オンライン文書収集 — デジタル記録を研究データとして
- 提唱者
- Adapted from traditional document analysis; digital form emerged with widespread internet adoption
- 年
- 1990s–2000s (digital / web era)
- 種類
- Qualitative / mixed-methods data collection technique
- 系統
- Data collection
この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む
何をする手法か?
オンライン文書収集とは、ウェブページ、機関誌、ソーシャルメディア投稿、政策文書、デジタルアーカイブなどのデジタル文書を、一次的または補足的な研究データとして体系的に特定、取得、収集するプロセスである。これは、古典的な文書分析をインターネットを介した環境に拡張し、研究者がフィールドワークの移動や物理的なアーカイブへのアクセスなしに、地理的に分散した大規模なコーパスにアクセスできるようにする。
手法の背後にある直感
オンライン文書収集を、研究課題のためのキュレーションされたデジタルライブラリの構築と考えてください。アーカイブに直接足を運ぶ代わりに、政府ポータル、組織ウェブサイト、データベース、ソーシャルプラットフォームをナビゲートして、現象の証拠となるテキストを収集します。図書館員が選択基準を適用するように、関連文書とみなすものを定義し、オンラインで見つけ、体系的にダウンロードまたはコピーし、その真正性と関連性を確認し、分析可能なコーパスに整理します。結果として得られるデータセットは完全にテキストベースですが、非常に大規模になる可能性があり、詳細な読解と計算分析の両方を可能にします。
歴史学
文書分析という研究方法は、20世紀初頭の史学や社会学にルーツを持ち、特にW.I.トーマスとフロリアン・ズナニエツキ(『ポーランドの農民』、1918-1920年)の研究に顕著であり、後にジョン・スコット(1990年)やリンゼイ・プライアー(2003年)などの学者によって体系化された。オンライン版は、インターネットの普及によりデジタル文書が広く利用可能になった1990年代から2000年代にかけて有機的に出現した。グレン・ボウエンによる2009年の『質的研究ジャーナル』の方法論論文は、デジタル形式を含む文書分析を厳密な質的研究方法として確立した広く引用される参照となった。それ以来、デジタルヒューマニティーズ、計算社会科学、オープンデータ運動の成長により、その範囲は大幅に拡大した。
使うべき場面
研究課題が公開されている、またはアクセス可能なデジタルテキストを通じて対処でき、一次データ収集(インタビュー、アンケート)が非現実的、高価、または倫理的にデリケートな場合に、オンライン文書収集を使用します。歴史研究や縦断研究、政策分析、組織研究、公衆談話の研究に適しています。混合研究デザインにおける三角測量のための強力な補足方法です。研究課題が個人の経験、態度、または公開文書に記録されていない行動に関係しており、文書の真正性または完全性を検証できない場合、または関心のある現象がオンラインにほとんど、または全く文書的な痕跡を残さない場合は、単独の方法として使用しないでください。
限界と注意点
- オンライン文書は収集後に編集、削除、または移動される可能性があり、再現やフォローアップが困難になる。
- アクセス制限、ペイウォール、または認証バリアにより、重要なソースが除外され、選択バイアスが生じる可能性がある。
- 文書の品質と真正性の検証は困難な場合があり、特にユーザー生成コンテンツや匿名コンテンツの場合。
- オンラインでデジタル化され公開されたものしか代表しない — 周辺化された声や非公式な知識はしばしば過小評価される。
- 大規模なコーパスにはデータ管理インフラストラクチャが必要であり、多くの研究者のトレーニングを超える計算スキルが必要になる場合がある。
出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。
強み
- 移動や物理的なアクセス制限なしに、地理的に分散した大規模なコーパスにアクセスできる。
- 文書は自然発生的なデータであり、研究条件下で生成されていないため、反応バイアスを低減する。
- 費用対効果が高い:多くのソースは、オープンアクセスポートフォール、データベース、または公開ウェブサイトを通じて無料でアクセスできる。
- デジタルアーカイブは日付付きの文書バージョンを保存するため、歴史研究や縦断研究に非常に適している。
- 他の方法(インタビュー、アンケート)と容易に組み合わせて、混合研究デザインにおける三角測量に使用できる。
- スケーラブル — 計算テキスト分析ツールは、手作業での読解では処理できない数千の文書を処理できる。
応用
- 政策分析:公式ポータルで公開されている政府白書、立法文書、規制ガイドラインを収集・比較する。
- 組織研究:企業の年次報告書、プレスリリース、ミッションステートメントを収集して、経時的な組織変化を研究する。
- 公衆談話研究:ニュース記事、ブログ投稿、ソーシャルメディアのスレッドを収集して、社会問題のフレーミングを分析する。
- 歴史研究:デジタル化された新聞、裁判記録、組織アーカイブからコーパスを構築して、縦断分析を行う。
- 健康コミュニケーション:患者フォーラムの投稿、保健当局のガイドライン、メディア報道を収集して、病状に対する公衆の理解を調べる。
- 教育研究:カリキュラム文書、学校のポリシー、学習リソースを取得して、機関間の教育アプローチを比較する。
使い方
使い方
研究者は、文書の種類(例:政策報告書、ニュース記事、機関声明)、期間、言語、ソースドメイン、地理的または組織的範囲によって、どの種類のオンライン文書が関連性があるかを指定する明示的な包含基準と除外基準を策定します。明確な基準は、恣意的な蓄積を防ぎ、収集プロセスを透明で再現可能にします。
関連するオンラインソースは、データベース、検索エンジン、機関ウェブサイト、政府ポータル、デジタルリポジトリ、ソーシャルメディアプラットフォームの体系的な検索を通じて特定されます。ブール演算子検索文字列、サイト固有の演算子、プラットフォームAPIを使用して、取得が開始される前に候補ソースの包括的なリストを作成します。
文書は、ブラウザツール、ウェブスクレイピングスクリプト、API呼び出し、または手動コピーを使用して、オンラインの場所からダウンロード、スクレイピング、または保存されます。URL、著者、公開日、アクセス日などのメタデータは、適切な引用と出所追跡をサポートするために、各文書に記録されます。
取得された各文書は、真正性(本物で改変されていないか?)、信頼性(誰が、どのような目的で作成したか?)、代表性(コーパスは現象を適切に反映しているか?)、関連性(研究課題に対処しているか?)について評価されます。品質基準を満たさない文書は除外され、削除は記録されます。
資格のある文書は、構造化されたファイルシステムまたは質的データ管理ソフトウェア(例:NVivo、ATLAS.ti、Zotero)に保存され、メタデータとソース属性でタグ付けされます。オンライン文書は収集後に編集または削除される可能性があるため、バージョン管理とアクセス日記録が重要です。
整理されたコーパスは、適切な方法(内容分析、テーマ分析、談話分析、または計算テキスト分析)を使用して分析され、研究課題に関連する洞察が抽出されます。分析は、研究デザインに応じて、質的、量的、または混合的である場合があります。
よくある落とし穴
- メタデータとアクセス日の記録漏れ:オンライン文書は変更または消失する。正確な出所記録がないと、コーパスを検証したり正確に引用したりできない。
- 選択バイアスの無視:見つけやすい文書(検索結果の上位、主要メディア)のみを収集すると、少数派の視点が体系的に除外され、偏ったコーパスが生成される。
- すべてのオンライン文書を同等に扱う:機関報告書、ソーシャルメディア投稿、ジャーナリズム記事は、目的、対象読者、認識論的地位が異なる。分析では文書の種類を考慮する必要がある。
- 倫理的配慮の無視:公開されているオンラインコンテンツ(特にソーシャルメディア投稿)でさえ、個人のプライバシーに関わる可能性がある。研究者は、そのような資料の収集と引用の前に、分野の倫理ガイドラインを参照すべきである。
- スコープクリープ:厳格な包含基準がないと、コーパスが管理不能に拡大し、無関係な文書の分析時間を浪費する可能性がある。
よくある質問
オンライン文書収集とウェブスクレイピングの違いは何ですか?
ウェブスクレイピングは、スクリプトやクローラーを使用してウェブページからテキストやデータを抽出する自動化された技術プロセスです。オンライン文書収集は、スクレイピングを含む場合があるが、手動での取得、データベースダウンロード、API呼び出しも包含する、より広範な方法論的カテゴリーです。オンライン文書収集を定義する特徴は、研究コーパスを構築するための目的志向的で基準駆動型のアプローチであり、スクレイピングはそのプロセス内の一つのツールです。
ソーシャルメディアの投稿は正当な研究文書ですか?
はい、多くの研究文脈ではそうです。ソーシャルメディアの投稿は、意見、経験、相互作用を表現する自然発生的なテキストです。しかし、その使用は、コンテンツが公開されていても、インフォームドコンセントと個人のプライバシーに関する倫理的な問題を引き起こします。研究者は、所属機関の倫理ガイドラインと分野の規範に従い、適切な場合は個人を匿名化し、収集と分析の手順について透明性を保つべきです。
収集後に消失した文書をどのように扱えばよいですか?
収集時に各文書の正確なURLとアクセス日を記録してください。Internet Archive Wayback Machineなどのアーカイブツールを使用するか、PDF形式でローカルコピーを保存してください。Zoteroなどの参照管理ツールは、ページのスナップショットをキャプチャできます。この出所記録は、引用の正確性と、ソースを見つけられない査読者に対応するために不可欠です。
オンライン文書収集のために倫理的承認が必要ですか?
ソースとコンテンツによります。機関報告書、政府文書、公開された組織テキストは、一般的にリスクが低いものです。ソーシャルメディアや健康フォーラムから個人を特定できるコンテンツを収集することは、特に医学または心理学の研究では、通常、倫理審査が必要です。収集を開始する前に、必ず所属機関の研究倫理ポリシーを確認してください。
十分なコーパスを構成するために必要な文書数は?
普遍的な最小値はありません。十分性は、追加の文書が研究課題に関連する新しいテーマや証拠を導入しなくなる飽和点、およびソースランドスケープの代表性によって判断されます。焦点を絞った政策研究は、20〜50の主要な文書で十分かもしれませんが、大規模な談話研究では数百が必要になる場合があります。基準を明確に定義し、最終的なコーパスサイズを透明性をもって報告してください。
関連する手法
参考文献
Bowen, G. A. (2009). Document analysis as a qualitative research method. Qualitative Research Journal, 9(2), 27–40.
DOI 文献を開くコピーしました。Prior, L. (2003). Using Documents in Social Research. Sage Publications.
ISBN:978-0761965497コピーしました。