К. Ананьева - Человек и этнос. Восприятие, оценка, самооценка

Стимульный материал

Каждому испытуемому выдавался набор из 36 бумажных карточек (размер – 4x6 см). На каждой карточке была напечатана определенная характеристика или качество (см. Приложение). Подбор стимульных слов осуществлялся на основе комплексного анализа словарей русско-тувинского и русско-коми языков, психодиагностических методик «Личностный дифференциал», теста межличностных отношений Лири и ранее полученных нами результатов исследований межличностной оценки по выражению лица и голосу человека (Ананьева и др., 2012; Демидов, 2009; Демидов и др., 2014; и др.).

Процедура исследования

Исследование проводилось индивидуально с каждым испытуемым. Испытуемый должен был распределить карточки со словами-стимулами (качествами) между четырьмя различным этносами: русский, коми, тувинец, кабардинец (в случае тувинских испытуемых) или русский, коми, тувинец, негроид (в случае испытуемых коми). При этом одно качество могло быть отнесено только к одному этносу. Если какое-то качество могло относиться к нескольким из предложенных этносов, испытуемый должен был выбрать тот этнос, которому это качество свойственно, с его точки зрения, в наибольшей степени.

Второй идентичный набор карточек испытуемый использовал, чтобы охарактеризовать самого себя, он мог выбрать из 36 карточек любое количество, другими словами, отобрать любое количество характеристик, которые в наибольшей степени характеризуют именно его.

Все ответы (распределение карточек/выбор карточек) фиксировались экспериментатором для дальнейшей обработки.

Обработка данных

Для подготовки полученных эмпирических данных к последующему анализу для каждой этнической группы были составлены матрицы частот встречаемости каждой из 36 характеристик при описании предложенных этносов.

Для обработки данных использовалась специальная статистическая процедура – анализ соответствий – разновидность метода главных компонент, адаптированная для анализа номинативных данных (таблиц сопряженности). Основная цель метода – поиск структуры, объясняющей имеющуюся вариативность сложных многомерных данных минимальным числом переменных (факторов). Следует отметить, что это достигается не за счет отбрасывания каких-то факторов, а через поиск таких «направлений» или «срезов» в массиве данных, которые максимально простым образом (линейным), объясняют максимально возможную долю вариативности данных. Первый такой «срез» (первая компонента) совпадает с моделью многомерной линейной регрессии. После получения первой компоненты возможно получение второй компоненты, которая будет объяснять наибольшую долю оставшейся дисперсии также линейным методом. Итоговое количество компонент зависит от количества исходных признаков и объектов, а также от структуры самих данных. Все полученные главные компоненты ортогональны, т. е. независимы друг от друга и в порядке убывания объясняют все меньшую долю вариативности массива данных. При типичном применении подобных методов основное внимание сосредоточено на некотором количестве первых компонент, которые объясняют основную долю вариативности. Более подробно с методом анализа соответствий можно ознакомиться в классических работах по данному методу (Benzecri, 1973; Greenacre, 1981, 1984).

Таким образом, анализ соответствий позволяет, во-первых, уменьшить влияние шумовых и малозначимых признаков и, во-вторых, визуализировать многомерные данные в виде двух- или трехмерных графиков максимально корректно. Это существенно увеличивает эффективность экспертной оценки структуры данных.

При обработке данных, описываемых в данном параграфе, анализировались расстояния между уровнями переменной «Этнос», а также характер группировки уровней переменной «Характеристика» относительно уровней переменной «Этнос». Для оценки взаимосвязи уровней переменной «Этнос» с уровнями переменной «Характеристика» использовалось косинусное расстояние между соответствующими отображениями точек в маломерном пространстве, полученном после выделения главных компонент.

Анализ соответствий выполнялся с выделением двух компонент в трех итерациях [2] Итерации – это число кругов или попыток, которые делает метод для нахождения оптимального решения. при помощи пакета Prince для среды Python v. 3.7.

Результаты

Распределение характеристик по четырем оцениваемым этносам и самоописание (образ Я) для коми-испытуемых представлено на рисунке 1. Общее качество решения на основе первых двух главных компонент составляет 87,3 % – первая компонента (ось Х) объясняет 61,7 % общей вариативности, вторая компонента (ось Y) – 25,6 % (рисунок 1).