TUUKKA: User Groups in Social Networks (tutkimus, joka voi olla erityisesti Gigalaisten mieleen): aineistonhankinta ja analyysimenetelmät

Osa yhteisöllisistä verkkopalveluista (SNS) on puhtaasti sosiaalisia, kun taas  esimerkiksi YouTube on taas suuressa määrin sisältöön keskittynyt pitäessään yllä sosiaalisuutta. YouTuben kohdalla onkin siis syytä kysyä: miten sisältö ja kontaktit ovat suhteessa toisiinsa

Tutkimuksessa tarkasteltiin sosiaalisten aktiviteettien ja yhteisöjen piirteitä sisältöön keskittyvässä YouTubessa. Kahdenlaisia verkkoja tutkittiin. Ensinnäkin tilaamista (subscription) joka on sisältöön suuntautunut suhde, toisekseen ystävyyttä (friendship), joka on sosialisaatioon pyrkivää.

Tutkimuksessa tietoa haettiin Pythonilla ja Javalla luoduilla matelijoilla (crawlers). 

Ensi vaiheessa satunnaisia YouTube käyttäjiä hankittiin aineistoksi lumipallomallilla, joka alkoi "korkean tason käyttäjästä". YouTuben APIn http://en.wikipedia.org/wiki/API avulla kerättiin käyttäjätietoja, kuten ystävien määrää, tilauksia, tilaajia, sijaintia yms.  Luotiin keinotekoisia ja satunnaisia ryhmiä.

Toisessa vaiheessa kaikki ryhmätieto kerättiin, kuten ryhmän nimi, jäsenmäärä aiheet jne. Tieto kerättiin ruudunraaputusmenetelmin (screen-scraping). http://en.wikipedia.org/wiki/Data_scraping

Kolmannessa vaiheessa tutkittiin kaikki ryhmät, joissa oli jäseniä kolme tai enemmän. Kategoriaksi valittiin Koulutus, tiede ja teknologia. Kaikki videot ja jäsenet selvitettiin ryhmän kotisivulta. Kaikki ryhmän jäsenten ystävätiedot, tilaukset ja tilaajat selvitettiin.

Neljännessä vaiheessa Javan ja Pythonin matelija:-)ohjelmien avulla viiden muun kategorian tiedot  selvitettiin, jotta niiden erot saataisiin selville.

Nämä kategoriat olivat: 

1. Uutiset ja politiikka, keskimäärin suurin määrä jäseniä, videoita ja keskusteluja

2. Musiikki, suurin kategoria (kategoriassa oli liikaa ryhmiä, joten 3000 satunnaista tutkittiin)

3. Lemmikit ja eläimet, suuri korrelaatio ryhmän muuttujien välillä (jäsenmäärä, muistiinpanot, aiheet, videot)

4.Hyväntekeväisyys ja aktivismi, vähäinen vaihtelu ryhmämuuttujien välillä.

5. Urheilu, korkea jäsen-, video- ja keskustelumäärä, myös suuret korrelaatiot ryhmämuuttujien välillä.

Neljännen tason crawlaus tehtiin viisi kuukautta  ennen kolmannen vaiheen crawlausta. Koska YouTube oli suunnitellut sivunsa uudelleen AJAXilla ja HTMLllä, tarvittiin uutta matelijaa joka kirjoitettiin JAVAn Crawljax paketilla. 

Viidennessä vaiheessa, jotta saataisiin selville ryhmien muutos ajan saatossa, ryhmän Koulutus, tiede ja teknologia jäsenet crawlattiin uudelleen, kahden kuukauden jälkeen edellisestä crawlauksesta.

Sattuuko joku muuten tietämään, mitä tämä crawling ihan käytännössä tarkoittaa?

TUUKKA: Don’t you forget about me: aineistonhankinta ja analyysimenetelmät

Hakutermi Madeleine McCann tuotti YouTubessa vastaukseksi 3700 videota  ja yli seitsemän miljoonaa tekstivastausta. Aineiston hankinta oli kätevien hakutoimintojen ansiosta helppoa. 

Tutkimusaineistoksi valittiin 3680 videon joukosta suosituin kymmenys. Laadullisen sisällönanalyysin avulla videot jaettiin yleisluontoisiin ryhmiin (13) tutkimuksen ensimmäistä vaihetta varten. Nämä laadulliset luokat alistettiin määrälliseen analyysiin, jossa muuttujina olivat vastausten määrät, lähetettyjen videoiden määrät ja katselukertojen kokonaismäärät.

Videoaineisto jaettiin luokkiin: muistaminen (tribute), vihamielisyys, joukkoviestinnän käyttäminen, Tapaukseen tehty musiikki, rikostutkintaan liittyvät, psyykkiset ja uskonnolliset piirteet, huumori, virallisten järjestöjen lähettämät, tuki McCanneille, kadonneet lapset yleensä, mediaatio, luova lähestymistapa ja kilpailut. Kaikkien näiden ryhmien videoiden määrät, katselukerrat ja kommentit oli laskettu. Kahden ensimmäisen kategorian 10 parhaan videon 100 ensimmäistä tekstikommenttia analysoitiin diskurssianallyysin keinoin. Hallitsevia diskurssiteemoja pyrittiin määrittämään.

Videoaineiston tekstikommentit jaettiin luokkiin (28): McCannien tukeminen, McCannien syyttäminen, vihamielinen kanssakeskustelijoita kohtaan, McCannien puolustaminen, rikostutkinnalliset lähestymistavat, luokka ja rotu, ylistäminen, muut kadonneet lapset sekä musiikkiin liittyvät.

Luokkia olivat myös sellaiset, kuin kanssakeskustelijoiden myötäily, neutraalit kanssakeskustelijoihin liittyvät, Madeleinen kuoleman ennakointi, tapauksen medioituneisuus, “Coloboma eye”, sieppaajan rankaiseminen, spämmäys, videoiden tekniset seikat, vitsit, “sightings”, pedofilia, seksuaaliset, Madeleinen ulkonäkö, McCannien PR-strategian kritikointi, kanssakeskustelijan puolustaminen, vihamielisyys videota kohtaan, YooTubeen yleisesti liittyvät kommentit ja uskonnolliset tekstikommentit.

Seuraavaksi tutkittiin diskurssianalyysin avulla myös videoiden kommenteissa useimmiten esiintyneitä sanoja, joita olivat esimerkiksi vanhemmat, Maddie, toivo, löytää ja rukous. 

Tuukan tarkastelemien tutkimusten aiheet 4/4

Kolmanneksi tutkimuksekseni valitsin Käyttäjäryhmät sosiaalisissa verkostoissa: kokeellinen YouTube tutkimus (tarkemmat lähdetiedot kaikista tarkastelemistani tutkimuksista löytyvät tutkimuksia välilehdestä).

YouTuben lisäsi hiljan käyttäjille mahdollisuuden muodostaa ryhmiä, joissa voi ilmaista eksplisiittisesti kiinnostuksenkohdekategoriansa.  Käyttäjien rooleja käyttäjäryhmissä ja ryhmien kehittymistä tarkasteltiin. Tutkimuksessa haavainnoitiin myös miten ihmiset liittyvät ryhmiin.

Neljänneksi tutkimuksekseni valitsin YouTube -videoiden tilastot ja sosiaalinen verkosto. Tutkimuksessa kerättiin yli kolmen miljoonan YouTube -videon tiedot. tutkimuksessa havaittiin videoilla olevan vahva korrelaatio toisiinsa, joka mahdollistaa uusien tekniikoiden kehittämisen palvelun laadun parantamiseksi. YouTuben ero muihin videostreamauspalveluihin on muun muassa videoiden pituus: Youtubessa muutamia minuutteja, muilla sivuilla 1-2 tuntia (elokuvat). Ihmiset voivat valita 12 kategoriasta, lisätessään videon. Suosituin kategoria on musiikki. YouTube videoiden keskimääräinen koko on vain 8,4 MB.

Meniinan yhteenveto tutkimuksista: YouTube ja sosiaalisuus

YouTubea koskevissa tutkimuksissa tarkasteltiin eri asioita käyttäen erilaisia menetelmiä, mutta jokaisen tutkimustuloksia esittelevissä osioissa nostettiin palveluun liittyvä sosiaalisuus jollain tapaa esiin. Ensimmäisessä tutkimuksessa (Haradikis & Hanson: Social Interaction and Co-Viewing With YouTube) esitettiin palveluun liittyvän myös sosiaalisen aspektin, joka näkyy videoiden jakamisena ja katsomisena sekä niistä keskustelemisena perheen ja ystävien kanssa. Tutkimuksessa tultiin lopputulokseen, että YouTubea voidaan kutsua sosiaaliseksi mediaksi.

Toisessa tutkimuksessa (Thornton: YouTube: transnational fandom and Mexican divas) YouTuben käyttö nähtiin myös sosiaaliseksi. Tutkimuksessa tarkastellut fanit toimivat YouTuben kautta osana yhteisöään rakentaen sekä omaa identiteettiään että käsitystään ihailunsa kohteesta. YouTubessa julkaistu fanin tekemä video nousee osalliseksi laajaa ihailun kohteesta käytävää keskustelua ja tämä toiminta on todellakin sosiaalista. Videoiden tekijät myös odottavat kommentteja töistään ja niiden kautta keskustelu yhteisössä syntyy. Tästä päästään kolmannessa tutkimuksessa ((Understanding Content Consumers and Content Creators in the Web 2.0 era: A Case Study of YouTube Users) esitettyyn näkemykseen, jonka mukaan YouTubessa käyttäjät viihtyvät, kommunikoivat ja vaihtavat tietoa. Palvelusta on tullut tärkeä osa etenkin nuorten teknologian täytteistä elämäntapaa. Myös neljäs tutkimus (Chu: Collective behavior in YouTube: a case study of `Bus Uncle`online videos) jatkaa samalla linjalla kutsuessaan YouTubea kahleistaan vapautetun mielikuvituksen leikkikentäksi: se on julkinen kulttuurinen tila, jossa käyttäjät viihtyvät ja jakavat sisältöä sekä kommentoivat sitä.

Olen samaa mieltä tutkimusten kanssa eli näen YouTuben käytön sosiaalisena toimintana. Olen tutkinut gradussani erikoistuneen faniryhmän toimintaa YouTubessa ja työn alussa viime syksynä yllätyin niistä mahdollisuuksista, joita YouTube faniyhteisölle eli fandomille tarjoaa: se on heidän töidensä esittelyyn käytetty areena ja mahdollistaa myös keskustelun fandomin sisällä. Vaikka en ainakaan vielä ole osallistunut fanivideoista käytyihin keskusteluihin, tunnen itse samaa mediatekstiä fanittavana henkilönä yhteenkuuluvuuden tunnetta fandomiin pelkästään katsomalla videoita ja lukemalla niistä käytyjä keskusteluja. Tämä on tietysti omakohtainen kokemukseni ja yllätti aikoinaan itsenikin, mutta senkin perusteella näen YouTuben tarjoavan uusia mahdollisuuksia fandomien kaltaisille kuvitelluille yhteisöille. Videot voivat myös houkutella sellaisia henkilöitä, joita ei sen pohjana käytetty mediateksti ole aikaisemmin edes kiinnostanut. Näen myös viraalivideoiden katselun ja jakamisen sosiaalisena toimintana, sillä mikään viraalivideo itse ei pysty nostamaan itseään ilmiön asemaan. Ilmiön siitä tekevät sen katsojat.

Meniinan tarkastelemien tutkimusten menetelmiä

Neljässä tarkastelemassani tutkimuksessa käytetyt menetelmät poikkeisivat toisistaan. Jos useassa oli käytetty aineiston keruun menetelmänä kyselyä, erosivat tutkimusten tiet tässä vaiheessa toisistaan. Pari menetelmää oli minulle täysin uusia (esimerkiksi regressioanalyysi sai humanistin pään pyörälle :D ), mutta yritän selittää ne tässä järkeenkäyvästi. Menetelmät olivat myös aika huonosti avattu, joten Google tuli avuksi useammankin kerran.

Ensimmäisessä tarkastelemassani tutkimuksessa (Haradikis & Hanson: Social Interaction and Co-Viewing With YouTube) tutkittiin YouTuben käyttäjien motiiveja videoiden jakamiseen ja katsomiseen. Tutkimuksessa käytettiin menetelmänä regressioanalyysia, joka on tilastotieteen menetelmä. Sen etuna ovat joustavuus muuttujien välisten suhteiden tutkimisessa ja yhtäaikainen monen muuttujan vaikutuksen selvittäminen. Tarkastelemassani tutkimuksessa muuttujia olivat taustatekijät, motivaatio ja yhteenkuuluvuuden tunne, joiden vaikutusta YouTuben käyttäjien motiiveihin videoiden jakamiseen ja katsomiseen tarkasteltiin. Tuloksia esiteltiin taulukoiden avulla, jotka mielestäni olivat aika sekavia. Niihin oli ängetty valtava määrä tietoa, josta ei oikein saanut otetta. Tässä tapauksessa runsaasti informaatiota sisältävä taulukko kääntyi itseään vastaan ja tulokset sai paremmin selville tekstistä.

Toisessa tarkastelemassani tutkimuksessa (Thornton: YouTube: transnational fandom and Mexican divas) tarkasteltiin YouTubea areenana fanimateriaalin tuottamiselle. Tutkimuksen kohteena olivat kahdesta meksikolaisesta filmitähdestä tehdyt fanivideot sekä niissä näkyvät, kulttuurisilla taustoilla selittyvät erot. Menetelmänä videoiden tarkasteluun käytettiin suoraa havainnointia, jonka jälkeen tutkijat raportoivat näkemäänsä. He esimerkiksi erottivat videoista tyylillisiä seikkoja, kuten onko video kuvankaappauksista koostuva diaesitys vai onko siinä käytetty liikkuvaa kuvaa esimerkiksi tähden tekemistä elokuvista. Näille havainnoille haettiin sitten perusteita fanivideoiden tekijöille esitetyistä kyselyistä. Koska YouTuben tutkiminen ylipäätään on vielä varsin tuore juttu, mielestäni havainnointi toimi hyvin menetelmänä. Fanitutkimus on myös osa kulttuurintutkimusta, josta saatujen tulosten ei tarvitse olla täysin yleistettäviä. Fanien tekemät videot ovat siis otanta ja osa tutkittavaa ilmiötä, joten niistä saatujen tulosten ei voi olettaa koskevan kaikkia fanien tekemiä videoita. Kuitenkin analyysissa käytettiin tukena videoiden tekijöiden antamia vastauksia, joten yksinään tutkijoiden päätelmien varaan ei tutkimus jäänyt. Toisaalta tutkimuksessa käytettyä menetelmää voisi luonnehtia myös sisällönanalyysiksi. Taulukoita ei tässä tutkimuksessa tulosten kertomisen apuna käytetty.

Kolmannessa tarkastelemassani tutkimuksessa (Understanding Content Consumers and Content Creators in the Web 2.0 era: A Case Study of YouTube Users) pyrittiin ymmärtämään käyttäjien käyttäytymistä ja motivaatiota YouTuben sisällön kuluttamisessa ja tuottamisessa. Menetelmää ei erikseen mainittu, mutta kyselyn avulla saatuja vastauksia oli varmastikin analysoitu käyttäen sisällönanalyysia. Siinä käytettiin myös määrällisiä menetelmiä eli taulukoita oli runsaasti. Verrattuna ensimmäiseen tutkimukseen, tässä tapauksessa taulukot olivat mielestäni paikallaan eikä yhteen ollut ängetty liikaa tietoa. Ensimmäisen tutkimuksen tuloksia esittelevän taulukon olisi myös voinut jotenkin hajauttaa. Tutkimuksista kävi siis hyvin ilmi, miten suuri merkitys oikeanlaisella taulukolla tai kuviolla voi olla.

Neljännessä tarkastelemassani tutkimuksessa (Chu: Collective behavior in YouTube: a case study of `Bus Uncle`online videos) tutkittiin Hong Kongilaista YouTube -ilmiötä ja sen saamia videovastauksia (mash-ups). Videovastauksia tutkittiin käyttämällä tekstuaalista analyysia, josta en ollut aikaisemmin kuullutkaan. Luettuani tutkimuksen huomasin sen muistuttavan suuresti sisällönanalyysia ja pienen Google-tuokion jälkeen huomasin näitä kahta nimitystä käytettävän samasta analyysitavasta. Tutkijat siis kävivät läpi kaikki Bus Unclen saamat videovastaukset ja jakoivat ne neljään luokkaan, joita olivat videon sisältö, videoiden esitystyylit, asenteiden ja mielipiteiden esittämistavat ja osallistumisen tapa. Videoiden luokitukset nousivat esiin aineistosta eikä niitä yritetty sovittaa mihinkään valmiiksi olemassa oleviin kategorioihin. Menettely oli siis aineistolähtöistä. Myöhemmin nämä luokat jakautuivat erilaisiin alaluokkiin ja tuloksia esitettiin havainnollistavien taulukoiden avulla.

Hannan toinen artikkeli

Toinen tutkimistani artikkeleista oli Martin Halveyn ja Mark T. Keanen artikkeli ” Exploring Social Dynamics in Online Media Sharing” (2006). Artikkeli on melko vanha, varsinkin otettaessa huomioon, että YouTube julkaistiin vasta vuonna 2005. Artikkeli on kuitenkin samantapainen kuin Paolillon artikkeli, jota käsittelin ensimmäisessä postauksessani. Artikkeli perustuu Youtuben sisällön tutkimiseen, eli sosiaalisten suhteiden tutkimukseen, sekä myös hakuominaisuuksien toimintaan. Erona Paolillon artikkeliin on se, että tarkoituksena on kuitenkin paremminkin selvittää ominaisuuksia, jotka parantavan sisällön saatavuutta. Kuten Paolillon artikkelissakin, materiaali kerättiin tutkimalla käyttäjiä, heidän profiilejaan, ystävyyssuhteitaan, julkaisujaan ja toimintaa. Materiaalin hankinnasta ei artikkelissa kerrottu yksityiskohtaisesti, mutta tämänkaltaisen tiedon keräämiseen tarvitaan jonkinlainen tietojen keräämiseen suunniteltu ohjelma, kuten Paolillonkin artikkelissa. Tässä tapauksessa materiaalista koottiin tietokanta, johon kuului informaatiota käyttäjistä, jotka käyttivät videoiden jakamisen ja etsimisen työkaluja.

Halveyn ja Keanen artikkelissa materiaalin analysointi perustui kuitenkin yksinkertaisempiin tilastollisiin menetelmiin. Materiaalista valittiin tietyt tutkimuskohteet, joita havainnollistettiin joko numeerisesti tai graafisesti. Koska materiaali oli numeerista, pystyi sen avulla helposti havainnollistamaan asioiden välisiä yhteyksiä sekä distribuutioita. Tämä oli mielestäni hyvä menetelmä, sillä se tarjosi ns. kovaa faktaa. Tämän perusteella materiaalista olisi helppo tehdä myös muunlaisia analyysejä tai käyttää pohjana jatkotutkimukselle. Harmillisesti artikkelissa ei juurikaan kerrottu itse materiaalin keräämisvaiheesta. Tämä on tietenkin otettava huomioon, mikäli artikkelia aiotaan käyttää hyväksi jatkotutkimuksissa. Esimerkiksi tarkasteluun valitut käyttäjät saattavat olla jollain tavalla samankaltaisia, eivätkä täten edustaisi Youtuben käyttäjäkuntaa kokonaisuudessaan.

Tutkimuksen tulos oli se, että monet käyttäjät eivät ollenkaan hyödyntäneet YouTuben tarjoamia sosiaalisia funktioita. Sellaiset käyttäjät, jotka kuitenkin hyödynsivät sosiaalisia funktioita, muodostivat sovelluksen parissa omia sosiaalisia verkostoja. Artikkelin sanomana oli se, että tutkimalla näitä sosiaalisia suhdeverkostoja, voitaisiin paremmin hahmottaa käyttökokemusta YouTuben kaltaisissa sovelluksissa. Näitä käyttökokemuksia tutkimalla voitaisiin jatkossa kehittää toimivampia sisällönhakujärjestelmiä.

-Hanna