Application of artificially generated data in development and implementation of mathematical-statistical methods in the problem field of sociology

Capa

Citar

Texto integral

Resumo

The article touches on the general issues, related to the use of artificially generated data in the process of development and implementation of mathematical-statistical methods in the sociological sphere. The main directions of application of simulations in sociology are briefl y described. The area of responsibility of sociologists in relation to mathematicians in the verification of mathematical-statistical methods and their integration into sociological scientifi c fi elds is outlined. The author’s classifi cation of mathematical and statistical methods is given depending on the need to use artifi cial data for their verifi cation. The classifi cation of simulations in the verifi cation of mathematical-statistical methods according to the degree of signifi cance of scientifi c projects is explained, while each class was accompanied by a real case within the framework of sociological problems.The experiment with frequency confi dence intervals by A. Kryshtanovsky, using artifi cial samples of sociological survey data, was described as a project of low signifi cance. The example of a scientifi c case of moderate signifi cance was the study by J. C. F. de Winter and D. Dodou of the prospects for using Student's t-test to analyze samples of observations, expressed in the ordinal Likert scale. The example of high-level scientifi c simulation was the author's own experience, associated with the introduction of Bayesian methodology into empirical sociology in the context of developing methods for analyzing eff ect sizes when conducting comparative binomial social experiments with binary data. The study raises questions on the requirements for publishing methodological studies using the generated data. The standards for publishing simulation studies are outlined, ranging from classical general conventions to the important standards, adopted in sensitive areas such as medical research.

Sobre autores

Aleksandr Zvonok

Lugansk State Pedagogical University

Autor responsável pela correspondência
Email: al.zvonok@gmail.com
ORCID ID: 0009-0007-7332-1330
2 Oboronnaya St.

Bibliografia

  1. Gilbert N., Troitzsch K. G. Simulation for the Social Scientist. New York : Open University Press, 2005. 295 p.
  2. Толстова Ю. Н. Математическое моделирование социальных процессов и социология // Социологические исследования. 2018. № 9. C. 104–112. https://doi.org/10.31857/S013216250001965-4, EDN: YMRIOD
  3. Harwell Dr. M., Kohli Dr. N., Peralta-Torres Ya. A survey of reporting practices of computer simulation studies in statistical research // The American Statistician. 2017. Vol. 72, iss. 4. P. 321–327. https://doi.org/10.1080/00031305.2017.1342692
  4. Hauck W. W., Anderson S. A survey regarding the reporting of simulation studies // The American Statistician. 1984. Vol. 38, iss. 3. P. 214–216. https://doi.org/ 10.1080/00031305.1984.10483206
  5. Зюзьков В. М. Эксперименты в теории чисел. Томск : Изд-во НТЛ, 2019. 348 с.
  6. Thall P. F. Bayesian clinical trial design in a cancer center // CHANCE. 2001. Vol. 14, iss. 3. P. 23–28. https://doi.org/10.1080/09332480.2001.10542279
  7. Киричевский М., Комарова С. Верификация методики измерений в химической лаборатории // Роль технического регулирования и стандартизации в эпоху цифровой экономики : сб. ст. участников III Междунар. науч.-практ. конф. молодых ученых (Екатеринбург, 25 ноября 2021 г.). Екатеринбург : ИД «Ажур», 2021. С. 262–268. EDN: HYPUDV
  8. O’Kelly M., Anisimov V., Campbell C., Hamilton S. Proposed best practice for projects that involve modeling and simulation // Pharmaceutical Statistics. 2016. Vol. 16, iss. 2. P. 107–113. https://doi.org/10.1002/pst.1789
  9. Добреньков В. И., Кравченко А. И. Фундаментальная социология : в 15 т. Т. 2. Эмпирическая и прикладная социология. М. : ИНФРА-М, 2004. 986 с.
  10. Winter J. de, Dodou D. Five-Point Likert Items: t test versus Mann – Whitney – Wilcoxon // Practical Assessment, Research & Evaluation. 2010. Vol. 15. Art. 11. https://doi.org/10.7275/bj1p-ts64
  11. Звонок А. А. Байесовская экспериментальная оценка социальных технологий: методологические и методические аспекты // NOMOTHETIKA: Философия. Социология. Право. 2024. Т. 49, № 1. C. 26–38. https://doi.org/10.52575/2712-746X-2024-49-1-26-38, EDN: DYXJUD
  12. Cohen J. Statistical power analysis for the behavioral sciences. New York : Lawrence Erlbaum Associates, 1988. 567 p.
  13. Звонок А. А. Байесовское моделирование биномиальных экспериментов в социологии: проблемный анализ // Цифровая социология. 2024. Т. 7, № 1. С. 14–25. https://doi.org/10.26425/2658-347X-2024-7-1-14-25, EDN: EUFDXE
  14. Sauro J., Lewis J. R. Quantifying the User Experience. Practical Statistics for User Research. Amsterdam, Boston, Heidelberg, London, New York, Oxford, Paris, San Diego, San Francisco, Singapore, Sydney, Tokyo : Elsevier, 2012. 295 p.
  15. Sawilowsky S. New effect size rules of thumb // Journal of Modern Applied Statistical Methods. 2009. Vol. 8, iss. 2. P. 467–474. https://doi.org/10.22237/ jmasm/1257035100
  16. Херцог М. Х., Фрэнсис Г., Кларк А. Статистика и планирование эксперимента для непосвященных: как отучить статистику лгать. М. : ДМК Пресс, 2023. 174 с.
  17. Schrodt P. A. Seven deadly sins of contemporary quantitative political analysis // Journal of Peace Research. 2014. Vol. 51, iss. 2. P. 287–300. https://doi.org/10.1177/0022343313499597
  18. Hoaglin D. C., Andrews D. F. The reporting of computation-based results in statistics // The American Statistician. 1975. Vol. 29, iss. 3. P. 122–126. https:// doi.org/10.1080/00031305.1975.10477393
  19. Burton A., Altman D. G., Royston P., Holder R. L. The design of simulation studies in medical statistics // Statistics in Medicine. 2006. Vol. 25, iss. 24. P. 4279– 4292. https://doi.org/10.1002/sim.2673

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar


Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».