Сбор документов онлайн — Цифровые записи как исследовательские данные
- Автор метода
- Adapted from traditional document analysis; digital form emerged with widespread internet adoption
- Год
- 1990s–2000s (digital / web era)
- Тип
- Qualitative / mixed-methods data collection technique
- Семейство
- Data collection
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Сбор документов онлайн — это систематический процесс идентификации, извлечения и компиляции цифровых документов, включая веб-страницы, институциональные публикации, сообщения в социальных сетях, политические документы и цифровые архивы, в качестве первичных или вспомогательных исследовательских данных.
Он расширяет классический анализ документов на среду, опосредованную интернетом, позволяя исследователям получать доступ к большим, географически распределенным корпусам без полевых поездок или доступа к физическим архивам.
Интуиция метода
Представьте себе сбор документов онлайн как создание кураторской цифровой библиотеки для вашего исследовательского вопроса. Вместо личного посещения архивов вы перемещаетесь по правительственным порталам, веб-сайтам организаций, базам данных и социальным платформам, чтобы собрать тексты, содержащие свидетельства какого-либо явления. Подобно библиотекарю, применяющему критерии отбора, вы определяете, что считать релевантным документом, находите его онлайн, систематически загружаете или копируете, проверяете его подлинность и релевантность, а затем организуете его в корпус, пригодный для анализа. Полученный набор данных полностью текстовый, но может быть очень большим, что позволяет проводить как детальное чтение, так и вычислительный анализ.
История
Анализ документов как исследовательский метод имеет корни в историографии и социологии начала двадцатого века, особенно в работах W.I. Thomas и Florian Znaniecki («Польский крестьянин», 1918–1920), а позже был систематизирован такими учеными, как John Scott (1990) и Lindsay Prior (2003). Онлайн-вариант возник органично в 1990-х и 2000-х годах по мере того, как проникновение интернета сделало цифровые документы широко доступными. Методологическая статья Glenn Bowen 2009 года в Qualitative Research Journal стала широко цитируемой ссылкой, консолидировавшей анализ документов, включая его цифровые формы, как строгий качественный метод. Рост цифровых гуманитарных наук, вычислительных социальных наук и движений за открытые данные с тех пор значительно расширил его сферу применения.
Когда применять
Используйте сбор документов онлайн, когда исследовательский вопрос может быть решен с помощью общедоступных или доступных цифровых текстов, и когда первичный сбор данных (интервью, опросы) непрактичен, дорог или этически чувствителен. Он хорошо подходит для исторических или лонгитюдных исследований, анализа политики, организационных исследований и исследований общественного дискурса. Это сильный вспомогательный метод для триангуляции в смешанных методологиях. Не используйте его как единственный метод, когда исследовательский вопрос касается личного опыта, установок или поведения, которые не отражены в публичных документах; и избегайте его, когда подлинность или полнота документов не могут быть проверены, или когда интересующее явление оставляет мало или совсем не оставляет следов в виде онлайн-документов.
Ограничения и замечания
- Онлайн-документы могут быть отредактированы, удалены или перемещены после сбора, что затрудняет воспроизведение или последующее отслеживание.
- Ограничения доступа, платные стены или барьеры аутентификации могут исключить важные источники и внести систематическую ошибку отбора.
- Качество и подлинность документов могут быть трудно проверяемыми, особенно для контента, созданного пользователями или анонимного.
- Представляет только то, что было оцифровано и опубликовано онлайн — маргинализированные голоса и неформальные знания часто недопредставлены.
- Большие корпуса требуют инфраструктуры управления данными и могут потребовать вычислительных навыков, выходящих за рамки подготовки многих исследователей.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Обеспечивает доступ к большим, географически распределенным корпусам без ограничений на поездки или физический доступ.
- Документы являются естественно возникающими данными — не созданными в условиях исследования — что снижает предвзятость реактивности.
- Экономичность: многие источники свободно доступны через порталы открытого доступа, базы данных или общедоступные веб-сайты.
- Хорошо подходит для исторических и лонгитюдных исследований, поскольку цифровые архивы сохраняют датированные версии документов.
- Легко сочетается с другими методами (интервью, опросы) для триангуляции в смешанных методологиях.
- Масштабируемость — инструменты вычислительного текстового анализа могут обрабатывать тысячи документов, которые невозможно прочитать вручную.
Применение
- Анализ политики: сбор и сравнение правительственных белых книг, законодательных текстов и нормативных руководств, опубликованных на официальных порталах.
- Организационные исследования: сбор корпоративных годовых отчетов, пресс-релизов и заявлений о миссии для изучения институциональных изменений с течением времени.
- Исследования общественного дискурса: составление корпусов новостных статей, сообщений в блогах или тем в социальных сетях для анализа фрейминга социальной проблемы.
- Исторические исследования: создание корпусов из оцифрованных газет, судебных записей или организационных архивов для лонгитюдного анализа.
- Исследования в области коммуникации в сфере здравоохранения: сбор сообщений на форумах пациентов, руководств органов здравоохранения и материалов СМИ для изучения общественного понимания медицинского состояния.
- Исследования в области образования: извлечение документов учебных программ, школьных политик и учебных ресурсов для сравнения педагогических подходов в различных учреждениях.
Как это работает
Как это работает
Исследователь формулирует явные критерии включения и исключения, определяя, какие типы онлайн-документов являются релевантными — по типу документа (например, отчеты о политике, новостные статьи, заявления учреждений), временному окну, языку, домену источника и географическому или организационному охвату. Четкие критерии предотвращают произвольное накопление и делают процесс сбора прозрачным и воспроизводимым.
Релевантные онлайн-источники идентифицируются посредством систематического поиска в базах данных, поисковых системах, на веб-сайтах учреждений, правительственных порталах, в цифровых репозиториях и на платформах социальных сетей. Для составления исчерпывающего списка потенциальных источников перед началом извлечения используются булевы поисковые строки, операторы для конкретных сайтов и API платформ.
Документы загружаются, извлекаются (скрепинг) или сохраняются из их онлайн-местоположений с использованием инструментов браузера, скриптов для веб-скрепинга, вызовов API или ручного копирования. Метаданные, включая URL, автора, дату публикации и дату доступа, записываются для каждого документа для поддержки правильного цитирования и отслеживания происхождения.
Каждый извлеченный документ оценивается на предмет подлинности (является ли он подлинным и неизмененным?), достоверности (кто его создал и с какой целью?), репрезентативности (адекватно ли корпус отражает явление?) и релевантности (отвечает ли он на исследовательский вопрос?). Документы, не соответствующие пороговым значениям качества, исключаются, а исключения регистрируются.
Квалифицированные документы хранятся в структурированной системе файлов или в программном обеспечении для управления качественными данными (например, NVivo, ATLAS.ti, Zotero), с тегами метаданных и атрибутами источника. Контроль версий и регистрация дат доступа важны, поскольку онлайн-документы могут быть отредактированы или удалены после сбора.
Организованный корпус анализируется с использованием соответствующих методов — контент-анализа, тематического анализа, дискурс-анализа или вычислительного текстового анализа — для извлечения информации, относящейся к исследовательскому вопросу. Анализ может быть качественным, количественным или смешанным, в зависимости от дизайна исследования.
Частые ошибки
- Невозможность записи метаданных и дат доступа: онлайн-документы меняются или исчезают; без точных записей о происхождении корпус не может быть проверен или точно процитирован.
- Игнорирование систематической ошибки отбора: сбор только легко находимых документов (верхние результаты поиска, основные издания) систематически исключает меньшинства и приводит к искаженному корпусу.
- Рассмотрение всех онлайн-документов как эквивалентных: институциональные отчеты, сообщения в социальных сетях и журналистские статьи различаются по цели, аудитории и эпистемическому статусу; анализ должен учитывать тип документа.
- Пренебрежение этическими соображениями: даже общедоступный онлайн-контент, особенно сообщения в социальных сетях, может затрагивать конфиденциальность личности; исследователи должны ознакомиться с этическими руководствами своей дисциплины перед сбором и цитированием таких материалов.
- Расширение области применения: без строгих критериев включения корпус может разрастись до неуправляемых размеров, тратя время анализа на нерелевантные документы.
Часто задаваемые вопросы
Чем сбор документов онлайн отличается от веб-скрепинга?
Веб-скрепинг — это автоматизированный технический процесс извлечения текста или данных с веб-страниц с использованием скриптов или краулеров. Сбор документов онлайн — это более широкая методологическая категория, которая может включать скрепинг, но также охватывает ручное извлечение, загрузку из баз данных и вызовы API. Определяющей особенностью сбора документов онлайн является целенаправленный, основанный на критериях подход к построению исследовательского корпуса; скрепинг — это один из инструментов в этом процессе.
Являются ли сообщения в социальных сетях легитимными исследовательскими документами?
Да, во многих исследовательских контекстах они являются. Сообщения в социальных сетях — это естественно возникающие тексты, выражающие мнения, опыт и взаимодействия. Однако их использование вызывает этические вопросы о информированном согласии и конфиденциальности личности, даже когда контент общедоступен. Исследователи должны следовать этическим рекомендациям своего учреждения и нормам дисциплины, анонимизировать лиц, где это уместно, и быть прозрачными в отношении процедур сбора и анализа.
Как обрабатывать документы, которые исчезают после сбора?
Записывайте точный URL и дату доступа для каждого документа во время сбора. Используйте инструменты архивирования, такие как Internet Archive Wayback Machine, или сохраняйте локальные копии в формате PDF. Менеджеры ссылок, такие как Zotero, могут делать снимки страниц. Эта запись происхождения необходима для точности цитирования и для ответа рецензентам, которые не могут найти источник.
Нужно ли мне этическое одобрение для сбора документов онлайн?
Это зависит от источника и содержания. Институциональные отчеты, правительственные документы и опубликованные организационные тексты, как правило, несут низкий риск. Сбор идентифицируемого личного контента из социальных сетей или медицинских форумов обычно требует этической экспертизы, особенно в медицинских или психологических исследованиях. Всегда проверяйте политику этики исследований вашего учреждения перед началом сбора.
Сколько документов составляет адекватный корпус?
Универсального минимума не существует. Адекватность оценивается по насыщению — точке, в которой дополнительные документы больше не вводят новых тем или свидетельств, относящихся к исследовательскому вопросу — и по репрезентативности ландшафта источников. Сфокусированное исследование политики может быть хорошо обслужено 20–50 ключевыми документами; крупное исследование дискурса может потребовать сотен. Четко определите свои критерии и прозрачно сообщите окончательный размер корпуса.
Похожие методы
Источники
Bowen, G. A. (2009). Document analysis as a qualitative research method. Qualitative Research Journal, 9(2), 27–40.
Открыть ссылку DOIСкопировано.Prior, L. (2003). Using Documents in Social Research. Sage Publications.
ISBN: 978-0761965497Скопировано.