Skip to content
بازگشت به نتایج جست‌وجو

نتنوگرافی — پژوهش قوم‌نگارانه آنلاین

معرفی‌شده توسط
Robert V. Kozinets
سال
1997 (coined); 2010 (first comprehensive methodology book)
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؟

نتنوگرافی یک روش تحقیق کیفی است که اصول قوم‌نگاری فرهنگی را برای مطالعه جوامع آنلاین و محیط‌های رسانه‌های اجتماعی تطبیق می‌دهد. نتنوگرافی که توسط رابرت کوزینتس در سال ۱۹۹۷ ابداع و در کتاب راهنمای او در سال ۲۰۱۰ نظام‌مند شد، فضاهای دیجیتال — انجمن‌ها، شبکه‌های اجتماعی، وبلاگ‌ها، سایت‌های نقد و بررسی — را به عنوان مکان‌های میدانی طبیعی که جوامع در آن گرد هم می‌آیند، معانی را به اشتراک می‌گذارند و هویت‌ها را می‌سازند، در نظر می‌گیرد. این روش، مشاهده نامحسوس ردپاهای دیجیتال را با مشارکت فعال و در صورت لزوم، تعامل مستقیم با اعضا ترکیب می‌کند.

شهود پشت روش

تصور کنید می‌خواهید بفهمید چگونه افراد مبتلا به یک بیماری مزمن نادر از یکدیگر حمایت می‌کنند و اطلاعات پزشکی را درک می‌کنند — اما استخدام آن‌ها در یک محیط آزمایشگاهی مصنوعی و ناکارآمد به نظر می‌رسد. انجمن‌های بیماران آنلاین، جوامع ردیت و گروه‌های فیس‌بوک در حال حاضر حاوی هزاران مکالمه اصیل هستند که در آن‌ها افراد آزادانه تجربیات خود را به اشتراک می‌گذارند. نتنوگرافی این فضاهای دیجیتال را همان‌گونه در نظر می‌گیرد که یک قوم‌نگار سنتی یک روستا را در نظر می‌گیرد: پژوهشگر در جامعه غوطه‌ور می‌شود، هنجارها و واژگان آن را می‌خواند، مضامین و تنش‌های تکراری را یادداشت می‌کند و به تدریج یک گزارش فرهنگی عمیق از معنای عضویت در آن جامعه و چگونگی تولید معانی مشترک می‌سازد.

تاریخ

رابرت کوزینتس، پژوهشگر بازاریابی و مصرف‌کننده، اصطلاح نتنوگرافی را در یک مقاله کنفرانسی در سال ۱۹۹۷ ابداع کرد و این روش را در مقاله‌ای در مجله Journal of Marketing Research در سال ۱۹۹۸ در مورد جوامع آنلاین رسمی کرد. مقاله او در سال ۲۰۰۲ با عنوان 'میدان پشت صفحه' چارچوب روش‌شناختی را بیشتر تحکیم کرد. اولین کتاب با عنوان Netnography: Doing Ethnographic Research Online، در سال ۲۰۱۰ منتشر شد و یک پروتکل گام به گام پر استناد را ایجاد کرد. کوزینتس روش را در ویرایش سوم (۲۰۲۰) برای پرداختن به پلتفرم‌های رسانه‌های اجتماعی، ادغام داده‌های بزرگ، پیچیدگی‌های اخلاقی و داده‌های بصری/چندرسانه‌ای، بازنگری و به طور قابل توجهی گسترش داد.

چه زمانی استفاده شود

نتنوگرافی زمانی مناسب است که تمرکز پژوهش بر فرهنگ‌ها، شیوه‌ها، معانی یا هویت‌های جوامعی باشد که عمدتاً یا به طور قابل توجهی آنلاین وجود دارند — مانند جوامع طرفداران، گروه‌های حمایتی بیماران، شبکه‌های حرفه‌ای یا جوامع برند مصرف‌کننده. این روش به ویژه زمانی ارزشمند است که دسترسی مستقیم به شرکت‌کنندگان دشوار، پرهزینه یا از نظر جغرافیایی غیرعملی باشد، زیرا جوامع آنلاین داده‌های غنی طبیعی را بدون استخدام مزاحم تولید می‌کنند. این روش زمانی مناسب نیست که سوال پژوهش نیازمند استنتاج علی، نمونه‌گیری احتمالی یا تعمیم آماری باشد، و نه زمانی که جمعیت هدف حضور آنلاین حداقلی دارد. خطرات اخلاقی نیز زمانی که جوامع کوچک، خاص یا حساس هستند (به عنوان مثال، شرایط بهداشتی انگ‌زده) به شدت افزایش می‌یابد، و پژوهشگر باید بسنجد که آیا اعضا پست‌های خود را خصوصی تلقی می‌کنند، حتی اگر از نظر فنی عمومی باشند.

محدودیت‌ها و ملاحظات

  • جوامع آنلاین تنها جمعیت‌های فعال دیجیتالی را نشان می‌دهند؛ گروه‌هایی با دسترسی کم به اینترنت یا سواد دیجیتال به طور سیستماتیک حذف می‌شوند.
  • نشانه‌های غیرکلامی — لحن، احساسات، زبان بدن — عمدتاً غایب هستند و تفسیر ظرافت‌ها یا کنایه‌ها در پست‌های متنی را دشوارتر می‌کنند.
  • تغییرات پلتفرم (حذف محتوا، گروه‌های بسته، محدودیت‌های API) می‌تواند دسترسی به داده‌ها را مختل کرده و کامل بودن آرشیو را تهدید کند.
  • مرزهای اخلاقی مورد مناقشه هستند: تمایز بین فضای آنلاین «عمومی» و «خصوصی» مبهم و وابسته به زمینه است و استانداردها همچنان در حال تکامل هستند.
  • پژوهشگر ممکن است بدون غوطه‌وری کافی، هنجارهای جامعه را اشتباه بخواند و منجر به گزارش‌های فرهنگی سطحی یا تحریف شده شود.

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

نقاط قوت

  • دسترسی به گفتمان طبیعی و اصیل جامعه را بدون اثرات واکنشی مصاحبه‌ها یا گروه‌های کانونی فراهم می‌کند.
  • مقرون به صرفه و بدون محدودیت جغرافیایی — جوامع از هر مکان یا منطقه زمانی را می‌توان بدون سفر مطالعه کرد.
  • آرشیو پست‌های تاریخی امکان تجزیه و تحلیل طولی از چگونگی تکامل فرهنگ و معانی جامعه در طول زمان را فراهم می‌کند.
  • زبان عامیانه، نمادها و ارجاعات مشترک را که فرهنگ جامعه را تعریف می‌کنند، ثبت می‌کند و بینش‌های مبتنی بر فرهنگ را به دست می‌دهد.
  • حجم داده‌های مقیاس‌پذیر: هزاران پست را می‌توان جمع‌آوری کرد و امکان تشخیص الگوهای گسترده و خواندن دقیق تعاملات مهم را فراهم می‌کند.

کاربردها

  • مطالعه جوامع برند مصرف‌کننده و چگونگی خلق مشترک معنای برند، آیین‌های وفاداری و مقاومت ضد برند توسط اعضا در رسانه‌های اجتماعی.
  • بررسی جوامع بیماران و مراقبان برای درک تجربه بیماری، رفتار جستجوی اطلاعات و شیوه‌های حمایت همسالان.
  • کاوش در فرهنگ‌های طرفداران — جوامع بازی، نویسندگان فن‌فیکشن، طرفداران کی-پاپ — برای تجزیه و تحلیل هویت، خلاقیت و مشارکت جمعی.
  • پژوهش در جوامع حرفه‌ای آنلاین (به عنوان مثال، گروه‌های لینکدین، انجمن‌های دانشگاهی) برای درک هنجارهای اشتراک‌گذاری دانش و شکل‌گیری هویت حرفه‌ای.
  • بررسی جوامع سیاسی یا جنبش‌های اجتماعی برای ردیابی چگونگی توسعه چارچوب‌های جمعی، روایت‌ها و استراتژی‌های بسیج در فضاهای دیجیتال.

چگونه کار می‌کند

چگونه کار می‌کند

1

پژوهشگر یک سوال پژوهشی متمرکز را تعریف کرده و جوامع آنلاین مناسب را به عنوان مکان‌های میدانی شناسایی می‌کند. معیارهای انتخاب شامل: ارتباط موضوع جامعه با تمرکز پژوهش، سطح فعالیت، اندازه، ناهمگونی اعضا و غنای تعاملات اعضا است. پژوهشگر همچنین تصمیمات اخلاقی صریحی در مورد افشاگری (مشاهده پنهانی در مقابل مشارکت آشکار) و استفاده از داده‌ها اتخاذ می‌کند و قبل از ورود به میدان، شرایط خدمات پلتفرم جامعه و ناشناس بودن شرکت‌کنندگان را در نظر می‌گیرد.

2

پژوهشگر وارد جامعه آنلاین شده و با فرهنگ، هنجارها، زبان و شرکت‌کنندگان کلیدی آن آشنا می‌شود. در نتنوگرافی مشاهده‌ای (پنهانی)، پژوهشگر بدون ارسال مطلب به طور گسترده می‌خواند؛ در نتنوگرافی مشارکتی، پژوهشگر نقش پژوهشی خود را افشا کرده و به طور فعال با اعضای جامعه درگیر می‌شود. این دوره غوطه‌وری — مشابه دسترسی و ایجاد رابطه در کار میدانی سنتی — قبل از شروع جمع‌آوری سیستماتیک داده‌ها ضروری است و مدت زمان آن به فعالیت جامعه و دامنه پژوهش بستگی دارد.

3

داده‌ها از سه کانال مکمل جمع‌آوری می‌شوند: (۱) داده‌های آرشیوی — پست‌ها، رشته‌ها، تصاویر، ویدئوها و سایر مصنوعات جامعه موجود که برای تجزیه و تحلیل دانلود یا اسکرین‌شات گرفته شده‌اند؛ (۲) داده‌های استخراج شده — محتوای تولید شده از طریق فعالیت‌های آغاز شده توسط پژوهشگر مانند مصاحبه‌های آنلاین، پست‌های باز یا نظرسنجی‌های اعضا؛ و (۳) داده‌های یادداشت میدانی — مشاهدات تأملی، یادداشت‌ها و تفاسیر متنی پژوهشگر که در طول دوره غوطه‌وری ثبت شده‌اند. یک استراتژی نمونه‌گیری هدفمند، نحوه انتخاب پست‌ها و رشته‌ها برای تجزیه و تحلیل عمیق را هدایت می‌کند.

4

داده‌های جمع‌آوری شده با استفاده از رویه‌های کدگذاری کیفی اقتباس شده از سنت‌های قوم‌نگاری و نظریه داده‌بنیاد تجزیه و تحلیل می‌شوند. پژوهشگر داده‌ها را به صورت تکراری می‌خواند، کدهای باز را برای شناسایی موضوعات تکراری و دسته‌بندی‌های فرهنگی به کار می‌برد، سپس کدها را در مضامین سطح بالاتر سازماندهی می‌کند که معانی مشترک، آیین‌ها، سلسله مراتب و ارزش‌های جامعه را آشکار می‌سازد. بررسی اعضا — ارائه یافته‌های اولیه به اعضای جامعه برای بازخورد — و سه‌جانبه‌سازی در انواع داده‌ها، اعتبار تفسیری را تقویت می‌کند.

5

دقت از طریق معیارهای قابلیت اعتماد لینکلن و گوبا که برای زمینه‌های دیجیتال تطبیق داده شده‌اند، برقرار می‌شود: اعتبار (مشارکت طولانی‌مدت در جامعه، بررسی اعضا)، قابلیت انتقال (توصیف غنی که به خوانندگان اجازه می‌دهد کاربرد را قضاوت کنند)، قابلیت اطمینان (یک مسیر حسابرسی از تصمیمات روش‌شناختی) و قابلیت تأیید (یادداشت‌های تأملی که نحوه شکل‌گیری تفسیر توسط موقعیت پژوهشگر را مستند می‌کنند). شفافیت اخلاقی — افشای وجود مطالعه به جامعه در صورت امکان — نیز به عنوان بخشی از دقت در نظر گرفته می‌شود.

دام‌های رایج

  • در نظر گرفتن پست‌های آنلاین به عنوان یک پایگاه داده محتوای ساده به جای آثار فرهنگی که در هنجارهای جامعه گنجانده شده‌اند — این منجر به کدگذاری سطحی می‌شود که زمینه اجتماعی را که به پست‌ها معنا می‌بخشد، از دست می‌دهد.
  • غوطه‌وری ناکافی: پرش به جمع‌آوری داده‌ها قبل از درک واژگان جامعه، شوخی‌های داخلی، سلسله مراتب و قوانین نانوشته، منجر به تفسیر نادرست می‌شود.
  • نادیده گرفتن تأمل: پیشینه انضباطی پژوهشگر، مفروضات در مورد فرهنگ آنلاین و آشنایی با پلتفرم، آنچه را که متوجه می‌شوند و چگونگی تفسیر آن را شکل می‌دهد؛ موقعیت‌سنجی مستند نشده، قابلیت تأیید را تضعیف می‌کند.
  • نادیده گرفتن مسئولیت‌های اخلاقی برای جوامع کوچک یا حساس که در آن‌ها شرکت‌کنندگان فردی را می‌توان از نقل‌قول‌های کلمه به کلمه شناسایی کرد، حتی اگر پلتفرم از نظر فنی عمومی باشد.
  • خزش دامنه: حجم عظیم داده‌های آنلاین، پژوهشگران را به جمع‌آوری بی‌رویه وسوسه می‌کند؛ بدون یک استراتژی نمونه‌گیری هدفمند، تجزیه و تحلیل غیرقابل مدیریت و نامتمرکز می‌شود.

پرسش‌های متداول

آیا نتنوگرافی همان تحلیل محتوای رسانه‌های اجتماعی است؟

خیر. تحلیل محتوا معمولاً یک طرح کدگذاری از پیش تعریف شده را برای کمی‌سازی فراوانی دسته‌ها در یک مجموعه بزرگ از متون به کار می‌برد و پست‌ها را به عنوان واحدهای مجزا در نظر می‌گیرد. نتنوگرافی تفسیری و فرهنگی است: پژوهشگر در جامعه غوطه‌ور می‌شود، کدها را به طور استقرایی از درون داده‌ها توسعه می‌دهد و هدف آن درک معانی و شیوه‌های مشترکی است که جامعه را به آنچه هست تبدیل می‌کند. نتنوگرافی می‌تواند حرکات تحلیلی محتوا را در بر گیرد، اما منطق اصلی غوطه‌وری قوم‌نگارانه است، نه شمارش فراوانی.

آیا لازم است هویت خود را به عنوان پژوهشگر به جامعه افشا کنم؟

این بستگی به نوع جامعه و چارچوب اخلاقی دارد که شما دنبال می‌کنید. کوزینتس نتنوگرافی مشاهده‌ای (مشاهده پنهانی، عدم افشا) را از نتنوگرافی مشارکتی (مشارکت فعال با افشا) متمایز می‌کند. اکثر هیئت‌های اخلاق سازمانی و دستورالعمل‌های انجمن پژوهشگران اینترنت (AoIR) هنگام افشای اطلاعات توصیه می‌کنند که پست‌های جامعه ممکن است خصوصی تلقی شوند یا زمانی که پژوهشگر به طور فعال با اعضا تعامل دارد. برای انجمن‌های بزرگ و به وضوح عمومی، مشاهده پنهانی با نقل‌قول‌های ناشناس اغلب قابل قبول تلقی می‌شود، اما تصمیم باید مستند و توجیه شود.

چگونه تعیین کنم که داده‌های کافی دارم؟

معیار، اشباع نظری است — نقطه‌ای که در آن پست‌ها یا رشته‌های جدید، دسته‌بندی‌ها یا مضامین فرهنگی جدیدی تولید نمی‌کنند. از آنجایی که آرشیوهای آنلاین می‌توانند عظیم باشند، نمونه‌گیری هدفمند که توسط تجزیه و تحلیل در حال تحول شما هدایت می‌شود، عملی‌تر از جمع‌آوری جامع است. اشباع معمولاً از طریق ترکیبی از وسعت (اسکن کردن بسیاری از رشته‌ها برای تأیید گسترده بودن مضامین) و عمق (خواندن دقیق رشته‌های کلیدی که الگوهای فرهنگی اصلی را نشان می‌دهند) حاصل می‌شود.

آیا نتنوگرافی می‌تواند با روش‌های دیگر ترکیب شود؟

بله، و اغلب اینطور است. ترکیبات رایج شامل: مصاحبه‌های آنلاین یا نظرسنجی‌های اعضا برای استخراج توضیحات عمیق‌تر از الگوهای مشاهده شده (افزودن داده‌های استخراج شده به داده‌های آرشیوی)؛ تحلیل محتوا برای کمی‌سازی شیوع مضامین شناسایی شده به صورت قوم‌نگارانه؛ و طرح‌های روش مختلط متوالی که در آن یافته‌های نتنوگرافیک ابزار نظرسنجی را توسعه می‌دهند. این روش همچنین به طور فزاینده‌ای با تحلیل متنی محاسباتی برای مجموعه‌های داده در مقیاس بزرگ ترکیب می‌شود.

اگر جامعه آنلاین مورد نظر من خصوصی یا محافظت شده با رمز عبور باشد چه؟

جوامع خصوصی نیازمند مذاکره صریح دسترسی و معمولاً افشای کامل هدف پژوهش به نگهبانان و اعضا هستند. مشاهده پنهانی در یک گروه خصوصی بدون اطلاع اعضا تحت چارچوب‌های استاندارد اخلاق پژوهش از نظر اخلاقی غیرقابل قبول است. داده‌های جوامع خصوصی نیز نیازمند پروتکل‌های ناشناس‌سازی سخت‌گیرانه‌تری هستند، زیرا اعضا انتظار معقولی از مخاطبان محدود داشتند.

روش‌های مرتبط

منابع

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

    شابک: 978-1847875907
    کپی شد.
  2. Kozinets, R. V. (2020). Netnography: The Essential Guide to Qualitative Social Media Research (3rd ed.). Sage.

    باز کردن مرجع انتشار
    کپی شد.