Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Sosiaalisen median analysointi ja dokumenttipohjainen tutkimus

718 views

Published on

Esitys tutkimusmetodologiasta Tampereen yliopistossa 2019

Published in: Data & Analytics
  • Login to see the comments

Sosiaalisen median analysointi ja dokumenttipohjainen tutkimus

  1. 1. Sosiaalisen median analysointi ja dokumenttipohjainen tutkimus TTA-15090 Tutkimusmetodologia TkT Jari Jussila & TkT Jukka Huhtamäki @jnkka #tutkimusmetodologia 31.1.2019
  2. 2. Esityksestä •Tämä esityksen on koonnut Jari Jussila, Hämeen ammattikorkeakoulu, @jjussila •Jukka Huhtamäki, @jnkka, päivitti esityksen vuodelle 2019 ja veti luennon opintojaksolla TTA-15090 Tutkimusmetodologia torstaina 31.1.2019 •Materiaalissa on hyödynnetty myös professori Saku Mäkisen (2016) luentomateriaalia 31.1.2019
  3. 3. Dokumenttipohjainen tutkimus • Luotu (& kerätty) jotain muuta tarkoitusta varten “secondary data” • Dokumenttilähteitä on tietokonekapasiteetin myötä entistä helpompi helpompi kerätä ja säilöä • Dokumenttilähteissä huomionarvoista � jos dokumentit on valmiiksi kerätty, niin säästyy aikaa ja vaivaa � kun kerätty jotain muuta tarkoitusta varten, sillä ei ehkä kyetä löytämään vastausta kysymykseesi 31.1.2019 Muokattu: Mäkinen (2016)
  4. 4. Dokumentit lähteenä 31.1.2019 - sosiaalinen media - www-sivut - vuosikertomukset - mediatiedotteet - tietokannat - intranet - dokumentit - keskustelut (audio, video, chat) - tilastot - raportit - selvitykset - maksulliset tilastot - maksulliset raportit - jäsenyyttä edellyttävät selvitykset julkinen ei-julkinen yrityskohtainenyleinen Muokattu: Mäkinen (2016)
  5. 5. Yleisiä julkisia lähteitä • Tilastot, esim. • Tilastokeskus: http://www.stat.fi/ • Avoin data: https://www.avoindata.fi/fi • EU:n tilastot: http://epp.eurostat.ec.europa.eu/ • Tietoarkisto: https://www.fsd.uta.fi/ • Diplomityössä yleisiä julkisia datoja käytetään • johdannossa perustelemaan aiheen merkitystä • osana kirjallisuustutkimusta ja teorian rakentamista • tai varsinaisena empiirisen materiaalin tukena • yleiset lähteet voivat olla myös pääasiallinen empiirinen materiaali, esimerkiksi • markkinapotentiaalin määrittäminen • kilpailun kartoittaminen, jne. 31.1.2019 Muokattu: Mäkinen (2016)
  6. 6. Neljännesvuosikertomukset • Neljännesvuosikertomuksien tekstien visualisointi kilpailijatiedon lähteenä • Case-tutkimuksena kolmen matkapuhelinvalmistajan neljännesvuosikertomukset vuosilta 2000-2001 • Nokia • Motorola • Ericsson 31.1.2019 Magnusson 2010
  7. 7. Facebook-keskusteluiden vaikutus pörssikursseihin • Tutkittiin kuinka Facebook keskustelut ja aktiviteetit vaikuttavat eri sijoittajaryhmien sijoituskäyttäytymiseen • Löydettiin todisteita sille, että vähemmän ammattimaisten sijoittajien (kotitaloudet ja voittoa tavoittelemattomat organisaatiot) sijoituskäyttäytymiseen (osakkaiden osto ja myynti) Facebookilla on vaikutusta 31.1.2019 Siikanen ja muut 2017
  8. 8. Tapahtuma-analyysi (Event Study) • Tehokkailla markkinoilla julkinen informaatio heijastuu välittömästi pörssikurssiin • Lasketaan tapahtuman päivänä (+/- 1 päivä) miten yrityksen pörssikurssin muutos erosi vertailuryhmän “markkinamuutoksesta” ja saadaan ko. yrityksen erityinen kurssimuutos, joka on pörssitiedotteen/uutisen/ tms. tapahtuman vaikutuksen estimaatti 31.1.2019 Singhal 2016 Nokia Corporation 24.1. (Lähde: Nordnet) Using Secondary Data in Operations Management Research: Overview and Research Opportunities (Lähde: Singhal 2016, s. 25)
  9. 9. Ryömijöiden & raapijoiden avulla kerätty data • Dataa voi kerätä ohjelmallisesti miltä tahansa www-sivulta • Esimerkkinä ryömijä & raapija datan keräämiseen Indiegogo joukkorahoitusalustalta • Lähdekoodi saatavilla: http://github.com/jukkahuhtamaki/cr owdfunding-data • Raapijan koodi on toteutettava uudestaan. Miksi? 31.1.2019 Huhtamäki ja muut 2015
  10. 10. TTY ja sosiaalisen median aineistojen sisältöanalyysi 31.1.2019 https://underhood.co/tampereen-teknillinen-yliopisto-(tty) TTY & TaY > TAU: Oiva esimerkki some- ja dokumenttidatan käytön haasteista! Muitakin haasteita – mitä?
  11. 11. TTY:n ja sen yleisön käyttämän kielen samankaltaisuus 31.1.2019
  12. 12. TAMK ja sen yleisön käyttämän kielen samankaltaisuus 31.1.2019
  13. 13. Twitter-aineistojen sävyn ja tunnetilojen analyysi 13. Tunnetilojen tunnistaminen Twitteristä. Jari Jussila, Mika Boedeker, Nina Helander & Vilma Vuori 14. Tunnistaako kone tunteesi? Sävyanalyysi sosiaalisen median sisältöjen tulkinnassa. Tuomo Helo & Harri Jalonen 31.1.2019
  14. 14. Sävyanalyysi sosiaalisen median aineistoista 31.1.2019 Jalonen 2016, Helo & Jalonen 2018
  15. 15. Sävyanalyysi Espoon kaupungin tviiteistä Luuppi- työkalulla 31.1.2019
  16. 16. Yksityiskohtaisemman tunnetilan tunnistaminen sosiaalisen median aineistosta 31.1.2019 Jussila ja muut 2018
  17. 17. Tunnetilojen analyysi tekstiaineistoista 31.1.2019 Jussila & Vuori 2017, Jussila ja muut 2018
  18. 18. Tunnistetut tunnetilat ja niiden keskimääräiset uudelleentviittausmäärät 31.1.2019 0 2 4 6 8 10 12 14 Jussila ja muut 2018
  19. 19. Twitter-viestijöiden kommunikointityylit • Tutkittiin energia-alan ja ilmaston muutokseen liittyviä Twitter keskusteluita • Keitä ja minkä tapaisia viestintätyylejä toimijoista löytyi? • Ketonen-Oksi & Jalonen 2017 31.1.2019
  20. 20. Erilaiset Twitter viestijöiden roolien ja tyylien analyysi – case energia-ala Lähde: Ketonen-Oksi & Jalonen 2017 31.1.2019
  21. 21. Sosiaalisen median aineistojen minitutkimus Esimerkkinä tviittien analyysi
  22. 22. Vaihe 1. Aineiston kerääminen • Kaupalliset sovellukset, esim. • Underhood: https://underhood.co/ • NodeXL: https://www.smrfoundation.org/nodexl/ • IBM Watson Analytics for Social Media: https://www.ibm.com/us- en/marketplace/social-media-data-analysis • Ilmaiset sovellukset, esim. • TAGS – Twitter Archiving Google Sheet: https://tags.hawksey.info/ • Ohjelmalliset lähestymistavat, esim. • rtweet - R client for accessing Twitter’s REST and stream API: http://rtweet.info/ • twython – Python wrapper for the Twitter API: https://github.com/ryanmcgrath/twython • Datan ostaminen, esim. • Futusome: https://www.futusome.com/ 31.1.2019
  23. 23. Vaihe 1: Esim. TAGS 31.1.2019
  24. 24. Vaihe 1: Määritä hakutermi 31.1.2019
  25. 25. Vaihe 2: Datan tarkistaminen & valmistelu 31.1.2019
  26. 26. Vaihe 3: Datan analyysi 31.1.2019
  27. 27. Vaihe 4: Tulosten raportointi 31.1.2019
  28. 28. Vaihe 4: Tulosten raportointi 31.1.2019
  29. 29. Vaihe 5: Tutkimusaineiston säilyttäminen •Avoin tiede: https://avointiede.fi/ •CSC | Data sharing: https://research.csc.fi/sharing •Tietoarkisto arkistoi ja välittää tutkimusaineistoja tutkimukseen, opetukseen ja opiskeluun: https://www.fsd.uta.fi/fi/ •Fairdata.fi ja @Fairdata_fi 31.1.2019
  30. 30. Tule mukaan kehittämään! • Rajapinta.co on vuonna 2017 perustettu informaatioteknologian ja yhteiskuntatieteellisen tutkimuksen kohtaamispaikka • OKF Open Science: https://fi.okfn.org/wg/openscience/ • Laaksonen, S.-M., & Salonen, M. (2018). Kuka saa päättää, mitä dataa tutkijalla on käytössään? Ei ainakaan amerikkalainen suuryritys. Saatavilla: https://rajapinta.co/2018/12/04/kuka-saa-paattaa-mita-dataa-tutkijalla-on-kaytossaan-ei- ainakaan-amerikkalainen-suuryritys/ 31.1.2019

×