Koneoppiminen osaksi mediatapahtumien tutkimusta

”Avaamme artikkelissa koneoppimisen periaatteita metodiartikkelin hengessä tukeaksemme eri tutkimusotteiden osaajien välistä vuoropuhelua”, kertovat Pihla Toivanen, Jukka Huhtamäki, Katja Valaskivi ja Minttu Tikka artikkelistaan Aihemallinnus hybridin mediatapahtuman ja merkitysten kierron tutkimuksessa. Artikkeli on julkaistu Media & viestintä -lehdessä 1/2020.

Mihin laajempaan ilmiöön ja keskusteluun artikkelinne liittyy?
Artikkelissa tutkimme koneoppimisen soveltamista hybridin mediatapahtuman tutkimuksessa. Laajemmin tutkimuksemme kiinnittyy laskennallisten menetelmien käyttöön datan keräämisessä ja analyysissä mediatutkimuksen tukena.

Hybridi mediaympäristö tarkoittaa tilannetta, jossa sekoittuvat tuotannon ja vastaanoton käytännöt siten, että sekä ammattimaisesti vakiintuneiden mediaorganisaatioiden käytännöt että sosiaalisen median käytännöt muokkaavat toisiaan ja syntyviä merkityksiä.

Mikä on antinne tähän keskusteluun?
Laskennallisten menetelmien soveltamiseen mediatutkimuksessa ei ole yleensä vakiintuneita käytäntöjä. Artikkelimme esittää tapaustutkimuksen ohjaamattoman koneoppimismenetelmän aihemallinnuksen käytöstä hybridin mediatapahtuman tutkimuksessa. Keskeinen tutkimusongelmamme on se, miten voimme saada kokonaiskuvan suuresta mediatapahtuma-aineistosta ja ymmärtää sen logiikkaa laskennallisten menetelmien avulla.

Tapaustutkimuksenamme on maaliskuussa Uudessa-Seelannissa Christchurchissa kahteen moskeijaan suunnattu terrori-isku. Keräsimme Twitter-aineiston, jonka noin 150 000 twiitille toteutimme aihemallinnuksen. Artikkelimme keskeinen anti on johtopäätös siitä, että parhaimmillaan aihemallinnus toimii hybridin mediatapahtuman tutkimuksessa eräänlaisena alkupisteenä laadullisten tutkimuskysymyksien muodostamiseen suuresta aineistosta. Lisäksi totesimme voivamme hyödyntää aihemallinnusta hybridin mediatapahtuman tutkimuksessa myös muuten kuin perinteisesti aiheiden etsintään. Aihemallinnus esimerkiksi tunnisti twiittejä, joita käyttäjät olivat ikään kuin rikkinäisenä puhelimena kopioineet ja kierrättäneet toisiltaan (artikkelin taulukko 4).

Mikä on artikkelinne keskeinen argumentti?
Keskeinen argumenttimme on se, että koneoppimista voidaan hyödyntää hybridin mediatapahtuman tutkimuksessa, kunhan menetelmien rajoitteet ja toimintaperiaatteet ymmärretään. Aihemallinnus tarjosi tapaustutkimukseemme monia tapoja saada selkoa suuresta aineistostamme ja tuki tarkempien tutkimuskysymyksien muodostamista jatkotutkimuksen ohjaamiseksi.

Mitä haluatte artikkelillanne sanoa?
Haluamme kannustaa mediatutkijoita ja laskennallisen analytiikan taitajia kehittämään yhteistyössä monimenetelmällistä otetta mediatapahtumien ja muiden hybridin median ilmiöiden kartoittamiseksi ja ymmärtämiseksi. Avaamme artikkelissa koneoppimisen periaatteita metodiartikkelin hengessä tukeaksemme eri tutkimusotteiden osaajien välistä vuoropuhelua.

Kenen kannattaa lukea artikkelinne?
Jos olet kiinnostunut mediatapahtumien tutkimuksesta tai laskennallisista menetelmistä, kannattaa tutustua artikkeliimme. Olemme yrittäneet käyttää mahdollisimman selkeää kieltä laskennallisiin menetelmiin liittyen, jotta tekstimme sopii myös opiskelijoiden luettavaksi.

Mikä sai teidät tarttumaan tähän aiheeseen?
Artikkelimme kirjoittajista erityisesti Katja Valaskivi ja Minttu Tikka ovat tutkineet jo vuosia mediatapahtumia. Tämä tutkimus tehtiin osana Suomen Akatemian rahoittamaa Hybrid Terrorizing -tutkimushanketta, jossa tutkitaan terroristisia mediatapahtumia. Tartuimme aiheeseen, koska hybridien mediatapahtumien ymmärtäminen vaatii sellaisten sosiaalisen median aineistojen keräämistä, joiden kokoluokka edellyttää monimenetelmällistä otetta.

(Lauri Haapanen)