Читать книгу Kuidas mõista andmestunud maailma - Anto Aasa Mare Ainsaar Mai Beilmann Marju Himma Muischnek - Страница 9

Esimeseks vastuseks uute andmete tekkele ja andmemahu suurenemisele on olnud arvutuslik sotsiaalteadus (computational social science; vt nt Cioffi-Revilla 2014), kus (sageli suure võimsusega) arvutustehnoloogiaid kasutatakse sotsiaalsete nähtuste analüüsimiseks, modelleerimiseks ja simuleerimiseks. Arvutusliku sotsiaalteaduse rakendamisest on arvukalt näiteid (Cioffi-Revilla 2014; Park et al. 2015). Näiteks töötasid Emmanuel Lazega ja Tom Snijders (2016) välja võrgustikuanalüüsi meetodi dünaamiliste ja suuremahuliste andmete analüüsimiseks; Daniel Dellaposta koos kolleegidega (2015) meetodid veebiandmete abil poliitilise orientatsiooni ruumilise ja ajalise dünaamika analüüsiks; Dirk Helbing (2013) simulatsioonimeetodid võrgustunud riskidega7 toimetuleku analüüsimiseks.

Neid algselt absoluutse tõena esitatud arvutuslikke meetodeid on sageli kritiseeritud, sest toimunud nihked konkreetsetes analüüsitehnikates või -meetodites pole toonud kaasa loodetud metodoloogilisi uuendusi. Nn kolmanda tee otsingud on lisaks traditsioonilistele statistilistele ja uuematele arvutuslikele meetoditele pakkunud mitmeid alternatiive. Lisaks andmeteaduse universaalsete põhimõtete ühtlustamisvajadusele (Slota et al. 2020) või arvutuslike põhimõtete kohandamisele sotsiaal- (Cioffi-Revilla 2014) ja humanitaarteadustele (Schäfer, Es 2017) pakkus Lev Manovich (2017) alternatiivina välja kultuurianalüütika, mis rakendab suuremahuliste kultuuriandmestike analüüsimisel arvutuslikke analüüsitehnikaid. Samas on ka Manovichi üldistusi ja järeldusi korduvalt kahtluse alla seatud, nentides, et Instagrami pildid võimaldavad siiski järelduste tegemist Instagrami-põhise eneseesitluse sotsiaalsete normide ja sellega seotud tõlgenduste, mitte aga kultuurigeograafiliste (nt millises linnas elavad kõige mornimad inimesed), arvuliselt eristatavate fenomenide kohta.

Suhteliselt pika traditsiooniga on Richard Rogersi meeskonna (Amsterdami Ülikoolis) digimeetodid (Rogers 2013, 2019), mis kasutavad andmete loomiseks ja analüüsiks veebikeskkondade rakendusliideseid jm tehnilisi vahendeid ning kategoriseerivad andmed ja meetodid n-ö digitaalsena sündinuiks ja digiteerituteks.8 Digimeetodid püüavad kasutada internetti ja sotsiaalmeediat uurimismeetodi ja uurimisvahendina, vastandudes selgelt n-ö virtuaalsetele meetoditele, mis kohandavad varasemalt kasutatud sotsiaalteaduslikud meetodid veebikeskkonnas kasutatavaks. Teemast lähemalt huvitatud lugejatel tasuks tutvuda Richard Rogersi monograafiatega (2013, 2019).

Niisiis valitseb uurimustes endiselt meetodite ja käsitlusviiside pluralism – tekkinud arvutuslike meetodite kõrval kasutatakse paralleelselt ja kombineerituna klassikalisi kvalitatiivseid ja kvantitatiivseid meetodeid, mis võimaldavad lisaks põhjuslike seoste kirjeldamisele ja ennustamisele ka komplekssete võrgustunud nähtuste põhjuste mõistmist. Vahepealsete vaidluste käigus pakuti näiteks „suurte“ ja „väikeste“ andmete kõrvale ka rikaste ja tihedate andmete kategooriat. Kvalitatiivse ja eriti etnograafilise uurimisega tegelevad ühiskonnateadlased leidsid, et nende tõlgendatavad materjalid ei kvalifitseeru mitte mingil juhul väikesteks andmeteks, ent on suured teisel moel kui suurandmed, keskendudes uuritava nähtuse kontekstile ja tihedale tõlgendusele9 (vt ka ptk 6.2). Sellest lähtuvalt oleme sõnastanud andmestunud maailma uurimiseks olulise kaheksanda postulaadi: segameetodite paindlik kasutamine võimaldab tagada tervikliku pildi andmestunud maailmas toimuvatest komplekssetest nähtustest.

Andmestunud maailma mõistmise hõlbustamiseks ning paradigmaatiliste metodoloogiliste diskussioonide ja meetodite paljususe kontekstis on pakutud ühe lahendusena kriitilist realismi (Bhaskar 2008; vt ka Kennedy, Moss 2015) ja pragmatismi (vt nt Eklund et al. 2019). Kui kriitiline realism lähtub metodoloogilise pluralismi ideest ja toob uurimisprotsessis kesksele kohale inimese kui aktiivse toimija (agency), siis pragmatism soovitab varasemate kvalitatiivsete vs. kvantitatiivsete või andmetest tuletatud (data-driven) vs. interpretatiivsete käsitluste ning „lõpliku tõe“ otsimise asemel lähtuda „lõpliku kasulikkuse“ põhimõttest. Mõlemal juhul soovitatakse (uurimis)probleemide lahendamiseks kasutada segameetodeid, kus konkreetsete analüütiliste sammude asemel lähtutakse algsest uurimisküsimusest, probleemiseadest ja uurimuse eesmärkidest. Nende diskussioonide ja käesolevas raamatus esitatud praktiliste Eesti näidete varal oleme pakkunud andmestunud maailma uurimise üheksanda postulaadi: uurimistööks sobivate meetodite valikul on paradigmasõdade asemel mõistlik lähtuda kasulikkuse põhimõttest.

Andmestumise mõistmine eeldab nii andmesubjektiga arvestamist kui ka andmetöötaja või uurija refleksiivse võimekuse arendamist, hindamaks andmete kogumise ja analüüsiprotsessi asjakohasust. Ka siinses kogumikus oleme pidanud oluliseks rõhutada uurija refleksiivsust, mistõttu on sellele pühendatud kogumiku kuues osa, mis keskendub meetoditele, mille keskmes on iseteadlik ja teovõimeline inimene. Rakendades kriitilise realismi põhimõtteid andmestumisele, muutuvad andmeprotsessis oluliseks ka aktiivsed andmekodanikud – indiviidid, kellel on võimalik avatud andmete abil andmesubjektide huve kaitsta ja ka ise analüütilisse tegevusse panustada. Selline tõusev andmeaktivism (Milan, Velden 2016) või uued andmekodakondsuse vormid (Hintz et al. 2019) annavad muu hulgas võimaluse kodanikuosaluse täiustamiseks. Eeltoodust ajendatult oleme sõnastanud andmestunud maailma uurimise kümnenda postulaadi: uurija refleksiivsus ehk kriitiline võime hinnata oma tegevuse tagajärgi on oluline valikute tegemisel andmete, meetodite ja tõlgendusviiside mitmekesisuse kontekstis, uuringu ühiskondliku kasu tagamisel ning võimalike kahjude vältimisel.

Soovime rõhutada, et andmestunud ühiskonna uurimiseks kogu tema mitmekesisuses peab olema avatud kombineerimisele ning sõltuvalt uuringu eesmärgist võivad olla kasulikud nii digitaalsed, virtuaalsed, arvutuslikud kui ka interpretatiivsed meetodid. Vaatamata nihetele andmetes, meetodites ja ühiskonnas on andmestunud ühiskond endiselt ühiskond, inimesed endiselt inimesed ja sedalaadi komplekssete süsteemide mõtestamiseks on mõistlik kombineerida asjakohaseid meetodeid ning kasutada mitmekesiseid kättesaadavaid tööriistu ja luua uusi. Teooriat on andmeühiskonna mõistmiseks samuti vaja enam kui iial varem.