Ei dian otsikkoa - Etusivu | Tietoarkisto
Download
Report
Transcript Ei dian otsikkoa - Etusivu | Tietoarkisto
Kvalitatiivisen aineiston
tietokoneavusteinen analyysi
ATLAS.ti –ohjelman avulla
Tutkimusmenetelmien oppimateriaalit ja verkko-opetus
FSD 15.3.2004
Timo Moilanen
Yleisen valtio-opin laitos / PL 54 / 00014 Helsingin yliopisto
p. (09) 191 24902, s-posti: [email protected]
Esityksen kulku
analyysiohjelman ja tutkimusmenetelmän välisestä
suhteesta
ATLAS.ti analyysin apuvälineenä
version 4.2 keskeiset ominaisuudet
mitä uutta versiossa 5
minkälaisiin tutkimusotteisiin ohjelma soveltuu
lopuksi: ohjelmien opettamiseen liittyviä seikkoja
Analyysiohjelman ja tutkimusmenetelmän
välisestä suhteesta
ei ole olemassa tietokoneavusteista kvalitatiivisen
aineiston analyysia (ks. esimerkki)
esim. koodaus: mitä koodataan (kaikki teksti, osa
tekstistä), mistä koodit (ennen analyysia,
aineistoon perustuen), mikä on analyysiyksikkö?
on monia lähestymistapoja, joilla on jotain yhteisiä
sääntöjä ja periaatteita, mutta myös paljon eroja (ks.
esimerkki)
ohjelmat tukevat erityisesti GT-tyyppistä tutkimusta
(koodaus, hakeminen, memot, suhteet)
Eroavaisuuksia kvantitatiivisen ja
kvalitatiivisen aineiston välillä
kvantitatiivinen aineisto
kvalitatiivinen aineisto
havaintomatriisi
tutkimusmateriaali
muuttujat
havainnot
- - - -- - - -- - - - - --
- - - --
-- - - -- -- - - ---- --
- - --
havaintoyksiköt
V1
V2
V3
V4
vastaaja 1
1
3
2
1
- - -- - - -- -- - - ---- -
vastaaja 2
2
5
3
2
- - - -- - - -- - --
vastaaja 3
1
2
2
1
-
-- -- - - - - --
- - -- --
- - -- - - -- - - - ---- --
- -- ---- - -- - - - - -vastaaja n
1
3
5
havainnot muodostuvat aineiston
keruu- ja käsittelyvaiheessa
4
- -- - - -- -- - - ---- - havainnot muodostuvat vasta aineiston
analyysivaiheessa tutkijan tulkinnan kautta
ATLAS.ti:n keskeiset ominaisuudet (versio 4.2)
www.atlasti.de
1. KOODAUS (CODING)
teknisesti monipuolinen ja helppokäyttöinen
- koodaa uudella koodilla (uusi koodinimi)
- koodaa vanhalla koodilla (aiemmin käytetty koodi)
- pikakoodaus (koodaa edellisellä koodilla)
- in-vivo –koodaus (teksti koodataan itsellään)
- automaattinen koodaus
- perustuu merkkijonopohjaiseen etsintään (search),
esim. #P tai #K017 tai #huom-nauru, myös
*lojaal*
2. HAKEMINEN (RETRIEVE)
monipuoliset tavat hakea koodattua aineistoa eli
tutkijan tekemiä havaintoja (käsin tehtynä erittäin
työlästä). Käyttö mm. koodauksen tarkistamisessa
(virheet, tarkentaminen) sekä päättelyn apuvälineenä.
- perushaku (kaikki tietyllä koodilla koodatut kohdat)
- semanttinen haku (pääkategoria vaikutusmahdollisuudet ja sen alakategoriat aloitteellisuus,
eriävän mielipiteen jättäminen, eroaminen jne)
- yhdistelmähaku (esim. vaikutusvalta ja miehet)
- frekvenssihaku (koodien esiintymislukumäärä)
- referenssihaku (koodien lähdetiedot)
3. MEMOT
- havaintojen eksplikointia (memos: attach)
- aineiston tiivistäminen (esim. haastatteluiden
ydinkohdat käyttämällä memos: create free memo)
- analyysiprosessin hallinta
- yhteenvetojen laatiminen (esim. jonkin ilmiön eri
variaatio)
- raportointi (käsikirjoitus)
4. SUHTEET
- visualisointi havainnollistaa asiat tehokkaasti.
Voidaan tarkastella koodien, tekstisegmenttien,
dokumenttien ja memojen välisiä suhteita (esim.
semanttiset haut)
- visualisointi voi olla myös vaarallista
- codes: open network; networks: new network view
muita ominaisuuksia
aineiston joustava yhdistäminen erilaisiin perheisiin
(primaaritekstiperheet, koodiperheet, memoperheet)
laajat kommentointimahdollisuudet (vrt. memot)
monipuolinen järjestäminen (sort) ja suodatus (filter)
relevantin tekstin haku
uutta tulevassa 5.0 versiossa (maaliskuu 2004), mm.
kovista rivivaihdoista luopuminen
Excel ja Word –tiedostojen käyttö
rich text muotoilujen käyttö
multi-user editing and synchronization
monikielisyys (East Asian language support (DBCS),
Window mirroring for right-to-left languages)
XML-pohjaisuus (aineiston siirrettävyys)
sisällönanalyysi (improved Word Cruncher) ja tulokset
suoraan Excel-tiedostoon
Lopuksi: ohjelmien opettamiseen liittyviä seikkoja
tietokoneavusteinen analyysi ei ole itsenäinen menetelmä - näennäisesti
”helpon” aineiston analyysi vaatii taustalle teoreettis-metodologisen
viitekehyksen
vrt. kvantitatiivinen aineisto, jossa havainnot on jo ’tuotettu’ jostain
näkökulmasta
päätetyöskentely on raskasta, vaatii oman tilan (myös tietoturvaan liittyvät
kysymykset tärkeitä)
hyvää: suurten aineistojen analyysiprosessin hallittavuus, läpinäkyvyys ja
yhteistyömahdollisuudet
samaa kvalitatiivista aineistoa voidaan analysoida lukuisista eri
näkökulmista (arkistointi lisää monitieteisyyden mahdollisuuksia)
tutkimusmenetelmien oppimista voidaan tukea yhteisillä resurssilla, mutta
opetus pitää aina räätälöidä kullekin tieteenalalle/oppialalle sopivaksi
arkistoon pitäisi tallentaa ns. raaka-aineiston lisäksi myös tutkijan omalla
tulkinnallaan tuottama varsinainen havaintoaineisto
ATLAS.ti –ohjelmaa käsitteleviä oppaita
ATLAS.ti –ohjelman kotisivut
www.atlasti.de
LAADULLINEN TEKSTINANALYYSI ATLAS/TI 4.2. –
OHJELMALLA (Markku Lonkila ja Jussi Silvonen,
Helsinki)
http://kaljaasi.it.helsinki.fi/keltal/valt/atlas/
Johdatus laadulliseen analyysiin ATLAS.ti- ohjelman
avulla (Hanne Turunen & Olli Ruohomäki, Tampere)
http://www.cs.uta.fi/ipoppla/www/ipoppla01/ru