SADRŽAJ

1. POJAM ZNANOSTI I ZNANSTVENOISTRAŽIVAČKOG RADA I.1. Što je znanost? .............................................................I.2. Osnovna obilježja znanosti .............................................I.3. Osnovne znanstvene kategorije………………………………………….

I.3.1. Pojam…………………………………………………………………………..I.3.2. Sud………………………………………………………………………………I.3.3. Zaključak…………………………………………………………………….I.3.4. Definicija……………………………………………………………………..I.3.5. Divizija………………………………………………………………………..I.3.6. Znanstveno otkriće……………………………………………………I.3.7. Dokaz………………………………………………………………………..

I.4. Razvoj znanosti ............................................................I.4.1. Povijesni razvoja znanosti...........................I.4.2. Razvoj suvremene znanosti...................................

I.5. Obilježja znanstvene spoznaje.........................................I.5.1. Objektivnost znanstvene spoznaje.........................I.5.2. Preciznost znanstvene spoznaje ...........................I.5.3. Sistematičnost znanstvene spoznaje……………………… I.5.4. Općost znanstvene spoznaje……………………………………I.5.5. Provjerljivost znanstvene spoznaje………………………….I.5.6. Organiziranost znanstvene s poznaje………………………..

I.6. Osnovni oblici znanstvene spoznaje.................................I.6.1. Znanstveni zakon................................................I.6.2. Pojam i struktura znanstvene teorije......................I.6.3. Znanstveno objašnjenje i znanstveno predviđanje....

I.6.3.1. Znanstvena deskripcija..............................I.6.3.2. Znanstvena klasifikacija.............................I.6.3.3. Znanstveno objašnjenje .............................I.6.3.4. Znanstveno predviđanje.............................

I.7. Klasifikacija znanosti.......................................................I.8. Znanstvenoistraživački rad...............................................

I.8.1. Pojam i vrste znanstvenoistraživačkog rada ............I.8.1.1. Fundamentalna istraživanja..........................I.8.1.2. Primijenjena istraživanja..............................I.8.1.3. Razvojna istraživanja ..................................

I.8.2. Pojam i vrste znanstvenih i stručnih djela...............I.8.2.1. Pojam i vrste znanstvenih djela.....................

I.8.2.1.1. Vrste znanstvenih članaka .................I.8.2.2. Pojam i vrste stručnih djela..........................I.8.2.3. Pojam i vrste znanstveno-stručnih djela..........

I.9. Organizacija vlastitog znanstvenog i stručnog rada………….I.9.1. Značajke znanstvenog radnika I.9.2.Organizacija vlastitog stručnog i znanstvenog rada I.9.3. Pitanja u vezi s proučavanjem literatureI.9.4. Pripreme usmenih izlaganja

2. ODNOS ZNANSTVENE METODE I METODOLOGIJE…………….2.1.Uopće o znanstvenoj metodi............................................2.2.Razlike između znanstvene metode i metodologije.............2.3.Načela i značajke metodologije znanstvenoistraživačkog rada..........................................2.4.Vrste metodoloških problema...........................................

3. FAZE PROCESA ZNANSTVENOG ISTRAŽIVANJA……………

3.1.Općenito o fazama znanstvenog istraživanja......................3.2. Izbor i definiranje predmeta istraživanja............................

3.2.1. Izbor predmeta istraživanja......................................

1

3.2.1.1. Traženje znanstvenih informacija neophodnih za formuliranje predmeta istraživanja..............3.2.1.2. Formuliranje predmeta istraživanja................

3.2.2. Određivanje ciljeva istraživanja.................................3.3.Postavljanje hipoteza i sređivanje varijabli.........................

3.3.1. Postavljanje hipoteza..............................................3.3.2. Sređivanje varijabli.................................................

3.4. Izrada projekta istraživanja.............................................3.4.1. Idejni projekt istraživanja........................................3.4.2. Izvedbeni projekt istraživanja..................................

3.5.Prikupljanje i obrada podataka.........................................3.6.Znanstveno tumačenje i interpretacija podataka................3.7. Izvještaj o rezultatima istraživanja...................................

4. METODE ZNANSTVENOG ISTRAŽIVANJA............………….4.1.Klasifikacija metoda znanstvenog istraživanja...................4.2. Opće znanstvene metode...............................................

4.2.1. Metode indukcije i dedukcije .................................4.2.1.1. Metoda indukcije........................................

4.2.1.1.1. Vrste indukcije.................................4.2.1.2. Metoda dedukcije.......................................4.2.1.3. Povezanost i razlike između indukcije i dedukcije kao metoda i načina zaključivanja...

4.2.2. Metode analize i sinteze.......................................4.2.2.1. Metoda analize........................................4.2.2.2. Metoda sinteze..........................................4.2.2.3. Sličnosti i razlike između analize i sinteze..….

4.2.3. Metoda dokazivanja i opovrgavanja4.2.4. Metoda klasifikacije 4.2.5. Metoda komparacije4.2.6. Metoda modeliranja

5. TEHNIKE PRIKUPLJANJA EMPIRIJSKIH PODATAKA

5.1. Tehnike ispitivanja5.1.1. Prikupljanje podataka pomoću upitnika

5.1.1.1. Anketa 5.1.1.2. Intervju5.1.1.3. Upitnik5.1.1.4. Pravljenje anketnog upitnika

5.1.1.4.1. Formulacija pitanja s obzirom na njihov smisao5.1.1.4.2. Verbalna formulacija pitanja5.1.1.4.3. Redoslijed pitanja u upitniku5.1.1.4.4. Zaključne sugestije za pravljenje upitnika

5.1.1.5. Anketiranje5.1.1.5.1. Predispitivanje5.1.1.5.2. Uvod anketi5.1.1.5.3. Provođenje ankete

5.1.1.6. Uzorak5.1.1.6.1. Pojam uzorka5.1.1.6.2. Vrste uzorka

5.1.1.6.2.1. Uzorci koji nisu odabrani na osnovu teorije vjerojatnosti5.1.1.6.2.2. Uzorci nastali na osnovu teorije vjerojatnosti5.1.1.6.2.3. Zonski uzorak kao vrsta mješovitog tipa uzoraka

5.1.1.7. Greške i pristranosti u anketiranju5.1.2. Testiranje

5.1.2.1. Vrste testova5.1.2.1.1. Testovi mogućnosti5.1.2.1.2. Testovi ličnosti

5.1.3. Skaliranje

2

5.1.3.1. Pojam skaliranja5.1.3.2. Vrste skala 5.1.3.3. Nedostaci skaliranja

5.2. Promatranje5.2.1. Pojam promatranja5.2.2. Vrste znanstvenog promatranja

5.2.2.1. Izvori suvremenih oblika promatranja5.2.2.2. Vrste promatranja5.2.2.3. Realiziranje promatranja

5.3. Klasifikacija i mjerenje5.3.1. Klasifikacija 5.3.2. Mjerenje

5.3.2.1. Vrste mjerenja5.4. Eksperiment

5.4.1. Vrste eksperimenata5.5. Analiza sadržaja

5.5.1. Utemeljivanje i razvoj analize sadržaja5.5.2. Određenje pojma

6. STATISTIČKE TEHNIKE OBRADE PODATAKA 6.1.Uvod

6.1.1. Što je statistika?6.1.2. Populacija i uzorci6.1.3. Deskriptivna i inferencijalna statistika6.1.4. Računalni softver za statističke analize

6.2. Prikaz podataka6.2.1. Uvod6.2.2. Tipovi podataka6.2.3. Prikaz kvalitativnih podataka6.2.4. Grafički opis kvalitativnih podataka6.2.5. Grafički opis kvantitativnih podataka: S- L prikaz6.2.6. Tablični prikaz kvantitativnih podataka: distribucija relativnih frekvencija

6.2.6.1. Statistički niz6.2.6.2. Grupiranje podataka

6.2.7. Grafički prikaz kvantitativnih podataka: histogram i poligon6.2.7.1. Histogram

6.2.8. Kumulativne ditribucije i kumulativni poligoni 6.2.9. Zadaci za vježbe

6.3.Mjere centralne tendencije, raspršenja i statistički momenti6.3.1. Uvod6.3.2. Mjere centralne tendencije

6.3.2.1. Aritmetička sredina6.3.2.1.1. Prednosti aritmetičke sredine6.3.2.1.2.Nedostaci aritmetičke sredine

6.3.2.2. Harmonijska sredina i geometrijska sredina6.3.2.3. Medijan6.3.2.4. Mod6.3.2.5. Raspon varijacije

6.3.3. Varijanca i standardna devijacija6.3.3.1. Primjene standardne devijacije

6.3.4. Mjere relativne raspršenosti: koeficijent varijacije6.3.4.1. Mjere relativne raspršenosti

6.3.5. Mjere asimetrije6.3.5.1. Spljoštenost6.3.5.2. Kurtosis

6.3.6. Metode otkrivanja vanjskih vrijednosti (outlier)6.3.6.1. Upotreba standardiziranog obilježja6.3.6.2. Metoda Box plot

6.3.7. Izračunavanje mjera centralne tendencije za grupirane podatke

3

6.3.8. Računalni softveri za deskriptivnu statistiku6.3.9. Vježba

6.4. Vjerojatnost6.4.1. Eksperiment, događaji i vjerojatnost, vjerojatnost događaja6.4.2. Pristupi definiranju vjerojatnosti6.4.3. Polje događaja

6.4.3.1. Klasična definicija vjerojatnosti6.4.3.2. Statistička definicija vjerojatnosti

6.4.4. Uvjetna vjerojatnost i neovisnost6.5.Distribucije vjerojatnosti

6.5.1. Slučajna varijabla6.5.2. Veza između distribucije vjerojatnosti diskretne varijable i relativnih frekvencija

6.5.2.1. Aritmetička sredina ili očekivana vrijednost6.5.2.2. Varijanca i standardna devijacija

6.5.3. Binomna distribucija vjerojatnosti6.5.4. Poissonova distribucija6.5.5. Kontinuirane slučajne varijable: funkcija distribucije i funkcija gustoće

6.5.5.1. Numerička svojstva kontinuirane slučajne varijable6.5.6. Normalna distribucija vjerojatnosti

6.6.Distribucije (rasporedi) uzoraka6.6.1. Zašto je bitna metoda uzorka6.6.2. Slučajni uzorak6.6.3. Distribucija uzoraka6.6.4. Distribucija sredina uzoraka : centralni granični teorem)

6.7.Procjene6.7.1. Uvod6.7.2. Procjena sredine populacije 6.7.3. Procjena proporcije populacije6.7.4. Procjena razlike između sredina dva neovisna uzorka6.7.5. Procjena varijance populacije

6.8. Testiranje hipoteza6.8.1. Uvod6.8.2. Formuliranje hipoteza6.8.3. Tipovi pogrešaka u testiranju hipoteza

6.9.Primjena testiranja hipoteza6.9.1. Uvod6.9.2. Hipoteza o sredini populacije

6.9.2.1. Testiranje sredine populacije uporabom velikih uzoraka6.9.2.2. Testiranje sredine populacije uporabom malih uzoraka

6.9.3. Testiranje hipoteza o proporcijama populacije6.9.4. Testiranje hipoteza o razlici sredina dvije populacije6.9.5. Testiranje hipoteza o razlici između dvije proporcije6.9.6. Testiranje hipoteza o varijanci populacije6.9.7. Testiranje hipoteza o odnosu varijanci dvije populacije

6.10. Analiza kvalitativnih podataka i analiza varijance6.10.1. Uvod6.10.2. Test suglasnosti6.10.3. Analiza tablica kontigencije6.10.4. Analiza varijance

6.11. Regresijska analiza6.11.1. Regresija primjenom excela6.11.2. Interpretiranje rezultata dobivenih regresijom6.11.3. Primjer višestruke regresije

6.12. Analiza korelacije6.12.1. Koeficijent korelacije6.12.2. Koeficijent determinacije6.12.3. Izračunavanje kovarijance

7. PRIMJENA INFORMACIJSKE TEHNOLOGIJE U PROCESU ISTRAŽIVANJA7.1. Procesi otkrivanja znanja u bazama podataka

4

7.2. Dana mining alati u procesu otkrivanja znanja u bazama podataka7.3. Primjer analize upotrebom dana mining alata

7.3.1. Algoritam apriori7.3.2. Induktivna pravila

7.4. Primjer istraživanja upotrebom primjenskog softvera7.4.1. Priprema podataka iz upitnika za analizu7.4.2. Descriptivna statistika uporabom alata Data Analysis

8. PISANJE ZNANSTVENOG DJELA8.1. Dijelovi znanstvenog djela

8.1.1. Dijelovi znanstvene knjige8.1.1.1. Dijelovi bez kojih nema znanstvene knjige

8.1.1.1.1. Naslov 8.1.1.1.2. Sadržaj 8.1.1.1.3. Uvod8.1.1.1.4. Središnji dio znanstvenoga djela 8.1.1.1.5. Zaključak 8.1.1.1.6. Sažetak 8.1.1.1.7. Popis literature (bibliografija) 8.1.1.1.8. Indeks pojmova i imena

8.1.1.2. Ostali dijelovi znanstvene knjige 8.1.1.2.1. Moto 8.1.1.2.2. Posveta 8.1.1.2.3. Predgovor 8.1.1.2.4. Popis tablica i ilustracija 8.1.1.2.5. Dodatak (apendiks, prilozi, dopune)

8.1.2. Dijelovi znanstvenog članka8.2. Dokumentacijska osnova rukopisa

8.2.1. Citiranje 8.2.2. Podnožak (fusnota, napomena)8.2.3. Ilustracije

8.3. Komponiranje i jezično-stilska obrada rukopisa znanstvenog i stručnog djela8.3.1. Komponiranje znanstvenog i stručnog djela 8.3.2. Jezik znanstvenog i stručnog djela8.3.3. Stil znanstvenog i stručnog djela

8.3.3.1. Pojam stila 8.3.3.2. Odlike dobrog znanstvenog stila

9. Literatura10. Indeks pojmova11.Indeks imena

1. POJAM ZNANOSTI I ZNANSTVENOISTRAŽIVAČKOG RADA

1.1. ŠTO JE ZNANOST?

Pitanje iz naslova je, moglo bi se kazati, relativno jednostavno? Ali, radi se o dojmu tek na prvi pogled. Stvarno, međutim, postavljeno pitanje traži raščišćavanje većeg broja nepoznanica i dilema.

Jedna od dilema je, primjerice, u izravnoj vezi s činjenicom da se pojam «znanost» može promatrati u njegovom širem i užem značenju. U prvom slučaju, u svom širem značenju, znanost se može odrediti kao sinonim za sveukupno znanje. Promatra li ju se, međutim, u njenom užem značenju, izvjesno je da je po srijedi vrsta društvene misaone

5

djelatnosti čiji je temeljni cilj otkrivanje zakona prirodnih i društvenih pojava, a koje je u uskoj vezi sa savladavanjem problema čovjekova egzistiranja u najširem značenju riječi.

Pođe li se od iznijetog načina razrješenja postavljene dileme, izvjesno je da se može govoriti o dvije bitne funkcije znanosti. Jedna od njih je teorijska ili spoznajna funkcija, koja se manifestira u stalnoj potrebi razvijanja znanstvene spoznaje. Drugu se može odrediti kao socijalno praktičnu, odnosnu primijenjenu funkciju čiji se smisao svodi na primjenu određenih teorijskih znanja.

Zbog većeg broja dilema, koje nameće odgovor na pitanje što je znanost, su dosta različite i raznovrsne i definicije znanosti. S ciljem ukazivanja na njihovu šarolikost, neke od njih prezentiramo i u ovoj analizi:

a) Znanost je oblik ljudske aktivnosti pomoću koje čovječanstvo stječe sve veće i točnije znanje i razumijevanje prirode, njene prošlosti, sadašnjosti i budućnosti, kao i sve veću sposobnost da se prilagodi svojoj okolini i da je mijenja, a isto tako da mijenja svoje vlastite karakteristike (P. Freedman)

b) Znanošću obično nazivamo sređeno, sistematizirano i provjereno znanje o nečemu, postignuto metodičnim, pažljivim i savjesnim istraživanjem i razmatranjem (M. Šamić)

c) Znanost je zajedničko, koherentno, organizirano i sistematizirano znanje ljudskog roda (B. Težak)

d) Znanost je objektivna, logična, precizna, provjerljiva i sistematična metoda prikupljanja, opisivanja, klasificiranja, definiranja, mjerenja, eksperimentiranja, uopćavanja, objašnjavanja, predviđanja, kontroliranja i vrednovanja iskustvenih činjenica (Đ. Šušnjić)

e) Znanost je sistematizirana i argumentirana suma znanja u određenom povijesnom razdoblju o objektivnoj stvarnosti do koje se došlo svjesnom primjenom određenih objektivnih metoda istraživanja sa svrhom spoznaje zakona prirodnih i društvenih zbivanja da se omogući točno predviđanje budućih događaja i maksimalne djelotvornosti ljudske prakse (T.Salitrežić)

Prethodna definicija je, zapravo, proširena verzija definicije iz Enciklopedije Leksikografskog zavoda. Međutim, proširivanje, koje je u njoj učinjeno, nije rezultiralo i dodatnom kvalitetom definicije iz spomenute enciklopedije. Stoga nam se definicija, dana u Enciklopediji Leksikografskog zavoda, čini i najprihvatljivijom. Prema njoj se, podsjetimo, znanost određuje kao «sistematizirana i argumentirana suma znanja u određenom historijskom razdoblju o objektivnoj stvarnosti do koje se došlo svjesnom primjenom određenih objektivnih metoda» (Enciklopedija Leksikografskog zavoda, sv. IV, 487.). Ova nam se definicija čini prihvatljivom i zbog to ga jer iz nje proizlaze dva bitna elementa bez kojih se znanost ne može uobličiti. Jedan je predmet izučavanja, dakle dio objektivne stvarnosti, čije je izučavanje u sferi interesa određene znanosti, a drugi znanstvena metoda, odnosno put ili način da se dođe do istine o dijelu objektivne stvarnosti.

1.2. OSNOVNA OBILJEŽJA ZNANOSTI

Među autorima postoje razlike u pristupu identifikaciji temeljnih obilježja znanosti. Neki od njih navode veći broj obilježja, pri čemu pod termin obilježja smještaju i neke kategorije koje ne sadrže ni minimum pretpostavki za to.1 Drugi, opet, prave razliku između obilježja znanosti i obilježja razvoja znanosti.2 Takav je pristup, po našem sudu, mnogo ispravniji. O nedostatku se može govoriti zbog svojevrsne zbrke koja se kod njih dade identificirati u klasifikaciji i svrstavanju obilježja u jednu ili drugu grupu. Stoga smo sebi i postavili zadaću da u takvu, dakle dvojnu klasifikaciju, pokušamo unijeti određenog reda.

Sukladno takvom opredjeljenju moguće je, po našem uvjerenju, izdvojiti slijedeća bitna obilježja znanosti:

a) Društveni karakter znanosti, koji se manifestira, prije svega, u njenoj univerzalnosti, usmjerenosti interesima čovječanstva, ali i svakog pojedinačnog društva.3

1Među takve, očito, treba ubrojiti i Ratka Zeleniku. Kao jedno od obilježja znanosti on, primjerice, navodi i odnos i spone koje postoje između znanosti i umjetnosti.

2To, između ostalih, odlikuje i pristup Miroslava Žugaja (vidjeti , Žugaj, 1989., 10.-13.)3Istini za volju, iako se njen društveni karakter ogleda, prije svega, u zadovoljavanju društvenih potreba čovjeka, znanost se može upotrijebiti i u nehumane svrhe. Takvih je primjera zabilježeno tijekom povijesti mnogo, a na takve se primjere primjene znanosti može nerijetko naići i danas.

6

b) Jedinstvenost znanosti. Budući je svijet jedinstven, to i sve znanosti, na izvjestan način, čine nerazdvojivo jedinstvo. Između njih nije moguće, kako se dugo mislilo, a mnogi, nažalost, misle još uvijek, uspostaviti nikakvu vododijelnicu u smislu brane koja uspostavlja neku vrstu neprobojnog zida.

c) Jedinstvo znanstvene teorije i prakse. Prevedeno na razumljiviji jezik ovo jedinstvo znači da, zapravo, ne postoji ni objektivna znanstvena spoznaja koja se, prije ili kasnije, ne može primijeniti u praksi, ali isto tako i da nema objektivne i stvaralačke prakse koja nije, pa makar u bilo kom obliku, utemeljena na znanosti.

d) Kreativnost u znanosti kao najznačajniji kvalitativni element znanstvenika koji se temelji na aktivnom znanju kojeg oni posjeduju.

e) Interdisciplinarnost znanosti, koja pretpostavlja «interaktivno povezivanje dvije ili više disciplina u cjelinu višeg reda, pri čemu se sinteza ne vrši samo na planu predmeta znanja nego, prije svega, i na planu koncepta i metode, a još više na planu načela i aksioma» (Zelenika, 1990., 27.-28.)

f) Internacionalni karakter znanosti, koji proizlazi iz činjenice da se znanost ne može svesti u uže okvire, okvire jedne regije, nacije ili države. Ona je, i po unutarnjim zakonitostima svoga razvoja, ali i po svojim ciljevima i zadacima, univerzalna, općečovječanska.

g) Primjena znanstvene metode u znanstvenom istraživanju. Jasno je da je znanosti imanentno znanstveno istraživanje kao njen bitni sastavni dio. S druge, pak, strane, nema znanstvenog istraživanja bez primjene znanstvene metode u njenom najširem značenju riječi.4

Sukladno našem temeljnom opredjeljenju moguće je govoriti i o većem broju obilježja razvoja znanosti. Smatramo potrebnim apostrofirati naročito nekoliko njih, i to:

1. Proces istodobnog diferenciranja i integriranja znanosti. Jasno je, naime, da se povećanjem ukupnog kvantuma znanja događa proces njegova sve naglašenijeg diferenciranja prema oblastima, područjima i znanstvenim disciplinama. Ali, istodobno se može identificirati i obrnut, proces stalnog integriranja znanja iz različitih disciplina, područja i oblasti, ali i istraživanja koja koriste logiku interdisciplinarnih znanja.

2. Zakon ubrzanog razvoja znanosti. Pod ovom se zakonitošću mogu podrazumijevati najmanje dva paralelna procesa. Jedan je vezan uz činjenicu da se u svijetu može identificirati stalni porast broja znanstvenih radova. Drugi, možda i još značajniji, proizlazi iz činjenice da se vrijeme od određenog znanstvenog pronalaska do njegove primjene u praksi sve više skraćuje.

3. Svjestan timski rad znanstvenika. Ovo obilježje razvoja znanosti je vezano za podatak da je bavljenje znanstvenim radom u prošlosti bilo, prije svega, rezultat individualnog rada. Vratimo li se, primjerice, u antička vremena, izvjesno je da je sve znanje toga vremena bilo rezultat individualnog angažmana. Aristotel je mogao imati uzora u Platonu, ali sve što je stvarao, stvarao je sam i nezavisno o njemu. Pitagorini zakoni su također plod individualnog rada. Međutim, povećavanje kvantuma znanja, njihovo integriranje i međusobno povezivanje je izazvalo potrebu interdisciplinarnih znanja, a time i potrebu timskog rada u kojeg su uključeni znanstvenici različitih specijalnosti, te koji je svjestan i organiziran.

4. Sličnost u etapama razvoja znanosti. U svim se, zapravo, znanostima u njihovom razvoju daju identificirati tri magistralne razvojne faze:

a) opisna faza razvoja, koja se temelji na prikupljanju činjenica i njihovoj prvoj sistematizaciji

b) logičko-analitička faza, koju karakterizira sadržajna analiza proučavanog predmeta s određenog metodološkog stajališta,

c) faza usklađivanja sadržajnih i kvantitativnih metoda spoznaje, u koju su, bez sumnje, ušle prirodne znanosti i tehnika u XX. stoljeću.

1.3. OSNOVNE ZNANSTVENE KATEGORIJE

Znanost o znanosti podrazumijeva, među inim, i osnovne znanstvene kategorije, odnosno elemente logike koje znanstvenik mora poznavati. Među njima se, među inima, ističu i: pojam, sud, zaključak, definicija, divizija, distinkcija, deskripcija, eksplanacija, 4O pojmu znanstvene metode pogledajte detaljnije poglavlje 2. ove knjige «Odnos znanstvene metode i metodologije»

7

predviđanje, znanstveno otkriće, dokaz, opovrgavanje, znanstveni problem, hipoteza, teorija, zakon, verifikacija i znanstvene činjenice. Namjera ove analize nije i ulaženje u detaljniju analizu tih kategorija. Dapače. Osim toga, neke od apostrofiranih kategorija će biti problematizirane u drugim dijelovima ovog poglavlja.5 Uputnom se, međutim, nameće makar i površni prelet preko najznačajnijih među njima.

1.3.1. Pojam

Pojam se može definirati na veoma različite načine. Za predstavnike formalističke teorije, primjerice, pojam je skup oznaka, odnosno element suda. Po shvaćanju psihologističke teorije, opet, pojam je neka vrsta apstraktne predodžbe. Za nominaliste, pojam je riječ, ime kojim se označava jedna ili više pojedinačnih stvari. Realistička teorija, na koncu, u pojmu prepoznaje odraz bitnih svojstava realnih stvari i procesa, te njihovih svojstava i međusobnih odnosa. Ako bi ga, međutim, htjeli cjelovito odrediti, pogrešno bi bilo opredjeljivanje za bilo koji od navedenih pristupa. Dapače. Pojam je sve to – i element suda i skup oznaka i apstraktna predodžba, i riječ i misao o suštini ili bit onoga što mislimo.

Pojam, dakako, nije nešto što je i apsolutno neodređeno. Naprotiv. Svaki od pojmova ima i svoj opseg i svoj sadržaj. Opseg pojma označava skup svih pojedinačnih objekata na koje se termin ili jezični izraz pojma može primijeniti. Pojam, primjerice, «sportska oprema» odnosi se na sportski dres, sportske patike, sportske trenerke itd. Ili, pojam «lijek» odnosi se na sve mnogobrojne vrste pojedinačnih lijekova. S druge strane, sadržaj pojma podrazumijeva skup bitnih oznaka određenog pojma. Što je tih oznaka više veći je i sadržaj konkretnog pojma.

U stvarnosti postoji mnoštvo različitih vrsta pojmova. Sve njih je moguće i dijeliti po većem broju kriterija. Obzirom na sadržaj, primjerice, moguće je praviti razliku između korelativnih (majka i kćerka), zamjenskih (funkcionalisti i Talcot Parsons), disparatnih ili sudova koji nemaju ništa zajedničko (veselo i crno), kontrarnih ili sudova koji su na oprečnim stranama (najviši i najniži), idt. pojmova.

Prema opsegu, potom, pojmovi mogu biti nadređeni, podređeni i koordinirani. Pojam «sportska oprema» je, tako, nadređen pojmu «sportski dres», koji je u tom odnosu podređen. S druge, pak, strane, u odnosu koordiniranih pojmova nalaze se pojmovi katolik i protestant jer oba pripadaju kršćanima a ni jedan od njih istodobno ne može biti i onaj drugi.

Po obujmu pojma je moguće praviti razliku i između općih, posebnih i pojedinačnih pojmova. Za opći je pojam, tako, karakteristično da se – kao, primjerice, u slučaju pojma pjesma - odnosi na neodređeno velik broj slučajeva jedne vrste. Suprotno tome, pojedinačni se pojam – recimo «rijeka Neretva» - odnosi na jedan jedini slučaj.

Ovisno o njihovu odnosu prema nekom svojstvu pojmovi mogu biti pozitivni – pojmovi kojima mislimo prisutnost nekih svojstava (iskrenost, nadarenost, poštenje) – i negativni – pojmovi koji negiraju, znače odsutnost nekog svojstva (neiskrenost, nenadarenost, nepoštenje).

Zanimljiva je i podjela obzirom na stupanj poznatosti opsega pojma na jasne i nejasne. Jasni su oni pojmovi kod kojih je njihov opseg poznat u potpunosti. Jasan je, primjerice, pojam «šahovska figura» jer je njegov opseg – koji obuhvaća šahovskog kralja, šahovsku kraljicu, šahovskog lovca, šahovskog skakača, šahovskog topa i šahovskog pješaka – poznat u potpunosti. Za razliku od toga, kod nejasnih je pojmova opseg pojma jasan samo djelomično.

1.3.2. Sud

Sudom se označava spoj dvaju pojmova, i to spoj u kojem se o odnosu jednog pojma prema drugom nešto tvrdi ili odriče. Ovisno o tome da li se o odnosu dvaju pojmova nešto tvrdi ili odriče, sudovi mogu biti istiniti i neistiniti.

Masa sudova, bili oni istiniti ili neistiniti, izriče se svakodnevno i u različitim sferama života. Zajedničko im je, pri tome, svima da se izražavaju rečenicama, iako sud nije isto što i rečenica kojom se on izriče. Isti sud iskazan u različitim jezicima izgleda, zbog razlika u 5Pogledati dio «1.5. Osnovni oblici znanstvene spoznaje» ovog poglavlja, te dio 3.3.1. Postavljanje hipoteza

8

jeziku, različito. No, nije različiti sud nego rečenica kojom je iskazan. Rečenicama, primjerice, «Mislim, dakle jesam» i «Cogito ergo sum» iskazan je isti sud iako su rečenice, kojima je izražen, potpuno različite.

Za pripaziti je, dakako, da se ne padne u pogrešku izjednačavanja suda i suđenja. Razlika između njih je, naime, i više nego očigledna. Još konkretnije, suđenje označava određen psihički proces, a sud je rezultat toga procesa.

U stvarnosti se, kao i kod pojmova, može sresti mnoštvo različitih sudova. Svi oni se, međutim, mogu i razvrstati prema određenim kriterijima. Prema predmetu se, tako, može praviti razlika između atributivnih – sudova koje karakterizira neka atributivna, bilo kvantitativna («Šahovska ploča ima 64 polja») ili kvalitativna («Pas je najvjernija životinja čovjeku») odredba, relacionih – kojima su predmet određene relacije, procesnih – čiji je predmet proces, radnja ili događanje, činjeničnih – odnosno sudova o činjenicama itd.

Po logičkom sadržaju suda, potom - dakle prema onom što se zamišlja, kako se zamišlja i u kojem opsegu se zamišlja - moguće je praviti razliku između nekoliko vrsta sudova. Po kvantiteti, odnosno obujmu pojma subjekta, moguće je praviti razliku između generalnih («Slava je prolazna»), individualnih («Matija Gubec je seljački tribun») itd. Po kvaliteti logičkog sadržaja, opet, treba razlikovati afirmativne ili potvrdne («Sarajevo je glavni grad BiH»), negativne («Argentina nije evropska zemlja») i upitne («Može li pojava ozonskih rupa promijeniti život na Zemlji»).

Razlika među sudovima se, na koncu, može praviti i po stupnju složenosti suda, odnosno njezinoj strukturi. Po toj se osnovi razlikuju jednostavni, složeni i spojeni sudovi.

1.3.3. Zaključak

Zaključak je skup od najmanje dva suda. No, to nije i nužno. Drugim riječima, svaki skup od najmanje dva suda ne predstavlja automatski i zaključak. Naprotiv. Da bi najmanje dva – ili više sudova – činili i zaključak, neophodna je pretpostavka tome i misao da jedan od njih proizlazi, slijedi iz drugog ili više drugih sudova. Drugim riječima, sudovi su elementi zaključka, povezani strukturiranom složenom misli. U toj strukturi i sudovi i zaključak imaju svoju posebnu ulogu. Sudovi iz koji se izvode novi sudovi se, pri tome, označavaju pretpostavkama ili premisama, a novi sud koji se iz premisa izvodi označava se kao zaključak ili konkluzija.

I kod zaključaka je moguće praviti razliku između različitih pojavnih vrsta. Moguće je, primjerice, praviti razliku između neposrednih i posrednih zaključaka. Neposredni zaključak se dobije kada se jedan sud izvodi iz samo jednog drugog suda ili premise. Primjer takvog zaključka je i slijedeći: «Svaki grad iznad milion stanovnika spada u grupu velikih gradova. Svi gradovi sa dva miliona stanovnika su veliki gradovi».

S druge strane, posrednog zaključka nema ukoliko se novi sud ne izvodi iz najmanje dva suda ili premise. Primjerice: «Svi ljudi posjeduju emocije, Ivan je čovjek, Ivan posjeduje emocije».

Neovisno, dakle, o tome radi li se o neposrednim ili posrednim zaključcima, da bi bili valjani neophodna je pretpostavka da proizlaze iz premise. U protivnom, zaključak nije valjan, pogrešan je. Nije valjan, pogrešan je, primjerice, zaključak «Ivan je grubijan, mačka je crna» jer posljednji sud ni po čemu ne proizlazi iz prvog.

Kada su pogreške, koje se javljaju kod zaključaka, u pitanju, dvije grupe njih su posebice značajne – opće i pogreške posebnih vrsta zaključaka.

Dvije su temeljne grupe općih pogrešaka zaključaka. Prve su one koje ne potječu iz jezika i manje su učestale. Druge su, međutim, učestalije, a potječu iz jezika. Takve su, primjerice, pogreške dvoznačnosti - koje su vezane za upotrebu riječi s višestrukim značenjem (riječ «kit», primjerice, može označavati vrstu sisavca, a može i plastičnu materiju za spajanje), pogreške dvosmislenosti – koje se javljaju kada se dvolični sudovi uzimaju kao premise zaključaka, pogreške naglaska ili akcenta – koje nastaju u slučaju da ne vidimo točno koji je slog u riječi ili riječ naglašeni. Rečenice «JA sam to vidio», «Ja sam TO vidio» i «Ja sam to VIDIO» sastavljene su od istih riječi, ali imaju potpuno različito značenje jer je naglasak na različitim riječima u rečenici – jedan put naglasak je na «JA», drugi put na «TO», i treći na «VIDIO», pogreške kompozicije - koje nastaju kada se neko svojstvo koje pripada dijelu pripisuje i cjelini, pogreške divizije – koje su suprotne, nastaju ako se svojstva koja pripadaju cjelini automatski pripisuju i svim njezinim dijelovima (ako se,

9

primjerice, temeljem premise «Studenti prve godine studija su ostvarili dobar uspjeh» izvlači i zaključak «Student X je ostvario dobar uspjeh»).

1.3.4. Definicija

Definicijom se označava sud kojim se nedvosmisleno određuje sadržaj jednog pojma. Tako se, primjerice, definicijom eksperimenta kao planskog izazivanja promjena u cilju proučavanja njihovih posljedica, i to u strogo kontroliranim uvjetima i s mogućnošću mjerenja posljedica izazvanih promjena, određuje sadržaj pojma eksperiment.

Dakako, definicija također mora odgovoriti određenim zahtjevima. Mora, primjerice biti, adekvatna - odnosno ni preuska ni preširoka, mora sadržati bitne oznake po kojima se sadržaj nekog pojma razlikuje od sadržaja drugih pojmova, ne smije biti negativna – tj. mora utvrđivati što jeste, a ne što nije (nisu valjane definicije tipa «Čovjek je živo biće koje nema rep», «Marketing nije znanost o evoluciji» itd.), treba biti jasna itd.

I kod definicija je moguće razlikovati veći broj vrsta. Nominalnom definicijom se, tako, označava ona kojom se definira riječ kojom se imenuje pojam na način da se sama riječ protumači drugim poznatijim riječima. Takva je definicija, primjerice, «O je simbol za kisik». Normativnom definicijom se, potom, označava ona koja nastaje kada se nekom odredbom (konvencijom) određuje što neki predmet ili termin treba značiti. Na zemljopisnoj karti, primjerice, plavom bojom se označava more, zelenom ravnica itd.

1.3.5. Divizija

Divizijom ili diobom se označava postupak kojim se dolazi do diobenih članova, nižih pojmova od kojih je sastavljen svaki konkretni pojam, i koji ulaze u opseg toga pojma. Divizijom se ljudi služe u svakodnevnom životu, ali i u znanosti. U svakodnevnom životu ljude smo skloni podijeliti na istinske i obredne vjernike, na pametne i glupe, poštene i nepoštene. U znanosti će se, primjerice, pojam znanosti podijeliti na prirodne i društvene, pojam tržišta na tržište rada, tržište roba, tržište usluga, tržište kapitala itd., za pojam «religijske organizacije» će se reći kako u sebe uključuje crkvu, denominaciju, sektu, kult kao svoje diobene članove koji ulaze u njegov opseg itd.

Pri tome je, dakako, važno da se podjela jednog pojma može izvršiti prema jednom ili većem broju kriterija. Članovi diobe, koji se korištenjem različitih kriterija diobe dobiju, međusobno se bitno razlikuju. Na koncu, ako je podjela pojma na članove koji ulaze u njegov opseg iscrpna, za takvu se podjelu često koristi termin klasifikacija.

Da bi postupak divizije bio logički ispravan, mora se pridržavati tri temeljna principa. Princip adekvatnosti, tako, podrazumijeva da dioba ne smije biti ni preuska ni preširoka, da, drugim riječima, ne smije rezultirati ni s premalo, ni s previše članova diobe. Princip jedinstvenosti, potom, podrazumijeva da je dioba provedena po jednom načelu, te da se članovi izvršene diobe međusobno isključuju. Na koncu, princip postupnosti podrazumijeva obvezu da se dioba provede postupno, bez preskakanja diobenih članova.

1.3.6. Znanstveno otkriće

Otkrića mogu biti ona do kojih se dolazi u svakodnevnom životu i znanstvena. Kada su u pitanju otkrića iz svakodnevnog života, ona su imanentna svakom čovjeku. Otkrili smo da nam je netko rekao neistinu, ili pak da nam neistinu stalno govori. Drugim riječima, to otkriće se, bez obzira odnosi li se na jedan slučaj ili seriju slučajeva, na nešto što se može označiti terminom «pravilnost» ili «zakonitost», uvijek stavlja u odnos prema cjelokupnom znanju onoga tko je subjekt «otkrića».

Kod znanstvenoga otkrića, međutim, stvari stoje nešto drugačije. Znanstvena spoznaja, naime, može za cilj imati deskripciju, objašnjenje određene pojave, predviđanje njezine procesualnosti, a može i znanstveno otkriće. Kako to, dakle znanstveno otkriće, i definirati. Ono, najjednostavnije, podrazumijeva svaku novu spoznaju u granicama jedne znanosti. Kod njega se, sukladno tome, ne otkrivaju «pravilnosti» ili «zakonitosti» - koje su imanentne svakodnevnim otkrićima – nego zakoni. Pri tome je važno da se njime dolazi do spoznaje do tada nepoznatog i to korištenjem znanstvenih metoda.

I kod znanstvenih otkrića se, dakako, može govoriti o većem broju vrsta otkrića. Ovisno, primjerice, o tome kako se do otkrića dolazi, razlika se može praviti između

10

slučajnih – otkrića koja su, barem dijelom, slučajna, do kojih se dođe usput, u okviru nekih drugih istraživanja (primjerice, Roentgenovo otkriće X-zraka) i otkrića koja su rezultat određenog planskog istraživanja – kakva su, primjerice, primjerice Galilejeva otkrića slobodnog pada ili Keplerovo otkriće zakona kretanja planeta.

Obzirom na predmet istraživanja, razlika se može praviti između četiri vrste otkrića. U pitanju su, prije svega, otkrića činjenica postojanja određenih pojava, ili svojstava tih pojava. U pitanju, potom, mogu biti i otkrića uvjeta, uzroka i motiva ljudskog ponašanja i aktivnosti. Obzirom na predmet istraživanja posebnu vrstu čine i otkrića zakona pojava, odnosno njihova nastanka, razvoja i nestajanja. Na koncu, obzirom na predmet istraživanja se može govoriti i o otkriću znanstvene teorije o nekoj vrsti prirodnih ili društvenih pojava (pitanju znanstvene teorije posvećeno je posebno poglavlje ovog udžbenika6).

Pogrešno bi, na koncu, bilo stavljati znak jednakosti između znanstvenog otkrića i tehničkog izuma. Izum, naime, podrazumijeva primjenu znanja u praktične svrhe. Ali, to ne znači da među njima nema nikakve veze. Dapače. Do tehničkih se izuma dolazi primjenom znanstvenih znanja. To, drugim riječima, znači znanstvena otkrića vjerojatnijom čine mogućnost dolaska do tehničkih izuma.

1.3.7. Dokaz

Dokaz je logička forma dokazivanja, odnosno postupka čija je svrha utvrđivanje istinitosti nekog suda. U tom se postupku sud, koji se želi dokazati, označava terminom teza ili tvrdnja, a sudovi, kojima se teza ili tvrdnja dokazuju, terminom «razlozi» ili «argumenti». Po svojoj formi, opet, dokazivanje je proces zaključivanja koji se od zaključivanja razlikuje samo po redoslijedu radnji. Kod zaključivanja se, naime, zaključak iz danih premisa izvodi po poznatom postupku, a kod dokazivanja je dan poznati zaključak, a zadatak je naći prikladne premise i postupak.

Postoje, dakako, i sudovi čija se istinitost u postupku dokazivanja ne treba dokazivati. To su, s jedne strane, očigledni sudovi ili aksiomi – kojih, ali veoma malo, ima u svakoj znanosti – i čija se istinitost ne može dokazati, ali ni ne treba jer su neophodno očigledni. U nekim znanostima, međutim, postoji i još jedna vrsta sudova koje se – iako nisu očigledni – ne treba dokazivati. To su postulati – opće priznati sudovi, koji izražavaju činjenice u koje nitko ne sumnja jer im se suprotnost ne može ni zamisliti.

U znanosti se može sresti veoma različite vrste dokaza. Oni se, potom, zbog svoje masovnosti, često i grupiraju prema različitim kriterijima. Prema logičkim formama zaključivanja i metodama kojima se dokazivanje vrši moguće je praviti razliku između:

analitičkih i sintetičkih dokaza. Kod prvih se, naime, istinitost teze dokazuje analizom samog stava teze ili općenitijih stavova iz kojih istinitost teze proistječe. Kod sintetičkih se dokaza, opet, istinitost općeg stava (teze) dokazuje sintezom istinitih posebnih stavova.

induktivnih i deduktivnih dokaza, razlika između kojih se svodi tek na činjenicu da se kod jednih slijedi induktivni, a kod drugih deduktivni oblik zaključka.

izravnih i neizravnih dokaza. Kod izravnih (direktnih) dokaza se dokazuje sama teza, i to neposredno, na temelju posljedica koje iz nje proizlaze ili, pak, temeljem nekih općih stavova iz kojih ona proizlazi. Kod neizravnih (indirektnih) se, opet, ne dokazuje sama teza nego se pobija njezina suprotnost. Polazi se, dakle, od antiteze, stava koji je suprotan tezi, i dokazuje da je on lažan

Može se, potom, praviti razlika i između potpunog i nepotpunog dokaza. Potpuni ili kompletni je dokaz u kojem su razlozi nedvojbeno istiniti, a prijelaz od razloga tezi deduktivan. Nepotpun ili nekompletan je, naprotiv, dokaz u kojem razlozi nisu bezuvjetno istiniti ili im je prijelaz od argumenta tezi induktivan.

Kod dokaza se, na koncu, mogu pojaviti i različite vrste pogrešaka. Među njima se ističu posebice tri grupe njih – pogreške irelevantnosti, pogreške neosnovanog razloga, te pogreške slijeda.

1. Pogreške irelevantnosti se, generalno, sastoje u tome da se, umjesto one koju treba dokazivati, dokazuje potpuno druga ili barem drugačija teza. Ako netko, primjerice, tvrdi da bi novi rat u BiH doveo do potpunog demografskog pražnjenja radno sposobnoga stanovništva, a oponent ga pobija dokazujući da bi građani BiH preživjeli i taj rat, on čini klasičnu pogrešku irelevantnosti. Doduše, i ovaj tip pogrešaka se može pojaviti u različitim 6Vidjeti poglavlje 1.6.2. Pojam i struktura znanstvene teorije

11

varijacijama. Jedna od njih je, recimo, poznata kao «tko previše dokazuje, ništa ne dokazuje», a suština joj je u tome da i dokaz mora biti primjeren, tj. da se ne dokazuje ni premalo, ni previše. Jedna vrsta ovih pogrešaka, potom, označava se kao prijelaz u drugi rod, a sastoji se u tome da se dokazuje tezu koja je sasvim druge vrste ili pripada u sasvim drugo područje. Takva vrsta pogreške nastaje kada, primjerice, netko tvrdi da je ljetovanje u Hrvatskoj skupo, a mi mu uzvraćamo sudom da Hrvatska ima najljepšu obalu na svijetu. Pogreška irelevantnosti se može pojaviti i u obliku argumenta protiv čovjeka – u slučaju da se određenim argumentima ne pobija tvrdnja s kojom se ne slažemo nego se napada autora tvrdnje, pokušava ga se diskreditirati. Jedna od pojavnih formi pogreške irelevantnosti je i argument od sveopćeg slaganja – kojim se neka tvrdnja pokušava dokazati pozivom na argument kako se s njom slažu svi. Primjerice, «nitko ne sumnja da je 'Pili' salama najbolja». Pogreška irelevantnosti može se pojaviti i kao argument strahopoštovanja prema autoritetima – a o njoj se radi ako se sporna tvrdnja hoće dokazivati pozivom na mišljenje autoriteta, poznato ime u sferi znanosti ili neko drugo.

2. Pogreške neosnovanog razloga se javljaju u slučajevima kada su bez dokazne snage i sami dokazi koji su usmjereni na spornu tezu. U tu vrstu pogrešaka spadaju, prije svega, one koje se označavaju kao osnovna zabluda, pogreške koje nastaju u slučajevima kada je neistinit razlog na kojem se temelji dokaz. Pođemo li, primjerice, od tvrdnje da prihod, kojeg tijekom godine može ostvariti jedna tvrtka, ne može preći određeni iznos, što je u osnovi netočno, onda ni sve ostalo što, polazeći od te tvrdnje, bude izvođeno puno ne vrijedi. U pogreške neosnovana razloga, potom, spadaju i pogreške anticipiranja načela, a njih se čini u slučajevima ako se kao argument za jednu tezu navodi neka druga, teza koja je također sporna i dokazivanje koje podrazumijeva dokazanost one koju tek treba dokazivati.

3. Pogreške slijeda. Jedna od češćih je, primjerice pogreška ne slijedi, pogreška koja nastaje u slučaju ako teza koju se želi dokazati nije utemeljena na argumentima za kojima se poseže. Primjer takve pogreške je i slijedeća: «Osoba X je veoma inteligentna jer je radina, uspješna i prepoznatljiva». Pogreška je, očito, u činjenici da između inteligencije s jedne, te radišnosti, uspješnosti i prepoznatljivosti s druge i ne mora biti nužno nekakve veze.

1.4. RAZVOJ ZNANOSTI

1.4.1. Povijesni razvoj znanosti

Praćenje povijesti razvoja znanosti nas, htjeli to ili ne, vodi u najstarije civilizacije, u vrijeme sumerske, egipatske i kineske kulture. Naime, u tim se kulturama mogu identificirati začeci prvih prirodnih znanosti, prije svega astronomije i matematike, a potom i fizike, biologije i medicine. Ono što se danas, uobičajenom terminologijom, označava kao društvene znanosti, relativno je mlađe, a klice prvih među njima se mogu identificirati tek u antičkoj Grčkoj.

Temelji astronomije kao znanstvene discipline postavljeni su već u Babilonu tijekom 11. i 10. stoljeća prije Krista. Njenu su pojavu uvjetovali praktični razlozi - traganje za odgovorom na pitanje o danu, mjesecu i godini kao jedinici vremena, ali i za odgovorima na mnoga druga pitanja ovog tipa. U starogrčkoj kulturi se, međutim, izučavanju astronomskih fenomena pristupa na značajno drugačiji način. Izgrađuje se sustavni pristup izučavanja prirode i njenih fenomena i to u okviru filozofije. Tales iz Mileta je, primjerice, u petom stoljeću prije Krista predvidio pomrčinu Sunca, a Aristotel je u trećem stoljeću prije Krista pružio prve uvjerljive dokaze da je zemlja okrugla.

Slični se počeci mogu identificirati i kod matematike kao zasebne znanosti. Oni su, u principu, vezani za brojanje, a prve su se brojke upotrebljavale već u Indiji 2.500 godina prije Krista. Prva matematička istraživanja se, međutim, daju identificirati tek u vremenu staroegipatske kultura od koje su ih Grci i preuzeli i razvili matematiku istinski kao znanstvenu disciplinu. Prisjetimo se samo značenja koje je za razvoj znanosti imao Pitagorin poučak. Ali, za njim ne zaostaju ni drugi - Euklid s djelom «Elementi matematike», Arhimed s brojem «Pi» kao rješenjem u mjerenju kugle, valjka i stošca, i niz drugih.

12

Slična se povijesna vertikala može izvoditi i za još neke prirodne znanosti. Pri tome mislimo prvenstveno na fiziku, ali i biologiju i medicinu. Međutim, u okviru ovog tipa elaboracije ne smatramo potrebnim tu vertikalu i posebno pratiti.

Ali, zato potrebnim držimo ukazati na začetke razvoja dijela društvenih znanosti. Pri tome mislimo, prije svega, na povijest, čiji se začeci kod istočnih naroda mogu identificirati i do 1000 godina prije Krista. Prisjetimo se samo Biblije koju, osim kao umjetničko nadahnuće, moramo doživljavati i kao zbornik povijesnih dokumenata. Ali, mislimo i na razvoj prava kao zasebne znanosti čiji su korijeni također veoma stari. Razvoj političke znanosti se sustavno može pratiti već od vremena antičke Grčke. Pitanja vezana uz grad i državu su i najznačajnija pitanja kojima svoje radove posvećuju velikani filozofske, ali i politološke misli poput Platona, Aristotela, Protagore, Sokrata i mnogih drugih. Za helensku kulturu su vezani i počeci razvoja ekonomske znanosti. Platon temeljito raspravlja o ulozi novca, a Aristotel je prvi koji pravi razliku između prometne i upotrebne vrijednosti, ali i između novca kao prometnog sredstva i novca kao blaga.

Pad zapadnog rimskog carstva značio je i zastoj u razvoju znanstvene misli. Prvi znaci njenog buđenja se primjećuju tek tijekom X. i XI. stoljeća, a vezani su s otvaranjem škola i prvih sveučilišta.7 Iako su srednjovjekovna sveučilišta bila limitirana ideologijom katoličke crkve, ne može se poreći ni veoma značajna uloga koju su imala u životu svoje epohe, kako znanstvenom, tako i političkom.

Međutim, istinski zamah razvoja znanosti, ali i književnosti, filozofije i umjetnosti, vezan je za vrijeme renesanse. Pojava Leonarda da Vincija (Leinardo da Vinči) i njegova uvođenja promatranja i eksperimenta u znanost, ili Nicolausa Copernicusa (Nikola Kopernik) i njegova heliocentričnog sustava za znanost su značili istinsku revoluciju. Ali, oni nisu i jedini. Za njima ne zaostaju ni mnogi drugi - od Erazma Roterdamskog i Giordana Bruna (Đordano Bruno) do Andreasa Vesaliusa i mnogih drugih.

Ovaj preporod u vremenu renesanse je stvorio istinske pretpostavke za mnogo obuhvatniji, ali i ozbiljniji novovjekovni razvoj znanstvene misli. U tom se vremenu, dakle prvoj polovici XVII. stoljeća, udaraju i temelji modernoj fizici. Zasluga za to pripada, prije svih, Galileu Galileiu (Galileo Galilej), ali i Kepleru i njegovim dokazima da se Zemlja oko Sunca okreće po elipsi. Nakon njih se javlja čitava plejada fizičara bez koje bi, sasvim sigurno, ova znanost danas bila značajno siromašnija. Kako zaboraviti, primjerice, Isaca Newtona (Isak Njutn) i njegov zakon gravitacije. Ali, kako zaobići i čovjeka ovih prostora, Ruđera Boškovića i njegovu teoriju strukture tvari koju je utemeljio još u XVIII. stoljeću. Oni, doduše, nisu i jedini, pa možda ni najznačajniji. Naprotiv. Devetnaesto i dvadeseto stoljeće obilježila su mnoga imena iz područja fizike. Značenje rendgenskih zraka se ima zahvaliti Roentgenu (Rentgen) i njegovom pronalasku iz 1895. godine, otkriće alfa i beta zračenja Becquerelu, a otkriće radija bračnom paru Curie (Kiri). Nije potrebno posebno dokazivati što za znanost znači Einsteinova (Ajnštajn) teorija relativiteta. Naprotiv, ona je temelj današnjeg shvaćanja transformacije materije u energiju. Ali, nigdje u svijetu nije posebno potrebno objašnjavati ni značenje Nikole Tesle, još jednog čovjeka ovog prostora. Živeći u drugoj polovici XIX. i prvoj polovici XX. stoljeća (1856.-1943.), Tesla je zadužio čovječanstvo svojim izumima na području elektrotehnike i radiotehnike.

Imena sa približno istim značenjem za suvremenu znanost mogu se susresti i u drugim prirodnim znanostima - u području geologije, biologije, kemije i drugih. Ali, takvim imenima ne oskudijevaju ni društvene i humanističke znanosti. To se odnosi, prije svih, na psihologiju, ali i niz njemačkih znanstvenika koji su svojim radovima omogućili njeno utemeljenje kao zasebne znanstvene discipline. Ali, i ne samo na njih. Među psiholozima se ističu i mnogi drugi. Herbart je, primjerice, pokazao mogućnost primjene matematike u psihologiji. Za konstantu u njezinu razvoju zaslužan je i poznati ruski znanstvenik Pavlov svojom teorijom uvjetovanih refleksa, ali i mnogi drugi.

Novovjekovni razvoj znanstvene misli bi, svakako, bio nepotpun bez apostrofiranja i razvoja društvenih znanosti uopće. Pri tome mislimo, prije svega, na razvoj politike, ekonomije, prava i povijesti kao starih znanstvenih disciplina, ali i nekih drugih, koje su, po vremenu svoga nastajanja, mlade znanosti. Mislimo na antropologiju i penologiju, ali prije svih na sociologiju. Iako se, kao zasebna znanstvena disciplina, formira relativno kasno, izvjesno je da izučavanje strukture ljudskog društva i zakonitosti njegova razvoja u žiži znanstvenog interesa bilo od samih početaka. Ono se može pratiti od prvih staroantičkih 7Prvo sveučilište je utemeljeno u Bologni. Nakon Bologne, sveučilišta se otvaraju u Padovi, Parizu, Oxfordu, Napulju, Toulouseu, Salamanki, Sieni, Lisabonu, Rimu, Sevilli, Pragu, Krakovu, Beču itd.

13

mislilaca. Međutim, temelji modernoj sociologiji su udareni mnogo kasnije, tijekom XVIII. i XIX. stoljeća. Danas se spominje više imena kojima za to pripadaju zasluge. Ali, počasno mjesto među njima pripada nekolicini njih - Saint Simonu (Sen Simon), Augusteu Comteu (Ogist Kont), Herbertu Spenceru (Spenser), Karlu Marxu (Marks), te Emileu Durkheimu (Emil Dirkem) i Maxu Weberu (Maks Veber).

1.4.2. Razvoj suvremene znanosti

Nakon Drugog svjetskog rata dolazi do veoma snažnog razvoja znanosti. Mnogi govore o takozvanoj eksploziji znanosti, izražavajući na taj način slikovito brzinu u njenom razvoju koju doživljava u zadnjih pola stoljeća. Dakako, za tu su činjenica izravno vezane i mnoge značajke razvoja suvremene znanosti. U kontekstu ove analize apostrofiramo najznačajnije.

Došlo je, prije svega, do naglog porasta ulaganja u znanstveni rad. Svakih pet do deset godina se, prema kompetentnim mišljenjima, u visokorazvijenim zemljama ulaganje u znanstvenoistraživačku djelatnost udvostručuje. To je porast ulaganja o kojem se, prije šezdesetak godina, nije moglo ni sanjati.

Jasno je da porast ulaganja za posljedicu mora imati i povećavanje broja znanstvenika i istraživača. U prilog tome govori i podatak da se njihov broj udvostručuje svakih 7-10 godina, ali i još jedan podatak. Prema podacima OECD-a u znanstvenoistraživačkim institucijama je 1962. godine radilo 1.200 000 znanstvenika i istraživača, a 1986. godine ih je u takvim institucijama, i to samo u punom radnom odnosu, bilo 3. 350 000. Ako se tome dodaju i svi ostali, koji su angažirani u znanstvenoistraživačkom radu, onda je njihov ukupni broj veći za najmanje nekoliko puta.

Rezultat i porasta ulaganja i povećanja angažiranog ljudskog potencijala u znanstvenoistraživačkom radu je radikalan porast znanstvenih informacija. Pišući o tome, Dobrov je još 1966. godine zabilježio da je od ukupne znanstvenih informacija preko polovica njih dokučena u zadnjih petnaestak godina. Za pretpostaviti je da je krivulja rasta nakon toga postala još naglašenija.

Na koncu, sve prethodne značajke utjecale su na odustajanje od individualnog rada u sferi znanstvenoistraživačke djelatnosti. Umjesto angažmana pojedinaca dominantnim postaje rad znanstvenoistraživačkih timova koji ne moraju biti čak ni koncentrirani na jednom prostoru, u jednom institutu. Horizontalno povezivanje se izdiže iznad razine institutskog i poprima razmjere međunacionalnog, povezivanja na razini međunarodnih znanstvenih kooperacija. Složenost znanstvenoistraživačke djelatnosti se, međutim, ne zaustavlja ni na tome. Dapače, ona sve češće postaje veza spajanja različitih generacija, oblik suradnje koja nije suradnja suvremenika, nego forma nastavljanja posla u slijedećoj generaciji.

Navedene značajke suvremene znanosti daju nam za pravo i razmišljati o tendencijama u budućnosti, onima koje se mogu projicirati. One su, nema sumnje, veoma raznolike. Veoma ih je teško jednim ovakvim pregledom obuhvatiti. Ali, vjerujemo kako je dovoljno barem neke od njih markirati. U tom kontekstu smatramo kako je nemoguće barem slijedeće apostrofirati:

1. Dalje razvijanje informacijsko-komunikacijskih procesa i tehnologija. Pronalazak i primjena elektroničkih računala označila su ulazak u treću informacijsku i tehnološku revoluciju početkom pedesetih godina ovog stoljeća. Slijedeća desetljeća će tu revoluciju značajno razgranati, kako u području kompjutorske tehnologije, mikroprocesora i telekomunikacija, tako i u području jačanja njihova značenja kao kohezivne snage i pokretača ukupnog razvoja ljudske zajednice.

2. Ubrzaniji razvoj biološke znanosti i porast njenog značenja na život čovjeka i društva. Već danas se opravdano strahuje, ali i postavljaju pitanja o pravnim, moralnim i filozofskim problemima koje može izazvati revolucija u sferi biologijskih znanosti. Već danas se, i to s pravom, postavljaju pitanja o posljedicama za ljudsku zajednicu koje može izazvati genetički inženjering, ali i etička pitanja koja treba riješiti u vezi s, među inim, fenomenom kloniranja.

3. Zahvaljujući znanosti moguće je u slijedećim desetljećima pretpostaviti i mogućnost upravljanja klimom. Ali, ta mogućnost ima, kao i drugdje, svoje lice i svoje naličje. Ona će omogućiti povećanje proizvodnje hrane potrebne za povećanje stanovništva. Ali, ona će omogućiti i takozvane metereološke ratove. Zbog toga će i taj razvoj tražiti

14

planetarni odgovor na pitanja etičke naravi, koja se u vezi s takvom mogućnošću postavljaju.

1.5. OBILJEŽJA ZNANSTVENE SPOZNAJE

Spoznaja kao filozofski fenomen ima veći broj oblika svoje manifestnosti. Njemački filozof Max Scheler, primjerice, pravi razliku između čak šest vrsta spoznaje: teološke spoznaje, filozofske spoznaje, spoznaje Drugog, individualnog i kolektivnog, spoznaje vanjskog svijeta, živog i neživog, tehničke spoznaje i, na koncu, znanstvene spoznaje. U sličan posao se upušta i francuski sociolog Georges Gurvitch. On razlikuje sedam tipova spoznaje: a) perceptivnu spoznaju vanjskog svijeta, b) spoznavanje Drugog, raznih Mi, grupa, društava, c) spoznaju zdravog razuma ili praktičnog razuma, d) tehničku spoznaju, e) političku spoznaju, f) znanstvenu spoznaju, te g) filozofsku spoznaju.

Ne ulazeći dublje u raspravu sa Schelerovom ili Gurvitchovom klasifikacijom, jedno je potpuno izvjesno. Znanstvena, odnosno spoznaja, do koje se dolazi primjenom metoda znanstvenog istraživanja, je samo jedan od oblika ispoljavanja spoznaje kao fenomena. Stoga je jedno od temeljnih pitanja, koja se moraju postaviti, i pitanje, kako odrediti znanstvenu spoznaju. Što je to po čemu se ona razlikuje od drugih oblika ispoljavanja spoznaje. Vjerujemo da je jedan od efikasnijih načina za to i identifikacija osnovnih obilježja, koja određuju znanstvenu spoznaju. Nema sumnje da znanstvenu spoznaju odlikuje veći broj značajki. One su izravno vezane za ista takva obilježja samih metoda.

Ako bi, pak, htjeli apostrofirati određeni broj tih značajki, koje prate znanstvenu spoznaju, morali bi, prije svega, konstatirati da su pristupi autora različiti.8 Smatramo, međutim, kako se, u kontekstu ovakve analize, ne bi moglo zaobići najmanje nekoliko takvih značajki ili obilježja, prije svega objektivnost i preciznost, sistematičnost i općost, te provjerljivost i organiziranost znanstvene spoznaje.

1.5.1. Objektivnost znanstvene spoznaje

Iako je moguće identificirati različito definiranje objektivnosti znanstvene spoznaje9, izvjesno je da odgovor na to pitanje nije nimalo jednostavan. Razlog tome je u činjenici da objektivnost u znanosti ima najmanje dva bitna aspekta ispoljavanja:

a) Aspekt, u kojem dolazi do izražaja objektivan odnos prema stvarnosti. Takav odnos prema stvarnosti ne treba shvatiti drugačije nego kao nastojanje da se stvori što svestranija i što potpunija iskustvena osnova za znanstveno zaključivanje, ali i kao spremnost da se iskustvenu očiglednost svakog novog podatka ili spoznaje prihvati bez ikakvih preduvjerenja, neovisno o tome kakva smo očekivanja ili želje u vezi s tim podacima ili spoznajama ranije imali. Drugim riječima, objektivnost znanstvene spoznaje podrazumijeva otvorenost i prema stvarnosti i prema novim iskustvima.

b) Formalni aspekt manifestacije objektivnosti znanstvene spoznaje, a koji, zapravo, podrazumijeva određenu proceduru u istraživanjima koja omogućuje ponavljanje, ali i provjeru dobivenih rezultata istraživanja.

Istini za volju, postoje različita tumačenja objektivnosti znanstvene spoznaje koja su ili pogrešna ili, u najmanju ruku, jednostrana. U ovom kontekstu apostrofiramo dva takva tumačenja.

Jedno od njih se svodi na zdravorazumsko tumačenje objektivnosti, odnosno objektivnost znanstvene spoznaje reducira na ono štio se može zapaziti na pojavnoj ravni stvarnosti. Bit znanosti se, međutim, ne iscrpljuje na toj, dakle pojavnoj dimenziji stvarnosti. Naprotiv, ona uvijek želi prodrijeti u dublje i općenitije strukture i zakonitosti funkcioniranja stvarnosti.

8Miroslav Žugaj, primjerice, ističe šest takvih značajki: objektivnost, pouzdanost, preciznost, analitičko-sintetički postupak, sistematičnost i racionalnost. Ratko Zelenika, pak, govori o pet značajki znanstvenih metoda: objektivnosti, pouzdanosti, preciznosti, sistematičnosti i općenitosti.

9Za Ratka Zeleniku, primjerice, objektivnost pretpostavlja nepristran, stvaran, neutralan i pravedan odnos prema određenoj pojavi, predmetu ili objektu, koji postoji nezavisno od subjekta, njegovih opažanja i mišljenja. Osim toga, objektivnost pretpostavlja i objektivnu stvarnost, tj. materiju, prirodu, pojavu, sve ono što postoji nezavisno od spoznaje istraživača, i objektivnu istinu, tj. spoznaju koja odražava stvarnost onakvu kakva jeste (Vidi Zelenika, 1990., 164.)

15

Drugo pogrešno tumačenje objektivnosti znanstvene spoznaje je svođenje objektivnosti na pasivno-promatrački stav prema stvarnosti. Takav je stav, barem kada je u pitanju područje društvenih znanosti, nemoguće izgraditi jer je on uvijek, htjeli to ili ne, i proizvod određenog interesa.

Objektivnost znanstvene spoznaje pretpostavlja, kako je već istaknuto, i mogućnost njezine provjerljivosti. S druge strane, mogućnost provjerljivosti podrazumijeva i obvezu pridržavanja nekoliko temeljnih proceduralnih pravila. U pitanju je, prije svega, pravilo javnosti i intersubjektivne provjerljivosti svakog izvornog podatka. Ništa manje nije značajno i pravilo potpune javnosti svih sastavnih dijelova istraživačkog procesa. Neophodno je, drugim riječima, osigurati javnost kod svih radnji procesa istraživanja - od teorijskih i metodoloških pretpostavki na kojima je istraživanje zasnovano, preko prikupljanja podataka i načina njihova sređivanja i sistematiziranja, do eksplicitnosti, dakle izričitosti i potpune jasnoće logičke strukture izvedenih teorijskih zaključaka. Na koncu, treće proceduralno pravilo, koje pretpostavlja mogućnost provjerljivosti, ističe i potrebu permanentne kontrole svakog znanstvenog podatka i stava, ali i spremnost da se oni, ukoliko se pod pritiskom novih spoznaja pokažu neadekvatnima, popravljaju, izmijene ili potpuno odbace.

1.5.2. Preciznost znanstvene spoznaje

Preciznost je, s jedne strane bitna osobina znanstvene spoznaje, a s druge strane osobina čvrsto povezana i isprepletena s objektivnošću te iste spoznaje. Promatra li se, primjerice, jedno znanstveno istraživanje, brzo će nam postati jasno da je upravo preciznost načelo koje je ugrađeno u sve faze njegove realizacije – od definiranja predmeta istraživanja, preko postavljanja hipoteza i izrade projekta istraživanja, do prikupljanja podataka, njihova sistematiziranja, obrade i tumačenja. Načelo preciznosti je neophodni sastavni dio i samog pisanja znanstvenog izvještaja.

Stoga se, s pravom, postavlja i pitanje kako odrediti pojam preciznosti znanstven spoznaje. Ona je, prije svega, sposobnost da se u iskustvenim pojavama utvrde razlike koje su prividno male i teže primjetljive, ali spoznajno bitne, a potom i sposobnost da se, na temelju podataka o elementima koji su zajednički ili istovrsni, točnije opiše jedna ili više osobina nekih širih iskustvenih skupova.

Preciznost, kao značajka znanstvene spoznaje, ovisi od većeg broja preduvjeta. Među njima su posebno značajni slijedeći preduvjeti znanstvene spoznaje:

a) Jasni i određeni pojmovi, dosljedne, dovoljno razgranate i iscrpne klasifikacije, te adekvatna i dovoljno osjetljiva mjerila.

b) Usavršavanje znanstvenog jezika u cjelini, odnosno povezanost pojmovnog aparata znanosti koji se odnosi na iskustvo s ostalim dijelovima njene pojmovne mreže.

c) Raspolaganje takvim operativno-tehničkim postupcima i sredstvima koji omogućuju da se prikupe ona i onakva izvorna obavještenja koja odgovaraju strukturi primijenjenog pojmovnog aparata.

d) Dovoljno određen i precizan pojmovni okvir unutar kojeg se primjenjuju i tehnička sredstva i operativni postupci.

e) Adekvatni logički, statistički i drugi postupci sređivanja i obrade prikupljenih podataka, te

f) Preciznost izvedenih zaključaka

Iznijeti preduvjeti, drugim riječima, znače da ostvarenje načela preciznosti ovisi od svih faza dolaska do znanstvene spoznaje. Preciznost je, naprosto, načelo koje prati sve oblasti metodologije i potpuno je pogrešno reducirati ga na samo neke od njegovih metodoloških konkretizacija – primjerice, na mjerenje ili statističke postupke – ili pak zahtijevati ga u samo jednoj oblasti znanstvenog rada.

1.5.3. Sistematičnost znanstvene spoznaje

Sistematičnost je jedna od bitnijih odlika znanstvene spoznaje. Naime, put do znanstvene spoznaje podrazumijeva grupiranje i sređivanje prikupljenih činjenica. Pri tome, dakako, sređivanje ne znači samo razvrstavanje prikupljenog materijala nego, naprotiv, i

16

sistematičnost u njegovu prikupljanju. Sistematičnost, s druge strane, podrazumijeva, i sistematično mišljenje, ali i korištenje logičkih postupaka ispravnog mišljenja, dakle stvaranje pojmova, procedura i tehnika kao pretpostavki za donošenje odluka što sve treba i po kojim svojstvima treba prikupljati.

Kada je, pak, sistematičnost znanstvene spoznaje u pitanju, ona počiva na iskustvenim podacima. To, drugim riječima, znači da se iskustvenoj potvrdi znanstvene spoznaje ima zahvaliti eliminacija onoga što je proizvod nagađanja, želja i htijenja samog istraživača pri pribavljanju dokaza njegovih teorijskih teza.

Sistematičnost se, potom, odnosi i na standardizaciju podataka i procesa koji se u prikupljanju podataka koriste. dakako, primijenjeni standardi mogu biti veoma različiti. Pri tome je, međutim, relevantno da oni moraju biti utvrđeni.

Na koncu, sistematičnost znanstvene spoznaje se može manifestirati u dvije elementarne forme. Jedna se tiče traganja za podacima u vezi sa sistematskim procedurama i standardizacijom same spoznaje. Druga se, pak, tiče prikupljanja spoznaja u uređene stavove, teorije i sustave znanstvene spoznaje.

1.5.4. Općost znanstvene spoznaje

U čemu je smisao općosti znanstvene spoznaje? Smisao joj je, prije svega, u tome da se znanstvena spoznaja ne odnosi na pojedinačne slučajeve stvarnosti nego na sve istovrsne pojave u toj stvarnosti. U protivnom, dakako, ne bi mogući bili ni znanstveni sudovi o stvarnosti, a pojedinačne informacije bi samo unosile zbrku jer ono što vrijedi za jedne slučajeve ne vrijedi za druge. Drugim riječima, pojedinačne informacije ne omogućuje poopćavanje koje se odnosi na sve slučajeve unutar određene vrste pojave.

S druge strane, općost omogućuje utvrđivanje i pravilnosti koja se odnosi na strukturu i razvoj određene pojave, a time i utvrđivanje onoga što je u pojavama zajedničko i opće.

Na koncu, općost znanstvene spoznaje karakteriziraju dvije temeljne značajke. Jedna je njezina svestranost, koja se manifestira u činjenici da se spoznaja odnosi na masu slučajeva ili pojava, zbog čega je i moguća njezina pojava u obliku općih stavova. Druga značajka znanstvene spoznaje je njezina sveobuhvatnost, koja omogućuje povezivanje općih stavova u uže ili šire, međusobno povezane i isprepletene sklopove.

1.5.5. Provjerljivost znanstvene spoznaje

Znanstvena spoznaja nije ni zatvorena ni mistična, nego otvorena i javna, nije ničije pojedinačno vlasništvo, nego je opće dobro. S druge strane, ona je, za razliku od drugih tipova spoznaje, i provjerljiva. To, drugim riječima, znači da znanstvena spoznaja polazi od principa da se ništa ne može prihvatiti po logici «zdravo za gotovo», da je, dakle, sve podložno i kontroli i provjerljivosti.

S druge strane, provjerljivost znanstvene spoznaje ne može se osloniti samo na mišljenje, na čulni uvid, iako se ni njega ne treba isključivati kao arbitra znanstvenog suda. Ali, čulno opažanje se obično zadržava na površini pojave, u mogućnosti je doprijeti tek do prostijih i mehaničkih veza, ali ne i otkriti ono što je u pojavama bitno, posebice ako se radi o kompleksnijim odnosima i vezama.

1.5.6. Organiziranost znanstvene spoznaje

Organiziranost je također jedna od bitnih odlika znanstvene spoznaje. Ona se manifestira u dva oblika. Jedan se odnosi na način stjecanja znanstvene spoznaje. Za razliku od drugih oblika spoznaje, koji su spontaniji, uži, a time traže i manji stupanj organiziranosti, za znanstvenu spoznaju je karakteristično da se stječe na organiziran način.

Drugi oblik manifestacije organiziranosti znanstvene spoznaje se odnosi na njegovu primjenu u životu i praksi. Zabluda je, naime, uvjerenje da se znanstvene spoznaje mogu u životu primijeniti spontano i automatski. Dapače. Za primjenu dostignutih znanstvenih spoznaja u pravilu je neophodno stvaranje potrebnih uvjeta. Kaotičnost primjene znanstvenih spoznaja jedan je od bitnih pokazatelja lošeg korištenja znanosti.

1.6. OSNOVNI OBLICI ZNANSTVENE SPOZNAJE

17

1.6.1. Znanstveni zakon

Kako uopće odrediti znanstveni zakon? Može li se, možda, staviti znak jednakosti između znanstvenih zakona i zakona u pravu? Odgovor je na samom startu negativan. Pravni zakoni reguliraju poželjno ljudsko ponašanje. Budući je ono poželjno, to ne znači da do njega mora i doći. Zbog toga takvi zakoni uvode i sankciju kao svojevrsnog korektora.

Znanstveni su zakoni, međutim, sasvim druge naravi. Oni su, naprosto, iskustveni stavovi koji izražavaju «neku opću osobinu pojava ili neki njihov odnos koji nužno proizlaze iz njihove prirode i određenih uvjeta»(Milić, 1978., 286.), a to, onda, znači i najviši oblik znanstvene spoznaje.

Usvoji li se ovakvo određenje, iz njega se mogu izvesti najmanje dvije osobine znanstvenih zakona:

a) oni su apstraktni, a ne konkretno-opisni stavovi koji se odnose na neku strukturu. Tako shvaćena apstraktnost znači da se unutar određene strukture uvijek izdvaja jedan odnos, a sama struktura pojednostavljuje na elemente bez kojih zakon ne može postojati.

b) svi oni imaju historijski karakter. Doduše, taj je karakter kod različitih znanstvenih područja veoma nejednako zastupljen. U prirodnim znanostima, u kojima determinizam dolazi više do izražaja, historičnost je mnogo manje uočljiva nego kod znanosti koje tretiraju dijelove stvarnosti u kojima su promjene brže. Mislimo, prije svega, na društvene znanosti.

Postoji više vrsta znanstvenih zakona, ali i različite tipologizacije, koje se mogu sresti kod različitih autora.10 U kontekstu ove analize se opredjeljujemo za tipologizaciju znanstvenih zakona, koja je izgrađena na njihovu razlikovanju s obzirom na predmet, gnoseološku funkciju, važenje i njihovu općenitost.

Prema predmetu se može praviti razlika između tri osnovne vrste zakona. To su:a) Zakoni veze, u koje spadaju funkcionalni i funkcionalno-genetički zakoni,b) Strukturni zakoni, koji se odnose na strukturu tijela, spojeva, organizama itd.c) Zakoni skupa,

Po gnoseološkoj funkciji moguće je razlikovati:a) deskriptivne, dakle zakone kojima se naprosto konstatira određen suštinski

odnos i međuovisnost bilo predmeta i pojava, bilo njihovih osobinab) eksplikativne, odnosno zakone koji objašnjavaju same pojave u njihovu

nastanku, mijenjanju i razvoju.Prema kriteriju važenja moguće je razlikovati stroge (kakvi su dinamički zakoni) i

više ili manje vjerojatne zakone, kakvi su, primjerice, statistički zakoni.Na koncu, prema općenitosti njihova važenja moguće je praviti razliku između

univerzalnih (zakona koji vrijede za sveukupnu stvarnost), općih (kakvi su zakoni pojedinih znanosti ili grupa znanosti) i posebnih znanstvenih zakona koji su zakoni koji vrijede za suštinske odredbe unutar pojedinih znanosti (takav je, primjerice, zakon o odbijanju i prelamanju svjetlosti).11

1.6.2. Pojam i struktura znanstvene teorije

Pristup u definiranju znanstvene teorije nije unificiran. Naprotiv. U znanstvenoj literaturi se može naići na čak tri značenja ovog pojma.12 U najopćenitijem smislu prihvatljivom se, po našem sudu, čini pristup prema kojem se znanstvena teorija može

10Karakteristična je tipologizacija W. Kneale, koji sve znanstvene zakone dijeli u četiri skupine. U prve dvije ubraja kvalitativne, a u druge dvije izrazito kvantitativne zakone.

11 Usvojena tipologizacija slijedi logiku Bogdana Šešića (vidjeti, Šešić, 1974., 278.-281.). 12 Govori se o teoriji u najširem smislu kao misaonoj spoznaji o nekoj vrsti predmeta, teoriji u užem

smislu kao objašnjenju neke vrste pojava, procesa itd. na osnovu znanstvenih principa, zakona ili hipoteza, te o znanstvenoj teoriji u najužem smislu kao o provjerenom hipotetičkom stavu zakona ili hipotezi primijenjenoj na čitavu oblast ili vrstu pojava u cilju njihove spoznaje. (vidjeti, Šešić, 1974., 291.-292.)

18

odrediti kao na određen način povezani opći iskustveni stavovi pomoću kojih ona sređuje iskustvene podatke i objašnjava iskustvene pojave na području stvarnosti koje je predmet njezina istraživanja, te usmjerava dalja istraživanja (Milić, 1978., 302.).

Prihvati li se ovakva definicija, onda se može kazati da njenu strukturu bitno određuju tri elementa:

a) osnovni rječnik znanstvene teorije koji sadrži izvjestan broj osnovnih pojmova – kakvi su, primjerice, u sociologiji pojmovi društvo, društveno biće, individua itd. – a koji se javljaju u principima ili postulatima same teorije.

b) određen broj principa ili postulata teorije, kakvi su, primjerice, principi mišljenja u logici,

c) manji ili veći broj teorema, koje su izvedene iz postulata.13

Razlikovati se, i to prema većem broju kriterija, može više vrsta znanstvenih teorija. U kontekstu ove analize se opredjeljujemo za tipologizaciju znanstvenih teorija prema pet osnovnih kriterija, i to:

1) prema predmetnom području, prema kojem se može praviti razlika između socioloških, politoloških, ekonomskih, pravnih, filozofskih, informacijskih i teorija drugih znanosti.

2) prema spoznajnom podrijetlu može se govoriti o analitičko-deduktivnim, empirijsko-induktivnim, hipotetičko-deduktivnim i složenim teorijama.

3) prema strukturi se razlikuju teorije teorijskih (znanosti poput matematike, logike..) od teorija empirijskih znanosti, kakva je većina društvenih znanosti.

4) prema općenitosti je moguće razlikovati tri tipa teorija: a) najopćenitije (opće filozofske teorije), b) opće teorije (teorije koje vrijede za sve društvene znanosti), te c) posebne teorije koje vrijede za svaku posebnu znanost (kakva je, primjerice, relativistička teorija prostora)

5) prema stupnju znanstvene utemeljenosti se razlikuju stroge, deduktivne, za koje je karakteristično da im se istinitost može dokazati, i manje stroge, induktivne znanstvene teorije čija se vrijednost može potvrditi, ali ne i strogo dokazati.

Znanstvena je teorija, po svojem dosegu, šira od znanstvenog zakona. Ona se temelji na znanstvenim zakonima, ali i provjerenim iskustvenim uopćavanjima. Ali, ako bi htjeli detaljnije ulaziti u pitanje spoznajne funkcije teorije, to bi najjednostavnije mogli uraditi propitivanjem njenog odnosa prema znanstvenim zakonima. Osnovni je, zapravo, zadatak teorije da znanstvene zakone komentira, međusobno povezuje i tumači. U čemu je bit njenog komentiranja, povezivanja i tumačenja znanstvenih zakona?

Značenje komentiranja znanstvenih zakona proizlazi iz same činjenice da su oni apstraktni stavovi i da im se osnovne formulacije ograničavaju na bitnije i češće relevantne uvjete. To, drugim riječima, znači da se s promjenom tih uvjeta, ili bar dijela uvjeta, i sami zakoni mogu modificirati.

Međusobno teorijsko povezivanje znanstvenih zakona je smisao integrativne funkcije svake znanstvene teorije. Tom funkcijom, dakle međusobnim povezivanjem, pojedinačni znanstveni zakon prestaje «ploviti» kao izolirani slučaj i zauzima svoje mjesto u nekom užem ili širem determinističkom sustavu. Tim se povezivanjem, drugim riječima, dolazi do sintetičkog teorijskog pogleda na određeni dio stvarnosti.

Tumačenje znanstvenih zakona kao jedan od bitnih zadataka znanstvene teorije se manifestira i kroz njihovo povezivanje, ali i kroz njeno nastojanje da otkrije unutarnju strukturu procesa koji dovode do samog zakona.

Sve to upućuje na zaključak da se pred znanstvenu teoriju postavlja čitav niz zahtjeva kojima ona treba udovoljiti. Apostrofiramo samo one koji su, po našem sudu, najznačajniji. Dakle, znanstvena teorija:

a) mora biti iskustveno provjerljiva,

13 Neki autori u elemente strukture znanstvene teorije, pored navedenih, ubrajaju još: 1) predmet ili vrste predmeta na koje se teorija odnosi, 2) izvjesne zakone o pojavama koje su predmet znanstvene teorije, te 3) veći ili manji broj još neprovjerenih hipoteza koje ulaze u sastav znanstvene teorije ili koje ona otvara.

19

b) ona mora udovoljiti kriteriju preciznosti c) treba povezivati, objašnjavati i tumačiti provjerena iskustvena uopćavanja i

zakone,d) treba biti heuristički, dakle spoznajno, plodna,e) treba, bar u perspektivi, biti primjenjiva u nekom obliku ljudske prakse.

1.6.3. Znanstveno objašnjenje i znanstveno predviđanje

Znanstveno objašnjenje i znanstveno predviđanje su najviši teorijski ciljevi i zadaće znanstvene spoznaje do koje se dolazi znanstvenim istraživanjem. Ali, oni nisu i jedini ciljevi. Dapače, dostizanje ovih ciljeva pretpostavlja prethodnu realizaciju najmanje dvije vrste relativno jednostavnijih ciljeva: znanstvenog opisivanja ili deskripcije, te znanstvene klasifikacije. Stoga, prije određenja suštine znanstvenog objašnjenja i znanstvenog predviđanja, postoji potreba bar pojmovnog raščišćavanja navedenih dvaju jednostavnijih ciljeva znanstvene spoznaje.

1.6.3.1. Znanstvena deskripcija

Deskripcija ili opis istraživane pojave je prvi korak, ali i prvi cilj znanstvene spoznaje. Ona je, zapravo, simboličkim jezikom znanosti iskazan neposredni doživljaj i prvi dojam u odnosu na predmet istraživanja. Deskripcijom, drugim riječima, postižemo opći uvid u pojavu.

Da bi taj prvi korak i prvi cilj znanstvene spoznaje odgovorio zahtjevima koji se pred njega postavljaju, on mora udovoljiti i određenim uvjetima. U kontekstu ove analize ističemo nekoliko najbitnijih uvjeta, koje mora zadovoljiti znanstvena deskripcija. To su:

a) Valjanost. Da bi znanstvena deskripcija bila valjana, nužna pretpostavka za to je precizno definiranje onoga što se želi opisati, a potom i prikupljanje podataka koji se odnose na ono što želimo opisati.

b) Objektivnost znanstvene deskripcije. Najbolji način objektivnog opisivanja istraživanih pojava je prakticiranje logike da istu pojavu istovremeno opisuje više osoba. Istovrsnost dobivenih rezultata je i potvrda objektivnog opisa. Vrijedi, dakako, i obrnuto.

c) Potpunost, koja znači zahvaćanje opisivanih pojava i procesa u cjelini.d) Sistematičnost znanstvene deskripcije znači pridržavanje plana u opisivanju

istraživane pojave ili procesa koji je prethodno utvrđen.e) Preciznost u opisivanju znači opis pojave kojim se mogu identificirati i sitnije

razlike u obilježju koje pratimo. 1.6.3.2. Znanstvena klasifikacija

Znanstvena klasifikacija je prvi viši cilj znanstvene spoznaje nakon deskripcije. Njome se, primjenom određene forme sređivanja istraživanih pojava, koja može biti različita, dolazi do bližih spoznaja o pojavama i procesima. Zbog toga, ulaženje u znanstvenu klasifikaciju podrazumijeva i niz konkretnih radnji. Što to znači?

Klasifikacija je dvostruk spoznajni proces. Ona podrazumijeva unutarnju klasifikaciju samih pojava ili njihovih svojstava. Ali, ona istodobno podrazumijeva i određivanje mjesta određene vrste istraživanih pojava u okviru drugih pojava ili neke više klasifikacije. Stoga se je neophodno, prije svega, odlučiti se za formu unutarnje klasifikacije. To, drugim riječima, znači da se pojave ili njihova svojstva mogu klasificirati u klase i podklase, rodove i vrste.

Dakako, da bi i znanstvena klasifikacija odgovorila postavljenoj zadaći ona i sama mora udovoljiti određenim logičkim zahtjevima. Posebno je bitno pet takvih logičkih zahtjeva ili kriterija:

a) Dosljednost klasifikacije, koja znači primjenu istog kriterija u stvaranju različitih klasifikacijskih jedinica

b) Potpunost klasifikacije znači da se zbroj svih pojmova, dobivenih klasifikacijom, mora poklapati s opsegom ukupne pojave koja podliježe klasifikaciji.

c) Iscrpnost klasifikacije znači da ona treba, što je manje moguće, ostavljati sadržaja u neodređenim kategorijama ili tzv. rezidualnim grupama koje obuhvaćaju sve pojmove poput pojmova «razni», «ostali» itd.

20

d) Sve se klasifikacijske grupe na istom stupnju moraju međusobno isključivatie) Sposobnost klasifikacije da razlikuje klasificirane pojave, odnosno dovoljna

diskriminacijska oštrina klasifikacije.

1.6.3.3. Znanstveno objašnjenje

U utvrđivanju hijerarhije ciljeva znanstvene spoznaje znanstveno objašnjenje zauzima mjesto u gornjem dijelu te hijerarhije. Ono je, po mnogima, i najviši cilj znanstvene spoznaje. Temeljno je pitanje: zbog čega? Iz jednostavnog razloga jer se njime, za razliku od deskripcije koja se zadovoljava odgovorom na pitanje «kakvo je nešto?», odgovara na pitanje «zašto»? Raščlani li se navedeno pitanje i odgovor na njega, može se kazati kako je znanstveno objašnjenje veoma složen cilj znanstvene spoznaje. Njime se dolazi do spoznaje sadržaja i strukture, ali i uzroka i načina nastajanja, promjene i razvoja ili nestanka praćene prirodne ili društvene pojave. S druge, pak, strane, iz definicije je jasno da su znanstveni zakoni i znanstvene teorije, o kojima je već bilo govora, samo sredstva, i to osnovna sredstva znanstvenog objašnjenja.

Dakako, i među znanstvenim objašnjenima postoje određene razlike, koje podrazumijevaju najmanje dvije stvari. S jedne strane, one znače činjenicu da se znanstveno objašnjenje može odnositi na neki opći stav – primjerice, iskustveno uopćavanje, znanstveni zakon ili znanstvenu teoriju – ali, isto tako, i na pojedinačne pojave određene vrste.

S druge, pak, strane, razlike među znanstvenim objašnjenjima znače i mogućnost svojevrsne klasifikacije znanstvenih objašnjenja. Ona se, u principu, može izvršiti prema nekoliko temeljnih kriterija:

a) Prema logičkoj formi , u kojem se u objašnjenju nalaze premisa i zaključak, moguće je razlikovati: 1) induktivno objašnjenje, dakle objašnjenje izvjesnih općih stavova na osnovi većeg broja pojedinačnih stavova; 2) deduktivno objašnjenje je objašnjenje koje slijedi deduktivni način zaključivanja, dakle putanju od općeg prema pojedinačnom;

b) Prema spoznajnoj vrijednosti znanstvena objašnjenja mogu biti: 1) istinita u raznim modalitetima. Takva su, primjerice, više ili manje vjerojatna znanstvena objašnjenja, moguće istinita, stvarno istinita, te nužno istinita znanstvena objašnjenja; 2) prividno istinita znanstvena objašnjenja; 3) lažna ili pogrešna znanstvena objašnjenja.

c) Prema prirodi veze između predmeta objašnjenja i oruđa odnosno sredstava pomoću kojih se objašnjenje izvodi, znanstvena objašnjenja mogu biti: 1) funkcionalna, koja prevladavaju u teorijskim znanostima, posebice matematici i logici, 2) uzročna ili kauzalna, kod kojih je predmet uzročna pojava između pojava, procesa ili događaja, te 3) motivacijska, dakle objašnjenja u kojima se ponašanja i djelovanje pojedinca, grupe ili cijelog društva objašnjavaju preko osjećaja, potreba, želja i ciljeva kao motiva određenog djelovanja.

1.6.3.4. Znanstveno predviđanje

Smisao svake znanstvene teorije se može svesti na tri temeljne zadaće. Ona, prije svega, treba što svestranije i što točnije opisati predmet svoga istraživanja. S druge strane, njena je obveza predmet svoga istraživanja što temeljitije objasniti. Na koncu, zadaća znanstvene teorije je i što točnije predvidjeti promjenu i razvoj istraživane pojave. To, drugim riječima, znači da je bitni cilj znanstvenih istraživanja i predviđanje. Mnoga ispitivanja javnog mišljenja se, primjerice, ne vrše radi utvrđivanja trenutnog stanja nego upravo radi predviđanja nekih novih stanja – rezultata izbora, opredjeljenja građana na referendumu itd. Ona, doduše, često nisu cilj po sebi nego orijentir za moguće djelovanje radi učvršćivanja ili promjene postojećeg uvjerenja, a sve to radi postizanja postavljenih ciljeva.

U vezi s dometima znanstvenog predviđanja, nažalost, postoje i različiti pogrešni pristupi i uvjerenja. Među njima treba osobito apostrofirati dva:

a) uvjerenje svojstveno nekritičkom racionalističkom determinizmu, koje polazi od teze da je u svijetu sve apsolutno određeno inicijalnim stanjima, te da se sva mudrost

21

znanstvenog predviđanja svodi na tek dvije komponente. Jedna je poznavanje početnog stanja određene pojave, procesa ili događanja, a druga je opća formula navedene pojave, procesa ili događanja. Znaju li se te dvije komponente, relativno je jednostavno predviđanje svakog slijedećeg stanja ili konačnog ishoda. Međutim, takvog idealnog determinizma zapravo i nema, čak ni u mikroprocesima, a kamoli kod složenih pojava u prirodi i društvu.

b) uvjerenje, koje se može označiti kao logički empiristički agnosticizam, a kojeg karakterizira poricanje svake mogućnosti znanstvenog predviđanja. Ovo uvjerenje izjednačava znanstveno predviđanje s tzv. klađenjem i negira mu svaku mogućnost spoznaje budućnosti. Ali, i takvo je uvjerenje znanstveno neutemeljeno i, u krajnjoj liniji, pogrešno.

Naprijed iznijeto, dakako, ne znači da i u jednom i u drugom uvjerenju nema i dio točnosti. Za empirijski se agnosticizam, primjerice, može kazati da je u pravu kada odbacuje nekritično racionalističko uvjerenje. Ali, određene realne osnove ima, u svakom slučaju, i racionalistički determinizam.

Da bi znanstveno previđanje uopće bilo moguće, nužno je postojanje dviju temeljnih pretpostavki: znanja određenih činjenica u vezu s pojavom koja se istražuje s jedne, te zakona na temelju kojih se postavljaju određene hipoteze. Iz toga, međutim, slijedi zaključak da su i osnovne teškoće znanstvenog predviđanja u uskoj vezi s tim dvjema pretpostavkama. U kontekstu ove analize apostrofiramo posebice dvije vrste takvih teškoća:

a) nedovoljnost činjenica ili raspolaganje činjenicama koje su s pojavama koje treba predviđati u posrednoj vezi.

b) teškoće koje su u vezi s tumačenjem danih činjenica, a koje proizlaze iz mogućnosti različitih, međusobno čak i potpuno oprečnih, tumačenja dostupnih činjenica.

1.7. KLASIFIKACIJA ZNANOSTI

Sama po sebi klasifikacija je bitna odrednica svih sfera čovjekovog individualnog i društvenog života. Teško je, zapravo, zamisliti bilo koju oblast života, bilo koju pojavu ili proces u prirodi i društvu, koji nije podložan određenoj formi klasifikacije. Sukladno tome, danas se može govoriti i o različitim pristupima, ali i oblicima klasifikacije znanosti, a to, drugim riječima, znači i različitost pristupa u otkrivanju interakcijskih veza između pojedinih dijelova znanosti na temelju prethodno usvojenih načela o tim vezama.

Zbog čega klasifikacija znanosti? Odgovor je relativno jednostavan. Ona je neophodna zbog najmanje nekoliko razloga, a prije svega zbog:

- velikog broja pojava u svim područjima znanosti- obilja primjene prirodnih zakona i procesa,- mnoštva znanstvenika- «zatrpanosti» znanstvenim informacijama

Drugim riječima, specijalizaciju treba promatrati kao logičnu posljedicu razvoja znanosti. Često se, naime, govori o različitim fazama povijesnog razvoja znanosti. One su značajne i iz perspektive analize njezine klasifikacije. Moguće je identificirati tri prepoznatljive faze povijesnog razvoja znanosti, i to:

I. Faza nediferencirane znanosti, koja karakterizira antičko i vrijeme ranog srednjeg vijeka. Odlika ove razvojne faze se sastoji prvenstveno u tome da su sva čovjekova znanja o mišljenju, prirodi i društvu bila integrirana i obuhvaćena u filozofiji kao jedinoj znanosti.

II. Faza intenzivne diferencijacije, koju, u periodu između XV. i XVIII. stoljeća, karakterizira izdvajanje iz sastava filozofije veće broja zasebnih znanosti: prvo matematike, mehanike i astronomije, a potom i većeg broja drugih – fizike, kemije, biologije, psihologije, sociologije itd.

III. Faza istodobnog daljeg diferenciranja, ali i integriranja određenih znanstvenih disciplina u znanstvena područja, stvaranja tzv. znanstvenih sustava. Ovaj je proces otpočeo već tijekom XIX. stoljeća, a traje i danas. Izvjesno je da će ovakva razvojna pravilnost bitno profilirati i budućnost ukupne znanosti.

Promatra li se povijest pristupa fenomenu klasifikacije znanosti, brzo se može uočiti njihova šarolikost. O klasifikaciji već u XVIII. stoljeću govori njemački filozof Kant koji, i

22

pored apostrofiranja filozofije, priznaje i neke druge znanosti, prije svega, teologiju, medicinu, pravo i društvene znanosti.

Iz prve polovine XIX. stoljeća su posebno značajne klasifikacije Humboldta i Comtea. Wilhelm von Humboldt (Humbolt) vrši podjelu na dvije osnovne znanstvene grupacije. Prvu oslovljava terminom «duhovne» znanosti, pridodajući im i još neke, kao što su sociologija i politička ekonomija i neke druge. Druga je grupa prirodnih znanosti. Francuski filozof i sociolog A. Comte (Kont) u svojoj klasifikaciji izbjegava logiku grupiranja. Naprotiv, on pravi razliku između šest zasebnih znanosti: matematike, astronomije, fizike, kemije, biologije i sociologije.

Različitost u pristupu, međutim, odlikuje i novije, pa i autore našeg vremena, ali i klasifikacije različitih organizacija i asocijacija. C.F. Weizsaecker, primjerice, sve znanosti klasificira na strukturne znanosti, znanosti o anorganskom, biolugiju, medicinu-antropologiju-psihologiju, društvene znanosti, historijske znanosti, teologiju i filozofiju (Weizsaecker, 1988., 18.-30.).

U časopisu Most, hrvatskog ministarstva znanosti i tehnologije, klasifikacija, u kojoj je razrađena dosta složena podjela na znanstvena područja, polja, grane i ogranke, pravi razliku između šest temeljnih znanstvenih područja, i to:

a) područja prirodnih znanostib) područja tehničkih znanostic) područja biomedicinskih znanostid) područja biotehničkih znanostie) područja društvenih znanosti, tef) područja humanističkih znanosti

Unutar utvrđenih znanstvenih područja se, prema ovoj klasifikaciji, utvrđuju zasebna znanstvena polja koja, opet, sadrže više grana, a svaka od njih također više ogranaka.

Ova klasifikacija potvrđuje tezu da razvoj znanosti klasifikaciju čini sve kompleksnijom, ali i to da s razvojem znanosti neophodnost posebnih znanstvenih sustava, kao rezultata integracije pojedinih užih znanstvenih cjelina, postaje sve više neupitna.

S druge, pak, strane, sve predstavljene, ali i veliki broj klasifikacija koje u kontekstu ove analize nisu navedene, potvrđuju tezu da nijedna klasifikacija nije konačna i jednom zauvijek dana. Naprotiv, sve one imaju strogo ograničeno vrijeme trajanja i odraz su privremenosti svake spoznaje o prirodi i društvu. Istodobno, nijedna klasifikacija ne može biti zatvorena. Nema dobre klasifikacije koja nije i otvorena i fleksibilna.

Ali, neovisno o tome može se govoriti o specifičnim filozofijama, odnosno načelima znanstvenoj klasifikaciji. Posebnu pozornost zaslužuju tri takva načela, filozofije ili stajališta klasifikacije, i to:

a) gnoseološko načelo, u odnosu na koje se može govoriti o objektivnoj klasifikaciji, kod koje se veze između znanosti izvode iz veza iz objekata istraživanja, i subjektivnoj klasifikaciji, kod koje su osobitosti subjekta i najznačajnija osnova klasifikacije.

b) metodološko stajalište, koje razlikuje klasifikaciju prema načelu koordinacije, unutar kojeg se znanosti svrstavaju od općeg prema pojedinačnom i od apstraktnog prema konkretnom, i klasifikaciju prema načelu subordinacije, unutar kojeg se znanosti svrstavaju od jednostavnijih prema složenijima, od nižih prema višima.

c) strukturalni pristup, unutar kojeg se izdvajaju horizontalni pristup – koji omogućuje sagledavanje redoslijeda znanosti prema razini složenosti predmeta znanosti, i vertikalni pristup, koji omogućuje sagledavanje veza elemenata znanosti do kojih se došlo u procesu spoznaje određenog predmeta (vidjeti detaljnije u Kedrov, B.M., 1969., str. 11.).

1.8. ZNANSTVENOISTRAŽIVAČKI RAD

1.8.1. Pojam i vrste znanstvenoistraživačkog rada

Kako definirati znanstvenoistraživački rad? To je, najjednostavnije kazano, «sistematska stvaralačka aktivnost kojom se, primjenom znanstvenih metoda, stječu nove

23

znanstvene spoznaje, odnosno stvaralački koristi postojeće znanje za nove primjene» (Zelenika, 1990., 33.).

Njegov rezultat je, u pravilu, neka istina, koja je ograničena, nepotpuna, nedovršena i relativna, a to sve znači da je podložna zastarijevanju i promjenama. S druge strane, izvjesno je da se znanstvenoistraživački rad i njegovi rezultati, značenje kojih se izvodi iz njihova doprinosa razvoju same znanosti i mogućnosti njihove primjene u ukupnom društvenom razvoju, vrednuju primjenom različitih kriterija. Ivo Žuvela o tri karakteristična podsistema kriterija vrednovanja znanstvenoistraživačkog rada. To su:

1) (pod)sistem kriterija znanstvene valorizacije2) (pod)sistem kriterija ekonomske valorizacije, te3) (pod)sistem kriterija društvene valorizacije rezultata istraživanja (detaljnije u

Žuvela, 1980., 6.)Predmet znanstvenog istraživanja, dakle ono što istražujemo, mogu biti, i jesu, svi

dijelovi stvarnosti i stvarnost u cjelini, neovisno je li ta stvarnost vezana za prirodu ili čovjeka i društvo. Ali, neovisno o kojem dijelu stvarnosti ka predmetu znanstvenog istraživanja se radi, nedvojbeno je da svako znanstveno istraživanje mora zadovoljiti nekoliko uvjeta. Ono, prije svega, mora biti slobodno jer bez slobode nema ni istinskog istraživanja. S druge strane, rezultati svakog znanstveno istraživanja, ukoliko za to ne postoje specijalni razlozi, trebaju biti dostupni najširoj javnosti, što se čini njihovim objavljivanjem, a ukoliko takvi razlozi postoje, dostupnost mora biti osigurana barem znanstvenoj javnosti.

Određenje znanstvenoistraživačkog rada može se dopuniti i isticanjem njegovih najbitnijih svojstava. Tri svojstva znanstvenoistraživačkog rada posebno apostrofiramo:

a) Originalnost kao prvo svojstvo znanstvenoistraživačkog rada. Drugim riječima, znanstvenoistraživački rad uvijek mora polaziti od do tada, dijelom ili u potpunosti, neistraženog i neriješenog problema i za cilj mora imati dolaženje do novih spoznaja, rezultata, normi itd.

b) Činjenice i ideje na kojima se znanstvenoistraživački rad temelji moraju biti pouzdane, prikupljene u dovoljnom broju, «kritički razmotrene i provjerene, pravilno analizirane i interpretirane» (Šamić, 1969., 14.).

c) korištenje najprihvatljivije metode znanstvenog istraživanja.

Šarolikost pristupa među autorima se može identificirati i u odnosu na klasifikaciju znanstvenih istraživanja. Istina je, ipak, da se u znanstvenim krugovima najčešće prihvaća klasifikacija, usvojena u UNESCO-u, dakle specijaliziranoj agenciji Ujedinjenih naroda za znanost, kulturu i umjetnost. Prema UNESCO-voj klasifikaciji mogu se razlikovati tri vrste znanstvenoistraživačkog rada i to: fundamentalna, primijenjena i razvojna istraživanja.14 Stoga im posvećujemo pozornost i u okviru ove analize.

1.8.1.1. Fundamentalna istraživanja

Fundamentalnim se istraživanjem, prema vladinoj organizaciji SAD, zaduženoj za visokoškolske asocijacije, smatraju istraživanja koja su izravno usmjerena prema povećavanju znanja. Drugim riječima, njihov prvenstveni zadatak nije praktična primjena novih znanja nego, naprotiv, otkrivanje određenih procesa, uzročno-posljedičnih veza i zakonitosti u prirodi i društvu radi povećanja ljudskog znanja i stvaranja spoznajnih pretpostavki za druga, buduća istraživanja.

To, dakako, ne znači da se i unutar fundamentalnih istraživanja ne može izvršiti određena unutarnja klasifikacija. Naprotiv, i ona se mogu selektirati na dvije podvrste, i to:

a) Neusmjerena (slobodna, čista) fundamentalna istraživanja, kod kojih predmet istraživanja određuju potpuna sloboda i interes konkretnog istraživača, njegova znatiželja za otkrivanjem određenih znanstvenih istina, a ne i određeni praktični cilj ili mogućnost primjene u životu. Stoga je najčešći slučaj da su ovakva istraživanja vezana uz pojedince, uz

14 Pored ovih, neki autori navode i druge vrste znanstvenog istraživanja. Primjerice, Ivo Žuvela govori o prikupljanju znanstvene građe, sistematizaciji postojećih znanstvenih spoznaja, opservacijskim (opažajnim) istraživanjima, eksperimentalnim istraživanjima i znanstvenim otkrićima kao posebnim vrstama znanstvenih istraživanja (detaljnije u Žuvela, 1978., 7.)

24

njihove ambicije, želje i interese. Upravo stoga je skoro isključena mogućnost da se u njih upuštaju i znanstveni timovi.

b) Usmjerena fundamentalna istraživanja, koja se, ponekad, označavaju i terminom strategijska istraživanja. Bit ove grupe fundamentalnih istraživanja se svodi na to da predmet istraživanja ne nastaje kao rezultata slobodnog opredjeljenja i interesa određenog istraživača. Naprotiv, pravac istraživanja i područje rada su u njima strogo određeni. Ona su, iako im cilj nije neposredna aplikacija, ipak orijentirana na praktične probleme, a to znači i na moguću primjenu u praksi. Stoga u njihovoj realizaciji obično sudjeluju znanstveni timovi iako nije isključeno i individualno obilježje ovakvih istraživanja. 1.8.1.2. Primijenjena istraživanja

Pod ovim tipom znanstvenih istraživanja se podrazumijevaju istraživanja čiji je

smisao dvostruk. Njihov cilj je, kao i kod fundamentalnih istraživanja, također uvećavanje kvantuma znanja o prirodi i društvu. Ali, to nije i jedini cilj. Cilj primijenjenih istraživanja je i rješavanje nekog praktičnog zadatka, a to, drugim riječima, znači postizanje znanja koja će biti ili koja mogu biti brzo i neposredno praktično primijenjena. Ako je to tako, a jeste, onda to znači da je i predmet istraživanja unaprijed strogo određen i istraživač uopće nema slobode u izboru predmeta.

Doduše, crtu razgraničenja između ovih dviju vrsta znanstvenog istraživanja je dosta teško povući. Dapače, prije se može kazati kako se fundamentalna i primijenjena istraživanja međusobno isprepliću, ali i uvjetuju. Pođe li se od ove teze, a ona nije daleko od pameti, onda su u pravu oni koji smatraju kako je uopće termin “primijenjena znanost” upitan, ako ni zbog čega drugog onda zbog činjenice da nema znanosti koja nije barem dijelom primijenjena, neovisno o tome nalazi li svoju primjenu u praksi ili u drugom znanstvenom području.

1.8.1.3. Razvojna istraživanja

Uprošćeno kazano, razvojna istraživanja predstavljaju zadnju fazu procesa istraživanja, fazu koja se temelji na fundamentalnim i primijenjenim istraživanjima i u kojoj se razvijaju i testiraju novi ili poboljšavaju stari postupci, proizvodi, usluge, poboljšava stara ili uvodi potpuno nova organizacija itd.

To su, zapravo, sve radnje i postupci, koji zauzimaju prostor između određene znanstvene spoznaje i njene primjene. Iz toga, opet, proizlazi da razvojna istraživanja imaju naglašeno praktični cilj. Takav cilj, dakako, od onih koji se ovakvim istraživanjima bave traži i znanstvena i empirijska znanja, ali i mnogo mašte i snalažljivosti, oštroumnosti, a ponekad i profesionalne hrabrosti. 1.8.2. Pojam i vrste znanstvenih i stručnih djela

U znanstvenoj se terminologiji dosta često koristi pojam «znanstvena i stručna djela». Ne radi se, dakako, o sinonimima. Naprotiv, između njih, između znanstvenih i stručnih djela, i to nije prijeporno, postoje značajne razlike. Temelj znanstvenoga rada čini generalizacija. Njime se otkrivaju nove spoznaje, a on je sam po sebi otkrivanje ili novih zakona ili novih metoda. Pojednostavljeno kazano, između znanstvenog rada i pronalaženja se može staviti znak jednakosti. Nasuprot tome, stručni rad bitno određuje konkretizacija. On znači djelovanje na temelju već otkrivenih spoznaja. Drugim riječima, stručni rad je usmjeren na primjenu postojećeg znanja.

Ali, istina je da se može govoriti i o zajedničkim obilježjima jednih i drugih. U kontekstu ove analize ističemo nekoliko, po našem sudu najznačajnijih zajedničkih obilježja znanstvenih i stručnih djela:

1. Neovisno o tome radi li se o znanstvenom ili stručnom djelu, ono treba zadovoljiti kriterij optimalnosti obzirom na svoj obujam. Razlog tome je u jednostavnoj činjenici da veći obujam ne znači i veću kvalitetu. U prilog tom sudu se može navesti veliki broj primjera. Prema tome, obujam treba biti takav da može odgovoriti osnovnim zahtjevima, koji se pred rad, znanstveni ili stručni, postavljaju.

25

2. U svakom radu, neovisno o tome je li on znanstveni ili stručni, mora postojati jedinstvo, sklad i logička povezanost između svih njegovih dijelova, da se, dakle, svi dijelovi odnose na predmet istraživanja.

3. Nevrijedan je svaki rad, kako znanstveni tako i stručni, ako ga ne odlikuje određena doza originalnosti, bez obzira na to podrazumijeva li originalnost potpuno nove spoznaje o prirodi i društvu ili se, pak, radi o novini u prezentaciji ranije dosegnutih znanja.

4. Rezultati istraživanja nemaju vrijednost ni kod znanstvenog ni kod stručnog rada ukoliko nisu u dovoljnoj mjeri obrazloženi, dakle različitim dokazima i argumentima potkrijepljeni.

U uskoj vezi s iznijetim zajedničkim obilježjima su i načela kojih se znanstvenik mora pridržavati želi li da njegov rad rezultira dobrim radom, dobrim djelom neovisno o tome je li ono znanstveno ili stručno. Apostrofirati je neophodno najmanje pet takvih načela:

1. U pisanju znanstvenog i stručnog djela ne treba praviti velike uvode. Oni ne pridonose kvaliteti djela. Naprotiv, veliki uvodi mogu konkretni rad samo bespotrebno opteretiti. Sukladno tome, poželjno je da se izlaganje već na samom početku dovede u vezu s predmetom istraživanja.

2. U rad ne treba unositi ništa što nije u neposrednoj vezi s predmetom istraživanja. Nediscipliniranost i podložnost čestim digresijama utječe na razvodnjavanje rada i čine ga manje vrijednim.

3. Rad se ne smije pretrpavati beznačajnim pojedinostima. Naprotiv, mnogi se slažu da je prihvatljivije ispustiti iz rada nešto što zavrjeđuje da se u njemu nađe nego ga opteretiti nepotrebnim detaljima. Nažalost, do navedenih opterećivanja dosta često dolazi i to u pravilu zbog dviju grupa razloga. Opterećivanje može biti posljedica nesposobnosti da se razluči bitno od nebitnog, a može i rezultat želje da se iskoristi čitavi empirijski materijal kojim se raspolaže. Učinci za kvalitetu rada su, međutim, negativni i u jednom i u drugom slučaju.

4. Misli, ideje i informacije koje su u radu jednom izrečene ne treba ponavljati. Tome ne podliježu jedino kratke rekapitulacije i rezimei onoga što je već kazano jer oni olakšavaju i pospješuju razumijevanje sadržaja teksta. Nažalost, bespotrebna i neopravdana ponavljanja se dosta često daju identificirati u znanstvenim i stručnim djelima. Uzrok tome najčešće treba tražiti u činjenici da autor nije solidno ovladao materijom o kojoj piše, te zbog toga nije izradio ni detaljan, a ni dovoljno kvalitetan plan izlaganja.

5. U pisanju znanstvenog i stručnog rada se treba osloboditi nagona da se stvari, koje su same po sebi razumljive, do u detalje razlažu i opširno objašnjavaju. Samo tako se može doći do znanstvenog i stručnog djela koje je dovoljno koncizno i jezgrovito, ali istodobno i zanimljivo. U protivnom će se čitatelju ponuditi tekst koji izaziva dosadu, nezanimljivost i zijevanje, ali i želju da se komunikacija s njime prekine.

1.8.2.1. Pojam i vrste znanstvenih djela

Ponekada se između znanstvenog i stručnog djela stavlja znak jednakosti. To je, međutim, i pogrešno i neodrživo. Istina je da su znanstvena i stručna djelatnost isprepletene. Istina je i da nema promjena bez jedinstva ove dvije djelatnosti, da one, dakle, služe istom cilju. Ali je istina, također da one nisu i sinonimi. Naprotiv, u pitanju su, moglo bi se reći, dvije strane jednog procesa. Znanstvenim se djelom otkrivaju nove spoznaje, a stručnim se radom ta spoznaja transformira u praktično djelovanje, ali i praktičnu korist.

Postoje različite definicije znanstvenog djela. Profesor Žuvela, primjerice, pod znanstvenim djelom podrazumijeva djelo usmjereno na ispitivanje veza i odnosa među predmetima i pojavama u objektivnoj stvarnosti, djelo koje je, primjenom znanstvene metode, usmjereno na utvrđivanje pravilnosti i zakonitosti u prirodi i društvu, otkrivanje dotad nepoznatih činjenica i doprinos povećanju znanstvenih spoznaja (detaljnije u, Žuvela, 1978., 14.).

Za razliku od ovakvog, u principu neodređenog pristupa, Day smatra da «znanstveno djelo mora biti pravi prikaz rezultata istraživanja koji sadrži dostatno obavijesti da bi kolege mogli: 1) procijeniti rezultate, 2) ponoviti eksperimente i 3) procijeniti tijek razmišljanja» (Day, R. A., prema Silobrčić, 1982.).

Dayova je definicija, opet, više mehanička i ne govori o biti nego samo o tehničkoj dimenziji znanstvenog djela. Potpuna bi definicija, po našem sudu, u sebi morala sadržati

26

najznačajnije dijelove obiju prethodnih definicija. S tim u vezi bi se moglo izvesti slijedeću definiciju. Znanstveno je djelo koje je, primjenom znanstvenih metoda, usmjereno na ispitivanje veza i odnosa među predmetima i pojavama u objektivnoj stvarnosti, dakle utvrđivanje pravilnosti i zakonitosti u prirodi i društvu i doprinos povećanju znanstvenih spoznaja, pri čemu mora biti strukturirano na način da omogućuje procjenu tijeka istraživanja, uvid u procjenu postignutih rezultata, te mogućnost ponavljanja eksperimenta potrebnog radi provjere dobivenih rezultata.

Može se govoriti o većem broju različitih znanstvenih djela. U kontekstu ove analize apostrofiramo osobito četiri vrste ovih djela. To su:

1. Monografija. Prema Harrodu, monografija nije ništa drugo nego rasprava koja detaljno, mada ne i preopširno, obrađuje pojedini predmet, skupinu predmeta ili neku osobu, pri čemu prakticira veoma opsežnu bibliografiju. Ona je, drugim riječima, znanstveno djelo ili popularno znanstveno djelo koje iscrpno i sveobuhvatno razmatra neko pitanje, predmet ili neku osobu. Za nju se često rabi i termin omeđena publikacija, a to znači publikaciju koja je potpuno posvećena jednom znanstvenom predmetu. Kao znanstveno djelo dominantna je bila u prošlom stoljeću. Danas je značajno potisnuta od drugih vrsta znanstvenih djela, prije svega od zbornika znanstvenih radova.

2. Doktorska disertacija. Radi se o originalnom znanstvenom djelu koje se temelji na fundamentalnim i primijenjenim istraživanjima, ali i na primjeni raznovrsnih znanstvenoistraživačkih metoda, koje omogućuju otkrivanje novih znanstvenih činjenica, pojava, zakonitosti, teorija. Ona, prema tome, predstavlja bitan doprinos znanosti.

3. Znanstvena studija, u pravilu, predstavlja znanstveno djelo većeg broja, dakle tima znanstvenika, koje za potrebe zainteresiranog naručitelja izrađuju znanstveni instituti ili znanstveno-nastavne organizacije, odnosno fakulteti. Ovakav tip znanstvenih djela bitno određuje znanstveno istraživanje, koje se realizira najčešće u dužem vremenskom periodu - do pet, pa i deset godina - a koje za rezultat ima određeni originalni znanstveni doprinos, bilo da je on teorijski ili praktični.

4. Znanstveni članak. To je napisan i objavljen opis originalnih rezultata istraživanja, u pravilu u «publikaciji koja je lako dostupna međunarodnoj znanstvenoj javnosti, a napisan je na način da se istraživanja mogu ponoviti i zaključci provjeriti» (Silobrčić, 1982., 13.). Bez obzira na koju se oblast odnosi, znanstveni članak uvijek sadrži određene elemente. To su naslov, sažetak, uvod, razrada materije s rezultatima istraživanja, zaključak, fusnote, popis korištene literature, te prilozi ukoliko uopće postoje.

1.8.2.1.1. Vrste znanstvenih članaka

U pravilu se može praviti razlika između pet vrsta članaka. To su: 1. izvorni znanstveni članak, 2. prethodno priopćenje, 3. pregledni članak, 4. izlaganje na znanstvenim skupovima, te 5. stručni članak. Prva četiri spadaju u grupu znanstvenih članaka, a stručni članak je jedna od vrsta stručnih djela. Stoga će ona biti i obrađena u narednom dijelu, u kojem se detaljnije obrađuju stručna djela.

1. Izvorni znanstveni članak uvijek predstavlja originalno znanstveno djelo. Drugim riječima, njime su prvi put do tada iznijete određene znanstvene činjenice, spoznaje i teorije. Odlika ovog tipa znanstvenog članka jeste mogućnost ponavljanja istraživanja na temelju kojeg se iznose postignuti rezultati. Stoga se i kaže da je on primjereniji prirodnim znanostima. Ali, on nije rijedak ni u području društvenih znanosti. Naprotiv.

2. Prethodno priopćenje ili znanstvena bilješka je, na određeni način, i prva kraća obavijest o određenom istraživanju. I ono sadrži određene znanstvene informacije. Ali, za razliku od izvornog znanstvenog članka prethodno priopćenje nije i krajnje upoznavanje s rezultatima provedenog istraživanja. Naprotiv, istraživanje nije okončano i ono još uvijek može dovesti do znanstvenih činjenica i spoznaja koje u prethodnom priopćenju nisu

27

dokučene. To, istodobno, znači da činjenice i spoznaje, koje su dokučene, ne omogućuju i njihovu provjeru.

3. Pregledni članak. Ovaj tip članka ne mora sadržati originalne rezultate istraživanja. Naprotiv, on može, ali sada na novi i drugačiji način, prikazati rezultate već provedenog i javnosti prezentiranog znanstvenog istraživanja. U njemu, doduše, može biti i novih, originalnih i neobjavljenih rezultata istraživanja. Ali, oni ne čine i pretežiti i bitni dio takvog članka. Prema tome, ukoliko bi ga htjeli detaljnije opisati, za pregledni se članak može reći da čini formu sistematiziranja, ocjene, komentiranja i prezentiranja tuđih, ali i vlastitih rezultata istraživanja. On, sukladno tome, i ima prvenstveno instruktivno značenje i funkciju.

4. Izlaganje na znanstvenom skupu. Ovaj se tip znanstvenog članaka često označava i terminom «konferencijsko priopćenje». To, međutim, nije i potpuno točno. Naime, svako konferencijsko priopćenje ne mora imati i obilježje znanstvenog članka. Ali, istina je da konferencijsko priopćenje može imati sve elemente znanstvenog članka, da se, dakle, tretira kao izvorni znanstveni članak, prethodno priopćenje ili pregledni članak. No, da bi ono bilo tretirano kao neki od znanstvenih članaka, konferencijsko priopćenje mora pratiti i određena recenzija, odnosno znanstvena potvrda ili ocjena, da se radi o nekom od znanstvenih članaka, koja treba biti prihvaćena i od uredničkog ili redakcijskog odbora znanstvenog skupa. Ukoliko takve ocjene i potvrde nema, konferencijsko se priopćenje ne tretira kao znanstveni nego samo kao stručni članak.

1.8.2.2. Pojam i vrste stručnih djela

Kako je već i istaknuto, stručnim se djelom ne otkrivaju nove, nego prikupljaju i interpretiraju već poznate znanstvene činjenice, spoznaje i teorije, širi i popularizira već dostignuta znanstvena spoznaja, ali i traga za načinom njihove primjene.

Iako među metodolozima ne postoji suglasje u tome što sve treba svrstati pod pojam stručno djelo, vjerujemo kako je neupitno uključivanje barem pet vrsta stručnih djela. To su: stručni članak, prikaz, elaborat, ekspertiza i recenzija.

1. Stručni članak nije rad koji sadrži originalne rezultate istraživanja. U njemu se, naprotiv, iznose već poznate spoznaje, u pravilu tuđi rezultati istraživanja radi prenošenja informacija o njima. U stručnom se članku, osim toga, može opisivati i primjena onoga što je već drugdje primijenjeno. Drugim riječima, sadržina stručnog članka nije iznošenje novih znanstvenih spoznaja nego informiranje o njima s ciljem njihove primjene u praksi.

2. Prikaz. Radi se, u pravilu, o iznošenju stajališta ili shvaćanja o nekom događaju, pojavi ili djelu. Najčešće se radi o ocjeni određenog djela, dakle knjige ili članka, i njihova predstavljanja znanstvenoj i stručnoj javnosti. Takva se ocjena i predstavljanje pojavljuje najčešće u odgovarajućim časopisima i zbornicima, a isključeno nije ni njihovo pojavljivanje u dnevnim listovima ili tjednicima. Pri tome je, ipak, važno da takva ocjena nema ambicija davati konačni sud o znanstvenoj i stručnoj vrijednosti prikazivanog djela nego, slijedeći principe konciznosti, objektivnosti, jasnoće i uvjerljivosti, za upoznavanje s njim pridobiti što veći broj čitateljske publike.

3. Elaborat je oblik stručnog djela u kojem se, u pravilu na metodološki ustaljeni način, temeljito obrađuje i izlaže neki predmet ili pojava. Investicijski elaborat je klasični primjer ovakvog stručnog djela. Ali, to vrijedi i za sve ostale elaborate - one o programu razvoja, unutarnjoj organizaciji itd.

4. Ekspertiza je oblik stručnog djela u kojem određeni ekspert, ili pak ekspertni tim, iznosi svoj stručni sud o nekom predmetu ili praktičnom problemu, njegovom rješenju ili ekspertnom viđenju. Česte su, primjerice, ekspertize o uzrocima prometnih nezgoda, poslovnih gubitaka različitih gospodarskih subjekata, zdravstvenom stanju počinitelja različitih kažnjivih djela itd.

5. Recenzija se može definirati kao pismena kritička ocjena određenog znanstvenog ili stručnog djela, koju daje priznati ekspert, a kojom se postižu tri bitna cilja, i to:

a) onemogućuje se objavljivanje nekvalitetnih znanstvenih i stručnih djela,b) osigurava se na suvremen način citiranje relevantne literature,c) poboljšava se kvaliteta dostavljenog rukopisa, njegov stil i primijenjena

terminologija, oblikovanje misli i način prezentiranja rezultata istraživanja itd.

28

U pravilu se prakticira da se znanstveno ili stručno djelo uputi dvojici eksperata, autoru najčešće nepoznatih, s molbom da daju svoju ocjenu, ali i prijedlog o tome što sa dostavljenim rukopisom učiniti.

Svaka recenzija sadrži četiri osnovne cjeline ili sastavna dijela. To su: I. uvod, II. opis teme, III. ocjena i IV. zaključak.

I. Uvod je dio recenzije koji uključuje informacije o naslovu recenziranog rukopisa, obimu rada, karakteru rada, te mjestu koje obrađena tema ima u određenoj znanstvenoj oblasti.

II. Opis teme omogućuje uvid u strukturu rada. Opisom se, drugim riječima, daje kratki kronološki pregled rukopisa dostavljenog rada, njegovi glavni naslovi i sastavni dijelovi u okviru njih. U ovom se dijelu ne iznose i ocjene dostavljenog rada.

III. Ocjena rukopisa dostavljenog rada je najznačajniji dio recenzije. U njoj se iznose i dobre strane, ali i nedostaci, rukopisa dostavljenog djela, a posebno:

a) odgovara li naslov rada njegovu sadržaju,b) koliko je tema uopće sretno odabrana, suvremena, originalna i zanimljiva,c) da li je za obradu odabrane teme sakupljena sva neophodna građa, dali je ona

savjesno iskorištena, analizirana i interpretirana,d) sadrži li recenzirani rad dovoljno novih, originalnih rezultata istraživanja i kakav

je doprinos znanosti recenziranog rada,e) da li su u radu korištene znanstvene metode koje su primjerene naravi i

karakteru predmeta istraživanja,f) odgovara li struktura i kompozicija rada tematici koju on tretira, te postoji li

mogućnost uklanjanja nekih dijelova rada a da se to ne osjeti i na njegovoj kvaliteti,

g) kako je korištena i citirana relevantna literatura i kako je ona klasificirana,h) da li je sažetak primjereno napisan,i) koliko je uspješan u radu korišteni stil izlaganja. Da li je on jasan, precizan,

jednostavan, prirodan i slično. Kakav je ton izlaganja materije - akademski ili familijaran, jednostavan ili neposredan itd.

j) treba li djelo, i na koji način, tiskati. Recenzent, u pravilu, može predložiti jednu od slijedećih mogućnosti: tiskati rad bez ikakvih intervencija, tiskati ga uz neznatne promjene, tiskati ga uz znatne intervencije ili uopće ga ne tiskati. Ukoliko recenzent predloži jednu od triju posljednjih mogućnosti, obvezan ih je i detaljno obrazložiti. Može se dogoditi da jedan od recenzenata predloži objavljivanje, a drugi neobjavljivanje dostavljenog im rukopisa. U tom se slučaju, u pravilu, angažira i treći recenzent čije je mišljenje presudno za sudbinu zaprimljenog rukopisa.

IV. Zaključak, kojim se na jezgrovit, koncizan i argumentiran način dade osvrt, ali i ocjena, rada kao cjeline. U zaključku se, a na temelju iznijetih argumenata u ocjeni, iznosi i prijedlog o objavljivanju ili neobjavljivanju recenziranog rada, kao i prijedlog eventualnih intervencija koje se imaju u radu učiniti. Na koncu, u zaključku se iznosi i potpuno precizan prijedlog kategorizacije recenziranog rada.

1.8.2.3. Pojam i vrste znanstveno-stručnih djela

Između znanstvenih i stručnih djela postoji dosta jasna razlika i crta razgraničenja. Ipak, razlikovanje među njima je izvršeno na logici idealnih tipova. Drugim riječima, navedene se razlike prave polazeći od idealnih, očišćenih situacija. Stvarnost je, međutim, često drugačija. Teško je danas pronaći znanstveno djelo a da u njemu nema i elemenata stručnog djela. Vrijedi, dakako, i obrnuto. Pitanje je samo kakav je odnos između elemenata znanstvenog i stručnog, preteže li on, i u kojoj mjeri, na jednu ili drugu stranu.

Dosta se često može naići na situaciju da su u jednom djelu u približno istoj mjeri zastupljeni elementi i znanstvenog i stručnog rada. U tom je slučaju najprirodnije govoriti o znanstveno-stručnom djelu. U tu se skupinu mogu uvrstiti slijedeća djela: 1. udžbenici, 2. enciklopedije 3. leksikoni, 4. praktikumi, 5. rječnici, 6. zbornici radova, te 7. bibliografije. Stoga našu pozornost kratko zadržavamo na svakom od njih.

1. Udžbenik je osnovno nastavno sredstvo koje se koristi u školama i na fakultetima, a u kojem se đacima i studentima, na sustavan i primjeren način, izlaže određeno gradivo prema utvrđenom nastavnom planu i programu jedne discipline ili

29

predmeta. Iz toga slijedi da udžbenik mora imati elemente znanstvenog djela, ali mora ispunjavati i potrebne pedagoške, didaktičko-metodičke, tehničke i estetske standarde i kriterije.

Prihvati li se prethodna definicija udžbenika, iz nje slijedi i zaključak da se njime, pored tiskane knjige, koja je obično sinonim za udžbenik, može obuhvatiti i različite vrste skripta, hrestomatija, zbirki zadataka, priručnika, pa i autoriziranih predavanja.

Navedena definicija udžbenika upućuje i na njegova osnovna obilježja, odnosno njegove specifičnosti kao izvora znanja. U kontekstu ove analize apostrofiramo posebice slijedeća obilježja udžbenika:

a) U udžbeniku se materija, koja je izložena, znanstveno tretira.b) Da bi izložena materija bila pristupačna namijenjenim korisnicima u udžbeniku

mora biti udovoljeno didaktičko-metodičkim zahtjevima prilagodbe izložene građe. To, drugim riječima, znači:I. da udžbenik mora imati određenu informacijsku funkciju, odnosno sadržaj u

njemu mora biti određen, suvremen, aktualan, ali i podložan promjenama.II. mora imati i određenu transformacijsku funkciju, odnosno mora odgovoriti

na pitanje kako jednu informaciju posredovati, približiti je korisniku.c) Udžbenik mora odgovarati i utvrđenom programskog sadržaju jedne nastavne

discipline ili predmeta.2. Enciklopedija. Pod njom se podrazumijeva djelo koje, slijedeći abecedni

poredak, na sažet i sustavan način daje pregled pojedinačnih ili skupnih grana ljudskog znanja. Ovisno o tome može se praviti razlika između dviju osnovnih vrsta enciklopedija. To su:

a) opće ili univerzalne enciklopedije, dakle enciklopedije koje sadrže, abecednim redom dat, sažet i sustavan pregled svih grana ljudskog znanja, kulturnih, znanstveno-tehničkih i drugih tekovina.

b) specijalne enciklopedije koje obrađuju samo jedno područje ljudskog znanja. Takve su, primjerice, medicinska, pomorska, pravna i druge enciklopedije.

Ali, pored ovog razvrstavanje enciklopedija se može izvršiti i prema drugim kriterijima. Prema strukturi se, primjerice, može praviti razlika između:

a) priručnih enciklopedija, koje obuhvaćaju od jedan do četiri sveska,b) malih enciklopedija, čiji obujam može biti do 18 svezaka,c) velikih enciklopedija, koje mogu imati i do nekoliko desetina svezaka.15

Inače, pojmovi ili natuknice, koji se obrađuju u enciklopediji, mogu biti razvrstani i obrađeni prema različitim kriterijima. U principu se prakticiraju dva: 1. da poredak poštuje pravilo abecednog reda, te 2. da se u popisu pojmova poštuje pripadanje određenom predmetu.

Prema vrsti i obujmu teksta, kojim je jedan pojam opisan, može se praviti razlika između nekoliko natuknica ili pojmova, i to:

a) pregledne natuknice koje se uvijek odnose na značajne stvari i pojave. Više takvih natuknica zaokružuju relevantne informacije o određenom predmetu

b) ukrštene reference, koja čitatelja upućuje da se relevantna informacija može tražiti i pod drugom riječi. Stoga ga upućuje na bibliografski popis koji je sastavni dio svake enciklopedije

c) predmetni indeksi koji povećavaju vrijednost svake enciklopedije3. Leksikon vodi podrijetlo od grčke riječi leksikon, koja znači rječnik, knjigu u kojoj

su abecednim redom poredani i protumačeni različiti pojmovi. Sukladno tome se može reći da leksikoni nisu ništa drugo nego određena vrsta enciklopedijskih rječnika, dakle rječnika u kojima je određena masa pojmova, naziva, riječi i predmeta, pojava i činjenica poredana abecednim redom. Zahvaljujući tome leksikoni mogu poslužiti čitatelju kao izvanredan priručnik.

I leksikoni se mogu klasificirati. Najčešće je razlikovanje između općih i specijalnih leksikona.

4. Praktikum je također specifična vrsta udžbenika, odnosno priručnika, namijenjenog studentima, ali i istraživačima i poslovnim ljudima. Najjednostavnije kazano, oni predstavljaju vrstu instruktivnih priručnika, odnosno vodiča u kojima se na jednostavan i 15 Mogući su i drugačiji pristupi u klasifikaciji. Šamić, primjerice, pravi razlikovanje između općih i

stručnih, univerzalnih i nacionalni, te laičkih i religioznih enciklopedija (Vidi detaljnije u Šamić, 1980.).

30

jasan način iznose postupci, zadaće i operacije kojima se, točno utvrđenim redoslijedom, rješavaju određeni problemi, poslovi, postupci itd. Da bi se postigla maksimalna jasnoća u postupku i redoslijedu radnji, u praktikumima se najčešće koristi metoda rješavanja konkretnog slučaja. Taj je slučaj prikazan u samom praktikumu.

Inače, i praktikumi mogu imati univerzalni i specijalistički karakter ovisno o tome sadrži li instrukcije iz jednog ili više područja znanja.

5. Rječnik se može definirati kao korisno pomagalo u znanstvenom i istraživačkom radu, priručnik koji znanstveniku pomaže razumjeti, ili bolje razumjeti, riječi koje tijekom rada susreće. Postoji veći broj vrsta rječnika. Najznačajniji među njima su: jednojezični, dvojezični, mnogojezični, te biografski rječnici. U vezi sa svakim od njih želimo dati barem osnovne informacije.

a) Bitno je obilježje jednojezičnih rječnika u tome da sadrže riječi samo jednog jezika. To, dakako, ne znači da i među njima nema određenih različitosti. Naprotiv. Ovisno o tim specifičnostima unutar ove skupine se može identificirati nekoliko vrsta rječnika.

-Etimološki rječnici svoj smisao iscrpljuju u dešifriranju i pojašnjavanju podrijetla riječi, bave se njenim korijenom, te osnovom iz koje je nastala

-Povijesni rječnici svoju pozornost koncentriraju na pojašnjavanje pojave i uporabe riječi u različitim pisanim dokumentima i djelima iz različitih vremenskih perioda.

-Književni rječnici se bave analizom riječi koje se rabe u suvremenoj književnosti i književnom govoru.

-Enciklopedijski rječnici ili leksikoni daju prikaz jezičnih karakteristika i raznih značenja riječi koje donose i informacije znanstvenog karaktera.

-Stručni rječnici su skoncentrirani na izbor i značenje riječi određenog znanstvenog značenje, odnosno riječi vezane za određenu znanstvenu disciplinu. Takvi su, primjerice, medicinski, filozofski, tehnički, kemijski itd. rječnik

b) Dvojezični rječnici su vjerojatno rječnici koji su najčešći u upotrebi. Njihova se bit sastoji u tome da se riječi jednog jezika objašnjavaju istoznačnim riječima drugog jezika. Takav je, primjerice, hrvatsko-njemački, njemačko-hrvatski, englesko-hrvatski, hrvatsko-engleski rječnik itd.

c) Mnogojezični rječnici su napravljeni na istom principu kao i dvojezični. Razlika je u tome što se kod mnogojezičnih rječnika riječi jednog jezika objašnjavaju riječima ili pojmovima paralelno na više drugih jezika. Takav je, primjerice, europski rječnik, u kojem su paralelno dati istoznačni pojmovi na hrvatskom, engleskom, njemačkom, francuskom, talijanskom i španjolskom jeziku.

d) Biografski rječnici predstavljaju neku vrstu zbornika najznačajnijih životopisa. Drugim riječima, oni u kratkim crtama oslikavaju život, rad i djelo poznatih osoba iz područja politike, znanosti, umjetnosti i drugih sfera života.

6. Zbornici radova su znanstveno-stručna djela koja objedinjuju radove više autora u vezi s nekom užom tematikom. Povodi nastajanju takvih radova mogu biti različiti - obljetnice, simpoziji, znanstveni skupovi itd. Sukladno tome, može se praviti razlika između više vrsta zbornika, kao što su:

- Opći ili univerzalni zbornik koji tretira različitu materiju određenog šireg područja. Takav je, primjerice, Zbornik radova ekonomskog fakulteta u Mostaru,

- Zbornik radova sa znanstvenog skupa, kakav je, primjerice, Zbornik radova sa znanstvenog skupa «Tranzicija gospodarstva», zbornici radova sa znanstvenih skupova «Društvo i tehnologija» itd.

- Jubilarni zbornik, koji je posvećen određenom jubileju, obljetnici ili nečemu sličnom.

7. Bibliografija je tip stručno-znanstvenog djela za koji se koristi veći broj naziva. Takvi su, primjerice, registar, indeks, biblioteka, katalog, lista itd. No, neovisno o tome, izvjesno je da se bibliografija može shvatiti na dva načina. U užem smislu riječi ona podrazumijeva određeni popis knjiga i drugih publikacija, koji može biti izrađen prema različitim kriterijima. U širem smislu, pak, pod njom treba podrazumijevati znanstveno sakupljanje tekstova, njihovo proučavanje i sistematiziranje.

Iz ovakvog određenja proizlaze i osnovni zadaci bibliografije. To je, prije svega, pribavljanje bitnih informacija o tiskanim djelima i ispravama, znanstvenim i drugim radnicima, ali i njihovo sređivanje, obrada i prezentiranje.

31

Postoji više vrsta bibliografije. Postoje i različiti pristupi u njihovom klasificiranju, ali i kriteriji klasificiranja. Moguće je, primjerice, praviti klasifikaciju:

a) Prema sadržaju i vrstama indeksiranih materijala na: I. Opću bibliografiju. Ona obuhvaća popis materijala. Pri tome joj nije važan ni

sadržaj, a ni vrsta materijala.II. Specijalnu bibliografiju, koja se odnosi samo na određeno područje,

disciplinu ili temu.b) Prema namjeni na:

I. Popisne bibliografije koje prave popis materijala s različitih područjaII. Znanstvene bibliografije. One su pomoćno sredstvo znanstvenicima jer ih

upoznaju o publikacijama u kojima se nalaze informacije o pitanjima koja su predmet njihova istraživanja

III. Bibliografije kao preporuka koje su neka vrsta preporuke čitateljima koja je literatura aktualna.

c) Prema vremenu objavljivanja bibliografije na:I. Tekuće bibliografije koje popis vrše prema kronologiji njihova nastajanjaII. Retrospektivne bibliografije obuhvaćaju popis publikacija do vremena

kompilacije bibliografijeIII. Perspektivne bibliografije koje uključuju pregled publikacija koje se nalaze

u tiskud) Prema mjestu izdavanja indeksirane literature na:

I. Međunarodne bibliografije. One nude popis materijala na stranim jezicima koji su objavljeni na raznim jezicima.

II. Nacionalne bibliografije. One uključuju popis materijala samo jedne zemlje ili jednog jezika

III. Regionalne bibliografije su vrsta bibliografija čiji se popis publikacija prostire na samo jednu regiju unutar neke zemlje.

Uz prezentirane vrste znanstveno-stručnih djela neki autori u ovu skupinu uključuju i još neke. Takva su, primjerice, priručnici i književna djela.16

1.9. Organizacija vlastitog znanstvenog i stručnog rada

Svaki stručni i znanstveni rad podrazumijeva određeno planiranje, ali i analizu i kontrolu urađenog – jednostavno, organizaciju. No, da bi se pojedinac tom vrstom rada i bavio on mora posjedovati i određene pretpostavke, značajke koje ga preporučaju za bavljenje znanstvenim radom. Utoliko je nakana ove cjeline, osim pitanja neposredne organizacije, prezentacija i najznačajnijih odlika koje karakteriziraju, ili bi trebale karakterizirati, znanstvenog radnika, zadržati se i na pitanjima osnovnih odlika ili značajki znanstvenog radnika, a potom bavljenje i nekim drugim pitanjima koja se, iako samo na prvi pogled – kao što su pitanja u vezi s proučavanjem literature i pripremom govora, predavanja i usmenih izlaganja rezultata znanstvenoga rada - i ne bi trebala naći pod naslovom koji se bavi pitanjima organizacije.

1.9.1. Značajke znanstvenog radnika

Jasno je da ni znanstveni radnici nisu, već samim tim što se bave znanstvenim radom, i geniji. Naprotiv, u pitanju su ljudi koje, uz nešto veći kvocijent inteligencije od prosječnoga, krasi visok stupanj koncentriranosti na ono čime se bave, izuzetna marljivost i spremnost na dugotrajan i mukotrpan rad. No, neka su im svojstva, moći i sposobnosti imanentniji nego ostalima. U kontekstu ove analize tri grupe tih odlika vrijedi i posebno apostrofirati.

Prvu grupu čine obilježja iz grupe tzv. intelektualno-psiholoških značajki – inteligencija, intuicija, sklonost razmišljanju na neuobičajen način, sposobnost analize i sinteze, nesklonost apriornim stavovima, kritičnost, samokritičnost i još neke.

U pitanju je, dakle, prije svega inteligencija, koja je nešto naglašenija od prosječno izražene. Obično se smatra da bi se kvocijent inteligencije (QI) kod znanstvenih radnika morao kretati barem u rasponu 120-130. Povećanje iznad te razine je garancija i veće 16 Pogledati detaljnije klasifikaciju Ratka Zelenike u (Zelenika, 1990., 124.-136.)

32

kreativnosti. Apostrofiranje inteligencije kao pretpostavke bavljenja znanstvenim radom je, s druge strane, kao uostalom i obrazovanje, samo logična posljedica poslova koje znanstveni rad podrazumijeva.

Nema, potom, znanstvenog radnika bez intuicije, sposobnosti «da neposredno zahvatimo i jednim aktom uvidimo cjelinu i njezine dijelove, da bez diskurzivnog mišljenja izravno spoznamo i dokučimo bit nekog predmeta. Intuitivna spoznaja je suprotna pojmovnom, razumskom razmatranju ili refleksiji» (Enciklopedija, MCMLXVI-MCMLXIX, sv.3., 182.). Zašto je intuicija važna u znanosti? Zato jer vas čini sposobnim za uviđanje mogućeg rezultata i bez dovoljne mase činjenica ili nedovoljno jasnih činjenica.

Spremnost razmišljanja na neuobičajen način također je jedna od značajki znanstvenog radnika. Na taj se način, uostalom, i došlo do nekih od velikih znanstvenih otkrića. Parni stroj je, zapravo, samo uvećani čajnik.

Sposobnost analize i sinteze je također jedna od nužnih odlika bavljenja znanstvenim radom. Bez te sposobnosti, naime, nelogično je očekivati i uspješnost u raščlanjivanju cjeline na njezine sastavne dijelove, ali isto tako ni slaganje zasebnih događaja, pojava i činjenica u skladne, utemeljene i logične cjeline.

Jedna od bitnih odlika znanstvenog radnika je i nesklonost apriornim stavovima, odnosno preduvjerenjima i, sukladno tome, sklonost podvrgavanju sumnji svega i stalnom provjeravanju.

Znanstvenog rada nema ni bez kritičnosti kao karakterne crte. Teško je, primjerice, napraviti spoj između bavljenja znanstvenim radom i robovanja znanstvenim autoritetima. Kritičnost kao karakterna crta ne isključuje, dakako, poštivanje autoriteta, ali i obvezuje na razmišljanje vlastitom glavom i kritički odnos prema svemu što se spoznaje, vidi, postigne.

No, znanstvenika nema i bez samokritičnosti, nama ga ako, na isti način kao prema drugima, nije strog i prema onome što sam čini, ako ne uvažava i stavove i mišljenja koji ne idu u prilog njegovima, ako nije sposoban priznati i vlastito neznanje.

Sve te osobine, međutim, ne bi bile dovoljne ako izostaju one koje su vezane za radinost u najširem značenju riječi. U kontekstu nje se, opet, može izdvojiti nekoliko odlika znanstvenog radnika:

Ustrajnost, odnosno svijest o tome da u znanosti nema brzih uspjeha, te da se do njih može doći samo dugotrajnim i mukotrpnim radom.

Marljivost. Nadahnuće se, priznaje i Čajkovski, rađa samo iz rada i za vrijeme rada.

Točnost, jer bez točnosti u ispunjavanju svojih obveza nema ni ozbiljna znanstvenog rada.

Dio pretpostavki bavljenja znanstvenim radom je u najužoj vezi s obrazovanjem i ambicijama koje proizlaze iz njega. Među njima se, između ostalih, izdvajaju:

Znanje. Nema ozbiljna znanstvenog rada ako se, discipline na koju se taj rad odnosi, dobro ne poznaje, ako se iz nje ne posjeduje dovoljno i stručnog znanja i iskustva. No, opće stručno znanje, vezano za konkretnu disciplinu, nije i jedino potrebno. Nema, naime, ozbiljna znanstvenog rada ni bez poznavanja metodologije i tehnologije znanstvenoistraživačkoga rada.

Želja za stalnim stručnim usavršavanjem, spremnost da se stalno uči, da se, budući se količina znanja neprestano povećava, stara znanja stalno utvrđuju, a zastarjela inoviraju.

Motiviranost na znanstveni rad, bez koje, uostalom, nema ni bilo kakvog drugog rada. Ravnodušnost, pa onda i nemar i lijenost koji su u vezi s njom, ne može biti dobar saveznik opredjeljenju čovjeka da se bavi znanstvenim radom. Motiviranost, doduše, može imati ishodište u različitim činiteljima – vanjskim ili unutarnjim, sferi materijalnog ili moralnog itd. Bilo u čemu da se to ishodište nalazi, ljubav za znanost mora biti, ne samo neupitna, nego i izražena intenzitetom da predstavlja svojevrsnu «zarazu» (Vidjeti, Kniewald, 1993., 18.).

Stalno prakticiranje znanstvenog rada. Znanstveni rad je, naime, kao i svaki drugi. Ne prakticirate li ga izvjesno vrijeme za njegov nastavak će vam potrebno biti novo uhodavanje. Ono u čemu se znanstveni rad razlikuje od ostalih je činjenica da on puno manje od ostalih trpi bilo kakve prekide. Prekid, primjerice, i od samo nekoliko dana može za posljedicu imati gubitak ideje, prekid misli, kontinuiteta.

33

Sposobnost sastavljanja znanstvenog djela. Bez te, dakle sposobnosti jasnog, logičnog i stilski dotjeranog izricanja misli i u usmenoj i u pisanoj formi nema i znanstvenog radnika. Uostalom, rezultati onoga što je proizvod njegova rada ne služe samo njemu nego i javnosti, zajednici, čovječanstvu.

Uz sve navedeno, međutim, nema znanstvenog radnika bez etičnosti i poštenja kao njegovih karakternih crta. Nema znanstvenog radnika bez korektna odnosa prema znanstvenim ostvarenjima koja su rezultat tuđeg rada.

1.9.2. Organizacija vlastitog stručnog i znanstvenog rada

Organizacija rada je odlika svakog rada. No, imanentna je posebice složenim oblicima ljudskog rada. Stručni i znanstveni rad, dakako, spadaju među osobite oblike složenog rada. Stoga je logično da znanstveni radnici taj rad svaki put moraju dobro isplanirati, programirati, analizirati i kontrolirati. Takav pristup podrazumijeva pripremu, utvrđivanje, izradbu i obavljanje većeg broja radnji i operacija, a prije svega: plan rada, raspored radnog vremena, dnevni program rada, rokovnik, kontrolu ispunjenih rokova, analizu rada i ostvarenje plana, ocjenu djelotvornosti vlastitoga rada, program samostalnog vlastitog rada, te analizu ostvarenja programa rada (Šošić, 1971., 88-89.). U nastavku analize svakoj od navedenih radnji u organizaciji vlastitog stručnog i znanstvenog rada posvećen će biti i poseban prostor.

1. Plan rada je, dakle, temeljna pretpostavka svakog samostalnog znanstvenog rada. Iole, međutim, ozbiljan plan rada podrazumijeva detaljan popis svih zadataka, svih problema i poslova koje – s ciljem da se zadaci izvrše i zadaci riješe – treba obaviti 17. Navedeni je popis, dakako, dio onoga što se označava terminom osnovni plan. Međutim, tim se planom i ne završava planiranje. Dapače. On je, s jedne strane, osnova za izradu posebnih planova i potrebnih rokovnika, a s druge, opet, temeljna pretpostavka da bi se određenom stručnom ili znanstvenom radu uopće i pristupilo.

2. Raspored radnog vremena se, kada je organizacija vlastitog stručnog i znanstvenog rada u pitanju, odnosi samo na službeno radno vrijeme, ono u okviru radnog mjesta. Raspored tog vremena je, nema dvojbi, od izuzetnog značaja jer njegovo nepostojanje može biti uzrokom i nedovoljne djelotvornosti samostalnog znanstvenog rada.

Radno vrijeme znanstvenog radnika se, doduše, može organizirati na različite načine. Jedan od mogućih, način koji se smatra dosta racionalnim, organizira radno vrijeme od početka do kraja po slijedećem redoslijedu

pregled novina i časopisa, samostalni vlastiti (istraživački) rad, kontakti sa suradnicima, kontakti sa znanstvenicima iz drugih organizacija i sl., interni sastanci (Šošić, 1971., 90-91):.Pogleda li se prezentirani raspored, jasno je da je vlastiti istraživački rad u njemu

pomjeren na sam početak radnog vremena, dakle u dio radnog vremena u kojem je mozak najodmorniji i u kojem je stvaralačka kreativnost najizraženija.

3. Dnevni program rada nije ništa drugo nego do u detalje razrađen dnevni plan rada koji se odnosi na jedan ili više zadataka. Dnevni program rada se razrađuje najčešće u posebnim notesima ili bilježnicima, a razlog zbog kojeg ga se radi je striktno utvrđivanje redoslijeda dnevnih radnji s ciljem da se eliminiraju ili barem na najmanju moguću mjeru svede tzv. prazni hod. S tim se ciljem, recimo, utvrđuje i da li je neki sastanak, predviđen u tom danu, baš neophodan ili ga se može odgoditi kako bi se povećalo vrijeme za samostalan znanstveni rad, planira se nekoliko sastanaka izvan organizacije u danu kada se iz organizacije izlazi vani i slično. Dnevnim programom rada se, na koncu, jave i pitanja koja traže da ih se posebno markira, ali i ona koja treba proslijediti prema suradnicima u organizaciji itd.

4. Rokovnik pojedinih zadataka, poslova i kontakata se tretira zasebnim dijelom organizacije vlastitog stručnog i znanstvenog rada. Radi se po principu da se za svaki pojedini zadatak unosi detaljan rok do kojeg se pojedini zadatak ima izvršiti, u vezi s njim

17Taj popis, ako ga se raščlani, podrazumijeva niz radnji: «studiranje postavljenih zadataka, utvrđivanje problema koje treba riješiti, kontakte koje tijekom obavljanja zadatka treba uspostaviti, informacije koje treba pribaviti, literaturu koje treba proučiti, obradu informacija koje trebaju sačiniti suradnici, te osnovne analize podataka koje trebaju obaviti suradnici» (Vidjeti, Žugaj, 1989., 260.)

34

se, potom, markiraju obveze pojedinih suradnika i slično. To, drugim riječima, znači da se, u slučaju da je više zadataka, pravi i više rokovnika – za svaki od njih zaseban. S druge strane, rokovnici se prave za različite vremenske intervale. Sukladno tome, svaki znanstveni radnik mora imati svoje godišnje, mjesečne i tjedne rokovnike.

5. Kontrola ispunjenja rokova je sastavni dio svakog, pa i samostalnog znanstvenog rada. Ona je, zapravo, instrument uspješnog vođenja posla, a moguće ju je ostvariti jedino pod pretpostavkom da se rokovnici svakodnevno pregledaju, da se po izvršenom poslu okončanje posla u rokovnicima zabilježi. Najefikasnija je kontrola ispunjenja rokova ona koja se vodi ujutro, na samom početku radnog vremena. Ona se, osim toga, preporuča jer se na taj način podsjećamo i na dnevne obveze u tom danu i izbjegavamo mogućnost ponavljanja određenih radnji.

6. Analiza rada i ostvarenja plana je aktivnost koju treba prakticirati dnevno, a ako to nije moguće onda barem tjedno. Tom analizom se, zapravo, snima u kojoj mjeri su izvršeni određeni zadaci, u kojoj mjeri je ispunjen postavljeni plan u toku konkretnog dana, tjedna ili mjeseca.

7. Ocjena djelotvornosti vlastitoga rada. Ona se uvijek vrši u odnosu na konačni rezultat rada, a najbolje je ako svatko ocjenjuje djelotvornost svoga vlastitog rada. To se, u pravilu, radi na samom početku radnog vremena i ocjenjuje se djelotvornost vlastitoga rada tijekom prethodnoga dana. Takav pristup, smatra se, može djelovati stimulativno na novi pristup radu, neovisno o tome je li ocjena rada prethodnoga dana pozitivna ili negativna. U prvom slučaju vas, naime, motivira na nastavak istog pristupa, a u drugom na promjenu koja će rezultirati povećanjem djelotvornosti. Takva se ocjena, osim onih svakodnevnih, vrši i na koncu svakog mjeseca, ali i najmanje jednom godišnje. Pri tome, dakako, ona može biti kvantitativna i kvalitativna, da se odnosi na fizičku dimenziju izvršenosti plana, ali i na način na koji je plan izvršen.

8. Program samostalnog vlastitoga rada se smatra bitnim jer se bez njega znanstveni radnik može izgubiti u masi beznačajnih detalja i pretpostaviti ih obvezama koje su za njegov rad važnije. Taj program može uključivati različite radnje i aktivnosti, primjerice:

susrete sa znanstvenicima i stručnjacima iz područja djelovanja (znanstveno-nastavni, znanstveni i nastavni radnici s fakulteta, instituta, stručnih organizacija, komora, poslovnih udruženja itd.,

seminare, savjetovanja, simpozije i sl., putovanja u inozemstvo, posjete laboratorijima, posjete bibliotekama, popis novina, časopisa i pisanih materijala koje valja

proučiti, popis knjiga koje treba pročitati, usavršavanje stranih jezika itd. (Žugaj, 1999., 175.-176.)9. Analiza ostvarenja programa rada se mora vršiti najmanje jednom mjesečno,

dobro je da se izvrši i tromjesečno, dok godišnja analiza mora biti detaljna. U biti, analiza obuhvaća sve bitne elemente za ostvarenje programa rada, te rokove za izvršenje planiranih zadataka.

1.9.3. Pitanja u vezi s proučavanjem literature

Proučavanje literature je jedna od temeljnih pretpostavki ozbiljnog bavljenja znanstvenim i znanstvenoistraživačkim radom. No, ono je puno kompleksnije nego ga se često želi prikazati. U kontekstu ove analize pozornost se usmjerava posebice na četiri segmenta koja ono – u najširem značenju riječi – obuhvaća, i to:

pregled knjiga, časopisa i drugih pisanih materijala, proučavanje literature tehnike čitanja, vođenje zabilješkiPregled knjiga, časopisa i drugih pisanih materijala se često smatra i prvom

fazom čitanja. Razlog tome je i više nego utemeljen. Danas je, naime, svaki iole ozbiljan znanstveni radnik bukvalno zatrpan obiljem pisanoga materijala. Njegov je, sukladno tome, i prvi posao pravljenje svojevrsne selekcije u onome što mu stoji na raspolaganju – odvajanje važnog od manje važnog i nevažnog, klasificiranje knjiga, časopisa i drugih pisanih

35

materijala, izdvajanje onih koje, za potrebe konkretnog rada ili iz drugih razloga, treba pročitati itd.

No, da bi se takvo razvrstavanje moglo izvršiti, minimum zahvata se javlja kao elementarna pretpostavka. Potrebno je izvršiti, prije svega, uvid u to tko je - radi li se o knjizi - autor (ili autori) konkretnog naslova, o čemu sam naslov govori, tko je izdavač. Potrebno je, potom, preći preko njezina sadržaja, pročitati uvod, a iza njega i rezime i zaključak. Kod novoprimljenih knjiga se preporuča i letimični pregled slika i grafikona, tabela, naslova i podnaslova, literature i kazala imena i pojmova.

Ako je, pak, u pitanju časopis, prva radnja je pregled sadržaja i eventualno izdvajanje članaka koji su iz sfere interesa svakog konkretnog znanstvenog radnika.

Kod ostalih pisanih materijala vrši se svojevrsno sortiranje materijala na one koji su pisani za određenu potrebu i sadrže konkretnu informaciju u vezi s njom i na one koji sadrže niz značajnih informacija i podataka, koji predstavljaju određen tip sinteze. Redoslijed pregleda i jednih i drugih – koji slijedi nakon izvršenog sortiranja – je logičan. Na prvom je mjestu pregled sadržaja, potom uvid u zaključke i rezime, a ako su zanimljivi samo dijelovi pisanog materijala – onda zadržavanje samo na poglavljima koja nas zanimaju i u kojima možemo pronaći podatke koji nas zanimaju (vidjeti, Šošić, 1971., 111.)

Proučavanje literature je posao koji se organski nastavlja na prethodni. Pri tome je važno da je on sastavljen od dvije zasebne faze. U prvoj, fazi preliminarnog proučavanja literature, koji slijedi odmah nakon pregleda, pažnja se više zadržava na samom tekstu. Drugim riječima, preko teksta se prelazi relativno brzo, a zadržavanje se prakticira na počecima i završecima poglavlja i pojedinim dijelova poglavlja. Na taj se način dobiva uvid u opće značajke teksta, neovisno o tome radi li se o knjizi, časopisu ili nekom drugom pisanom materijalu. Na koncu, uz takav, relativno letimičan uvid, preliminarno proučavanje, iako se s njim čitanje često zna i završiti, podrazumijeva i obilježavanje dijelova teksta na koje se i kasnije treba vraćati. Studijsko proučavanje je, međutim, iako i ono započinje s upoznavanjem sa sadržajem teksta kao cjeline, mnogo kompleksnije. Ono, naime, započinje čitanjem teksta kao cjeline, da bi se, nakon toga, veća pažnja posvetila pojedinim dijelovima teksta, a tek potom počelo tražiti i odgovore na neka od pitanja, olovkom podvlačiti određena mjesta, na marginama teksta praviti zabilješke i slično.

U proučavanju literature se koriste različite tehnike čitanja. Normalnim se, naime, smatra čitanje između dvjesto i četiristo riječi u minuti. No, ono može biti i ispod, ali i iznad navedenog raspona. Stoga se mora govoriti o različitoj brzini čitanja. U pravilu, moguće je praviti razliku između sporog i brzog čitanja.

Sporo čitanje je, u principu, posljedica pogrešnih navika čitatelja – navike da se pri čitanju izgovara svaka riječ, da se riječi čitaju pojedinačno, svaka za sebe, a ne u nizu, kao misao, da se čitatelj, najčešće zbog nedostatka koncentracije, vraća na tekst koji je već pročitao itd.

Potrebu za brzim čitanjem izaziva sve veća hrpa pisanog materijala kojom je znanstveni radnik zatrpan. No, brzo čitanje, koje se može kretati u rasponu i do tisuću riječi u minuti, nije nešto što dolazi samo od sebe. I njega treba uvježbavati.

U principu se može govoriti o tri stupnja brzog čitanja. Srednje brzo čitanje, tako, u kojem se brzina čitanja kreće u rasponu 110 000 – 330 000 znakova na sat, počiva na umijeću jasnog zahvaćanja samo važnijih riječi, potom u riječima njihovih važnijih isječaka, i na koncu, u slovima markantnijih dijelova. Za ovu vrstu čitanja je karakteristično i to da je uvijek linearno, da, dakle, prati redove i ne preskače ih.

Ubrzanim čitanjem se može dostići brzina i od 500 000 znakova u jednom satu. Zašto. Razlog je, prije svega, u činjenici da je ono selektivno, da, drugim riječima, slijedi logiku čitanja na preskok. Sve ono, još konkretnije, za što se smatra da je nevažno i nekorisno, se, letimičnim pregledom preko njega, preskače. Kada se, međutim, naiđe na dijelove teksta koji se smatraju vrijednim i korisnim, čitaju se tehnikom srednje brzine, a neki, osobito vrijedni, čak i sporim čitanjem. No, i ono je još uvijek linearno.

Vrlo brzo ili dijagonalno čitanje, međutim, ne slijedi linearnost teksta. Naprotiv, čitateljevo oko leti preko teksta, u njemu gotovo da traži detalj za sebe – ono što je otisnuto masnim ili velikim slovima, što je na počecima odlomaka, što je iskazano u formi brojeva. Taj je let preko teksta usmjeren u svim u svim mogućim pravcima – lijevo, desno, dolje, gore, dijagonalno, a na markiranim se detaljima gradi slika onoga što se u tekstu nalazi. Ovakvom se vrstom čitanja, doduše, ne može napraviti i kvalitetan uvid u ono što sadržaj teksta jeste. Stoga se ono relativno rijetko i koristi – ako se, primjerice, želimo sasvim

36

površno upoznati sa sadržajem nekog pisanog materijala, ako želimo izdvojiti neke dijelove teksta i slično.

Drugi autori, međutim, prave drugačiju klasifikaciju vrsta čitanja. I oni, doduše, polaze od razlikovanja laganog i brzog čitanja, ovisno o tome koliko je savladana sama vještina čitanja. No, apstrahira li se to, prave razliku između tri vrste čitanja i to (vidjeti Zelenika, 1990., 223.):

Letimično, odnosno čitanje na preskok, koje je slično pregledanju materijala, a u odnosu na pregledanje se razlikuje po tome što je čitanje puno više zastupljeno nego u pregledanju u klasičnom smislu riječi. U znanstvenoistraživačkom radu se koristi posebice u iznalaženju pojedinih dijelova teksta koji istraživača posebno zanimaju.

Potpuno ili čitanje od korica do korica, koje se u znanstvenoistraživačkom radu dosta rijetko prakticira. Ali, zato će ga se redovito primjenjivati u recenziranju određenih tekstova, u pisanju prikaza ili kritičkih ocjena.

Studijsko čitanje, koje je neka vrsta kombinacije prethodna dva. Suština mu je u tome da znanstveni radnik ide preko teksta tehnikom letimičnog čitanja, a kada naiđe na dio teksta koji mu je, zbog informacija koje sadrži, važan za potreba znanstvenog istraživanja kojim se bavi, na njemu se zadržava i primjenjuje tehnika potpunog čitanja.

Na koncu, jedno od pitanja u vezi s proučavanjem literature, čitanjem literarnog materijala, je i vođenje i sređivanje zabilješki. U vezi tim važnima se čine odgovori na nekoliko vrsta pitanja. Jedno od njih je, nema dvojbi, pitanje: što treba bilježiti? Najjednostavniji odgovor na to bi mogao glasiti: samo ono što je za nas novo. No, selekcija se može izvršiti i u okviru toga. Preporuča se, primjerice, bilježenje samo najvažnijih podataka, informacija, misli, stavova, zaključaka. U funkciji argumentacije se, potom, sugerira korištenje citata, doslovce preuzetih tuđih stavova i spoznaja, zaključaka i činjenica. U slučaju da se koriste citati, nužno je da ih se stavi u navodne znake i navede bibliografski izvor sa svim bitnim elementima koji uz njega idu.

Dakako, različite su vrste zabilješki. S druge strane, njih je moguće i razvrstavati prema različitim kriterijima. Prema obliku, primjerice, zabilješke se mogu javiti kao izvodi (citati, doslovni ispisi), parafraze (prepričana građa), rezimei itd. Prema sadržaju je, opet, moguće praviti razliku između bibliografskih zabilješki ili zabilješki o knjigama, dokumentarnih, odnosno zabilješki koje se tiču predmeta, te metodoloških, zabilješki koje se odnose na metode. Često se, na koncu, koriste i tzv. marginalne zabilješke, zapisi na margini tiskanih tekstova.

Zaboraviti se, međutim, ne smije ni još jedno pitanje: kako bilješke sistematizirati i odlagati? Moguće je to učiniti na nekoliko načina – da se odlažu u:

posebne bilježnice, koje se, istina, nešto rjeđe koriste. Dobra im je strana da se zabilješke u njima lako i brzo pronalaze. Nedostatak im je, međutim, da otežavaju nove sistematizacije već sređenog materijala.

Fascikle, koje nastaju na način da se na zasebnim listovima, obično veličine A-4, i to samo s jedne strane, po određenoj metodologiji ispisuju zabilješke i ti listovi slažu u fascikle. Pri tome je korisno pojedine sadržaje cjeline odvajati na način koji omogućuje brzo snalaženje – pregradnim kartonima različitih boja ili na neki drugi način.

Najčešće se, međutim, koristi metoda tzv. kartoteka. Radi se o tome da se zabilješke vode na posebnim listovima papira ili kartončićima različite veličine – veličine, primjerice, polovine, četvrtine ili osmine formata A-4 - koji su poznati pod nazivom fiša, i koji se lijepe na veće kartonske površine. Ako je opredjeljenje za taj način sistematizacije i slaganja zabilješki, važnim se nameće nekoliko detalja. Veličina papirića (ili fiše), za koji se opredijelimo, mora se prakticirati u čitavoj kartoteci. Svaki papirić – a piše se sa samo jedne strane papirića – na sebi, može sadržati samo jednu znanstvenu informaciju, jedan podatak, ideju ili citat. No, on, pored onoga što se na njemu bilježi, mora sadržati i neke druge oznake – broj, datum, temu itd.

1.9.4. Pripreme usmenih izlaganja

Organizacija vlastitog znanstvenog i stručnog rada podrazumijeva, dakako, veoma često i usmenu prezentaciju ostvarenih znanstvenih postignuća. Stoga bavljenje znanstvenim radom uključuje obvezu savlađivanja i tehnika govorništva. Ono se, drugim riječima, također uči. Usmeno izlaganje, primjerice, često neće uspjeti zbog različitih razloga – nepovjerenja u vlastite sposobnosti, treme, prekida tijekom izlaganja i slično. Sve to, opet,

37

nalaže potrebu solidnih priprema, ali i pridržavanje određenih pravila u izlaganju onoga što se javnosti želi saopćiti. Jedno od temeljnih je, nema dvojbi, da se, sve dotle dok niste sigurni da možete govoriti slobodno i motivirano, preporuča izlaganje napisati. To, dakako, ne znači kako čitanje napisanog vrijedi i prakticirati jer se, u tom slučaju, u pravilu događa da izlaganja odbijaju pozornost slušatelja.

S druge strane, priprema izlaganja mora voditi računa o tome da se ono ne sastoji iz samo jednog dijela. Naprotiv, izdvojiti se daju tri zasebne cjeline izlaganja – uvod, središnji dio izlaganja i zaključak.

Uvod je, zapravo, svojevrsna forma uspostavljanja kontakta sa slušateljstvom, publikom. Stoga on mora biti strukturiran na način da pobudi interes. U principu, međutim, ni uvod nije jednodimenzionalan. I on se, drugim riječima, sastoji iz više dijelova. Svaki uvod, tako, započinje otvorenjem, koje može biti različito – da se apostrofira neki lokalni problem, da se pozove na određeni autoritet, da se postave određena pitanja, da se iskoristi neki citat, da se kod slušatelja izazove određeni šok itd. Nakon otvorenja slušatelje je potrebno upoznati s temom o kojoj se kani govoriti. Pri tome se, kako bi se pobudio što veći interes, mogu koristiti i različita pomoćna sredstva – slike, dijapozitivi i slično. No, sve to neće biti dovoljno ako predavač nije zanimljiv, ako ne govori provokativno i slikovito, i time ne održava koncentraciju publike.

Centralni dio, koji čini glavninu ukupnoga izlaganja, je i najznačajniji. No, ni on nije jednostavan, sastavljen iz samo jednog dijela. Naprotiv. I u ovom se dijelu dade izdvojiti manji ili veći broj zasebnih misaonih jedinica ili cjelina, poglavlja izlaganja. Stoga, priprema izlaganja mora utvrditi te cjeline ili poglavlja izlaganja, svakoj od njih dati naslov, ali i odrediti materiju koju će, u okviru svake od njih, izložiti i planirati vrijeme u kojem će to učiniti.

Izlaganje, dakako, ima svoj kontinuitet. Stoga se s jedne cjeline na drugu ne mogu praviti nepovezani skokovi. Dapače. Između cjelina se mora napraviti svojevrsni most, prijelaz s jedne na drugu.

Nakon prijelaza ostaje obveza da se, u okviru određene cjeline ili poglavlja izlaganja, iznesu misli ili skupine misli koje tu cjelinu čine. Same za sebe, međutim, te misli i ne znače puno. To, drugim riječima, znači da je sve te misli potrebno potkrijepiti obrazloženjima, u svrhu njihove argumentacije iznijeti određene činjenice i dokaze.

U sastav svake od cjelina ili poglavlja izlaganja, potom, spada i isticanje ključnih problema, onih koji, zapravo, kriju i najvažniji sadržaj predavanja. U vezi s njima se, po logici stvari, u tom dijelu izlaganja moraju postaviti i ključna pitanja. No, ona nisu nešto što je neplanirano, što se događa na izlaganju spontano, samo od sebe. Naprotiv, ta se ključna pitanja moraju prethodno, u pripremi izlaganja predvidjeti. Izlaganje svakog od poglavlja se, na izvjestan način, i završava otklanjanjem nejasnoća u vezi s tom vrstom, u izlaganju postavljenih pitanja, davanjem odgovora na njih, nekom vrstom rekapitulacije.

Pri tome se, dakako, mora voditi računa i o vremenu. Vrijeme, predviđeno za svaku od misaonih cjelina izlaganja, se mora kontrolirati. Dođe li, primjerice, do probijanja planiranog vremena u nekoj od cjelina izlaganja, to samo potvrđuje da izlaganje nije dovoljno dobro i pripremljeno.

Zaključak je završni dio svakog usmenog govora, predavanja, izlaganja. On se koristi kako bi se, kroz formu sažetka, slušateljima uputila neka kratka i jasna poruka. U praksi se, dakako, koriste različite vrste sažetaka – sumarne rekapitulacije, rekapitulacije pomoću pitanja, citata ili pozivom na akciju, sugestivne i druge vrste rekapitulacija.

Uvažavajući, dakako, sve ove metodološke natuknice, izvjesno je da se u usmenom izlaganju mogu markirati različite vrste pogrešaka koje, u krajnjem, umanjuju dojam slušatelja. Takav dojam, primjerice, može pokvariti svojevrsni diktatorski kod predavača, njegovo uvjerenje kako je u konkretnoj situaciji najvažnija osoba, kako je njemu dopušteno sve, kako niti ne trebaju ulaziti u dugačke rasprave i kako su dovoljni sasvim odsječni i kratki odgovori na postavljena pitanja itd. Dojam o izlaganju, potom, mogu pokvariti i neki drugi detalji koji su u vezi s manifestnošću u izlaganju – pretjerana šetnja u vrijeme predavanja (koja stvara dojam o nedovoljnoj pripremljenosti), prenaglašena ukočenost (čovjek kip stvara dojam nedovoljne zainteresiranosti i za publiku i za njezine reakcije), pretjerana ležernost, odnosno komoditet (koja zamara slušatelje i izaziva dosadu), pozicija glumca (u koju predavači ponekad zapadaju, a koja za posljedicu ima da slušatelji više prate pokrete nego ono što se kaže). Stoga, te, ali i druge vrste pogrešaka (igru olovkom,

38

ključevima, drugim predmetima za vrijeme izlaganja) treba, kako bi se imali što povoljniji efekti predavanja, izbjegavati koliko je god više moguće.

Uspjeh u izlaganju, na koncu, ovisi i od korištenja različitih vrsta vizualnih pomagala. Danas se, dakako, sve rjeđe koristi ploča i kreda kao pomagalo, iako još uvijek nije i potisnuto. No, zato se, mnogo više nego ranije, koriste dijapozitivi, grafoskop, te, razvojem računalne tehnologije, LCD projektori. Internet tehnologije, na koncu, omogućuju korištenje dokaza, činjenica i argumentacija i upotrebom Interneta. 2. ODNOS ZNANSTVENE METODE I METODOLOGIJE

II.1. UOPĆE O ZNANSTVENOJ METODI

Riječ metoda je grčkog podrijetla (methodos = put, način, istraživanje) i označava planski postupak ispitivanja i istraživanje neke pojave, odnosno način rada za ostvarivanje nekog cilja na filozofskom, znanstvenom, političkom ili praktičnom području. Sam termin metoda se može upotrijebiti u tri temeljna značenja:

prvo, kao način obavljanja nekog rada koji je smišljen i ustaljen,drugo, da označava gotov model, proceduru, redoslijed ili shemu po kojoj se odvija

neka djelatnost. Takve su, primjerice, metode političke djelatnosti, metode umjetničkog stvaralaštva itd.,

i treće, da se njome označi misaoni, logički postupak koji je primijenjen s ciljem da se znanstvene činjenice i podaci obrade što lakše, točnije, ali i sustavno (znanstvena metoda).

Jasno je, dakle, da se može govoriti o veoma različitim metodama u mnogobrojnim područjima ljudske djelatnosti. Ali, pri tome je veoma bitno pravljenje razlike između svih onih koje se mogu svesti pod zajednički imenitelj neznanstvene metode i drugih, koje su u kontekstu ove analize predmet detaljnijeg promišljanja, a koje se označavaju zajedničkim imenom kao znanstvene metode.

Kada je u pitanju skupina neznanstvenih metoda, Cohen i Nagel prave razliku između tri osnovne vrste ovih metoda. To su:

a) Metoda ustrajnosti, koja se temelji na nekoliko premisa, a prije svega na vjerovanju u određenu tvrdnju neovisno o tome koliko je drugi osporavaju, stalnom i sve prepoznatljivijem učvršćivanju određenog uvjerenja logikom upornog i istrajnog ponavljanja, te na spremnosti proglašavanja neznalicama svih drugih koji ne dijele isto mišljenje.

b) Metoda autoriteta, koja nije ništa drugo nego pozivanje na autoritete uvijek kada je ono u funkciji potkrepljivanja i argumentiranja vlastitih uvjerenja. Pozivanje na autoritet, koji, usput rečeno, u znanosti ne mora značiti ništa, se može iskoristiti u različitim formama. Ipak, izdvojiti se mogu osobito dvije njegove vrste: I. Pozivanje na autoritet u situacijama u kojima nismo, ili zbog nedostatka

vremena ili zbog nedovoljnog obrazovanja, u mogućnosti riješiti određeni problem. zbog nedovoljnog obrazovanja se, primjerice, prepuštamo sudu liječnika u dijagnozi naše bolesti.

II. Pozivanje na autoritet koje nekim izvorima pripisuje nepogrešivost i konačnost i neku vanjsku silu, kakav je slučaj kod religije, poziva da sankcionira rješenja tih izvora.

c) Metoda intuicije, koja snagu određenog uvjerenja temelji na sudovima koji su toliko “očigledno” istiniti da u njih ne treba sumnjati, niti ima potrebe provjeravati ih. Jasno je da metoda koja se temelji na ovakvim premisama, ne može pretendirati na znanstvenost, ako ni zbog čega drugoga onda zbog činjenice da je u znanosti sve podvrgnuto sumnji i potrebi provjere. Intuicija sama po sebi ne znači. Ona, sama po sebi, ne znači i istinitost. Uostalom, može se navesti toliko primjera u povijesti koji su se temeljili na načelu «očigledne» istinitosti, a ipak se radilo o velikom pogreškama. Prisjetimo se samo karakterističnog stradanja Galilea Galileja zbog suprotstavljanja «očiglednoj» istini, stradanja, pokazalo se kasnije, zbog istine same.

39

Govoriti o znanstvenim metodama znači, i to na samom početku, potrebu postavljanja i nekoliko temeljnih pitanja. Što je, primjerice, znanstvena metoda? Ili, može li se o znanstvenoj metodi uopće govoriti?

Izvjesno je da u odgovorima na postavljena, ali i masu drugih pitanja u vezi s fenomenom znanstvene metode, postoje veoma različiti teorijski odgovori. Polazeći, najvjerojatnije, od temeljnog suda da se radi o kategoriji koja je veoma kompleksna, i čije se značenje ne može zaokružiti definicijom u njenoj tradicionalnoj formi, Cohen (Koen) i Nagel (Nejgel), odgovarajući na pitanje što je znanstvena metoda, pribjegavaju svojevrsnom deskriptivnom pristupu. Znanstvenu metodu radije stavljaju u odnos s parametrima koji je određuju.18 No, ne zadržavaju se samo na tom odnosu. Odgovor na pitanje što je znanstvena metoda traže i kroz raspravu o nekim njenim osobinama.19

Wright Mills (Rajt Mils), međutim, ide korak dalje. On govori o dva stila ili dva modela, dva puta istraživanja u kojima se, ako ih se detaljnije proanalizira, može prepoznati da se radi i o metodi. Jedan stil istraživanja, pri tome, označava terminom makroskopski, podsjećajući da su ga prakticirala najveća svjetska sociološka imena20, ali i precizirajući da je njegova bit u komparativnom bavljenju globalnim društvenim strukturama. Drugi stil istraživanja on označava terminom molekularni, precizirajući da mu je osnovna značajka u tome da polazi od problema malog obima i da se uglavnom temelji na statističkom modelu verifikacije. Mills smatra da optimalno rješenje u istraživanju društvenih pojava ne može predstavljati ni jedan ni drugi, ni makroskopski ni molekularni stil istraživanja. Ali, do optimalnog, novog modela može se doći relativno jednostavno, svojevrsnim organskim spojem prethodna dva (Vidi o tome, C.W.Mills, u Power, 1963., 533.-576.).

Ipak, u literaturi se najčešće može susresti pokušaj da se na pitanje, što je znanstvena metoda, odgovori na tradicionalni način, dakle da ju se definira. Veliki je broj takvih definicija. Karakterističnim svakako treba smatrati i pristup koji pod pojmom znanstvene metode podrazumijeva «skup različitih postupaka kojima se znanstvenik koristi u znanstvenoistraživačkom radu da bi istražio i izložio rezultate znanstvenog istraživanja u određenom znanstvenom području, znanstvenom polju, grani, ogranku ili znanstvenoj disciplini. Istovremeno, znanstvena metoda je i put istraživanja kojim se oblikuje i izgrađuje znanost. Znanstvenom metodom naziva se i svaki način znanstvenog istraživanja koje osigurava sigurno, sređeno, sistematično, precizno i točno znanje» (Žugaj, 1997.).21

Uvažavajući značenje svih određenja, uvjereni smo da je biti problema najbliže ono koje polazi od teze da metoda u najširem smislu obuhvaća tri elementa. «Najprije, to je postupak kako se dolazi do znanja, tj. radnje koje treba izvršiti da bi se došlo do spoznaje predmeta. Zatim, to je znanje o samom predmetu, koje omogućuje da se postupak bolje prilagodi samom predmetu i tako ovaj potpuno spozna. Najzad, to su sredstva pomoću kojih se predmet može spoznati, tj. oni konkretizirani specifični postupci, kao i materijalna sredstva, pomoću kojih otkrivamo one osobine predmeta čija nam spoznaja predstavlja cilj znanstvenog istraživanja» (Lukić, 1976., 47-48.).

Prihvati li se navedeni pristup, a u ovom je pristupu riječ upravo o tome, izvjesno je da se znanstvena metoda može odrediti i u značajno reduciranijoj formi, a da se, pri tome, ništa ne izgubi u kvalitativnom smislu. U najširem značenju riječi, dakle, znanstvena metoda se može označiti kao način i put dolaska do znanstvene spoznaje o pojavama u prirodi ili društvu.

Razložili li se navedeni način i put dolaska do znanstvene spoznaje, dakle znanstvena metoda u najširem značenju riječi, na svoje sastavne dijelove, u njoj se daju identificirati najmanje četiri bitne komponente:

a) postupci dolaženja do znanstvene spoznaje, odnosno faze procesa znanstvenog istraživanja,

b) metode znanstvenog istraživanja (metode u užem značenju),c) tehnike i instrumenti prikupljanja empirijskih podataka, ted) tehnike obrade prikupljenih podataka.

18 Znanstvenu metodu dovode u odnos s činjenicama, s hipotezama, ali i sa svjedočanstvima koja otklanjaju sumnje.

19 Takva je, po njihovom sudu, primjerice, osobina znanstvene metode da sama sebe ispravlja, ali i neke druge.

20 Među njima apostrofira posebice Webera, Marxa, Simmela, Mannheima, Michelsa i neke druge.21 Slično određenje se može sresti i kod Ratka Zelenike (vidjeti Zelenika, 1990., 159.-163.)

40

Redoslijed, kojeg smo naprijed izložili, biti će u potpunosti poštivan i u daljoj teorijskoj eksplikaciji. II.2. RAZLIKE IZMEĐU ZNANSTVENE METODE I METODOLOGIJE

Dosta često se, a zbog neznanja, stavlja znak jednakosti između znanstvenih metoda i metodologije. Jasno je, međutim, da se radi o različitim, iako među sobom jako povezanim, teorijskim pojmovima. Znanstvena metoda je, ponavljamo, način i put dolaženja do znanstvene spoznaje o pojavama u prirodi i društvu. O njenim osnovnim značajkama smo govorili u prethodnom dijelu analize. Stoga im se ne kanimo vraćati i ovdje.

Metodologija je, naprotiv, a kao bitni dio ili grana logike, znanost, i to znanost o metodama znanstvenog istraživanja. Kao logička disciplina ona, dakle, izučava metode, razvija njihova logička načela, ali i nastoji sistematizirati i ocijeniti istraživačko iskustvo jedne znanosti itd.

I ne samo to. Njena bitna funkcija jeste i u takozvanoj «logičko-epistemološkoj kritici čitave znanstveno istraživačke prakse u svim njenim logičkim, tehničkim, organizacijskim i strategijskim aspektima» (Milić, 1978.). Prihvati li se ta teze, a u ovoj se analizi upravo o tome radi, onda to znači da se metodologiju ne može reducirati na puko proučavanje putova i sredstava kojima znanost nastoji ići dalje. Naprotiv, predmet njenog bavljenja je i znanstveni sustav uopće, dakle način na koji su sređene utvrđene znanstvene spoznaje i znanstveno značajne pretpostavke.

Ako se na ovaj način odredi metodologija onda je potpuno izvjesna njena uska povezanost s gnoseologijom kao teorijom spoznaje, znanošću o izvorima, mogućnostima i granicama znanstvene spoznaje, ali i s epistemologijom kao znanošću o spoznaji. S druge strane, budući je i sama dio logike, nesporna je njena isprepletenost i s općom logikom. S ovim znanstvenim disciplinama se metodologija susreće na više kolosijeka. O «susretu» se može govoriti kada su u pitanju neke osnovne ontološko-gnoseološke pretpostavke o pitanjima poput, primjerice, ovih: što je stvarnost, postoji li ona neovisno od čovjeka koji pokušava da je shvati, je li spoznaja uopće moguća, te, ako jeste, u kojoj mjeri je moguća, na koji je način moguća i vjerojatno najuspješnija itd. Ali, do susreta, i to susreta koji rezultira mnogo čvršćim i isprepletenijim odnosom, neovisno o tome radi li se o vezama u trokutu ili vezama između metodologije i neke od ostalih dviju apostrofiranih disciplina, dolazi i izvan navedenih osnovnih ontološko-gnoseoloških pretpostavki, na konkretnijim i užim, ali i ključnijim pitanjima.

Ispitivanje kriterija istinitosti spoznaje i razrada načela njene provjere je, primjerice, područje na kojem metodologija i gnoseologija moraju stalno surađivati i na kojem se veoma približavaju. Isprepletenost je neupitna usprkos činjenici da ove dvije znanstvene discipline na različit način prilaze osnovnom gnoseološkom pitanju, pitanju je li spoznaja uopće moguća. Naime, tom temeljnom gnoseološkom pitanju metodologija ima izgrađen svojevrsni postulativan pristup. Radi se, dakle, o tome da se onaj, tko ne vjeruje u mogućnost objektivne spoznaje, neće ni baviti znanstvenim radom. Vrijedi, dakako, i obrnuto. Onaj tko se odluči na znanstveno istraživanje, čini to, po naravi stvari, zbog svoja uvjerenja da je objektivna spoznaja moguća.

Sličan postulativan pristup metodologije može se identificirati i kod nekih drugih kategorija spoznajno-teorijske, ali i ontološke prirode. Karakteristično je, primjerice, pitanje postoji li u stvarnosti objektivna uvjetovanost i uzročna povezanost među pojavama. Znanstveno uopćavanje, koje se uvijek temelji na otkrivanju nekog reda, neke pravilnosti u određenom dijelu objektivne stvarnosti, zapravo i polazi od postulativnog pristupa o uvjetovanosti i uzročne povezanosti među pojavama. Metodologija, dakle, i u ovim, ali i u drugim sličnim slučajevima, polazi, i to bez detaljnijeg obrazlaganja, od prihvaćanja određenih gnoseoloških rješenja, a svoje težište usmjerava na pronalaženje načina i istraživačkih postupaka, pomoću kojih je postulativno prihvaćena gnoseološka rješenja moguće što uspješnije dokazivati.

Dakako, postulativno pozitivan odnos metodologije prema nekim gnoseološkim kategorijama ne znači i potpuno slaganje u vezi s njima. Primjerice, pozitivan stav metodologije prema temeljnom gnoseološkom pitanju, pitanju mogućnosti spoznaje stvarnosti, ne znači i istodobno prihvaćanje subjektivizma kao jedne od gnoseoloških vrijednosti. Dapače, znanost, sama po sebi, a u nastojanju da dođe do spoznaje koja je objektivna, dakle općepristupačna i provjerljiva, isključuje subjektivističko gledanje na

41

prirodu spoznaje. Subjektivno uvjerenje, ali i apsolutna sumnja, znanstvenika, koji ne podliježu principu provjerljivosti, ne mogu biti osnova znanstvene spoznaje.

Na sličan se način može pratiti i pitanje povezanosti metodologije sa logikom. Budući je metodologija i sama dio logike, nedvojbeno je da su kategorije poput pojma, definicije, suda, zaključka, dokaza i slične, koje su po svojoj prirodi logičke, istodobno i temeljni metodološki pojmovi i kategorije. Njihovom se elaboracijom, međutim, a upravo zbog činjenice da je to posao opće logike, metodologija nema potrebe detaljnije baviti. Ali, nema sumnje da će ih ona, zato, eksploatirati u rasvjetljavanju bilo kojeg metodološkog problema.

Ta činjenica, dakako, ne znači i mogućnost poistovjećivanja između ovih dviju znanstvenih disciplina. Dapače, između logičkog i metodološkog pristupa znanstvenom istraživanju postoje dosta jasne linije razdvajanja. Primjerice, u proučavanju istraživačke djelatnosti neke znanstvene discipline metodologija će, usporedo s pažnjom koju posvećuje logičkom okviru istraživanja, ispitivati i tzv. tehnike istraživanja, dakle sva sredstva koja se koriste na putu do novih znanstvenih spoznaja. Ili, pored toga što se koncentrira na ispitivanje i razvijanje kriterija na provjeravanje onoga što je spoznato, što je njena čisto logička funkcija, metodologija ima obvezu i upućivati istraživanja u pravcima u kojima ima najviše izgleda da će se postići nove korisne spoznaje. Drugim riječima, pored logičkih funkcija, koje su ugrađene u nju, metodologija je, u izvjesnoj mjeri, i heuristika, u nju su inkorporirani logički, ali i heuristički, pa i tehnički elementi.

II.3. NAČELA I ZNAČAJKE METODOLOGIJE ZNANSTVENOISTRAŽIVAČKOG RADA

U prethodnom smo dijelu analize nastojali šire pojmovno odrediti metodologiju. Pri tome smo obvezni dodati da se dosta često može susresti podjela na opću i posebne metodologije. Ovakav dodatak je potreban, između ostalog, i zbog toga jer se sva obilježja, koja smo apostrofirali u funkciji pojmovnog određenja, odnose na opću metodologiju. Opća metodologija je, drugim riječima, onaj dio logike koji za svoj predmet ima izučavanje općih putova, zakonitosti i problema ljudske spoznaje. Za razliku od nje, posebne metodologije u središtu svoga interesa imaju izučavanje i normiranje putova i načina dolaženja do znanstvene spoznaje unutar pojedinih znanosti.

Sve rečeno ne znači da između ovih dviju metodologija postoji izvjesni jaz. Dapače, radi se samo o putu od općeg prema posebnom i pojedinačnom kao općem principu znanstvene spoznaje. Drugim riječima, ono što se u posebnim metodologijama može identificirati kao posebnost je modifikacija putova kojima se dolazi do znanstvene spoznaje prema zahtjevima svake posebne znanosti ili skupine znanosti. Još konkretnije, metodologije socioloških, ekonomskih, pedagoških ili nekih drugih posebnih znanosti uključuju za te znanosti specifične logičke, tehničke i druge operacije, primjenjive samo u njima. S druge strane, neka metodološka načela i instrumenti mogu biti zajednički za veći broj znanstvenih disciplina unutar jedne znanstvene oblasti. U svim znanstvenim disciplinama unutar skupine društveno-humanističkih znanosti se, primjerice, mogu primjenjivati iste ili slične metode, tehnike ili instrumenti znanstvenog istraživanja. U svima njima je, tako, moguće primijeniti induktivnu i deduktivnu metodu, metodu analize i sinteze, tehniku ankete ili upitnik kao instrument.

Opći metodološki principi su, međutim, općevažeći i unutar svake posebne metodologije. Takav je, primjerice, princip uzročnosti, princip nužnosti, princip zakonitosti itd. Ili, zajednički svim znanstvenim disciplinama i oblastima su kategorije definicije, klasifikacije, analize i sinteze, indukcije i dedukcije, pojmovi hipoteze i dokaza i slično.

Stoga se, u okviru odabranog pristupa, ne želimo ni baviti posebnostima pojedinih disciplina. Više nas zanimaju opći metodološki principi. Donja granica posebnosti, koju smo uvažavali u našoj analizi, je razina društveno-humanističkih znanosti, unutar kojih smo nastojali utvrditi neke zajedničke principe, metode, tehnike i instrumente znanstvenog stvaralaštva.

Kad su, pak, u pitanju značajke znanstvene metodologije, izvjesno je da se može govoriti o većem broju njih. No, vjerujemo da tri od njih zavrjeđuju da ih se posebno apostrofira:

a) Tvrdnje treba iznositi jasno, precizno i društveno razumljivo (komunikabilno);

42

b) Znanstvena spoznaja u jednom području moraju biti obrazložena i povezana s drugim spoznajama, jedni se stavovi izvode iz drugih u skladu s logičkim pravilima koja imaju objektivni društveni karakter;

c) Svi se rezultate znanstvenog istraživanja moraju provjeriti u praksi (Žugaj, 1997., 1.).

II.4. VRSTE METODOLOŠKIH PROBLEMA

Iako pristup može biti i drugačiji vjerujemo da se unutar znanstvene metodologije može identificirati najmanje tri njena sastavna dijela ili tri osnovne skupine metodoloških problema:

a) logičkib) tehničko-organizacijski c) strategijski

a) Logički problemi metodologije znanstvenoistraživačkog rada obuhvaća veći broj sastavnih komponenti. To su, prije svega, sva pitanja koja se tiču načina formiranja i analize sadržaja formiranih znanstvenih pojmova. U ovu skupinu problema se ubrajaju i ispitivanja logičke strukture znanstvenih uopćavanja, zakona i teorija, pitanja u vezi s mjestom i ulogom, vrstama i tipovima hipoteza, te pravila kojih se znanstvenik ima pridržavati u procesu donošenja vlastitih sudova, zaključaka i dokaza. Sve to upućuje na potrebu poznavanja osnovnih logičkih kategorija, bez kojih metodologija ne može odgovoriti svojoj temeljnoj zadaći. Takvi su, primjerice, logički pojmovi kao što su sud, zaključak, definicija, divizija, distinkcija, deskripcija, eksplanacija, zakon, verifikacija, ali i neki drugi. U kontekstu metodološke rasprave, međutim, smatramo raspravu u njima i nepotrebnom i suvišnom. Ali, zato upućujemo na potrebu konzultacije temeljnih sadržaja iz područja opće logike, koja je neophodna pretpostavka svakog ozbiljnijeg metodološkog prosuđivanja.

b) Tehničko-organizacijski problemi metodologije znanstveno-istraživačkog rada se odnose na sva pitanja u vezi s prikupljanjem, sređivanjem i obradom prikupljenih podataka u procesu znanstvenog istraživanja. U području društvenih znanosti u pitanju su, prije svega, različite tehnike u prikupljanju iskustvene građe, kakve su, primjerice, anketa, analiza sadržaja, tehnika skaliranja itd. S druge strane, ova grupa problema obuhvaća i sva pitanja u vezi s postupcima sređivanja i obrade podataka, kakve su, očito, i statističke tehnike obrade podataka. Na koncu, u ovu grupu problema treba uključiti i sva tehnička pravila koja se primjenjuju u organizaciji različitih oblika istraživanja.

Nema sumnje da se ovim dvjema grupama metodoloških problema u različitim fazama razvoja jedne znanosti može pridavati i različita razina važnosti. U određenoj razvojnoj fazi se teorijski preferira skupina logičkih problema, a tehničko-organizacijski se problemi potpuno zapostavljaju. U nekoj drugoj fazi stanje stvari može biti potpuno obrnuto. Primjer razvoja sociologije kao znanstvene discipline najzornije govori o tim različitim razvojnim mogućnostima. Od svoje pojave pa sve do dvadesetih godina XX. stoljeća u sociologiji je prevladavao logički pristup u sociološkim analizama. O tehnici socioloških istraživanja se nije ni govorilo ili se govorilo veoma malo. Međutim, od dvadesetih godina nastupa razvojni obrat koji, u svojoj najradikalnijoj formi, egzistira sve do šezdesetih godina ovog stoljeća. On, međutim, još uvijek nije potpuno eliminiran. Naprotiv, danas se veoma često govori o amerikanizaciji sociološke znanosti koja ne znači ništa drugo nego još uvijek njenu naglašenu orijentaciju na američkom kontinentu na istraživanja, u kojima je manifestno preferiranje takozvanog empirističkog tehnicizma, opterećenost sredstvima i formama prikupljanja iskustvene građe.

Ako bi se htjelo tragati za optimalnim odnosom između ova dva pristupa u razvoju određene znanosti, barem kada su u pitanju društvene znanosti, a prema našem uvjerenju to vrijedi i za znanost uopće, vjerujemo kako se on nalazi u svojevrsnoj ravnoteži između logičko-epistemološke i tehničke dimenzije znanstvene djelatnosti. Preferiranje jedne ili druge, davanje većeg značenja jednoj na štetu druge, može jedino štetiti znanstvenoj djelatnosti.

c) Strategijski problemi, koji se, najjednostavnije kazano, odnose na činjenicu da je u metodologiju uključena i heuristika22 ili barem njeni bitni elementi. Ako bi, pak, 22 Heuristikom se označava induktivno-analitički dio svake znanosti, kojemu je zadaća prikupljanje i

analiziranje podataka s određenog znanstvenog područja, te određivanje njihovih osobina i razlika.

43

preciznije htjeli odrediti samu znanstvenu strategiju, nemoguće bi bilo izbjeći navođenje osnovnih elemenata koji je čine. U tom bi se smislu moglo kazati da znanstvenu strategiju čini određivanje osnovnih ciljeva znanstvene djelatnosti, razmatranje najsvrsishodnijih putova i sredstava njihova ostvarivanja, te izbor najprihvatljivijih organizacijskih formi unutar kojih je uspjeh u ostvarivanju postavljenih ciljeva najvjerojatniji.

Operacionalizira li se ova definicija u odnosu na njen dio, koji se tiče određivanja ciljeva znanstvene spoznaje, nužno je postaviti pitanje koje su to strateške vrste ciljeva znanstvene djelatnosti. Vjerujemo da se svi oni daju grupirati u dvije velike skupine:

1. Ciljevi koji su vezani za neposredne praktične zadaće znanstvene djelatnosti, a putem čijeg rješavanja znanost pomaže društvenoj praksi, te

2. teorijski ciljevi, smisao čijeg ostvarivanja je omogućavanje bržeg razvoja i same znanosti.

3. FAZE PROCESA ZNANSTVENOG ISTRAŽIVANJA 3.1. OPĆENITO O FAZAMA ZNANSTVENOG ISTRAŽIVANJA

44

Znanstveno istraživanje je veoma kompleksan proces. Kao cjelina on obuhvaća veći broj, međusobno povezanih radnji koje se mogu klasificirati u više zasebnih faza.23 Pristup njihovoj klasifikaciji nije jedinstven. Naprotiv, u odnosu na to postoje značajne razlike među autorima.

Ratko Zelenika, primjerice, pravi razliku između sedam faza znanstvenog istraživanja: «1) uočavanje znanstvenog problema i njegova formulacija, 2) hipoteza, 3) izbor i analiza teme, 4) izrada orijentacijskog plana znanstvenog istraživanja, 5) sastavljanje radne bibliografije, 6) prikupljanje, proučavanje i sređivanje literarnog materijala i 7) utvrđivanje strukture i kompozicije znanstvenog djela» (Zelenika, 1990., 209.).

Miroslav Žugaj se opredjeljuje za slijedeću podjelu faza ukupnog procesa istraživanja (od nekoga preuzeto):

1. Uočavanje problema istraživanja (a) Definiranje problema, (b) Utvrđivanje svrhe, ciljeva i zadataka istraživanja,

2. Ograničavanje polja istraživanja (a) Izbor šireg znanstvenog područja, b)Izbor užeg znanstvenog područja,

3. Postavljanje hipoteza,4. Provjeravanje hipoteza,5. Pismeno uobličavanje tijeka istraživanja,6. Primjena rješenja i kontrola. (Žugaj, 1989., 324.)Vladimir Mužić pravi razliku između sedam odvojenih cjelina ukupnog procesa

istraživanja: «1. Izbor problema istraživanja; 2. Izrada projekta istraživanja i stvaranja uvjeta za njegovo izvršavanje; 3. Sakupljanje podataka o pojavi koju istražujemo. U tu se svrhu primjenjuju osnovne metode istraživanja i brojni postupci i instrumenti sakupljanja podataka; 4. Obrada sakupljenih podataka, u čemu često statistika ima istaknutu ulogu; 5. Interpretacija rezultata koji su dobiveni obradom podataka, kako bi se iz njih izveli zaključci o novim spoznajama koje nam je (ili nije) to istraživanje pružilo; 6. Objavljivanje izvještaja o istraživanju; 7. Praktična primjena novih spoznaja do kojih se došlo istraživanjem»(Mužić, 1982., 48.)

Miroslav Vujević razlikuje čak trinaest različitih faza cjelovitog istraživačkog procesa u oblasti društvenih znanosti:

1. Izbor i definiranje problema istraživanja,2. Određivanje područja znanstvene analize, 3. Definiranje pojmova i pojmovna analiza,4. Određivanje ciljeva istraživanja, 5. Postavljanje hipoteza 6. Identifikacija i klasifikacija varijabli, 7. Operacionalizacija varijabli, 8. Utvrđivanje nacrta istraživanja,9. Izbor i razrada metoda za prikupljanje podataka,10. Planiranje i provođenje terenskog dijela istraživanja,11. Sređivanje i obrada podataka,12. Interpretacija podataka, 13. Pisanje znanstvenog izvještaja (Vujević, 1990., 41.).Navedene faze Vujević dijeli u tri skupine različitih aktivnosti: teorijsku (od 1. do 5.

faze), empirijsku (od 6. do 11. faze) i skupinu koja povezuje teorijski i empirijski dio procesa istraživanja (12. i 13. faza).

Uvažavajući sve ostale pristupe u klasifikaciji, smatramo kako se, u okviru ukupnog procesa istraživanja, može identificirati šest različitih faza. To su:

1. Izbor i definiranje predmeta istraživanja,2. Postavljanje hipoteza i sređivanje varijabli istraživanja3. Izrada projekta istraživanja,4. Prikupljanje, sređivanje i obrada empirijskih podataka5. Znanstveno tumačenje i interpretacija podataka,6. Izvještaj o rezultatima istraživanja.

23 Pod fazom istraživanja G. A. Gilli podrazumijeva «stupanj uključenosti nekog istraživanja u neku konkretnu situaciju: tj. istraživanje u toliko višoj fazi u koliko je uspjelo - kao istraživanje (tj. kao teorijsko-praktična djelatnost) zauzeti djelatnu ulogu u jednoj situaciji».

45

U analizi koja slijedi navedene faze će biti detaljnije razmotrene.

3.2. IZBOR I DEFINIRANJE PREDMETA ISTRAŽIVANJA

Činom izbora i definiranja predmeta započinje svako znanstveno istraživanje. Pri tome pripominjemo da pod izborom i definiranjem predmeta istraživanja podrazumijevamo dvije skupine radnji:

a) Izbor predmeta istraživanja, koji uključuje:a.1) Traženje znanstvenih informacija, neophodnih za formuliranje predmeta

istraživanjaa.2) Formuliranje predmeta istraživanja

b) Određivanje ciljeva istraživanjaU analizi, koja slijedi, želimo apostrofirati najznačajnije elemente i jedne i druge

radnje u okviru navedene faze istraživanja.

3.2.1. Izbor predmeta istraživanja

Kao predmet istraživanja uvijek se uzima problem koji se ne može riješiti ni učenjem, ni studiranjem. U protivnom, dakle ukoliko se znatiželja može zadovoljiti na taj način, problem koji je predmet znatiželje ne može biti i predmetom znanstvenog istraživanja. O njemu je potrebna spoznaja dokučena, a do nje se može doći studiranjem već dostignutog znanja o predmetu. Drugim riječima, predmetom istraživanja može biti samo problem o kojemu nema dovoljno spoznaja. Put do spoznaja o njemu vodi jedino preko novog istraživanja.

Doduše, nedovoljnost spoznaje o određenom predmetu ne znači da se o njemu nema baš nikakvog znanja. Ali, ono još uvijek nije dovoljno što je, samo po sebi, već dostatan razlog realizacije novog istraživanja.

S druge strane, uočavanje problema, kojeg treba istražiti, ne treba promatrati samo kao prvu fazu u procesu istraživanja. Naprotiv, na njega treba gledati i kao na najatraktivniji posao u ukupnom istraživanju. Koliko se značenje pridaje upravo uočavanju problema pokazuje i podatak da ga mnogi smatraju bitnijim čak i od samog rješenja. Pri tome se često citiraju Einstein i Infeldb, poznata imena iz svijeta znanosti, koji apostrofiraju značenje formuliranja problema čak i u odnosu na njegovo rješenje «koje može biti stvar puke matematičke ili eksperimentalne vještine. Postaviti nova pitanja, otkriti nove mogućnosti, sagledati stvarne probleme iz novog kuta zahtijeva stvaralačku imaginaciju i označava stvarni napredak znanosti» (prema Maslov, 1982., 78.).

3.2.1.1. Traženje znanstvenih informacija neophodnih za formuliranje predmeta istraživanja

Traganje za znanstvenim informacijama u vezi s određenim problemom, dakle traganje za naslijeđem čovječanstva u pogledu verificirane znanstvene materije i tekućih podataka o neprestanom traganju čovjeka za spoznajom, se javlja kao bitna pretpostavka formuliranja i definiranja predmeta istraživanja.

Inače, znanstvene se informacije mogu pojaviti u više relevantnih formi. Za znanstvene radnike, međutim, posebno značenje imaju dvije vrste znanstvenih informacija: one, koje se tiču rezultata novih istraživanja, te znanstvene informacije koje se odnose na već prihvaćene spoznaje.

Bitno je, međutim, neovisno o tome radi li se o jednoj ili drugoj vrsti znanstvenih informacija, da se do njih može doći na različitim mjestima, odnosno da se može govoriti o postojanju različitih centara za prikupljanje znanstvenih informacija. Među njima se ističu osobito biblioteke, dokumentacijski centri i arhive, a danas ulogu najznačajnijeg centra za prikupljanje znanstvenih informacija sve više preuzima Internet.

S druge strane, neovisno o kojoj se vrsti znanstvenih informacija radi, bitno je i to da se svi mogući izvori znanstvenih informacija mogu selektirati na tri temeljne grupe:

- primarne, koji podrazumijevaju originalne radove, poput knjiga, separata, magistarskih i doktorskih radnji, referata, diplomskih radnji, patenata, priručnika i udžbenika itd.

46

- sekundarne, u kojima se mogu pronaći samo osnovne informacije o određenoj publikaciji ili, eventualno, nešto značajniji podaci o najbitnijim elementima sadržaja publikacija ili dokumenata. Različiti registri, kartoteke, bibliografije ili katalozi biblioteka i centara za dokumentaciju nisu ništa drugo nego vrsta sekundarnih izvora znanstvenih informacija.

- tercijarne - kakvi su rječnici, leksikoni, enciklopedije itd.- dakle svi oni izvori koji sadrže sređene i sistematizirane informacije o određenom problemu ili području.

Traganje za znanstvenim informacijama, koje je u funkciji formuliranja i definiranja predmeta istraživanja, nameće i potrebu rasvjetljavanja postupka, koji se u tom procesu traganja primjenjuje. Iako se radi o dosta kompleksnom poslu, vjerujemo da se može govoriti o svojevrsne dvije faze, ili dvije grupe zadataka, koje taj postupak nameće.

Jedna se tiče sastavljanja radne bibliografije, a ona podrazumijeva, s jedne strane, upornost i sistematičnost u traganju za različitim oblicima znanstvenih informacija – različitim bibliografijama i bibliografskim bilješkama objavljenim u časopisima i publikacijama, različitim katalozima i indeksima znanstvenih biblioteka, raznim enciklopedijama, leksikonima, fundamentalnim priručnicima i zbornicima radova itd. – a s druge strane razvrstavanje svih prikupljenih bibliografskih jedinica u zasebne skupine podataka. U principu se može praviti razlika između četiri skupine bibliografskih jedinica:

a) knjigab) studija, referata i članakac) nepotpisanih radovad) skupine ostalih bibliografskih jedinica, među kojima se ističu priručnici,

konvencije, propisi itd.Druga faza, ili druga grupa zadataka, koje nameće postupak traganja za

znanstvenim informacijama, podrazumijeva također složen i obiman posao, posao prikupljanja, proučavanja i sređivanja prikupljenog materijala. Radi se, zapravo, o poslu koji uključuje tri različite vrste aktivnosti i to:

I. prikupljanje literarnog materijala, koje se temelji na dva različita izvora: a) pisanoj građi kao temeljem informacija, b) razgovoru s kompetentnim osobama na znanstvenim skupovima, kongresima

i konferencijama, koji se može označiti usmenim izvorom znanstvenih informacija

II. proučavanje literarnog materijala, koje mora slijediti logiku, s jedne strane, prvenstva proučavanja najnovije i najaktualnije literature, a tek tada i ostale, a s druge strane praksu sređivanja i zapisivanja svih spoznaja i činjenica. Pri tome je važno pripomenuti da se u procesu proučavanja literarnog materijala mogu koristiti različite vrste ili tehnike čitanja:a) letimično, odnosno čitanje na preskok, koje se prakticira kod pronalaženja

pojedinih dijelova nekog djela,b) potpuno, ili čitanje od korica do korica, koje se prakticira kod pisanja

znanstvenih recenzija i prikaza, ali rijetko i u znanstvenoistraživačkom radu,c) studijsko, koje nije ništa drugo nego neka vrsta kombinacije prethodnih dviju

tehnika, a podrazumijeva pažljivo čitanje samo onih dijelova koji vas posebno zanimaju.

III. Sređivanje prikupljenog materijala. Ono podrazumijeva, s jedne strane, vođenje različitih vrsta bilježaka u vezi s prikupljenim i proučenim literarnim materijalom24, a s druge strane selekciju, analizu i sintezu relevantnih činjenica do kojih se došlo tijekom prikupljanja i proučavanja dostupnog literarnog materijala.

3.2.1.2. Formuliranje predmeta istraživanja

Putovi i načini dolaska do spoznaje o izabranom i definiranom problemu su dosta različiti. Postoji, međutim, suglasje o tome da najdjelotvorniji i najprihvatljiviji put i način treba tražiti u izražavanju uočenog problema u obliku pitanja jer se i istraživanje, u tom slučaju, javlja kao svojevrsno traganje za adekvatnim odgovorom. 24 Bilješke mogu biti: a) bibliografske, b) dokumentarne, koje su posebno značajne jer se tiču predmeta

istraživanja, c) metodološke, d) marginalne, koje nisu ništa drugo nego zapisi na marginama teksta, e) korištenje sistema podvlačenja teksta itd.

47

Temeljno pitanje, koje se, samo od sebe, nameće u postavljanju problema istraživanja, je pitanje načina na koji problem istraživanja treba postaviti. U vezi s tim postoje različiti teorijski pristupi. No, prevladava uvjerenje da je najefikasniji onaj način koji se temelji na postavljanju problema istraživanja u formi precizno formuliranog pitanja. Snaga ovakvog uvjerenja počiva na tezi da dobro postavljeno pitanje znači mnogo, ponekad čak i polovicu odgovora. Pri tome je manje važno hoće li pitanje biti formulirano u jednoj ili više rečenica.

No, ono što jeste važno svakako je činjenica da je pridržavanje određenih kriterija bitna pretpostavka svakog izbora predmeta istraživanja. U ovom kontekstu apostrofiramo tek neke od kriterija izbora predmeta istraživanja, za koje držimo da su najznačajniji:

a) da predmet istraživanja predstavlja novinu i da se izbjegne eventualno nepotrebno ponavljanje. Istraživač jednostavno mora biti originalan. Da bi bio originalan on mora imati znanje o tome što je o problemu već poznato. Ali, temeljna pretpostavka posjedovanja takvog znanja je stalno, i to kritičko, čitanje koje može proizvesti i poticaj za plodno razmišljanje.

Drugim riječima, temeljito konzultiranje literature čini bitnu pretpostavku izbora predmeta istraživanja. Ono osigurava izbjegavanje mogućnosti upuštanja u istraživanje već istraženog problema s jedne, ali i opasnosti od ponavljanja istraživanja problema za koje ne postoje nikakvi racionalni znanstveni razlozi.

Osiguranje od spomenutih mogućnosti i opasnosti jamči činjenica da konzultacija literature istraživača dovodi u poziciju da postavi veći broj pitanja u vezi s predmetom istraživanja. U kontekstu ove analize potrebnim smatramo apostrofirati barem neka od njih. Istraživač mora, primjerice, postaviti pitanje koje su činjenice, načela ili generalizacije proistekle iz istraživanja u oblasti kojoj pripada njegovo istraživanje. Ili, on ne može zaobići pitanje, u kojoj se mjeri rezultati istraživanja, u oblasti u kojoj i sam istražuje, uopće primjenjuju. Upitno se mora razmišljati i o glavnim poteškoćama koje se mogu sresti u realiziranju istraživanja u oblasti kojoj pripada i konkretno istraživanje. Gotovo ista je stvar kada se razmišlja o intenzitetu odnosa između oblasti kojoj pripada konkretno istraživanje i njoj susjednih oblasti, ali i o pitanju vrste istraživačkih postupaka i tehnika koji su razvijeni u oblasti u kojoj se istraživanje realizira itd.

b) da izabrani predmet ima potrebnu važnost za područje na koje se odnosi, ali i pravovremenost i praktičnu vrijednost s obzirom na primjenu rezultata i njihove primjene u životu. Ovo, doduše, ne treba shvatiti i u doslovnom značenju riječi. Naime, ratovi su često puta pokazali kako se znanost može upotrijebiti i za destruktivne svrhe. Stoga svako društvo svoju politiku prema znanosti mora postaviti tako da ona jamči upotrebu znanja u korist društvenog progresa i blagostanja.

c) da za njegovo istraživanje postoji interes, intelektualna radoznalost i težnja istraživača da dođe do spoznaje. Masa znanstvenika u povijesti je, pišući svoje autobiografije, zadovoljenje svoje intelektualne radoznalosti isticala kao svoj glavni motor pokretač prema pronalascima. Samo takva radoznalost i živo zanimanje su mogli pokrenuti jednog Aristotela da se istodobno bavi i filozofijom i psihologijom i logikom, ali i etikom i politikom i biologijom. U protivnom, dakle u slučajevima kada se ne može govoriti o postojanju navedenog interesa, intelektualne radoznalosti i težnje istraživača, kada se, drugim riječima, ne može govoriti o potrebnoj motiviranosti za istraživanjem, mnogo se rjeđe može identificirati nova spoznaja kao krajnji rezultat, a mnogo se češće radi o «spoznajama» koje pogoduju materijalnom i društvenom statusu istraživača.

d) da za istraživanje izabranog problema postoji pristupačnost odgovarajućih podataka i prikladne metode. Podaci koji su na raspolaganju moraju zadovoljiti određene zahtjeve u pogledu točnosti, objektivnosti i provjerljivosti. Istodobno, izabrani problem treba sagledati u svijetlu mogućih istraživačkih postupaka.

e) da je za potrebe istraživanja izabranog problema moguće osigurati pokroviteljstvo i suradnju različitih institucija, kakva je, primjerice, suradnja različitih ministarstava, drugih ustanova i asocijacija u prikupljanju podataka itd. Ali, pokroviteljstvo je potrebno i zbog osiguranja drugih pretpostavki istraživanja. Neophodno je, primjerice, osigurati potrebnu opremu i uvjete rada, ali i financijska sredstva potrebna za pokrivanje troškova istraživanja.

f) da opasnosti i teškoće, osobne, društvene i profesionalne naravi, koje proizlaze iz bavljenja istraživanjem izabranog problema, nisu takve da ugrožavaju istraživačev dignitet, ljudski i profesionalni, ili čak i njegov život u socijalnom okruženju u kojem živi. Ukoliko one

48

imaju takav karakter, može se dogoditi da istraživač odgodi određeno istraživanje. To ne znači i stalno odustajanje od istraživanja jednog problema nego samo vršenje izbora otvorenih očiju.

U formuliranju problema istraživanja često se mogu pojaviti različiti tipovi grešaka. Najčešće se može identificirati tri tipa takvih greški.

Postoji, prvo, opasnost da se, umjesto izučavanja konkretnog problema, navede preširoka oblast, s velikim brojem problema, kao predmet istraživačke znatiželje. Na taj se način istraživači nesvjesno dovedu u opasnost da središnji problem, kojeg žele istražiti, razvodne i da se on u toj širini naprosto izgubi. Drugim riječima, u definiranju predmeta istraživanja ne treba strahovati da će opredjeljenje za istraživanje malog broja problema značiti i minoran istraživački posao. Naprotiv, budući je predmet istraživanja uvijek neka uzročno-posljedična veza dviju pojava, nerijetko se istraživački zahvat zadovolji ispitivanjem samo jednog uzročnog odnosa dviju pojava.

Drugo, postoji realna opasnost da se ode u suprotnu krajnost. Drugim riječima, zbog straha od preširoke oblasti istraživač može u sužavanju predmeta istraživanja otići toliko daleko da on postane preuzak ili beznačajan za istraživanje.

Na koncu, kao greška se često može pojaviti i upotreba izraza neznanstvenog, retoričkog ili emocionalnog karaktera, ali i stavljanje naglaska na neobrađene podatke ili na «glas iskustva».

3.2.2. Određivanje ciljeva istraživanja

Svaka ljudska djelatnost ima određeni cilj zbog kojeg se obavlja. I svaka konkretna znanost ima svoj cilj - spoznaju dijela objektivne stvarnosti čijim istraživanjem se bavi. Sukladno tome, točno određeni cilj ima i svako konkretno istraživanje. Međutim, on je mnogo konkretniji od cilja neke posebne znanosti ili, još više, znanosti uopće. Budući je u središtu konkretnog istraživanja sasvim konkretni problem to je i njegov cilj rasvjetljavanje konkretnog problema, pronalaženje odgovora na ono što je definirano kao nepoznato.

Ciljevi po svojoj naravi mogu biti veoma različiti. Različitost se može identificirati i kod ciljeva znanstvenog istraživanja. Doduše, svi oni se, iako ih ima mnogo, daju grupirati u dvije osnovne skupine: pragmatične (društvene) i znanstvene (spoznajne).

Sam naziv pragmatični (društveni) ciljevi upućuje i na njihov krajnji smisao. Radi se, dakle, o ciljevima koji upućuju na koristi koje iz istraživanja mogu proisteći. Ali, oni markiraju i potencijalne korisnike rezultata istraživanja. Na koncu, ovim tipom ciljeva se odgovara i na pitanje kako se potencijalni korisnici mogu služiti rezultatima istraživanja. Jasno je, dakle, da je utvrđivanje svih tih elemenata - društvene koristi, mogućih korisnika i načina korištenja - bitna pretpostavka da bi neko znanstveno istraživanje uopće moglo biti društveno poduprto.

Sasvim je drugačiji smisao znanstvenih (spoznajnih) ciljeva koji se postavljaju u znanstvenom istraživanju. Po svojoj biti oni određuju razinu spoznaje do koje u procesu istraživanja treba doći. Već ta činjenica govori u prilog tezi kako se u znanstvenom istraživanju može identificirati veliki broj ovakvih ciljeva. Ovisno o zadanoj razini spoznaje može se govoriti o najmanje pet skupina znanstvenih ciljeva:

a) Znanstvena deskripcija (opis pojave). U pitanju je, očito, osnovni cilj znanstvenog istraživanja, koji omogućuje najnižu razinu spoznaje. Znanstvenom se deskripcijom postiže opći uvid u pojavu ili proces koji je predmet istraživanja. Njome se opisuje pojava, njezin nastanak, razvoj i nestanak, ali i način njezina izravnog doživljavanja. Time se stječu temeljne pretpostavke koje omogućuju postavljanje viših razina znanstvenih ciljeva kao zadatka istraživanja. Stoga je veoma bitno da je opis pojave što objektivniji, što detaljniji, što svestraniji i što potpuniji.

b) Znanstvena klasifikacija. Klasifikacijom se dolazi do bližih spoznaja o pojavama i procesima, bilo da im se određuje vrsta ili da ih se dovodi u vezu s drugim pojavama i procesima. Osnova klasifikacije može biti dvostruka. Njome se, s jedne strane, pojave mogu sređivati po nekom njihovom unutarnjem svojstvu, obliku ili fazi razvoja. U tom se slučaju radi o takozvanoj unutarnjoj klasifikaciji. Ali, klasifikacijom se pojave mogu sređivati i po njihovom mjestu i redoslijedu pojavljivanja u okviru nekih drugih pojava ili viših razina klasifikacija.

Zbog svega navedenog, a da bi znanstvena klasifikacija bila što bolja, ona mora udovoljavati nekim temeljnim teorijskim zahtjevima. Mora biti dosljedna, dakle sve

49

klasifikacijske grupe se moraju temeljiti na istom kriteriju diobe. S druge strane, klasifikacija mora biti i potpuna, ali i iscrpna. Drugim riječima, mora biti napravljena na način koji ostavlja što je moguće manje sadržaja u neodređenim kategorijama.

c) Znanstveno otkriće. Promatra li se fenomen znanstvenog istraživanja u svojoj sveukupnosti sa sigurnošću se može kazati da je otkrivanje i spoznaja određene pojave i njegov temeljni cilj. Dakako, i pojam znanstvenog otkrića ne treba promatrati jednodimenzionalno. Naprotiv, i ono se može pojaviti u različitim pojavnim oblicima. Apostrofirati se mogu najmanje četiri takva oblika ili vrste znanstvenog otkrića:

prvo, otkriće činjenica postojanja nekih pojava, njihovih kvalitativnih i kvantitativnih svojstava , međusobnih odnosa itd.,

drugo, otkrivanje uvjeta, uzroka i motiva ljudskog ponašanja,treće, otkrivanje zakona nastanka, razvoja i nestanka istraživanih pojava, i četvrto, otkrivanje znanstvene teorije o nekoj vrsti prirodnih ili društvenih pojava

kao najviša razina znanstvenog otkrića.d) Znanstveno objašnjenje (eksplanacija). Kao jedan od tipova znanstvenih ciljeva

znanstveno objašnjenje je utemeljeno na odgovoru na pitanja kako i zašto. Drugim riječima, znanstveno objašnjenje ima dvije vrste ciljeva. Na jednoj strani je to otkrivanje povezanosti među pojavama, ali i smjera i intenziteta te povezanosti. Ali, to nije i njegov najznačajniji smisao. Ako bi se za tim smislom htjelo tragati moglo bi se reći da se on nalazi u otkrivanju uzročno-posljedičnih veza među pojavama koje su predmet znanstvenog istraživanja. U društvenim znanostima to znači otkrivanje uzroka i motiva ljudskog djelovanja uopće, čime su, praktički, stvorene pretpostavke za znanstveno objašnjenje povijesnog gibanja.

e) Znanstveno predviđanje (prognoza). Uz znanstveno otkriće i znanstveno objašnjenje pojava ovo je treći bitni cilj svakog znanstvenog istraživanja. Znanstveno predviđanje prodire u dinamiku društvene pojave koja je predmet istraživanja a motivirano je, najjednostavnije kazano, potrebama ljudi da predvide postojanje nepoznatih stvari i procesa, njihovih tijekova i stanja, t ishoda i rezultata odgovarajućih akcija i djelovanja.

Često se, upravo stoga, može postaviti temeljno teorijsko pitanje o tome što je, uistinu, najviši cilj znanstvenog istraživanja. Je li to znanstveno otkriće ili, ipak, znanstveno predviđanje? Mora se priznati da odgovor nije ni malo jednostavan, ali i to da ga se ne može jednoznačno formulirati. Naime, znanstveno se predviđanje javlja, na izvjestan način, kao prethodnica znanstvenog otkrića. U njemu se postavljaju hipoteze o još nepoznatim pojavama, njihovim svojstvima i odnosima s drugim pojavama. Drugim riječima, u znanstvenom se predviđanju predviđa.

Ali, i svako znanstveno predviđanje polazi od nekog, već dostignutog, znanstvenog otkrića bez kojega i ne bi bilo moguće. Moglo bi se, polazeći s te točke gledišta, reći da je znanstveno otkriće prethodnica, dakle niža razina cilja znanstvenog istraživanja od znanstvenog predviđanja.

Jasno je, dakle, da je jednoznačan odgovor na postavljenu dilemu jako nepouzdan, gotovo nemoguć. Znanstveno otkriće i znanstveno predviđanje su dvije strane jedne organske cjeline koje se nalaze u odnosu obostrane, međusobne uzajamnosti i, naprosto, jedno bez drugog ne ide.

3.3. POSTAVLJANJE HIPOTEZA I SREĐIVANJE VARIJABLI

3.3.1. Postavljanje hipoteza

Postavljanje hipoteza je jedan od najznačajnijih dijelova ukupnog procesa istraživanja. Stoga i ne čudi da metodolozi određenju pojma hipoteze posvećuju posebnu pozornost. Ali, iz te činjenice proizlazi i podatak o postojanju istinske raznolikosti i u pitanju definiranja ovog pojma. U kontekstu ove analize nudi se samo dio najzanimljivijih određenja: «Hipoteza je teorija u koju istraživači nisu sigurni», «Hipoteza predstavlja ono što predviđamo», «Hipoteza je neki teorijski stav ili zaključak koji ima izvjestan stupanj vjerojatnosti», «Hipoteza je više ili manje vjerojatna pretpostavka da postoji neka pojava kao uzrok ili kao posljedica neke druge pojave», «Hipoteza pruža rješenje problema zbog kojega su istraživanja poduzeta i može biti provjerena u praksi», «Hipoteza je misaona pretpostavka o predmetima koji se istražuju, o njihovim svojstvima, ustroju, funkciji, stanju i odnosima s drugim predmetima», «Hipoteza pridonosi razvoju znanosti, jer je njena funkcija da usmjeri istraživanja na pravilan način među činjenicama», «Hipoteza nije drugo do li

50

jedno pretpostavljeno objašnjenje koje izražavamo u obliku suda (pozitivnog ili negativnog) a koje moramo tek provjeriti», «Hipoteza je propozicija, uvjet ili princip koji je pretpostavljen, možda i bez uvjerenja u ispravnost, da bi se izvukle njegove logičke posljedice i pomoću te metode provjerilo njegovo slaganje s činjenicama koje su poznate ili koje mogu da se odrede» itd.

Analiziraju li se nešto detaljnije navedene definicije, iz njih se može izvući i svojevrsni zajednički imenitelj u odnosu na shvaćanje pojma hipoteze. Sve one, u krajnjem slučaju, pod hipotezom podrazumijevaju svojevrsni misaoni odgovor o problemu istraživanja, manje ili više vjerojatnu pretpostavku da postoji neka pojava kao uzrok ili kao posljedica neke druge pojave.

Neovisno koju od definicija se prihvati, izvjesno je da sve one upućuju i na nužnost postojanja određenih izvora iz kojih se hipoteze mogu crpiti. Postoji potreba apostrofiranja najmanje tri takva izvora:

a) nužnost da se, a radi zadovoljavanja sve raznovrsnijih i sve većih potreba čovjeka i društva, postojeće spoznaje prošire,

b) potreba da se valjanost stečenih spoznaja stalno provjerava. Ova potreba je, a zbog naglašene promjenljivosti društvenih pojava, izražena posebice u društvenim znanostima, dakle i u istraživanju javnog mnijenja.

c) potreba da se nadvladaju nedostaci već stečenih spoznaja.

Inače, postoje situacije kada se nove hipoteze nužno moraju postaviti. Obično se apostrofiraju tri takve bitne situacije:

a) neobjašnjene ili nedovoljno objašnjene pojave, događaji ili ponašanja ljudi, koji su stalan izvor brojnih hipoteza o njihovim mogućim uzrocima i posljedicama,

b) kada se istraživač susreće s novom i nepoznatom činjenicom, odnosno sa nespoznatom pojavom u bilo kojoj oblasti ljudske spoznaje,

c) uvijek kada postoje proturječnosti između starih spoznaja, dakle starih teorija i starih znanstvenih zakona o nekoj vrsti pojava i novokomponiranih pojava ili činjenica u istoj oblasti pojava (vidjeti, Šešić, 1974., 209.-212.)

Sve to upućuje na obvezu istraživača da, pri postavljanu određene hipoteze, računa s poteškoćama na koje može naići. Iako su one dosta brojne čini se kako izdvojiti treba barem neke od njih:

- poteškoće koje mogu proizići iz nedovoljno temeljitog i detaljnog poznavanja pojave ili pojava na koje se hipoteza odnosi,

- nepoznavanje teorijskog okvira s čijeg se stajališta hipoteza postavlja, ali i nedostatak sposobnosti korištenja teorijskog okvira zbog neiskustva, nedostatka inventivnosti ili sličnih razloga,

- poteškoće koje se javljaju zbog neadekvatnog kvantificiranja hipoteze, zbog toga što je ona postavljena preširoko ili preusko,

- poteškoće u vezi s nepoznavanjem, ili nedovoljnim poznavanjem, metoda postavljanja, ali i metoda i tehnika provjeravanja adekvatnosti postavljene hipoteze (vidjeti, Šešić, 1974., 213.).

Upravo zbog navedenih teškoća istraživači se moraju pridržavati određenih pravila i normi pri postavljanju hipoteza. Samo dobra ili valjana hipoteza ima šansi da bude pretpostavka dolaženja do novih spoznaja. Ako bi, pak, htjeli odgovoriti na pitanje, što mora posjedovati hipoteza da bi zadovoljila kriterij valjanosti, zaobići ne bi mogli navođenje određenih normi i pravila koje ona mora udovoljavati. Iako se može navesti čitav niz takvih pravila i normi, izvjesno je da neka od njih imaju osobitu težinu:

1. Hipoteza mora predstavljati logički i posebno znanstveno teorijski utemeljenu pretpostavku spoznajno vrijednog odgovora na postavljeno pitanje.

2. Hipoteza se mora odnositi na predmet istraživanja.3. Hipoteza ne smije biti preširoka, tj. mora biti dovoljno konkretna i pregledno

specificirana.4. Hipoteza koja se odnosi na cijelu znanstvenu oblast (teorijska hipoteza) mora

biti dovoljno općenita, kako ne bi bila preuska.5. Pojmovno-jezično hipoteza mora biti potpuno jasna i što preciznije formulirana.6. Valjana hipoteza mora biti teorijski i iskustveno provjerljiva (vidjeti, Šešić,

1974., 314.-315.).

51

Znanstvenu hipotezu ne treba promatrati kao jednoznačnu kategoriju. Naprotiv može se govoriti o više vrsta znanstvenih hipoteza.25 Dakako, metodolozi se najčešće opredjeljuju za svojevrsnu klasifikaciju hipoteza prema određenim kriterijima.26 U kontekstu ove analize želimo apostrofirati podjelu hipoteza prema četiri bitna obilježja: prema predmetu (teorijske, realne, fiktivne), po logičkoj prirodi (prosto-implikacijske, induktivne, reduktivne i deduktivne), po općenitosti (opće, posebne i pojedinačne), te po spoznajnoj ulozi (hipoteze ad hoc, radne, pomoćne i znanstvene).27

3.3.2. Sređivanje varijabli

Već je apostrofirano da hipoteza znači određeni misaoni odgovor o problemu istraživanja, određenu pretpostavku o postojanju uzročno-posljedičnih veza u prirodi i društvu. Misaonim odgovorom, međutim, nije završen sav posao. Naprotiv, zakonitost procesa istraživanja traži od istraživača da identificira obilježje, ili obilježja, pojave koje se želi istraživati, a na koje se misaoni odgovor ili pretpostavka odnose. Obilježje, ili obilježja, pojave koja se istražuje ne treba promatrati statično. Naprotiv, ona su uvijek podložna određenim promjenama koje omogućuju dinamiku društvenih pojava. Ta obilježja, ili promjenljive veličine, koja omogućuju dinamiku društvenih pojava, se u znanstvenim istraživanjima označavaju terminom varijabla.

Prema tome, varijabla je svaka veličina koja se može mijenjati i razlikovati u vremenu i prostoru. Ona je, drugim riječima, promjenljiva značajka neke pojave ili procesa o kojima se u hipotezi nešto tvrdi. Prvi posao istraživača je identificirati takve značajke ili obilježja koja se odnose na istraživanu pojavu.

Uzmimo za primjer slijedeću hipotezu: «Odnos građana prema suživotu i toleranciji bitno određuje vrijednosna orijentacija medija prema tim kategorijama». U navedenoj hipotezi se daju identificirati dvije varijable:

a) odnos građana prema suživotu i toleranciji,b) vrijednosna orijentacija medija prema suživotu i toleranciji.Prethodna hipoteza je mogla biti i drugačije formulirana. Primjerice: «Odnos

građana prema suživotu i toleranciji bitno određuju vrijednosna orijentacija političkih elita i medija prema tim kategorijama». U ovako formuliranoj hipotezi daju se identificirati tri varijable:

a) odnos građana prema suživotu i toleranciji,b) vrijednosna orijentacija političkih elitac) vrijednosna orijentacija medijaMeđutim, već iz prezentiranog primjera izvjesno je da uloga i ponašanje varijabli u

jednoj društvenoj pojavi ili procesu nije isto. Drugim riječima, jedna (ili više) od njih se uvijek javlja u formi «uzroka», a druga (ili druge) kao «posljedica» određene dinamike promatrane društvene pojave ili procesa. Varijabla koja se ponaša kao «uzrok» promjena u drugoj veličini iz ispitivane društvene pojave ili procesa, označava se kao nezavisna varijabla. Naspram nje je zavisna varijabla, dakle veličina koja po logici nužnosti reagira na promjene u nezavisnoj varijabli. Promjene u nezavisnoj varijabli po sistemu automatizma izazivaju promjene i u njoj.

Stoga se, kao zadatak istraživača, nameće i obveza da, pored identificiranja, izvrši i klasificiranje varijabli ovisno o njihovom mjestu i ulozi u dinamici promatrane društvene pojave ili procesa. Dakle, postoji obveza utvrđivanja jedne (ili više) nezavisnih i jedne (ili više) zavisnih varijabli u istraživanoj društvenoj pojavi ili procesu.

U prvom ponuđenom primjeru postoji jedna nezavisna (vrijednosna orijentacija medija prema suživotu i toleranciji) i jedna zavisna varijabla (odnos građana prema suživotu i toleranciji). Vrijednosna orijentacija medija je varijabla «uzrok». Drugim riječima, promjene u vrijednosnoj orijentaciji medija će izravno utjecati i na promjene u određenom raspoloženju građana. Negativan odnos medija prema suživotu i toleranciji će uvjetovati i

25 Ratko Zelenika, primjerice, navodi 27 različitih vrsta hipoteza, koje se mogu sresti u literaturi26 Miroslav Žugaj vrši klasifikaciju prema nekoliko temeljnih kriterija: sadržaju (kvalitativne,

kvantitativne, kauzalne), stupnju općenitosti (opće, posebne, pojedinačne), stupnju logičke osnovanosti i spoznajne uloge stavova (hipoteze ad hoc, radne, pomoćne i znanstvene), te hipoteze koje nije svrstao ni u jednu zasebnu grupaciju (plodne, prazne, preliminarne, nulte).

27 To je podjela koju je izvršio Bogdan Šešić (vidjeti, Šešić, 1974., 236.-240.)

52

negativan stav građana prema tim kategorijama, i obrnuto. Stav građana je samo logična, ali i nužna, posljedica određene medijske filozofije.

Navođenje nezavisnih i zavisnih varijabli se ne može zaobići u određivanju ciljeva istraživanja i postavljanju hipoteza. Ali, u problemu istraživanja one ne moraju uvijek biti eksplicitno navedene. Način postavljanja problema istraživanja može biti različito postavljen. Međutim, neovisno o tom načinu u problemu istraživanja uvijek mora biti sadržana najmanje zavisna varijabla dok se nezavisna može «izvlačiti», «podrazumijevati « iz ciljeva istraživanja ili postavljenih hipoteza. U našem primjeru se može, kao problem istraživanja, apostrofirati: «Kakav odnos imaju građani prema vrijednostima suživota i tolerancije?» Iz tako apostrofiranog problema se ne vidi varijabla, ili varijable, koje taj odnos određuju i profiliraju. Međutim, pogleda li se u ciljeve istraživanja, ili u postavljene hipoteze, brzo će se i njih identificirati.

Dakako, varijable se ne javljaju samo u navedena dva oblika. Nezavisne i zavisne varijable su temeljne. Međutim, znanstveno istraživanje poznaje i druge vrste varijabli koje na osobit način određuju vezu između nezavisne i zavisne varijable. Takve su, primjerice:

- intervenirajuće varijable koje se javljaju između nezavisne i zavisne varijable i uzrokuju karakter veze između njih,

- kondicirajuće (specifikatorne), koje uvjetuju intenzitet veze između nezavisne i zavisne varijable, itd.

Na koncu, nakon specifikacije treba izvršiti i operacionalizaciju varijabli. Najjednostavnije kazano, radi se o postupku u kojem se teorijski postulati empirijski provjeravaju pomoću pokazatelja ili indikatora koji se odnose na danu teoriju. Pri izboru indikatora za operacionalizaciju varijabli nužno je voditi računa da udovoljavaju najmanje slijedećim kriterijima:

a) da budu valjani, dakle da se odnose na varijablu koju se želi mjeriti,b) da su objektivni, odnosno da rezultati mjerenja ovise o onome što se, a ne tko

mjeri. Najjednostavniji način utvrđivanja objektivnosti je opredjeljenje za istodobno mjerenje iste varijable pomoću istog indikatora od strane većeg broja pojedinaca,

c) da su pouzdani, odnosno da se na njih, pri mjerenju jedne varijable, možemo bez ostatka osloniti,

d) da su jednoznačni, tj. da su tako jasno i precizno definirani da različiti subjekti znaju točno na što se odnose, te

e) da su precizni, odnosno da omogućuju da se pomoću njih registriraju i manje razlike u veličini varijabli (vidjeti, Vujević, 1990., 78.-82.) 3.4. IZRADA PROJEKTA ISTRAŽIVANJA

Struktura projekta istraživanja se različito postavlja. Razlog tome svakako je činjenica da metodolozi ovu fazu ukupnog procesa znanstvenog istraživanja smještaju na različita mjesta. Rudi Supek, primjerice, utvrđivanje projekta istraživanja stavlja na prvo mjesto ukupnog procesa istraživanja. Sukladno tome je postavljena i ukupna struktura projekta kojeg on preferira. Statički promatrana, ona se sastoji iz šest zasebnih cjelina:

a) formulacije problema, određivanja ciljeva i predmeta istraživanja;b) izbora metoda za rješenje problema i sakupljanja podataka; c) utvrđivanja populacije ili uzorka populacije za ispitivanje;d) prikupljanja podataka;e) analize i obrade podataka; f) redakcije zaključaka i preporuke za akciju (vidjeti, Supek, 1961., 51.-53.)Slični se pristupi mogu sresti i kod još jednog broja autora.28 Međutim, u pristupu

kojeg razvijamo projekt istraživanja čini vododijelnicu između teorijskog i empirijskog dijela istraživanja. Stoga je drugačije i njegovo mjesto u ukupnoj strukturi istraživanja, ali i struktura samog projekta istraživanja.

28 Apostrofiramo u kontekstu ove analize Ratka Zeleniku, koji govori o idejnom i izvedbenom projektu istraživanja. U idejni projekt istraživanja on uključuje: 1) predmet ili problem istraživanja, 2) cilj istraživanja, 3)strukturu ili kompoziciju projekta, 4) metode istraživanja, 5) rokove istraživanja, 6)nositelje pojedinih zadataka istraživanja, 7)financijska i druga sredstva potrebna u istraživanju, 8) doprinos rezultata istraživanja. Za izvedbeni projekt naglašava da je mnogo sadržajniji i konkretniji, te da sadrži sve varijante predloženih rješenja koja se moraju temeljiti na pouzdanim, egzaktnim znanstvenim činjenicama, uvjerljivim i provjerljivim dokazima (vidjeti o tome, Zelenika, 1990., 220.).

53

Svako istraživanje, po prirodi stvari, prati i određeni projekt istraživanja. Ukoliko se radi o manjim istraživanjima, njihove potrebe može zadovoljiti takozvani orijentacioni projekt istraživanja. U principu se, međutim, može govoriti o dvije vrste projekata koji prate najveći dio istraživanja: idejnom i izvedbenom projektu istraživanja. U čemu je njihova suština? Postoji li među njima kakva razlika?

3.4.1. Idejni projekt istraživanja

Istraživanje je, po prirodi stvari, kreativan, visokointelektualni posao. Da bi ono uopće bilo moguće nužno je osiguravanje najmanje dvije vrste pretpostavki: spremnost i potrebna motiviranost, ali i neophodna znanstvena osposobljenost istraživača s jedne, te osiguravanje potrebnih, materijalnih i drugih, uvjeta istraživanja s druge strane.

Sama činjenica da se jedan znanstvenik priprema za određeno istraživanje podrazumijeva i njegovu spremnost i neophodnu motiviranost za taj napor. Moguće je pretpostaviti i njegovu znanstvenoistraživačku osposobljenost, nužnu za takav posao. Međutim, njemu je u samom startu jasno da njegova spremnost i motiviranost, pa i osposobljenost, nisu dovoljne da bi se u istraživanje i ušlo. Naprotiv, bilo kakvo ozbiljnije i konkretnije ulaženje u proces istraživanja traži i osiguravanje minimuma materijalnih i društvenih uvjeta za to.

Smisao i cilj izrade idejnog projekta istraživanje jeste upravo u tome da se njime pokušaju osigurati takvi uvjeti. U takvom projektu istraživač, ili istraživački tim, nastoji, po određenoj proceduri, ukazati na problem kojeg se želi istražiti, ali i iznijeti argumentaciju u prilog potrebe realizacije predloženog istraživanja.

Kakva će ta argumentacija biti ovisi o karakteru subjekta kojem se istraživač obraća za potporu. Ukoliko se on, primjerice, za potporu obraća znanstvenoj instituciji, logično je očekivati da će u svojoj argumentaciji apostrofirati znanstvene ciljeve istraživanja. Sasvim će, međutim, drugačiji biti njegov pristup ukoliko potporu očekuje od neke druge organizacije, one koja od istraživanja priželjkuje trenutnu korist. U tom će se slučaju i argumentacija temeljiti na naglašavanju određenih instrumentalnih vrijednosti spoznaje, do koje se istraživanjem treba doći.

No, zbog samog cilja, koji se idejnim projektom želi ostvariti, logično je da je i njegova struktura značajno manje kompleksna. Međutim, usprkos činjenici da je ona podređena dobivanju društvene potpore, u idejnom se projektu ipak ne može izbjeći elaboracija nekih bitnih elementa. Iako se oni ne moraju nužno pojavljivati u svim slučajevima, u idejnim se projektima najčešće susreću posebno razrađeni slijedeći elementi:

a) predmet ili problem istraživanja, u kojem se apostrofira važnost problema, pruža nužna informacija o tome što je do tada urađeno, navodi najznačajnije autore koji su navedeni problem do tada istraživali itd.

b) cilj (ili ciljevi) istraživanja, koji mogu biti različitic) struktura projektad) metode i tehnike istraživanjae) orijentacijski kalendar radovaf) sastav ekipe istraživanjag) financijska i druga sredstva potrebna za istraživanjeh) projekcija rezultata i koristi koje se mogu očekivati od realiziranog istraživanja

Idejni projekt, dakle, ima za cilj osigurati sredstva za konkretno istraživanje. Pri tome je, dakako, važno da se u njegovoj izradi vodi računa i o strukturi koju svaki idejni projekt mora zadovoljavati (vidjeti Kniewald, 1993., 114.-115.).

3.4.2. Izvedbeni projekt istraživanja

Izvedbeni se projekt može ozbiljiti jedino u slučaju da je idejni projekt naišao na adekvatnu društvenu potporu. Po pristupu, kojeg razvijamo, izvedbenim projektom istraživanja se utvrđuju uvjeti istraživanja koji omogućuju provjeravanje postavljenih hipoteza. Drugim riječima, njime se odlučuje o najbitnijim detaljima istraživanja. Iako je njegova struktura gotovo identična strukturi idejnog projekta, izvjesno je da su u njemu pitanja realizacije razrađena do najsitnijih detalja. Među tim pitanjima treba, između ostalog, apostrofirati i slijedeće:

54

1. koje tehnike će se koristiti u prikupljanju podataka potrebnih za istraživanje,2. tko može dati najbolje podatke koji istraživača zanimaju,3. da li istraživanje primijeniti nad cijelom populacijom ili nad određenim uzorkom,4. ako je opredjeljenje za uzorak, kakav uzorak izabrati,5. kada, gdje i u kojim uvjetima prikupiti podatke koji istraživača zanimaju,6. ako je opredjeljenje za uzorak, postoje li mogućnosti eventualnih generalizacija

na temelju dobivenih rezultata,7. koje će se tehnike obrade podataka upotrijebiti, a ako je izbor na statističkim

tehnikama, identificirati sve faze statističke obrade,8. precizirati sastav ekipe koja provodi istraživanje, razdiobu dužnosti unutar nje,

principe rada koje slijedi itd., 9. odrediti detaljan kalendar pojedinih radova, te10. utvrditi predračun predvidivih troškova istraživanja.

Ovisno od opredjeljenja, obzirom na navedene, ali i neke druge detalje, može se govoriti o različitim tipovima izvedbenog projekta istraživanja.29 U kontekstu ove analize postoji potreba identifikacije dva temeljna tipa projekta istraživanja:

a) deskriptivni (opisni) projekt istraživanja. Znakovito je za njega da omogućuje opći uvid u neko obilježje ili, u najboljem slučaju, klasifikaciju navedenog obilježja, bez ikakvih pretenzija da se upušta u njegovo objašnjenje. Uz to, ovim se projektom istraživanja treba odlučiti i o još nekim detaljima istraživanja, kao što su:

- tko nam može dati najadekvatnije podatke o predmetu kojeg istražujemo, - na koji način te podatke treba prikupiti. Drugim riječima, hoćemo li se u

prikupljanju podataka poslužiti promatranjem, anketom, intervjuom, analizom sadržaja ili nekom drugom tehnikom.

- gdje željene podatke treba prikupiti. Treba li to činiti na radnom mjestu, u mjestu stanovanja, na nekom drugom odredištu,

- kada potrebne podatke treba prikupljati. Treba li to činiti tijekom radnog vremena, nakon njega, u neko drugo vrijeme itd.

b) kauzalni (uzročni) projekt istraživanja. On sebi, u načelu, postavlja zadatak ispitivanja uzročno-posljedičnih odnosa u predmetu istraživanja. Drugim riječima, on uključuje i objašnjenje, ili tumačenje, nekog obilježja, pojave ili procesa. Stoga je ovaj projekt istraživanja znatno širi od deskriptivnog. Zapravo, on u sebe uključuje deskriptivni projekt istraživanja. Ali, on, uz to, mora zadovoljiti i niz dodatnih kriterija. Primjerice, uz eksperimentalnu grupu on, u procesu istraživanja, mora osigurati i kontrolnu grupu, a mora zadovoljiti i niz logičkih pravila. Apostrofirati treba, prije svega, pravilo slaganja, pravilo razlike, pravilo ostatka i pravilo popratnih promjena.

3.5. PRIKUPLJANJE I OBRADA PODATAKA

Fazom prikupljanja podataka znanstveno istraživanje dospijeva u područje objektivne stvarnosti, u kojoj treba provjeriti ispravnost teorijskih postulata. Tehnike prikupljanja podataka, utvrđene projektom istraživanja, a koje mogu osigurati osluškivanje dijelova stvarnosti o kojima se misli, detaljno se razrađuju. Tek takva razrada omogućuje planiranje i provođenje terenskog dijela istraživanja, nužnog za dobivanje traženih podataka.

Prikupljanje podataka podrazumijeva i još dvije veoma značajne radnje:a) sređivanje podataka koji su na terenu skupljeni. To je, zapravo, i pretpostavka da

se dođe do informacije o kvaliteti prikupljenog materijala, teb) statističku obradu prikupljenih i sređenih podataka. Ona je, svakako, nužan

preduvjet za svako znanstveno tumačenje dobivenih podataka. Dakako, pri tome je bitno voditi računa da se u statističkoj obradi primijene adekvatni statistički postupci.30

3.6. ZNANSTVENO TUMAČENJE I INTERPRETACIJA PODATAKA

29M. Vujević nabraja sukcesivni nacrt istraživanja, prošireni sukcesivni nacrt istraživanja, komparativni nacrt istraživanja, kontrolni eksperimentalni nacrt, transverzalni nacrt istraživanja, te longitudinalni nacrt istraživanja. (vidjeti o tome, Vujević, 1990., 88.-90.)

30 O statističkoj obradi podataka, ali i postupcima obrade, vidjeti poglavlje br. 6. o statističkim tehnikama obrade empirijskih podataka

55

Podaci koji su prikupljeni, sređeni i statistički obrađeni, služe kao dokazni materijal kojim se postavljena hipoteza potvrđuje ili odbacuje. Zapravo, znanstveno tumačenje i interpretacija dobivenih rezultata istraživanja obvezuju istraživača da vodi računa posebice o nekim momentima:

prvo, da dobivene podatke dovede u vezu s postavljenim hipotezama i ustanove da li ih ti podaci potvrđuju ili pobijaju,

drugo, da dobivene podatke dovede u vezu s podacima sličnih istraživanja, a time vrši i njihovo testiranje, bilo da osnaži njihovu valjanost ili izrazi sumnju u njihovu vrijednost,

treće, da dobivene podatke dovede u vezu s primijenjenim postupcima u istraživanju, te

četvrto, da potvrđenu hipotezu dovede u vezu s teorijom od koje je pošao u istraživanje.

Dakako, da bi uopće bilo moguće ispravno znanstveno tumačenje i interpretacija dobivenih rezultata istraživanja, neophodno je da su ispunjene neke pretpostavke. U kontekstu ove analize naglašavamo osobito dvije:

a) poznavanje područja koje se proučava, posebice užeg problema koji je predmet istraživanja, te

b) poznavanje metodologije znanstvenog istraživanja u području društvenih znanosti

U protivnom, nije nemoguće da se u interpretaciji rezultata istraživanja pojave i određene pogreške. One zaista mogu biti mnogobrojne i raznovrsne. No, vjerujemo kako posebnu teorijsku pozornost zaslužuju barem dvije skupine takvih pogreški:

prvo, pogreške koje su vezane za prebrzu generalizaciju ili neprecizno izraženu generalizaciju, te

drugo, pogreške u vezi s dokazivanjem uzročno-posljedičnih veza. Iz ove skupine postoji potreba posebnog naglašavanja nekih od njih. Takve su, primjerice:

a) Pogreška poznata kao skok u zaključivanju (salutus in concludeno). Radi se o pogrešci koja se javlja skoro redovito kada se neka slučajna povezanost između pojava interpretira kao uzročno-posljedična povezanost.

b) Prividna ili lažna konzekventnost (fallaciae consequentis). Radi se o pogrešci koja je dosta česta, a čija se suština sastoji u svjesnom ili nesvjesnom opredjeljenju istraživača da u analizi uzroka određenih pojava ili procesa svu analitičku pozornost usmjeri prema jednom uzroku, a značenje svih ostalih zapostavi ili čak i potpuno isključi.

c) Prividna ili lažna disjunktnost (fallaciae disjunctionis). U pitanju je tip pogreške koji je vezan za interpretaciju složenih uzročno-posljedičnih veza i procesa. Radi prividno lakše interpretacije se nastoji te složene veze ili oblike prikazati jednostavnima. Način da se to učini je svođenje svega na oblik dileme u njenoj klasičnoj verziji, dakle na isticanje crno-bijelog kontrasta.

d) Zaključivanje na temelju nečeg što je i samo neistinito. Ovaj je tip pogreške dosta čest, ali u pravilu i namjeran. Suština joj je u tome da se, s ciljem da se dokaže hipoteza koja je prirasla srcu, uzima samo onaj dio rezultata istraživanja koji je u funkciji takvog cilja.

3.7. IZVJEŠTAJ O REZULTATIMA ISTRAŽIVANJA

Cilj je izvještaja, zapravo, upoznati javnost s tim što je, i na koji način, rađeno u procesu istraživanja, do kojih se rezultata u tom poslu došlo, kako su rezultati dobiveni, obrađeni i tumačeni. Izvještaj, dakle, ima informativnu funkciju. Stoga je uputno da je pisan razumljivim jezikom jer ne služi istraživaču nego publici koja je u ulozi konzumenta.

Doduše, i izvještaj o rezultatima znanstvenog istraživanja mora poštivati određena pravila. U principu, može se govoriti o deset osnovnih dijelova izvještaja. To su:

1 Naslov, kojim se izražava osnovni sadržaj provedenog istraživanja. Dobar je onaj naslov koji je kratak, jasan, precizan i inventivan.

2 Sadržaj, čiji je osnovni smisao da čitatelju dade informaciju o karakteru istraživanja, ali i da mu, ukoliko se opredijeli da ga pročita, olakša snalaženje.

56

3 Uvod. Smisao uvoda je uvođenje čitatelja u bit istraživanja, a time i izazivanje njegove radoznalosti da istraživanje pažljivo pročita.

4 Primijenjene metode, tehnike i opis postupka pri istraživanju. Opis postupka mora biti detaljan, kako onaj u užem smislu riječi, tako i opis primijenjenih instrumenata, opis ispitanika i način određivanja uzorka (ako je korišten uzorak), opis ispitivača itd.

5 Rezultati i interpretacija istraživanja. Rezultati se mogu iznijeti u različitim formama: tekstualno, tabelarno, grafički. Pri tome treba paziti da se iznošenje istih podataka ne ponavlja kroz različite forme. Interpretacija se po svojoj naravi razlikuje od rezultata istraživanja. Naime, rezultati istraživanja obično znače kvantificiranu prezentaciju. Interpretacija, međutim, znači uvijek tekstualnu prezentaciju istih nalaza, ona je prijelaz s činjenica na razmišljanje.

6 Zaključak. Radi se o završnom dijelu izvještaja u kojem se u skraćenoj formi iznosi hipoteza, te podaci koji je potvrđuju ili odbacuju. Dakako, u ovom se dijelu može apostrofirati i potreba novog istraživanja kao jedan od rezultata koje je polučilo provedeno istraživanje.

7 Sažetak, koji se, pored jezika kojim je pisano istraživanje, piše u pravilu i na jednom od svjetskih jezika, a kojim se omogućuje znanstvenoj čitalačkoj publici u svijetu da se upozna s rezultatima provedenog istraživanja.

8 Popis literature (bibliografija), kojom se daje pregled korištene literature tijekom istraživanja. Ona se može dati na dva načina: abecednim navođenjem autora ili klasifikacijom literature prema određenim kriterijima (osnovna, pomoćna, izvorna, udžbenici itd.)

9 Indeks (kazalo) pojmova i imena, koji omogućuje brzo pronalaženje u tekstu određene misli, podatka, pojedinosti ili imena.

Uz ove dijelove, izvještaj o provedenom istraživanju može sadržavati i još neke dijelove. U prednjem dijelu rada, između naslova i predgovora, mogu se naći:

1. Moto, koji je, u načelu, neka izreka ili citat iz nekog djela, a kojim autor hoće izreći određenu poruku u vezi s izvršenim istraživanjem,

2. Posveta, kojom se autor želi posebno nekome zahvaliti na inspiraciji, pomoći, potpori ili razumijevanju tijekom provođenja istraživanja,

3. Predgovor, koji se uvijek tiče provedenog istraživanja, a u kojem autor iznosi razloge zbog kojih se odlučio na određeno istraživanje. U predgovoru autor eksplicitno ili implicitno navodi kome je istraživanje namijenjeno, a markira i teškoće na koje je tijekom istraživanja naišao. Predgovor, da bi bio dobar, moraju karakterizirati i kratkoća i općenitost.

4. Prilozi, koji obuhvaćaju materijale koji čitatelju nisu nužni pri čitanju izvještaja, ali su mu potrebni u slučaju da u izvještaj i kontrolu rezultata želi detaljnije ući - primjerice, prijepisi važnijih a teže dostupnih dokumenata, tabele i grafikoni koji nisu neophodni u samom tekstu, opisi statističkih postupaka koji su primijenjeni u istraživanju itd.

Dijelovima izvještaja znanstvenog istraživanja detaljnije se kanimo vratiti u okviru posebnog poglavlja ove knjige31.

31Detaljnije pogledati poglavlje 8.1. Dijelovi znanstvene knjige i 8.2.

57

4. METODE ZNANSTVENOG ISTRAŽIVANJA IV.1. KLASIFIKACIJA METODA ZNANSTVENOG ISTRAŽIVANJA

Pitanje klasifikacije metoda znanstvenog istraživanja je također jedno od pitanja kod kojih se mogu identificirati značajne razlike u teorijskom pristupu različitih autora. Bez detaljnijeg ulaženja u razloge, na dio tih razlika želimo ukazati i u ovoj analizi. Bitno je, pri tome, da se u klasifikaciji metoda znanstvenog istraživanja najčešće slijedi logika dihotomijskog pristupa. U ovom pregledu apostrofiramo nekoliko dihotomijskih klasifikacija:

a) Podjela svih metoda znanstvenog istraživanja na opće i posebne. Problematizirajući pojam metode, Bogdan Šešić, primjerice, povlači dosta oštru crtu između dva temeljna tipa znanstvenih metoda. Na jednu stranu svrstava opće - kakve su statistička, analitičko-deduktivna, te metoda modeliranja - a na drugu takozvane posebne, među kojima apostrofira analitičko-sintetičku, metode apstrakcije i konkretizacije, metode generalizacije i specijalizacije, metode klasifikacije, te metode indukcije i dedukcije.32

b) Podjela na metode znanstvenog istraživanja (heurističke metode) i metode znanstvenog sistematiziranja. Slijedeći takvu podjelu, Serafim Hrkać u prve, dakle heurističke, metode ubraja analizu, sintezu, zapažanje, eksperimentiranje, indukciju, dedukciju, analogiju i hipotezu, a u metode znanstvenog sistematiziranja definiciju, dokaz i diviziju ili klasifikaciju.

c) Razlikovanje između tehničkih i logičkih metoda znanstvenog istraživanja. Opredjeljenje na ovaj tip razlikovanja33 polazi od toga da pod tehničkim metodama treba podrazumijevati metode kojima se osiguravaju optimalni uvjeti za dolaženje do upotrebljivih znanstvenih podataka, da su one po svom značenju pomoćne i da variraju od jedne do druge znanosti, a pod pojmom logičke metode treba podrazumijevati metode kojima se utvrđuju uvjeti koji su neophodni za dolaženje znanstvene istine, zbog čega one čine i osnovni predmet metodologije. Podjela, zasnovana na ovoj dihotomiji, u tehničke metode ubraja promatranje, eksperimentiranje, točno brojenje i mjerenje, a u logičke sve ono što se tiče znanstvene obrade podataka, izvođenja zaključaka i građenja teorija i sustava.

d) Ostale dihotomijske podjele. Mladen Zvonarević, raspravljajući o tome, navodi četiri tipa dihotomijskih podjela:

I. Podjela na teorijske i empirijske metode, koja označava i dvije osnovne operacije ljudskog mišljenja, teorijsku, koja se temelji ponajviše na dedukciji, i empirijsku, koja svoju snagu crpi iz indukcije.

II. Podjela na empirijsko-analitičke i historijsko-komparativne, pri čemu se pod prvima podrazumijevaju sve one koje su usmjerene na analizu prikupljenih podataka, a pod drugima metode čija je osnovna zadaća mogućnost pružanja određene sinteze i generalizacije za cjelovito znanstveno mišljenje

III. Razlikovanje između faktografskih i analitičkih metoda koja se temelji na tome je li jedna metoda usmjerena na prikupljanju podataka i činjenica ili na njihovu analizu.

32 On, doduše, govori i o općim metodama društvenih znanosti, ističući osobito nekoliko njih: pozitivističke metode, metodu razumijevanja, komparativnu metodu, metodu idealnih tipova, metodološki strukturalizam i funkcionalizam, te dijalektičke metode (vidjeti Šešić, 1974.)

33 Slijedi ga se u Enciklopediji Leksikografskog zavoda, sv.1-6, JLZ, Zagreb, MCMLXVI – MCMLXIX.

58

IV. Razlikovanje između metoda i postupaka, a ponekad se u to razlikovanje ubacuje i treći element, tzv. tehnike (vidjeti u Zvonarević, 1989., 47.-48.).

U uvodnom dijelu knjige, u raspravi o pojmu znanstvene metode, smo napravili razliku između znanstvene metode u najširem značenju riječi, apostrofirajući i njena četiri bitna sastavna dijela, i metoda znanstvenog istraživanja, odnosno metode u užem značenju riječi, koja je predmet ovog dijela rasprave.

Polazeći od navedenih naznaka skloni smo razlikovanju općih i posebnih metoda znanstvenog istraživanja. Pri tome, pod općim metodama znanstvenog istraživanja podrazumijevamo metode koje su općeprimjenjive, dakle općevrijedeće u svim znanostima. Takve su, primjerice, metode analize, sinteze, apstrakcije, konkretizacije, generalizacije, specijalizacije, indukcije, dedukcije, klasifikacije, komparacije, deskripcije, metoda idealnih tipova, metoda modeliranja, historijska metoda, genetička metoda itd. Za razliku od njih, pod posebnim se metodama podrazumijevaju metode specifične samo za određene znanosti. U tom se smislu može govoriti o metodama ekonomskih znanosti, sociološkim metodama, metodama pravnih znanosti, psihološkim metodama itd.

U dijelu analize koji slijedi smo se opredijelili za detaljniju eksplikaciju najznačajnijih općih metoda znanstvenog istraživanja, koje se koriste u području društvenih znanosti.34

IV.2. OPĆE ZNANSTVENE METODE

4.2.1. Metode indukcije i dedukcije

4.2.1.1. Metoda indukcije

Indukcija se može shvatiti na dva načina: kao način mišljenja i zaključivanja, ali i kao znanstvena metoda. Radi se o dva pojma koji su međusobno isprepleteni zbog čega ih neki i identificiraju. U tome, međutim, nisu u pravu. Zbog čega? Iz jednostavnog razloga jer kao način mišljenja i zaključivanja indukcija podrazumijeva zaključivanje od pojedinačnog i posebnog na opće. Radi se, dakle, o zaključivanju koje se temelji na promatranju pojedinačnog ili posebnog, na temelju kojeg se izriču opći sudovi, zakoni itd. No, slučajno induktivno zaključivanje ne znači i primjenu metode indukcije kao znanstvene metode dolaženja do novih znanja o prirodi i društvu. Naprotiv, metoda indukcije uopće nije nužni pratilac indukcije kao načina mišljenja i zaključivanja.

Ali, ista pravilnost ne vrijedi i u obrnutom slučaju. Naprotiv, metoda indukcije je nužno sistematska i dosljedna primjena induktivnog načina mišljenja i zaključivanja s ciljem dokazivanja ili otkrivanja istine. Njome se zaključuje iz «pojedinačnog na općenito, tj. iz učinaka na uzroke, iz činjenica na zakone, iz posljedica na principe» (Hrkać, 1999., 28.).

Navedena definicija znači da se opći sud, zakon ili princip može izvesti iz pojedinačnog ili više pojedinačnih slučajeva. Mogućnost velike šarolikosti, kada je u pitanju broj slučajeva koji se koriste u funkciji teorijskog generaliziranja, koja proizlazi iz prethodne definicije, znači i različitu vrijednost odnosno osnovanost zaključaka, utemeljenih na induktivnom načinu zaključivanja. U kontekstu ove analize apostrofiramo četiri najbitnija činitelja, od kojih ovisi vrijednost i osnovanost induktivnog zaključivanja.

1. S povećanjem broja istraženih slučajeva i povećanjem broja njihove raznovrsnosti raste i vrijednost induktivnog zaključivanja. Zaključivanje na temelju promatranja nekoliko slučajeva je, u pravilu, manje pouzdano od onog koje je utemeljeno na promatranju velikog broja činjenica i slučajeva.

2. Induktivni zaključak, bez obzira na kolikom broju pojedinačnih slučajeva se zasniva, osim ako je plod promatranja svih slučajeva, nikada ne može biti i potpuno pouzdan. On je, naprotiv, uvijek samo manje ili više vjerojatan.

3. Bez obzira na to koliko je veliki broj pozitivnih slučajeva, samo jedan negativan slučaj poništava istinitost univerzalnog istinitog zaključka.

4. U induktivnom zaključivanju zaključak je osnovaniji i sigurniji ukoliko se korištene činjenice tiču bitnijih svojstava predmeta koji je predmet izučavanja, ukoliko su one, dakle,

34 Prema jednoj podjeli, u područje društvenih znanosti se ubrajaju antropologija, ekonomske znanosti, pravne znanosti, politologija, organizacijske znanosti, sociologija, obrazovanje (pedagogija i defektologija), socijalna geografija, kineziologija, informacijske, interdisciplinarne društvene znanosti, te ostalo (vidjeti Žugaj, 1997., 18.).

59

reprezentativnije za određenu pojavu. Srednje mjesečne temperature za određeno doba godine, koje se zabilježe u nekoliko uzastopnih godina, su reprezentativna činjenica za teorijsko generaliziranje o srednjim mjesečnim temperaturama u tom dobu godine od bilo kakvog temperaturnog ekscesa, zabilježenog samo jedne godine.

U slučaju korištenja činjenica koje oslikavaju bitnija svojstva predmeta spoznavanja se generalni, ali i nesumnjivo točni sudovi, principi i zakonitosti mogu izreći i na temelju svega nekoliko slučajeva. Primjerice, na temelju promatranja strukture kralježnice samo jednog čovjeka može se izreći opći i teorijski siguran sud o strukturi kralježnice kod čovjeka uopće.

4.2.1.1.1. Vrste indukcije

Ovisno o tome kakav je odnos broja promatranih i ukupnog broja slučajeva koji su predmet istraživanja, indukcija se može pojaviti u različitim oblicima. U ovom pregledu se zadovoljavamo predstavljanjem samo najznačajnijih.

1. Potpuna indukcija. U pitanju je zaključivanje koje nastaje kao rezultat potpunog nabrajanja svih pojedinačnih slučajeva pojave koja je predmet istraživanja. Zaključci, koji nastaju primjenom potpune indukcije, su potpuno istiniti. Ne postoji, dakle, ni najmanja mogućnost njihove neistinitosti iz prostog razloga jer su u zaključivanje uključeni svi slučajevi analizirane pojave. Međutim, ovakav se tip indukcije u praksi veoma rijetko koristi. Zapravo, njeno korištenje je praktično moguće samo kod onih predmeta istraživanja koji su sastavljeni od relativno malog broja članova. Kod svih drugih, koje karakterizira veliki broj članova, potpuna indukcija je neopravdana i ne prakticira se.

2. Nepotpuna indukcija je indukcija koja zaključke stvara na osnovu određenog, manjeg ili većeg, ali u svakom slučaju ograničenog, broja pojedinačnih slučajeva određene pojave. U stvarnosti se svako zaključivanje o masovnim pojavama temelji na nepotpunoj indukciji. Budući ona ne obuhvaća sve slučajeve određene pojave, to je i zaključak, koji nastaje temeljem nje, uvijek samo manje ili više vjerojatan, a nikada i potpuno istinit. To, dakako, ne znači i da se zaključci, nastali temeljem nje, ne mogu smatrati relativno općenitim i pouzdanim. Naprotiv.

No, i nepotpuna se indukcija može pojaviti u različitim oblicima. Takvi su, primjerice:

a) Neposredna nepotpuna indukcija u kojoj se relativno opći i vjerojatan zaključak o pojavi formira na temelju izvjesnog broja primjeraka. Poseban oblik ovakve indukcije je i statistička indukcija, dakle indukcija u kojoj se koristi statistika, a koja se dosta često koristi kao osnova znanstvenog zaključivanja u društvenim znanostima.

b) Tipična ili prediktivna indukcija, koja nije ništa drugo nego zaključivanje od jednog, poznatog broja slučajeva na drugi, nepoznati broj slučajeva neke pojave, ili od jednog dijela populacije na drugi dio te iste populacije. To, drugim riječima, znači da je ona kao metoda podesna za različite tipove predviđanja. Na temelju srednje vrijednosti padalina u listopadu u nekoliko zadnjih godina ste u mogućnosti predvidjeti da će približno ista količina padalina biti i u prvom slijedećem listopadu. Ili, na temelju stavova jednog dijela populacije do dvadeset godina o određenoj društvenoj pojavi ste u mogućnosti predvidjeti i stavove dijela te iste populacije u drugom dijelu zemlje, kraja, grada i slično

c) Analoška indukcija. Samo joj ime upućuje na to da se zaključci u njoj izvode po analogiji, dakle s jednog pojedinačnog slučaja na drugi pojedinačni slučaj, ili s grupe slučajeva na drugu grupu slučajeva.

4.2.1.2. Metoda dedukcije

Po svojoj biti metoda dedukcije je suprotna metodi indukcije. Ona se, drugim riječima, temelji na suprotnom, dakle deduktivnom, načinu mišljenja i uvijek predstavlja spoznavanje posebnog i pojedinačnog na temelju znanja o općim svojstvima. Kod nje je, zapravo, postupak zaključivanja obrnut: iz općenitog na pojedinačno, tj. iz principa na posljedice, iz uzroka na učinke, iz zakona na činjenice. Polazna točka kod dedukcije je "opća istina, zakon ili princip, pa iz njih izvodimo partikularne istine. Primjer: Treba ljubiti dobro. Krepost je dobro. Dakle, krepost treba ljubiti" (Hrkać, 1999., 28.).

Ako je to tako, a jeste, to onda podrazumijeva i jedan dodatak. Mogućnost korištenja deduktivnog načina mišljenja i metode dedukcije pretpostavlja posjedovanje

60

općih znanja, koja omogućuju poznavanje općih stavova i načela, zahvaljujući kojima je moguće razlučivati opće od posebnog i pojedinačnog.

Promišlja li se dalje ovom logikom, izvjesno je da su područje primjene ove metode prije svega logičko-matematičke znanosti, dakle znanosti kojima temelj čini matematika. Takvo su područja geometrije, teorijske fizike, ali i neka druga koja bi bez dedukcije bila nemoguća. Ali, izvjesno je da dedukcija, i kao način mišljenja i kao metoda, svoj trijumf doživljava prije svega u kibernetici.

4.2.1.3. Povezanost i razlike između indukcije i dedukcije kao metoda i načina zaključivanja

I indukcija i dedukcija u središtu svoga interesa imaju odnos između pojedinačnog, posebnog i općeg. To su im zajednički elementi bez kojih ne bi mogle egzistirati ni jedna ni druga. Razlika je tek u smjeru djelovanja. Dedukcija ide od općeg prema posebnom i pojedinačnom a indukcija od pojedinačnog i posebnog prema općem. Ali, vezu, pa i svojevrsno jedinstvo između pojedinačnog, posebnog i općeg uspostavljaju i izgrađuju i jedna i druga.

Dakako, među njima se mogu identificirati i bitne razlike. U kontekstu ove analize apostrofirati treba barem nekoliko od njih:

1. Promatraju li se indukcija i dedukcija kao zasebni procesi znanstvene spoznaje izvjesno je da se indukcija može označiti kao početni, a dedukcija kao završni proces u znanstvenoj spoznaji. Razlog tome je dosta jednostavan. Naprosto, svaka spoznaja započinje spoznajom pojedinačnog ili posebnog, a završava se deduktivnom spoznajom pojedinačnog ili posebnog na temelju općeg.

2. Razlike između ove dvije metode se tiču i njihova predmeta i njihovih ciljeva. Predmet i cilj indukcije je uvijek spoznaja općenitijeg na temelju znanja o pojedinačnom i posebnom. Razlike se mogu pojaviti samo u razini općenitosti nove spoznaje. Izvjesno je, međutim, da je ona uvijek iznad razine općenitosti znanja o pojedinačnom ili posebnom, kojima se raspolaže i s kojima se ulazi u proces otkrivanja novih znanstvenih spoznaja. Predmet i cilj dedukcije je, međutim, potpuno suprotan ovome. On je uvijek usmjeren prema spoznaji posebnog i pojedinačnog na temelju znanja općeg. Drugim riječima, razina općenitosti nove spoznaje je uvijek ispod razine znanja općeg od koje se u proces otkrivanja novih spoznaja ulazi.

3. Na koncu, a to proizlazi i iz prethodnog, razlike među ovim dvjema metodama su u vezi i sa razlikama u smjeru misaonog procesa. Drugim riječima, misaoni proces kod njih je potpuno suprotan. Kod indukcije se on kreće od pojedinačnog ka općem, a kod dedukcije od općeg prema pojedinačnom.

4.2.2. Metode analize i sinteze

4.2.2.1. Metoda analize

Nesporno je da su predmeti ljudskih spoznaja, nekada više a nekada manje kompleksni. Sastavljeni su iz većeg broja dijelova koji su međusobno povezani i isprepleteni. Na njih utječe veliki broj raznovrsnih činitelja. Na koncu, predmeti ljudske spoznaje se nalaze i u veoma raznovrsnim vezama s drugim predmetima objektivne stvarnosti. Sve to metodu analize čini nezaobilaznom u procesu njihova spoznavanja, osobito ako su u pitanju predmeti znanstvene spoznaje u području društvenih znanosti. Do spoznaja o njima je nemoguće doći bez uočavanja njihovih dijelova, strana, aspekata, međusobnih odnosa.

Postavlja se pitanje: kako odrediti, odnosno definirati, analizu kao metodu znanstvene spoznaje? Izvjesno je da se u literaturi može susresti veliki broj međusobno različitih definicija. Primjerice, analiza je:

1. napredovanje od složenoga prema jednostavnome,2. proces raščlanjivanja pojmova,3. rastavljanje složenoga, odnosno neke cjeline na elemente, sastavne dijelove,4. postupak pri kojem se putem razlaganja, razdvajanja itd. djelatnost subjekta

postupno razvija od neke kompleksne cjeline, kao polazne točke istraživanja, k pronalaženju i utvrđivanju elemenata, sadržaja, činitelja danog objekta i odnosa tih činitelja u njemu.

61

Najprikladnijim nam se, dakako, čini određenje analize kao misaonog teorijskog i praktičnog rastavljanja svakog složenog predmeta spoznaje na njegove činitelje ili sastavne dijelove, momente i aspekte, rastavljanja općeg na posebne momente, te rastavljanja cjeline na dijelove (Šešić, 1974.).

Za bilo koju, međutim, od navedenih definicija se opredijelili, sve one upućuju na zaključak kako je analizi svojstvena usmjerenost prema unutra radi otkrivanja prirode stvari i pojava. Cilj joj je, dakle, traganje za odgovorima na pitanja tipa – od čega su sastavljene, kakva im je struktura i i sastavni dijelovi, kako se ti dijelovi i skupovi jedinica integriraju u cjelovit sistem, što je to što ih drži na okupu, koji od elemenata ili dijelova je u cjelini, sistemu, dominantan itd.

Sve to, dakako, ne znači i kako analiza nužno mora doprijeti do najmanje jedinice strukture. Naprotiv. Ona se, u principu, orijentira na ono što je najbliža, a ne i posljednja jedinica određene strukture. No, ponekada može ići i dalje od toga, na niže, manje dijelove strukture. Dokle će se njome ići ovisi o svakom konkretnom slučaju, o interesu istraživača, ali i svrsi zbog koje se analiza vrši.

S druge strane, raščlanjivanje na sastavne dijelove nije i krajnji domet analize. Dapače. Krajnji cilj analize je, zapravo, objašnjavanje cijelog sustava. No, rastavljanje cjeline na njezine sastavne dijelove je zato najprivlačniji dio, i oblik dakako, analize. Razlozi tome su višestruki. Jedan od njih svakako je vezan i za činjenicu da je rastavljanje cjeline na sastavne dijelove i prvi korak u prodiranju u bit nečega, u pokušaju da se zaviri ispod površine stvari. Doduše, sastavni dijelovi cjeline mogu, u svakom pojedinačnom slučaju, imati veliki broj pojavnih oblika. Njih, drugim riječima, ne treba doživljavati kao čisto fizikalne modele. Analiza, naprotiv, uključuje i akcije, procese. Istodobno, relativno je i što podrazumijevati pod cjelinom. I shvaćanje cjeline je, dakle, stvar istraživačeva polazišta u njegovu mišljenju.

Sve naprijed, u vezi sa suštinom analize, apostrofirano upućuje na zaključak da sve analize nisu iste. Drugim riječima, među njima se može identificirati, manja ili veća razlika. Sukladno tome se može govoriti i o različitim vrstama analize, pa i o njihovoj klasifikaciji prema različitim kriterijima. U kontekstu ove analize apostrofiramo razlikovanje analiza prema nekoliko najznačajnijih kriterija klasifikacije.

1. Prema gnoseološkoj funkciji se može praviti razlika između deskriptivne i eksplikativne analize.

a) Deskriptivna analiza, koju neki nazivaju i formalnom, se zadovoljava opisivanjem elemenata neke cjeline. Osnovna joj je slabost u činjenici da se ona zaustavlja na mehaničkom opisu, da dio i cjelinu shvaća kao potpuno izolirane kategorije između kojih nema nikakvih veza i odnosa. Zbog takvog pristupa ona mora biti jednostrana, ograničena, površna, statična i, na koncu, više ili manje pogrešna, osobito ukoliko su predmet analize složeni predmeti i pojave.

b) Eksplikativna analiza ide korak dalje pokušavajući cjelinu objasniti preko njenih dijelova, te objašnjavajući relacije ovisnosti među dijelovima cjeline.

2. Prema kriteriju složenosti se može praviti razlika između elementarne, kauzalne i funkcionalne analize.

a) Elementarna analiza se također zadržava na osnovnim spoznajama. Ona se zadovoljava traganjem za elementima cjeline. Ambicije joj, dakle, ne idu i u traganje za kompleksnijim odnosima među dijelovima, ali ni u traganje za mjestom i ulogom pojedinog elementa u cjelini.

b) Kauzalna analiza, međutim ide korak dalje. Nju zanimaju uzročno-posljedične veze između dijelova unutar određene pojave ili predmeta spoznaje. Drugim riječima, njena je ambicija uvijek utvrditi dio cjeline koji funkcionira kao uzrok, ali i onaj koji se javlja kao posljedica. Ta je značajka čini i najsloženijim oblikom analize uopće, ali i glavnom polugom na putu do znanstvene spoznaje.

c) Funkcionalna analiza je također kompleksniji oblik analize. Njome se ispituju međusobni odnosi i ovisnost dijelova određene pojave, ali i funkcije pojedinih elemenata ili dijelova istraživane pojave. Ovisno o tome koji tip funkcija, odnosa i ovisnosti se ispituje funkcionalna se analiza može pojaviti u različitim oblicima - kao statička ili dinamička, kao kvantitativna ili kvalitativna itd. Uostalom, i kauzalna je analiza samo oblik manifestacije funkcionalne analize.

62

3. Prema predmetu i cilju analize razlikuju se strukturalna, komparativna i genetička analiza.35

a) Strukturalnom se analizom utvrđuje struktura pojave, predmeta ili događaja. To, drugim riječima, znači da je ona potrebnija ukoliko je konkretna struktura kompleksnija

b) Komparativna analiza ulazi u usporedbu svojstava, strukture i zakonitosti dviju ili više pojava otkrivajući tako njihove strukturalne, funkcionalne ili druge jednakosti, sličnosti ili različitosti.

c) Genetička analiza nastoji istraživati razvoj određene pojave ili predmeta istraživanja i to na način da u njoj otkriva sve promjene, njen postanak i prestanak.

4. Prema znanstvenom području mogu se razlikovati ekonomske, sociološke, psihološke, povijesne, matematičke i druge analize. 4.2.2.2. Metoda sinteze

Meto da sinteze je drugi član iz ovog metodološkog para. Po svome značenju je, zapravo, metoda sa sasvim drugačijom suštinom. Stvarnost i pojave u njoj ova metoda objašnjava logikom spajanja, objedinjavanja jednostavnijih predmeta i pojava u složene i složenih u još složenije. No, i u nastojanju da se nju definira postoje različiti pristupi. Za jedne je ona proces uopćavanja u kojem nastaju sve apstraktniji pojmovi u usporedbi s prethodnima. Za druge je naprosto povezivanjem analizom dobivenih elemenata. Treći u njoj vide proces spajanja dijelova i elemenata u cjelinu. Svaka od ovih definicija može zadovoljiti osnovne teorijske zahtjeve dobre definicije.

I metoda sinteze se može klasificirati prema kriterijima koji važe za metodu analize. Dakle:

1. prema gnoseološkoj funkciji treba praviti razliku između deskriptivne i eksplikativne sinteze,

2. prema cilju se razlikuju genetička i strukturalna sinteza,3. prema složenosti postoji elementarna, kauzalna i funkcionalna sinteza4. prema karakteru djelatnosti sinteza se može pojaviti kao reproduktivna i

produktivna. Razlika je u tome što se reproduktivna sinteza zadovoljava pukim sakupljanjem i spajanjem dijelova utvrđenih analizom, dok produktivna sinteza ide korak dalje. Ona za rezultat ima neki novi objekt, pojavu, kvalitetu.

5. prema znanstvenom području se također može praviti razlika između sociološke, ekonomske, povijesne i drugih sinteza.

4.2.2.3. Sličnosti i razlike između analize i sinteze

Među analizom i sintezom se mogu identificirati značajne razlike, pa i suprotnosti. Apostrofiramo najznačajnije:

a) Analiza je početni a sinteza završni proces poznaje određenih pojava. Cilj početnog procesa spoznaje je spoznaja činitelja, dijelova, strana složenih pojava. Cilj sinteze je sastavljanje tih dijelova i činitelja u cjelinu.

b) Po kretanju mišljenja u njima analiza i sinteza su metodski suprotni procesi. Naime, kod analize se mišljenje kreće od cjeline prema dijelovima, a kod sinteze upravo suprotno.

c) Suprotnost između analize i sinteze se manifestira i u onome što se njima otkriva. Analizom se, naime, otkrivaju raznovrsnost i dijelovi, a sintezom jedinstvo i cjelina pojave.

Ali, analiza i sinteza imaju i niz zajedničkih odlika. Zajednički su im, među inim:a) predmet istraživanja,b) konačni cilj istraživanja,c) međusobno se pretpostavljaju iz jednostavnog razloga jer se cjelina može

razumjeti jedino razumijevanjem dijelova, ali i dijelovi se mogu shvatiti samo kao dijelovi cjeline.

4.2.3. Metoda dokazivanja i opovrgavanja

35 Bogdan Šešić prema predmetu i cilju istraživanja razlikuje: Analizu sadržaja, strukturalnu, funkcionalnu, kauzalnu, komparativnu i genetičku analizu (vidjeti Šešić, 1974., 70.)

63

Dokazivanje se može definirati kao «izvođenje istinitosti jednog stava na osnovu istinitosti nekog drugog ili drugih stavova za koje se zna da su istiniti ili barem vjerojatno istiniti» (Šešić, 1974., 261.). Definira li ga se na taj način onda je jasno da su u dokazivanju inkorporirane sve posebne metode i procesi spoznaje – analiza i sinteza, indukcija i dedukcija, generalizacija i specijalizacija, apstrakcija i konkretizacija itd.

Prihvati li se, s druge strane, apostrofirana definicija, iz nje proizlaze i bitni elementi od kojih je sastavljeno dokazivanje, a to su:

1. Teza, stav kojeg treba dokazati, za kojeg se pretpostavlja da je istinit, i za dokazivanje kojeg se koriste različiti argumenti ili razlozi.

2. Argumenti (razlozi), odnosno činjenice, stavovi, sudovi pomoću kojih se teza dokazuje, te

3. Demonstracija dokaza odnosno uspostavljanja logičke veze između teze i argumenata. Demonstracija je, drugim riječima, misaono izlaganje argumentacije.

Moguće je, dakako, govoriti o različitim vrstama dokaza. Moguće je, među inim, praviti razliku između:

1. Induktivnog i deduktivnog dokaza. Induktivni dokaz je onaj koji slijedi induktivni oblik zaključivanja, dokaz, dakle, kod kojeg se navode određeni posebni stavovi kao argumenti koji služe kao dokaz za unaprijed danu tezu.

Induktivan je, primjerice, slijedeći dokaz, koji se odnosi na tezu «Tvrtka 'Aluminij' iz Mostara je napredna», a koji ima slijedeću strukturu:

Aluminij ostvaruje plan proizvodnje u planiranom roku.Aluminij proširuje proizvodnju i asortiman proizvoda.Aluminij zadržava svjetsku razinu proizvodnosti rada.Aluminij ima zadovoljne radnikeZaključak: «Tvrtka 'Aluminij' iz Mostara je napredna»

Suprotno tome, deduktivno dokazivanje slijedi deduktivni oblik zaključivanja, kod kojeg opći stavovi služe kao argument za jedan poseban stav kao tezu. Deduktivan je, primjerice, slijedeći dokaz:

Sustavno marketinško znanje ima samo student koji je do u detalje proučio, razumio i usvojio sve teorije marketinga.Student X nije do u detalje proučio, ni razumio i usvojio sve teorije marketinga.Zaključak: Student X nema sustavno marketinško znanje

2. Analitičkog i sintetičkog dokaza. Analitički je dokaz onaj u kojem se stav teze izvodi analizom stavova argumenata. Dokazivanje ovog tipa, drugim riječima, počiva na analizi teze, pronalaženju posljedica koje se u njoj skrivaju ili traženju pretpostavki za tu tezu. Suprotno tome, sintetički je onaj dokaz u kojem se teza izvodi sintezom stavova argumenata, dokaz koji se izvodi povezivanjem posebnih stavova koji idu u prilog teze unaprijed postavljene. Apostrofirani dokaz u slučaju Aluminija može poslužiti kao primjer i sintetičkog dokaza.

3. Neposrednih i posrednih (direktnih i indirektnih) dokaza. Neposredni je, pri tome, svaki dokaz kod kojeg se dokaznim postupkom neposredno iz istinitosti stavova argumenata izvodi istinitost stava teze. Cilj mu je, dakle, dokazivanje istinitosti teze. Pretpostavimo tezu: «Svi su ljudi smrtni». Neposredan dokaz ove teze izvodi se na način da se navodi veći broj argumenata iz kojih neposredno proizlazi da je ona istinita.

Suprotno tome, posredni je dokaz u kojem se istinitost teze dokazuje dokazom neistinitosti antiteze, u kojem se pobija suprotnost teze. Pretpostavimo opet tezu «Svi su ljudi smrtni». Posredan dokaz ove teze izvodi se dokazom neistinitosti antiteze «Neki ljudi nisu smrtni», teze čiju istinitost život svakodnevno opovrgava. Iz neistinitosti ove antiteze, međutim, proizlazi i istinitost teze.

Bez obzira, međutim, o kojoj se vrsti dokaza radi, pri dokazivanju se moraju poštivati i određena pravila. Apostrofirati treba posebice slijedeća pravila dokazivanja (Šešić, 1980., 142):

64

1. Teze moraju imati određeno značenje za znanstvene spoznaje, a to imaju ako imaju osnovu u ranije utvrđenom znanju i ako predstavljaju hipoteza objašnjenja novih činjenica koje protivriječe starim teorijama

2. Teze mora biti jasno određene i precizno formulirane jer, u protivnom, ni dokazivanje ne može biti uspješno.

3. Argumenti teze moraju biti jasni, precizno formulirani i znanstveno vrijedni (ili istiniti ili vjerojatni).

4. Argumenti dokaza teze moraju biti nezavisni od same teze jer, u suprotnom, ne bi ni mogli predstavljati dokaz.

5. Dokazivanje mora biti sukladno pravilima logičkog dokazivanja, strogo logički izvedeno.

6. Tijekom cijelog postupka dokazivanja teza mora ostati neizmijenjena

Opovrgavanje je metodski postupak, suprotan dokazivanju istinitosti teze. Opovrgavanjem se teza, drugim riječima, odbacuje, pobija. Ono je dokazivanje neistinitosti teze. I kod opovrgavanja se, dakako, može praviti razlika između neposrednog i posrednog.

Neposredno opovrgavanje se sastoji u dokazivanju lažnosti teze. Pretpostavimo, primjerice, tezu «Njemačka spada u red nerazvijenih zemalja». Ona se neposredno opovrgava na slijedeći način:

Njemačka je među zemljama s najvećim bruto nacionalnim proizvodom.Njemačka je među zemljama s najvišim standardom.Njemačka je među zemljama s najvećim brojem putovanja u druge zemlje u vrijeme godišnjih odmora.Zaključak: teza «Njemačka spada u red nerazvijenih zemalja» je neistinita.

Posredno (indirektno) opovrgavanje se sastoji u dokazivanju netočnosti teze posrednim putem – dokazom istinitosti antiteze ili, pak, izvođenjem pogrešnih, čak apsurdnih posljedica iz teze koja se opovrgava, temeljem čega se, onda, zaključuje i da takva teza ne može biti istinita, da se mora odbaciti.

4.2.4. Metoda klasifikacije

Klasifikacija je, najjednostavnije kazano, podjela ili rastavljanje jednog općeg na posebne pojmove koja je sistematska, dosljedna i potpuna. Uzmimo primjer klasifikacije znanosti. Znanost se dijeli, primjerice, na prirodne i društvene. Svaka od tih grupacija se, opet, dalje dijeli. Društvene se znanosti mogu podijeliti na opće i posebne. Svaka od tih grupa se sastoji od pojedinačnih znanstvenih disciplina itd.

Usvoji li se ovakva definicija, iz nje proizlazi i zaključak da je klasifikacija dvostruki spoznajni proces. Ona je, s jedne strane, unutarnja klasifikacija pojava koje su predmet istraživanja ili pak nekih svojstava tih pojava. S druge strane, međutim, klasifikacija podrazumijeva i određivanje mjesta istraženih pojava u okviru nekih drugih pojava ili, pak, neke više, kompleksnije klasifikacije.

Usvoji li se prethodno određenje klasifikacije, izvjesno je da je ona osnova ili polazište za mnoge druge aktivnosti unutar znanstvenoga istraživanja – za sistematsko promatranje, za procjenjivanje, brojanje i mjerenje. Razlog tome treba potražiti u činjenici da bez određenih klasa sve te tehnike ne bi mogle imati svoje neophodno značenje.

Ponetko je, nema dvojbi, klasifikaciju sklon reducirati na stavljanje slučajeva u postojeće, dobro poznate kategorije. Takav je pristup, međutim, pogrešan. Klasifikacije, naime, nema bez klasa, a njihovo pravljenje je mukotrpno i zna trajati stoljećima. Najuvjerljiviji je dokaz tome vremenski doista duga evolucija pojma klase «kemijski element», koja se može pratiti još od vremena stare grčke, vremena kojih šest stoljeća prije Krista.

S druge strane, dosta često se može naići i na sud da predmeti koji su nam poznati spadaju prirodno u grupe na osnovu nekih, po sebi očevidnih značajki, te da su te grupe nepromjenjive, da je kod njih veoma primjetna tendencija bipolarizaciji, kalupi po principu «crno i bijelo». Takvi sudovi, međutim, nisu na tragu trendova suvremene znanosti. Ona, naime, nudi masu dokaza da bilo koja «klasa» predmeta ima tako mnogo varijacija da se javlja masa pitanja u vezi s pokušajem određivanja po čemu one pripadaju istoj klasi.

65

Klasifikacija je, potom, uvijek i određeno selektivno udruživanje, i to udruživanje koje služi određenom cilju. Pri tome, dakako, treba voditi računa da se sve može klasificirati na bezbroj različitih načina. Zamislimo, primjerice, pojam «čovječanstvo», odnosno na koliko sve načina možemo klasificirati ljudska bića. Iz mnogih korisnih razloga, tako, čovječanstvo se može dijeliti u različite klase – prema državljanstvu, boravištu, dobi, spolu, razini obrazovanja, obiteljskom stanju, prihodima, stupnju bliskosti itd. Mogućnost takvih klasifikacija je doista izvanredno bogata. Međutim, smisla imaju samo one klasifikacije koje su selektivne, i to selektivne u vezi s nekim ciljem

Dosta su različiti pristupi tipologizaciji klasifikacija. Bogdan Šešić, primjerice, pravi razliku između formalno-logističke i dijalektičke klasifikacije. Pri tome, pod formalno-logističkom podrazumijeva klasifikaciju koja se temelji na egzaktnosti i preciznosti pojmova, ali i na striktnoj primjeni određenih pravila. Za razliku od nje, dijalektika klasifikacija je značajno elastičnija, bez obveze strogog pridržavanja formalnih pravila, uz uvažavanje specifičnih slučajeva itd. Neki drugi autori, pak, prave razliku između prirodnih i umjetnih klasifikacija (vidjeti, Zaječaranović, 1977., 112.).

Neovisno o toj vrsti razlika, međutim, većina autora se slaže u identifikaciji najznačajnijih pravila klasifikacije.36 Pri tome se apostrofira posebice pet takvih pravila:

a) Princip određenosti predmeta klasifikacije. Opći pojam koji se klasificira mora biti jasno određen i u pogledu obujma i u pogledu sadržaja. U protivnom, ni klasifikacija neće biti uspješna.

b) Princip jedinstvenosti klasifikacije. Čitava klasifikacija mora počivati na jedinstvenom principu, principu diobe, recimo na osobini koja karakterizira čitavu klasu pojava. Odstupi li se od toga, primijene li se, primjerice, različiti principi diobe u različitim fazama ili na različitim razinama klasifikacije, velika je vjerojatnost da takva klasifikacija neće biti i uspješna. Kako to izgleda može se pokazati na primjeru klasifikacije stanovništva. U Bosni i Hercegovini ta je klasifikacija moguća po različitim principima – po nacionalnom (na Hrvate, Bošnjake, Srbe…), regionalnom (Banjalučani, Bišćani, Tuzlaci, Mostarci, Trebinjci…), kvalifikacijskom (nekvalificirani, kvalificirani, stanovnici sa srednjom, višom školom i fakultetom…) itd. Ali, pogrešno bi na jednoj razini klasifikacije bilo vršiti podjelu prema nacionalnom, a na drugoj prema principu regionalnog pripadanja. Takva klasifikacija ne bi dala znanstveno validne rezultate.

c) Princip potpunosti, odnosno iscrpnosti i adekvatnosti. U protivnom, klasifikacija neće moći biti znanstveno validna. Princip potpunosti je, primjerice, očigledan kod podjele četverokuta prema kriteriju paralelnosti njihovih strana na trapezoide (četverokute bez ijednog para paralelnih strana), trapeze (četverokute s jednim parom paralelnih strana) i paralelograme (četverokute s dva para paralelnih strana). Razlog tome je činjenica da su tim principom podjele obuhvaćeni baš svi četverokuti. Ako, međutim, podjelu vršimo po drugom, principu podjele na rombove, pravokutnike i kvadrate, podjela nije potpuna jer njome nisu obuhvaćeni i romboidi. To, drugim riječima, znači da podjela ne smije biti ni preširoka, ali ni preuska, nego adekvatna i iscrpna, dakle potpuna.

d) Princip relativne posebnosti svakog člana podjele u okviru općeg pojma koji se dijeli. Drugim riječima, članovi diobe se moraju međusobno razlikovati, moraju biti precizno i jasno razgraničeni jedni od drugih. Opći pojam «čovjek» se, primjerice, može podijeliti na posebne pojmove «muškarac» i «žena» jer su, i ako su, međusobno jasno i precizno razgraničeni.

e) Rod kao najviši pojam klasifikacije mora sadržavati karakteristiku sadržaja vrste, odnosno svojstvo koje je karakteristično svim vrstama i podvrstama u okviru roda, ali i svim članovima u okviru svake od vrsta ili podvrsta. Rod svima njima mora, metaforično kazano, biti zajednički imenitelj.

4.2.5. Metoda komparacije

Kompariranje ili uspoređivanje pojava ima dugu povijest. Za neke, kompariranje je staro koliko i ljudsko mišljenje. Usporedno tumačenje društava, ali i pojava u njima, razvili su već stari Grci. Novovjekovna znanost je, pak, komparaciju razvila kao znanstvenu metodu. Pri tome se misli prije svega na ulogu koju metoda komparacije ima u matematici i prirodnim znanostima – astronomiji, fizici, geografiji, biologiji. No, zaostajala nije ni u razvoju 36 Gotovo identičan pristup se, u odnosu na to, dade uočiti kod Miroslava Žugaja, Ratka Zelenike,

Bogdana Šešića i nekih drugih autora.

66

jezičnih i književnih istraživanja, a potom ni u području društvenih znanosti. Na ozbiljnosti uspoređivanja kultura različitih društava istrajavala je posebice socijalna antropologija. Na koncu, metoda komparacije postaje prepoznatljiva i u svim drugim društvenim znanostima.

Nisu, dakako, rijetki oni koji metodu komparacije smatraju jednim od najosnovnijih metodskih postupaka ljudske spoznaje i da je stavljaju u istu ravan s analizom i sintezom. Postavlja se, međutim, pitanje kako tu metodu i definirati? Zadovoljavajućom bi se, za potreba ove analize, mogla smatrati ona koja komparativnu metodu shvaća kao «postupak uspoređivanja istih ili srodnih činjenica, pojava, procesa i odnosa, odnosno utvrđivanja njihove sličnosti u ponašanju i intenzitetu i razlika među njima» (Zelenika, 1990., 184.).

Bilo kako da ju se definira, metoda komparacije ima svoju spoznajnu ulogu. Ona se, među ostalim, sastoji i u činjenici da bez usporedbe nije moguće konstatirati ni sličnosti, niti razlike i suprotnosti između nekih pojava i objekata. A bez toga, dakako, nema ni znanstvene spoznaje. Kada je, međutim, metoda komparacije po srijedi, bitan je detalj i u vezi s predmetom njezina istraživanja. A njega čine srodne ili slične pojave jednog istog roda pojava. Drugim riječima, da bi se komparacija mogla primijeniti nužan uvjet tome je postojanje istih ili barem sličnih svojstava kod više vrsta pojava. Pri tome se radi, prije svega, o vezama i odnosima sličnosti i različitosti između najmanje dviju vrsta pojava istog roda, pri čemu se one, sličnosti i različitosti, mogu ticati različitih svojstava – njihova sadržaja, oblika, kvalitete, strukture, funkcija, načina nastanka itd.

Komparativnu metodu, prema Šešiću (vidjeti, Šešić, 1974., 142.), bitno određuje nekoliko momenata:

1. Utvrđivanje određenih osnovnih sličnosti ili istovjetnosti kod od ranije poznatih pojava i kod novih pojava koje se istražuju.

2. Postavljanje osnovne hipoteze da i nova pojava ima slična svojstva, sličnu strukturu, organizaciju, slične oblike, veze, procese, odnose i ponašanja kao i poznata pojava.

3. Provjeravanje postavljene osnovne hipoteze i njezinih specifičnosti u oblasti nove pojave, a tom provjerom i spoznaja osobina nove pojave koja se istražuje pomoću metode komparacije.

4. Sustavno i što potpunije uspoređivanje svojstava od ranije poznate pojave i novo spoznate pojave.

5. Klasifikacija nove pojave ili nove vrste pojava u okviru ili sustavu proširene spoznaje.

Šešić detaljnije elaborira i osnovne ciljeve metode komparacije. Tri među njima se posebice apostrofiraju (Ibid., 142-143):

1. Opis strukture, funkcije i ponašanja dviju ili više pojava koje istražujemo, a s ciljem da se: a) otkriju sličnosti i razlike između njih, b)na osnovu usporedbe otkrije priroda neke nove pojave, te c) otkriju prednosti i nedostaci oblika organizacije i upravljanja itd.

2. Klasifikacija novo spoznatih stvari i pojava i njihova sistematizacija, odnosno određivanju mjesta svakoj od njih u sustavu tih pojava.

3. Otkriće ili praćenje razvoja, dakle evolucije, stagnacije ili nazadovanja određene vrste pojava

Komparativna metoda, dakako, omogućuje uspoređivanje društva i kulture, ali i iste pojave unutar različitih društava i različitih kultura. Zahvaljujući njoj moguće je, primjerice, u različitim društvima uspoređivati sklapanje braka i obitelji, ubojstava i samoubojstava, društvene stratifikacije i pokretljivosti itd. Sukladno tome, kada su društvene znanosti, odnosno ljudsko društvo, u pitanju, razliku je moguće praviti između tri vrste komparacije:

1. Komparacija u okviru konkretnog društva, kojom se utvrđuje homogenost socijalnog sastava, uži i širi dijelovi tog društva.

2. Komparacija u okviru različitih društava istog tipa, kojom se dolazi do osnovnih značajki njihovih struktura, ali i stupnja sličnosti i razlika među njima.

3. Komparacija u okviru čovječanstva kao cjeline kao najviši mogući domet primjenom ove metode.

I kod metode komparacije se, kao i kod ostalih, daju identificirati njezine prednosti, ali i njezine poteškoće i nedostaci. Kada su prednosti po srijedi, jedna od njih je, primjerice, u vezi s mogućnošću dobivanja cjelovitih podataka o oblicima društva jer ni jedna druga metoda ne pruža toliko mogućnosti obuhvata cjeline kao dobro realizirana komparacija. S druge strane, korištenjem metode komparacije čovjeku dostupnim postaje i sagledavanje društvene dinamike, ali i sve činjenice u vezi s razvojem pojedinih ljudskih cjelina. Bez te

67

metode, drugim riječima, na minimum je svedena, kako prilika da se otkriju dinamičke pravilnosti, tako i razvojnost pojava, promjenjivost oblika društva itd.

Ne treba, međutim, ignorirati ni poteškoće i nedostatke u vezi s metodom komparacije. Među njima izdvojiti treba posebice:

poteškoće u vezi s formiranjem pouzdane komparativne evidencije poteškoće koje proizlaze iz činjenice da metoda komparacije počiva na shvaćanju

evolucije kao teorijskoj osnovi poretka stvari, a evolucija je, zapravo, samo jedan od vidova tumačenja ljudskog društva

ograničenja koja su u vezi s vremenom i prostorom. Uspoređivanje izrazito dinamičnih društvenih pojava, naime, traje dugo, skupo je i traži brojne ekipe.

Često se, međutim, navode i neke druge poteškoće, među njima i slijedeće (vidjeti, Žugaj, Dumičić, Dušak, 1999., 80.):

istraživač ne smije biti opterećen predrasudama; rješavanje samo praktičnih problema, a zanemarivanje širih, teorijskih

istraživanja koja mogu nešto reći i o sličnostima i o razlikama; nedostatak, nepotpunost i nepouzdanost podataka često se dobiveni podaci nedovoljno kritički provjeravaju i ocjenjuju itd.

4.2.6. Metoda modeliranja

Metoda modeliranja je specifična u odnosu na ostale jer nema dugačku tradiciju. Inače, gnoseološka bit ove metode je da model predstavlja prikaz nekog predmeta ili stvari, procesa ili pojave iz stvarnog svijeta. On je, drugim riječima, sredstvo pomoću kojeg znanstvenici istražuju strukturu ili svojstva pojedinih sustava ili pojava iz realnog svijeta. Da bi uopće mogao postojati model, neophodno je postojanje dva sustava među kojima postoji određena sličnost i u svojstvima i u ponašanju, pri čemu se jedan javlja kao model a drugi kao original.

Ako se pođe od takvog određenja, izvjesno je da je model idealizirani odraz stvarnosti, ali pojednostavljen do te mjere da su zadržana samo bitna svojstva, dok sva ostala, bez obzira što su i ona važna, mogu biti potpuno zanemarena. Cilj modeliranja, prema tome, jeste da se što točnije i što dublje spozna bilo koji predmet, stvar ili proces i njihove strukture i funkcije, odnosno ponašanja. Da bi taj cilj uopće bio moguć, neophodno je i da su ispunjeni određeni uvjeti. Tri među njima zaslužuju posebnu pažnju:

a) model mora biti sličan originalu, bez obzira o kakvom se originalu radi, je li u pitanju predmet, način ponašanja, način funkcioniranja itd.

b) model mora biti predstavljati određeni i teorijsko-spoznajni i praktični odraz, odnosno analogan originalu,

c) na bazi prethodne dvije osobine model mora pružiti određenu informaciju o originalu.

Budući se idealizirani odraz stvarnosti reducira samo na bitna svojstva, u izučavanju metode modeliranja je jedno od bitnijih i pitanje njegove strukture. Četiri su bitna sastavna elementa ili činitelja te strukture:

a) predmet modeliranja, dakle pojava koja se primjenom ove metode istražuje. To može biti bilo koja pojava u prirodi i društvu.

b) istraživači, pojedinci ili grupe, koji grade određeni model i preko njega istražuju određeni predmet, pojavu, postupak itd.

c) sredstva i oruđa, od kojih se i pomoću kojih se gradi model, ted) Položaj u objektivnoj stvarnosti i uvjeti u kojima se model gradi. Model za

određeni predmet ili pojavu može biti bilo kakva skica, slika, maketa itd.Iako je metoda modeliranja jedna od mlađih metoda suvremene znanosti, mnogo

se koristi i u teorijskom i u praktičnom radu. Inače, modeliranje je kompleksan proces koji je sastavljen od više faza. Četiri od

njih su, po mišljenju mnogih, i najznačajnije faze modeliranja. To su: postavljanje zadatka, izbor ili stvaranje modela, istraživanje modela, te prijenos spoznaja s modela na original stvari, predmeta ili pojave.

Različite su i funkcije metode modeliranja. Tri su posebno značajne:a) Primijenjeno-praktična funkcija, odnosno činjenica da se modeli koriste u

rješavanju praktičnih problema, posebice u tehničkim znanostima.

68

b) Demonstrativna funkcija zbog mogućnosti da se modeli koriste u edukativne svrhe. U obrazovnom procesu se, naime, koriste različiti crteži, makete, sheme itd.

c) Znanstvenoistraživačka funkcija, budući se ova metoda koristi u svim područjima znanstvenog rada u cilju istraživanja stvari i pojava i otkrivanja novih znanstvenih spoznaja.

U teoriji se susreću različiti pristupi klasifikaciji modela, odnosno modeliranja. Ackof i Buffa, primjerice, razlikuju tri osnovne skupine modela:

a) Slikovni modeli, koji stvarnost prikazuju u obliku crteža, slike ili dijagrama. U tu skupinu modela spadaju, primjerice, zemljopisne karte, mikroskopske slike itd. Za njih je karakteristično da su stvarnosti slični, ali s njom nisu i istovjetni. Od stvarnosti mogu odstupati po veličini, obuhvatnosti, ali i nekim drugim značajkama. Zemljopisna karta ne prikazuje sve objekte i dijelove prirode, ali je priroda prikazana u njoj i manja od stvarne.

b) Analogni modeli. Oni utvrđuju odnose između varijabli u sustavu i onih u modelu. Ovi su modeli, u pravilu, općenitiji od slikovnih.

c) Simbolički modeli. Veoma su pogodni za prikazivanje svojstava ili relacija stvarnog svijeta pomoću znakova ili simbola. Iako pravilno formuliranje ovih modela omogućuje jednostavno rukovanje, za njihovo korištenje ne potreban mnogo veći kvantum informacija nego u prethodna dva.

Bogdan Šešić se, naprotiv, ne opredjeljuje uopće za klasifikaciju modela. Umjesto toga on navodi četrnaest različitih metoda modeliranja:

1. Teorijski ili apstraktni modeli, kakvi su logički i matematički modeli izraženi formulama.

2. Praktični ili konkretni, odnosno modeli koji predstavljaju oruđa ili rezultate neke praktične aktivnosti.

3. Realni modeli, koji predstavljaju realne sisteme.4. Idealni modeli, odnosno modeli koji na idealiziran način predstavljaju

originalne predmete (model atoma i jezgre, ili model «idealnih tipova» u sociologiji).5. Jednostavni, odnosno modeli čija je struktura i funkcija relativno jednostavna

(model pisaćeg stroja).6. Složeni, dakle modeli čija je struktura i funkcija složena (model računala).7. Modeli strukture, koji predstavljaju strukturu originala (modeli geometrijskih

tijela). 8. Funkcionalni, modeli koji predstavljaju funkcije dinamičkih sistema originala

(kibernetski modeli ponašanja).9. Parcijalni, dakle modeli koji predstavljaju samo neka obilježja predmeta-

originala (samo dio strukture ili samo jedan način ponašanja).10. Globalni, odnosno modeli koji predstavljaju cjelinu predmeta originala11. Analitički, ili modeli koji se sastoje od skupa analitičkih relacija u obliku

jednadžbi i nejednadžbi, kojima se matematički modeliraju dinamički procesi ili ponašanje složenih dinamičkih sistema.

12. Topološki i mrežni modeli kojima se, u obliku prostornih shema, predstavljaju proizvodni i drugi procesi.

13. Deterministički, odnosno modeli koji imaju strogo utvrđeni način funkcioniranja, te

14. Stohastički i statički, dakle modeli slučajnih i vjerojatnih događaja, određeni relacijama vjerojatnosti.

Najčešća je, ipak, klasifikacija modela koja polazi od pet kriterija, i to:a) Prema funkciji, moguća je podjela na:

- deskriptivne ili opisne modele- predikativne, odnosno modele koji u odnos stavljaju nezavisne i zavisne

varijable po principu da će se nešto dogoditi ako za to budu ispunjene određene pretpostavke,

- normativne, modele koji sugeriraju najprihvatljivije rješenje problema.b) Prema strukturi modeli, kako smo već naveli, mogu biti slikovni, analogni i

simbolički.c) Prema vremenskoj određenosti postoji razlika između statičkih (koji ne

respektiraju vremenske promjene) i dinamičkih, odnosno modela koji vrijeme tretiraju kao nezavisnu varijablu.

d) Prema stupnju vjerojatnosti moguće je praviti razliku između:

69

- determinističkih, modela kod kojih je rezultat pod poznatim uvjetima siguran

- probabilističkih, odnosno modela kod kojih postoji vjerojatnost različitih distribucija na strani ulaza, pa nakon procesa i na strani izlaza.

- igara, dakle modela koji pokušavaju razviti optimalna rješenja u uvjetima potpune neizvjesnosti ili nesigurnosti.

e) Prema općenitosti se pravi razlika između općih (modeli koji obuhvaćaju veći broj funkcija) i posebnih, odnosno modela koji se mogu primijeniti samo na točno određen problem.

5. TEHNIKE PRIKUPLJANJA EMPIRIJSKIH PODATAKA

U istraživanju društvenih pojava koristi se veći broj tehnika znanstvenog istraživanja, odnosno istraživačkih procedura i postupaka na putu do novih znanstvenih spoznaja. Među njima se, svojim značenjem, ističu tehnike ispitivanja, promatranje, klasifikacija i mjerenje, eksperiment, te analiza sadržaja. Stoga im, i u kontekstu ove analize, treba posvetiti više pažnje.

5.1. TEHNIKE ISPITIVANJA

Tri su najznačajnija pojavna oblika prikupljanja podataka primjenom tehnike ispitivanja – prikupljanje podataka pomoću anketnog upitnika, te testiranje i skaliranje. Prvi među njima, prikupljanje empirijske građe pomoću anketnog upitnika, opet, obuhvaća dvije zasebne tehnike – anketu i intervju.

5.1.1. Prikupljanje podataka pomoću upitnika

Zašto na anketu i intervju gledamo kao na dvije pojavne forme jedne te iste tehnike prikupljanja empirijske građe? Razlog je relativno jednostavan. I jednoj i drugoj zajedničko je da u prikupljanju empirijske građe koriste upitnik kao instrument. No, to nije dovoljan argument da bi između njih stavili i znak istosti. Razdvajaju ih, naime, razlike koje među njima postoje. Te razlike proizlaze iz tehnologije koja se, u prikupljanju empirijske građe pomoću upitnika, kod ankete i intervjua koristi. Anketa, naime, znači pismeno, a intervju prikupljanje podataka korištenjem razgovora. Iz te razlike, opet, proizlaze i neke druge osobenosti, koje karakteriziraju anketu i intervju. Stoga im se, i jednom i drugom, treba posvetiti i posebna pozornost.

Radilo se, međutim, o jednom ili drugom, anketi ili intervjuu, u čitav proces je uključeno nekoliko sudionika – naručitelj posla, istraživač, anketar, te ispitanik. Budući su

70

njihove uloge i očekivanja od prikupljanja podataka pomoću upitnika različiti, iz te činjenice mogu nastati i dosta različite vrste problema, posebice na relaciji između naručitelja i istraživača. No, u kontekstu ove analize njima se ne kanimo baviti.

5.1.1.1. Anketa

Pojam ankete određuje se na različite načine. Miroslav Vujević, primjerice, pravi razliku između užeg i šireg smisla ankete. Pri tome, pod anketom u širem smislu podrazumijeva svako prikupljanje podataka uz pomoć postavljenih pitanja. No, budući se pitanja mogu postavljati na različite načine i sa različitom svrhom, Vujević pravi razliku između ankete u užem smislu, intervjua i testa (Vujević, 1990., 99.). Pravljenje razlike između ankete u širem i užem značenju, pri čemu se pod tim pojmovima podrazumijevaju druge stvari, može se sresti i kod nekih drugih autora (vidjeti Zvonarević, 1976., 117).

Zbog pristupa, međutim, za koji smo se opredijelili, pod anketom podrazumijevamo pismeno prikupljanje podataka o stavovima i mišljenjima, koje se uz pomoć upitnika provodi na reprezentativnom uzorku. Iz te se definicije dosta zorno može uočiti da anketu određuju dvije bitne značajke:

a) podaci o stavovima i mišljenjima prikupljaju se pismenim putem uz pomoć upitnika,

b) za prikupljanje podataka, budući da se oni najčešće odnose na velike populacije kod kojih je gotovo nemoguće pribaviti podatke od svih članova, koristi se uzorak, dakle manji broj ispitanika koji se izdvajaju iz ukupne populacije.

Iz prezentiranog jasno slijedi da se u vezi s anketom moraju temeljitije razjasniti dva pojma. Jedan je pojam upitnika, a drugi pojam uzorka. Za to je, dakako, u kontekstu ove analize predviđen i zaseban prostor. U okviru ovoga se, stoga, zadržavamo na osnovnim pojmovima.

Upitnik, dakle, nije ništa drugo nego tehničko sredstvo, instrument za provođenje ankete, za prikupljanje podataka, a sastoji se od niza pitanja u vezi s predmetom istraživanja na koja se traži odgovor.

S druge strane, uzorak je dio ukupne populacije koji se podvrgava anketiranju. Taj dio ispitivane populacije, dakle uzorak, mora biti reprezentativan, tj. mora posjedovati sve značajke skupine koju predstavlja.

Anketu je moguće realizirati na više načina. Ističe ih se, ali i prakticira, pet:1. Individualni dodir s ispitanikom. On pruža mnogo veću vjerojatnost da su

dobiveni podaci vjerodostojni, jer se ispitanicima, ako je to u funkciji boljeg razumijevanja, mogu dati i dodatna objašnjenja uz svako od pitanja. No, ova forma realiziranja ankete ima i svojih slabih strana. Prije svega, mnogo je skuplja. Zbog načina na koji se realizira razumljivo je da je i sporija u odnosu na druge forme. Na koncu, njome ipak nije moguće osigurati apsolutnu anonimnost. Stoga se prakticira samo u slučajevima kada se radi s malim uzorkom;

2. Grupno anketiranje odnosno anketiranje koje podrazumijeva istodobno anketiranje većeg broja ispitanika. Ono također osigurava visok stupanj vjerodostojnosti, kao i individualni kontakt, ali ima i značajnu prednost - mnogo je brže i jeftinije. Dakako, u odnosu na individualni kontakt grupno anketiranje ima i određenih slabosti. Jedna od bitnijih je, bez dvojbi, vezana uz činjenicu da se njime često nije u mogućnosti osigurati reprezentativnost uzorka, pa, onda, ni podatke koji mogu biti u funkciji poopćavanja. Za anketiranje ćemo, primjerice, zamoliti sudionike okruglog stola, studente na predavanju i slično. No, takvi uzorci su selekcionirani i ne mogu poslužiti za uopćavanja. Jer, sudionici okruglog stola podrazumijevaju točno određenu vrstu ispitanika, onu koja pokazuje interes za jednu vrstu problema, koja ima i određeno obrazovanje, koja često dijeli i određeni svjetonazor i tome slično. A uopćavanja se odnose i na sve ostale, one koji na takvim skupovima ne sudjeluju, a koji se u pravilu bitno razlikuju od sudionika okruglog stola ili njemu sličnog skupa. Ili, na predavanjima sudjeluje samo dio studentske populacije. Uopćavanja se, međutim, odnose i na sve ostale iako njihove karakteristike nisu iste samom činjenicom da jedni interes za predavanja pokazuju a drugi ne. Drugim riječima, selekcionirani uzorak, htjeli ili ne, za posljedicu ima i selekcionirane podatke, a potom i uopćavanja koja ne odgovaraju stvarnosti;

3. Poštanski upitnik. Upitnik se, drugim riječima, dostavlja ispitanicima poštom, zajedno s adresiranom omotnicom koju će vratiti istraživaču. Anketiranje putem poštanskog

71

upitnika ima i svojih prednosti, ali i svojih mana. Prednost mu je, primjerice, jer zahtjeva minimum napora i sredstava, jer omogućuje širi geografski kontakt s ispitanicima, jer se njime može zahvatiti veći uzorak, jer omogućuje duže promišljanje o odgovorima, potom jer omogućuje grupnu konzultaciju radi davanja validnijeg odgovora, ali i privatniji osjećaj ispitanika, jer se njime izbjegava efekt prisutnosti anketara i tome slično (Miller, 1970., 77.)

Opredjeljenje na ovakvo realiziranje ankete, međutim, može biti i višestruko problematično. Upitno je, prije svega, hoće li ispitanici, kojima je upitnik poslan, isti i ispuniti i vratiti. Upitno je, potom, hoće li ga popuniti onaj kome je i poslan ili će to za njega uraditi netko drugi – brat ili sestra, supružnik, prijatelj itd. Upitno je, na koncu, i čuvanje anonimnosti, koja je pri prikupljanju podataka jedna od najvažnijih stavki. Jer, ako ona nije zajamčena stvara se i sumnja kod ispitanika o stvarnim ciljevima ankete, ali i javlja strah od mogućih posljedica sudjelovanja u njoj. S tim u vezi, korištenje poštanske ankete je ograničeno i moguće ju je koristiti samo ako se pitanja u upitniku odnose na činjenice koje ne podrazumijevaju potrebu anonimnosti. Odnose li se, međutim, ona na mišljenja i stavove o delikatnim problemima iz sfere političkog, socijalnog ili osobnog, logično je očekivati da bi participanti prema sudjelovanju u ovom tipu anketiranja mogli biti krajnje rezervirani, ali i – u slučaju da se na sudjelovanje u njemu odluče – neiskreni u odgovorima.

4. Telefonsko anketiranje. Radi se o anketiranju nasumičnim ili planiranim okretanjem brojeva telefonskih pretplatnika. Ovaj se tip anketiranja najčešće koristi u ispitivanju političkog raspoloženja birača. Dobra mu je strana što je najbrži oblik prikupljanja podataka koji istraživača zanimaju, ali je istovremeno i najnesigurniji oblik anketiranja. To praktično znači da su podaci, njime dobiveni, veoma diskutabilni, na njih se istraživač ne može u potpunosti osloniti niti računati s pouzdanošću zaključaka na njima utemeljenim.

Anketa, inače, spada u najstarije tehnike prikupljanja podataka. Isključiti, prema nekima, ne treba mogućnost da je, pri popisu stanovništva, korištena i u Mojsijevo doba. Neki podaci, potom, upućuju na zaključak da je, za potrebe oporezivanja, korištena u Starom Rimu, pa pri popisu vlasnika zemlje tijekom XI. stoljeća u Engleskoj. Intenzivnije se, i to prvo u Engleskoj i SAD, počinje primjenjivati u XIX. stoljeću, a za njom, motivirani različitim potrebama, posežu vlade, tiskovine, političke partije, pa i pojedinci. No, u formi koja nalikuje današnjoj anketa se javlja tek početkom XX. stoljeća. Prvu takvu anketu proveo je američki časopis The Literary Digest 1916. godine nastojeći utvrditi predizborno raspoloženje birača. U narednim godinama tu vrstu anketa ovaj je časopis i intenzivirao. Međutim, u istraživanjima koja je provodio događala su se velika odstupanja i pogreške u rezultatima. Dosta dugo su se, naime, te ankete zasnivale na prigodnim, uzorcima koji ne odgovaraju kriterijima reprezentativnosti. Otuda je i logična bila posljedica da su i pogreške u dobivenim rezultatima bile značajno više od onih koje karakteriziraju suvremena anketiranja, utemeljena na reprezentativnim uzorcima. Ta će vrsta nedostataka, međutim, biti otklonjena pojavom Georgea Gallupa koji sredinom tridesetih godina XX. stoljeća započinje s političkim i znanstvenim anketama. Kao tehnika anketa se, potom, nastavlja razvijati udruženja za istraživanje javnog mnijenja. Već 1948. godine formirano je Američko udruženje za istraživanje javnog mnijenja, a dvije godine poslije i Evropsko udruženje za istraživanje javnog mnijenja i tržišta. Tijekom sedamdesetih i osamdesetih godina XX. stoljeća, uvođenjem telefonskog anketiranja, napravljen je novi pomak u tehnologiji provođenja ankete, a nakon toga, uvođenjem u upotrebu kompjuterske tehnologije, i pomak u razvoju pojedinih faza anketnoga istraživanja. Kompjuterska tehnologija je bitan napredak omogućila u, primjerice, izboru uzorka, kompjuterski podržanom intervjuiranju putem telefona, unosu anketom dobivenih podataka, njihovoj kontroli i analizi pomoću razvijenih softvera itd.

Može se, dakako, obzirom na njihov domet i sadržajnost, govoriti o različitim vrstama anketa. Apostrofiramo posebice dvije:

Opisne ankete. Bitna im je značajka da omogućuju samo grube informacije o velikim skupovima jedinica (muškaraca ili žena koji gledaju TV…)

Analitičke ankete koje, osim pukog opisa, ulaze i u analizu pojedinih segmenata osnovnog skupa, međusobnih odnosa i utjecaja tih segmenata, razlika koje među njima postoje.

5.1.1.2. Intervju

72

Intervju je, također, tip ankete. On, naime, kao i anketa, koristi pitanja da bi se došlo do odgovora o predmetu istraživanja. Ali, u usporedbi s anketom, razlikuje se u najmanje dvije značajke. Prvo, u intervjuu se pitanja postavljaju usmeno, u razgovoru s ispitanikom. Ta značajka intervju čini pogodnim sredstvom samo za manje skupine ispitanika. S druge strane, za razliku od ankete koja u većini slučajeva predviđa veoma kratke odgovore ili odgovore sa «da» ili «ne», intervju u načelu podrazumijeva odgovor koji se sastoji od najmanje jedne rečenice, a obično i od nekoliko njih. To otežava obradu podataka, bez obzira na tip intervjua koji se primjenjuje. Istina, tako dobiveni podaci mnogo više i bolje oslikavaju pravi odnos ispitanika prema predmetu znanstvenog istraživanja.

Dakako, činjenica da se u intervjuu pitanja postavljaju usmeno, da se kao forma koristi razgovor, intervju se ne može poistovjetiti s razgovorom. Razlike između razgovora i intervjua su višestruke (vidjeti, Zvonarević, 1976., 130.). Za razliku od razgovora intervju se, primjerice, vodi s određenim ciljem i po točno utvrđenom planu. U običnom su razgovoru, potom, osobe koje razgovaraju međusobno ravnopravne. U intervjuu, međutim, ta ravnopravnost, psihološki promatrano, izostaje jer se točno zna tko je voditelj razgovora, a tko ispitanik. Na koncu, za razliku od običnog razgovora intervju bitno obilježavaju napetost, rezerviranost, sumnja i bojazan.

U sociološkim istraživanjima se koriste različiti tipovi intervjua. Good i Scates, primjerice, razlikuju slijedeće tipove intervjua:

1. Prema funkciji (dijagnostički, terapeutski i istraživački);2. Prema broju osoba koje sudjeluju (individualni i grupni);3. Prema duljini kontakta (kratki kontakt, duži kontakt);4. Prema ulogama koje su prihvatili ispitivač i ispitanik u odnosu na

sociopsihološki proces interakcije; Slobodni intervju (nekontrolirani, koji nije vođen, nepripremljen) Usmjereno intervjuiranje (dubinski intervju) Ponovljeno, naknadno intervjuiranje, da bi se pratio razvoj socijalnih i

sociopsiholoških procesa, kao što je praćenje progresivnih reakcija nekog glasača u formiranju njegova mišljenja u kampanji za predsjedničke izbore (vidjeti, Good i Scates, 1967, 513)

Uvažavajući navedenu, i sve druge tipologizacije, smatramo da su relevantna posebice dva tipa intervjua: standardizirani i slobodni (nestandardizirani). Po čemu ih je moguće razlikovati?

Standardizirani intervju sadrži unaprijed utvrđena pitanja, i voditelj intervjua ih svakom ispitaniku postavlja istim redom i u istom obliku. On, dakle, ne poznaje nikakva odstupanja od unaprijed utvrđenog plana vođenja intervjua.

Slobodni (nestandardizirani) intervju, naprotiv, nema nikakvih, unaprijed pripremljenih pitanja. Voditelj intervjua ima na umu samo nekoliko tema o kojima treba razgovarati, a pitanja slobodno postavlja na licu mjesta, sam ih oblikuje i traži od ispitanika da odgovore na neka od njih objasni i proširi. Takav intervju asocira, zapravo, na običan razgovor, a podaci koji se njime dobiju obično se smatraju manje pouzdanima iako ovaj tip intervjua isključuje mogućnost nejasnoća, a pruža mogućnost detaljnijeg upoznavanja sa stavovima i mišljenjima ispitanika.

U sociološkim istraživanjima koriste se i drugi tipovi intervjua. Postoji potreba da se istaknu barem tri:

a) Intervju sa zatvorenim pitanjima. Ovaj tip intervjua, a radi lakšeg sređivanja i usporedne analize, ima strogo utvrđen plan, redoslijed i formulaciju pitanja. Ispitanik ne može odgovarati slobodno nego, kao i u anketi, bira jedan od ponuđenih odgovora ili odgovara sa «da» ili «ne»;

b) Ponovljeni intervju. Rabi se, prvenstveno, za ispitivanje promjena u stavovima i mišljenjima neke skupine pod utjecajem vanjskih činitelja kojima je izložena. Često se rabi i u ispitivanju promjena u raspoloženju biračkog tijela nakon nekog poteza vladajućeg establischmenta, političkih stranaka ili značajnih političkih osoba;

c) Usmjereni (dubinski) intervju. Radi se o tipu intervjua koji je prvi primijenio američki sociolog Robert K. Merton. Karakterizira ga, prije svega, dubina izvještaja jer, sve što se bilježi nije na istomm psihološkom nivou, ali je dio istog kontinuuma. Na dnu toga kontinuuma se, tako, nalaze opisi koji su na razini razgraničavanja «pozitivnih» i «negativnih» odgovora, ili malo iznad toga. Na višim razinama, međutim, ti opisi se transformiraju u prikaze različitih psiholoških dimenzija i iskustava – uznemirenja, strahova,

73

osjećaja itd. Glavni je zadatak ovog intervjua stvoriti «dijagnozu nivoa dubine na kojem njegovi subjekti djeluju u danom momentu» i pomaknuti nivo «u bilo kojem pravcu 'kontinuuma dubine' koji se smatra prikladnim u tom slučaju» (Good i Scates, 1967, 514). Dubinsko intervjuiranje, prema tome, teži spoznaji strukture motivacije pojedinca, odgovoru na pitanje: što ga tjera da čini određene stvari? Do odgovora na tu vrstu pitanja se, dakako, ne može doprijeti površnim razlozima. To je moguće samo razlozima ili motivacijama koji su kompleksni. Te razloge, još konkretnije, ne moraju znati ni oni na koje se oni odnose – ili zbog toga što ih ne ispituju, ili zato što ih i same zbunjuje iskazivanje istine, razgolićavanje vlastitih motiva, nada, frustracija.

Na intervju kao tehniku prikupljanja empirijskih podataka utjecaja mogu imati i pozitivni i negativni motivi. Na njima se detaljnije zadržava Mladen Zvonarević (vidjeti Zvonarević, 1976., 132.-134.). Među pozitivnim motivima intervjua, pri tome, apostrofira posebice:

Ugled institucije koja provodi istraživanje, a koji može potaknuti ispitanika na uvjerenje kako i on sam, pristajanjem na intervju, sudjeluje u radu takve institucije;

Znatiželja ispitanika koja se javlja pri svakom ispitivanju, a koju treba iskoristiti, upoznajući ispitanika s nekim detaljima koji mu znatiželju mogu pobuditi i na sudjelovanje u intervjuu ga stimulirati;

Uljudnost i pristojnost onoga tko intervju obavlja ispitanika može motivirati da u intervjuu sudjeluje iako namjeru te vrste i nije imao;

Ljude u pravilo karakterizira spremnost da daju svoje mišljenje. Stoga im je, u fazi pristupa, uputno pojasniti da se intervjuom želi dobiti njihovo mišljenje o određenim problemima;

Pozitivan motiv za sudjelovanje u intervjuu može biti i izravna materijalna stimulacija – izravno plaćanje za sudjelovanje u intervjuu, participacija u intervjuu kao ulaznica za izvjesno «lutrijsko nagrađivanje» i tome slično.

Poticajno može djelovati i prethodno obavještavanje ispitanika o dolasku anketara i o svrsi istraživanja jer cijelom poslu daje dodatnu ozbiljnost.

No, u intervjuu se mogu javiti i negativni motivi intervjua. Zvonarević apostrofira najznačajnije i među njima, posebice:

da ispitanik odmah ne vidi cilj i svrhu intervjua; da se boji sudjelovanja u intervjuu zbog eventualnih posljedica. Zadaća

anketara je, prema tome, da, pružajući i određene garancije, ispitanika oslobodi te vrste straha;

zbog činjenice da ne zna odgovore na neka pitanja ispitanik se plaši da ne ispadne neznalica;

Neka pitanja kod ispitanika mogu izazvati revolt. U takvim se situacijama preporuča prelazak na slijedeća pitanja, te vraćanje na pitanje koje je revolt izazvalo u kasnijoj fazi intervjua;

Negativan motiv za ispitanika može biti i zasićenost intervjuima zbog činjenice da je u relativno kratkom vremenu intervjuiranju bio podvrgavan više puta;

Na koncu, negativan učinak može imati i činjenica da se ispitanika nakanom intervjuiranja ometa u nekom njegovu poslu. Izlaz je u odgađanju intervjua i zakazivanju nekog drugog termina.

Hoćemo li se, u svakom konkretnom slučaju, opredijeliti za anketu ili intervju, ovisi o većem broju činitelja. U nekim slučajevima je, u pravilu, orijentacija na intervju. To su, dakako, sve one situacije koje se istodobno govore i o prednostima intervjua u odnosu na anketu. Jedna od takvih situacija je, primjerice, da je sadržaj pitanja takav da traži uspostavljanje privatne atmosfere. Zahvaljujući toj činjenici intervjuom se može saznati ponešto što je drugim tehnikama prikupljanja podataka, uključujući i anketu, teško dostupno. Pri tome se misli, prije svega, na podatke koji se tiču intime. U osobnom kontaktu, i u uvjetima privatne atmosfere, ispitanik će, naime, reći i ono što inače ne bi napisao u anketnom upitniku. Intervju će se koristiti i u slučaju da treba dati dodatna objašnjenja. On je, drugim riječima, i ako je standardiziran i ako je slobodan, fleksibilniji od ankete. To, doduše, ne podrazumijeva i mogućnost svakodnevnog, nevezanog razgovora, ali podrazumijeva mogućnost njegova prilagođavanja ispitaniku i tijeku razgovora. Prednost intervjua je, potom, i činjenica da se njime u ispitivanje mogu uključiti i nepismeni. Prema tome, ukoliko u populaciji takvi čine značajniji dio, ili ukoliko se radi predispitivanje na malom uzorku, logično je da se pribjegne intervjuu kao tehnici. Opredjeljenje za intervju je

74

logično i ako se do ispitanika dolazi pojedinačno. Na koncu, intervju omogućuje istraživaču da, temeljem ispitanikova držanja, procjenjuje govori li mu on istinu ili ne.

Međutim, intervju ima i ozbiljnih nedostataka (vidjeti Vujević, 1990., 118., Bakovljev, 1997., 80). On, prije svega - zbog činjenice da jedan anketar u razgovoru s jednim ispitanikom potroši vremena koliko bi, u grupnom anketiranju, utrošio s pedesetak njih - poskupljuje ispitivanje. Njime, potom, nije moguće osigurati standardne uvjete jer se obavlja u različitim situacijama i pod vodstvom većeg broja anketara. Intervju relativizira i objektivnost dobivenih podataka. On, naime, podrazumijeva interakcijski odnos koji bitno određuje i izvjesna prisnost s ispitanikom, a može značajno umanjiti objektivnost i znanstvenu upotrebljivost dobivenih podataka. Objektivnost intervjua može doći u pitanje i u slučaju da se intervju ne snimi odgovarajućim tehničkim sredstvima, što za posljedicu može imati da interpretacija njegovih odgovora nije dovoljno objektivna. Na koncu, ispitanik u intervjuu ne može ostati anoniman, a taj detalj stvara probleme kod odgovora na pitanja koja zadiru u područje njegove intime.

Zbog svega navedenog, istraživaču koji se opredijelio da podatke o izučavanoj pojavi prikupi tehnikom intervjua pomoći može nekoliko elementarnih preporuka:

a) Intervjuiranje je potrebno provesti po napisanom planu, kojim se mora predvidjeti mjesto na kojem će se intervjuiranje obaviti (preporuča se da to budu prostorije koje ispitanicima nisu strane, na koje su se oni navikli), vrijeme intervjuiranja, teme o kojima će se razgovarati, te način bilježenja ili snimanja ispitanikovih odgovora.

b) Učiniti sve da početak razgovora ispitaniku bude zanimljiv i prijatan - jer od toga može ovisiti i tijek čitava intervjua – da se ispitanika zainteresira za predstojeći razgovor i šarmira i izazove povjerenje prema sebi.

c) U slučaju da će se razgovarati i o osjetljivim pitanjima, ispitaniku je neophodno obećati diskreciju, da nikada i nikome neće biti saopćena imena ispitanika od kojih su dobiveni odgovori na takva pitanja.

d) U anketarevu stavu treba eliminirati svako ponašanje koje je isljedničko i ocjenjivačko, a ispitanika treba uvjeriti kako su iskreni, a ne odgovori koji bi zadovoljili anketara, najbolji mogući.

e) Sukladno prethodnom, anketar ne smije ni u jednom momentu, niti u vezi s odgovorom na bilo koje pitanje, pokazati kako mu se ispitanikov odgovor sviđa ili ne sviđa. To, dakako, ne znači da ispitaniku, za koga se ocijeni da daje iskrene odgovore, ne treba pružiti podršku odnosom kojim mu se pokazuje kako ga se uvažava kao sugovornika.

f) Na koncu, intervju, iako ga treba temeljito pripremiti, mora biti što fleksibilniji, formulacija i redoslijed unaprijed sastavljenih pitanja prilagođen individualnim osobinama ispitanika i tijeku razgovora. 5.1.1.3. Upitnik

Upitnik je, kako je naznačeno, tehničko sredstvo, instrument za provođenje ankete, odnosno za prikupljanje podataka, a sastoji se od niza pitanja u vezi s predmetom istraživanja na koja se traži odgovor. Često se, doduše, govori o dvije vrste instrumenata za prikupljanje podataka ili činjenica. Jedan od njih, Questionary, je instrument za prikupljanje podataka i činjenica, a drugi, Opinioner, za prikupljanje podataka i stavova. No, i jedan i drugi se, u praksi, najčešće podvode pod zajednički nazivnik – upitnik ili anketni list. Često se, na koncu, znade dogoditi da anketni list ima i jednu i drugu vrstu pitanja.

Inače, u prikupljanju empirijskih podataka potrebnih za znanstveno zaključivanje uloga upitnika je najmanje dvostruka. Njime se, prije svega, u formi posebnih pitanja od kojih je upitnik sastavljen, izražava ciljeve konkretnog istraživanja. S druge strane, opet, uloga je upitnika i da pomogne ispitivaču (anketaru) kako bi ispitanika doveo u raspoloženje koje mu pomaže da što lakše i dragovoljnije iskaže svoje mišljenje i stavove. Kako? To, između ostalog, ovisi i o načinu postavljanja pitanja. Puno je situacija, primjerice, u kojima se bolji rezultati dobiju s direktnim (izravnim) pitanjima. No, nerijetke su i situacije u kojima se takva pitanja ne preporučaju. Takve su sve one u kojima ispitanici nisu spremni izravno odgovoriti na postavljena im pitanja. U takvim slučajevima puno veće učinke će proizvesti indirektna ili neizravna pitanja.

5.1.1.4. Pravljenje anketnog upitnika

75

Vizualno, upitnik ili anketni list u pravilu sadrži dva dijela. Prvi je zaglavlje. Ono se nalazi na početku ili na kraju upitnika. U zaglavlje se unose podaci o ispitaniku – ime (ako anketa nije tajna), spol, uzrast, školska sprema, nacionalna i vjerska pripadnost, visina primanja itd. Drugi, središnji dio upitnika je sastavljen od dvije kolone – lijeve, u kojoj su ispisana pitanja i desne, koja je predviđena za upisivanje odgovora. Ova potonja, kolona za odgovore, može biti prazna (ako je pitanje s otvorenim odgovorima) ili su u njoj navedeni mogući odgovori od kojih ispitanik treba izabrati i označiti onaj koji mu odgovara (ako je pitanje s zatvorenim odgovorima).

S druge strane, da bi imao vrijednost upitnik mora biti i teorijski utemeljen. Ta, teorijska utemeljenost upitnika obuhvaća tri područja (vidjeti, Vujević, 1990., 105):

1. Teorijsku utemeljenost na spoznajama o predmetu koji se istražuje. O utemeljenosti na spoznajama o predmetu koji se istražuje se može govoriti «ako su pitanja zasnovana na valjanim indikatorima varijabli koje su izvedene iz hipoteza i ako su hipoteze odgovor na precizno formuliran problem i zasnovane na teoriji znanosti unutar kojih se istraživanje provodi» (Vujević, 1990., 105).

2. Teorijsku utemeljenost na spoznajama psihologije stavova i mišljenja. O ovoj vrsti utemeljenosti se radi «ako su pitanja postavljena na razini habitualnih mišljenja, tj. ako se pitanja odnose na ponašanje koje je pokazatelj stavova» (Vujević, 1990, str. 105).

3. Teorijsku utemeljenost na spoznajama iz metodologije anketnih istraživanja. O toj vrsti utemeljenosti može se govoriti ako se dobro poznaje i metodologija anketnih istraživanja, ali i ako se dobro poznaje i primjenjuje metodologija znanstvenih istraživanja uopće.

U pravljenju upitnika, međutim, o nekim detaljima se mora voditi računa. Veoma je, primjerice, važno tko će ispunjavati konkretni upitnik. Još konkretnije, važno je kakvo je obrazovanje onih kojima je upitnik namijenjen, kakve su njihove psihološke značajke, jesu li opterećeni kakvim predrasudama i slično. Ovisno o tome kakve su te, i njima slične značajke, razlikovati će se, primjerice, i terminologija svakog upitnika. Ona im mora biti prilagođena jer, u protivnom, upitnik neće moći odigrati funkciju koja mu treba biti namijenjena.

Važno je, s druge strane, kakav je i izgled upitnika. Nije, naime, nebitno je li upitnik, što se njegovog dizajna tiče, lijep ili ružan, kao što nije nevažno ni je li kratak ili dugačak, pregledan i raznovrstan ili jednoličan. Od svih tih detalja, u većoj ili manjoj mjeri, zavisi i spremnost ispitanika da u anketiranju sudjeluje.

Time se lista detalja, o kojima se pri pravljenju upitnika ima voditi računa, uopće ne iscrpljuje. Dapače. Važno je, isto tako, je li upitnik prilagođen rječniku ispitanika, postoji li ili ne – ako se radi o intervjuu – slijed pitanja koji se strogo ima poštovati, od koliko je pitanja upitnik sastavljen, koji je cilj upitnika – utvrđivanje činjenica i znanja ispitanika ili, eventualno, njihovih vjerovanja, mišljenja i stavova, koji tip obrade podataka iz upitnika će biti primijenjen itd.

Pozornost se, potom, mora posvetiti i većem broju detalja u vezi s izborom pitanja koja će se uključiti u upitnik. Važno je, primjerice, da se u upitnik uključe samo ona pitanja koja se neposredno odnose na problem istraživanja. Ili, u upitnik ne treba, osim ako ih želimo iskoristiti kao kontrolna, uključivati pitanja na koja se odgovori mogu pribaviti iz nekih drugih izvora. Veoma je važno, potom, da se s pitanjima koja zadiru u osobni život, budući da odgovori na njih mogu biti neiskreni, postupa krajnje obazrivo. U upitnik je, na koncu, uputno uključivati samo ona pitanja za koja se može pretpostaviti da ih zna većina ispitanika. U protivnom, takva nam vrsta pitanja ne može osigurati put do cilja kojeg smo sebi postavili.

Po svojem obliku, pitanja u upitniku mogu se pojaviti: kao otvorena i kao zatvorena (pitanja «fiksiranog izbora»). U čemu su njihove specifičnosti i međusobne razlike?

Osnovno obilježje otvorenih pitanja je u činjenici da se njima ne nude nikakvi odgovori. Ispitaniku je, dakle, ostavljena potpuna sloboda u kreiranju odgovora. Kod ovog oblika pitanja moguće je identificirati i njihove prednosti, ali i njihove nedostatke (vidjeti Vujević, 1990., 105.-106.). Među prednostima se, bez dvojbi, neke i posebice ističu. Otvorena pitanja je, prije svega, lako sastaviti. S druge strane, ona ne usmjeravaju ispitanika na određeni odgovor. Veća je, potom, i heuristička vrijednost ovog oblika pitanja. Na koncu, odgovori na otvorena pitanja mogu veoma dobro poslužiti za sastavljanje zatvorenih pitanja jer upućuju na učestalost određene vrste odgovora a time i sugeriraju

76

koju vrstu odgovora treba u upitnik uključiti. Drugim riječima, ovu vrstu pitanja je, zbog njihovih prednosti, preporučljivo koristiti u pripremnim fazama procesa istraživanja.

Ignorirati, međutim, ne treba ni slabosti otvorenih pitanja. Ona, primjerice, traže dobru pismenost ispitanika, malo se dobije odgovora na takva pitanja, nije moguće postaviti veći broj pitanja, teža je obrada dobivenih podataka (njih je moguće obrađivati jedino pomoću analize sadržaja), a zaboraviti ne treba ni činjenicu da ovaj oblik pitanja ispitanike stavljaju pred teži zadatak - posebice neke od ispitanika – zbog čega mogu djelovati i na njihovu motivaciju da sudjeluju u anketiranju.

Za razliku od njih, zatvorena pitanja (pitanja «fiksiranog izbora») ispitaniku nude izvjestan broj odgovora između kojih treba da se opredijeli. Ali, time se istovremeno smanjuje i sloboda ispitanika u odgovaranju. Prema tome, upitnikom sa zatvorenim tipom pitanja se i dobiva, ali i gubi.

Dobitak ili prednost zatvorenih pitanja je u činjenici da upitnik, sastavljen od takvih pitanja:

ne traži veću pismenost ispitanika, veći broj ispitanika daje odgovor na ovakva pitanja, ispitanici se nalaze pred lakšim zadatkom jer je lakše zaokružiti odgovor nego ga

ispisati svojim riječima, može se postaviti veći broj pitanja, mnogo lakše i jednostavnije srediti dobivene odgovore, izvršiti njihovu

sistematizaciju i klasifikaciju, veća je verifikacijska vrijednost takvih pitanja.Ignorirati se, međutim, ne smije ni slabosti ili nedostatke zatvorenih pitanja. Neke

od njih i apostrofiramo: teže ih je napraviti, njima se smanjuje se sloboda odgovaranja, ispitaniku se nude odgovori koji ga

često ne mogu zadovoljiti ograničenost na određeni broj odgovora ispitanika može i pasivizirati manja je heuristička vrijednost ove vrste pitanja.Inače je moguće praviti razliku između dviju vrsta zatvorenih, odnosno pitanja

«fiksiranog» izbora. Prva su tzv. pitanja s ponuđenim odgovorima nabrajanja. Broj tako ponuđenih odgovora ponekada može biti i neuobičajeno velik. Pretpostavimo da se pitanjem traži zaokruživanje svega onoga što posjedujete u domaćinstvu. Broj odgovora, koje možete zaokružiti, može biti tako velik da obuhvati sve ono što u svojem kućanstvu posjedujete. Dakako, pri tome je svaki od takvih odgovora zasebno dihotomno pitanje, pitanje na koje se odgovara s «da» - «ne» ili odgovorima toga tipa. Druga vrsta zatvorenih pitanja su tzv. pitanja s ponuđenim odgovorima intenziteta. Pri tome su važne dvije vrste natuknica. S jedne strane, u principu se koristi serija od pet intenziteta jer ona najbolje odražava stav ispitanika. S druge strane, ponuđeni intenziteti mogu varirati u jednom ili u dva pravca. Ako se radi o jednosmjernoj varijaciji intenziteta onda se ona kreće na skali od pet stupnjeva i to od nedovoljnog do odličnog. Ako se, pak, radi o variranju varijable u dva smjera, onda je to variranje obično od neutralnog do maksimalnog zadovoljstva na jednoj, te od neutralnog do maksimalnog nezadovoljstva na drugoj strani.

Postoji, međutim, još jedna podjela koja se tiče načina postavljanja pitanja. Naime, pitanja u upitniku mogu biti postavljena kao izravna (direktna), i neizravna (indirektna).

Izravnim ili direktnim pitanja se ispitanika pita točno ono što se želi znati. Takva se vrsta pitanja koristi u svim situacijama za koje se pretpostavlja da ispitanici neće imati poteškoća u davanju iskrenih odgovora.

Neizravna ili indirektna su pitanja kojima se do odgovora dolazi zaobilaznim putem. Koriste se u situacijama kada se pretpostavlja da bi ispitanici mogli imati poteškoća u davanju iskrenih odgovora. Drugim riječima, njima se olakšava davanje takvih odgovora.

Bez obzira na tip pitanja - jesu li ona otvorena ili zatvorena, izravna ili neizravna - u njihovu formuliranju moraju se koristiti riječi koje će biti jamstvo da će pitanje razumjeti svi ispitanici. Istovremeno, mora se obratiti pažnja da postavljena pitanja ne sugeriraju odgovore.

5.1.1.4.1. Formulacija pitanja s obzirom na njihov smisao

77

Način na koji se pitanje u upitniku formulira u pravilu utječe i na njegov smisao. Dakako, u razumijevanju pravog smisla pitanja iz upitnika mogu se često pojaviti i određene vrste poteškoća. Izvori tih poteškoća mogu biti veoma različiti. U kontekstu ove analize neke od njih i apostrofiramo.

Jedan od takvih izvora je, nema dvojbi, i mogućnost da se postavi neodređeno i nedovoljno jasno pitanje jer ono neće omogućiti ni jasan odgovor. Analizirajmo, primjerice, pitanje: «Smatrate li da je motivacija za rad nakon demokratskih promjena veća, ista ili manja nego prije njih». Naizgled, radi se o krajnje jasnom pitanju. Stvarno, međutim, u njemu se nalazi niz nejasnoća. Na koje vrijeme «nakon demokratskih promjena» se misli – na ono neposredno nakon prvih višestranačkih izbora, na vrijeme kada se pitanje postavlja, na čitav period od prvih višestranačkih izbora itd? Ili, što znači ono «prije njih»? Misli li se na vrijeme neposredno prije prvih višestranačkih izbora, na vrijeme od okončanja Drugog svjetskog rata do prvih višestranačkih izbora itd? Na «motivaciju za rad» koga se misli – radnika u proizvodnji, državnih činovnika, prosvjetnih djelatnika ili neke druge skupine građana? Ili, eventualno, svih njih?

Izvor poteškoća u razumijevanju pravog smisla pitanja, potom, i stereotipni stavovi i predrasude u slučaju da su, na bilo koji način, involvirani u pitanje. Takve su, primjerice, nacionalne i konfesionalne predrasude, koje bitno opterećuju i zemlje nastale raspadom bivše Jugoslavije, rasne predrasude i slično. Velika je vjerojatnost da će pitanja tipa «Koja je religija najprimjerenija čovjeku?», rezultirati odgovorima koji se poklapaju s religijskom pripadnošću ispitanika.

Do poteškoća u razumijevanju pravog smisla pitanja mogu dovesti i previše pojednostavljena pitanja, odnosno pitanja čiji sadržaj nije dovoljno opisan jer ona mogu dovesti do odgovora koji ne odgovaraju i stvarnom mišljenju ispitanika. Pretpostavimo pitanje tipa «Koji narod je najnapredniji?». Ovako pojednostavljeno formulirano pitanje može dovesti do veoma različitog shvaćanja smisla pojma «naprednost» - naprednost kao razvijenost životnog standarda, kao razvijenost kulture, književnosti i umjetnosti, ili bilo što drugo. Pitanju, dakle, nedostaje potreban opis sadržaja, na koju se vrstu naprednosti naroda misli, u čemu napredan?

Izvor poteškoća može proizlaziti i iz činjenice da je pitanje predugačko ili, pak, da je u odgovoru ponuđen prevelik broj mogućnosti. U prvom slučaju nije isključeno da ispitanik ne uspije uočiti točan smisao pitanja. U drugom, opet, lako se može dogoditi da, zbog velikog broja ponuđenih odgovora one koji su pozicionirani na prvim rednim brojevima počne zaboravljati.

Neka pitanja, isto tako, zbog svoga karaktera, mogu imati smisla samo za dio populacije. Za sve ostale ona su, iz istih razloga, besmislena. U istraživanju, provedenom na Univerzitetu u Tuzli, postavljeno je pitanje, kojim se željelo doći do mišljenja zaposlenika - profesora, asistenata i administrativnog osoblja – jeli korupcija na njihovu univerzitetu veća bila prije rata, nakon potpisivanja Daytonskog sporazuma ili danas. Oko polovice svih zaposlenika je na to pitanje, što je i logično, odgovorilo «ne znam» jer prije izbijanja rata u BiH 1992. godine na ovoj visokoškolskoj asocijaciji nije ni radila. Na to je pitanje, dakle, odgovarati mogao samo dio današnjih zaposlenika, oni koji su sve to vrijeme u ovoj visokoškolskoj asocijaciji bili uposleni.

Postoje, na koncu, i pitanja na koja su stereotipni odgovori, odnosno odgovori koji su u suglasju s općeprihvaćenim vrijednostima, potpuno logični. Na pitanja, primjerice, tipa «Vjerujete li u slobodu govora», logično je očekivati potvrdan odgovor najvećeg dijela ispitanika. Ako, međutim, ispitanicima s tom vrstom odgovora postavite pitanje «Vjerujete li u slobodu govora u mjeri da bi fašistima, u mjestu gdje živite, tolerirali govor mržnje prema drugim narodima?», najvjerojatniji odgovor većine ispitanika je negativan. A iz dobivenih se odgovora na postavljena pitanja izvući mogu barem dvije vrste zaključaka – prvi, da su odgovori na dva pitanja međusobno nespojivi, nepovezivi i drugi, da su i logični jer su u suglasju s općeprihvaćenim vrijednostima – sa neupitnošću slobode govora s jedne, ali i s netoleriranjem fašističkih ideja i ispoljavanju mržnje prema drugom i drugačijem. 5.1.1.4.2. Verbalna formulacija pitanja

Način na koji je pitanje u upitniku formulirano uopće nije nebitan. Dapače. Razlike u odgovorima, koje, ovisno o načinu na koji je određeno pitanje formulirano, mogu nastati, mogu dostići razinu i do dvadesetak postotaka. A to, opet, znači, da učinak rezultata

78

određenog anketiranja, ovisno o načinu na koji su pitanja u upitniku formulirana, može u isto takvom postotku varirati.

U vezi s verbalnom formulacijom pitanja, sukladno navedenom, mogu se pojaviti i dosta različiti problemi i poteškoće. Tri su najznačajnije skupine takvih problema i poteškoća: oni koji su u vezi sa smještajem pitanja na upitniku, potom u vezi s oblikom alternativa i, na koncu, problemi koji su u vezi s odstupanjima od objektivnog formuliranja pitanja. Izvori tih poteškoća mogu biti veoma različiti. U kontekstu ove analize neke od njih i apostrofiramo.

Prva grupa problema i poteškoća je, kako je i naznačeno, povezana sa smještajem pitanja u upitniku. Radi se, naime, o tome da mjesto pitanja u upitniku izaziva razlike u percepciji o tome koliko je ono, u odnosu na druga pitanja iz istog upitnika, značajno. Konkretno, pitanja na početku upitnika kod dijela, ako ne i većine, anketiranih može stvoriti uvjerenje da se radi o pitanju s većim značenjem. Vrijedi, dakako, i obratno. Naravno, taj utjecaj nije identičan kod svih pitanja. Naprotiv. Ako je stav, ili znanje, ispitanika o određenom pitanju manje siguran i pouzdan, u tom će slučaju veći biti utjecaj mjesta pitanja na strukturu odgovora. Neophodno je, prema tome, kod pozicioniranja pitanja u upitniku, voditi računa o određenim zahtjevima. Jedan među njima ima posebno značenje. Pitanja, naime, moraju biti pozicionirana tako da odgovor na jedno pitanje ne utječe na drugo, posebice ako se pitanja u konkretnom upitniku odnose na isti predmet.

Druga grupa problema i poteškoća je u vezi s ponuđenim alternativnim pitanjima, dakle pitanjima kod kojih su ponuđene alternative dio i samog pitanja. Među njima posebno mjesto zauzimaju oni u vezi s pitanjima s dihotomnim odgovorima, dakle pitanjima koja nude odgovore tipa «da» - «ne», «slažem se» - «ne slažem se», «točno» - «netočno», «dobro» - loše», «odobravam» - «ne odobravam» itd. Istina, doduše, jeste da ova vrsta pitanja ima i svojih prednosti. Pitanja traže malo vremena za odgovore, jednostavna je statistička obrada podataka itd. No, poteškoće stvaraju slabe strane ove vrste pitanja. Ako je, primjerice, slabo razumljen smisao pitanja, dihotomija u odgovorima može izazvati potpuno obrnut odgovor. Takva je mogućnost, u slučaju ponuđene skale odgovora, svedena gotovo na minimum. S druge strane, dihotomija, u pravilu, ne dopušta mogućnost graduacije stava ispitanika. Kod ponuđene skale takva mogućnost je, naprotiv, veoma realna. Stoga se, ako i postoji opredjeljenje na pitanja s dihotomnim odgovorima, u pravilu prakticira mogućnost i trećeg izbora, onog tipa «ne znam», «svejedno», «ni jedno» itd. Jer, ta mogućnost, ako ništa drugo, daje mogućnost nesvrstavanja onima koji se ne opredjeljuju ni za jedan od odsječnih odgovora. No, češće od toga se orijentira na pitanja s višestrukim izborom jer ona, pored ostalog, daju mogućnost i graduacije u opredjeljenju, stavu i slično. O njima, međutim, nešto kasnije.

Kod pitanja s dihotomnim odgovorima je, zbog svega naznačenog, veoma važno i kako je pitanje formulirano. Važno je, prije svega, da su alternative jasno izražene. U protivnom, postoji mogućnost različitog značenja dobivenih odgovora. Pretpostavimo, primjerice, pitanje u upitniku «Jeste li pristalica da studij novinarstva traje četiri godine?». Jedan od dihotomnih odgovora je i odgovor «ne». Što, međutim, znači taj odgovor. Objektivno, on može značiti barem nekoliko stvari. Da se, prije svega, protivite trajanju studija od četiri godine. Da se, potom, zalažete za studij koji traje više ili manje od četiri godine. Na koncu, vaše «ne» može značiti i da nemate opredjeljenja u vezi s tim. Stoga se preporuča formulacija pitanja koja takvu mogućnost isključuje. U konkretnom slučaju, recimo, uputno bi bilo postaviti pitanje «Jeste li pristalica ili protivnik da studij novinarstva traje četiri godine?».

Određenu ulogu, potom, kod pitanja s dihotomnim odgovorima imaju i riječi kojima su alternative formulirane. Neke od njih jače, a druge slabije naglašavaju ponuđene alternative, a time izazivaju i različite odgovore. Pogledajmo, primjerice, utjecaj glagola «zabraniti» i «dopustiti» na moguću distribuciju odgovora. U jednom te istom pitanju ta dva glagola mogu izazvati potpuno neuravnoteženu distribuciju odgovora. Pretpostavimo jedno od pitanja s ta dva glagola. Prvo bi moglo glasiti «Smatrate li da bi vlada morala zabraniti homoseksualne brakove?», a drugo «Smatrate li da bi vlada morala dopustiti homoseksualne brakove?». Struktura odgovora koji upućuju na opredjeljenje za zabranu u jednom i drugom slučaju će, po svemu sudeći, biti primjetno različita. Razlog tome je upravo u efektima koje izazivaju upotrijebljene riječi. Prosječni ispitanik je, naime, relativno blagonakloniji prema terminu «dopustiti» nego onom «zabraniti». Stoga se preporuča da se, u situacijama ovog tipa, pitanje formulira na način da se u njemu nađu oba glagola. A u tom

79

bi slučaju, dakako, pitanje moglo glasiti «Smatrate li da bi vlada morala zabraniti ili dopustiti homoseksualne brakove?».

Na koncu, iako se time popis intervencija ne iscrpljuje, kod pitanja s dihotomnim odgovorima se, mada ona mogu biti postavljena alternativno, ostavlja mjesto i za neku formu srednjeg odgovora. Pretpostavimo, primjerice, pitanje tipa «Smatrate li da će cijene prehrambenih proizvoda u našoj zemlji tijekom ove godine biti više ili niže od prošlogodišnjih?». Izvjesno je da mogućnost dihotomnog opredjeljivanja postoji. No, u konkretnom slučaju postoji i ono treće, srednje rješenje. U ovom slučaju bi ono moglo biti formulirano na u formi «otprilike iste». Mislimo da ovu vrstu takozvanih srednjih odgovora ne treba apostrofirati i u pitanju. No, njih je preporučljivo dati u ponuđenim odgovorima.

Relativno značajno češća od ove vrste su pitanja s višestrukim izborom. Radi se, najjednostavnije kazano, o pitanjima koja nude mogućnost većeg broja odgovora, a ispitanik je stavljen pred obvezu izbora samo jednog od njih. Ova vrsta pitanja, nema dvojbi, ima značajnih prednosti. Njima se, prije svega, daje mogućnost manifestacije većeg broja nijansi u mišljenjima i stavovima. S druge strane, takvim se pitanjima daje i mogućnost da sva, ili najznačajniji dio, mišljenja dođe do izražaja.

Dakako, kod takve vrste pitanja važan je, pored ostalog, i način na koji su pitanja postavljena. Ako se, primjerice, na postavljena pitanja ispitaniku, na posebnoj kartici, nude i svi ponuđeni odgovori, većina je ispitanika, kod odgovora izraženim u brojkama, sklona odgovoru srednjih vrijednosti ili onom koji je ponuđen u sredini. Dakako, ispravan odgovor može odstupati i po jednoj i po drugoj osnovici – tendirati, primjerice, krajnjim vrijednostima. Zaokruživanje srednje vrijednosti ili po poziciji srednjeg odgovora u tom slučaju samo upućuje na zaključak kako se radi o ispitaniku kod kojeg je evidentno nepoznavanje konkretne materije.

S druge strane, postoji mogućnost i da se izvjestan broj ispitanika u orijentacionom anketiranju, čiji je temeljni zadatak testiranje upitnika, pored činjenice da im je ponuđen određen izbor odgovora na postavljena pitanja, opredijeli za one koji nisu ponuđeni. Ako takva pojavnost nije usamljena onda ona upućuje na zaključak kako ponuđena lista odgovora nije dovoljno iscrpna, te kako je treba dopuniti i onima koji se u orijentacionom anketiranju učestalije pojavljuju. Jer, za pretpostaviti je da će u anketiranju, koje tek treba realizirati, ta vrsta odgovora za sebe također vezati izvjestan postotak populacije, a time utjecati i na krajnju distribuciju dobivenih odgovora.

Za razliku od prethodne situacije moguća je i ona koja izaziva potrebu ograničenja izbora. Još konkretnije, moguća je situacija, primjerice, da je neki od ponuđenih odgovora pri izboru ispitanika toliko dominantan da onemogućuje uvid druge, po sebi sekundarne ideje. Zamislimo, primjerice, pitanje kojim želimo saznati koji su faktori relevantni u donošenju odluke pri kupovini nekog proizvoda. Pretpostavka je, nema dvojbi, da relativno veće, a možda i presudno značenje u odnosu na ostale, imaju faktor cijene proizvoda i visina primanja ispitanika. No, kako bi utvrdili utjecaj i drugih varijabli na donošenje odluke o kupnji, logično bi bilo očekivati da se ispitanicima ponudi pitanje tipa «Ako izuzmemo cijenu i visinu plaća, koje faktore za donošenje odluke o kupnji smatrate najznačajnijima?».

Kod pitanja s višestrukim izborom jedno od značajnih je i pitanje unutarnje ravnoteže. Radi se, drugim riječima, o tome da se odgovori ne smiju ponavljati u drugim varijacijama, da se jedan odgovor ne smije poništavati drugim. Zamislimo, primjerice, pitanje: «Što smatrate najvažnijim u kupovini odijela?». Ako se u ponuđenim odgovorima, među ostalima, nalaze i odgovori «dobar izgled» i «vanjština», radi se o klasičnom primjeru ponavljanja jednog odgovora u drugačijoj varijaciji.

Na koncu, kod pitanja s višestrukim izborom nimalo nevažno nije ni pitanje kolika je mogućnost izbora dana. Ona, teorijski može ići od tri do beskonačno. No, nedvojbeno je da rast broja ponuđenih odgovora ima i granicu iznad koje njegova vrijednost postaje upitna. Pretpostavimo da određeno pitanje nudi mogućnost izbora između petnaest-dvadeset odgovora. Efekti takvog opredjeljenja su dvostrani. Pozitivni se manifestiraju u mogućnosti veće nijansiranosti ispoljenih mišljenja i stavova. No, u takvim situacijama veći može biti učinak negativnih efekata. Jedan od njih je, primjerice, i sklonost zaboravljanju odgovora koji se nalaze na početku liste ponuđenih. Stoga krajnje opredjeljenje i ne mora odražavati pravo raspoloženje. Da bi takva opasnost bila eliminirana preporuča se ograničavanje broja ponuđenih odgovora. Vjerujemo kako je takvu granicu uputno, u principu, stavljati na brojku od šest ponuđenih odgovora.

80

Kod ponuđenih alternativnih pitanja susresti se može i takozvana otvorena pitanja. Radi se, zapravo, o pitanjima koja omogućuju davanje odgovora u obliku koji na najprecizniji način izražava stav ili mišljenje svakog konkretnog ispitanika. Ovakva se pitanja, u pravilu, dosta rijetko koriste. Preporuča ih se, primjerice, u orijentacijskim istraživanjima, onima kojima se testira sačinjeni upitnik. Objašnjiv je i razlog. Takvim se pitanjima, naime, bolje nego svim drugim vrstama, omogućuje uvid u rječnik ispitanika. Preporuča ih se, potom, i u produbljenim ispitivanjima stavova i mišljenja. No, u anketama ih se, u pravilu, izbjegava. Dakako, i to je objašnjivo. Takve odgovore je, naime, nemoguće kodirati pri obradi podataka u nekoj od primijenjenih statističkih tehnika. A kod pitanja s ponuđenim odgovorima takvo kodiranje je stvar čiste rutine.

Na koncu, treća grupa problema i poteškoća u vezi s verbalnom formulacijom pitanja je ona koja se odnosi na odstupanja od objektivnog formuliranja pitanja. Razlog navedenog odstupanja, dakako, može biti različit. Jedan od njih se, primjerice, odnosi na ugled. Ljudi su osjetljivi na mišljenja i stavove uglednih ličnosti. Njihov pozitivan stav o nečemu, što je predmet anketiranja, za posljedicu će, ako im se osobni stav u pitanju apostrofira, imati i povećan udio onih koji će se istom stavu također prikloniti. Vrijedi, dakako, i obrnuto – ako je stav poznatih ličnosti negativan. Budući je to neupitno, u sastavljanju pitanja treba paziti na to da se ne koriste simboli koji u očima ispitanika imaju poseban ugled.

Treba se, potom, paziti i tendecioznih ili pristranih pitanja. A do takvih pitanja mogu dovesti različite vrste pogrešaka. Jedna od njih je, primjerice, pogreška u uvodu. Naime, u uvodu se može dati objašnjenje koje istinito, ali i potiče na pristranost u odgovoru. Pretpostavimo, uostalom, pitanje tipa: «Veto jednog člana Vijeća sigurnosti, koje je rezervirano samo za njegove stalne članove, može blokirati rad čitavog Vijeća. Slažete li se ili ne slažete s pravom veta u Vijeću sigurnosti?». Navedenom pitanju, dakle, prethodi kratko objašnjenje. Ono je, nema sumnje, istinito. Ali, ono stvara atmosferu pristranosti i usmjerava ispitanika da bude protiv. Navedeno se objašnjenje, prema tome, isko je istinito, može smatrati prije propagandom nego uputom i pomoći ispitaniku. Ignorirati, potom, ne treba ni pogrešku u isticanju nekih pojmova u upitniku koji, objektivno, vode jačanju izvjesnih predrasuda. Zamislimo, primjerice, da se u konkretnim hrvatskim okolnostima, postavi pitanje tipa «Smatrate li da Srbi u Hrvatskoj imaju suviše moći i utjecaja?». Kod onih, koji su pod utjecajem frustracija hrvatsko-srpskog rata s kraja XX. stoljeća, ovako formuliranim pitanjem se taj tip frustracija i dojam o nerazmjernom utjecaju domicilnih Srba samo dodatno pothranjuju i u odgovoru na konkretno pitanje pojačavaju.

Sva apostrofirani, ali i mnogi drugi problemi i poteškoće u vezi s verbalnom formulacijom pitanja, tjeraju na razmišljanje što je to, na što treba paziti kako bi se svi ti problemi i poteškoće amortizirali ili u potpunosti izbjegli. Listu preporuka u vezi s tim je kompletirao Rudi Supek (vidjeti, Supek, 1961.). Neke od njih apostrofiramo i u kontekstu ove analize:

Koristi jednostavne riječi koje su poznate svim potencijalnim ispitanicima, dakle i najmanje inteligentnima u populaciju u kojoj se anketiranje hoće realizirati;

Učini da pitanja budu sažeta koliko god je više moguće; Formuliraj pitanje na način da sadrži točno željeno obavještenje; Izbjegavaj višesmislena pitanja; Izbjegavaj dvosmislene odgovore; Izbjegavaj pitanja koja sugeriraju odgovor; Vodi računa o utjecaju uglednih ličnosti; Dopusti sve moguće odgovore, čak i drugačije od ponuđenih; Alternative u pitanjima s višestrukim izborom učini realističnima; Izbjegavaj pitanja koja izazivaju odgovore prema socijalno prihvaćenim

normama i vrijednostima, a kod pitanja kojih bi do izražaja mogao doći jaki konformizam koristi logiku neizravnih pitanja.

5.1.1.4.3. Redoslijed pitanja u upitniku

Upitnik, dakako, nije nasumce nabacana hrpa pitanja. Naprotiv, u njegovu su strukturiranju jako važna pravila kojih se je potrebno pridržavati. Još više, može se govoriti i o strategiji strukturiranja upitnika, posebice strategiji strukture i redoslijeda pitanja. Ili još

81

konkretnije, moguće je govoriti o dva temeljna redoslijeda ili strategije na kojima se mora temeljiti svaki ozbiljno strukturiran upitnik – psihološkoj i logičkoj.

Psihološka strategija profiliranja anketnog upitnika ima zadaću, zapravo, odgovoriti na pitanje kako uspostaviti kontakt s ispitanikom i kako bi se on, obzirom na sadržaj pojedinih pitanja, mogao ponašati tijekom ispitivanja. Da bi, naime, upitnik uopće mogao djelovati kao dobro povezana cjelina, nužno je osiguranje određenih pretpostavki. Među njima apostrofiramo posebice slijedeće:

da interes raste postupno tijekom anketiranja svakog pojedinačnog ispitanika, a to je moguće samo ako je sudjelovanje ispitanika tijekom anketiranja sve jače i sve neposrednije;

da je prijelaz od lakših na teža pitanja neprimjetan, bez velikih skokova; da se izbjegne opasnost preuranjenog ili iznenađujućeg pitanja jer se njime

ispitanika može blokirati, pa i stimulirati ga na odustajanje od sudjelovanja u nastavku anketiranja;

da se izbjegnu pitanja koja mogu izazvati zabunu. Ako takvih pitanja i ima, uz njih obvezno, kako bi se zabuna preduprijedila, mora ići komentar.

Da bi se odgovorilo zahtjevima uspješne psihološke strategije neophodno je, s druge strane, voditi računa i o specifičnostima pojedinih grupa pitanja. Potrebno je, primjerice, znati točno što je osnovna zadaća i smisao početnih ili pristupnih, uvodnih pitanja. A on se, u biti, svodi na to da se izazove interes ispitanika, ali i izbjegne prerano poticanje kontroverzi, odnosno spornih stavova. Stoga se, bez obzira o kojem tipu pristupnih pitanja se radilo – a ona se mogu pojaviti kao informativna, pitanja kojima nas ispitanik obavještava o nekom događaju, svome mišljenju ili nekom drugom osobnom detalju, kao pitanja kojima se traži savjet, kao objašnjavajuća, pitanja kojima se ispitaniku daju određena obavještenja i objašnjenja kako bi i sam mogao stvoriti određeni smisleni sud itd. – preporuča se da se anketiranje započinje s neutralnim i manje značajnim pitanjima jer u protivnom može lakše doći do odustajanja svakog konkretnog ispitanika od nastavka sudjelovanja u anketiranju. S druge strane, potrebno je pridržavati se pravila strukturiranja upitnika na način da je u njemu ispoštivana logika prijelaza od lakših na teža pitanja. Razlog je jednostavan. Što anketiranje dalje odmiče veća je vjerojatnost da će ispitanik teže prekinuti anketiranje ili intervju nego ako se dilema što učiniti pojavi u samom startu. To, opet, znači, da se, što anketiranje odmiče, povećava i spremnost ispitanika da odgovori na osjetljiva pitanja, a iz toga proizlazi i sugestija kako se takvu vrstu pitanja – iako na povećavanje spremnosti utječe i umješnost anketara da se približi ispitaniku – treba postavljati u drugoj polovici upitnika. Važan je, potom, i prijelaz od jedne skupine pitanja na drugu. Pri tome posebnu pozornost treba obratiti na to da on ne bude nagao jer takav može narušiti, pa i prekinuti donekle uspostavljeni kontakt s ispitanikom, ali izazvati i druge negativne učinke. Kako bi se takve posljedice izbjegle preporuča se tijekom anketiranja prakticiranje povremeno rezimiranje prijeđenog, podsjećanje ispitanika da se anketiranje nastavlja prijelazom na novu skupinu pitanja i tome slično.

Logička strategija profiliranja anketnoga upitnika, s druge strane, ima zadaću odgovoriti na pitanje kako postupno prodrijeti u strukturu pitanja ili stavova koji nas zanimaju, a s ciljem dolaženja do što točnijih odgovora na njih. Da bi se, međutim, odgovorilo na tu vrstu pitanja nije dovoljno riješiti problem strukture samo jednog pitanja iz upitnika, nego čitavog niza pitanja koja se odnose na isti problem, i koja u taj problem omogućuju cjelovit uvid. Taj, prema tome, niz ili baterija pitanja pomažu da se potpunije otkrije širina i dosljednost mišljenja, utvrdi do koje su mjere određeno mišljenje ili stav suvisli, duboki itd.

U konstruiranju niza ili baterije pitanja važan je, među inima, i slijed pitanja. Što to znači? Najjednostavnije, da se u redoslijedu pitanja prati logiku samog ispitanika, da redoslijed pitanja što prirodnije prate tijek njegovih misli. Pri tome se, dakako, može misliti na različite dimenzije navedene logike. Jedna od njih se odnosi i na stupanj općenitosti u upitniku postavljenih pitanja. Obzirom na to slijed pitanja može pratiti dvije moguće putanje – putanju lijevka i putanju izokrenutog lijevka. Putanja lijevka u slijedu pitanja prema stupnju njihove općenitosti znači započinjanje s najopćenitijim i najmanje ograničenim i put od njih prema sve konkretnijim i sve specifičnijim pitanjima. Ciljevi takvog pristupa su višestruki. No, među njima treba izdvojiti i sprečavanje ranog uvjetovanja ili pristranosti odgovora na pitanja koja tek trebaju uslijediti. S druge strane, putanja izokrenutog lijevka podrazumijeva potpuno suprotnu putanju – započinjanje, dakle, s konkretnim i specifičnim i

82

postepeni prijelaz od njih prema općenitijim i najopćenitijim pitanjima. Već na prvi pogled je izvjesno da se ovakvim pristupom slijedu pitanja gubi osnovna prednost putanje lijevka. No, putanja izokrenutog lijevka ima i nekih prednosti. Ispitaniku, primjerice, koji nema izgrađeno mišljenje, ona pomaže da zauzme stav u zasebnom, izdvojenom slučaju, a potom da ga, putem misaone indukcije, postepeno proširuje do općenitijih stavova.

Jednu od strožih formi manifestacije logike slijeda pitanja predstavljaju i skale stavova. No, o njima će biti riječi u zasebnom poglavlju.37

5.1.1.4.4. Zaključne sugestije za pravljenje upitnika

Sve ono što je, u vezi s pravljenjem anketnoga upitnika, do sada apostrofirano, potrebno je, po našem sudu, sažeti u preporuke ili sugestije, kojih se pri pravljenju upitnika treba pridržavati. Među njima ukazujemo posebice na slijedeće:

Dio upitnika, koji slijedi odmah nakon kratke obavijesti ispitanicima što je cilj ankete i i u kojoj se apelira na njihovu suradnju u njezinoj realizaciji38, su osobni podaci o ispitaniku. Oni se, doduše, iako smo skloni uvjerenju da je to manje dobro – jer se osobnim podacima, ako su na samom početku, ispitanika također uvodi u postupak anketiranja i pridobiva za suradnju - mogu naći i na kraju upitnika. Izabrali, međutim, jedno ili drugo, važno je da osobni podaci moraju biti grupirani zajedno, a nikako na način da ih se dio nalazi na jednom, a dio na drugom mjestu. Osobni podaci, osim u rijetkim slučajevima – a tada se to saopćava i ispitaniku – ne uključuju ime i prezime ispitanika. Dapače, anketa je u pravilu anonimna, a to se apostrofira i u samom zaglavlju anketnog upitnika. Stoga, pored imena i prezimena od ispitanika se ne preporuča tražiti ni druge podatke koji – kao, primjerice, datum i mjesto rođenja - posredno mogu otkriti identitet ispitanika.

Izuzmu li se osobni podaci – i u slučaju da se oni nalaze na početku – upitnik u pravilu započinje pitanjima neutralnog emocionalnog značenja za ispitanike, ali u vezi s problemom koji se ispituje i s osnovnim zadatkom da se njima izazove interes i usmjeri pažnja ispitanika na upitnik. Pored pitanja o osobnim podacima to su najčešće ona koja se tiču općih tema i problema.

U planiranju redoslijeda pitanja preporuča se logika putanje od lakših prema težim pitanjima jer je ona najefikasniji način da ispitanik što brže osjeti napredak i veže se da istraje do kraja. Kada se, sukladno tome, i u slučaju da je upitnik veći, očekuje da bi kod ispitanika – dijelom i zbog težine pitanja – mogao nastupiti zamor, preporuča se ubacivanje nekolicine lakših pitanja koja ga ponovno stimuliraju.

Teška i delikatna pitanja, ili ona koja izazivaju dosadu, u pravilu treba smjestiti u dio upitnika kada se očekuje da ispitanik već dobro surađuje.

Pitanja se najčešće grupiraju prema sadržaju ili predmetu informacije. Pri tome se prijelaz od jedne grupe pitanja na drugu osigurava pogodno sročenim frazama tipa, primjerice, «Sada nas zanima Vaše mišljenje o…» ili «Sada ćemo prijeći na pitanja o…» i tome slično. U svakom slučaju, treba upotrijebiti određenu frazu koja informira ispitanika da je s jednom grupom pitanja završeno i da promjena smisla u pitanju koje slijedi nije ništa što bi mu trebalo izazvati nevjericu.

Ako u strukturiranju upitnika postoji opredjeljenje i na izvjestan broj otvorenih pitanja – mada se ona, zbog otežane statističke obrade podataka, najčešće izbjegavaju – potrebno je voditi računa da se ispitaniku za odgovor ostavi dovoljno prostora.

Na kraju upitnika, posebice ako ga popunjava sam anketar, unose se i podaci o datumu anketiranja, te ime anketara, jer oni služe za lakše sređivanje i obradu upitnika.

Na koncu, pitanja trebaju biti formulirana na način da, prostorno promatrano, zauzmu što manje mjesta, pri čemu to ne smije biti učinjeno na štetu preglednosti i lakog čitanja.

Ništa manje od navedenih, međutim, važne nisu ni slijedeće sugestije: Terminologija i verbalni oblik pitanja trebaju biti prilagođeni naobrazbi i rječniku

ispitanika. Ako su oni kod ispitanika različiti, terminologija i verbalna formulacija moraju biti prilagođeni ispitanicima s najlošijom naobrazbom i najsiromašnijim rječnikom.

Anketom, budući je anketiranje jedan od skupljih izvora informacija, ne treba ni tražiti podatke koji se mogu pribaviti iz drugih izvora.

37Vidjeti o tome poglavlje 5.1.3. Skaliranje38O tome vidjeti poglavlje 5.1.1.5.2. Uvod anketi

83

Raspored pitanja u anketnom upitniku mora biti takav da odgovor na jedno ne utječe i na odgovor na drugo pitanje. Ako su, primjerice, u upitniku jedno za drugim naredana pitanja koja se tiču mišljenja ispitanika o cijenama, snabdjevenošću trgovina proizvodima itd. – koja kod njih po zakonu vjerojatnosti izazivaju ljutnju, negodovanje – nije preporučljivo odmah iza njih postaviti i pitanja kojima se želi doći do mišljenja o poštenju trgovca ili tome slična jer će, u stanju osobne ljutnje, ispitanik biti više kritičan i prema osoblju. Takva pitanja, drugim riječima, treba odvojiti i smjestiti ih u dio upitnika za koji je pretpostaviti da je, obzirom na vrijeme između pitanja, omogućio relativno hlađenje ispitanika, a time i stvorio mogućnost za iskren odgovor.

Iako se lako obrađuju, pitanja s dihotomnim odgovorima tipa «da» - «ne», «odobravam» - «ne odobravam» i sličnima, nezgodna su za opredjeljivanje ispitanika jer se između tako formuliranih krajnosti teško odlučiti. Zato ta vrsta pitanja često, ponekada i najgušće frekventan imaju odgovore tipa «ne znam».

Ako i postoji opredjeljenje na pitanja s dihotomnim odgovorima, pozornost se preporuča obratiti na riječi kojima se alternative formuliraju jer neke od njih jače, a druge slabije naglašavaju ponuđene alternative, a time izazivaju i različite odgovore. U takvim slučajevima – kakva su, primjerice, pitanja u kojima se koriste riječi «dozvoliti» i «zabraniti» - se preporuča isticanje u pitanju i jedne i druge riječi.

Za razliku od pitanja s dihotomnim odgovorima prevelik broj ponuđenih odgovora u pravilu će dovesti do nepotrebnog usitnjavanja izabranih alternativa iako se, u biti, radi o istoj vrsti mišljenja ispitanika. Stoga se preporuča izbjegavanje i te vrste krajnosti, tim prije jer prosječni ispitanik, prema mišljenju mnogih metodologa, može pamtiti najviše do šest različitih, alternativno ponuđenih odgovora.

Paziti se, isto tako, treba i predugačko formuliranih alternativnih odgovora jer oni mogu dovesti do nerazumijevanja pravog smisla, a u nekim slučajevima i do odustajanja ispitanika jer ih zamara duže razmišljanje za koju od ponuđenih alternativa se opredijeliti.

Na rezultat anketiranja može utjecati i redoslijed ponuđenih odgovora. Značajan dio ispitanika, onih koji nemaju znanje ili izgrađene stavove u vezi s konkretnim pitanjem, opredjeljuje se za odgovore pozicionirane u sredini ili malo iznad toga, te za odgovore srednjih vrijednosti. Stoga je, pri izradi upitnika, uputno voditi računa da je je polovica pitanja, lociranih u različitim dijelovima upitnika, složena na taj način, a druga polovica po potpuno suprotnoj logici – da joj se točni odgovori nalaze u drugoj polovici ponuđenih odgovora.

U formulaciji pitanja se preporuča izbjegavanje njihove personalizacije jer se prosječni ispitanik lakše opredjeljuje ukoliko se s njim komunicira u trećem licu nego u prvom.

Neophodno je čuvati se nejasnih pitanja jer ona ne omogućuju ni jasne odgovore. Takvo je, primjerice, pitanje tipa «Jeste li zadovoljni našim proizvodom?» jer se iz njega ne vidi ni kojim proizvodom, ni čime u vezi s njim – cijenom, dizajnom ili nečim trećim.

Izbjegavati, dakako, treba i pitanja koja sadrže stereotipne stavove jer ona za rezultat imaju i stereotipne odgovore a ne onakve kakvi odražavaju stvarne stavove ispitanika.

Izbjegavati, na koncu, treba i pitanja koja se odnose samo na jedan dio ukupne populacije, pa prema tome i na samo jedan dio ispitanika uključenih u uzorak. Razlog je jednostavan. Za sve ostale, na koje se takva pitanja ne odnose, ili oni ne znaju njihovo značenje, takva su pitanja i besmislena.

5.1.1.5. Anketiranje

Neovisno o tome radi li se o anketi kao pismenom prikupljanju podataka ili intervjuu, u postupku prikupljanja podataka pomoću upitnika daju se identificirati neke zajedničke osobitosti.

Prvo, anketiranje ne podrazumijeva samo suhoparne odgovore na pitanja u anketnom upitniku. Dapače. Provođenju ankete, naime, često prethodi i predispitivanje čija je funkcija provjera upitnika ili pojedinih njegovih dijelova, te dogradnja istih ukoliko se za to pokaže potreba. S druge strane, odgovorima na pitanja u upitniku uvijek prethodi i svojevrstan uvod, razgovor anketara s ispitanikom. Faktički, anketiranje je sastavljeno od tri vrste radnji – predispitivanja, uvođenja u anketiranje i provođenja ankete.

84

5.1.1.5.1. Predispitivanje

Predispitivanje je postupak koji se prakticira i prije izrade anketnoga upitnika, ali i nakon njegove izrade, a prije terenskog provođenja anketiranja. Čini li se to prije izrade anketnog upitnika ciljevi mogu biti različiti – da se provjeri valjanost različitih indikatora koji se u upitniku kane koristiti, da se sistemom otvorenih pitanja dođe do odgovora na pitanje koju to vrstu zatvorenih pitanja primijeniti, na što se ona trebaju odnositi i slično.

Predispitivanje se, međutim, često prakticira i nakon izrade anketnoga upitnika, a prije provođenja ankete. Ono također ima višestruku funkciju. U funkciji je, prije svega, generalne probe, svojevrsnog testa valjanosti izrađenog anketnog upitnika – je li anketni upitnik dovoljno zanimljiv da može motivirati ispitanike, koliko je vremena neophodno potrošiti za provođenje jednog anketnog ispitivanja, koliko će anketara biti neophodno za njezinu realizaciju, koliko će terenski rad stajati novca i tome slično.

Svi ti detalji naizgled mogu izgledati i beznačajnima. Stvarno, međutim, njihovo je značenje i više nego relevantno. Pogreška, primjerice, u procjeni trajanja jednog anketiranja pod znak pitanja može dovesti čitav posao i to iz različitih perspektiva. S jedne strane, produljeno trajanje prosječnog anketiranja povećava troškove terenskoga dijela posla, produljuje rokove, a destimulirajuće, ako je prekoračenje veće, može djelovati i na same ispitanike. Slične efekte izazvati može i nedovoljna motivacijska snaga urađenog upitnika, njegova monotonija i dosada kao posljedica te činjenice. Drugim riječima, funkcija predispitivanja je izbjegavanje svih tih, ili tome sličnih, posljedica.

5.1.1.5.2. Uvod anketi

Uvod u anketu je, zapravo, sastavljen od dva dijela. Jedan od njih je sastavni dio samog anketnog upitnika. U njemu, a on prethodi pitanjima koji čine predmet anketiranja, ispitanika se nastoji uvesti u anketnu situaciju. Sukladno tome, taj dio anketnoga upitnika i ima zadatak odgovoriti na nekoliko elementarnih pitanja – što se anketiranjem želi postići, ubog čega se anketa provodi, zašto se od ispitanika očekuje da u anketi sudjeluje i dade iskrene odgovore, istaknuti anonimnost koja je anketom osigurana, te zahvaliti ispitanicima na suradnji i iskrenim odgovorima. Primjer takvog uvoda, odnosno upute, prikazan je i u slučaju ankete o lokalnim izborima, provedenim u BiH 2004. godine, i očekivanjima u vezi s njima kod građana ove zemlje.

UNDP URED U SARAJEVU

ANKETALOKALNI IZBORI I OČEKIVANJA GRAĐANA BIH

U našoj zemlji upravo su obavljeni lokalni izbori, značajni i po tome što smo na njima prvi put bili u prilici da neposredno biramo općinske načelnike. Ishod izbora, odnosno struktura osvojenih mandata po strankama uglavnom je poznata, mada definitivni službeni rezultati još uvijek nisu objavljeni.

Svakako da ste i osobno upoznati s rezultatima općinskih izbora. Stoga Vas molimo da se odazovete ovoj anketi, kroz koju želimo, preko reprezentativnog uzorka populacije, utvrditi odnos građana prema ovim izborima i njihovim rezultatima, te Vaša očekivanja od novoizabranih općinskih načelnika i novih saziva općinskih skupština.

Želimo Vas podsjetiti da je anketa anonimna i da će Vaši odgovori biti korišteni isključivo u svrhu sociološko-politološke analize. Iskreno se nadamo da ćete surađivati u ovom našem zajedničkom poduhvatu.

UNDP SARAJEVO

Drugi dio uvoda u anketu je razgovor kojeg, prije samog anketiranja, s ispitanikom obavlja anketar. Njegov je smisao da se ispitanika dobije za suradnju i potakne na slobodne i iskrene odgovore. Da bi se to i osiguralo anketar se svakom od ispitanika ima obvezu predstaviti i navesti instituciju koja provodi istraživanje. S druge strane, mora uspostaviti komunikaciju i atmosferu kojom kod ispitanika izaziva povjerenje prema sebi i instituciji u

85

ime koje nastupa. Na koncu, u takvom mu je razgovoru obveza i da pojasni temu anketiranja.

Takvim pristupom anketar, zapravo, nastoji izazvati motivaciju ispitanika za sudjelovanjem u anketiranju. Forme te motivacije su, dakako, dosta različite. Motivacija se, još konkretnije, može pojaviti u formi altruističke – motivacije koja proizlazi iz spoznaje da ispitanik svojim sudjelovanjem u anketiranju pomaže znanstvenom osvjetljavanju problema kojeg se istražuje – pragmatične, odnosno motivacije koja je vezana za spoznaju da se od anketiranja ima i određena korist pa se ta korist i posebno apostrofira, itd. Dio motivacije, primjerice, može biti vezan i za spoznaju da, budući je anketa anonimna, ispitanici na postavljena pitanja mogu odgovarati bez bojazni, slobodno i iskreno.

5.1.1.5.3. Provođenje ankete

Provođenje ankete se, kako je i istaknuto, može realizirati na više načina – individualnim kontaktom s ispitanikom, grupnim anketiranjem, poštanskim upitnikom, te telefonskim anketiranjem. Neovisno, međutim, o tome koji od načina se primijeni, od toga kako se anketa provede ovise i dobiveni rezultati, ali i troškovi njezina koštanja. Od toga, opet, što anketom želimo dobiti ovisi i koji je način za njezino provođenje najefikasniji. Želi li se, primjerice, prikupiti podatke koje ispitanik smatra dijelom svoje intime, teško da se do njih može doći individualnim anketiranjem. Grupno anketiranje je u takvim slučajevima puno efikasnije.

S druge strane, o vrsti i sadržaju istraživanja ovisi i nastup anketara. On također, s obzirom na atmosferu koju anketar stvara, može biti slojevit. Apostrofiramo posebice tri moguća nastupa anketara:

a) Blago ispitivanje, koje se koristi u predispitivanjima ili kao dodatno ispitivanje u znanstvenim istraživanjima. Odlikuje ga strpljivost anketara i spremnost na slušanje onoga što mu ispitanik pripovijeda. Razlog takvom stavu anketara je svijest da se na takav način ispitanika može motivirati na «otvaranje» i spremnost da kaže i ono što inače ne bi.

b) Neutralno anketiranje, koje je najučestalije, i koje podrazumijeva standardan postupak uspostavljanja normalne atmosfere u komunikaciju dviju osoba na zadatku koji je ipak specifičan.

c) Strogo istraživanje, za razliku od prethodna dva, karakterizira činjenica da je pod veoma strogom kontrolom anketara, da on inzistira na odgovorima koji su konkretni i bez pokušaja zaobilaženja. Naravno, da bi takvo anketiranje uopće bilo moguće neophodan je, nakon što ga se o karakteru ispitivanja detaljno informira, prethodni pristanak ispitanika.

5.1.1.6. Uzorak Uzorak je dio ukupne populacije koji se podvrgava anketiranju. Taj dio ispitivane

populacije, dakle uzorak, mora biti reprezentativan, tj. mora posjedovati sve značajke skupine koju predstavlja.

Uzorak se može pojaviti u dva oblika: kao slučajni i kao stratificirani. U čemu su njihove specifičnosti?

Slučajni uzorak je dio populacije koji se podvrgava anketiranju, a koji se dobiva odabirom nasumce. Bira se, dakle, svaki drugi, ili treći, peti član skupine itd. Međutim, tako sastavljen uzorak može biti reprezentativan, ali i ne mora.

Stratificirani (slojeviti) uzorak ima posve drugo načelo konstitucije. Do njega se dolazi tako da se ukupna populacija, na temelju određenih značajki, dijeli na «tipične slojeve» - npr. po spolnoj, dobnoj, profesionalnoj, stratifikacijskoj i drugim značajkama - a onda se iz njih nasumce uzima određen broj ispitanika prema udjelu njihove skupine u ukupnoj populaciji. Prema tome, stratificirani uzorak isključuje mogućnost da ne bude tipična slika skupine. Stoga je i mnogo pouzdaniji kao primijenjeni postupak u znanstvenim istraživanjima. 5.1.1.6.1. Pojam uzorka

Kad god se želi saznati javno mišljenje u vezi s nečim, ima se posla s masovnom pojavom. Želimo, primjerice, utvrditi kakvo mišljenje o novom proizvodu na tržištu imaju potrošači, kakav je odnos studentske populacije prema reformi visokoga obrazovanja, što

86

građani misle o socijalnoj politici vlade itd. Do takvog javnog mišljenja ili stavova, onoga dakle što se odnosi na ukupnu populaciju jednog mjesta, dijela države ili države u cjelini, moguće je doći na dva načina:

a) Potpunim popisom, odnosno obuhvatom svake jedinice određene populacije (radne ili stambene jedinice, mjesta ili njegova dijela, kraja, dijela države ili države kao cjeline itd.). Ovaj se, međutim, način prikupljanja empirijskih podataka veoma rijetko koristi ako se radi o masovnim skupinama. Više je razloga tome. On je, prije svega, vrlo skup i traži mnogo vremena, kako za terenski dio njegova provođenja, tako i za posao obrade dobivenih podataka. Njime se, potom, ne moraju uvijek dobiti točni i pouzdani podaci. Naprotiv. Na koncu, tijekom takvog prikupljanja empirijskih podataka kod stanovništva mogu biti izazvane i reakcije koje za posljedicu imaju rezultate koji nisu odraz njihovih normalnih reakcija i stavova.

b) pomoću uzorka, odnosno manjeg, ali reprezentativnog presjeka ukupne populacije koji se podvrgava anketiranju. Iskustvo s njegovim korištenjem, naime, pokazuje da rezultati, do kojih se korištenjem reprezentativnog uzorka dođe, mogu vjernije od potpunog popisa oslikavati raspoloženje, stavove i mišljenje ukupne populacije koja je predmet znanstvenog interesa.

U vezi s odabirom uzorka pozornost zaslužuje nekoliko temeljnih pojmova. U kontekstu ove analize apostrofiramo ih pet:

a) Pojam osnovnog skupa, odnosno masa obuhvaćena obilježjem (ili obilježjima) koje se želi ispitati. Ona, dakako, može biti različito određena. Osnovni skup, drugim riječima, mogu činiti svi građani jedne države – npr. žitelji BiH, svi koji u BiH žive. Osnovni skup mogu biti pripadnici jednog naroda – recimo jedne etničke skupine koji žive u BiH, ali i svugdje drugdje u svijetu. Osnovni skup, potom, može činiti jedna dobna, spolna, profesionalna, obrazovna ili neka druga skupina unutar jedne zemlje ili dijela zemlje – primjerice, djevojke između 20 i 25 godina života, studentska populacija, samo muška populacija itd.

Posebno je, u ovom kontekstu dakako, i pitanje odnosa osnovnog skupa i podskupa, odnosno stratuma. O čemu se radi? Još konkretnije, kako definirati podskup ili stratum? Najjednostavnije, u pitanju je dio šireg skupa. Ako se, primjerice, kao skup definiraju žitelji jedne zemlje, onda su muškarci i žene dva podskupa ili stratuma tako definiranog osnovnog skupa. Uzmu li se, međutim, samo muškarci, ili samo žene, kao osnovni skup, njihovi podskupovi ili stratumi su skupine prema dobnoj strukturi, prema obrazovnoj strukturi, regionalnom pripadanju i slično.

b) Odabiranje ili projektiranje uzorka, odnosno postupak zahvaljujući kojem se

preko dijela cjeline omogući opis ili ocjena izvjesnih obilježja i osobina čitave te cjeline. Ono, dakako, može biti utemeljeno na različite načine. Dva među njima su najbitnija. Jedno je odabiranje utemeljeno na računu vjerojatnosti ili slučajno odabiranje. U pitanju je, zapravo, odabiranje kod kojeg za svaki element u osnovnom skupu postoji ista vjerojatnost da bude izabran u uzorak. Na tom tipu odabiranja nastaju, primjerice, jednostavni slučajni uzorak, stratificirani slučajni uzorak, te različiti tipovi grupnih uzoraka. Drugo je, opet, odabiranje koje ne počiva na računu vjerojatnosti. Na tom tipu odabiranja nastaju prigodni, kvotni i namjerni uzorak.

Dakako, nemoguće je dati recept kada i koji od navedenih tipova odabiranja koristiti. Izvjesno je, naime, da svaki od njih ima svojih i dobrih i loših strana. Odabiranje na računu vjerojatnosti, tako, omogućuje da se strogo matematičkim putom odredi reprezentativnost uzorka. Određene prednosti, međutim, imaju i odabiranja koja nisu utemeljena na računu vjerojatnosti. Bolje se, primjerice, prilagođavaju uvjetima ispitivanja, ekonomičnija su u pogledu troškova itd. Prema tome, koji će od ovih tipova odabiranja biti primijenjen ovisi, prije svega, od predmeta i ciljeva ispitivanja.

c) Reprezentativnost uzorka, odnosno svojstvo da uzorak odražava svojstva čitave populacije u odnosu na obilježje koje je predmet ispitivanja, tj. da se iz uzorka mogu očekivati rezultati identični onima koji bi se dobili i iz čitave populacije. Kod izbora uzorka za istraživanje stavova, vjerovanja, potrošačkih sklonosti i želja obraća se pozornost da uzorak bude reprezentativan posebice u odnosu na neka obilježja – visina primanja, dob, spol, mjesto stanovanja, a u višenacionalnim društvima – kakvo je, primjerice, bosansko-hercegovačko – i u odnosu na nacionalnu pripadnost.

87

d) Preciznost i točnost uzorka. Što podrazumijeva jedno, a što drugo? Pod preciznošću se podrazumijeva razina u kojoj se niz mogućih ocjena, dobivenih na osnovu uzorka, poklapa s pravim vrijednostima populacije. Kakva će ona biti ovisi, prije svega, od načina na koji je odabran uzorak. Što su, primjerice, pogreške ili pristranosti uvjetovane izborom uzorka, manje, preciznost će biti veća. Vrijedi, dakako, i obrnuto.

Promatrano samo za sebe, što je uzorak veći, što se on približava osnovnom skupu, trebao bi biti i precizniji. No, ne mora biti tako. Veći je, dakle, broj varijabli od kojih to ovisi. Jedna od njih je, primjerice, varijabilnost obilježja koje se mjeri. Manji uzorak kod ispitivanja inteligencije šestogodišnje djece biti će pouzdaniji od većeg kod ispitivanja istog obilježja odraslih jer je varijabilnost inteligencije šestogodišnje djece objektivno manja od one odraslih ljudi. Jedna od varijabli, potom, u vezi je i s veličinom jedinice uzorka. Uzorak, primjerice, na kojem se ispituju određeni stavovi građana BiH, nije isto pouzdan – bez obzira što je iste veličine – ako je sastavljen od određenog broja osoba samo jedne, recimo hercegovačke regije i u slučaju da u njegov sastav ulaze građani iz svih dijelova te zemlje. Jasno je da će ovaj drugi vjernije oslikavati navedeno obilježje građana BiH kao osnovnog skupa. Veći uzorak, na koncu, ne znači i vjerniju sliku osnovnoga skupa ukoliko on nije i vjerna slika stratifikacije društva, ili dijela društva koje se kao osnovni skup pojavljuje. Veći uzorak, primjerice, koji je sastavljen od pripadnika samo jednog socijalnog, spolnog, obrazovnog i dobnog sloja puno je manje vjerna slika društva od manjeg ako on odražava i tu strukturu.

S druge strane, točnost ili pedantnost podrazumijeva odsustvo ili barem svođenje na minimum pristranih, nestatističkih ili sistematskih pogrešaka do kojih može doći u prikupljanju ili, pak, obradi prikupljenih podataka. Takve se pogreške daju izbjeći pažljivim planiranjem, ali i realiziranjem i kontrolom anketnih postupaka.

e) Veličina uzorka. Često se, naime, postavlja pitanje koliko je veliki uzorak potreban da bi se dobila pouzdana slika osnovnoga skupa? Često se, potom, može naići i na logiku kako je veći uzorak automatski i pouzdaniji. Istina je, međutim, da veličina, sama za sebe, kako je već navedeno, automatski ne osigurava pouzdanost određenog uzorka. Dapače. Pouzdanost više zavisi od reprezentativnosti uzorka nego od broja jedinica koje on obuhvaća. I neuobičajeno mali uzorci, naime, ako su reprezentativni, osiguravaju pouzdanost uopćavanja dobivenih rezultata na ukupnu populaciju koja je predmet istraživanja. S druge strane, ni neuobičajeno velik uzorak, ako nije reprezentativan, neće za rezultat imati pouzdano uopćavanje dobivenih rezultata na ukupnu populaciju. No, istina je i to da je veličina uzorka bitan činitelj njegove pouzdanosti. Promatrano, naime, izvan utjecaja ostalih varijabli pouzdanost uzorka odgovara drugom korenu njegove veličine. To, drugim riječima, znači da šesnaest puta veći uzorak ne daje i šesnaest, nego tek četiri puta veću pouzdanost.

5.1.1.6.2. Vrste uzorka

Podjelu uzoraka moguće izvršiti na različite načine. U kontekstu ove analize preferirana je podjela prema tri osnovna kriterija. Po osnovu njih, još konkretnije, moguće je govoriti o tri najučestalije grupe uzoraka:

- uzorci koji nisu odabrani na osnovu teorije vjerojatnosti,- uzorci nastali na osnovu teorije vjerojatnosti, te- mješoviti tipovi uzorkaNavedene grupe uzoraka su, dakako, i predmet analize koja slijedi.

5.1.1.6.2.1. Uzorci koji nisu odabrani na osnovu teorije vjerojatnosti

U ovoj grupi češće od ostalih pojavljuju se posebice tri vrste uzoraka – prigodni, kvotni i namjerni. O kakvim se, dakle, vrstama uzoraka radi?

Prigodni uzorak je sastavljen od niza slučajeva do kojih se u određenom momentu jedino moglo doći ili su nam se slučajno, zahvaljujući određenoj prigodi, našli pri ruci. Takav nam uzorak, primjerice, može predstavljati skupina studenata koja nam se u određenom momentu nalazi na predavanju. Takvim se uzorkom, potom, ako nam je nakana, primjerice, ispitivanje mogućnosti suživota u BiH, mogu smatrati i mišljenja čitatelja koji o

88

toj vrsti pitanja pišu u jednom ili većem broju bosanskohercegovačkih tjednika, i tome slično.

Koja je, međutim, vrijednost prigodnih uzoraka? Mogu li se oni smatrati reprezentativnima? U načelu, radi se o tipu uzoraka koji nisu reprezentativni. No, postoje situacije kada to mogu biti. Takve su, primjerice, situacije kada se istraživanje odnosi na funkcionalne i dinamičke osobine pojedinaca ili grupa – ako se, recimo, ispituju zakonitosti interakcije i uopće grupne dinamike one, iako su izvedene iz prigodnog uzorka, mogu biti reprezentativne za čitavu grupu sličnih pojedinaca kao što je grupa iste dobi, istog spola, istog socijalnog statusa i slično.

Kvotni uzorak se najčešće koristi u ispitivanju javnog mišljenja, a temelji se na tri osnovna postupka, i to na:

- izboru utvrđenih obilježja populacije koja služe i kao osnova za odabir uzorka, - određivanju proporcija populacije koja posjeduje ova obilježja, te- određivanju kvota za anketare koji trebaju odabrati određeni broj osoba s

utvrđenim obilježjima tako da odgovaraju proporcijama svake grupe ili podgrupe u ukupnoj populaciji

Izbor, dakle, obilježja koja se moraju podudarati između uzorka i ukupne populacije je jedan od osnovnih postupaka u utvrđivanju kvotnog uzorka. Radi li se o ispitivanju javnog mišljenja, u funkciji tog tipa obilježja najčešće su spol, dob, veličina i karakter mjesta stanovanja, socijalno-ekonomski status, a nerijetko i nacionalna, religijska i rasna pripadnost, obrazovanje i slično. Kako se formira kvotni uzorak pokazuje i slijedeći primjer:

KVOTE NAZNAČENE ANKETARU ZA JEDAN GRADOsnovna srednja Visoka Total

Kvote po spoluMuškarci

Žene 1011

2022

87

3840

21 42 15 78Kvote po dobi

Do 35Iznad 35

714

2319

105

4038

21 42 15 78

Prethodni primjer je sastavljen od kvota po osnovu dva obilježja – spola i dobi. No, u njemu su prikazane i tri potklase po osnovu obrazovanja. Struktura kvota je, dakako, mogla biti složenija i po osnovu osnovnih obilježja – kvota, ali i po osnovu svrstavanja u potklase. Takva složenost strukture u pravilu i prati kvotne uzorke.

U čemu je, prema tome, bit utvrđivanja kvota? Tajna je, jednostavno, u tome da istraživač određuje postotak pojedinaca s određenim obilježjem koji je zastupljen u uzorku, kako bi on odgovarao njihovoj zastupljenosti u osnovnom skupu. Bit kvota je, prema tome, u tome da omoguće reprezentativnost uzorka. S druge strane, odabir u okviru utvrđenih kvota je prepušten anketaru na principu prigodnog odabira. Princip kojeg se, pri tome, anketar ima pridržavati jeste princip raspršenosti uzorka u ukupnoj populaciji, te dovoljan broj slučajeva unutar svake kvote kako bi valjana mogla biti i analiza dobivenih podataka.

Namjerni uzorak, koji se koristi posebice u istraživanju javnog mišljenja i tržišta, je proizvod namjernog odabira slučajeva za koje se smatra kako su «najtipičniji» za populaciju koja se istražuje. Dvije su pretpostavke takvog odabira posebno relevantne – dobar uvid u određenu populaciju s jedne, te dobro prosuđivanje o tome koji slučajevi mogu biti «tipični», odnosno mogu dati zadovoljavajuće rezultate za potrebe svakog konkretnog istraživanja. Dakako, pri tome je važno da se utvrdi i što se ima smatrati «tipičnim», da se, drugim riječima, izdvoje objektivni parametri u utvrđivanju onoga što je tipično obilježje za neku populaciju. 5.1.1.6.2.2. Uzorci nastali na osnovu teorije vjerojatnosti

U grupi uzoraka, nastalih na osnovu teorije vjerojatnosti, izdvajaju se dvije vrste njih – jednostavni i stratificirani slučajni uzorak. Što su odlike jednog, a što drugog?

O jednostavnom slučajnom uzorku se radi u slučaju ako je izbor ispitanika takav da se svakom članu osnovnog skupa, svakom članu populacije koja je predmet istraživanja,

89

osigura ista vjerojatnost da bude izabran u uzorak. Slučajnost izbora osigurava se različitim postupcima. Apostrofiramo posebice dva:

a) Lutrijski izbor za koji je neophodna pretpostavka prethodno napravljen popis svih jedinica osnovnog skupa i to s rednim brojem ispred svake od njih. Nakon toga se redni brojevi napišu na posebne papiriće koji se izmiješaju, a potom ih se između njih nasumice izvlači onoliko koliko se jedinica hoće izabrati u uzorak.

b) Tabela slučajnih brojeva, koja čitav postupak bitno skraćuje. I ona, doduše, podrazumijeva popis svih jedinica populacije koja je predmet istraživanja. Ali, za razliku od lutrijskog izbora kod nje s brojevima ispisane papiriće zamjenjuje tabela u kojoj su brojevi već lutrijski raspoređeni i samo ih treba očitavati. Način na koji se to radi prikazan je u slijedećem primjeru.

Jednostavni slučajni uzorak ima i svojih prednosti i svojih nedostataka. Prednost mu je, primjerice, da za formirati ga nije uopće potrebno poznavanje obilježja populacije koja služi kao osnovni skup, da bolje pokazuje varijabilnost populacije, a to, onda, znači da se uzorak, što se više povećava, više i podudara s osnovnim skupom, obilježjima ukupne populacije koja je predmet istraživanja itd. Ništa manji mu, međutim, nisu ni nedostaci. Za jednostavni slučajni uzorak je, recimo, potrebno imati prethodno potpuno kategoriziranu masu iz koje ga se odabira a to, objektivno traži više i vremena i novca.

Stratificirani slučajni uzorak je vrsta uzorka koja u mnogome podsjeća na kvotni. U njemu se, naime, kao i u kvotnom, prema nekim obilježjima populacije prethodno utvrde određeni razredi i li grupe. No, razlika postoji. Kod kvotnog se uzorka, kako je već i navedeno, jedinice iz svakog razreda ili grupe izvlače po principima prigodnog uzorka. Kod stratificiranog slučajnog uzorka se, međutim, one izvlače po principu slučajnog odabiranja.

S druge strane, stratificirani slučajni uzorak se može formirati na različite načine. Ovisno o tome koji je način primijenjen moguće je govoriti o dvije podvrste ovih uzoraka. Jedan je proporcionalni stratificirani slučajni uzorak kod kojeg svi razredi ili podgrupe zadržavaju proporcije koje imaju i u osnovnom skupu ili populaciji koja se istražuje. Drugi se označava kao neproporcionalni stratificirani slučajni uzorak a odlika mu je da su proporcije iz osnovnog skupa u uzorku napuštene. Razlozi za to su racionalni. Primjerice, moguće je da su neke grupe u populaciji koja se istražuje slabo zastupljene. Ako bi se poštivao princip proporcije takve bi grupe u uzorku bile toliko beznačajno zastupljene da bi bila nemoguća obrada dobivenih rezultata istraživanja u vezi s njima. Stoga se njihov udio u uzorku uvećava u odnosu na onaj koji bi proizlazio iz zakona proporcije s osnovnim skupom.

Dakako, i stratificirani slučajni uzorak ima i svojih prednosti i svojih nedostataka. Prednost mu je, primjerice, što onemogućava da iz istraživanja bude ispuštena ijedna iz populacije zanimljiva grupa. Nedostatak mu je, među inim, i to što stratifikacija podrazumijeva dobro poznavanje raspodjele određenih obilježja u osnovnom skupu, odnosno populaciji koju se istražuje.

5.1.1.6.2.3. Zonski uzorak kao vrsta mješovitog tipa uzoraka

Mješoviti tipovi uzoraka su česta pojava kod tzv. više-etapnih, odnosno uzoraka kod kojih se u jednoj etapi može primijeniti jedan, a u drugoj sasvim drugi postupak izbora jedinica u uzorak. Jedan od onih koji pripada ovom tipu uzoraka, je tzv. zonski uzorak. U pitanju je vrsta uzorka koja se često primjenjuje u ispitivanju javnog mišljenja, a koja ima određenih prednosti u odnosu na kvotni. Najbitnija od njih je vezana uz činjenicu da se kod zonskog uzorka isključuje zavisnost od kvota čiji izbor je, u pravilu prepušten anketaru. Umjesto toga, kod zonskog su uzorka unaprijed određene jedinice koje ulaze u uzorak. Dakako, da bi to bilo moguće neophodna je pretpostavka posjedovanje pouzdanih demografskih podataka, koji se dobivaju popisima stanovništva, iz kojih je moguć uvid u gustoću i obilježja stanovništva za populaciju koja je predmet istraživanja – na razini zemlje, pojedinih njezinih dijelova, gradova itd.

Kako se, dakle, pravi zonski uzorak? Ako je predmet istraživanja stanovništvo cijele zemlje, nju se prvo treba podijeliti na veći broj regija ili zona, u kojima će se vršiti ispitivanje, a potom između njih postupkom slučajnog odabira izabrati izvjestan broj regija pravilno raspoređenih po cijeloj zemlji. Time, međutim, podjela i ne završava. Tako dobivene zone se, potom, dijele na gradske i seoske zone, a njih, opet, na pojedine segmente – u gradu blokove kuća, a u selu zaseoke ili kvartove. Iz tih segmenata, blokova kuća ili dijelova sela, se po istom principu, postupkom slučajnog odabira, izabere dio njih

90

kao uzorak koji će biti podvrgnut istraživanju. No, sve pretpostavke provođenju ispitivanja ni time nisu dovršene. Naprotiv. U slijedećoj, trećoj po redu etapi se imaju pobrojati sve stambene jedinice koje se nalaze unutar jednog bloka ili dijela sela. U toj fazi postoji mogućnost izbora između dviju mogućnosti – da se ide u ispitivanje svih stambenih jedinica u jednom bloku, ili da se napravi i uzorak od stambenih jedinica. U prvom su slučaju cilj istraživanja, u pravilu, domaćinstva, a u drugom članovi domaćinstava. Tek nakon toga se anketarima određuju blokovi, dijelovi sela ili stambene jedinice u kojima će anketiranje provesti po strogo utvrđenim uputama i bez mogućnosti da naprave bilo kakvu izmjenu.

Rezultati koji se dobiju zonskim uzorkom veoma su pouzdani, a uzorak se primjenjuje posebice za potrebe ispitivanja iz područja urbane sociologije u velikim, prije svega milionskim gradovima.

5.1.1.7. Greške i pristranosti u anketiranju

Tijekom anketiranja neophodno je računati i s različitim vrstama pogrešaka koje se pri tome mogu pojaviti. Pri tome je, međutim, potrebno praviti razliku između slučajnih promjena, koje za ovaj tip analize nisu ni zanimljive, i pristranosti, odnosno pogrešaka koje su stalne, sustavne i teško se otkrivaju. Neke od njih se, u analizi koja slijedi, i detaljnije problematizira.

Među njima izdvojiti treba, prije svega, pogreške u interakciji između anketara i ispitanika. Tijekom anketiranja se, naime, između anketara i ispitanika uspostavlja intenzivna dvosmjerna interakcija u kojoj je pozicija svakoga od njih bitno različita. U toj interakciji, naime, posao anketara je da postavlja pitanja, motivira ispitanika na iskrene i potpune odgovore, traži dodatna objašnjenja na date odgovore, date odgovore ispitanika bilježi itd. S druge strane, pozicija ispitanika je da na postavljena pitanja formulira svoje stavove, daje odgovore, traži objašnjenja u vezi s postavljenim pitanjima ako su mu potrebna itd.

Kakva će ta dvosmjerna interakcija biti ovisi o većem broju faktora. Među njima apostrofirati treba, prije svih, osobne, dakle faktore koji su povezani s osobnim značajkama i anketara i ispitanika – dob jednog i drugog, njihov spol, religijsku, nacionalnu i rasnu pripadnost, socijalno-ekonomski status itd. Te osobine, naime, u postupak anketiranja unose i anketar i ispitanik. Ako su međusobnih razlika u njima svjesni u tom se slučaju mogu i postaviti na način koji postupak anketiranja može odvesti u potpuno pogrešnom pravcu. Ti faktori, naime, utječu na percepcije, motive i očekivanja i anketara i ispitanika, a oni, u formi intervenirajućih varijabli, mogu bitno utjecati na sam postupak anketiranja, posebice obavlja li se on u formi intervjua.

Na karakter dvosmjerne interakcije između anketara i ispitanika, potom, utječu i tzv. psihološki faktori, odnosno percepcije, stavovi, očekivanja i motivi koji jednog i drugog pokreću. Ispitanik, naime, može kod anketara percipirati neke osobine i odgovori koje mu daje mogu, sukladno percepcijama mu, i ovisiti o onome što ispitanik pretpostavlja da od njega anketar očekuje.

Na koncu, na karakter dvosmjerne interakcije anketar-ispitanik utjecati mogu i faktori ponašanja, faktori koji se javljaju tijekom razgovora i sam razgovor mogu skrenuti i u pravcu kojeg sugovornici nisu očekivali. Ti su faktori, kada je anketar u pitanju, dosta raznoliki. Među njima apostrofirati treba, primjerice, različite vrste pogrešaka koje on čini tijekom antekiranja - pogreške u postavljanju pitanja, pogreške u produbljivanju, u motiviranju ispitanika, u bilježenju dobivenih odgovora itd. No, utjecaja faktora ponašanja tijekom ispitivanja oslobođen nije ni ispitanik. U pitanju su, prije svega, odgovori koje daje na postavljena mu pitanja – jesu li oni točni ili ne, adekvatni ili ne itd.

Na pristranosti određen utjecaj mogu imati i socioekonomske i demografske značajke anketara. Naime, socioekonomski status anketara može, sam po sebi, biti izvor određenih pristranosti. Za pretpostaviti je, tako, da će anketar iz siromašnijih društvenih slojeva biti opterećen potrebom veće sklonosti ispitivanju onih iz viših društvenih slojeva zbog uvjerenja kako su njihova mišljenja meritornija. Za pretpostaviti je, potom, kako bi, ako mu nisu zadati parametri, anketar iz srednjih slojeva društva mogao biti skloniji anketiranju radničke populacije, i on iz uvjerenja kako oni čine osnovnu masu društva i kako su njihova mišljenja najbliža vjernoj slici mišljenja cijele populacije. No, i u jednom i u drugom slučaju se radi o pristranosti koja utječe na objektivnost provedene ankete.

91

Izvor pristranosti, međutim, mogu biti i neke od demografskih značajki. U pitanjima, primjerice, koja zadiru u odnose među spolovima utjecaj spolne pripadnosti anketara i ispitanika na njihovu dvosmjernu interakciju i iskrenost odgovora može imati određenog utjecaja. Određenog utjecaja, potom, mogu imati i rasne predrasude u slučaju da su anketar i ispitanik različite rasne pripadnosti. U određenim slučajevima, u društvima koja su opterećena - ili su to bila u bližoj prošlosti – međunacionalnim sukobima i frustracijama, isti efekt izazvati mogu i nacionalne predrasude.

Izvor pristranosti u anketiranju, potom, mogu biti i određena psihološka obilježja anketara. Budući je anketriranje dvosmjerna interakcija, stavovi anketara mogu često biti presudni na karakter odgovora koje mu ispitanik daje. Razlog je u činjenici da odgovori koje mu ispitanik daje ne odražavaju i stavove ispitanika nego su dani u skladu s očekivanjima anketara. Ta očekivanja mogu biti rezultat percepcije, koju je u vezi s njima ispitanik izgradio, a mogu biti i nedvojbena, proizlaziti iz polemike i nastojanja anketara da svoje stavove nametne i ispitaniku kao njegove vlastite.

Kako, međutim, sve te, i mnoge druge pristranosti koje se tijekom anketiranja mogu pojaviti, kontrolirati? Teorijski, dva su moguća pristupa – kontrola anketara i kontrola ispitanika, ili eventualno kontrola i jednih i drugih. Stvarno, pak, realno je moguća samo kontrola anketara. A ona se, opet, ostvaruje i pažljivim izborom anketara, ali i davanjem potrebnih uputstava onima koji su izabrani. Jasno je, primjerice, da je izgled anketara bitan – da svojim izgledom ne izazivaju otpor, da se za obrazovane ispitanike biraju i obrazovani anketari itd. Još bitniji od toga je, međutim, način njegova na koji se on ponaša i na koji uspostavlja kontakt – znade li, recimo, uspostaviti aferu srdačnosti i povjerenja i slično. 5.1.2. Testiranje

Testiranje i test, iako se između njih često stavlja znak jednakosti, nisu istoznačnice. Testiranje je, naime, jedan od triju oblika prikupljanja podataka primjenom tehnike ispitivanja. Ono je, drugim riječima, i samo jedan od postupaka, odnosno tehnika prikupljanja podataka. S druge strane, test je instrument pomoću kojeg se taj postupak, odnosno tehnika prikupljanja podataka provodi.

Kada je, pak, po srijedi test kao instrument, on se sastoji od niza međusobno povezanih zadataka čijim se rješavanjem neko svojstvo mjeri i ustanovljuje. Pri tome je važno da se radi o zadacima koji su isti za sve ispitanike. Utvrđenom metodologijom su, potom, precizirani načini njihova rješavanja, kao i načini ocjenjivanja i vrednovanja ostvarenih rezultata u postupku testiranja.

Testiranje se, u pravilu, može realizirati na dva osnovna načina – kao individualno i kao grupno. Kod prvog, individualnog testiranja urađenim testom se ispituje pojedinac, a kod drugog, grupnog testiranja objekt ispitivanja je grupa osoba. No, i tada svaki od članova grupe sam za sebe rješava zadatke iz testa.

Na koncu, konstrukcija testa nipošto nije jednokratan posao. Dapače. I kod nje je moguće identificirati veći broj faza. Najznačajnije među njima treba i posebno apostrofirati:

1. Sastavljanje zadataka kojima će se mjeriti ono što se želi mjeriti. U prvoj fazi tih je zadataka puno više nego što će u konačnici biti i potrebno. Razlog tome je činjenica da se unaprijed ne može znati koji će se zadaci u konačnici moći i uključiti u finalnu verziju testa

2. Sastavljanje prve verzije testa koji sadrži više zadataka od finalne verzije, ali manje od broja zadataka koji su sastavljeni u prvoj fazi

3. Provođenje testa u njegovoj prvoj verziji na relativno malom i pažljivo odabranom broju ispitanika.

4. Utvrđivanje metrijskih karakteristika testa, posebice analiza postignutih rezultata u rješavanju svakog pojedinačnog zadatka u testu, kako bi se provjerila njihova diskriminativnost, svojstvo da postavljeni zadaci nisu ni pretjerano laki, ni pretjerano teški.

5. Eliminiranje iz testa zadataka koji se nisu pokazali dovoljno diskriminativni – koji su ili pretjerano su laki ili pretjerano teški – kao i onih koji nemaju zadovoljavajuće druge metrijske karakteristike.

6. Testiranje reprezentativnog uzorka ispitanika konačnom verzijom testa.7. Baždarenje testa i određivanje njegovih konačnih metrijskih karakteristika na

osnovu ulaznih podataka, dobivenih testiranjem reprezentativnog uzorka

5.1.2.1. Vrste testova

92

Podjela testova se može izvršiti po različitim kriterijima. U kontekstu ove analize apostrofiramo samo podjele prema najznačajnijim kriterijima.

Prema načinu rješavanja zadataka testovi se, tako, dijele na:a) Usmene testove, kod kojih se postavljeni zadaci rješavaju usmeno. Takvi su,

primjerice, testovi kojima se provjerava izgovor u stranom jeziku. Zbog karaktera koji ga odlikuje usmeni je test uvijek individualan, odnosno testiranje se izvodi uvijek u izravnom kontaktu istraživača s ispitanikom-pojedincem.

b) Pismeni ili «Papir-olovka» testovi. Rješenja na postavljene zadatke u njima se pišu. Zbog toga su i najčešći jer se, primjene li se njih, istodobno može raditi s većim brojem ispitanika.

c) Testove radnji, kojima je cilj provjera sposobnosti izvođenja određenih radnji. Te sposobnosti se provjeravaju na konkretnoj spravi, stroju, kompjutoru, materijalu itd.

Tri vrste testova je moguće razlikovati i ako se kao kriterij podjele uzme namjena testa. To su:

a) Testovi za mjerenje postojećeg stanja, a na namjenu im upućuje i sam naziv.b) Prognostički testovi, a cilj im je prognoziranje uspjeha ispitanika u daljem

školovanju, profesiji za koju se osposobljavaju, drugim budućim aktivnostima. Ova vrsta testova se, sukladno tome, u nekim obrazovnim sustavima koristi kod izbora zanimanja koje bi najbolje odgovarala testiranoj osobi.

c) Dijagnostički testovi, kojima je cilj ući u suštinu uzroka određene pojave – nekih ispitanikovih poteškoća u obavljanju određenih djelatnosti itd.

Podjelu testova moguće je izvršiti i ako se kao kriterij uzme vrijeme njegova ispunjavanja ili razina mjerenog svojstva. Po tom kriteriju je moguće praviti razliku između testa brzine i testa razine.

Test brzine ima za cilj utvrditi može li ispitanik dovoljno brzo riješiti određeni zadatak. Zbog toga je i vrijeme za rješenje danog zadatka strogo ograničeno, i to u mjeri da ono nikome od ispitanika nije dovoljno da bi do kraja testa i došao.

Test razine odlikuje nastojanje da se njime utvrdi razina mjerenog svojstva – znanja, sposobnosti, umijeća. Kod njega je, drugim riječima, težište na točnosti rješavanja postavljenih zadataka. To, dakako, ne znači kako se svakom od ispitanika iz tog razloga može dati i neograničeno vrijeme. Naprotiv. Testiranje se, u pravilu, prekida u momentu kada 90-95% ispitanika ispuni test.

Moguće je, potom, praviti i razliku između standardiziranih i nestandardiziranih testova. Za standardizirane testove je karakteristično da se konstruirani test primjenjuje na reprezentativnom uzorku radi dolaženja do skala koje omogućuju uspoređivanje u testiranju postignutih rezultata s utvrđenim normama ili standardima. Tu mogućnost uspoređivanja, međutim, nemaju nestandardizirani testovi, i po tome se od standardiziranih i razlikuju.

No, nesumnjivo je najznačajniji kriterij podjele testova ono što se testira, što se mjeri. Prema tom kriteriju moguće je praviti razliku između testova mogućnosti i ostalih testova ili testova ličnosti. Zbog značaja, međutim, kojeg imaju posvećen im je i poseban prostor.

5.1.2.1.1. Testovi mogućnosti

Testovi mogućnosti (abilities) su poznati i kao testovi u užem smislu riječi. Njima se testiraju znanja, umijeća i sposobnosti zbog čega ih se, ponekada, pod tim nazivom – kao testove znanja, umijeća i sposobnosti – može i sresti. U ovoj vrsti testova izdvojiti je moguće dvije veće grupe – testove ostvarenja i testove sposobnosti.

Testovi ostvarenja (achievements) se nazivaju i testovi postignuća, testovi uspjeha, testovi znanja i umijeća. Njima se mjere mogućnosti koje ovise od učenja, odnosno rezultati učenja. Ovo je i najviše primjenjivana vrsta testova mogućnosti. Unutar nje, opet, najčešće se koriste pismeni, «papir i olovka» testovi, koji mogu sadržavati različite zadatke. Osnovne su četiri vrste tih zadataka, i to:

a) Zadaci biranja odgovora ili zadaci prepoznavanja, kod kojih je ispitaniku ostavljena mogućnost da između ponuđenih izabere odgovor koji je, po njemu, točan. Unutar ove grupe zadataka, opet, moguće je razlikovati dvije podgrupe. Prvu čine tzv. zadaci alternativnog dvočlanog izbora, koji se rješavaju na način da se odgovori je li neka

93

tvrdnja točna ili netočna, treba li nešto potvrditi ili negirati – i to zaokruživanjem odgovora «da» ili «ne». Takav je, primjerice, zadatak tipa:

Obitelj je najveća društvena grupaMarketinška strategija polazi od interesa potrošačaInformacija je jedan od elemenata komunikacije

DA NE DA NEDA NE

Kod te vrste zadataka, i upravo zbog načina njihova rješavanja, treba izbjegavati zadatke s više od jedne tvrdnje. Razlog je jednostavan – na njih se mogu odnositi različiti odgovori ili, pak, jedna od tvrdnji može biti i netočna pa time i stvarati nesigurnost, dileme itd. Takva je, primjerice, tvrdnja «Oblast oko južnog pola ima hladniju klimu od sjeverne polarne oblasti i naziva se Arktik». Točno je, naime, da oblast oko južnog pola ima hladniju klimu. No, netočno da se oblast naziva Arktik. Ta činjenica, međutim, može unijeti i nesigurnost u opredjeljenju za odgovor «da» ili «ne», do opredjeljenja da se, potom, zaokruži i «da» i «ne» itd. No, da i nije tako, zadatak bi i dalje bio pogrešno formuliran jer u sebi sadrži više od jedne tvrdnje.

Drugu podgrupu unutar zadataka biranja odgovora, opet, čine zadaci višestrukog izbora. Odlika im je da na postavljeno pitanje nude više, najčešće pet, odgovora pri čemu je samo jedan od njih točan. Odgovor na postavljeni zadatak se daje zaokruživanjem rednog broja (ili slova) ispred jednog od ponuđenih odgovora.

b) Zadaci sparivanja, združivanja (matching) sadrže dva niza podataka. Ispitanik ima obvezu da članove jednog niza poveže s odgovarajućim članovima drugog niza. Pri tome je uobičajeno da desni niz ima nešto više članova od lijevog. Obično je taj omjer, iako ne i nužno, 5:3. Pogledajmo, uostalom, primjer takvog zadatka.

«U donjem zadatku u lijevoj koloni navedeni su simboli tri kemijska elementa, a u desnoj nazivi pet kemijskih elemenata. Ispred svakog od tri simbola treba upisati broj koji stoji ispred naziva kemijskog elementa na koji se simbol odnosi»

___________Al___________Au___________Cu

1. Srebro2. Bakar3. Olovo4. Aluminij5. Zlato

Zadatak ispitanika je, dakle, u konkretnom slučaju da ispred svakog od tri simbola u lijevoj koloni upiše broj ispred naziva kemijskog elementa u desnoj koloni – ispred simbola «Al», primjerice, broj «4» ispred naziva kemijskog elementa «Aluminij» itd.

c) Zadaci sređivanja su sastavljeni od niza podataka koje je potrebno srediti prema određenom kriteriju – kronološki, po veličini ili na neki drugi način. Primjerice:

«Prema vremenu povijesnog pojavljivanja, kronološki, brojevima od jedan do pet razvrstaj imena slijedećih filozofa:

_______Karl Manheim_______Aristotel_______Toma Akvinski_______Immanuel Kant_______Thomas Hobbes

U konkretnom slučaju, dakle, broj jedan će se naći ispred Aristotela, redni broj 2 ispred Tome Akvinskog itd.

d) Zadaci navođenja traže da se, u postavljenom zadatku, određeni podaci navedu. Dakako, različita može biti forma navođenja. Utoliko se može praviti razlika i između više tipova zadataka navođenja. Jedan od njih su i zadaci dovršavanja ili dopunjavanja (completition). Zadatak se, naime, sastoji od nepotpunog iskaza kojeg treba kompletirati. Primjerice: «Jedna od novih država, nastalih raspadom SFRJ, je Bosna i ______________». Zadatak ispitanika je da upiše dio naziva novonastale države koji nedostaje. Dakako, da bi

94

ovakvi zadaci bili mogući važno je da postoji samo jedno rješenje kojim se dopuna može izvršiti. U konkretnom slučaju to je samo dopuna «Hercegovina» i ni jedna više.

Testovima sposobnosti (aptitudes) se, za razliku od testova mogućnosti, mjere mogućnosti koje ne ovise izravno od učenja (prije svega školskog), već od naslijeđa i općeg životnog iskustva. Oni, drugim riječima, mjere sposobnost za učenje, preduvjeta za uspjeh u učenju, pa ih se često naziva i testovima prirodnih sposobnosti. U ovoj grupi testova je također moguće izdvojiti više njih. Apostrofiramo tri tipa testova sposobnosti:

testovi senzornih sposobnosti – kakvi su testovi vizualnih, auditivnih i drugih sposobnosti

testovi mentalnih, te testovi motornih sposobnosti.

Najčešći među njima su, dakako, testovi mentalnih sposobnosti. Unutar njih se, opet, može praviti razlika između testova općih mentalnih sposobnosti, tj. testova inteligencije i testova posebnih, specijalnih mentalnih sposobnosti. Ovi drugi su, istina, mnogo rjeđi, zbog čega im ne kanimo ni posvećivati posebnu pozornost.

Pozornost, međutim, zavrjeđuju testovi inteligencije, testovi sastavljeni od zadataka, najčešće verbalnoga tipa, koji se rješavaju uglavnom rasuđivanjem. Različiti, potom, može biti i karakter zadataka – zadaci verbalne analogije, zadaci popunjavanja rečenice, brojčane serije u kojima u produžetku treba staviti broj kojemu je tu mjesto, zadaci za provjeru razumijevanja određenih riječi itd. U nastavku teksta slijedi nekoliko primjera takvih zadataka:

a) Primjer zadatka za provjeru razumijevanja određenih riječi: Riječ koja znači skoro isto što i opak je:

1. ljut2. zao3. pakostan4. pokvaren5. osvetoljubiv

b) Primjer zadatka popunjavanja rečenice:Sunce izlazi na istoku, a zalazi na __________

1. zapadu2. početku noći3. kraju dana

c) Primjer brojčane serije u kojoj u produžetku treba staviti broj kojem je tu mjesto:Koji broj treba staviti u produžetku niza 2,3,5,8, 12,? To je broj____

d) Primjer zadatka verbalne analogije:Učenik je za učitelja isto što i bolesnik za

1. bolnicu2. medicinsku sestru3. liječnika4. farmaceuta

U vezi s testovima inteligencije mnogi autori važan smatraju je i još jedan pojam – intelektualni kvocijent ili kvocijent inteligencije. Radi se o parametru koji označava odnos između mentalne razvijenosti i starosti. Taj se parametar, kada je dječji uzrast u pitanju, dobije po formuli

IQ = MA . 100CA

pri čemu IQ (intelligence quotient) označava kvocijent inteligencije, MA (mental age) mentalni uzrast, a CA (chronological age) kronološki uzrast. U izračunavanju kvocijenta inteligencije se mentalni i kronološki uzrast iskazuju u mjesecima. Pri tome je važno znati i

95

to da se mentalni uzrast izračunava temeljem riješenih zadataka u testu inteligencije i skale zrelosti koja ide uz takav test.

Ovakav način izračuna kvocijenta inteligencije je, međutim, pogodan samo u dječjoj, po mnogima dobi do navršene trinaeste godine života. Razlog je u uvjerenju da se nakon toga mentalni uzrast razvija usporenije od kronološkog ili dobnog. No, tom se dimenzijom izračunavanja kvocijenta inteligencije ne kanimo i detaljnije baviti.

Za neke od autora, međutim, inteligenciju nije moguće opisati pomoću kvocijenta inteligencije jer se ona ne svodi samo na opću mentalnu sposobnost. Za Thurstona (Terston), primjerice, u strukturi inteligencije sudjeluje čak sedam osnovnih mentalnih sposobnosti (vidjeti o tome Ivić, Milinković, Rosandić, Smiljanić, 1976., str. 32-33). To, drugim riječima, znači i da je inteligenciju moguće potpuno opisati samo ako se koristi svih tih sedam osnovnih ili primarnih sposobnosti, a nikako ne i jedino kvocijent inteligencije.

5.1.2.1.2. Testovi ličnosti

Za razliku od testova mogućnosti, koji su poznati i kao testovi u užem smislu riječi, ostali testovi ili testovi ličnosti su poznati i kao testovi u širem smislu. Ovom vrstom testova se ispituju složenije osobine – stavovi, interesi, karakter, temperament, voljne osobine, emotivna svojstva itd. No, svi oni su testovi samo uvjetno. Naime, testovi ličnosti nisu sastavljeni od zadataka koje ispitanik treba rješavati. Naprotiv, smisao pitanja u ovim testovima je da se na njih što iskrenije odgovori.

U testove ličnosti je moguće ubrojiti tri temeljne vrste testova: sociometrijski test, inventar ili test ličnosti i projektivni test.

Sociometrijski testovi su vrsta testova kojima se dolazi do podataka o interpersonalnim odnosima u relativno malim grupama – podacima o međusobnim naklonostima, odbojnostima i indiferentnosti njihovih članova – a potom i statusu članova u tim grupama. U toj vrsti testova ispitanici, drugim riječima, odgovaraju na pitanja s kim bi od članova svoje grupe željeli (ili ne bi) sudjelovati u određenoj aktivnosti, koga bi od njih izabrali za suradnika, a koga ne. Pri tome, dakako, izbor može biti samo pozitivan, a može i pozitivan i negativan, izbor koji, drugim riječima, podrazumijeva navođenje i jednih i drugih članova grupe. Ponekad se, potom, izbor ograničava na samo jednu osobu, jednog člana grupe, a nekada se ispitanicima daje mogućnost navođenja svih članova grupe s kojima bi nešto željeli ili ne bi željeli činiti.

Inventar (test) ličnosti je vrsta upitnika za ispitivanje karaktera i temperamenta, a sastavljen je od više, naizgled beznačajnih pitanja o svakodnevnom ponašanju na koje se odgovara s «da» ili «ne» ili, pak, po principu višestrukog izbora. Primjerice:

«Ako u nekom društvu, u kojem se nalaziš, netko tvrdi nešto što je očigledno netočno, ali nije od veće važnosti, ti obično postupaš na slijedeći način (zaokruži broj ispred odgovarajućeg odgovora)1. Uljudno ga, ali odlučno, ispravljaš, dokazujući mu da nije u pravu.2. Pustiš druge da ga isprave, ali ako to nitko ne učini – ispravljaš ga ti,

na uljudan način i s potrebnim dokazima.3. Ne poduzimaš ništa, ali mu izrazom lica daješ na znanje da se s njim

ne slažeš.4. Uopće ne reagiraš, ali samo zato jer se ne radi o važnom pitanju.5. Ne bi reagirao ni da se radi o važnom pitanju, jer se ustručavaš

polemizirati, neprijatno ti je pred drugima se s nekim raspravljati» (preuzeto od, Bakovljev, 1997., 123.).

Projektivni testovi se koriste s ciljem da se upoznaju ona svojstva i procesi koje testirane osobe skrivaju ili ih, pak, nisu ni svjesne. No, podaci koji se njima stječu su nepouzdani. Stoga ih se može koristiti samo kao dopunu drugih, pouzdanijih podataka. Više je vrsta ovih testova. Najpoznatije među njima su dvije – Rohrschachove mrlje od mastila i slike tematske apercepcije.

Ova vrsta testova se, dakako, mada ne i isključivo, najviše koristi u radu s onima kod kojih treba otkriti i otkloniti uzroke odstupanja od normalna ponašanja. No, zbog njihova karaktera mogu ih primjenjivati samo istraživači koji, pored općih znanja, raspolažu i

96

specifičnim tipom stručnosti jer je jedino u tom slučaju moguće očekivati i koliko toliko pouzdanije tumačenje rezultata dobivenih testom.

5.1.3. Skaliranje

5.1.3.1. Pojam skaliranja

Skaliranje je – uz prikupljanje podataka pomoću anketnog upitnika i testiranje - također jedan od triju oblika prikupljanja podataka tehnikom ispitivanja. Korištenjem različitih skala, kao instrumenata kojima se ovaj postupak, odnosno tehnika koristi, skaliranjem se procjenjuju stupnjevi izraženosti onih svojstava koje je teško, pa i nemoguće, kvantificirati. Pogodno je, primjerice, za proučavanje stavova, interesa, kvalitete određenih proizvoda i slično. Podaci o proučavanim pojavama se, pri tome, prikupljaju putem posrednoga mjerenja – rangiranjem i kategoriziranjem.

Ako je, naime, broj osoba, stvari ili pojava koje se procjenjuju manji – do dvadeset – procjenjivanje se, pod uvjetom da ih procjenjivač dobro poznaje, vrši rangiranjem, svrstavanjem u rang-listu, odnosno skalu rangova od najboljeg do najlošijeg. Kako bi rangiranje, odnosno procjena, bilo pouzdanije, realnije, preporuča se, kad je god to moguće, da rangiranje vrši više procjenjivača istodobno, nezavisno jedan od drugog.

Ukoliko se, pak, broj osoba, stvari ili pojava koje se procjenjuju, kreće u rasponu od dvadeset do trideset, postupak rangiranja se dijelom usložnjava. U tom je slučaju moguće primijeniti jednu od dviju procedura. Moguće je prvo izdvojiti ekstreme, po dvije do tri osobe, stvari ili pojave kod kojih je procijenjena osobina najviše, odnosno najmanje izražena, podom preostale osobe, stvari ili pojave rangirati po već opisanoj proceduri, i na koncu dobivenu rang listu dopuniti i izdvojenim ekstremima. Moguće je, međutim, postupiti i na nešto drugačiji način – da se osobe, stvari ili pojave koje se rangira prvo rasporedi u tri grupe – jednu u kojoj je procjenjivana osobina najviše, drugu u kojoj je ona najmanje izražena, te treću u kojoj su svi ostali slučajevi. Rangiranje se, potom, obavi u svakoj od izdvojenih grupa, a u konačnici se dobivene rang-liste spoje u jednu.

Ako je, pak, broj procjenjivanih osoba, stvari ili pojava koje se procjenjuju, veći od trideset, umjesto rangiranja je uputnije koristiti drugi tip posrednoga mjerenja – svrstavanje u veći broj – najčešće tri do pet – kategorija, takozvano kategoriziranje. I u ovom se slučaju – kao i kod rangiranja – i s ciljem da bude realnije, preporuča da kategoriziranje istodobno, i nezavisno jedan od drugog, vrši više procjenjivača.

5.1.3.2. Vrste skala

Za potrebe kategoriziranja se, kao instrumenti na koje se ono oslanja, koriste skale. Najčešće upotrebljavane su, doduše, tri vrste tih skala – deskriptivne, grafičke i numeričke.

a) Deskriptivne ili verbalne su skale, kod kojih se riječima opisuju različiti stupnjevi procijenjenog svojstva, izborom između kojih procjenjivač odabire onaj koji, po njegovu sudu, najbolje odgovara određenoj osobi, stvari ili pojavi koje se procjenjuje. Pretpostavimo, primjerice, da je, kao svojstvo koje se procjenjuje, u pitanju odnos šefa marketinške službe prema sugestijama suradnika u utvrđivanju marketinške strategije na tržištu određenih proizvoda. Kao primjer može poslužiti deskriptivna skala kojom se ispituje mišljenje zaposlenika u marketinškoj službi o jednoj od osobina voditelja te službe.

«Ako se naše mišljenje razlikuje od mišljenje voditelja marketinške službe u izboru marketinške strategije za određenu vrstu proizvoda, a mi ga, i pored toga, pred voditeljem želimo iznijeti, voditelj marketinške službe»

ohrabruje iznošenje drugačijih mišljenja prima drugačija mišljenja sa zanimanjem hladno prima drugačija mišljenja prima drugačija mišljenja s negodovanjem zabranjuje nam da iznosimo drugačija mišljenja

97

Izborom jedne od ponuđenih osobina, i njihovim zbrajanjem dobije se i slika mišljenja ispitanika, u ovom slučaju zaposlenika u marketinškoj službi tvrtke, o tome koja je dominantna osobina ili svojstvo njihova pretpostavljenog.

Jedna od varijanti ove, dakle deskriptivne, skale može biti i tzv. kontrolna lista, koja se koristi za procjenu kvalitete proizvoda, a koja je sastavljena od niza karakteristika. Na procjenjivaču je da u odnosu na svaku od njih procijeni posjeduje li je procjenjivani proizvod ili ne.

Posebnu vrstu deskriptivnih skala, potom, čine i skale stavova, pomoću kojih se procjenjuju stavovi i mišljenja ispitanika o pojavama, zbivanjima, shvaćanjima, i to na način da se o pojavi, o kojoj se stavovi žele ispitati, napravi skala od više različitih tvrdnji, a ispitanicima se prepusti izbor između ponuđenih tvrdnji. Među skalama stavova i mišljenja se, kao najpoznatije, izdvajaju posebno dvije – skala Likertova tipa i skala Thurstonova tipa.

Skala Likertova tipa se temelji na pet intenziteta u vezi s određenom tvrdnjom, pri čemu ispitanik stupanj svoga slaganja s navedenom tvrdnjom iskazuje zaokruživanjem jednog od ponuđenih intenziteta. Ti se intenziteti iskazuju odgovorima tipa: «potpuno se slažem», «uglavnom se slažem», «niti se slažem niti se ne slažem», «uglavnom se ne slažem» i «uopće se ne slažem», ili njima sličnima. Upotrijebimo i ovdje, sada doduše preformulirano, prethodno pitanje.

«Ako se naše mišljenje razlikuje od mišljenje voditelja marketinške službe u izboru marketinške strategije za određenu vrstu proizvoda, a mi ga, i pored toga, pred voditeljem želimo iznijeti, voditelj marketinške službe ohrabruje iznošenje drugačijih mišljenja»

potpuno se slažem, uglavnom se slažem, niti se slažem niti se ne slažem, uglavnom se ne slažem uopće se ne slažem

Budući je skala Likertova tipa, u pravilu, sastavljena od 15 do 20 tvrdnji, za svakog se ispitanika, nakon što zaokruživanjem jednog od ponuđenih intenziteta iskaže svoje slaganja sa svakom od navedenih tvrdnji, zbrajaju brojevi odgovora koje je o pojedinim tvrdnjama dao. Tom se radnjom, prema tome, dobiju dva niza podataka. Za svakog se ispitanika, naime, raspolaže s odgovorom na svaku pojedinačnu tvrdnju, a istodobno i zbroj za odgovore na sve, u skalu uključene tvrdnje. Posjedovanjem i jednog i drugog, opet, moguće je izračunati i korelaciju između odgovora na svaku pojedinačnu tvrdnju i ukupnoga rezultata koji se dobije zbrajanjem svih odgovora. Tvrdnje, za koje se ispostavi da nisu u korelaciji s ukupnim rezultatom, se odbacuju jer je za pretpostaviti da ukupan zbroj, dakle sve tvrdnje zajedno, bolje mjere određeni stav nego samo jedna od njih.

Za mjerenje stavova i mišljenja koristi se i skala Thurstonova tipa. Za razliku od skale Likertova tipa, koja koristi pet intenziteta slaganja s određenom tvrdnjom, skala Thurstonova tipa koristi više, obično jedanaest stupnjeva slaganja. Tako uređeni stupnjevi slaganja se primjenjuju na relativno veliki broj jednostavnih sudova ili izreka, koje mogu biti indikator stava i mišljenja u vezi s onim za što se hoće napraviti skala. O tako konstruiranoj masi jednostavnih sudova ili izreka se, korištenjem jedanaest intenziteta slaganja sa svakom od njih, izjašnjava veća grupa ocjenjivača, zaokružujući brojeve intenziteta od jedan do jedanaest kod svake od njih. Pri tome, redni broj jedan kod skale intenziteta slaganja indikator je najpozitivnijeg, a redni broj jedanaest najnegativnijeg stava u vezi s određenom tvrdnjom. Redni broj šest, u takvoj skali stupnjeva intenziteta, označava stav koji je u odnosu na odnosnu tvrdnju neutralan. Takvim sistemom vrednovanja se, potom, iz mase jednostavnih sudova ili izreka izdvajaju one u vezi s kojima je suglasnost, iskazana učestalošću pojedinih stupnjeva intenziteta od krajnje pozitivnog do krajnje negativnog, najveća. Ostali se sudovi ili izreke odbacuju. Ako je broj stupnjeva slaganja s određenim sudom ili izrekom jedanaest, iz mase tretiranih sudova ili izreka će se, radi konstrukcije skale, biti izdvojeno također njih jedanaest. Tako konstruirana skala se, na koncu, uvrštava u upitnik.

b) Grafičke skale su, za mnoge, i najpopularnije. Bitna im je značajka da se svaki sud, o svojstvu kojeg se procjenjuje, obilježava određenom točkom na grafičkoj liniji, pri

98

čemu svaka točka označava i određeni stupanj intenziteta onoga što se procjenjuje. Dvije su osnovne vrste tih grafičkih linija – vertikalne i horizontalne. Iako se u nekim slučajevima vertikalnim linijama može dobiti vjernija slika praćene pojave ili nekog njezina svojstva, horizontalne skale se češće koriste. No, i među njima ima razlika. Slijedeći primjer to na najzorniji način i pokazuje:

A B C

Potpuno se Uopće se slažem ne slažem

Ili: A B C

Potpuno se Niti se slažem Uopće se slažem niti se ne slažem ne slažem

Ili: A B C

Potpuno se Uglavnom Niti se slažem Uglavnom se Uopće se slažem se slažem niti se ne slažem ne slažem ne slažem

U prvoj su skali, očito je, date samo ekstremne vrijednosti, a nanošenjem točke u rasponu između njih ispitanik definira i svoj odnos prema određenom sudu, stavu ili mišljenju. U konkretnom slučaju točka A znači puno bliži odnos potpunom slaganju - iako se o potpunom slaganju još uvijek ne radi - nego potpunom neslaganju. U drugoj skali, međutim, unijeta je neka vrsta prosjeka, srednja vrijednost – u konkretnom slučaju stupanj slaganja definiran kao «Niti se slažem, niti se ne slažem» - koja omogućuje nešto precizniji uvid o stvarnom odnosu ispitanika prema sudu koji se procjenjuje. Jasno je, u konkretnom slučaju. U trećem slučaju, međutim, stupanj preciznosti u određenju stvarnog odnosa ispitanika prema sudu koji se procjenjuje je dodatno povećan. On, naime, omogućuje da se, u konkretnom slučaju, vidi da se slaganje, iskazano točkom A, nalazi u rasponu između vrijednosti «uglavnom se slažem» i «niti se slažem, niti se ne slažem», ali i relativno značajno bliže sudu «uglavnom se slažem». U konkretnom slučaju je, međutim, kod najrazuđenije skale, iskorišteno pet stupnjeva iskazivanja odnosa prema određenom sudu, stavu, mišljenju. No, broj tih stupnjeva može biti i veći, ali u pravilu se ne koristi više od sedam njih. Ovakva, dakle složenija gradacija grafičke skale puno slikovitije pokazuje stvarni odnos ispitanika prema sudu koji se procjenjuje od odnosa koji se može vidjeti u deskriptivnoj skali. U konkretnom slučaju, primjerice, ona omogućuje uvid samo u svrstavanje uz jedan od navedenih pet sudova. Grafička skala, pak, omogućuje i uvid kojem od ostalih navedenih sudova svrstavanje tendira. No, u toj činjenici je istodobno i problem jer ona, po logici stvari, otežava sređivanje podataka za obradu, njihovo grupiranje, kategoriziranje.

c) Naziv numeričke skale upućuje i na osnovnu značajku ove vrste skala. Radi se, naime, o tome da se uz verbalni, opisni odnos prema sudu koji se procjenjuje stavlja i određen redni broj – obično u rasponu 1-7 jer se u tom rasponu kreću i verbalne, opisne kvalifikacije odnosa prema sudu kojeg se procjenjuje – koji je numerički izraz toga odnosa. U slučaju kojeg koristimo kao primjer to bi izgledalo na slijedeći način:

1. potpuno se slažem, 2. uglavnom se slažem, 3. niti se slažem niti se ne slažem, 4. uglavnom se ne slažem5. uopće se ne slažem

99

U konkretnom slučaju, dakle, broj 1 je simbol za potpuno slaganje, a broj 5 za potpuno neslaganje sa sudom kojeg se procjenjuje. Ovaj primjer, međutim, upućuje i na još jedan zaključak. Numeričke skale se često pridodaju deskriptivnim, pa i grafičkim skalama.

Pored triju navedenih, međutim, postoje i još neke, više-manje specifične skale. Dvjema između njih – skalogramu i skali proizvoda - posvećujemo i dodatnu pozornost.

Skalogram je vrsta skale u kojoj je svaka kategorija kumulativna, sadrži u sebi sve prethodne, u odnosu na nju niže kategorije. O čemu se radi govori i slijedeći primjer (vidjeti, Mužić, 1982., str. 350):

S učenikom koji je _______________ nacionalnostia) Prihvatio bih da ide u istu školu sa mnom.b) Prihvatio bih da bude u školi u istom odjeljenju sa mnom.c) Prihvatio bih da zajedno sa mnom uči.d) Prihvatio bih da živi u istom stanu.e) Prihvatio bih da bude član moje obitelji.

U prethodnom se primjeru na najzorniji način može vidjeti što znači kumulativnost kategorija u skalogramu. Podrazumijeva se, primjerice, da, onaj tko prihvaća da s njim u istom odjeljenju bude učenik testirane nacionalnosti, prihvaća i da ide u istu školu s njim. Ali, podrazumijeva se, isto tako, da, onaj tko prihvaća da mu učenik testirane nacionalnosti bude član obitelji, prihvaća i sve prethodne kategorije konkretnog skalograma – da učenik testirane nacionalnosti živi s njim u istom stanu, da s njim zajedno uči, da u školi bude s njim u istom odjeljenju i, na koncu, da s njim ide u istu školu.

Skalu proizvoda (uspoređivanje s uzorcima na skali) karakterizira da procjenjivač, koristeći ovu skalu, uspoređuje ono što procjenjuje s uzorcima koji se nalaze na skali. Cilj usporedbe je ustanovljavanje je li, ono što se uspoređuje, bolje ili lošije, ljepše ili ružnije – i tome slično – od svakog pojedinog uzoraka koji se nalazi na skali proizvoda. Kada, koristeći tu metodu, utvrdi koje mjesto na skali proizvoda pripada onom što procjenjuje, procjenjivač će procjenjivani proizvod i označiti odgovarajućom vrijednošću konkretne skale.

5.1.3.3. Nedostaci skaliranja

Uz sve dobre strane kod skaliranja se mogu identificirati i određeni nedostaci, odnosno pogreške u koje je moguće upasti. Neke od njih zaslužuju i posebnu pažnju.

Pogreška centralne tendencije je vezana za ustručavanje od ekstremnih – najviših i najnižih – stupnjeva na skali. O čemu se, dakle, radi? Oni, naime, koji sudjeluju u vrednovanju određenog svojstva – bilo da se ono odnosi na čovjeka, grupu, stvari i proizvode ili nešto drugo – ustručavaju se da procjenjivano svojstvo označe najvišom ili najnižom vrijednošću na ponuđenoj skali. Vratimo se, primjera radi, skali koju smo već koristili, a koja sadrži pet stupnjeva – «potpuno se slažem», «uglavnom se slažem», «niti se slažem niti se ne slažem», «uglavnom se ne slažem», «uopće se ne slažem». Slaganje se u konkretnom slučaju koncentrira oko tri srednje vrijednosti na skali, dok istodobno postoji svojevrsno ustezanje onih koji u procjenjivanju sudjeluju da zaokruže vrijednosti «potpuno se slažem» i «potpuno se ne slažem». Ovoj vrsti pogreške skloni su, prije svega, oni koje odlikuje neodlučnost kao karakterna crta.

Pogreške ekstremnoga suda su svojstvene osobama koje su sklone ocjenama tipa crno-bijelo. Sukladno tome, i pogreška je potpuno suprotna prethodnoj, pogreški centralne tendencije. Manifestira se, drugim riječima, u sklonosti onih, koji procjenjivano svojstvo vrednuju, da se opredjeljuju za ekstremne vrijednosti – u našem slučaju oni će birati upravo vrijednosti «potpuno se slažem» i «potpuno se ne slažem».

Pogreška halo-efekt također nije rijetka. Radi se, zapravo, o pogrešci koja je posljedica precjenjivanja ili podcjenjivanja procjenjivanog svojstva određene osobe, grupe, stvari, proizvoda ili pojava. Razlog se tome nalazi u impresioniranosti nekim od njihovih svojstava, utjecaju prvog dojma na kasnije procjene svojstva koje se procjenjuje. Drugim riječima, na procjenu konkretnog svojstva može utjecati procjenjivačevo mišljenje o nekom drugom svojstvu osobe, stvari ili pojave koji se procjenjuju, njegov opći dojam o njima, ali i njegov prvi dojam o tim osobama, stvarima i pojavama.

100

Stereotipija je, kao pogreška, također moguća. Oni koji procjenjuju svojstva osoba skloni su ponekada tim osobama pripisati svojstva koja karakteriziraju i grupu kojoj te osobe pripadaju. Pri tome se, međutim, zanemaruje da između pojedinaca unutar svake grupe, pa prema tome i pojedinca i grupe kojoj pripada, postoje značajne razlike.

5.2. PROMATRANJE

5.2.1. Pojam promatranja

Promatranje je jedna od najstarijih, ali istodobno i osnovna tehnika prikupljanja podataka svake znanosti. Još konkretnije, svaka znanost, na izvjestan način, promatranjem započinje, ali promatranjem i završava. Stoga ne čudi da je promatranje i danas najraširenija tehnika prikupljanja podataka.

Što je osnova, odnosno temelj promatranja? Najjednostavnije kazano, percepcija, čulno opažanje u kojem procesi u stvarnom svijetu djeluju na naša čula – oči i uši prije svega. Promatranje je, drugim riječima, prikupljanje podataka o pojavama putem njihova neposrednog čulnog opažanja, obavješćivanje o pojavama u njihovom spontanom događanju, tijeku.

Pođe li se od takvog određenja, nemoguće je zaobići i sud kako promatranje ima i svojih prednosti, ali i svojih ograničenja i poteškoća. Prednosti su mu vezane za nekoliko njegovih osobina. Predmet proučavanja, prije svega, a to su iskustvene pojave, ulazi neposredno u čulni opažaj onoga tko taj predmet izučava. Promatranjem se, potom, bitno proširuje i istraživačevo primarno iskustvo. Na koncu, promatranje olakšava istraživaču i stjecanje osjećaja cjeline izučavanog predmeta. Još konkretnije, jedino se trajnim promatranjem može dobiti cjelovita predstava o prirodnim, materijalnim, društvenim, organizacijskim i kulturnim uvjetima života neke zajednice ili organizacije i o ljudima koji u njima žive i djeluju.

Zaboraviti, međutim, ni na ograničenja i poteškoće u promatranju društvenih pojava. Apostrofiramo najznačajnije među njima.

a) Promatrati se mogu samo aktualni društveni sadržaji, ono što postoji ili se događa u vrijeme promatranja. To, drugim riječima, znači da ono nema potrebnu vremensku dubinu koja je potrebna u proučavanju društvenih pojava, budući se one potpunije mogu razumjeti samo kao rezultat duljeg ili kraćeg razvojnog procesa.

b) Prikladno je jedino za prikupljanje podataka o vanjskim manifestacijama društvenog života, ali ne i o unutarnjoj, psihičkoj dimenziji čovjekova i pojedinačnog i društvenog života.

c) Prikupljanje podataka pomoću njega je, ako su predmet promatranja duži razvojni procesi, vrlo skupo.

d) Promatranje ponašanja, u vezi s kojima se informacije smatraju povjerljivima ili privatnima, moguće je samo pod uvjetom da se za njega dobije pristanak.

Ipak, nije svako promatranje i znanstveno korisno. Drugim riječima, treba praviti razliku između običnog i znanstvenog promatranja.

Obično promatranje nije planirano. Ono je, dakle, slučajno, nesistematizirano i rezultati mu mogu biti netočni. Ono, prema tome, ne može biti siguran temelj za znanstveno zaključivanje.

Znanstveno promatranje je, naprotiv, sistematsko i planski vođeno. U njegovom se planiranju utvrđuje i predmet promatranja, ali i vrijeme i prostor u kojemu će ono biti izvršeno, te instrumentarij koji će, pri tome, biti primijenjen. Takvim pristupom se omogućuje dobivanje kompleksne slike pojave ili procesa koji se promatra, njihove evolucijske transformacije, pozitivni i negativni utjecaji, koje na promatranu pojavu ili proces imaju pojedini činitelji ili uvjeti itd. U analizi koja slijedi ono će, stoga, i biti predmet našeg interesa.

5.2.2. Vrste znanstvenog promatranja

5.2.2.1. Izvori suvremenih oblika promatranja

101

Kao tehnika prikupljanja podataka u području društvenih znanosti, sociologije prije svega, promatranje je utemeljeno na određenim izvorima. Na tri od njih, međutim, postoji potreba i zadržati se.

Prvi je vezan uz etnologiju i socijalnu antropologiju, odnosno kompleksno antropološko promatranje nerazvijenih društava koje su promovirali Malinovski i njegova funkcionalistička škola u Engleskoj, Boasova (Boa) škola u SAD i još neki. Na to, međutim, da se promatranje razvije u ovim disciplinama utjecalo je nekoliko detalja:

one izučavaju društva koja su obično nepismena, a to, onda, znači i da u vezi s njima nema pouzdanih pisanih izvora,

takva su društva u pravilu veoma segmentirana, sastavljena od autarkičnih lokalnih zajednica

istraživač takvih društava u pravilu ne poznaje jezik kojim ona komuniciraju.Drugi izvor suvremenih znanstvenih promatranja u području društvenih znanosti,

sociologije posebice, je vezan uz filantropske djelatnosti i Čikašku školu. Ta vrsta promatranja, doduše, nije tako složena kao ono unutar socijalne antropologije i etnologije. S druge strane, usmjereno je na promatranje specifičnih društvenih pojava – obično onih koje odstupaju od društvenih normi, koje, u pravilu, spadaju u područje društvene patologije. Prevedeno na jezik pragme, predmet promatranja su skitnice, beskućnici, alkoholičari, prostitucija itd., zbog čega je i samo promatranje pod jakim utjecajem medicinske kliničke prakse.

Na koncu, kao jedan od izvora suvremenih znanstvenih promatranja, onih u području sociologije prije svega, može se markirati i područje socijalne psihologije, točnije razvoj empirijskih pravaca u njoj pod utjecajem prirodnih znanosti

5.2.2.2. Vrste promatranja

I znanstveno promatranje, koje i jeste predmet interesa u ovoj analizi, može se pojaviti u različitim oblicima. Moguća je, sukladno tome, i njegova podjela prema različitim kriterijima. Primjerice, prema načinu promatranja znanstveno se promatranje može pojaviti kao izravno (neposredno) i neizravno (posredno). Obzirom na broj promatranih slučajeva moguće je, potom, razlikovati pojedinačno od masovnog promatranja. Prema položaju sudionika u promatranju, promatranje može biti sa sudjelovanjem i bez sudjelovanja. Na koncu, prema vrstama razlikuje se jednokratno od etapnog promatranja.

A. Podjela na izravno i neizravno (neposredno i posredno) promatranje se temelji na tome sudjeluje li promatrač osobno u promatranju društvenih pojava ili se podaci o istraživanim pojavama dobivaju neposrednim opažanjem nekih drugih pojava, koje su u vezi s istraživanom pojavom.

S izravnim, neposrednim ili promatranjem u užem smislu, imamo posla u slučaju da se promatra pojavu koja se događa u momentu promatranja, i to onakva kakva ona u prirodi ili društvu, bez vanjskog utjecaja, stvarno egzistira. Dakako, i unutar ove vrste promatranja mogu se identificirati razlike te se, sukladno tome, može govoriti o dvije vrsta i ovog, dakle izravnog promatranja – slobodnom i planskom. Slobodno izravno promatranje je također i plansko i sistematično, ali je rasterećeno krute sheme i prilagođeno je opservaciji objekta promatranja. Drugim riječima, njegov je plan dosta elastičan i promjenjiv. Stoga se ovaj tip promatranja primjenjuje uglavnom u prvim fazama empirijskog uvida u određenu pojavu ili proces. Za plansko slobodno promatranje je, što mu i sam naziv sugerira, indikativan točno utvrđeni plan promatranja. Ono, prema tome, gubi gipkost i elastičnost koja karakterizira slobodno promatranje. Ali, zato je, zahvaljujući njemu, moguć dublji uvid u određene podatke koji pojavu ili procese, koje promatramo, karakteriziraju.

Za neizravno, posredno, a neki ga zovu i promatranje u širem smislu riječi, karakteristično je da se ne promatra izravno pojava ili društveni proces koji su predmet znanstvenog istraživanja. Naprotiv, promatra se jedna ili više drugih pojava koje su s njom u vezi, a temeljem njihova promatranja dolazimo do sudova i o pojavi koja je predmet istraživanja. Osim toga, promatranje ne mora vršiti promatrač sam nego, naprotiv, to čini preko nekog drugog promatrača. Sukladno navedenom određenju, neizravno promatranje se može pojaviti također u dva oblika. Moguće je, prije svega, kao promatranje preko informatora, a to, drugim riječima, znači da promatraču kao neka vrsta oka služi sudionik-informator. Ovaj tip promatranja primijeniti će se uvijek kada jezično-kulturne barijere

102

promatraču onemogućuju da promatranje obavi sam, bez posrednika, bez informatora koji komunikacijskih problema nema. Ali, neizravno promatranje je moguće i kao promatranje dokumenata, u kojem kao izvor promatranja služe obavještenja sasvim druge vrste, ona koja nisu ciljano namijenjena promatranju. Takvi su, primjerice, dokumenti ili registri koji sadrže podatke o određenim društvenim pojavama, ili statistički podaci o tim pojavama koji se, recimo, prikupe analizom sadržaja kao zasebnom znanstvenom tehnikom.

B. Razlikovanje između pojedinačnog i masovnog promatranja se temelji na tome koliki je broj promatranih slučajeva.

Pojedinačno promatranje karakterizira činjenica da su objekt promatranja pojedinačni slučajevi ili ista vrsta pojava. U znanosti je takvo prikupljanje podataka o slučaju poznato kao «Case study», odnosno studija slučaja. Pored studije pojedinačnog slučaja u ovu grupu promatranja se svrstava i tzv. kliničko promatranje, koje je razvijeno u medicini i psihijatriji, a koje za cilj ima ostvarivanje izravnog kontakta između promatrača i pacijenta, ali i dobivanje cjelovitih podataka o bolesti i njezinim uzrocima.

Masovno promatranje, međutim, istovremeno obuhvaća veći broj slučajeva ili grupa istih ili različitih pojava. Na taj se način, zapravo, vrši neka vrsta registriranja činjenica na većem broju ili čitavoj masi slučajeva, što, opet, omogućuje upoznavanje sastava pojave ili čak i njezin razvoj.

C. Podjela na promatranje sa sudjelovanjem i bez sudjelovanja. O kojem od njih se radi ovisi o tome uključuje li se istraživač u život i rad određene sredine ili tu sredinu i pojave u njoj promatra bez aktivnog sudjelovanja u njezinu životu i radu.

Promatranje bez sudjelovanja karakterizira da se promatrač ne pridružuje grupi koju promatra. Ono je, prema tome, veoma blisko drugim vrstama, prije svega izravnom (neposrednom) promatranju.

Kod promatranje sa sudjelovanjem, naprotiv, stanje je potpuno drugačije. Promatrač je, naime, sudionik pojave o kojoj pribavlja podatke, komunicira sa subjektom promatranja. Još konkretnije, promatrač se pridružuje grupi koju promatra, postaje sudionik njezinih radnji, a time, u izvjesnoj mjeri, i u mogućnosti da utječe na njezino ponašanje ili procese koji se u njoj događaju i koje prati. Dva su razloga zašto primjena ove vrste promatranja ima svoju svrhu. Jedan je u činjenici da su mnoge grupe - sekte, elite, tajna udruženja itd., - zatvorene i nedostupne promatranju, zbog čega je postajanje njihovim sastavnim dijelom i prividni gubitak vlastitog identiteta, i nužni uvjet da se o njima dobiju potrebni podaci. Drugi je isto tako uvjerljiv. Ovakvim se integriranjem u grupu, zapravo, savladava onaj neugodni odnos postvarenog objekta s jedne, te vladavine subjekta s druge strane. Umjesto toga, među njima se uspostavlja odnos iste važnosti. I jedni i drugi se podjednako osjećaju subjektom.

Dakako, i unutar ovog, promatranja sa sudjelovanjem može se govoriti o više tipova njegove manifestacije. Gold i Junker, primjerice, razlikuju četiri tipa promatranja sa sudjelovanjem:

1. Promatranje u kojem se znanstvenik pojavljuje kao potpuni sudionik. Radi se, drugim riječima, o promatranju u kojoj promatrana sredina uopće ne zna da u njoj živi znanstvenik sa zadatkom da je promatra, da je promatračeva stvarna funkcija namjerno prikrivena. Dva su moguća oblika ovog tipa promatranja: eksperimentalno ispitivanje, čiji je smisao da se eksperiment ne primijeti, te tzv. prodiranje u zatvorene društvene grupe – među kriminalce, vjerske sekte itd.

2. Promatranje u kojem se znanstvenik pojavljuje kao sudionik promatrač. Promatrač, dakle, u ispitivanoj sredini preuzima neku od uloga koja u njoj normalno postoji, sredina, potom, zna da on, pored uloge koju vrši, ima i određenu promatračku zadaću. No, između dviju njegovih uloga dominantna je, ipak, praktična, ona koju je promatrač preuzeo dolaskom u grupu.

3. Promatranje u kojem se znanstvenik pojavljuje kao promatrač sudionik. Uloga promatrača i ovdje je, kao u prethodnom slučaju, poznata ispitivanoj sredini. No, postoje i razlike. Razlika u odnosu na prethodno je u činjenici da promatrač nije vezan ni uz jednu stalnu ulogu, da ih može mijenjati kako bi, obavljajući ih, imao mogućnost što lakšeg i što potpunijeg promatranja. Takva, relativno slobodnija pozicija mu, međutim, stvara i više mogućnosti da svoja zapažanja bilježi jer nije zauzet zadacima trajno preuzete obveze. Na

103

koncu, u odnosu između praktične i uloge promatrača ova druga, uloga promatrača, je dominantnija. Stoga se i smatra kako je ovaj tip promatranja najelastičniji i najprikladniji.

4. Promatranje u kojem se znanstvenik pojavljuje kao čisti promatrač. Veza koju ima s ispitivanom sredinom je krajnje površna, a promatrač ima ulogu jednog od mnogobrojnih gledatelja. Iako je pogodno za promatranje ponašanja koje je potpuno javno, postavlja se pitanje može li se ovaj tip promatranja uopće smatrati jednim od pojavnih oblika promatranja sa sudjelovanjem.

Uvažavajući Gold-Junkerovu klasifikaciju, postoji razlog da se ona dopuni i petim tipom promatranja sa sudjelovanjem, onim u kojem promatrač nastupa u ulozi istraživača, znanstvenog promatrača. Znanstvenik u njemu, dakle, ne preuzima nikakve druge formalne uloge, on je samo znanstveni promatrač i ta mu je uloga poznata promatranoj sredini. Osim toga, tijekom boravka u njoj znanstvenik je, ako je boravak vremenski dulji, u mogućnosti stvarati neformalne odnose s izvjesnim brojem pojedinaca i grupa što mu, opet, olakšava sudjelovanje u različitim oblicima društvenog života te sredine.

D. Jednokratno i etapno promatranje. Za jednokratno promatranje je karakteristično da se primjenjuje samo u jednom momentu, obično onom koji je ključan za odvijanje nekog procesa, koji je za taj proces krucijalan. Taj moment u odvijanju procesa se, na izvjestan način, fotografira, i na taj način prati kako eventualne promjene u njemu utječu na dalje odvijanje procesa ili razvoj pojave. Za razliku od njega etapno promatranje karakterizira činjenica da se proces promatranja uključuje u različitim sekvencama odvijanja određenog procesa ili razvoja pojave i to sa zadatkom da se uoče promjene u dužem vremenskom periodu, a ne samo u točno određenom, krucijalnom momentu.

5.2.2.3. Realiziranje promatranja

Neovisno, o kojoj vrsti znanstvenog promatranja se radilo, da bi ono bilo valjano, mora udovoljiti određenim zahtjevima. Neophodno je, prije svega, da je predmet promatranja dobro odabran i definiran, da je točno i krajnje jasno definiran cilj opažanja jer, u protivnom, samo promatranje može naići na masu problema, te da su sve radnje u njemu planirane po unaprijed određenom redu, tj. da se unaprijed zna mjesto promatranja, sredstva koja će biti korištena, način registriranja dobivenih podataka, njihova daljnja obrada itd. Promatranje, dakako, mora biti objektivno i nepristrano, njime treba zahvatiti samo one pojave koje su predmet proučavanja, mora biti precizno i tome slično. Dakako, da bi sve to bilo moguće neophodno je i da se imaju kvalificirani promatrači, ljudi koji imaju potrebna teorijska znanja, ali i iskustvo u primjeni ove tehnike prikupljanja podataka.

No, u osiguravanju svih tih pretpostavki česti su problemi različite vrste. Jedna od tih vrsta problema je, primjerice, vezana i za poteškoće koje otežavaju postizanje sistematičnosti promatranja. Dvije vrste tih poteškoća zaslužuju i posebnu pažnju:

I. Poteškoće objektivnog tipa. U pitanju je, prije svega, poteškoća u vezi s ograničenošću opažajnog polja, a ta ograničenost je izravna posljedica težnje da se promatranjem što manje mijenja tok promatranih događaja. U pitanju je, potom, poteškoća koja je u vezi s činjenicom da je proces opažanja potpuno podređen spontanom ritmu događaja. U pitanju su, na koncu, i poteškoće koje su u vezi s vrlo različitom pravilnošću raznih društvenih pojava. Što je, primjerice, neka društvena pojava manje regularna teže ju je unaprijed pripremiti za promatranje i na vrijeme se opredijeliti za metodu koja je najoptimalnija. Ili, promatrač ne može ocijeniti gdje je najkorisnije da se u određenom momentu nađe itd.

II. Poteškoće znanstvene naravi. Promatranju, naime, nije dan značaj kojeg ono objektivno zaslužuje. Klasifikacijski sustavi za razvrstavanje podataka, primjerice, nisu dovoljno razrađeni. Nije, potom, poklonjena dovoljna pozornost kretanju promatrača u vremenu i društvenom prostoru koji treba osigurati sistematičnost podataka itd.

Inače, promatranje je kompleksan proces koji se sastoji od većeg broja radnji. To, drugim riječima, znači da je i za njegovo izvođenje potreban određeni plan u kojem su te radnje detaljno i razrađene. U kontekstu ove analize pozornost je zadržana samo na terenskom dijelu posla – pripremi za odlazak na teren, te bilježenju prikupljenih podataka.

104

A. Priprema za odlazak na teren. Dobra priprema je i jedna od temeljnih pretpostavki uspješnog promatranja. Ona, dakako, obuhvaća veći broj radnji. Neke od njih posebno apostrofiramo:

1. Korištenje različitih posrednih izvora s ciljem da se dobiju informacije o sredini u koju se dolazi. To, između ostalog, podrazumijeva i:

upoznavanje prošlosti, te općih društvenih i kulturnih obilježja kraja u koji se dolazi,

upoznavanje pozitivnih propisa u vezi s onim što se želi promatrati, prikupljanje znanstvene literature i statističkih podataka o sredini u koju se

dolazi, ali i lokalnoga tiska, razgovor s onima koji poznaju mjesne prilike i ljude.

2. Održavanje dobrih odnosa s proučavanom sredinom. Istraživač treba, primjerice, izbjegavati mogućnost pojave zategnutih odnosa s rukovodećom lokalnom grupom. Uputno je, potom, i prakticiranje razgovora s pojedincima jer oni mogu dovesti do međusobne bliskosti, pa i nekonvencionalnih poziva istraživaču da navrati u goste. A to je, onda, prilika da čitav posao bude i daleko uspješniji.

3. Osobnim odnosom i ponašanjem pokazivanje, i to u svakoj mogućoj prilici, razumijevanja prema društvenim normama dotične sredine. Pri tome, dakako, ne treba glumiti i potpunu identifikaciju s tom sredinom jer to može stvoriti nepovjerenje ljudi i osjećaj da je istraživač neiskren i licemjer.

B. Prikupljanje i bilježenje podataka promatranja. Prikupljanje podataka mora biti tehnički što raznolikije i zasnivati se na komplementarnoj upotrebi različitih postupaka. Pri tome se, dakako, preferiraju duža i kompleksnija promatranja zbog prednosti koje imaju. Prednost im je, prije svega, da omogućuju razgovor s ispitanicima u više navrata što omogućuje sistematičnije i iscrpnije prikupljanje podataka. Prednost im je, potom, i šira mogućnost neposredne kontrole dobivenih informacija. Istraživač, na koncu, kroz dulje vrijeme prikuplja verbalne iskaze ljudi da bi ih kasnije, nakon što je vidio ispitanike i prilike u kojima žive, sam sređivao i analizirao.

Bitna je i točnost i preciznost u bilježenju prikupljenih podataka. Bilježenje prikupljenih podataka, naime,

mora biti sistematično – da se, drugim riječima, podaci što prije zabilježe, da se pri tome unese što više pojedinosti, te

da se, što je moguće prije, i srede – klasificiraju korištenjem različitih tipova klasifikacije.

Na koncu, za prikupljanje i sređivanje podataka promatranja bitna je i tzv. osobna jednadžba promatrača, pojavnost koja se kod ankete manifestira kao anketarska pogreška. Osobnom jednadžbom promatrača se želi utvrditi veličina i vrsta iskrivljavanja opažajnih podataka zbog razloga različite vrste – zbog osobnih psihičkih karakteristika promatrača, njegova psihičkog stanja u trenutku promatranja itd. Inače, osobna jednadžba promatrača ovisi u većem broju elemenata. Najznačajniji među njima su:

Brzina, preciznost i strukturne karakteristike opažaja, a on, u biti, čini jedinstvo dvaju elemenata – čulnog osjeta i elemenata zaključivanja na osnovu ranijeg iskustva.

Različita sposobnost za psihičku koncentraciju u opažanju. Kod ljudi, primjerice, koji su skloni živciranju, pažnja znade jako oscilirati.

Individualne osobine pamćenja, koje su bitne posebice ako se podaci ne mogu neposredno bilježiti.

Trenutačno psihičko raspoloženje, jer česte promjene raspoloženja utječu na neujednačenost vrijednosti promatranja.

Društvene karakteristike promatrača. Promatrači, naime, posjeduju različitu sposobnost uspostavljanja društvenog kontakta s drugim osobama

Kako, postavlja se pitanje, otkloniti štetan utjecaj osobne jednadžbe promatrača? U funkciji toga, pored ostalog, može biti i slijedećih nekoliko sugestija:

apostrofiranje važnosti istraživačeva samopromatranja i vođenja dnevnika rada u kojem se bilježe i svoja vlastita raspoloženja,

rad u grupama, te prakticiranje da pojedina istraživanja u cjelini izvode neki drugi istraživači.

5.3. KLASIFIKACIJA I MJERENJE

105

Klasifikacija i mjerenje su svojevrsno sredstvo za otkrivanje reda među pojavama, a istodobno i rezultat nastojanja da se otkriju neke dublje zakonitosti toga reda. U procesu prikupljanja podataka i stvaranja iskustvene evidencije, još konkretnije, izdvojiti se mogu tri najznačajnije faze:

I. Prikupljanje izvornih informacija i stvaranje izvorne građeII. Izdvajanje izvornih podataka iz izvorne građe. U toj su, dakle funkciji izdvajanja,

kao osnovna pojmovna i tehnička sredstva, upravo klasifikacija i mjerenje.III. Stvaranje sintetičkih oblika iskustvene evidencije na temelju relativno

homogenih i međusobno usporedivih podataka

5.3.1. Klasifikacija

Klasifikacija (lat. classis = razred) je «u stvari, dosljedna i potpuna podjela općeg pojma na posebne, koje taj pojam obuhvaća. Npr. opći pojam znanosti klasificira se na pojedinačne i univerzalne znanosti. Pojedinačne se mogu dalje klasificirati na realne i formalne. Realne se opet dalje dijele na prirodne i kulturne. Pojam znanosti dijeli se na čitav niz klasa, a sve opet dalje na 'podklase'» (Petrović, 1977., 49).

Iz navedenog je određenja jasno kako je klasifikacija tehnika koja je prisutna u svim znanstvenim disciplinama, ali ujedno i jedna od najstarijih znanstvenih tehnika uopće. Svaka znanost, još preciznije, počinje, više ili manje razvijenom klasifikacijom. Promatranje sličnosti među određenim stvarima i pojavama i njihovo grupiranje po određenim kriterijima predstavljaju ujedno i prvi pokušaj da se, u naoko kaotičnoj stvarnosti, s kojom se susretao ljudski um, otkrije neka vrsta reda. Klasifikacija se, pri tome, sastojala u svrstavanju tih različitih stvari i pojava u društvu i prirodi u grupe prema njihovoj sličnosti, po nečemu što im je zajedničko, po nekim zajedničkim svojstvima i slično.

Dakako, taj posao razvrstavanja, klasificiranja, prolazio je različite razvojne faze. U svojim je začecima on bio u funkciji praktičnih ciljeva, u funkciji koristi koju je mogao imati za čovjeka. Takvo je, primjerice, razvrstavanje na korisne i štetne biljke. No, te prve klasifikacije su se često zasnivale na površnim sličnostima ispod kojih su, ne tako rijetko, skrivane i veoma značajne razlike. Događalo se, dakako, o obrnuto – da se, zahvaljujući površnim razlikama, od svrstavanja u iste rodove, klase ili podklase odustajalo iako su ispod njih se znale naći i suštinske sličnosti.

Kako se, međutim, znanost razvijala, objektivnijima i prirodnijima su postajale i klasifikacije jer se, umjesto na praktičnu korist za čovjeka, pažnja usmjeravala više na bit, prirodu stvari ili pojava.

Znanstvena klasifikacija, da bi bila utemeljena, mora slijediti i određena načela. Pet načela klasifikacije se, međutim, najčešće i apostrofiraju (vidjeti Šešić, 1974., 89-90.):

1. Načelo određenosti predmeta podjele. Opći pojam koji se dijeli, odnosno klasificira, mora biti određen, kako u pogledu svoga obujma, tako i u pogledu svoga sadržaja, tj. mora biti jasan i razgovijetan. Da bi, primjerice, klasificirali pojam «obitelj», moramo točno znati što sve spada u taj pojam.

2. Načelo jedinstvenosti – sistematska podjela mora počivati na jednom te istom načelu. Inače je ona i heteronomna i nejedinstvena. U podjeli stanovništva, primjerice, mora se slijediti načelo jedinstvenost – može ga se dijeliti ili prema nacionalnoj pripadnosti, ili prema vjerskoj pripadnosti ili prema regionalnoj pripadnosti ili prema spolnoj pripadnosti itd., a nikako da se u jednoj te istoj podjeli nađu sve te karakterne crte. Teško je, primjerice, zamisliti podjelu tipa: Srbi, Sarajlije, zapadni Hercegovci, muškarci, fakultetski obrazovani.

3. Načelo relativne posebnosti svakog člana podjele u okviru općeg predmeta, odnosno općeg pojma koji se dijeli. Svi članovi podjele se, drugim riječima, moraju međusobno razlikovati, imati svoju posebnost, i to posebnost istog reda i iste vrste. Inače je podjela ili nemoguća ili konfuzna. Opći pojam «čovjek», primjerice, moguće je podijeliti na posebne pojmove «žena» i «muškarac» samo ako su oni određenog i različitog, suprotnog spola. U slučaju hermafroditizma ovakva je podjela nemoguća ili konfuzna.

4. Načelo jedinstva posebnih članova. Svi, dakle, posebni članovi, iako različiti, pa i suprotni, moraju imati i izvjesne zajedničke sadržajne odrednice, činiti jedinstvo općeg predmeta ili pojma. Pojmovi «muškarac» i «žena» mogu biti članovi općeg predmeta i pojma «čovjek» samo ako, i pored spolne suprotnosti i drugih različitih osobina, imaju i zajednička opća svojstva koja ih čine čovjekom.

106

5. Načelo potpunosti podjele. Podjela, dakle, određenog predmeta, odnosno njegova pojma mora, u okviru principa određene podjele i predmeta podjele, biti iscrpna i potpuna. Podjela, primjerice, četverokuta, prema principu paralelnosti njihovih strana, na paralelograme, trapeze i trapezoide, potpuna je jer su njome obuhvaćeni svi četverokuti obzirom na paralelnost strana – jer obuhvaća one s nijednim parom paralelnih strana (trapezoid), jednim (trapez), odnosno oba para paralelnih strana (paralelogram). Suprotno tome, podjela paralelograma na rombove, pravokutnike i kvadrate nepotpuna je jer u paralelograme spadaju i romboidi.

Kako se stvaraju klasifikacije? Osnova klasifikacije mogu biti dosta različiti kriteriji. Tri kriterija klasifikacije, međutim, vrijedi i posebno apostrofirati:

Genetičko-strukturalni kriterij. Slijedi li se on u pitanju je klasifikacija koja se nalazi na višoj razini općenitosti i sistematičnosti. Klasifikacije koje slijede ovaj kriterij označavaju se kao prirodne klasifikacije.

Ekološki kriterij. Klasifikacije koje ga slijede u obzir uzimaju ekološke uvjete u kojima se određene pojave javljaju. Klasifikacije, nastale na ovom kriteriju, ne spadaju u red osnovnih, fundamentalnih klasifikacija

Pragmatično-teleološki kriterij. Klasifikacije koje ga slijede koriste se u prirodnim znanostima.

Iste se pojave, dakako, mogu klasificirati na različite načine. Koji od njih će biti i primijenjen zavisi od toga koje su osobine klasificiranih pojava, ali i koje su veze s drugim pojavama koje su u centru interesa. Na koncu, različite klasifikacije će slijediti i različite ciljeve. U pravilu se, međutim, može praviti razlika između dvije grupe klasifikacija – elementarnih i kompleksnih, odnosno višedimenzionalnih.

Elementarne klasifikacije su jednodimenzionalne. Zasnivaju se, drugim riječima, na jednoj osobini, odnosno jednom obilježju klasificiranih pojava. Izrazito su, potom, analitičkog karaktera, apstraktne i nedovoljne za razvrstavanje kompleksnih pojava.

Kompleksne ili višedimenzionalne klasifikacije nastaju najčešće ukrštanjem nekoliko elementarnih klasifikacija, u svojim jedinicama združuju po nekoliko osobina složenih pojava, a time je u mogućnosti i da se mnogo više približi realnim kompleksnim pojavama. Ovaj tip, odnosno grupacija klasifikacija ima veći značaj u društvenim nego u prirodnim znanostima. 5.3.2. Mjerenje

Mjerenje je, u najopćenitijem smislu, uspoređivanje dviju istovrsnih veličina s ciljem da se utvrdi njihov omjer. Ono se, međutim, može definirati i kao postupak utvrđivanja vrijednosti nekog ekstenzivnog svojstva ili kvantitete pomoću nekog pribora ili instrumenta. Drugim riječima, mjeriti se mogu samo ekstenzivna svojstva kakva su, primjerice, dužina, širina, volumen, temperatura, gustoća i slično. No, mjeriti se ne mogu i intenzivna svojstva ili kvaliteta. Nemoguće je mjeriti, primjerice, pokvarenost, duhovitost, lukavost i slično. Pođe li se, pak, od toga, prva je pretpostavka mogućnosti mjerenja uopće postojanje tih ekstenzivnih svojstava ili kvantitete.

Da bi se, s druge strane, moglo uopće mjeriti neophodno je i postojanje određenih mjernih jedinica, odnosno dogovorom utvrđene konstantne vrijednosti fizikalne veličine koja ima i posebni naziv. Duljinu mjerimo metrom, masu kilogramom, električnu struju amperom itd. Prema tome, usvajanje mjernih jedinica je preduvjet svakog mjerenja. U znanstvenom i stručnom radu u upotrebi je isključivo Međunarodni sistem mjernih jedinica (SI) koji je sastavljen od sedam osnovnih jedinica. Metar se koristi kao jedinica za duljinu, sekunda za vrijeme, kilogram za masu, amper za jakost električne struje, mol za količinu tvari, kandela za intenzitet svjetlosti, te kelvin za termodinamičku temperaturu.

Mjerenja nema ni bez određenih instrumenata ili pribora za mjerenje, odnosno sredstava koja služe za utvrđivanje kvantitativnih osobina veličine koja se mjeri. Različite su vrste tih instrumenata. Među njih se ubrajaju, prije svega, različiti fizikalno-kemijski instrumenti, kakvi su, primjerice, vaga, metar, Gajgerov brojač itd. U instrumente se ubrajaju i testovi u najširem smislu riječi, od onih koji služe za mjerenja znanja i stavova do testova za mjerenje interesa i drugih osobina. Na koncu, specifični instrument je i sam čovjek, bez kojeg nema nikakvog mjerenja.

107

Za mjerenje je bitno poznavanje i točnosti mjerenja. Dosta je česta situacija, pri tome, da postoji izvjesna razlika između izmjerene vrijednosti i stvarne vrijednosti fizikalne veličine. Ta razlika se označava terminom pogreška mjerenja. Ona se može izraziti u dva oblika. Prvi je takozvana apsolutna pogreška mjerenja, dakle razlika između izmjerene vrijednosti i stvarne veličine. Drugi je poznat kao relativna pogreška, odnosno omjer između apsolutne pogreške i stvarne veličine izražen u postotcima ili promilima.

Promatra li ga se, međutim, kao jednu od tehnika prikupljanja empirijskih podataka za znanstveno zaključivanje, mjerenje predstavlja bitan način usavršavanja i preciziranja znanstvenog opisa i analize raznih društvenih pojava, a sukladno tome i sredstvo za povećanje egzaktnosti društvenih znanosti. Svako se mjerenje, potom, može shvatiti i kao samo manje ili više preciznija klasifikacija. To, opet, znači da se mjerenje ne zaustavlja samo na kvantitativnoj dimenziji, nego zadire i u kvalitativno izučavanje određene pojave. Pođe li se od takvog razumijevanja mjerenja, ono se, onda, može definirati i kao označavanje iskustvenih pojava (kompleksnih pojava, pojedinih njihovih osobina, odnosa i procesa) pomoću brojčanih simbola koji se mjerenim pojavama pridodaju na osnovi pretežito utvrđenih pravila, koja, opet, mogu biti vrlo različita – jasna i precizna, strogo uniformna, što manje podložna iskrivljavanjima itd.

Definira li ga se, pak, na taj način, moguće je, onda, praviti razliku između tri, međusobno povezane, funkcije mjerenja – opisne, pojmovne i analitičke.

1. Opisna funkcija mjerenja je, zbog načina njihova opisivanja iskustvenih pojava, izražena posebice u teorijskim znanostima. Glavna zadaća teorijskih istraživanja je, naime, ispitivanje i objašnjavanje odnosa između iskustvenih pojava. Ova se funkcija, inače, sastoji u omogućavanju preciznijeg opisa složenih pojava i odnosa između različitih pojava uvijek kada opis mora sadržati neke količinske odredbe.

2. Pojmovna funkcija mjerenja se, u biti, sastoji u stvaranju tehničkih mogućnosti preciznijeg povezivanja znanstvenih pojmova sa stvarnošću.

U izravnoj vezi s ovom funkcijom dugo je bio i operacionalizam, teorija prema kojoj značenje, pripisano nekom pojmu, počiva na operacijama koje dopuštaju da se jedan pojam mjeri. Prema Lundbergu (Landberg), jednom od najpoznatijih predstavnika operacionalizma u sociologiji, moguće je izraditi znanstveno upotrebljivo mjerilo i bez prethodne teorijske analize predmeta mjerenja.

Pri tome se, kada su operacionalisti u pitanju, apostrofira tehnička strana mjerenja. U onom momentu, međutim, kada se počinje tražiti bilo kakav kriterij adekvatnosti mjerenja, napušta se i operacionalističko stajalište da je predmet mjerenja jedino ono što se mjerilom mjeri, da se taj predmet može odrediti jedino strukturom samog mjerila.

Nastanak znanstvenih pojmova i odgovarajućih mjerila upravo je suprotan operacionalističkom shvaćanju. Znanstveni pojmovi, naime, ne polaze od gotovih mjerila. Dapače. Mjerilo za određeni pojam se izrađuje na temelju shvaćanja odnosa između toga pojma, iskustvenih činjenica i drugih znanstvenih pojmova

3. Analitičku funkciju mjerenje ima ako se izvorni podaci stvaraju pomoću preciznijih mjerenja. Što, međutim, podrazumijevaju preciznija mjerenja? U pitanju je, najjednostavnije, mogućnost da se, primjenom kompleksnijih matematičko-analitičkih postupaka, a oni su detaljnije obrađeni u svakom udžbeniku statistike, preciznije ispitaju razni iskustveni odnosi.

5.3.2.1. Vrste mjerenja U znanstvenim se istraživanjima koriste različite vrste mjerenja. Inače, podjela

mjerenja se može izvršiti prema različitim kriterijima. Tri kriterija podjele zaslužuju i posebnu teorijsku pažnju.

I. Prema načinu izvođenja moguće je praviti razliku između dviju vrsta mjerenja – osnovnih i izvedenih.

Osnovna mjerenja su ona kod kojih su metrički standard i jedinica mjerenja iste kvalitete kao i predmet mjerenja. Zahvaljujući toj činjenici ovim se mjerenjima postiže vrlo visok stupanj preciznosti. Inače, sva osnovna mjerenja karakterizira i to da imaju prirodnu nultu točku, odnosno točku u kojoj mjerena pojava iščezava, ne postoji. Na koncu, osnovna mjerenja služe kao osnova mnogim izvedenim mjerenjima, ali i kao kriterij provjere njihove točnosti.

108

Izvedena mjerenja su mnogo raznovrsnija od osnovnih. Prema načinu izvođenja, primjerice, dijele se na mjerenja koja se izvode na osnovi nekog zakona i ona koja se izvode na osnovi dogovora. Kada su u pitanju prva, mjerenja koja se izvode na osnovi nekog zakona, takav zakon predstavljaju, primjerice, stabilne uzročno-funkcionalne veze između predmeta, mjerenja i pojava pomoću kojih se ono izvodi. Stabilnost takvih mjerenja ovisi od više varijabli – od stabilnosti zakonske veze (npr. mjerenje tjelesne temperature pomoću toplomjera), od toga može li se ta veza izraziti pomoću precizne matematičke funkcije itd.

S druge strane, mjerenja koja se izvode na osnovi dogovora su mjerenja koja izražavaju svojevrsni matematički odnos između predmeta mjerenja i jedne ili više vrsta drugih mjerljivih pojava. Tri su pojavne forme ovakvih mjerenja:

a) Mjerenja na osnovi količnika, koja pokazuju kolika je relativna učestalost određene vrste pojava u nekoj društvenoj sredini, kakve su, primjerice, demografske stope.

b) Mjerenja izvedena na osnovi podataka o unutarnjoj strukturi nekih pojava, kakva su razna sociometrijska mjerenja, te

c) Mjerenja koja se zasnivaju na nekom modelu vjerojatnosti, kod kojih je od presudne važnosti koliko je primijenjeni model vjerojatnosti realističan.

II. Mjerenja prema formalnim karakteristikama ljestvica koje koriste. Slijedi li se Stivensova klasifikacija, moguće je praviti razliku između četiri vrste ljestvica – nominalnih, ordinarnih, intervalnih i ljestvica količnika.

Nominalne ljestvice su rezultat kvalitativne klasifikacije. Članovi te ljestvice su, preciznije, kvalitativne grupe, a mjerenje se sastoji u prebrojavanju slučajeva koji pripadaju određenoj kvalitativnoj grupi. Takva je, primjerice, klasifikacija zanimanja. Ova mjerenja mogu biti vrlo precizna.

Pomoću ordinarnih ljestvica se, međutim, utvrđuje samo redoslijed, ili položaj duž nekog kontinuuma, ali ne i razlike u apsolutnim veličinama.

Intervalne ljestvice i ljestvice količnika su međusobno dosta slične. I jednima i drugima se može utvrditi, ne samo redoslijed pojava u nekom nizu, nego i apsolutna veličina razlika. I jedne i druge, potom, imaju jednake, ekvivalentne jedinice. No, u jednom se detalju i razlikuju. Ljestvice količnika, naime, posjeduju prirodnu nultu točku, točku, dakle, u kojoj mjerena pojava uopće ne postoji. Ako je, pak, nulta točka konvencionalno izabrana – kao što je slučaj kod, primjerice, mjerenja temperature tijela – tada ona nije prirodna.

III. Prema kompleksnosti, stupnju složenosti može se praviti razlika između prostih i složenih (kompleksnih) mjerenja.

Prosta mjerenja se zasnivaju na uzročno-funkcionalnom ili konvencionalnom odnosu dviju promjenljivih pojava.

Kod složenih (kompleksnih) se mjerenja, međutim, često može naići i na određene poteškoće. Obično se, naime, teži da rezultat tih mjerenja bude izražen u jedinstvenom sintetičkom indeksu jer se njime lakše dalje operira podacima. Generalno, biti toga indeksa je u činjenici da se polazi od pretpostavke da razne komponente složenog determinističkog spleta sasvim nezavisno djeluju na mjerenu pojavu, a indeksna je vrijednost zbroj njihovih odvojeno uzetih vrijednosti. No, to uvijek i ne mora biti točno. Razlog tome je što se pojedini činitelji u raznim spletovima mogu ponašati na različit, ponekada čak i suprotan način. Primjer za to je i tzv. nekristalizirani društveni položaj, slučaj, primjerice, da osoba ima obrazovanje koje je niže od njezina društvenog položaja. Zbog takvih mogućnosti poznavati se mora i opću indeksnu vrijednost i indeksnu vrijednost sastavnih dijelova pojave koja se ispituje, posebice ako se oni ne kreću u jedinstvenom pravcu nego su više ili manje divergentni i odstupaju od općih pravilnosti.

5.4. EKSPERIMENT

Pod pojmom eksperiment podrazumijevaju se različite stvari. Za jedne, svako znanstveno istraživanje je, na određen način, i svojevrsni eksperiment. Za druge, opet, eksperiment podrazumijeva znanstveno-istraživačku metodu koja utvrđuje uzročno-posljedične veze i odnose između pojava. U kontekstu ove analize, međutim, pod eksperimentom podrazumijevamo tehniku prikupljanja znanstvenih podataka.

109

Iz povijesne perspektive promatrano eksperiment se, u svojim začecima dakako, susreće već u aleksandrijskoj školi. No, o značajnijem se razvoju ne može govoriti sve do novog vijeka. Procvat moderne znanosti značio je istodobno i procvat eksperimenta. Pri tome, prva opsežnija primjena eksperimenta zabilježena je u mehanici. Galilei je, primjerice, koristeći eksperiment, utvrdio zakone slobodnog pada, a pomoću njega je proučavao i gibanje tijela niz kosinu i horizontalni hitac. Kasnije je, iz područja fizikalnih procesa, eksperiment prenijet i na izučavanje bioloških pojava. Osnivačem moderne eksperimentalne fiziologije se, primjerice, smatra francuski fiziolog Bernard (1813.-1876.), koji u postupku istraživanje jedne pojave pravi razliku između pet faza. Tri od njih su, međutim, vezane za eksperiment.39

Unutar društvenih znanosti eksperiment se, međutim, razvija tek početkom XX. stoljeća. Jedan od, primjerice, prvih socioloških eksperimenata vezan je za ime Stewarta Dodda (Stjuart Dod), koji je između 1931. i 1933. godine u Siriji ispitivao utjecaj organizacije zdravstvenog prosvjećivanja na promjene shvaćanja o higijeni i zdravstvenoj zaštiti stanovništva. Međutim, najveći utjecaj na razvoj ove tehnike prikupljanja podataka u sociologiji nije izvršio on nego Stewart Chapin (Stjuart Čapin) i Kurt Lewin. Već 1948. godine Lewin piše o svom uvjerenju da se u sociologiji mogu izvršiti znanstveni eksperimenti kao i u kemiji i fizici.

Postavlja se, dakako, pitanje gdje treba tražiti razloge ovom zakašnjenju pojave eksperimenta u društvenim znanostima. Oni se, među inim, kriju i u činjenici da društvene pojave često nije ni lako ni poželjno izazvati. U središtu interesa društvenih znanosti su, primjerice, ratovi, kriminal, štrajkovi i demonstracije, narkomanija i drugi tipovi devijantnosti itd. No, njih je, ako već postoje, moguće pratiti i iskustveno istraživati. Drugim riječima, u društvenim znanostima eksperiment označava svako znanstveno prikupljanje podataka u kojem se određena pojava ili proces nalaze pod kontroliranim uvjetima, neovisno o tome je li ona nastala sama od sebe, prirodno, ili je izazvana umjetno.

Kako, dakle, definirati eksperiment? U literaturi se, dakako, može sresti veći broj definicija. Prema jednoj od njih, primjerice, «Eksperiment je postupak kojim se izaziva neka prirodna pojava, radi opažanja, istraživanja i tumačenja» (Enciklopedija Leksikografskog zavoda, sv.2., 212.). Iz navedene je definicije, dakako, evidentno da se pojam eksperiment reducira samo na područje prirodnih pojava, dakle prirodnih znanosti.

U sociološkoj literaturi, opet, eksperiment se često definira na način kako je to svojedobno učinio i Vojin Milić. Po tom pristupu, eksperiment je «znanstveno promatranje u precizno određenim i kontroliranim uvjetima, s ciljem da u ispitivanoj oblasti utvrdi ili provjeri postojanje i prirodu nekog pretpostavljenog društvenog odnosa» (Milić, 1978., 680.). On, dakle, podrazumijeva promatranje pojave, koja je umjetno izazvana, radi provjere prethodno postavljene hipoteze o postojanju nekog uzročno-posljedičnog odnosa. Pri tome je značajno da se pretpostavljeni odnos nastoji ispitivati u što čistijem obliku što, opet, traži umjetno pojednostavnjivanje situacije.

I ova definicija eksperimenta je, doduše, nedostatna jer dijapazon eksperimenta reducira samo na područje društvenih odnosa. Taj se, međutim, jaz redukcije na samo prirodne ili na samo društvene pojave u nekim definicijama eksperimenta prevladava. Među njima je i definicija, kojom se eksperimentom označava tehnika kojom se «namjerno i planski u određenim uvjetima i okolnostima izazivaju pojave ili procesi u svrhu njihova promatranja, proučavanja, istraživanja i tumačenja» (Žugaj, Dumičić, Dušak, 1999., 58.). Za naše potrebe, međutim, opredjeljujemo se za određenje eksperimenta, po kojem je on «plansko izazivanje promjena u cilju proučavanja njihovih posljedica, i to u strogo kontroliranim uvjetima i s mogućnošću mjerenja posljedica izazvanih promjena» (Bakovljev, 1997., 49.)

Među znanstvenim eksperimentima postoje značajne razlike. Međutim, usprkos tome, za strukturu svakog znanstvenog eksperimenta neki dijelovi su zajednički. Žugaj, Dumičić i Dušak ih navode čak sedam. To su:

eksperimentator kao istraživač (pojedinac, skupina, kolektivi) koji planira, teoretski priprema i praktično realizira eksperiment;

predmet ili objekt pokusa (to su pojave ili procesi bilo kojeg dijela stvarnosti);

39 Navedenih pet faza, o kojima govori Bernard, su: 1) formiranje hipoteza (znanstvena ideja), 2. mogućnost podvrgavanja eksperimentu i ispitivanje posljedice hipoteze, 3. sastavljanje plana eksperimentiranja, 4. izvršenje eksperimenta (samo eksperimentiranje), te 5. analiza rezultata i zaključci o prirodi same pojave.

110

sredstva i oruđa eksperimenta (epruveta, metar, mikroskop, itd.); niz operacija koje obavlja eksperimentator (npr. odabiranje predmeta pokusa,

izdvajanje iz grupe, rukovanja, mjerenje i dr.); sam objektivni proces eksperimenta (fizički, kemijski, fiziološki); rezultati eksperimenta, tj. podaci o ponašanju predmeta eksperimentiranja; tumačenje rezultata eksperimenta i izvođenje znanstvenih teorija i zakona,

odnosno korigiranje postavljenih hipoteza ili postavljanje novih hipoteza. (vidjeti, Žugaj, Dumičić, Dušak, 1999., 59.-60.)

5.4.1. Vrste eksperimenata

Identificirati je moguće različite vrste eksperimenata. Kada su društvene znanosti u pitanju, prije svega sociologija, socijalna psihologija i pedagogija, ali i ostale, podjelu eksperimenta je moguće izvršiti prema dva osnovna kriterija – uvjetima izvođenja, te prema broju i tretmanu obuhvaćenih grupa ispitanika.

A. Podjela na prirodne i laboratorijske eksperimente, utemeljena na uvjetima izvođenja eksperimenta. Jedni se, drugim riječima, izvode u prirodnim, a drugi u laboratorijskim uvjetima. Pri tome se, doduše, daju identificirati i razlike u odnosu na to što se podrazumijeva pod «prirodnim uvjetima». Jedni, primjerice, prirodnim eksperimentom smatraju onaj u kojem ispitanici ne znaju da su uključeni u eksperiment, u protivnom se radi o laboratorijskom. Za druge je, međutim, za podjelu eksperimenta na prirodni i laboratorijski odlučujuće mjesto izvođenja eksperimenta. Radi li se, recimo, o pedagoškim istraživanjima, u kojima se istražuje školsko učenje, eksperiment je prirodni ako se obavlja u učionici, a laboratorijski ako se izvodi u laboratoriju.

Pod prirodnim eksperimentom, u kontekstu ove analize, podrazumijeva se eksperiment koji se ostvaruje u uobičajenim, prirodnim uvjetima, dakle bez stavljanja ispitanika u posebne, nesvakidašnje uvjete. U već spomenutom slučaju istraživanja školskog učenja to je eksperiment realiziran u uvjetima koji odgovaraju onima iz svakodnevnog pedagoškog rada, dakle u redovitoj nastavi odgovarajućeg predmeta, odgovarajućeg razreda itd.

Za razliku od njih, laboratorijski eksperiment se obavlja u uvjetima različitim od uobičajenih – u slučaju istraživanja školskog učenja, primjerice, u specijalnoj prostoriji, s naročitim uređajima, u neuobičajeno vrijeme itd. Pri tome se, dakako, ne mora raditi o laboratoriju u klasičnom smislu. Može to, u konkretnom slučaju, biti i redovita školska učionica ako su u njoj đaci stavljeni u nesvakidašnje uvjete.

Prirodni se eksperimenti smatraju vrjednijima od laboratorijskih. To je i utemeljeno budući su rezultati, dobiveni njime, nisu pod utjecajem nikakvih intervenirajućih varijabli što se, međutim, u slučaju laboratorijskoga eksperimenta, može dogoditi.

B. Prema broju i tretmanu obuhvaćenih grupa ispitanika razlikovati se mogu tri vrste eksperimenata – eksperiment s jednom grupom, eksperiment s paralelnim grupama, te eksperiment s rotacijom eksperimentalnog faktora.

Eksperiment s jednom grupom izvodi se – kako i sam naziv kaže - sa samo jednom grupom. Postupak njegova izvođenja je slijedeći. Prvo se, u samom startu, odgovarajućim instrumentom, primjerice testom, izmjeri polazno stanje određene zavisne varijable – u slučaju istraživanja školskog učenja odgovarajuće znanje učenika. Nakon toga se na tu varijablu djeluje na uobičajen, prirodan način – u slučaju istraživanja školskog učenja s učenicima se radi na način na koji se i inače radi. Nakon proteka utvrđenog vremena, u našem slučaju može i nakon obrade određene nastavne cjeline, mjeri se dobiveni rezultat, ono što se postiglo uobičajenim načinom rada. To stanje je, međutim, i novo polazno stanje, zavisna varijabla uoči prelaska na pedagoški rad na novi, eksperimentalni način. Nakon toga se u način rada unosi promjena čiji se učinci žele istražiti - u konkretnom slučaju se radi o pedagoškom radu na novi način. Nakon njegova završetka, koji može biti različito preciziran, vrši se mjerenje onoga što se, u tim novim, eksperimentalnim uvjetima postiglo. Na koncu se vrši i usporedba efekata rada u uobičajenim i eksperimentalnim uvjetima i utvrđuje jesu li novi, eksperimentalni uvjeti, i u kojoj mjeri, efikasniji, prihvatljiviji od uobičajenih ili ne.

111

Ova vrsta eksperimenta, međutim, ima i svojih slabih strana. Teško je, primjerice, izbjeći da rezultati prethodno realiziranog rada, onog koji je ostvaren na uobičajen, prirodan način, ne utječu na rezultate rada koji slijedi u novim, eksperimentalnim uvjetima. To je važno jer upozorava da se ne mogu osigurati isti uvjeti u oba ciklusa. Stoga se ova vrsta eksperimenta sve manje i prakticira.

Eksperimentom s paralelnim grupama se, međutim, eliminira ta vrsta slabosti jer se i djelovanje u uobičajenim, prirodnim, i ono u novim, eksperimentalnim uvjetima izvodi u isto vrijeme. Eksperiment s paralelnim grupama, potom, podrazumijeva oblikovanje i paralelno promatranje najmanje dviju društvenih grupa, a može ih biti i više. Jedna – ili više njih, ovisno o tome s koliko se parova grupa radi - je eksperimentalna, čiju situaciju realizator eksperimenta modificira tijekom postupka. U nju umjetno unosi izvjesne promjene. Druga – ili više njih također - je kontrolna, grupa koja ne trpi nikakve promjene. Ona, prema tome, zadržava sva ranija svojstva i služi kao instrument kontrole promjena do kojih može doći u eksperimentalnoj grupi. Ona, dakle, služi kao pomoćno sredstvo da se utvrdi postoje li uzročno-posljedične veze između umjetno izazvane promjene i općih ili pojedinačnih značajki eksperimentalne grupe.

Eksperiment s paralelnim grupama započinje na način da se i u eksperimentalnoj i kontrolnoj grupi (ili grupama ako je paralelnih grupa više) izmjeri polazno stanje onoga na što se u eksperimentalnoj grupi kani djelovati određenom novinom – u eksploatiranom primjeru, recimo, znanja i sposobnosti učenika. Nakon toga se u kontrolnoj grupi nastavi raditi na uobičajen način – u našem primjeru izvoditi nastava i vježbe na način koji je prakticiran i do tada – a u eksperimentalnoj se unose promjene učinci kojih se žele ispitati – u našem primjeru, recimo, promjene u prezentaciji materije korištenjem suvremenih nastavnih sredstava. U konačnici se izmjeri i finalno stanje kontrolne i eksperimentalne grupe, usporede učinci i dobiju efekti djelovanja u eksperimentalnim uvjetima.

Za provođenje eksperimenta bitno je, također, da su eksperimentalna i kontrolna grupa homogene, da imaju ista ili približno ista obilježja, da su, dakle, ekvivalentne u pogledu svega onoga što može utjecati na efikasnost dva različita postupka koji se uspoređuju. Doduše, apsolutnu je ekvivalentnost nemoguće postići. Stoga se ekvivalencija najčešće reducira na jedan, a puno rjeđe i na dva ili više obilježja ili varijabli koje se testiraju – u primjeru istraživanja školskog učenja na, recimo, ujednačenost odgovarajućih prethodnih znanja učenika i njihovu intelektualnu razvijenost.

Eksperiment s rotacijom eksperimentalnog faktora se prakticira u slučajevima kada se izučava pojavu koju je nemoguće dovoljno uspješno kontrolirati – u primjeru školskog učenja, recimo, radne navike, motiviranost za učenje, inicijativnost itd. Za ovu vrstu eksperimenta je najznačajnije da eksperimentalna i kontrolna grupa izmjenjuju uloge, da, drugim riječima, eksperimentalni faktor rotira u dvije grupe ispitanika. U korištenom primjeru istraživanja školskog učenja to bi, onda, značilo da se novi uvjeti rada s učenicima na jednoj nastavnoj cjelini testiraju na jednoj, a na drugoj nastavnoj cjelini na drugoj grupi. U toj je činjenici i prednost ove vrste eksperimenta u odnosu na eksperiment s paralelnim grupama jer se njime eliminiraju one slabosti paralelnih grupa, koje su u vezi s njihovom ekvivalentnošću.

5.5. ANALIZA SADRŽAJA

5.5.1. Utemeljivanje i razvoj analize sadržaja

Primjena nekog od oblika analize sadržaja u istraživanjima je zabilježena već u XVII. stoljeću. Oko 1640. godine u Švedskoj je, naime, objavljeno istraživanje o sadržaju religioznih himni na jednostavnim klasifikacijama («povoljno – nepovoljno»), u kojem je korištena analiza sadržaja. Uopćeno, međutim, može se reći da se nukleus današnje suvremene analize sadržaja nalazi u domeni novinarstva, tiska kao masovnog medija. Prva sistematska istraživanja ovog tipa u toj su sferi zabilježena već sredinom XIX. stoljeća.

Ipak, povijest analize sadržaja, u formi u kojoj se ona danas koristi, započinje tek u SAD, gdje se prvo primjenjuje u analizi novinskih natpisa, sadržaja časopisa, a potom se, početkom tridesetih godina XX. stoljeća, uvodi u primjenu i u društvenim znanostima. S druge strane, prvi svjetski rat je analizu sadržaja obogatio novom kvalitativnom dimenzijom – primjenom u izučavanju propagande, a drugi svjetski rat, opet, omogućio da se analiza

112

sadržaja primijeni i u istraživanju strateških opredjeljenja i ratnih ciljeva, te izučavanju poruka i skrivenih sadržaja u njima.

Poslije 1960. godine je moguće izdvojiti tri temeljne dimenzije razvija analize sadržaja (Vidjeti, Stojak, 1990., 8.). Prva se odnosi na razvoj različitih tehnika, dakle širenje analize sadržaja, te preispitivanja daljnjih mogućnosti njezine primjene na različitim područjima znanosti i svakodnevnih komunikacija. Druga je usmjerena na izučavanje općih i specijalnih komunikacija kroz masovne medije i druge izvore, te na traganje za kvalitativnom stranom analize u interesu interpretacije latentnih sadržaja u porukama. Na koncu, treća dimenzija razvoja analize sadržaja je usmjerena na lingvistička istraživanja, preciziranje jezika i izraza i tome slično.

Početkom šezdesetih godina XX. stoljeća u analizu sadržaja se uvodi i primjena elektronike, a kompjuterska obra da prikupljenih podataka ovoj je tehnici otvorila niz novih mogućnosti, a time povećala i interes za njezino korištenje, kao i korištenje rezultata do kojih se njome dođe.

Slika razvoja analize sadržaja, međutim, ne bi bila potpuna ukoliko bi se zaobišlo barem i najznačajnija imena koja su se, tijekom XX. stoljeća, njome bavila. Među njima se, opet, daju izdvojiti dvije velike grupe autora. Jednu čine zastupnici tzv. kvantitativnog pristupa u primjeni analize sadržaja – pristupa u kojem se iz analize frekvencija zaključuje o intenzitetu poruke. Ovo se odnosi prvenstveno na istraživanja koja za cilj imaju pronići u suštinu na osnovi učestalosti nekih simbola, riječi, izraza itd.

Među njima se mjesta, bez ikakve dvojbe, mora naći za Harolda Lasswella (Lasvel) zbog njegova doprinosa ispitivanju političke propagande. Pri tome je svoju analizu sadržaja političke propagande u sredstvima masovne komunikacije Lasswel usmjerio na relativno trajne ciljeve određene propagande u kojima se traga za ideološkom stranom poruke. Lasswell je, naime, svoje napore, usmjerio na izučavanje strukture i metoda nacističke propagande u Drugom svjetskom ratu, a ideja vodilja mu je, pri tome, bila da propagandne poruke mogu biti pouzdan izvor u predviđanju ratnih poteza i planova. Ispravnost takvog uvjerenja mu se potvrdila u većem broju slučajeva – kod predviđanja tajnog njemačkog oružja i njegove primjene, utjecaja propagande na raspoloženje nekih slojeva njemačkoga stanovništva itd. Zahvaljujući izučavanju političke propagande primjenom analize sadržaja on i definira analizu sadržaja kao «kvantitativnu semantiku»

No, među onima koji su kvantitativni pristup u primjeni analize sadržaja najviše i razvili, ime B. Berelsona (Berelson) je, po općem uvjerenju, na prvom mjestu. Za njega, uostalom, analiza sadržaja i nije ništa drugo do istraživačka tehnika za objektivno opisivanje, sistematiku i kvantifikaciju manifestnih sadržaja u komunikacijama (prema, Stojak, 1990., 41.). Iz takve definicije razvili su se, opet, istraživački postupci usmjereni, prije svega, prema 'otkrivanju' frekvencija – učestalosti nekog dijela poruke, simbola ili drugog pojavnog oblika, važnog za kvantifikaciju. Do frekvencija toga tipa Berelson dolazi posredovanjem statističkih pokazatelja na posebice dvije grupe pitanja – «što se kaže» i «kako se kaže». Kvantifikacija, koja nastaje gomilanjem podataka u vezi s te dvije grupe pitanja, pretpostavlja, smatra on, dokaz sam za sebe i ujedno povećava objektivnost temeljem izvršene kvantifikacije izrečenih sudova.

Drugu grupu autora analize sadržaja čine predstavnici tzv. kvalitativnog pristupa. Pri tome je, za najveći dio autora ove orijentacije, karakteristično da ne ignoriraju bilo kakvo značenje kvantifikacije nego, naprotiv, istrajavaju na tezi kako je «kvaliteta» analize sadržaja postignuta uvažavajući i kvantifikaciju. Među predstavnicima ovog pristupa ističe se, prije svih, P. Lazarsfeld (Lazarsfeld), koji, suprotno Berelsonovu uvjerenju o primatu očevidnog, polazi od teze da iza očitovanog, «objektivnog» sadržaja obično stoji neki skriveni, latentni, nevidljivi kontekst. Stoga on i inzistira upravo na istraživanju tih, dakle latentnih struktura, koje se, istina, ne mogu mjeriti, ali se o njima može zaključivati i temeljem sadržaja koji su očigledni.

No, na sličnim su pozicija i mnogi drugi teoretičari analize sadržaja. Za J. Ritserta (Ritsert) je, primjerice, analiza sadržaja istraživačka tehnika ili instrument za analizu društvenog sadržaja tekstova koji su, u krajnjem, ideologizirani, u kojima se poruke obrađuju, cenzuriraju, prema potrebi ublažavaju ili preuveličavaju, i čija «objektivnost» je opasnost da se, o njihovom ocjenjivanju, ode o potpuno pogrešnom smjeru. Primatu kvantifikacije, zagovarajući ujedno i suprotstavljanje statističkoj semantici, odupire se i T.

113

Adorno (Adorno). No, on istodobno ne bježi i od teze kako je znanstvenost ipak mjerenje, uz dodatak dakako da kvalitativna analiza sadržaja dekodira društveni sadržaj, da je svaka kvantifikacija nužno simplifikacija (prema, Stojak, 1990., 53.). Na koncu, u ovoj grupi autora se, s naznakom da mu je posebice karakteristična sklonost pomirenju kvantitativnog i kvalitativnog u analizi sadržaja, ističe i K. Krippendorf (Kripendorf), koji analizu sadržaja određuje kao «istraživačku tehniku za izvođenje ponovljivih i valjanih zaključaka iz podataka, prema njihovu kontekstu» (Krippendorf, 1981.).

5.5.2. Određenje pojma

Iz dosadašnje je analize evidentno, prije svega, kako pod analizom sadržaja treba podrazumijevati specifičnu tehniku prikupljanja podataka radi stjecanja novih spoznaja o društvenim pojavama. No, kako je i potpunije odrediti? Razni autori to čine na dosta različite načine. Ali, određenju svakog od njih se, u krajnjem, može staviti i poneki, manji ili veći prigovor. Vratimo se ponovo Berelsonovoj definiciji, prema kojoj je analiza sadržaja istraživačka tehnika za objektivno opisivanje, sistematiku i kvantifikaciju manifestnih sadržaja u komunikacijama (prema, Stojak, 1990., 41.). Njezina je jednostranost, primjerice, i više nego očigledna. A sastoji se, prije svega, u činjenici da bi, budući se ograničava na očevidni ili manifestni sadržaj ispitivanih poruka, «morala u mnogim slučajevima ostati na površini društvenog općenja i često prolaziti pored pravog smisla i dubljih pobuda raznih njegovih oblika. Definicija ne sadrži nijedan element koji bi analizi sadržaja dao karakter sociološkoga istraživačkog postupka. Ona ne ukazuje ni na kakve društvene okvire u kojima nastaju i od kojih ovise razni oblici općenja» (Milić, 1978., 575.).

Niz se primjedbi može izreći i na račun drugih definicija. Za Krippendorfa, tako, analiza sadržaja je «istraživačka tehnika za izvođenje ponovljivih i valjanih zaključaka iz podataka, prema njihovu kontekstu» (Krippendorf, 1981.). Jednostranosti i preusko određenje su, očito, imanentne i ovoj definiciji. Izučavani sadržaj, naime, u njoj je pretvoren u pukog posrednika pomoću kojeg se želi nešto spoznati o njegovu izvoru, postao je dokument o nekim od stanja toga sadržaja i nakanama koje se pomoću njega, sadržaja, žele ostvariti, i utoliko je izgubio bilo kakvu samostalnu vrijednost.

Zamjerke se, iako najmanje izražene, uputiti daju i Vandersmissenovu (Vandersmisan) određenju, po kojem analizu sadržaja treba shvatiti skupom «istraživačkih tehnika koje omogućuju objektivan, sistematski i kvantitativan opis emanacija ljudskog ponašanja radi zaključivanja o motivima i sociološkim osobinama autora tih emanacija i izvođenja socioloških reakcija koje su ovi poticaji u stanju da izazovu» (prema Koenig, 1962., 572.). One se, naime, odnose na dosta nejasno određen pojam «emanacije», budući ona, čisto terminološki, određuje neki sporedni proizvod, nešto što se javlja kao nusproizvod, a društveno općenje, komunikacija nije to nego i integralni sastavni dio različitih društvenih djelatnosti.

Drugim riječima, analiza sadržaja je istraživačka tehnika kojom se iz društvenog općenja (komunikacije) žele izvući bitni sociološki zaključci. O čemu se, zapravo, radi? Društveno općenje podrazumijeva postojanje određene poruke, zbog koje ono uopće može egzistirati. Ali, ono podrazumijeva i odašiljatelja poruke i onoga tko poruku prima. Za analizu sadržaja bitni su, prije svega, poruka i njezin sadržaj koji odaslani mogu biti na razne načine. To može biti učinjeno posredstvom raznih tipova dokumenata - zapisnika, presuda, odluka itd. No, poruka može biti proslijeđena i preko masovnih medija - televizije, radija, tiska, književnim i umjetničkim djelima, udžbeničkom literaturom i na druge načine. Proučavanjem sadržaja poruke u njima, koja u društvu struji raznim kanalima, izvode se zaključci o shvaćanjima odašiljatelja poruke, ali i o njihovim stavovima, vrijednostima i nakanama, odnosima sa drugim društvenim skupinama, organizacijama i zajednicama itd.

Primjer izvanredne primjene analize sadržaja može se pronaći u Weberovoj studiji «Protestantska etika i duh kapitalizma». Ispitivanjem sadržaja raznih priručnika Protestantske crkve, koji su primjenjivani u radu s vjernicima, Weber je ustanovio da su u njima potencirani radinost, štedljivost, suzdržljivost od materijalnih užitaka itd., one etičke vrijednosti koje su pogodovale razvoju kapitalističkog duha i kapitalizma kao društvenog sustava.

Naravno, moderna društva obilježava stalni porast i masovnih medija i drugih oblika društvene komunikacije ali i raznih vrsta poruka i njihovih odašiljatelja i primatelja. Sve to analizi sadržaja danas daje i neke druge osobitosti. Ona, drugim riječima, više nije

114

samo skup metodoloških instrumenata i postupaka jer se sve više nastoji uključiti i u područja istraživanja koja zadiru u bit poruke, njezinu kvalitativnu dimenziju. No, i dalje joj zajedničko nastojanje da se preko izračunavanja frekvencija, šifriranja i drugih operacija dođe do strukture teksta, a time i do dedukcije i zaključivanja.

Pri tome je moguća njezina orijentacija i na statička i na dinamička istraživanja. O čemu se, u konkretnom slučaju radi? Statički pristup se, naime, manje bavi procesima a preferira opis stanja određene pojave u određenom vremenu i prostoru. U vezi s tom značajkom daju se sresti i prigovori statičkom pristupu u analizi sadržaja. Koliko je, postavlja se pitanje, izabrani trenutak za praćenje pojave reprezentativan? Ova vrsta prigovora eliminira se orijentacijom na promatranje procesa, latentnih struktura i faktora nastajanja fenomena koji je predmet istraživanja primjenom analize sadržaja, dinamičkim pristupom – «učestalim promatranjem manjih segmenata vremena na većem prostoru, zatim smišljenim komparativnim ispitivanjem i posebno istraživanjem konteksta materijala koji se analizira» (Stojak, 1990., 15.)

Predmet analize sadržaja je uvijek neka forma društvenog općenja, komunikacije, onoga što se javlja kao rezultanta posredovanja određene poruke od njezina izvora, odašiljača do primatelja, pri čemu se ona usmjerava na samo jedan element tog komunikacijskog procesa, na poruku – njezin sadržaj, ono što je rečeno, ali i njezin oblik – kako je rečeno, mirno, hladno, osjećajno, sa strašću, na neki drugi način.

Odredi li joj se predmet na taj način, područja primjene analize sadržaja relativno su razgranata. To je, prije svega, ispitivanje političke propagande, korene kojem je udario Lasswell, ispitujući ratnu propagandu tijekom Drugog svjetskog rata, ali i nakon toga. U istraživačkom smislu ispitivanje političke propagande se, u značajnoj mjeri, oslanja na proučavanje određenih stereotipa, učestalosti njihova pojavljivanja, distribucije itd.

Kao tehnika analiza sadržaja se, potom, dosta koristi i u istraživanjima tematskog sadržaja književnosti, likovnih umjetnosti, filma, karakterističnih raspoloženja, stava prema suvremenim prilikama, ali i prošlosti i budućnosti u području umjetnosti. U ovo područje, potom, spadaju i istraživanja u oblasti masovne kulture.

Jedno od područja primjene analize sadržaja je i proučavanje školskih udžbenika, prije svega iz predmeta koji su, ili na bilo koji način mogu biti, u vezi s vladajućom ideologijom, s ciljem da se utvrdi kako ona utječe na prikazivanje raznih sadržaja i njihovu ocjenu.

Analiza sadržaja se dosta intenzivno koristi i u izučavanjima jezika – ispitivanju stilističkih osobina književnih djela, ispitivanju stupnja njihove razumljivosti, ali i nekih drugih svojstava.

Na koncu, ona je i vrlo korisno sredstvo za sređivanje izvornih podataka u sociološkim i drugim istraživanjima.

115

6. STATISTIČKE TEHNIKE OBRADE PODATAKA

6.1. UVOD

6.1.1. Što je statistika?

Statistika40 je znanost o prikupljanju, organiziranju i interpretiranju podataka. Prikupljanje i obrada podataka su i informacijske aktivnosti, bitne za svako istraživanje i nužne za većinu zanimanja. Zato je poznavanje statistike uvjet uspješnog obavljanja velikog broja poslova i neophodno gotovo u svakom istraživačkom projektu. Statistika je znanstvena disciplina koja se služi različitim tehnikama transformiranja podataka u informacije.

U svakodnevnom životu statistika za različite ljude i profesije ima različito značenja. Za fakultet, statistika je ukupan broj upisanih studenata, prosječna ocjena na studiju, prosječna plaća profesora. Za farmera, statistika je ukupno zasijane površine ratarskim kulturama u posljednjih dvadeset godina, prinos po jedinici površine. Za sport, statistika je prosječan broj zgoditaka po utakmici, broj udaraca iz kuta na jednoj utakmici, broj žutih kartona. U svim tim prilikama pojam statistika je ispravno upotrijebljen, iako u različitim situacijama, s različitim značenjima, potrebama i ciljevima. U ovom poglavlju statistika se promatra kao znanstvena disciplina u službi procesu istraživanja, a osobito u fazama strukturiranja podataka i analize. Statistika je znanstvena disciplina izravno povezana s informatikom jer se razvojem informacijskih tehnologija obrade i prijenosa podataka snažno se proširuje njeno područje primjene.

6.1.2. Populacija i uzorci

U svakodnevnoj upotrebi pojam populacija asocira samo na ljude. U statistici ona se ne odnosi samo na ljude nego na sve jedinice statističkog skupa (objekta promatranja i

40Pojam statistika dolazi iz talijanskog jezika od riječi statista (činovnik).

116

analize). Statističko obilježje ili statistička varijabla je svojstvo zajedničko svim jedinicama statističkog skupa. Skup svih dopuštenih vrijednosti statističkog obilježja zove se populacija ili osnovni skup.

U statistici su pojmovi statistički skup i populacija sinonimi. Ona uključuje sve jedinice, sve elemente, objekte, u tom skupu.

Definicija 6.1.1: Populacija je skup (kolekcija) svih mogućih vrijednosti obilježja koji opisuju određenu pojavu.

Definicija 6.1.2: Uzorak je podskup podataka izabran iz populacije.

Primjer 6.1.1: Populacija može biti sastavljena od svih žena u županiji. Ako iz svake općine, grada ili mjesta izaberemo 50 žena, onda je skup odabranih žena uzorak.Primjer 6.1.2: Skup svih bilježnica koje proizvodi tvrtka X je populacija. Slučajno se odabere 200 bilježnica. Takav skup je uzorak.

6.1.3. Deskriptivna i inferencijalna statistika

Statističke tehnike mogu se upotrijebiti za opis i analizu cijele populacije (svih jedinica statističkog skupa). U analizi se mogu upotrijebiti različite numeričke i grafičke (dijagramske) tehnike. Dio statistike namijenjen takvim primjenama je deskriptivna statistika.

Definicija 6.1.1: Dio statistike namijenjen opisu podataka (uzorka ili populacije) naziva se deskriptivna statistika.

Ona obuhvaća postupke izračunavanja opisnih statističkih pokazatelja, tabličnog i grafičkog prikaza podataka. Često je složeno ili veoma skupo obuhvatiti sve jedinke populacije. Zato se odabire dio populacije, uzorak i na temelju uzorka se zaključuje ili procjenjuju karakteristike populacije.

Definicija 6.1.2: Dio statistike koji analizira uzorke i izvodi zaključke o populaciji na temelju uzoraka, naziva se inferencijalna statistika.

Inferencijalna statistika temelji se na teoriji vjerojatnosti.

6.1.4. Računalni softver za statističke analize

Snažan razvoj obrade podataka mijenja način života i rada gotovo svakog pojedinca, mijenja gospodarstvo na posve drugačiji način od svih ranijih tehnoloških promjena. Razvoj je oblikovao znanstveno područje informatike koje je izrazito interdisciplinarno. Informatika je spoj znanosti, tehnologija i primjena (aplikacija) strojne obrade i prijenosa informacija. Ona se bavi hardverom, softverom, organizacijom računalnih mreža i računalnih sustava, reprezentacijom i obradom podataka i signala, pribavljanjem i upotrebom problemski specifičnih znanja i njihovom primjenom. Pri tom informatika apstrahira posebnosti pojedinačnih primjena i arhitektura i analizira osnovne teorijske koncepte i metode kako bi se primijenili pri izgradnji novih sustava. Pojam informatika u njemačkom govornom području uključuje sljedeće informatike:

Tehnička informatika, dakle dio koji se bavi prvenstveno izgradnjom računala. Najvažnija problemska područja su brzina obrade, pohranjivanje podataka, organizacija i arhitektura računala.

Praktična informatika, dio koji je orijentiran na programiranje, kao i razvoj softvera, programe koje izvode računala. Najvažnija područja su izgradnja algoritama, programski jezici, operacijski sustavi i jezici prevoditelji (sustavna i aplikacijska programska potpora). Programi prevoditelji prevode programe pisane u izvornom jeziku u strojni kod.

Teorijska informatika, koja je prepoznatljiva i kao matematička osnova informatike. Bavi se matematičkim algoritmima primijenjenim u informatici (npr. rekurzivni algoritam),

117

formalnom ispravnosti programskih jezika i sl. Promatrane zajedno, tehnička, praktična i teorijska informatika čine središnji dio, srž informatike (Kerninformatik).

Primijenjena informatika stoji nasuprot teorijskoj, praktičnoj i tehničkoj informatici. Ona istražuje mogućnosti primjene računala. Pokušava ih primijeniti na što je moguće više područja svakodnevnog života i rada kako bi se olakšalo i ubrzalo izvršavanje poslova.

Statistika se danas ne može razvijati bez informatike. Primijenjena informatika u statistici pronalazi stalno novo područje istraživanja i primjene. Informatika i statistika su zato u simbiozi, a ona najbolje dolazi do izražaja u obradama koje zahtijevaju velike i složene proračune i sadrže ogromne količine podataka. Danas je u upotrebi veći broj statističkih paketa (primjenskih softvera) za statističke analize. Neki od njih su slijedeći:

SPSS (registrirani trademark SPSS, Inc.,Chicago)SYSTAT (registrirani trademark SYSTAT, Inc., Evanston,II)SAS (registrirani trademark SAS Institute, Inc., Cary, N.C.)STATGRAPHICS (registrirani trademark Statistical Graphics Corp., Maryland).Minitab (registrirani trademark Minitab, Inc., University Park, Pa), STATISTICA itd.Osim tih složenih statističkih paketa u uporabi je za jednostavnije statističke analize

i primjenski softver temeljen na proračunskim tablicama Microsoft EXCEL. Za statistiku je bitan dio koji se naziva “Data analysis”.

6. 2 PRIKAZ PODATAKA

6.2.1 Uvod

Svojstvo po kojemu se jedinice statističkog skupa međusobno razlikuju nazivamo vrijednost obilježja. Vrijednosti obilježja su kvantitativni ili kvalitativni podaci.

Definicija 6.2.1: Kvantitativni podaci su vrijednosti obilježja statističkog skupa izraženi brojevima.

Primjer 6.2.1: Visina studenta izražena u centimetrima ili težina izražena u kilogramima su kvantitativni podaci. Kvantitativni podaci prikazuju količinu ili iznos nečega. To su varijable kojima se mogu pridružiti cjelobrojne vrijednosti (npr. brzina=100km/h, dob=46 godina) ili realni brojevi (npr. visina=178,5 cm). Vrijednosti pridružene tim varijablama imaju dva bitna svojstva:

a) mogu se usporediti (3<7 i 7 >5),b) može se mjeriti međusobna udaljenost: d(12,8)=3.

Definicija 6.2.2: Kvalitativni podaci su vrijednosti obilježja statističkog skupa izraženi opisno (nenumerički podaci).

Primjer 6.2.2: Nacionalnost, spol, razina obrazovanja osobe unutar grupe su kvalitativni podaci. Kvalitativni podaci nemaju ni jednu od dvije prikazane relacije bitne za numeričke (kvantitativne podatke). Nemaju kvantitativnu interpretaciju i prikazuju se simbolima. Dvije vrijednosti simboličkih (kvalitativnih) varijabli mogu biti jednake ili različite. One mogu imati samo relaciju jednakosti ( ). Primjeri varijabli simboličkog tipa su boja očiju, državljanstvo, spol i sl.

Kvalitativne (simboličke) varijable s dvije vrijednosti mogu se konvertirati u dvije numeričke binarne vrijednosti 0 i 1. Ako simbolička varijabla može poprimati N vrijednosti, onda se i ona u statistici može konvertirati u N binarnih znamenki. Jedna binarna varijabla se pridružuje jednoj vrijednosti simboličke varijable. Ako, primjerice, varijabla „boja očiju“ ima četiri vrijednosti: crno, smeđe, plavo i zeleno, onda se može kodirati s četiri binarne znamenke:

Vrijednost simboličke varijable

Kod

118

Crno 1000Smeđe 0100Plavo 0010Zeleno 0001

Tablica 1.: Kodiranje simboličkih varijabli

Kvalitativni podaci se mogu grupirati upotrebom nominalne ili ordinalne ljestvice, a kvantitativni upotrebom odnosnih i intervalnih ljestvica. Te dvije ljestvice se razlikuju prema načinu definiranja točke nula na ljestvici. Nula je na intervalnoj ljestvici arbitrarna i ona ne znači potpuno odsustvo onoga što se mjeri. Ta ljestvica nema apsolutnu, već samo relativnu nulu. Najbolji primjer je ljestvica za mjerenje temperature. Primjerice, temperature od nula stupnjeva Celzijusa ne govore kako "nema topline", niti je s temperaturom od 20 stupnjeva Celzijusa dvostruko hladnije nego s temperaturom od 40 stupnjeva Celzijusa. Nula na intervalnoj ljestvici temperature ne znači nepostojanje topline.

U analizi podataka prikazanih intervalnom ljestvicom mogu se primijeniti slijedeće statističke tehnike:

a) Aritmetička sredina,b) Standardna devijacija,c) Proporcije,d) Dominantna vrijednost,e) Koeficijent korelacije,f) Koeficijent kontigencije,g) Hi-kvadrat test,h) Neparametrijski testovii) Z-vrijednost,j) Koeficijent korelacije.

U odnosnoj ljestvici (ratio scale) „nula“ znači odsustvo onoga što se mjeri. Jednake razlike (udaljenosti) između vrijednosti tih varijabli predstavljaju jednake razlike mjerenog svojstva. Te varijable su numeričke: kontinuirane ili diskontinuirane. Kontinuirane varijable zapisuju se kao realni brojevi, a diskontinuirane kao cijeli brojevi. Primjeri diskontinuirane varijable su broj stanovnika u jednom gradu, broj uposlenih u tvrtki, broj studenata i slično. Primjeri kontinuiranih varijabli (zapisuju se najčešće u obliku decimalnih brojeva) su visina izražena u centimetrima, količina tekućine izražena u litrima i slično.

Broj statističkih tehnika koje se mogu upotrijebiti u analizi podataka prikazanih odnosnom ljestvicom je najveći. Odnose između tipova podataka s obzirom na uporabljene ljestvice mjerenja vrijednosti obilježja statističkog skupa prikazuje slijedeća slika:

Slika 1.: Odnosi između tipova podataka s obzirom na ljestvicu mjerenja

119

Kvalitativni podaci se mjere nominalnim i ordinalnim ljestvicama. Nominalne ljestvice ne mogu istaknuti kriterij po kojem se vrijednosti mogu uspoređivati (upotrijebiti relacijski operatori “jednako“, “veće od”, ili “manje od”).

Primjer 6.2.3: Način odlaska u zdravstvenu ustanovu je nominalni tip podataka. Mogu ga činiti četiri moguća načina odlaska:

a) šetnjom, b) autom, c) biciklom, d) autobusom.

Primjer 6.2.4: Kodirani odgovori u upitniku: da, ne, državljanstvo, nacionalnost i slično, su nominalni tipovi podataka. Najčešće metode analize kvalitativnih podataka prikazanih nominalnom ljestvicom su:

a) Dominantna vrijednost,b) Proporcije,c) Koeficijent korelacije,d) Koeficijent kontigencije,e) Hi-kvadrat test,f) Neparametrijski testovi.Ordinalna ljestvica pridružuje vrijednostima obilježja statističkog skupa opisanim

kvalitativnim podacima brojeve, slovne oznake ili simbole, prema stupnju (intenzitetu) svojstva (npr. ocjena, zadovoljstvo). Stupanj tih razlika nije bitan, ali se vrijednosti kvalitativnih obilježja mogu urediti prema nekom redoslijedu.

Primjer 6.2.5: Obitelj može posjetiti više ordinacija prilikom jednog posjeta zdravstvenoj ustanovi. Ordinalna ljestvica s pet različitih vrijednosti mjeri zadovoljstvo zdravstvenom uslugom:

a) Veoma nezadovoljan = 0, b) Nezadovoljan = 1, c) Indiferentan = 2, d) Zadovoljan =3,e) Veoma zadovoljan = 4.

Ordinalna ljestvica ne mora nužno biti linearna. Razlike u znanju učenika ocjenjenih ocjenama 4 i 5 ne moraju biti jednake razlici u znanju učenika ocjenjenih s 3 i 4.

Najčešće metode analize kvalitativnih podataka prikazanih ordinalnom ljestvicom su:

a) Koeficijent korelacije,b) Centralna vrijednost,c) Koeficijent konkordancije.

6.2.3. Prikaz kvalitativnih podataka

U opisu kvalitativnih podataka potrebno je definirati klase (razrede) tako da se jedan element statističkog skupa može svrstati u jedan i samo jedan razred. Statistički skup se opisuje brojem objekata (jedinica skupa) ili proporcijom broja jedinica razreda u odnosu na ukupan broj jedinica statističkog skupa.

Definicija 6.3.1: Relativna frekvencija razreda je broj jedinica koji se nalaze u jednom razredu u odnosu na ukupan broj jedinica statističkog skupa.

120

Umjesto relativne frekvencije razreda često se koristi i postotak za razred. On se može izračunava upotrebom formule:

Primjer 6.3.1 Klasifikacija studenata prema broju bodova postignutih na ispitu iz predmeta “Informatika” je prikazan u tablici Tablica 2. Tablica frekvencija je generirana uporabom SPSS-a:

Broj Ocjene Broj Ocjene Broj Ocjeneindeksa

indeksa

  indeksa

 

212 Vrlodobar 55 Izvrstan 931 Izvrstan34 Dovoljan 96 Izvrstan 842 Izvrstan45 Dobar 29 Dobar 750 Dobar36 Dovoljan 48 Nedovoljan 801 Dovoljan354 Dobar 19 Izvrstan 275 Vrlodobar431 Dobar 99 Dobar 43 Dobar222 Izvrstan 342 Izvrstan 999 Dovoljan456 Izvrstan 777 Izvrstan 404 Dobar321 Vrlodobar 245 Vrlodobar 599 Izvrstan89 Izvrstan 334 Dovoljan 733 Dobar667 Nedovoljan 345 Nedovoljan 749 Dobar84 Dobar 987 Vrlodobar 666 Dovoljan39 Dobar 57 Nedovoljan 111 Nedovoljan676 Izvrstan 325 Nedovoljan 902 Izvrstan99 Nedovoljan 8 Dobar 847 Izvrstan    910 Izvrstan 401 Dobar

Tablica 2.: Ocjene studenata na ispitu

Upotrebom statističkog paketa SPSS može se prikazati tablica frekvencija vrijednosti varijable Ocjene:

Ocjene

14 29,8 29,8 29,86 12,8 12,8 42,6

15 31,9 31,9 74,57 14,9 14,9 89,45 10,6 10,6 100,0

47 100,0 100,0

DobarDovoljanIzvrstanNedovoljanVrlodobarTotal

ValidFrequency Percent Valid Percent

CumulativePercent

6.2.4. Grafički prikaz kvalitativnih podataka

Linijski i površinski grafikoni su dvije najčešće grafičke metode opisa simboličkih (kvalitativnih) podataka. Površinski grafikoni prikazuju podatke površinama geometrijskih likova, a njihove su površine upravo razmjerne frekvencijama pojedinih razreda.

Primjer 6.4.1 (površinski graf) Površinski graf generiran pomoću računala upotrebom Excela za varijablu ocjena je prikazan na slijedećoj slici:

Postotak razreda = Relativna frekvencija razreda * 100

121

Površinski graf

0 2 4 6 8 10 12 14 16

Dobar

Dovoljan

Izvrstan

Nedovoljan

VrlodobarO

cjen

a

Frekvencija

Isti rezultat se može dobiti uporabom površinskog grafikona u paketu SPSS:

Bars show counts

0 5 10 15

Count

Dobar

Dovoljan

Izvrstan

Nedovoljan

Vrlodobar

Ocj

ene

n=14 14

n=6 6

n=15 15

n=7 7

n=5 5

Ocjene

Kružni dijagrami dijele cijeli krug na dijelove. Površina svakog dijela je razmjerna frekvencijama pojedinih razreda.

Primjer 6.4.2 (kružni dijagram strukture): Kružni dijagram strukture, generiran pomoću EXCEL-a za varijablu „Ocjena“, je prikazan na slijedećoj slici:

122

Frekvencija ocjena

Dobar; 14; 30%

Dovoljan; 6; 13%

Izvrstan; 15; 33%

Nedovoljan; 7; 15%

Vrlodobar; 4; 9%

Dobar

Dovoljan

Izvrstan

Nedovoljan

Vrlodobar

Slika 4a.: Kružni dijagram strukture uspjeha studenata na ispitu

Upotrebom SPSS-a dobit će se sličan prikaz:

DobarDovoljanIzvrstanNedovoljanVrlodobar

OcjenePies show percents

Dobar

DovoljanIzvrstan

Nedovoljan

Vrlodobar

Slika 4b.: Kružni dijagram strukture uporabom SPSS-a

6.2.5. Grafički prikaz kvantitativnih podataka: Tukeyjev S-L dijagram

Jedna od grafičkih metoda opisa kvantitativnih podataka je Tukeyjev S-L dijagram. To je posebna vrsta histograma (dijagram “stabla i lista”) primjenjiva na male skupove podataka.

Koraci u dizajnu dijagrama S-L 1. Svaku vrijednost u skupu podataka podijeliti u dva dijela: stablo i list. 2. Sortirati stabla u rastućem redoslijedu u prvom stupcu (početi s najmanjim

stablom i završiti s najvećim).3. Nastaviti s podacima postavljajući list u odgovarajući red u stablu.

Najčešće se koriste dvoznamenkasti brojevi. Prikazat će se nešto složeniji troznamenkasti brojevi u obliku S-L dijagrama:

123

Primjer 6.5.1 Prikazani su podaci o broju eritrocita za 150 pacijenata u slijedećoj tablici:

2,7 2,7 2,7 2,7 2,8 2,8 2,8 2,8 2,8 2,82,8 2,8 2,8 2,8 2,8 2,8 2,8 2,8 2,8 2,82,8 2,9 2,9 2,9 2,9 2,9 2,9 2,9 2,9 2,92,9 3,0 3,0 3,0 3,0 3,0 3,0 3,1 3,1 3,13,1 3,1 3,2 3,2 3,2 3,2 3,2 3,2 3,2 3,23,2 3,2 3,2 3,3 3,3 3,3 3,3 3,3 3,4 3,43,4 3,4 3,4 3,4 3,5 3,5 3,5 3,5 3,6 3,63,6 3,6 3,6 3,6 3,6 3,6 3,6 3,6 3,6 3,63,6 3,6 3,6 3,7 3,7 3,7 3,7 3,7 3,7 3,73,8 3,8 3,8 3,8 3,8 3,8 3,8 3,8 3,8 3,83,8 3,8 3,8 3,9 3,9 3,9 3,9 3,9 3,9 3,93,9 3,9 3,9 3,9 3,9 3,9 3,9 3,9 4,0 4,04,0 4,0 4,0 4,0 4,0 4,0 4,0 4,0 4,0 4,04,1 4,1 4,1 4,2 4,2 4,2 4,2 4,2 4,4 4,44,4 4,6 4,6 4,6 4,6 4,6 4,9 4,9 4,9 5,1

Tablica 6.5.1.: Broj eritrocita u krvi 150 pacijenata (u tisućama 1000)

Vodećaznamenka(stablo)

Jedinice(listovi) F Opis

2 77777777777 11 Vodeća znamenka 2, a prvi list je 7to je broj 2,7. Ukupan broj vrijednosti s vodećom znamenkom 2 je 11.

2 88888888888888999999999 23 Interval od 2 do 2,9, 23 pacijenata.3 000001111111111 15 Interval od 3 do 3,1 ima 15

pacijenata.3 22222223333 11 Interval od 3,2 do 3,3 ima 11

pacijenata.3 444445555555 12 Interval od 3,4 do 3,5 ima 12

pacijenata.3 666666666666667777777777777

27 Interval od 3,6 do 3,7 ima 27 pacijenata.

3 888888888889999999999999999928 Interval od 3,8 do 3,9 ima 28

pacijenata.4 000111 6 Interval od 4,0 do 4,1 ima 6

pacijenata.4 22222333 8 Interval od 4,2 do 4,3 ima 8

pacijenata.4 55555 5 Interval od 4,5 do 4,5 ima 5

pacijenata.4 04 888 3 Interval od 4,8 do 4,8 ima 3

pacijenata.5 1 1 Posljednji interval ima jednog

pacijenata.Tablica 6.5.2.: S-L prikaz statističkog skupa.

P Stem-and-Leaf Plot

124

Frequency Stem & Leaf

11,00 2 . 77777777777 23,00 2 . 88888888888888999999999 15,00 3 . 000001111111111 11,00 3 . 22222223333 12,00 3 . 444445555555 27,00 3 . 666666666666667777777777777 28,00 3 . 8888888888899999999999999999 6,00 4 . 000111 8,00 4 . 22222333 5,00 4 . 55555 ,00 4 . 3,00 4 . 888 1,00 5 . 1

Stem width: 1,00 Each leaf: 1 case(s)

Tablica 6.5.3 S-L prikaz uporabom SPSS-a

Podaci su u S-L prikazu razvrstani u 13 razreda. Broj listova u svakom razredu je frekvencija. Prednosti tog prikaza su očuvanje originalnih podataka i svi podaci su sortirani u rastućem redoslijedu.

6.2.6. Tablični prikaz kvantitativnih podataka: distribucija relativnih frekvencija

Distribucija frekvencija ili distribucija relativnih frekvencija je često potrebna u istraživanjima za analizu i prikaz podataka. Posebno je prikaz kvantitativnih podataka u obliku distribucije frekvencija pogodan za ogromne količine podataka pohranjene u relacijskim bazama podataka. Distribucija frekvencija je u obliku tabličnih izvješća u kojima su podaci razvrstani u razrede (klase). Frekvencija je broj jedinica statističkog skupa koja se može pridružiti nekom razredu. Uvijek polazimo od pretpostavke da se jedna jedinica pridružuje jednom i samo jednom razredu. Nema preklapanja podataka.41

Broj eritrocita

Frequenc

y PercentValid

PercentCumulative

PercentValid 2,70 11 7,3 7,3 7,3

2,80 14 9,3 9,3 16,72,90 9 6,0 6,0 22,73,00 5 3,3 3,3 26,03,10 10 6,7 6,7 32,73,20 7 4,7 4,7 37,33,30 4 2,7 2,7 40,03,40 5 3,3 3,3 43,33,50 7 4,7 4,7 48,03,60 14 9,3 9,3 57,33,70 13 8,7 8,7 66,03,80 11 7,3 7,3 73,33,90 17 11,3 11,3 84,74,00 3 2,0 2,0 86,74,10 3 2,0 2,0 88,7

41 Postoje i takvi skupovi podataka u kojima isti element može biti u dva ili više skupova. Takvi skupovi se nazivaju fuzzy skupovi.

125

4,20 5 3,3 3,3 92,04,30 3 2,0 2,0 94,04,50 5 3,3 3,3 97,34,80 3 2,0 2,0 99,35,10 1 ,7 ,7 100,0Total 150 100,0 100,0

6.2.6.1 Statistički niz

Statistički niz nastaje uređivanjem (uređivanjem po nekom redoslijedu, grupiranjem) vrijednosti obilježja statističkog skupa. Redoslijedni, nominalni i numerički niz se tvore uređivanjem podataka po redoslijednom, nominalnom i numeričkom obilježju. Vremenski niz je uređivanje podataka kronološki.

6.2.6.2 Grupiranje podataka

Grupiranje je postupak razvrstavanja podataka u grupe. U postupku grupiranja podataka cilj je prikazati broj ponavljanja grupe u uzorku ili populaciji (frekvenciju). Statistički skup se sastoji od istovrsnih podataka (elemenata). Algoritam izračunavanja minimalne i maksimalne vrijednosti unutar skupa je jednostavan pa je moguće područje obilježja (raspona skupa) između minimalne (donja granica) i maksimalne (gornja granica) vrijednosti podijeliti na određeni broj po veličini jednakih intervala, tzv. razreda. Prema tome, područje obilježja dijeli se na ukupno k po veličini jednakih intervala tj. razreda čija je širina jednaka x. Ti intervali mogu se prikazati na brojevnom pravcu:

x1 x1 x2 x3 xr-1 xr xr+1

xxx x x

Svaki interval (razred) je određen granicama razreda (xi i xi+1). Širina razreda x se uglavnom određuje empirijski i konkretno na temelju podataka promatranog skupa, iako postoje i određena pravila (pr. m).

Izračunavanje distribucije frekvencija i distribucije relativnih frekvencija temelji se na slijedećim algoritamskim koracima: 1. Odrediti broj razreda (podintervala) na koji se dijeli statistički skup. Ne postoji opće

pravilo za određivanje broja razreda. Obično je broj razreda k. U tom slučaju vrijedi . Može se uzeti i najmanji k koji je rješenje eksponencijalna nejednadžbe

gdje je N broj jedinica statističkog skupa, a k broj razreda.

2. Odrediti širinu razreda gdje je Gornja Granica manja ili jednaka najmanjoj vrijednosti obilježja i Gornja Granica veća ili jednaka najvećoj vrijednosti obilježja.

3. Za svaku klasu izračunati broj jedinica koje razvrstavaju u razred. Taj broj se naziva frekvencija razreda.

4. Izračunati za svaku klasu relativnu frekvenciju

Primjer 6.6.1: Kreirati tablicu frekvencija za statistički skup koji čine podaci o broju eritrocita za 150 pacijenata, a prikazani su u slijedećoj tablici:

2,70 2,70 2,74 2,74 2,75 2,75 2,76 2,77 2,78 2,792,79 2,80 2,80 2,80 2,80 2,81 2,81 2,81 2,82 2,822,82 2,85 2,85 2,86 2,88 2,90 2,90 2,90 2,90 2,92

126

2,93 2,95 2,97 2,98 3,00 3,02 3,03 3,06 3,08 3,103,10 3,11 3,15 3,15 3,15 3,15 3,16 3,17 3,18 3,203,20 3,21 3,23 3,25 3,25 3,28 3,30 3,33 3,39 3,393,40 3,40 3,41 3,42 3,45 3,51 3,52 3,54 3,55 3,553,55 3,58 3,60 3,60 3,60 3,60 3,60 3,61 3,61 3,623,63 3,64 3,64 3,65 3,66 3,68 3,70 3,72 3,72 3,733,75 3,75 3,75 3,75 3,77 3,77 3,78 3,79 3,79 3,803,82 3,82 3,82 3,85 3,85 3,85 3,88 3,88 3,88 3,883,90 3,90 3,90 3,90 3,94 3,94 3,94 3,94 3,95 3,953,95 3,98 3,98 3,98 3,99 3,99 3,99 4,02 4,02 4,024,10 4,10 4,10 4,20 4,20 4,22 4,22 4,22 4,36 4,364,36 4,56 4,56 4,56 4,57 4,58 4,88 4,88 4,89 5,12

Tablica 6.6.3: Podaci o broju eritrocita (u 000) u krvi

Pretpostavka je da se statistički skup (vrijednosti mjerenja broja eritrocita za 150 pacijenata) dijeli u deset razreda tj. k=10. Prvi korak je odrediti širinu razreda:Širina razreda= = .

Raz-red

Donja granic

a

Gornja granica

Sredina razreda

Frek-vencija

Relativna frekvencija

Kumulativna frekvencija

Kumulativna relativna

frekvencija1 2,700 2,942 2,821 31 0,21 31 0,212 2,942 3,184 3,063 18 0,12 49 0,333 3,184 3,426 3,305 15 0,10 64 0,434 3,426 3,668 3,547 21 0,14 85 0,575 3,668 3,910 3,789 29 0,19 114 0,766 3,910 4,152 4,031 19 0,13 133 0,897 4,152 4,394 4,273 8 0,05 141 0,948 4,394 4,636 4,515 5 0,03 146 0,979 4,636 4,878 4,757 0 0,00 146 0,97

10 4,878 5,120 4,999 4 0,03 150 1,00        150 1    

Tablica 6.6.4.: Distribucija frekvencija broja eritrocita za 150 pacijenata

Razredi uvijek ne moraju biti iste širine. Bitno je da su oni međusobno isključivi, a to znači jedna jedinica populacije je u samo jednom razredu. Osim toga, dva susjedna razreda ne moraju imati zajedničku granicu. Prije analize distribucije frekvencija razreda različite širine, potrebno je odrediti prave granice.

Broj podataka u razredu je njegova apsolutna frekvencija (npr. apsolutna frekvencija prvog razreda je 31). Ako su podaci razvrstani u k razreda, onda će se apsolutne frekvencije označiti s f1; f2,..., fk. U danom primjeru je f1=31, f2=18, f3=15 ... f10=4. U tom je slučaju f1+ f2 + f3 +...+ f10=31+18+15+...+4=150. Zbroj svih apsolutnih frekvencija je opseg osnovnog skupa.

Relativna frekvencija je omjer apsolutne frekvencije i opsega osnovnog skupa tj.:

; .

Zbroj svih relativnih frekvencija uvijek je 1, tj.Ako razredu nedostaje jedna od dviju granica, onda je on otvoren. Primjera radi,

razredi u slijedećoj tablici se formiraju na temelju dobi pacijenta:

127

Razred: dobdo 7

8 do 1516 do 23.......56 do 63 64 i stariji

Pravilnosti i zakonitosti teško je uočiti u izvornim podacima. Zato se kvantitativni

podaci uređuju u numerički niz po veličini ili grupiranjem u razrede. Ako su podaci kontinuirani, onda se formiraju razredi.

6.2.7. Grafički prikaz kvantitativnih podataka: histogram i poligon

Površinski dijagrami i dijagrami strukture služe za prikaz kvalitativnih podataka. Ili, služeći se porukom poznate izreke, «jedna slika vrijedi kao tisuću riječi». Kvantitativni podaci se mogu prikazivati u grafičkom obliku.

6.2.7.1 Histogram

Kada se crta histogram, analizirana pojava se prikazuje na vodoravnoj osi (mjerilo za vrijednosti numeričkog obilježja), a na okomitoj apsolutna frekvencija (ako se crta histogram frekvencija) ili relativna frekvencija. Pravokutnici u histogramu frekvencija se crtaju u sredini razreda, a njegova visina je određena frekvencijom.

Primjer 6.7.1: Prikazati histogram frekvencija za statistički skup broja eritrocita u krvi na temelju podataka iz tablice 6.6.4.

Histogram frekvencija

0

5

10

15

20

25

30

35

2,82 3,06 3,31 3,55 3,79 4,03 4,27 4,52 4,76 5

Sredine razreda

Frek

venc

ija

Slika 6.7.1: Histogram frekvencija broja eritrocita prikazanih u tablici 6.6.4

Najrašireniji linijski dijagram prikaza numeričkih nizova je poligon frekvencija. Kao i kod histograma na vodoravnoj osi je mjerilo za vrijednosti numeričkog obilježja analizirane pojave), a na okomitoj osi apsolutna frekvencija. Ponekad se naziva i mnogokutnikom jer

128

Otvoreni razredi

linije koje povezuju vrhove ordinata (frekvencije razreda) tvore veći ili manji kut. Poligon frekvencija na temelju podataka iz tablice 6.6.4 ima slijedeći izgled:

Poligon frekvencija

0

5

10

15

20

25

30

35

2,82

1

3,06

3

3,30

5

3,54

7

3,78

9

4,03

1

4,27

3

4,51

5

4,75

7

4,99

9

Sredina razreda

Frek

venc

ija

Slika 6.7.2.: Poligon frekvencija broja eritrocita prikazanih u tablici 6.6.4

Prednosti poligona frekvencija u odnosu na histogram frekvencija u jednostavnijem su i jasnijem prikazu. Oblik linije asocira na oblik distribucije frekvencija. Ako je ranije nacrtan histogram frekvencija, onda je dovoljno povezati sredine vrhova stupaca i kreiran je poligon frekvencija.

6.2.8. Kumulativne distribucije frekvencija i kumulativni poligoni

Tablice kumulativne distribucije frekvencija su jednostavna sredstva analize podataka. Ponekad se ta empirijska funkcija distribucije naziva "kumulativni niz", a formira se zbrajanjem originalnih frekvencija (apsolutnih ili relativnih) numeričkog niza. Prvo je potrebno pojasniti kako se formira kumulativni niz "manje od" za diskontinuiranu numeričku varijablu, za čije razrede su izračunate apsolutne frekvencije. Pretpostavka je da statistički skup ima n razreda čije su granice određene vrijednostima x1, x2, ..., xn, xn+1. Razredi su označeni respektivno s C1, C2, ..., Cn. Razred Ck = [xk, xk+1) .

Slika 6.8.1: Širine razreda

Apsolutna frekvencija razreda Ck je fk, a relativna frekvencija rk. Postavi li se pitanje koliko pacijenata ima manje od 2,942 eritrocita, onda je odgovor apsolutna frekvencija prvog razreda. Taj broj pacijenata je 31, odnosno apsolutna frekvencija f1. Koliko pacijenata ima manje od 3,063 eritrocita? Odgovor je 31+18=49 ili f1+ f2=49. Općenito, broj pacijenata čiji je broj eritrocita manji ili jednak Xk+1 je zbroj apsolutnih frekvencija f1+ f2 + f3+ ...fk. Slična logika se može upotrijebiti za kumulativnu relativnu frekvenciju. Korespondirajuća kumulativna relativna frekvencija je r1 +r2+...+rk.

Primjer 6.8.1: Tablica 6.6.4 prikazuje frekvenciju, kumulativnu frekvenciju, relativnu frekvenciju i distribuciju kumulativnih relativnih frekvencija eritrocita u krvi 150 pacijenata.

129

Kumulativne frekvencije

02040

6080

100120

140160

2,82

3,06

3,31

3,55

3,79

4,03

4,27

4,52

4,76 5

Sredine razreda

Frek

venc

ija

Slika 6.8.2.: Kumulativna frekvencija broja eritrocita u krvi 150 pacijenata

6.2.9. Zadaci za vježbu

Ekonomski institut je istraživao mišljenje 1652 ispitanika medijima ekonomske propagande. Odgovori na pitanje, koja su najvažnija sredstva ekonomske propagande, prikazani su u tablici:

Medij Relativna frekvencija

Tjednik 0.04Radio 0.31Televizija 0.52Dnevne novine 0.09Reklamni panoi 0.02Drugi mediji 0.02

Zadatak je:a) Upotrijebiti jednu od grafičkih metoda prikaza podataka.b) Koja je proporcija ispitanika mišljenja da su televizija ili dnevne novine najbolja

sredstva ekonomske propagande. c) Izračunati apsolutne frekvenciju odgovora ispitanika.d) Prikazati kumulativne frekvencije odgovora ispitanika.

6.3. MJERE CENTRALNE TENDENCIJE, RASPRŠENJA I STATISTIČKI MOMENTI

6.3.1. Uvod U ranijim poglavljima originalni podaci (podaci dobiveni prikupljanjem) su smješteni

u tablice i prikazani odgovarajućim dijagramima. U poglavlju koje slijedi iz tih sirovih (originalnih) podataka bit će izračunat niz pokazatelja koji će poslužiti za analizu i interpretiranje kvantitativnih podataka. Četiri su mjere pokazatelja najznačajniji i to:

a) Centralne tendencijeb) Disperzijec) Relative standingd) Raspršenja

Ako se te mjere izračunavaju iz cijele populacije, onda se nazivaju parametri. Ako se izračunavaju iz uzoraka (uzorci se preferiraju u statistici), nazivaju se statistike (statistics).

6.3.2. Mjere centralne tendencije

130

Mjere centralne tendencije uspoređuju dvije distribucije frekvencija, pri čemu je svaka distribucija prikazana samo jednim parametrom ili karakteristikom. Postoji više mjera centralne tendencije i zato je uvijek dvojba koju vrijednost upotrijebiti. Naravno, različit je i način izračunavanja srednje vrijednosti koja prikazuje centralnu tendenciju neke distribucije frekvencija.

Svojstva srednjih vrijednosti glavni su kriterij izbora te mjere u određenoj situaciji.

6.3.2.1. Aritmetička sredina

Definicija 3.1: Ako su vrijednosti varijable x, onda je aritmetička sredina jednaka :

Definicija 3.1a: Aritmetička sredina populacije izračunava se po formulu

gdje je: xi vrijednost numeričkog obilježja, a N broj jedinica

populacije.

Definicije aritmetičke sredine populacije i uzorka su jednake. To vrijedi i za ostale mjere centralne tendencije. Ali za varijance uzorka i populacije formule su različite.

Primjer 3.1: Dane su vrijednosti statističkog obilježja: 3.5; 6.8; 6.4; 2.5; 5.4; 9.4; 12.9; 8.1. Po definiciji: = (3.5 + 6.8+6.4+ 2.5+ 5.4+9.4 + 12.9 + 8.1)/8 = 6.875

6.3.2.1.1. Prednosti aritmetičke sredine

Aritmetička sredina je jedinstvena mjera tendencije vrijednosti numeričkog obilježja. Pogodna je za usporedbe tendencije vrijednosti više skupova podataka. Zbroj odstupanja originalnih vrijednosti obilježja od aritmetičke sredine jednak je nuli. Znači:

i ; gdje su:

fi frekvencija statističkog obilježja ili frekvencija razreda, xi vrijednost numeričkog obilježja ili sredine razreda,

srednja vrijednost (aritmetička sredina).Zbroj kvadrata odstupanja originalnih vrijednosti numeričkog obilježja od

aritmetičke sredine jednak je minimumu. Dakle:

Aritmetička sredina je uvijek između najmanje i najveće vrijednosti numeričkog obilježja varijable Xi, odnosno:

6.3.2.1.2. Nedostaci aritmetičke sredine

Najveći nedostatak aritmetičke sredine je sklonost utjecaju ekstrema na njenu vrijednost tako da ona ne odražava stvarnu distribuciju vrijednosti numeričkog obilježja. Zato je dobro isključiti ekstremne vrijednosti u izračunavanju aritmetičke sredine jer je ona tada mnogo reprezentativnija.42

42 Ostale potpune srednje vrijednosti: harmonijska sredina, geometrijska sredina, vagana harmonijska sredina, aritmetička sredina relativnih brojeva koordinacije izvan su ciljeva postavljenih u udžbeniku.

131

6.3.2.2. Harmonijska sredina i geometrijska sredina

Harmonijska sredina H i geometrijska sredina G i izračunavaju se prema ovim izrazima:

i

Primjer 3.1.2: Dani su podaci o tjednoj prodaji proizvoda A u komadima tijekom osam tjedana: 21; 34; 32; 56; 12; 38; 44; 41; Izračunati aritmetičku, harmonijsku i geometrijsku sredinu.

Aritmetička sredina je:

Harmonijska sredina je:

Geometrijska sredina je: .

Između aritmetičke, harmonijske i geometrijske sredine te minimalne i maksimalne vrijednosti numeričkog obilježja postoji slijedeći odnosi:

.Harmonijska sredina H i geometrijska sredina G mogu se promatrati kao

transformirane aritmetičke sredine:

. Logaritam geometrijske sredine jednak

je aritmetičkoj sredini logaritama vrijednosti numeričke varijable.

. Recipročna vrijednost harmonijske sredine jednaka je

aritmetičkoj sredini recipročnih vrijednosti numeričke varijable.

6.3.2.3. Medijan

Definicija 3.2: Medijan m je vrijednost koja niz podataka uređenih po veličini dijeli na dva jednaka dijela. Polovina podataka je manja od medijana m, a druga polovina je veća.

Formula za izračunavanje medijana sortiranog skupa podataka u rastućem redoslijedu je:

One su dio sadržaja svakog udžbenika statistike.

132

Primjer 3.2: Odrediti medijan za skup podataka koga čine slijedeće vrijednosti: 12; 8; 6;14;15;5; 9;19;17.Rješenje: Prvo će se sortirati skup vrijednosti u rastućem redoslijedu: 5; 6; 8; 9; 12; 14; 15;17;19. Broj numeričkih vrijednosti je neparan, n = 2 * 5 – 1, te je medijan m = x5 = 12. Polovina podataka: 5,6,8,9 je manja od medijana, a druga polovina: 14,15,17,19 je veća od vrijednosti m=12.

Primjer 3.2: Dane su slijedeće vrijednosti numeričkog obilježja: 14; 13; 12; 43; 17; 6;18;4. Odrediti medijan.Rješenje: Prvo se sortira skup vrijednosti u rastućem redoslijedu: 4;6;12;13;14;17;18;43.

Broj podataka je paran n = 2 x 4, onda je, po definiciji, .

Temeljna prednost medijana nad aritmetičkom sredinom je smanjenje utjecaja ekstremnih vrijednosti na tu mjeru centralne tendencije

6.3.2.4. Mod

Definicija 3.3: Mod je najčešća vrijednost u nizu podataka. To je vrijednost obilježja koje ima najveću frekvenciju.

Primjer 3.3.3: Odrediti mod za podatke u slijedećoj tablici 3.1.

176 183 195 182 176179 181 186 191 178181 193 197 182 181186 193 181 182 181187 178 188 186 178187 193 191 195 191

Tabela 3.1: Visine 30 studenata u cm

Rješenje: Prvo će se sortirati podaci u rastućem redoslijedu, a zatim izračunati apsolutne frekvencije numeričkog obilježja visina studenata:

Najčešće se ponavlja vrijednost obilježja 181 cm (najveća frekvencija), pa je mod 181 cm. Skup podataka može imati više vrijednosti numeričkih obilježja čije su frekvencije najveće. To je multimodalni skup podataka. Ako skup podataka ima samo jedan mod, onda vrijedi slijedeća korisna empirijska relacija:Aritmetička sredina-mod=3* (Aritmetička sredina-medijan)Aritmetička sredina, medijan i mod su tri mjere centralne tendencije i one su različite. Najčešće u uporabi je aritmetička sredina.

6.3.2.5. Raspon varijacija

176 176 178 178 178179 181 181 181 181181 182 182 182 183186 186 186 187 187188 191 191 191 193193 193 195 195 197

133

Definicija 3.4: Raspon varijacija je razlika između najveće i najmanje vrijednosti numeričkog obilježja, odnosno gdje je = najveća vrijednost obilježja, = najmanja vrijednost obilježja.

6.3.3. Varijanca i standardna devijacija

Najvažnije mjere disperzije su varijanca i standardna devijacija.

Definicija 3.5: Varijanca je jednaka je aritmetičkoj sredini kvadrata odstupanja vrijednosti numeričkog obilježja od aritmetičke sredine tog obilježja:

gdje je: =varijanca populacije; = vrijednost obilježja; = aritmetička sredina populacije, te N = ukupan broj jedinica populacije.

Zato što je varijanca prosječno kvadratno odstupanje od aritmetičke sredine ponekad se naziva i srednje kvadratno odstupanje.

Definicija 3.6: Standardna devijacija populacije je drugi korijen varijance.

Mjerna jedinica varijance je kvadrat jedinice u kojoj su izražene vrijednosti obilježja, a mjerna jedinica standardne devijacije je ista kao i kod promatranog obilježja.

Definicija 3.6a: Varijanca uzorka za vrijednosti obilježja je

definirana formulom:

pri čemu je : =varijanca uzorka; = aritmetička sredina uzorka; n = broj jedinica u uzorku. Standardna devijacija uzorka je .

U nazivniku varijance uzorka umjesto n uporabljeno je n-1 jer su statističari pokazali da je takva definicija varijance uzorka nepristrana procjena varijance populacije iz koje je uzet uzorak. Očekivana vrijednost varijance je jednaka varijanci populacije.

6.3.3.1. Primjene standardne devijacije

Standardna devijacija omogućuje procjenu vrijednosti statističkog obilježja u odnosu na aritmetičku sredinu. Ta procjena ima veliki stupanj pouzdanosti. U upotrebi je teorem ruskog matematičara P.L. Chebyshev (1821-1894). One će rijetko odstupati od aritmetičke sredine za više od +3.

Teorem Chebyshev’a: Za bilo koji skup podataka s aritmetičkom sredinom i standardnom devijacijom s najmanje 75% vrijednosti se nalazi u intervalu i najmanje 88,89% vrijednosti unutar intervala .

134

Može se mjeriti postotak podataka koji se nalaze unutar određenog intervala

vrijednosti za krivulju koja je zvonolika i simetrična u odnosu na aritmetičku sredinu43.

Empirijsko pravilo Za zvonolike distribucije, a takva je normalna distribucija: U intervalu nalazi se približno 68% podataka,U intervalu nalazi se približno 95% podataka (najmanje 75% svih podataka),U intervalu nalazi se približno 99,7% podataka (najmanje 88,89% svih podataka).

6.3.4. Mjere relativne raspršenosti: koeficijent varijacije

Standardna devijacija je apsolutna mjera raspršenosti čija je jedinica mjere jednaka jedinici mjere jedinica statističkog skupa. Za uspoređivanje varijacija u statističkim skupovima koji imaju različite jedinice mjere ne može se koristiti standardna devijacija. Zato je potrebna mjera u kojoj neće biti bitne jedinice mjere. Tako je konstruiran koeficijent varijacije. On je relativna mjera raspršenosti koja može usporediti raspršenost za dva različita obilježja, npr.: težine studenata u kilogramima i visine u centimetrima.

Definicija 3.4.1: Koeficijent varijacije V je postotni omjer standardne devijacije i aritmetičke sredine

Jedinica koeficijenta varijacije je postotak. On je primjenjiv na populaciju i na uzorak.

Primjer 3.6: Mjerena je težina studenata. Standardna devijacija težina studenata je 7 kilograma. Prosječna težina je 65 kilograma. Istodobno je mjerena i visina studenata. Standardna devijacija visine je 8 centimetara, a prosječna visina je 178 cm. Je li veća varijabilnost težine ili visine studenata?Koeficijent varijacije težine studenata je

Koeficijent varijacije visine studenata je Zaključak je da visina studenata manje varira nego njihova težina.

6.3.4.1. Mjere relativne raspršenosti

Ponekad je potrebno saznati relativno mjesto neke jedinice u statističkom skupu (u odnosu na druge jedinice populacije). Takve mjere se nazivaju mjere relativne raspršenosti. Mjera koja izražava poziciju u postocima naziva se percentil.

Definicija 3.9: Skup podataka je uređen u rastućem (ili opadajućem) redoslijedu. Neka je p broj između 0 i 1. Ako vrijednost Q(p) ima svojstvo da je udio podataka manji ili jednaki Q(p) najmanje p i udio podataka veći ili jednaki Q(p) je najmanje 1 – p onda se on zove p-kvantil (kvantil razine p).

43Najmanja proporcija članova bilo koje populacije u intervalu od + k, k 1 iznosi (k je cijeli broj):

.

135

Medijan je kvantil razine 0.5 il 50% kvantil. Kvantili razina 0.1; 0.2;...; 0.9 zovu se decili, a kvantili razina 0.01; 0.02;... ; 0.99 zovu se percentili. Ideja kvantila može se prikazati na slijedeći način:

Slika 3. 9.1: Percentili razina 0.25, medijan i 0,75

Kvantili razina 0.25 (25%), medijan (0.5) i 0.75 su često u upotrebi jer dijele skup podataka u četiri dijela. Svaki dio sadrži jednu četvrtinu (25%) statističkog skupa. Relativne frekvencije su podijeljene u četiri dijela kao što pokazuje prethodna slika. Kvantili razina 0.25 i 0.75 zovu se donji i gornji kvartil i označavaju s Q1 = Q(0.25) i Q3 = Q(0.75).

Definicija 3.10: Donji kvantil, Q1, je percentil razine 0.25.

Definicija 3.11: Medijan je percentil razine 0.5.

Definicija 3.12: Gornji kvantil je percentil razine 0.75.

Definicija 3.13: Interkvartil za skup podataka je Q3 - Q1 .

Q1 M Q3 Slika 3.8.1: Određivanje donjeg, srednjeg i gornjeg kvartila

Izračunavanje kvartila za manji skup podataka:Sortirati u rastućem ili opadajućem redoslijedu skup podataka. Izračunati izraz

, a rezultat zaokružiti na najbližu cjelobrojnu vrijednost. Ako je izraz između dvije cjelobrojne vrijednosti, onda je zaokružiti na veću. Vrijednost obilježja u tom rangu predstavljaju donji kvartil. Gornji kvartil se izračunava izrazom i zaokružuje na najbližu cjelobrojnu vrijednost. Ako je izraz između dvije cjelobrojne vrijednosti, onda je zaokružiti na manju.

Primjer 3.7 Izračunati donji kvartil, medijan i gornji kvartil za podatke u tablici:

176 183 195 182 176

136

179 181 186 191 178181 193 197 182 181186 193 181 182 181187 178 188 186 178187 193 191 195 191

Rješenje: Podatke u tablici prvo sortirati u rastućem redoslijedu:

176 176 178 178 178179 181 181 181 181

181 182 182 182 183186 186 186 187 187188 191 191 191 193

193 193 195 195 197

Broj jedinica je n = 30. Donji kvartil je (30+1)/4 = 31/4 = 7.75. Zaokružuje se na veću vrijednost te je kvartil osma jedinica skupa podataka, a vrijednost obilježja je 181.Gornji kvartil je 3(n+1)/4 = 3*(30+1)/4 = 23.25. Zaokružuje se na manju cjelobrojnu vrijednost te je gornji kvartil 23 jedinica skupa podataka, a njegova vrijednost je vrijednost je 191.

Medijan je (izračunava se za paran broj podataka tj. 30=2*15).

Mjesto tih kvartila je naznačeno na slici koja slijedi:

170 175 180 185 190 195

Min=176 Q1=181 M=184.5 Q3=191 Max=197

Slika 3.8.2: Pozicioniranje kvartila za podatke iz prethodne tablice

Slijedeća mjera relativne raspršenosti je z-obilježje (standardizirano obilježje). Ono izračunava udaljenost vrijednosti obilježja od aritmetičke sredine mjereno standardnim devijacijama.

Definicija 3.14: Standardizirano obilježje( z - obilježje) se izračunava:a) za populaciju: z=

gdje je = vrijednost obilježja uzetog iz populacije, = aritmetička sredina populacije, te = standardna devijacija populacije.

b) za uzorak: z= gdje je = vrijednost obilježja uzetog iz uzorka, = aritmetička sredina uzorka, te s = standardna devijacija uzorka

6.3.5. Mjere asimetrije Osim mjera centralne tendencije, disperzije i relativne disperzije potrebno je

poznavati i način na koji su podaci distribuirani. Dvije su mjere najvažnije: spljoštenost (skewness) i kurtosis.

137

Donji kvartil

Gornji kvartil

6.3.5.1. Spljoštenost

Ako distribucija podataka nije simetrična, naziva se asimetrična ili spljoštena. Mjerama asimetrije se mjeri raspored članova statističkoga niza prema osi simetrije. Mjere se odstupanja originalnih vrijednosti numeričkog obilježja od aritmetičke sredine, medijana, moda i ostalih mjera centralne tendencije. Spljoštenost je stupanj asimetrije distribucije u odnosu na aritmetičku sredinu. Za uzorak spljoštenost se izračunava po formuli:

,

gdje je n broj jedinica uzorka, vrijednost obilježja i-te jedinica uzorak, te s standardna devijacija uzorka.

Prema rasporedu podataka, distribucije mogu biti: a) simetrične

b) pozitivno asimetrične

c) negativno asimetrične

138

Smjer asimetričnosti ovisi o mjestu ekstremnih vrijednosti. Ako distribucija ima više ekstremnih vrijednosti onda će aritmetička sredina biti veća od moda i medijana i za takvu distribuciju frekvencija se kaže da je pozitivno (desno) asimetrična. Rep distribucije je produljen na desnu stranu. Obrnuto, ako su mod i medijan veći od aritmetičke sredine, distribucija je negativno simetrična ili lijevo spljoštena. Rep distribucije je produljen na lijevu stranu. To pokazuju slijedeće slike:.

Slika 3.3a: Pozitivno asimetrična distribucija

Slika 3.3b: Negativno asimetrična distribucija

6.3.5.2. Kurtosis

Kurtosis ili zaobljenost distribucije se uspoređuje sa normalnom (zvonolikom) distribucijom. Kurtosis uzorka se izračunava po formuli.

Distribucija podataka koja ima normalnu zaobljenost naziva se mezokurtična. Vrijednost Kurtosisa je jednaka 0. Ako je Kurtosis>0 onda je distribucija šiljasta (leptokurtična), a ako je Kurtosis<0 onda se radi o plosnatoj (platikurtičnoj) raspodjeli. Normalna, šiljasta i plosnata distribucija su prikazane na slijedećim slikama

Slika 3.4Distribucije s pozitivnim, negativnim i kurtosisom jednakim nula

6.3.6. Metode otkrivanja vanjskih vrijednosti (outlier)

Definicija 3.15: Vrijednost obilježja koja je relativno velika ili mala u odnosu na ostale vrijednosti obilježja nazivaju se vanjske vrijednosti ili outlier. Te vrijednosti obilježja mogu biti pogrešno upisane, dolaziti iz druge populacije ili se radi o događajima koji su veoma rijetki.

Vanjske vrijednosti utječu na oblik distribucije. One su veoma spljoštene jer takva distribucija ima tendenciju uključiti ekstremno male ili velike vrijednosti. U uporabi su najčešće dvije metode utvrđivanja vanjskih vrijednosti:

6.3.6.1. Upotreba standardiziranog obilježja

139

Prema teoremu Chebysheva gotovo sve vrijednosti obilježja se nalaze u intervalu , gdje je aritmetička sredina a s je standardna devijacija uzorka. Vrijednosti

obilježja udaljene više od tri standardne devijacije od aritmetičke sredine su ekstremne vrijednosti.

Primjer 3.8: Visina studenata mjerena u centimetrima prikazana je u slijedećoj tablici:

176 183 177 182 176179 181 186 191 178181 182 174 182 181186 177 181 162 181187 178 188 186 178187 182 212 182 191

Tablica 3.7: Visina studenata u centimetrima

Aritmetička sredina uzorka visine studenata je = 182.23cm, standardna devijacija populacije temeljena na uzorku s = 7.97. Tri standardne devijacije su 3* s = 3*7.97=23.91Standardizirano obilježje za visinu 212 je . Budući je z vrijednost veća od tri standardne devijacije za visine studenata je ekstremna vrijednost ili outliers u skupu vrijednosti visina studenata.

6.3.6.2. Metoda Box plot

Druga metoda određivanja ekstremnih vrijednosti je konstruiranje box plota podataka. Koraci su slijedeći:

1. Izračunati medijan M, donji i gornji kvartil, Q1 i Q3, i interkvartil, IQ = Q3 - Q1.2. Konstruirati box s Q1 i Q3 postavljeni u lijevom kutu. Jedinica mjere će biti

jednaka rasponu interkvartila. Nacrtati okomitu crtu unutar boxa koja određuje medijan M.

Konstruirati dva skupa granica u boxu: unutarnju donju među postavljenu na udaljenosti od 1.5 * IQ ispod Q1 i gornju unutarnju među postavljenu na udaljenosti od 1.5* IQ iznad Q3. Vanjske međe su postavljene na udaljenosti od 3 * IQ ispod Q1 i 3 * IQ iznad Q3.

Vrijednosti obilježja, koje su između unutarnje i vanjske međe, su očekivane vanjske vrijednosti. Vrijednosti obilježja, koje su izvan vanjskih međa, su ekstremne vanjske vrijednosti.

140

220,00210,00200,00190,00180,00170,00160,00

220,00210,00200,00190,00180,00170,00160,00

3022 18

Slika 3.6: Box plot za podatke iz tablice 3.7. upotrebom SPSS-a

6.3.7. Izračunavanje mjera centralne tendencije za grupirane podatke

Prikazani postupci izračunavanja aritmetičke sredine, medijana, moda, standardne devijacije i sl. su se odnosile na cijeli statistički skup. Promatrane su sve jedinice uzorka i za njih su bile poznate sve vrijednosti obilježja. Ako su podaci grupirani u razrede jednake širine, izračunate apsolutne frekvencije razreda i prikazane u tablici onda se može uporabiti alternativni postupak izračunavanja aritmetičke sredine, standardne devijacije i sl.

Primjer 3.8.1: U tablici su prikazane tablice frekvencija mjesečnih plaća uposlenih u poduzeću X.

Redni broj Razred Frekvencija1 0 – 299.99 342 300 – 399.99 57

Vanjska međaUnutarnja međa Unutarnja međaVanjska međa

**

Q1 M Q3

1.5 * IQ 1.5 * IQ IQ 1.5 * IQ 1.5 * IQ

Slika 3.5: Box plot

141

3 400 – 499.99 984 500 – 599.99 1215 600 – 699.99 886 700 – 799.99 897 800 – 899.99 448 900 – 999.99 219 1000 – 1099.99 8610 1100 – 1119.99 611 1200 –1299 5

Iz podataka u tablici moguće je jednostavno izračunati i procijeniti aritmetičku sredinu i standardnu devijaciju. Formule za izračunavanje aritmetičke sredine i standardne devijacije grupiranih podataka su:

a) = formula za aritmetičku sredinu,

b) formula za standardnu devijaciju,

gdje su: = aritmetička sredina skupa podataka, s = standardna devijacija uzorka, xi = srednja vrijednost i-tog razreda, fi = frekvencija i-tog razreda, k = broj razreda, n = ukupan broj jedinica u statističkom skupu (zbroj frekvencija svih razreda). 6.3.8. Računalni softveri za deskriptivnu statistiku

Svaki računalni softver za statistiku ima programske module za izračunavanje parametara deskriptivne statistike. Prikazat će se izlazi iz modula deskriptivne statistike statističkog paketa SPSS i tabličnog kalkulatora Excel za podatke iz Tablice 6.6.3:

Deskriptivna statistika

Mean 3,5382Standard Error 0,044801533Median 3,6Mode 3,6Standard Deviation 0,548704478Sample Variance 0,301076604

Kurtosis-

0,363982088Skewness 0,344011017Range 2,42Minimum 2,7Maximum 5,12Sum 530,73Count 150Largest(1) 5,12Smallest(1) 2,7Confidence Level(95,0%) 0,088528441

Slika 3.10: Deskriptivna statistika upotrebom Excela

6.3.9. Vježba

142

Dnevni troškovi studenta prikazani su u slijedećoj tablici:

23 25 45 18 17 27 1514 280 18 17 190 29 4516 21 12 18 19 17 1531 37 19 18 15 28 2385 25 28 34 22 18 33

Zadatak je:a) Izračunati , s2 i s.b) Prikazati S-L za podatke iz tablice.c) Izračunati intervale , i d) Izračunati troškove koji su unutra intervala iz c dijela zadatka.

6. 4. VJEROJATNOST

6.4.1.Eksperiment, događaji i vjerojatnost, vjerojatnost događaja

U matematičkoj teoriji vjerojatnosti osnovni pojam je elementarni događaj. On je ishod koji se ne može rastaviti na jednostavnije ishode. Kao rezultat pokusa može se pojaviti samo jedan elementarni ishod. Elementarni događaji se označavaju velikim slovima A, B, C, D,...

Skup svih mogućih elementarnih događaja nekog pokusa se označava sa S. Svaki podskup A skupa S je slučajan događaj. Slučajni događaj A je nastupio ako je rezultat pokusa jedan od elementarnih ishoda koji pripada događaju A.

Primjer 4.1: Bacanje novčića je pokus. Bacimo novčić i provjerimo je li se pojavila Glava ili Pismo. Može se pojaviti jedan od dva događaja:

G: pojavila se glava,P: pojavilo se pismo.

Vjerojatnost događaja A je šansa da se događaj A pojavi. Označava se s P(A). Kako se određuje vjerojatnost događaja (šansa da će se on pojaviti)? To je pitanje na koje će se odgovoriti u slijedećim poglavljima.

6. 4.2. Pristupi definiranju vjerojatnosti

Postoji više pristupa definiranju vjerojatnosti. Te se definicije i pristupi mogu svrstati u tri skupine:

f)definicija vjerojatnosti kao kvantitativna mjera izvjesnosti pojave događaja, g) klasična definicija koja se temelji na jednakoj šansi, h) definicije koje se temelje na relativnoj frekvenciji pojave događaja za veći broj pokušaja.

Prvi pristup definiranju vjerojatnosti temelji se na promatranju događaja neovisno o promatraču (onome tko izvodi eksperiment). Vjerojatnost koja ovisi o promatraču naziva se subjektivna vjerojatnost. Mi ćemo se koncentrirati na klasični i statistički pristup definiranju vjerojatnosti. 6. 4.3 Polje događaja

Prije prikaza klasične definicije vjerojatnosti potrebno je objasniti relacije između događaja u tijeku ponavljanja pokusa. Ako se događaj B pojavljuje svaki put kada se pojavi događaj A kaže se da A implicira B i piše A B .

Ako se u pokusu događaji A i B istodobno pojavljuju ili ne pojavljuju kaže se da su oni ekvivalentni i piše A=B.

Događaj je proizvod ili presjek događaja A i B ako se oni pojavljuju simultano. To se zapisuje kao AB ili A B.

143

Događaj koji se sastoji u pojavi jednog od dva događaja A ili B naziva se zbroj ili unija i označava A+B ili A B.

Složeni događaj koji se sastoji u pojavi događaja A i nepojavljivanju događaja B naziva se razlika događaja A i B i označava A-B ili A\B.

Događaj je siguran ako se on pojavljuje svaki put kada se realizira pokus. Događaj je nemoguć ako se ne pojavljuje nikada u tijeku realizacije pokusa. Svi sigurni događaji su međusobno ekvivalentni. Označava ih se sa S. Ekvivalentni su i svi nemogući događaji. Označavaju se s 0.

Dva događaja A i su komplementarna ako je i = 0. Primjerice, eksperiment bacanja kocke kod koje se može pojaviti 1,2,3,4,5 ili 6. Komplementarni su događaji:

= Pojavljuje se paran broj tj. 2,4 ili 6. =Pojavljuje se neparan broj tj.1,3 ili 5.

Dva su događaja međusobno isključiva ako svaki put kada se pojavi jedan događaj drugi se ne pojavljuje.

Događaj A je dekomponiran na međusobno isključive događajeB1, B2, ..., Bn ako je A=B1+B2+...+Bn i događaji Bi (i =1,2,...,n) su međusobno isključivi.

Događaj je elementaran ako se ne može dekomponirati na druge događaje. Događaji bacanja kocke su elementarni.

Sve relacije između događaja mogu se prikazati geometrijski Venovim dijagramima. U tim dijagramima potpuni prostor događaja prikazuje pravokutnik a događaji su dio. Dva međusobno isključiva događaja nemaju preklapajućih dijelova. Ako događaji nisu međusobno isključivi onda imaju preklapajući dio što prikazuje slijedeća slika:

Slika 4.1a: Dva međusobno isključiva događaja

Slika 4.1b: Dva međusobno neisključiva događaja

A B

A+B AB

144

Slika 4.2: Događaji i AB

U teoriji vjerojatnosti najčešće se susrećemo sa skupom događaja S.

Definicija 4.3: Skup događaja S se naziva polje događaja ako zadovoljava slijedeće uvijete: Ako događaji A i B pripadaju skupu događaja S, onda skupu događaja pripadaju i događaji AB, A+B i A-B. Skup događaja S sadrži i siguran događaj S i nemoguć događaja 0.

6.4.4.1 Klasična definicija vjerojatnosti

Klasična definicija vjerojatnosti reducira koncept vjerojatnosti na koncept jednake vjerojatnosti događaja. Svaki mogući elementarni događaj ima jednaku vjerojatnost pojavljivanja, primjerice, bacanje novčića ili bacanje kocke. Glava i pismo imaju jednaku vjerojatnost pojavljivanja. Isto tako svaka od šest stranica kocke ima jednaku vjerojatnost.

Definicija 4.4 (klasična definicija vjerojatnosti): Vjerojatnost pojavljivanja događaja A, P(A) je jednaka broju mogućih pojavljivanja događaja (ishoda) podijeljenim s brojem mogućih pojavljivanja svih događaja u eksperimentu: gdje je m broj elementarnih događaja koji tvore događaj A, a Nukupan broj svih jednako mogućih elementarnih događaja.

Primjer 4.4: U eksperimentu bacanja novčića prostor događaja se sastoji od dva jednostavna događaja: Glave i Pisma.Ta dva događaja imaju jednake vjerojatnosti: P(G)=P(P)=1/2.

Polazne tvrdnje u teoriji vjerojatnosti su aksiomi o vjerojatnosti. Iz njih se izvode teoremi.Svojstva vjerojatnosti:Za svaki događaj A polja S, P(A) 0Za svaki siguran događaj S, P(S) = 1Ako su A1, A2,….. Ak međusobno isključivi (nespojivi) događaji, tada je:

P(A1 A2 …… Ak) = P(A1) + P(A2)+….+P(Ak)

To svojstvo se naziva teorem aditivnosti.Vjerojatnost događaja komplementarnog događaju A je .Vjerojatnost nemogućeg događaja je nula, P(0) = 0.Ako događaj A implicira događaj B, tada je P(A) P(B).Vjerojatnost događaja A je između 0 i 1: 0 P(A) 1.

Primjer 4.6: Događaj A se sastoji od elementarnih događaja: GG, GP, PG,PP a oni su rezultat bacanja dva novčića. Odrediti vjerojatnost nastupanja događaja A=G (vjerojatnost pojavljivanja glave).

, jer se glava pojavljuje u 3 od ukupno četiri moguća ishoda. Vjerojatnosti elementarnih događaja najvažniji je podatak. Tu vjerojatnost je

potrebno odrediti u svakom pojedinom slučaju.

6.4.4.2. Statistička definicija vjerojatnosti

145

Vjerojatnost se može odrediti unaprijed (a priori), bez uvida u rezultate pokusa, ili na temelju učestalosti (frekvencija) pojedinih ishoda nakon velikog broja pokusa (a posteriori). Ako je razumno pretpostaviti da su svi ishodi pokusa jednako vjerojatni, onda je prihvatljiv prvi način.

Ako se s m označi broj pojavljivanja događaja A u N neovisnih pokusa, onda za veliki broj pokusa N omjer m/N je skoro konstanta. Konstanta je objektivno svojstvo neke pojave pa je logično i prirodno nazvati je statističkom vjerojatnosti slučajnog događaja A. Definicija 4.5 (statistička definicija vjerojatnosti): Vjerojatnost događaja A može se aproksimirati relativnom frekvencijom (proporcijom) pojavljivanja događaja A kada se eksperiment ponavlja veliki broj puta.

Ranije prikazani poligon frekvencija je stvarna, empirijska razdioba apsolutnih frekvencija elemenata skupa s obzirom na vrijednosti obilježja. To je relativno nejasan prikaz pravilnosti ponašanja obilježja u skupu. U obradi podataka često se koriste još i tzv. relativne frekvencije fr.

i=1,2,3,....k, a n je ukupan broj podataka.Relativna frekvencija razreda je empirijski definirana vjerojatnost. Ako se u n

obavljenih mjerenja neki događaj pojavi f puta i broj mjerenja povećava u beskonačnost, onda granična vrijednost relativne frekvencije prelazi u vjerojatnost. Ako je vjerojatnost pojave događaja kvocijent broja povoljnih slučajeva (m) i broja mogućih slučajeva (n), dakle,

, tada je m apsolutna frekvencija (fi), a n broj elemenata skupa. Za događaje kod kojih je primjenjiva klasična definicija vjerojatnosti, statistička vjerojatnost je jednaka klasičnoj. Matematičari su formulirali aksiomatsku definiciju vjerojatnosti kako bi eliminirali određene slabosti klasične i statističke definicije vjerojatnosti. Pri tome, vjerojatnost definiraju slijedeći aksiomi:

1. Svakom slučajnom događaju A u polju događaja S se pridružuje ne-negativni broj P(A), nazvan vjerojatnost.

2. Vjerojatnost sigurnog događaja S je 1, P(S) = 1.3. Aditivnost - ako su A1, A2,….. Ak međusobno isključivi (nespojivi) događaji, tada

je:P(A1 + A2 +…+ Ak) = P(A1) + P(A2)+….+P(Ak).

Primjer 4.7: Koliko je vjerojatnost da rezultat bacanja kocke bude veći od 3?

Vjerojatnost svakog elementarnog događaja je 1/6 (brojevi 1,...6). Pošto je složeni događaj A (rezultat bacanja kocke veći od tri tj. 4, 5 i 6) unija nespojivih (međusobno isključivih) događaja {4}, {5} i {6}, P(A) = P(4) + P(5) + P(6) = 3/6 = ½.

6.4.5. Uvjetna vjerojatnost i neovisnost

Uvjetna vjerojatnost je vjerojatnost pojavljivanja događaja A uz uvijet da se pojavio događaj B. Takva vjerojatnost zove se uvjetna događaja A uz uvjet B i označava se s P(A|B).

Primjer 4.7: A = {Pojava parnog broja kod bacanja kocke},B = {Pojava broja manjeg ili jednaka 3}.

146

Pronaći uvjetnu vjerojatnost pojave događaja A ako se pojavio događaj B.Rješenje: Kod bacanja kocke mogu se pojaviti događaji: D1, D2, D3, D4, D5, D6, gdje je Dk događaj s brojem točaka k (k = 1, 2, 3, 4, 5, 6). Ti događaji imaju jednaku vjerojatnost pojavljivanja:P(Dk) = 1/6 (k = 1, 2, 3, 4, 5, 6). Budući je A = D2+ D4+ D6, B = D1+ D2+D3, onda je vjerojatnost P(A) = P(D2)+ P(D4)+ P(D6) = 3*1/6 = 1/2 , a P(B) = P(D1)+ P(D2)+ P(D3) = 3*1/6 = 1/2.Ako se pojavi događaj B (broj manji ili jednak 3) onda se reducira skup događaja sa šest na tri jednostavna događaja: D1, D2, D3. Pošto je od tri broja 1, 2, 3 samo paran broj kod događaja D2, onda se može zaključiti da je vjerojatnost pojavljivanja događaja A ako se pojavio događaj B samo P(A|B) = 1/3. U tom primjeru može se provjeriti da je . Ta formula se koristi za određivanje uvjetne vjerojatnosti. P(AB) je vjerojatnost pojavljivanja oba događaja tj. događaja A i događaja B.U našem primjeru P(AB) = P(A)*P(B)= 1/3* 1/2=1/6.

Može se zapisati i pravilo multiplikativnosti za uvjetnu vjerojatnost: (1)

(2)

Iz (1) i (2) se može zapisati:

Definicija 4.7: Događaji A i B su međusobno neovisni ako je P(A|B) = P(A). To znači da pojavljivanje događaja B ne utječe na vjerojatnost događaja A.

Ako vjerojatnost P(B) ostaje nepromijenjena pod uvjetom da se prethodno dogodi A, tj. ako vrijedi:

onda su događaji A i B neovisni.

Više od dva događaja, npr. tri događaja A, B i C su neovisni ako vrijedi:P(AÇB) = P(A)·P(B)P(AÇC) = P(A)·P(C) P(AÇBÇC) = P(A)·P(B)·P(C)P(BÇC) = P(B)·P(C)Prvo se analiziraju sve moguće kombinacije događaja A, B i C: AB, AC i BC i za svako od njih se postavlja uvjet. Neovisnost parova nije dovoljna.

Primjer 4.7: Novčić se baca dva puta. Događaj A označava ishode u kojima je prvo bacanje glava, a B događaje u kojima su ishodi oba bacanja jednaki. Pokazati da su događaji A i B neovisni.Rješenje:P(A) = 1/2, P(B) = 1/2, P(AÇB) = P({glava, glava}) = 1/4

147

Događaji A i B su neovisni jer je .

Teorem multiplikativnosti za neovisne događaje ima jednostavan oblik: P(AB) = P(A) P(B).Ako su događaji A1, A2, ..., An u svim parovima međusobno isključivi onda vrijedi:P(A1+ A2+ ...+An) = P(A1)+P(A2)+ ...+P(An).Ako dva događaja nisu međusobno isključiva onda je vjerojatnost pojavljivanja jednog od ta dva događaja (događaja A ili događaja B) jednaka: P(A+B) = P(A) + P(B) – P(AB).Sada se može izračunati i vjerojatnost pojavljivanja događaja Ak ako znamo da se pojavio događaj B. Prema multiplikativnom pravilu:P(AkB) = P(B)P(Ak|B) = P(Ak) P(B|Ak). Iz toga slijedi:

Zato se ponekad Bayesova formula naziva formulom vjerojatnosti hipoteza.

Primjer 4.11: Dano je sedam kutija unutar kojih se nalaze satovi: 3 kutije čiji je sadržaj A1: 19 ispravnih i 1 neispravan,4 kutije čiji je sadržaj A2: 8 ispravnih i 2 neispravna.Iz jedne od kutija slučajno se bira sat. Taj sat je neispravan (događaj B). Kolika je vjerojatnost da je neispravan sat (događaj B) iz kutije A1?Rješenje:P(B)= P(A1)*P(B|A1)+ P(A2)*P(B|A2)P(A1)= 3/7 (od sedam kutija tri su A1).P(A2)=4/7 (od 7 kutija 4 su A2)P(B|A1)=1/20 (ako se izabere kutija A1 onda je od 20 satova jedan neispravan)P(B|A2)= 2/10 (ako se izabere kutija A2 onda je od 10 satova dva neispravnih).P(B)= P(A1)*P(B|A1)+ P(A2)*P(B| A2)=3/7*1/20+4/7*1/5=(3+16) /140=19/140.Primjenjujući Bayesovu formulu:

.

Vjerojatnost da je neispravan sat uzet iz kutije A1 je 0.16. 6. 5. DISTRIBUCIJE VJEROJATNOSTI

6. 5.1. Slučajna varijabla

Temeljni koncept teorije vjerojatnosti je slučajna varijabla (random variable). Slučajna varijabla je varijabla koja pretpostavlja numeričku vrijednost pridruženu događaju u nekom pokusu. Ona je funkcija koja svakom ishodu slučajnog pokusa pridružuje neki broj.

Primjer 5.1 Broj kupaca tijekom dana u nekom trgovačkom centru je slučajna varijabla.Primjer 5.2 Broj pacijenata tijekom dana u nekoj klinici je slučajna varijabla.Primjer 5.3 Ako se izabere iz skupa studenata nekog sveučilišta jedan student i izmjeri njegova težina, onda je težina x slučajna varijabla s pretpostavljenim vrijednostima npr. između 150 i 220 cm. Postoje dva tipa slučajnih varijabli: diskretne i kontinuirane. Diskretne slučajne varijable su prebrojive tj. imaju prebrojiv skup vrijednosti.

Kontinuirane slučajne varijable mogu poprimiti bilo koju vrijednost u jednom ili više intervala na brojevnom pravcu.

Bacanje dva novčića je slučajni pokus. Ako je X broj glava koje su se pojavile tijekom bacanja novčića 1000 puta, onda je X diskretna slučajna varijabla.

Sa skladišta gotovih proizvoda slučajno se bira proizvod A na kojem je označena težina 100 kg. Ako se proizvod ponovno vaga, a težina je T, onda je T neprekidna slučajna varijabla.

148

Definicija 5.3: Distribucija vjerojatnosti za diskretnu slučajnu varijablu x je tablica, graf ili funkcija koja prikazuje (izračunava) vjerojatnost svake vrijednosti od x. Vjerojatnost da će slučajan varijabla poprimiti vrijednost x se označava p(x).

Distribucija vjerojatnosti diskretne slučajne varijable x može se prikazati tablicom:

x px1 p1x2 p2... ...xn pn

gdje je pk vjerojatnost da varijabla x dobije vrijednost xk (k = 1, 2,..., n).

Primjer 5.6: Baca se novčić dva puta i bilježi broj glava x. Odrediti distribuciju vjerojatnosti za x. Rješenje: Varijable Gk i Pk označavaju da je u k-tom bacanju novčića pala glava odnosno pismo. U tablici su prikazani rezultati pokusa:

Događaj Opis Vjerojatnost Broj glava E1 G1G2 0.25 2 (glava je pala dva puta)E2 G1P2 0.25 1 (glava je pala jednom)E3 P1G2 0.25 1 (glava je pala jednom)E4 P1P2 0.25 0 (broj glava je nula)

Tablica 5.1: Rezultati pokusa bacanja novčića

Vjerojatnost da u dva bacanja novčića neće pasti glava je:p(P1P2)=p(P1)* p(P2) = 1/2*1/2=1/4=0.25. Slučajni događaj x = 0 se sastoji iz dva elementarna događaja koji će nastupiti jedan za drugim (u prvom bacanju novčića će pasti pismo i u drugom bacanju novčića će ponovno pasti pismo). Taj slučajni događaj je E4. Vjerojatnost da će x poprimiti vrijednost 0 je: P(x = 0) = p(0) = P(E4) = 0.25.Pismo će se pojaviti jedanput u dva događaja E2 i E3 . Slučajnoj varijabli se pridružuje vrijednost 1 tj. x = 1. Vjerojatnost da će x poprimiti vrijednost 1 je:P(x = 1) = p(1) = P(E2) + P(E3) = 0.25 + 0.25 = 0.5.Istom logikom je vjerojatnost da će varijabla x poprimiti vrijednost 2 (zaredom će pasti u bacanju novčića dvije glave) je: P(x = 2) = p(2) = P(E1) = 0.25.

Distribuciju vjerojatnosti varijable x (broj pojavljivanja glave u dva bacanja novčića) označavamo s p(x) i može se prikazati u tabličnom obliku:

x p(x)0 0.251 0.52 0.25

Tablica 5.1: Distribuciju vjerojatnosti varijable x, broj pojavljivanja glave u dva bacanja novčića

Razdioba u kojoj su sve vrijednosti - mogući ishodi događaja, jednako vjerojatne, nazivamo uniformnom.

Distribucija se može prikazati i u obliku histograma. Osa y prikazuje vjerojatnost pojavljivanja glave, a x osa broj glava u dva bacanja novčića:

149

Slika 5.1: Distribuciju vjerojatnosti varijable x prikazana histogramom

Vjerojatnost pojavljivanja neke vrijednosti slučajne varijable x je , a zbroj svih vjerojatnosti slučajne varijable je 1:

6.5.2. Veza između distribucije vjerojatnosti diskretne varijable i relativnih frekvencija

Ako bi se pokus bacanja novčića ponovio veliki broj puta i zabilježio ishod bacanja (pojava glave), onda bi relativna frekvencija distribucije za varijablu x (pojave glave) bila gotovo jednaka distribuciji u Tablici 1. Glava bi se za redom pojavljivala dva puta (x=2) ¼ puta, jednom u dva bacanja (x=1) polovinu puta od ukupnog broja bacanja novčića i ne bi se pojavljivala u dva bacanja novčića puta ¼ ukupnog broja puta bacanja novčića: P(x=0)=p(0)=0.25.

6.5.2.1. Aritmetička sredina ili očekivana vrijednost

Pošto je distribucija vjerojatnosti za slučajnu varijablu x, model relativne distribucije frekvencija može se opisati mjerama centralne tendencije: aritmetičkom sredinom, standardnom devijacijom. Očekivana vrijednost ili aritmetička sredina slučajne varijable x, označava se simbolom E(x), i jednaka je:

Primjer 5.6: Ako bi se nastavio raniji pokus i bilježili rezultati bacanja dva novčića 500000 puta, onda se može očekivati da se glava nije dobila ni jedanput {P(x=0)=0.25} u približno 125000 puta, dva puta {P(x=2)=0.25} isto tako približno 125000 puta, a jedanput u polovini broja bacanja { P(x=1)=0.5} tj. 250000 puta. Srednja vrijednost tih 500000 bacanja dva novčića je:

Srednja vrijednost za x je .

Ako je x slučajna varijabla, onda je slučajna varijabla svaka funkcija od x tj. vrijednost funkcije g(x) je slučajna varijabla. Očekivana vrijednost funkcije g(x) je:

gdje je: p(x) distribucija vjerojatnosti, a g(x) funkcija slučajne varijable x.

6.5.2.2. Varijanca i standardna devijacija

150

Bitna svojstva slučajne varijable su i varijanca i standardna devijacija. Izračunavaju se na slijedeći način:

Primjer 5.7: Izračunati varijancu i standardnu devijaciju za pokus bacanja dva novčića i funkciju distribucije vjerojatnosti slučajne varijable x (broj pojavljivanja glave u dva bacanja novčića). U ranijem primjeru je izračunata srednja vrijednost za xi ona je 1 tj. µ=1.

6.5.3. Binomna distribucija vjerojatnosti

Ako postavimo pitanje kolika je vjerojatnost da će u 100 uzastopnih bacanja novčića glava pasti u 50 bacanja, postavili smo zadatak rješiv pomoću binomne distribucije. Ili drugi primjer: Kolika je vjerojatnost da će u 1000 proizvoda njih 4 biti neispravna ako se na svakih 100 proizvoda pojavljuje 99 ispravnih? I takav zadatak rješiv je pomoću binomne distribucije. Što je onda binomna distribucija i kada se može upotrijebiti? Prvo je potrebno objasniti pojam Bernoullijev događaj (prema švicarskom matematičaru Jacob Bernoulli). To je događaj koji se slučajnim pokusom ostvaruje uvijek s istom vjerojatnošću, p. Svi drugi mogući ishodi takvog pokusa su komplementarni Bernoullijevom događaju.

Model binomne slučajne varijable zadovoljava slijedeće uvjete: a) Pokus čini n neovisnih pokušaja.b) Moguća su samo dva ishoda: uspjeh i neuspjeh.c) Vjerojatnost uspjeha, odnosno neuspjeha u svakom pokušaju je konstantna.

Vjerojatnost uspjeha je p, a neuspjeha q (ili q=1-p). Ponavljanje pokusa n puta može rezultirati s 0 ili najviše n Bernoullijevih događaja. Binomna slučajna varijabla x je broj uspjeha u n pokušaja.

Vjerojatnosti da će se u n pokusa događaj dogoditi k puta opisuje binomna razdioba:

gdje je k broj ostvarenih događaja, p vjerojatnost uspjeha u jednom pokušaju, te q vjerojatnost komplementarnog događaja, tj. q=1-p,

tj. broj kombinacija klase k od n elemenata.

Sredina je: Varijanca:

Primjer 5.11: U primjeni pesticida utvrđeno je da ih 30% farmera nepravilno primjenjuje. Ako se slučajno odabere uzorak od 8 takvih farmera izračunati vjerojatnost da će:

a) točno 3 farmera nepravilno uporabiti pesticide?b) najmanje tri?c) više od tri?

Rješenje: Prvo treba ispitati ima li pokus svojstva binomne distribucije. Pokus se sastoji od 8 pokušaja, a svaki je povezan s jednim slučajno izabranim farmerom. Svaki pokušaj rezultira uspjehom (pogrešno primjenjuje pesticide) ili neuspjehom (ispravno primjenjuje pesticide). Vjerojatnost uspjeha je konstanta i iznosi p=0.3, a neuspjeha q=1-p=0.7. Nas zanima broj farmera koji neispravno upotrebljavaju pesticide u uzorku od 5 farmera. Zato taj uzorak ima svojstva binomnog pokusa u kojem je n=8, p=0.3.

151

a) Vjerojatnost da će točno tri od pet farmera nepravilno uporabiti pesticide je:

b) vjerojatnost da će tri i više od tri farmera nepravilno upotrijebiti pesticide je: P(k 3) = p(3)+p(4)+p(5)+ p(6)+ p(7)+ p(8)= 0.25+0.14+0.05+0.01+0.0012+0.0001= 0.45c) P(k<3) = p(0)+p(1)+p(2)=0.05+0.2+0.3=0.55 ili P(k<3) = 1-P(k 3) = 1-0.45 =0.55. Binomna distribucija se može prikazati u obliku histograma. Na slijedećoj slici je prikazana binomna distribucija u obliku histograma za različite vrijednosti k=0,1,2,...,8.

Slika 5.2 Binomna distribucija

Na apscisi su vrijednosti za k, a na ordinati vjerojatnost broja farmera koji nepravilno primjenjuju pesticide. Jedna vodoravna crta označava vjerojatnost 0.2. Što se p više razlikuje od 0.5, to je razdioba više asimetrična. Za p=0.5 binomna razdioba je simetrična. Slijedeća slika prikazuje binomnu raspodjelu za p=0.5:

152

Slika 5.3 Simetrična binomna distribucija za p=0.5

Binomna distribucija postaje sve simetričnija povećanjem broja događaja n.

6.5.4. Poissonova distribucija

Poissonova distribucija je nazvana prema francuskom matematičaru S.D. Poisson (1871-1940). Može se upotrijebiti za opis većeg broja procesa kao što je broj radioaktivnih raspada u uzorku koji sadrži radioaktivni element, broj telefonskih poziva koji prolaze kroz telefonsku centralu, broj nezgoda, broj kapi kiše koje padaju na neku površinu, broj krađa, broj zahtjeva za zdravstvenim uslugama, broj posjeta mrežnom poslužitelju i sl. Broje se događaji koji mogu nastupiti u bilo kojem trenutku s prosječnom učestalošću, , u jedinici vremena. Vjerojatnost kojom se mogu pojaviti događaji u jednoj jedinici vremena je jednaka za sve događaje.

Vjerojatnost da u jedinici vremena nastupi k događaja, čija prosječna učestalost iznosi , prikazana je slijedećom formulom:

( k = 0, 1, 2,...),

je prosječan broj događaja tijekom danog vremenskog razdobljae = 2.71828.. (baza prirodnog logaritma).Srednja vrijednost je: , a varijanca: .

Primjer 5.12: Potrebno je is tražiti sigurnost nekog raskrižja u prometu. Prosječan broj nezgoda na tom raskrižju je 5 tijekom mjeseca. Pretpostavka je da je broj nezgoda distribuiran prema Poissonovoj distribuciji. Izračunati i grafički prikazati vjerojatnost za 1, 2, 3,4 ....19,20 nezgoda u mjesecu. Rješenje: Prema Poissonovoj distribuciji za prosječno 5 nezgoda mjesečno vjerojatnost događanja nezgoda k =1,2,3,4,...,19,20 mjesečno je: .

Vjerojatnost da neće biti nezgode, k=0, je:

153

Slika 5.3: Poissonova distribucija za =5

Moguće je prikazati vjerojatnost pojave nezgode na tom raskrižju u tabličnom obliku:

k-broj nezgoda

p(k) - vjerojatnost nezgode

0 0.0067381 0.033692 0.0842243 0.1403744 0.1754675 0.1754676 0.1462237 0.1044458 0.0652789 0.03626610 0.018133

Tablica 5.3. Poissonova distribucija broja nezgoda u mjesecu za =5

Slika 5.4: Poissonova distribucija broja nezgoda u mjesecu za =5

6.5.5. Kontinuirane slučajne varijable: funkcija distribucije i funkcija gustoćeAko broj vrijednosti neke slučajne varijable nije prebrojiv, onda je ona kontinuirana

slučajna varijabla. Ona može poprimiti bilo koju vrijednost unutar intervala. Razlika između

154

diskretne slučajne varijable i kontinuirane slučajne varijable temelji se na razlikama u distribuciji kumulativnih frekvencija.

Definicija 5.7: Dana je kontinuirana slučajna varijabla koja može poprimiti bilo koju vrijednost u intervalu (- , + ). Funkcija kumulativne distribucija F(x) varijable se definira na slijedeći način:

F(x) je jednaka vjerojatnosti da varijabla poprimi vrijednosti koje su manje ili jednake x.

Kontinuirana slučajna varijabla se označava slovom , a x je neka točka na brojevnom pravcu.

Funkcija kumulativne distribucije frekvencija F(x) za kontinuiranu slučajnu varijablu ima slijedeća svojstva:

1. ,2. F(x) je monotono neopadajuća funkcija. Ako je , onda je za bilo koje realne brojeve a i b.

ako i

Ranije je prikazana relativna distribucija frekvencija za razrede. Širinu razreda za veliki broj podataka (vrijednosti statističkog obilježja) se može smanjivati sve dok distribucija ne postane glatka krivulja. Gustoća vjerojatnosti je teorijski model za distribuciju.

Definicija 5.8: Ako je F(x) funkcija kumulativne distribucije za kontinuiranu slučajnu varijablu onda je funkcija gustoće vjerojatnosti f(x) za :f(x) = F’(x),f(x) je prva derivacija funkcije distribucije F(x).

Funkcija gustoće za kontinuiranu slučajnu varijablu je obično glatka krivulja oblika:

Slika 5.6. Funkcija gustoće f(x) za kontinuiranu slučajnu varijablu

Iz f(x) = F’(x) slijedi:

Kumulativna površina ispod krivulje između - i točke x1 jednaka je F(x1).Funkcija gustoće kontinuirane slučajne varijable uvijek zadovoljava slijedeća dva uvjeta: prvo, i drugo,

155

6.5.5.1. Numerička svojstva kontinuirane slučajne varijable

6.5.6. Normalna distribucija vjerojatnosti

Moguće je provesti određivanje i teorijskih apsolutnih frekvencija ft koje pripadaju pojedinom razredu. Normalnu ili Gaussianovu funkciju gustoće predložio je C.F.Gauss (1777-1855). To je bio model relativne distribucije frekvencije pogrešaka tijekom mjerenja. Ipak, njezine primjene su znatno šire. Gaussov zakon pogrešaka, koji je u matematičkoj statistici poznat pod nazivom normalan razdioba, prihvaćen je kao odgovarajući model za distribuciju relativnih frekvencija podataka prikupljenih u različitim znanstvenim i drugim područjima.

Funkcija gustoće, srednja vrijednost i varijanca normalne slučajne varijable je:

Parametar je aritmetička sredina a 2 varijanca normalne slučajne varijable.

Beskonačan je broj normalnih funkcija gustoće. Svaka je funkcija određena kombinacijom vrijednosti i . Tri različite normalne distribucije prikazuje slijedeća slika:

Slika 5.4 Tri normalne distribucije: Krivulja 1 s ,

Krivulja 2 i Krivulja 3 ,

Ako je = 0 i =1 onda je . Distribucija s tom funkcijom

gustoće naziva se standardizirana normalna distribucija, a njen graf je prikazan na slijedećoj slici:

156

Definicija 5.7: Dana je kontinuirana slučajna varijabla , a njena funkcija gustoće je f(x). Srednja vrijednost ili očekivana vrijednost varijable je

Ako je . Varijanca od je, a standardna devijacija od je .

Oblik funkcije definiran je s dva osnovna parametra, očekivanjem i standardnom devijacijom tj. N(,). Funkcija gustoće normalne razdiobe je teorijskog karaktera. Očekivanje je ekvivalent srednjoj vrijednosti statističkog skupa, dok je standardna devijacija teorijska vrijednost standardnog odstupanja.

Ako se kao pomoćna slučajna varijabla uvede , gdje se odstupanja od srednje vrijednosti izražavaju u jedinicama standardne devijacije (normiranje), onda se ona naziva standardizirano obilježje. Ono mjeri odstupanje stvarnih vrijednosti obilježja od srednje vrijednosti i to odstupanje izražava u standardnim devijacijama. Poznate su slijedeće jednakosti:

0.68260.95440.9973.

One se nazivaju i pravilima jedne dvije i tri standardne devijacije. Ako populacija ima svojstva normalne distribucije onda je vjerojatnost da slučajno izabrana vrijednost obilježja bude u intervalu ( - , + ) jednaka 0.6826, u intervalu ( - 2, +2) vjerojatnost je 0.9544 i u intervalu ( - 3, + 3) vjerojatnost je 0.9973.

Normalna distribucija je kontinuirana distribucija, ali može biti aproksimacija i za diskretne distribucije kakva je binomna. Binomna distribucija je definirana s dva parametra: brojem pokušaja n i vjerojatnosti uspjeha p. Normalna distribucija s parametrima i će biti dobra aproksimacija za binomnu distribuciju ako su i

između 0 i n. Primjerice, binomna distribucija s n=10 i p=0.5 je dobra aproksimacija normalne distribucije s i

Binomnu distribuciju s n = 10 i p = 0.5 dobro aproksimira normalna distribucija na

slijedećoj slici:

157

Aproksimacija binomne distribucije (prikazane bar grafom) za n=10, p=0.5 pomoću normalne distribucije prikazane krivuljom

6.6. DISTRIBUCIJE (RASPOREDI) UZORAKA

6.6.1. Zašto je bitna metoda uzoraka

Često se u fazi prikupljanja podataka ne može promatrati sve jedinice koje čine populaciju, cijeli statistički skup. Zato se na temelju podataka o dijelu populacije, uzorku, nastoji spoznati cijela populacija. Potrebno je poznavati koliko je srednja vrijednost uzorka blizu srednjoj vrijednosti populacije. Najbolje se uči na primjerima pa ćemo na jednom od njih objasniti i važnost metode uzoraka.Primjer 6.1: Društvo za informatičku pismenost organiziralo je i provelo istraživanje znanja aplikacijskih softvera različitih dobnih skupina. Istraživanje se temelji na 4000 ispitanika koji su popunili anketne upitnike a dio rezultata prikazuje slijedeća tablica:

JMBG Županija ID_mjesta Dob Obrazovanje Broj aplikacijskih softvera

1 1 8 26 2 12 1 8 33 3 13 1 8 27 2 34 1 8 46 1 25 1 8 22 2 06 1 8 28 2 17 1 8 33 2 38 1 8 38 1 39 1 8 34 2 2

..... ...... ........ ...... .......... ..........3999 12 150 30 2 34000 12 150 23 2 0

Relativna frekvencija distribucije broja aplikativnih softvera cijele populacije prikazana je u slijedećoj tablici:

158

Broj aplikativnih programa

Frekvencija

Kumulativna %

Relativna

0 327 8,18% 8,18%1 680 25,18% 17,00%2 847 46,36% 21,18%3 715 64,24% 17,88%4 537 77,67% 13,43%5 339 86,15% 8,48%6 229 91,87% 5,73%

Više 325 100,00% 8,13%

Na temelju tablice može se dizajnirati dijagram distribucije apsolutnih i relativnih frekvencija:

Histogram

0

100

200

300

400

500

600

700

800

900

0 1 2 3 4 5 6 More

Broj aplikacijskih programa

Frek

venc

ijaa

,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

Kumulativne frekvencije

Iz populacije se mogu birati uzorci različite veličine. Postavlja se pitanje, koliko će pokazatelji uzorka odstupati od parametara populacije i kako procijeniti parametre populacije na temelju uzorka? Zato će se birati dva slučajna uzorka veličine n=50. Distribucija apsolutnih i relativnih frekvencija prvog uzorka je:

Broj aplikativnih programa

Frekvencija

Kumulativna %

Relativna

0 4 8,00% 8,00%1 9 26,00% 18,00%2 13 52,00% 26,00%3 13 78,00% 26,00%4 6 90,00% 12,00%5 0 90,00% 0,00%6 3 96,00% 6,00%

Više 2 100,00%

159

Histogram frekvencija prvog uzorka prikazuje slijedeća slika:

Histogram

0

2

4

6

8

10

12

14

0 1 2 3 4 5 6 More

Frek

venc

ija

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

FrequencyCumulative %

Broj aplikativnih programa

Drugi uzorak n=50 ima drugačiju distribuciju frekvencija znanja ispitanika o aplikativnim softverima:

Broj aplikativnih programa

Frekvencija

Kumulativna %

Relativna

0 4 8,00% 8,00%1 12 34,00% 24,00%2 7 48,00% 14,00%3 12 72,00% 24,00%4 4 80,00% 8,00%5 5 90,00% 10,00%6 2 94,00% 4,00%

Više 3 100,00%

Odgovarajući histogram distribucije frekvencija drugog uzorka dan je na slijedećoj slici:

160

Histogram

0

2

4

6

8

10

12

14

0 1 2 3 4 5 6 More

Broj aplikativnih programa

Frek

venc

ija

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

FrequencyCumulative %

Aritmetička sredina prvog uzorka je 2,68 a drugog 2,86. Srednja vrijednost populacije je 3.08 što pokazuje da drugi uzorak bolje aproksimira srednju vrijednost populacije.

6.6.2 Slučajni uzorak

Naglasili smo da je osobiti bitno dobiti uzorak koji ima obilježja populacije. Jedan način ispunjenja tog zahtjeva je osigurati da svaki uzorak veličine n ima jednaku vjerojatnost izbora. Ta procedura se naziva slučajno uzorkovanje, a rezultata je slučajni uzorak veličine n. Svaka jedinica populacije ima jednaku vjerojatnost izbora u uzorak, jedinice se slučajno izabiru s pomoću tablice slučajnih brojeva ili generatorom slučajnih brojeva.

Primjer: Kupcu na raspolaganju stoji osam proizvoda: A, B, C, D, E, od kojih će on izabrati samo tri. Tri proizvoda će biti jedan uzorak. Postavljaju se pitanja:

a) Koliko različitih uzoraka s tri proizvoda kupac može izabrati iz populacije od osam proizvoda? Prikazati sve različite uzorke.

b) Koji se kriterij treba zadovoljiti da bi uzorak bio slučajan?Rješenje:

a) Prvo će se prikazati svi uzorci od tri proizvoda. Broj različitih uzoraka za n elemenata, iz populacije od N = 5 elemenata, je broj kombinacija treće klase od pet elemenata i jednak je:

Slijedi lista svih 10 uzoraka iz populacije od N=8:

A, B, C A, C, D B, C, D C, D, EA, B, D A, C, E B, C, EA, B, E A, D, E B, D, E

b) Svaki uzorak mora imati jednaku šansu, jednaku vjerojatnost izbora kako bi se osigurao uvjet potreban za jednostavan slučajan uzorak. Pošto se može izabrati 10 različitih uzoraka veličine n=3, svaki uzorak mora imati vjerojatnost jednaku 1/10.

Danas gotovo svi statistički softveri mogu slučajno generirati uzorke iz populacije. Populaciju sačinjava tablica oblika:

161

JMBG Županija ID_mjesta Dob Obrazovanje Broj aplikacijskih softvera

1 1 8 26 2 12 1 8 33 3 13 1 8 27 2 34 1 8 46 1 25 1 8 22 2 06 1 8 28 2 17 1 8 33 2 38 1 8 38 1 39 1 8 34 2 2

..... ...... ........ ...... .......... ..........3999 12 150 30 2 34000 12 150 23 2 0

Primjer je upotreba Excela za izračunavanje deskriptivne statistike. Prvo će se izračunati deskriptivna statistika za cijelu populaciju i te vrijednosti usporediti s deskriptivnom statistikom dva uzorka.

Deskriptivna statistika populacije

Mean 3,085271Standard Error 0,034567Median 3Mode 2Standard Deviation 2,185948Sample Variance 4,77837Kurtosis 0,846734Skewness 0,931484Range 12Minimum 0Maximum 12Sum 12338Count 3999

Generiraju se dva uzorka n=80 upotrebom Excela u izborniku Data Analysis:

Nakon izbora opcije Sampling pojavljuje se slijedeći ekran u kojem je potrebno odrediti broj jedinica uzorka i mjesto gdje će se jedinice uzorka pohraniti:

162

Podaci iz kojih se generiraju uzorci su u stupcu $F$2:$F$4001, a broj jedinica u uzorku (Number of Samples) je 80. Za prvi i drugi uzorak deskriptivna statistika daje slijedeće rezultate:

Deskriptivna statistika

prvog uzorka

Deskriptivna statistika

drugog uzorkaMean 2,9875 3,025Standard Error 0,210103764 0,26622953Median 3 2Mode 3 2Standard Deviation 1,879225197 2,38122934Sample Variance 3,531487342 5,67025316Kurtosis 1,010109672 1,17329114Skewness 0,875362935 1,08884344Range 9 11Minimum 0 0Maximum 9 11Sum 239 242Count 80 80

Za prvi uzorak srednja vrijednost je: Za drugi uzorak srednja vrijednost je , dok je za cijelu populaciju od 4000 ispitanika srednja vrijednost .

U slijedećem odjeljku će biti analizirano kako se mogu procijeniti pogreške u mjerama centralne tendencije slučajno izabranog uzorka u odnosu na cijelu populaciju.

6.6.3 Distribucija uzoraka

U prethodnom poglavlju je prikazan slučajni uzorak izabran iz populacije. Cilj je u mnogim prilikama procijeniti numeričke karakteristike populacije, a one se nazivaju parametri, na temelju informacija iz uzorka. Primjera radi, iz prvog uzorka od 80 ispitanika srednja vrijednost je Vrijednosti obilježja u uzorku (broj aplikacijskih programa koje poznaje ispitanik) poslužile su za izračunavanje mjera centralne tendencije, a one se za uzorak nazivaju statistike ili pokazatelji (takva je srednja vrijednost ili varijanca uzorka).

Vrijednost parametara populacije je konstanta (npr. varijanca ili srednja vrijednost), ali za nas nepoznata. Vrijednost statistike uzoraka (npr. srednja vrijednost uzorka) nije

163

konstanta i mijenja se od uzorka do uzorka. Kao što je pokazano u ranijem primjeru, srednje vrijednosti za dva slučajna uzorka iste veličine su različita. Pošto se statistika razlikuje od uzorka do uzorka to će i svako zaključivanje temeljeno na uzorcima morati sadržavati i vjerojatnost.

Primjer distribucije uzoraka ponovno će se temeljiti na odgovorima 4000 ispitanika o znanju aplikacijskih programa tj. razini njihove informatičke pismenosti. Ako se promatra cijela populacija, znamo da je prava vrijednost aritmetičke sredine =3.08 aplikacijskih programa. Ako bi sada iz populacije izabrali 100 slučajnih uzoraka veličine n=5 i izračunali prosječan broj aplikacijskih programa u tim uzorcima, dobili bi novu tablicu slijedećeg izgleda:

Uzorak Broj aplikacijskih programa kojima se služi ispitanik Prosjek uzorka 1 3 3 3 5 3 3,42 6 1 7 6 9 5,83 4 4 2 4 8 4,44 5 5 2 2 2 3,25 6 2 4 5 4 4,26 6 3 1 5 4 3,87 5 0 9 3 2 3,88 7 0 4 1 10 4,49 5 0 2 5 0 2,4

10 3 6 1 2 0 2,4

Slučajni uzorak sadrži pet vrijednosti obilježja i bira se iz populacije od 4000 ispitanika. U tablici jedan redak je jedan uzorak. Za svaki uzorak se izračunava prosječna vrijednost (statistika) dana u posljednjem stupcu tablice. Gornja tablica prikazuje samo prvih deset od sto uzoraka. Ako bi se postupak izbora uzoraka ponovio neograničen broj puta, dobila bi se distribucija sredina uzoraka koju bi mogli prikazati relativnom frekvencijom u obliku histograma. To je distribucija sredina uzoraka. Ponavljanje izbora jedinica u uzorak neograničen broj puta je nepotrebno pa se zato bira određen broj uzoraka iz populacije. U populaciji s N elemenata je moguće izabrati različite uzorke veličine n:

. Vjerojatnost izbora neke kombinacije je ista i iznosi: . Ta se veličina naziva frakcija, stopa ili kvota izbora.

Relativna frekvencija distribucije cijele populacije broja aplikacijskih programa koje poznaje ispitanik prikazuje slijedeća slika i generirana je pomoću Excela:

164

Histogram

0

5

10

15

20

25

0 1 2 3 4 5 6 More

Frek

venc

ijaa

,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

Broj aplikacijskih programa

Slika: Relativna distribucija broja aplikacijskih programa cijele populacije

Iz populacije se slučajno bira 100 uzoraka veličine n=5, a distribucija aritmetičkih sredina 100 uzoraka prikazuje slijedeći histogram:

Histogram

05

1015202530354045

0 1 2 3 4 5 6 More

Frek

venc

ija

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

FrequencyCumulative %

Slika.: Distribucija aritmetičkih sredina uzoraka : Relativna frekvencija distribucije za 100 uzoraka veličine n = 5

Tablica 6.4 Usporedba aritmetičke sredine distribucije sredina uzoraka i populacije za 100 uzoraka veličine n=5

Aritmetička sredina

Standardna devijacija

165

Populacija od 4000 ispitanika100 vrijednosti aritmetičkih sredina uzoraka na temelju uzoraka veličine n = 5

=3.08=3.11

=2.186 = 3.066

Primjer 6.5: Ponovno generirati 100 uzoraka veličine n=25 iz populacije od 4000 ispitanika i usporediti rezultate sa uzorcima veličine n=5 iz ranijeg primjera. Rješenje: Prvo se iz populacije generira sto uzoraka veličine n = 25 iz populacije, a nju sačinjava 4000 ispitanika. Distribucija frekvencija sredina uzoraka prikazana je na slijedećoj slici:

Histogram

0

10

20

30

40

50

60

70

80

0 1 2 3 4 5 6 More

Frek

venc

ija

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

Frequency

Cumulative %

Slika.: Distribucija aritmetičkih sredina uzoraka : Relativna frekvencija distribucije za 100 uzoraka veličine n = 25

Vidljivo je da se distribucija sredina 100 uzoraka za n=25 koncentriraju oko aritmetičke sredine populacije bolje od 100 uzoraka veličine n=5. Takva koncentracija je vidljiva i na odgovarajućim histogramima.

Tablica 6.4 Usporedba aritmetičke sredine distribucije sredina uzoraka i populacije za 100 uzoraka veličine n=5 i n=25

Aritmetička sredina

Standardna devijacija

Populacija od 4000 ispitanika

100 vrijednosti aritmetičkih sredina uzoraka na temelju uzoraka veličine n = 5

= 0.971

100 vrijednosti aritmetičkih sredina uzoraka na temelju uzoraka veličine n = 25

166

Iz tablice 6.4 je vidljivo da je povećanje broja elemenata u uzorku povezano sa smanjenjem standardne devijacije. Smanjuje se varijacija u distribuciji aritmetičkih sredina uzoraka. Vrijednosti aritmetičkih sredina se koncentriraju oko sredine populacije kada se broj elemenata uzorka povećava. Takav empirijski rezultat će se formalno prikazati u slijedećem dijelu. 6.6.4 Distribucija sredina uzoraka : centralni granični teorem

Sredina uzoraka imat će normalnu distribuciju s očekivanjem i varijancom ako:

a) populacija ima normalnu distribuciju ili b) populacija ima bilo koju distribuciju i uzorak je dovoljno velik (tzv. centralni granični

teorem). Uzorak je dovoljno velik ako je . Uzorak bi trebao imati više elemenata što se distribucija populacije više razlikuje od

normalne. Varijanca sredine uzoraka je jednaka ako je ispunjen barem jedan od tri

uvjeta:a) da je populacija beskonačna,b) da se uzorkovanje vrši s ponavljanjem, tec) da je frakcija izbora manja od 5% .Ako nije ispunjen ni jedan od tih uvjeta onda je varijancu sredine uzoraka potrebno

korigirati i u tom se slučaju izračunava po obrascu: .

Standardna pogreška je standardna devijacija neke statistike. Standardna pogreška

sredine uzoraka je , odnosno .

Standardna pogreška je obrnuto proporcionalna veličini uzorka n i opada s kvadratom broja elemenata uzorka.

Primjer 6.6: Pokazati da empirijski podaci iz primjera 6.4 i 6.5 potvrđuju centralni granični teorem. Slučajni uzorci su veličine n=5, odnosno n=25. Za populaciju su poznate sredina i standardna devijacija: Sredina populacije: aplikacijskih programa.Standardna devijacija populacije: aplikacijskih programa.Rješenje: Analizirajući histograme može se jasno uočiti da se vrijednosti aritmetičkih sredina uzoraka koncentriraju oko sredine populacije . Ti primjeri pokazuju da se standardna pogreška (standardna devijacija distribucije uzoraka) smanjuje ako se povećava broj elemenata uzorka. Za n=5 standardna pogreška je = 0.971, a za n=25 standardna pogreška je . Standardnu pogrešku je moguće izračunati na temelju poznavanja standardne devijacije populacije i veličine uzorka. Dakle, za uzorak veličine n=5 standardna pogreška je . Za drugi uzorak, onaj veličine n=25 standardna

pogreška je Centralni granični teorem garantira približno normalnu distribuciju sredine uzoraka

, i onda ako populacija, iz koje se biraju uzorci, nema normalnu distribuciju. Distribucija frekvencija broja aplikacijskih programa koje znaju ispitanici nije normalno distribuirana. Ona je blago spljoštena u lijevo, a to je vidljivo iz histograma.

6.7. PROCJENE

6.7.1. Uvod

167

U ranijem dijelu ovog poglavlja istaknuto je da populacije imaju numeričke deskriptivne mjere ili parametre. Zaključci o vrijednosti parametara se temelje na statistikama izračunatim iz informacija o uzorku iz dane populacije. U ovom dijelu prikazat će se procjena sredine populacije, proporcija, varijanci i procijeniti razlike između sredina dvije populacije ili proporcija. Moći će se procijeniti pouzdanost prognoze na temelju znanja o distribucijama uzorka upotrijebljenih statistika.

Primjer 7.1: Želi se procijeniti prosječan broj aplikacijskih programa koje poznaje ispitanik. Nama je već poznata sredina populacije. Pitanje glasi: kako se može procijeniti parametar koji nas zanimaRješenje: Intuitivno je privlačna procjena sredine populacije, , sredina uzorka, , a ona se izračunava iz slučajnog uzorka veličine n uzetog iz populacije. Pretpostavimo da je slučajno izabran uzorak broja aplikacijskih programa koje poznaje ispitanik veličine n= 40. Prvo se izračunava sredina uzorka i ona je =2.62 aplikacijskih programa. Ta vrijednost određuje pojedinačnu procjenu sredine populacije.

Koliko je ta procjena parametra populacije pouzdana? Želi se utvrditi koliko je procjena parametra populacije blizu stvarnoj vrijednosti parametra. To je moguće uraditi samo ako se iskoriste obilježja statistike distribucije uzoraka, što će biti prikazano u slijedećim poglavljima.

6.7.2. Procjena sredine populacije

Ako je uzorak dovoljno velik onda je distribucija sredina uzoraka približno normalna. To pokazuje slika 7.1.

Primjer 7.2: Pretpostavimo da se planira uzorak veličine n = 40 iz populacije o znanju aplikacijskih programa i izračunava interval:

gdje je standardna devijacija populacije broja aplikacijskih programa, a je standardna devijacija distribucije sredina uzoraka. Ona se često naziva i standardna pogreška sredine . Definirat će se interval od 1.96 standardnih devijacija oko sredine uzorka. Kako se može procijeniti vjerojatnost da će se sredina populacije nalaziti u tom intervalu?

Figure 7.1: Distribucija sredine uzoraka

Rješenje: Rješenje se može pronaći u algoritmu koji ima samo tri koraka:Korak

1Površina ispod distribucije sredina uzoraka u intervalu i je približno 0.95. To je onda i vjerojatnost da će sredina uzorka biti u intervalu

168

.Korak

2Pošto je izračunata sredina uzorka , postavlja se pitanje gdje se nalazi sredina populacije? Interval će sadržavati sredinu populacije s vjerojatnosti 0.95. Udaljenost od sredine uzorka je označena na obje strane od sredine . Sa slike je vidljivo da sredina populacije se nalazi u intervalu .

Korak 3

Kombinirajući prvi i drugi korak može se zaključiti da će, prije nego se bira uzorak, vjerojatnost sredine populacije u intervalu biti približno 0.95.

Figure 7.2: Distribucija sredina uzoraka

U našem primjeru je n=40 a standardna devijacija populacije =2.186. Može se zaključiti sa sigurnošću od 95% da se sredina populacije nalazi u intervalu:

.

Taj interval u kojem se nalazi sredina populacije može se izračunati poznajući sredinu uzorka, standardnu devijaciju populacije i broj elemenata u uzorku:

.

Sredina populacije se nalazi u intervalu s vjerojatnošću od 0.95.

Međutim, u mnogim praktičnim primjerima nije poznata standardna devijacija populacije. Za dovoljno velike uzorke n 30 standardna devijacija uzorka s je dobra aproksimacija standardne devijacije populacije. Standardna devijacija uzorka n=40 je s=1.957. Interval u kojem će se naći sredina populacije na temelju sredine uzorka i standardne devijacije je:

.

Može se procijeniti s vjerojatnosti od 0.95 da se sredina populacije nalazi u intervalu . Ako se želi povećati vjerojatnost da se sredina populacije nalazi u nekom

intervalu, potrebno je proširiti taj interval. Tako, na primjer, za vjerojatnost od 99% interval povjerenja bi bio:

169

U praksi neće biti poznata sredina populacije, nego se izabire jedan uzorak i na temelju pokazatelja uzorka će se odrediti interval povjerenja da se parametar populacije nalazi u tom intervalu.

Prvi korak u konstruiranju 95% intervala povjerenja je umanjiti površinu ispod normalne krivulje za 0.05. Ta površina od 0.05 je jednako podijeljena na dvije strane normalne distribucije tako da svaka strana ima površinu od 0.025. Drugi korak je u tablici normalne distribucije očitati vrijednost za z i ona je 1.96. Standardizirano obilježje z je ključno za konstruiranje intervala povjerenja.

Figure 7.3. Standardizirano obilježje z=1.96

Na slici je definirana , tj. vrijednost standardiziranog obilježja tako da površina za se nalazi na desnoj strani. To je vidljivo na slijedećoj slici:

Figure 7.4 Postavljanje za normalnu distribuciju

Vidljive su dvije površine smještene na obje strane normalne krivulje, a one reprezentiraju i . Ostatak površine ispod normalne krivulje je i jednak je koeficijentu

povjerenja. On predstavlja vjerojatnost da se sredina uzorka nalazi unutar intervala standardnih devijacija od sredine populacije . Ta je vjerojatnost jednaka . Za velike uzorke interval povjerenja sredine populacije , s koeficijentom povjerenja , jednak je .

Primjer 7.5: Veoma čest koeficijent povjerenja u statistici je 0.9. Zadatak je odrediti vrijednost koja će se koristiti za određivanje 90% intervala povjerenja za sredinu populacije za velike uzorke.

170

- z /2 0 z/2

Rješenje: Za koeficijent povjerenja .90, vrijedi

i potrebno je odrediti vrijednost za . Ta vrijednost određuje površinu 0.05 na gornjoj strani normalne distribucije. Iz tablice normalne distribucije se očita vrijednost standardiziranog obilježja z.05 = 1.645. Može se zaključiti da je za velike uzorke 90% interval povjerenja za sredinu populacije jednak . U slijedećoj tablici su prikazani koeficijenti povjerenja koji su najčešće u upotrebi:

Koeficijent povjerenja

0.90 0.050 1.6450.95 0.025 1.9600.98 0.010 2.3300.99 0.005 2.58

Table 7.3 Najčešći koeficijenti povjerenja

Za velike uzorke n 30 standardna devijacija populacije se može zamijeniti sa

standardnom devijacijom uzorka a interval povjerenja je:

Primjer 7.6: Bira se uzorak od n = 40 studenata i mjeri se njihova visina. Prosječna visina studenata u uzorku i standardna devijacija su:

= 71.5 kg s = 8.6 kgProcijenit sredinu populacije , prosječnu težinu studenata, za 99% interval povjerenja. Rješenje: Opći oblik 99% intervala povjerenja za velike uzorke je:

Može se procijeniti s 99% sigurnosti da se sredina populacije nalazi u intervalu (67.2, 75.02).Ako su uzorci mali pojavljuju se dva problema:

a)centralni granični teorem se odnosi samo na velike uzorke i ne može se tvrditi da je distribucija sredina uzoraka normalna. Za male uzorke distribucija sredina uzoraka ovisi o obliku relativne distribucije frekvencija populacije iz koje se bira mali uzorak.

b) standardna devijacija uzorka s, nije zadovoljavajuća aproksimacija standardne devijacije populacije , ako je uzorak malen.

Procjena parametara populacije se može nastaviti i za male uzorke (n<30), ako se prihvati pretpostavka da populacija iz koje se bira uzorak ima približno normalnu distribuciju. Na temelju te pretpostavke sredina uzoraka se može iskoristiti za procjenu

sredine populacije . Opći oblik te procjene dan je izrazom: , gdje distribucija t

je Studentova distribucija s (n-1) stupnjeva slobode.Ako se ta procjena usporedi s procjenom sredine populacije za velike uzorke vidljivo

je da se standardne devijacija populacije , zamjenjuje standardnom devijacijom uzorka s. Interval povjerenja se temelji na Studentovoj t-distribuciji. Potrebno je zamijeniti standardizirano obilježje za velike uzorke s vrijednosti dobivenoj iz t-distribucije.

171

Studentova t-distribucija ovisi o veličini nazvanoj stupnjevi slobode ili degrees of freedom (df). Broj stupnjeva slobode je jednak (n-1) ako se procjenjuje sredina populacije pomoću uzorka veličine n. O stupnjevima slobode kao o broju informacija dostupnih za procjenu, osim sredine populacije , nepoznate varijance .U slijedećoj tablici su vrijednosti koje određuju površinu na gornjoj strani t-distribucije za različite vrijednosti

i stupnjeve slobode:

Tablica 7.6 Studentova t-distribucija

df

t.100 t.050 t.025 t.010 t.005 t.001 t.0005

1 3.078 6.314 12.706 31.821 63.657 318.31 636.622 1.886 2.920 4.303 6.965 9.925 22.326 31.5983 1.638 2.353 3.182 4.541 5.841 10.213 12.9244 1.533 2.132 2.776 3.747 4.604 7.173 8.6105 1.476 2.015 2.571 3.365 4.032 5.893 6.8696 1.440 1.943 2.447 3.143 3.707 5.208 5.9597 1.415 1.895 2.365 2.998 3.499 4.785 5.4088 1.397 1.860 2.306 2.896 3.355 4.501 5.0419 1.383 1.833 2.262 2.821 3.250 4.297 4.781

Primjer 7.9: Na temelju podataka iz prethodne tablice odrediti t-vrijednost koja će se koristiti za 95% interval povjerenja za procjenu sredine populacije, ako je uzorak veličine n=8.Rješenje: Za koeficijent povjerenja 0.95, vrijedi:

Potrebno je odrediti vrijednost t0.025 za t-distribuciju s(n - 1) = (8 - 1) = 7 stupnjeva slobode. Na presjeku retka (redak predstavlja stupnjeve slobode) i stupca označena s t.025, očitava se vrijednost 2.365. Stoga je 95% interval povjerenja za sredinu populacije , za uzorak

veličine n = 8 dan izrazom: . Ukratko, ako sredina uzorka ima normalnu

distribuciju i ako je poznata standardna devijacija populacije onda je interval

povjerenja za sredinu populacije čija je razina povjerenja . Broj t/2 se određuje iz uvjeta P( i naziva se koeficijent povjerenja.

6.7.3. Procjena proporcije populacije

Često se populacija sastoji samo od dvije klase, a za takve populacije je potrebno procijeniti proporciju da njezini elementi imaju određena svojstva. Mnogobrojni su primjeri takvih klasa: oženjeni i neoženjeni, pismeni i nepismeni, pušači i nepušači, ispravni i neispravni proizvodi, muški i ženski, itd.

172

Ako se populacija može klasterirati (podijeliti) u dvije klase, a proporcija elemenata populacije u jednoj klasi jednaka je p, onda smo sigurni da je proporcija u drugoj klasi 1-p.

Na uzorke izabrane iz dvoklasne populacije odnosi se binomna distribucija. Nulta hipoteza H0 pretpostavlja da je vrijednost proporcije u populaciji p. Potrebno

je procijeniti jesu li proporcije (frekvencije) u uzorku dobivene iz populacije u kojoj su proporcije jednake p.

Primjer 7.10: Potrebno je procijeniti proporciju pušača u nekoj populaciji na temelju slučajno odabranog uzorka od 500 osoba. U tom uzorku je 200 pušača. Rješenje: Prvi korak je izračunati proporciju pušača u uzorku (proporciju elemenata uzorka koji imaju traženo svojstvo). Ta proporcija uzorka je i izračunava se:

Za procjenu prihvatljivosti proporcije potrebno je poznavati njezinu distribuciju u uzorku. Ta se informacija može dobiti primjenom centralnog graničnog teorema. Za velike uzorke distribucija uzoraka za je približno normalna i ima slijedeća svojstva:

Sredina je:

Standardna devijacija: , gdje je q = 1-p, a n broj elemenata u uzorku.

Interval povjerenja za p može se odrediti slično intervalu povjerenja za aritmetičku sredinu

populacije. Taj interval za velike uzorke je: gdje je proporcija

uzorka i Za određivanje intervala povjerenja potrebno je aproksimirati standardnu devijaciju

tako što će se uporabiti proporcije uzorka i .

Primjer 7.11. Za prethodni primjer odrediti interval povjerenja proporcije populacije ako je koeficijent povjerenja 0.95. Rješenje Za faktor povjerenja 0.95 potrebno je odrediti . Imamo , pa je

i . U tablici normalne distribucije očitava se standardizirano obilježje z0.025 = 1.96. U danom primjeru , a . Uporabom formule za interval povjerenja dobiva se:

.

Interval povjerenja je (0.36, 0.44), a to znači da s 95% možemo tvrditi da se u populaciji nalazi između 36% i 44% pušača.

6.7.4. Procjena razlika između sredina dva neovisna uzorka

Procijeniti sredinu populacije smo naučili u ranijim dijelovima ovog poglavlja. Sada je potrebno procijeniti razlike između sredina dva uzorka.

Primjer 7.12: Studenti dva fakulteta mjere visinu i slučajno se biraju dva uzorka. Prvi uzorak ima 40 studenata. Prosječna visina studenata u uzorku je 185.6 cm i standardna devijacija 5.30 cm. Drugi uzorak ima 50 studenata. Prosječna visina studenata u uzorku je 182.2 cm i standardna devijacija 4.7 cm. Potrebno je procijeniti razliku sredina ta dva uzorka.Rješenje:

= Sredina populacije studenata prvog fakulteta.

173

= Sredina populacije studenata drugog fakulteta.Sredine uzoraka su i , standardne devijacije uzoraka s1 i s2, a veličine uzoraka n1 i n2. Te informacije prikazuje tablica 7.5.

Table 7.5 Podaci za primjer 7.12Fakultet 1 Fakultet 2

Veličina uzorka n1 = 40 n2 = 50Sredina uzoraka = 85.6 cm = 82.2 cmStandardna devijacija uzoraka

s1 = 5.30 cm s2 = 4.7 cm

Za procjenu razlike sredina populacija , jedino razumno je iskoristiti razlike sredine uzoraka = (85.6 - 82.2) = 3.4 kao procjenu razlika između sredina dvije populacije. Razlike sredina dva uzorka je distribucija uzoraka koja ima svojstva normalne distribucije kao što prikazuje slijedeća slika:

Slika 7.6: Distribucija razlika sredina uzoraka

Za dovoljno velike uzorke (n1 i n2 30), distribucija razlika sredina uzoraka , temeljena na neovisnim slučajnim uzorcima iz dvije populacije je približno normalna. Sredina i standardna devijacija su: Sredina:

Standardna devijacija: ,

gdje su i varijance dvije populacije iz kojih se biraju slučajni uzorci. Veliki uzorci omogućuju upotrebu centralnog graničnoga teorema kako bi se dobila distribucija razlika sredina uzoraka , a varijance uzoraka i su dobre aproksimacije varijanci populacija i . Algoritam određivanja intervala povjerenja razlika sredina populacija ako se biraju dovoljno veliki uzorci je:

Pretpostavka je da su uzorci međusobno neovisni, a to znači da izbor elemenata jednog uzorka ne utječe na izbor elemenata drugog uzorka.

Primjer 7.13: Na temelju ranijeg primjera 7.12. odrediti 95% interval povjerenja razlika sredina dvije populacije . Te razlike se odnose na visine studenata dva fakulteta. Rješenje: Opći oblik 95% intervala povjerenja razlike sredina populacija za velike

174

uzorke je . Standardizirano obilježje za z0.025 = 1.96. Zamjenjujući

varijable s vrijednostima lako je odrediti interval 95% povjerenja:

ili

(1.3, 5.5). Rezultat se može interpretirati da se može biti 95% siguran da je prosječna visina studenata prvog fakulteta veća od prosjeka studenata drugog fakulteta između 1.3 i 5.5 cm.

Ako se procjenjuje razlika sredina dvije populacije na temelju malih uzoraka potrebno je prihvatiti slijedeće pretpostavke:

a) Obje populacije iz kojih se biraju uzorci imaju frekvenciju distribucija koja je približno normalna.

b) Varijance obje populacije su približno jednake.c) Slučajni uzorci izabrani iz obje populacije su neovisni.Na temelju tih pretpostavki moguće je odrediti interval povjerenja za razliku

sredina dvije populacije iz malih uzoraka (n1 i n2 < 30).

Interval povjerenja (1 - )*100% malih uzoraka za

gdje je

a vrijednost za se izračunava na temelju (n1 + n2 - 2) stupnjeva slobode.

Pretpostavka je da dvije populacije imaju iste varijance ), a varijanca se procjenjuje na temelju informacija iz oba uzorka. Ta varijanca se označava s i jednaka je

.

6.7.5. Procjena varijance populacije

Moguće je procjenjivati interval povjerenja za varijancu populacije. Logično je pretpostaviti da se varijanca populacije 2 procjenjuje na temelju varijance uzorka s2. Međutim varijanca uzorka se ne ponaša kao sredina ili proporcija uzorka po normalnoj distribuciji. Umjesto normalne z ili t distribucije, varijanca uzorka ima približno hi-kvadrat (2) distribuciju. Slično, t-distribuciji i hi-kvadrat distribucija se služi stupnjevima slobode. Nekoliko hi-kvadrat distribucija vjerojatnosti s različitim stupnjevima slobode prikazuje slijedeća slika:

175

Slika 7.11 Hi-kvadrat distribucija vjerojatnosti

Hi-kvadrat distribucija nije simetrična kao što su to z- ili Studentova t-distribucija.

Primjer 7.18: Dio tablice vrijednosti 2 distribucije ima slijedeći izgled:

Stupnjevi slobode

2.050 2

.025 2.010 2

.005

1 2.70554 3.84146 5.02389 6.63490 7.879442 4.60517 5.99147 7.37776 9.21034 10.596603 6.25139 7.81473 9.34840 11.34490 12.838104 7.77944 9.48773 11.14330 13.27670 14.860205 9.23635 11.07050 12.83250 15.08630 16.749606 10.64460 12.59160 14.44940 16.81190 18.547607 12.01700 14.06710 16.01280 18.47530 20.277708 13.36160 15.50730 17.53460 20.09020 21.955009 14.68370 16.91900 19.02280 21.66600 23.5893010 15.98710 18.30700 20.48310 23.20930 25.1882011 17.27500 19.67510 21.92000 24.72500 26.7569012 18.54940 21.02610 23.33670 26.21700 28.2995013 19.81190 22.36210 24.73560 27.68830 29.8194014 21.06420 23.68480 26.11900 29.14130 31.3193015 22.30720 24.99580 27.48840 30.57790 32.8013016 23.54180 26.29620 28.84540 31.99990 34.2672017 24.76900 27.58710 30.19100 33.40870 35.7185018 25.98940 28.86930 31.52640 34.80530 37.1564019 27.20360 30.14350 32.85230 36.19080 38.58220

Zadatak je odrediti tabličnu vrijednost za 2 za devet stupnjeva slobode koja odsijeca površinu od 0.05 u desnoj strani distribucije. U tom zadatku je broj stupnjeva slobode df=9 i = 0.05. Tablična vrijednost 2 za 9 stupnjeva slobode je 20.05 = 16.9190.

Tabela 7.9 2 distribucija

Vrijednosti 2 u tablici služe za određivanje intervala povjerenja za varijancu populacije 2.

Primjer 7.19: Istraživana je zagađenost ribe u jednoj rijeci. Želi se utvrditi koliko je stabilna težina kontaminirane ribe. Bira se uzorak s 144 elementa i na temelju njega se izračunava statistika Upotrijebiti te informacije i odrediti 95% interval povjerenja za varijaciju težina kontaminirane ribe u rijeci. Rješenje: Interval povjerenja (1 - )*100% varijance 2 populacije ovisi o veličini s2, (n - 1), i kritičnoj vrijednosti 2:

176

, gdje su i vrijednosti od 2 koje određuju površinu

/2 desno i /2 lijevo hi-kvadrat distribucije za (n-1) stupnjeva slobode. Pretpostavka je da populacija iz koje se bira uzorak ima približno normalnu distribuciju. Za 95% interval povjerenja je (1 - ) =0 .95 i /2 = 0.05/2 = 0.025. Zato se trebaju pronaći vrijednosti u tablici za 20.025, and 20..975 i (n - 1) = 143 stupnja slobode. Najbliža za 143 stupnja slobode u tablici je df=150. Očitamo odgovarajuće vrijednosti: 20.025 = 185.800 i 20.975 = 117.985.

Te vrijednosti unosimo u formulu: .

Sigurni smo 95% da je prava varijanca populacije težina kontaminirane ribe u rijeci između 109,156.8 i 171,898.4.

Slika 7.11 Određivanje 21-/2 i 2/2 za hi-kvadrat distribuciju

U ovom poglavlju su prikazane tehnike procjene parametara populacije ili razlike između parametara populacije. Dane su sve potrebne pretpostavke i određivanje intervala povjerenja.

6.8. TESTIRANJE HIPOTEZA

6.8.1 Uvod

Testiranje hipoteza je drugo veoma važno područje inferencijalne statistike. Razlikuje se od procjenjivanja jer se unaprijed formira ideja o izgledu populacije, a zatim provjerava na temelju uzorka ta ideja. U procjeni se nastoji odgovoriti na pitanje «koliki je parametar populacije» dok testiranje hipoteza nastoji odgovoriti na pitanje «je li parametar populacije jednak nekoj pretpostavljenoj vrijednosti ili nije».

Hipotezu H0 ćemo prihvatiti ili odbaciti na temelju rezultata mjerenja. Hipoteza se odnosi na populaciju. Rezultati mjerenja se temelje na uzorku. Postupak provjere hipoteze se naziva testiranje hipoteze.

Postoje različite vrste hipoteza44. Testiranje hipoteza je još jedna metoda zaključivanja. U procjenjivanju parametara populacije pretpostavlja se da vrijednosti obilježja imaju svojstva neke teorijske distribucije I onda se na temelju izračunate statistike (pokazatelja uzorka) s određenim stupnjem pouzdanosti zaključuje o populaciji. Testiranje

44 O tome detaljnije vidjeti poglavlje 3.3. ovog udžbenika. Dakako, podjela se može vršiti i po drugim kriterijima. Iz pozicije statističke obrade podataka, primjerice, ako se hipoteze odnose na neke parametre populacije, nazivaju se parametarske, a ako se odnose na cijelu populaciju, nazivaju se neparametarske. Jednostavne hipoteze se odnose samo na jednu vrijednost parametra ili na jednu distribuciju itd.

177

hipoteza pretpostavlja da su dani parametri populacije. Često je korisno znati jesu li karakteristike populacije jednake ili različite od neke pretpostavljene vrijednosti.

Provjera istinitosti hipoteza H0 je dio teorije odlučivanja. Teorija odlučivanja nastoji definirati kriterije za prihvaćanje hipoteze H0 kao istinite, ili o kriterije za njeno odbacivanje. Takva odluka se najčešće donosi na temelju statističkih podataka i postupak utvrđivanja istinitosti hipoteza se naziva statističko testiranje hipoteza. Prije testiranja potrebno je formulirati hipotezu.

6.8.2 Formuliranje hipoteza

U danom primjeru broja aplikacijskih softvera s kojima se služe ispitanici u nekoj regiji može se postaviti hipoteza da se stariji od 50 godina služe s manjim brojem softvera od onih koji su mlađi od trideset godina. Prvo se formulira tvrdnja ili hipoteza za koju se vjeruje da je istinita. Statistička hipoteza je tvrdnja o vrijednosti parametra populacije. Ako se hipoteze odnose na parametre populacije onda su to parametarske hipoteze. Postupak testiranja takvih hipoteza je parametarski test. Postoje i neparametarska hipoteza i neparametarski testovi. Oni se odnose na cijelu populaciju.

Postoje dvije vrste hipoteza - alternativna i nulta. Hipoteza da se znanja broja aplikacijskih softvera razlikuju s obzirom na starosnu dob je alternativna hipoteza. Njoj suprotna je nulta hipoteza. Obje nikada ne mogu biti istinite jer predstavljaju dva različita stanja u kojima se promatrane pojave ne mogu naći istodobno.

Nulta (ili nul) hipoteza je hipoteza o nepostojanju razlika npr. nepostojanje razlika u znanju aplikacijskih softvera s obzirom na dob ispitanika. To je i smisao pojma nulta hipoteza. Nulta znači da nema razlika.

Primjer 8.1: Formulirati odgovarajuću nultu i alternativnu hipotezu da prosječan broj djece žene rađaju manje u urbanim nego ruralnim zajednicama. Rješenje: Hipoteza se mora predstaviti u obliku parametara populacije. Pretpostavka je da je:

1 = prosječan broj djece koje rađaju žene u gradskim naseljima2 = prosječan broj djece koje rađaju žene u ruralnim naseljima.

Demografi žele podržati tvrdnju da je 1 manje od 2.Nulta i alternativna hipoteza su:

H0: (1 - 2) = 0. Iz toga slijedi da je 1 = 2, a to znači da nema razlike u broju rođene djece u urbanim i ruralnim naseljima.Ha: (1 - 2) < 0. Iz toga slijedi da je 1 < 2, a to znači da je broj rođene djece u urbanim naseljima manji od broja djece u ruralnim naseljima.

6.8.3 Tipovi pogrešaka u testiranju hipoteza

Cilj svakog testiranja hipoteza je donijeti odluku, a to znači odbaciti nultu hipotezu i prihvatiti alternativnu ili obrnuto. Naravno, cilj je uvijek donijeti ispravnu odluku, ali se zaključivanje temelji na uzorku pa su moguće dvije vrste pogrešaka:

Definicija 8.1: Pogreška prve vrste znači odbacivanje nulte hipoteze kada je ona točna. Vjerojatnost da se napravi ta pogreška se obično označava s .

Definicija 8.2: Pogreška druge vrste znači prihvaćanje nulte hipoteze kada je ona netočna. Vjerojatnost da se napravi ta pogreška se obično označava s .

Nulta hipoteza može biti ili istinita ili pogrešna, a mi ćemo odlučiti o njenom prihvaćanju ili odbijanju. Četiri su moguće situacije koje mogu nastupiti u testiranju hipoteza, a opisuje ih slijedeća tablica:

ZaključciTočna H0 ne prihvaćamo H0 prihvaćamoH0 točna (pogreška prve

vrste)1-

178

H0 nije točna 1- (pogreška druge vrste)

Tablica 8.1. Zaključci i pogreške u testiranju hipoteza

Iz tablice je vidljivo da se istodobno ne mogu učiniti pogreške prvog i drugog tipa. Cilj je uvijek smanjiti i održavati vjerojatnosti da se učine pogreške prvog i drugog tipa. Jedini način smanjenja vjerojatnosti pogreške je povećati informacije, a to znači jedino povećati veličinu uzorka.

Vjerojatnost da se učini pogreška prve vrste je i ona je mjera pouzdanosti zaključak. Ta se veličina naziva i razina signifikantnosti testiranja hipoteze. Postavlja se pitanje kako onda donositi zaključke u testiranju hipoteza? Koji su koraci u testiranju hipoteza?

Izabrati slučajni uzorak iz populacije. Odrediti test veličinuOdabrati razinu značajnosti i odrediti područje odbacivanja prema nultoj hipoteziKoristiti podatke iz uzorka i izračunati test veličine Zaključiti jesu li izračunate vrijednosti test statistike unutar područja odbacivanja. Ako se nalaze u tom području, onda odbaciti nula hipoteze, a ako se ne nalaze onda prihvatiti nula hipotezu. Ukratko, posljednji korak je donijeti zaključak “odbacuje” li se ili “ne odbacuje” nul-hipotezu.

Primjer 8: Potrebno je testirati hipotezu o sredini populacije.Ispunjeni su uvjeti da su sredine uzoraka normalno distribuirane i poznata je varijanca populacije σ2.Želimo testirati hipoteze H0: = 102 (nulta hipoteza: sredina populacije je 102) Ha: > 102 (alternativna hipoteza: sredina populacije je veća od 102)Rješenje: Prvi korak je odabrati slučajan uzorak iz populacije. Informacije iz uzorka su u obliku statistike i pomoći će u prihvaćanju ili odbacivanju nulte hipoteze. Statistika na kojoj temeljimo odluke se naziva test statistika. Drugi korak je odrediti test statistiku koja je bitna za odluku koju želimo donijeti. U našem primjeru je to hipoteza o sredini populacije . Budući je najbolja tvrdnja da za sredinu populacije treba uzeti sredinu uzorka , pa je sredina uzorka tražena test statistika. Treći korak je odrediti raspon mogućih vrijednosti za test statistiku za koje će nulte hipoteza biti odbačena i prihvaćena alternativna hipoteza. Te vrijednosti se nazivaju područjem odbacivanja testa.U ovom primjeru, potrebno je odrediti vrijednosti sredine uzorka za koje možemo povjerovati da je alternativna hipoteza Ha točna. To znači da je sredina populacije veća od 102. Nakon što se odrediti područje odbacivanja nula hipoteze, četvrti korak je koristiti podatke iz uzorka da bi se izračunale vrijednosti test statistike. Na koncu se donosi odluka o tome nalaze li se izračunate vrijednosti unutar područja odbacivanja nula hipoteze. Ako se ne nalaze onda se prihvaća nula hipoteza.Nula hipoteza u našem primjeru tvrdi da je sredina populacije jednaka 102. Potrebno je odrediti udaljenost sredine uzorka od vrijednosti 102. Zato se služimo standardiziranom z-vrijednosti koja standardizira vrijednosti test statistike :

Standardizirana varijabla nam daje informaciju koliko standardnih devijacija sredina uzorka je udaljena od vrijednosti za koju je nulta hipoteza H0 točna (u našem primjeru ta je vrijednost 102). Slika 8.1A jasno prikazuje da je vjerojatnost za sredinu uzorka da bude više od 1.645 standardnih devijacija veća od 102 samo 0.05. Pretpostavka je da je uzorak dovoljno velik pa je distribucija sredina uzoraka približno normalna distribucija. =0.05

179

Slika 8.1. Određivanje područja odbacivanja nulte hipoteze

Područje odbacivanja nulte hipoteze je za vrijednosti z su veće od 1.645. To su vrijednosti sredine uzorka koje su više od 1.645 standardnih devijacija veće od 102. Vrijednost na granici područja odbacivanja hipoteze se naziva kritična vrijednost. Kritična vrijednost 1.645 je prikazana na slici 8.1.B. U tom primjeru vjerojatnost =0.05 je vjerojatnost da će se učiniti pogreška prve vrste, tj. odbaciti točna nula hipoteza. Ako se želi testirati hipoteza za koju će se odbaciti nulte hipoteza za dovoljno velike i dovoljno male vrijednosti standardizirane test statistike, onda se radi o dvostranoj alternativi. Sa slike 8.2.A, može se zaključiti da je šansa da sredina uzorka bude 1.96 standardnih devijacija manja ili veća od 102 je samo 0.05. Područje odbacivanja nula hipoteze se sastoji iz dva skupa vrijednosti: odbacit će se nula hipoteza ako je z ili manje od -1.96 ili veći od 1.96 standardnih devijacija.

180

Slika 8.2. Određivanje područja odbacivanja nul hipoteze1. Područje odbacivanja ovisi o tome je li test jednostran ili dvostran za ranije utvrđenu

razinu signifikantnosti . a. Za jednostrani test u kojoj se pojavljuje simbol ">" za H0, područje odbacivanja se

nalazi u gornjem dijelu distribucije uzoraka za standardiziranu test statistiku. Kritična vrijednost se bira tako da je vrijednost desno od nje jednaka .

b. Za jednostrani test u kojoj se pojavljuje simbol "<" Ha, područje odbacivanja se nalazi u donjem dijelu distribucije uzoraka za standardiziranu test statistiku. Kritična vrijednost se bira tako da je vrijednost lijevo od nje jednaka .

c. Za dvostrani u kojoj se pojavljuje simbol "" za Ha, područje odbacivanja se sastoji iz dva skupa vrijednosti. Kritična vrijednost se bira tako da područje u svakom dijelu distribucije uzoraka za standardiziranu test statistiku jednako /2.

Primjer 8.12: U prethodnom primjeru su izračunate slijedeće statistike iz slučajno izabranog uzorka n = 40 a = 104, s = 15. Testirati hipoteze H0: = 102 Ha: > 102 Na razini signifikantnosti = 0.05. Nulta hipoteza će se odbaciti ako je standardizirano obilježje z veće od 1.645 standardnih devijacija od 102 tj. pretpostavljene vrijednosti sredine populacije. Kratko zapisano: Odbaciti H0 ako je z > 1.645. Standardizirano obilježje z je jednako:

181

Pošto vrijednost z=0.84 se ne nalazi unutar područja odbacivanja nulte hipoteze, nulta hipoteza se ne može odbaciti. Ne možemo zaključiti ni da je nulta hipoteza točna tj. da je sredina populacije jednaka 102 ili =102. Mi smo utvrdili da se nulta hipoteza ne može odbaciti i nema dovoljno elementa da se alternativna hipoteza Ha:>102 može prihvatiti. Cilj je bio objasniti logiku i koncept u statističkoj proceduri testiranja hipoteza. Te tehnike se mogu detaljnije prikazati ali to je izvan ciljeva rada.

6.9. PRIMJENA TESTIRANJA HIPOTEZE

6.9.1 Uvod

U ovom poglavlju će se prikazati aplikacije testiranja hipoteza. Ta testiranja će se temeljiti na znanjima iz sedmog poglavlja, a uporabit će se razlika sredina dvije populacije (1 - 2), proporcija populacije p i razlika proporcija dvije populacije (p1 p2). Koncepti testiranja hipoteza su jednaki za sve te parametre. Potrebno je prvo definirati nula i alternativnu hipotezu, zatim izračunati statistike uzorka i na koncu odrediti područje odbacivanja hipoteza. Ta statistička procedura identična je za testiranje svih parametara populacije. Sva testiranja imaju jednak oblik. Način izračunavanja test statistika ovisi od promatranih parametara. Na temelju dosadašnjih izlaganja (poglavlje 7) je jasno da za dovoljno velike uzorke hipoteza o sredini populacije je dana sa:

dok je test statistika za testiranje hipoteze o parametru p:

Ključno je za proceduru testiranja hipoteza odrediti parametre populacije.

Određivanje parametra populacijeP A R A M E T A R Opis Srednja vrijednost populacije.(1 2) Razlika sredina populacija.p Proporcija; postotak; frakcija; stopa.(p1 p2) Razlika proporcija, postotak; frakcija.

2 Varijanca.Odnos varijanci.

U slijedećem dijelu prikazat će se primjer testiranja hipoteza za navedene parametre.

6.9.2 Hipoteza o sredini populacije

Pretpostavimo da u protekloj godini studenti sveučilišta daju informaciju o broju sati koje potroše na učenje tijekom tjedna. Prosječan broj sati je bio 40 u tjednu. Tekuće godine se želi odrediti je li prosječno vrijeme učenja u tjednu veće od 40 sati. To znači testirat će se H0: = 40 ; nulta hipoteza da je prosječno vrijeme jednako 40 sati. Ha: > 40 ; alternativna hipoteza da je prosječno vrijeme veće od 40 sati. = prosječno vrijeme učenja svih studenata u tjednu. Istraživanje ima cilj dati potporu alternativnoj hipotezi Ha. Nadamo se da će podaci iz uzorka potvrditi alternativnu a odbaciti nultu hipotezu H0. Sada se izračunava srednja vrijednost za uzorak I ona će poslužiti za procjenu srednje vrijednosti populacije. Postavlja se pitanje je

182

li vrijednost dovoljno velika da se može zaključiti da je aritmetička sredina populacije veća od 40? Odgovor na to pitanje je moguće dobiti, ali se prethodno moraju izvršiti svi koraci algoritma za testiranje hipoteza razvijen u poglavlju 8.

6.9.2.1. Testiranje sredine populacije uporabom velikih uzoraka

Slijedi algoritamski prikaz koraka testiranja hipoteze o sredini populacije, . Jedina pretpostavka primjene algoritma je da je broj jedinica u uzorku n30, tj. uzorak je dovoljno velik.

Hipoteza o sredini populacije za velike uzorke n 30Jednostrani testH0: = 0Ha: > 0 (ili Ha: < 0)

Dvostrani testH0: = 0Ha: 0

Test statistika:

Područje odbacivanja:z > z ili z < - z.

Područje odbacivanja:z < -z/2 ili z > z/2.

gdje je z z-vrijednost takva da je P(z > z) = ; i z/2 je z-vrijednost takva da je P(z > z/2) = /2. [Primijetimo: 0 je oznaka za određenu numeričku vrijednost određenu za u nula hipotezi.] Pretpostavka: Veličina uzorka mora biti dovoljno velika (tj. n 30) tako da je distribucija sredina uzoraka približno normalna a s daje dobru aproksimaciju za .

Primjer 9.1: Prosječno vrijeme koje student potroši na učenje tijekom tjedna na sveučilištu je bilo 40 sati tjedno. Uzet je uzorak od 35 studenata u akademskoj godini koja je u tijeku. Izračunata je slijedeća statistika: Testirati hipotezu da , prosječno vrijeme učenja u tjednu je jednako 40 sati nasuprot alternativnoj hipotezi da je veće od 40sati. Nivo povjerenja = .05. Rješenje: Ranije su formulirane nulta i alternativna hipoteza: H0: = 40 Ha: > 40 Veličina uzorka n = 35 je dovoljno velika tako da je distribucija sredina uzoraka približno normalna i s daje zadovoljavajuću aproksimaciju za . Pošto su ispunjene zahtijevane pretpostavke može se početi s testiranjem hipoteze o srednjoj vrijednosti populacije . Uporabom signifikantnosti od = .05, odbacit će se nula hipoteza za test na jednom kraju ako z > z/2 = z.05, tj. ako je z > 1.645. Područje odbacivanja je prikazano na slici 9.1.

Slika 9.1: Područje odbacivanja za primjer 9.1

Izračunati vrijednost test statistike, dobiva se:

183

Pošto vrijednost z=0.897 ne pada unutar intervala odbijanja, ne odbija se nula H0. Kaže se da nema dovoljno dokaza (za = .05) za zaključak da prosječno vrijeme učenja studente je veće od 40 sati tjedno.

Primjer 9.2: Tvornica šećera pakira šećer u vrećice prosječne težine 1 kg. Ipak se svaka vrećica ne puni s točno jednim kilogramom. Ta težina je nekada manja a nekada veća od kilograma. Kompanija želi na vrijeme biti upozorena u promjeni prosječne težine vrećice od kilograma i ponovno resetirati stroj. Zato se periodično odabire 50 vreća šećera, važu se i izračunava prosječna težina i standardna devijacija. Podaci za takav uzorak su:

Testirati je li sredina vrećice (populacije) različita od kilograma na razini signifikantnosti = 0.01.Rješenje: Formuliramo slijedeću hipoteze: H0: = 1 Ha: 1 Veličina uzorka n=50 je iznad 30, može se nastaviti s testom za velike uzorke o sredini populacije. Pošto su bitne promjene o oba smjera to potrebno testirati na oba kraja. Za razinu signifikantnosti = 0.01, odbacit će se nula hipoteza za test na oba kraja ako: z < - z/2 = - z0.005 or z > z/2 = z0.005vrijednost za z < - 2.576 ili z > 2.576.Vrijednost test statistike je:

Ta vrijednost je veća od najveće kritične vrijednosti za z=2.576. Odbacuje se nula hipoteza i prihvaća alternativna na razini signifikantnosti od 1%. Možemo sa sigurnošću 99% tvrditi da se težina vrećice razlikuje od kilograma. 6.9.2.2. Testiranje sredine populacije uporabom malih uzoraka

Testiranje hipoteza temeljeno na malom uzorku (n < 30) o sredini populacije, , može se prikazati kao niz koraka koji ako se slijede dovode to rješenja. Takav niz koraka, takva procedura je prikazana u slijedećoj tablici:

Hipoteza o sredini populacije temeljena na malom uzorku n < 30Jednostrani testH0: = 0Ha: > 0 (ili Ha: < 0)

Dvostrani testH0: = 0Ha: 0

Test statistika:

Područje odbacivanja:t > t ili t < - t.

Područje odbacivanja:t < -t/2 ili t > t/2.

gdje je distribucije od t temeljena na (n – 1) stupnjeva slobode. Vrijednost studentove distribucije t je takva da je P(t > t) = ; i t/2 je t-vrijednost takva da je P(t > t/2) = /2. Pretpostavka: Relativna distribucija frekvencija populacije iz koje se bira uzorak je približno normalna.

Zaključivanje na temelju malog uzoraka je restriktivnije nego na temelju velikog uzorka. Testiranje hipoteza pomoću malog uzorka pretpostavlja da populacija iz koje se bira uzorak je približno normalna distribucija. Test statistika je t statistika i izračunava se slično testu statistici za velike uzorke. Kao i za standardizirano obilježje z, izračunata vrijednost statistike t aproksimira udaljenost sredine uzorka od pretpostavljene sredine populacije 0.

184

Primjer 9.4: U nekoj tvornici se pakira proizvod X u vrećice od 1 kg. To znači da je očekivana težina u vrećici 1000 grama. Uzima se uzorak od 16 pakiranja i on pokazuje prosječnu težinu od 998 grama. Standardna devijacija uzorka je 35 grama. Testirati hipotezu da je prosječna težina vrećice 1000 grama točna na razini signifikantnosti od = 0.05. Rješenje: Zadatka je testirati hipotezu da se očekivana vrijednost vrećice nije promijenila. Zato ćemo uporabiti dvostrani test: H0: = 1000 Ha: 1000 Pretpostavlja se da je relativna distribucija frekvencija populacije iz koje se bira uzorak približno normalna jer se radi o malom uzorku.Na temelju danih pretpostavki potrebno je odrediti t vrijednost za n-1=16-1=15 stupnjeva slobode. Nultu hipotezu treba odbaciti za vrijednosti t: t < - t/2 ili t > t/2 s /2 = 0.05/2 = 0.025. Iz tablice t vrijednosti za 15 stupnjeva slobode i /2=0.025 pronalazimo vrijednost t0.025 = 2.13.vrijednost test statistike je:

Izračunata vrijednost test statistike t = - 0.229 je veća od kritične vrijednosti - 2.13. Zato se ne može odbaciti nulta hipoteza da je srednja (očekivana) vrijednost težine vrećice 1000 grama na razini signifikantnosti od 5%.

6.9.3. Testiranje hipoteza o proporcijama populacije

Testiranje hipoteza o proporciji populacije ima iznimno veliku važnost u praksi. Uporaba je posebno raširena kod marketing istraživanja i dobivanja poslovnih informacija. Primjeri su mnogobrojni. često se želi procijeniti tržišni udio određene marke proizvoda. Potrebno je testirati nultu hipotezu da je tržišni udio proizvoda A jednak 60% ili alternativnu hipotezu da je tržišni udio veći od 60%. Procedura testiranja hipoteza o proporcijama populacije, p, uporabom velikog uzorka iz populacije, prikazana je u slijedećoj tablici. Uzorak mora biti dovoljno velik kako bi se osigurala normalna raspodjela proporcija uzoraka. Opće pravilo za provjeru je li uzorak

dovoljno velik je izračunavanje intervala . Taj interval ne smije uključivati 0 ili

1. Testiranje hipoteza o proporciji populacije za velike uzorkeJednostrani testH0: p = p0

Ha: p > p0 ili Ha: p < p0)

Dvostrani testH0: p = p0

Ha: p p0

Test statistika:

Područje odbacivanja:z > z ili z < - z

gdje je q0 = 1 – p0

Područje odbacivanja:z > z/2 ili z < -z/2 gdje je q0 = 1 – p0

Pretpostavka: interval ne smije sadržavati 0 i 1.

Primjer 9.5: Pretpostavimo da se u glasovanju za neku političku opciju A opredjeljuje 12% glasača. Predlaže se pratiti promjene u proporciji onih koji se opredjeljuju za tu političku opciju tj. ispitati povećava li se udjel glasača koji preferiraju opciju A. Zato se bira slučajan uzorak od 200 glasača. U uzorku od 200 glasača njih 25 je za političku opciju A. Postavlja se pitanje može li se zaključiti da je stvarna proporcija glasača za političku opciju A značajno veća od 12%, za razinu signifikantnosti =0.05. Rješenje Prvo će se postaviti nulta i alternativna hipoteza o proporciji populacije, p:

185

H0: p =0.12 ; nema promjena u proporciji glasača za opciju A. Ha: p > 0.12; udjel glasača za opciju A je povećan. gdje je p stvarni udio glasača za opciju A. Na razini signifikantnosti = .05, područje odbacivanja jednostranog testa sastoji se u određivanju svih vrijednosti standardizirane varijable z za koju je z > z0.05 = 1.645 Potrebno je prvo izračunati proporciju glasača u uzorku za opciju A: Proporcija glasača koji se ne opredjeljuju za opciju A je q0 = 1 – p0 = 1 -0 .12 =0 .88. Ako se te vrijednosti unesu u test statistiku dobit će se slijedeća vrijednost standardiziranog obilježja z:

Vrijednost od z > z0.05 te je vrijednost standardiziranog obilježja izvan područja odbacivanja nula hipoteze. To znači da se nula hipoteza ne može odbaciti i nemamo dovoljno podataka da je proporcija za opciju A veća od 12% na razini signifikantnosti od 5. Interval

ne sadrži 0 ili 1 pa je uzorak dovoljno velik

testiranje hipoteze o proporciji.

6.9.4. Testiranje hipoteza o razlici sredina dvije populacije

Praktični problemi testiranja hipoteza ne odnose se često samo na jednu populaciju. Potrebno je ponekad objasniti razlike u vrijednsoti parametara dva neovisna uzorka. Uzroci razlika u vrijednosti parametara uzoraka mogu biti u parametrima populacija ili se nalaze u slučajnosti uzoraka. Primjer testa koji se odnosi na testiranje razlika u sredinama populacije može biti ispitivanje učinaka primjene nove metode unapređenja prodaje. Ispitivanje učinaka nove metode unapređenja prodaje obavlja se tako što se na „testnom segementu tržišta” primjenjuje nova metoda a na drugom tržišnom segmentu stare metode unapređenja prodaje. Testira se razlika prosječnih prodaja na oba tržišna segmenta postavljanjem nul i alternativne hipotezeH0: (1 - 2) = 0 Ha: (1 - 2) > 0.Takvim praktični problemi se mogu riješiti slijedećim statističkim modelom:Promatrano statističko obilježje X ima distribuciju frekvencija normalne raspodjele s parametrima 1 i za prvu populaciju i 2 i za drugu populaciju. Iz prve populacije bira se uzorak od n1 elemenata (n1 30), a iz druge uzorak od n2 30 elemenata. Na temelju ta dva uzorka potrebno je provjeriti hipotezu o jednakosti sredina populacija: H0: (1 - 2) = 0 (ili H0: (1 =2) ) Iz ta dva uzorka izračunavaju se statistike i tj. sredine uzoraka. Takav niz koraka, takva procedura je prikazana u slijedećoj tablici:

Testiranje hipoteza o razlici sredina (1 - 2) dvije populacije za velike uzorke Jednostrani testH0: (1 - 2) = R0

Ha: (1 - 2) > R0 ili Ha: (1 - 2)< R0

Dvostrani testH0: (1 - 2) = R0

Ha: (1 - 2) R0

Test statistika:

186

Područje odbacivanja:z > z ili z < - z)

Područje odbacivanja:z < -z/2 ili z > z/2

Ako nema razlika u sredinama populacije onda je R0 =(1 - 2) =0.Pretpostavke: Oba uzorka su dovoljno velika: n1 30 i n2 30.Uzorci su neovisni i biraju se slučajno.

Primjer 9.6: Ispitivane su promjene u prosječnoj visini studenata na fakultetu za tjelesni odgoj. Na temelju podataka o visini studenata u 1995 i 2005 može li se tvrditi da nisu nastupile promjene u prosječnoj visini studenata?Rezultati istraživanja su prikazani u tablici 9.1. Razina pouzdanosti je = 0.01.

1995 2005n1 = 164

cms1 = 5.2

n2= 275

s2 = 4.5cmTablica 9.1. Prosječna visina studenata

Rješenje: Neka su prosječne visine studenata za 1995. godinu cm, a za 2005. cm. Potrebno je testirati hipotezu:

H0: (1 - 2) = 0; nema promjena u visini studenata. Ha: (1 - 2) > 0; prosječna visina studenata se smanjila. 1 = prosječna visina svih studenata na fakultetu za tjelesni odgoj 1995 godine. 2 = prosječna visina svih studenata na fakultetu za tjelesni odgoj 1995 godine.Taj jednostrani test se temelji na z statistici. Odbacit će se nulta hipoteza ako je z > z = z0.01. Statistika z0.01 = 2.33 te je područje odbijanja određeno za z > 2.33.To pokazuje slika 9.3.

Slika 9.3. Područje odbacivanja nulte hipoteze

Izračunata vrijednost z = 3.4 je u području odbacivanja nulte hipoteze za razinu signifikantnosti = 0.01. Može se zaključiti da nulte hipotezu se može odbaciti i tvrditi na razini signifikantnosti 1% da se prosječna visina studenata smanjila. Sličan postupak je i za testiranje sredina pomoću malih uzoraka. Pretpostavlja se da su varijance oba uzorka jednake, uzorci su neovisni a populacije iz kojih se biraju slučajni uzorci su približno normalno distribuirane.

6.9.5 Testiranje hipoteza o razlici između dvije proporcije

187

Testiranje hipoteze o razlici između dvije proporcije temelji se na usporedbi proporcije prve populacije, p1, s proporcijom druge populacije, p2. Parametar za koga će se testirati hipoteza je njihova razlika (p1 - p2). Proporcije p1 je u statističkom smislu vjerojatnosti da se u prvoj populaciji realizirao događaj A, odnosno p2 je vjerojatnost da se u drugoj populaciji realizirao događaj B. To je drugim riječima model raspodjele vrijednosti obilježja “0-1”- sa nepoznatim parametrom p. Vrijednost obilježja X uzima vrednost 1 ako je realiziran događaj A, a vrijednost 0 ako događaj A nije realiziran. Proceduru testiranja hipoteza o razlici proporcija dvije populacije prikazuje slijedeća tablica:

Testiranje hipoteza o razlici proporcija (p1 - p2) dvije populacije za velike uzorke Jednostrani testH0: (p1 - p2) = R0

Ha: (p1 - p2) > R0 ili Ha: (p1 - p2) < R0

Dvostrani test H0: (p1 - p2) = R0

Ha: (p1 - p2) R0

Test statistika:

Područje odbacivanja:z > z ili z < - z

Područje odbacivanja:z < -z/2 ili z > z/2

gdje je .

Ako je R00 izračunati .

Ako je R0=0 izračunati kada je ukupan broj povoljnih

ishoda u oba uzorka je (x1 + x2) i

Pretpostavka: interval ne sadrži 0 ili 1.

Primjer 9.9: Dva lijeka A i B se daju pacijentima u injekcijama. Pacijenti se slučajno svrstavaju u jednu od dvije grupe i primaju ili lijek A ili lijek B. Reakcija na lijek je prikazana u tablici 9.3.Testirati hipoteze je li udjel pacijenata koji reagiraju na lijek A manji od udjela pacijenata koji reagiraju na lijek B. Testirati na razini signifikantnosti od = 0.01.

Broj pacijenata s reakcijom na lijek Broj pacijenata u uzorkuLijek A Lijek B

4582

150250

Tablica 9.3. Reakcija pacijenata na lijekove

Rješenje: Potrebno je testirati hipoteze o razlici proporcija u dva uzorka: H0: (p1 - p2) = 0; nul hipoteza tvrdi da nema razlika u proporcijama. Ha: (p1 - p2) < 0; alternativna hipoteza tvrdi da je proporcija pacijenata s reakcijom na novi lijek B povećana. Značenje proporcija je slijedeće:p1 = proporcija populacije pacijenata s reakcijom na lijek A. p2 = proporcija populacije pacijenata s reakcijom na novi lijek B. Broj elemenata u uzorku je 150 odnosno 200 pa su uzorci dovoljno veliki. Jednostrani test odbacuje nultu hipotezu ako je z < -z0.01, = -2.33 Jedine informacije kojima se raspolaže su informacije iz uzorka. Prave proporcije populacija su nepoznate. Zato će se u test statistici uporabiti proporcije u uzorcima:

188

;

.Testira se razlika proporcija dva uzorka tj. nul hipoteza da nema razlika u proporcijama pa je R0 = 0. Test statistika je:

Potrebno je izračunati relativni udio (relativnu frekvenciju) povoljnih ishoda u oba uzorka: . Sada je jednostavno izračunati statistiku z:

Vrijednost statistike z je veća od kritične vrijednosti -2.33. Zato za razinu signifikantnosti = 0.01 nulta hipoteza se ne može odbaciti. Prihvaća se nulta hipoteza da proporcija pacijenata s reakcijom na novi lijek B nije povećana. Pretpostavka za prihvaćanje nulte hipoteze je veličina uzoraka koji moraju biti dovoljno veliki. Ti uzorci garantiraju da intervali

ne sadrže 0 i 1. Provjerimo te uvjete:

Oba intervala ne sadrže ni 0 ni 1.

6.9.6. Testiranje hipoteza o varijanci populacije

Testiranje hipoteza o varijanci populacije 2 povezano je s hi-kvadrat (2) distribucijom. Ponovno se zahtjeva populacija koja je normalno distribuirana bez obzira je li uzorak velik ili malen.

Primjer 9.10: U konditorskoj industriji se proizvodi čokolada težine 400 grama. Kontrola je analizirala težinu 10 čokolada i utvrdila da je standardna devijacija u uzorku s=0.4 grama. Dopuštena standardna devijacija je samo 0.1 gram. Postavlja se pitanje je li vrijednost standardne devijacije uzorka s dovoljan dokaz da je standardna devijacija populacije manja od 0.3 grama?

Testiranje hipoteza o varijanci populacije 2

Jednostrani test H0: 2 = 0

2

Ha: 2 > 02 ili Ha: 2 < 0

2

Dvostrani test H0: 2 = 0

2

Ha: 2 02

Test statistika:

Područje odbijanja: Područje odbijanja:

189

2 > 2 ili 2 < 21-) 2 < 21-/2 ili 2 > 2

/2

gdje i su vrijednosti 2 koje određuje površinu za desno odnosno za hi-kvadrat distribuciju s (n -1) stupnjeva slobode. Pretpostavka: Populacija iz koje se bira slučajni uzorak ima približno normalnu distribuciju.

Rješenje: Obje hipoteze se moraju izraziti pomoću varijance. Testirat će se nulta hipoteza da je 2 = 0.3 gram i alternativna da je 2 < 0.3. Obje hipoteze su: H0: 2 = 0.3 Ha: 2 <0.3 Jasno je da što je manja vrijednost s2 to je više dokaza u korist alternativne hipoteze. Za male vrijednosti test statistike se odbacuje nulta hipoteza. Za = 0.05 i 9 stupnjeva slobode nulta hipoteza će se odbiti za 2 < 3.32511.

Ta vrijednost je veća od 3.32511 pa se ne može odbaciti nulta hipoteza da je varijanca populacije jednaka 0.3 grama s 95% sigurnosti.

6.9.7. Testiranje hipoteza o odnosu varijanci dvije populacije

Često praktični problemi zahtijevaju testiranje hipoteza o varijanci dvije populacije. Zato je potrebno izgraditi odgovarajući statistički model. Poslovni problemi su često povezani s analizama u varijacijama prihoda, troškova, profita po mjesecima ili varijacije u povratima ulaganja u vrijednosne papire koji imaju jednake stope povrata. Standardna devijacija i varijanca su mjere za određivanje rizika ulaganja jer ako je veća varijanca to je i rizik povrata veći.Odgovarajući statistički model za testiranje hipoteza o odnosu varijanci dvije populacije prikazan je u slijedećoj tablici:

Testiranje hipoteza o odnosu varijanci dvije populacije

Jednostrani test

H0: ili

Ha: ili (Ha: )

Dvostrani test

H0:

Ha:

Test statistika: Test statistika:

Područje odbacivanja:F > F

Područje odbacivanja:F > F/2

gdje su F i F/2 vrijednosti koje određuje područje i /2. Pretpostavka: 1. Populacija iz koje se biraju uzorci ima relativnu frekvenciju distribucija kao normalna distribucija 2. Slučajni uzorci su međusobno neovisni.

Iz populacije s normalnom distribucijom biraju se dva uzorka

190

i .

Iz ta dva uzorka se izračunavaju varijance i , a potom njihov količnik koji se

razlikuje od 1. Testiranje hipoteze je provjera uzroka tih razlika u varijancama tj. jesu li one slučajne ili su posljedica razlika u varijancama populacije. Nulta hipoteza je:

H0: gdje su i varijance populacija iz kojih se biraju uzorci.

Odluka o odbacivanju ili prihvaćanju nulte hipoteze H0 se donosi uporabom F-testa. Statistike n s n s1 1

2

12

2 22

22

i

imaju Hi-kvadrat distribuciju s (n1-1) i (n2-1) stupnjeva slobode. Uzorci su neovisni. Statistika

ima F-raspodjelu sa (n1-1) i (n2-1) stupnjeva slobode.

Iz tablice za F-raspodjelu određuje se kritična vrijednost u skladu sa alternativnom

hipotezom. Ako je alternativna hipoteza Ha: onda se određuje vrijednost F0 tako da je

Odluku o hipotezi H0 donosimo sličnodrugim testiranjima hipoteza: - ako je F > F hipoteza H0 se odbacuje;- ako je F < F hipoteza H0 se ne odbacuje.

Vrednosti statistike F se izračunava iz uzoraka, a kritična vrijednost F određuje se iz tablica za funkciju F-raspodjele za (n1-1) i (n2-1) stupnjeva slobode. Ako je alternativna hipoteza Ha:

tada se odrede kritične vrijednosti F1 i F2 tako da je

P F F

P F F

1

2

2

2

Ako je F<F1 ili F>F2, hipoteza H0 se odbacuje, a ako je F1<F<F2, hipoteza H0 se ne

odbacuje. Vrijednost statistike F se određuje po obrascu a

kritične vrijdnosti iz tablice funkcije F-raspodjele sa (n1-1) i (n2-1) stupnjeva slobode.

Primjer 9.11: Skupina 25 studenata je slučajno podijeljena u dva skupa n1 = 14, a ti studenti su slušali predavanja iz statistike uz uporabu računala i drugi skup n2 = 11, a ti studenti su slušali klasična predavanja iz statistike bez uporabe statističkih softverskih paketa. Na kraju svi studenti su testirani i rezultati testiranja su prikazani u tablici 9.4. Sadrže li podaci dovoljno dokaza da se njihova znanja razlikuju jer su jedni dobili nove informacije a drugi su imali klasična predavanja? Testirati na razini signifikantnosti = 0.01.

Skupina 1 Skupina 2(eksp)Veličina uzorkaStandardna devijacija

142.21

113.24

Tablica 9.4. Podaci o uspjehu studenata

Rješenje: Neka su

191

= Varijanca rezultata studenata u skupini 2 = Varijanca rezultata u skupini 1

Potrebno je postaviti nultu i alternativnu hipotezu

H0: ili

Ha: ili

Prema prikazanom statističkom modelu za testiranje odnosa varijanci dvije populacije za dvostrane testove:

Slijedeći korak je odrediti odgovarajuće područje odbacivanja nulte hipoteze za što je potrebna distribucija uzorka test statistike.Pretpostavka je da su rezultati testiranja

studenata normalno distribuirani. Tada F statistika ima svojstva F distribucije s 1

= (n2 - 1) stupnjeva slobode u brojniku i 2= (n1 - 1) stupnjeva slobode u nazivniku. F- distribucija može biti simetrična u odnosu na sredinu, lijevo ili desno nagnuta. Njen oblik ovisi o broju stupnjeva slobode povezanih s varijancama i . U danom primjeru 1(n2 - 1) = 10 i 2 =(n1 - 1) = 13. F-

distribucija s brojnikom 1= 10 stupnjeva slobode i nazivnikom 2 = 13 stupnjeva slobode je nagnuta desno, a F vrijednost za = 0.05 i taj broj stupnjeva slobode je F0.05 = 2.67. Izračunata F vrijednost je 2.15 i ona je manja od 2.67. Nije ispunjen je uvjet za odbacivanje nulte hipoteze. Ne može se tvrditi da nova metoda učenja statistike poboljšava rezultate postignute na ispitima iz statistike.

Doda-tak: Tablica F- distri-bucije za =0.05 .

6.10. ANALIZA KVALITATIVNIH PODATAKA I ANALIZA VARIJANCE

6.10.1. Uvod

12

Brojnik - stupnjevi slobode10 12 15 20 24 30 40 60 120

Nazivnik- stupnjevi slobode.

1 241.90

243.90

245.90

248.00

249.10

250.10

251.10

252.20

253.33

254.30

2 19.40 19.41 19.43 19.45 19.45 19.46 19.47 19.48 19.49 19.503 8.79 8.74 8.70 8.66 8.64 8.62 8.59 8.57 8.55 8.534 5.96 5.91 5.86 5.80 5.77 5.75 5.72 5.69 5.66 5.635 4.74 4.68 4.62 4.56 4.53 4.50 4.46 4.43 4.40 4.366 4.06 4.00 3.94 3.87 3.84 3.81 3.77 3.74 3.70 3.677 3.64 3.57 3.51 3.44 3.41 3.38 3.34 3.30 3.27 3.238 3.35 3.28 3.22 3.15 3.12 3.08 3.04 3.01 2.97 2.939 3.14 3.07 3.01 2.94 2.90 2.86 2.83 2.79 2.75 2.7110 2.98 2.91 2.85 2.77 2.74 2.70 2.66 2.62 2.58 2.5411 2.85 2.79 2.72 2.65 2.61 2.57 2.53 2.49 2.45 2.4012 2.75 2.69 2.62 2.54 2.51 2.47 2.43 2.38 2.34 2.3013 2.67 2.60 2.53 2.46 2.42 2.38 2.34 2.30 2.25 2.2114 2.60 2.53 2.46 2.39 2.35 2.31 2.27 2.22 2.18 2.1315 2.54 2.48 2.40 2.33 2.29 2.25 2.20 2.16 2.11 2.0716 2.49 2.42 2.35 2.28 2.24 2.19 2.15 2.11 2.06 2.0117 2.45 2.38 2.31 2.23 2.19 2.15 2.10 2.06 2.01 1.96

192

Sada ćemo se fokusirati samo na metode za obradu kvalitativnih podataka. Metode obrade kvalitativnih podataka temelje se na usporedbi utvrđenih (opaženih ili izmjerenih) frekvencija s frekvencijama koje su dane hipotezom i koje treba testirati.Testiranje takvih hipoteza se naziva test suglasnosti (goodness of fit). Pokazat će se testiranje dvije kvalitativne varijable koje su međusobno neovisne. Ako se distribucija uzoraka ponaša po hi-kvadrat distribuciji onda se testovi nazivaju hi-kvadrat testovi. Ti testovi su korisni u analizi više od dvije sredine populacije.

6.10.2. Test suglasnosti

Poznato je da se kvalitativne varijable mogu samo klasificirati ili kategorizirati. Primjerice, promatra se razina obrazovanja ispitanika o znanju primjenskih softvera. Razina obrazovanja je kvalitativna varijabla i svaki ispitanik se može rasporediti u jednu i samo jednu od tri kategorije: zna pisati na računalu, zna programirati, zna projektirati informacijske sustave. Rezultat će biti broj ispitanika koji se nalaze u jednoj od tri kategorije ili frekvencija pojavljivanja pojedine kategorije znanja. Ako kvalitativna varijabla može poprimiti samo dvije vrijednosti onda se podaci mogu analizirati primjenom binomne distribucije.Češće su kvalitativne varijable koje imaju više od dvije kategorije i one se mogu analizirati uporabom različitih metoda nazvanih test suglasnosti. On se temelji na usporedbi opažene distribucije frekvencija i (očekivane) pretpostavljene distribucije.

Primjer 10.1: Razinu informatičkog obrazovanja ispitanika čine tri kategorije: zna pisati na računalu, zna programirati, zna projektirati informacijske sustave. Procjenjuje se na temelju iskustva da 68% zna pisati, 28% zna programirati, i 4% zna projektirati informacijske sustave. Da bi provjerio te postotke izabran je slučajni uzorak od n = 100 ispitanika i zabilježen je stupanj njihova obrazovanja. Broj ispitanika svrstan u pojedine razine obrazovanja prikazan je u 10.1.

Razina informatičkog obrazovanjaZna čitati Zna programirati Zna projektirati IS Ukupno

71 23 6 100Table 10.1 Kategorije koje korespondiraju razini obrazovanja

Postavlja se pitanje razlikuju li se opažene (izmjerene) frekvencije u tablici 10.1. od subjektivne procjene informatičkih znanja izraženih postocima 68% (zna pisati), 28% (zna programirati), i 4% (zna projektirati). Prvi korak u testiranju hipoteze da se subjektivna procjena znanja i «izmjerene» frekvencije u uzorku ne razlikuju je utvrditi postotak ispitanika koji pripadaju pojedinim kategorijama u uzorku od 100 elemenata.

193

Rješenje: Svaki ispitanik se može pridružiti jednoj i samo jednoj od tri kategorije obrazovanja, a što je prikazano u tablici 10.2.

Razina informatičkog obrazovanjaZna čitati

Zna programirati

Zna projektirati

Ukupno

Redni brojVjerojatnost

1p1 = 0.68

2p2=0.28

3p3 =0.04 1.00

Tablica 10.2 Vjerojatnosti kategorija temeljene na procjeni istraživača

Analizirat će se prva ćelije u tablici «zna čitati» tj. elementarno znanje. Pretpostavka je da razina obrazovanja jednog ispitanika neovisna o razini obrazovanja drugog. Tada je broj promatranja O1 distribuiran po binomnoj raspodjeli i očekivana vrijednost je e1=n*p1=100*0.68=68. Slično tom zaključku može se izračunati i očekivani broj odgovora u ćelijama 2 i 3:e2=n*p2=100*0,28=28 i e3=n*p3=100*0,01=4 Očekivani broj odgovora i stvarni broj odgovora prikazuje slijedeća tablica

Razina informatičkog obrazovanjaZna čitati

Zna programirati

Zna projektirati

Ukupno

«Opaženi» brojOčekivani broj

71(68)

23(28)

6(4)

100100

Tablica 10.3 Opaženi i očekivani broj odgovora u tablicama

Formula za izračunavanje očekivanih vrijednosti ei=n*pi gdje je ei =očekivana vrijednost za i-tu ćeliju, n = veličina uzorka, pi subjektivna vjerojatnost da će izmjerena (opažena) vrijednost biti u i-toj ćeliji. Može se postaviti i pitanje jesu li zabilježeni odgovori 100 ispitanika u uzorku u suglasnosti s procijenjenim vjerojatnostima. Ako se frekvencije razlikuju onda se kaže da teorijske vjerojatnosti nisu u suglasnosti s podacima u uzorku.. Relevantne nul i alternativne hipoteze su: H0 – opažene i očekivane vjerojatnosti su jednake tj. p1=0.68 , p2=0.28, p3=0.04. Ha - najmanje dvije od tri vjerojatnosti p1,p2,p3 razlikuju se od vrijednosti postavljene u nultoj hipotezi.

Statistika za prvu ćeliju u prethodnoj tablici se izračunava iz izraza:

Zbroj tih izračunatih vrijednosti za sve ćelije u tablici je test statistika koja se rabi za testiranje hipoteza o suglasnosti izmjerenih i očekivanih frekvencija:

Nakon uvrštavanja opaženih i izmjerenih frekvencija o znanju informatičkih alata prikazanih u tablici 10.3 dobiva se:

Primjer 10.2: Odrediti područje odbacivanja nulte hipoteze za prethodni test. Uporabiti razinu signifikantnosti =0.05. Testirati jesu li izmjerene relativne frekvencije u uzorku jednake subjektivnim (procijenjenim) vjerojatnostima. Rješenje: Vrijednost hi–kvadrat distribucije se povećava s kvadratom povećanja razlike između opaženih i očekivanih vrijednosti (brojnik izraza za hi-kvadrat distribuciju je

). Nulta hipoteza H0: p1=0.88, p2=0.28, p3=0.04 se odbacuje za vrijednosti hi-kvadrat testa koje su veće od kritične vrijednosti. Područje odbacivanja nulte hipoteze: >

.Stupnjevi slobode za statistiku hi kvadrat testa bit će uvijek za 1 manji od broja ćelija. Primjera radi, ako je broj ćelija u tablici k onda je broj stupnjeva slobode (k-1). U danom primjeru broj stupnjeva slobode je k-1=3-1=2 i =0.05.Izračunata vrijednost hi-kvadrat testa za broj stupnjeva slobode df=2 je 5.99147. Nula hipoteza se odbacuje ako je

194

izračunata vrijednost statistike veća od 5.99147. Budući je izračunata vrijednost 2.26 i manja je od vrijednosti hi-kvadrat distribucije, onda se nula hipoteza ne može odbaciti.

Koraci hi-kvadrat testa su:1. Postaviti nultu i alternativnu hipotezu

H0: Postoji k ćelija, a njihove vjerojatnosti su p1,p2,...,pk.Ha:najmanje dvije vjerojatnosti ćelija se razlikuju od vrijednosti navedene u H0.

2. Izračunati vrijednost statistike:

gdje je k=broj ćelija u tablici, Oi=opažena vrijednost za i-tu

ćeliju, ei= očekivana vrijednost za ćeliju, n= veličina uzorka =O1+O2+...+Ok.3. Područje odbacivanja nulte hipoteze:

Pretpostavka za hi-kvadrat test je da se svaki od n opažaja moguće razvrstati samo u jednu od k kategorija ili ćelija. Vjerojatnost da će izmjerena vrijednost biti razvrstana u ćeliju je p i za i=l,2,3 ... k. Hi-kvadrat test je jedna od najiskorištenijih statističkih procedura, ali bi morao uvijek provjeriti ispunjava li problem potrebne pretpostavke..

6.10.3. Analiza tablica kontigencije

Kvalitativni podaci se često svrstavaju prema dvije kvalitativne varijable. Kao praktičan primjer klasifikacije podataka na temelju dvije varijable analizirat će se tablica 2x3 :

Da Ne Neodlučni UkupnoŽene Muškarci

11099

9571

4530

250200

Ukupno 209 166 75 450Tablica 10.5. Stavovi ispitanika o proizvodu A

Testirat će se hipoteza da ne postoji razlika u stavovima između muškaraca i žena o kvaliteti nekog proizvoda A. Pretpostavka je da su odgovori ispitanika neovisni o spolu osobe. Odgovore prikazuje tablica 10.5. Ako odgovor ovisi o spolu intervjuirane osobe onda će tablica omogućiti izračunavanje stupnja ovisnosti. Tablica dizajnirana na takav način se naziva tablica kontigencije. Kontigencija znači ovisnost. Obično razumijemo pojam kontigencijskog planiranja. Planovi koji će se izvršavati ako se ispune određene pretpostavke. Svrha analize kontigencijskom tablicom je odrediti i ispitati postoji li ovisnost između dvije kvalitativne varijable. Nul hipoteza će se prilagoditi i glasi: postoji veza između stava o kvaliteti proizvoda A i spola intervjuirane osobe. Prvo će se izračunati proporcija žena u uzorku . Od ukupnog broja ispitanika (muškaraca i žena) njih 209 smatra da je proizvod A kvalitetan. Na temelju proporcije žena i

195

broja ispitanika koji su odgovorili s Da,može se izračunati očekivani broj žene koje smatraju da je proizvod A kvalitetan: .Očekivani broj žena (prvi redak) s odgovorom Da (stupac 1) je:

Od ukupnog broja ispitanika (muškaraca i žena) njih 166 smatra da je proizvod A nekvalitetan (odgovor je Ne), a očekivani broj žena s odgovorom ne je (redak prvi, stupac drugi)

. Očekivani broj

neodlučnih žena je: .

Istom logikom se preračunavaju sve ćelije u drugom retku (odnose se na muškarce). Ukupan broj muškaraca je 200. Zato je očekivana proporcija u uzorku muškaraca

. Sada je jednostavno preračunati očekivane vrijednosti u ćelijama drugog retka:

; ; .

Očekivana vrijednost u tablici kontigencije se može izračunati tako što se pomnoži zbroj odgovarajućeg retka Ri i stupca Cj i taj rezultat podijeli veličinom uzorka n:

. Rezultat izračunavanja svih očekivanih vrijednosti u ćelijama

kontigencijske tablice vidljiv je u tablici 10.6.Da Ne Neodlučni Ukupno

Žene

Muškarci

110116,

199

92,9

9592,2

7173,8

4541,7

3033,3

250250200200

Ukupno 209 166 75 450Tablica 10.6.Očekivane vrijednosti u tablici kontigencije

Slijedeći korak je izračunati hi-kvadrat statistiku 2. Način njena izračunavanja je prikazan u ranijem primjeru:

Kontigencijske tablice imaju i broj stupnjeva slobode i on je uvijek jednak izrazu (r - 1) (c -1), gdje je r broj redaka i c broj stupaca. Na temelju tablice hi-kvadrat testa za dva stupnja slobode i = 0.05 kritična vrijednost za 2 je 5.99. Izračunata test statist9ika je manja od kritične vrijednosti te se ne može prihvatiti alternativna hipoteza da muškarci i žene imaju različite stavove o kvaliteti proizvoda A s 95% sigurnosti. 6.10.4. Analiza varijance

Koncept koji se nalazi u pozadini analize varijance (ANalysis Of VAriance =ANOVA)objasnit će se na primjeru. Primjer 10.3: U učenju i rješavanju matematičkih zadataka u uporabi su tri knjige. Na kraju semestra ocjenjuju se znanja 18 učenika kojima su podijeljene knjige tako da se knjigom istog autora služilo 6 učenika. Rezultati testa (broj bodova postignut na testu) prikazani su u tablici 10.7.

196

  Udžbenik 1

Udžbenik 2

Udžbenik 3

  7 10 74 8 57 10 64 14 53 8 77 10 52 8 67 8 74 14 6

Zbroj 45 90 54Sredina uzorka

5 10 6

Zbroj ocjena za tri uzorka: 189; Sredina tri uzorka: 7.

Tablica 10.7 Broj bodova učenika na testu

Sredine uzoraka su 5, 10 i 6. Jednostavno je uočiti varijabilnost broja bodova unutar pojedinih skupina i između skupina. Međutim, teorijski je moguće postojanje i ekstrema u varijabilnosti podataka unutar skupina i između skupina. Prvi ekstrem bi bila situacija kada je u svakoj skupini pojedinačno jednak broj osvojenih bodova. Nema nikakve varijabilnosti unutar skupine ali je ona zadržana između skupina.

  Udžbenik 1

Udžbenik 2

Udžbenik 3

  5 10 65 10 65 10 65 10 65 10 65 10 65 10 65 10 65 10 6

Zbroj 45 90 54Sredina uzorka

5 10 6

Zbroj ocjena za tri uzorka: 189; sredina tri uzorka: 7.

Tablica 10.7 Nema varijabilnosti unutar skupine

Slijedeća tablica prikazuje drugi ekstrem. Sredine svake skupine su jednake i iznose tri boda, ali je zadržana varijabilnost unutar skupine. Nema varijabilnosti između skupina ali postoji unutar skupine. Ta dva ekstrema su rijetka. Česta i normalna situacija je ona koja zadržava varijabilnosti između i unutar skupina.

  Udžbenik 1

Udžbenik 2

Udžbenik3

  3 6 74 2 35 4 45 7 55 6 24 5 5

197

7 4 75 3 67 8 6

Zbroj 45 45 45Sredina uzorka

5 5 5

Zbroj ocjena za tri uzorka: 135; sredina tri uzorka: 7

Tablica 10.8 Nema varijabilnosti između skupina

Zato je često potrebno procjenjivati varijabilnost unutar skupine i između skupina. To je upravo zadatak analize varijance. U danom primjeru sredina za sve tri skupine je: Ukupan zbroj kvadrata (Total Sum of Squares) odstupanja od sredine za sve tri skupine je: SS(Total)= (7-7)2 + (4-7)2 + (7-7)2 + (4 -7)2 + (3-7)2 + (7-7)2 +(2 -7)2 + (7-7)2 +(4 - 7)2 ++(10 -7)2 + (8-7)2 + (10 - 7)2 + (14 - 7)2 + (8 - 7)2 + (10 - 7)2 + (8 -7)2 + (8 -7)2 + (14 -7)2 ++ (7 - 6)2 + (5 - 7)2 + (6 - 7)2 + (5 -7)2 + (7 -7)2 + (5 -7)2+ (6 -7)2 + (7 -7)2 + (6 -7)2 == 50 + 66 + 60 = 176.Postoji i varijabilnost unutar skupina (zbroj kvadrata odstupanja od sredina pojedinih skupina - Sum of Squared Errors). Taj zbroj je jednak: SSE = (7 - 5)2 + (4 - 5)2 + (7- 5)2 + (4- 5)2 + (3 -5)2 + (7 - 5)2 +(2 - 5)2 + (7 - 5)2 +(4 - 5)2 ++(10-10)2 +(8-10)2 +(10-10)2+(14-10)2+(8 -10)2+(10-10)2+(8-10)2+(8-10)2+(14 - 10)2 ++ (7 - 6)2 + (5 - 6)2 + (6 - 6)2 + (5 - 6)2 + (7 - 6)2 + (5 - 6)2+ (6 - 6)2 + (7 - 6)2 + (6 - 6)2 == 32 + 48 + 6 = 86.Mogu se promatrati i zbrojevi kvadrata odstupanja sredina skupina od sredine cijele populacije: (5 - 7)2 + (10 - 7)2 + (6 - 7)2 = 4 + 9 + 1 =14.Taj zbroj je potrebno pomnožiti sa devet on samo devetina varijance između skupina. Varijanca između skupina je 14*9=126. Sada je potrebno usporediti tri veličine, tri zbroja: zbroj kvadrata odstupanja između skupina, zbroj kvadrata odstupanja unutar skupina i ukupan zbroj kvadrata odstupanja:

SS(Između skupina)SS(Unutar skupina)SS(Ukupno)

12686

212Tablica10.9 Zbroj kvadrata

Ukupna varijabilnost je 212 i ona se sastoji iz varijabilnosti unutar skupina (86) uvećana za varijabilnost između skupina. U danom primjeru varijabilnost između skupina je znatno veća od varijabilnosti unutar skupina. Te zbrojeve je ipak potrebno prilagoditi tako što će se razmotriti i informacija iz koliko skupina podataka su izračunati ti kvadrati odstupanja. Zbrojevi odstupanja od odgovarajućih sredina će poslužiti za izračunavanje varijanci uzorka. Zbroj kvadrata između skupina ima tri devijacije oko sredine složenog (kombiniranog) uzorka. Zato je broj stupnjeva slobode 3 - 1 = 2 a varijanca uzorka na temelju zbroja kvadrata odstupanja:

Ta veličina se naziva Mean Square for Treatments (MST).Zbroj kvadrata unutar grupa se sastoji iz tri zbroja kvadrata uzorka. Svaki zbroj sadrži 6 kvadrata odstupanja i zato 3 uzorka imaju ukupni 6*(6-1)=18-3=15 stupnjeva slobode. Varijanca uzorka se može izračunati na temelju tog zbroja odstupanja:

198

Ta varijacija se naziva Mean Square for Error (MSE).Te dvije varijacije MST, mjeri varijabilnost između skupina, i MSE, mjeri varijabilnost unutar skupine, se sada mogu uspoređivati. Njihov odnos je .Taj rezultat pokazuje da je MST 17.58 puta veća od MSE. On je indikator mnogo veće varijabilnosti između skupina od varijabilnosti unutar skupina. Naravno, izbor nekih drugih skupina bi dao drugačije rezultate jer bi se sredine skupina najvjerojatnije razlikovale od sredina skupina u danom primjeru dok bi sredina populacije bila nepromijenjena. Ta varijabilnost uzorka se može analizirati pomoću tablice za F distribuciju tako što se odrede stupnjevi slobode za MST i MSE i razina signifikantnosti. Vrijednost u F-tablici za razinu signifikantnost 0.01 je 6.36. Izračunati odnos varijabilnosti između skupina i unutar skupina je 17.58. Može se zaključiti da postoji značajna razlika u rezultatima učenika na testu znanja ovisno o udžbeniku kojim se učenik služi u pripremanju za test. Rezultati izračunavanja su prikazani u slijedećoj tablici:

Izvor varijacije Zbroj kvadrata

odstupanja

Broj stupnjeva slobode

Sredina kvadrata

F

Između skupina 126 2 63 17.58Unutar skupina 86 24 3.583

3Tablica 10.10 Analiza varijance

Jednosmjerna ANOVA je test koji se koristi da bi se testiralo više neovisnih uzoraka koji dolaze iz populacija sa istom srednjom vrednosti. Navedeni jednostavni primjer F testa za tri uzorka se može poopćiti i obično se prikazuje u obliku tablice:

Izvor varijacija

Zbroj kvadrata odstupanja

Broj stupnjeva slobode

Sredina kvadrata

F

1 2 3 (2/3) F = MST/MSEIzmeđu skupina SST k-1 MST/(k-1) U skupinama SSE n-k SSE/(n-k) Ukupno SS(Total) n-1 40 -

Tablica 10.11 Analiza varijance

Svi statistički softverski paketi sadrže mogućnosti uporabe jednosmjernih ANOVA testova. Zato će se prikazati primjer analize varijance uporabom softverskog paketa za proračunske tablice - Excela.

Primjer analize varijance u EXCEL-u: Bitan faktor prodaje je frekvencija broja kupaca unutar prodajnog prostora. Zato se postavljanju proizvoda na odgovarajuće mjesto, njegovu izlaganju mora pokloniti odgovarajuća pozornost. ANOVA može poslužiti za detektiranje utjecaja izlaganja proizvoda P na njegovu količinu prodaje. Proizvod se izlaže na četiri različita mjesta A, B,C i D. U tablici 10.12 su prikazane prodane količine proizvoda P na ta četiri mjesta unutar prodajnog objekta za 14 dana. Prikazana je tablica u Excelu:

199

U tom primjeru rješenje je tzv. "one-way ANOVA" jer se analizira samo jedan faktor a on je mjesto izlaganja proizvoda P.

Korak 1: Postaviti nultu hipotezu. Nulta hipoteza u testu ANOVA je da su sredine skupina jednake:

Ako je istinita nulta hipoteza to znači da su sve četiri skupine iz iste populacije. Te četiri skupine s njihove četiri različite sredine su samo četiri točke na iste distribucije uzorka. Ako je točna ta hipoteza onda je varijanca između skupina jednaka varijanci unutar skupina. Korak 2: Izabrati razinu signifikantnosti. Najčešće su to vrijednosti 0.05 i 0.10.Korak 3: Izračunati F statistiku uporabom Excelove Data Analysis.  Kliknuti na TOOLS i izabrati DATA ANALYSIS. Iz izbornika DATA ANALYSIS odabrati odgovarajući tip ANOVA.

Postoje tri tipa ANOVA analize u Excelu. u danom primjeru uporabit će se "Single factor" ANOVA jer se promatra samo jedan faktor. Nakon izbora te opcije pojavljuje se izbornik:

200

Potrebno je odrediti ulazne podatke (raspon ćelija "Input Range"), oznaku za prvi redak ("Labels in First Row") i razinu signifikantnosti ("Alpha"). Nakon klika na opciju OK pojavljuje se slijedeći rezultat:

Posljednji korak je interpretiranje rezultata. Prosječne prodaje su najveće na mjestu B, zatim slijede A, D i C.Jesu li te razlike u prodaji statistički signifikantne?Rezultat test je vrijednost F=2.33.Za razinu signifikantnosti 0.05 kritična vrijednost za F=2.78.Zato što je F statistika manja od kritične vrijednosti ne može se odbaciti nulta hipoteza. Nulta hipoteza tvrdi da su prodaje na sva četiri mjesta jednake.Razlike koje postoje u prosječnim prodajama rezultat su slučajnih pogrešaka u izboru uzoraka.  6. 11. REGRESIJSKA ANALIZA

Inferencijalna statistika izvodi opće zaključke, zaključke o populaciji na temelju dijela populacije, uzorka. Zaključivati o cijelini na temelju njezina dijela složena je aktivnost. Zato se mora biti veoma oprezan u izvođenju zaključaka, u tom pokušaju da se sagleda opće na temelju posebnoga. Temeljni problem je odrediti koliko smo sigurni da su svi rezultati istraživanja reprezentativni za cijelu populaciju. Primjeri takvih istraživanja su brojni, a poduzimaju se u različitim znanstvenim disciplinama. Slijedi primjer, uporabljiv u poslovnim istraživanjima, a on prikazuje mogućnosti utvrđivanja i analize relacija između varijabli u

201

ekonomskom procesu. Analizom ekonomskog procesa uočena je veza između potrošnje i dohodka u svakoj tržišnoj ekonomiji.Smjer je veze jasan i razumljiv. Veća potrošnja može dugoročno slijediti samo iz većeg dohodka i obrnuto. Istraživanja nastoje egzaktno utvrditi jakost veze između dohodka i potrošnje u obliku matematičkih funkcija. Potrošnja je uvijek ovisna varijabla a dohodak neovisna.Često nije moguće prikupiti sve podatke o potrošnji i dohodku pa se ponovno i u istraživanju moramo služiti uzorcima i zaključivati na temelju uzoraka. Istraživati i spoznavati o načinu funkcioniranja ekonomije i odnosima između npr. makroekonomskih agregata (potrošnje i dohodka) je novo znanje o ekonomskom sustavu, nova ekonomska spoznaja.U ranijim je analizama pokazano da uvijek postoji određen stupanj vjerojatnosti izabrani uzorak nije reprezentativan i ne odražava svojstva cijele populaciju iz koje se bira. Distribucija uzoraka pokazuje da se s dovoljnom velikim brojem uzoraka i dovoljno velikim brojem jedinica u uzorku može odabrati «prosječan» uzorak koji će biti nepristran, reprezentativan za cijelu populaciju. Međutim, ponovno se pojavljuje ograničenje. U istraživanju se rijetko prikupljaju podaci o većem broj uzoraka nego se, gotovo uvijek, prikupljaju podaci o samo jednom uzorku. Zato u pomoć dolazi centralni granični teorem. On tvrdi da za dovoljno velik uzorak, distribucija uzoraka će slijediti normalnu Gaussovu distribuciju ili Studentovu t-distribuciju. Teorijske distribucije (normalna i t-distribucija) omogućuju izračunavanje vjerojatnosti da će statistika uzorka (pokazatelji uzorka) biti unutar određenog intervala parametara populacije. Drugim riječima, potrebno je s određenim stupnjem vjerojatnosti odrediti interval u kojem se nalaze parametri populacije. Taj interval se izračunava na temelju statistike uzorka. U istraživanju i zaključivanju na temelju uzorka istraživač stalno traga za točnim odgovorom ali ga nemože dobiti u jednoj znamenci, nego može samo procjenjivati interval unutar kojeg se nalazi parametar populacije. Zato što «pravi odgovor» ostaje tajna istraživaču , ostaje mu jedina mogućnost postaviti hipoteze i teoretizirati. U danom primjeru veze potrošnje i dohodka već je proveden određeni stupanj teoretiziranja i postavljanja hipoteza. Nismo se poslužili ni jednim egzaktnim pokazateljem a postavili smo hipotezu o smjeru veze između dohodka i potrošnje. Teorija tvrdi da je smjer te veze pozitivan (ili što je isto nagib pravca nije nije nula niti negativan) . Ako bi se izrekla tvrdnja da svako povećanje dohodka od jedne novčane jedinice stvara prostor za povećanje potrošnje od 0.6 novčanih jedinica na temelju podataka prikupljenih u uzorku, onda bi zaključivali o vezi dohodka i potrošnje na egzaktan način, bez teoretiziranja i prethodnih uopćavanja odnosa između tih makroekonomskih agregata. Drugi uzorak bi mogao pokazati, kvantitativno izraženu, drugačiju vezu potrošnje i dohodka. Npr., povećanje dohodka za jednu novčanu jedinicu uopće ne povećava potrošnju. Kako ćemo onda biti sigurni da je prvi zaključak točan ili da prvi rezultat realno odražava odnose potrošnje i dohodka? Ili je možda točan drugi rezultat?Zato se prvo mora definirati načelo na temelju koga će se izvoditi zaključci. To načelo je teorijska spoznaja o smjeru veze između potrošnje i dohodka. Istraživanje treba odrediti jakost te veze. Pretpostavka je da je teorija točna sve dok podaci ne potvrde drugi tip veze. Takva bi bila pretpostavka: istraživač želi biti 95% siguran da su teorijske spoznaje točne ili što je isto želi biti 95% sigurni da je nul hipoteza točna (odnosno 5% sigurni da se nul hipoteza može odbaciti).Način izračunavanja vjerojatnosti da se nul hipoteza može odbaciti je prikazan ranije. Potrebno je izračunati standardizirane z ili t vrijednosti iz uzorka i komparirati ih s izračunatim z ili t vrijednostima prikazanih u obliku tablice.

6.11. 1. Regresija primjenom excela

Linearna regresija omogućuje pronaći vezu između dvije varijable ako su njihove veze linearne. Opći oblik linerne funkcije je

Y = bo + b1*X + e gdje je:Y ovisna varijabla, X neovisna varijabla, bo odsječak na Y osi kada je X=0,b1 koeficijent smjera linearne funkcije i mjeri za koliko će se promijeniti Y kada se Xpromijeni za 1.

Primjer

202

Istraživa se veza između potrošnje i dohodka. Prikupljeni su podaci i njih prikazuje slijedeća tablica:

Dohodak (X)

96 120 144 168 192 216 240 264 288 312

Potrošnja(Y)

61 72 87 88 112 121 132 149 151 16566 77 92 102 118 127 150 151 160 16772 81 99 105 121 132 154 154 171 19377 88 103 113 128 143 158 167 182 19683 94 108 119 130 149 160 173 193 198

97 124 138 154 176 208 204127 178 210

Ukupno 361 510 491 778 748 827 756 1148 1066 1333Tablica 11.1. Mjesečni dohodak (X) kućanstava i potrošnja (Y)

Pretpostavka je da se cijela populacija sastoji samo od 60 kućanstava iz kojih se bira deset skupina. Kućanstva u istoj skupini imaju približno jednak dohodak. Tablica se može interpretirati na slijedeći način: na temelju mjesečnog dohodka od 96 novčanih jedinica postoji pet obitelji čija se mjesečna potrošnja nalazi u intervalu od 61 do 83 novčane jedinice. Za dohodak 312 novčanih jedinica šest je obitelji čija je potrošnja u intervalu od 165 do 210 novčanih jedinica.Na temelju tih podataka se mogu izračunati i uvjetne vjerojatnosti . To je vjerojatnost da će potrošnja biti Y ako je dohodak X. Npr. ako je dohodak 96 onda postoji pet vrijednosti potrošnje (Y vrijednosti) 61, 66, 72, 77 i 83. Zato, ako je X=96, onda je vjerojatnost da će se dobiti bilo koja od tih pet vrijednosti potrošnje 1/5. Simbolički

.Sada se može izračunati i tablica uvjetnih vjerojatnosti:

Dohodak (X)

96 120 144 168 192 216 240 264 288 312

Uvjetna vjerojatnost p(Y|Xi)

1/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/71/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/71/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/71/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/71/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/7

1/6 1/7 1/6 1/6 1/7 1/6 1/71/7 1/7 1/7

Uvjetna sredina za Y

71,8 101,8

97,8 155,6

149,4

165,2

150,8

229,6

213,0

266,6

Tablica 11.2. Uvjetne vjerojatnosti za iz tablice 11.1.

Očekivana vrijednost potrošnje za dohodak X=96 novčanih jedinica je: 61* (1/5) + 66*(1/5) + 72 * (1/5) + 77* (1/5) + 83 * (1/5) =71,8 novčanih jedinica. Očekivane vrijednosti potrošnje za odgovarajaćue dohodke su prikazane u donjem retku tablice 11.2. Primjena Excela za analizu regresije će se prikazati u koracima:

1. Izabrati iz glavnog izbornika: Tools, Data Analysis, Regression:

203

2. Unijeti podatke za ovisnu varijablu Y (Y Range: raspon ćelija u kojima se nalaze podaci za potrošnju je: $A$37:$A$47), podatke za neovisnu varijablu X ( X Range: raspon ćelija u kojima se nalaze podaci za dohodak $B$38:$B$47) je:

204

3. Pravac regresije koji prikazuje vezu između potrošnje i dohodka se odmah generira:

Slika 11.1. Pravac regresije

205

Taj dio regresijske analize je najvažniji. On prikazuje vezu između dohodka i potrošnje u obliku linearne funkcije. Mogu se analizirati i procjenjivati promjene u potrošnji u ovisnosti o promjenama dohodka. Iz općeg oblika jednadžbe regresije:Y = b0 + b1* X dobiva se oblik u kojem su poznati koeficijenti b0 i b1:Y(potrošnja) = 0,8061* X (dohodak) - 4,2764Naravno, to su samo procjene. Vidljive su i pogreške koje nastaju ako se primjeni takva linearna funkcija:

RESIDUAL OUTPUT

Observation Predicted Y Residuals

1 73,10545455-

1,3054545452 92,45090909 9,349090909

3 111,7963636-

13,996363644 131,1418182 24,45818182

5 150,4872727-

1,087272727

6 169,8327273-

4,632727273

7 189,1781818-

38,378181828 208,5236364 21,07636364

9 227,8690909-

14,8690909110 247,2145455 19,38545455

Naravno, potrebno je provesti i testiranje ili spoznati utječe li varijabla X (dohodak) značajno na varijablu Y (potrošnju). Takvo testiranje će se temeljiti na t-testu jer je broj jedinica u uzorku manji od 30. Excel pretpostavlja da su svi koeficijenti jednaki nuli odnosno postavlja nul hipotezu. Kritična vrijednost za t-test ovisi o broju stupnjeva slobode. Za razinu signifikantnosti od 10% kritična vrijednost za t je +/- 1.67, za razinu signifikantnosti 5% kritična vrijednost za t je +/- 1.96. Izračunata kritična vrijednost za određenu razinu signifikantnosti od 95% je P-vrijednost u tablici 10.3.. Obično je zahtjev na razini 90% (p vrijednost 0.1 ili manja) vjerojatnosti da smo sigurni o postojanju utvrđene veze između varijabli Y i X.   Coeffi

cientsStandard Error

t Stat P-value Lower 95%

Upper 95%

Lower 95,0%

Upper 95,0%

Intercept -4,276 20,423 -0,209 0,839 -51,3738 42,820 -51,373 42,820X 0,806 0,0948 8,499 2,8187E-05 0,58734 1,025 0,587 1,0248

Tablica 11.3. Dio analize regresije u Excelu

6.11.2. Interpretiranje rezultata dobivenih regresijom

U regrsiji je potrebno uraditi dva testa jedan za koeficijent b0 a drugi za koeficijent b1. Nul hipoteze su:

H0: b0 = 0H0: b1 = 0

Nul hipoteza tvrdi da su oba koeficijenta jednaka 0. Potrebno je izračunati t vrijednosti na temelju formule za t-test:

T vrijednosti su -0.209 i 8.499 pa će se odbaciti obje nul hipoteze jer za razinu signifikantnosti od 5% kritične vrijednosti za t su +/- 1.96. To znači da ni jedan od dva koeficijenta nisu jednaki nuli na razini signifikantnosti od 95%. Drugim riječima, sigurni smo 95% kada da je funkcija Y(potrošnja) = 0,8061* X (dohodak) - 4,2764 točna veza između

206

potrošnje i dohodka. Ako se dohodak poveća za jednu novčanu jedinicu potrošnja će se povećati za 0.8061 novčanih jedinica. Može se postaviti i nul hipoteza da je koeficijent b1=1.

H0: b1 = 1Odgovarajuća t-vrijednost je:

Ponovno se odbacuje nul hipoteza da je koeficijent b1 = 1. Koeficijent dohodka je manji od 1. Analiza linearne regresije se temelji na metodi najmanjih kvadrata odstupanja izračunatih u odnosu na stvarne vrijednosti. Pravac se prilagođava opaženim vrijednostima. Funkcija prognoziranja omogućuje izračunavanje budućih vrijednosti jedne varijable (ovisne) na temelju vrijednosti druge varijable (neovisne). Predviđena vrijednost je vrijednost varijable Y (potrošnje) za zadanu vrijednost varijable X (dohodak). Takvo prognoziranje je linearna regresija. U Excelu se rabi slijedeća sintaksa za prognoziranje:FORECAST(x; poznata y ; poznata x),

x  je dohodak za koji se prognozira potrošnja,poznata y   je raspon podataka potrošnje u tablici Excela,

poznata x  je raspon podataka dohodka u tablici Excela.45

PrimjerPrognozirati potrošnju ako je dohodak 400 novačanih jedinica:=FORECAST(400;A38:A47;B38:B47)jednako je 318,15 novčanih jedinica.Na temelju funkcije FORECAST(x; poznata y ; poznata x) prognozirana je potrošnja za dohodak od 400 novčanih jedinica i iznosi 318,15 novčanih jedinica.

6.11.3. Primjer višestruke regresije

Analizira se prodaja ruža po kvartalima u posljednje tri godine (12 kvartala). U tablici su prikazani podaci o broju prodanih komada ruža, prosječne veleprodajne cijene ruža i prosječne veleprodajne cijene karanfila.

Prodaja ruža ( u

komadima)Cijena ruža

Cijena karanfila

11.484,00 2,26 3,489.348,00 2,54 2,858.429,00 3,07 4,06

10.079,00 2,91 3,649.240,00 2,73 3,218.862,00 2,77 3,666.216,00 3,59 3,768.038,00 3,23 3,497.476,00 2,60 3,135.911,00 2,89 3,207.950,00 3,77 3,656.134,00 3,64 3,60

Primjenom analize regresije u Excelu prvo će se analizirati statistika regresije:Regression Statistics

Multiple R 0,726R Square 0,527Adjusted R Square 0,422

45 Jednadžba za FORECAST je Y = b0 + b1* X; gdje je:

207

Standard Error 1.280,231Observations 12

R-Square je statistika koja pokazuje koliko varijance "Y" je objašnjeno u regresiji. U primjeru je to oko 52,7%.

ANOVA  df SS MS F Significance F

Regression 2 16.462.590,261 8231295,131 5,022 0,034Residual 9 14.750.924,655 1638991,628Total 11 31.213.514,917      

  Coefficients Standard Error

t Stat P-value Lower 95%

Upper 95%

Intercept 10594,038 4119,425 2,572 0,030 1275,243 19912,833Cijena ruza -3010,860 953,982 -3,156 0,012 -5168,918 -852,802Cijena karanfila 1927,378 1377,246 1,399 0,195 -1188,170 5042,927

Sada se može na temelju provedene analize regresije napisati ijednadžba multiple regresije koja prikazuje vezu između prodanih količina ruža (Y), cijena ruža X1 i cijena karanfila X2. Ta jednadžba multiple regresije je:

Y=10.594,038 – 3010* X1 + 1927,378 *X2 Potrebno je i analizirati koliki je utjecaj cijena ruža i cijena karanfila na broj prodanih komada ruža u posljednje tri godine. Zato će poslužiti t-test. Nul hipoteza u test testu pretpostavlja da su svi koeficijenti u multiploj regresiji jednaki nuli.Stvarna kritična vrijednost za t-test ovisi o broju stupnjeva slobode. Za prihvaćanje pogreške od 10% t-vrijednost je +/- 1.67, dok za pogrešku od 5% kritična vrijednost za t je +/- 1.96. U navedenom primjeru t-test za cijenu ruža je -3,156 a t-test za cijenu karanfila je 1,399. To znači da se može odbaciti hipoteza da cijena ruža ne utječe na prodanu količinu na razini signifikantnosti od 95% ali se ne može odbaciti hipoteza da cijena karanfila ne utječe na prodanu količinu ruža. Utjecaj cijena ruža na prodanu količinu je negativan a to znači veća cijena smanjuje prodaju.

6. 12. ANALIZA KORELACIJE

Korelacijska analiza je statističko sredstvo koje služi za ispitivanje jakosti linerane veze između dvije varijable. Najčešće se promatra zajedno s regresijskom analizom kako bi izmjerila koliko linija regresije dobro opisuje stvarne podatke. Ipak, ona se može uporabiti i samostalno kako bi odredila smjer i intenzitet veze između dvije varijable. U analizi korelacije promatraju se dvodimenzijski statistički skupovi. To su skupovi čiji elementi imaju dva obilježja. Ta su obilježja xi i yi, a mogu biti npr. visina i težina studenata.Korelacija ispituje povezanost između ta dva obilježja. Potrebno je utvrditi postoji li veza između obilježja x i i yi

(npr. manji student, manja težina). Neka su dani rezultati mjerenja visine i težine studenata:Red. br.

Visina (cm)

Težina (kg)

1 182,00 75,002 184,00 77,003 196,00 85,004 163,00 60,005 188,00 85,006 176,00 72,007 181,00 74,008 182,00 81,009 169,00 55,00

208

10 176,00 77,0011 167,00 63,0012 179,00 71,0013 185,00 78,0014 189,00 86,00

Tablica 1.:Rezultati mjerenja visina i težina studenata

Ako se žele grafički prikazati i interpretirati podaci iz tablice 1., vidljivo je da se čitav skup sastoji od n uređenih parova (xn, yn ) kojima se u dvodimenzijskom koordinatnom sustavu mogu pridružiti točke (xi, yi). U tablici je n = 14 tj. 14 uređenih parova raspoređenih u 14 točaka. Skup tih točaka naziva se dijagram rasipanja, a prikazuje ga slijedeća slika:

Težina u kg

50556065707580859095

100

160 180 200Visina u cm

Slika 12.1. Dijagram rasipanjaVizualno se iz dijagrama rasipanja može zaključiti o vezi između obilježja xi, yi tj. jesu li međusobno ovisna i kakav je smjer veze na temelju grupiranja točaka. Ako se točke xi, yi nalaze uzduž pravca ili neke druge krivulje, onda postoji jaka veza obilježja xi, yi. To je funkcijska povezanost i može se pronaći funkcija koja opisuje vezu dva obilježja u obliku y = f(x) i x = φ (y). Slika 1 prikazuje jednu takvu čvrstu vezu. Ako je student viši, onda mu je i težina veća.Ako su obilježja nepovezana onda točke dijagrama raspršenosti nemaju tendenciju gomilanja, nego su one raspršene. To prikazuje slika 2:

0

2

4

6

8

10

12

14

16

0 2 4 6 8 10 12 14

Slika 2.: Dijagram raspršenosti kada ne postoji korelacija između obilježja

209

Dio statistike koja svojim postupcima omogućava analizu jakosti veza između dva obilježja statističkog skupa, između dvije varijable naziva se korelacija. Ona daje matematički okvir koji izražava povezanost između obilježja. 6.12.1. Koeficijent korelacije Korelacijom se mogu odrediti varijacije obilježja dvaju raspona podataka, tj. jesu li velike vrijednosti jednog skupa pridružene velikim vrijednostima drugoga (pozitivna korelacija), jesu li male vrijednosti jednog skupa pridružene velikim vrijednostima drugoga (negativna korelacija) odnosno jesu li vrijednosti u oba skupa nepovezane (korelacija blizu 0).Koeficijent korelacije r je mjera jakosti linearne veze između dvije varijable x i y.

Izračunava se po formuli: ,

gdje je:

, ,

, ,

Bitna svojstva koeficijenta korelacije su:a) -1 r 1, b) koeficijent korelacije r i nagib pravca regresije b1 imaju isti predznak,c) ako je vrijednost koeficijenta korelacije r blizu nule ili jednaka nuli, to znači da je

veza između varijabli x i y slaba ili ne postoji. Što je vrijednost koeficijenta korelacije bliža ili jednaka 1 ili –1, to je veza između varijabli x i y jača.

Vrijednosti varijabli x i y mogu biti elementi uzorka ili cijele populacije. Koeficijent korelacije populacije se označava s (ro). Koeficijet korelacije populacije se procjenjuje na temelju istog pokazatelja uzorka. Umjesto procjene koeficijenta mogu se testirati nul I alternativna hipoteza:H0: = 0 (testirati hipotezu da vrijednosti varijable x ne sadrže informacije koje mogu poslužiti za prognozu varijable y uporabom linearne funkcije, tj.pravca).Ha: 0, i.e., (dvije varijable su najmanje linearno povezane) Može se pokazati da je nul hipoteza H0: = 0 ekvivalentna hipotezi H0: B = 0.

6.12.2. Koeficijent determinacije

Drugi pristup u mjerenju doprinosa varijable x u procjeni y oslanja se na pogreške u procjeni varijable y. Nastoji odrediti koliko se pogreška može smanjiti uporabom informacija sadržanih u varijabli x. Koeficijent determinacije uzorka derivira se iz odnosa između dva oblika odstupanja:

a) odstupanje stvarnih vrijednosti y oko linije regresije tj. oko procjenjenih vrijednosti. To odstupanje je zbroj kvadrata odstupanja stvarnih vrijednosti varijable y i od

procjenjenih vrijednosti 46 u regresijskom modelu: .

b) drugo odstupanje je varijacija vrijednosti stvarnih vrijednosti varijable y oko njene

aritmetičke sredine .

46 Ta se veličina označava sa SSE a što je kratica engleskih riječi sum of squares errors.

210

Koeficijent determinacije se izračunava po formuli . Može se pokazati da je

, gdje je r koeficijent korelacije. Kvadrat koeficijenta korelacije se

naziva koeficijent determinacije. Koeficijent determinacije se može objasniti kao odstupanje stvarnih vrijednosti varijable y od procjenjenih vrijednsti na temelju pravca regresije. Značenje i objašnjenje koeficijenta determinacije r2 jasno prikazuje slijedeća slika:

Slika 3.: Objašnjeno i neobjašnjeno odstupanje

Odstupanje stvarnih vrijednosti varijable yi od sredine je , neobjašnjeno odstupanje pravcem regresije je i objašnjeno odstupanje je . Ukupno odstupanje promatra zbroj svih kvadrata odstupanja pojedinačnih vrijednosti varijable y od njene aritmetičke

sredine: . Neobjašnjeni dio ukupnih odstupanja stavrnih vrijednosti

varijable y od pravca regresije je: .

Objašnjeni dio ukupnih odstupanja je . Kratko se može zapisati:

Ukupno odstupanje = Objašnjeno odstupanje + neobjašnjeno odstupanje. Koeficijent determinacije je odnos između objašnjenog odstupanja i ukupnog odstupanja:

.

Koeficijent determinacije u praktičnom smislu znači koliko od ukupnih odstupanja stvarnih vrijednosti varijable y od srednje vrijednosti se može objasniti uporabom varijable x u prognozi varijable y, ako se primjeni model linearni model regresije.Primjer 1U modelu linearne regresije prikazana je veza između dohodka i potrošnje u obliku linearne funkcije. Mogu se analizirati i procjenjivati promjene u potrošnji u ovisnosti o promjenama dohodka. Iz općeg oblika jednadžbe regresije:Y = b0 + b1* X cobia se oblik u kojem su poznati koeficijenti b0 i b1: Y(potrošnja) = 0,8061* X (dohodak) - 4,2764Naravno, to su samo procjene. Vidljive su i pogreške koje nastaju ako se primjeni takva linearna funkcija:

211

RESIDUAL OUTPUT

Observation Predicted Y Residuals

1 73,10545455-

1,3054545452 92,45090909 9,349090909

3 111,7963636-

13,996363644 131,1418182 24,45818182

5 150,4872727-

1,087272727

6 169,8327273-

4,632727273

7 189,1781818-

38,378181828 208,5236364 21,07636364

9 227,8690909-

14,8690909110 247,2145455 19,38545455

Koeficijent korelacije se u Excelu izračunava tako što se izabere iz izbormika Data Analysis

i zatim odabere raspon ćelija za koje se izračunava korelacija. Rezultat prikazuje slijedeća tablica:

  Dohodak (X) Potrošnja (Y)Dohodak (X) 1Potrošnja (Y) 0,9488 1

Tablica 3.: Koeficijent korelacije r

Koeficijent determinacije je r2= 0,90. Ta se vrijednost može protumačiti: dohodak X u jednadžbi regresije Y(potrošnja) = 0,8061* X (dohodak) - 4,2764 u procjeni potrošnje Y, računa približno 90% ukupnih kvadrata odstupanja od srednje vrijednosti. To znači da se smanjuje za 90% pogreška u procjeni potrošnje ako se uporabi jednadža regresije umjesto prosječne potrošnje .Prvo će se prikazati postupak izračunavanja kovarijance.

6.12. 3. Izračunavanje kovarijance

Drugi pristup u definiranju i pojašnjenju korelacije je uporaba kovarijance. Kovarijanca izračunava prosjek umnoška ukupnih odstupanja dva skupa podataka podataka od njihovih srednjih vrijednosti. Kovarijanca mjeri odnose između dva niza podataka. U matematičkom smislu ona je prosjek umnožaka odstupanja svakog para točaka ili podataka od odgovarajućih aritmetičkih sredina. Kovarijanca populacijue rabi formulu

212

Ako se izračuna vrijednost izraza onda ta vrijednost može biti velika i

pozitivna, ako se x i y mijenjaju u istom smjeru tj. veće vrijednosti za x su zajedno s vrijednostima y i manje vrijednosti za x su s manjim vrijednostima za y. Može biti i mala negativna ako malim vrijednostima za x (vrijednsotima manjim od srednje vrijednosti za x) odgovaraju velike vrijednosti y (vrijednosti veće od srednje vrijednosti za y). Taj zbroj umnožaka je mjera koja ukazuje kako se mijenjaju x i y . Kovarijanca uzorka rabi formulu:

Korelacija populacije izračunava kovarijancu dvaju skupova podataka podijeljenu umnoškom njihovih standardnih devijacija:

gdje je:

Kovarijanca se povećava ako se jakost veza između x i y povećava. Jaka veza između x i y će vrijednost koeficijenta korelacije približiti +1 ili -1.

213

7. PRIMJENA INFORMACIJSKE TEHNOLOGIJE U PROCESU ISTRAŽIVANJA

Informacija se u informacijskom dobu prihvaća kao univerzalna činjenica, potrebna i prisutna u svim vidovima ljudskog organiziranja i djelovanja. Posebnu važnost i vrijednost ima informacija odaslana ili raspoloživa u pravo vrijeme. Pouzdane, relevantne i pravodobne informacije su u informatičkom smislu izlazi iz procesa istraživanja. Te informacije se u obliku modela, teorija i zakonitosti prezentiraju na kraju procesa znanstvenog istraživanja. Danas su u uporabi različite informacijske tehnologije i softverski alati koji mogu ubrzati procese istraživanja i detektirati veze, odnose, pravilnosti i zakonitosti koje postoje u prikupljenim podacima. Zato se koncentrira pozornost na organizaciju podataka iz kojih slijede informacije. Razvoj moćnih osobnih računala i njihovih mreža postavio je zadatak razumijevanja organizacije i strukture baze podataka. Kompleksnost znanstvenog istraživanja i uporabe informacija u informacijskom dobu ima pretpostavku razumijevanja pojmova kao što su datoteka, baza podataka, sustav za upravljanje bazama podataka, model podataka i drugih pojmova potrebnih za kreiranje, pretraživanje i manipulaciju podacima. Razumijevanje tih pojmova olakšava aktivnosti prikupljanja, obrade, analize i prezentiranja rezultata istraživanja. Ta znanja danas postaju sve više zahtjev i uvjet djelotvornosti procesa istraživanja.

7.1 PROCESI OTKRIVANJA ZNANJA U BAZAMA PODATAKA

Danas se u analitičke svrhe grade posebne baze podataka koje se razlikuju od baza podataka koje služe u aktivnostima prikupljanja podataka. Razvoj moćnih procesora i proizvodnja memorija ogromnih kapaciteta stvorili su preduvjete da se u procesu istraživanja obuhvaćaju sve jedinice statističkog skupa tj. populacija. Jednostavne analize se mogu dobiti postavljanjem upita, a odgovor na njih slijedi nakon pretraživanja baza podataka. To su najčešće podaci koji odražavaju promjene određenih veličina u vremenu (trendove).Tehnologije na kojima se temelji obrada transakcija i analitička obrada, različite su tehnologije i ne mogu se služiti istim podacima u bazama podataka. To se posebno odnosi na istraživanja u poslovnom procesu. Rješenje je zato pronađeno u skladištu podataka (Data Warehouse). Ono sadrži potrebne podatke za izgradnju sustava za potporu analizi podataka u procesu istraživanja. Veza između operativnih baza podataka (baze podataka za obradu transakcija u realnom vremenu) i skladišta podataka prikazana je sljedećom slikom:

214

.............................

..................................

........................

..................................

......

Operativne baze(interni podaci)

Skladište podataka

Vanjski izvoripodataka

Analitičke obrade (OLTP)Analitičke obrade (OLTP)Sustavi za potporu Sustavi za potporu odlučivanju odlučivanju

Data miningData mining

13.1. Punjenje skladišta podataka (početno i periodično)

Skladišta podataka su predmetno orijentirani, integrirani, vremenski nepromjenjivi i samo za čitanje pohranjeni podaci u funkciji potpore istraživanjima.47 Podaci u skladištima podataka temelj su analize podataka. Skladište podataka periodično se puni podacima. Takvi se podaci prethodno moraju očistiti od nekozinstentnosti koja često prati podatke jer se oni formiraju iz različitih izvora. Izgradnja skladišta podataka logična je posljedica postojanja dva tipa podataka u procesu istraživanja:

a) primitivnih (operativnih)b) izvedenih (deriviranih).

Operativni podaci su oni koji se prate i generiraju svakodnevno u procesu istraživanja. Derivirani podaci rezultat su unaprijed planirane i izvedene transformacije primitivnih podataka. Ona može biti jednostavna matematička operacija zbrajanja ili neka druga operacija kojom se kreiraju podaci u svrhu zadovoljenja potreba istraživanja. Danas je prihvaćeno gledište da unutar iste baze podataka ne mogu biti pohranjeni primitivni i derivirani podaci. Njihovo razdvajanje temelj je kreiranja skladišta podataka.48

Proces istraživanja počinje prikupljanjem podataka. To mogu biti ogromne količine transakcijskih (primarnih) podataka u operativnim bazama. Cilj istraživanja nije prikupiti i pohraniti ogromna količina podataka, nego provjeriti hipoteze i otkriti zakonitosti. Cilj je ekstrahirati informacije iz tih podataka. Podaci su često šuma iz koje se ne mogu izvoditi jednostavno valjani i prihvatljivi zaključci. Zato znanstvenici, tragajući za odgovorom, kreiraju nove tehnologije za potporu izvođenja ispravnih i valjanih zaključaka iz takvih ogromnih količina podataka. Analize procesa istraživanja pokazuju da se svega 10% vremena u procesu istraživanja troši na analizu podataka. Ostale faze istraživanja zauzimaju znantno više vremena iako je analiza jedna od najbitnijih faza istraživanja. Potrebno je ponekad analizirati podatke koji se mjere u gigabajtima i terabajtima. Takvi primarni podaci ne daju jasan odgovor zašto se nešto zbiva niti dijagnosticiraju procese i promjene, ne interpretiraju rezultate niti klasificiraju podatke, ne određuju klastere niti modeliraju ovisnosti među podacima, ne otkrivaju promjene i odstupanja u odnosu na postavljene ciljeve niti određuju korelaciju između podataka itd. Davanje odgovora na spomenuta pitanja uporabom odgovarajućih softverskih alata, temeljna je zadaća informacijske tehnologije u procesu istraživanja. Na slici 13.2. prikazana je veza između različitih softverskih alata u procesu istraživanja. U fazi prikupljanja podataka podaci se modeliraju u skladu s zahtjevima modela podataka: Najčešće je to to relacijski model podataka u kojem su podaci u obliku relacijskih tablica ili objektno orijentirani model u kojem su klase i njihova svojstva u središtu modela podataka. Istraživaču trebaju podaci u obliku koji se razlikuje od onog u relacijskoj bazi podataka. Npr. često se u ekonomskim istraživanjima žele dobiti informacije o ukupnim troškovima po mjesecu, relativnoj promjeni troškova u tekućem u odnosu na isto razdoblje prethodne godine, struktura troškova, prosječnim troškove po mjesecu itd. Takve informacije nisu izravno vidljive nakon prikupljanja podataka. Zato se podaci moraju u procesu istraživanja očistiti, transformirati i integrirati u oblik pogodan za analizu. Takav model podataka pogodan za analizu danas su skladišta podataka. Srednji i gornji slojevi na slici 13.2. 47 W.H Inmon, Building the data warehouse.48 Detaljnije vidjeti u knjizi W.H Inmon, Building the Data Warehouse i članak B. Markić, D. Tomić, Skladište podataka kao preduvjet za uspješnu računalnu podršku upravljanju, Proceedings of 1st international Conference Business system Management UPS 97, Mostar.

215

predstavljaju analitičke alate koji obuhvaćaju otkrivanje znanja u bazama podataka (Knowledge Discovery in Databases - KDD), modele znanosti o upravljanju, operacijskih istraživanja (operational research models) i različite statističke tehnike. Dio procesa otkrivanja znanja u bazama podataka i skladištima podataka danas se nazivaju jednim imenom algoritmi za rudarenje podacima, svrdlanje podataka ili algoritmi za traganje kroz podatke.

Slika 13.2. Softverski alati u procesu istraživanja

To je dobro poznati istraživački proces u kojem se podaci prikupljaju (prikupljaju se iz različitih izvora, zatim filtriraju, pročišćavaju, transformiraju, konsolidiraju i pune u skladišta podataka), analiziraju, i transformiraju u informacije, a zatim dalje u znanje. U tom procesu uspostavlja se dobro poznati lanac vrijednosti informacija (information value chain) u kojem se podaci prikupljaju i pohranjuju u baze podataka i transferiraju u analitičke baze (multidimenzijske baze i skladišta podataka). Analitičke baze pohranjuju podatke u obliku koji je prihvatljiv za dalja poboljšanja i analizu. Ti podaci tako završavaju kao informacije. Ključnu i vitalnu ulogu u tom procesu ima OLAP (On Line Analytical Processing) - multidimenzijske baze podataka zato što osiguravaju istraživaču izravnu vezu s podacima (multidimenzijskim podacima) i modelima (znanost o upravljanju, operacijska istraživanja ili statistički modeli). Često se postavlja pitanje u kakvom odnosu stoje OLAP i algoritmi za traganje kroz podatke (data mining). Odgovor je da su to različiti, ali komplementarni alati. OLAP je dio šireg skupa alata za potporu istraživanju. Tradicionalni alati za upite i izvješće, kao dio softverskih alata za analizu podataka, opisuju što je pohranjeno u bazi podataka. OLAP ide dalje. On postavlja za pronalaženje odgovora i dodatno pitanje: «Zašto su određene hipoteze istinite».

216

Čišćenje podataka

Skladište podataka (data warehouse)

Podaci relevantni za analizu

Selekcija

Data miningalgoritmi Zakonitosti,

pravilnosti

Integracija podataka

Baza podataka

Korisnik mora formirati hipotezu o mogućim odnosima između određenih kategorija, objekata ili atributa unutar baze podataka ili skladišta podataka i provjeriti takve odnose serijom upita nad podacima. Npr. istraživač želi utvrditi faktore koji determiniraju nevraćanje kredita, danog komitentima neke poslovne banke. On može pretpostaviti da su kreditno rizični korisnici kredita s manjim dohotkom i analizirati, uporabom OLAP alata, bazu podataka kako bi dokazao istinitost hipoteze ili hipotezu odbacio. Drugim riječima, OLAP analitičar (istraživač) postavlja hipotezu i upućuje upite prema bazi podataka da bi hipotezu prihvatio ili odbacio.

Ako se broj analiziranih varijabli povećava na stotine ili tisuće, onda je gotovo nemoguće pronaći dobru hipotezu i analizirati bazu podataka s OLAP-om. OLAP pokazuje ograničenja. Ne može se djelotvorno uporabiti jer je teško pronaći hipotezu o odnosima između polja unutar relacijske tablice. Alati za traganje kroz podatke (data mining) iz podataka u bazi podataka otkrivaju pravilnosti i veze (patterne), zakonitosti, umjesto da provjeravaju istinitost hipoteza. Istraživač koji želi identificirati rizične čimbenike za nevraćanje zajma (kredita), služe se data mining alatima. Alati data mininga otkrivaju korisnike s visokim dugom i malim dohotkom, ali analiza može otkriti i nove čimbenike o kojima istraživač nije razmišljao. Upravo ta činjenica čini OLAP i data mining alate komplementarnim.

7.2. DANA MINING ALATI U PROCEU OTKRIVANJA ZNANJA U BAZAMA PODATAKA

S informatičkog gledišta najvažniji dio softvera za analizu podataka su alati za otkrivanje znanja u bazama podataka. U suvremeno doba taj pojam49 uključuje:

c) traganje kroz podatke (data mining)d) integraciju sustava temeljenih na znanju i statističkih metodae) metode strojnog učenjaf) metode za otkrivanje veza među podacima ( asocijativna pravila, algoritmi indukcije

i sl.)g) integraciju sustava temeljenih na znanju i objektno orijentiranih sustavah) interpretaciju otkrivenog znanja i pravilnostii) evaluaciju otkrivenog znanja itd.

Discipline izravno povezane s KDD–om su baze podataka, ekspertni sustavi, agenti za pretraživanje, statistika, strojno učenje, skladišta podataka, OLAP alati. Otkrivanje znanja je proces ekstrakcije informacija iz podataka, proces analize koji završava generiranjem uporabljivih, pouzdanih, relevantnih i prethodno nepoznatih informacija. Informacije se prezentiraju u obliku pravilnosti, zakonitosti ili jednostavno patterna razumljivog korisniku. Pattern se definira kao iskaz (E) u jeziku (La) o odnosima između podskupa podataka (Sp) i njegova skupa S. Iskaz (E) nije potpuno siguran (izvjestan) i uvijek se povezuje s određenim stupnjem neizvjesnosti i nesigurnosti pojave. Taj se stupanj izvjesnosti (povjerenja) označava sa c. Pattern se mora izraziti jasnim i jednostavnim jezikom, a najčešće je u obliku pravila oblika Ako...Onda.

Npr. Ako je likvidnost mala, Onda je uzrok nenaplaćena potraživanja od kupaca (c=0.8). Ti patterni mogu biti ulazi u bazu znanja nekog ekspertnog sustava. Otkriveno znanje predstavlja tako izlaz iz programa koji pretražuje, provherava i analizira podatke u bazama ili skladištima podataka. U tim postupcima analize generiraju se patterni. Znanje predočeno u obliku patterna ovisi o kvaliteti analiziranih podataka i mora sadržavati dovoljnu razinu izvjesnosti (povjerenja) koju definira korisnik. Bez dostizanja razine izvjesnosti definirane od strane korisnika pattern ne predstavlja znanje. Pattern, osim izvjesnosti, mora sadržavati i neka dodatna svojstva kao što su: netrivijalnost (znači da pattern nije jednostavno izvodljiv iz podataka), mora predstavljati novost za korisnika (mora biti do tada korisniku nepoznat, tj. nov), koristan i primjenjiv (pattern kojim se izražava znanje mora biti primjenjiv i pomoći korisniku u rješavanju zadaća). Proces istraživanja i otkrivanja pravilnosti, zakonitosti, prihvaćanja ili odbijanja hipoteza temelji se na algoritmima određene složenosti, počev od matematičkih i statističkih do heurističkih. Okolinu procesa istraživanja u čijem središtu su algoritmi data mininga čine baza podataka i

49 Pojam KDD često se povezuje i s drugim nazivima kao što su arheologija podataka (data archeology), žetva informacija (information harvesting), obrada patterna (pattern processing), traganje (svrdlanje) kroz podatke (data mining), ekstarkcija znanja (data extraction)...

217

skladišta podataka, rječnik podataka, domenska znanja o problemu, statistika, strojno učenje Interakcija tih elemenata prikazana je na sljedećoj slici.

Slika 13.4.Utjecaj različitih disciplina na proces istraživanja

Podaci u bazama podataka su dinamički. Mijenjaju se u vremenu za razliku od skladišta podataka koje predstavlja vremenski ovisne, ali nepromjenjive i predmetno orijentirane podatke. U dinamičkom smislu istraživanje se može opisati nizom međusobno povezanih i ovisnih aktivnosti. Te aktivnosti otkrivaju najbitnije aspekte i mogućnosti primjene informacijske tehnologije u procesu istraživanja. Prva je selekcija podataka, a zatim njihovo filtriranje i pročišćavanje. Rezultat selekcije su ciljni podaci koji se moraju dodatno transformirati kako bi mogli primijeniti algoritme traganja kroz podatke. Takav sekvencijalan niz aktivnosti s povratnim vezama prikazan je na slici 13.4.

Slika 13.4. Aktivnosti procesa otkrivanja znanja u bazama podataka kao dio procesa istraživanja

218

Data Mining

Database sustavi Statistika

Druge discipline

Algoritmi

Strojno učenje Vizualizacija

PročišćavanjeSelekcija

Selekcija podataka

Skladištepodataka

Bazapodataka

Filtriranje Pattern

Filtriranje podataka

Pročišćavanje podataka

Algoritamdata mininga

Ocjena i interpretiranje

Zakonitosti, znanja, prihvaćanje hipoteza, odbijanje hipoteza

Prva aktivnost zove se selekcija (izbor) podataka. Rezultat selekcije ciljni su podaci koji se selektiraju iz skladišta podataka ili iz baza podataka. Ti podaci najčešće su u obliku tablica relacijskog modela. Selekcija se koncentrira na podskup podataka neke baze podataka, a taj podskup je bitan za proces KDD-a. Naravno, to nije jednostavna aktivnost. Ona pretpostavlja jasno postavljene i definirane ciljeve istraživanja. Filtriranje, a nakon njega i pročišćavanje podataka, ima za cilj ukloniti potencijalnu inkonzistenciju (neažurnost) podataka, a na koje će se primijeniti algoritam za rudarenje podacima (data mining). Izbor algoritma ovisit će o ciljevima istraživanja, o postavljenom zadatku. Postavljeni zadatak može biti klasifikacija, modeliranje ovisnosti, otkrivanje promjene ili odstupanja u odnosu na postavljeni cilj, određivanje klastera.

Klasifikacija označava pripadnost podataka (slogova) nekoj unaprijed određenoj klasi. Modeliranje ovisnosti označava opisivanje ovisnosti između podataka. Ovisnost postoji ako se može prognozirati promjena jednog podatka u ovisnosti o promjeni drugog podatka ili formalno . Promjene ili odstupanja mjere se uvijek u odnosu na neku ciljnu veličinu. Određivanje klastera postupak je formiranja klasa na temelju podataka. Razlika između klasifikacije i klasteriranja je u tome što kod klasteriranja klase nisu unaprijed poznate. Jedino je poznat broj klastera. Izbor metoda otkrivanja patterna je kritičan korak. Algoritam mora biti u skladu s ciljevima istraživanja. Drugim riječima, uporabljene metode i tehnike istraživanja moraju biti usklađene s ciljevima istraživanja. Patterni su izlazi iz algoritma ili modela i najčešće opisuju relacije između više atributa (polja). Tako mogu prikazivati trendove ili identificirati klastere. Patterni mogu biti kvalitativni ili kvantitativni. Kvalitativni opisuju logičke operacije između polja, a kvantitativni matematičke jednadžbe između polja (atributa). Interpretacija i evaluacija patterna označava tumačenje korisniku otkrivenih patterna i njihov prikaz u skladu s korisnikovim zahtjevima. U procesu generiranja patterna često se mora vraćati na prethodne korake te se pojedini patterni mogu zanemarivati i eliminirati kao nebitni. Otkriveno znanje predočava se u ovisnosti o njegovoj namjeni. Čovjek znanje najbolje razumije ako je prikazano u obliku ljudskoga jezika, grafike, slika ili formalne logike. Znanje dobiveno u tom procesu može služiti u drugoj okolini kao što je ekspertni sustav.

Patterni su uvijek povezani s određenim stupnjem vjerojatnosti te se za otkriveno znanje mora predstaviti i određen stupanj neizvjesnosti. Baze podataka i skladišta podataka najčešće imaju dovoljno podataka da se neizvjesnost može odrediti statistički. Probabilističke metode uvijek se temelje na dva koraka. U prvom koraku znanje se primjenjuje na sve podatke u bazi, a u drugom koraku identificira se broj uspjeha i neuspjeha. Odnos broja uspjeha i neuspjeha određuje vjerojatnost. Neizvjesnost se može prikazati i vizualnim pokazateljima (npr. osjenčena i neosjenčena površina) ili pomoću lingvističkih varijabli (fuzzy sets).

7.3. PRIMJER ANALIZE UPOTREBOM DANA MINING ALATA

Algoritmi za traganje kroz podatke (data minig algoritmi) konačni su nizovi koraka koji pronalaze patterne iz podataka. Ti algoritmi identificiraju pattern i prave njegov opis. To su algoritmi koji nisu samo specifični za data mining, nego se preuzimaju i adaptiraju iz drugih disciplina (npr. statistike). Patterni se mogu prikazivati i opisivati pravilima oblika Ako...Onda, stablima odlučivanja, neuronskim mrežama, genetičkim algoritmima, statističkim metodama, linearnim i nelinearnim modelima. Ipak, još uvijek ne postoji univerzalno dobar i prihvatljiv algoritam za traganje kroz podatke. Radi ilustracije algoritama data mininga slijedi algoritam apriori.

7.3.1. Algoritam apriori

Svrha algoritma apriori pronalaženje je asocijativnih pravila. To su pravila oblika . Algoritam apriori, preveden na relacijske baze podataka, izražava tvrdnju da slog koji sadrži skup elemenata A sadrži i skup elemenata B, uz uvjet da je njihov presjek prazan skup

. Za asocijativna pravila vezuju se činitelji povjerenja i potpore. Činitelj povjerenja c predstavlja postotak onih slogova koji kada sadrže A sadrže i B. Semantičko značenje činitelja povjerenja je jačina implikacije A B. Činitelj potpore s označava postotak slogova u

219

bazi koji sadrže A∪B. Pravila s visokim stupnjem povjerenja i potpore zovu se jaka asocijativna pravila. Npr. dano je sljedeće pravilo oblika Ako...Onda:Ako se kupuje proizvod A Onda se kupuje i proizvod B.Činitelj povjerenja označava za koji postotak slogova, od ukupnog broja slogova, je navedeno pravilo istinito. Faktor povjerenja 60% znači da 60 od stotinu kupaca kada kupuje računalo, kupuje i modem.Činitelj potpore označava koliko se slogova, od ukupnog broja slogova u tablici, može primijeniti za verifikaciju pravila. Npr., činitelj potpore od 2% znači da su dvije od stotinu prodaja prodaje osobnog računala zajedno s modemom.Pravila s visokim stupnjem povjerenja i potpore zovu se jaka asocijativna pravila. Algoritam apriori primjenjuje se za otkrivanje jakih skupova elemenata. Jaki skupovi elemenata su skupovi asociranih elemenata sa stupnjem potpore s iznad neke unaprijed zadane vrijednosti. Drugi važan pojam tog algoritma je nadovezivanje skupova koji se označavaju operatorom ⊕. Za skupove skupova od jednog elementa S1⊕S2 = {k, l, m}⊕ {k, l, m}= {kl, km, lm}. Bit algoritma apriori prikazuje sljedeći primjer. Prikupljeni su podaci o transakcijama i proizvodima kupljeni u tim transakcijama. Podaci o proizvodima i transakcijama zabilježeni su u relacijskim tablicama ali se za potrebe analize ti podaci prikazuju u oblikudvodimenzijske pivot tablice. Stupci u toj tablici su proizvodi kojise kupuju u transakcijama a retci su transakcije. Na presjeku retka i stupca je upisana 0 ili 1. Nula znači da se u toj transakciji ne kupuje odeređeni proizvod a 1 da se proizvod kupuje.

Proizvodi ID_Transakcije

A B C D E

T1 1 1 1 0 0T2 1 1 1 1 1T3 1 0 1 1 0T4 1 0 1 1 1T5 1 1 1 1 0

Tablica 13.4. Podaci o transakcijama i proizvodima

Mining asocijativnih pravila čini dva koraka:1. Otkriti skup podataka (skup proizvoda u transakcijama) čija je potpora iznad

unaprijed određene minimalne potpore s.2. Uporabiti taj skup podataka za generiranje asocijativnih pravila s faktorom

povjerenja c. Zadatak je analizirati primjenom algoritma apriori uz faktor potpore s=40% i faktor povjerenja od 80% koji su proizvodi povezani u prodaji? Prikazati sve korake algoritma apriori.Prvi korak izvršavanja algoritma je generiranje skupa kandidata od po jednog elementa (skup C1).

Drugi korak je generiranje skupa jakih skupova od po jednog elementa (skup L1).

Skup C1

X potpora(X)A ?B ?C ?D ?E ?

220

Treći korak je pravljenje skupa skupova kandidata od po dva elementa pomoću L1⊕L1 (skup C2).

Frekvencija za proizvode BE je 20% i manja je od faktora potpore 40%. Zato se u skupu kandidata L2 eliminira skup BE.Peti korak je generiranje skupa skupova kandidata od po tri elementa pomoću L2⊕L2 (skup C3). Povezuju se samo oni koji imaju prvi element zajednički:

spojiti AB s AC A,B,C ?spojiti AB s AD A,B,D?spojiti AB s AE A,B,E ?spojiti AC s AD A,C,D?spojiti AC s AE A,C,E ?spojiti AD s AE A,D,E ?spojiti BC s BD B,C,D ?spojiti CD s CE C,D,E ?

Skup L1

X potpora(X)A 100%B 60%C 100%D 80%E 40%

Skup L2

X potpora(X)A,B 60%A,C 100%A,D 80%A,E 40%B,C 60%B,D 40%B,E 20%C,D 80%C,E 40%D,E 40%

Skup C2

X potpora(X)A,B ?A,C ?A,D ?A,E ?B,C ?B,D ?B,E ?C,D ?C,E ?D,E ?

Skup L2 nakon eliminiranja

X potpora(X)A,B 60%A,C 100%A,D 80%A,E 40%B,C 60%B,D 40%C,D 80%C,E 40%D,E 40%

Skup C3

X potpora(X)A,B,C ?A,B,D ?A,B,E ?A,C,D ?A,C,E ?A,D,E ?B,C,D ?C,D,E ?

Skup L3

X potpora(X)A,B,C 60%A,B,D 40%A,C,D 80%A,C,E 40%A,D,E 40%B,C,D 40%C,D,E 40%

221

U slijedećem prolazu se moraju spariti po dva kandidata. Formira se skup skupova kandidata po četiri proizvoda.

Na temelju ovih tablica se može provjeriti je li neko pravilo jako.Na primjer: provjeriti hipotezu: Ako se kupuju proizvodi A i B Onda se kupuji proizvodi C i D. Ta hipoteza se može zapisati kao H0: Prvo je potrebno ispitati ispunjavaju li oba skupa {A,B} i {C,D}uvjet potpore s=40%. Povjerenje c se izračunava kao količnik:c = s{A,B,C,D}/s{A,B}. Hipoteza H0 se ne može odbaciti ako je vrijednost faktora povjerenja c veća od 80%. Pravilo koje zadovoljava te uvjete se naziva jako asocijativno pravilo. Iz skupa L2 je vidljivo da je s{A,B}=60% a iz L4 je vidljivo da je s{A,B,C,D}=40%.Sada se može izračunati povjerenje u pravilo :c({A,B}{C,D}) =c=s {A,B,C,D} / s {A,B}=40/60=67%Na temelju izračunate vrijednosti faktora povjerenja c=67% imamo dovoljno podataka da možemo odbaciti nul hipotezu:Ako se kupuju proizvodi Ai B Onda se kupuju i proizvodi C i D.Ukratko, algoritam apriori temelji se na formiranju jakih skupova tako što se broj elemenata jakih skupova povećava za jedan. Zatim se pretražuje baza i filtriraju samo oni elementi koji zadovoljavaju kriterij potpore s. U sljedećem koraku skupovi se nadovezuju, baza ponovno skenira, filtrira i formiraju se jaki skupovi. Skeniranje baze podataka moguće je smanjiti, ali to nije predmet analize.Postoje i drugi algoritmi koji imaju istu namjenu kao i algoritam apriori. Njihov je cilj pronalaženje i određivanje asocijativnih pravila. Jedan takav algoritam je i DHP koji se u odnosu na apriori algoritam razlikuje samo u primjeni tzv. hash tablice. Ta tablica smanjuje veličinu skupa Ck , a posebno veličinu C2.

Čest primjer primjene algoritama za traganje kroz podatke je i klasifikacija. Cilj je klasifikacije objekata predvidjeti buduće ponašanje sustava na temelju poznatih vrijednosti atributa. Takav primjer klasifikacije je procjena rizika pri odobravanju zajma. Npr., na temelju vrijednosti atributa: spol, dob i tip automobila formira se sljedeće stablo:

Skup C4

X potpora(X)spoji ABC s ABD A,B,C,D ?spoji ACD s ACE A,C,D,E ?

Skup L4

X potpora(X)A,B,C,D 40%A,C,D,E 40%

222

...

...

..

...

...

..

...

...

..

...

...

..

MotorYamaha

Spol

Dob

Tip vozilaVelik rizik Malen rizik

Malen rizik

<25>45

25-45........

...

...

..

Slika 13.6. Stablo odlučivanja za procjenu rizika odobravanja zajma

U čvorovima stabla prikazani su atributi dok grane stabla (veze između čvorova) predstavljaju vrijednosti atributa. Stablo završava listovima, a oni sadrže rezultirajući rizik deriviran na temelju prethodnih kombinacija vrijednosti odgovarajućih atributa. Npr. vidljivo je da se zajmovi mogu odobravati osobama koje kupuju motor Yamaha ako je njihova starosna dob između 25 i 45 godina. Svaka se klasifikacija mora provjeriti na nekom reprezentativnom skupu podataka.

7.3.2. Induktivna pravila

Data mining metodologija stabla odlučivanja i pravila odlučivanja primjenjivi su u mnogim realnim situacijama istraživanja kada je potrebno izvršiti klasifikaciju. Cilj istraživanja je kreirati model klasifikacije koji će moći, na temelju vrijednosti ulaznih atributa, predvidjeti klasu kojoj pripada neki entitet. Efikasno sredstvo za generiranje modela klasifikacije (classifiers) je stablo odlučivanja. To je supervised learning metoda (metoda koja unaprijed poznaje ciljne vrijednosti) i ona generira stablo odlučivanja iz podataka pohranjenih u obliku relacijske tablice. Vrijednosti jednog atributa u relacijskoj tablici su ciljne vrijednosti (zato se metoda naziva supervised learning) a vrijednosti ostalih atributa su ulazne vrijednosti. Stablo je samo instanca općenitijeg pojma koji se naziva graf. Graf čini skup čvorova N1, N2 ..., Nn i skup lukova L koji povezuju parove čvorova. Takav skup čvorova ne mora biti konačan. Lukovi se opisuju kao uređeni par čvorova.

Slika 13.7. Usmjereni graf

U računalnom programu čvorovi ( nodes ) često predstavljaju pojmove kao što su ljudi, auta, avionske rezervacije i sl. To su neki tipični pojmovi pohranjeni kao strukture podataka. Crte između čvorova prikazuju način na koji su čvorovi povezani. Jedini način kretanja između čvorova je slijediti tu crtu (luk) kojom su čvorovi povezani, a zove se putanja (path). Svaki luk usmjerenog grafa ima određen smjer. Ako usmjereni graf pokazuje od čvora Nj prema Nk, tada se Nj zove roditelj, a Nk dijete. Ako usmjereni graf sadrži lukove (Nj, Nk) i (Nj, Ni), tada se Nk i Ni zovu braća jer imaju istog roditelja. Čvor koji nema roditelja u grafu, zove se korijen, a čvor koji nema djece, zove se list ili vrh.

Slika 13.8: Uređeni niz čvorova

Putanja dužine n u grafu je uređeni niz čvorova [N1,N2,N3...,Nn]. Svaki Ni,Ni+1 pokazuje neki luk. U grafu tipa stablo kaže se da je jedan čvor prethodnik svih čvorova desno u listi, a sljedbenik svih čvorova lijevo u listi. Broj lukova koji izlaze iz čvora, zove se stupanj izlaza (faktor grananja b od engl. riječi branching). Posjet čvoru (visiting)

223

Čvor je posjećen kada kontrola programa stigne do tog čvora. Cilj posjeta čvoru stabla je izvršavanje nekih operacija u čvoru (nad čvorom): prikaz sadržaja čvora, provjere vrijednosti podataka u čvoru, promjena podataka i sl.Obilazak (traversing)Obilazak stabla je posjet svim čvorovima u nekom određenom redoslijedu. U obilasku stabla svaki čvor se mora posjetiti.Razine (levels)Razina pojedinog čvora je broj koji pokazuje koliko generacija je čvor udaljen od korijena. Ako se pretpostavi da je korijen na razini 1 (dubina 1), njegova djeca su na razini 2, njegovi unuci bit će na razini 3 itd. Stupanj (red) čvora je broj podstabala nekog čvora. Dubina (depth) je stabla jednaka maksimalnoj razini nekog čvora u stablu.Binarna stablaAko svaki čvor u stablu ima najviše dva djeteta onda se stablo zove binarno (binary tree). Binarno stablo je stablo koje se sastoji od nijednog, jednog ili više čvorova drugog stupnja. Kod binarnog stabla razlikuju se lijevo i desno podstablo svakog čvora. Bitno je uočiti da postoji samo jedna putanja koja povezuje korijen stabla s nekim čvorom.

Slika 13.9: Binarno stablo

Iz definicije binarnog stabla može se jednostavno izračunati najveći broj čvorova na nekoj razini. Na prvoj razini najveći broj čvorova je: 21-1=1, na drugoj razini 22-1=2, na trećoj razini 23-1=4, na četvrtoj razini 24-1=8, a na k-toj razini 2k-1. Najveći broj čvorova binarnog stabla dubine k je zbroj čvorova na pojedinim razinama:

20 + 21 + 22 + 23 +...+2k-1 = 2k -1 za k>0Stablo koje je dubine k i ima 2k -1 elemenata naziva se puno binarno stablo. Binarno stablo s n čvorova dubine k je potpuno (complete) ako i samo ako njegovi čvorovi odgovaraju čvorovima punog binarnog stabla dubine k koji su numerirani od 1 do n. Posljedica je u tome da je razlika razina krajnjih čvorova potpunog stabla najviše jedan. Stablo odlučivanja se sastoji iz čvorova i veza između čvorova. Čvorovi reprezentiraju atribute a veze između čvorova (grane stabla) su vrijednosti atributa. Listovi stabla su klase. Primjer Formirati stablo odlučivanja za atribute X i Y, testirati njihovih vrijednosti i ovisno o vrijednosti atributa generirati dvije klase.

224

Y=?

X>1

Klasa 1Klasa 2 Klasa 2 Klasa 1

Yes No

Y=AY=B

Y=C

Slika 13.10. Primjer stabla odlučivanja

Prikazat će se algoritam Quinlan ID3 i njegova proširena verzija C4.5. On prvo analizira sve slogove u relacijskoj tablici (sve elemente skupa za učenje). Bira se neki atribut čije vrijednosti operacijom relacijske algebre koja se naziva selekcija horizontalno dijele relacijsku tablicu. Svaka vrijednost tog atributa je grana u stablu odlučivanja i ona formira odgovarajući podskup. Taj podskup sadrži samo te izabrane vrijednosti atributa.Drugim riječima, formiraju se podskupovi vrijednosti atributa koji dijele tablicu pomoću operacije selekcije. Algoritam se primjenjuje rekurzivno za svaki čvor dijete sve dok svi elementi skupa ne pripadnu istoj klasi. Svaka putanja do lista u stablu odlučivanja je jedno pravilo klasifikacije. Ključna odluka je izbor atributa za neki čvor. Izbor atributa za ID3 i C4.5 algoritam je minimalna entropija. Taj izbor se temelji na matematičkoj teoriji informacija.50

Primjer generiranja stabla odlučivanja i induktivnih pravila iz baze podataka. Dana je tablica baze podataka (ili tablica skladišta podataka) a njenu relacijsku shemu baze čine četiri atributa A1, A2, A3 i Cilj:

A1 A2 A3 CiljY 80 True Klasa 1X 60 False Klasa 1Y 56 True Klasa 1X 60 True Klasa 1Z 70 False Klasa 1X 75 False Klasa 2Z 70 True Klasa 2Y 69 False Klasa 1Z 60 True Klasa 2Y 66 False Klasa 1X 85 False Klasa 2Z 87 False Klasa 1X 80 True Klasa 2Z 70 False Klasa 1

Zadatak je prikazati relacijsku tablicu u obliku stabla odlučivanja a onda stablo opisati induktivnim pravilima. Ta znanja koristiti za klasifikaciju novih slogova koji se dodaju u tablicu. Atribut A1 može biti radno mjesto, atribut A2 dohodak, atribut A3 spol a atribut Cilj može biti odluka o dodjeli (Klasa 1) ili odbijanju (Klasa 2) zajma nekoj osobi. Izbor atributa u čvor stabla odlučivanja temelji se na entropiji. Ključni pojam je gain (dobitak). Gain(S,A) je očekivano smanjenje entropije zato što se skup S sortira po atributu A.

Gain(S,A)=Entropija(S) - Vvrijednost.(A) |Sv|/|S| Entropija(Sv)

Entropija(S)=Entropija([91,52]) = -9/14 log2 9/14 – 5/14 log2 5/14= 0.94 bitova.

50Shannonova opća formula za entropiju konačne distribucije vjerojatnosti: , gdje

je pi vjerojatnost nastupanja događaja i uz uvjet p1 + p2 ...+ pn =1.

225

Devet slogova pripadaju klasi Klasa1, a pet klasi Klasa 2. Izračunata je entropija prije razdvajanja baze na temelju vrijednosti pojedinih atributa i ona je 0.94 bitova. Slijedi izračunavanje smanjena entropije ako se skup S sortira po atributima A1, A2, A3. Prvo će se sortirati po vrijednostima atributa A1.Nakon uporabe atributa: Atribut 1 za podjelu inicijalnog skupa slogova T u tri podskupa ( na temelju tri vrijednosti X, Y i Z), dobiva se informacija uporabom izraza:(X;Y;Z)vrijednost(A1) |Sv|/|S| *(Entropija(Sv))=

5/14*(-2/5* log2 (2/5)- 3/5* log2 (3/5) )+ 4/14 *(-4/4* log2 (4/4)- 0/4* log2 (0/4))

+ 5/14*(-3/5* log2 (3/5)- 3/5* log2 (2/5) ) = 0.694 bitovaInformacijski dobitak nakon podjele skupa po atributu A1 je:Gain(S,A)=Entropija(S) - (X;Y;Z)vrijednost(A) |Sv|/|S| Entropija(Sv)==0.940-0.694=0.246 bitova. Slično izračunavanje slijedi za atribut A3:

(True;False)vrijednost(A) |Sv|/|S| *(Entropija(Sv))=6/14*(-3/6* log2 (3/6)- 3/6* log2 (3/6) )+ 8/14 *(-6/8* log2 (6/8)- 2/8* log2 (2/8)) =0.892 bitova

Informacijski dobitak nakon podjele skupa po atributu A3 je:Gain(S,A)=Entropija(S) - (True;False)vrijed.(A) |Sv|/|S| Entropija(Sv)==0.940-0.892=0.048 bitova.Atribut A2 je poseban jer sadrži numeričke kontinuirane vrijednosti. Moguće je primjeniti tri testa:a) standardni test za diskretne vrijednosti. Jedna grana iz čvora stabla i jedan rezultat za svaku vrijednost (primjer su atributi A1 i A3). b) atribut A2 ima kontinuirane vrijednosti. Postavlja se prag P i dobiva binarni test: A2<=P i A2 >P . c) može se primjeniti, na temelju diskretnih vrijednosti i složeniji test od binarnog. Formiraju se više od dvije grupe vrijednosti, a svaka grupa ima jednu izlaznu vrijednost. U stablu odlučivanja svaka grupa bi formirala jednu granu. U danom primjeru za atribut A2 se ppostavlja pitanje kako pronaći optimalnu vrijednost za prag P?Može se primjeniti slijedeći algoritam:1. Sortirati atribut u rastućem redoslijedu.2. Za atribut A2 (56, 60, 66,69,70,75,80,85,87).3.Može se ispitati svaka vrijednost i provjeriti koja je od njih optimalna. Za interval vrijednosti atributa Vi i Vi+1 može se uzeti manja vrijednost ili sredina intervala. 4.Nakon ispitivanja optimalna vrijednost za P=70.5.Test je binarni: A2<=70 ili A2>7070vrijedost(A) |Sv|/|S| *(Entropija(Sv))=9/14*(-7/9* log2 (7/9)- 2/9* log2 (2/9) )+ 5/14 *(-2/5* log2 (2/5)- 3/5* log2 (3/5)) =0.837 bitovaInformacijski dobitak nakon podjele skupa po atributu A2 je:Gain(S,A)=Entropija(S) - 70vrijednost.(A) |Sv|/|S| Entropija(Sv)==0.940-0.837=0.103 bitova.Najveći doprinos u informacijama rezultira iz atributa A1. Zato će se u korijen stabla odlučivanja postaviti A1.

226K2False85

K1False60

K2False75

K2True80

K1True60

CiljA3A2

K1False66

K1True56

K1False69

K1True80

CiljA3A2

A1=?

K1False70

K1False87

K1False70

K2True60

K2True70

CiljA3A2

X YZ

T1 T2 T3

Za svaki podsku vrijednosti bi se ponovno primjenio rekurzivni postupak određivanja atributa u čvoru podstabla. Za podskup vrijednosti T1 provjerili bi informacijske dobitke ako bi se taj podskup podijelio po atributima A2 i A3. Entropija([21,32]) = -2/5 log2 2/5 – 3/5 log2 3/5 = 0.940 bitova. Dva sloga pripadaju klasi Klasa1, a tri klasi Klasa2. Izračunata je entropija prije razdvajanja baze i ona je 0.94 bitova.

Prag je P=60.60vrijednost.(A2) |Sv|/|S| *(Entropija(Sv))= 2/5 * (-2/2* log2 (2/2)- 0/2* log2 (0/2) )+ 3/5 *(-0/3* log2 (0/3)- 3/3* log2 (3/3)) =0 bitovaInformacijski dobitak je maksimalan. Dvije grane iz čvora u kojem je atribit A2 će kreirati listove stabla odlučivanja jer podskup slogova na svakoj grani pripada istoj klasi.Sličan postupa primjenit će se na podskup T3. Za podskup T3 tablice T optimalni test je za vrijednosti atributa A3. Grane stabla A3=True i A3=False kreiraju podskupe slogova koji pripadaju istoj klasi. Konačno se dobiva stablo odlučivanja za bazu podataka T:

Slika 13.12. Stablo odlučivanja za bazu podataka

Cijela baza podataka se može zapisati u obliku pravila:Pseudokod se može zapisati u obliku pravila:Rule 1: Ako je A1=X I A2<=60 Onda Klasa 1;Rule 2: Ako je A1=X I A2>60 Onda Klasa 2;Rule 3: Ako je A1=Y Onda Klasa 1;

227

K2False85

K1False60

K2False75

K2True80

K1True60

KlasaA3A2

T1

>60

ZY

<=60

True False

A1

A3 A2

Klasa 1 Klasa 2 Klasa 1 Klasa 2 Klasa 1

X

Rule 4: Ako je A1=Z I A3=True Onda Klasa 2;Rule 5: Ako je A1=Z I A3=False Onda Klasa 1;Zato što je induktivni algoritam složen i temelji se rekurziji, njegova primjena je moguća samo uz uporabu odgovarajućih softvera. Dobiveni rezultat je od krucijalne važnosti za analizu i predviđanje jer se odnosi između atributa u relacijskoj tablici izražavaju u obliku jednostavnih pravila ako... onda.Broj metoda data mininga se povećava a njihovu primjenu omogućuje i potiče razvoj tehnologije obrade podataka. Istraživaču su dostupni softverski alati koji sadrže te metode i olakšavaju proces istraživanja a osobitu fazu analize podataka. Posebno su zanimljive neuronske mreže, genetički algoritam fuzzy setovi, sustavi temeljeni na znanju i ekspertni sustavi, klasteriranje (k-means) itd.

7.4. PRIMJER ISTRAŽIVANJA UPOTREBOM PRIMJENSKOG SOFTVERA Primjer su podaci prikupljeni upitnikom za korisnike zdravstvenih usluga kojima se želi istražiti razina zadovoljstva stanovnika uslugama u gradu. Na pitanja su odgovarale korisnici usluga (mogu se uključiti tisuće korisnika) , a u upitniku su postavljena sljedeća pitanja (navedna su i značenja pojedinih varijabli u upitniku): Objekt istraživanja je zadovoljstvo korisnika zdravstvenih usluga. Upitnik popunjava korisnik.

a) Vrijeme je kvantitativni tip podataka i mjeri se u minutama. To je vrijeme koje u zdravstvenoj ustanovi potroši pacijen prilikom posjeta zdravstvenoj ustanovi.

b) Način odlaska u zdravstvenu ustanovu je nominalni tip podataka i čine ga četiri moguća načina odlaska:

1. šetnjom, 2. autom, 3. biciklom, 4. autobusom.

Jedan pacijent koristi samo jedan način odlaska do liječnika tj. oni se međusobno isključuju.c) Pregledi prilikom jednog posjeta zdravstvenoj ustanovi. Ponovno nominalni tip

podataka i čini ga šest najčešćih pregleda u ordinacijama: 1. stomatolog, 2. pedijatar, 3. pulmolog, 4. kardilog, 5. ginekolog, 6. laboratorijske pretrage.

Pacijent može posjetiti više ordinacija prilikom jednog posjeta zdravstvenoj ustanovi. d) Zadovoljstvo je ordinalna ljestvica s 5 vrijednosti: 1. -2 = veoma nezadovoljan, 2. - 1 = nezadovoljan, 3. 0 = indiferentan, 4. 1 = zadovoljan, 5. 2 = veoma zadovoljan. Ljestvica mjeri zadovoljstvo pacijenta zdravstvenom uslugom. e) Pacijent s malom djecom za vrijeme pregleda žele imati pomoć u čuvanju djece. Igraonica je nominalna ljestvica (Yes ili No) u ovisnosti o tome postoji ili ne postoji igraonica.

Podaci su prikazani u sljedećoj tablici:

Pacijent Vrijeme Način odlaska Aktivnost Zadovoljstvo Igraonica 1 30 1 1, 2, 3 0 N 2 30 3 4,6 1 Y 3 60 2 1, 2 2 Y 4 45 1 5 -1 N 5 30 1 6 1 N 6 60 2 2 2 Y

228

7 30 3 4 1 N 8 45 2 3, 4 -1 N 9 15 1 6 1 Y 10 60 2 2 2 Y 11 180 4 1, 2, 3, 4 2 Y 12 120 2 1,2,4 2 Y

Sa tim veoma ograničenim podacima (malim brojem podataka) želimo dati odgovore na sljedeće ciljeve istraživanja:

a) Kolika je razina zadovoljstva stanovnika s zdravstvenom uslugom u gradu? b) Koje preglede najčešće ljudi koriste u ustanovama? c) Kako najčešće dolaze do ustanove (kojim prijevoznim sredstvima)? d) Doprinose li igraonice većem zadovoljstvu korisnika usluga ? e) Postoji li povezanost između vrste pregleda i vremena provedenog u

ustanovi? Kako ćemo ispuniti te ciljeve istraživanja? Naravno, s jednostavnim podacima prikazanim u tablici moguće je do odgovora doći uporabom običnog kalkulatora. Međutim poslužit ćemo se s MC Excelom kako bi prikazali jednu moguću uporabu informacijske tehnologije i tog moćnog primjenskog softvera u istarživanjima. Pretpostavka je da su prikazani podaci samo ilustracija procesa istraživanja, a nisu rezultat stvarne aktivnosti prikupljanja podataka.

7.4.1. Priprema podataka iz upitnika za analizu

Prvi korak je transformacija podataka u drugi format koji je primjenjiv u Excelu. Samo dvije varijable tip pregleda i igraonica moraju promjeniti tip podataka dok su ostale varijable u formatu primjenjivu u Excelu. Varijablu tip pregleda ćemo kodirati binarnim znamenkama 0 i 1. Ako je odabran određeni tip pregleda onda se bilježi 1, ako tip pregleda nije odabran unosi se 0. Zato je u tablici Excela potrebno dodati šest stupaca po jedan stupac za svaki mogući tip pregleda. Varijabla igraonica će se konvertirati u binarni oblik pri čemu binarna znamenka 1 kodira logičku vrijednost True (istinito), a 0 logičku vrijednost False (lažno).Takva transformacija podataka iz upitnika u numerički oblik omogućuje uporabu alata Data Analysis iz Excela.

      Tip pregleda    Obitelj Vrijeme Način

dolaska 1 2 3 4 5 6 Zadovoljstvo Igraonica

1 45 1 1 1 1 1 0 0 1 12 45 4 0 0 0 1 0 0 0 03 60 1 1 1 0 0 0 1 2 14 50 2 1 0 0 0 1 0 -1 05 60 2 0 0 0 0 0 1 1 06 60 2 1 1 0 0 0 0 2 17 30 3 0 0 1 1 0 0 1 08 45 2 1 0 1 1 0 0 -1 09 15 1 0 0 0 0 0 1 1 1

10 60 2 0 1 0 0 0 0 2 111 180 4 1 1 1 1 0 0 2 112 120 2 1 1 0 1 0 0 2 113 80 4 1 0 0 1 1 1 1 014 40 6 1 0 0 1 0 1 0 1

229

15 70 8 1 1 1 0 1 1 1 016 90 10 1 0 0 1 0 0 -2 117 60 12 1 1 1 0 1 0 1 0

7.4.2. Descriptivna statistika uporabom alata Data Analysis

Microsoft Excel ima izvrstan alata za analizu podataka uporabom deskriptivne statistike. Za uporabu alata Data Analysis potrebno je instalirati Add-ins tako što se aktivira manuTools – Add Ins – i odabere Analysis ToolPack i pritisne gumb OK.

Sljedeći put nakon otvaranja Tools menu again, na dnu padajućeg menija će se pojaviti opcija Data ata Analysis. Uporaba alata deskriptivne statistike iz izbornika Data Analysis je jednostavna. Potrebno je izabrati podizbornik Descriptive Statistics i upravljač OK:

230

Slijedi dijalog s podizbornikom Descriptive Statistics. Bira se raspon ćelija radnog lista u kojem se nalaze potrebni podaci za analizu. Uključiti prvi redak tablice kao label i označiti check box, izabrati check box za Summary statistics i kliknuti na upravljač OK:

Rezultat uporabe alata Descriptive Statistics nakon formatiranja prikazan je na slijedećoj slici:

231

Deskriptivna ststistika prikazuje više različitih rezultata. U analizi se treba koncentrirati samo na ciljeve istraživanja: a) Kolika je razina zadovoljstva obitelji s zdravstvenom uslugom u gradu? Razina zadovoljstva je srednja vrijednost i ona iznosi 0,76. Ta je vrijednost najbliža na ljestvici zadovoljstva vrijednosti jedan koja je kodirana s zadovoljan.

b) Koje preglede najčešće ljudi koriste u ustanovama? Najčešća vrijednost tipa pregleda je 1, a to je posjet stomatologu. Može se zaključiti da pacijenti najčešće posjećuju stomatologa.

c) Kako najčešće dolaze do ustanove (kojim prijevoznim sredstvima)? Najčešći način dolaska do zdravstevene ustanove je 2 (vrijednost moda) tj. automobilom.Zbroj vrijednosti u stupcu tip pregleda je frekvencija posjeta nekoj ordinaciji- liječniku. Zato se može pomoću dijagrama strukture vizualizirati struktura tipa pregleda:

Tip pregleda Frekvencija Relativna frekvencija

Stomatolog 12 27%

Pedijatar 8 18%

Pulmolog 6 13%

Kardilog 9 20%

Ginekolog 4 9%

Laboratorijske pretrage 6 13%

Zbroj 45 100%

232

Struktura tip pregleda

Pedijatar18%Pulmolog

13%

Kardilog20%

Ginekolog9%

Laboratorijske pretrage

13% Stomatolog 27%

Stomatolog PedijatarPulmologKardilogGinekologLaboratorijske pretrage

Tri od pet postavljenih ciljeva istraživanja nije bilo složeno ispuniti uporabom deskriptivne statistike. Posljednja dva cilja istraživanja:

d) Doprinose li igraonice većem zadovoljstvu korisnika usluga ? e) Postoji li povezanost između vrste pregleda i vremena provedenog u ustanovi?

složenije je ispuniti. Ti ciljevi istraživanja sadrže relacije između dvije ili više varijabli. Zato je nužno uporabiti tehniku tablica kontigencije (Cross Tabulation). To su tablice frekvencije između dvije ili više varijabli. Radi jasnoće rezultata nije preporučljivo uporabiti više od četiri varijable. U Excelu tablice kontigencije su poznate pod nazivom Pivot Table ili Cross Tabulation. Pivot tablica se jednostavno aktivira uporabom ikone za Pivot tablicu ili padajućeg izbornika:

233

Slijedi dijalog za uporabu Pivot tablice Excela:

U drugom koraku primjene čarobnjaka Excela potrebno je označiti podatke u tablici (prvi redak tablice je label):

234

U trećem koraku Pivot Table čarobnjaka odabrati opciju Layout:

Za istraživanje povezanosti varijabli Igraonica i Zadovoljstvo uslugama uzeti i spustiti nazive varijabli desno u dijagramu. Postaviti u redak varijablu Zadovoljstvo i Igraonica u stupac. Još jedanput varijablu Zadovoljstvo spustiti u područje podataka Pivot Tablice. Ona se pojavljuje u obliku Sum of Zadovoljstvo. Ponovno dvostruko kliknuti na upravljač Sum of Zadovoljstvo i rezultat je vidljiv na slijedećoj slici:

235

Odabrati opciju Summarize by Count i kliknuti dvaput na upravljač OK. Ponovno se vraćamo na treći korak čarobnjaka za Pivot Table i kliknemo na Finish. Excel će automatski kreirati kontigencijsku tablicu.

Nakon toga odabrati drugu ćeliju i aktivirati meni Edit - Paste Special . Kliknuti na opcije Values i OK:Nakon toga potrebno je izračunati neovisne vrijednosti u tablici. Želimo istražiti je li varijabla Igraonica u relaciji s varijablom Zadovoljstvo. Poslužit ćemo se jednostavnim Chi-square testom. Ako rezultat testa pokaže da varijabla Igraonica nije povezana s varijablom

236

Zadovoljstvo onda se može zaključiti da igraonica ne mijenja zadovoljstvo korisnika zdravstvenih usluga. Ako je rezultat testa drugačiji onda se može zaključiti da su te dvije

varijable međusobno povezane. Potrebno je izračunati:

Značenje te formule je slijedeće:Jedna ćelija u tablici se izračunava tako što se pomnoži zbroj u njenom redku s zbrojem u njenom stupacu i taj umnožak podjeli s zbrojem svih redaka (ili stupaca).Npr. Za Zadovoljstvo= 1 i Igraonica = 1, postoje podaci od dva ispitanika. Zbroj redaka je 9 a zbroj stupaca 7. Ukupan broj podataka je 17. Neovisna vrijednost za tu ćeliju u tablici kontigencije je 7*9/17=3,71. Nakon preračunavanja vrijednosti svih ćelija dobiva se popunjena kontigencijska tablica. Ta tablica znači: ako varijabla Igraonica je 100% neovisna o varijabli Zadovoljstvo, onda sadržaj ćelija mora biti jednak tim vrijednostima.

Count of Zadovoljstvo Igraonica    

Zadovoljstvo 0 1Grand Total

-2 0,471 0,529 1-1 0,941 1,059 20 0,941 1,059 21 3,294 3,706 72 2,353 2,647 5

Grand Total 8 9 17

Nakon što su izračunate očekivane vrijednosti za varijable Zadovoljstvo i Igraonica potrebno je primjeniti Chi-kvadrat test. Prvo će se izračunati pojedinačne vrijednosti Chi-kvadrat testa, a zatim će se te pojedinačne vrijednosti zbrojiti:

Rezultat Chi-kvadrat testa prikazan je u slijedećoj tablici:

Chi-square test Igraonica    Zadovoljstvo 0 1  

-2 0,471 0,418  -1 1,191 1,059  0 0,004 0,003  1 0,883 0,785  2 2,353 2,092  

    Chi-square 9,259

   Stupnjevi slobode 4

    Vjerojatnost 0,055

Broj stupnjeva slobode potreban je za izračunavanje vjerojatnosti a izračunava se tako što broj redaka i broj stupaca umanjimo za jedan i izračunamo njihov umnožak:df=(broj redaka-1)*(broj stupaca-1)= (5-1)*(2-1)=4.Kako bismo bili sigurni da da je varijabla Zadovoljstvo povezana s varijablom Igraonica dobro je posatviti stupanj neovisnosti što je moguće manje, npr. manje od 5%. Ta vrijednost je bpogreška koju smo spremni prihvatiti (razina signifikantnosti). Ako je izračunata

237

vjerojatnost manja od 0,05 onda varijable Zadovoljstvo i Igraonica su povezane. U danom primjeru vjerojatnost je 5,5% a to znači da varijable Zadovoljstvo i Igraonica nisu povezane. Postupak analize za istraživački zadatak utvrđivanja povezanosti između vrste pregleda i vremena provedenog u ustanovi je isti kao i za analizu povezanosti Zadovoljstva i igraonice.

If between the two variables in the contingency table.

8. PISANJE ZNANSTVENOGA DJELA

8.1. DIJELOVI ZNANSTVENOGA DJELA

238

Nema znanstvenog djela bez tri temeljna dijela koja ga čine – uvoda, razrade i zaključka. Svako, međutim, iole značajnije znanstveno djelo, u stvarnosti sadrži značajno više sastavnih dijelova od tri navedena. Među autorima se, doduše, daju identificirati razlike u vezi s brojem tih dijelova. Šamić, primjerice, razlikuje deset dijelova znanstvenog djela – naslov, pregovor, uvod, razradu, zaključak, bibliografiju, rezime, indeks (kazalo pojmova i imena), dodatak i sadržaj (vidjeti, Šamić, 1969., 86.-89.). Zelenika, opet, razlikuje čak šesnaest bitnih elemenata znanstvenoga djela – naslov, moto, posvetu, predgovor, sadržaj, uvod, izlaganje materijala (dijelove djela), zaključak, sažetak, bibliografiju, popis tabela, popis grafikona, popis fotografija, priloge, stvarni registar i kratice (vidjeti, Zelenika, 1990., 229.).

Drugi autori, opet, govore o dvije vrste sastavnih dijelova znanstvenoga djela – onima koji se u pravilu nalaze kod znanstvenih djela i onima koji se u tim djelima mogu pojaviti (vidjeti, Žugaj, Dumičić, Dušak, 1999., 247.).

Jedna grupa autora, s druge strane, što se dijelova od kojih su sastavljeni tiče, ne prave razliku između znanstvenih djela. Za druge, međutim, razlike između znanstvene knjige i znanstvenih članaka se ne smiju ignorirati.

Pristup, koji uvažava razlike između strukture znanstvenih knjiga i znanstvenih članaka, i po kojem treba praviti razliku između dijelova koji se u strukturi znanstvenih djela podrazumijevaju i onih koji se u njima mogu naći, smatramo prihvatljivijim. Na toj vrsti opredjeljenja se i temelji nastavak ove analize.

8.1.1. Dijelovi znanstvene knjige

Pod znanstvenom knjigom se, u kontekstu ove analize, podrazumijeva ukoričeno znanstveno djelo – plod konačnog pisanog uobličavanja dugotrajnijeg znanstvenog, odnosno znanstvenoistraživačkog rada. To može biti magistarski rad, doktorska disertacija, a može i druge vrste djela koje su rezultat znanstvenog i znanstvenoistraživačkog rada pojedinca ili grupe. U njezinoj se strukturi, sukladno prethodnom opredjeljenju, može praviti razlika između dvije vrste dijelova njezine strukture – između dijelova koji znanstvenu knjigu obvezno prate, koji se u njezinoj strukturi podrazumijevaju, i onih koji se u znanstvenoj knjizi mogu, ali i ne moraju pojaviti.

Prvu grupu čini osam sastavnica znanstvene knjige: 1. naslov, 2. sadržaj, 3. uvod, 4. središnji dio (osnovni tekst, razrada), 5. zaključak, 6. sažetak, 7. popis literature (bibliografija), te 8. indeks pojmova i imena. Drugu grupu, dijelove koji se u znanstvenom djelu mogu naći, ali i ne moraju, čini pet sastavnica: 1 . moto, 2. posveta, 3. predgovor, 4. popis tablica i ilustracija, te 5. dodatak (prilozi). Navedenim ih se redoslijedom elaborira i u nastavku analize.

8.1.1.1. Dijelovi bez kojih nema znanstvene knjige

8.1.1.1.1. Naslov

Naslov znanstvenog djela, neovisno o tome radi li se o znanstvenoj knjizi ili članku, je veoma značajan posao. Razlog tome je u činjenici da on predstavlja svojevrsno ogledalo znanstvenoga djela, njegov najočevidniji i najčitaniji dio (Silobrčić, 1983., 29.), dio temeljem kojeg se čitatelj često odlučuje vrijedi li djelo čitati ili ne jer se njime – a zadatak je autora da to učini sa što manje riječi - izražava i osnovni sadržaj konkretnog djela. Često se, zbog svega toga, zna kazati kako naslov, sam po sebi, predstavlja pola djela, kako konkretno djelo, zbog načina na koji je određen, može učiniti prijemčivim, ali i odvratiti čitatelja od nakane da ga čita.

Da bi svim prethodnim zahtjevima udovoljio, naslov mora biti «u isti mah koncizan, precizan i izrazit, tj. u preciznom i sažetom obliku odražavati i izražavati što adekvatnije i potpunije sadržaj i predmet djela» (Šamić, 1980., 86.). To, prije svega, znači da on mora biti i jasan i maksimalno informativan. S druge strane, to znači da naslov treba biti kratak, ali ne i prekratak jer takav, posebice ako se radi o magistarskim radovima i doktorskim disertacijama, predmet znanstvenoga djela izražava suviše uopćeno, a samim tim je i neprikladan.

239

No, naslov ne smije biti ni predug jer u tom slučaju, u pravilu, zamagljuje temu, zamara i izaziva dosadu. U slučaju, međutim, da se dugačak naslov nameće sam od sebe, postoji efikasan način na koji se takva mogućnost i izbjegava. Radi se, zapravo, o tome da se naslov «razlomi», da se uz naslov iskoristi i podnaslov u funkciji preciznijeg određivanja teme koja je predmet znanstvenoga djela. Kako to konkretno izgleda pokazuje i sveučilišni udžbenik «Sociologija, teorije društvene strukture»51. Naslovom «Sociologija», naime, autor nije mogao izraziti sve ono što je u naslovu htio. Podnaslov «Teorije društvene strukture» su mu, prema tome, poslužile kao svojevrsno pomoćno sredstvo. Istodobno, međutim, izvršenim je razlamanjem rasterećen osnovni naslov ovog djela.

Neki autori stavljaju znak jednakosti između naslova i teme znanstvenog i stručnog djela (vidjeti, Zelenika, 1990., 217.). No, razliku među njima je potrebno praviti. Tema je, naime, ono s čim znanstvenik starta, s čim ulazi u istraživanje, na što se njegovo istraživanje, ali i pisanje znanstvenoga djela, odnosi. Ona je svojevrsni radni okvir budućem naslovu. Tema se, doduše, može poklapati s naslovom, ali i ne mora. Ako se ne radi o poklapanju onda se tema, za vrijeme pisanja djela, koristi kao «radna tema», dakle nedovršena, nefinalizirana. Naslov je, s druge strane, tema u najužem smislu riječi, bit problema na koji se odnosi tema. To, drugim riječima, znači da je, u pravilu, tema šira od onoga što je obuhvaćeno naslovom znanstvenoga i stručnog djela. Kako to, uostalom, izgleda, u kakvom su odnosu tema i naslov znanstvenoga djela, i kako se iz teme izvodi naslov, pokazuje i slijedeći primjer (slika br. x)

Slika br. x: Prikaz postupka određivanja naslova

8.1.1.1.2. Sadržaj

Sadržaj znanstvene knjige je dio o čijem se položaju u strukturi znanstvene knjige daju sresti razlike u pristupima pojedinih autora. Francuski pristup52, primjerice, naginje stavljanju sadržaja na kraj knjige. Slijedi li se, međutim, američki pristup, sadržaj će se pozicionirati na samom početku knjige. Ovaj je pristup, s druge strane, danas sve dominantniji, a za takvu orijentaciju, istini za volju, postoje i racionalni razlozi. Sadržaj je, naprosto, neka vrsta putokaza pa mu je, onda, na početku knjige i pravo mjesto. No, pogriješiti se neće ni u slučaju da se postupi na drugi način.

Kako, pak, sadržaj, kao dio znanstvene knjige, i definirati? U pitanju je, najjednostavnije kazano, jasan i pregledan, u pravilu stupnjevito strukturiran, popis naslova pojedinih dijelova knjige, s pripadajući im brojevima stranica, glava, poglavlja, odsjeka i podosijeka. Pri tome je važno da se u njihovom obilježavanju mogu slijediti različite vrste opredjeljenja. Manuel Theisen, primjerice, pravi razliku između dviju vrsta uređivanja poretka građe u sadržaju – numeričkoga i slovno-numeričkoga (vidjeti, Theisen, 2000., 100-106.). U svakom od njih on, potom, razlikuje uređivanje sadržaja po linijskom principu i po principu stupnjevanja. Kako to u stvarnosti izgleda pokazuju slijedeći primjeri:

Tablica br.x: Numerički redoslijed poglavlja sadržaja

51 Radi se o sveučilišnom udžbeniku Slavo Kukić: Sociologija, Teorije društvene strukture, Sarajevo Publishing, Sarajevo, 2004.

52Taj pristup zagovara i Midhad Šamić (vidjeti, Šamić, 1980., 89.)

=

PROBLEM

ŠIROKI NASLOV UŽI NASLOV

OBITELJ

240

UTJECAJ OBITELJI NA ODLUKU O KUPOVINI

Linijski princip Princip stupnjevanja1.2.2.1.2.1.1.2.2.2.2.1.2.2.1.1.2.2.1.1.1.2.2.1.1.2.2.2.1.2.2.2.2.2.3.2.4.3.4.

1.2.

2.1.2.1.1.

2.2.2.2.1.

2.2.1.1.2.2.1.1.1.2.2.1.1.2.

2.2.1.2.2.2.2.

2.3.2.4.

3.4.

Tablica X: Slovno-numeričko uređivanje sadržajaLinijski princip Princip stupnjevanja

A.I.1.a.b.ba.bb.2.II.B

A.I.

1.a.b.

ba.bb.

2.II.

B

Gerhards, međutim, navodi još razvijeniju skalu mogućnosti uređivanja poretka građe u sadržaju (vidjeti, Gerhards, 1984., 40.). Dajemo djelomični prikaz i njegova izbora mogućnosti navedenih mogućnosti.

Tablica X: Različiti sistemi označavanja sadržaja i njegove struktureSISTEM I II III IV VStupanj dubine

1. 1. 1. dio 1. odjeljak A. I.2. 1.1. 1. odjeljak A. I. A.2. 1.2. 2. odjeljak B. II. B.1. 2. 2. dio 2. odjeljak B. II.2. 2.1. 1. odjeljak A. I. A.3. 2.1.1. A. I. 1. 1.3. 2.1.2. B. II. 2. 2.4. 2.1.2.1. I. 1. a) a)4. 2.1.2.2. II. 2. b) b)5. 2.1.2.2.1. 1. a) aa) (1)5. 2.1.2.2.2. 2. b) bb) (2)1. 3.

itd.3. dio itd.

3. odjeljakitd.

C.Itd.

III.Itd.

Ako bi se, ipak, opredjeljivali za jedan od ponuđenih sistema uređivanja sadržaja, to bi, bez ikakve sumnje, bio numerički redoslijed poglavlja, i to onaj koji je sastavljen na principu stupnjevanja. Razlog tome je veća preglednost u odnosu na druge, velika sistematizacija i kretanje od općih prema posebnim pojmovima. U njemu se, osim toga, primjenjuje takozvani dekadski sistem koji se u znanstvenim radovima danas najčešće prakticira.

241

Na koncu, sadržaj svakog znanstvenog djela – neovisno o tome radi li se o knjizi ili znanstvenom članku - se može promatrati sa dva stajališta: sa stajališta autora i sa stajališta čitatelja. Za njih on, očito, ima različito značenje. Sa stajališta autora sadržaj je kompas za njegov rad, orijentacijski plan ili uputstvo za redoslijed izlaganja materije, ali i instrument pomoću kojeg planira koliko će, ovisno o značenju svake cjeline ponaosob, prostora posvetiti svakom zasebnom dijelu znanstvenoga djela koje piše. Sa stajališta čitatelja, međutim, sadržaj je dio knjige u kojem je dan pregled glava, poglavlja, odsjeka i podosjeka prema stranicama znanstvenoga ili stručnog djela na kojima su smješteni. On je, drugim riječima, za čitatelja svojevrsni putokaz koji mu pomaže da ne luta, numeričko-tekstualni pregled za brzo pronalaženje potrebnih mu informacija na stranicama teksta, na kojima su one i smještene.

8.1.1.1.3. Uvod

Bez obzira o kojoj vrsti znanstvenog ili stručnog djela se radilo, riječ «uvod» upućuje i na zaključak što bi se u ovom dijelu znanstvenoga i stručnog djela trebalo naći. On je, metaforički kazano, «ukusno predjelo koje se servira čitatelju prije nego mu se iznese glavno jelo, tj. razrada i obrada autorova pisanog djela», i stoga «mora biti napisan lijepo, jasno i živo, tako da čitatelja odmah pridobije, naročito svojom preciznošću i svojim zanimljivim pristupom izabranoj temi» (Zelenika, 1990., 234.).

U uvodu znanstvenog i stručnog djela se, prema Šamiću, iznosi kratak historijat pitanja, nastanak i glavne etape u njegovu razvoju i rješavanju, odnos izabranog problema prema ranijim istraživanjima, obim i granice osobnog istraživanja, potom, objašnjava i precizira problem koji se želi obraditi, iznose razlozi koji su znanstvenika potakli da predmet obradi, sumira osnovne izvore informacija, osvrće na metodu koja je primijenjena u obradi teme, saopćava eventualna primoranost da se tema, zbog neočekivano obilnog ili oskudnog materijala, manje ili više izmijeni, da se primijeni neke druge metodološke postupke itd. (vidjeti, Šamić, 1980., 87.).

Neki autori idu i korak dalje – izdvajaju elemente uvoda koji su, više ili manje, standardni. Prema Žugaju, primjerice, identificirati se može sedam takvih elemenata (vidjeti, Žugaj, 1989., 380-384):

1. Postavljanje problema, odnosno preciziranje, često u formi proširenih pitanja, o kojem problemu se u znanstvenom djelu radi.

2. Predmet i objekt proučavanja, pri čemu je čitatelja neophodno i detaljnije upoznati što sve obuhvaća objekt proučavanja.

3. Metode, opće i posebne, koje su u istraživanju korištene.4. Razvoj znanosti, odnosno kratku povijest problema, od kada započinje njegovo

istraživanje kako bi se znalo dokle se došlo i otkuda se u istraživanju polazi.5. Aktualnost i životna vrijednost predmeta proučavanja jer bez aktualnosti i

svako konkretno istraživanje često gubi na svojoj zanimljivosti.6. Korištenje pomoćnih znanosti, i preciziranje o kojim znanostima se radi.7. Bibliografija. Mada je njezino mjesto na kraju knjige, autori znaju pribjeći

navođenju najznačajnijih korištenih djela i u njezinu uvodu.Razlika se, dakako, može praviti između različitih vrsta uvoda i prema različitim

kriterijima njihova razvrstavanja. Prema položaju u knjizi moguće je praviti razliku između tri vrste uvoda:

1. Uvod na početku knjige, ispred osnovnoga teksta. Ova vrsta uvoda dolazi odmah iza sadržaja, čini zasebnu cjelinu ili poglavlje, govori u cjelokupnom djelu i općenitiji je.

2. Uvod svakom poglavlju se odnosi na svako zasebno poglavlje i pozicionirano je na početku poglavlja.

3. Uvod kao osnova neke znanosti, koji se primjenjuje u slučajevima kada se u više knjiga izlaže znanstvena problematika cijele jedne znanstvene discipline. U tom se slučaju, kao prva knjiga takvog serijala, prakticira uvod u obrađivanu znanost – uvod u, primjerice, ekonomiju, sociologiju, pravo, književnost itd. Neki autori, međutim, smatraju uputnim ovu vrstu uvoda zamijeniti terminom «osnove», kako bi se izbjeglo «poistovjećivanje 'uvoda' kao dijela rada kojim se čitatelj uvodi u problematiku djela i 'uvoda' u mnogo širem smislu kao osnove o nekoj znanstvenoj disciplini» (Zelenika, 1990., 233.)

242

Prema formi znanstvenoga djela, potom, uputno je praviti razliku između uvoda koji prate magistarske radove, disertacije, znanstvene članke, udžbenike, priručnike itd. Kod svih njih, naime, postoji potreba da se pojedini elementi uvoda – primjerice, predmet, cilj istraživanja itd. – tretiraju na specifičan način.

Savjet koji se, na koncu, u pisanju uvoda može dati, odnosi se i na njegovu duljinu. Ni tu nema strogih pravila. Treba, i to je jedino pravilo, paziti da on ne bude ni predug, ni prekratak. Uputno je, pri tome, slijediti logiku da uvod bude što kraći. Koliko će to «što kraći» i iznositi, nema strogih pravila. U principu to podrazumijeva nekoliko stranica teksta, ali nikako ne više od «deset posto od opsega cijelog pisanoga djela, što neposredno zavisi o vrsti djela, složenosti teme koja se tretira u djelu i slično», ali ni, u slučaju da je djelo veće, od «petnaest stranica» teksta (Zelenika, 1990., 234.)

Sve navedeno, na koncu, upućuje na zaključak kako je teško govoriti i o postojanju uzora u pisanju uvoda. Dapače. Istina jeste da, pri njegovu pisanju, treba paziti na to da se u njemu nađu određeni elementi. No, čvrsto nije utvrđen ni njihov broj ni njihov redoslijed. Istina je, potom, da uvod ne smije biti ni prekratak, ni predugačak. Na koncu, nedvojbeno je da, kako bi čitatelja pridobio, on mora biti jasan, kratak, jezgrovit, što življi i privlačniji.

8.1.1.1.4. Središnji dio znanstvenoga djela

Ovaj dio znanstvenoga djela uvijek dolazi iza uvoda. Različiti ga autori označavaju različitim terminima – osnovni tekst, razrada, izlaganje materije i slično. Bilo kako bilo, radi se o središnjem dijelu znanstvenoga djela, koji zauzima najviše prostora, koji je najinventivniji, u kojem se, iscrpno i argumentirano - s ciljem potkrepljivanja, obrazlaganja i dokazivanja postavljene hipoteze - izlaže prikupljena građa, u kojem, na koncu, do izražaja dolazi i autorovo znanje i sposobnost i istraživačko iskustvo.

Središnji dio znanstvenoga djela u formi knjige u pravilu je sastavljen iz više cjelina – dijelova, glava, poglavlja, odsjeka i podosjeka, i svaka od njih je označena i posebnim naslovom. U pravilu se, dakako, može govoriti o tri zasebne cjeline izlaganja znanstvenog djela u okviru njegova središnjeg dijela ili osnovnog teksta:

1. Povijesno-teorijski, retrospektivni ili eksplikativni dio u kojem se, koncizno i jasno, iznosi povijest proučavanog problema, ali i naznačuje značaj, aktualnost i korisnost istraživanja koje je provedeno.

2. Analitičko-eksperimentalni dio u kojem se iznose najbitnije znanstvene činjenice, podaci, teorije i zakoni, kojima se dokazuje ispravnost postavljenih hipoteza.

3. Perspektivni dio u kojem se, polazeći od rezultata istraživanja, trebaju predložiti konkretna rješenja, mjere i akcije za njihovu primjenu.

To, međutim, nikako ne znači da se središnji dio znanstvenoga djela, njegov osnovni tekst, sastoji od samo tri cjeline. Dapače. Svaka od njih, a analitičko-eksperimentalni dio posebice, može imati više zasebnih dijelova ili poglavlja.

Ako, pak, realizirano istraživanje ima za cilj dolazak do nekog praktičnog rješenja, ta se činjenica manifestira i u strukturi teksta koji nastaje kao rezultat provedenog istraživanja. Takav se tekst, naime, u pravilu, sastoji iz dva dijela – teorijskog, u kojem se prezentiraju teorijske osnove u vezi s konkretnim problemom istraživanja, te praktičnog, u kojem se nudi praktično rješenje za konkretni problem. Dakako, često je – budući se oni isprepliću - teško napraviti oštru crtu razgraničenja između teorijskog i praktičnog dijela, ostvariti tzv. čiste tipove (vidjeti, Salitrežić-Žugaj, 1985., 301-301.)

8.1.1.1.5. Zaključak

Zaključak znanstvenog i stručnog djela je, uz uvod i središnji dio ili osnovni tekst, najznačajniji dio svakog znanstvenog djela. U njemu su istaknuti svi odgovori na pitanja, postavljena u uvodu, najvažnija rješenja postavljenog problema istraživanja. On, zapravo, predstavlja krunu čitava rada, sintezu svega onoga što je prethodno analizirano – svih relevantnih spoznaja, informacija, stavova, znanstvenih činjenica, teorija i zakona iznijetih u analitičkom dijelu znanstvenoga djela - izloženu na način koji je i sistematičan, i koncizan i jezgrovit u isto vrijeme.

Svi autori, doduše, ne koriste termin «zaključak». Taj termin zamjenjuju s, primjerice, terminima «riječ na kraju», «umjesto zaključka», «zaključne napomene» i slično. Suština, međutim, koja se njima hoće postići ista je.

243

S druge strane, zaključak se ne pojavljuje nužno u svim znanstvenim i stručnim djelima. Zaobići ga se ne može u doktorskoj disertaciji, magistarskom radu, diplomskim i seminarskim radovima. No, ne mora ga i ne treba imati udžbenik, enciklopedija, leksikon, priručnik itd.

U pisanju zaključka treba voditi računa, prije svega, o tome da on ne bude ni prekratak, ali ni preopsežan. Duljina mu je u izravnoj vezi s, primjerice, vrstom djela i složenošću teme koja se u njemu obrađuje. No, bez obzira na to, on ne bi smio prelaziti deset posto od opsega ukupnoga djela. No, ako je ono veće, opseg zaključka se može kretati do maksimalno petnaest stranica veličine kojoj je prilagođen i tekst ukupnoga djela.

S druge strane, snaga zaključka se manifestira i u formi kojom je on izložen. Rajnberg (Rajnberg, 1949.,106.), primjerice, sugerira da se zaključci provedenog istraživanja sažmu na što je moguće manji broj – nikako ne više od osam do dvanaest zaključaka. Preporuča se, potom, da se svaki od njih i numerira – označi arapskim ili rimskim brojevima. Ako se, međutim, autor ne opredijeli za takav pristup, ako mu pretpostavi slaganje zaključaka u formi odlomaka (stavaka), u tom slučaju i veze između pojedinih odlomaka moraju biti čvrste i logične. Ta vrsta veza, dakako, u slučaju numeriranja zaključaka nije neophodna.

Na koncu, zaključak je sinteza svega urađenog, dio u kojem autor sabire svoje misli, u kojem se on ponovo vraća u fokus čitateljeve pozornosti. Stoga se ne preporuča navođenje u zaključku citata drugih istraživača i znanstvenika, ali ni prakticiranje fusnota. Naprotiv, preporuča se korištenje konciznih i jezgrovitih formulacija, ali i izbjegavanje prakse da ih se iznosi istim riječima i rečenicama kao i u izlaganju materije.

8.1.1.1.6. Sažetak

Sažetak (rezime, summary, Zusammenfassung) je dio koji se javlja, ili bi se trebao nalaziti, u svakom značajnijem znanstvenom djelu. Sama riječ, dakako, upućuje i na zaključak o čemu se radi – o sažetom prikazu članka ili djela u kojem se iznosi pregled, vrlo kratak sadržaj onoga što je u uvodu, središnjem dijelu i zaključku znanstvenoga djela izloženo. Njime se, još konkretnije, naznačuju: 1) temeljna svrha i ciljevi istraživanja, 2) primijenjena metodologija, 3) postignuti rezultati, te 4) bitni zaključci (vidjeti, Silobrčić, 1983., 33 i 37.).

Pri tome, dakako, treba praviti razliku između uobičajenog sažetka i opsežnog sažetka ili sinopsisa. Ovaj drugi je, naime, mnogo opširniji, obično je skraćeni oblik djela, skraćen prikaz djela a ne njegov sažetak (Silobrčić, 1983., 34.). Znak jednakosti se, potom, ne može staviti – a to se ponekad čini – ni između summary-a i abstract-a kao pojmova koji se koriste u engleskom jeziku. «Summary bi trebao sadržavati samo zaključke za čitatelje koji su pročitali čitav članak. Abstract je, pak, sažet prikaz članka, razumljiv i bez čitanja preostalog teksta, te se može objaviti neovisno od njega (u sekundarnim publikacijama). Ta razlika nije uvijek tako jasna niti se razlikovanje primjenjuje» (Silobrčić, 1983., 32.).

Koja je, dakle, funkcija sažetka? Može se, zapravo, govoriti o dvije. Zadaća mu je, prije svega, da posluži javnosti kao informacija o nekom djelu. Budući se može praviti nijansiranje između dviju vrsta javnosti – domaće i strane – logično je da se i sažetak piše na domaćem i jednom od svjetskih jezika, obično engleskom. S druge strane, zadaća je sažetka i da čitateljima omogući brzu spoznaju bitnih obilježja nekog djela i raščišćavanja s pitanjem imaju li u njemu nečeg zanimljivog za sebe i trebaju li ga uopće čitati.

U pisanju sažetka neka pravila nisu sporna. U pitanju su, naime, njegovi sastavni dijelovi. U gornjem lijevom kutu nalazi se ime i prezime autora (ili više autora), ispod njega, na sredini, naslov rada, a ispod naslova tekst sažetka.

U pisanju sažetka, međutim, postoje različiti pristupi. U znanstvenim člancima se, primjerice, sažetak na domaćem jeziku nalazi obično na početku, a na stranom jeziku na kraju članka. Ako se, pak radi o većim znanstvenim djelima – doktorskoj disertaciji, monografiji i slično – iskustva s pisanjem sažetka su dosta različita. Sažetak i na domaćem i na jednom od svjetskih jezika može se nalaziti na početku, ispred sadržaja. Moguće su situacije da se sažetak nalazi i iza svakog poglavlja. Najčešće je, međutim, po nama i najopravdanije ako se sažetak nalazi na kraju knjige, ispred popisa literature i odmah iza zaključka.

Ponetko i ponekada ima običaj staviti znak jednakosti između sažetka i zaključka. To, međutim, nije opravdano. Zaključak se, naime, odnosi na glavne doprinose djela o

244

kojem je riječ, dok se sažetkom na jasan i koncizan način daje pregled cjelokupnog djela, uključujući i zaključak. Zbog te osobine sažetak je i dio znanstvenoga djela koji je, uz sadržaj, pogodan za prenošenje informacija o djelu i bez osnovnoga teksta.

Zbog njegove pogodnosti kao forme u prijenosu informacija o djelu sažetak traži i da ga se piše uz strogo pridržavanje određenih pravila – da ga se piše, u pravilu, u jednom pasusu, jednostavnim jezikom, u trećem licu i u pasivu, s potpunim i povezanim rečenicama, i u rasponu od 100-400 riječi. Pri tome je potrebna i naznaka da prosječan sažetak ima obično oko 250 riječi.

Vodeći računa o svim postavljenim zahtjevima, u pravljenu sažetka su moguće i različite pogreške. Česta je, primjerice, pogreška da se pri pisanju sažetka prepričava naslov djela. To je, naprosto, suvišno. Pogreška je i inzistiranje u sažetku na potankostima, ali i spominjanje onoga čega u središnjem dijelu ili osnovnom tekstu uopće nema.

Moguće je, na koncu, praviti razliku između više vrsta sažetaka. Prema sadržaju, primjerice, sažetak se može pojaviti u dva oblika:

kao informativni, kojeg moraju imati sva djela u primarnim znanstvenim časopisima, jer se njime naznačuju svrha i ciljevi istraživanja, primijenjena metodologija, rezultati i bitni zaključci (Silobrčić, 1983., 33. i 37.)

kao indikativni, u kojem se navodi samo sadržaj djela, bez informacija o metodama, rezultatima i zaključcima. Takav sažetak se piše u jednom stavku i obično na početku konferencijskih priopćenja i preglednih članaka.

8.1.1.1.7. Popis literature (bibliografija)

Svako znanstveno djelo - neovisno o tome radi li se o obimnijem znanstvenom djelu ili, pak, znanstvenom članku - u svom sastavu ima i popis korištene literature ili bibliografiju. Pri tome, dakako, treba praviti razliku radne (prethodne, orijentacijske) bibliografije, koju istraživač sastavlja nakon izrade projekta znanstvenog istraživanja, i konačnog popisa korištene literature (konačne bibliografije) – onog o kojem je ovdje riječ – a koji se stavlja na kraju znanstvenoga djela.

Konačni popis literature ili konačnu bibliografiju mnogi smatraju ogledalom svakog znanstvenog djela, njegov dio koji, sam za sebe, govori i o autoru, njegovoj kulturi, odnosu prema znanosti, njegovom osjećaju odgovornosti itd. Recite mi, naglašava jedan od poznatih autora, «kakav je bibliografski katalog (popis) u disertaciji pa ću vam reći kako se njezin autor odnosi prema svojim znanstveno-literarnim dužnostima» (Rajnberg, 1949., 101.).

Popis literature obuhvaća sve izvore koje je autor, u izradi svoga djela, na bilo koji način koristio – knjige, članke, studije, priručnike, enciklopedije, rječnike, statistike, propise, novine i slično. Pri tome se treba pridržavati pravila da popis literature bude potpun i točan, da su uneseni podaci u vezi s njom pouzdani i provjereni. Protivno je, osim toga, znanstvenoj etici u popis literature unositi izvore koji nisu konzultirani, ali i izostavljati one koji su, za potrebe konkretnog djela, konzultirani i upotrijebljeni. Popis literature, potom, mora biti i suvremen, da je u njemu korištena najnovija literatura. Na koncu, on mora biti i sistematičan, urađen pregledno i po nekom usvojenom sistemu. Sistematičnost se, među inim, postiže i primjenom jedinstvenog kriterija u popisu literature. Literatura se, dakako, može sistematizirati prema različitim kriterijima. Navodimo najvažnije među njima:

Sistematizacija koja slijedi tzv. alfabetski popis literature. Primijeni li se on, navođenje literature slijedi kriterij abecednog redoslijeda prema prezimenu autora. Druge značajne izvora – rad li se o knjizi, članku, enciklopediji, priručniku itd. – u tom slučaju nisu relevantne.

Sistematizacija prema vrsti djela. U načinu razvrstavanja po ovom kriteriju se, međutim, daju sresti razlike među autorima. Za jedne, «najčešći je slučaj da se sve bibliografske jedinice svrstavaju u četiri skupine i to: 1) knjige, 2) članci, 3) nepotpisani napisi i 4) ostali izvori» (Zelenika, 1990., 221.). Drugi, opet, u tom tipu razvrstavanja, razlikuju slijedeće skupine izvora: «referentne publikacije (enciklopedije, priručnici, rječnici), knjige i bibliografije, časopisi, znanstveni i tehnički izvještaji itd.» (Žugaj, Dumičić, Dušak, 1999., 265.). Primijeniti se, dakako, može i jedan i drugi, ali i neki potpuno treći, pod pretpostavkom, dakako, da slijedi određen princip grupiranja.

245

Sistematizacija literature prema jeziku na kojem je djelo napisano. U tom se slučaju razvrstavanje vrši samo po pripadanju istom jeziku. Ostale se značajke izvora zanemaruju.

Osim ovih, koji su najčešće primijenjeni, susresti se mogu i neki drugi kriteriji sistematizacije korištene literature. Primjerice:

Sistematizacija prema vremenu nastajanja konkretnog izvora. Primjeni li se taj kriterij razvrstavanja u popisu literature, grupiranje će biti izvršeno prema godini nastajanja svake bibliografske jedinice. Sve bibliografske jedinice, primjerice, nastale u istoj godini naći će se grupirane na istom mjestu, jedna iza druge.

Sistematizacija prema zemljama podrijetla izvora. Zasebno će, primjeni li se ovaj kriterij razvrstavanja, biti grupirani svi izvori podrijetlom iz SDA, zasebno oni iz Francuske, Engleske, Njemačke, Rusije itd.

Bez obzira, međutim, koji kriterij razvrstavanja bio primijenjen, postoje pravila kojih se autor mora pridržavati u navođenju bibliografskih izvora. Minimum, koji svaki bibliografski izvor (ili jedinica) mora sadržavati, obuhvaća: prezime i ime autora (ili grupe autora), naslov djela, izdavač, sjedište izdavača (mjesto), te godina tiskanja djela. Primjerice:

Kesić, Tanja: Integrirana marketinška komunikacija: oglašavanje, unapređenje prodaje, Internet, odnosi s javnošću, publicitet, osobna prodaja, Opinion d.o.o., Zagreb, 2003.

U ovoj se formi navođenja bibliografskih jedinica, opet, mogu primijeniti različiti pristupi. Ime autora, koje ide iza prezimena, od prezimena se može – ali i ne mora – odvojiti zarezom, može ići u punom tekstu, a moguće je navesti samo prvo slovo imena i iza njega staviti točku itd. Ako je više autora, u principu se prezime prvog stavlja ispred imena, a kod svih ostalih ime ide ispred prezimena itd.

Ako se, pak, radi o znanstvenom članku, objavljenom u zborniku ili znanstvenom časopisu, bibliografska jedinica mora sadržati prezime i ime autora, naziv znanstvenoga ili stručnog članka, ime znanstvenog časopisa ili zbornika radova, izdavač, godina tiska časopisa ili zbornika, kod znanstvenog časopisa i broj (i mjesec izlaska iz tiska) časopisa, te stranice zbornika ili časopisa na kojima se članak nalazi, primjerice:

Kukić, Slavo: Bosanskohercegovački mediji i novinarski profesionalizam, Mostariensia, Sveučilište u Mostaru, 8/1998., 29.-38.

I u ovom su slučaju, dakako, kao i u prethodnom, moguće različite varijacije. No, mogući su i drugi pristupi u navođenju bibliografskih jedinica. Detaljniji pregled mogućih pristupa daju, među inima, Žugaj, Dumičić i Dušak (vidjeti Žuga, Dumičić, Dušak, 1999., 266), koji izdvajaju slijedeće primjere:

Smith John, Economic Theori and Operations Analysis, Brown Co., New York, 1961., p.625.Akademia Nauk SSSR, Problema cennosti v filosofu, Moskva, 1966.Cohen James, «The Statistical Facts of Income Distribution», Economic Journal, V, 5, 1959, 50-62.Cohen James, «The Statistical Facts of Income Distribution», Economic Journal, V, (5, 1959), 50-62.Beitz, Charles R. 1979. Political Theory and International Relations. Princeton, N.J: Princeton University Press.Bakalović H: Istraga u krivičnom postupku, «Svjetlost», Sarajevo, 1979.Closets F. de, «Toujours plus», Paris, Grasset, 1982.(Kirst 82) Kirstein, P. et al. «The UNIVERSE Project», Proc ICCC'82, 442-447, North Holland, September 1982.

246

8.1.1.1.8. Indeks pojmova i imena

Iako se u životu često može naići na slučajeve u kojima su izostavljeni i indeks pojmova i indeks imena, ni jedno obimnije znanstveno djelo (knjiga, udžbenik) ne bi smjelo izostaviti ovaj dio knjige. Oni, naime, knjigu čine znatno upotrebljivijom, olakšavaju snalaženje u njoj i omogućuju brže pronalaženje imena i pojmova koji čitatelja zanimaju.

Iz naziva je, potom, evidentno da se radi o dvije sastavnice – indeksu pojmova i indeksu imena. U vezi s njihovim navođenjem mogući su različiti pristupi:

da se indeks pojmova i indeks imena navode kao zasebni dijelovi knjige, da indeks pojmova i imena (ili imena i pojmova) čini jedinstvenu cjelinu. Ako se autor opredijeli za indeks pojmova i indeks imena kao zasebne cjeline, one

će doći jedna iza druge odmah nakon popisa literature.U tom se slučaju u indeksu imena, i to abecednim redoslijedom, navode sva

imena koja se u djelu spominju, uključujući i ona koja se javljaju u bibliografiji i popisu literature. Uz navedena se imena – pri čemu se prvo navodi prezime, a potom ime (ili samo prvo slovo imena) – navode i brojevi stranica na kojima se imena spominju. Mogući su, doduše, različiti pristupi, u slaganju indeksa imena. Navodimo dva karakteristična pristupa:

Prvi primjer: (Kukić, S.: Sociologija, teorije društvene strukture, Sarajevo Publishing, Sarajevo, 2004., 555.)

Keynes, J., 528Khaldun, I., 68,69,93,496King, M.L., 308, 393

U ovoj vrsti pristupu autor se zadovoljava navođenjem imena autora i broja stranice ili stranica na kojima se on pojavljuje.

Drugi primjer: (Hodžić, Kadrija: (Re)privatizacija i globalizacija, Ekonomska misao privatizacije, privatnog vlasništva i slobodnog tržišta u globalnoj privredi, Forum Bosnae, 22/2003. Međunarodni forum Bosna, Sarajevo, 2003., 536.)

Cheryl, L., 429n70Cheung, A., 140Chick, V., 249U ovoj vrsti pristupa autor, pored stranice na kojoj se nalazi ime autora – ako ono

nije u tekstu nego u napomeni (fusnoti) – navodi i redni broj napomene (fusnote) u kojoj se konkretno ime spominje. U našem slučaju, primjerice, ime Cheryl se spominje na stranici 429, u fusnoti br. 70.

Kod indeksa pojmova, ako se on javlja kao zasebna cjelina, autor vrši popis pojmova čiji pregled želi dati. U tom je slučaju nesporno da se pojmovi navode u popisu abecednim redom. No, i kod ovog indeksa su mogući različiti pristupi u slaganju pojmova. U nastavku slijede primjeri tri moguća pristupa u slaganju indeksa pojmova:

Prvi primjer: Kesić, Tanja: Integrirana marketinška komunikacija: oglašavanje, unapređenje prodaje, Internet, odnosi s javnošću, publicitet, osobna prodaja, Opinion d.o.o., Zagreb, 2003., str. 620.)

Ilustracija, 56Imidž, 102, 103Imidž marke, 116,118Ovaj pristup, kako se i vidi, karakterizira da su uz naziv pojma otisnuti brojevi

stranica na kojima se ti pojmovi – u široj ili užoj manifestnoj formi – i pojavljuju.

Drugi primjer: (Milerlaj, D.: Organizacija industrije proizvodnje, Ekonomski fakultet, Osijek, 1977., 333., preuzeto od Žugaj, M., K. Dumičić, V. Dušak: Temelji znanstvenoistraživačkog rada, Fakultet organizacije i informatike, Varaždin, 1999., 268.)

Organizacija rada, 20,120, 628U navedenom primjeru u oči upadaju boldirana slova i brojevi. O čemu se radi?

Boldirano slovo «O» kod «Organizacija» i «r» kod «rada». Ta boldirana slova upućuju čitatelja da u tekstu ima poseban naslov «Organizacija rada», dakle poglavlje ili

247

podpoglavlje, koje je posvećeno organizaciji rada. Boldirana prva brojka, u ovom slučaju broj 20, označava i stranicu u tekstu na kojoj se naslov «Organizacija rada» nalazi. Drugi broj, koji nije boldiran, upućuje na stranicu na kojoj se navedeni pojam spominje. Na koncu, treći broj, koji je također boldiran – u našem slučaju broj 628 – upućuje da se o istom pojmu, organizaciji rada, raspravlja šire, ali u sastavu drugog poglavlja, drugog naslova.

Treći primjer: (Šešić, B.: Osnovi metodologije društvenih nauka, Naučna knjiga, Beograd, 1974., 338.)

SINTEZA- pojam – 78- dijalektička – 3, 78-79, 82f- vrste – 80f- i analiza – 78ff

Navedeni primjer, zapravo, upućuje na tri vrste podataka u indeksu pojmova. Prva se odnosi na stranicu, na kojoj se navedeni pojam nalazi. Druga vrsta podataka, kod koje uz broj stranice ide i slovo «f», informira čitatelja da se na toj stranici navedeni pojam detaljnije razrađuje. Napokon, kod podataka koji uz broj stranice imaju otisnuto i duplo slovo «f» (kao ff), ono upućuje čitatelja da je konkretnom pojmu posvećena i posebna glava ili poglavlje.

Ako, pak, imamo posla s indeksom pojmova i imena kao jedinstvenom cjelinom, razlika u odnosu na prethodnu, situaciju u kojoj su ta dva indeksa odvojena, je tek utoliko što se – abecednim redoslijedom – navode i jedni i drugi. Sve druge posebnosti, koje su već markirane, do izražaja mogu doći i u takvom, jedinstvenom indeksu pojmova i imena. Na to, uostalom, upućuje i slijedeći primjer:

Primjer: (Robbins, S.P: Bitni elementi organizacijskog ponašanja, MATE, Zagreb, 1996., 312.)

Stone, Eugene F., 73Stott, Russell G., 73Strategija imitacije, 211-12Strategija inovacije, 211-12

8.1.1.2. Ostali dijelovi znanstvene knjige

8.1.1.2.1. Moto

Moto se, u principu, smatra perifernim dijelom knjige. No, autori se ponekada odlučuju staviti ga. Ako to čine, mjesto mu je na samom početku, odmah iza naslova znanstvenoga djela. Osim toga, moto se može prakticirati i na početku svakog poglavlja, odmah ispod naslova poglavlja. Kada su, pak, po srijedi doktorske disertacije i magistarski radovi – djela internog karaktera – u njima se moto ne prakticira. No, pogriješiti se neće i ako ga se i iskoristi.

Pod motom (geslom, lozinkom, epigrafom) treba podrazumijevati oštroumnu ili duhovitu izreku, citat, frazu, poslovicu kojom se želi poslati određenu poruku ili izraziti karakter teme.

8.1.1.2.2. Posveta

Kao i moto, i posveta se smatra perifernim dijelom znanstvene knjige. Inače, posveta predstavlja izraz potrebe autora da se nekome posebno zahvali za inspiraciju, potporu, iskazano razumijevanje ili ljubav. U pravilu je ta potreba usmjerena prema roditeljima – ili jednom od njih, supružnicima, djeci ili cijeloj obitelji, a može i uzorima, prijateljima i slično.

Ako se autor opredijeli na posvetu kao dio svoga djela (knjige, monografije itd.), mjesto joj je također na samom početku knjige, iza mota a ispred pregovora – ukoliko on postoji – i sadržaja znanstvenoga djela.

248

O opravdanosti posvete postoje različita mišljenja. Među njima je značajan udio i onih koji prema posveti imaju negativan odnos. Posvećuje li, mišljenje je književnika Pavličića, «čovjek knjigu svojoj ženi, onda je vrlo žalosno ako misli da joj s tom jednom knjigom može zahvaliti za sve ono što je za njega uradila u životu». Slična je stvar i s posvećivanjem knjige obitelji jer ona «vas voli i bez knjige, a ako ne voli neće pomoći ni knjige» (vidjeti u Plevnik, 1986., 33.)

8.1.1.2.3. Predgovor

Mnogi su skloni stavljati znak jednakosti između predgovora i uvoda pa, sukladno tome, tu cjelinu naslovljavati ili kao pregovor ili kao uvod53. Drugi, opet, na predgovor i uvod gledaju kao na zasebne i podrazumijevajuće sastavne dijelove znanstvenoga djela.54

Na predgovor smo, međutim, skloni gledati kao na dio znanstvene knjige koji ne treba shvatiti kao njezin obvezan sastavni dio. Sve to, dakako, ne znači kako je predgovor i svojevrsni balast znanstvenom djelu. Dapače. Ozbiljnija znanstvena djela u pravilu u svojem sastavu – iza posvete, a ispred sadržaja – imaju predgovor. S druge strane, neophodno je dobro poznavati suštinu i značajke i predgovora i uvoda kako ne bi došlo do miješanja elemenata koji pripadaju jednom i onih koji pripadaju drugom.

Kako dakle, definirati predgovor? Po jednima, on je «preliminarno objašnjenje značenja djela i motiva rada», «mora se odnositi na cjelokupno djelo, mora dati općenite karakteristike, on je jedinstven nazivnik znanstvenog djela» (Salitrežić, Žugaj, 1985., 285.). Za druge, opet, predgovor je dio znanstvenog djela, po pravilu kratak i općeg karaktera, u kojem se «obično iznose razlozi koji su autora podstakli da djelo napiše, kao i eventualni dug koji ima prema drugima – suradnicima na poslu, starijem kolegi, nastavniku ili rukovoditelju» (Šamić, 1980., 87.). Treći, na koncu, predgovor definiraju kao «tekst na početku knjige koji objašnjava glavni tekst, daje podatke koji olakšavaju čitanje i razumijevanje glavnog teksta» (Anić, 1991., 525.).

Bilo koje, međutim, određenje predgovora prihvatili, njegovo je razlikovanje u odnosu na uvod sigurno tek nakon što mu se preciziraju osnovne značajke. A one, značajke predgovora mogu se pojaviti kao formalne i kao sadržajne.

Među formalnim značajkama predgovora ističu se posebice:1. Kratkoća. Predgovor, u pravilu, treba biti kratak i jezgrovit, redovito kraći od

uvoda, napisan na najviše od nekoliko, a najčešće na samo jednoj stranici.2. Općenitost, a to znači da se u njemu iznose općenite informacije, opći putokaz,

upozorenje i slika o djelu od koje često ovisi i hoće li ono biti pročitano ili ne.3. Po svojem položaju u djelu predgovor je na prednjem dijelu znanstvenoga djela,

a po redoslijedu pisanja on je, zapravo, pogovor budući se, u pravilu, piše posljednji, nakon što je djelo završeno.

4. Pisac predgovora obično je autor. Ako ga, međutim, piše neka druga osoba, a može, on postaje i sadržajno drugačiji, dobiva karakter svojevrsne recenzije i preporuke i djela i njegova autora.

5. Predgovor u novim izdanjima se prakticira u slučaju da se autor, zbog toga što je ranija naklada rasprodana, opredijeli za novo izdanje djela. U tom se slučaju, uz stari predgovor – ili predgovore ako je bilo više izdanja – piše i novi. Smisao mu je pojašnjavanje razlika između novog i starog – ili starih izdanja.

6. U slučaju da se prevodi djelo stranog autora, prakticira se predgovor u prevedenim djelima, koji se objavljuje uz predgovor autora. Njega obično piše istaknuti stručnjak iz oblasti kojoj pripada konkretno djelo, a cilj mu je upoznavanje čitatelja s autorom, njegovim znanstvenim opusom, ali i drugim pojedinostima

U predgovoru se, međutim, u pravilu može pronaći i nekoliko tzv. sadržajnih značajki. Takve su, primjerice:

1. Svrha, ciljevi i zadaci istraživanja, koje autor u predgovoru, što je moguće jasnije, markira.

53 “Uvod ili predgovor sadrži: prvo – objašnjenje teme i drugo – izlaganje postavljenog cilja, zadataka, namjere rada…» (Rajnberg, 1949., 91.), pri čemu pod predgovorom podrazumijeva skraćeni uvod.

54 Predgovor je “po pravilu, kratak i općeg karaktera. Po tome se najviše i razlikuje od uvoda” koji je, opet, „većeg obima od predgovora...”

249

2. Motivi – razlozi, zbog kojih se je autor djela odlučio pisati o određenoj temi, a mogu biti veoma različiti – od toga da nema udžbenika ili priručnika za određeni kolegij na fakultetu, preko želje za afirmacijom (u slučaju da se radi o mladom i neafirmiranom znanstveniku), do potrebe da se istraži područje koje je nedovoljno istraženo.

3. Kome je djelo namijenjeno. Odgovor na to pitanje, doduše proizlazi i iz motiva i razloga zbog kojih je djelo napisano. Ali, odgovor na to pitanje nije suvišno dati i eksplicitno.

4. Upoznavanje čitateljstva s poteškoćama, na koje je autor pri pisanju znanstvenoga djela naišao, također je jedna od značajki predgovora znanstvenoga djela. A te poteškoće mogu biti različite. Najčešće je, dakako, riječ o poteškoćama na koje je autor djela naišao tijekom istraživanja. Isključena nije mogućnost postojanja i drugih poteškoća – od pomanjkanja financijskih sredstava do poteškoća terminološke naravi.

5. Zahvalnost suradnicima gotovo redovito je jedan od elemenata od kojih se sastoji predgovor. Ona treba biti izražena diskretno, bez pretjerivanja, ali i bez ignoriranja dobivene pomoći.

8.1.1.2.4. Popis tablica i ilustracija

Ako se u sastavu znanstvenoga djela nalaze i različite vrste ilustracija (tablica i slika), grafikona, fotografija, kratica i drugih priloga, njihov popis, sa brojem stranica djela na kojima se mogu pronaći, nalazi se odmah iza sadržaja djela. Svi oni su, međutim, fizički smješteni u dodatku, dakle, iza popisa literature.

8.1.1.2.5. Dodatak (apendiks, prilozi, dopune)

Ako znanstveno djelo (knjiga) ima dodatak (apendiks, dopunu, prilog) on dolazi na gotovo samom kraju znanstvenoga djela – iza popisa literature a ispred indeksa pojmova i imena (ili indeksa pojmova i indeksa imena). U dodatak ulazi sve što čitatelju može pomoći u čitanju osnovnoga teksta – zanimljivi prikazi, anketni upitnici, grafikoni, slike i tablice, abecedni popis najznačajnijih kratica s naznakom njihova značenja i slično.

8.1.2. Dijelovi znanstvenog članka Strukturu znanstvene knjige u značajnom dijelu prati i struktura znanstvenog

članka. No, za njega su, uz sve to, karakteristične i neke specifičnosti. Stoga postoji potreba barem ukazati i na ustaljene dijelove znanstvenoga članka. Detaljnije se, međutim, kanimo zadržati samo na onim dijelovima koji su svojstveni samo znanstvenom članku. Radi li se, primjerice, o izvornom znanstvenom članku, njegovi ustaljeni dijelovi su:

1. Naslov, u vezi s kojim vrijede sve upute koje se odnose i na naslov u znanstvenoj knjizi. Ako, pak, koja specifičnost i postoji, ona se odnosi na duljinu naslova. U znanstvenom članku se, tako, tolerira nešto dulji naslov, ali ni ovdje on ne bi trebao prelaziti pedeset slova, odnosno 10-15 riječi.

2. Autor ili autori. Ako se radi o autoru, problem u tom slučaju i ne postoji. Potrebno je, dakle, znati jedino da njega treba navesti odmah nakon naslova. Ako je, pa, u pitanju više autora – a suvremeni znanstveni rad tu situaciju sve češće podrazumijeva – problem autora se postavlja u značajno ozbiljnijoj formi. Takva situacija traži odgovor na pitanje tko će biti naveden kao prvi autor, tko će sve biti naveden kao dio autorskog tima itd. U pravilu se smatra da prvi autor treba biti onaj tko je na radu najviše radio, najčešće rad osobno i pisao. Ostali se – iako je i to dio dogovora - najčešće navode abecednim redom.

3. Sažetak se u znanstvenom članku nalazi, ili između naslova i teksta – što je prirodnije - ili na kraju članka. Konkretno mu mjesto, u pravilu, u uputama autorima propisuju časopisi, urednici zbornika itd. Neovisno, međutim, o tome gdje se nalazio, sažetak mora sadržati podatke o ciljevima istraživanja i kako su oni ostvareni, te o rezultatima i zaključcima, a sve radi toga da čitateljima stvori mogućnost brzog otkrivanje važnih dijelova sadržaja članka i donošenja odluke hoće li ga čitati ili ne.

4. Uvod je dio znanstvenoga članka u kojem se navode podaci o predmetu, svrsi i opsegu istraživanja, čitateljstvo se upoznaje s rezultatima srodnih istraživanja, formuliraju se hipoteze itd.

250

5. Korištene metode su dio rada koji slijedi nakon uvoda, a svrha mu je detaljno iznošenje informacija o korištenim sredstvima i postupcima što drugima omogućuje da izvrši provjeru i postupaka i dobivenih rezultata.

6. Rezultati istraživanja su najznačajniji dio članka u kojem se, jasno i precizno, ističe i opisuje sve bitno do čega se tijekom istraživanja došlo.

7. U diskusiji¸koja je zaseban dio znanstvenoga članka, se dobiveni rezultati kompariraju s rezultatima drugih istraživanja, postavljena hipoteza odbacuje ili prihvaća, navode se rezultati koji nisu očekivani, daju prijedlozi za budući rad itd.

8. Popis citirane literature dolazi na kraju znanstvenoga članka. Iako detaljnije naloge u vezi s popisom literature daje uredništva časopisa ili zbornika znanstvenih radova, on slijedi približno ista pravila koja vrijede i za popis literature kod znanstvene knjige.

U nekim situacijama znanstveni članak može sadržati i zahvalu za pomoć kolegama i suradnicima, institucijama koje su osigurale financijsku potporu i slično. Ako se, pak, autor – ili autori – opredijele na zahvalu, njezino je mjesto, u pravilu, između diskusije i popisa citirane literature.

8.2. DOKUMENTACIJSKA OSNOVA RUKOPISA

Pod znanstvenom dokumentacijom različiti autori ne podrazumijevaju istu stvar55. Pod dokumentacijskom osnovom rukopisa se, u ovoj analizi, podrazumijevaju četiri sastavnice:

1. citati, 2. podnošci (fusnote, napomene), 3. konačna bibliografija i 4. ilustracije. Pitanje konačne bibliografije već je tretirano u kontekstu dijelova znanstvene knjige

(vidjeti poglavlje 8.1.1.1.7 Popis literature (bibliografija)). Stoga se nastavak analize posvećuje ostalim sastavnicama znanstvene dokumentacije.

8.2.1. Citiranje

Sako znanstveno i stručno djelo u svojem sastavu sadrži dvije vrste teksta – jednu koja izražava autorovu misao, spoznaje i ideje, i drugu koja je manifestacija tuđih misli i spoznaja. Korištenje tih, dakle, tuđih misli, spoznaja, podataka i ideja nije zabranjeno. No, postoje procedure kojih se, u tom slučaju dakako, autor mora pridržavati. Te procedure se u znanosti označavaju terminom «citiranje». Good i Scates (vidjeti Good i Scates, 1967, 671-672.), doduše, pojam citiranja shvaćaju i nešto šire. Oni, naime, prave razliku između izravnih (neposrednih) i neizravnih (posrednih) citata. Pri tome se pod neizravnim (posrednim) citatima podrazumijeva parafraziranje i prosuđivanje, i kod njega se niti ne upotrebljavaju navodni znaci, ali se odgovarajućim podnoškom (fusnotom) treba naznačiti parafrazirani izvor. U protivnom, ako se ne navede izvor iz kojeg je tekst «prepričan» ili podaci iz njega interpretirani na svoj način, radi se o plagijatu.

Neizravni citati, međutim, u Good-Scatesovom značenju toga pojma, nisu predmet ove analize. Sukladno tome, pod citiranjem se podrazumijeva samo pismeno ili usmeno navođenje, i to od riječi do riječi, tuđih riječi ili dijelova teksta u vlastitom znanstvenom ili stručnom radu.

Svrha citiranja u znanstvenim i stručnim radovima je doista raznolika. Citiranjem se, prije svega, ilustrira neki problem. Citat, potom, često služi i kao dokaz, iako mu tu dimenziju, u pravilu, treba izbjegavati budući u funkciji dokaza moraju biti vlastiti, a ne tuđi argumenti. Citatom se nerijetko, pozivom na određeni autoritet, argumentira i vlastita misao.

Bez obzira, međutim, u kojem ga se svojstvu i s kojim ciljem koristilo, u citiranju treba imati mjeru. U protivnom, oni mogu biti uzročnici gušenja autorove sopstvene misli, umanjenja originalnosti i vrijednosti njegova teksta, ono što se predstavlja vlastitim radom

55Za Šamića i Žugaja, primjerice, znanstvena dokumentacija podrazumijeva citate, podnoške (fusnote) i konačnu bibliografiju. S druge strane, pod znanstvenom dokumentacijom Zelenika podrazumijeva citate, pozivne bilješke (fusnote) i ilustracije.

251

prestaje biti to i postaje, Chamsonovim (Šamson) jezikom govoreći, donje rublje stranih ljudi, prerasta u tzv. citatologiju.

Uvažavajući sve to, citiranje podrazumijeva i pridržavanje određenih pravila. Najvažnija među pravilima citiranja su i posebno apostrofirani:

1. Citat se svojim sadržajem mora uklapati u tekst na način da s njime čini organsko jedinstvo, da se ne osjeća nikakav prijelaz s vlastitog teksta na citat.

2. U pravilu, citat ne smije biti predugačak. Samo u izuzetnim slučajevima dopušta se da on bude duži od nekoliko redaka, ponekada i od jedne stranice.

3. U pravilu se, potom, citira «iz prve ruke». 4. Odstupanje od ovog pravila se dopušta samo u posebnim slučajevima,

primjerice ako primarni izvor nije dostupan. U tim se slučajevima pribjegava «citatu iz druge ruke», citiranju citata. No, u tom se slučaju treba pridržavati pravila da se navedu svi potrebni elementi o originalnom djelu, a tek potom napomena da je «citirano prema», dakle navode se svi potrebni elementi i o autoru od kojeg je citat preuzet. Primjerice:

Kustić, Ž., Velike religije svijeta, Zagreb, 1974., str. 32., citirano prema Kukić, S., Sociologija, teorije društvene strukture, Sarajevo Publishing, Sarajevo, 2004., str. 332.Pri tome su, dakako, moguće i različite vrste skraćivanja, na što – u dijelu o

sustavima citiranja - upozorava i nastavak ove analize. 5. Ukoliko je citat u originalu napisan boldom (masnim slovima) i kurzivom, kod

citiranja ga se u toj formi mora i prenijeti. S druge strane, ako je citat u originalu napisan običnim tekstom, a autor ga pri citiranju, ili samo jednu ili više riječi u njemu, želi boldom ili kurzivom istaći, dužan je u podnošku (ili napomeni uz istaknuti dio citata) navesti «podvukao autor» ili «kurziv je naš».

6. Dio iz drugog djela, ako je ono napisano na nekom od stranih jezika, moguće je citirati na jeziku kojim je napisan, a moguće ga je i prevesti na jezik djela u kojem se citira. Što će se od toga učiniti zavisi, prije svega, o tome o kakvom se djelu radi i kome je ono namijenjeno, ali i kojeg nivoa važnosti je konkretni citat. Radi li se, primjerice, o strogo znanstvenom djelu, ako je, uz to, ono namijenjeno stručnjacima ili pak stranoj publici, prakticirati će se citat na jeziku kojim je napisan. U tom bi se slučaju prijevod citata na jezik autora djela trebao naći u fusnoti. Ako je, pak, djelo namijenjeno širem krugu čitatelja, ili je citat napisan na jeziku koji ne spada u grupu svjetski rasprostranjenih, u tom je slučaju logičnije očekivati da on bude preveden na jezik autora djela u kojem se citira. No, u tom je slučaju, isto tako, logično i da citat u svojem originalu bude naveden u fusnoti. Što će, u svakom konkretnom slučaju, autor djela učiniti, za što će se opredijeliti, ovisi isključivo o njemu.

7. Temeljno pravilo kod citiranja glasi: preuzeti tekst drugog autora se stavlja među znakove navođenja («…»), a potom se, u fusnoti ili napomeni uz citirani tekst, navodi i djelo iz kojeg je citirano, ili iz kojeg je citat nekog drugog autora preuzet. Ako se, pak, citira drugog autora, i ako se u preuzetom tekstu nalazi i citat nekog drugog autora kojega je on citirao, taj se dio stavlja u polunavodnike ('…').

8. Ako se u dijelu teksta koji se citira, zato što su nezanimljive i slično, ispusti jedna ili više riječi, to se čitatelju mora dati do znanja na način da se na mjesto ispuštenih riječi ili dijela teksta stavi zagrada s tri točkice (…).

Primjer:Originalni tekst: «Bogardus predlaže klasifikaciju koja također respektira više kriterija, a koja predviđa razlikovanje šest klasifikacijskih grupa.»Citat s ispuštanjem: «Bogardus predlaže klasifikaciju (…) koja predviđa razlikovanje šest klasifikacijskih grupa.»Čini li se, pak, to, mora se voditi računa da se ispuštanjem jedne ili više riječi ne

izgubi izvorni smisao misli njihova autora. 9. Citatu se ponekada može ponešto i dodati kako bi smisao citiranja bio

upotpunjen. No, u tom se slučaju dodatak također stavlja u zagradu, a uz njega je moguće staviti i inicijale autora kako bi se znalo da se radi o njegovu dodatku, a ne dijelu citiranog teksta. U korištenom citatu to bi moglo izgledati na slijedeći način:

«Bogardus predlaže klasifikaciju koja također (kao i kod Gurvitcha, Simmela, Beckera i drugih – K.S) respektira više kriterija, a koja predviđa razlikovanje šest klasifikacijskih grupa.»

252

10. Na koncu, u citiranom se tekstu zadržavaju sve njegove posebnosti, pa i eventualne, ako ih ima, pravopisne ili materijalne pogreške. U tom će slučaju, međutim, autor koji citira, navedene pogreške, ako ih primijeti, odmah iza njih prokomentirati latinskom riječi sic, s uskličnikom iza nje i sve to smješteno između zagrada – dakle, kao (sic!), a to – budući latinska riječ sic znači «tako» - ima značiti komentar tipa «tako autor».

Primjer: «Sustav normi i pravila ponašanja unutar gripe (sic!) i grupe prema vani»

Kod citiranja ili navođenja literature se može koristiti više načina ili sustava citiranja – Harvardski, numerički, abecedno-numerički itd.

A. U Harvardskom sustavu citiranja se u tekstu, ako je moguće na kraju rečenice, stavlja samo prezime autora i godina publikacije, primjerice (Kukić, 2004), a u popisu literature referenca bi se, poštujući abecedni redoslijed, navela na slijedeći način:

Kukić, S. Sociologija, teorije društvene strukture, Sarajevo Publishing, Sarajevo, 2004., iliKukić, S. (2004). Sociologija, teorije društvene strukture. Sarajevo. Publishing Sarajevo. Unutar ovoga sustava je, osim toga, moguće i proširenje brojem stranice u tekstu.

U konkretnom slučaju se to proširenje može izvesti kao (Kukić; 2004; str. 354) ili samo kao (Kukić; 2004., 354).

Osnovna prednost Harvardskog sustava citiranja je u tome što reference nisu numerirane pa ih je relativno jednostavno naknadno ubacivati ili, pak, izbacivati iz teksta. Nedostatak mu je, međutim, vezan za činjenicu da zauzima relativno dosta prostora i povećava obujam teksta, posebice ako se koristi veliki broj referenci. Ono što, potom, kod ovog sustava može biti problem jeste mogućnost da među referencama nađu dva djela istog autora iz iste godine. U tom se slučaju pribjegava rješenju da se jedno od djela označi s «a», a drugo s «b».

B. Kod numeričkog sustava citiranja redni broj reference se određuje temeljem redoslijeda njezina pojavljivanja u tekstu. Redni broj reference se, dakle, stavlja u zagradu kojom se referenca označava. Primjerice, ako je citat iz udžbenika «Sociologija, teorije društvene strukture» dvanaesti po redu u rukopisu nekog djela, uz citat stavlja broj 12 u formi (12), a u popisu literature se, na rednom broju 12, stavljaju svi podaci uz citirano djelo, dakle:

Kukić, S. Sociologija, teorije društvene strukture, Sarajevo Publishing, Sarajevo, 2004., iliKukić, S. (2004). Sociologija, teorije društvene strukture. Sarajevo. Publishing Sarajevo. Ako se, potom, navedeno djelo citira još koji put, redni broj prvog citiranja, u našem

slučaju br. 12, se uvijek zadržava. Dakako, redni broj pojavljivanja određenog citata se – što je još prihvatljivije - može i dopunjavati i brojem stranice citiranog djela kako bi se imao detaljniji uvid u to gdje je u citiranom djelu navod smješten. U konkretnom primjeru to bi izgledalo ovako: (12., 134) ili (12; 134), pri čemu br. 12 označava da se radi o referenci koja je prvi put citirana dvanaesta po redu, te da se citat nalazi na 134. stranici navedene reference.

I ovaj sustav citiranja ima svojih i dobrih strana, ali i nedostataka. Dobra mu je osobina jednostavnost referenci u tekstu. Nedostaci mu se, međutim, ispoljavaju i u odnosu na autora i u odnosu na čitatelja. Što se autora tiče, problem je u tome što se, ako se takva potreba naknadno ukaže, ne mogu ubacivati bez teškoća nove reference između već postojećih jer se remeti napravljeni redoslijed. Što se, pak, čitatelja tiče, problem je vezan za činjenicu da numerički sustav u popisu literature ne slijedi abecedni red nego redoslijed prvog pojavljivanja, a to čitatelju otežava snalaženje.

C. Abecedno-numerički sustav citiranja je svojevrsna kombinacija dvaju prethodnih. U rukopisu se, naime, citati navode po redoslijedu prvog pojavljivanja, kao kod numeričkog sustava ( u našem slučaju to je br. 12). U popisu literature se, međutim, slijedi abecedni redoslijed, a nakon njegova sređivanja vrši se korekcija i u citiranju na način da se na mjesto prvog po redu pojavljivanja određene reference stavlja redni broj reference iz abecednog redoslijeda u popisu literature. Naš br. 12, u tom slučaju, u popisu može doći na,

253

primjerice, redni br. 4. U tom se slučaju u svim navodima u tekstu, u kojima je redni br. 12 korišten za oznaku određene reference, na mjesto broja 12 stavlja broj 4. Dakako, i u tom slučaju postoji mogućnost navođenja uz citat samo rednog broja reference u popisu literature – u konkretnom slučaju (4) – ali i navođenja uz redni broj reference broja stranice (ili stranica) na kojoj se citat pojavljuje – primjerice (4, 143) ili (4;134)

Bez obzira koji se od navedenih sustava koristi, danas je sve više prijedloga kako bi se, uz puno prezime –u citiranju, ako se koristi Harvardski sustav, ali i u popisu literature – trebalo navoditi i puno ime autora. Razlog je u činjenici da se s istim prezimenom u citiranju, ali i referencama, može pojaviti više autora, zbog čega korištenje samo prezimena može dovesti i do zabune.

Danas je, međutim, sve prisutnije i citiranje izvora s Interneta. Postoji, dakako, veći broj poslužitelja na Internetu, koji se u popisu literature mogu citirati. Među njima se izdvajaju: World Wide Web (WWW) poslužitelj, GOPHER poslužitelj, FTP (File Transfer Protocol) adresa, Telnet adresa, Sinkrone komunikacije i drugi. No, najčešće se koristi WWW poslužitelj, a na njemu, opet, Linx, Netscape ili neki drugi prebirnik.

Da bi se na tim, ili nekim drugim, prebirnicima moglo citirati, potrebno je raspolagati slijedećim informacijama koje se na prebirnik unose (Žugaj, 1997., 197):

1. ime autora (ukoliko je poznato),2. pun naslov dokumenta u navodnicima,3. naslov kompletnoga rada (ukoliko postoji) u kurzivu,4. datum publiciranja ili posljednje prepravke,5. potpun URL (http adresa) unutar kutnih zagrada,6. nadnevak «posjete» u zagradama, koji je veoma važan jer jamči da je citirani

dokument u momentu citiranja bio dostupan.Model: Crouse, Maurice, «Citing Elecrtonic Information in History papers.» 7.

prosinac 1996. (http:/www.people.memphis.edu/čcrousem/elcite-html)(16. prosinca 1996)

Bilo koji sustav citiranja da se koristi pri citiranju su moguće i izvjesne pogreške. One su svojstvene posebno mlađim autorima. Među njima je, primjerice, posebno česta pogreška da se citat najavljuje nekom vrstom parafraziranja, da se nakon citata ponovo osvrće na njegov sadržaj, a moguće je da citat prati i «parafrazirajuća priprema» i naknadni komentar u isto vrijeme.

8.2.2. Podnožak (fusnota, napomena)

Podnožak (fusnota, podnožna napomena, napomena, rubna bilješka itd.) označava bilješku koja se obično stavlja ispod teksta, pri dnu stranice, koja je otisnuta slovima sitnijima od teksta samog, i kojom se obično objašnjava nešto u vezi s napisanim tekstom, nešto što bi u tekstu bilo balast, otežavalo mu čitanje i razumijevanje. Radi se, u pravilu, o objašnjenjima koja su korisna, ali za razumijevanje teksta ne i nužna.

Postoje različite vrste podnožaka (fusnota, napomena). Svi oni se, dakako, mogu grupirati prema dva osnovna kriterija – po sadržaju i mjestu gdje se nalaze.

Prema sadržaju moguće je praviti razliku između tri temeljne vrste podnožaka ili napomena – dokumentarnih (bibliografskih), eksplikativnih i uputnih.56

Dokumentarnom (izvornom, bibliografskom) napomenom se navode bibliografski podaci izvora iz kojih su citati, ideje ili činjenice uzimani, a cilj joj je, prvo, da pruži određenu garanciju istinitosti citiranih činjenica, sudova i ideja i autorov tekst učini pouzdanijim, i drugo, da čitatelju omogući da se, ako želi, podrobnije i temeljitije upozna s citiranim izvorom, da, dakle, dodatno razvije svoje znanje. Ovim napomenama, sukladno tome, treba u najvećoj mjeri zahvaliti i razlikovanje između strogo znanstvenog i popularno-znanstvenoga djela.

56 Ormuš i Matijević za tu vrstu napomena koriste termin komparativne (vidjeti, Ormuš i Matijević, 1979., 180). No, tim se nazivom, po našem sudu, ne pogađa u potpunosti i smisao onoga što ova vrsta podnožaka znači. Stoga termin «uputne» smatramo prihvatljivijim.

254

Eksplikativnom napomenom se, u pravilu, nudi dopunsko objašnjenje određene misli ili činjenice iz teksta, u njemu iznijetih podataka, informacija, stavova itd.

Na koncu, uputnom napomenom se čitatelja upućuje na neki drugi izvor koji tretira istu ili sličnu problematiku ili na druge dijelove istog izvora.

Prema mjestu gdje se nalaze, moguće je praviti razliku između tri vrste napomena:

a) Napomene koje su sastavni dio teksta. Za njih je, zapravo, i ispravnije koristiti termin napomene jer su smještene uz sami tekst na kojeg se odnose.57 Ako se prakticira ovu vrstu napomena onda se podaci, koji je čine, stavljaju u zagrade nakon teksta na koji se ona odnosi. Takve su, u pravilu, dokumentarne napomene, one kojima se navode bibliografski podaci citiranog izvora, npr. (12., 134).

b) Fusnote (podnožne napomene) koje se nalaze ispod teksta, u podtekstu, i na stranici na koju se odnose. One su, u pravilu, označene arapskim brojevima.

c) Fusnote (podnožne napomene) iza svakog poglavlja ili na kraju knjige. U tom su slučaju sve fusnote, koje se u tekstu koriste, navedene na istom mjestu.

Radi li se, pak, o fusnotama kao podnožnim napomenama, također su moguće

različite kombinacije. Označavaju li se, primjerice, fusnote arapskim brojevima, to je moguće učiniti također na tri načina. Moguće je, prvo, da fusnote na svakoj stranici počinju rednim brojem 1. Istina je, doduše, da se ovakva mogućnost, zbog nedostataka kojima je opterećena – male promjene u tekstu mogu dovesti do velikih poremećaja - relativno rijetko koristi. Ako je, međutim, opredjeljenje na takav način označavanja, umjesto arapskih brojeva se mogu upotrijebiti i zvjezdice (*), jedna ili više njih ovisno o tome koliko fusnota na dotičnoj stranici ima. Moguće je, potom, da se fusnote odnose na jedno poglavlje. U tom slučaju, u svakom novom poglavlju fusnote počinju rednim brojem 1. Na koncu, moguće je da su fusnote jedinstvene za čitavo djelo. U tom slučaju, redni broj 1 koji stoji uz prvu fusnotu u djelu, a broj X uz posljednju.

U slučaju, potom, da je djelo opterećeno fusnotama ispod teksta ponekada se pribjegava rješenju da se razdvoje bibliografske i eksplikativne napomene, i to na način da se eksplikativne pišu pri dnu stranice, a bibliografske na kraju poglavlja ili knjige. U slučaju takvog opredjeljenja, međutim, mora se napraviti razlika i u označavanju napomena - da se, primjerice, eksplikativne napomene označavaju arapskim, a bibliografske rimskim brojevima.

Kada su, na koncu, u pitanju svi oblici fusnota, odnosno podnožnih napomena, u vezi s njima je potrebno poznavati i nekoliko pravila njihova korištenja. Među značajnije spadaju, svakako, i slijedeća pravila korištenja podnožaka:

Broj fusnote se obično (osim u izuzetnim slučajevima kada se, kako je i naznačeno, koriste rimski brojevi ili zvjezdice) označava arapskim brojem (1,2,3,…), bez zagrade, pri čemu je broj malo izdignut;

Broj fusnote dolazi na kraju citata, a ne odmah nakon navođenja autora u vezi s kojim je fusnota. Idealno bi, dakako, bilo kada bi s njim završavala rečenica. No, to često nije slučaj;

Ako na mjestu, koje je predviđeno za broj fusnote, postoji i određen interpunkcijski znak (zarez, točka itd.), broj fusnote dolazi poslije interpunkcijskoga znaka;

Kod tehnologije pravljenja fusnota, odnosno podnožnih napomena, u slučaju da se radi o dokumentarnim (bibliografskim) fusnotama, također se treba pridržavati određenih pravila. Neka od najvažnijih pravila pravljenja fusnota su i prezentirana u nastavku analize.

Kod prvog navođenja bibliografskih podataka iz izvora, u slučaju da na kraju znanstvenoga rada nema bibliografije, navode se svi bibliografski podaci: Prezime i ime (ili prvo slovo imena), naslov djela, broj izdanja (ako ih ima više), ime izdavača, mjesto izdanja, godina izdanja, broj stranice (ili stranica). No, i u tom se slučaju mogu primijeniti dva pristupa.

57 Za razliku od njih, termin fusnota po svojoj strukturi upućuje da se radi o napomeni koja je ispod teksta (ili na kraju poglavlja, ili na kraju knjige). Termin fusnota je, naime, njemačko-latinska kovanica (Njem. «Fuss» = noga, podnožje, lat. «nota» = znak, zabilješka) koja se može prevesti kao podnožna zabilješka (napomena).

255

Primjer br. 1: Kukić, S., Sociologija, teorije društvene strukture, Sarajevo Publishing, Sarajevo, 2004., s. 134

Primjer br. 2: Kukić, S., Sociologija, teorije društvene strukture, (Sarajevo Publishing, Sarajevo, 2004.), s. 134

Ukoliko, pak, na kraju znanstvenoga rada postoji bibliografija, i kod prvog navođenja djela je moguće izvršiti skraćivanje – bilo da ostanemo vjerni Harvardskom, bilo da se opredijelimo za numerički ili abecedno-numerički načinu navođenja. U korištenju Harvardskog načina navođenja prethodni bi primjer mogao izgledati ovako:

Kukić, S., Sociologija, teorije…, 2004., s. 134 Ako je u tekstu dano prezime autora djela, ili i prezime i naslov, onda se ti podaci

ne moraju navoditi i u podnošku ili fusnoti. Primjer 1: u tekstu se nalazi prezime autora

Sociologija, teorije društvene strukture, Sarajevo Publishing, Sarajevo, 2004., s. 134

Primjer 2: u tekstu se nalazi i prezime autora i naslov djelaSarajevo Publishing, Sarajevo, 2004., s. 134

Ako u djelu nije dano ime autora, napomena počinje naslovom djela. U korištenom primjeru to bi izgledalo ovako:

Sociologija, teorije društvene strukture, Sarajevo Publishing, Sarajevo, 2004., s. 134

Ako se u fusnoti (podnožnoj napomeni) navodi više izvora, oni se obično rastavljaju točkom i zarezom.

Primjer: Kukić, S., Sociologija, teorije društvene strukture, Sarajevo Publishing, Sarajevo, 2004., s. 134; Marušić, A., Sociologija, Zagreb, 1965., s. 45.

Ako su djelo napisala dva ili tri autora, navode se imena svih njih, npr.:Kukić, S. i Demirović, M., Metodologija znanstvenoistraživačkog rada društvenih znanosti, Mostar-Bihać, 2003., s. 45.

Ako je djelo plod rada više autora, u fusnoti se navodi samo prvi od njih, a uz njega se stavi «i dr.» ili «et al.»

Primjer: Buble, M. et al. (ili Buble, M. i dr.), strategijski management, Ekonomski fakultet, Split, 1997., s. 234.

Prethodni primjer upozorava i na još jedan detalj koji se javlja u korištenju fusnota. U pitanju je, naime, korištenje različitih kratica u fusnotama. U znanstvenim i stručnim djelima se – pri čemu se misli na ukupnost teksta u njima - najčešće koriste slijedeće kratice:

Articulus (skraćeno, art.) = član Confer (skraćeno, cf.) = usporedi Et cetera (skraćeno, etc.) = i tako dalje Ibidem (skraćeno, ibid. ili ib.) = na istom mjestu (u istom djelu, na istoj strani) In fine = konačno, na kraju (knjige), na svršetku. Infra (skraćeno, inf.) = ispod, niže (upućuje na ono što će doći kasnije) Loco citato (skraćeno loc.cit. ili l.c.) = na navedenom mjestu Opus citatum (skraćeno op. cit ili samo o.c.) = u navedenom djelu (u djelu

koje je ranije već bilo spomenuto) Pagina (skraćeno, pag. ili p.) = stranica u knjizi Sine anno (skraćeno, s.a.) = bez godine izdanja (kod djela koja nemaju godinu

izdanja) Sine loco (skraćeno, s.l.) = bez mjesta izdanja (također kod znanstvenih djela) Sic = tako (obilježava da je tako u originalu, može biti i čuđenje) Supra (skraćeno, sup.) = ispred, prije (upućuje na ranije podatke) Tomus (skraćeno t.) = svezak Vice versa (skraćeno, v.v.) = obrnuto

Kod fusnota ili podnožnih napomena se, međutim, najčešće koriste tri od navedenih kratica – Ibidem (ibid.), Opus citatum (op.cit.) i Loco citato (loc.cit.)

Kratica ibid. (ibidem) koristi se u slučaju da se isti izvor, isto djelo, citira, ili se na njega poziva u više navrata uzastopno. U tom se slučaju glavni podaci o djelu navode samo

256

kod prvog citiranja. Kod svih ostalih slučajeva, ako se nadovezuju na prvo citiranje bez prekida, koristi se kratica ibid.

Primjer: 1. Kukić, S., Sociologija, teorije društvene strukture, Sarajevo Publishing,

Sarajevo, 2004., s. 1342. Ibid., 65.3. Ibid., 321.

Ako se, međutim, između citiranog djela pojavilo jedno ili više drugih djela, ponovno citiranje toga djela ne podrazumijeva potrebu i ponovnog navođenja njegovih glavnih podataka. Dovoljno je samo navesti prezime i prvo slovo imena autora i kraticu op.cit. ili samo O.c. (Opus citatum).

Primjer:1. Kukić, S., Sociologija, teorije društvene strukture, Sarajevo Publishing,

Sarajevo, 2004., s. 1342. Buble, M. et al. (ili Buble, M. i dr.), strategijski management, Ekonomski

fakultet, Split, 1997., s. 234.3. Kukić, S., op.cit., 3264. Buble, M. et al., op.cit., 421.

Na koncu, ako se u fusnoti hoće uputiti na isto djelo, isti svezak, istu glavu i istu stranu, koristi se skraćenica loc. cit. (loco citato = citirano mjesto).

Primjer:1. Kukić, S., Sociologija, teorije društvene strukture, Sarajevo Publishing,

Sarajevo, 2004., s. 1342. Kukić, S., loc. cit.

8.2.3. Ilustracije

Pod ilustracijama se podrazumijevaju svi prilozi koji su u funkciji reljefnijeg i zornijeg predočavanja čitatelju opširnih deskripcija i raznih složenih pojava. U znanstvenoistraživačkom radu koristi se veliki broj različitih ilustracija. Neke od njih, koje se češće pojavljuju, u nastavku se teksta i pobliže određuju.

1. Tabela, odnosno sustavni pregled podataka o značajkama promatrane pojave, dobivenih grupiranjem pojedinačnih podataka koji su prikupljeni i obrađeni. U stvarnosti se pojavljuju tri temeljne vrste tabela:

jednostavne, u kojima se prikazuju podaci jedne pojave prema samo jednom obilježju. Sastavljene su od samo dvije kolone – pretkolone u kojoj je istaknuto obilježje prema kojem se grupiranje vrši, te kolone, u kojoj su brojčani podaci za svaku grupu.

složene, nastale spajanjem više jednostavnih tabela nastalih prema istom obilježju, zbog čega im je zajednička i pretkolona, te

kombinirane, u kojima se grupiranje vrši prema dva obilježja, pri čemu se jedno od njih stavlja u pretkolonu, a drugo u zaglavlje.

Kod korištenja tabela mora se voditi računa o tome da svaka tabela ima i neke svoje sastavne dijelove, slijedeće prije svega:

Naslov, i to iznad tabele, jasan i kratak, Redni broj, koji se, u pravilu, piše ispred naslova, i pomoću kojeg se podaci

iz tabele povezuju s tekstom, Izvor podataka, koji se navodi ispod tabele, Zaglavlje, pretkolonu, redove i kolone čiji broj može biti različit, te Napomenu, koja se, ako se uopće koristi, piše ispod tabele, a iznad izvora

podataka.2. Grafikon, zahvaljujući kojem određeni brojčani podaci postaju prijemčivijim,

jasnijim, pristupačnijim. Grafikon se, naime, često koristi i za prikazivanje podataka koje sadrži određena tabela. Pri tome se, dakako, mogu koristiti različite varijante grafičkog prikazivanja podataka – pomoću razdijeljenih stupaca, dvostruko razdijeljenih stupaca, linijskoga grafikona, te strukturnih krugova. Svaki grafikon prate najmanje tri vrste podataka, i to:

257

Redni broj, koji se navodi ispred naslova, Naslov, koji se nalazi iznad grafikona, te Izvor podataka, koji se nalazi ispod grafikona.

3. Crtež, koji također, nekada manje, a nekada više, prati znanstvenoistraživački rad. Veoma su različite vrste crteža koji mogu pratiti znanstveno djelo, a mogu se dijeliti prema različitim kriterijima – sadržaju, namjeni, načinu prikazivanja i tehnici izrade.

4. Slika, koja je značajan sastavni dio znanstvenoga djela. Međutim, izraz slika se dosta često koristi u različitim značenjima, često i dosta upitnima. Neki pod tim pojmom podrazumijevaju sve ilustracije osim tabela (Silobrčić, 1983., 65), drugi, opet, pod pojam slika svode sve moguće ilustracije (Milovanović, 1979., 57 i 88.), itd. Sve to, dakako, je upitno. Stoga se, kako ne bi dolazilo do zabune, preporuča korištenje adekvatnih naziva za svaku od pojedinačnih ilustracija – grafikon, tabela itd.

5. Fotografija, koja se također relativno često koristi u znanstvenim djelima. Pri tome se dopušta da one budu u crno-bijeloj tehnici ili u boji, ali i u jednom i u drugom slučaju jasne i s dosta kontrasta. Dakako, i fotografije – svaka od njih ponaosob – moraju imati svoj redni broj, naslov i izvor.

8.3. KOMPONIRANJE I JEZIČNO-STILSKA OBRADA RUKOPISA ZNANSTVENOG I STRUČNOG DJELA

8.3.1. Komponiranje znanstvenog i stručnog djela

Komponiranje znanstvenog i stručnog djela podrazumijeva sve radnje koje se, na bilo koji način, odnose na utvrđivanje sastava toga djela, raspored dijelova koji ga čine, te način na koji su oni međusobno povezani. U svim tim radnjama se, dakako, treba pridržavati i određenih načela. U teoriji se apostrofira posebice njih šest i to:

1. Načelo jedinstva kompozicije se postiže ako se tijekom pisanja, i u istom radu dakako, ostvari jedinstvo cilja (da autor zna što konkretnom temom želi postići), misli (da su za glavnu misao povezane sve pojedinosti i ideje koje proizlaze iz uočenog problema), i izlaganja (autor se, tako, ne smije upuštati u nefunkcionalne digresije).

2. Načelo odabira podrazumijeva nekoliko detalja. Pisac se, prije svega, mora sam postaviti u ulogu čitatelja i iz njegove pozicije ocijeniti što ga zanima a što ne. S druge strane, on mora birati samo ono što je za konkretnu temu i njezino razvijanje važno. Ne smije, na koncu, podleći iskušenju suvišnih digresija, iako to, dakako, ne znači i potrebu uzdržavanja od digresija uopće. Dapače. Funkcionalne digresije su dopuštene, pridonose atmosferi opuštanja čitatelja, te uspješnijim i slikovitijim objašnjenjima.

3. Načelo harmonije (sklada), koje podrazumijeva da se nađene i odabrane pojedinosti, slijedom logičkih i prirodnih pravilnosti, raspoređuju prema redu koji je najprikladniji, da se svrstavaju u manje ili veće skupine (paragrafe ili stavke) i vezuju u jasnu i skladnu cjelinu.

4. Načelo ravnomjernosti ili proporcije znači određivanje adekvatnog prostora za svaku misao prema važnosti koju ona ima u cjelini. Da bi to uopće bilo moguće neophodno je unaprijed izvršiti plansko razgraničavanje ideja prema razini njihove važnosti na način da glavna ideja dobije najviše prostora, da važnije ideje dobiju više prostora od onih manje značajnih, sporednijih itd. Ta vrsta razgraničavanja, planiranja se primjenjuje na svim razinama kompozicije – na razini rukopisa kao cjeline, ali i na razini njegovih sastavnih dijelova – sve do paragrafa (stavka) i rečenice)

5. Načelo izrazitosti je isprepleteno s prethodnim. Uvjet da se ono i ostvari je isticanje najvažnijih misli u prvi plan. Kako to, međutim, postići? Više je načina moguće. No, jedan od pouzdanijih je izrazitost, snaga završetaka, dojam zaokruženosti i potpunosti izlaganja u njima, izbjegavanje opasnosti da se, u tim dijelovima teksta, podlegne iskušenju da se počine različite vrste pogrešaka – od stereotipija, nedovoljne preciznosti do naglih završetaka bez adekvatne pripreme i tome slično.

6. Načelo raznovrsnosti je važno zbog činjenice da se, vodi li se računa o njemu, izbjegava sivilo misli i izraza, a samim tim i mogućnost monotonije, da se održava visoka razina pozornosti čitatelja teksta, da ih se motivira da u čitanju istrajavaju i slično. Dakako, raznovrsnost se može osigurati na različite načine – izbjegavanjem fraza, promjenom stila, upotrebom novih riječi itd.

258

8.3.2. Jezik znanstvenog i stručnog djela

Jezik je, generalno govoreći, sredstvo sporazumijevanja među ljudima, a govor, opet, forma njegove primjene, ali i forma komunikacije između dviju osoba. Razlike, dakako, treba praviti između književnog i narodnog jezika na kojem se on temelji jer je ovaj prvi normiran različitim, gramatičkim i stilističkim pravilima. Razlike, potom, treba praviti i između različitih formi pojavljivanja jezika – umjetničkog, znanstvenog, tehničkog, jezika koji se prakticira u različitim vrstama znanosti, a koji se od ostalih razlikuje po specifičnim pojmovima koje koristi itd.

Jeziku su, potom, svojstvene i određene norme. U pitanju je, primjerice, gramatička norma kao jedna od onih koje su za jezik bitne. Njome se propisuje i tumači sve ono što je u gramatičkom ustrojstvu jezika dopušteno, ali i upozorava na ono što, zbog toga jer nije prihvaćeno, treba popravljati. Među jezičnim normama je i ona koja se tiče pravopisa, konvencije, dogovora o tome kako će se što pisati, kada će se koristiti veliko, a kada malo slovo, kada točka, zarez itd. Jedna od normi je i leksička, norma koja ozakonjuje upotrebu riječi i njihova značenja, koja pravi razliku između riječi koje se podvode pod termin istoznačnica i onih koje spadaju u red sličnoznačnica, koja precizira pojam sinonima i regulira pitanje njihova korištenja i slično. U red relevantnih, potom, se ubraja i izgovorna norma, ona koja propisuje književni izgovor, ponajprije izgovor pojedinačnih riječi, ozakonjuje akcente ili naglaske i slično. Na koncu, zanemariti se ne smije ni norma stilistička, norma koja polazi od toga da je, sve što u jeziku postoji, dobro, dakako ako služi svrsi, ali ne i jednako vrijedno, da je vrjednije ono čime se, i pismom, potvrđuje individualnost od onoga u čemu ona nije u prvom planu.

U korištenju jezika se, kada je jezik znanosti po srijedi, dogoditi mogu i različite vrste pogrešaka. Čest je slučaj, primjerice, da se određene riječi zloupotrebljavaju. Stoga riječi, koje takvu mogućnost dopuštaju, prije svega, one koje upućuju na krajnje relativne pojmove – kao, primjerice, termini «slabo», «jako», «često», «mnogo», «kolosalno» i tome slične - u znanstvenim radovima treba, koliko je moguće više, izbjegavati.

Izbjegavati je, potom, uputno i upotrebu prvog lica jednine i množine jer, ni jedno ni drugo, nije izraz skromnosti, izaziva osjećah samohvalisanja i znade iritirati čitatelje. Umjesto toga se preporuča pisanje u bezličnoj formi, u trećem licu, u konstrukcijama tipa «smatra se», «istraživanja pokazuju» i slično.

Preveliko značenje, sukladno tome, ne treba davati ni vlastitim rezultatima istraživanja. Dapače. I tu treba imati mjeru i izgrađen osjećaj za objektivno i realno. Uputno nije ni korištenje poštapalica tipa «opće je poznato», «svatko to zna» i tome sličnih, ali ni stranih riječi – osim, dakako, da za određeni pojam ne postoji i odgovarajuća domaća riječ.

Na koncu, određena se pravila jezika moraju znati i u pisanju brojeva, kako u numeričkom, tako i u tekstualnom obliku. Jedno od pravila u vezi s tim je da se brojevi do deset pišu slovima, a svi ostali brojevima. Ako se, pak, u jednoj rečenici pojavljuju obje vrste brojeva, pribjegava se pravilu da ih se sve piše numerički. Na koncu, brojevima se, i to u svim pojavnim formama, pišu i brojevi dana, mjeseca i godine.

8.3.3. Stil znanstvenog i stručnog djela

8.3.3.1. Pojam stila

Jasno je da znanstveno i stručno djelo nije u potpunosti neovisno od stila pisanja. Dapače. Izgrađenost stila pisanja može bitno utjecati i na prihvatljivost konkretnog djela kod čitateljske publike. Drugim riječima, znanstveno i stručno djelo zahtijevaju i primjeren stil iznošenja misli – stil koji je jasan, neusiljen, jednostavan, originalan, pun mašte, živosti, harmonije. Kako, međutim, stil pisanja i definirati? U literaturi je, dakako, moguće sresti različite definicije. Ne ulazeći, dakako, u variranje pojedinih od njih, pod stilom se može razumjeti izbor izražajnih sredstava u jeziku, i to izbor koji je ukupnost svih izražajnih sredstava.

Među stilovima postoje značajne razlike. Sukladno tome, moguće je praviti razliku između različitih stilova pisanja – književno-umjetničkog, publicističkog, administrativnog, znanstveno-popularnog, znanstvenog itd. I, svaki od njih ima posebnosti po kojima se razlikuje u odnosu na druge. U znanstvenoistraživačkom radu se, primjerice, prakticira znanstveni stil, stil koji ističe logička obilježja onog što se izlaže, intelektualne elemente

259

jezika, znanstvene izraze. Odlikuje ga, drugim riječima, inzistiranje na jednostavnosti, jasnoći, kratkoći i logičnosti misli i izlaganja rezultata znanstvenoistraživačkog rada, ali i zanemarivanje intimnosti, individualnosti, osjećajnosti. Za razliku od njega, kod književno-umjetničkog stila do izražaja dolazi puno više mašta i osjećaji nego razum i intelekt. Za razliku od znanstvenog, ovaj stil koristi baš sve mogućnosti koje pruža književni jezik. Publicistički stil, opet, spaja mnoge elemente novinarskog i znanstvenog. Odlikuju ga kratkoća, jasnoća, često i polemička oštrina. Na koncu, svojevrsnom se mješavinom može označiti i znanstveno-popularni stil, kombinacijom znanstvenog, književno-umjetničkog i publicističkog u isto vrijeme. Pribjegava mu se obično u situacijama kada se autor određenog znanstvenog ili stručnog djela ne obraća specijalistima nego široj čitateljskoj publici i kada se, upravo zbog tipa publike, izlaganje hoće učiniti živahnim, kada se stručnu terminologiju opisima, književnim izrazima i slično.

Izvjesno je, dakako, da se u stvarnosti relativno rijetko, ili nikako, može govoriti o čistom stilu. U principu se radi o određenim ukrštanjima različitih stilova. Dijelovi kojeg od njih će biti naglašeniji ovisi, bez dvojbi, o onima kojima je rad upućen. No, bez obzira na to elementi kojeg od stilova su dominantni, jedno je pravilo, kada je znanstvenoistraživački rad u pitanju, općevažeće – dobar je onaj stil koji je jasan, jednostavan, prirodan, odmjeren, suvisao, ali i raznolik. Autor teksta, naime, nikada ne smije izgubiti iz vida da ne piše za sebe nego za druge, da to što piše mora biti pregledno, da između dijelova teksta – rečenica i paragrafa – postoji potrebna logična veza itd. 8.3.3.2. Odlike dobrog znanstvenog stila

Govoreći o pravilima dobrog pisanja, Wilson apostrofira posebice slijedeće: «1. Nikada ne upotrebljavaj veliku riječ ako ti je mala dovoljna. 2. Nikad ne upotrebljavaj dvije riječi ako je jedna dovoljna. 3. Izbjegavaj pasiv kao kugu (npr. pasiv: u odsudnoj utakmici naši su pobijeđeni. Aktiv: Naši su izgubili odsudnu utakmicu). 4. Pusti glagole da podnesu glavni teret» (prema, Žugaj, 1997., 188.). U Wilsonovim pravilima se, dakako, može prepoznati i detalje dobrog znanstvenog stila. O tim detaljima, međutim, drugi autori govore i bitno kompleksnije. Po Šamiću, primjerice, moguće je govoriti o tri odlike dobrog stila i jezika jednog znanstvenog djela. To su:

1. Jasnoća, odnosno sposobnost jezika da kod čitatelja razvija iste misli i osjećaje kao i kod autora u vrijeme dok je djelo pisao. To je, s druge strane, moguće samo u slučaju ako je autor, dok djelo piše, svjestan da piše za druge, a ne za sebe, da, prema tome, misao treba i izlagati na način da je čitatelj, čak i pod pretpostavkom da o predmetu ne zna gotovo ništa, u potpunosti i bez većih poteškoća razumije.

2. Jednostavnost, prirodnost, odmjerenost. Ova odlika, zapravo, podrazumijeva veći broj osobina dobrog znanstvenog stila pisanja. Prema Šamiću, dobar znanstveni stil ne smije biti ni pretenciozan, ni patetičan (zanesen, strastven), ni emfatičan (napuhan), ni bombastičan (kićen), ni panegiričan (koji sve hvali), ni dijaboličan (koji sve negira), ni ironičan (koji se svemu smije), ni skeptičan (koji u sve sumnja), ni polemičan (koji je sklon polemici u vezi sa svim i svačim), ni hiperkritičan (koji pretjerano kritizira), ni familijaran, ni retorski, ni svečarski, ni ležeran (vidjeti, Šamić, 1969., 117-118). Dobar je znanstveni stil, naprotiv, onaj koji je jednostavan, prirodan i odmjeren, a kojem, uz sve to, ne fali ni topline, živosti i duha.

3. Konciznost, koja podrazumijeva racionalnost u izražavanju, te ekonomičnost i konciznost izraza koja se može postići na različite načine – izbjegavanjem opisnog načina kazivanja i tautologije, racionalnom upotrebom riječi i gramatičkih oblika, poštivanjem generalnog pravila da ono, što ničemu ne služi, zapravo škodi, ali i da je, ono što nije dobro, u stvari loše.

S tim u vezi se, dakako, postavlja i još jedno pitanje. Kako, naime, ove odlike ili svojstva dobrog stila postići? Tri su bitne pretpostavke tome – izbor riječi, struktura i bitne osobine rečenice, te struktura i osobine paragrafa ili stavaka.

i) Izbor riječi, kao jedna od pretpostavki postizanja dobrog stila, zavisi od više detalja – vrste napisa o kojem je riječ, vrste čitatelja za kojeg se piše (drugačije se piše za stručnjaka, a drugačije za širu i neobrazovaniju publiku) itd. No, nesporno je da uvijek treba birati riječi kojima se najizrazitije i najefikasnije može saopćiti ono što se želi. Kada je, primjerice, znanstveni tekst u pitanju, za svaki pojam treba birati ona jezička određenja koja su za njega i najprikladnija, koja najpreciznije izražavaju određenu misao. Istodobno,

260

međutim, kod izbora riječi treba voditi računa i o kriteriju njihove raznolikosti, o tome da se izbjegne ponavljanje istih riječi, upotrebu klišeja, obrata i fraza kakve su, primjerice, «i te kako», «fantastično» itd.

j) Jedna od pretpostavki postizanja dobrog stila su, potom, i svojstva rečenice kao stilske jedinice pomoću koje se saopćava misao. Da bi ona bila u funkciji izgradnje dobrog stila neophodno je da je krase određene osobine. Dvije među njima – koherentnost i raznolikost58 - zaslužuju posebnu pozornost.

Koherentnost podrazumijeva logičan odnos pojedinih dijelova i riječi u rečenici, koji omogućuje da njezin sadržaj čitatelj shvati brzo i bez većih napora. Pri tome se, kako bi se postigla koherentnost rečenice, često mogu napraviti i različite vrste pogrešaka – da rečenica bude dvosmislena, da se nekoj riječi dade pogrešno mjesto u rečenici (čime se mijenja i smisao rečenice), da se izostave veznici koji utiču na koherentnost itd.

Raznolikost je druga pozitiva osobina koju treba imati jedna rečenica. Njome se, naime, izbjegava monotonija. Kako, međutim, raznolikost i postići? Najjednostavnije kazano, variranjem rečenica na različite načine – variranjem koje se tiče strukture rečenica (da se kombiniraju proste i složene rečenice), njihove dužine, reda riječi u njima itd.

k) Jedna od pretpostavki dobrog stila je, na koncu, vezana i za strukturu i osobine paragrafa (stavka), misaone jedinice koja se sastoji od niza međusobno povezanih rečenica na način da čine širu koherentnu cjelinu, a koja je istovremeno i dio veće cjeline – pododsjeka, odsjeka, poglavlja itd. Da bi, međutim, jedan paragraf bio valjan, neophodno je da i on zadovoljava određene uvjete. Tri među njima – jedinstvo, koherentnost i prikladno isticanje - su i najznačajnija. Jedinstvo paragrafa podrazumijeva da se u čitavom paragrafu, od njegova početka do kraja, razvija ista osnovna misao, da su sve rečenice koje ga čine toj misli ili temi usmjerene. S druge strane, koherentnost paragrafa podrazumijeva da on ispunjava dva uvjeta – da mu rečenice čine čvrstu logičku i organsku cjelinu, te da je to očevidno i za čitatelje. Na koncu, jedan od uvjeta valjanosti paragrafa je i tzv. prikladno isticanje, davanje pojedinim dijelovima jednog paragrafa onog mjesta i prostora koji je neophodan kako bi se osnovna misao paragrafa, sav njezin sadržaj, čitatelju i saopćila.

58Neki autori, Žugaj, Zelenika i još neki, ove osobine rečenice izdvaja kao dio odlika dobrog znanstvenog stila.

261

9. LITERATURA

1. Anić, V.: Rječnik hrvatskog jezika, Novi Liber, Zagreb, 1991.2. Baban, Lj., S. Jelinić, M. Lamza-Maronić, K.Ivić: Primjena metodologije znanstvenog

istraživanja, Ekonomski fakultet, Osijek, 1993.3. Bakovljev, M.: Osnovi metodologije pedagoških istraživanja, prvi dio, Naučna knjiga,

Beograd, 1997. 4. Bazala, V.: Pogled na probleme suvremene znanosti, Školska knjiga, Zagreb, 1986.5. Brkić, M., Kundačina, M.: Statistika u istraživanju odgoja i obrazovanja, Koledž

društvenih i humanističkih znanosti, Bijakovići-Međugorje, 2003.6. Cochran, W.G.: Sampling Tachniques, Edt. Wiley, New York, 1997.7. Collins T.W.: Fokus grupe, Univerzitet u Sarajevu, Sarajevo, 1999.8. Demirović, E.: Metode novinarstva, Sarajevo, 2000. 9. Diederichseb, U.:Einfuerungen in das wiessenschaftlichen Denken, Werner-Verlag,

Duesseldorf, 1972.10. Dubić, S.: Uvođenje u naučni rad, Zavod za izdavanje udžbenika, Sarajevo, 1970.11. Eco, U.: Kako se piše diplomska radnja, Milano, 1977, prijevod s talijanskog

Stipančić, B. i Franulić, M.12. Enciklopedija Leksikografskog zavoda, sv.1-6, JLZ, Zagreb, MCMLXVI-MCMLXIX.13. Foreman, E.K., Survey Sampling Principles, Marcel Dekker, 1991.14. Franjić, Z.: Kako citirati Internet u bibliografiji?, NET, br. 12/199615. Gerhards, G.: Seminar-, Diplom- und Doktorarbeit¸5. Auflage, Verlag Paul Haupt,

Bern, Stuttgart, 1984.16. Gilli, G.A.: Kako se istražuje, Vodič u društvenim istraživanjima, Školska knjiga, 1974.17. Good, Carter V., Scates, Douglas E.: Metode istraživanja u pedagogiji, psihologiji i

sociologiji, Otokar Keršovani, Rijeka, 1967.18. Hrkać, S.: Filozofija odgoja I (Pro manuscripto), Mostar 1999.19. Ivić, I., M. Milinković, R. Rosandić, V. Smiljanić: Razvoj i merenje inteligencije, Zavod

za udžbenike i nastavna sredstva, Beograd, 1976.20. Kedrov, B.M.: Predmet i uzajamna veza prirodnih nauka, Nolit, Beograd, 1969.21. Kirk, R.E.: Experimental Design: Procedures for the Behavioral Sciences, Brooks/Cole

Publishing Company, Pacific Grove, 1995.22. Kliemann, H.: Anleitung zum wiessenschaftlichen Arbeiten, Verlag Rambach,

Freiburg, 1973.23. Kniewald, J., Metodika znanstvenog rada, Multigraf, Zagreb, 1993.24. Koenig, R.: Handbuch der empirischen Sozialforschung, Stuttgart, 1962.25. Krippendorf, K.: Content Analysis – An Introduction to Its Methodology, Sage

Publication, Beverly Hills, London, 1981.26. Kukić, S., Demirović, M.: Metodologija znanstvenoistraživačkog rada, Mostar-Bihać,

2003.27. Kukić, S., M. Jakić: Logika za gimnaziju, Sarajevo Publishing, Sarajevo, 2004.28. Kukić, S.: Sociologija, Sarajevo Publishing, 2004.29. Lukić, R.: Osnovi sociologije, Naučna knjiga, Beograd, 1976.30. Maslovu A.H.: Motivacija i ličnost, Nolit, Beograd, 1982.31. Milardović, A.: Metodologija politologije, Pan liber, Osijek-Zagreb-Split, 1998.32. Milić Vojin: Sociološki metod, Nolit, Beograd, 1978. 33. Miller C. Delbert: Handbook of Research Design and Social Measurement, David Mc

Kay Company, New York, 1970. 34. Milovanović, M.: Pisanje, uređivanje i štampanje, NIRO «Tehnička knjiga», Beograd,

1979. 35. Mužić, V.: Metodologija pedagoškog istraživanja, Svjetlost, Sarajevo, 1982.36. Ormuš, M., M. Matijević: Intelektualni rad, Metode i tehnike, Radničko sveučilište

«Moša Pijade», Zagreb, 1979.37. Pečujlić, M., B. Milić.: Metodologija društvenih nauka, Beograd, 2000.38. Petrović, G.: Logika, deseto izdanje, Školska knjiga, Zagreb, 1977.39. Petz, B.: Osnove statističke metode za nematematičare, V. izdanje, SLAP, 2004.

262

40. Plevnik, J.: Književni odresci s prilogom, SVIJET, 24. listopada 1986., Zagreb41. Power: Politics and People, The Collected Essays of C.W.Mills, ed by.I.L.Horowitz,

Oxford Univ ersity Press, New York, 1963.42. Priručnik fraskati, Jugoslavensko udruženje «Nauka i društvo», Beograd, 1976.43. Rajnberg, S.A.: Metodika i tehnika naučnog rda, O metodici i tehnici naučno-

istraživačkog i naučno-literarnog rada, Drugo izdanje, Medicinska knjiga, Beograd, 1949.

44. Rueckrim, G., J. Stary, N. Franck: Die Technik wissenschaftlichen Arbeitens, Ferdinand Schoeningh, Padeborn-Muenchen-Wien-Zuerich, 1997.

45. Salitrežić, T., M. Žugaj: Uvod u znanstvenoistraživački rad, V. izdanje, FOI, Varaždin, 1985.

46. Salitrežić, T.: Uvod u znanstveni rad, Ekonomski fakultet Osijek, Osijek, 1974.47. Silobrčić, V., Znanstveno djelo, Kako sastaviti i objaviti, JUMENA, Zagreb, 1983.48. Standop, E.: Die Form der wiessenschaftlichen Arbeih, 10., durchgesehene und

verbesserte Auflage, Quelle&Meyer, Heidelberg, 1984.49. Stojak, R.: Metoda analize sadržaja, Sarajevo, 1990. 50. Supek, R.: Ispitivanje javnog mnijenja, Naprijed, Zagreb, 1961.51. Šamić, M., Kako nastaje naučno djelo - uvođenje u metodologiju i tehniku

naučnoistraživačkog rada, Sarajevo, 1980. godine.52. Šamić, M.: Kako nastaje naučno djelo, Sarajevo, 1969.53. Šešić, B.: Opšta metodologija, peto, popravljeno i dopunjeno izdanje, Naučna knjiga,

Beograd, 1980.54. Šešić, B.: Osnovi metodologije društvenih nauka, Nolit, Beograd, 1974.55. Šošić, H., Uvod u samostalni stručni rad, Viša ekonomska škola , Varaždin, 1971.56. Šošić, I., V. Serdar: Uvod u statistiku, Školska knjiga, Zagreb, 1995. 57. Šušnjić, Đ.: Kritika sociološke metode, Gradina, Niš, 1973.58. Theisen, M.R.: ABC des wissenschaftlichen Arbeitens, Manheim, 1995.59. Theisen, M.R.: Wissenschaftliches Arbeiten, 10. Auflage, Verlag Franz Vahlen,

Muenchen, 2000.60. Vujević, M.: Uvođenje u znanstveni rad u području društvenih znanosti, Informator,

Zagreb, 1990.61. Weber, M.: Metodologija društvenih nauka, Globus, Zagreb, 1986.62. Weizsaecker, C. F.: Jedinstvo prirode, Veselin Masleša, Sarajevo, 1988.63. Zaječaranović, G.: Osnovi metodologije nauke, "Naučna knjiga", Beograd, 1977.64. Zakić, M.: Metodologija naučnog rada, Banja Luka, 1983. 65. Zelenika, R.: Metodologija i tehnologija izrade znanstvenog i stručnog djela, Rijeka,

1990.,66. Zvonarević, M.: Socijalna psihologija, Školska knjiga, Zagreb, 1989.67. Žugaj, M., Dumičić, K., Dušak, V.: Temelji znanstvenoistraživačkog rada, Fakultet

organizacije i informatike, Varaždin, 1999.68. Žugaj, M.: Metodologija znanstvenoistraživačkog rada, Fakultet organizacije i

informatike, Varaždin, 1997.69. Žugaj, M.: Osnove znanstvenog i stručnog rada, Samobor, 1989.70. Žuvela, I.: Uvod u ekonomska istraživanja, Ekonomski fakultet Rijeka, 1978.71. Žuvela, I.: Valorizacija rezultata znanstvenog istraživanja, “Financijska praksa”,

Zagreb, 1980, br. 7-8,

10. INDEKS POJMOVA

263

11. INDEKS IMENA

Ackof Adorno, T.Akvinski, TomaAnić,Arhimed Aristotel Baban, Lj., Bakalović HBakovljev,Bazala, VBeckerBecquerel, Beitz, Charles R. Berelson, B.Bernard, Boas,Bogardus, Bošković, RuđerBrkić, M., Bruno, GiordanoBuble, M.Buffa,Chamson, Chapin, StewartCheryl, L., Cheung, A., Chick, V., Closets F. de, Cochran, W.G.Cohen James, Collins T.W.:Comte AugusteCopernicus NicolausCrouse, MauriceCurie, Čajkovski, da Vinci, LeonardoDay Demirović, E.Demirović, M., Diederichseb, U. Dobrov Dodd, StewartDubić, S.Dumičić,

264

Durkheim EmileDušak,Eco, U.Einstein EuklidForeman, E.K.Franjić, Z. Freedman, P.Gajger,Galilei, GalileoGallup, GeorgGerhards, G.Gilli, G. A.Gilli, G.A.Gold,Good, Carter V., Gurvitch, GeorgesHarrod, Herbart, Hobbes, ThomasHodžić, KadrijaHrkać, SerafimHumboldt Wilhelm vonInfeldb, Ivić, I., Ivić, K. Jelinić, S.Junker,Kant, ImmanuelKedrov, B.M.Kepler, Kesić, TanjaKeynes, J.,Khaldun, I., King, M.L., Kirk, R.E.Kirstein, P..Kliemann, H.Kneale, W.Kniewald, J.Koenig, R.Krippendorf, K..Kukić, S.Kundačina, M.Kustić, Ž.,Lamza-Maronić, M.Lasswell, HaroldLazarsfeld, P.Lewin, KurtLikertLukić, R.Lundberg,M. Jakić, Malinovski Manheim, KarlMarušić, A., Marx KarlMaslov, A.H. Matijević, M.

265

Matijević, Ž.Merton, Robert K.MichelsMilardović, A.Milerlaj, D.Milić VojinMilinković, M.Miller C. DelbertMills WrightMilovanović, M.Mojsije, Mužić, VladimirNagelNewton, IsacOrmuš, M., Parsons TalcotPavličić, Pečujlić, M., Petrović, G. Petz, B. Pitagora Platon,Plevnik, J.Protagora, Rajnberg,Ritsert, J.Robbins, S.PRoentgen, RohrschachRosandić, R.Roterdamski, ErazmoRueckrim, G., J. Salitrežić, T.Scates, Douglas E.Scheler, MaxSerdar, V Silobrčić, V., Simmel, Simon SaintSmiljanić, V.Smith John, Sokrat, Spencer HerbertStandop, E. Stary, N. FranckStivensStojak, Stone, Eugene F.Stott, Russell G.Supek, RudiŠamić, MidhadŠešić BogdanŠošić, H., Šošić, I.,Šušnjić, Đ.Tales Tesla, NikolaTežak, B.Theisen, Manuel

266

Thurston Vandersmissen, Vesalius, AndreasVujević, MiroslavWeber MaxWeizsaecker, C. F. Wilson,Zaječaranović, G. Zakić, M. Zelenika, RatkoZvonarević, MladenŽugaj MiroslavŽuvela, Ivo

267