологические).

Под формальным множеством понимается произвольная со­вокупность символов (знаков, чисел), связанных между собой определенными отношениями, которые соответственно эмпири­ческим отношениям описываются четырьмя видами формальных (математических) операций: 1) «равно - не равно» (= Ф); 2) «боль­ше - меньше» (> <); 3) «сложение - вычитание» (+ -); 4) «умно­жение - деление» (х:).

При шкалировании обязательным условием является взаимо­однозначное соответствие между элементами эмпирического и фор­мального множеств. Это означает, что каждому элементу первого множества должен соответствовать только один элемент второго, и наоборот. При этом взаимооднозначное соответствие типов от­ношений между элементами обоих множеств (изоморфизм струк­тур) не обязательно. В случае изоморфности этих структур про­изводится так называемое прямое (субъективное) шкалирование, при отсутствии изоморфизма производится косвенное (объектив­ное) шкалирование.

Итогом шкалирования является построение шкал (лат. scala - "лестница"), т. е. некоторых знаковых (числовых) моделей исследуе­мой реальности, с помощью которых можно эту реальность изме­рить. Таким образом, шкалы являются измерительными инстру­ментами. Общее представление обо всем многообразии шкал можно получить из работ , где приведена их классифи­кационная система и даны краткие описания каждого вида шкал. Сведения о многообразии модификаций общенаучного метода шкалирования в систематизированном виде представлены в ра­боте .

Отношения между элементами эмпирического множества и соответствующие допустимые математические операции (допус­тимые преобразования) обусловливают уровень шкалирования и

тип получаемой шкалы (по классификации С. Стивенса). Перво­му, наиболее простому типу отношений (= *) соответствуют наи­менее информативные шкалы наименований, второму (> <) - шка­лы порядка, третьему (+ -) шкалы интервалов, четвертому (х:) - самые информативные шкалы отношений.

Процесс психологического шкалирования условно можно раз­делить на два основных этапа: эмпирический, на. котором произ­водится сбор данных об эмпирическом множестве (в данном слу­чае о множестве психологических характеристик исследуемых объектов или явлений); и этап формализации, т. е. математико-ста-тистической обработки данных первого этапа. Особенности каж­дого из этапов определяют методические приемы конкретной реализации шкалирования. В зависимости от объектов исследо­вания психологическое шкалирование выступает в двух разновид­ностях: психофизическое или психометрическое.

Психофизическое шкалирование заключается в построении шкал для измерения субъективных (психологических) характе­ристик объектов (явлений), имеющих физические корреляты с соответствующими физическими единицами измерения. Напри­мер, субъективным характеристикам звука (громкости, высоте, тембру) соответствуют физические параметры звуковых колеба­ний: амплитуда (в децибелах), частота (в герцах), спектр (в пока­зателях составляющих тонов и огибающей). Таким образом, пси­хофизическое шкалирование позволяет выявить зависимость между величинами физической стимуляции и психической ре­акции, а также выразить эту реакцию в объективных единицах измерения. В результате получают любые виды косвенных и пря­мых шкал всех уровней измерения: шкалы наименований, поряд­ка, интервалов и отношений.

Психометрическое шкалирование заключается в построении шкал для измерения субъективных характеристик объектов (яв­лений), не имеющих физических коррелятов. Например, харак­теристик личности, популярности артистов, сплоченности кол­лективов, выразительности образов и т. п. Реализуется с помощью некоторых методов косвенного (объективного) шкалирования. В результате получают шкалы суждений, относящиеся по типо­логии допустимых преобразований, как правило, к шкалам по­рядка, реже - к шкалам интервалов. В последнем случае в каче­стве единиц измерения выступают показатели вариативности суждений (ответов, оценок) респондентов. Наиболее характерными и распространенными психометрическими шкалами явля­ются шкалы оценок и основанные на них шкалы установок. Пси­хометрическое шкалирование лежит в основе разработки боль­шинства психологических тестов, а также методов измерений в социальной психологии (социометрические методики) и в при­кладных психологических дисциплинах. Поскольку вынесение суждений, лежащее в основе процедуры психометрического шка­лирования, может быть применено и к физической сенсорной стимуляции, постольку эти процедуры применимы и для выяв­ления психофизических зависимостей, но в этом случае получа­емые шкалы не будут иметь объективных единиц измерения.

Как физическое, так и психологическое шкалирование может быть одномерным и многомерным. Одномерное шкалирование - это процесс отображения эмпирического множества в формаль­ное по одному критерию. Получаемые одномерные шкалы отобра­жают либо отношения между одномерными эмпирическими объек­тами (или одними и теми же свойствами многомерных объектов), либо изменения одного свойства многомерного объекта. Реализу­ется одномерное шкалирование с помощью методов и прямого (субъективного), и косвенного (объективного) шкалирования.

Под многомерным шкалированием понимается процесс отобра­жения эмпирического множества в формальное одновременно по нескольким критериям. Многомерные шкалы отражают либо от­ношения между многомерными объектами, либо одновременные изменения нескольких признаков одного Объекта. Процесс мно­гомерного шкалирования в отличие от одномерного характери­зуется большей трудоемкостью второго этапа, т. е. формализации данных. В связи с этим привлекается мощный статистико-мате-матический аппарат, например, кластерный или факторный ана­лизы, входящие неотъемлемой частью в методы многомерного шкалирования.

Исследование проблем многомерного шкалирования связано с именами Ричардсона и Торгерсона, предложивших его первые модели. Начало разработкам методов неметрического многомер­ного шкалирования положил Шепард. Наиболее распространен­ный и впервые теоретически обоснованный алгоритм многомер­ного шкалирования предложил Краскал. Обобщение сведений по многомерному шкалированию провел М. Дэйвисон . Специ­фика многомерного шкалирования в психологии отражена в ра­боте Г. В. Парамей .

Раскроем упоминавшиеся ранее понятия «косвенное» и «пря­мое» шкалирования. Косвенное, или объективное шкалирование - это процесс отображения эмпирического множества в формаль­ное при взаимном несоответствии (отсутствие изоморфизма) между структурами этих множеств. В психологии в основе такого несоответствия лежит первый постулат Фехнера о невозможнос­ти прямой субъективной оценки величины своих ощущений. Для количественного выражения ощущений используются внешние по отношению к ним (косвенные) единицы измерения, базиру­ющиеся на различных оценках испытуемых: едва заметные раз­личия, время реакции (ВР), дисперсия различения, разброс ка­тегориальных оценок.

Косвенные психологические шкалы по способам их построе­ния, исходным допущениям и единицам измерения образуют не­сколько групп, главные из которых следующие: 1) шкалы накопле­ния, или логарифмические шкалы; 2) шкалы, основанные на измерении ВР, 3) шкалы суждений (сравнительных и категориальных). Анали­тическим выражениям этих шкал присвоен статус законов, назва­ния которых связаны с именами их авторов: 1) логарифмический закон Вебера-Фехнера; 2) закон Пьерона (для простой сенсомо-торной реакции); 3) закон сравнительных суждений Терстона и 4) закон категориальных суждений Торгерсона. Наибольшими при­кладными возможностями обладают шкалы суждений. Они позво­ляют измерять любые психические явления, реализуют как психо-физическое, так и психометрическое шкалирование, дают возможность многомерного шкалирования. По типологии допус­тимых преобразований косвенные шкалы представлены в основ­ном шкалами порядка и интервалов.

Прямое, или субъективное, шкалирование представляет собой процесс отображения эмпирического множества в формальное при взаимооднозначном соответствии (изоморфизм) структур этих множеств. В психологии в основе этого соответствия лежит допущение о возможности прямой субъективной оценки вели­чины своих ощущений (отрицание первого постулата Фехнера). Реализуется субъективное шкалирование с помощью процедур, выясняющих, во сколько раз (или на сколько) ощущение, вы­званное одним стимулом, больше или меньше ощущения, выз­ванного другим стимулом. Если такое сравнение производится для ощущений разных модальностей, то говорят о кросс-модальном субъективном шкалировании.

Прямые шкапы по способу их построения образуют две основ­ные группы: 1) шкалы, основанные на определении сенсорных отношений; 2) шкалы, основанные на определении величин сти­мулов. Второй вариант открывает путь к многомерному шкалиро­ванию. Значительная часть прямых шкал хорошо аппроксимиру­ется степенной функцией, что на большом эмпирическом материале доказал С. Стивене, именем которого названо анали­тическое выражение прямых шкал - степенной закон Стивенса.

Для количественного выражения ощущений при субъектив­ном шкалировании используются психологические единицы из­мерения, специализированные для конкретных модальностей и экспериментальных условий. Многие из этих единиц имеют об­щепринятые наименования: «соны» для громкости, «брилы» для яркости, «густы» для вкуса, «веги» для тяжести и т. д. По типоло­гии допустимых преобразований прямые шкалы представлены главным образом шкалами интервалов и отношений.

В заключение обзора метода шкалирования надо указать на проблему его соотношения с измерением. На наш взгляд, эта про­блема обусловлена отмеченными выше особенностями шкалиро­вания: 1) совмещением в нем эмпирических процедур сбора дан­ных и аналитических процедур обработки данных; 2) единством количественного и качественного аспекта процесса шкалирова­ния; 3) сочетанием общенаучное™ и узкопрофильное™, т. е. «срастанием» общих принципов шкалирования со специфичес­кими процедурами конкретных методик.

Часть исследователей в явном или неявном виде отождествля­ют понятия «шкалирование» и «измерение» . На эту точку зрения особенно сильно «работает» автори­тет С. Стивенса, который измерение определял как «приписыва­ние числовых форм объектам или событиям в соответствии с оп­ределенным правилами» и тут же указывал, что подобная процедура ведет к построению шкал . Но поскольку процесс разработки шкалы есть процесс шкалирования, то в итоге получа?.. ем, что измерение и шкалирование - одно и то же. Противопо-н ложная позиция состоит в том, что с измерением сопоставляется только метрическое шкалирование, связанное с построением ин­тервальных и пропорциональных шкал .

Представляется, что вторая позиция строже, поскольку изме­рение предполагает количественное выражение измеряемого, а следовательно, наличие метрики. Острота дискуссии может быть

снята, если измерение понимать не как исследовательский метод , а как инструментальное сопровождение того или ино­го метода, в том числе шкалирования, о чем уже упоминалось.

Кстати, метрология (наука об измерениях) в понятие «изме­рение» включает как его обязательный атрибут средства измере­ния . Для шкалирования же (по крайней мере, для не­метрического шкалирования) измерительные средства не обязательны. Правда, метрология интересуется главным образом физическими параметрами объектов, а не психологическими. Психологию, наоборот, в первую очередь занимают субъектив­ные характеристики (большой, тяжёлый, яркий, приятный и т. п.). Это позволяет некоторым авторам за средство измерения прини­мать самого человека. При этом имеется в виду не столько ис­пользование в качестве единиц измерения частей человеческого тела (локоть, аршин, сажень, стадий, фут, дюйм и т. п.), сколько его способности к субъективному количественному оцениванию любых явлений. Но бесконечная вариативность индивидуальных различий человека, в том числе вариативность оценочных спо­собностей, не может дать общеупотребимых единиц измерения на этапе сбора данных об объекте. Иными словами, в эмпири­ческой части шкалирования субъект не может рассматриваться в роли измерительного инструмента. Эту роль ему с большой на­тяжкой можно приписать только после манипуляций уже не с эмпирическими, а с формальными множествами. Тогда искусст­венно получают субъективную метрику, чаще всего в виде интер­вальных значений. На эти факты указывает Г. В. Суходольский, когда говорит, что упорядочивание (а именно этим занимается испытуемый на стадии «оценки» эмпирических объектов) «явля­ется подготовительной, но не измерительной операцией». И толь­ко потом на стадии обработки первичных субъективных данных соответствующие шкалообразующие действия (у Суходольского - ранжирование) «метризуют одномерное топологическое пространство упорядоченных объектов и, следовательно, измеря­ют "величину" объектов» .

Неясность соотношения понятий «шкалирование» и «измере­ние» в психологии усиливается при их сопоставлении с понятия­ми «тест» и «тестирование». Не вызывает сомнений отнесение тестов к измерительным инструментам. Однако следует указать на два момента. Первый - это использование теста в процессе тестирования, т. е. обследования (психодиагностики) конкретных психологических объектов. Второй - это разработка, или конст­руирование теста. В первом случае с определенным основанием можно говорить об измерении, поскольку к обследуемому объекту (испытуемому) «примеривается» эталонная мера - стандартная шкала. Во втором случае, очевидно, корректнее говорить о шка­лировании, поскольку квинтэссенцией конструирования теста является процесс построения стандартной шкалы и связанные с этим операции определения эмпирического и формального мно­жеств, надежность и изоморфизм которых не в последнюю оче­редь обеспечиваются стандартизацией процедуры сбора эмпири­ческих данных и набором достоверной «статистики».

Другой аспект проблемы вытекает из того обстоятельства, что тест как измерительный инструмент состоит из двух частей: 1) на­бора заданий (вопросов), с которыми обследуемый непосред­ственно имеет дело на стадии сбора данных о нем, и 2) стандарт­ной шкалы, с которой сравниваются эмпирические данные на стадии интерпретации. Где следует говорить об измерении, где о шкалировании, если это не одно и то же? Нам кажется, что эмпи­рическая часть процесса тестирования, т. е. выполнение испыту­емым тестового задания, не является чисто измерительной процедурой, но к шкалированию ее отнести необходимо. Аргу­ментация такова: сами по себе действия, совершаемые испытуе­мым, не являются мерой выраженности диагносцируемых качеств. Только результат этих действий (затраченное время, число оши­бок, тип ответов и т. д.), определяемый уже не испытуемым, а ди­агностом, представляет собой «сырое» шкальное значение, кото­рое в последующем сравнивается с эталонными значениями. «Сырыми» показатели результатов действий испытуемого здесь названы по двум причинам. Во-первых, они, как правило, под­вергаются переводу в другие единицы выраженности. Часто - в «безликие», абстрактные баллы, стены и т. п. И, во-вторых, обычное дело в тестировании - многомерность изучаемого пси­хического явления, что предполагает для его оценки регистра­цию нескольких изменяющихся параметров, синтезируемых впоследствии в единый показатель. Таким образом, только эта­пы обработки данных и интерпретации результатов тестирова­ния, где производятся перевод «сырых» эмпирических данных в сравниваемые и наложение последних на «измерительную ли­нейку», т. е. стандартную шкалу, можно без оговорок отнести к измерению.

Еще туже этот проблемный узел затягивается в связи с обо­соблением и перерастанием в самостоятельные дисциплины та­ких научных разделов, как «Психометрия» и «Математическая психология». Каждая из них как свои ключевые категории рас­сматривает обсуждаемые нами понятия. Психометрию можно считать психологической метрологией, охватывающей «весь круг вопросов, связанных с измерением в психологии». Поэтому нет ничего удивительного, что шкалирование входит в этот «круг воп­росов». Но и психометрия не проясняет его соотношения с изме­рением. Более того, дело запутывается многообразием трактовок самой психометрической науки нее предмета. Например, психо­метрия рассматривается в контексте психодиагностики . «Часто термины "психометрия" и "психологический экспери­мент""употребляются как синонимы... Очень популярно мнение, что психометрия - это математическая статистика с учетом спе­цифики психологии... Устойчивое понимание психометрии: математический аппарат психодиагностики... Психометрия - на­ука о применении в исследовании психических явлений матема­тических моделей» .

Что касается математической психологии, то ее статус еще более расплывчат . «Содержание и структура математичес­кой психологии еще не приобрели общепринятой формы, вы­бор и систематизация математико-психологических моделей и методов в какой-то мере произвольны» . Тем не менее уже намечается тенденция поглощения психометрии математи­ческой психологией. Отразится ли это на обсуждаемой пробле­ме соотношения шкалирования и измерения и прояснится ли их место в общей системе методов психологии - пока сказать трудно.

8.2. КАЧЕСТВЕННЫЕ МЕТОДЫ

Качественные методы (КМ) позволяют выявить наиболее су­щественные стороны изучаемых объектов, что дает возможность обобщать и систематизировать знания о них, а также постигать их сущность. Очень часто КМ опираются на количественную информацию. Наиболее распространены такие приемы, как клас­сификация, типологизация, систематизация, периодизация, казу­истика.

Классификация

Классификация (дат. classic - разряд, facere - делать) - это распределение множества объектов по группам (классам) в зависи­мости от их общих признаков. Сведение в классы может произво­диться как по наличию обобщающего признака, так и по его от­сутствию. Результатом подобной процедуры становится совокупность классов, которую как и сам процесс группировки называют классификацией. Классификационная процедура - это, по существу, дедуктивная операция деления (декомпозиция): известное множество элементов по некоторому критерию делит­ся на подмножества (классы). Классы строятся путем определе­ния границ подмножеств и включения в эти границы тех или иных элементов. Элементы с характеристиками, выходящими за гра­ницы данного класса, помещаются в другие классы или выпада­ют из классификации.

Встречающееся в науке мнение о двух возможных путях реа­лизации классификационной процедуры, а именно дедуктивном и индуктивном , нам представляется неверным. Классифи­кации может подлежать только какое-то известное множество объектов, т. е. «закрытая» совокупность, поскольку классифика­ционный критерий выбирается заранее и он для всех элементов множества един. Следовательно, на классы можно только делить. «Прибавлять» один класс к другому невозможно, поскольку в ходе такой процедуры заранее неизвестно, будут ли последующие объекты обладать признаками, соответствующими выбранному критерию. И процесс такого группообразования становится не­целесообразным и бессмысленным. Но если при этой процедуре возможно менять критерии объединения (или разведения) эле­ментов, то получаем процесс специфического группообразова­ния, основанный не на индукции (а тем более не на дедукции), а на традукции. Именно поэтому такая процедура дает «рядопо-ложные группировки», а дедуктивная - преимущественно «иерархические классификации» .

По мнению Г. Селье, «классификация - самый древний и саг мый простой научный метод. Она служит предпосылкой всех ти­пов теоретических конструкций, включающих сложную проце­дуру установления причинно-следственных отношений, которые связывают классифицируемые объекты. Без классификации мы не смогли бы даже разговаривать. В самом деле, основу всякого нарицательного существительного (человек, почка, звезда) составляет узнавание стоящего за ним класса объектов. Определить некий класс объектов (например, позвоночные) - значит уста­новить те существенные характеристики (позвоночник), которые являются общими для всех составляющих этот класс элементов. Тем самым классификация предполагает выявление тех меньших элементов, которые входят в состав большего элемента (самого класса). Все классификации основываются на обнаружении той или иной упорядоченности. Наука занимается не отдельными Объектами как таковыми, а обобщениями, т. е. классами и теми законами, в соответствии с которыми упорядочиваются объек­ты, образующие класс. Вот почему классификация представляет собой фундаментальный процесс. Это, как правило, первый шаг в развитии науки» .

Если в основании классифицирования кладется признак, су­щественный для данных объектов, то классификация называет­ся естественной. Например, предметный каталог в библиотеках, классификация ощущений по модальности. Если же критерий не существенен для самих объектов, а только лишь удобен для како­го-либо их упорядочивания, то получают искусственную класси­фикацию. Например, алфавитный библиотечный каталог, клас­сификация ощущений по расположению рецепторов.

Типологизация

Типологизация - это группировка объектов по наиболее суще­ственным для них системам признаков. В основе такой группиров­ки лежит понимание типа как единицы расчленения изучаемой реальности и конкретной идеальной модели объектов действи­тельности. В результате проведения типологизации получают типологию, т. е. совокупность типов. Процесс типологизации в противоположность классификации есть операция индуктивная (композиционная): элементы некоторого множества группируют­ся вокруг одного или нескольких элементов, обладающих эталон­ными характеристиками. При выявлении типов границ между ними не устанавливается, а задается структура типа. С ней со­относят по признакам равенства или подобия другие элементы. Таким образом, если классификация - это группировка на ос­нове различий, то типологизация - это группировка на основе сходства.

Известны два принципиальных подхода к пониманию и опи­санию типа : 1) тип как среднее (предельно обобщенное) и 2) тип как крайнее (предельно своеобразное). В первом случае типичным является объект со свойствами, близкими по своей выраженности к среднему значению выборки. Во втором - с мак­симально выраженными свойствами. Тогда в первом случае го­ворят о типичном представителе той или иной группы (подмно­жества), а во втором - о ярком представителе группы, о представителе с сильным проявлением специфических для этой группы качеств. Так, определение «типичный представитель ин­теллигенции» нужно отнести к первому варианту, а «рафиниро­ванный интеллигент» ко второму. Первое понимание типа харак­терно для художественной литературы и искусства, где выводятся типажи. Вторая трактовка присуща научным описаниям типа. В житейской практике наблюдаются оба подхода.

Любой вариант ведет к формированию целостного образа - эталона, с которым сравниваются реальные объекты. Обе разно­видности типа одинаковы по составу, так как проявляются в пред­ставлениях о структуре ведущих характеристик типа. Различия между ними возникают на стадии соотнесения с ними реальных объектов. Тип как среднее (художественный тип) выступает об­разцом, с которым необходимо установить степень сходства, бли­зости конкретного объекта. Причем «похожесть» последнего мо­жет определяться как со стороны недостатка выраженности качества («недотягивает» до эталона), так и со стороны избытка выраженности (превосходит эталон). Тип как крайнее (научный тип) служит стандартом, по которому определяется отличие от него конкретного объекта, на сколько последний не достает до него. Таким образом, научный тип является идеалом, чем-то вроде образца для подражания.

Итак, художественный тип - это предельно обобщенный об­разец для объединения объектов на основе степени сходства сис­тем их существенных признаков. Научный тип - это предельно своеобразный эталон для объединения объектов на основе сте­пени отличия систем их существенных признаков, что формаль­но (но не по существу!) сближает типологизацию с классифика­цией.

Анализ психологических типологий показывает, что психоло­гические научные типы имеют ряд специфических особенностей. У них нет метрики, т. е. меры выраженности характеристик - все описания качественные. Отсутствует иерархия признаков, нет указаний на ведущие и соподчиненные, основные и дополнитель­ные качества. Образ аморфен и субъективен. Поэтому реальный объект отнести к какому-либо одному тину весьма трудно. Для подобных описаний характерна терминологическая неоднознач­ность. Обычен так называемый «ореол», когда за характеристики типа берутся не его качества, а вытекающие из них следствия. На­пример, при описании типов темперамента приводятся сферы эффективной деятельности людей с подобным темпераментом. В психологической науке известны четыре вида типологий :

1) конституциональные (типологии Э. Кречмера и У. Шелдона);

2) психологические (типологии К. Юнга, К. Леонгарда, А. Е. Лич-ко, Т. Шмишека, Г. Айэенка); 3) социальные (типы руководства и лидерства); 4) астропсихологические (гороскопы).

Понимание психологического типа как совокупности макси­мально выраженных свойств «позволяет представить психологи­ческий статус любого конкретного человека как результат пере­сечения свойств общечеловеческих типов» . Раз­ница здесь лишь в том, что под классами, видимо, подразумева­ются одноуровневые группы, а под родами и видами - разноуров­невые. Сущность же обоих процессов одинакова: разбиение множества на подмножества. Поэтому и неудивительно, что эти исследователи сетуют, что «при решении задач типологии с по­мощью формальных методов классификации далеко не всегда оказывается, что полученные классы соответствуют типам в ин­тересующем социолога содержательном смысле» .

Систематизация

Систематизация - это упорядочивание объектов внутри клас­сов, классов между собой и множества классов с другими множе­ствами классов. Это структурирование элементов внутри систем разных уровней (объектов в классах, классов в их множестве и т. д.) и сопряжение этих систем с другими одноуровневыми система­ми, что позволяет получать системы более высокого уровня орга­низации и обобщенности. В пределе систематизация есть выяв­ление и наглядное представление максимально возможного числа связей всех уровней в множестве объектов. На практике это вы­ливается в многоуровневую классификацию. Примеры: системати­ки растительного и животного мира; систематика наук (в частно­сти, наук о человеке); систематика психологических методов; систематика психических процессов; систематика свойств лич­ности; систематика психических состояний.

Периодизация

Периодизация - это хронологическое упорядочивание существо­вания изучаемого объекта (явления). Заключается в разделении жиз­ненного цикла объекта на существенные этапы (периоды). Каждый этап обычно соответствует значительным изменениям (количе­ственным или качественным) в объекте, что можно соотнести с философской категорией «скачок».

Примеры периодизации в психологии: периодизация онтоге­неза человека; этапы социализации личности; периодизация ан­тропогенеза; этапы и фазы развития группы (групповая динами­ка) и др.

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

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

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

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

Количественная обработка направлена в основном на формальное, внешнее изучение объекта, качественная – преимущественно, на содержательное, внутреннее его изучение.

В количественном исследовании доминирует аналитическая составляющая познания, что отражено и в названиях количественных методов обработки эмпирического материала, включающих в себя категорию «анализ» корреляционный анализ, факторный анализ и т. д. Основным гом количественной обработки является упорядоченная совокупность «внешних» показателей объекта (объектов). Реализуется количественная обработка с помощью математико-статистических методов.

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

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

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

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

Качество - это совокупность свойств, указывающих, что представляет собой предмет, чем он является. Количество определяет размеры, величину этого качества. Качество традиционно раскрывается через описание признаков, а количество отождествляется с мерой, числом. Анализируя качество, исследователь определяет, к какому классу уже известных явлений принадлежит данное и в чем его специфика, затем устанавливает причинно-следственные зависимости между явлениями. Задача количественного анализа сводится к измерению и счету выявленных свойств. Разрешая ее, ищут ответ на вопрос, какая мера качества входит в установленную меру. Дополняя качественные представления о своем предмете формализованными обобщениями, педагогическая теория приобретает необходимую строгость и устойчивость.

Необходимо различать два основных направления в использовании количественных методов в педагогике: первое - для обработки результатов наблюдений и экспериментов, второе - для моделирования, диагностики, прогнозирования, компьютеризации учебно-воспитательного процесса. Методы первого направления:

- регистрация - выявление определенного качества у явлений данного класса и подсчет количества по наличию или отсутствию данного качества (например, количество успевающих и неуспевающих учеников);

- ранжирование - расположение собранных данных в определенной последовательности (убывания или нарастания зафиксированных показателей), определение места в этом ряду изучаемых объектов (например, составление списка учеников в зависимости от числа пропущенных занятий и т. п.);

- шкалирование - присвоение баллов или других цифровых показателей исследуемым характеристикам, чем достигается большая определенность. Известны четыре основных градации измерительных шкал: шкалы наименований (или номинальные); шкалы порядка (или ранговые); интервальные шкалы; шкалы отношений.

Шкалы наименований - самые «слабые», числа и другие обозначения в них используются чисто символически. Их единственная математическая характеристика - принадлежность: принадлежит ли исследуемый объект к данному классу или нет. Примерами номинальных шкал можно считать классификации по различным признакам - список специальностей, перечисление характеристик обучаемых, наименования причин неуспеваемости и т. д.

В порядковых (ранговых) шкалах устанавливается порядок следования, отношения «больше» и «меньше», общая иерархия. Примерами их применения служит ранжирование типа «выше ростом», «больше пятерок», «меньше пропусков» и т. д.

«Сильные» шкалы - интервальная и шкала отношений - обладают всеми положительными качествами «слабых» шкал, но при этом интервальная шкала предусматривает определенные расстояния между отдельными (двумя любыми) числами на шкале, а в шкале отношений, кроме того, определена еще и нулевая точка (точка отсчета). Шкалы термометров, вольтметров, конечно, «сильные».

Все более мощным преобразующим средством педагогических исследований становится моделирование . Научная модель - это мысленно представленная или материально реализованная система, которая адекватно отображает предмет исследования и способна замещать его так, что изучение модели позволяет получить новую информацию об объекте. Моделирование успешно применяется для решения важных задач оптимизации структуры учебного материала, улучшения планирования учебного процесса, управления познавательной деятельностью и учебно-воспитательным процессом, диагностики, прогнозирования, проектирования обучения.

Моделирование - сложный и противоречивый метод. По существу он служит трем полезным целям: эвристической - для классификации, обозначения, нахождения новых законов, построения новых теорий и интерпретации полученных данных; вычислительной - для решения вычислительных проблем с помощью моделей; экспериментальной - для решения проблемы эмпирической проверки (верификации) гипотезы с помощью оперирования с теми или иными моделями.

Слово «статистика» часто ассоциируется со словом «математика», и это пугает студентов, связывающих это понятие со сложными формулами, требующими высокого уровня абстрагирования.

Однако, как говорит Мак-Коннелл, статистика - это прежде всего способ мышления, и для ее применения нужно лишь иметь немного здравого смысла и знать основы математики. В нашей повседневной жизни мы, сами о том не догадываясь, постоянно занимаемся статистикой. Хотим ли мы спланировать бюджет, рассчитать потребление бензина автомашиной, оценить усилия, которые потребуются для усвоения какого-то курса, с учетом полученных до сих пор отметок, предусмотреть вероятность хорошей и плохой погоды по метеорологической сводке или вообще оценить, как повлияет то или иное событие на наше личное или совместное будущее, — нам постоянно приходится отбирать, классифицировать и упорядочивать информацию, связывать ее с другими данными так, чтобы можно было сделать выводы, позволяющие принять верное решение.

Все эти виды деятельности мало отличаются от тех операций, которые лежат в основе научного исследования и состоят в синтезе данных, полученных на различных группах объектов в том или ином эксперименте, в их сравнении с целью выяснить черты различия между ними, в их сопоставлении с целью выявить показатели, изменяющиеся в одном направлении, и, наконец, в предсказании определенных фактов на основании тех выводов, к которым приводят полученные результаты. Именно в этом заключается цель статистики в науках вообще, особенно в гуманитарных. В последних нет ничего абсолютно достоверного, и без статистики выводы в большинстве случаев были бы чисто интуитивными и не могли бы составлять солидную основу для интерпретации данных, полученных в других исследованиях.

Для того чтобы оценить огромные преимущества, которые может дать статистика, мы попробуем проследить за ходом расшифровки и обработки данных, полученных в эксперименте. Тем самым, исходя из конкретных результатов и тех вопросов, которые они ставят перед исследователем, мы сможем разобраться в различных методиках и несложных способах их применения. Однако, перед тем как приступить к этой работе, нам будет полезно рассмотреть в самых общих чертах три главных раздела статистики.

1. Описательная статистика , как следует из названия, позволяет описывать, подытоживать и воспроизводить в виде таблиц или графиков

данные того или иного распределения , вычислять среднее для данного распределения и его размах и дисперсию .

2. Задача индуктивной статистики - проверка того, можно ли распространить результаты, полученные на данной выборке , на всю популяцию , из которой взята эта выборка. Иными словами, правила этого раздела статистики позволяют выяснить, до какой степени можно путем индукции обобщить на большее число объектов ту или иную закономерность, обнаруженную при изучении их ограниченной группы в ходе какого-либо наблюдения или эксперимента. Таким образом, при помощи индуктивной статистики делают какие-то выводы и обобщения, исходя из данных, полученных при изучении выборки.

3. Наконец, измерение корреляции позволяет узнать, насколько связаны между собой две переменные, с тем чтобы можно было предсказывать возможные значения одной из них, если мы знаем другую.

Существуют две разновидности статистических методов или тестов, позволяющих делать обобщение или вычислять степень корреляции. Первая разновидность - это наиболее широко применяемые параметрические методы , в которых используются такие параметры, как среднее значение или дисперсия данных. Вторая разновидность - это непараметрические методы , оказывающие неоценимую услугу в том случае, когда исследователь имеет дело с очень малыми выборками или с качественными данными; эти методы очень просты с точки зрения как расчетов, так и применения. Когда мы познакомимся с различными способами описания данных и перейдем к их статистическому анализу, мы рассмотрим обе эти разновидности.

Как уже говорилось, для того чтобы попытаться разобраться в этих различных областях статистики, мы попробуем ответить на те вопросы, которые возникают в связи с результатами того или иного исследования. В качестве примера мы возьмем один эксперимент, а именно - изучение влияния потребления марихуаны на глазодвигательную координацию и на время реакции. Методика, используемая в этом гипотетическом эксперименте, а также результаты, которые мы могли бы в нем получить, представлены ниже.

При желании вы можете заменить какие-то конкретные детали этого эксперимента на другие - например, потребление марихуаны на потребление алкоголя или лишение сна, - или, что еще лучше, подставить вместо этих гипотетических данных те, которые вы действительно получили в вашем собственном исследовании. В любом случае вам придется принять «правила нашей игры» и выполнять те расчеты, которые здесь от вас потребуются; только при этом условии до вас «дойдет» существо предмета, если это уже не случилось с вами раньше.

Важное примечание. В разделах, посвященных описательной и индуктивной статистике, мы будем рассматривать только те данные эксперимента, которые имеют отношение к зависимой переменной «поражаемые мишени». Что касается такого показателя, как время реакции, то мы обратимся к нему только в разделе о вычислении корреляции. Однако само собой разумеется, что уже с самого начала значения этого показателя надо обрабатывать так же, как и переменную «поражаемые мишени». Мы предоставляем читателю заняться этим самостоятельно с помощью карандаша и бумаги.

Некоторые основные понятия. Популяция и выборка

Одна из задач статистики состоит в том, чтобы анализировать данные, полученные на части популяции, с целью сделать выводы относительно популяции в целом.

Популяция в статистике не обязательно означает какую-либо группу людей или естественное сообщество; этот термин относится ко всем существам или предметам, образующим общую изучаемую совокупность, будь то атомы или студенты, посещающие то или иное кафе.

Выборка - этонебольшое количество элементов, отобранных с помощью научных методов так, чтобы она была репрезентативной, т.е. отражала популяцию в целом.

(В отечественной литературе более распространены термины соответственно «генеральная совокупность» и «выборочная совокупность». - Прим. перев. )

Данные и их разновидности

Данные в статистике - это основные элементы, подлежащие анализу. Данными могут быть какие-то количественные результаты, свойства, присущие определенным членам популяции, место в той или иной последовательности - в общем любая информация, которая может быть классифицирована или разбита на категории с целью обработки.

Не следует смешивать «данные» с теми «значениями», которые эти данные могут принимать. Для того чтобы всегда различать их, Шатийон (Chatillon, 1977) рекомендует запомнить следующую фразу: «Данные часто принимают одни и те же значения» (так, если мы возьмем, например, шесть данных - 8, 13, 10, 8, 10 и 5, то они принимают лишь четыре разных значения - 5, 8, 10 и 13).

Построение распределения - это разделение первичных данных, полученных на выборке, на классы или категории с целью получить обобщенную упорядоченную картину, позволяющую их анализировать.

Существуют три типа данных:

1. Количественные данные , получаемые при измерениях (например, данные о весе, размерах, температуре, времени, результатах тестирования и т. п.). Их можно распределить по шкале с равными интервалами.

2. Порядковые данные , соответствующие местам этих элементов в последовательности, полученной при их расположении в возрастающем порядке (1-й, ..., 7-й, ..., 100-й, ...; А, Б, В. ...).

3. Качественные данные , представляющие собой какие-то свойства элементов выборки или популяции. Их нельзя измерить, и единственной их количественной оценкой служит частота встречаемости (число лиц с голубыми или с зелеными глазами, курильщиков и не курильщиков, утомленных и отдохнувших, сильных и слабых и т.п.).

Из всех этих типов данных только количественные данные можно анализировать с помощью методов, в основе которых лежат параметры (такие, например, как средняя арифметическая). Но даже к количественным данным такие методы можно применить лишь в том случае, если число этих данных достаточно, чтобы проявилось нормальное распределение. Итак, для использования параметрических методов в принципе необходимы три условия: данные должны быть количественными, их число должно быть достаточным, а их распределение - нормальным. Во всех остальных случаях всегда рекомендуется использовать непараметрические методы.

6-й этап фокус-группы посвящен качественной обработке и интерпретации данных. Обработка данных фокус-группы (предварительно составленной стенограммы) проводится в соответствии с целью, задачами и гипотезой исследования, которая нашла отражение в поставленных вопросах. Возможно использование следующих стратегий анализа.

Стратегия А

Сначала анализируются имеющиеся ответы по каждому из вопросов, а после сравниваются выводы по отдельным вопросам.

Стратегия Б

По результатам первого (возможно, неполного) знакомства со стенограммой формируются определенные предположения, затем во всем тексте стенограммы фиксируются высказывания, подтверждающие или опровергающие данное предположение.

Возможны и иные стратегии анализа, выбор которых зависит от поставленных задач, опытности и научной интуиции исследователя. Необходимо отметить, что при анализе данных фокус-группы возможно применение не только качественного, но и количественного подходов. При работе со значительным по объему материалом стенограммы имеется возможность использования качественноколичественного метода анализа документов - контент-анализа. Условия его проведения описаны в 3-й главе пособия.

Примером использования качественного контент-анализа или категоризации данных фокус-группы может послужить исследование, проведенное студентами факультета психологии весной 2005 г. Исследование было посвящено изучению представлений о нравственности среди студентов младших курсов факультета психологии. В качестве основной гипотезы выступало предположение о том, что нравственность - категория личная, индивидуально сформулированная.

Разработанный топик-гайд включал следующие вопросы.

• 1. Как вы понимаете нравственность? Что для вас нравственность?
• 2. Приведите, пожалуйста, какой-нибудь пример из жизни, где проявляегся нравственность?
• 3. Сравните понятия «нравственность» и «совесть»: чем отличаются, что общего?
• 4. Какую роль играют для вас родители при формировании представлений о нравственности?
• 5. Считаете ли вы себя нравственным человеком?
• 6. Как вы относитесь к аборту?

При контент-анализе данных стенограммы фокус-группы в качестве категории анализа выступало «определение нравственности». Анализ стенограммы позволил выявить такие подкатегории, как «индивидуальные факторы определения нравственности» (индикаторы категории: «сам сформулировал, составил, определил», «для меня», «я следую» т. п.) и «общественные факторы определения нравственности» (индикаторы: «общие», «общественные», «общепринятые», «для всех» и т. п.).

В результате выявлено, что хотя участники обсуждения уделяют большое значение мнению родителей при формировании представлений о нравственности, все же «нравственность» для них - это, прежде всего, индивидуальная категория. Правила поведения студенты определяют для себя самостоятельно, оценивая свою нравственность в соответствии с индивидуально сформулированными представлениями о нравственности. Полученные результаты имеют значение для анализа отношения современной молодежи к проблеме нравственности, а также для изучения динамики представлений о нравственном поведении.

Использование контент-анализа на заключительном этапе фокус-группового исследования позволяет формализовать полученные данные, облегчить процесс их обработки. Контент-анализ позволяет выявить степень выраженности той или иной позиции среди участников обсуждения. Однако следует помнить о том, что значительное количество высказываний в пользу одной из позиций не всегда отражает действительную представленность данного мнения в изучаемой группе. Рассматривая возможности применив контент-анализа при обработке данных фокус-группы С. А. Белановский приводит пример исследования Д. Моргана и М. Спениша, посвященного изучению факторов риска сердечных приступов . По данным авторов, наиболее часто упоминаемыми причинами приступов были стресс, курение, малоподвижный образ жизни. Правомерность вывода о значении данных факторов подвергается сомнению в силу того, что именно данные факторы упоминаются при разъяснительной работе врачей с пациентами. Поэтому при анализе данных обсуждения необходимо выявление не только наиболее распространенных выоказываний, но единичных. Анализ таких уникальных представлений может помочь при критической оценке изучаемых представлений.