rceno oouze Výmluvy ve formě hypotéz H 1: Sociologie je ještě mladá vida, neměla dosud čas vyvinout své vlastní paradigma. ALE: Kybernetice není ještě ani padesát let a je nesporně "normálni* vědou. Moderní sociologie byla pokřtěna Comtem v roce 1839. Nicméně to, co bychom dnes označili za sociologii, nalezneme již v Platónovi a jinde. H 2: Sociální jevy jsou rychle proměnné a proto je velmi obtížné je analyzovat. Naši kolegové v chemii a fyzice byli schopni definovat všechny důležité vlastnosti těžkých prvků, i když poločas života těchto prvků je jen nepatrný zlomek . vteřiny. H 3: Mnohé sociální jevy nejsou dostupné přímému pozorování. To je pravda, ale i kolegové v přírodních vědách jsou odkázáni na nepřímé pozorování. Nikdo nikdy neviděl atom, jenom jeho reprezentaci. H 4: Chytří studenti pochopí, že studium sociálních věd není cestou k finančně úspěšné kariéře. Jenom ti méně chytří volí náš obor. Tuto hypotézu necháme raději bez komentáře. 16 ) studijní účely H 5: Sociální jevy jsou vzájemně propojeny. CastD se zdá, že všechnosouvisí se vším ostatním. Tahle hypotéza stojí za vážné zamyšlení. Ze všech hypotéz si jen ta poslední zaslouží podrobnou analýzu. 1,3. Co nezkoumat Ashby (1965) se kdysi zamyslil nad elementárními kroky v empirickém výzkumu. Každý vědec přirozeně vybírá pro své pozorování jenom tu část reality, kterou považuje za relevantní. Nicméně výběr této části reality nemůže být arbitrárni. Musí respektovat to, co Ashby označuje za "přirozený systém." Přirazený systém je definován jako soubor proměnných, kleré jsou navzájem spojeny mnoha vztahy. Naproti tomu počet vztahu spojujících jeden přirozený systém s jiným přirozeným systémem je veličinou nižšího řádu. Můžeme si to představit třeba tak^jak to ukazuje náš graf: jako skupinu mnoha křížků, představujících elementy jednoho přirozeného systému. Jednotlivé křížky jsou spojeny mnoha vazbami. Můžeme si třeba představit, že každý křížek je spojen se všemi zbývajícími křížky. Druhý přirozený systém je představován souborem mnoha malých kroužku, které jsou opět vzájemně spojeny mnoha a mnoha spoji. Ale existuje jenom jediný spoj mezi oběma systémy. E.LĚ2, a 17 rceno pouze Graľ 1.1. "Přirazené" syslémy Proč je koncept "přirozeného systému" luk důležitý? Protože není možné vysvětlit chování systému, který není informačně uzavřený. Informačně uzavřený je takový systém, který nemůže být ovlivněn ničím zvenku bez vědomí výzkumníka. Interpretace chování informučně otevřeného systému muže vést k vážnému zkreslení: Pohádka nro odrostlejší děli 1. O zlém profesorovi a informačně otevřeném systému. Byl jednou jeden profesor, ne moc dohry profesor a ne moc dohry člověk. Zvláště zlý byl na svého asistenia. a lak se jednoho dne ten asistent vzbouřil. Začal tajně přidávat do profesorových zkumavek jakousi suhstanci. Zlý profesor dostava! náhle neočekávané výsledky, kieré jeho věda nemohla vysvětlit. Byí z toho opravdu zoufalý. Opustil univerzitu a zaěa! v Koleích prodávat květiny. Tak se informačně neuzavřený syslém zasloužil o proměnu špatného profesora v užitečnou lidskou bylosL studijní účely A právě zde je místo pro koncept přirozeného systému. Když výzkumník správně vyberu úplný přirozený systém, musí kontrolovat jenom několik málo vstupu, přicházejících z jiných přirozených systémů. Náš příklad s křížky a kolečky nám pomůže ilustrovat situaci, kdy výzkumník vybral neúplný přirozený syslém, třeba proto, že není známo, co patří do systému, nebo protože syslém obsahuje proměnné, které nejsme s to pozorovat. Řekněme, že vyhral jenom polovinu křížku. Nyní musí kontrolovat nejen těch několik málo linek spojujících křížky s kolečky, ale i mnoho a mnoho kanálů, spojujících vybrané křížky s těmi nevybranými. Jeho úkol je teď mnohem obtížnější. Cvičení 1.1. Co Se stane, když výzkumník vybere více než jeden přirozený systém? (Odpověď naleznete na konci této kapitoly.) Inlerpretace neúplně popsaného systému může vést k velice vážnému zkreslení. A zde jsme u klíčového bodu naší diskuse. Existuje nějaký rozdíl mezi přirozenými systémy přírodních a sociálních věd? Představme si jednoduchý fyzikální experiment. Řekněme, že bychom chlěli experimentálně uslavit, jaký je bod varu vody. Které proměnné musíme sledoval, abychom doslali uspokojivě spolehlivé výsledky? Přirozeně musíme měřil teplotu vody. Ze slředDškoJské fyziky si ješlě pamatujeme, že bod varu závisí na tlaku vzduchu a že bychom také měli kontrolovat čistotu vody. Pro jistotu bychom se měli také přesvědčil, zda je teploměr.správně kalihrován. Několik málo elemenlů nám zde stačí k uspokojivě úplnému popisu přirozeného systému. Vezměme si naprou tomu jednoduchý příklad vztahu v oblasti sociální. Chceme Iřeba sludovat, co může ovlivnit příjem jedince. Jistě: privolaní, pozice v zaměstnání, místo práce, délka vzdělání, lyp vzdělání, pracovní zkušenost, věk, pohlaví, zdravotní slav, rodinné poměry, členství v určitých organizacích, vzdělání rodičů, povolání rodičů, vzdělání a povolání manžela neho manželky, vzdělání a povolání dětí nebo jiných členů domácnosti, členství v různých neformálních organizacích, příhuzní v zahraničí, přístup k různým nedostatkovým praduklüm aid. Mohli bychom pokračovat s tímto výčtem ješlě velmi dlouho. Povšimněme si laké, že mnoho z hodů, které jsme právě zmínili, představuje ve skutečnosti celý suubor proměnných. Kupř. lakové hody jako pracovní zkušenost, členství v organizacích. 18 19 Určeno pouze i poslušnost k neformálním skupinám musí hýl měřeny celou sérií otázek v dotazníku neb™ interview. Již terno první pohled důrazné naznačuje, že přirozené systémy v sociálních vědách jsou mnohem rozsáhlejší než systémy v exaktní vědě. Nezapomeňme, že pokud si umíme představil situaci, ve které "něco" muže ovlivnil to, co studujeme, také ono "něco" patří do přirozeného systému. Kdybychom tedy snili o úplném popisu systému faktorů ovlivňujících příjem, museli bychom do našeho výčtu zahrnout i lakové věci jako tělesnou váhu, barvu očí a vlasu, vlastnictví určitých předmělů o slovky, pravděpodobně i tisíce podobných proměnných. Cvičení 1.2: Vyjmenujte několik proměnných, o kterých můžete předpokládal, že nemohou mít žádný vliv nu výši přijmu. Je ledy zřejmé, že počet proměnných v "přirozených systémech" v oblasti zájmu sociálních věd je nesmírný. Již jenom z hlediska počtu proměnných není valná naděje, že bychom mohli popsal přirozený syslém perfektně. Analýza neúplně popsaného systému je spojena s vysokým rizikem zkreslení. Podívejme se nyní na logiku tohoto zkreslení. 1.4. V tom šílenství je systém Představme si, že systém, který máme zkoumat, sestává jenom ze tří proměnných. Jenom dví z íčehtu proměnných ( X a V ) jsme zahrnuli do našeho výzkumu, ne vsak třetí proměnnou (z }. Třeba proto, že o ní nevíme, nebo ji prosté neumíme mařit. Podívejme se nu některé typy zkreslení, které tak mohou nastal. Můžeme je - značně zjednnduíené - klasifikovat do následujících kategorií: • nepravá korelace • vývojová sekvence - cbyhíjící střední řlen • dvojí pfľíäna 20 jli studijní účely ;|...■.:.. ■.:'. tfpprMÍ korelace V řadě evropských regionů bylo zjištěno, že čím více čápů žije v určité krajině, tím vyšší je H tam porodnost- Korelační koeficienty byiy tak významné, že je velice nepravděpodobné, že li ziíštěná souvislost je náhodná. Jsme tedy ochotni přijmout hypotézu, že čápi přece jen nosí "' ■ ' rPií? ■ Asi sotva. Ale pak je naší povinností navrhnout hypotézu, která by uspokojivě :| vysvětlovala naměřenou souvislost. Graf 1.2-Nepravá korelace Toto je klasický příklad nepravé korelace ("spurious correlation"). Zkreslení vzniká tehdy, když třetí nepozorovaná nebo neanalyzovaná proměnná ovlivňuje nějak obě proměnné X a Y, které studujeme. Cvičení 1.3. Podívejte se pečlivě na graf 1.2., popisující nepravou korelaci. Navrhněte, co může být to tajemně Z. Jistě nám nehrozí nebezpečí, že bychum přijali hypulézu, že ľ.ij-i misí děd. Ale představme si, že náprava korelace se zdá potvrzovat nasi oblíbenou hypotézu, 1'diihii výzkumník musí mil objektivnost anděla a trpělivost nerostného krystalu, aby pracní zabil to, co se po nieste pokoušel dokázal. 21 Určeno pouze Nepravá korelace je skutečným nebezpečím ve výzkumu. Není [o ani lak technický problém analýzy, ale spíäe problém lidské kvality výzkumníka. Vývojová sekvence Tak nazýváme zkreslení, způsobené faktem, ie prtimCnná X, klerä ovlivňuje Y, je určována předcházející, ale nepozorovanou pramennou Z, Graf 1.3. Vývojová sekvence Jukse to jmi: X Jak loje: %> V Taková situace je skutečné naprosto nevyhnutelná. Každá příčina má totiž jinnu příčinu, ta zase jinou příčinu, která má opět svoji příčinu, a tuk bychom mohli pokračovat až k aktu slvorení, nebo k tomu, co astronomové nazývají Big Bang. To je problem velmi dobře známý filozofům, kteří ho obvykle nazývají "regresus ad infinitivům" Nicméně, někdy .můžu předčasné přerušení kauzálního řetězce vést k mylné interpretaci. Některé studie tvrdí, že četba pornografické literatury vyvolává násilné chování mužů k ženám. Nelze však vyloučit, že je zde nějaký předcházející činitel, jako kupř. autoritativní metoda socializace respondenta v dětství, který vyvolal silný zájem jedince o pornografii. Takový omyl je závažný zejména tehdy, když cíiem výzkumu je sociální intervence. studijní účely T- k ie označována situace, kde mezi nezávisle proměnnou X a závislou Y je ještě proměnná :ZÍ: kterou jsme nezahrnuli do analýzy. Graf 1.3. tuto situaci jasně popisuje. Je ta opět IřonfiEUrace, která je léměř všudypřítomná. Kdybychom se jakousi sociologickou lupou □dívali co se děje mezi nějakou příčinou a jejím následkem, existuje ještě řada mezikroků. : Často můžeme tyto elementy ignorovat bez rizika zkreslení. Ne však vždycky. Graf 1-4. Chybějící střední člen Řekněme, že X reprezentuje pohlaví respondentů a Y jejich skůre v testu inteligence. Je možné, že výsledky žen, a to zejména žen příslušejících k nižším sociálním třídám, by byly signifikantně nižší, než výsledky mužů. Cvičení 1.4. Zamyslete se, prosím, nud předchozím odstavcem a navrhněte alternativní hypotézu, ukazující mužským šovinistům, ie takové výsledky nepotvrzují superioritu nás, půnň tvorstva. Zkreslení tohoto typu může být nebezpečné. Můžeme je často najít v quasivědeckých pracích, podporujících rasismus, v některých politických pamfletech atd. Mnohé noviny se dopouštějí tohoto hříchu z nevědomosti, když publikují výsledky statistických setření. 23 Určeno pouze p Dvoií příčina Takto můžeme označil situaci, kdy závislá proměnná Y má dvě příčiny, ale jenom jedna z nich, X, byla zahrnuta do výzkumu. Toto je asi nejčastější problém výzkumu v sociálních vědách. Pravděpodobně neexistuje žádný sociální jev, který by měl jedinou příčinu. I v našem nesmírně zmenšeném vesmíru, složeném jenom ze tří proměnných, si můžeme představit, jaké zkreslení může vyvolal, není-H tato další příčina zahrnuta do analýzy. Graf 1.5. Dvojí příčina Cvičení 1.5. Představme si třeba, žeXje vzdělám jedince a že Y je jeho příjem. Poklid přepokládáme, že se vzděláním příjem poroste, mohli bychom zjistit, že souvislost je velice nízká, nebo dokonce nulová. Co mohlo vyvolat toto zkreslení? Teoreticky by bylo možné namítnout, že v některých situacích neměřená proměnná Z muže posilovat vliv příčiny X. Ale to je krajně nepravděpodobné. Jak vidíme z graľu I.4., mezi X a Y není žádný příčinný vztah. I naše cvičení 1.5. je platné jenom uvnitř našeho nerealisticky miniaturizovaného systému tří proměnných. Je jasné, že realisticky by bylo třeba zahrnout další proměnnou "věk", která ovlivňuje vzdělání, a prostřednictvím "zkušenosti", "seniority" i příjem. 24 1 studijní účely ^' v V; skutečnosti "dvojí příčina" (double causation) má efekt náhodné disturbance, náhodného ;--;"- Eénf Tedy téměř vždy vede k tomu, že naměřená souvislost mezi X a Y ja nižší, než ■■'''■'-"däiéčná-iTcnto vzorec .bychom mohli právem označil za "nepravou nezávislost". Taje pak ■;{;■ rjuiijžitou příčinou stochastického, pravděpodobnostního charakteru poznatků sociálních věd. ■■"■■'.'.'■': 1£: Máme toho moc Představme si, že bychom opravdu snili o vytvoření modelu, který by nám pomohl odhadnout výši: jednotlivcova platu tak přesně, jak je to jen možné. V předchozích odstavcích jsme ukázali, že bychom k tomu potřehovali informaci ne o stovkách, ale pravděpodobně a lišících proměnných. I leimá úvaha nás brzy přesvědčí, že takový projekt nemá naději na úspěch: trvání výzkumného rozhovoru i délka dotazníku jsou objektivně omezeny. Rozhovor delší než jednu hodinu si můžeme dovolil jen ve velmi, výjimečných případech, třeba tehdy, pokud je pífedrnčt našeho výzkumu zajímavý pro respondenta. Návratnost dotazníku, beztak všude na světě nízká, se vzrůstající délkou dotazníku rychle klesá. Nízká návratnost je pak zdrojem závažného zkreslení, jak o tom budeme hovořil v naší kapitole o populaci a vzorku. Nadto Sběr dat je aktivilou hodně nákladnou. Praxe sociologického výzkumu ukazuje, že standardní Výzkumy pracují s několika desítkami proměnných a jen u mála skutečně rozsáhlých výzkumů . počet proměnných překročí hranici dvou set. . :.r, • i Je tedy zřejmé, že v sociálních vědách prakticky nikdy nebudeme pracovat s úplně popsaným přirozeným systémem a tudíž budeme vždy vystaveni zkreslením, která jsme diskutovali v předchozím textu. Tato zkreslení nebudou mil tak jasný charakter; doména výzkumu nesestává jen ze tří proměnných. Nutnost pracoval s redukovaným popisem reality je ještě zdůrazněna následujícím faktem, Že redukce informace v.sociologickém výzkumu probíhá na několika úrovních. redukce počtu pozorovaných proměnných; redukce počtu analyzovaných vztahu mezi nimi; redukce populace na vzorek a redukce časového kontinua na popis jednoho, nebo několika málo časových bodu. ltedukce nočtu pozorovaných proměnných a její efekt na vznik zkreslení jsme popsali v paragrafu 1.4, 25 Určeno pouze p Redukce počtu analyzováních vztahu mezi proměnnými způsobuje zkreslení totožná s redukcí počtu pozorovaných proměnných. Je to logické a docela banální: když nevypočítame, jak třeba délku pracovní zkušenosti souvisí s příjmem, efekt je stejný, jako bychom informaci o zkušenosti nezískali vůbec. Nicméně ve srovnání s předchozí situací existuje zde zásadní rozdíl: redukce v počtu vztahů je vždycky mnohem rozsáhlejší. Ze všech vztahů, které existují v přirozeném systému budeme schopni studovat jenom zlomek, který je menší, než procento proměnných, které jsme ze všech relevantních proměnných zahrnuli do popisu. Nadto, my zde ještě více redukujeme systém, který hyl již redukován co do počtu proměnných. Ilustrujme si to opět na našem příkladu s příjmem, jako závisle proměnnou. Pro úplní pochopení tohoto systému např. nestačí vědět, jaký vliv na příjem má vzdělání. Je třeba také vidět, zda efekt vzdělání je totožný pra jedince s různým zaměstnáním. Je stejný pro muže jako pro ženy? Jak je vliv vzdělání modifikován pracovní zkušeností v oboru, ve kterém respondent nyní pracuje, případně zkušeností v jiných oborech'.' Jaký je vliv vzdělání u žen, náležejících do věkové skupiny 311-41), s dvěma dětmi ve věku 10 až 14 let, které žijí v obcích s populací 10 až 20 tisíc, které pracují v administrativě v textilním průmyslu, které mají více než deset let praxe v oboru, jejichž manžel má vysokoškolské vzdělání, ale je v invalidním důchodu atd.? Zkrátka, pro úplnou analýzu bychom potřebovali skutečně vyčíslit nejen vztahy mezi všemi proměnnými, ale i mezi jejich všemi možnými kombinacemi. Již tato úloha by vyžadovala vypočítat, analyzovat a interpretovat skutečně astronomické množství koeficientů. Řekněme, že bychom analyzovali vliv souboru o sto proměnných na příjem. Tento soubor nezávisle proměnných může být kombinován do 2[m různých vzorců, Tedy pro úplný popis vlivů těchto proměnných přímo na příjem by byl počet pntřehných koeficientu vyjádřen číslem I následovaným usi 30ti nulami. To však nezahrnuje analýzu nepřímých vlivů. Z teoretických i praktických důvodu může být pro nás důležitě vědět nejen tn, jaký je přímý vliv vzdělání na příjem, ale i to, jak vzdělání ovlivňuje zaměstnání, klení pak ovlivní příjem. 26 i studijní účely ■^: "^ vLkanitole 5. uvidíme, ie situace je ješlě mnohem komplikovanější, že z hlediska statistiky ■ ■■''^rnaif proměnné různý charakter. Některé, nominálni, jsou představovány jenom jmény '■-■^'■k^Éorií (kupř- kraj, ve kterém respondent žije). O jiných, ordinálntch, jsme schopni říci, že "::nrčltä kategorie je vyšší (lepší, silnější atd.) než jiná, ale nejsme schopni říci, kolikrát je lep.š-í ■ : fkuoř. zlatá a stříbrná medaile ve sportovní soutěži). Konečně existují intervalové proměnné, š které mají skutečně kvantitativní charakter. U nich je možné říci, kolikrát je určitá kategorie ;!' vyšší, (Je zřejmé, že příjem čtyři tisíce je dvakrát vyšší, než příjem dva tisíce.) Pro každý "i'i:'"z těchto typů proměnných musíme použít jiný soubor statistických operací. V téže kapitole ■.'■■.' uvidíme, že souvislost mezi proměnnými muže mít riizný tvar, od přímky ke křivkám různých .: stupňů. Každý typ souvislosti je sledován jiným typem operací. Je tedy zřejmé, že úplná analýza vztahu mezi proměnnými by přesáhla kapacitu největších superpočítačů a a z praktických, ekonomických a časových důvodů je neuskutečnitelná. Představa, že by takový objem informace mohl nýt smysluplně interpretován, je prostě absurdní. Nutnost pracovat s redukovaným počtem analyzovaných vztahů není duna současným stavem vědy a technologie, ale dá se říci, že má objektivní, absolutní charakter. Redukce populace na vzorek Diskuse tohoto typu redukce bude mnohem optimističtější, než předchozí výklad. Prohlémy jsou zde spíše technického a zejména ekonomického, než epistemologického charakteru. Teorie i praxe konstrukce vzorku je dobře propracována.Budeme se jí zabývat v kapitole 4. Zde jen poznamenejme, že za určitých okolností jsme schopni definovat velikost chyby v měření, které se dopustíme, když pozorujeme vzorek namísto celé populace. Redukce časového kontinua na jeden časový hod Naprostá většina sociálních jevů se mění s průběhem času. Některé jevy zvolna, jiné velice rychle. Naproti lomu ve výzkumné praxi získáváme nejčaslěji jenom obraz jediného časového bodu. Filmový záznam nahrazujeme stalieknu fotografii. To nemusí být v mnoha případech nu závadu, pokud neusilujeme u kauzální vysvětlení, o vysvětlení příčinné souvislosti. Na tomto místě se nebudeme zabývat zajímavými cpistemoloaickými a teoretickými aspekty 27 rčeno pouze pro studijní účely , __fi_r___i.-._.. c_/í.. ,.„ „„,ir...;mo ;-,!• nirinn vílu Tm,"nv v nrnměnní X isou onravdu*"...... ,,.... , .. ...... , , _....... , ., . .... . . .. ...... ____».__.-____- ___• L-. kauzální analýzy. Spíše se podíváme jak poznat, zda změny v proměnné X jsou opravdu příčinou změn v proměnné Y Abychom mohli prohlásit, že vztah mezi dvěma proměnnými.má kauzální charakter, musí být splněny všechny následující podmínky: (1) Musí existovat souběžné změny v obou proměnných, (2) musíme vyloučit existenci nějaké další, vnější příčiny a _ (3) změny v obou proměnných se musí objevit v logickém časovém pořadí. S prvním bodem nebudeme mít velké problémy. Souběžné změny mohou být relativně snadno měřeny různými statistickými koeficienty souvislosti. O některých z nich budeme hovořit v naší statistické kapitole 8. Ovšem zjištění, že existuje významná souvislost mezi proměnnými, samo o sobě nestačí. Jinak hychom mohli v našem příkladu v odstavci 1.4. akceptovat hypotézu, že čápi nosí děti. Respektovat druhý bod je v sociálních vědách, s výjimkou experimentu, skutečně nemožné. My už vlastně víme, proč tomu lak je. Ukázali jsme, že jsme schopni popsat a analyzovat "přirozený sysuím" jen velmi neúplně. Nelze tedy naprosto vyloučit, že studované proměnné jsou vystaveny vlivu nějaké vnější proměnné, a my o tomto vlivu nevíme. Jedině skutečný experiment - pokud je vůbec uskutečnitelný • se může s louto situací vypořádat. Jak - o lom bude řeč v příští kapitole. Třetí podmínka znamená, že změny v nezávisle proměnné, ledy v té proměnné, kterou považujeme za příčinu, musí nastat dříve než v druhé, záviste proměnné. Zjistit tento fakt v sociálních vědách může být obtížné a velmi často i nemožné. S výjimkou experimentálního přístupu (a s výjimkou některých případu přímého pozorování) je časové kontinuum redukováno na jediný časový bod. Kupř. odpovědi zaznamenané v dotazníku nezrcadlí nic víc než, řekněme, názory respondenta minulý čtvrtek odpoledne. Nevíme, co se stalo dříve a co později. Můžeme líebu zjistit, že lidé, kteří čtou určitý časopis, obhajují určitý názor mnohem častuji, než ostatní respondenti. Nejsme však schopni říci, zda čtení časopisu přispělo k vytvoření tohoto názoru, nebo zda lidé čtou časopis proto, že odpovídá jejich názorům. V neexperimentálni situaci je ví-imiiou nemožní zjistit časovou posloupnost přímo ze získaných dat. Výjimkou jsou takové situace, kdy víme, že určitá proměnná prostě musí být příčinou. Když zjistíme, že ženy používají rtěnku mnohem časlěji než muži, nebudeme pochybovat o směru kauzality. Prostě víme, že i kdybychom začali užívat něnku denně, nezmění nás to v krásné ženy. Ale lato naše znalost je importována z vnějšku, nepochází i, výzkumných dal samotných. Někdy, ale poměrně zřídka, můžeme tento problém obejít tím, že výzkum na stejné populaci opakujeme po určitém časovém odstupu. To je nejen nákladné, ale také můžeme tenio postup aplikoval jenom tehdy, když můžeme s dostatečnou jistotou očekávat, že populace bude vystavena vlivu nezávisle proměnné v období mezi prvním a druhým výzkumem. Někdy to je snadné, když kupř. studujeme vliv zahájení vysokoškolského studia na názory mladých lidí. Studujeme-li však, jaký "vliv na postoje má tfeha náhodný dramatický zážitek, pak je tento postup neaplikovatelný. Dalo by se namítnout, že se můžeme zeplat respondenta, co se stalo dříve a co později. Ale otázky o minulosti jsou notoricky nespolehlivé. Pokud se nejedná o něco, co hylo pro zkoumanou osohu subjektivně skutečně důležité, respondent prostě nemusí znát tuto informaci. Velice často nám sice odpoví, ale tato odpověď bude bohužel neplatná. Rozhodně špatnou strategií by byla !přesunout na respondenta odpověď na otázku, co bylo příčinou a co následkem. To je zejména důležité v oblasti motivace. Respondent prostě nezná nebo nedovede vyjádřit skutečné důvody svého určitého rozhodnutí. Profesor Hyhlík ve svých přednáškách z psychologie zdůrazňoval, že otázka "proč" do interview.nebo do dotazníku prostě nepatří. Odpověď na loto "proč" musí hledat výzkumník a ne respondenL Je ledy zřejmé, že redukce časového kontinua a redukce počtu sledovaných proměnných a vztahů mezi nimi doslova vylučuje kauzální anniýzu dat v neexperimentálni situaci. Jak jsou tato omezení překonávána v experimentu a jaké jsou meze aplikace experimentu v sociálních .vědách, o tom bude řeč v následující kapitole. Určeno pouze pro studijní účely Řešení úkolů z kapitoly 1. Cvičení 1.1. Nestane se příliš mnoho. Při analýze se brzy zjistí, že skupina proměnných nesouvisí s ostalními. Výzkumník ztratil jenom nějaký čas sbíráním dat, která skutečně nepotřeboval. Nebezpečí chybné interpretace zde opravdu nehrozí. Mimoto brzy uvidíme, že nebezpečí tohoto typu omylu je v sociologii nulové. Cvičení 1.2. To Je velice těžká otázka. Sám jsem s jejím řešením nikdy příliš neuspěl. Dlouho jsem v přednáškách používal přiklad respondentovy krevní skupiny, až mi někdo správne namítl, že v některých zemích, kde se platí za odběr krve, dárci s řídce se vyskytující krevní skupinou dostávají vyšší odměnu než ostatní. Jiný můj oblíbený příklad, číslo bot, byl rovněž právem napaden. Velikost chodidla může být asociována se silou lýtkových svalů a tento takt může ovlivnit výkon profesionálního atleta, a tedy i jeho příjem. Pak nám zbývají takové příklady, jako den v týdnu, na který se respondent narodil (pokud ovšem nevěříme na nějaký zvláštní druh astrologie). Ve střední Evropě by asi nemělo vliv číslo domu. (Naproti tomu v severoamerických městech tento předpoklad neplatí. Městské bloky mají velice často shodnou velikost a rohové parcely jsou téměř vždy největší a mohou tak produkovat větší příjem z nájmu.) 2 Cvičení 1.3. Jistě, máte pravdu. Čím více průmyslu, tím více exhalací a tím horší životní podmínky pro čápy. Zároveň je známo, že průmyslové oblasti mají často mnohem nižší porodnost, než oblasti zemědělské. Cvičení 1.4. To bylo lehké, že? Většina testů byla vyvinuta mužskými profesory, náležejícími alespoň dD vyšší střední třídy. Jejich socializace, která je ve většině společností odlišná od socializace žen, se odráží v obsahu testů. Tím jsou úkoly testu pro zeny, a zejména pro ženy z nižších tříd, těžší. Jak studovat armádu v laboratoři Cvičení 1.5. Téměř ve všech průmyslových zemích mají starší generace nižší vzdělání, než ty mladší. Zároveň ale, s přibývajícím věkem, jedinec získává větší zkušenost, seniorrtu, a jeho plat roste. Tento faktor může naměřený efekt vzdělání snížit, nebo dokonce anulovat. experiment srovnávání statických skupin předběžné a následné sledování jedné skupiny klasický experiment následné pozorování nu 2 skupinách Sulomonüv experiment typy zkreslenf historie zram prostředí inslrumenlace regrese k průměru úmrtnost testování limity aplikace pozice sociologie v systému věd 311 31