เน็ตโนกราฟี — การวิจัยชาติพันธุ์วรรณนาออนไลน์
- ผู้เสนอ
- Robert V. Kozinets
- ปี
- 1997 (coined); 2010 (first comprehensive methodology book)
- ประเภท
- Qualitative research method
- กลุ่มวิธี
- Ethnography
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
เน็ตโนกราฟี (Netnography) เป็นระเบียบวิธีวิจัยเชิงคุณภาพที่ปรับหลักการของการวิจัยชาติพันธุ์วรรณนาทางวัฒนธรรม (cultural ethnography) มาใช้ในการศึกษาชุมชนออนไลน์และสภาพแวดล้อมของสื่อสังคมออนไลน์ ศัพท์นี้บัญญัติขึ้นโดย โรเบิร์ต โคซิเน็ตส์ (Robert Kozinets) ในปี 1997 และทำให้เป็นระบบในคู่มือของเขาในปี 2010 เน็ตโนกราฟีถือว่าพื้นที่ดิจิทัล — ฟอรัม เครือข่ายสังคม บล็อก เว็บไซต์รีวิว — เป็นแหล่งข้อมูลภาคสนามที่เกิดขึ้นเองตามธรรมชาติ ซึ่งชุมชนมารวมตัวกัน แบ่งปันความหมาย และสร้างอัตลักษณ์ ระเบียบวิธีนี้ผสมผสานการสังเกตการณ์ร่องรอยดิจิทัลแบบไม่เปิดเผยตัวตน (unobtrusive observation) เข้ากับการมีส่วนร่วมอย่างแข็งขัน และเมื่อเหมาะสม ก็มีการปฏิสัมพันธ์โดยตรงกับสมาชิก
แนวคิดเบื้องหลังวิธีการ
ลองจินตนาการว่าคุณต้องการทำความเข้าใจว่าผู้ป่วยโรคเรื้อรังที่หายากสนับสนุนซึ่งกันและกันอย่างไร และตีความข้อมูลทางการแพทย์อย่างไร — แต่การชักชวนพวกเขาเข้ามาในห้องปฏิบัติการอาจให้ความรู้สึกไม่เป็นธรรมชาติและมีจำนวนน้อยเกินไป ชุมชนผู้ป่วยออนไลน์ กลุ่มใน Reddit และกลุ่มใน Facebook มีการสนทนาที่แท้จริงอยู่แล้วหลายพันรายการ ซึ่งผู้คนแบ่งปันประสบการณ์ของตนเองอย่างอิสระ เน็ตโนกราฟีปฏิบัติต่อพื้นที่ดิจิทัลเหล่านี้เช่นเดียวกับนักชาติพันธุ์วรรณนาแบบดั้งเดิมปฏิบัติต่อหมู่บ้าน: ผู้วิจัยจะดำดิ่งลงไปในชุมชน เรียนรู้นอร์มและคำศัพท์ของชุมชน สังเกตหัวข้อและความตึงเครียดที่เกิดขึ้นซ้ำๆ และค่อยๆ สร้างคำอธิบายทางวัฒนธรรมเชิงลึกเกี่ยวกับความหมายของการเป็นสมาชิกในชุมชนนั้น และวิธีการสร้างความหมายร่วมกัน
ประวัติศาสตร์
โรเบิร์ต โคซิเน็ตส์ (Robert Kozinets) นักวิชาการด้านการตลาดและการวิจัยผู้บริโภค เป็นผู้บัญญัติศัพท์เน็ตโนกราฟีในบทความการประชุมปี 1997 และทำให้ระเบียบวิธีนี้เป็นทางการในบทความวารสาร Journal of Marketing Research ปี 1998 เกี่ยวกับชุมชนออนไลน์ บทความของเขาในปี 2002 'The Field Behind the Screen' ได้รวมกรอบการทำงานเชิงระเบียบวิธีให้แข็งแกร่งยิ่งขึ้น การนำเสนอในรูปแบบหนังสือเล่มแรก Netnography: Doing Ethnographic Research Online ปรากฏในปี 2010 ซึ่งกำหนดโปรโตคอลทีละขั้นตอนที่ได้รับการอ้างอิงอย่างกว้างขวาง โคซิเน็ตส์ได้แก้ไขและขยายระเบียบวิธีนี้อย่างมีนัยสำคัญในฉบับที่สาม (2020) เพื่อกล่าวถึงแพลตฟอร์มโซเชียลมีเดีย การบูรณาการข้อมูลขนาดใหญ่ ความซับซ้อนทางจริยธรรม และข้อมูลภาพ/หลายรูปแบบ
ควรใช้เมื่อใด
เน็ตโนกราฟีเหมาะสมอย่างยิ่งเมื่อจุดเน้นการวิจัยอยู่ที่วัฒนธรรม แนวปฏิบัติ ความหมาย หรืออัตลักษณ์ของชุมชนที่มีอยู่เป็นหลักหรือมีนัยสำคัญทางออนไลน์ — เช่น ชุมชนแฟนคลับ กลุ่มสนับสนุนผู้ป่วย เครือข่ายวิชาชีพ หรือชุมชนแบรนด์ผู้บริโภค มีคุณค่าอย่างยิ่งเมื่อการเข้าถึงผู้เข้าร่วมโดยตรงทำได้ยาก มีค่าใช้จ่ายสูง หรือไม่สามารถทำได้ในทางภูมิศาสตร์ เนื่องจากชุมชนออนไลน์สร้างข้อมูลตามธรรมชาติที่สมบูรณ์โดยไม่ต้องมีการชักชวนที่รุกล้ำ ไม่เหมาะสมเมื่อคำถามการวิจัยต้องการการอนุมานเชิงสาเหตุ (causal inference) การสุ่มตัวอย่างตามความน่าจะเป็น (probability sampling) หรือการสรุปผลเชิงสถิติ (statistical generalization) และเมื่อประชากรเป้าหมายมีการปรากฏตัวทางออนไลน์น้อยมาก ความเสี่ยงทางจริยธรรมก็เพิ่มขึ้นอย่างรวดเร็วเมื่อชุมชนมีขนาดเล็ก เป็นเฉพาะกลุ่ม หรือมีความละเอียดอ่อน (เช่น โรคที่น่าอับอาย) และผู้วิจัยต้องพิจารณาว่าสมาชิกจะถือว่าโพสต์ของตนเป็นส่วนตัวหรือไม่ แม้ว่าจะเป็นสาธารณะในทางเทคนิคก็ตาม
ข้อจำกัดและข้อควรพิจารณา
- ชุมชนออนไลน์เป็นเพียงประชากรที่มีกิจกรรมทางดิจิทัลเท่านั้น กลุ่มที่มีการเข้าถึงอินเทอร์เน็ตน้อยหรือมีการรู้หนังสือต่ำจะถูกกีดกันอย่างเป็นระบบ
- การแสดงออกที่ไม่ใช่คำพูด — น้ำเสียง อารมณ์ ภาษากาย — ส่วนใหญ่ขาดหายไป ทำให้ยากต่อการตีความความแตกต่างเล็กน้อยหรือการประชดประชันในโพสต์ที่เป็นข้อความ
- การเปลี่ยนแปลงแพลตฟอร์ม (การลบเนื้อหา กลุ่มปิด ข้อจำกัด API) อาจขัดขวางการเข้าถึงข้อมูลและคุกคามความสมบูรณ์ของเอกสารบันทึก
- ขอบเขตทางจริยธรรมเป็นที่ถกเถียงกัน: ความแตกต่างระหว่างพื้นที่ออนไลน์ 'สาธารณะ' และ 'ส่วนตัว' นั้นคลุมเครือและขึ้นอยู่กับบริบท และมาตรฐานยังคงพัฒนาต่อไป
- ผู้วิจัยอาจตีความนอร์มของชุมชนผิดพลาดหากไม่มีการดำดิ่งที่เพียงพอ นำไปสู่คำอธิบายทางวัฒนธรรมที่ตื้นเขินหรือบิดเบือน
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ให้การเข้าถึงการสนทนาของชุมชนที่เกิดขึ้นเองตามธรรมชาติและแท้จริง โดยไม่มีผลกระทบจากการตอบสนอง (reactivity effects) ของการสัมภาษณ์หรือการสนทนากลุ่ม
- คุ้มค่าและไร้ขอบเขตทางภูมิศาสตร์ — ชุมชนจากที่ใดหรือเขตเวลาใดก็สามารถศึกษาได้โดยไม่ต้องเดินทาง
- เอกสารบันทึกโพสต์ในอดีตช่วยให้สามารถวิเคราะห์เชิงประวัติศาสตร์เกี่ยวกับการเปลี่ยนแปลงวัฒนธรรมและความหมายของชุมชนเมื่อเวลาผ่านไป
- จับภาษาถิ่น สัญลักษณ์ และการอ้างอิงร่วมกันที่กำหนดวัฒนธรรมของชุมชน ทำให้ได้ข้อมูลเชิงลึกที่หยั่งรากลึกทางวัฒนธรรม
- ปริมาณข้อมูลที่ปรับขนาดได้: สามารถรวบรวมโพสต์ได้หลายพันรายการ ทำให้สามารถตรวจจับรูปแบบที่กว้างขวางและการอ่านเชิงลึกของการปฏิสัมพันธ์ที่สำคัญ
การประยุกต์ใช้
- การศึกษาชุมชนแบรนด์ผู้บริโภคและวิธีที่สมาชิกสร้างความหมายของแบรนด์ พิธีกรรมความภักดี และการต่อต้านแบรนด์ร่วมกันบนโซเชียลมีเดีย
- การตรวจสอบชุมชนผู้ป่วยและผู้ดูแลเพื่อทำความเข้าใจประสบการณ์การเจ็บป่วย พฤติกรรมการแสวงหาข้อมูล และแนวปฏิบัติการสนับสนุนจากเพื่อน
- การสำรวจวัฒนธรรมแฟนคลับ — ชุมชนเกม ผู้เขียนแฟนฟิคชั่น แฟน K-pop — เพื่อวิเคราะห์อัตลักษณ์ ความคิดสร้างสรรค์ และการมีส่วนร่วมของส่วนรวม
- การวิจัยชุมชนวิชาชีพออนไลน์ (เช่น กลุ่ม LinkedIn ฟอรัมวิชาการ) เพื่อทำความเข้าใจบรรทัดฐานการแบ่งปันความรู้และการสร้างอัตลักษณ์ทางวิชาชีพ
- การตรวจสอบชุมชนการเมืองหรือขบวนการทางสังคมเพื่อติดตามว่ากรอบความคิดร่วมกัน เรื่องเล่า และกลยุทธ์การระดมพลพัฒนาขึ้นในพื้นที่ดิจิทัลอย่างไร
วิธีการทำงาน
วิธีการทำงาน
ผู้วิจัยกำหนดคำถามวิจัยที่มุ่งเน้น และระบุชุมชนออนไลน์ที่เหมาะสมเป็นแหล่งข้อมูลภาคสนาม เกณฑ์การคัดเลือก ได้แก่: ความเกี่ยวข้องของหัวข้อชุมชนกับจุดเน้นการวิจัย ระดับกิจกรรม ขนาด ความหลากหลายของสมาชิก และความเข้มข้นของการปฏิสัมพันธ์ระหว่างสมาชิก ผู้วิจัยยังตัดสินใจอย่างชัดเจนเกี่ยวกับจริยธรรมในการเปิดเผยตัวตน (การแอบดู (lurking) เทียบกับการเข้าร่วมอย่างเปิดเผย (overt participation)) และการใช้ข้อมูล โดยคำนึงถึงข้อกำหนดในการให้บริการของแพลตฟอร์มชุมชนและการรักษาข้อมูลนิรนามของผู้เข้าร่วมก่อนเข้าสู่ภาคสนาม
ผู้วิจัยเข้าสู่ชุมชนออนไลน์และทำความคุ้นเคยกับวัฒนธรรม นอร์ม ภาษา และผู้เข้าร่วมหลัก ในเน็ตโนกราฟีเชิงสังเกตการณ์ (observational netnography) ผู้วิจัยจะอ่านอย่างกว้างขวางโดยไม่โพสต์ ในเน็ตโนกราฟีเชิงมีส่วนร่วม (participatory netnography) ผู้วิจัยจะเปิดเผยบทบาทการวิจัยของตนและมีส่วนร่วมอย่างแข็งขันกับสมาชิกชุมชน ระยะเวลาของการดำดิ่งนี้ — เปรียบได้กับการเข้าถึงและสร้างความสัมพันธ์ในงานภาคสนามแบบดั้งเดิม — เป็นสิ่งจำเป็นก่อนที่การเก็บข้อมูลอย่างเป็นระบบจะเริ่มต้นขึ้น และระยะเวลาขึ้นอยู่กับกิจกรรมของชุมชนและขอบเขตการวิจัย
ข้อมูลถูกรวบรวมผ่านสามช่องทางที่เสริมกัน: (1) ข้อมูลจากเอกสาร (archival data) — โพสต์ เธรด รูปภาพ วิดีโอ และสิ่งประดิษฐ์อื่นๆ ของชุมชนที่มีอยู่ ซึ่งถูกดาวน์โหลดหรือบันทึกหน้าจอเพื่อการวิเคราะห์; (2) ข้อมูลที่ถูกกระตุ้น (elicited data) — เนื้อหาที่สร้างขึ้นผ่านกิจกรรมที่ริเริ่มโดยผู้วิจัย เช่น การสัมภาษณ์ออนไลน์ โพสต์ปลายเปิด หรือแบบสำรวจสมาชิก; และ (3) ข้อมูลบันทึกภาคสนาม (field-note data) — การสังเกตการณ์ การบันทึกความคิด และการตีความบริบทของผู้วิจัยเองที่บันทึกไว้ตลอดระยะเวลาของการดำดิ่ง กลยุทธ์การสุ่มตัวอย่างแบบเจาะจง (purposive sampling) จะชี้นำว่าโพสต์และเธรดใดที่จะถูกเลือกเพื่อการวิเคราะห์เชิงลึก
ข้อมูลที่รวบรวมได้จะถูกวิเคราะห์โดยใช้กระบวนการเข้ารหัสเชิงคุณภาพ (qualitative coding) ที่ปรับมาจากประเพณีการวิจัยชาติพันธุ์วรรณนาและทฤษฎีฐานราก (grounded-theory traditions) ผู้วิจัยอ่านข้อมูลซ้ำๆ โดยใช้การเข้ารหัสแบบเปิด (open codes) เพื่อระบุหัวข้อและหมวดหมู่ทางวัฒนธรรมที่เกิดขึ้นซ้ำๆ จากนั้นจึงจัดระเบียบโค้ดเป็นธีมระดับสูงที่เผยให้เห็นความหมายร่วมกัน พิธีกรรม ลำดับชั้น และค่านิยมของชุมชน การตรวจสอบสมาชิก (member checking) — การนำเสนอผลการศึกษาเบื้องต้นแก่สมาชิกชุมชนเพื่อขอความคิดเห็น — และการสามเส้า (triangulation) ข้ามประเภทข้อมูล จะช่วยเสริมความถูกต้องของการตีความ
ความเข้มงวด (Rigour) ถูกสร้างขึ้นผ่านเกณฑ์ความน่าเชื่อถือ (trustworthiness criteria) ของ Lincoln และ Guba ที่ปรับใช้กับบริบทดิจิทัล: ความน่าเชื่อถือ (credibility) (การมีส่วนร่วมในชุมชนเป็นเวลานาน การตรวจสอบสมาชิก) ความสามารถในการถ่ายทอด (transferability) (คำอธิบายที่ละเอียดถี่ถ้วนช่วยให้ผู้อ่านประเมินความเหมาะสมได้) ความน่าเชื่อถือ (dependability) (บันทึกการตรวจสอบ (audit trail) ของการตัดสินใจเชิงระเบียบวิธี) และความสามารถในการยืนยัน (confirmability) (บันทึกการสะท้อนคิด (reflexive memos) ที่บันทึกว่าตำแหน่งของผู้วิจัยมีอิทธิพลต่อการตีความอย่างไร) ความโปร่งใสทางจริยธรรม — การเปิดเผยการมีอยู่ของการศึกษาต่อชุมชนเท่าที่เป็นไปได้ — ก็ถือเป็นองค์ประกอบหนึ่งของความเข้มงวดเช่นกัน
ข้อผิดพลาดที่พบบ่อย
- การปฏิบัติต่อโพสต์ออนไลน์เสมือนฐานข้อมูลเนื้อหาธรรมดา แทนที่จะเป็นสิ่งประดิษฐ์ทางวัฒนธรรมที่ฝังอยู่ในนอร์มของชุมชน — สิ่งนี้นำไปสู่การเข้ารหัสที่ตื้นเขินซึ่งพลาดบริบททางสังคมที่ทำให้โพสต์มีความหมาย
- การดำดิ่งไม่เพียงพอ: การรีบเก็บข้อมูลก่อนที่จะเข้าใจคำศัพท์ มุกตลก ลำดับชั้น และกฎที่ไม่ได้เขียนไว้ของชุมชน ทำให้เกิดการตีความผิดพลาด
- การละเลยการสะท้อนคิด: ภูมิหลังทางวิชาการของผู้เข้าร่วม สมมติฐานเกี่ยวกับวัฒนธรรมออนไลน์ และความคุ้นเคยกับแพลตฟอร์ม มีอิทธิพลต่อสิ่งที่พวกเขาสังเกตเห็นและวิธีการตีความ การไม่บันทึกตำแหน่งของผู้เข้าร่วมบั่นทอนความสามารถในการยืนยัน
- การมองข้ามความรับผิดชอบทางจริยธรรมสำหรับชุมชนขนาดเล็กหรือละเอียดอ่อน ซึ่งผู้เข้าร่วมแต่ละคนอาจถูกระบุตัวตนได้จากคำพูดที่ตรงไปตรงมา แม้ว่าแพลตฟอร์มนั้นจะเป็นสาธารณะในทางเทคนิคก็ตาม
- การขยายขอบเขต: ปริมาณข้อมูลออนไลน์จำนวนมหาศาลล่อลวงให้ผู้วิจัยเก็บข้อมูลอย่างไม่เลือกหน้า หากไม่มีกลยุทธ์การสุ่มตัวอย่างแบบเจาะจง การวิเคราะห์จะกลายเป็นสิ่งที่จัดการไม่ได้และขาดจุดมุ่งหมาย
คำถามที่พบบ่อย
เน็ตโนกราฟีเหมือนกับการวิเคราะห์เนื้อหาของสื่อสังคมออนไลน์หรือไม่?
ไม่ การวิเคราะห์เนื้อหามักใช้แผนการเข้ารหัสที่กำหนดไว้ล่วงหน้าเพื่อวัดความถี่ของหมวดหมู่ในคลังข้อความขนาดใหญ่ โดยถือว่าโพสต์เป็นหน่วยที่แยกจากกัน เน็ตโนกราฟีเป็นการตีความและเชิงวัฒนธรรม: ผู้วิจัยดำดิ่งลงไปในชุมชน พัฒนาโค้ดจากการเหนี่ยวนำจากภายในข้อมูล และมุ่งทำความเข้าใจความหมายและแนวปฏิบัติร่วมกันที่ทำให้ชุมชนเป็นเช่นนั้น เน็ตโนกราฟีสามารถรวมเอาการเคลื่อนไหวของการวิเคราะห์เนื้อหาได้ แต่ตรรกะหลักคือการดำดิ่งเชิงชาติพันธุ์วรรณนา ไม่ใช่การนับความถี่
ฉันจำเป็นต้องเปิดเผยตัวตนในฐานะนักวิจัยต่อชุมชนหรือไม่?
ขึ้นอยู่กับประเภทของชุมชนและกรอบจริยธรรมที่คุณปฏิบัติตาม โคซิเน็ตส์แยกความแตกต่างระหว่างเน็ตโนกราฟีเชิงสังเกตการณ์ (การแอบดูแบบไม่เปิดเผยตัวตน) กับเน็ตโนกราฟีเชิงมีส่วนร่วม (การมีส่วนร่วมอย่างแข็งขันพร้อมการเปิดเผยตัวตน) คณะกรรมการจริยธรรมส่วนใหญ่และแนวทางของ Association of Internet Researchers (AoIR) แนะนำให้เปิดเผยตัวตนเมื่อโพสต์ของชุมชนอาจถือว่าเป็นส่วนตัว หรือเมื่อผู้วิจัยมีปฏิสัมพันธ์กับสมาชิกอย่างแข็งขัน สำหรับฟอรัมสาธารณะขนาดใหญ่ที่ชัดเจน การสังเกตการณ์แบบไม่เปิดเผยตัวตนพร้อมคำพูดนิรนามมักถือว่ายอมรับได้ แต่การตัดสินใจต้องได้รับการบันทึกและให้เหตุผล
ฉันจะกำหนดได้อย่างไรว่าเมื่อใดฉันมีข้อมูลเพียงพอ?
เกณฑ์คือการอิ่มตัวทางทฤษฎี (theoretical saturation) — จุดที่โพสต์หรือเธรดใหม่ๆ ไม่ได้สร้างหมวดหมู่ทางวัฒนธรรมหรือธีมใหม่ๆ เนื่องจากคลังข้อมูลออนไลน์มีขนาดใหญ่มาก การสุ่มตัวอย่างแบบเจาะจงที่นำโดยการวิเคราะห์ที่กำลังพัฒนาของคุณจึงใช้งานได้จริงมากกว่าการเก็บข้อมูลทั้งหมด การอิ่มตัวมักจะบรรลุได้ผ่านการผสมผสานระหว่างความกว้าง (การสแกนเธรดจำนวนมากเพื่อยืนยันว่าธีมแพร่หลาย) และความลึก (การอ่านเชิงลึกของเธรดสำคัญที่แสดงถึงรูปแบบทางวัฒนธรรมหลัก)
เน็ตโนกราฟีสามารถรวมกับระเบียบวิธีอื่นได้หรือไม่?
ได้ และมักจะเป็นเช่นนั้น การผสมผสานที่พบบ่อย ได้แก่: การสัมภาษณ์ออนไลน์หรือแบบสำรวจสมาชิกเพื่อกระตุ้นคำอธิบายเชิงลึกของรูปแบบที่สังเกตได้ (เพิ่มข้อมูลที่ถูกกระตุ้นให้กับข้อมูลจากเอกสาร); การวิเคราะห์เนื้อหาเพื่อวัดความชุกของธีมที่ระบุด้วยวิธีชาติพันธุ์วรรณนา; และการออกแบบระเบียบวิธีแบบผสมผสานตามลำดับ ซึ่งผลการศึกษาเน็ตโนกราฟีมีส่วนในการพัฒนาเครื่องมือสำรวจ ระเบียบวิธีนี้ยังถูกรวมเข้ากับการวิเคราะห์ข้อความเชิงคำนวณ (computational text analysis) สำหรับคลังข้อมูลขนาดใหญ่มากขึ้นเรื่อยๆ
จะเกิดอะไรขึ้นหากชุมชนออนไลน์ที่ฉันต้องการศึกษาเป็นแบบส่วนตัวหรือต้องใช้รหัสผ่าน?
ชุมชนส่วนตัวต้องการการเจรจาเข้าถึงอย่างชัดเจน และโดยปกติแล้ว การเปิดเผยวัตถุประสงค์การวิจัยทั้งหมดต่อผู้ดูแลและสมาชิก การแอบดูในกลุ่มส่วนตัวโดยไม่ให้สมาชิกทราบถือว่ายอมรับไม่ได้ทางจริยธรรมภายใต้กรอบจริยธรรมการวิจัยมาตรฐาน ข้อมูลจากชุมชนส่วนตัวยังต้องการโปรโตคอลการรักษาข้อมูลนิรนามที่เข้มงวดกว่า เนื่องจากสมาชิกมีความคาดหวังที่สมเหตุสมผลว่าจะมีผู้ชมที่จำกัดขอบเขต
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Kozinets, R. V. (2010). Netnography: Doing Ethnographic Research Online. Sage.
ISBN: 978-1847875907คัดลอกแล้วKozinets, R. V. (2020). Netnography: The Essential Guide to Qualitative Social Media Research (3rd ed.). Sage.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้ว