Kvalitatiivisen aineiston tietokoneavusteinen analyysi ATLAS ti ohjelman avulla

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: timo. moilanen@helsinki. fi

Esityksen kulku n analyysiohjelman ja tutkimusmenetelmän välisestä suhteesta n ATLAS. ti analyysin apuvälineenä n version 4. 2 keskeiset ominaisuudet n mitä uutta versiossa 5 n minkälaisiin tutkimusotteisiin ohjelma soveltuu n lopuksi: ohjelmien opettamiseen liittyviä seikkoja

Analyysiohjelman ja tutkimusmenetelmän välisestä suhteesta n ei olemassa tietokoneavusteista kvalitatiivisen aineiston analyysia (ks. esimerkki) n esim. koodaus: mitä koodataan (kaikki teksti, osa tekstistä), mistä koodit (ennen analyysia, aineistoon perustuen), mikä on analyysiyksikkö? n on monia lähestymistapoja, joilla on jotain yhteisiä sääntöjä ja periaatteita, mutta myös paljon eroja (ks. esimerkki) n ohjelmat tukevat erityisesti GT-tyyppistä tutkimusta (koodaus, hakeminen, memot, suhteet)

Eroavaisuuksia kvantitatiivisen ja kvalitatiivisen aineiston välillä n kvantitatiivinen aineisto n kvalitatiivinen aineisto havaintomatriisi tutkimusmateriaali muuttujat - -- - - - -- -- - - ---- -- - - -- havaintoyksiköt V 1 V 2 V 3 V 4 vastaaja 1 1 3 2 1 - - -- -- - - ---- - vastaaja 2 2 5 3 2 - -- - - -- vastaaja 3 1 2 2 1 vastaaja n 1 3 5 4 n havainnot muodostuvat aineiston keruu- ja käsittelyvaiheessa havainnot - -- -- - - -- - - - ---- ---- - -- -- - - ---- -n havainnot muodostuvat vasta aineiston analyysivaiheessa tutkijan tulkinnan kautta

ATLAS. ti: n keskeiset ominaisuudet (versio 4. 2) 1. KOODAUS (CODING) www. atlasti. de 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 #K 017 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

n muita ominaisuuksia n aineiston joustava yhdistäminen erilaisiin perheisiin (primaaritekstiperheet, koodiperheet, memoperheet) n laajat kommentointimahdollisuudet (vrt. memot) n monipuolinen järjestäminen (sort) ja suodatus (filter) n relevantin tekstin haku n uutta tulevassa 5. 0 versiossa (maaliskuu 2004), mm. n kovista rivivaihdoista luopuminen n Excel ja Word –tiedostojen käyttö n rich text muotoilujen käyttö n multi-user editing and synchronization n monikielisyys (East Asian language support (DBCS), Window mirroring for right-to-left languages) n XML-pohjaisuus (aineiston siirrettävyys) n sisällönanalyysi (improved Word Cruncher) ja tulokset suoraan Excel-tiedostoon

Lopuksi: ohjelmien opettamiseen liittyviä seikkoja n tietokoneavusteinen analyysi ei ole itsenäinen menetelmä - näennäisesti ”helpon” aineiston analyysi vaatii taustalle teoreettis-metodologisen viitekehyksen n vrt. kvantitatiivinen aineisto, jossa havainnot on jo ’tuotettu’ jostain näkökulmasta n päätetyöskentely on raskasta, vaatii oman tilan (myös tietoturvaan liittyvät kysymykset tärkeitä) n hyvää: suurten aineistojen analyysiprosessin hallittavuus, läpinäkyvyys ja yhteistyömahdollisuudet n samaa kvalitatiivista aineistoa voidaan analysoida lukuisista eri näkökulmista (arkistointi lisää monitieteisyyden mahdollisuuksia) n tutkimusmenetelmien oppimista voidaan tukea yhteisillä resurssilla, mutta opetus pitää aina räätälöidä kullekin tieteenalalle/oppialalle sopivaksi n 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/ipoppla 01/ru