Kolekcja dokumentów online — cyfrowe zapisy jako dane badawcze
- Autor metody
- Adapted from traditional document analysis; digital form emerged with widespread internet adoption
- Rok
- 1990s–2000s (digital / web era)
- Typ
- Qualitative / mixed-methods data collection technique
- Rodzina
- Data collection
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Kolekcja dokumentów online to systematyczny proces identyfikacji, wyszukiwania i kompilowania dokumentów cyfrowych — w tym stron internetowych, publikacji instytucjonalnych, postów w mediach społecznościowych, dokumentów polityki i archiwów cyfrowych — jako pierwotnych lub uzupełniających danych badawczych.
Rozszerza klasyczną analizę dokumentów na środowiska pośredniczone przez internet, umożliwiając badaczom dostęp do dużych, geograficznie rozproszonych korpusów bez konieczności podróży terenowych czy dostępu do archiwów fizycznych.
Intuicja stojąca za metodą
Pomyśl o kolekcji dokumentów online jak o budowaniu wyselekcjonowanej biblioteki cyfrowej na potrzeby twojego pytania badawczego. Zamiast odwiedzać archiwa osobiście, przeszukujesz portale rządowe, strony internetowe organizacji, bazy danych i platformy społecznościowe, aby zebrać teksty niosące dowody dotyczące danego zjawiska. Podobnie jak bibliotekarz stosujący kryteria selekcji, określasz, co stanowi istotny dokument, lokalizujesz go online, systematycznie pobierasz lub kopiujesz, sprawdzasz jego autentyczność i trafność, a następnie organizujesz go w analizowalny korpus. Powstały zbiór danych jest całkowicie tekstowy, ale może być bardzo duży, umożliwiając zarówno szczegółowe czytanie, jak i analizę obliczeniową.
Historia
Analiza dokumentów jako metoda badawcza ma swoje korzenie w historiografii i socjologii z początku XX wieku, szczególnie w pracach W.I. Thomasa i Floriana Znanieckiego („Chłop polski”, 1918–1920), a później została usystematyzowana przez takich badaczy jak John Scott (1990) i Lindsay Prior (2003). Wariant online pojawił się organicznie w latach 90. i 2000. wraz ze wzrostem penetracji internetu, który uczynił dokumenty cyfrowe szeroko dostępnymi. Artykuł metodologiczny Glenna Bowena z 2009 roku opublikowany w „Qualitative Research Journal” stał się szeroko cytowanym odniesieniem, konsolidując analizę dokumentów — w tym jej formy cyfrowe — jako rygorystyczną metodę jakościową. Rozwój humanistyki cyfrowej, obliczeniowej nauki o społeczeństwie i ruchów na rzecz otwartych danych znacznie rozszerzył jej zakres od tego czasu.
Kiedy stosować
Używaj kolekcji dokumentów online, gdy pytanie badawcze można odpowiedzieć za pomocą publicznie dostępnych lub dostępnych tekstów cyfrowych, a zbieranie danych pierwotnych (wywiady, ankiety) jest niepraktyczne, kosztowne lub etycznie wrażliwe. Jest to metoda dobrze dopasowana do badań historycznych lub podłużnych, analizy polityki, badań organizacyjnych i badań dyskursu publicznego. Jest to silna metoda uzupełniająca do triangulacji w projektach metod mieszanych. Nie należy jej stosować jako jedynej metody, gdy pytanie badawcze dotyczy osobistych doświadczeń, postaw lub zachowań, które nie są ujęte w dokumentach publicznych; należy jej unikać, gdy autentyczność lub kompletność dokumentów nie może zostać zweryfikowana, lub gdy zjawisko będące przedmiotem zainteresowania pozostawia niewielki lub żaden ślad dokumentalny online.
Ograniczenia i uwagi
- Dokumenty online mogą być edytowane, usuwane lub przenoszone po zebraniu, co utrudnia replikację lub dalsze badania.
- Ograniczenia dostępu, paywalle lub bariery uwierzytelniające mogą wykluczać ważne źródła i wprowadzać błąd selekcji.
- Jakość i autentyczność dokumentów mogą być trudne do zweryfikowania, szczególnie w przypadku treści generowanych przez użytkowników lub anonimowych.
- Reprezentuje tylko to, co zostało zdigitalizowane i opublikowane online — głosy marginalizowane i wiedza nieformalna są często niedostatecznie reprezentowane.
- Duże korpusy wymagają infrastruktury zarządzania danymi i mogą wymagać umiejętności obliczeniowych wykraczających poza szkolenie wielu badaczy.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Zapewnia dostęp do dużych, geograficznie rozproszonych korpusów bez ograniczeń związanych z podróżami lub dostępem fizycznym.
- Dokumenty są danymi naturalnie występującymi — nieprodukowanymi w warunkach badawczych — co zmniejsza błąd reaktywności.
- Efektywność kosztowa: wiele źródeł jest dostępnych bezpłatnie za pośrednictwem portali otwartego dostępu, baz danych lub publicznych stron internetowych.
- Dobrze nadaje się do badań historycznych i podłużnych, ponieważ archiwa cyfrowe przechowują datowane wersje dokumentów.
- Łatwo można ją połączyć z innymi metodami (wywiady, ankiety) w celu triangulacji w projektach metod mieszanych.
- Skalowalność — narzędzia do obliczeniowej analizy tekstu mogą przetwarzać tysiące dokumentów, których ręczne czytanie byłoby niemożliwe.
Zastosowania
- Analiza polityki: zbieranie i porównywanie białych ksiąg rządowych, tekstów legislacyjnych i wytycznych regulacyjnych publikowanych na oficjalnych portalach.
- Badania organizacyjne: gromadzenie rocznych raportów korporacyjnych, komunikatów prasowych i deklaracji misji w celu badania zmian instytucjonalnych w czasie.
- Badania dyskursu publicznego: kompilowanie artykułów prasowych, postów na blogach lub wątków w mediach społecznościowych w celu analizy ramowania problemu społecznego.
- Badania historyczne: budowanie korpusów z zdigitalizowanych gazet, akt sądowych lub archiwów organizacyjnych do analizy podłużnej.
- Komunikacja zdrowotna: zbieranie postów z forów pacjentów, wytycznych władz zdrowotnych i relacji medialnych w celu zbadania publicznego rozumienia stanu medycznego.
- Badania edukacyjne: pobieranie dokumentów programowych, polityk szkolnych i zasobów edukacyjnych w celu porównania podejść pedagogicznych między instytucjami.
Jak to działa
Jak to działa
Badacz formułuje jasne kryteria włączenia i wyłączenia, określające, jakie typy dokumentów online są istotne — według typu dokumentu (np. raporty polityki, artykuły prasowe, oświadczenia instytucjonalne), przedziału czasowego, języka, domeny źródłowej oraz zakresu geograficznego lub organizacyjnego. Jasne kryteria zapobiegają arbitralnemu gromadzeniu danych i czynią proces zbierania przejrzystym i powtarzalnym.
Istotne źródła online są identyfikowane poprzez systematyczne przeszukiwanie baz danych, wyszukiwarek, stron internetowych instytucji, portali rządowych, repozytoriów cyfrowych i platform mediów społecznościowych. Ciągi wyszukiwania logicznego, operatory specyficzne dla witryn i API platform są wykorzystywane do budowania kompleksowej listy potencjalnych źródeł przed rozpoczęciem pobierania.
Dokumenty są pobierane, skrapowane lub zapisywane z ich lokalizacji online za pomocą narzędzi przeglądarki, skryptów do web scrapingu, wywołań API lub ręcznego kopiowania. Metadane — w tym adres URL, autor, data publikacji i data dostępu — są rejestrowane dla każdego dokumentu w celu wsparcia prawidłowego cytowania i śledzenia pochodzenia.
Każdy pobrany dokument jest oceniany pod kątem autentyczności (czy jest oryginalny i niezmieniony?), wiarygodności (kto go stworzył i w jakim celu?), reprezentatywności (czy korpus adekwatnie odzwierciedla zjawisko?) i trafności (czy odpowiada na pytanie badawcze?). Dokumenty niespełniające progów jakościowych są wykluczane, a usunięcia są rejestrowane.
Kwalifikujące się dokumenty są przechowywane w ustrukturyzowanym systemie plików lub oprogramowaniu do zarządzania danymi jakościowymi (np. NVivo, ATLAS.ti, Zotero), oznaczone metadanymi i atrybutami źródłowymi. Kontrola wersji i rejestrowanie dat dostępu są ważne, ponieważ dokumenty online mogą być edytowane lub usuwane po zebraniu.
Zorganizowany korpus jest analizowany przy użyciu odpowiednich metod — analizy treści, analizy tematycznej, analizy dyskursu lub obliczeniowej analizy tekstu — w celu wydobycia wniosków istotnych dla pytania badawczego. Analiza może być jakościowa, ilościowa lub mieszana, w zależności od projektu badawczego.
Częste pułapki
- Nierejestrowanie metadanych i dat dostępu: dokumenty online zmieniają się lub znikają; bez precyzyjnych zapisów pochodzenia, korpus nie może być zweryfikowany ani prawidłowo cytowany.
- Ignorowanie błędu selekcji: zbieranie tylko łatwo dostępnych dokumentów (najlepsze wyniki wyszukiwania, główne publikacje) systematycznie wyklucza perspektywy mniejszości i prowadzi do zniekształconego korpusu.
- Traktowanie wszystkich dokumentów online jako równoważnych: raporty instytucjonalne, posty w mediach społecznościowych i artykuły dziennikarskie różnią się celem, odbiorcą i statusem epistemicznym; analiza musi uwzględniać typ dokumentu.
- Zaniedbywanie kwestii etycznych: nawet publicznie dostępne treści online — zwłaszcza posty w mediach społecznościowych — mogą naruszać prywatność jednostek; badacze powinni skonsultować się z wytycznymi etycznymi dyscypliny przed zebraniem i cytowaniem takich materiałów.
- Rozrost zakresu: bez ścisłych kryteriów włączenia, korpus może niekontrolowanie się rozrastać, marnując czas analizy na nieistotne dokumenty.
Najczęściej zadawane pytania
Czym kolekcja dokumentów online różni się od web scrapingu?
Web scraping to zautomatyzowany proces techniczny ekstrakcji tekstu lub danych ze stron internetowych za pomocą skryptów lub crawlerów. Kolekcja dokumentów online to szersza kategoria metodologiczna, która może obejmować scraping, ale także ręczne pobieranie, pobieranie z baz danych i wywołania API. Definiującą cechą kolekcji dokumentów online jest jej celowe, oparte na kryteriach podejście do budowania korpusu badawczego; scraping jest jednym z narzędzi w tym procesie.
Czy posty w mediach społecznościowych są legalnymi dokumentami badawczymi?
Tak, w wielu kontekstach badawczych są. Posty w mediach społecznościowych to naturalnie występujące teksty wyrażające opinie, doświadczenia i interakcje. Jednak ich wykorzystanie rodzi pytania etyczne dotyczące świadomej zgody i prywatności jednostek, nawet gdy treść jest publicznie dostępna. Badacze powinni przestrzegać wytycznych etycznych swojej instytucji i norm dyscyplinarnych, anonimizować osoby tam, gdzie jest to stosowne, i być przejrzystymi w zakresie procedur zbierania i analizy.
Jak radzić sobie z dokumentami, które znikają po zebraniu?
Należy zapisać dokładny adres URL i datę dostępu do każdego dokumentu w momencie jego zbierania. Używaj narzędzi archiwalnych, takich jak Internet Archive Wayback Machine, lub zapisuj lokalne kopie w formacie PDF. Menedżery referencji, takie jak Zotero, mogą przechwytywać migawki stron. Ten zapis pochodzenia jest niezbędny do dokładności cytowania i do odpowiadania recenzentom, którzy nie mogą zlokalizować źródła.
Czy potrzebuję zgody etycznej na kolekcję dokumentów online?
Zależy to od źródła i treści. Raporty instytucjonalne, dokumenty rządowe i opublikowane teksty organizacyjne są zazwyczaj niskiego ryzyka. Zbieranie identyfikowalnych treści osobistych z mediów społecznościowych lub forów zdrowotnych zazwyczaj wymaga przeglądu etycznego, szczególnie w badaniach medycznych lub psychologicznych. Zawsze sprawdzaj politykę etyki badań swojej instytucji przed rozpoczęciem zbierania.
Ile dokumentów stanowi adekwatny korpus?
Nie ma uniwersalnego minimum. Adekwatność ocenia się na podstawie nasycenia — punktu, w którym dodatkowe dokumenty nie wprowadzają już nowych tematów ani dowodów istotnych dla pytania badawczego — oraz na podstawie reprezentatywności krajobrazu źródłowego. Skoncentrowane badanie polityki może być dobrze obsłużone przez 20–50 kluczowych dokumentów; duże badanie dyskursu może wymagać setek. Określ swoje kryteria jasno i podaj ostateczny rozmiar korpusu w sposób przejrzysty.
Pokrewne metody
Źródła
Bowen, G. A. (2009). Document analysis as a qualitative research method. Qualitative Research Journal, 9(2), 27–40.
Otwórz odnośnik DOISkopiowano.Prior, L. (2003). Using Documents in Social Research. Sage Publications.
ISBN: 978-0761965497Skopiowano.