Эксперимент играет огромную роль в современной науке. Все новые технические открытия обязаны именно эксперименту. Какие возникают сложности при проведении эксперимента, а так же каковы методы его проведения, поговорим в этой статье.

В наше время ни одно научное или техническое исследование не может обойтись без экспериментов . Эксперимент необходим в области прикладных наук, а также при разработке новой науки. Таким образом, этого требует технический прогресс.

Проблемы эксперимента

Благодаря техническому прогрессу инженер-экспериментатор сталкивается с новыми трудностями. Одна из них в том, что параметры испытуемых объектов, которые нужно определить, часто недоступны непосредственному измерению (долговечность, коррозионная стойкость и т.п.). То есть совокупность технико-экономических показателей, по которым выполняется оценка объекта испытаний, не совпадает, в большинстве случаев, с совокупностью параметров объекта, определяемых по результатам натурного эксперимента.

Еще одна проблема заключается в возможности организовать испытания объектов, процессы протекания которых характеризуются сложной динамикой и склонны к воздействиям непостоянных условий внешней среды.

При испытаниях сложных комплексов повышается значение учета тех воздействий, которые оказывает испытательное регистрирующее и управляющее оборудование на сам процесс функционирования испытуемого объекта.

Поэтому главным принципом организации эксперимента в современных условиях является системный подход.

Системный подход предполагает рассмотрение всех средств, участвующих в эксперименте как единой системы, описываемой соответствующей математической моделью. Тем самым математическая модель становится элементом испытаний, которая строится после осуществления, планирования эксперимента, его проведения и обработки результата. Только наличие соотношений, связывающих искомые технико-экономические характеристики испытуемого объекта с его параметрами, позволяет получить обоснованные суждения о перечне необходимых испытательных мероприятий и их рациональной последовательности, совокупности регистрируемых величин, об условиях к точности измерений, частоте регистрации и т.п.

Чтобы построить математическую модель необходимо иметь представление о поведении отдельных элементов, взаимодействии между ними, влиянии различных факторов, а также о реакции на изменения условий испытаний.

Методы проведения

Что может объединять инженеров, физиков, биологов, социологов и других специалистов? Биологи проверяют лекарственные аппараты на животных, клонируют, инженеры проводят научные исследования, испытывают различные материалы, социолог же собирает и обрабатывает информацию. У каждого специалиста свой путь, объединяет их лишь – эксперименты.

В способах проведения эксперимента в различных отраслях все же есть много общих черт:

1. Все исследователи обращают внимание на точность измерительных приборов и точность получаемых данных.

2. Каждый исследователь старается минимизировать количество переменных, участвующих в эксперименте, поскольку его работа будет выполнена быстрее и понесет меньше затрат.

3. Эксперимент может быть любой сложности, но первое, что необходимо сделать – это написать план его проведения. При построении плана эксперимента очень важно правильно и четко формулировать вопросы.

4. Во время проведения эксперимента исследователь должен проверять испытуемый объект на наличие ошибок и неполадок. С этой задачей связана проверка приемлемости полученных данных. Результаты не должны противоречить логике.

5. Во время проведения любого эксперимента нужно делать анализ полученных данных и давать им объяснение, потому что без этого пункта эксперимент не будет иметь смысла.

6. Все исследователи контролируют проводимый эксперимент, то есть можно опустить зависимость от внешних переменных.

По характеру эксперименты вполне могут отличаться друг от друга, но планирование, проведение и анализ всех экспериментов должен выполняться в одной последовательности. Результаты экспериментов выводятся, как правило, в виде таблиц, графиков, формул. Но отличие – в качестве эксперимента.

Каждый эксперимент завершается представлением результата, формулировкой вывода и выдачей рекомендации. Чтобы получить зависимость результата от нескольких параметров, требуется построить несколько графиков, либо построить график в изометрических координатах. С помощью графиков изобразить сверхсложные функции пока не представляется возможным. Выводя результаты в виде математических формул, можно выразить зависимость результата от большего числа переменных. Но все же, как правило, ограничиваются 3 переменными.

Вывод результатов эксперимента в словесной форме является самым неэффективным.

В конце большинства технических экспериментов следует определенное действие – принятие решения, продолжение испытаний или признание неудачи.

Исследователь должен методично и полностью обдумать все вероятные внешние воздействия и оптимальные методы контроля. Он должен быть способен отличить исключительный и особенный эффект от множества посторонних влияний и внешних факторов ошибок.

Случайные открытия появляются тогда, когда все предвиденные возможности заранее подсчитаны, предсказаны, либо устранены, и могут открыться только совершенно новые, неисследованные ранее возможности.

Методика - это совокупное и. мыслительных и физических операций, размещенных в определенной последовательности, в соответствии с которой достигается цель исследования.

При разработке методик проведения эксперимента необходимо предусматривать:

Проведение предварительного целенаправленного наблюдения над изучаемым объектом или явлением с целью определения исходных данных (гипотез, выбора варьирующих факторов);

Создание условий, в которых возможно экспериментирование (подбор объектов для экспериментального воздействия, устранение влияния случайных факторов);

Определение пределов измерений; систематическое наблюдение за ходом развития изучаемого явления и точные описания фактов;

Проведение систематической регистрации измерений и оценок фактов различными средствами и способами;

Создание повторяющихся ситуаций, изменение характера условий и перекрестные воздействия, создание усложненных ситуаций с целью подтверждения или опровержения ранее полученных данных;

Переход от эмпирического изучения к логическим обобщениям, к анализу и теоретической обработке полученного фактического материала.

Перед каждым экспериментом составляется его план (программа), который включает:

Цель и задачи эксперимента;

Выбор варьирующих факторов;

Обоснование объема эксперимента, числа опытов;

Порядок реализации опытов, определение последовательности изменения факторов;

Выбор шага изменения факторов, задание интервалов между будущими экспериментальными точками;

Обоснование средств измерений;

Описание проведения эксперимента;

Обоснование способов обработки и анализа результатов эксперимента.

Результаты экспериментов должны отвечать трем статистическим требованиям:

Требование эффективности оценок, т.е. минимальность дисперсии отклонения относительно неизвестного параметра;

Требование состоятельности оценок, т.е. при увеличении числа наблюдений оценка параметра должна стремиться к его истинному значению;

Требование несмещенности оценок - отсутствие систематических ошибок в процессе вычисления параметров.

Важнейшей проблемой при проведении и обработке эксперимента является совместимость этих трех требований.

Элементы теории планирования эксперимента

Математическая теория эксперимента определяет условия оптимального проведения исследования, в том числе и при неполном знании физической сущности явления. Для этого используются математические методы при подготовке и проведении опытов, что позволяет исследовать и оптимизировать сложные системы и процессы, обеспечивать высокую эффективность эксперимента и точность определения исследуемых факторов.

Эксперименты обычно ставятся небольшими сериями по заранее согласованному алгоритму. После каждой небольшой серии опытов производится обработка результатов наблюдений и принимается строго обоснованное решение о том, что делать дальше.

При использовании методов математического планирования эксперимента возможно:

Решать различные вопросы, связанные с изучением сложных процессов и явлений;

Проводить эксперимент с целью адаптации технологического процесса к изменяющимся оптимальным условиям его протекания и обеспечивать таким образом высокую эффективность его осуществления и др.

Теория математического эксперимента содержит ряд концепций, которые обеспечивают успешную реализацию задач исследования:

Концепция рандомизации;

Концепция последовательного эксперимента;

Концепция математического моделирования;

Концепция оптимального использования факторного пространства и ряд других.

Принцип рандомизации заключаетсяв том, что в план эксперимента вводят элемент случайности. Для этого план эксперимента составляется таким образом, чтобы те систематические факторы, которые трудно поддаются контролю, учитывались статистически и затем исключались в исследованиях как систематические ошибки.

При последовательном проведении эксперимент выполняется не одновременно, а поэтапно, с тем, чтобы результаты каждого этапа анализировать и принимать решение о целесообразности проведения дальнейших исследований (рис.2.1 ). В результате эксперимента получают уравнение регрессии, которое часто называют моделью процесса.

Для конкретных случаев математическая модель создается исходя из целевой направленности процесса и задач исследования, с учетом требуемой точности решения и достоверности исходных данных.

Важное место в теории планирования эксперимента занимают вопросы оптимизации исследуемых процессов, свойств многокомпонентных систем или других объектов.

Как правило, нельзя найти такое сочетание значений влияющих факторов, при котором одновременно достигается экстремум всех функций отклика. Поэтому в большинстве случаев за критерий оптимальности выбирают лишь одну из переменных состояния функцию отклика, характеризующую процесс, а остальные принимают приемлемыми для данного случая.

Методы планирования эксперимента в настоящее время быстро развиваются, чему способствует возможность широкого использования ЭВМ.

Вычислительным экспериментом называется методология и технология исследований, основанные на применении прикладной математики и электронно-вычислительных машин как технической базы при использовании математических моделей.

Таким образом, вычислительный эксперимент основывается на создании математических моделей изучаемых объектов, которые формируются с помощью некоторой особой математической структуры, способной отражать свойства объекта, проявляемые им в различных экспериментальных условиях.

Однако эти математические структуры превращаются в модели лишь тогда, когда элементам структуры дается физическая интерпретация, когда устанавливается соотношение между параметрами математической структуры и экспериментально определенными свойствами объекта, когда характеристики элементов модели и самой модели в целом находят соответствие свойствам объекта.

Таким образом, математические структуры вместе с описанием соответствия экспериментально обнаруженным свойствам объекта и являются моделью изучаемого объекта, отражая в математической, символической (знаковой) форме объективно существующие в природе зависимости, связи и законы.

Каждый вычислительный эксперимент основывается как на математической модели, так и на приемах вычислительной математики. Современная вычислительная математика состоит из многих разделов развивающихся вместе с развитием электронно-вычислительной техники.

На основе математического моделирования и методов вычислительной математики создались теория и практика вычислительного эксперимента, технологический цикл которого принято разделять на следующие этапы.

1. Для исследуемого объекта строится модель, обычно сначала физическая, фиксирующая разделение всех действующих и рассматриваемом явлении факторов на главные и второстепенные, которые на данном этапе исследования отбрасываются.

2. Разрабатывается метод расчета сформулированной математической задачи. Эта задача представляется в виде совокупности алгебраических формул, по которым должны вестись вычисления и условия, показывающие последовательность применения этих формул; набор этих формул и условий носит название вычислительного алгоритма.

Вычислительный эксперимент имеет многовариантный характер, так как решения поставленных задач часто зависят от многочисленных входных параметров.

В связи с этим при организации вычислительного эксперимента можно использовать эффективные численные методы.

3. Разрабатываются алгоритм и программа решения задачи на ЭВМ. Программирование решений определяется теперь не только искусством и опытом исполнителя, а перерастает в самостоятельную науку со своими принципиальными подходами.

4. Проведение расчетов на ЭВМ. Результат получается в виде некоторой цифровой информации, которую далее необходимо будет расшифровать. Точность информации определяется при вычислительном эксперименте достоверностью модели, положенной в основу эксперимента, правильностью алгоритмов и программ (проводятся предварительные «тестовые» испытания).

5. Обработка результатов расчетов, их анализ и выводы. На этом этапе могут возникнуть необходимость уточнения математической модели (усложнения или, наоборот, упрощения), предложения по созданию упрощенных инженерных способов решения и формул, дающих возможности получить необходимую информацию более простым способом.

Вычислительный эксперимент приобретает исключительное значение в тех случаях, когда натурные эксперименты и построение физической модели оказываются невозможными.

В науке и технике известно немало областей, в которых вычислительный эксперимент оказывается единственно возможным при исследовании сложных систем.

Общие принципы планирования экспериментов

Сравнение.

Рандомизация.

Репликация.

Однородность.

Стратификация.

уровнями фактора

Название: Общие принципы планирования экспериментов
Детальное описание:

С момента своего появления наука ищет пути к познанию законов окружающего мира. Совершая одно открытие за другим, ученые поднимаются все выше и выше по лестнице знания, стирая границу неизвестности и выходя на новые рубежи науки. Этот путь лежит через эксперимент. Сознательно ограничивая бесконечное разнообразие природы искусственными рамками научного опыта, мы превращаем его в понятную для человеческого разума картину мира.

Эксперимент как научное исследование - это форма, в которой и посредством которой наука существует и развивается. Эксперимент требует тщательной подготовки перед его проведением. В биомедицинских исследованиях планирование экспериментальной части исследования имеет особенно большое значение по причине широкой вариабельности свойств, характерной для биологических объектов. Эта особенность является основной причиной трудностей при интерпретации результатов, которые могут значительно различаться от опыта к опыту.

Статистические проблемы обосновывают необходимость выбора такой схемы эксперимента, которая минимизировала бы влияние вариабельности на выводы ученого. Поэтому цель планирования эксперимента заключается в создании схемы, которая необходима для получения как можно большей информации при наименьших затратах для выполнения исследования. Более точно планирование эксперимента можно определить как процедуру выбора числа и условий проведения опытов, необходимых и достаточных для решения поставленной задачи с требуемой точностью.

Планирование эксперимента появилось в агробиологии и связано с именем английского статистика и биолога сэра Рональда Эйлмера Фишера. В начале XX века на агробиологической станции в Ротамстеде (Великобритания) начались исследования влияния удобрений на урожайность различных сортов зерновых. Ученые вынуждены были считаться как с большой изменчивостью объектов исследования, так и с большой продолжительностью опытов (около года). В этих условиях не было иного пути, кроме разработки продуманного плана эксперимента для уменьшения негативного влияния указанных факторов на точность выводов. Применив статистические знания к биологическим проблемам, Фишер пришел к разработке собственных принципов теории статистического вывода и положил начало новой науке о планировании и анализе экспериментов.

Сам Рональд Фишер объяснял основы планирования на примере эксперимента произведенного для выяснения способности некой английской леди различать, что было налито в чашку в первую очередь - чай или молоко. Следует отметить, что для настоящих английских леди важно, чтобы чай наливался в молоко, а не наоборот, нарушение последовательности будет признаком невежества и испортит вкус напитка.

Эксперимент проходит просто: леди пробует чай с молоком и по вкусу пытается понять, в какой очередности были налиты оба ингредиента. План, разработанный для этого исследования, характеризуется рядом свойств.

Сравнение. Во многих исследованиях точное определение результата измерения затруднительно или невозможно. Так, например, леди не сможет количественно оценить качество чая, она будет сравнивать его с эталоном правильно приготовленного напитка, вкус которого знаком ей с детства. Как правило, в научном эксперименте объект сравнивается либо с неким заранее заданным стандартом, либо с контрольным объектом.

Рандомизация. Это очень важный момент в планировании. В нашем примере рандомизация относится к тому, в каком порядке представлять чашки на дегустацию. Рандомизация необходима для того, чтобы стало возможным применение статистических методов для анализа результатов исследования.

Репликация. Повторяемость - это необходимый компонент постановки эксперимента. Недопустимо делать выводы о способности к определению качества чая только по одной чашке. Результат каждого отдельного измерения (дегустации) несет в себе долю неопределенности, возникшей под влиянием множества случайных факторов. Следовательно, для выявления источника вариабельности необходимо провести несколько испытаний. С этим свойством связана чувствительность эксперимента. Фишер отмечал, что пока число чашек чая не превысит некоторого минимума, невозможно сделать какие-либо однозначные выводы.

Однородность. Несмотря на необходимость повторения измерений (репликация), их число не должно быть слишком велико, чтобы не утратилась однородность. Разность температур чашек, притупление вкуса и т. п. при превышении некоторого предельного числа повторений, могут затруднить анализ результатов эксперимента.

Стратификация. Выходя за рамки примера Р. Фишера к более абстрактному описанию экспериментального плана можно дополнительно указать такое свойство как стратификация (блокировка). Стратификация - это распределение экспериментальных единиц в относительно однородные группы (блоки, слои). Процедура стратификации позволяет минимизировать эффект известных нам неслучайных источников вариабельности. Внутри каждого блока ошибку эксперимента предполагают меньшей относительно варианта со случайным отбором для эксперимента такого же количества объектов. Например, при исследовании нового лекарственного препарата мы имеем два уровня фактора - «препарат» и «плацебо», которые назначаются мужчинам и женщинам. В данном случае пол - это блокирующий фактор, по которому происходит разделение исследуемых на подгруппы.

Описанные выше характеристики экспериментального плана полностью или частично относятся к любому научному эксперименту. Однако для начала работы недостаточно одного только знания об общих свойствах исследования, необходима более тщательная подготовка. Создание подробного руководства в рамках одной статьи невозможно, поэтому здесь будет изложена наиболее общая информация об этапах планирования эксперимента.

Любое исследование начинается с постановки цели. Выбор проблемы для изучения и ее формулировка повлияют как на дизайн исследования, так и на выводы, которые будут сделаны по его результатам. В самом простом случае формулировка проблемы должна предполагать вопросы «Кто?», «Что?», «Когда?», «Почему?» и «Как?».

В качестве иллюстрации важности данного этапа планирования можно привести исследование, в котором проводится сбор информации о дорожно-транспортных происшествиях. В зависимости от постановки цели, работа может быть направлена на разработку нового автомобиля либо нового дорожного покрытия. Несмотря на то, что используется один и тот же набор данных, постановка задачи и выводы существенно различаются в зависимости от формулировки проблемы.

После выбора цели работы следует определить так называемые зависимые переменные. Это переменные, которые будут измеряться при проведении исследования. Например, показатели функционирования тех или иных систем организма человека или лабораторных животных (частота сердечных сокращений, артериальное давление, содержание ферментов в крови и т. п.), а также любые другие характеристики объектов исследования, изменение которых будет для нас информативно.

Поскольку есть зависимые переменные, то должны быть еще и независимые переменные. Другое их название - факторы. Факторами исследователь оперирует в эксперименте. Это может быть доза исследуемого препарата, уровень стресса, степень физической нагрузки и т. д. Взаимосвязь между фактором и зависимой переменной удобно представлять с помощью кибернетической системы, часто называемой «черный ящик».

Черный ящик - это система, механизм работы которой нам неизвестен. Однако исследователь имеет информацию о том, что происходит на входе и выходе черного ящика. При этом состояние выхода функционально зависит от состояния входа. Соответственно y1, y2, ..., yp - это зависимые переменные, величина которых зависит от факторов (независимых переменных x1, x2, ..., xk). Параметры w1, w2, ..., wn представляют собой возмущающие воздействия, не поддающиеся контролю или изменяющиеся со временем.

В общем виде это можно записать так: y=f(x1, x2, ..., xk).

Каждый фактор в опыте может принимать одно из нескольких значений. Такие значения называют уровнями фактора . Может оказаться, что фактор способен принимать бесконечное число значений (например, доза лекарственного препарата), однако на практике выбирается несколько дискретных уровней, количество которых зависит от задач конкретного опыта.

Фиксированный набор уровней факторов определяет одно из возможных состояний черного ящика. Вместе с тем, это есть условия проведения одного из возможных опытов. Если перебрать все возможные наборы таких состояний, то мы получим полное множество различных состояний данной системы, количество которых будет числом всех возможных экспериментов. Для того, чтобы вычислить количество возможных состояний, достаточно число уровней факторов q (если для всех факторов оно одинаково) возвести в степень количества факторов k.

Совокупность всех возможных состояний определяет сложность черного ящика. Так, система из десяти факторов на четырех уровнях может находиться более чем в миллионе разных состояний. Очевидно, что в подобных случаях невозможно провести исследование, включающее все возможные опыты. Поэтому на этапе планирования решается вопрос о том, сколько опытов и каких именно необходимо провести для решения поставленной задачи.

Следует отметить, что свойства объекта исследования имеют существенное значение для эксперимента. Во-первых, нам надо иметь информацию о степени воспроизводимости результатов опытов с данным объектом. Для этого можно провести эксперимент, а затем повторить его через неравные промежутки времени и сравнить результаты. Если разброс значений не превышает наших требований к точности эксперимента, то объект удовлетворяет требованию воспроизводимости результатов. Другое требование к объекту - его управляемость. Управляемым считается объект, на котором можно провести активный эксперимент. В свою очередь, активный эксперимент - это такой эксперимент, в процессе которого исследователь имеет возможность выбора уровней факторов, представляющих для него интерес.

На практике не существует полностью управляемых объектов. Как уже говорилось выше, на реальный объект действуют как управляемые, так и неуправляемые факторы, что приводит к вариабельности результатов между отдельными объектами. Отделить случайные изменения от закономерных, вызванных различными уровнями независимых переменных, мы можем лишь с помощью статистических методов.

Но статистические методы эффективны лишь в определенных условиях. Одно их таких условий - это требование некоего минимального размера выборок, используемых в проведении эксперимента. Очевидно, что чем шире диапазон изменения признаков от объекта к объекту, тем больше должна быть повторность опыта, т. е. численность экспериментальных групп.

Поскольку, неоправданно большое число испытаний сделает исследование слишком дорогим, а недостаточный объем выборки может поставить под сомнение точность выводов, определение необходимого объема выборок играет решающую роль в планировании эксперимента. Методы вычисления минимального объема выборок подробно описаны в специальной литературе, поэтому привести их в статье не представляется возможным. Тем не менее, следует упомянуть, что они требуют предварительного определения средней величины исследуемого показателя и ее ошибки. Источником такой информации могут послужить публикации о похожих исследованиях. Если они еще не проводились, то возникает необходимость в выполнении предварительного «пилотного» исследования для оценки вариабельности признака.

Следующий этап в планировании экспериментов - это рандомизация. Рандомизация представляет собой процесс используемый для группировки объектов таким образом, чтобы у каждого из них была равная вероятность попасть в контрольную или опытную группу. Другими словами, выбор участников исследования должен происходить случайно, чтобы исследование не было отклонено в сторону «предпочтительного» для исследователя результата.

Рандомизация помогает предотвратить смещения, обусловленные причинами, которые не были непосредственно учтены в плане эксперимента. Для этого, например, формирование экспериментальных групп лабораторных животных производится случайным образом. Однако полная рандомизация возможна далеко не всегда. Так, в клинических исследованиях принимают участие пациенты определенной возрастной группы, с заранее заданным диагнозом и тяжестью заболевания, а, следовательно, отбор участников не является случайным. Кроме того, ограничивают рандомизацию так называемые «блочные» планы экспериментов. Эти планы подразумевают, что отбор в каждый блок выполняется в соответствии с определенными неслучайными условиями, а случайный отбор объектов исследования возможен только внутри блоков. Процесс рандомизации легко осуществить с помощью специализированного статистического программного обеспечения или специальных таблиц.

В заключение необходимо сказать о необходимости учета в плане исследования помимо требований медицины и статистики еще и морально-этических норм. Не стоит забывать о том, что не только люди, но и лабораторные животные должны вовлекаться в эксперимент в соответствии с этическими принципами.

При экспериментировании даже опытный исследователь не гарантирован от ошибок и искажений информации. Часть из них можно устранить, если более тщательно подходить к построению эксперимента. Другая часть в принципе неустранима» Но учет самой этой возможности, - возможности ошибок - позволяет вносить необходимые поправки.

Прежде всего ошибочно может быть названо экспериментом то что по сути дела таковым не является. При проведении параллель­ного эксперимента можно например, в одной заводской бригаде изменить систему оплаты труда, а в другой не менять, и может оказаться, что в первой бригаде производительность труда повы­силась. Однако такого рода ситуация ни в коей мере не будет экспе­риментальной, если - не будут приняты во внимание некоторые важные характеристики обеих групп и за ними ни будет установлен: контроль.

Экспериментальная и контрольная бригады должны быть равными по количественному составу, по роду деятельности, по распределению производственных функций, по типу руководства или другим важным c точки зрения гипотезы характеристикам. Если какие-либо важные групповые свойства не могут быть выравнены, следует попытаться их каким-то образом нейтрализовать или за­фиксировать и учесть при анализе результатов.

В тех случаях, когда социолог не делает этого, он не имеет нрава называть созданную ситуацию экспериментальной и объяснять изменение производительности изменением системы оплаты труда, так как изменение производительности может оказаться вы­званным любым другим случайным фактором, а не изменением; оплаты труда. Прежде чем называть исследование эксперименталь­ным, исследователь должен проанализировать, есть ли у него для: этого основания, иными словами, создал ли он необходимые условия и обеспечил ли нужный уровень измерения и контроля.

При формулировании гипотезы и при переходе от общей гипоте­зы коперациональным переменным могут возникнуть ошибки, свя­занные с логикой рассуждений.

В качестве объединяющей причины при формулировке гипотезы: могут быть ошибочно определены выделенные механизмы и связи. Обычно это бывает при изучении малоизвестных явлений, и тогда полученные в эксперименте негативные результаты являются положительным вкладом в разработку теоретической модели объекта наблюдения, так как они показывают, что данный механизм или связь не обусловливают происходящих процессов.

Ошибки возможны при переходе от определения гипотетической

связи к описанию ее эмпирических показателей. Неверно выбранные показатели лишают эксперимент какой бы то ни было ценности, вне зависимости от того, насколько тщательно оно проводился. Возможны ошибки, связанные, с субъективным восприятием ситуации как участниками эксперимента, так и исследователем. Эксперимен­татору часто бывает свойственна тенденция переоценивать воздей­ствие исследуемой переменной, и это приводит к тому, что любой двусмысленный факт он склонен толковать в желательном для него направлении.

Возможность субъективном толкования ситуации есть и у чле­нов экспериментальной группы: они могут воспринимать опреде­ленные черты экспериментальной ситуации в соответствии, с соб­ственными установками, а не в том значении, в каком они представ­ляются экспериментатору. Такое расхождение в восприятии если оно не учитывается при планировании эксперимента, обязательно скажется в ходе анализа результатов и значительно снизит их достоверность.

Ослабление контроля и понижение степени «чистоты» экспери­мента повышают возможность воздействия дополнительных перемен­ных или случайных факторов, которое по окончании эксперимента не может быть учтено или оценено. Это в свою очередь очень сильно понижает достоверность сделанных выводов.

Недостаточно опытного, исследователя подстерегает опасность, связанная с применением статистических методов, Он может при­менить методы, не соответствующие задаче исследования. Такая возможность относится как к построению экспериментальной груп­пы, так и к способу анализа результатов.

Применение эксперимента в социологии связано с целым рядом трудностей, не позволяющих добиться чистоты естественнонаучного эксперимента, поскольку нельзя устранить влияние отношений, существующих за пределами исследуемого, невозможно осуществить контроль факторов в той степени, как это удается в естественнона­учном эксперименте, повторить в той же самой форме ход и ре­зультаты.

Эксперимент в социологии затрагивает непосредственно конк­ретного человека, а Это ставит также и эпические проблемы, есте­ственно, сужает границы применения эксперимента и требует от исследователя повышенной ответственности.

Литература для дополнительного чтения

Ленин В. R, Великий почин. - Полн. собр. соч., т. 39, с. 1-29.

Афанасьев В. Г. Управление обществом как социологическая проблема. - В кн.: Научное управление обществом. М.: Мысль, 1968, вып. 2, с. 218-219.

Мелева Л. А., Сивоконь П. Е. Социальный эксперимент и его методологические основы. М.: Знание 1970. 48 с.

Кузнецов В. П. Эксперимент как метод преобразования объекта.- Вести. МГУ.

Сер. 7. Философия, 1975, № 4, с. 3-10.

Куприян А. П. Проблема эксперимента в системе общественной практики М. Наука, 1981. 168 с.

Лекции по методике конкретных социальных исследований/Под ред. Г. М. Анддреевой. М.: Изд-во МГУ, 1972, с. 174-201.

Михайлов С. Эмпирическое социологическое исследование. М.: Прогресс, 1975 с, 296-301.

Основы марксистско-ленинской социологии. М.: Прогресс, 1972, с. 103-108. Процесс социального исследования/Под общ. ред. Ю. Е. Волкова. М.: Прогресс 1975, разд. ПД II.4.

Пэнто Р., Гравитц М. Методы социальных наук. М.: Прогресс, 1972, с.557-562.

Рихтаржик К. Социология на путях познания. М.: Прогресс, 1981, с. 89-112.

Рузавин Г. И. Методы научного исследования. М.: Мысль, 1974, с. 64-84.

Штофф В. А. Введение в методологию научного познания. Л.; Изд-во ЛГУ. 1972. 191 с.

Раздел четвертый

В главе XV рассмотрены основные вопросы статистической обработки результатов эксперимента: определение наиболее достоверного значения измеряемой величины и погрешности этого значения по нескольким измерениям, оценка достоверности различия двух близких величин, установление достоверной функциональной зависимости между двумя величинами и аппроксимация этой зависимости.

Глава носит вспомогательный характер. Материал в ней изложен в справочной форме, без доказательств. Обоснование и более подробное изложение приведенных методов имеется, например, в .

1. Ошибки эксперимента.

Численные методы часто применяют при математическом моделировании физических и других процессов. Результаты расчетов в этом случае сравнивают с экспериментальными данными и по степени их согласованности судят о качестве выбранной математической модели. Чтобы обоснованно сделать заключение о соответствии или несоответствии, вычислитель должен знать, что такое погрешность эксперимента и как с ней обращаются, а также уметь в случае необходимости провести статистическую обработку первичных данных эксперимента.

Кроме того, задача статистической обработки эксперимента представляет самостоятельный интерес, поскольку она очень важна в тех приложениях, когда или требуется особенно высокая точность (например, уравнивание триангуляционных сетей в геодезии), или разброс отдельных измерений превосходит исследуемый эффект (что нередко встречается в физике элементарных частиц, химии сложных соединений, испытании сельскохозяйственных сортов, медицине и т. д.).

Обычно, чем точнее эксперимент, тем более сложной аппаратуры он требует и дороже обходится. Однако хорошо продуманная математическая обработка результатов в ряде случаев позволяет выявить и частично исключить ошибки измерений; это может оказаться не менее эффективным, чем использование более дорогой и точной аппаратуры. В этой главе будет рассмотрена статистическая обработка, позволяющая существенно уменьшить и аккуратно оценить случайную ошибку измерений.

Ошибки эксперимента условно разбивают на систематические, случайные и грубые; рассмотрим их подробнее.

Систематические ошибки - это те, которые не меняются при многократном повторении данного эксперимента. Примерами таких ошибок являются пренебрежение выталкивающим действием воздуха при точном взвешивании или измерение тока гальванометром, нуль которого неправильно установлен. Различают три вида систематических ошибок.

а) Ошибки известной природы, величину которых можно определить; их называют поправками. Так, при точном взвешивании рассчитывают поправку на выталкивающее действие воздуха и прибавляют ее к измеренной величине. Внесение поправок позволяет существенно уменьшить (или даже практически исключить) ошибки такого рода.

Заметим, что иногда расчет поправок бывает самостоятельной сложной математической задачей. Например, некорректно поставленная задача (14.2) о восстановлении переданного радиосигнала по принятому является, по существу, нахождением поправки на искажение принимающей аппаратуры.

б) Ошибки известного происхождения, но неизвестной величины. К ним относится погрешность измерительных приборов, определяемая их классом точности. Для таких ошибок обычно известна только верхняя граница, а как поправки их учесть нельзя.

в) Ошибки, о существовании которых мы не знаем; например, используется прибор со скрытым дефектом или изношенный, фактическая точность которого существенно хуже, чем обозначено в техническом паспорте.

Для выявления систематических ошибок всех видов обычно заранее отлаживают аппаратуру на эталонных объектах с хорошо известными свойствами.

Случайные ошибки вызываются большим числом факторов, которые при повторении одного и того же эксперимента могут действовать по-разному, причем учесть их влияние практически невозможно. Например, при измерении длины предмета линейка может быть неточно приложена, взгляд наблюдателя может падать не перпендикулярно шкале и т. д.

При многократном повторении эксперимента результат вследствие случайной ошибки будет, различным. Однако такое повторение и соответствующая статистическая обработка позволяют, во-первых, определить величину случайной ошибки и, во-вторых, уменьшить ее. Повторяя измерение достаточное число раз, можно уменьшить случайную ошибку до требуемой величины (целесообразно уменьшать ее до величины 50- 100% от систематической ошибки).

Грубые ошибки - это результат невнимательности наблюдателя, который может записать одну цифру вместо другой.

При единичном измерении грубую ошибку не всегда можно опознать. Но если измерение повторено несколько раз, то при статистической обработке выясняют вероятные пределы случайной ошибки. Измерение, существенно выходящее за полученные пределы, считается грубо ошибочным и не учитывается при окончательной обработке результатов.

Таким образом, если измерение повторено достаточно много раз, то можно практически исключить грубые и случайные ошибки, так что точность ответа будет определяться только систематической ошибкой. Однако во многих приложениях это требуемое число раз оказывается неприемлемо большим, а при реально осуществимом числе повторений случайная ошибка может быть определяющей.