Skip to content
بازگشت به نتایج جست‌وجو

قوم‌نگاری دیجیتال — مطالعه فرهنگ در محیط‌های آنلاین

معرفی‌شده توسط
Christine Hine (virtual ethnography); Robert V. Kozinets (netnography)
سال
Late 1990s – 2000s
نوع
Qualitative research method
خانواده
Ethnography

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

قوم‌نگاری دیجیتال روشی پژوهشی کیفی است که کار میدانی قوم‌نگاری سنتی را برای محیط‌های آنلاین و واسطه‌گری دیجیتال تطبیق می‌دهد. پژوهشگر با تکیه بر مشاهده مشارکتی پایدار، گردآوری اسناد و گاهی مصاحبه، خود را در یک یا چند جامعه دیجیتال — پلتفرم‌های رسانه‌های اجتماعی، انجمن‌ها، فضاهای بازی، یا گروه‌های پیام‌رسان — غرق می‌کند تا بفهمد چگونه فرهنگ، هویت و عمل اجتماعی از طریق تعامل دیجیتال ساخته می‌شوند. این رویکرد اذعان دارد که فضاهای آنلاین صرفاً بازتاب زندگی آفلاین نیستند، بلکه خودشان مکان‌های متمایزی برای تولید فرهنگی محسوب می‌شوند.

شهود پشت روش

تصور کنید می‌خواهید بفهمید بیماران مبتلا به بیماری مزمن چگونه در گروه‌های خصوصی فیس‌بوک از یکدیگر حمایت می‌کنند، یا جوامع ضد واکسن چگونه روایت‌ها را در رددیت منتشر می‌کنند. قوم‌نگاری دیجیتال به جای طراحی یک نظرسنجی یا اجرای آزمایش‌های آزمایشگاهی، شما را در این فضاها قرار می‌دهد — مکالمات را در طول زمان می‌خوانید، نمادها و زبان تکراری را یادداشت می‌کنید، مشاهده می‌کنید چه کسی صحبت می‌کند و چه کسی ساکت می‌شود، و گاهی خودتان در بحث‌ها شرکت می‌کنید. نتیجه، شرحی غنی و زمینه‌مند از چگونگی ساخته شدن معنا و حفظ جامعه از طریق صفحه‌های نمایش و پلتفرم‌ها است، چیزی که نه نظرسنجی‌ها و نه شمارش محتوا قادر به ثبت کامل آن نیستند.

تاریخ

روش‌های قوم‌نگاری در اواسط تا اواخر دهه ۱۹۹۰ با تبدیل شدن اینترنت به مکانی برای زندگی اجتماعی پایدار، برای محیط‌های آنلاین تطبیق داده شدند. قوم‌نگاری مجازی (Virtual Ethnography) اثر Christine Hine (۲۰۰۰) یکی از اولین رویکردهای نظام‌مند بود که استدلال می‌کرد اینترنت هم یک مصنوع فرهنگی و هم مکانی برای فرهنگ است، و مفاهیم کار میدانی سنتی — میدان، حضور، مشاهده — می‌توانند برای پژوهش آنلاین به طور ثمربخشی بازاندیشی شوند. Robert Kozinets با توسعه نتنوگرافی (netnography) به عنوان یک نوع تخصصی متمرکز بر جوامع مصرف‌کننده آنلاین، رویه‌های جمع‌آوری داده و تحلیل را در کتاب نتنوگرافی (۲۰۱۰) تدوین کرد. از آن زمان، این روش در رشته‌ها و پلتفرم‌های مختلفی متنوع شده است، و پژوهشگرانی مانند Tom Boellstorff (قوم‌نگاری در جهان‌های مجازی) و danah boyd (سایت‌های شبکه اجتماعی) کاربرد و دامنه معرفت‌شناختی آن را گسترش داده‌اند.

چه زمانی استفاده شود

قوم‌نگاری دیجیتال زمانی مناسب است که سؤال پژوهش به چگونگی ساخت و حفظ فرهنگ، هویت، جامعه، یا عمل اجتماعی در محیط‌های آنلاین یا واسطه‌گری دیجیتال مربوط می‌شود، و زمانی که هدف عمق تفسیری است نه تعمیم آماری. این روش زمانی انتخاب درستی است که پدیده مورد علاقه عمدتاً یا به طور قابل توجهی آنلاین رخ می‌دهد — جوامع بهداشتی، فرهنگ‌های طرفداری، جنبش‌های سیاسی، شبکه‌های حرفه‌ای، خرده‌فرهنگ‌های بازی — و زمانی که مشاهده پایدار و زمینه‌مند در طول زمان برای درک آن لازم است. زمانی که هدف اندازه‌گیری فراوانی یا توزیع پدیده‌ها در جمعیت‌های بزرگ است (از تحلیل محتوا یا روش‌های محاسباتی استفاده کنید)، زمانی که جامعه آنلاین برای مشاهده اخلاقی بسیار کوچک یا خصوصی است، یا زمانی که سؤال پژوهش نیاز به کنترل آزمایشی دارد، کمتر مناسب است.

محدودیت‌ها و ملاحظات

  • یافته‌ها خاص زمینه و محدود به سایت میدانی انتخاب شده هستند؛ نتایج از نظر آماری قابل تعمیم به همه کاربران یک پلتفرم یا همه اعضای یک گروه اجتماعی نیستند.
  • سایت‌های میدانی آنلاین ناپایدار هستند — پلتفرم‌ها شرایط خدمات خود را تغییر می‌دهند، محتوا را حذف می‌کنند، یا از بین می‌روند و کار میدانی را به طور غیرمنتظره مختل یا پایان می‌دهند.
  • پژوهشگر فقط می‌تواند آنچه را که به صورت عمومی یا نیمه‌عمومی قابل مشاهده است مشاهده کند؛ تعاملات خصوصی، رفتار آفلاین، و ابعاد غیرمتنی زندگی شرکت‌کنندگان خارج از حوزه دید باقی می‌مانند.
  • تعیین هویت و ویژگی‌های جمعیتی اعضای جامعه اغلب غیرممکن است و نمونه‌گیری هدفمند و زمینه‌مند کردن یافته‌ها را پیچیده می‌کند.
  • ناوبری اخلاقی پیچیده است: رضایت، ناشناس‌سازی، و مرز عمومی/خصوصی فضاهای آنلاین مورد مناقشه و وابسته به حوزه قضایی هستند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • بینش غنی و زمینه‌مند به فرهنگ‌ها و جوامع آنلاین ارائه می‌دهد که نظرسنجی‌ها و شمارش محتوا قادر به تأمین آن نیستند.
  • امکان مطالعه جوامعی را فراهم می‌کند که فقط یا عمدتاً در فضاهای دیجیتال وجود دارند و آن‌ها را برای اولین بار در دسترس تحقیق کیفی قرار می‌دهد.
  • مرحله غوطه‌وری طولانی‌مدت به پژوهشگر اجازه می‌دهد تا تغییر، درگیری و تحول در هنجارهای جامعه را در طول زمان تشخیص دهد.
  • داده‌های بایگانی شده آنلاین، سوگیری حافظه را کاهش می‌دهند — پست‌های طبیعی شرکت‌کنندگان، عمل را در لحظه ثبت می‌کنند، نه گزارش‌های گذشته‌نگر.
  • در پلتفرم‌ها (انجمن‌ها، رسانه‌های اجتماعی، برنامه‌های پیام‌رسان، جهان‌های مجازی) و رشته‌ها (بهداشت، آموزش، بازاریابی، علوم سیاسی) انعطاف‌پذیر است.

کاربردها

  • بررسی چگونگی جستجوی بیماران مبتلا به بیماری مزمن برای اطلاعات، حمایت همسالان و اعتبارسنجی هویت در جوامع بهداشت آنلاین و انجمن‌های تخصصی بیماری.
  • مطالعه هنجارها، آیین‌ها و اعمال خرده‌فرهنگی جوامع بازی در محیط‌های آنلاین چندنفره.
  • بررسی چگونگی بسیج، هماهنگی و ساخت هویت مشترک جنبش‌های سیاسی از طریق پلتفرم‌های رسانه‌های اجتماعی و برنامه‌های پیام‌رسان.
  • تحلیل چگونگی تولید محتوای خلاقانه، مذاکره درباره کانن (canon) و نظارت بر عضویت در جامعه توسط جوامع طرفداری پیرامون فرنچایزهای رسانه‌ای محبوب.
  • کاوش در چگونگی اشتراک‌گذاری دانش، ایجاد تخصص و مدیریت شهرت توسط جوامع حرفه‌ای یا دانشگاهی از طریق گروه‌های لینکدین، لیست‌سروها یا توییتر دانشگاهی.
  • درک چگونگی انتشار و تقویت روایت‌های اطلاعات نادرست یا افراطی در جوامع آنلاین بسته یا نیمه‌بسته.

چگونه کار می‌کند

چگونه کار می‌کند

1

پژوهشگر یک یا چند سایت میدانی دیجیتال — جوامع آنلاین، پلتفرم‌ها، یا فضاهای شبکه‌ای — را شناسایی می‌کند که به سؤال پژوهش مرتبط هستند و تعامل اجتماعی پایدار و تولید فرهنگی را نشان می‌دهند. معیارهای انتخاب شامل تراکم فعالیت، دسترسی برای مشاهده، و امکان‌پذیری اخلاقی است. مرزهای سایت میدانی (به عنوان مثال، یک ساب‌ردیت خاص، هشتگ، یا سرور دیسکورد) قبل از ورود تعریف و مستند می‌شوند.

2

پژوهشگر به عنوان یک مشاهده‌گر طولانی‌مدت و در صورت لزوم به عنوان یک شرکت‌کننده وارد سایت میدانی می‌شود. بسته به طرح اخلاقی مطالعه، حضور ممکن است آشکار (پژوهشگر به طور واضح معرفی شده) یا پنهان (فقط مشاهده‌گر، معمولاً برای انجمن‌های کاملاً عمومی) باشد. مرحله غوطه‌وری — که اغلب هفته‌ها تا ماه‌ها طول می‌کشد — به پژوهشگر اجازه می‌دهد تا قبل از شروع تحلیل، درک بومی (emic) از هنجارها، واژگان، آیین‌ها و سلسله‌مراتب اجتماعی جامعه را توسعه دهد.

3

داده‌ها به طور سیستماتیک از منابع متعدد جمع‌آوری می‌شوند: پست‌های بایگانی شده، رشته‌ها، تصاویر، ویدئوها و صفحات پروفایل، مجموعه اسناد را تشکیل می‌دهند؛ یادداشت‌های میدانی مشاهدات، تفسیرها و واکنش‌های تأملی پژوهشگر را ثبت می‌کنند؛ و در صورت اخذ رضایت اخلاقی، مصاحبه‌های آنلاین یا دیجیتال درک دیدگاه‌های اعضای فردی را عمیق‌تر می‌کنند. اسکرین‌شات‌ها و صادرات داده‌ها با فراداده حفظ می‌شوند تا قابلیت ردیابی تحلیلی را تضمین کنند.

4

مواد جمع‌آوری شده به صورت تکراری با استفاده از کدگذاری قوم‌نگارانه، تحلیل موضوعی، یا تکنیک‌های تحلیل گفتمان تجزیه و تحلیل می‌شوند. پژوهشگر موضوعات تکراری، مقوله‌های فرهنگی و الگوهای تعامل را شناسایی می‌کند و به طور مداوم این سؤال را مطرح می‌کند که چگونه موقعیت خود پژوهشگر — هویت، آشنایی با فرهنگ دیجیتال، وضعیت درونی یا بیرونی — آنچه را که متوجه می‌شود و چگونگی تفسیر آن را شکل می‌دهد. یادداشت‌های تأملی در کنار کدهای تحلیلی نگهداری می‌شوند تا این تأثیر را شفاف کنند.

5

یافته‌ها به صورت توصیف غلیظ (thick description) نوشته می‌شوند که فرهنگ، اعمال و فرآیندهای معناسازی جامعه را به مخاطبی که با سایت میدانی ناآشناست منتقل می‌کند. نقل‌قول‌هایی از متون آنلاین (در صورت لزوم ناشناس‌سازی شده) و حکایت‌هایی از تعاملات مشاهده‌شده برای مستند کردن تفسیرها در شواهد استفاده می‌شوند. پژوهشگران تصمیمات اخلاقی — به‌ویژه در مورد رضایت و ناشناس‌سازی — را به صراحت در شرح نهایی مورد بحث قرار می‌دهند.

دام‌های رایج

  • رفتار آنلاین را صرفاً بازتاب فرهنگ آفلاین تلقی کردن — فضاهای دیجیتال دارای امکانات، هنجارها و منطق‌های اجرایی خاص خود هستند؛ تحلیل باید با پلتفرم به عنوان یک زمینه معنادار درگیر شود، نه یک کانال خنثی.
  • دوره غوطه‌وری ناکافی — ورود به یک جامعه برای چند روز و سپس کدگذاری پست‌ها، یافته‌های نازک و جدا از زمینه را تولید می‌کند؛ درک قوم‌نگارانه واقعی نیاز به مشاهده پایدار در طول هفته‌ها یا ماه‌ها دارد.
  • نادیده گرفتن موقعیت پژوهشگر — عدم مستندسازی اینکه چگونه هویت پژوهشگر، دانش قبلی از پلتفرم، یا عضویت در جامعه، جمع‌آوری و تفسیر داده‌ها را شکل می‌دهد، اعتبار یافته‌ها را تضعیف می‌کند.
  • ناشناس‌سازی سطحی — تغییر فقط نام‌های کاربری در حالی که نقل‌قول‌های کلمه به کلمه که در پلتفرم اصلی قابل جستجو هستند حفظ می‌شوند، می‌تواند شرکت‌کنندگان را مجدداً شناسایی کند؛ ناشناس‌سازی قوی نیاز به بازنویسی یا ارائه ترکیبی از استخراج‌های حساس دارد.
  • اشتباه گرفتن قوم‌نگاری دیجیتال با تحلیل محتوا — اگر غوطه‌وری طولانی‌مدت یا یادداشت‌های میدانی قوم‌نگارانه در کار نباشد و پژوهشگر فقط نمونه‌ای از پست‌ها را کدگذاری کند، روش مورد استفاده تحلیل محتوا است، نه قوم‌نگاری.

پرسش‌های متداول

تفاوت قوم‌نگاری دیجیتال و نتنوگرافی چیست؟

نتنوگرافی یک نوع خاص و مدون از قوم‌نگاری دیجیتال است که توسط Robert Kozinets برای مطالعه جوامع مصرف‌کننده و برند آنلاین توسعه یافته است. این روش از مجموعه‌ای مشخص از مراحل رویه‌ای پیروی می‌کند — ورود به پژوهش، جمع‌آوری داده، تفسیر تحلیلی، و بازنمایی — و به ویژه در زمینه‌های بازاریابی و تحقیقات مصرف‌کننده قوی است. قوم‌نگاری دیجیتال اصطلاح چتر گسترده‌تری است که هر رویکرد قوم‌نگارانه تطبیق‌یافته با سایت‌های میدانی دیجیتال، از جمله قوم‌نگاری مجازی، قوم‌نگاری آنلاین، و نتنوگرافی را در بر می‌گیرد. اصول اصلی — غوطه‌وری، توصیف غلیظ، تأمل — در همه انواع مشترک هستند.

آیا من به رضایت آگاهانه از اعضای جامعه که پست‌های عمومی آن‌ها را جمع‌آوری می‌کنم نیاز دارم؟

این بستگی به استانداردهای اخلاقی مؤسسه شما، ماهیت پلتفرم، و حساسیت محتوا دارد. پلتفرم‌های کاملاً عمومی (پست‌های عمومی توییتر/X، رشته‌های عمومی رددیت) به طور کلی مشابه اسناد عمومی تلقی می‌شوند و بسیاری از هیئت‌های اخلاقی مشاهده بدون رضایت فردی را مجاز می‌دانند، به شرطی که داده‌ها به درستی ناشناس‌سازی شوند. جوامع نیمه‌عمومی یا خصوصی (گروه‌های بسته فیس‌بوک، سرورهای خصوصی دیسکورد) معمولاً نیاز به رضایت فعال از مدیران و در حالت ایده‌آل از شرکت‌کنندگان دارند. همیشه دستورالعمل‌های اخلاقی مؤسسه خود را بررسی کنید و در صورت تردید، رضایت بگیرید یا به جای نقل قول کلمه به کلمه، بازنویسی کنید.

قوم‌نگاری دیجیتال چگونه با تحلیل محتوای رسانه‌های اجتماعی متفاوت است؟

قوم‌نگاری دیجیتال نیاز به غوطه‌وری پایدار دارد — پژوهشگر زمان طولانی را در جامعه سپری می‌کند، درک زمینه‌ای ایجاد می‌کند، یادداشت‌های میدانی نگه می‌دارد، و به طور تأملی با فرهنگ درگیر می‌شود. تحلیل محتوا به طور سیستماتیک نمونه‌ای از متون را بر اساس دسته‌بندی‌های از پیش تعیین شده کدگذاری می‌کند، معمولاً بدون غوطه‌وری پژوهشگر، و داده‌های فراوانی یا الگو را تولید می‌کند. اگر تعداد هشتگ‌ها را می‌شمارید یا انواع پست‌ها را در یک مجموعه بزرگ کدگذاری می‌کنید، شما در حال انجام تحلیل محتوا هستید. اگر در طول زمان در جامعه زندگی می‌کنید و معنای فرهنگی آنچه را مشاهده می‌کنید تفسیر می‌کنید، شما در حال انجام قوم‌نگاری دیجیتال هستید. هر دو مشروع هستند؛ هیچ‌کدام میان‌بری برای دیگری نیستند.

دوره کار میدانی چقدر باید طول بکشد؟

قانون ثابتی وجود ندارد، اما دوره‌های غوطه‌وری کوتاه‌تر از چهار تا شش هفته به ندرت عمق قوم‌نگارانه واقعی را تولید می‌کنند. بسیاری از قوم‌نگاری‌های دیجیتال منتشر شده شامل شش ماه تا دو سال یا بیشتر مشاهده مداوم هستند. راهکار عملی، اشباع فرهنگی است — نقطه‌ای که در آن می‌توانید پیش‌بینی کنید که اعضای جامعه چگونه به یک رویداد جدید واکنش نشان خواهند داد، اهمیت ارجاعات درون‌گروهی را درک کنید، و موارد انحرافی را شناسایی کنید. کار میدانی عجولانه، آنچه گاهی «قوم‌نگاری رانندگی سریع» نامیده می‌شود را تولید می‌کند که فاقد حساسیت زمینه‌ای است که این روش برای آن طراحی شده است.

آیا قوم‌نگاری دیجیتال می‌تواند با روش‌های دیگر ترکیب شود؟

بله — در واقع، سه‌گانه‌سازی روش‌شناختی رایج است و اغلب مطالعه را تقویت می‌کند. مشاهده قوم‌نگاری دیجیتال اغلب با مصاحبه‌های نیمه‌ساختاریافته یا روایی با اعضای جامعه (برای تعمیق درک دیدگاه‌های فردی)، تحلیل گفتمان متون کلیدی (برای تحلیل نظام‌مند الگوهای زبانی)، یا ابزارهای نظرسنجی (برای توصیف پروفایل جمعیتی جامعه گسترده‌تر) تکمیل می‌شود. نکته کلیدی این است که هسته قوم‌نگارانه — غوطه‌وری پایدار و توصیف غلیظ — به جای جایگزینی توسط روش مکمل، اولیه باقی می‌ماند.

روش‌های مرتبط

منابع

  1. Kozinets, R. V. (2010). Netnography: Doing Ethnographic Research Online. Sage.

    شابک: 978-1847875228
    کپی شد.
  2. Hine, C. (2000). Virtual Ethnography. Sage.

    باز کردن مرجع انتشار
    کپی شد.