tgoop.com/low_theory_raw/760
Last Update:
Process tracing: выводы о причинно-следственных связях на основе качественных данных
Доказательство причинно-следственных связей в социальных науках у меня всегда ассоциировалось с количественными исследованиями. В опросном эксперименте половине респондентов показали речь политика и им этот политик понравился. Другой половине речь не показали - им политик не понравился. Вывод: речь позитивно влияет на оценку политика. Мы доказали это, изолировав переменную и проверив результат при ее отсутствии.
Однако недавно я познакомился с совершенно гениальным методом process tracing. Он позволяет делать выводы о причинно-следственных связей на основе качественных данных. То есть когда анализируется мало кейсов или всего один.
Суть подхода: последовательно описываем все события связанные с изучаемым явлением и выдвигаем гипотезы о их причинах. Потом собираем данные, чтобы проверить эти гипотезы и по результатам выстраиваем модель причино-следственных связей. Фишка process tracing во фреймворке, который он предлагает для систематизации собранных доказательств:
Straw-in-the-wind test (солома на ветру) - факты, слегка усиливающие или ослабляющие гипотезу, но недостаточные для доказательства или опровержения.
Hoop test (тест обруча) - при прохождении теста гипотеза не подтверждается, но при непрохождении - опровергается.
Smoking-gun test (дымящееся ружье) - факты, полностью доказывающие гипотезу, но при непрохождении не опровергающие ее.
Doubly decisive test (дважды решающий) - доказательства, подтверждающие гипотезу и опровергающие все альтернативные. Чаще всего это комбинация разных тестов, например, имея три конкурирующие гипотезы мы две из них опровергаем с помощью hoop test, а третью подтверждаем через straw-in-the-wind тест.
Для иллюстрации приведу не социологический, но политически важный пример. Допустим, у нас гипотеза: Лукашенко не направил белорусские войска против Украины, чтобы избежать внутриполитических рисков для своей власти.
Количественный подход здесь невозможен: мы не соберем данные 30 аналогичных ситуаций, отличающихся только одним аспектом, например, отношением населения к войне. Поэтому можно анализировать только наш кейс:
1) Факт: большинство белорусов, даже поддерживающих власть, против вступления в войну. Значит наша гипотеза проходит hoop test: нежелание белорусов воевать не доказывает мотивы Лукашенко, но является необходимым условием, если предположить, что он не хотел вызвать народное недовольство.
2) Факт: В прошлом Лукашенко неоднократно действовал ради защиты своей власти. Это не подтверждает гипотезу полностью, но придает ей вес - она проходит straw-in-the-wind тест.
На самом деле в этом примере недостаточно фактов, чтобы понять прошла ли гипотеза doubly decisive test. Это было бы возможно, например, при наличии протокола совета безопасности со словами Лукашенко: "Россия требует нашего вступления в войну, но мы откажемся потому что идеологические работники докладывают, что 80% солдат не будут выполнять такой приказ". Однако пример показывает как классифицируются факты в рамках фреймворка и что в целом возможно делать выводы о причинно-следственных связях без количественных данных.
Я позже приведу пример из прикладной социологии, ведь аналогичным образом можно анализировать, например, данные глубинных интервью, извлекая из них факты и систематически соотнося с наборами альтернативных гипотез.
BY плодотворные дебютные идеи
Share with your friend now:
tgoop.com/low_theory_raw/760