Применение искусственно сгенерированных данных при разработке и внедрении математико-статистических методов в проблемное поле социологии

Обложка

Цитировать

Полный текст

Аннотация

Статья затрагивает общие вопросы, касающиеся использования искусственно сгенерированных данных в процессе разработки и внедрения математико-статистических методов в социологическую сферу. Кратко охарактеризованы основные направления применения симулированных данных в социологии. Очерчена зона ответственности специалистов-социологов по отношению к математикам при верификации математико-статистических методов и их интеграции в социологические научные отрасли. Дана авторская классификация математико-статистических методов в зависимости от необходимости применять искусственные данные для их верификации. Объяснена классификация симуляций при верификации математико-статистических методов по степени значимости научных проектов, при этом к каждому классу приложен реальный кейс в рамках социологической проблематики. В качестве проекта низкой степени значимости приведен эксперимент с частотными доверительными интервалами А. Крыштановского, использующий искусственные выборки данных социологических опросов. В качестве образца научного кейса средней значимости выступило исследование Дж. К. Ф. де Винтера и Д. Додоу перспектив применения t-критерия Стьюдента для анализа выборок наблюдений, выраженных в порядковой шкале Ликерта. Примером научной симуляции высокого уровня стал собственный опыт автора, связанный с внедрением байесовской методологии в эмпирическую социологию в контексте разработки методов анализа размера эффекта при проведении сравнительных биномиальных социальных экспериментов с бинарными данными. В исследовании поднят вопрос о требованиях к публикации методологических исследований, использующих сгенерированные данные. Приводятся стандарты публикации исследований с симуляциями, начиная от классических соглашений общего профиля и заканчивая жесткими стандартами, принятыми в таких ответственных сферах, как медицинские исследования.

Об авторах

Александр Анатольевич Звонок

Луганский государственный педагогический университет

Автор, ответственный за переписку.
Email: al.zvonok@gmail.com
ORCID iD: 0009-0007-7332-1330
ул. Оборонная, д. 2

Список литературы

  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

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

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».