Архив статей журнала
В статье с критической точки зрения рассматриваются подходы к государственному управлению, основанному на данных, а также характерные ошибки в принятии решений, которые проистекают из ненадежных данных и их неверных интерпретаций. Приводятся исторические примеры заблуждений, допущенных министром обороны США Р. Макнамарой, рассматривается пагубная политика отбрасывания качественных оценок в пользу использования только и исключительно измеримых параметров. На примере некорректной интерпретации демографической статистики в Косово рассмотрено влияние заведомо ложной и некритически воспринимаемой информации на принятие решений в части внутренней национальной политики бывшей Югославии и дальнейшей гуманитарной интервенции под эгидой защиты албанского населения от геноцида. Рассматриваются причины этих заблуждений, приводятся примеры корректных интерпретаций. Далее автор фокусируется на прикладном аспекте: на основе опыта автора в предварительном анализе и обработке данных, используемых в реализации научных проектов, предлагаются способы обхода типичных «ловушек» статистики, ведущих к некорректным интерпретациям.
Эмпирические исследования в сравнительной политологии и международных отношениях вынуждены зачастую опираться не только на собственно статистические данные, но и на экспертные оценки. Используемые при этом методы анализа данных обычно не учитывают сущностные различия статистических данных и экспертных оценок, игнорируя дополнительную неопределенность, присущую последним. Данная статья посвящена обсуждению современного состояния методов сбора и обработки экспертных оценок в политологических исследованиях, а также открытых и дискуссионных вопросов в этой области. Автор представляет байесовские процедуры анализа данных как наиболее естественный подход к обработке данных субъективной природы и акцентирует внимание на отличиях байесовского и классического подходов к анализу данных. Также рассматриваются методы получения экспертных оценок через процедуры выявления априорных распределений в целях дальнейшего использования этих распределений в байесовском анализе данных. Существующие подходы иллюстрируются примерами из проекта «Политический атлас современного мира 2.0». В статье обсуждаются и возможности отказа от сбора экспертных оценок в пользу «распределенного кодирования», т. е. процедур разметки качественных признаков неэкспертами на основе формализованных инструкций. В статье приводятся как успешные примеры использования «распределенного кодирования», так и сложности, стоящие на пути интеграции этого подхода в исследовательскую практику в области сравнительной политологии и международных отношений. Наконец, завершающий раздел статьи посвящен интеграции экспертных оценок, с одной стороны, и технологий искусственного интеллекта и машинного обучения – с другой. Указывается на их совместимость в рамках байесовского подхода к анализу данных.