ПОНЯТИЕ КАЧЕСТВЕННОГО И КОЛИЧЕСТВЕННОГО ЭКСПЕРИМЕНТА

Достаточно часто термин "наблюдение" противопоставляется термину "эксперимент". Говорят, например, что в астрономии не экспериментируют, а всего лишь наблюдают. Одно дело, мол, когда социолог или политолог отслеживает интересующие его события, а другое – когда он экспериментирует, т.е. ведет себя активно, варьирует условия, цели и задачи эксперимента. С научных позиций структура эксперимента и наблюдения может быть одной и той же: изучаемое в рамках лаборатории (ею может быть и вся Вселенная и, допустим, городской рынок) явление–прибор–экспериментатор (или наблюдатель). Поэтому научные осмысления наблюдения и эксперимента мало чем отличаются друг от друга. Наблюдение вполне можно считать своеобразным, вырожденным в ряде отношений случаем эксперимента. Чтобы выразить богатство изучаемых явлений, ученому необходимо много слов. Но отсюда не следует, что ему надо быть расточительным в их употреблении. Эксперимент совсем необязательно называть то опытом, то наблюдением.

Экспериментируя, исследователь, естественно, имеет представление о тех объектах, которые изучает. Раз так, то он использует определенные понятия. По Карнапу, это классификационные, сравнительные и количественные понятия. К. Берка эти же понятия определяет соответственно как количественные, топологические и метрические. Карнап справедливо отмечает, что сравнительные понятия часто становятся основой для количественных понятий. Так, понятие "теплее" было развито в понятие температуры. Данный пример показывает, что нет оснований противопоставлять сравнительные и количественные понятия, в конечном счете они относятся к одному и тому же качеству, которое в первом случае, однако, определялось менее точно, чем во втором, в связи с изобретением термометра. На наш взгляд, в трехчленных делениях Карнапа и Берки одно звено, а именно серединное, является лишним, так как по своей количественной природе сравнительные (топологические) понятия совпадают с количественными (метрическими).

Итак, экспериментатору приходится выделять по крайней мере два типа понятий: классификационные (качественные) и количественные (метрические). Пожалуй, наиболее правильный выбор терминологии сводится к словам качественные и количественные. Метрика – это способ организации элементов множества, правило, по которому определяют "расстояние" между двумя "точками" данного "пространства", множества. Здесь слова "расстояние", "точки" и "пространство" взяты в кавычки не случайно, ибо речь идет о математических конструктах, которые в интерпретации на область действительных событий могут иметь и пространственную (без кавычек), и временную, и какую-либо иную природу. Метрика – это характерная для данного количественного многообразия структура. Ранее метрики должно быть определено понятие количества.

Что касается классификационных понятий, то они часто являются первым приближением к качественным понятиям. Сама классификация приобретает точное научное значение только в случае выделения качественных понятий. Нет оснований противопоставлять указанные понятия, так как они по своей научной природе совпадают.

Понятия качества и количества имеют многовековую историю, их сопровождает шлейф устаревших и даже ненаучных представлений. Равноценная замена этим понятиям, к сожалению, не найдена. Качество в теории – это общее событий, изучаемых методами данной науки, то, что обозначается понятийным именем. Количество в теории – величина качества, то, что может быть измерено, что может изменяться в некоторых пределах. Простой пример: температура – это качество, а величина температуры – количество. Лишен смысла вопрос, насколько температура является температурой. Напротив, вполне оправданным является вопрос о ее значении (какова температура?).

Качество и количество образуют единство, что прекрасно показал Гегель. Учет этого единства крайне важен для понимания сути научного знания. К сожалению, он часто недопонимается. В современном научном знании слово "количество" вытеснено термином "величина", относящимся в первую очередь к математике, где он определяется со всей строгостью присущих ей методов. При переносе этого термина из математики в физику, биологию или социологию ему не всегда придается качественное звучание, величина принадлежит качеству, она не существует сама по себе.

Так как качество всегда специфично, то специфично и принадлежащее ему количество (величина). Допустим, заданы такие величины: 5 м, 3 кг, 6 рублей, 5 баллов (за знания философии). Здесь м (метры) свидетельствуют о длине как пространственной характеристике, кг (килограммы) о массе, рубли о стоимости товара, баллы о знаниях (а не о степени, положим, красоты студента). Величины как результаты измерений всегда имеют качественную определенность, которая в нашем примере выражалась символами (м, кг, рубли, баллы) при числах. Иногда эти символы вообще опускаются, как, например, при выставлении оценок в так называемые ведомости успеваемости студентов. Из-мер-ение всегда связано с мерами (сравните метр и сантиметр). Но всякая мера имеет качественную определенность (метр и сантиметр – это меры длины как некоего качества).

В математике числа взяты в их безразличии к качествам. В экспериментальных науках представление о самостоятельном существовании чисел, вне их качественной природы, лишено смысла. Разумеется, 10 с в 2 раза больше (длительнее), чем 5 с. Здесь 2 безразмерная величина, но ее смысл произведен от соотношения величин (количеств) вполне конкретных качеств. Природа и общество даны человеку не иначе как в их качественно-количественной соотнесенности. Будучи изученной и понятой научно, она выглядит как весьма органичное единство. Если же стадия научного понимания изучаемых явлений не достигнута, то качество и количество покрыты вуалью непроясненности, их никак не удается органически объединить друг с другом.

Итак, центральное звено всякого эксперимента – сам экспериментатор. Мотивация экспериментатора может быть самой различной. В одних случаях стремятся получить новые экспериментальные факты, особенно о плохо изученных явлениях, в других – интересуются подтверждением новых гипотез. Возможно проведение эксперимента исходя из каких-либо эстетических, этических, технологических или даже обыденных интересов. Однако, какова бы ни была мотивация экспериментатора, он является таковым (а не человеком, случайно зашедшим в лабораторию) лишь в том случае, когда вполне компетентно руководствуется связями, существующими между фактами и теорией (гипотезой). Эта связь может быть представлена в весьма проблемной форме, сопровождаемой сюрпризами эксперимента, ибо он требует осмысления.

Согласно самой структуре эксперимента, исследователь должен максимально строго определиться с каждым элементом этой структуры: лабораторией, изучаемыми явлениями, приборами, вспомогательными устройствами, с самим собой (мотивациями, уровнем знаний). С этой целью устанавливается, что является существенным, а что несущественным для эксперимента – как правило, изучаемое явление выделяется в "чистом виде". К экспериментированию предъявляется требование его воспроизводимости, ибо в противном случае невозможно обеспечить интерсубъективность научного знания.

Итак, в эксперименте основополагающее значение имеет "подгонка" друг к другу фактов и теории. Взаимосоотношение теории и экспериментальных фактов отличается многочисленными особенностями, некоторые из которых рассматриваются ниже. Указанное взаимоотношение стало предметом особо тщательных изысканий после создания неевклидовых геометрий.

МЕТОД ОСТАТКОВ

Применение метода связано с установлением причины, вызы­вающей определенную часть сложного действия при условии, что причины, вызывающие другие части этого действия, уже выявле­ны.

Схема рассуждения по методу остатков имеет следующий вид:

1)АВС вызывает xyz

2) А вызывает х

3) В вызывает у

4) С вызывает z.

Методом остатков был сделан вывод о существовании некоторых химических элементов — гелия, рубидия и др. Предположение осно­вывалось на результатах, полученных в процессе спектрального ана­лиза: были обнаружены новые линии, которые не принадлежали ни одному из уже известных химических элементов.

В практике научных и обычных рассуждений часто встречается модифицированный вывод по методу остатков, когда по известному действию заключают о существовании новой по отношению к уже известной причины. Например, Мария Склодовская-Кюри, уста­новив, что некоторые урановые руды испускают радиоактивные лучи, превышающие по интенсивности излучение урана, пришла к выводу, что в этих соединениях имеются какие-то новые вещества. Так были открыты новые радиоактивные элементы: полоний и радий.

Схема модифицированного рассуждения по методу остатков имеет следующий вид:

1)АВС вызывает abed

2) А вызывает а

3) В вызывает Ь

4) С вызывает с.

По-видимому, существует некий X, который вызывает d.

Подобно другим индуктивным выводам метод остатков дает, как правило, проблематичное знание. Степень вероятности заключения в таком выводе определяется, во-первых, точностью знаний о пред­шествующих обстоятельствах, среди которых идет поиск причины исследуемого явления, во-вторых, точностью знания о степени вли­яния каждой из известных причин на совокупный результат. При­близительный и неточный перечень предшествующих обстоя­тельств, как и неточное представление о влиянии каждой из извест­ных причин на совокупное действие, может привести к тому, что в заключении вывода в качестве неизвестной причины будет пред­ставлено не необходимое, а лишь сопутствующее обстоятельство.

Рассуждения по методу остатков нередко используются в про­цессе расследования преступлений, главным образом в тех случаях, когда устанавливают явную несоразмерность причин исследуемым действиям. Если действие по своему объему, масштабу или интен­сивности не соответствует известной причине, то ставится вопрос о существовании каких-то других обстоятельств.

Например, по уголовному делу о хищении товаров со склада обвиняемый признал факт хищения и показал, что он в одиночку вынес со склада похищенную вещь. Проведенной проверкой было установлено, что вынести такую тяжелую вещь не под силу одному человеку. Следователь пришел к выводу об участии в хищении дру­гих лиц, в связи с чем менялась и квалификация деяния.

Рассмотренные методы установления причинных связей по своей логической структуре относятся к сложным рассуждениям, в кото­рых собственно индуктивные обобщения строятся с участием де­дуктивных выводов. Опираясь на свойства причинной связи, дедук­ция выступает логическим средством элиминации (исключения)

случайных обстоятельств, тем самым она логически корректирует и направляет индуктивное обобщение.

Взаимосвязь индукции и дедукции обеспечивает логическую со­стоятельность рассуждений при применении методов, а точность выраженного в посылках знания определяет степень обоснованнос­ти получаемых заключений.

Особым видом умозаключений неполной индукции являются статистические обобщения, связанные с анализом массовых собы­тий. К ним относятся, например, массовые транспортные перевозки пассажиров и грузов, рождаемость и смертность людей, распростра­нение заболеваний, транспортные происшествия, динамика пре­ступлений и многие другие.

Учитывая трудности выявления причинных зависимостей, ана­лиз таких массовых событий позволяет установить устойчивое рас­пределение интересующих исследователя случайных признаков. Ко­личественная информация, выражающая устойчивые тенденции развития, имеет важное практическое значение для правильной ор­ганизации обслуживания населения, профилактических мероприя­тий, борьбы с преступностью и т.п. Анализ массовых событий ведет­ся чаще всего путем не сплошного, а выборочного исследования отдельных групп или образцов и логического переноса полученных результатов на все их множество. Вывод в этом случае протекает в форме статистического обобщения.

Статистическое обобщение — это умозаключение неполной индукции, в котором установленная в посылках количественная информация о частоте определенного признака в исследуемой груп­пе (образце) переносится в заключении на все множество явлений этого рода.

В отличие от индукции через перечисление при отсутствии про­тиворечащего случая в посылках статистического умозаключения фиксируется следующая информация:

(1) общее число составляю­щих исследуемую группу, или образец случаев;

(2) число случаев, в которых присутствует интересующий исследователя признак;

(3) частота появления интересующего признака.

Для построения схемы статистического обобщения введем сле­дующие условные обозначения: S — исследуемый образец; р — ин­тересующий исследователя признак; m — общее число наблюдае­мых случаев (элементов образца); п — число благоприятных случаев, когда явление обладает признаком р; f(p) — частота признака р;

К — популяция, или множество явлений, на которые распространя­ется частота признака.

Частота появления признака р в образце S представляет собой отношение числа благоприятных случаев m к общему числу исследо­ванных явлений t:

Г(р) = n/m.

Так, например, статистическая информация о совершении тако­го рода преступлений, как хулиганство, показывает, что 95 из 100 случаев хулиганских действий совершаются в состоянии алкоголь­ного опьянения. Значит, частота хулиганства, сопровождаемая алко­гольным опьянением, определяется как 95/100, т.е. равна 95%.

Частота появления признака в статистических описаниях прини­мает числовое значение в интервале между 0 и 1: 0 <f(p)< 1. Это объясняется тем, что в статистическом образце S число случаев появления признака (n) всегда меньше общего числа наблюдаемых элементов (m). Поскольку m > n, тем самым f(p) всегда будет мень­ше единицы, но больше нуля.

В том случае, когда f(p) = 0, это значит, что среди наблюдаемых не обнаружено ни одного явления, обладающего этим признаком. На этой основе может быть построено обычное индуктивное обоб­щение с отрицательным заключением: поскольку ни одно S не обла­дает свойством р, значит, можно заключить, что весь класс К не обладает этим свойством. Точно так же и в случае f(p) = 1 можно построить обычную индуктивную генерализацию с утвердительным заключением. Поскольку число случаев появления признака (n) равно числу всех исследованных (m), т.е. m=n, значит, каждое S обладает р. Отсюда заключают, что весь класс К обладает этим признаком.

Статистическое обобщение, будучи выводом неполной индук­ции, относится к недемонстративным умозаключениям. Логичес­кий переход от посылок к заключению дает здесь лишь проблема­тичное знание. Степень обоснованности статистического обобщения зависит от специфики исследованного образца: его величины по отношению к популяции и представительности (репрезентатив­ности). Если образец по объему приближается к популяции, тем основательнее обобщение, поскольку возможность ошибки стано­вится минимальной. Репрезентативность образца означает меру его представительности: насколько разнообразие элементов в образце отражает их разнообразие в популяции.

Тщательность статистического описания исследуемого образца и логически корректный перенос частоты признака на популяцию обеспечивают высокую вероятность и тем самым практическую эф­фективность статистических обобщений в различных областях науки, культуры, производства, правовой деятельности.

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

1. Методология научных исследований: методические указания к выполнению контрольной работы для студентов заочной формы обучения, проходящих подготовку магистра по направлению 08.04.01 Строительство, профили подготовки: «Теория и проектирование зданий и сооружений»,«Технологии строительных материалов, изделий и конструкций»,«Проектирование, строительство и эксплуатация автомобильных дорог», «Инновационные технологии возведения, эксплуатации и реконструкции зданий и сооружений» / Брянск. гос. инженер.- технол. ун-т; сост. М.Ю. Прокуров. – Брянск: БГИТУ, 2018. – 16 с.

2. Коробко В.И. Лекции по курсу «Основы научных исследований»; Учеб. пособие для студентов строительных специальностей вузов / В.И. Коробко. – М: Изд-во АСВ стран СНГ, 2017. – 218 с.

3. Корнилова, Т. В. Методологические основы психологии: учебник для академического бакалавриата / Т. В. Корнилова, С. Д. Смирнов. — 2-е изд., перераб. и доп. — Москва: Издательство Юрайт, 2019. — 490 с.

4. Методология научного исследования: учебное пособие/ Н.В. Липчиу, К.И. Липчиу.- Краснодар: КубГАУ, 2013.- 290 с.

5. Светлов, В. А. История научного метода / В.А. Светлов. - М.: Деловая книга, Академический Проект, 2014. - 704 c.

6. Бакулов, В.Д. Актуальные методологические проблемы научного познания. Сборник научных и методологических работ. Выпуск 1 / В.Д. Бакулов. - М.: Южный Федеральный Университет (ЮФУ), 2016. - 259 c.

7. Вазюлин, В.А. Логика истории: Вопросы теории и методологии / № 119. Изд.3, испр. и доп. / В.А. Вазюлин. - Москва: ИЛ, 2015. - 701 c.

8. Загвязинский В. И., Атаханов Р. Методология и методы психолого- педагогического исследования; Академия - Москва, 2013. - 208 c.