Методы политических исследований: Учеб. пособие

§5. Перспективы междисциплинарного подхода в сфере политических исследований

Включая в свой контекст количественные методы, современные политические исследования используют наработки не только эмпирической социологии, но и физики, кибернетики, биологии и некоторых других дисциплин. При всей противоречивости оценок результатов сочетания гуманитарных и естественнонаучных знаний в рамках единого проекта опыт в этой области можно считать не только интересным, но и обнадеживающим. Если абстрагироваться от взглядов радикальных сторонников математизации политических знаний, которые полагают, что только применение точных дисциплин и вычислительной техники может превратить их в истинно научные, очевидно, что апелляция к количественным средствам помогает существенно повысить результативность многих прикладных проектов.

Перспективы дальнейшего развития прикладных исследований на основе сочетания количественных и качественных методов анализа во многом зависят от творческого сотрудничества представителей гуманитарных и точных дисциплин, к которому должно приобщаться молодое поколение аналитиков.

Продолжение развития такого сотрудничества во многом зависит от целого ряда моментов, речь о которых пойдет далее.

1. Творческое осмысление аргументов, высказываемых критиками количественных подходов. Основные доводы, выдвигаемые против расширения применения естественнонаучных методов исследования политики и международных отношений, заключаются в следующем.

•  Применение естественнонаучных средств изучения политики в принципе невозможно, поскольку достоверность и качество данных осложняет их количественные оценки. Сталкиваясь с этими проблемами, исследователи нередко прибегали и прибегают к чисто умозрительным способам набора необходимой информации. Например, на пике «холодной войны» некоторые западные авторы занялись подсчетом продолжительности аплодисментов, которыми сопровождалось выступление каждого члена Политбюро ЦК КПСС.

•  Политический прогноз, сформулированный с применением математических средств и претендующий на исчерпывающую точность, часто является предметом корпоративных спекуляций. Это утверждение обычно обосновывают ссылками на то, что прогнозы в области разработки новых видов вооружений неизменно «подхлестывают» создание все более технологичных средств ведения войны. Однако политическое исследование как таковое вряд ли может материализовать общественные вызовы. Тем не менее, опасность спекулятивного использования прогнозных предположений тем выше, чем жестче детерминированы их выводы.

•  Применение «измеряемой» политики подрывает моральные ценности, поскольку исчисляемые показатели человеческих ожиданий, степени их реализации или крушения ведут к размыванию этической составляющей политического анализа. Однако при всей серьезности постановки подобного вопроса очевидно, что решение проблемы заключается не в том — «считать» или «не считать», а в том, какие решения будут приняты на основании технических расчетов.

Учитывая как приведенные выше критические соображения, так и опасность «компьютерного фундаментализма», о котором все чаще говорится при обсуждении современных общественных процессов, целесообразно указать на основные причины, оправдывающие применение количественных подходов для изучения политических явлений. Так, в случае исключительной опоры на логико-интуитивный анализ мы можем недооценить значимость многих факторов, формирующих реальное поведение акторов. Кроме того, если опасения трудностей приводят к отказу от квантификации важных в познавательном плане гипотез, то научный процесс серьезно пострадает.

В этой связи можно предположить, что, во-первых, необходимо продолжать развивать различные приемы квантификации сложных концептуальных представлений о внутриполитической и международной действительности, во-вторых, там, где возможно, активно инкорпорировать количественные переменные в качественные исследования, в-третьих, должно допускаться изначальное выведение некоторых аспектов политического процесса за рамки квантифицированного исследования.

2. Творческое осмысление современного состояния естественнонаучных дисциплин. Хотя нередко именно точный расчет, а тем более расчет, полученный с применением современной вычислительной техники, может дать большой выигрыш с точки зрения получения новой информации, представления о том, какова содержательная ценность этой информации, должны постоянно учитывать изменения взглядов на многие важные положения в сфере точного знания.

Хотелось бы остановиться на двух достаточно характерных примерах. Еще недавно казалось, что создание искусственного интеллекта как научной области, основной функцией которой является развитие формальных средств универсального представления и обработки знаний, в первом приближении уже состоялось. На использование соответствующих наработок применительно к политической, в том числе и международной, проблематике были затрачены значительные усилия.

Искусственный интеллект — компьютеризированная система обработки информации на основе моделирования познавательных процессов человека; компьютерная модель рационального мышления. Первый шаг в решении проблемы был сделан в 50-е годы XX в. английским математиком и логиком А. Тьюрингом, который сформулировал правило: вычислительная машина может «мыслить», если в процессе обмена информацией у человека не возникает сомнений в том, что он обменивается информацией с человеком, а не с машиной. При создании искусственного интеллекта сначала моделировались интеллектуальные действия человека в процессе простых игр (типа «морской бой»), а затем в процессе более сложных игр (шахматы, карточные игры). В дальнейшем появились и компьютерные программы для доказательства различных теорем.

Создание компьютерных игровых программ и программ доказательства теорем явилось исторически первым направлением прикладных исследований в области искусственного интеллекта. В дальнейшем в самостоятельные области были выделены исследования проблем распознавания образов, машинного перевода, робототехники, сочинения музыки и др. В 70-е годы важным практическим направлением исследований становятся исследования по созданию компьютерных экспертных систем, обладающих информацией человека-эксперта и способных давать квалифицированные рекомендации и обоснованные решения предметных задач.

Разработки в области искусственного интеллекта стимулируются стремительным увеличение массивов информации, для обработки которой путем формализации, анализа и синтеза уже недостаточно традиционных логико-математических методов.

Но математикам до сих пор не ясен алгоритм описания самых простых для естественного интеллекта качественных понятий — «хороший», «большой», «красивый», «умный», «популярный». Поэтому проекты, ориентированные на искусственный интеллект, пока далеки от завершения.

Тем не менее, относительно ограниченные возможности четкой бинарной логики, ставшей принципом архитектуры компьютерного мозга, становились все более ощутимыми. Во многих задачах, например, распознавания образов или анализа ситуации на финансовых рынках рациональная логика допускает ошибки. Сегодня широко признается, что управление сложными процессами часто сводится к решению задач с размытой логикой.

Первым математиком, который задумался над проблемой нечеткой логики, был профессор Калифорнийского университета иранского происхождения Лотфи-Заде. Одним из признаний нового направления в математике стала Нобелевская премия по экономике за 2002 г., которая была присуждена Д. Канеману. Эта теория доказывает, что человек в своих решениях основывается на интуитивных представления и тем самым опровергает сходство между человеческим мышлением и принципами программирования, построенными на рациональной бинарной логике.

Исследования в области нечеткой логики получили широкую поддержку. Появились микрочипы, основанные на нечеткой логике, что свидетельствует о качественно новом уровне развития всего комплекса информационных технологий. В США теория нечеткой логики применяется при оценке политических рейтингов, анализе новых рынков, биржевой игре, в практике Пентагона и НАСА. В Японии на принципах нечеткой логики построено управление транспортными потоками. В Западной Европе она используется при автоматизированном управлении печами в металлургии.

Сегодня исследованиями в области нечеткой логики занимаются IBM и многие ведущие западные корпорации. Вероятно, что предметная апробация их разработок на политической проблематике могла бы стать полезной в информационном и методическом плане, в частности для создания нового класса динамических моделей, рассчитанных на среднесрочное прогнозирование.

Еще одним примером инновационных моментов в сфере точного знания, которые могут повлиять на прикладные политические исследования, служит гипотеза, меняющая отношения факторов

«модель» и «алгоритм» в концепции формализованного изучения явлений. Традиционно модель используется в качестве формального описания объекта вычисления, а алгоритм является основой самой организации вычислительного процесса. В условиях применения информационных технологий происходит построение количественной модели, для которой известен метод, но неизвестна предметная связь с конкретной проблемой. В этом контексте возрастает роль методологии алгоритма, т.е. образа стандартизированных формальных действий. Эта методология ориентирована на изучение различных типов функций, позволяющих описывать большой спектр взаимодействий в реальной действительности, строить соответствующие им правила операционализации конкретной информации. Если до недавнего времени фактор модели рассматривался как преимущественно приоритетный по сравнению с фактором алгоритма, то гипотеза об инверсии их значимости в автоматизированной обработке информации, вопрос о которой ставится в некоторых публикациях по тематике искусственного интеллекта, потенциально способна задать новые условия сочетания количественных и качественных средств анализа политических ситуаций и процессов.

3. Новые акценты в гуманитарной подготовке политологов и международников. Перспективы применения математических методов в политических исследованиях определяются не только осмыслением вопросов интеграции количественных и качественных аспектов аналитических разработок или их технологического обеспечения, но и характером подготовки специалистов-аналитиков, способных применять междисциплинарный подход в интересах прикладных проектов.

Учитывая, что происходящие на мировой арене изменения в информационной среде ставят субъекта, обладающего нужной информацией и умеющего рационально ее использовать, в чрезвычайно выгодное положение, междисциплинарная профессиональная подготовка не может сводиться лишь к получению аналитиком углубленных знаний в области компьютерной техники. Необходимо найти взвешенное сочетание новых тактик кадрового обеспечения и принципов обучения с тем, чтобы молодые специалисты воспринимали междисциплинарный подход как интегрированные аналитические навыки, а не относились к ним через призму своего базового гуманитарного или технического образования.

Выражение «кто владеет информацией, тот владеем миром» приобретает все большую актуальность. Для развития профессиограммы прикладной аналитики полезно обратить внимание на характеристики двух американских компьютерных программ: программы Joint Vision 2020, ориентированной на создание больших специализированных информационных сетей, и программы Lifelog—DAPRA, предназначенной для создания автоматизированных компьютерных систем, способных адекватно функционировать в нестандартных ситуациях.

Главным содержанием программ Joint Vision 2020 и Lifelog -DAPRA является информация. В первом случае она предстает в качестве конечного продукта, а во втором — как главная задача направленного сбора и аналитической обработки. В этой связи разработчиками планируется создание к 2020 г. единой компьютеризированной системы, базирующейся на элементах модели искусственного интеллекта, нанотехнологиях, способах эффективного синтеза информации и многофункциональных процессорах. Предполагается, что это позволит обеспечивать информационную поддержку принятия решений в реальном времени и фактически кардинально изменит основные требования, предъявляемые к современным политологам. Тем не менее, даже при столь радикальном взгляде на будущее информационных технологий американские специалисты отмечают, что способность индивидуального решения является уникальной человеческой чертой, которую не могут заменить даже наиболее совершенные системы технической поддержки.

Таким образом, ключевой проблемой совершенствования политической аналитики на основе достижений точных дисциплин и информационных технологий является подготовка специалистов междисциплинарного профиля и развитие их способностей к принятию решений в быстроменяющейся компьютеризированной обстановке. Сегодня мы вплотную подошли к новому этапу развития информационных технологий, когда основную работу по структурированию информации будет делать профильный специалист. Причем речь идет уже не только о содержательном наполнении информационных ресурсов, а об их структурировании, создании описаний лингвистического обеспечения информационных систем и т.п. Следовательно, можно ожидать изменения природы гуманитарной специализации политологов и международников, по крайней мере в той их части, которая относится к фактологическому знанию. Главной работой аналитика станет не накопление и хранение информации, а управление информационными потоками.

Рассматривая применение математических средств как самостоятельную проблему прикладного изучения политических ситуаций и процессов, необходимо учитывать, что математика стала доминирующим языком в естественных науках, прежде всего потому, что она позволяет более четко судить о феномене, слишком сложном для обычного вербального описания. Но преимущества математики по сравнению с естественными языками в гуманитарных науках еще только изучаются. Опыт современных отечественных и зарубежных исследований различного уровня и примеры сочетания количественных и качественных подходов к анализу политических феноменов позволяют рассматривать специализированную подготовку в этой области в качестве важной учебной задачи. Ключевым вопросом прикладных исследований является не вопрос о допустимости обращения к математике в [рамках конкретных проектов, а то, какая математическая процедура или методика должна использоваться и как содержательно будет обосновано ее применение.

Ключевые понятия

Алгоритм — правило проведения операции, стандартизированная последовательность действий. Термин произошел от фамилии узбекского математика IX в. аль-Хорезми, который впервые сформулировал правила четырех основных арифметических действий. Первоначально именно эти правила назывались алгоритмами, но затем в математике алгоритмом стал называться любой способ вычислений, единый для некоторого класса исходных данных, например нахождение производной функции. Как обобщающее понятие может употребляться без непосредственной связи с математическими вычислениями.

Вероятность — количественная характеристика возможности появления некоторого события при определенных условиях.

Гипотеза — предположение о закономерностях какого-либо явления, которая предполагается, но должна быть доказана. В прикладном исследовании — утверждение о возможных отношениях, существующих между двумя или более переменными. Гипотезы выдвигаются с целью решения конкретной проблемы, объяснения новых фактов, устранения противоречий в наблюдениях. Гипотеза считается обоснованной, если она является следствием некоторой теории. Тем самым устанавливается согласованность гипотезы с более широкой областью знания.

Данные — результаты наблюдений или информация о действительности, получаемая в ходе исследования.

Информатика — наука о методах формализации и компьютерной обработки информации; играет ведущую роль в создании и развитии информационных технологий. Теоретической основной информатики является разработанная в 30-х годы XX в. теория алгоритмов.

Искусственный интеллект — область прикладной математики, основной функцией которой является развитие формальных средств представления и обработки знаний. В узком смысле — техническая система обработки информации на основе моделирования познавательных процессов человека; компьютерная модель рационального мышления.

Категория — понятие, рассматриваемое в качестве исходного, неопределяемого через другие понятия. Каждая наука опирается на соответствующую систему взаимосвязанных категорий. Наиболее часто термин используется применительно к философским понятиям, рассматриваемым в качестве основополагающих понятий бытия и мышления. К числу категорий обычно относят следующие понятия: объект, отношение, свойство, суждение, умозаключение, истина и др. В гуманитарных исследованиях категории формулируются в соответствии с предметной спецификой, например политическое пространство и политическое время.

Переменные — в социальных исследованиях обозначают наблюдаемые феномены, которые изменяются в зависимости от количества или качества. Они могут быть определены как зависимые или независимые переменные. Зависимые переменные — это те феномены, которые испытывают влияние других переменных. Например, при выдвижении гипотезы, что обороноспособность государства зависит от уровня военных расходов, т.е. определяя связь между бюджетом и безопасностью, расходы рассматривают как независимую переменную. В точных науках под термином «переменная» подразумевается символ, вместо которого допускается подстановка некоторых других символов. Простейшим видом переменной является, например, символ х в математическом уравнении типа (х + 1)2= х2 + 2х + 1. Объекты, символы которых допускается подставлять вместо переменной, образуют область значений данной переменной.

Системная динамика — область прикладной математики, которая исследует нелинейные отношения, основана на системной теории и кибернетике, позволяет прогнозировать долгосрочные процессы.

Функция — отношение между множествами, при котором каждому элементу одного множества соответствует некоторый элемент другого множества. Обычно функция записывается в виде формулы у = f (а), где х — независимая переменная, или аргумент, у — зависимая переменная, a f — функциональная переменная.

Вопросы и задания для обсуждения

1.Охарактеризуйте важнейшие проблемы интеграции гуманитарного и точного знания в прикладных исследованиях внутриполитической и международной проблематики.

2. Приведите известные вам примеры работ отечественных и зарубежных авторов, выполненных на основе междисциплинарного подхода. Какие из результатов показались вам наиболее интересными; какие моменты вызвали затруднения в понимании?

3. Используя литературу, расскажите о типологии математических средств, применяемых в политических исследованиях.

4. Какие методики обработки количественных данных вам известны и какие из них вы можете применять самостоятельно?

5. Предложите набор зависимых и независимых переменных для модели конфликтной или переговорной ситуации.

6. Какова роль гипотезы в процессе проведения количественного исследования? Сформулируйте гипотетические предположения в отношении конкретных политических явлений и определите возможные пути их обоснования.

7. Какие вопросы и в какой последовательности необходимо ставить при разработке плана междисциплинарного исследования.

Литература

Основная

Акимов В. П., Луков В. В., Паршин II Б., Сергеев В. М. Карибский кризис: Опыт моделирования. «США: экономика, политика, культура». 1989. № 5.

Плотипский Ю. М. Моделирование социальных процессов. М., 2001.

Саати Т. Математические модели конфликтных ситуаций. М., 1977.

Сартори Дж. Искажение концептов в сравнительной политологии // Полис. 2003. № 3. С. 67-77.

Шабров О. Ф. Системный подход и компьютерное моделирование в политологическом исследовании // ОНС. 1996. № 2.

Шродт Ф. А. Математическое моделирование // Д. Манте им, Р. Рич. Политология. Методы исследования. М., 1997.

Яковлев И. Г. Информационно-аналитические технологии и политическое консультирование // Полис. 1998. № 2.

Champney L. Introduction to Quantitative Political Science. HarperCollege Publishers, 2000.

Maxim P. Quantitative Research Methods in the Social Science. Oxford, 1999.

Дополнительная

Арнольд В. Ф. Теория катастроф. М., 1990.

Лаптев А. А. Математическое моделирование социальных процессов// Математические структуры и моделирование. Омск, 1999. № 3. С. 109-124.

Саати Т., Керне К. Аналитическое планирование. Организация систем. VI., 1991.

Форстер Э., Ренц Б. Методы корреляционного и регрессионного ана шза. М., 1983.

Шабров О. Ф., Анохин М. Г., Дзлиев М. И. Компьютерное моделирование :оциально-политических процессов. М., 1994.

Шеннон Р. Дж. Имитационное моделирование систем — искусство и наука. М., 1978.

Adcoc R. and Coller D. Measurement Validity: Ashared Standard for Qualitative and Quantitative Research//American Political Science Review. 2001. Vol. 95. №3.

Policy Analysis Methods // Ed. by St. Nagel. N.Y., 1999.

The Practice of Policy Analysis. N.Y., 1991.