digivaalit 2015 - mitä isot digitaaliset aineistot kertovat yhteiskunnasta ja vaikuttamisesta?
Post on 14-Apr-2017
1.068 Views
Preview:
TRANSCRIPT
!
Digivaalit 2015
Mitä isot digitaaliset aineistot kertovat yhteiskunnasta ja vaikuttamisesta?
Salla-Maaria Laaksonen @jahapaula Communication Research Centre, University of Helsinki !Studia Generalia 6.10.2016
2
!DIGIVAALIT 2015
!Digitaalisen median vuorovaikutuksen, valtarakenteiden ja agendan hallinnan
tutkiminen eduskuntavaalien
2015 alla. !
Tavoitteena myös kehittää uusia
laskennallisen yhteiskuntatieteen ja
isojen aineistojen analysoinnin
menetelemiä
Ei vallankumousta.
Siirtyvätkö olemassa olevat valta-asetelmat myös verkkoympäristöön, vai muodostaako verkkoympäristö uuden median, jonka kautta perinteiset valtarakenteet on mahdollista ohittaa? Entä silloin, kun tutkitaan kuka määrittelee, mistä verkossa keskustellaan?
Normalisaatio-hypoteesi
Tasa-arvoistumis-hypoteesi
(Resnick, 1997)
Laskennallinen yhteiskuntatiede
Laskennallisten, algoritmeihin pohjautuvien menetelmien hyödytäminen yhteiskuntatieteellisten kysymysten tutkimisessa (esim. Lazer et al., 2009)• datan kerääminen• datan esikäsittely• aineiston analysointi
Isot datamassat ja digital trace data – ihmistoiminnan digitaaliset jäljet
Sosiaalisen median iso data
TäSosiaalisesta ja perinteisestä mediasta kerätty laaja aineisto (n. 1,4 miljoonaa yksittäistä viestiä) !● Ehdokkaiden Facebook-
päivitykset ja Twitter-viestit ● Kymmenillä eri hashtageilla
käytyä keskustelua (Twitter, Instagram, Tumblr)
● Suomi24:n politiikka-aiheiset viestit
● Perinteisen median politiikka-kategorian uutiset valituista medioista (n = 5427)
● Verkkoetnografiset muistiinpanot ruutukaappauksineen
Big data tarjoaa lintuperspektiivin. !Ehdokkaat ja #vaalit2015 VIHR
KOKVAS
RKP
KESK
SDP
Tekstimuotoinenkin big data taipuu yleensä numeroiksi
Tietokone osaa lukea tämän verran:
Analyysissa tarvitaan algoritmeja – ja tilastomenetelmiä
Vaalikeskustelun teemojen
tunnistaminen aihemallinnuksen
avulla
Agendavaikuttajien tunnistaminen kustomoidulla Python-koodilla ja regressioanalyysilla
Vaikuttajaindeksi (Nelimarkka et al. 2015)
• Verkkojulkisuuden ja median teemoihin vaikuttivat eduskuntapuolueiden ehdokkaat, pienemmät puolueet todennäköisemmin kuin isot puolueet.
• Nuorilla naisehdokkailla korkeampi vaikuttajaindeksi
Vaikuttajaindeksi ehdokkaittain
(a) sosiaaliseen mediaan (b) perinteiseen mediaan
Small data antaa tulkinnan
Keskustelu ehdokkaiden ja
kansalaisten välillä erilaista eri palveluissa:
Facebookissa kannatetaan,
Twitterissä ollaan
kriittisiä.
Big datan heikkous on puuttuva konteksti
Verkkoetnografia kuukauden ajan ennen vaalipäivää
• osallistuva havainnointi
• kenttämuistiinpanot
• ruutukaappaukset
Hashtag-kampanjat
• Suora lobbaus vs. mobilisointi
• Vaikuttamistaktiikat: liittoumien rakentaminen, yleisen mielipiteen muokkaus, mobilisointi (Jaatinen 1999)
• Ketterä keskustelunavaus: helppo, liikkuva, liimaava, memeettinen, sidosryhmäkeskeinen
Kampanja-
sivustoÄänestyslupaus Vaalilupaus
59
Viraali näkyvyys - argumentit ja emootiot
Images [1] [2]
Laskennallisuuden haasteet
Muuttuvat viestinnän muodot: • Tekstuaalinen – visuaalinen: kuvat,
videot, virtuaalimaailmat • Reaaliaikaisuus, ”ephemeral net” (e.g.,
Snapchat) • Algoritmit julkisuuden rakentajina (e.g.,
Grimmer & Steward, 2013; Gillespie, 2014) !
Muuttuva käsitys yksityisestä ja julkisesta: • Julkisesti yksityinen – yksityisesti
julkinen (Lange 2007) • Anonyymi – pseudonyymi – identiteetti –
brändi • Käytäjälle katoava konteksti (boyd,
2007) !Kysymykset datan omistajuudesta ja käytöstä
Palavat kysymykset laskennalliselle yhteiskuntatieteelle!Tiedätkö missä kontekstissa aineisto on syntynyt ja kerätty?(e.g. boyd & Crawford, 2012)!Oletko varma, että algoritmisi tekevät oikeita asioita?(e.g. Grimmer & Stewart, 2013)!Mitä tapahtuu, kun aineistoa valitaan ja puhdistetaan?(e.g. Ekbia et al., 2015)
Etnografinen ote lisää
ymmärrystä kontekstista
Ihmisen tekemät havainnot tukevat
tulkintoja
Laadulline ote ja teoria tukevat datan keräystä
+ big data mahdollista
tulosten yleistämisen
+ laskennallisuus mahdollistaa
isompia data aineistoja
• Yhteiskuntatiede tutkii populaatiota yleistämällä otoksesta tai näytteestä – big data -ajattelu pyrkii tallentamaan “koko” aineiston otoksen tai näytteen sijaan (vrt. kuitenkin Kitchin, 2014)
• Big data näyttäytyy helposti teoriavapaana, mutta syvällistä tietämystä aiheesta tarvitaan monessa vaiheessa: aineistoa kerätessä ja rajatessa, sitä analysoitaessa
• Laskennalliset menetelmät vaativat aineiston koneluettavassa muodossa mutta kontekstin ymmärtäminen vaatii myös laadullista tarkastelua – monitieteisyys on voimaa ja pienikin data on arvokasta!
Lopuksi:
Kiitos!!
salla.laaksonen@helsinki.fi @jahapaula
!Projektin sivu:
https://www.hiit.fi/digivaalit-2015Rajapinta-blogi:
http://www.rajapinta.co
We thank Helsingin Sanomat Foundation for providing funding through the project “Digivaalit 2015”. We also thank Kone Foundation for providing funding through the project “Digital Humanities of Public Policy-making”.
top related