>>141315 Как я этот тред не замечал раньше. Решил написать гайд для окологуманитариев и не только.
на правах обучения в университете из вот той верхней 50-ки http://www.topuniversities.com/qs-world-university-rankings Общие положения 1) Если вы экономист, социолог, политолог и т.д., то в западной классификации вы, увы, больше не гуманитарий, а принадлежите к social science, со всеми вытекающими последствиями
2) Исходя из пункта 1, про условно философский подход придётся забыть. Для начала стоит найти тексты, скажем, Фуко, прочитать и уяснить, что работать придётся в строго противоположных рамках, а подобная писанина скорее всего поставит крест на вашей карьере. Если "матемизация" экономики давно никого не удивляет, то факт того, что 10 из 10 статей в топовых по импакту журналов в политологии будут содержать старгейзеровские латехные таблицы с регрессиями, до сих пор остаётся неизвестным для людей, публикующихся в ВАК-овских журналах. Последний бастион старого подхода - это социология, но и он вероятнее всего скоро падёт.
3) Несмотря на победивший (пост)позитивизм, стоит понимать ограниченность позновательной силы социальных наук в сравнении с натуральными науками. Эти ограничения накладываются а) комплексностью объекта исследования б) языком в) сложностью измерений. Адекватная модель в большинстве случаев будет представлять собой пост-фактум измерение среднего эффекта(?) в выборке, с допущением о том, что дистанция между концептуальным объектом исследования и его эмпирической операционализацией приемлемо мала. Хороший модус восприятия всего этого будет: "Объекты нашего изучения не обладают физической реальностью, но связи между ними - да". Ни о какой предсказательной силе речи тут, конечно, не идёт. Однако те ощущения, когда построенная тобой и никому не приходившая ранее в голову гипотеза, при первом же тесте выдаёт p-value с десятком нулей после запятой, вполне доставляют. Особенно доставляют примеры исследований, в которых причину и следствие разделяют века - например модель с вполне солидным выхлопом, утверждающая позитивную связь между потенциальной вероятностью добровольного участия немца в нацистских предприятиях 30-ых/40-ых и степенью фатальности эпидемии чумы в его родном регионе в Среднее века.
Методология 4) Какую то конкретную литературу по методологии науки посоветовать трудно, так как её много и она обычно предметно-ориентированная. Мой совет - искать syllabus'ы хороших университетов и программ для курсов вроде Scope & Methods и искать упомянутую там литературу.
5) Общий тренд в social science - это сдвиг в сторону эксперемента. Будь то лабораторный эксперимент, или квази-натуральный эксперимент. Причины этому - меньше проблем с контролем и большая свобода в интерпретации полученных результатов в терминах причинно-следственной связи.
6) Базовый минимум технических навыков будет представлять из себя что то уровня multivariative statistics, с обязательным изучением базовых t-test и т.д., и заканчивая чем то вроде кластерного анализа (тренд на кластеризацию ошибок я, например, почему то проморгал). Что же касается формальных моделей, то тут существует два лагера - собственно их сторонники и те, кто считает, что всякие economics 101 давно стоит заменить на statistics 101. С учётом нарастающей популярности Big Data и всего, что с этим связано, а также ускоренного создания новых и модных техник стат.анализа, лично я на стороне вторых.
Поиск информации 7) Как искать статьи без доступа к базам данных я не знаю, да и тут вроде анон уже много про это написал. В целом я бы добавил, что если кому то очень нужна какая-то статья, то вполне можно написать её авторам и попросить у них препринт. Современную систему публикаций не любит практически никто.
8) Другой способ - найти на фэйсбуке студента с таким доступом и попросить его или её что-нибудь прислать. Если студент не из страны первого мира - шансы на успех увеличиваются. Лично я разослал пару десятков статей и несколько книг, с анонимностью в качестве единственного условия.
8) Google scholar - очень полезный инструмент в плане поиска новых статей для изучения. Обычно имеет смысл прошерстить состав департаментов хороших университетов, найти в сколаре заинтересовавших тебя людей и элементарно отсортировать их статьи по дате/популярности.
9) Во многих журналах в каждом выпуске публикуется записка от редактора, обычно доступная даже без подписки, в которой описывается суть данного выпуска. Помогает следить за последними трендами.
Софт 1) R + Python - самая популярная и
модная связка на данный момент. Выучить не составляет особого труда.
2) LaTeX - тут, я думаю, понятно.
3) Stargazer + Xtable - наверное самые популярные пакеты для импорта красивых таблиц из R в LaTeX
4) SQL - помогает с хранением данных, но в отличии от первых 3 - опционально.
Надеюсь, кому то мои советы пригодятся. Извиняюсь за возможные ошибки по тексту.
