ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 12.11.2020
Просмотров: 2489
Скачиваний: 17
240
Глава 8. Политические события и ситуации как особые объекты.
При конкретном выборе источников для формирования базы дан
ных перед исследователем встает целый ряд вопросов: использовать ли
несколько источников и как согласовывать их информацию, если
между ними есть противоречия? использовать ли материалы только
мировых информационных агентств или также региональных? как
«стыковывать» их между собой? Универсальных рекомендаций здесь
нет: все зависит от целей исследования и конкретного формата коди
ровочной системы.
Процесс кодирования данных
Наиболее просто (по существу, автоматически) кодируется временная
составляющая события — дата. Если событие произошло 2 июля 2003 г.,
оно получит код 030702. Также весьма несложно кодируются объекты и
субъекты событий. В их качестве могут выступать государства, полити
ческие партии, транснациональные компании, несистемные игроки
(например, партизанские движения) — вообще все явно идентифици
руемые участники политического процесса. Большинство уже создан
ных баз данных ориентировано на государства как центральных акторов
международного политического процесса, что вполне объяснимо. Госу
дарствам присваиваются стандартные трехбуквенные аббревиатуры.
Так, Россия обозначается как RUS, Ирак — IRQ, Кувейт — KUW и т.д.
Наиболее «тонкая» часть кодирования событий — кодирование
действий, которое придает особую специфику ивент-анализу. Каждое
политическое действие входит в определенный класс (подкласс) дей
ствий, каждый класс действий имеет свое фиксированное место в не
кой шкале, отражающей состояние отношений между акторами. На
иболее р а с п р о с т р а н е н н ы й п р и з н а к построения такой ш к а л ы —
уровень конфликтности (или, наоборот, «мирной» составляющей) в
том или ином действии или классе действий.
Поясним все это на примере самой первой систематически разра
ботанной Ч. Маклеландом кодировочной системы ивент-анализа —
WEIS (World Event Interaction Survey). WEIS относит всю совокуп
ность действий к 63 подклассам, агрегируемым в 22 класса. Кодиро-
вочный номер класса соответствует уровню «конфликтного поведе
ния», содержащегося в том или ином действии. Например, классы с
наиболее высоким числовым значением включают демонстрацию и
применение военной силы, с наиболее низким числовым значени
ем — заключение межгосударственных альянсов. Таким образом, ко
дирование действий в ивент-анализе выводит на порядковый уровень
измерения. Например, известно, что в классе действий «Отказ»
8.1. Ивент-анализ
241
(«Reject», №11 в WEIS) меньше уровень конфликтности, чем в классе
«Угроза» («Threat», № 17 в WEIS).
То же правило порядкового измерения распространяется и на под
классы. Так, уже названный класс «Угроза» в WEIS содержит четыре
подкласса:
171 угроза, не предполагающая применения санкций;
172 угроза, предполагающая применение невоенных санкций;
173 угроза, предполагающая применение военных санкций;
174 ультиматум — угроза, предполагающая применение военных санк
ций в ограниченное время.
Нетрудно заметить, что уровень конфликтности поведения в клас
се идет по возрастающей от подкласса к подклассу, что отражается в
возрастании цифрового кода. Это классическая порядковая шкала: из
вестно, что в действии 173 («угроза, предполагающая применение во
енных санкций») больше выражен признак «конфликтность», чем в
действии 171 («угроза, не предполагающая применения санкций»), и
меньше, чем в действии 174 («ультиматум») — 171 < 173 < 174. В то же
время неизвестно, насколько признак выражен больше, так как у нас
нет четкой единицы измерения признака «конфликтность». Соответ
ственно, шкала не интервальная.
Ш и р о к о используются шкалы, трансформирующие значения ко
дов в интервальные величины. Например, известная шкала Гольд-
штейна позволяет работать с кодировками WE1S на интервальном
уровне. Некоторые примеры приведены в таблице
1
:
Класс в WEIS
Код WEIS
Значение по шкале
Гольдштейна
«Похвала» (политическому курсу, лидеру и т.д.)
41
3,4
Обещание политической поддержки
51
4,5
Ультиматум
174
6,9
Военное вмешательство
223
10,0
Разумеется, шкала Гольдштейна небесспорна, как небесспорна бы
ла бы любая другая шкала, — объективного интервала для признака
«конфликтность в международных отношениях», видимо, не сущест
вует в принципе. Однако необходимость перевода кодов ивент-анали
за в интервальные величины очевидна, так как именно это позволяет
использовать в работе с событийными данными сложные статистиче-
1
См.:
Gerner, D. J., Schrodt, Ph. A.
Op. cit. C h . 3.
1 6 - 3 8 6 3
242
Глава 8. Политические события и ситуации как особые объекты.
ские методы. К тому же данная шкала является хорошим инструментом
визуализации событийной информации. Ниже приводится график, от
ражающий действия Ирака в отношении Ирана с 1979 по 1997 г. (отри
цательные величины характеризуют более высокий уровень конфликт
ности). В частности, четко видны стадия ирано-иракской войны и
период иракского вторжения в Кувейт
1
.
Кроме «односторонней» картины действий одного актора в отно
ш е н и и другого можно получить и визуальное представление о взаи
модействии субъектов политики. Ниже приводится схема, демонст
рирующая развитие палестино-израильского конфликта с 1982 по
1992 г.
2
Опять же четко видны «провалы», связанные с интифадой.
1
С м . :
Goldstein, J. S., Pevehouse, J. C, Gerner; D. J., Telhami, S.
Reciprocity,
Triangularity, and Cooperation in the Middle East, 1979—97 // Journal of Conflict Resolution.
Vol. 45. № 5 (October 2001).
2
См.:
Schrodt, Ph. A.
Event Data in Foreign Policy Analysis // Foreign Policy Analysis:
Continuity and Change in Its Second Generation. N.Y., 1994.
8.1. Ивент-анализ
243
Однако чисто визуальной верификации данных практически все
гда бывает недостаточно. Любые С М И — в том числе информагентст
ва — дают погрешность, связанную с той или иной политической ан
гажированностью (если не прямое искажение фактов, то умолчание
одних событий и «выпячивание» других). Соответственно, необходи
мо
тестирование
созданных баз данных с использованием независи
мых (по возможности объективных и непременно взятых из иных ис
точников) индикаторов.
Базы данных ивент-анализа
Кроме уже названной системы WEIS, на сегодняшний день сущест
вует целый комплекс баз данных ивент-анализа, который непре
р ы в н о дополняется н о в ы м и исследовательскими разработками. По
м н е н и ю известного современного методолога ивент-анализа, про
фессора Канзасского университета Ф. Шродта, все базы данных
м о ж н о подразделить на две большие группы
1
. Первую группу со
ставляют базы
субъектно-ориентированные,
т.е. ориентированные
на акторов международных политических процессов. Они включа
ют и н ф о р м а ц и ю о взаимодействии определенного набора акторов
на протяжении определенного периода времени (например, госу
дарства, расположенные и имеющие интересы на Ближнем Востоке
с 1970 по 1990 г.). Вторая группа баз данных — назовем ее
проблем
но-ориентированной —
концентрируется на событиях, вовлеченных
в к о н к р е т н ы й исторический инцидент. К а к правило, это крупный
конфликт, н а п р и м е р война в Персидском заливе.
«Классическими» представителями первой группы — субъектно-
ориентированных баз данных и систем кодирования — являются
WEIS, а также COPDAB и C R E O N .
База данных WEIS была охарактеризована выше. Следует лишь от
метить, что она и в настоящее время используется достаточно актив
но многими исследователями.
Система COPDAB (расшифровывается как Conflict and Peace Data
Bank) связана с именем известного исследователя Э. Азара
2
. Основ
ные ее отличия от WE1S следующие:
• использование региональных источников за пределами Европы
и Северной Америки;
•использование 16-классовой системы кодирования, изначально
«привязанной» к интервальной шкале «конфликт—сотрудничество»;
1
Ibid.
2
См.:
Azflr, Е. Е.
O p . cit.
16*
244
Глава 8. Политические события и ситуации как особые объекты.
• классификация событий по 8 типам, например: военные, дипло
матические, символические, культурные и т.д.
Наиболее характерное отличие базы данных C R E O N (The Compa
rative Research on the Events of Nations Data Set) состоит в том, что тра
диционный формат кодирования дополняется обширным набором пе
ременных, имеющих отношение к контексту события (в частности,
принимаются в расчет другие события, связанные с кодируемым). Та
кой подход обусловлен тем, что C R E O N делает акцент на процедурах
принятия решений акторами на международной арене. В рамках этой
системы делается попытка проанализировать не только результаты по
литических действий, выражающиеся в тех или иных событиях, но
собственно политический процесс.
Характерными представителями второй группы баз данных явля
ются BCOW и CASCON.
Кодировочная система BCOW (The Behavioral Correlates of War
Data Set) разработана в 1987 г. Она включает кодированные данные по
45 крупным международным кризисам с 1816 г. Центральный вопрос,
который поставили разработчики этой базы данных, состоял в следу
ющем: в силу каких причин часть кризисов заканчивается развязыва
нием войны, а часть — нет? Такая постановка вопроса хорошо харак
теризует разницу между субъектно- и проблемно-ориентированными
базами данных ивент-анализа.
Собственно, кодировочная система BCOW основывается на схеме
WEIS, но при этом существенно увеличивает количество категорий
(до 100) и проводит более четкую грань между действиями экономи
ческого, военного и вербального характера. К тому же BCOW — одна
из наиболее разнообразных баз данных с точки зрения информацион
ного обеспечения, что во многом обусловлено широтой хронологиче
ского охвата событий. Кроме новостных источников используются
мемуары, хроники, архивные исторические документы.
Кодировочная система CASCON (The Computer-Aided System for
the Analysis of Local Conflicts) по своим базовым установкам напоми
нает BCOW — она также нацелена на анализ конфликтов. Однако во
внимание здесь принимаются не только международные, но и внут
ренние конфликты в более узком хронологическом срезе: берется
только период после Второй мировой войны. CASCON отличает так
же более системно-теоретический подход. Авторы проекта исходят из
насчитывающей 6 стадий схемы развития любого конфликта — от
инициирования к урегулированию, — которая влияет на характер ко
дирования событий. Как и C R E O N , CASCON учитывает не только
собственно события, но и внешние факторы, оказывающие на них
8.1. Ивент-анализ
245
влияние. В целом это достаточно м о щ н ы й аналитический инструмент
как для сопоставления уже произошедших конфликтов, так и для
сравнения текущих конфликтов с историческими их предшественни
ками. Система полностью компьютеризирована.
Использование статистических и математических методов для анализа со
бытийной информации
Математические и статистические подходы с целью получения более
глубоких и содержательных выводов на основе анализа информации о
событиях особенно широко сегодня используются в американской по
литической науке. Проводимые в университетах С Ш А исследования
очень разнообразны по своей методологии. Мы кратко охарактеризуем
подходы, иллюстрирующие широту применения данных, собранных в
рамках ивент-анализа.
Наиболее простой и традиционной методикой, применяемой для
изучения событийной информации, является
корреляционный анализ.
Разумеется, для его использования необходимы данные, преобразо
ванные до интервального уровня.
Используя корреляционный анализ, можно осуществлять поисковые
исследования и проверять гипотезы. Например, в одном из любопытных
исследований Ф. Шродта
1
с помощью корреляционного анализа рассма
тривается взаимосвязь между поставками оружия одного государства
другому и степенью влияния страны-поставщика на политический курс
страны-получателя. В качестве исходных данных берутся:
• объемы поставок оружия (в денежном выражении) со стороны
(1) С Ш А и (2) С С С Р нескольким странам Ближнего Востока;
•уровень конфликтности/сотрудничества во взаимоотношениях
(1) С Ш А и (2) С С С Р со странами Ближнего Востока (измерялся на
основе событийной информации, собранной в рамках базы данных
COPDAB).
Переменная «степень влияния» была операционализирована через
уровень корреляционных связей между двумя указанными выше пе
ременными. Исследование проводилось в сравнительном ключе; од
на из типичных картин динамики взаимосвязи переменных до и по
сле факта поставки оружия (для С С С Р и С Ш А соответственно)
приводится ниже. По одной оси координатной сетки отложен уровень
взаимосвязи (значение коэффициента корреляции), по другой — вре-
1
Schrodt, Ph. A.
T h e Effects of Arms Transfers on Supplier-Recipient Behavior. Mexico
City, 1983.
246
Глава 8. Политические события и ситуации как особые объекты.
мя (10 лет до и 10 лет после заключения сделки, 0 по оси
X
соответст
вует моменту продажи вооружений)
1
.
Некоторые выводы можно сделать на основе чисто визуального ана
лиза приведенной схемы. Так, взаимозависимость политических курсов
страны-поставщика и страны-получателя имеет тенденцию к росту в
примерно трехлетний период до момента поставки оружия. Это связано
с интенсивным переговорным процессом, который всегда предшеству
ет заключению крупных сделок подобного рода. Другой интересный
момент: уровень взаимосвязи политических курсов С С С Р и госу
дарств — импортеров советского оружия выше по сравнению с амери
канским случаем. Это, вероятно, определяется большим удельным ве
сом политико-идеологических соображений в принятии решений о
поставке оружия в советском случае по сравнению с американским.
Одна из главных проблем, связанных с использованием корреля
ционного анализа в исследованиях международных о т н о ш е н и й на ба
зе событийной информации, — нелинейность большинства процес
сов в международной политике. Данная проблема в полной мере
относится и к традиционному линейному методу поиска зависимос
тей — множественной регрессии. Поэтому по-настоящему эффектив
но работающих моделей, созданных на базе регрессионного анализа
событийной информации, совсем немного.
Вернемся к одному из вопросов, типичных для проблемно-ориен
тированных баз данных ивент-анализа: в силу каких причин один
кризис ведет к войне, а другой разрешается мирным путем? Прежде
всего необходимо понять, можно ли четко разбить общую совокуп-
Schrodt, Ph. A.
The Effects of Arms Transfers on Supplier-Recipient Behavior.
8.1. Ивент-анализ
247
ность событийных последовательностей на два кластера: кластер по
следовательностей, ведущих к войне, и кластер последовательностей,
ведущих к миру. Если найдем такие два кластера, то получим не толь
ко классификационный, но и эффективный прогностический инст
румент. Взяв некую новую последовательность событий, даже и неза
вершенную (происходящую в настоящее время), мы могли бы
вычислить близость этой событийной цепи к математическому цент
ру одного и другого кластера и определить тенденцию (мирную или
военную) развития процесса.
Однако другой возникающий здесь серьезный вопрос — каким об
разом сравнивать близость (удаленность) событийных цепей? — имеет
большое значение с точки зрения такой крупной проблемы, как ис
пользование формализованных методов в проведении аналогий между
несколькими удаленными в пространстве и/или времени последова
тельностями событий. До недавнего времени корректность аналогий
была вопросом сугубо качественных исследований, однако появление
баз событийных данных позволяет поставить его уже в иной, количест
венной плоскости: как количественно определить «расстояние» (в том
понимании этого термина, которое свойственно кластер-анализу) от
одной событийной цепи до другой? Один из подходов к его решению
заключается в использовании для этого метрики, разработанной рос
сийским математиком В.И. Левенштейном. Метрика Левенштейна
позволяет сопоставлять последовательности данных применительно к
самым разным сферам — от задач филологии (буквенные и фонетичес
кие последовательности) до компьютерного распознавания речи.
В несколько упрощенном виде эта техника состоит в следующем.
Расстояние Левенштейна между двумя последовательностями являет
ся суммой «весов» операций, необходимых для превращения одной
последовательности в другую. Такое превращение производится с по
мощью трех типов операций:
• вставка элемента в последовательность;
• удаление элемента последовательности;
•замена элемента одной последовательности элементом другой
последовательности.
Например, чтобы превратить последовательность букв слова «мо
локо» в последовательность букв слова «сметана», мы должны выпол
нить следующие операции:
• заменить
м
на
с
- с о л о к о;
• заменить
о
на
m
- с м л о к о ;
• заменить
л
на
е
- с м е о к о ;
• заменить
о
на
т
- с м е т к о ;
248
Глава 8. Политические события и ситуации как особые объекты.
• заменить
к
на
а —
с м е т а о;
• заменить
о
на
н —
с м е т а н ;
• вставить а — с м е т а н а .
В случае превращения слова «сметана» в слово «молоко» вместо
последней операции вставки у нас возникла бы операция удаления
(удалить
а).
Ключевая задача состоит в том, чтобы определить «вес» каждой
операции. Очевидно, что операции, устраняющие более существен
ные различия, должны иметь больший вес по сравнению с операция
ми, устраняющими менее существенные различия. Если продолжить
лингвистические аналогии, то увидим, что при заимствовании слов
одним языком у другого гласные ф о н е м ы будут чаще меняться, чем
согласные (русское «донор» от латинского «donare»). При изменении
же согласных более вероятно изменение, к примеру, латинского
с
на
русское
ц
или
к,
но никак не на
м
или
н.
П р и м е н и т е л ь н о к ивент-анализу можно обоснованно предполо
жить, что замена элемента последовательности действий, обозна
ченной «ультиматум» (код WEIS 174), на элемент, обозначенный
«обещание политической поддержки» (51), отражает гораздо более
существенные различия по сравнению с заменой того же «ультима
тума» на «военное вмешательство» (223). Соответственно, операция
по замене элемента в первом случае должна весить гораздо больше,
чем во втором.
Несколько другая схема рассуждения применима к операциям
вставки и удаления. Логично предположить, что вставка и удаление
ш и р о к о распространенных в международной практике действий (на
пример, двусторонних консультаций по определенному вопросу)
должны обладать меньшим весом, чем вставка и удаление редких со
бытий (объявления войны или заключения рамочного межгосударст
венного договора о сотрудничестве).
Определение конкретной «стоимости» операций вставки и удале
ния — более простая задача по сравнению с определением весов для
операций замены. Это связано с тем, что частота того или иного по
литического действия может быть легко посчитана, если мы распола
гаем большими массивами событийной информации за длительный
период времени (а мы ими располагаем — в виде многочисленных
имеющихся баз данных). Гораздо сложнее избежать умозрительности
в определении весов операций замены. А ведь нужно не просто ска
зать, что стоимость операции в одном случае больше, в другом мень
ше (как в указанном выше простейшем примере), требуется указать
точный вес в интервальном выражении.
8.1. Ивент-анализ
249
Для решения этой проблемы применяются сложные техники, в ча
стности метод
нейронных сетей,
который мы будем разбирать несколь
ко позже. Так, в одном из исследований
1
в компьютер были введены
последовательности событийных кодов BCOW, разбитые на две кате
гории: «военные кризисы» и «невоенные кризисы». Задачей обучения
сети стало нахождение весов, продуцирующих малые расстояния вну
три одной категории и большие расстояния между последовательнос
тями из разных категорий.
Одной из наиболее практически значимых задач, которые могут
быть решены с использованием событийной информации, является
задача предупреждения политических катаклизмов. В американской
политической науке Early Warning — «раннее предупреждение» —
фактически сформировалось как самостоятельное направление, тра
д и ц и о н н о привлекающее внимание специалистов и лиц, принимаю
щих решения.
Учитывая специфику событийной и н ф о р м а ц и и , наиболее логич
ным методом диагностики предкризисного состояния, на первый
взгляд, является
анализ временных рядов.
Временными рядами назы
вают данные, представленные в виде последовательностей измере
н и й , упорядоченных в неслучайные моменты времени. И н ы м и сло
в а м и , д л я исследователя в а ж н о , что и з м е н е н и я з н а ч е н и й
переменной происходят в ф и к с и р о в а н н ы е промежутки времени. Та
кой подход вполне соответствует природе событийной информации
в политических исследованиях. Отображенные выше (см. с. 242) на
схеме изменения конфликтности в поведении Ирана по отношению
к Ираку с 1979 по 1997 г. — т и п и ч н ы й временной ряд данных.
В общем виде методы анализа временных рядов базируются на
формальном описании ряда, т.е. подборе соответствующей математи
ческой функции. Двумя основными компонентами ряда являются се
зонность и тренд.
Тренд
представляет собой общую систематическую
линейную или нелинейную компоненту, которая может изменяться
во времени.
Сезонная составляющая
— это периодически повторяю
щаяся компонента. Ниже схематично показана сезонная динамика с
восходящим трендом.
В экономике методы анализа временных рядов являются эффек
тивным прогностическим инструментом. Формально описав сезон
ность и тренд, мы сможем экстраполировать динамику колебания
признака и предсказать будущие значения временного ряда по насто
я щ и м и прошлым значениям.
1
См.:
Gerner, D.J., Schrodi, Ph. A.
O p . cit. Ch.
5.