Введение

Методы анализа документов чрезвычайно многообразны и непрерывно пополняются и совершенствуются. Однако, проанализировав литературу нескольких авторов, мы пришли к выводу, что во всем этом многообразии можно выделить два основных типа анализа: традиционный (классический) и формализованный (количественный контент-анализ).
Анализ документа в рамках каждого исследования есть самостоятельный творческий процесс, зависящий от формы и содержания самого документа, целей и условий проведения исследования, богатства опыта и творческой интуиции исследователя.
Документы нередко выступают в качестве главного источника информации. При анализе документов психолог должен сохранять свою нейтральность к ситуации, потому что исследователь может потерять способность правильно оценивать ситуацию и может возникнуть опасность его субъективной оценки. С другой же стороны, заинтересованность исследователя, наличие дополнительных знаний о явлениях может помочь ему более детально и более обширно разобрать исследуемую ситуацию. Поэтому проблема субъективной оценки исследователя является очень серьезной, и каждый социолог сам для себя должен ее определить и найти свой правильный стиль поведения.

Более трудной является задача, заключающаяся в необходимости приписывания ключевым упоминаниям конкретных оценок, — когда мы должны решить, приводится ли данное упоминание в позитивном или негативном смысле, «за» или «против» интересующего нас объекта и т. д., а также когда нам надо ранжировать ряд упоминаний соответственно силе их оценок (т.е. в соответствии с тем, какое из них самое положительное, какое следующее за ним по положительности и т. д.). При этом исследователь нуждается в показателях достаточно тонких, которыми можно было бы измерять не только настроения политических субъектов, но и силу этих настроений. Особенно трудным выполнение этой задачи является в исторических, историко-философских и психологических исследованиях, поскольку предполагает высокий уровень гуманитарной подготовки специалистов, использующих методику анализа. Существует множество методов, облегчающих принятие такого решения. Рассмотрим их более подробно.
Корреляционный анализ представляет собой многообразие методов исследования параметров генеральной совокупности, распределенной по нормальному закону, и позволяет с помощью выборки делать выводы о степени статистической связи (мера связи) между признаками.
С точки зрения используемых принципов связи меры связи делят на две большие группы. К первой группе относятся меры связи, использующие принцип ковариации, а ко второй — принцип сопряженности признаков.
Принцип ковариации предполагает, что заключение о наличии связи между переменными делается в том случае, когда увеличение значений одной переменной сопровождается устойчивым увеличением или уменьшением значений другой переменной.
К этой группе, прежде всего, относится коэффициент корреляции Пирсона, который является мерой линейной связи двух переменных К этой же группе относятся коэффициент ранговой корреляции Спирмена, бисериальный коэффициент корреляции, коэффициент ранговой корреляции Тау Кендалла, а также рангово-бисериальный коэффициент корреляции Кертена и Гласса.
Принцип сопряженности дает вторую обширную группу мер связи, которая направлена на выяснение следующего факта: появляются ли некоторые значения одного признака одновременно с определенными значениями другого чаще, чем это можно объяснить случайным стечением обстоятельств. В этом случае фиксируется только сам факт наличия или отсутствия интересующих значений признака, независимо от их количественного выражения.
Факторный анализ представляет собой систему моделей и методов для преобразования исходного набора признаков к более простой и содержательной форме. Он базируется на предположении, что наблюдаемое поведение испытуемого может быть объяснено с помощью небольшого числа скрытых характеристик, называемых факторами.
Факторный анализ формирует новый обобщающий вертикальный столбец (комплексный признак-фактор), который в конденсированном виде содержит основную информацию об испытуемых по всем столбцам соответствующей полосы. Это сжатие может быть изображено как замена таблицы с большим числом столбцов на таблицу с малым числом столбцов, равным числу факторов и хорошо описывающим все столбцы исходной таблицы данных.
Основные задачи факторного анализа перечислены ниже.
1. Исследования структуры взаимосвязи переменных. В этом случае каждая группировка переменных будет определяться фактором, по которому эти переменные имеют максимальные нагрузки.
Идентификация факторов как скрытых (латентных) переменных, которые могут рассматриваться как причины взаимосвязи исходных переменных.
Вычисление значений факторов для испытуемых как новых, интегральных переменных. При этом число факторов существенно меньше числа исходных переменных, что сокращает количество признаков с минимальными потерями исходной информации.
Методы факторного анализа — это различные способы получения факторной структуры при заданном числе факторов. К наиболее часто применяемым методам относятся анализ главных компонент, анализ главных факторов, факторный анализ с итерациями по общностям и метод максимального правдоподобия.
Дисперсионный анализ - это анализ изменчивости признака под влиянием каких-либо контролируемых переменных факторов. В зарубежной литературе дисперсионный анализ часто обозначается как ANOVA, что переводится как анализ вариативности
Задача дисперсионного анализа состоит в том, чтобы из общей вариативности признака вычленить вариативность троякого рода:
а) вариативность, обусловленную действием каждой из исследуемыхнезависимых переменных;
б) вариативность, обусловленную взаимодействием исследуемых независимых переменных;
в) случайную вариативность, обусловленную всеми другими неизвестными переменными.
Вариативность, обусловленная действием исследуемых переменных и их взаимодействием, соотносится со случайной вариативы. В дисперсионном анализе исследователь исходит из предположения, что одни переменные могут рассматриваться как причины, а другие -как следствия. Переменные первого рода считаются факторами, а переменные второго рода - результативными признаками. В этом отличие дисперсионного анализа от прямолинейного корреляционного анализа, в котором мы исходим из предположения, что изменения одного признака просто сопровождаются определенными изменениями другого.
В дисперсионном анализе возможны два принципиальных пути разделения всех исследуемых переменных на независимые переменные (факторы) и зависимые переменные (результативные признаки).

Заключение

Таким образом, документ в широком значении этого слова (т. е. то, что записано, нарисовано или изображено каким-то иным образом), даже если он не имеет отношения к праву, может содержать сведения, интересующие юридическую психологию. Анализ документа - метод, позволяющий добыть такие сведения.
Анализ документов имеет больше значение, поскольку при помощи этого метода возможен анализ продуктов человеческой деятельности (анализируются дневниковые записи, и заметки, архивные материалы, продукты трудовой, учебной или творческой деятельности).
Для решения каждой из этих задач существуют специальные математические методы и модели. Наиболее часто для группировки признаков используются корреляционный анализ, метод главных компонент, факторный анализ, а для группировки испытуемых — кластерный анализ и дискриминантный анализ. Эти методы являются двумя способами формирования обобщений на основе таблицы экспериментальных данных. Они позволяют «сжать» информацию за счет выделения неоднородностей в структуре связей между признаками или испытуемыми. В результате таблица экспериментальных данных разбивается на некоторые подгруппы, которые представляют собой обобщения совокупности данных.
Таким образом, математические методы анализа данных осуществляют обработку таблицы экспериментальных данных, как минимум, двумя способами: путем группировки признаков личности (обобщение по столбцам экспериментальной таблицы) и путем группировки испытуемых (обобщение по строкам экспериментальной таблицы).

Список литературы

Карпов А.Б. Психология труда. – М.: Владос, 2005. – 350 с.
Меркулова О.С.Психология труда: Конспект лекций. – М.: Приор, 2006. – 80 с.
Митина О.В. Математические методы в психологии: Практикум. – М.: Аспект-Пресс, 2008. – 238 с.
Общая психология. Под ред. В.В. Богословского и др. – М.: Просвещение, 2003. – 383 с.
Сидоренко Е.В. Методы математической обработки в психологии. – СПб.: ООО «Речь», 2007. – 350 с.
Червинская К.Р. Компьютерная психодиагностика. – СПб.: Издательство «Речь», 2003. – 336 с.