Для цитирования:
Звонок А. А. Применение искусственно сгенерированных данных при разработке и внедрении математико-статистических методов в проблемное поле социологии // Известия Саратовского университета. Новая серия. Серия: Социология. Политология. 2024. Т. 24, вып. 4. С. 389-398. DOI: 10.18500/1818-9601-2024-24-4-389-398, EDN: GKTLGY
Применение искусственно сгенерированных данных при разработке и внедрении математико-статистических методов в проблемное поле социологии
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.
- Gilbert N., Troitzsch K. G. Simulation for the Social Scientist. New York : Open University Press, 2005. 295 p.
- 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
- 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
- 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
- Зюзьков В. М. Эксперименты в теории чисел. Томск : Изд-во НТЛ, 2019. 348 с.
- 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
- 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
- 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
- Добреньков В. И., Кравченко А. И. Фундаментальная социология : в 15 т. Т. 2. Эмпирическая и прикладная социология. М. : ИНФРА-М, 2004. 986 с.
- 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
- 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
- Cohen J. Statistical power analysis for the behavioral sciences. New York : Lawrence Erlbaum Associates, 1988. 567 p.
- 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
- 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.
- 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
- Херцог М. Х., Фрэнсис Г., Кларк А. Статистика и планирование эксперимента для непосвященных: как отучить статистику лгать. М. : ДМК Пресс, 2023. 174 с.
- 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
- 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
- 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