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