Читать книгу Kuidas mõista andmestunud maailma - Anto Aasa Mare Ainsaar Mai Beilmann Marju Himma Muischnek - Страница 10

Raamat koosneb 24 sisulisest üksteisega tihedalt seotud peatükist, mis on jaotatud kuude temaatilisse ossa:

1. Maailma andmestumine

2. (Suur)andmete mõtestamine

3. Teksti- ja tajuandmete analüüs

4. Lugude jutustamine andmetest ja andmetega

5. Platvormid ja andmetaristud uurimisvahendi ja -objektina

6. Iseteadlik ja teovõimeline inimene andmeühiskonnas

Sellise temaatilise jaotusega sõnastame kuus peamist muudatust, mis meie hinnangul andmestumist ja selle uurimist iseloomustavad, ning soovime rõhutada, et ranged meetodite klassifikatsioonid, näiteks kvalitatiivne vs. kvantitatiivne, positivistlik vs. interpretatiivne, ei pruugi andmeühiskonna uurimisel kehtida ning andmestumisega seotud nähtuste mõistmiseks ja selgitamiseks võib olla vajalik rakendada kõiki neid meetodeid. Jaotus koorus välja raamatu koostamise, toimetamise ning kaasautoritega toimunud arutelude ja ühiste põhimõtete otsingute käigus.10

Raamatu esimene osa „Maailma andmestumine“ keskendub andmeühiskonna uurimise eetilistele, sotsiaalsetele ja õiguslikele nüanssidele. Kas see, et mingi informatsioon on andmeteks muudetav või tehniliselt andmetena kättesaadav, tähendab tingimata, et seda peaks sellisena kasutama? Millised on andmestumise ja andmeanalüütika võimalikud kasud ja kahjud ning kuidas neid kaaluda? Kas kõikide andmetoimingute taga peaks seisma õigluse ja kahju vältimise ideaal? Esimese osa avavad Anu Masso, Triin Vihalemm ja Leno Saarniit peatükiga „Andmepõhine muutuste juhtimine“. Andmepõhine muutuste juhtimine tagab teadlikud otsused, vähendab määramatust ja kiirendab otsuste langetamist. Ohuks on väärtuspõhised eriarvamused, mille vältimiseks soovitavad peatüki autorid lähtuda andmeõigluse  – rakendada sotsiaalse õigluse põhimõtteid andmetöös. Üksikisikute huvide kaitsele keskendub ka järgmine peatükk „Andmete õiguslik kaitse ja kasutamine teadustöös“ (autorid Aleksei Kelli, Irene Kull, Age Värv), mis soovitab teadusuuringu korraldajal arvestada andmetöös peamiselt nelja kaasneva õigusliku aspektiga: 1) vajadus arvestada andmebaasi looja õigustega, 2) vajadus kaitsta isikuandmeid, 3) erandlik õigus kasutada andmeid teadustöö eesmärgil ja 4) nõue andmete kasutamisel kaitsta andmesubjekti huve. Peatükk „Avaandmete kasutusvõimalused ja piirangud“ (autorid Mai Beilmann, Ave Roots) rõhutab, et tänu avaandmetele on kvaliteetsetele andmetele juurdepääs varasemast märksa enamatel inimestel. Teisalt ei sobi andmete avamine kõigile uuringu raames toodetud andmetele ja sellega kaasnevad ka ohud – avaandmete kasutamine eeldab lisaoskusi andmete kvaliteedi hindamiseks ja andmete eetiliseks kasutamiseks. Raamatu esimese osa võtab kokku peatükk „Eetika ja privaatsus“ (autorid Katrin Tiidenberg, Andra Siibak), mille peamine eesmärk on innustada uurijaid ja andmetöötajaid küsima endalt teatud põhimõttelisi küsimusi ning sellest johtuvalt otsustama võimalikult eetilise andmete kogumise, puhastamise, talletamise, analüüsimise ja hävitamise viisi kasuks. Eetika ja privaatsus on ka raamatu kõiki peatükke läbiv ühine teema.

Raamatu teine osa „(Suur)andmete mõtestamine“ keskendub arvutusliku sotsiaalteaduse nurgakiviks kujunenud andmetele ja meetoditele. Juttu tuleb visualiseerimise abil andmetes leiduvate mustrite hindamisest, tunnusepõhiselt analüüsilt indiviidipõhisele analüüsile (võrgustiku- ja agendipõhise modelleerimise meetodid) liikumisest ning viimastel aastatel sotsiaal- ja humanitaarteaduslikes uuringutes valdavaks muutunud masinõppe meetodite rakendustest. Anto Aasa peatükk „(Suur)andmete visuaalne esitamine“ annab ülevaate visualiseerimistehnikatest, mis aitavad andmeid mõtestada ja neid väärtuslikuks ressursiks muuta. Analüüsi kiiruse ja keerukuse kasvuga, ent ka interaktiivsete visualiseerimisvahendite rohkusega kaasneb üks suurandmete visualiseerimise peamisi kitsaskohti – pakutavate vahendite ülekülluse kontekstis peab uurija suutma teha mõistlikke valikuid värvi- ja sümbolilahenduste osas. Innar Liivi peatükk „Sotsiaalvõrgustike analüüs“ annab detailse ülevaate sotsiaalsete struktuuride tehnikatest, vahenditest ja meetoditest mustrite avastamiseks. Sotsiaalsete võrgustike meetodid aitavad mõista ja leida uudseid lahendusi näiteks sellele, kuidas institutsioonid ja riik inimestega suhtlevad. Sarnaselt sotsiaalvõrgustike meetodiga keskendub ka Kuldar Taveteri peatükk „Agendipõhine modelleerimine“ keerukatele sotsiaalsetele suhtevõrgustikele, milles osalejad ei pruugi käituda ratsionaalselt, mistõttu nende käitumine ei pruugi olla ennustatav. Agendipõhine modelleerimine selgitab keeruliste nähtuste (nt Brexiti mõju majandusele, ingliskeelsete elanike arvu kasvu mõju eesti keele elujõulisusele või koroonaviiruse leviku kiirus) aktiivseid olemeid ehk agente ja nende vastastikust mõju. Raamatu teise osa lõpetab Toomas Kirdi peatükk „Masinõppe meetodid ja rakendused suurandmete töötlemisel“. Peatükis tutvustatud masinõppe meetodeid kasutatakse näiteks klientide ostukorvi analüüsimiseks äriettevõtte müügi suurendamise eesmärgil või inimeste linna kolimise põhjuste selgitamiseks individuaalsete profiilide analüüsi kaudu. Masinõppe leviku ja meetodite paljususe kontekstis on käsitluse peamisteks ülesanneteks kvaliteetsete andmete tagamine, tööprotsessi kiirendavate töövahendite paralleelne kasutamine ja treeningandmete kättesaadavus.

Kolmas osa „Teksti- ja tajuandmete analüüs“ pakub sissejuhatuse meetoditesse, mis tegelevad struktureerimata (teksti)andmete viimisega struktureeritud kujule. See osa näitab ilmekalt, et andmed võivad tekkida inimeste kognitiivsete ressursside n-ö ekspluateerimise tagajärjel sotsiaalmeedia keskkondades (inimestele meeldivaid emotsioone loovate nn klikitegevuste tulemusel) (Mühlhoff 2019). Teisalt on meil üha enam võimalusi kasutada erinevaid tööriistu samade tajuprotsesside uurimiseks (nt kuidas inimesed tajuvad erinevaid tekste, andmetehnoloogiaid ja neis sisalduvat meelestatust). Selliselt kajastab see osa sotsiaal- ja humanitaarteaduste n-ö kognitiivset pööret – tekkinud on võimalused uurida tekstides leiduvaid hoiakuid ja meelestatust, aga ka meelestatuse kujunemise kognitiivseid mehhanisme. Raamatu kolmanda osa juhatab sisse Kristel Uiboaia peatükk „Tekstikaeve“, mis näitlikustab Eesti erakondade valimisprogrammide põhjal, kuidas tekstikaeve meetodid võimaldavad otsida suurtest tekstikogudest uut informatsiooni, mustreid ja korrapära. Peatükk annab tänuväärse ülevaate eripäradest, mis on seotud eestikeelsete andmete töötlemisega, ning tutvustab tekstikaeve projekti eri etappe ja enim kasutatavaid meetodeid. Kadri Muischneki ja Liina Lindströmi peatükk „Digitaalsed tekstiandmed ja korpuslingvistika“ annab ülevaate sellest, kuidas rakendada suuri tekstikollektsioone ehk -korpusi, saamaks süstematiseeritud infot nii keele arengusuundade kui ka veebikorpustes kujutatud ühiskonna kohta. Tekstiandmete üheks levinumaks analüüsiviisiks on hoiakute automatiseeritult mõõtmine ja meelestatuse analüüs, mida käsitlevad järgmises peatükis põhjalikumalt Mare Koit ja Haldur Õim. Autorid näitavad, et vaatamata meelestatuse hindamise automatiseerimisele, näiteks masinõppe meetodeid rakendades, tuleb eri tüüpi tekstides positiivse või negatiivse meelestatuse väljendamiseks kasutatavaid keelelisi erinevusi enamasti hinnata ka lähilugemise abil. Kolmanda osa lõpetab Kristian Pentuse ja Andres Kuusiku peatükk „Pilgujälgimine“, mis kirjeldab, kuidas pilgujälgimise abil on võimalik selgitada seda, kuidas inimene maailma näeb ja kogeb, kuidas on fikseeritud inimese tähelepanu ning kuidas optimeerida andmekuvamise lahendusi.

Neljas osa „Lugude jutustamine andmetest ja andmetega“ näitab, kuidas kogutud ja töödeldud andmed võimaldavad jutustada veenvaid, haaravaid, mobiliseerivaid, reaalsust, ajalugu ja tulevikku ümberkujundavaid lugusid nii tänapäeva- kui ka minevikuühiskondadest. Oskus andmete põhjal kas visuaalselt (ptk 2.1) või tekstiliselt lugusid jutustada ning andmete (varjatud) diskursiivseid tähendusi mõista on muutunud andmeühiskonna uurijate üheks keskseks kompetentsiks. Marek Tamme ja Hembo Pagi peatükk „Digiajaloo ja -arheoloogia uurimismeetodid“ tutvustab meetodeid, mis aitavad mitmekesistada meie teadmisi minevikuühiskondadest. Näiteks antakse peatükis ülevaade käsikirjaliste tekstide tuvastamise, ajaloolise võrgustikuanalüüsi, aga ka laserskaneerimise ja konstruktsioonianalüüsi võimalustest. Ragne Kõutsi ja Marju Himma peatükk „Ajakirjandus andmeajastul“ näitab, kuidas andmeajakirjandus informatsiooni vahendades sotsiaalset tegelikkust konstrueerib. Andmetest küllastunud ühiskonnas lasub andmeajakirjaniku roll kõigil andmete kogumise, töötlemise ja esitamisega tegelevatel analüütikutel, kes peaks vältima moonutatud pildi loomist tegelikkusest. Nii andmeajakirjanikud kui ka teised andmetega tegelevad indiviidid ja institutsioonid vastutavad valeinfo leviku ja andmetega manipuleerimise piiramise eest. Järgmises peatükis „Diskursusanalüüs“ (autorid Katrin Tiidenberg, Anu Masso, Maili Pilt, Liisi Laineste) on lähemalt käsitletud kolme meetodit: multimodaalne kvalitatiivne, kriitiline tehnokultuuriline diskursusanalüüs ja Q-metodoloogia. Peatükk näitab, et kriitilised tähendusi, tegevusi-praktikaid, identiteete, suhteid, põhimõtteid, seoseid, märgisüsteeme ja teadmisi analüüsivad võtted on andmestunud ühiskonna mõistmisel ja selgitamisel hädavajalikud. Samas on uued analüüsi tööriistad, andmekogumise ja -analüüsi keskkonnad (nt Ken-Q Analysis), aga ka kvalitatiivse analüüsitarkvara kasutamine loonud võimaluse analüüsiprotsessi kiirendamiseks ja läbipaistvamaks muutmiseks. Sarnaselt käsitleb järgmine peatükk „Narratiivid sotsiaalmeedias“ (autorid Liisi Laineste, Maili Pilt) sotsiaalmeedia levikuga kaasnevate uute multimodaalsete narratiivsete nähtuste analüüsimise võimalusi, loomaks inimeste argisuhtlusest ja kogemustest mitmekihilisi tõlgendusi.

Viies osa võtab lähema vaatluse alla „Platvormid ja andmetaristud uurimisvahendi ja -objektina“. Osa keskendub nii teiseste andmebaaside (nt filmiandmebaas) rollile ühiskonna ja kultuuri mõtestamisel kui ka kommertsteenuste tulemusena loodud andmete (nt sotsiaalmeedia-, mobiili- ja internetiandmed) kasutamisele ajaliste ja ruumiliste ning sotsiaalsete protsesside mõistmisel. Indrek Ibrus ja Maarja Ojamaa näitavad peatükis „Audiovisuaalne kultuur, metaandmed ja lingianalüüs“ unikaalse kultuurianalüüsi võimalusi Eestis ja rahvusvaheliselt, tuginedes filmiandmebaasi metaandmetele. Filmide autorite seotuse ja filmide märksõnavõrgustike ajaperioodide kaupa võrdlemine loob uudsed võimalused varem märkamata jäänud tendentside, aga ka ootamatute anomaaliate avastamiseks. Olle Järve ja Kerli Müüriseppa peatükk „Sotsiaalmeedia andmete sotsiaal-ruumiline analüüs“ avab lisaks eelnevalt käsitlemist leidnud tekstiliste sotsiaalmeediaandmete analüüsile (nt ptk-des 3.1 ja 3.2) lugejale ka platvormiandmete potentsiaali ruumilisi ja sotsiaalseid struktuure käsitlevate uuringute jaoks. Platvormiandmete analüüsile keskenduvad ka Anna Veremchuk ja Jaan Masso peatükis „Internetiandmete kasutamine tööturu-uuringuteks“. Mõlema peatüki autorid näitavad sotsiaalmeedia ja CV Keskuse veebikeskkonna näitel platvormiandmete unikaalset potentsiaali näiteks tööturu-uuringuteks või inimeste ruumilise käitumise selgitamiseks. Platvormide eelis uuringutandrina peitub selles, et uurijal on suhteliselt odavalt võimalik koguda uurimistööks vajalikke andmeid, muidugi juhul, kui andmete omanik seda lubab. Samuti annavad internetiandmed teiste andmestikega kombineerituna võimaluse saada täpsemaid ja usaldusväärsemaid tulemusi. Siiri Silma ja Olle Järve peatükk „Mobiiltelefonid ühiskonna aegruumilises analüüsis“ rõhutab, et mobiilpositsioneerimise meetodite paljud tugevused (reaalajas suhteliselt täpne liikuvuse jälgimine) kaaluvad selgelt üle nõrkused (nt valimi kallutatus), mistõttu meetod leiab üha enam kasutust nii passiivse (anonüümsed suuremahulised kõnetoimingute asukohapõhised andmed) kui ka aktiivse positsioneerimise (väikeses mahus nutitelefonide positsioneerimine) kaudu loodud andmete kujul. Meetod annab võimaluse reaalajas ühiskonda dünaamiliselt jälgida ning targalt juhtida, näiteks liikluse reguleerimise, kriiside juhtimise ja asukohapõhiste teenuste pakkumise kaudu.

Raamatu viimane osa „Iseteadlik ja teovõimeline inimene andmeühiskonnas“ rõhutab seda, et ka andmestunud ühiskonnas, näiliselt isetekkivate andmete ja iseõppivate masinate kontekstis, on sotsiaalse elu keskseks figuuriks iseotsustav, sageli ebaratsionaalne inimene, kes võib, aga ei pruugi andmeloometehnoloogiaid eesmärgipäraselt kasutada. Sellises kontekstis on uurija jaoks jätkuvalt oluline mõista enda ja uuritava vahelisi suhteid ning olla oma uurimisküsimuste, uurimistegevuste ja andmeprotsesside suhtes süstemaatiliselt refleksiivne. Mare Ainsaar, Indrek Soidla ja Ave Roots näitavad peatükis „Küsitlusuuringud internetis“, et üha kasvav veebipõhiste uuringute osakaal võimaldab küll kvaliteetseid küsitlustulemusi, ent veebiuuringuil on ka omad puudused ning nendega kaasneb terve hulk müüte. Veebipõhiste küsimustike juures tuleb meeles pidada, et kõrget vastamismäära tasub oodata vaid kõrge internetikasutusega rühmades, et mobiiltelefonis on pikale küsimustikule vastamine ebamugav ning et veebiküsimustik ei ole sageli odavam kui mõni traditsiooniline küsitlusmeetod. Uurija aktiivset rolli ning meetodi potentsiaali tundlike teemade ja rühmade uurimisel rõhutab Maria Murumaa-Mengel peatükis „Veebiintervjuud, projektiivtehnikad ja loovuurimismeetodid“. Peatükk tutvustab veebipõhiste, voog- ja viivisintervjuudega seonduvaid võimalusi, riske ja eetilisi mõttekohti. Lisaks pakub peatükk täiendavaid mõtteid veebipõhise kvalitatiivse andmekogumise rikastamiseks Eestis endiselt vähe kasutatud projektiiv- ja loovuurimismeetoditega. Katrin Tiidenbergi peatükk (6.2) ja Pille Pruulmann-Vengerfeldti peatükk (6.4) käsitlevad mõlemad andmestunud ühiskonna etnograafilist uurimist. Andmeühiskonna etnograaf tegeleb tehnoloogia kasutamise, veebipõhiste gruppide teguviiside, platvormimajanduse või andmeühiskonda korraldavate ja taastootvate automatiseeritud protsesside uurimisega. Teemast sõltumata ühendab etnograafilisi käsitlusi eeldus, et indiviidide, gruppide ja nende loodud tehnoloogiate mõistmiseks on oluline teada, kuidas nad tähendusi loovad ja tähendusi omistavad. Katrin Tiidenberg keskendub andmeühiskonna etnograafilise uurimise praktilistele detailidele, kirjeldades välitöid, uurimisvälja piiritlemist, vaatlust ja väljamärkmete tegemist. Pille Pruulmann-Vengerfeldt kirjeldab autoetnograafilisi ehk uurimistöö teostajast lähtuvaid ja uurija kogemuste nüansirikkal, ent süstemaatilisel analüüsil põhinevaid arusaamu.

VIIDATUD KIRJANDUS

Ahas, R.; Aasa, A.; Silm, S.; Aunap, R.; Kalle, H.; Mark, Ü. 2007. Mobile Positioning in Space–Time Behaviour Studies: Social Positioning Method Experiments in Estonia. – Cartography and Geographic Information Science 34, 4, 259–273. https://doi.org/10.1559/152304007782382918.

Anderson, C. 2008. The End of Theory. – Wired 16, 7, 108.

Archer, M. S. 2015. Generative Mechanisms Transforming the Social Order. Springer International Publishing. http://sfx.ethz.ch/sfx_locater?sid=ALEPH:EBI01&genre=book&isbn=9783319137728.

Bates, J.; Lin, Y.-W.; Goodale, P. 2016. Data journeys: Capturing the socio-material constitution of data objects and flows. – Big Data & Society 3, 2. https://doi.org/10.1177/2053951716654502.

Bengio, Y.; Deleu, T.; Rahaman, N.; Ke, R.; Lachapelle, S.; Bilaniuk, O.; Goyal, A.; Pal, C. 2019. A Meta-Transfer Objective for Learning to Disentangle Causal Mechanisms. – ArXiv.Org. http://search.proquest.com/docview/2174081487/ ?pq-origsite=primo.

Beraldo, D.; Milan, S. 2019. From data politics to the contentious politics of data. – Big Data & Society 6, 2, 2053951719885967. https://doi.org/10.1177/2053951719885967.

Bhaskar, R. 2008. A Realist Theory of Science. Verso.

Bowker, G. C. 2005. Memory Practices in the Sciences. MIT Press.

Breiman, L. 2001. Statistical Modeling: The Two Cultures (with comments and a rejoinder by the author). – Statistical Science 16, 3, 199–231. https://doi.org/10.1214/ss/1009213726.

Chun, W. H. K. 2018. Queerying Homophily Muster der Netzwerkanalyse. – Zeitschrift Für Medienwissenschaften 10, 1, 131–148. https://doi.org/10.14361/zfmw-2018-0112.

Cioffi-Revilla, C. 2014. Introduction to Computational Social Science: Principles and Applications. Springer.

Couldry, N.; Mejias, U. 2018. Data Colonialism: Rethinking Big Data’s Relation to the Contemporary Subject. – Television and New Media, 1–14.

Couldry, N.; Mejias, U. 2019. The Costs of Connection: How Data Is Colonizing Human Life and Appropriating It for Capitalism. Stanford University Press.

Dalton, C. M.; Taylor, L.; Thatcher, J. 2016. Critical Data Studies: A dialog on data and space. – Big Data & Society 3, 1. https://doi.org/10.1177/2053951716648346.

Dellaposta, D.; Shi, Y.; Macy, M. 2015. Why do liberals drink lattes? – American Journal of Sociology 120, 5, 1473.

Dijck, J. van; Poell, T.; Waal, M. de 2018. The Platform Society: Public Values in a Connective World. Oxford University Press.

D’Ignazio, C.; Klein, L. F. 2020. Data Feminism. Cambridge, MA: MIT Press.

Eklund, L.; Stamm, I.; Liebermann, W. K. 2019. The crowd in crowdsourcing: Crowdsourcing as a pragmatic research method. – First Monday 24, 10. https://doi.org/10.5210/fm.v24i10.9206.

EP 2016 = European Parliament and Council of the European Union. Regulation on the protection of natural persons with regard to the processing of personal data and on the free movement of such data, and repealing Directive 95/46/EC (Data Protection Directive), L119, 4 May 2016, implementation date 25 May 2018.

Fuchs, C. 2018. Capitalism, Patriarchy, Slavery, and Racism in the Age of Digital Capitalism and Digital Labour. – Critical Sociology 44, 4/5, 677–702. https://doi.org/10.1177/0896920517691108.

Gitelman, L. ja Jackson, V. 2013. „Raw Data“ is an Oxymoron. Cambridge MA: MIT Press.

Goriunova, O. 2019. The Digital Subject: People as Data as Persons. – Theory, Culture and Society 36, 6, 125–145. https://doi.org/10.1177/0263276419840409.

Gupta, R.; Gupta, H.; Mohania, M. 2012. Cloud computing and big data analytics: What is new from database perspective? – Big Data Analytics: Proceedings of First International Conference, BDA 2012, New Delhi, India, December, Springer, 42–61.

Helbing, D. 2013. Globally networked risks and how to respond. – Nature 497 (7447), 51–59. https://doi.org/10.1038/nature12047.

Hepp, A. 2020. Deep Mediatization. Routledge.

Hindman, M. 2015. Building Better Models: Prediction, Replication, and Machine Learning in the Social Sciences. – The Annals of the American Academy of Political and Social Science 659, 1, 48–62. https://doi.org/10.1177/0002716215570279.

Hintz, A.; Dencik, L.; Wahl-Jorgensen, K. 2019. Digital citizenship in a datafied society. Polity.

Hopkins, P. 2019. Social geography I: Intersectionality. – Progress in Human Geography 43, 5, 937–947. https://doi.org/10.1177/0309132517743677.

Just, N.; Latzer, M. 2017. Governance by algorithms: Reality construction by algorithmic selection on the Internet. – Media, Culture and Society 39, 2, 238–258. https://doi.org/10.1177/0163443716643157.

Kennedy, H.; Moss, G. 2015. Known or knowing publics? Social media data mining and the question of public agency. http://eprints.whiterose.ac.uk/91180/1/2053951715611145.full.pdf.

Kitchin, R. 2014a. The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences. Sage.

Kitchin, R. 2014b. Big Data, new epistemologies and paradigm shifts. – Big Data & Society 1, 1. https://doi.org/10.1177/2053951714528481.

Lazega, E.; Snijders, T. A. B. 2016. Multilevel Network Analysis for the Social Sciences: Theory, Methods and Applications. Methodos Series Book 12. Springer. http://sfx.ethz.ch/sfx_locater?sid=ALEPH:EBI01&genre=book&isbn=9783319245201.

Lupton, D. 2015. The Thirteen Ps of Big Data. https://simplysociology.wordpress.com/2015/05/11/the-thirteen-ps-of-big-data/.

Lupton, D. 2020. Data Selves: More-than-human Perspectives. Polity.

Manovich, L. 2017. Cultural Analytics, Social Computing and Digital Humanities. – The datafied society: Studying culture through data. Eds. Mirko Tobias Schäfer, Karin van Es. Amsterdam University Press, 55–68.

Markham, A. N. 2016. Troubling the Concept of Data in Qualitative Digital Research. – U. Flick (ed.), The Sage Handbook of Qualitative Data Collection. Sage, 511–524.

Masso, A.; Männiste, M.; Siibak, A. 2020. ‘End of Theory’ in the Area of Big Data: Methodological Practices and Challenges in the Social Media Studies. – Acta Baltica Historiae et Philosophiae Scientiarum 8, 1, 33−61.

McBride, K.; Toots, M.; Kalvet, T.; Krimmer, R. 2018. Leader in e-Government, Laggard in Open Data: Exploring the Case of Estonia. – Revue Française d’administration Publique 167, 3, 613–625. https://doi.org/10.3917/rfap.167. 0613.

Milan, S.; Velden, L. van der 2016. The Alternative Epistemologies of Data Activism. – Digital Culture and Society 2, 2, 2364–2114. https://doi.org/10.14361/dcs-2016-0205.

Männiste, M.; Masso, A. 2020. ‘Three Drops of Blood for the Devil’: Data Pioneers as Intermediaries of Algorithmic Governance Ideals. – Mediální Studia | Media Studies 14, 1, 55−74.

Mühlhoff, R. 2019. Human-aided artificial intelligence: Or, how to run large computations in human brains? Toward a media sociology of machine learning. – New Media and Society, 1461444819885334. https://doi.org/10.1177/1461444819885334.

Park, G.; Schwartz, H. A.; Eichstaedt, J. C.; Kern, M. L., Kosinski, M.; Stillwell, D. J.; Ungar, L. H.; Seligman, M. E. P. 2015. Automatic Personality Assessment Through Social Media Language. – Journal of Personality and Social Psychology 108, 6, 934–952. https://doi.org/10.1037/pspp0000020.

Pink, S.; Ruckenstein, M.; Willim, R.; Duque, M. 2018. Broken data: Conceptualising data in an emerging world. – Big Data and Society 5, 1. https://doi.org/10.1177/2053951717753228.

Puschmann, C.; Burgess, J. 2014. Metaphors of big data. – International Journal of Communication 8, 1690–1709.

Raley, R. 2013. Dataveillance and countervailance. – Lisa Gitelman (ed.), ‘Raw Data’ Is an Oxymoron. MIT Press.

Rogers, R. 2013. Digital Methods. MIT.

Rogers, R. 2019. Doing Digital Methods. Sage.

Rossi, U. 2019. The common-seekers: Capturing and reclaiming value in the platform metropolis. – Environment and Planning C: Politics and Space 37, 8, 1418–1433. https://doi.org/10.1177/2399654419830975.

Runnel, P.; Pruulmann-Vengerfeldt, P.; Reinsalu, K. 2009. The Estonian Tiger Leap from Post-Communism to the Information Society: From Policy to Practice. – Journal of Baltic Studies 40, 1, 29–51. https://doi.org/10.1080/01629770902722245.

Schot, J.; Kanger, L. 2018. Deep transitions: Emergence, acceleration, stabilization and directionality. – Research Policy 47, 6, 1045–1059. https://doi.org/10.1016/j.respol.2018.03.009.

Schäfer, M. 2016. Challenging Citizenship: Social Media and Big Data. – Computer Supported Cooperative Work 25, 2, 111–113. https://doi.org/10.1007/s10606-016-9255-8.

Schäfer, M. T.; Es, K. van 2017. The Datafied Society: Studying Culture through Data. Amsterdam University Press.

Shaw, R. 2015. Big Data and reality. – Big Data and Society 2, 2, 1–4. https://doi.org/10.1177/2053951715608877.

Slota, S. C.; Hoffman, A. S.; Ribes, D.; Bowker, G. C. 2020. Prospecting (in) the data sciences. 0 Big Data and Society 7, 1, 1–12. https://doi.org/10.1177/205 3951720906849.

Stark, L.; Hoffmann, A. L. 2019. Data Is the New What? Popular Metaphors & Professional Ethics in Emerging Data Culture. – Journal of Cultural Analytics, May 1, 1–22. https://doi.org/10.22148/16.036.

Tammpuu, P.; Masso, A. 2018. ‘Welcome to the virtual state’: Estonian e-residency and the digitalised state as a commodity. – European Journal of Cultural Studies 21, 5, 543–560. https://doi.org/10.1177/1367549417751148.

Thylstrup, N. B.: Flyverbom, M.: Helles, R. 2019. Datafied knowledge production: Introduction to the special theme. – Big Data and Society 6, 2, 1–5. https://doi.org/10.1177/2053951719875985.

Wagner-Pacifici, R.; Mohr, J. W.; Breiger, R. L. 2015. Ontologies, methodologies, and new uses of Big Data in the social and cultural sciences. – Big Data and Society 2, 2, 1–11. https://doi.org/10.1177/2053951715613810.

Veltri, G. A. 2017. Big Data is not only about data: The two cultures of modelling. – Big Data and Society 4, 1, 1–6. https://doi.org/10.1177/2053951717703997.

Viik, K. 2015. Sõnastik: intersektsionaalsus. Feministeerium. https://feministeerium.ee/nadala-sona-intersektsionaalsus/.

Whitby, A. 2020. The Sum of the People: How the Census Has Shaped Nations, from the Ancient World to the Modern Age. Hachette UK.