сведения воедино и сравнения исследовательских данных в поведенческих науках 
по-прежнему остается описательный обзор литературы. Однако, с учетом 
распространения метааналитических методов и их дальнейшего совершенствования, 
традиционные научные обзоры литературы можно больше уже не считать единственно 
подходящим или приемлемым средством для составления сводок, сравнения и 
объединения данных.
   О пользе мета-анализа
    Обзор данных из любой области исслед. в поведенческих науках мог бы 
выиграть от применения мета-аналитических методов по двум причинам. Первая 
имеет отношение к комплексности и разнородности данных. В отличие от более 
парадигматических научных дисциплин, накопление знаний в которых происходит 
путем постепенных последовательных приращений, комплексность челов. поведения 
per се, помноженная на трудность применения эффективных и обоснованных мер 
контроля в исслед. поведения, способствует получению разнотипных и расходящихся 
данных, да и общий подход к проведению поведенческих исслед. яв-ся 
дополнительным источником вариабельности данных. Состояние изучения любой 
проблемы обычно характеризуется научными работами, в к-рых даются разные 
определения основных понятий, используются разные методы исслед. и несходные 
выборки испытуемых, различающиеся наборы независимых переменных и различные 
методы анализа данных. Неудивительно, что уже давно поднимались вопросы об 
адекватности и надежности описательных научных обзоров. Субъективность и 
возможную тенденциозность составителей научных обзоров особенно трудно 
преодолеть в 3 областях, а именно, при: а) отборе конкретных научных публикаций,
 б) оценивании исслед. с т. зр. их относительной важности и в) интерпретации 
значения полной совокупности научных данных. Кроме того, когда количество 
анализируемых в обзоре научных данных становится внушительным, адекватность 
описательных обзоров вызывает еще больше сомнений.
    Вторая причина, по которой традиционные научные обзоры могли бы выиграть от 
применения метааналитических методов, связана со способностью к распознаванию 
ранее не установленных паттернов в совокупности данных. М. имеет результатом 
более точную оценку степени изменчивости или устойчивости данных в конкретных 
областях исслед. Обнаружение возможных различий в значимости, направленности и 
величине связей внутри изучаемой совокупности переменных может повысить 
чувствительность к ранее ускользавшим от внимания паттернам. Кроме того, 
поскольку М. позволяет исследовать различия в характеристиках самих исслед. как 
источники разброса данных, сказанное выше не ограничивается обзором данных per 
се, но распространяется и на условия, в к-рых данные собираются. Следовательно, 
обладая большей осведомленностью в отношении степени и характера вариации 
данных, при проведении исслед. можно сосредоточить усилия на более точных и 
продуманных концептуализациях и средствах измерения поведенческих феноменов.
   Критика мета-анализа
    Несмотря на свою жизнеспособность в качестве альтернативы традиционным 
способам выполнения аналитических обзоров научной литературы, М. стал объектом 
критики. Эту критику можно проиллюстрировать, отчасти, на примерах 
озабоченности специалистов тремя разными проблемами: а) проблемой «картотечного 
ящика», б) проблемой учета качественных различий между исслед. и в) проблемой 
использования множественных данных из одного исслед. В добавление к краткому 
изложению существа трех отмеченных видов критики, будут также указаны 
направления, в каких метааналитические процедуры были модифицированы в ответ на 
каждый вид критики.
    Во-первых, проблема картотечного ящика (file drawer problem) указывает на 
тенденцию не публиковать статистически незначимые результаты, сохраняя их в 
архивах исследователей. Т. о. опубликованные исслед., по-видимому, тяготеют к 
смещению в сторону положительных результатов, в результате чего возрастает 
вероятность ошибки I-рода. В качестве корректирующей меры предлагается 
включение в анализ данных неопубликованных исслед., получаемых из личных и 
профессиональных источников. Однако далеко не все неопубликованные данные 
доступны (да и пригодны) для анализа. Розенталь предложил в качестве частичного 
решения этой дилеммы использовать оценку требуемого количества незначимых 
данных, к-рое нужно было бы получить для того, чтобы аннулировать отмеченный 
значимый эффект. Если требуемое количество дополнительных данных сравнительно 
велико, тогда к результатам анализа, основанного на доступных данных, можно 
относиться с доверием. Т. о., М. может, по крайней мере имплицитно, обращаться 
к проблеме систематической ошибки опубликованных научных данных.
    Во-вторых, М. критиковали как метод, нечувствительный к различиям качества 
анализируемых исслед. Так, результаты анализа может быть сложно 
интерпретировать, если данные из хорошо спланированных исслед. объединяются с 
данными, полученными на основе неудачного экспериментального плана. 
Метааналитические процедуры можно ориентировать на эту проблему, используя 
кодирование исслед. соответственно качеству плана, с последующим введением этой 
кодированной переменной в анализ. В итоге можно заметить, будут ли результаты 
анализа различаться в зависимости от изменений качества планирования исслед. Т. 
о., М. можно приспособить и к влиянию различий экспериментальных планов.
    В-третьих, в публикациях часто сообщаются множественные данные (multiple 
findings). Поскольку эти данные не являются независимыми, озабоченность вызвал 
вопрос о том, как учитывается зависимость между ними в ходе М. Одни 
исследователи выполняют анализ раздельно для каждой меры зависимой переменной, 
выявленной в научных публикациях, тогда как другие, в таком же М., объединяют 
данные, касающиеся значимости и воздействия независимой переменной на все меры 
зависимой переменной. Однако, если такие множественные данные включаются в