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

146 views

Published on

Esitys Tampereen yliopiston opintojaksolla TTA-15091 Tutkimusmetodologia

Published in: Data & Analytics
  • Be the first to comment

  • Be the first to like this

Sosiaalisen median analysointi ja dokumenttipohjainen tutkimus

  1. 1. Sosiaalisen median analysointi ja dokumenttipohjainen tutkimus TTA-15091 Tutkimusmetodologia TkT Jari Jussila & TkT Jukka Huhtamäki @jnkka #tutkimusmetodologia 30.1.2020
  2. 2. Esityksestä •Tämä esityksen on koonnut Jari Jussila, Hämeen ammattikorkeakoulu, @jjussila •Jukka Huhtamäki, @jnkka, päivitti esityksen vuodelle 2019 ja jatkoi 2020 •Materiaalissa on hyödynnetty myös professori Saku Mäkisen (2016) luentomateriaalia 30.1.2020
  3. 3. Dokumenttipohjainen tutkimus • Luotu (& kerätty) jotain muuta tarkoitusta varten “secondary data” (esimerkiksi Williams and Shepherd, 2015) • 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 30.1.2020 Muokattu: Mäkinen (2016)
  4. 4. Dokumentit lähteenä 30.1.2020 - 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. 30.1.2020 Muokattu: Mäkinen (2016)
  6. 6. Neljännesvuosikertomukset • Neljännesvuosikertomuksien tekstien visualisointi kilpailijatiedon lähteenä • Case-tutkimuksena kolmen matkapuhelinvalmistajan neljännesvuosikertomukset vuosilta 2000-2001 • Nokia • Motorola • Ericsson 30.1.2020 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 30.1.2020 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 30.1.2020 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. Ryömijät ja raapijat datan keräämisessä • Dataa voi kerätä ohjelmallisesti miltä tahansa www-sivulta • Esimerkkinä ryömijä & raapija datan keräämiseen Indiegogo joukkorahoitusalustalta • Lähdekoodi saatavilla: http://github.com/jukkahuhtamaki/crowdfund ing-data • Raapijan koodi on toteutettava uudestaan. Miksi? • Katso myös Bradshaw (2017): https://leanpub.com/scrapingforjournalists 30.1.2020 Huhtamäki ja muut (2015)
  10. 10. Ekosysteemidataa 30.1.2020 • Basole (2020) julkaisi vastikään kattavan listan datalähteistä ekosysteemien ja digitaalisen liiketoiminnan datavetoisen tutkimuksen tueksi: http://doi.org/10125/64444
  11. 11. 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 30.1.2020
  12. 12. Sävyanalyysi sosiaalisen median aineistoista 30.1.2020 Jalonen 2016, Helo & Jalonen 2018
  13. 13. Sävyanalyysi Espoon kaupungin tviiteistä Luuppi- työkalulla 30.1.2020
  14. 14. Yksityiskohtaisemman tunnetilan tunnistaminen sosiaalisen median aineistosta 30.1.2020 Jussila ja muut 2018
  15. 15. Tunnetilojen analyysi tekstiaineistoista 30.1.2020 Jussila & Vuori 2017, Jussila ja muut 2018
  16. 16. Tunnistetut tunnetilat ja niiden keskimääräiset uudelleentviittausmäärät 30.1.2020 0 2 4 6 8 10 12 14 Jussila ja muut 2018
  17. 17. Twitter-viestijöiden kommunikointityylit • Tutkittiin energia-alan ja ilmaston muutokseen liittyviä Twitter keskusteluita • Keitä ja minkä tapaisia viestintätyylejä toimijoista löytyi? • Ketonen-Oksi & Jalonen (2017) 30.1.2020
  18. 18. Erilaiset Twitter viestijöiden roolien ja tyylien analyysi – case energia-ala Lähde: Ketonen-Oksi & Jalonen 2017 30.1.2020
  19. 19. Sosiaalisen median aineistojen minitutkimus Esimerkkinä tviittien analyysi
  20. 20. Vaihe 1. Aineiston kerääminen • Kaupalliset sovellukset, esim. • NodeXL: https://www.smrfoundation.org/nodexl/ • SocioViz: https://socioviz.net/ • Underhood: https://underhood.co/ • Ilmaiset sovellukset, esim. • TAGS – Twitter Archiving Google Sheet: https://tags.hawksey.info/ • Digital Methods Initiative (Rogers, 2019): https://wiki.digitalmethods.net/Dmi/ToolDatabase • 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/ • Twitter Enterprise: https://developer.twitter.com/en/enterprise 30.1.2020
  21. 21. Vaihe 1: Esim. TAGS 30.1.2020
  22. 22. Vaihe 1: Määritä hakutermi 30.1.2020
  23. 23. Vaihe 2: Datan tarkistaminen & valmistelu 30.1.2020
  24. 24. 30.1.2020 Vaihe 3: Datan analyysi
  25. 25. Vaihe 4: Tulosten raportointi 30.1.2020
  26. 26. Vaihe 4: Tulosten raportointi 30.1.2020
  27. 27. 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 30.1.2020
  28. 28. 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/ 30.1.2020

×