| Октябрь - Ноябрь - Декабрь, 2010
УДК 316.334
Возможности кластерного анализа в обработке результатов
социологических исследований (на примере опроса безработных граждан
в Городском центре занятости населения г. Барнаула)
 Мальцева А.В.
Кандидат социологических наук,
доцент кафедры математических методов в социальных науках, заведующая лабораторией математического обеспечения социальных и психологических исследований факультета социологии
Алтайского государственного университета
656049, Барнаул, пр. Ленина, 61
Тел.: +7(385-2)66-75-84 е-mail: rector@asu.ru
Современные методы и технологии обработки и анализа данных предоставляют социологу-исследователю огромные возможности для поиска ответов на интересующие его вопросы. Статья посвящена рассмотрению метода кластерного анализа и его возможностей для трактовки социальной информации.
Ключевые слова: варианты кластерного анализа, самоорганизующиеся карты признаков Кохонена (СКП), технология Data Mining, рынок труда, предметные ситуации.
Opportunities Provided by Cluster Analysis in Processing of Results
of Sociological Survey (as Exemplified by Polling of Unemployed Citizens
in Town Employment Center of Barnaul)
A. Maltseva
The Altay State University
Modern methods and techniques of processing and analysis of data provide the sociologist with enormous opportunities in the process of searching for answers for raised questions. The article refers to the method of cluster analysis and opportunities it provides for interpretation of social information.
Key words: variants of cluster analysis, self-organizing maps of Kokhonen, technology of Data Mining, labour market, subject situations.
Литература:
1.
2.
3.
4.
|
Чудова О.В. Кластерный анализ социологической информации // Материалы IV всероссийской научной конференции «Сорокинские чтения» «Отечест-венная социология: обретение будущего через прошлое». – М.: СП Мысль, 2008. – С. 89-92.
Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям. – СПб.: Питер, 2010. – 704 с.
Кузнецов Д.Ю., Трошина Т.Л. Кластерный анализ и его применение // Ярославский педагогический вестник. – 2006. – Вып. 4. – С. 103-107.
Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. – М.: Финансы и статистика, 1989. – 607 с.
|
5.
6.
7.
8. |
Дуда Р., Харт П. Распознавание образов и анализ сцен. – М.: Мир, 1976. – 512 с.
Berry M.J.A., Linoff G.S. Data Mining Techniques for Marketing, Sales and Customer Relationship Management. – New York: Wiley Publ. Inc. 2004. – 648 р.
Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. – М.: Физматлит, 2000. – 224 с.
Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. – М.: Горячая линия-Телеком, 2003.–93с.
|
9.
10.
11. |
Мальцева А.В. Сегментация рынка труда с использованием интеллектуальных алгоритмов анализа данных // Материалы Международного молодежного научного форума «ЛОМОНОСОВ-2010» / Отв. ред. И.А. Алешковский, П.Н. Костылев, А.И. Андреев, А.В. Андриянов. [Электронный ресурс] – М.: МАКС Пресс, 2010. – 1 электрон. опт. диск (CD-ROM); 12 см.
Berthold M., Hand D.J. (Eds.) Intelligent Data Analysis. – Berlin: Springer-Verlag, 2007. – 514 р.
Струве П.Б. Patriotica: Политика, культура, религия, социализм. – М.: Изд-во Республика, 1997. – 527 с.
|
Скачать статью
С полной версией статьи можно ознакомится
в журнале "ВЕСТНИК ЭКОНОМИКИ, ПРАВА И СОЦИОЛОГИИ"
или связавшись с редакцией.
|
