Сравнительная цифровая этнография
- Автор метода
- Christine Hine (digital ethnography); George E. Marcus (multi-sited ethnography)
- Год
- 1995–2000 (multi-sited framework 1995; virtual ethnography 2000)
- Тип
- Qualitative research design
- Семейство
- Qualitative design / analysis
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Сравнительная цифровая этнография (CDE) — это качественный дизайн, который одновременно применяет этнографические методы — продолжительное включенное наблюдение, интервью и анализ артефактов — в двух или более цифровых средах.
Систематически сравнивая практики, значения и взаимодействия в различных онлайн-средах (например, на разных платформах, в сообществах или национальных контекстах), CDE выявляет как специфичные для конкретного места закономерности, так и сквозные культурные логики, которые были бы упущены при исследовании одного места.
Интуиция метода
Представьте, что вы хотите понять, как активистские сообщества мобилизуются в интернете. Изучение только Twitter дает вам представление об одном наборе возможностей; только Reddit раскрывает другой. Сравнительная цифровая этнография предлагает: следуйте за своим объектом исследования через несколько цифровых пространств, наблюдайте, что люди реально делают в каждом из них, а затем сопоставьте эти места, чтобы задать вопрос, что меняется, а что остается постоянным. Сравнение не случайно — это двигатель открытия. Подобно тому, как антропологи отслеживают явления в разных физических локациях (многоместная этнография Маркуса), CDE отслеживает явления в разных цифровых средах, рассматривая каждую платформу как отдельное культурное поле, которое по-своему формирует поведение.
История
Сравнительная цифровая этнография опирается на два сходящихся интеллектуальных потока. Призыв Джорджа Маркуса 1995 года к многоместной этнографии бросил вызов ортодоксии одного полевого объекта в антропологии, утверждая, что современные явления требуют отслеживания субъектов, объектов или дискурсов в нескольких местах. Одновременно с этим подъем интернета привел к появлению виртуальной этнографии Кристин Хайн (2000) и последующей связанной этнографии (Connected Ethnography, 2015), которые адаптировали этнографическую чувствительность к сетевым, опосредованным платформами средам. Ученые, занимающиеся исследованиями интернета и медиа, синтезировали эти потоки для сравнительного изучения онлайн-сообществ, при этом подход получил явную методологическую артикуляцию в 2010-х годах наряду с распространением платформ социальных сетей.
Когда применять
Используйте сравнительную цифровую этнографию, когда ваш исследовательский вопрос касается того, как социальное явление — идентичность, активизм, обучение, труд, сообщество — проявляется по-разному (или одинаково) в различных цифровых контекстах, и когда эти контекстуальные различия теоретически важны. Этот дизайн хорошо подходит для исследований интернета, медиа, социологии, антропологии и образования. Дизайн требует длительного погружения как минимум в два объекта; он неуместен, когда вопрос касается только одного сообщества, когда временные ограничения препятствуют продолжительной полевой работе (недели или месяцы на объект), когда данные преимущественно количественные, или когда сравнение не имеет четкого теоретического обоснования, выходящего за рамки простого описания.
Ограничения и замечания
- Чрезвычайно трудоемкий: реальное погружение в два или более объекта значительно увеличивает объем полевой работы.
- Третий элемент сравнения (tertium comparationis) — общая основа для сравнения — должен быть тщательно определен; плохо выбранные объекты приводят к неинформативным контрастам.
- Управление позицией и рефлексивностью в нескольких цифровых контекстах сложнее, чем при работе с одним объектом.
- Этические проблемы (согласие, наблюдение, архивирование публичных постов) умножаются и могут различаться в зависимости от платформы.
- Результаты богаты контекстом, но не поддаются статистической обобщаемости; аргументы о переносимости требуют подробного описания.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Раскрывает, как возможности платформы и нормы сообщества совместно формируют поведение способами, невидимыми для исследований одного объекта.
- Систематическое сравнение позволяет строить теории о том, какие выводы являются контекстно-специфичными, а какие — более общими.
- Богатые, натуралистические данные из множества точек зрения поддерживают нюансированные, достоверные описания сложных цифровых явлений.
- Достаточно гибкий, чтобы сочетать наблюдение, интервью и анализ цифровых артефактов для получения триангулированных инсайтов.
- Хорошо подходит для изучения глобальных или межкультурных явлений, охватывающих одновременно несколько онлайн-пространств.
Применение
- Сравнение того, как одно и то же политическое движение по-разному мобилизует сторонников в Twitter, Facebook и Telegram.
- Изучение того, как профессиональная идентичность исполняется и обсуждается в LinkedIn, академическом Twitter и ResearchGate.
- Исследование того, как фан-сообщества вокруг одной и той же медиафраншизы развивают различные практики на Reddit, Tumblr и Discord.
- Исследование межстрановых различий в том, как пользователи обсуждают психическое здоровье на эквивалентных национальных платформах социальных сетей.
- Анализ того, как сообщества неформального обучения в MOOC и в комментариях к YouTube развивают нормы и практики обмена знаниями.
- Отслеживание того, как нарративы дезинформации адаптируются и переформулируются при перемещении между основными и маргинальными онлайн-платформами.
Как это работает
Как это работает
Исследователь определяет сравнительный вопрос и теоретическое обоснование того, почему конкретные цифровые места являются аналитически значимыми контрастными случаями. Критерии отбора (общая тема, контрастирующие возможности платформы, разные национальные базы пользователей и т. д.) четко излагаются, чтобы сравнение было целенаправленным, а не случайным.
Выбираются два или более цифровых полевых объекта на основе их релевантности, доступности и контраста. Объектами могут быть платформы социальных сетей, онлайн-форумы, миры многопользовательских игр, профессиональные сети или любое опосредованное интернетом пространство, где разворачивается интересующее явление. Проводятся переговоры о доступе (наблюдение, членство, получение этического одобрения) для каждого объекта.
Исследователь проводит продолжительное включенное наблюдение в каждом объекте — чтение, публикация, отслеживание тем, посещение мероприятий, наблюдение за ключевыми действующими лицами — в течение периода, достаточного для понимания местных норм и практик. Полевые заметки фиксируют наблюдения, взаимодействия и рефлексивную позицию исследователя в каждом контексте.
В дополнение к полевым заметкам данные собираются посредством углубленных интервью с членами сообщества, сбора цифровых артефактов (посты, изображения, профили, элементы дизайна платформы) и, при необходимости, онлайн-опросов или логов записи экрана. Множественные типы данных позволяют проводить триангуляцию в рамках каждого объекта.
Данные из всех объектов анализируются с использованием последовательного тематического или интерпретативного кодирования, а затем систематически сравниваются. Аналитик задает вопросы: Что общего между объектами? Что различается? Чем объясняются различия (возможности платформы, история сообщества, культурный контекст)? Матрицы межобъектного сравнения или сравнительные таблицы помогают организовать анализ.
Результаты синтезируются в концептуальное описание, которое отражает как специфику каждого объекта, так и более общие закономерности. Заключение формулирует, что сравнение раскрывает о явлении, чего не могло бы показать исследование одного объекта, и размышляет о том, как архитектура платформы и практика сообщества совместно формируют цифровую социальную жизнь.
Частые ошибки
- Рассмотрение объектов как самодостаточных единиц — игнорирование того, что пользователи и контент часто перемещаются между платформами, создавая межобъектное «заражение», которое следует теоретизировать, а не игнорировать.
- Поверхностное погружение — проведение в каждом объекте всего нескольких дней, а не недель или месяцев, приводит к скудным полевым заметкам, которые не могут служить основой для этнографических утверждений.
- Теоретически необоснованное сравнение — выбор объектов исключительно по удобству без принципиального обоснования того, что призвано выявить сравнение, ослабляет аналитический вклад.
- Игнорирование возможностей платформы как переменных — различия в дизайне платформ (ограничения по количеству символов, анонимность, алгоритмическая курация) являются данными, а не просто фоновым шумом.
- Непоследовательное кодирование между объектами — применение разных тематических рамок к каждому объекту делает систематическое сравнение невозможным; общий протокол кодирования, установленный до межобъектного анализа, является обязательным.
Часто задаваемые вопросы
Сколько объектов следует включить?
Практической нормой является два-четыре объекта. Два объекта позволяют провести сфокусированное сравнение и управляемы для одного исследователя. Три или четыре объекта добавляют аналитическую силу, но значительно увеличивают объем полевой работы. Включение большего числа объектов без пропорционального увеличения времени или числа исследователей обычно приводит к поверхностному погружению и ослабляет этнографическое обоснование. Теоретическое обоснование выбора объектов имеет гораздо большее значение, чем их количество.
Чем это отличается от стандартной цифровой этнографии?
Стандартная цифровая этнография обычно фокусируется на одном онлайн-сообществе или платформе, создавая глубокое описание этого конкретного культурного мира. Сравнительная цифровая этнография явно выбирает два или более объекта и разрабатывает исследование таким образом, чтобы систематическое сравнение между ними было основным аналитическим шагом — различия и сходства между объектами сами по себе являются результатами, а не просто контекстом.
Можно ли использовать вычислительные методы наряду с этнографией?
Да, и это становится все более распространенным. Вычислительные подходы (сетевой анализ, контент-анализ собранных постов, анализ тональности) могут отображать крупномасштабные закономерности, которые направляют этнографическое внимание, в то время как этнография обеспечивает интерпретативную глубину, объясняющую, почему эти закономерности существуют. Комбинация иногда называется «цифровыми смешанными методами» или «гибридными цифровыми исследованиями», но ядро этнографии по-прежнему должно включать реальное погружение и подробное описание.
Как решать этические вопросы при работе с несколькими платформами?
Каждая платформа представляет собой особые этические соображения, касающиеся согласия, публичных и частных пространств, а также хранения данных. Исследователи должны ознакомиться с условиями обслуживания и нормами сообщества каждого объекта, получить этическое одобрение, охватывающее все объекты, и применять принцип контекстуальной целостности — данные, собранные в полуприватном форуме, не должны обрабатываться с такой же открытостью, как данные из полностью публичной ленты. Последовательная анонимизация по всем объектам имеет важное значение при представлении результатов.
Что считается достаточным погружением в цифровой полевой объект?
Нет фиксированной продолжительности, но этнографы обычно считают недели или месяцы регулярного, активного участия минимумом для понимания норм сообщества, повторяющихся событий, ключевых действующих лиц и внутренних споров. Кратковременное посещение в течение нескольких дней дает заметки наблюдений, но не этнографическое понимание. Критерием является способность распознать отклоняющееся поведение и объяснить, почему оно является отклоняющимся — для этого нужно знать нормы достаточно хорошо, чтобы выявлять нарушения.
Похожие методы
Источники
Hine, C. (2000). Virtual Ethnography. Sage.
ISBN: 978-0761958963Скопировано.Marcus, G. E. (1995). Ethnography in/of the World System: The Emergence of Multi-Sited Ethnography. Annual Review of Anthropology, 24, 95–117.
Открыть ссылку DOIСкопировано.