INFORMACE PSPP analýza dat zadarmo Název softwaru pro analýzu statistických dat PSPP, který chci v tomto článku představit čtenářům, je velmi podobný názvu jiného statistického programu SPSS a není tomu tak náhodou. PSPP byl a je vyvíjen jako přímá zdarma šiřitelná náhrada programu SPSS. S programem se pracuje obdobným způsobem jako s SPSS a systémové soubory a syntax SPSS jsou v tomto programu použitelné s malými nebo žádnými omezeními. Program nemá omezení na počet proměnných nebo případů. Uživatel má na výběr z více různých způsobů práce s PSPP. První z těchto možností je práce v příkazovém řádku, způsob autory označený jako terminal mode. V tomto módu lze přímo zadávat syntax PSPP a lze se z něho kdykoli vrátit do klasického uživatelského prostředí. Všechna práce v tomto módu je zaznamenána do souboru, který lze využít k pozdější kontrole. Podle autorů program zvládne zpracovávat opravdu velmi velké množství dat bez toho, že by přestal reagovat a došlo k jeho zamrznutí. Většina uživatelů PSPP asi bude při práci s ním využívat klasického grafického rozhraní, jaké známe i z ostatních obdobných programů. V tomto módu práce uživatelé nepotřebují znát syntax. Data lze zadávat klasicky z klávesnice, importovat z jiných souborů nebo je přenést z jiné aplikace pomocí funkce copy and paste. Všechny funkce programu jsou přístupné z menu umístěných nad tabulkovou částí uživatelského prostředí. PSPP lze použít i v neinteraktivním módu (Non Interactive Mode). V něm lze spustit jeden konkrétní soubor syntaxe, podle autorů se tento mód hodí především pro velmi velké soubory syntaxu. Výstupem je pak textový soubor, html kód, případně PostScript soubor. Takto lze PSPP využít i v oblasti on-line automatického zpracování a prezentace statistických dat. To, co každého potenciálního uživatele asi bude zajímat nejvíce, je přehled statistických funkcí programu. Ve srovnání s komerčními produkty je jich samozřejmě výrazně méně, nicméně základní důležité statistické funkce program obsahuje. Do budoucna se podle autorů můžeme dočkat výraznějšího rozšíření těchto funkcí, protože na vývoji PSPP se nadále pracuje. Kromě základních popisných statistických funkcí program nabízí i jednovýběrový t-test, párový t-test, dvouvýběrový t-test, jednocestnou analýzu variance (ANOVA) a také lineární regresi. Je nutné upozornit, že ne všechny funkce programu jsou přístupné z grafického uživatelského prostředí, některé lze vyvolat pouze spuštěním příslušných příkazů syntaxe. To platí například pro vytváření grafů. PSPP umožňuje vytvořit různé typy grafů například box-whisker, histogramy, grafy normálního rozdělení a jiné. Nabídka grafů bude rozšířena v budoucích verzích programu. Výstup grafů je řešen ve formě standardních typů souborů, takže je lze jednoduše přenášet do jiných aplikací. - 157 -
Obrázek 1. Grafické prost edí programu PSPP - 158 -
Obrázek 2. Domovská stránka programu (http://www.gnu.org/software/pspp/) - 159 -
V PSPP lze s daty různým způsobem manipulovat. Program umožňuje transformaci dat pomocí základních aritmetických operací, Booleovy algebry a také pomocí mnoha složitějších matematických funkcí. Závěrem je nutné uvést, jakým způsobem zájemce o vyzkoušení případně používání PSPP program nainstaluje a spustí. Instalační soubory jsou dostupné na stránce http:// www.gnu.org/software/pspp/. Na stránce v sekci Get PSPP lze potom stáhnout nejen zdrojový kód programu, ale hlavně také spustitelné instalační soubory pro různé druhy operačních systémů. Verzi pro systém Microsoft Windows lze pak spustit dvěma různými způsoby. Prvním je pomocí emulace linuxového operačního sytému Cygwin, tato cesta je ale poněkud uživatelsky náročnější a vyžaduje hlubší znalosti v počítačové problematice. Nejjednodušší je stažení verze CECAPS/UFMG, která je spustitelná jako každý jiný program pro MS Windows, tato verze ale uživateli umožňuje pouze používání grafického prostředí programu. Na stránce lze najít i podrobnou dokumentaci k programu PSPP a manuály k jeho používání. Tomáš Čížek (Sociologický ústav AV ČR, v.v.i.) DDI 3.0: Kvalitatívny posun v štandarde dokumentácie sociálnych dát V apríli 2008 bola zverejnená ostatná verzia štandardu dokumentácie sociálnych výskumov DDI 3.0 1. Vychádza z predchádzajúcich verzií 1.* a 2.*, pričom sa od nich zásadne odlišuje v rozsahu možností využitia, čo umožňuje zmenená štruktúra dokumentácie. DDI (Data Documentation Initiative) je medzinárodný štandard zápisu dokumentácie sociálnych výskumov, ktorý využíva stále väčší počet inštitúcií, najmä sociálno-vedné archívy. Mnohé inštitúcie z USA, Kanady a Európy už nastúpili alebo plánujú nastúpiť cestu migrácie zo starších verzií na tretiu verziu. Informácie o štandarde a jeho starších verziách sú k dispozícii na oficiálnej webovej stránke; www.ddialliance.org, ako aj v predchádzajúcich číslach tohto časopisu, konkrétne [Kalvas 2005; Vávra 2007]. Vzhľadom na to, že pri dokumentovaní výskumov v oblasti sociálnych vied je potrebné zozbierať a uchovať veľké množstvo informácií a dokumentácia musí plniť viacero funkcií, DDI štandard sa už od uverejnenia prvej verzie vyvíja. Prvé dve verzie vychádzali z myšlienky elektronickej verzie klasického tlačeného codebooku, no to znamenalo, že zdedili aj mnohé nedostatky, ktoré vyplývali z obmedzení tlačeného textu, napr. potreba tvorby celého nového dokumentu pre každý jednotlivý zber dát, či obmedzené možnosti zoskupovania výskumov. Tretia verzia DDI je veľkým krokom vpred nie len v oblasti využiteľnosti samotného štandardu. Zatiaľ čo sa tvorcovia snažili prispôsobiť špecifikáciu jej užívateľom, aj vďaka používaniu XML jazyka, sa im darí zachovať určitú mieru kompatibili- 1 O potrebnosti a užitočnosti štandardu dokumentácie metadát pojednáva článok [Blank, Rasmussen 2004]. - 160 -
Schéma 1. Životní cyklus dat Koncept výskumu Recyklácia Zber dát Spracovanie dát Distribúcia dát Analýza dát Archivovanie dát Zdroj: Upravené podľa [Ionescu, Vardigan 2008]. ty s predošlými verziami. To znamená, že je relatívne jednoduché migrovať aj s veľkými množstvami dokumentácie na novšiu verziu štandardu, bez čoho by bolo nezmyselné, s takou frekvenciou vydávať nové verzie DDI špecifikácie (od uverejnenia prvej verzie uplynulo len osem rokov). Tretia verzia DDI má nové vlastnosti, ktoré vznikli ako odpoveď na potreby tvorcov špecifikácie (ktorí väčšinou využívajú DDI aj v praxi), ako aj ďalších užívateľov z praxe na vývoj v dokumentovaní a archivovaní dát a na pokroky dosiahnuté v XML technológii. Tieto požiadavky si vyžiadali zásadnú úpravu štruktúry štandardu a niekoľko menších zmien. Medzi hlavné požiadavky kladené na novú verziu štandardu patria: 2 zlepšiť a rozšíriť aspekty strojovej spracovateľnosti (machine-actionability) DDI na podporu programovania a softvérových systémov, podporiť CAI nástroje pomocou rozšíreného popisu dotazníka (týka sa to obsahu a sledu/toku otázok), podporiť popis dátových sérií (longitudinálnych výskumov, panelových štúdií, opakovaných výskumov, apod.), podporiť porovnateľnosť, konkrétne pri dizajnovaní výskumu (nástrojov), ako aj porovnateľnosť ex post (harmonizácia výsledkov), zlepšiť podporu popisu komplexných dátových súborov (záznamové a súborové prepojenia), zabezpečiť zlepšenú podporu geografického obsahu na umožnenie prepájania ku geografickým súborom. Podstatnou charakteristikou DDI 3.0, z ktorej vyplýva jeho zmenená štruktúra, je orientácia na životný cyklus dát (Schéma 1). Prvé dve verzie DDI boli orientované na codebook, z čoho vyplýva, že zaznamenávali dokumentáciu k výs- 2 Podľa [Gregory, Thomas 2008]. - 161 -
kumu v jedinom časovom bode, teda až po vykonaní všetkých prác na samotnom výskume. Orientácia na životný cyklus dát umožňuje dokumentovanie už od počiatočných fáz výskumu, čo prináša mnohé výhody výskumníkom producentom dát, ako aj užívateľom dát a archivárom. Jednotlivé časti DDI pokrývajú všetky fázy tvorby dát; predprodukčné, produkčné a postprodukčné. Predprodukčné fázy sú konceptualizácia výskumu a zber dát, zahrňujúce napríklad údaje o výskumnom zámere, autoroch, použitých konceptoch, financovaní, skúmanej populácii, metodológii zberu dát či o výskumnom nástroji. Produkčná fáza zahŕňa informácie o spracovaní dát; napríklad tvorba dátového súboru, čistenie, alebo váženie. Postprodukčné fázy sú distribúcia, archivovanie a analýza dát. Prvé dve dokumentujú okrem iného premenné, ich kategórie (a ich kódy), formát archivovaných dát, dostupnosť dát a štatistiky. Fáza analýzy dát z pohľadu DDI označuje dokončenie konkrétneho prípadu (Instance). Prípad sa vytvorí spojením už vytvorených častí DDI dokumentácie, čím nadobúda samostatnú existenciu ako objekt a reprezentuje konkrétny výskum, resp. zber dát (reálny alebo virtuálny, napríklad účelným zoskupením viacerých dátových súborov). Recyklačná fáza označuje sekundárne využitie dát, čo implikuje nové vytvorenie niektorých komponentov DDI špecifikácie. Tvorenie dokumentácie počas jednotlivých fáz tvorby dát umožňuje modulárna štruktúra špecifikácie. Tretia verzia DDI je komplexnejšia a štruktúrovanejšia ako predošlé verzie, no porozumenie celej koncepcie je dôležité najmä pre tých, ktorí sa profesionálne zaoberajú dokumentáciou/archiváciou, teda pre distribútorov. Jednotlivé súčasti špecifikácie sa môžu a nemusia použiť v závislosti od charakteristík dokumentovaného výskumu a konkrétnych potrieb užívateľov. Bežní poskytovatelia a užívatelia dokumentácie, ako výskumníci či študenti, sa zrejme dostanú do styku len so špecializovanými programami určenými na poskytovanie dokumentácie a na prácu s dátami a dokumentáciou. Tieto programy budú pracovať len so súčasťami DDI, ktoré sú relevantné pre daný konkrétny výskum a účel. Napríklad, dokumentácia výskumu s dátovým súborom s mikrodátami nemusí obsahovať modul popisujúci agregované dáta alebo viacdimenzionálne tabuľky. Orientácia na životný cyklus dát umožňuje zaznamenávanie metadát tvorených rôznymi autormi v rôznych fázach tvorby dát. To znamená, že dokumentácia môže byť zaznamenávaná najkompetentnejším človekom, takpovediac pri zdroji. Tým sa zníži pravdepodobnosť chýb a predíde sa stratám informácií. Napríklad, výskumník spolupracujúci na výskume zaznamená údaje o konceptoch či financovaní, agentúra zodpovedná za terénny zber dát zaznamená informácie o návratnosti dotazníkov či kódovaní odpovedí a distribútor dát zdokumentuje procesy archivácie a zverejnenia, apod. Ďalšou výhodou je umožnenie všetkým zainteresovaným dokumentovať ich prácu priamo v DDI. Z orientácie na životný cyklus dát a z požiadavky využitia metadát na rôzne účely vyplynula potreba modularity špecifikácie. Modulárna štruktúra DDI 3.0 umožňuje použitie len tých častí špecifikáciemodulov, ktoré sú v danom momente potrebné a následné pridávanie modulov počas životného cyklu. Jednotlivé moduly zodpovedajú fázam životného cyklu dát. - 162 -
Pre špeciálne typy dát a formátov boli vytvorené špecializované moduly. Možnosť kombinovania rôznych modulov umožňuje výstižný a hutný popis rôznych typov dát, napr. samostatného dátového súboru, skupiny súvisiacich dátových súborov, či skupiny súvisiacich štúdií. Ďalšou výhodou modulárnej štruktúry je podpora opätovného používania jednotlivých častí dokumentácie. V záujme úspory prostriedkov, umožnenia priestorovej a časovej komparácie, či šetrenia serverového priestoru je v DDI 3.0 do značnej miery umožnené opätovného používanie rôznych modulov a schém špecifikácie. Napr. pokiaľ sa už zdokumentovaná séria otázok, schéma variantov odpovedí, kódovacia schéma alebo koncept použije v ďalšom výskume, stačí ak sa na príslušnom mieste v dokumentácii uvedie odkaz na túto dokumentáciu. To je záležitosť zápisu v XML špecifikácii, naopak v užívateľskom rozhraní sa môže zobraziť konkrétna informácia (metadáta), aj s poznámkou, kde už bola rovnaká schéma, koncept, apod. použitá. V DDI špecifikácii je možné štruktúrovať a hierarchizovať dokumentáciu aj popisované výskumy. Napr. medzinárodný sériový výskum s nepravidelne sa opakujúcimi modulmi (batériami otázok), naviac s nezávisle realizovanými národnými zbermi dát, je v 3.0 možné veľmi presne popísať s jednoznačne určenými vzťahmi medzi dátami integrovanými za všetky krajiny, národnými dátami a dátami z rôznych časových období. V doterajších verziách špecifikácie bolo toto štruktúrovanie možné len s ťažkosťami, navyše takéto adaptácie (rozšírenie DDI špecifikácie) boli robené spravidla nejednotne, a teda medzi jednotlivými archívmi nekompatibilne. S tým súvisí aj možnosť zoskupovania výskumov podľa rôznych kritérií, napr. podľa geografického pokrytia, skúmanej populácie, témy výskumov, druhu použitého nástroja a mnoho iných. Záleží od tvorcu dokumentácie, či a aké kritérium zoskupenia si zvolí pri tvorení skupiny metadát. Vzhľadom na vývoj prebiehajúci v oblasti XML štandardov a požiadavky strojovej spracovateľnosti DDI dokumentácie, tretia verzia DDI už nie je vyjadrená v DTD jazyku, ale v XML schemach 3. Schemy sú reálne súbory (s príponou.xsd), ktoré zodpovedajú modulom reprezentujúcim fázy životného cyklu dát. Schemy vyžadujú vyššiu mieru štandardizácie ako DTD, teda je pravdepodobnejšie, že dokumentácia bude kompatibilná medzi inštitúciami, čo spolu s modularitou vytvára ďalšiu nespornú výhodu DDI 3.0, a síce možnosť úzkej spolupráce národných archívov sociálnych dát pri dokumentovaní medzinárodných výskumov, najmä ich základných častí. Napr. v prípade ISSP stačí, ak jeden archív zdokumentuje základný (master) dotazník a ostatné archívy môžu túto dokumentáciu, v prípade potreby a dostatočnej vôle autorov, jednoducho využiť pri dokumentácii svojej národnej verzie. Týmto by sa ušetrilo mnoho času a prostriedkov. Okrem vyššie uvedených možností je samozrejme možné v novej verzii DDI aj ex-post dokumentovanie výskumu analogicky k predošlým verziám, teda ako nezávislej samostatnej štúdie s jedným zberom dát. 3 Schema (anglický výraz) je zámerne napísané bez dĺžňa, aby sa dali odlíšiť od schém (anglicky: scheme). - 163 -
Tento článok je len skromnou rámcovou orientáciou v novej verzii DDI, so zámerom oboznámiť odbornú verejnosť s niektorými významnými zmenami a výhodami tohto štandardu. Na implementáciu je potrebné bližšie oboznámenie sa s celou špecifikáciou. DDI 3.0, aj predošlé verzie, budú koexistovať a budú podporované zo strany DDI Alliance. Pokiaľ to nie je užitočné, nie je nutné transformovať dokumentáciu v starších verziách do 3.0. Verzie sú medzi sebou do určitej miery kompatibilné, takže je možná aj koexistencia dokumentácie v rôznych verziách v rámci jednej inštitúcie, len na to treba prispôsobiť softvér. Ostatná verzia je už takmer rok zverejnená, no nakoľko DDI je len špecifikácia, na jej využitie sú potrebné nástroje, softvér. Nástroje na prácu s touto verziou sú zatiaľ obmedzené. Našťastie aj v tejto oblasti sa Aliancia snaží plniť koordinačnú funkciu a k dispozícii už je niekoľko nástrojov na dokumentáciu v 3.0, ako aj na konverziu zo starších verzií. 4 Nesstar zatiaľ nie je prispôsobený na túto verziu. Ukážky využitia nových charakteristík DDI 3.0 sú na adrese: http://www.ddialliance.org/ddi/ddi3/use-cases.html. Autor sa v novembri 2008 zúčastnil workshopu DDI 3.0 organizovaného nemeckým GESIS Zentral archiv, kde získal základné informácie. 26. mája (květen) na konferencii IASSIST vo Fínskom Tampere sa bude konať ďalší workshop DDI, a potom v júli (červenec) na Cornell University, NY, USA. Na oficiálnej stránke DDI Alliance http://www.ddialliance.org/ je k dispozícii viacero textov popisujúcich DDI, ako aj návody ako ho používať. Juraj Švec (Slovenský archív sociálnych dát) Literatúra: Blank, Grant, Karsten B. Rasmussen. 2004. The Data Documentation Initiative: The Value and Significance of a Worldwide Standard. Social Science Computer Review 22: 307 318. DDI 3.0 Part I Overview. 2008. DDI Alliance: http://www.ddialliance.org/ Gregory, Arofan, Wendy Thomas. 2008. Putting DDI 3.0 to work for you! Part II. Príspevok prednesený v rámci workshopu na 34. výročnej konferencii IASSIST. Palo Alto, California, 27. 5. 2008. Ionescu, Sanda, Mary Vardigan. 2008. Putting DDI 3.0 to work for you! Part I. Príspevok prednesený v rámci workshopu na 34. výročnej konferencii IASSIST. Palo Alto, California, 27. 5. 2008. Kalvas, František. 2005. NESSTAR a DDI pro uživatele datových služeb. SDA Info VII. (1): 14 16. Vávra, Martin. 2007. Archivace sociologických dat. Data a výzkum - SDA Info 1 (1): 7 18. 4 Viac o nástrojoch nájdete na http://tools.ddialliance.org/ - 164 -
Programy pro zpracování a analýzu kvalitativních dat Spolu s poměrně prudkým rozvojem kvalitativních metod v oblasti sociálněvědního výzkumu se v osmdesátých letech minulého století začala objevovat řada zajímavých programů, které kvalitativnímu výzkumníkovi významně pomáhají v jeho práci. Tento článek představuje jejich velmi stručný přehled. Jako první bych chtěl představit programy, které zajišťují převod audio nahrávky do digitálních formátů. V této oblasti existuje nepřeberné množství jak komerčních, tak volně šiřitelných aplikací. Vyberu z nich pouze jednoho zdarma šiřitelného, ale velmi kvalitního zástupce, kterým je zvukový editor Audacity. Tento zvukový editor se plně vyrovná placeným programům. Umožňuje zpracovávat zvuk z jakéhokoliv zdroje, různě ho upravovat a ukládat do různých zvukových formátů. Program lze stáhnout na adrese http://audacity.sourceforge. net a má i českou lokalizaci. Další obvyklou fází kvalitativního výzkumu je přepis pořízené nahrávky do formy textového souboru pro další analýzu a kódování. I zde je možno volit z více různých programů. Všechny vypadají a ovládají se velmi podobně, liší ale samozřejmě v počtu a kvalitě různých přídavných funkcí. Jedním z nejznámějších je program Transcriber, dostupný na adrese http://trans.sourceforge.net. V tomto programu lze kromě prostého přepisování textu zvolit až čtyři různé úrovně rozdělení nahrávky na menší oddíly (věty nebo nadechnutí řečníka, změna řečníka, téma hovoru a zvukové podmínky nahrávky), které jsou propojeny s textem. Textový editor včleněný do programu umožňuje všechny obvyklé funkce editace textu. Dalším volně šířeným programem je Express Scribe, který je dostupný na adrese http://www.nch.com.au/scribe. Program neumožňuje kromě přepisu další práci s textem jako předchozí aplikace, nicméně má výhodu v možnosti připojení externích ovládacích prvků, v tomto případě nožních pedálů (je si je možno objednat u výrobce programu nebo postupovat podle návodu uvedeného na stránkách a vyrobit je svépomocí), kterými lze ovládat přehrávání zvukové nahrávky. Express Scribe umožňuje i zpomalování a zrychlování nahrávky a její úpravy např. odstranění šumu a hluku. Lze jej propojit i se systémy rozpoznávání mluveného textu, které ale mají zatím jen omezenou funkčnost a úspěšnost rozeznávání. Posledním zástupcem v tomto přehledu je program Transana. Od dvou výše zmíněných aplikací se liší tím, že dokáže pracovat i s videonahrávkami, a také bohužel tím, že není poskytován bezplatně. Je nicméně možné stažení i bezplatné verze, toto stažení je ale vázáno na přímou a zdůvodněnou žádost autorům programu. Informace o programu a možnost stažení demonstrační verze jsou uloženy na adrese http://www.transana.org. Nejdůležitější pomůckou jsou programy, které umožňují kódovat textové soubory. I těch existuje celá řada. Většinou se ale jedná o placené aplikace. Jejich vývoj již trvá řadu let a jedná se tak o profesionální analytické nástroje s velkou - 165 -
Tabulka 1. Základní informace o programech pro kódování textových soubor Název programu Práce s textem Práce s multimédii Internetová adresa The Ethnograph ANO NE http://www.qualisresearch.com/ NVivo ANO ANO http://www.qsrinternational.com/ Atlas.ti ANO ANO http://www.atlasti.com/ AnSWR ANO NE http://www.cdc.gov/hiv/ SOFTWARE/answr.htm Zdroj: Internetové prezentace výrobců (viz uvedené odkazy). Poznámka: Ceny programů v USD aktuální na konci roku 2008 v případě pořízení software pro účely výuky jsou následující: The Ethnograph NVivo Atlas.ti AnSWR 299 (199 pro studenty) 595 (240 pro studenty) 585 (140 pro studenty) zdarma škálou funkcí. Jejich základní funkce je ale vždy stejná, tyto programy umožňují přiřazovat kódy (a to v různých úrovních kódování) jednotlivým segmentům analyzovaného textu a také k nim připojovat různé poznámky. Programy umožňují pracovat s větším množstvím textových souborů a některé mají možnost pracovat s multimediálním obsahem (foto, audio, video) stejně jako s texty. Liší se i mírou uživatelské přívětivosti. Základní informace o vybraných programech poskytuje tabulka 1. Články a informace v českém jazyce Konopásek, Z. 1997. Co si počít s počítačem v kvalitativním výzkumu: program ATLAS/ti v akci. Biograf (12): 71 110. Bitrich, T., Z. Konopásek. 2001. Transcriber - pohodlnější přepisování, a možná i něco navíc. Biograf, (24): 125 146. On-line: http://www.biograf.org/clanky/clanek.php?clanek=v2412 Konopásek, Z. 2005. Aby myšlení bylo dobře vidět: Nad novou verzí programu Atlas.ti. Biograf, (37): 89 109. Informace v anglickém jazyce Caqdas Networking Project: stránka poskytuje informace o programech počítačového zpracování kvalitativních dat a odkazy na zdroje informací o nich. http://caqdas.soc.surrey.ac.uk/ Online QDA: soubor výukových materiálů pro práci s programy na analýzu kvalitativních dat. http://onlineqda.hud.ac.uk/ Tomáš Čížek (Sociologický ústav AV ČR, v.v.i.) - 166 -