Автоматизированная база данных для исследования социальных представлений по методу П. Вержеса

Тип работы:
Реферат
Предмет:
Психология


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УДК 159.9. 316. 37
АВТОМАТИЗИРОВАННАЯ БАЗА ДАННЫХ ДЛЯ ИССЛЕДОВАНИЯ СОЦИАЛЬНЫХ ПРЕДСТАВЛЕНИЙ ПО МЕТОДУ П. ВЕРЖЕСА
© 2015 Н.Ю. Шалаева1, С. Садран2
1 Самарский государственный университет 2 Лаборатория Denel-Codifra. Ло Шене. Франция
Статья поступила в редакцию 24. 10. 2014
В статье приводится описание авторской компьютерной программы, позволяющей производить автоматизированную обработку данных по методу П. Вержеса.
Публикация подготовлена в рамках поддержанного РГНФ научного проекта № 13−36−1 274.
Ключевые слова: социальное представление, феномен привлекательности, ассоциативный метод, прото-
типический анализ, автоматизированная база данных.
При выборе методов изучение социально-психологических феноменов, функционирующих на уровне общественного и индивидуального сознании, исследователи часто делают выбор в пользу теории социальных представлений (Московиси, 1961- Донцов, Емельянова, 1989- Трушкова, 1998- Абульханова-Славская, 2002- Блок, 2005- Емельянова, 2006- Полешкевич, 2009- Бовина, 2010- Гребенников, 2010 и др.). И здесь одним из наиболее популярных методов исследования социальных представлений является прототипический анализ П. Вержеса (И.Б. Бовина, Т. Г. Стефаненко, О. А. Тихомандрицкая, Н. Г. Малышева, Е. О. Голынчик, 2010- Л. Ш. Мустафина, 2012- А. С. Паттисон, 2011- А. В. Фоломеева, 2014). Метод Вержеса позволяет выявить ядро социального представления на основе анализа частоты и ранга ассоциаций, это помогает приблизиться к глубинным мало осознаваемым слоям социального поведения. Данная методика позволяет выделить структуру социального представления и прогнозировать её возможную динамику, т.к. ассоциации из зоны потенциального изменения социального представления являются возможным источником трансформации представлений в данной группе и в скором времени смогут стать ядерной частью социального пред-ставления1.
Несмотря на несомненные плюсы данного метода, он является достаточно трудоемким,
Шалаева Наталия Юрьевна, аспирант кафедры общей психологии. E-mail: 2 452 513@gmail. com Садран Стефан, руководитель научных исследований и разработок. E-mail: stephane. sadrin@codifra. fr
1 Verges, P. (1992) L'-Evocation de l'-argent: une methode pour la definition du noyau central d'-une representation /
P. Verges // Bulletin de psychologie. Tome XLV. No 405. -P. 203 — 209.
т.к., во-первых, и подсчет частоты встречаемости элемента по выборке и подсчет их рангов требует от исследователя довольно больших временных затрат. Во-вторых, само изучение социальных представлений предполагает высокую численность выборки, что опять же требует большого количества времени для обработки, полученных от респондентов, данных. В связи с этим, для автоматизации прототипического анализа данных методом Вержеса, нами была разработана компьютерная программа, представляющую собой базу данных Microsoft Office Access (2003) с использованием языка программирования SOL (язык структурированных запросов) для управления зарегистрированными данными. Результаты анализа экспортируются в формате Microsoft Office Excel 2003 для выполнения необходимого исследователю статистического анализа. Все данные от респондентов вносятся непосредственно в программу самим респондентом или исследователем со слов респондента. Таким образом, программа фиксирует необходимые исследователю демографические данные участников исследования и ответы респондентов. На основе этих данных исследователь в конечном итоге получает все необходимые ему для дальнейшего анализа сводные таблицы данных: названные респондентами ассоциации, их частоты и ранги, общее количество названных слов, среднее количество слов по респондентам и другие данные. Исследователь имеет возможность модифицировать задание для респондентов и другую информацию, необходимую для выполнения исследования. В конечном результате, исследователь получает готовую матрицу Вержеса, т. е. таблицу с ассоциациями, распределенными по четырем зонам. Таким образом, исследователю остается только проинтерпрети-
ровать полученные данные, без предварительной обработки этих данных, т.к. программа производит подсчеты автоматически.
С целью тестирования данной программы нами было проведено исследование, аналогичное тому, что мы проводили годом ранее (Шалаева, 2013), это в свою очередь дало возможность проведения лонгитюдного среза.
Эмпирической базой исследования выступил Самарский государственный университет, психологический и социологический факультеты (60 студентов направления психология и направления журналистика). Возраст респондентов 18 -46 лет (средний возраст 20,75 лет).
Исследование проводилось с каждым респондентом отдельно. Респондентам было сообщено, что в настоящий момент наша исследовательская группа имеем необходимость протестировать программу на российской выборке. Далее респондентам была озвучена инструкция, поми-
мо этого респондент получал печатный вариант текста инструкции: наша задача протестировать программу, которая позволяет производить автоматический подсчет данных по методу П. Вержеса. У вас будет небольшое задание, заключающееся в генерации ассоциаций. Ваши ассоциации (т.е. ваши ответы) вписывайте в появляющиеся на экране компьютера ячейки. Ячейки появляются в неограниченном количестве автоматически или после каждого нажатия «enter». Когда вам покажется, что примерно 8 ассоциаций вами названо — можно завершить исследовательскую сессию. Внимание, ваше задание — дайте примерно 8 ассоциаций, которые у вас возникают на слово «привлекательный».
Переходя к описанию результатам отметим, что в таб. 1 представлены результаты биномиального теста, используемого нами для установления перечня терминов для основного анализа.
Таб. 1. Результаты биномиального теста
Общая численность слов 216
Средняя численность слов по респондентам 7,83
Число, необходимое для преодоления рангомизированного распределения 5
Значение р 0. 021
Таб. 2. Прототипический анализ социального представления о привлекательности
Элементы структуры социального представления Условия включения понятия в ту или иную зону социального представления Понятия-ассоциации (с указанием частоты встречаемости и среднего ранга)
Ядро социального представления Зона 1. Частота & gt- 12,42- средний ранг & lt- 4,25 Красивый (45- 1,91) Умный (17- 2,41) Симпатичный (15- 3,06) Милый (15- 2. 86)
Потенциальная зона изменений социального представления (две подгруппы) Зона 2. Частота & lt- 12,42- средний ранг & lt- 4,25 Хороший (11- 3,45) Очаровательный (5- 3,8)
Зона 3. Частота & gt- 12,42- средний ранг & gt- 4,25 Добрый (17- 4,7)
Собственно периферическая система социального представления Зона 4. Частота & lt- 12,42- средний ранг & gt- 4,25 Интересный (10- 4,3) Приятный (9- 4,44) Яркий (8- 4,62) Общительный (6- 6,5) Улыбчивый (6- 6,5) Прекрасный (5- 5,8) Обаятельный (5- 5,2)
На основе статистических данных ассоциации были распределены по четырем зонам. Результаты представлены в таб. 2, с указанием частоты и среднего ранга элементов по группе. Таким образом, нами были получены результаты, на основе которых возможно конструирование образа привлекательного человека. Итак, в первую зону вошли характеристики «красивый», «умный», «симпатичный», «милый», которые
образуют ядро представления и, соответственно, являются наиболее устойчивыми. Во вторую зону или в зону потенциальных изменений представления вошли характеристики «хороший» и «очаровательный», т. е. это те характеристики привлекательного человека, которые наиболее сильно подвержены изменениям и возможен в ближайшем времени их переход либо в зону ядра представления, либо в собст-
венно периферическую зону представления, либо выход данных понятий из структурных компонентов социального представления. В третью зону вошел лишь один элемент — «добрый». Это та часть представления, в которой содержатся элементы, возможно, навязанные индивиду средствами массовой информации и т. п. И, непосредственно, в собственно периферическую зону представления, это последняя четвертая зона, вошли характеристики «интересный», «приятный», «яркий», «общительный», «улыбчивый», «прекрасный», «обаятельный». Это те характеристики, активация которых зависит в большей степени от индивидуально-когнитивных схем и моделей поведения индивида по отношению к привлекательному человеку в определенных социальных ситуациях.
Обратимся к результатам исследования социального представления о привлекательности, выполненном в 2013 г. с использованием идентичного метода исследования и проводимым на подобной российской выборке (Шалаева, 2013). Было зафиксировано, что в зону потенциальных изменений представления вошли характеристики «ум» и «улыбка», тогда как в исследовании 2014 г. характеристика «ум» интегрирована в ядро представления, а характеристика «улыбка» — в собственно периферическую зону. Характеристика «обаяние» из зоны ядра перешла в собственно периферическую зону. Отметим, что некоторые элементы ядра остались без изменений, т. е. к наиболее устойчивым центральным элементам относятся «красивый», «симпатичный», «милый». В раннем исследовании эти характеристики были выражены посредством категорий «общая оценка внешности-физической стороны» (красивый, симпатичный и т. д.) и «общее ощущение» (милый и т. д.). Ядерный элемент «доброта» переместился в зону третьего квадрата, зону элементов, которые, как правило, на глубинном уровне не разделяются его носителем, зачастую наличие которых спровоцировано средствами массовой информации и др.2 Это может отчасти объяснить результат, полученный нами в одном из исследований по изучению влияния особенностей поведения на оценку межличностной привлекательности, в котором предполагалось конструирование социальных ситуаций на основе доминирующих в обществе элементов социального представле-
ния о привлекательности. Так в качестве основного критерия для конструирования экспериментальной ситуации нами был выбран критерий «доброта», т.к. в ранних исследованиях практически половина респондентов при описании привлекательного человека употребила данный признак. В целом нами были получены любопытные результаты, на основе которых в качестве одного из альтернативных объяснений, мы были вынуждены заключить, что, возможно, респонденты предъявляют исследователю социально желательные идеи, которые являются внешне «правильными», но на глубинном уровне не разделяются молодыми людьми3. Возможно, дело в том, что с течением времени, такой маркер привлекательности как «доброта» перестал быть актуальным для изучаемой нами категории респондентов.
В заключении отметим, что внедрение в практику разработанной нами электронной программы для исследования социальных представлений значительно минимизировало временные ресурсы, затрачиваемые исследователем на технический анализ первичных данных. Кроме того, технические характеристики программы позволяют варьировать задаваемые исследователем данные, необходимые для выполнения исследования. На наш взгляд, перспективы исследования социальных представлений по методу прототипического анализа Вержеса связаны с внедрением в реализацию исследования технических средств, минимизирующих временные ресурсы на их выполнение. Одним из таких средств является разработанная нами электронная программа, аналогов которых на актуальный момент времени нами не было зафиксировано.
2 Шалаева, Н. Ю. Ассоциативный метод исследования феномена привлекательности в социальной перцепции / Н. Ю. Шалаева // Вестник молодых ученых и специалистов Самарского государственного университета. — Самара: Изд-во СГУ, 2013. — С. 77 — 81.
3 Назарова, Е. А. Поведенческий аспект в оценке межличностной привлекательности / Е. А. Назарова, Н. Ю. Шалаева // Наука и мир. Международный научный журнал. — 2014. — № 10 (14). — Т. 2. — С. 135 — 137.
AN AUTOMATIZED DATABASE FOR THE STUDY OF SOCIAL REPRESENTATIONS BASED
ON P. VERGES METHOD
© 2015 N.U. Shalaeva1, S. Sadrin2°
1 Samara Staty University 2Laboratoire Denel-Codifra. Le Chesnay. France
In this article we make a description of a computer program allowing to carry out collected automated data processing based on P. Verges method.
Key words: social representation, phenomenon of attractiveness, associative method, prototypic analysis, data base, automated processing, Verges method.
Nataliia Yurevna Shalaeva, Postgraduate of Department of general psychology. E-mail: 2 452 513@gmail. com
Stephane Sadrin, Research and development manager. E-mail: stephane. sadrin@codifra. fr

ПоказатьСвернуть
Заполнить форму текущей работой