Trump, alustojen infrastruktuuri ja sosiaalinen vastuu

(cc) jakarundi graphics Flickr

Trumpin sosiaalisen median tilien sulkeminen on nostattanut ison keskustelun alustayritysten vallasta yhteiskunnassa. Bännäykset tuovat vallan räikeästi näkyviin, mutta samalla unohtuu, että alustayritykset ovat hienovaraisemmilla tavoilla käyttäneet infrastruktuurista valtaa yhteiskunnassa jo pidempään.

Teknologiakeskustelu räjähti loppiaisena tapahtuneen Capitolin valtauksen jälkeen, kun sosiaalisen median alustajätit päättivät sulkea presidentti Donald Trumpin pois palveluistaan. Tilien sulkeminen oli vastaus huutoon, jota julkisuudessa on esitetty jo vuosia: miksi käyttöehtoja selvästi rikkova Trump saa olla alustoilla, olkoonkin Yhdysvaltain presidentti, kun samaan aikaan lukuisia muita käyttäjiä on poistettu?

Alustayritykset ovat aiemmin perustelleet Trumpin viestinnän sallimista sillä, että kansalaisten on tärkeä saada tietää, mitä poliitikot ajattelevat. Tammikuun alussa alustayritykset, Twitter etunenässä, päätyivät sulkemaan Trumpin tilejä ja rajoittamaan hänen viestintäänsä. Lausunnoissaan yritykset ovat perustelleet sulkua sillä, että presidentin toiminta voi aiheuttaa lisää väkivaltaa.

Blokkausten seurauksena alustayhti√∂iden valta on nyt noussut kuumaksi keskustelunaiheeksi. Niin toimittajat kuin poliitikotkin ovat kysyneet, mit√§ presidentin tilien sulkeminen tarkoittaa sananvapauden kannalta, ja ovatko alustayritykset oikeita tahoja tekem√§√§n t√§llaisia p√§√§t√∂ksi√§. 

Istuvan Yhdysvaltain presidentin tilien poistaminen on kenties rohkein ja r√§ikein moderointitoimenpide, mit√§ alustayritykset ovat koskaan tehneet. Siit√§ seuraava julkinen keskustelu on varmasti ollut yrityksiss√§ hyvin ennakoitua, ja p√§√§t√∂st√§ onkin mietitty pitk√§√§n. Ennen kaikkea se on tapaus, joka n√§kyv√§sti tuo esille alustayrityksen vallan viestint√§ymp√§rist√∂ss√§mme. Ne voivat konkreettisesti p√§√§tt√§√§, kuka saa alustallaan viesti√§ ‚Äď ja yksityisin√§ yrityksin√§ n√§in ne toki saavat laillisesti tehd√§kin. 

Kiinnostavaa on kuitenkin se, että alustayritysten valta vaikuttaa viestintäämme ja yhteiskuntaamme on ollut olemassa jo pidempään. Keskeisenä viestinnän infrastruktuurina ne ohjaavat viestimään tietyllä tavalla, tietynlaisella kielellä, käyttämään tietynlaista visuaalista ilmaisua ja tunnelatauksia, mikä näkyy selvästi poliittisessa viestinnässä [1,2,3]. Niiden logiikka myös vaikuttaa suuresti siihen, miten mediatila kaikkiaan toimii: someilmiöksi nousevaa videota tai presidentin twiittiä on uutismediankaan vaikea ohittaa. Tätä hienovaraisempaa, pehmemäpää alustojen vallankäytön muotoa on käsitelty jonkin verran viestinnän tutkimuksessa, mutta arjessa ja yhteiskunnassa sen merkitys on selvästi hankalampi hahmottaa.

Alustojen yhteiskunnallinen ja infrastruktuurinen rooli on kiinnostavalla tavalla kaksitahoinen. Yhtäältä ne ovat keskeisiä välineitä siinä, miten kansalaisyhteiskunta voi asettaa organisaatioita ja hallintoa tilivelvolliseksi. Tätä tutkimme esimerkiksi Maahanmuuttovirastoa koskevan julkisen keskustelun avulla [4] ja osoitimme, että vuorovaikutuksessa toimiva sosiaalinen ja perinteinen media tuottavat tilivelvollisuuden syklejä, jotka pakottavat viranomaiset vastaamaan syytöksiin. Alustat siis mahdollistavat valtaapitävien valvontaa.

Toisaalta alustat ovat my√∂s itse median kaltaisia toimijoita, joiden vastuukysymyksist√§ k√§yd√§√§n jatkuvaa diskursiivista kamppailua yhteiskunnassa. Alustojen vastuuta per√§√§nkuuluttavat poliitikot ja kansalaisyhteiskunnan toimijat, ja n√§iden vaateiden vuoksi alustat joutuvat my√∂s toistuvasti perustelemaan omaa toimintaansa ja rooliaan ‚Äď aina parlamenteissa asti. Siin√§ mieless√§ ne ovat itse my√∂s osallisena jatkuvassa tilivelvollisuuden sykliss√§, joka nyt Trumpin deplatformoinnin vuoksi on saanut lis√§√§ kierroksia. 

Pikantti yksityiskohta on se, ett√§ monet n√§ist√§ kamppailusta k√§yd√§√§n alustojen itsens√§ v√§litt√§min√§. Esimerkiksi #deletefacebook-hashtag nousi isoksi alustoilla Cambridge Analytica -skandaalin j√§lkeen, ja sen j√§lkeen toistuvasti vastauksena erilaisiin Facebookia koskeneisiin paljastuksiin. T√§ll√§ hetkell√§ WhatsAppin datank√§yt√∂st√§ k√§yd√§√§n vilkkaita keskusteluja ‚Äď todenn√§k√∂isesti usein WhatsAppissa.

Dynamiikkaa ja tutkittavaa siis rittää. Alustojen yhteiskunnalliseen rooliin ja niiden vastuun ja tilivelvollisuuden dynamiikkaan pureutuu tarkemmin juuri käynnistynyt Suomen Akatemian rahoittama hankkeemme MAPS: Media Platforms and Social Accountability.

Viitteet:
[1] Laaksonen, S-M. (2020). Viestinnän infrastruktuurit: Kuka päättää, mistä verkossa keskustellaan? Teoksessa: Kuka maailmaa hallitsee? Vallan umpisolmuja avaamassa. Tiedekulmapokkari 2. Helsinki: Gaudeamus, s. 105-120.
[2] Knuutila, A. & Laaksonen, S-M. (2020). Viraali vihaisuus ja tahmea nauru: tunteet ja algoritmit digitaalisessa vaalikampanjoinnissa. Teoksessa: S. Borg, E. Kestilä-Kekkonen & H. Wass (Eds.). Politiikan ilmastonmuutos. Eduskuntavaalitutkimus 2019 (pp. 394-418). Helsinki: Oikeusministeriö.
[3] Nelimarkka, M.; Laaksonen, S-M.; Tuokko, M. & Valkonen, T. (2020). Platformed Interactions: How social media Platforms Relate to Candidate‚ÄďConstituent Interaction during Finnish 2015 Election Campaigning. Social Media + Society.
[4] Ojala, M., Pantti, M. & Laaksonen, S-M. (2019). Networked publics as agents of accountability: Online interactions between citizens, the media, and immigration officials during the European refugee crisis. New Media & Society 21(2), 279-297

Ohjaamaton koneoppiminen ja tekstintulkinnan objektiivisuus

(cc) pstiegele @Pixabay

Ohjaamattomat koneoppimismenetelmät ovat viime vuosina saaneet paljon suosiota yhteiskuntatieteellisessä tekstianalyysissa. Aineistoa automaattisesti jäsentelevän ohjaamattoman mallinnuksen ajatellaan voivan tehdä tekstintulkinnasta objektiivisempaa. Tulkinnallisen tekstianalyysin kontekstissa objektiivisuutta ei kuitenkaan tulisi samaistaa ajatukseen mekaanisesta laskennasta, joka eliminoi subjektiivisen tulkinnan analyysiprosessin jostakin vaiheesta. Pikemminkin ohjaamaton oppiminen voi auttaa tekemään tulkinnallisista prosesseista läpinäkyvämpiä ja mahdollistaa tulkintojen pohjaamisen aiempaa kattavammalle informaatiolle.

Koneoppimismenetelmien on viime vuosina esitetty tarjoavan ratkaisun joihinkin yhteiskuntatieteellist√§ tekstintulkintaa pitk√§√§n vaivanneisiin ongelmiin. Etenkin ohjaamattoman koneoppimisen ajatellaan mahdollistavan uudenlaisen l√§hestymistavan tekstintulkintaan: sellaisen, jossa tutkija ensin mallintaa laskennallisesti aineiston piirteit√§ ‚Äď kuten teksteiss√§ esiintyvi√§ sanoja ‚Äď ja vasta mallintamisen j√§lkeen aloittaa varsinaisen tulkinnallisen ty√∂n. N√§in ohjaamaton oppiminen toisi analyysiprosessiin uuden, mekaaniseen laskentaan perustuvan vaiheen, joka my√∂h√§stytt√§√§ tekstien subjektiivista tulkintaa. Kuten John Mohr ja Petko Bogdanov esitt√§v√§t, 

One counts, and then one begins to interpret. In this sense, what topic models and other types of automated text analysis tools do for cultural researchers is to shift the locus of subjectivity within the methodological program ‚ÄĒ interpretation is still required, but from the perspective of the actual modeling of the data, the more subjective moment of the procedure has been shifted over to the post-modeling phase of the analysis.

(Mohr & Bogdanov 2013, p. 560.)

Ohjaamatonta laskentaa koskevan kiinnostuksen taustalla on pitkäaikainen huoli tekstintulkinnan objektiivisuudesta. Yhteiskuntatieteilijät ovat perinteisesti suhtautuneet epäilevästi hermeneuttiseen lähiluentaan nojaaviin humanistisiin tulkintakäytäntöihin. Esimerkiksi kulttuurisosiologi Jeffrey Alexander ja muut (2012, p. 21) huomauttavat, että tekstien syvälliseen lähiluentaan pohjaavia analyysiprosesseja ei kyetä riittävän systemaatisesti selittämään muille tutkijoille, eikä tehtyjen tulkintojen edustavuutta tai empiiristä tukea siksi voida arvioida. Toisaalta tekstien kirjoituskontekstille ja merkitysnyansseille herkän hermeneuttisen luennan on esitetty olevan välttämätöntä sosiaalisten ilmiöiden ymmärtämiseksi (esim. Rabinow & Sullivan 1979). Ohjaamattomiin koneoppimismenetelmiin kohdistuva toive onkin, että aineiston mallintaminen mahdollistaisi tulkintaprosessin aiempaa systemaattisemman arvioinnin, varsinaista tulkitsevaa luentaprosessia rajoittamatta. Tällä perusteella ohjaamattoman mallinnuksen on esitetty olevan esimerkiksi aikaisempia, tekstien systemaattiseen koodaamiseen perustuvia menetelmiä parempi lähestymistapa tulkinnallisen tekstianalyysin systematisoimiseen (Lee & Martin 2015; ks. myös Biernacki 2012 ja 2014).

Mutta miten ohjaamattomia menetelmiä oikeastaan käytetään tukemaan tekstintulkintaa yhteiskuntatieteissä, ja missä mielessä niiden voi sanoa tekevän tulkinnasta objektiivisempaa? Näitä kysymyksiä tarkastelimme Petri Ylikosken kanssa syyskuussa 2020 Synthese-lehdessä julkaistussa artikkelissamme Humanistic interpretation and machine learning. Artikkelissa erittelimme yhteiskuntatieteilijöiden tapoja käyttää aihemallinnusta tekstintulkinnassa ja argumentoimme, että ohjaamattoman oppimisen objektiivisuutta ei tulisi samaistaa ideaan mekaanisesta laskentaprosessista, joka edeltää tutkijan tulkinnallista aineistoon perehtymistä. Pikemminkin mallintaminen voi auttaa tutkijoita tekemään tulkintaprosesseista läpinäkyvämpiä ja pohjaamaan analyysinsa aiempaa laajemmille aineistoille. Siksi ohjaamattoman oppimisen objektiivisuushyötyjenkin tulisi ajatella liittyvän tutkijoiden parantuneisiin mahdollisuuksiin vakuuttaa toisensa tekemiensä tulkintojen oikeellisuudesta. Tämän kaltainen objektiivisuus on kriittisen tulkinnallisen keskustelun piirre, eikä palaudu suoraan laskennallisen mallinnusprosessin ominaisuuksiin.

Tässä blogikirjoituksessa esitän lyhyen tiivistyksen artikkelimme keskeisestä argumentista, käyttäen esimerkkinä aihemallinnusta.

Ohjaamattoman mallintamisen evidentiaalinen rooli

Tekstiaineistoja mallintavat yhteiskuntatieteilijät pyrkivät tuottamaan tekstien sisällöstä ja rakenteesta tietoa, joka voisi auttaa heitä vastaamaan yhteiskuntatieteellisesti kiinnostaviin kysymyksiin. Siksi keskeinen haaste laskennallisessa tekstianalyysissa on artikuloida, miten mallintamalla tuotetut tulokset suhteutuvat kiinnostuksen kohteena oleviin merkitysilmiöihin. Aihemallinnus tuottaa tuloksenaan tietoa aineistossa suurella todennäköisyydellä yhdessä esiintyvistä sanoista, sekä näiden sanajoukkojen jakautumisesta aineiston eri osiin (Blei 2012). Miten näiden tulosten tulisi ajatella liittyvän yhteiskuntatieteilijöitä kiinnostaviin merkitysilmiöihin, kuten keskusteluaiheiden kehystyksiin ja poliittisiin agendoihin, tai niiden taustalla vaikuttaviin diskursseihin ja valtarakenteisiin?

Aihemallinnusta käyttävät yhteiskuntatieteilijät ovat omaksuneet kahdenlaisia asenteita suhteessa tähän ongelmaan. Kutsumme niitä artikkelissamme aiherealistiseksi ja aiheinstrumentalistiseksi asenteeksi. Aiherealistisessa asenteessa aihemallinnusprosessin ajatellaan operationalisoivan jonkin kiinnostuksen kohteena olevan teoreettisen käsitteen ja tuottavan evidenssiä sen esiintymisestä aineistossa. Esimerkiksi DiMaggio ja muut (2013, p. 593) suhtautuvat aihemallinnuksen tuloksiin realistisesti esittäessään, että mallinnuksen tuottamia aiheita voi käyttää mittaamaan viestinnän tutkimuksessa kiinnostuksen kohteena olevia aiheiden kehystyksiä. Aiheinstrumentalismissa puolestaan mallinnustulosten ei ajatella vastaavan mitään yhteiskuntatieteellisesti kiinnostavaa teoreettista konstruktiota. Korkeintaan mallinnuksen tuottamien sanalistojen ajatellaan tarjoavan aineistosta informaatiota, joka voi olla hyödyllistä aineiston tulkitsevan luennan kannalta. Esimerkiksi Törnberg ja Törnberg (2016) omaksuvat tämän asenteen käyttäessään aihemallinnusta tunnistamaan suuresta keskustelufoorumiaineistosta feminismiä ja islaminuskoa käsitteleviä osioita, joita he sitten käyttävät aineistona myöhemmässä diskurssianalyysissa.

Sekä aiherealismissa että aiheinstrumentalismissa mallintaminen voidaan mieltää mekaaniseksi prosessiksi, joka edeltää varsinaista tekstien tulkintaa. Asenteiden välinen keskeinen ero koskee pikemminkin rooleja, jotka niissä annetaan formaalille mallintamiselle ja tulkitsevalle luennalle. Siinä missä aiherealisti pitää mallinnusta teoreettisesti kiinnostavaa evidenssiä tuottavana prosessina, aiheinstrumentalismissa pääpaino on tekstien tulkitsevalla luennalla, jota formaali mallintaminen jäsentää.

Tästä eroavaisuudesta huolimatta kummassakaan asenteessa mallintamisen ei kuitenkaan ajatella tuottavan evidenssiä irrallaan aineiston tulkitsevasta luennasta. Aiheinstrumentalismin tapauksessa tämä on jokseenkin selvää, sillä analyysin pääpaino on tulkitsevalla luennalla. Mutta myös aiherealistisen mallintajan on kyettävä varmistamaan, että mallinnustulokset todella liittyvät kiinnostuksen kohteena olevaan ilmiöön. Tekstiaineistojen mallintaminen ei ole suoraviivainen prosessi, eivätkä mallintajat voi lähtökohtaisesti olla varmoja siitä, että heidän valitsemansa ohjaamaton menetelmä ja asetetut mallinnusparametrit todella vastaavat tarkoitettua teoreettista konstruktiota. Tämän vuoksi yhteiskuntatieteellisessä aihemallinnuskirjallisuudessa painotetaankin, että mallinnustulokset on aina validoitava, ennen kuin niitä voidaan käyttää teoreettisesti relevanttina evidenssinä (esim. DiMaggio et al. 2013; Grimmer & Stewart 2013; Nelson 2017). Tulosten validaatio voi tapahtua esimerkiksi lukemalla mallintamalla tunnistettuihin aiheisiin liittyviä tekstejä ja tarkistamalla, että ne todella kertovat jotain tarkoitetusta ilmiöstä. Vaihtoehtoisesti aiheiden esiintymistä aineistossa voidaan tarkastella suhteessa aineiston ulkopuolisiin tapahtumiin, joiden voidaan perustellusti odottaa vaikuttaneen aiheiden jakaumiin. Tarkasta lähestymistavasta huolimatta validaatiossa keskeistä on, että mallinnustuloksia arvioivalla tutkijalla on mallinnetusta aineistosta riittävän perusteellinen tulkinnallinen ymmärrys, jota vasten tuloksia voidaan arvioida (ks. esim. DiMaggio ja muut 2013, p. 603; Mohr & Bogdanov 2013, p. 560).

Validaation edellyttämästä aineiston taustaymmärryksestä johtuen aiherealistisella mallintamisellakaan ei voi ajatella olevan vahvaa evidentiaalista roolia tulkinnallisessa analyysissa. Eri taustoista ja teoreettisista lähtökohdista tulevat tutkijat voivat samojen mallinnustulosten pohjalta muodostaa hyvinkin erilaisia tulkintoja aineistosta, ja näin ollen tulosten tulkintaa koskevissa kiistoissa joudutaan lopulta tarkastelemaan tutkijoiden tulkinnallista ymmärrystä aineistosta. Mekaaninen mallinnus ei itsessään voi tuottaa evidenssiä tulkinnallisten kysymysten ratkaisemiseksi, vaan pikemminkin tarjoaa välineen, jonka avulla tulkinnallista keskustelua voidaan mahdollisesti jäsentää ja tukea. Näin ollen myös ohjaamattoman mallinnuksen objektiivisuudenkin tulisi ajatella liittyvän tähän mallinnuksen kriittistä keskustelua tukevaan rooliin, pikemmin kuin tulkinnan myöhästyttämiseen analyysissa.

Tulkinnallisen prosessin skaalautuvuus ja läpinäkyvyys

Miten ohjaamaton mallinnus sitten voi tukea tulkinnallista keskustelua? Artikkelissamme käsittelemme kahta erilaista tapaa, jotka pätevät sekä aiherealismille että aiheinstrumentalismille.

Ensinnäkin koneoppimismenetelmät voivat mahdollistaa suurten ja monipuolisten aineistojen analyysin entistä laajemmalle joukolle tutkijoita. Perinteinen lähiluentaan pohjaava tulkinnallinen analyysi on tyypillisesti rajoittunut käyttämään vain suhteellisen pieniä aineistoja (ks. Williams 2000). Laajojen aineistojen hermeneuttiseen luentaan ovat kyenneet lähinnä yksittäiset virtuoositutkijat, joiden tutkimusprosesseja muiden on hankala arvioida (Lee & Martin 2015). Ohjaamattomien menetelmien avulla tutkijat voivat tuottaa suuristakin aineistosta kokonaiskuvan nopeasti ja sitoutumatta johonkin ennalta päätettyyn aineiston lukemisprosessiin, jonka vaikutusta tehtyihin tulkintoihin ei tunneta. Tutkijat voivat käyttää mallia tunnistamaan aineistosta heidän teoreettisen kiinnostuksensa kannalta relevanteimpia osia ja keskittää aineiston luentansa niihin. Lisäksi mallinnus voi auttaa tunnistamaan tekstien piirteitä tai rakennetta koskevaa informaatiota, jota lähiluennalla olisi vaikea tai mahdoton tunnistaa (esim. suuren mittakaavan toistuvuudet sanojen käytössä). Väitteet tulkinnan myöhästyttämisestä tulisikin ymmärtää juuri tässä mielessä. Ohjaamaton mallinnusprosessi voi tuottaa tutkijoille tulkintaa edeltävää informaatiota koskien aineiston piirteitä ja rakennetta, mutta tämän informaation käyttö evidenssinä on aina sidonnaista tutkijan tulkinnalliseen ymmärrykseen.

Näiden skaalautuvuushyötyjen kohdalla on kuitenkin huomattava, että aiherealistisen mallinnuksen edellyttämä taustaymmärrys aineistosta asettaa rajoituksia myös mallinnuksen tukeman tulkinnan skaalautuvuudelle. Suurta ja huonosti ymmärrettyä aineistoa mallintaessaan tutkijoiden voi olla vaikea validoida mallinnustuloksiaan, sillä mitattujen konstruktien käyttäytymisestä on vaikea tehdä perusteltuja oletuksia. Tämä ei suoraan tarkoita, että mallinnustulosten validaatio on mahdotonta huonosti tunnettujen aineistojen tapauksessa. Pikemminkin on todennäköistä, että tutkijat joutuvat nojaamaan valitun mallinnusmenetelmänsä lisäksi nojaamaan muihin laskennallisiin apukeinoihin, kuten instrumentalistiseen mallinnukseen, joiden avulla aineistosta muodostetaan riittävä ymmärrys (ks. esim. Nelson 2017).

Skaalautuvuushy√∂tyjen lis√§ksi mallinnus voi tehd√§ tulkintaprosessista l√§pin√§kyv√§mm√§n ja helpomman selitt√§√§ muille tutkijoille. Mallintaessaan aineistoa tutkijoiden on teht√§v√§ eksplisiittisi√§ valintoja koskien mallinnusparametreja, kuten esimerkiksi aiheiden m√§√§r√§√§ ja aihejakaumien muotoa aihemallinnuksessa. N√§m√§ valinnat voidaan kommunikoida tarkasti muille tutkijoille, jotka voivat halutessaan toistaa t√§sm√§lleen jonkin tutkimuksen taustalla olevat mallinnusaskeleet ja muodostaa tuloksista omat, mahdollisesti eri√§v√§t tulkintansa. Perinteisess√§ tulkinnallisessa analyysissa aineiston lukemisessa tehtyjen valintojen avaaminen muille tutkijoille on tyypillisesti vaikeaa, ja n√§in ollen mallintaminen voi helpottaa tulkintojen vertailua ja kritiikki√§. Esimerkiksi mahdollisten eri√§vien tulkintojen m√§√§r√§√§ voidaan kartoittaa helpommin, antamalla usean tutkijan tehd√§ itsen√§isesti tulkintoja samoista mallinnustuloksista (Maier et al. 2018). Joissakin tutkimuksissa on jopa joukkoistettu tulkintaprosessi eri√§vien tulkintojen kartoittamiseksi (Stier et al. 2017). Vastaavan asetelman toteuttaminen suurten tekstiaineistojen hermeneuttisessa tulkinnassa olisi v√§hint√§√§nkin haastavaa. Lis√§ksi mallinnustulosten tarjoama kokonaiskuva aineistosta auttaa tutkijoita perustelemaan, miten he valitsivat lukemansa aineistosta lukemansa esimerkkitekstit. T√§m√§ lievent√§√§ ep√§ilyksi√§ siit√§, ett√§ tulkinnat ovat seurausta arbitraarisesta lukemisj√§rjestyksest√§ tai “kirsikoiden poimimisesta” esimerkkiteksteiksi (ks. Baker & Levon 2015; T√∂rnberg & T√∂rnberg 2016). Tekstien otantaprosessin systematisoiminen on toki ollut aikaisemminkin mahdollista. Mutta laskennallinen mallintaminen mahdollistaa eri analyysipolkujen nopean ja systemaattisen kokeilun ja tehtyjen valintojen t√§sm√§llisen kommunikoimisen tavalla, joka aikaisemmissa menetelmiss√§ on ollut haastavaa (esimerkiksi koodaamiseen pohjaavien analyysien toistaminen on osoittautunut vaikeaksi; ks. Biernacki 2012).

On tärkeää huomata, että nämä ohjaamattoman oppimisen tuomat läpinäkyvyyshyödyt edellyttävät tulkitsijoilta tietynasteista teknistä ymmärrystä mallinnusprosessista ja siihen sisältyvistä valinnoista. Esimerkiksi aihemallinnuksen tapauksessa on tärkeää ymmärtää, miten aihemäärän valinta sekä muut mallinnusparametrit ja aineiston esikäsittelyvaiheet vaikuttavat tuloksiin. Opaakkien ohjaamattomien menetelmien käyttö ei tue tulkinnallisen keskustelun arvioitavuutta. Toinen mallinnuksen tuoman läpinäkyvyyden ennakkoehto on, että tutkijat dokumentoivat analyysiprosessinsa riittävän eksplisiittisesti, ja että muilla tutkijoilla on pääsy heidän mallintamiinsa aineistoihin ja käyttämiinsä työkaluihin. Läpinäkyvyys ei ole laskennallisen mallinnuksen sisäsyntyinen ominaisuus, vaan se nojaa koko tulkinnallisessa prosessissa omaksuttuihin käytäntöihin.

Objektiivisuus tulkinnallisen keskustelun piirteenä

Jos ohjaamattomien menetelmien tekstintulkinnalle tuomat hy√∂dyt liittyv√§t p√§√§asiassa tulkintaprosessien skaalautuvuuteen ja l√§pin√§kyvyyteen, ei niiden tuomaa objektiivisuuttakaan tulisi yhdist√§√§ ajatukseen tulkintaa edelt√§v√§st√§ mekaanisesta mallinnusprosessista. Artikkelissamme esit√§mmekin, ett√§ t√§llainen mekaanisen objektiivisuuden (Daston & Galison 1992) ideaali johtaa tekstintulkintaa koskevissa keskusteluissa helposti hedelm√§tt√∂m√§√§n vastakkainasetteluun tekstien merkityksen syv√§llisen ymm√§rt√§misen ja formaalien mallinnusmenetelmien v√§lill√§. Ohjaamattomien menetelmien objektiivisuus tulisi pikemminkin ymm√§rt√§√§ parantuneiksi mahdollisuuksiksi k√§yd√§ tulkintoja koskevaa kriittist√§ keskustelua. Tieteenfilosofit ovat kutsuneet t√§llaista objektiivisuuden muotoa interaktiiviseksi objektiivisuudeksi (Douglas 2004; Longino 1990), jonka keskeisi√§ edellytyksi√§ ovat analyysiprosessien l√§pin√§kyvyys ja avoimuus kritiikille. 

Ohjaamattomien menetelmien voi ajatella parantavan tulkinnallisen tekstianalyysin interaktiivista objektiivisuutta tarjoamalla tutkijoille v√§lineit√§ vakuuttaa toisensa tulkintojensa oikeellisuudesta. Mallintamalla tutkijat voivat osoittaa toisilleen, ett√§ heid√§n tulkintansa voidaan perustella vedoten analysoituun tekstiaineistoon, ja ett√§ tulkinnat eiv√§t ole tulosta ja ep√§selvist√§ analyysiprosesseista tai idiosynkraattisista l√§ht√∂kohdista. Tulkinnallisen tutkimuksen objektiivisuudesta keskusteltaessa ei ole rakentavaa kysy√§, voiko mallinnus eliminoida tulkintaa joistakin analyysiprosessin vaiheista. Kiinnostavampaa on selvitt√§√§, auttaako mallintaminen tutkijoita hy√∂dynt√§m√§√§n tekstiaineistoihin sis√§ltyv√§√§ informaatiota ja arvioimaan kriittisesti toistensa tulkintoja. 

Viitteet

Alexander, J., Jacobs, R., & Smith, P. (2012). Introduction: Cultural sociology today. J. Alexander & P. Smith (Eds.), The Oxford handbook of cultural sociology (3‚Äď24). Oxford: Oxford University Press.

Baker, P., & Levon, E. (2015). Picking the right cherries? A comparison of corpus-based and qualitative analyses of news articles about masculinity. Discourse & Communication, 9(2), 221‚Äď236.

Biernacki, R. (2012). Reinventing evidence in social inquiry. London: Palgrave MacMillan.

Biernacki, R. (2014). Humanist interpretation versus coding text samples. Qualitative Sociology, 37, 173‚Äď188.

Blei, D. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77‚Äď84.

Daston, L., & Galison, P. (1992). The image of objectivity. Representations, 40, 81‚Äď128.

DiMaggio, P., Nag, M., & Blei, D. (2013). Exploiting affinities between topic modeling and the sociological perspective on culture: Application to newspaper coverage of U.S. government arts funding. Poetics, 41(6), 570‚Äď606.

Douglas, H. (2004). The irreducible complexity of objectivity. Synthese, 138, 453‚Äď473.

Grimmer, J., & Stewart, B. (2013). Text as data: The promise and pitfalls of automatic content analysis methods for political texts. Political Analysis, 21(3), 267‚Äď297.

Lee, M., & Martin, J. L. (2015). Coding, counting and cultural cartography. American Journal of Cultural Sociology, 3(1), 1‚Äď33.

Longino, H. (1990). Science as social knowledge. Princeton: Princeton University Press.

Maier, D., Waldherr, A., Mitner, P., Wiedemann, G., Niekler, A., Keinert, A., et al. (2018). Applying LDA topic modeling in communication research: Toward a valid and reliable methodology. Communication Methods and Measures, 12(2‚Äď3), 93‚Äď118.

Mohr, J., & Bogdanov, P. (2013). Introduction‚ÄĒTopic models: What they are and why they matter. Poetics, 41(6), 545‚Äď569.

Nelson, L. (2017). Computational grounded theory: A methodological framework. Sociological Methods & Research. https://doi.org/10.1177/0049124117729703 

Rabinow, P., & Sullivan, W. (1979). Interpretive social science: A reader. Berkeley: University of California Press.

Stier, S., Posch, L., Bleier, A., & Strohmaier, M. (2017). When populists become popular: Comparing Facebook use by the right-wing movement Pegida and German political parties. Information, Communication & Society, 20(9), 1365‚Äď1388.

T√∂rnberg, A., & T√∂rnberg, P. (2016). Combining CDA and topic modeling: Analyzing discursive connections between Islamophobia and anti-feminism on an online forum. Discourse & Society, 27(4), 401‚Äď422.

Williams, M. (2000). Interpretivism and generalisation. Sociology, 34(2), 209‚Äď224.

Lectio Praecursoria: Exploring affective discipline of a crisis

Let me begin with an anecdote I believe most of us have become way too familiar with during this year. Imagine a press conference, held by the local authorities and politicians: participants are wearing face masks and are clothed in somber tones, standing two meters apart of each other. The message of the press conference is repeated, weekly, in the speakers’ tone of voice, their body language, and the words they utter: this is serious, this is a situation that requires restrained behaviour from all parties. Remain calm, follow the guidelines.

However, not all agree on this message. While here in Finland those who openly question and actively act to undermine the efforts of scientists and public health authorities remain in relative minority, there are places where the head of the state urges people to openly resist calls for restraint. While this is a contest over facts and interpretations of those facts, this is also a contest over emotion. And this contest is our topic today.

While my examples are of a larger scale, similar contestations take place between friends and acquaintances, relatives and colleagues, across what is called a hybrid media environment. While feelings of crowds and individuals alike have intrigued scholars for hundreds of years, what sets our times apart from the days of Spinoza, Descartes, Le Bon, and many others, is that the emotions and feelings are extended to and circulated, accumulated and amplified by the hybrid media environment.

In this hybrid environment, there are the powerful players such as the mainstream news media and established political actors, that have been around for a while now. However, what makes this environment hybrid in the first place, is that in addition to the older forms of media such as newspapers, radio and television, there is a cornucopia of newer forms: social media, blogs, podcasts, video streaming and so on, that are increasingly intertwined with the older forms.

These more recent forms of media have, in the past 20 years, granted people a possibility to express their thoughts and feelings to a much wider audience than ever before. This has allowed many to find connections with likeminded people, but this ability to connect has brought with it not only new friendships and feelings of belonging, but also ways to seek for common enemies. At the same time, the technologies that enable these connections have made their users and the information they generate a commodity: a source of capitalist profit.

This is the context of my doctoral dissertation, in which I study news coverage of the 2011 Fukushima Daiichi nuclear disaster, and online comments to this news coverage. I chose to focus on the Fukushima Daiichi disaster as the empirical case of my dissertation, as it is a highly complex event with simultaneous local and global effects and implications that also have made the interconnectedness of societies, economies and media technologies very visible.

The mediated coverage of the so-called triple disaster of an earthquake, a tsunami and the meltdowns at the Japanese nuclear power plant engaged people across the globe, and social media was one venue where this engagement actualized. Moreover, even though the hybrid media environment was very different in 2011 from what it is now, its formative elements were already in place nine years ago.

In my dissertation, I set out to study three things. First, I was interested in the relationship between journalistically produced texts and their implied and actual readers in the hybrid media environment. Second, I wanted to know how affect works in networked, text-based communication, and how it circulates in the news and in the social media comments. In order to answer the second question, I also needed, third, to figure out how to study affect in text-based media, and what does that mean in terms of research methods and results.

In other words, I wanted to study how people comment on news on social media, and what kind of emotions and feelings they express (or inhibit) while doing so. I was also interested in emotions and feelings expressed in the news texts and how that might be visible in the comments. Furthermore, I wanted to know what kind of affect and emotion was attached to the events described in the news, and how those might reflect wider cultural and social understandings of these events and issues. To briefly summarise: I wanted to know how emotion, related to the Fukushima Daiichi disaster, is circulated in the hybrid media environment.

There are also three concepts: affect, public and social media, that largely define my study. These three concepts form a figurative bundle that binds the study and its articles together. Therefore, I have dedicated quite a bit of space in discussing the theoretical and methodological underpinnings of these concepts in the introductory section of my dissertation, devoting most attention to affect as a key sensitizing concept.
To briefly summarise a long discussion, I use affect to describe both bodily sensations and feelings that often escape words but still influence on how we perceive things around us, and the more easily articulatable emotions. In addition to recognizing that such feelings and emotions are very subjective, I also emphasize that they have a highly collective and culturally shared aspect to them as well.

By public, I refer to a group of people engaged in discussing an issue, as in the public that debates the continuing aftermath of the US presidential elections, or the public that debates the ongoing consequences of the Fukushima Daiichi disaster in Japan. And by social media, I refer to online platforms such as Facebook, Twitter, Instagram, or TikTok, or traditional discussion forums, where people gather to talk, share photos of their pets, comment on news or to organize politically ‚Äď just to name a few things.

I suggest that bringing these three concepts together and scrutinizing and problematizing them in relation to one another opens new ways to study affect as an important element of the hybrid media environment. In other words, to study how emotions and feelings circulate in the mixture of social media, journalism, opinion, fact, science and your neighbor’s latest conspiracy theory.

My dissertation addresses this entanglement through five publications that discuss four case studies and three types of empirical material, as summarized in this table. Three of the publications (one, three and four) are written together with my colleagues and two (two and five) are solo works.

The empirical material, collected between 2014 and 2016, comprises of news reports from Finland and from English-language newspapers across the Northern Hemisphere, and three types of social media material: Tweets, Facebook comments, and comments on the Finnish public broadcaster YLE’s commenting platform.

Because of the different types of research materials, my coauthors and I have applied several research methods. In publications two to five I have developed an analysis method for answering my third research question of studying affect in text by combining several existing qualitative analysis methods such as metaphor analysis and discourse analysis.

This combination of methods was motivated by my wish to examine various elements of the news and comments at the same time. Moreover, because affect and emotion in text are not only expressed directly as in an utterance such as ‚ÄúI‚Äôm really nervous right now,‚ÄĚ but they can be present in word choices and metaphors as well. For example, it does make a difference if the meltdowns at Fukushima Daiichi are discussed as ‚Äúapocalyptic and out of control,‚ÄĚ as EU‚Äôs then energy commissar G√ľnter √Ėttinger did, or to discuss the meltdowns as a technical issue that has a straightforward technical solution, which was the most common frame used by the scientific experts interviewed in the Finnish media.

Hence, my dissertation is an attempt at bringing together complex concepts to discuss an equally complex phenomenon of affect in the mediated coverage and commentary of an event that in itself is manifold, and the method of getting there has not been very straightforward either.
The findings of the dissertation also branch to several directions, ranging from very concrete to more theoretical ones.

Beginning with the more concrete and, in an sense the most general level, my empirical findings confirm what previous scholars have observed, and what many people also have learned through their experience: namely that affect and emotion are what drive online discussions forward and sustain people’s interest in continuing these discussions. Indeed, in order to be interested in something, most humans must feel something about that thing or an issue.

In addition, because there is a strong collective element to affect, affect is also tied to social and cultural power. In my dissertation, this is visible both in the comments and the news, as they contain elements where affect is entwined with struggles over power. At the level of discourse, the affect-laden power struggle can be exposed, for example, by investigating what is defined as ‚Äėscary‚Äô and who gets to define this. Are the ‚Äúscary‚ÄĚ things the emissions from the faulty reactors at Fukushima Daiichi, or the environmentalists who argue for phasing out of nuclear energy?

Another example concerns those who are implicated or outright claimed to be ‚Äėridiculous‚Äô. Are the people buying iodide tablets or hoarding toilet paper behaving ridiculously, or are the ridiculous ones the public officials who go behind racist remarks about ‚ÄúJapanese culture‚ÄĚ or, as in the case of covid-19 discussion, ‚ÄúChinese virus‚ÄĚ, and attempt to downplay the crisis?

In my case studies, such power struggle was most strongly present in discussions that were clearly politically divided, in one way or another. For example, as part of this discursive contest of power commenters tried to silence one another, most often by trying to make the other to appear as laughable or immature. A different form of this struggle appeared in the news, as public officials issued statements that urged people ‚Äúnot to panic‚ÄĚ, for instance.

I capture the power-related dynamic present in the news and news comments with the notion of ‚Äúaffective discipline‚ÄĚ. In affective discipline, the participants of a discussion attempt to maintain what is considered a socially acceptable emotional ‚Äútune‚ÄĚ or mood of a situation. In order to maintain the preferred mood, participants seek to engage in acts of affective discipline. While I have studied this dynamic in the context of journalism and social media in my dissertation, I suggest that this phenomenon is present also in different types of communication, digitally mediated and othervise, deserving further research.

In addition to the mediated coverage of the Fukushima Daiichi disaster, acts of affective discipline have been clearly visible in reporting and discussing the covid-19 pandemic, and other fast-evolving crises, as I illustrated with the anecdotes at the beginning of this lectio precursoria.

I argue that similar dynamic also applies to discussions about climate change and loss of biodiversity, for example, where activists such as Greta Thunberg or the Extinction Rebellion attempt to disrupt the complacent mood and alert people to the urgent, ongoing disaster. So far, though, people in positions of social and economic power have tended to seek to downplay the activists and their message as immature and laughable.

Questions about affective discipline, including who gets to define how others should feel about something are crucial in understanding how discussions about burning issues play out in the contemporary hybrid media environment. These discussions, in turn, have actual impacts on how people choose to think and act on these issues.

To conclude, I suggest that studying the dynamic and forms of affective discipline may help better understand how the hybrid media environment operates. While the commodification of human feelings and willful circulation of anger for political and financial gain clearly feed a dystopian imagination, I would like to conclude with a more positive note. I suggest that the findings of my dissertation can be used to recognize, question, and eventually perhaps dismantle some of the systems that currently enable these unequal power relations at the level of discourse but with very tangible implications.

Master of Social Sciences Anna Rantasila’s doctoral dissertation Circulating Emotions, Sticky feelings. Affective dynamics of the Fukushima Daiichi nuclear disaster in a hybrid media environment was publicly examined at Tampere University Faculty of Information Technology and Communication Sciences on December 4, 2020.

Roskauutisten tunnelogiikka

(cc) Moses Mehraban @Flickr

Uudet, voimakkaat mediamuodot ovat aina herättäneet huolta yleisöistä herkkäuskoisena massana. Kun pelot laantuvat, yleisöjen aktiivinen rooli tulee jälleen näkyviin. Ajatus aktiivisista yleisöistä valottaa disinformaation kulutuksen tulkinnallisia ja affektiivisia ulottuvuuksia. Roskauutiset toimivat poliittisen tunteenilmaisun ja identiteetin rakentamisen välineinä sosiaalisessa mediassa nimenomaan niiden puolueellisuuden takia.

Populaari ja akateeminen diskurssi sosiaalisessa mediassa levi√§v√§st√§ poliittisesta disinformaatiosta keskittyy usein toimijoihin sen takana, trollitehtaista ja salaliittoteoreetikoista kohdennusalgoritmeihin. T√§ll√∂in kysymys disinformaation kulutuksesta ja kuluttajista saattaa helposti unohtua ‚Äď siit√§ huolimatta, ett√§ keskustelulla yleis√∂jen ratkaisevasta roolista mediasis√§lt√∂jen tulkitsijoina on pitk√§t perinteet mediatutkimuksessa. Kuten Sonia Livingstone (2019) huomauttaa, n√§kemys mediayleis√∂ist√§ vaihtelee syklisesti. Uudet, voimakkaat mediateknologiat ja -muodot ovat aina her√§tt√§neet huolta yleis√∂ist√§ herkk√§uskoisena massana. Kun pelot ajan my√∂t√§ laantuvat, kiinnostus kohdistuu j√§lleen yleis√∂jen monimuotoisuuteen, aktiivisuuteen ja tulkinnalliseen p√§tevyyteen.

Ajatus yleis√∂jen aktiivisuudesta tulisi ottaa huomioon my√∂s poliittisen disinformaation tutkimuksessa: se avaa uusia n√§k√∂kulmia siihen, miksi ihmiset ylip√§√§t√§√§n hakeutuvat problemaattisen informaation pariin, luottavat siihen, ja jakavat sit√§ eteenp√§in. Se auttaa ymm√§rt√§m√§√§n, miten ‚Äúroskainformaatiosta‚ÄĚ tulee merkityksellist√§ palvellessaan tiettyjen sosiaalisen median k√§ytt√§j√§ryhmien tarkoitusperi√§ ja identiteettej√§. Yleis√∂n toimijuus on keskeinen niin poliittisen disinformaation ongelman diagnosoinnissa kuin mahdollisten ratkaisujen pohtimisessa. Social Media + Society -journaalissa julkaistussa artikkelissa¬†kysyimmekin: Miten yleis√∂ osallistuu poliittisen disinformaation v√§litt√§miseen Facebookissa? Millaista merkityksenantoa poliittisen disinformaation ymp√§rille muodostuu kyseisell√§ alustalla? Mik√§ on Facebookin affordanssien ja algoritmien rooli t√§m√§n merkityksenannon ja vuorovaikutuksen muovaamisessa?

Faktuaalisuudesta tulkintaan

Tutkimuksemme keskittyi amerikkalaisiin poliittisiin ‚ÄĚroskauutisiin‚ÄĚ ja niiden vastaanottoon Facebookissa. Tutkimiamme l√§hteit√§ voisi kuvata √§√§rioikeistolaisiksi ja oikeistopopulistisiksi, ja niill√§ oli monia niin kutsutun vastamedian piirteit√§. Vaikka my√∂s vasemmistolaisia roskauutisia on olemassa, ilmi√∂ on vahvasti kallellaan oikealle. Roskauutiset matkivat uutissis√§lt√∂√§, mutta eiv√§t piittaa journalistisista standardeista ja etiikasta. Ne eiv√§t kuitenkaan usein sis√§ll√§ ‚Äútuulesta temmattuja‚ÄĚ valheita tai v√§itteit√§, vaan johtavat harhaan ja koodaavat poliittisia ideologioita usein vaikeammin havaittavin keinoin. Siten ne asettuvat laajalti sosiaalisen median moderointik√§yt√§nt√∂jen ulottumattomiin.

Kyseess√§ on ennen kaikkea n√§ytt√§misen, korostamisen ja piilottamisen peli: mit√§ tuodaan toistuvasti esiin ja dramatisoidaan, ja toisaalta mit√§ j√§tet√§√§n tarinan ulkopuolelle. Hyvin tyypillist√§ on esimerkiksi nostaa vain omaa narratiivia tukevia tapahtumia uutisaiheiksi. Todellisista, mutta marginaalisista ja toisiinsa liittym√§tt√∂mist√§ tapauksista, kuten laittomien maahanmuuttajien tekemist√§ rikoksista, punoutuu tunteita her√§tt√§v√§ tarina. Ne esitt√§ytyv√§t jonkin laajemman, uhkaavan yhteiskunnallisen kehityssuunnan ilmentymin√§. Yleis√∂ille ei tarjota n√§it√§ narratiiveja suoraan, vaan he saavat ik√§√§n kuin itse ‚ÄĚyhdist√§√§ pisteet‚ÄĚ kulttuurisen ja tulkinnallisen toimintansa kautta.

Facebookin kommenttiosioita tarkastellessa huomio kiinnittyykin yleisöjen aktiiviseen rooliin heidän tuodessaan omat tunnereaktionsa ja tulkintakehikkonsa osaksi viraaleja roskauutisia. Facebookin affordanssit osallistuvat kuitenkin keskeisillä tavoilla käyttäjien huomion, tulkintojen ja vuorovaikutuksen muokkaamiseen. Alusta on esimerkki affektiivisesta laskennasta (affective computing). Se on teknologia, joka pyrkii stimuloimaan ja tunnistamaan emotionaalista vuorovaikutusta ja reagoimaan siihen, esimerkiksi nostamalla eniten reaktioita saaneiden roskauutisten ja kommenttien näkyvyyttä entisestään.

Roskauutisten puolueellisuus ja dramatiikka

Tutkimuksemme perusteella sosiaalisessa mediassa levi√§v√§t roskauutiset tarjoavat otollisen kasvualustan ‚Äúme vastaan muut‚ÄĚ -ajattelulle. Niiden tekniikoissa ja tulkinnoissa maailman kompleksisuus redusoituu draamaksi: taisteluksi poliittisten voimien ‚Äď tai yksinkertaisesti ‚ÄĚhyv√§n‚ÄĚ ja ‚Äúpahan‚ÄĚ ‚Äď v√§lill√§. Aiempi tutkimus on painottanut poliittisen disinformaation pyrkiv√§n her√§tt√§m√§√§n vihan, kaunan ja pelon tunteita valtaapit√§vi√§, poliittisia vastustajia sek√§ toiseutettuja kohtaan. N√§m√§ piirteet olivat l√§sn√§ meid√§nkin aineistossamme. Roskauutiset otettiin kuitenkin usein vastaan my√∂s l√§mpimin tuntein, aiheen ollessa esimerkiksi poliittinen voitto tai julkisen konservatiivihahmon nokkelaksi tai ylev√§ksi koettu puheenvuoro. Facebookissa tapahtuvassa roskauutisten kuluttamisessa ja kommentoinnissa onkin kyse paitsi negatiivisten tunteiden ilmaisusta ja vahvistamisesta, my√∂s yhteenkuuluvuudesta, ryhm√§n sis√§isest√§ solidaarisuudesta ja positiivisen itsekuvan luomisesta.

Huomionarvoista on my√∂s se, ett√§ yleis√∂t arvioivat roskauutisia ennen kaikkea emotionaalisesti: keskeist√§ heille oli, kuvasivatko uutiset heid√§n kokemustaan maailmasta. N√§in ollen esimerkiksi uutisen i√§ll√§ tai sen sis√§lt√§mill√§ faktuaalisilla virheill√§ ei ollut heille juurikaan v√§li√§. T√§rke√§mp√§√§ oli kokemus siit√§, ett√§ roskauutisen kuvaama tapahtuma olisi yht√§ hyvin voinut tapahtua edelt√§v√§n√§ p√§iv√§n√§ tai kerrotulla tavalla. Puolueellinen esitt√§minen voi n√§in osua ‚ÄĚobjektiivista‚ÄĚ esitt√§mist√§ l√§hemm√§ksi koettua todellisuutta. Hyv√§ esimerkki t√§st√§ on viraali roskauutinen, joka kertoi demokraattisenaattori Elizabeth Warrenin verranneen aborttia nielurisojen poistoon. Oikeasti Warren on verrannut vain toimenpiteiden turvallisuutta, ei niiden merkityst√§ tai eettisyytt√§. Jos k√§ytt√§j√§ pit√§√§ demokraatteja vihollisinaan tai moraalittomina, kertomus Warrenista samaistamassa abortin nielurisojen poistoon voi kuitenkin tuntua paljastavan jotain paljon todellisempaa kuin mik√§√§n t√§sm√§llinen kuvaus h√§nen puheenvuorostaan. Roskauutisten levi√§misen ehk√§iseminen ei t√§ten voi nojata ainoastaan faktojen todentamiseen tai medialukutaidon lis√§√§miseen. Ne toimivat poliittisen tunteenilmaisun ja identiteetin rakentamisen v√§linein√§ sosiaalisessa mediassa juuri siksi, ett√§ ne eiv√§t ole puolueettomia.

Viitteet

Livingstone, S. (2019). Audiences in an age of datafication: Critical questions for media research. Television & New Media, 20(2), 170-183.

Savolainen, L., Trilling, D. & Liotsiou, M. (2020). Delighting and Detesting Engagement: Emotional Politics of Junk News. Social Media & Society. https://doi.org/10.1177/2056305120972037

Onko olemassa vain yht√§ totuutta?

Yhteiskunnassa sekä tutkijoiden keskuudessa on käyty varsin aktiivista keskustelua tekoälyn etiikan kysymyksistä ja automaattisen päätöksenteon ongelmista. Yksi keskeinen osa tätä työtä on liittynyt pyrkimykseen määritellä oikeita ratkaisuja tai oikeita päätöksiä hyvin monimutkaisessa ympäristössä, jota jotkut myös kutsuvat todellisuudeksi. Heräsin tässä osittain rahoitushakemuksen kirjoittamisen ja osittain Kirsikan ja minun artikkelin myötä miettimään, että aika usein sitä yhtä oikeaa päätöstä haetaan myös alueilla, joissa sellaista ei välttämättä ole olemassa.

Käyn parin esimerkin avulla läpi sitä, mitä ne arvopohjaiset päätökset oikeasti ovat ja päätän tekstin pohtimalla mitä sitten kannattaisi tehdä seuraavaksi.

Tätä ei kyllä käsitelty autokoulussa

Itsestään ajava auto on nykyisen tekoälypöhinän keskeinen esimerkki (itse olen luopumassa toivosta ja varmaan pian hankin ajokortin). Sen kautta on myös törmätty moniin erilaisiin kysymyksiin siitä, kuka kantaa vastuun itseajavan auton tuhoista, esimerkiksi ihmisen tapaamisesta. Yhtä mielenkiintoinen sivujuonne tässä on MITin Moral Machines -hanke, jossa yritetään ymmärtää mitä ihmiset pitävät hyväksyttävänä ratkaisuna. Ajatuksena oli, että tämän kyselyn kautta voidaan sitten rakentaa parempia tekoälyjärjestelmiä, kun ne seuraavat yhteiskunnassa olevia arvoja.

Toki joitakin laajasti jaettuja arvoja löytyy yhteiskunnista, kuten preferenssi tapaa vähemmän ihmisiä, jos mahdollista ja pelasta mieluummin nuoria kuin vanhoja (Awad, et al., 2020; Awad et al., 2018). Näiden pohjalta voisi tietenkin hakea jotain yleistettävää moraalista ohjeistoa itsestään ajaville autoille:

[- -] we can embrace the challenges of machine ethics as a unique opportunity to decide, as a community, what we believe to be right or wrong; and to make sure that machines, unlike humans, unerringly follow these moral preferences. We might not reach universal agreement: even the strongest preferences expressed through the Moral Machine showed substantial cultural variations [- -] these conflicts, disagreements, and dissimilarities, while substantial, may not be fatal.

(Awad et al., 2018)

Vaikka l√∂ydett√§isiin laajasti hyv√§ksyttyj√§ tapoja toimia, niin onko mielek√§st√§ luoda koneistetusti automaattinen kaikkien seuraama moraalinen ohjes√§√§nt√∂? Vai pit√§isik√∂ n√§iss√§ p√§√§t√∂ksiss√§ vastuu siirt√§√§ jokaiselle autoilijalle itselleen ‚Äď ja laittaa autoilija pohtimaan miten erilaisissa tilanteissa h√§nen mielest√§√§n pit√§√§ toimia? Niinh√§n yhteiskuntamme toimii melkein kaikkien arvopohjaisten kysymysten kohdalla: jokaisen pit√§√§ itse punnita, mit√§ haluaa ja mit√§ ei halua tehd√§.

Reiluuden ristiriidoista

Olen tietojenkäsittelytieteilijöiden kanssa puhuessani törmännyt monta kertaa päätynyt puhumaan syrjinnästä ja tasa-arvosta ja siitä, kuinka algoritmiset järjestelmät oppivat pahat tavat meiltä ihmisiltä (kuten aiemmin kirjoittelin Rajapinnasssa). Koska kyseessä on tärkeä yhteiskunnallinen teema, tutkimuspuolella käytetään varsin paljon aikaa sen pohtimiseen, miten pitäisi tehdä reiluja malleja, jotka eivät syrjisi ihmisiä. Ainoa vaan, että tässä pohdintatyössä on pakko ottaa kantaa siitä mitä on reiluus.

Intuitiivisesti reiluus on helppo käsite: haluamme, että ihmiselle tehdään sama päätös, vaikka he tulevatkin erilaisesta taustasta. Tämänkin ajatuksen voi käsittää monella tavalla. Corbett-Davies & Goel (2018) nostavat kolme koneoppimiskirjallisuudessa käytettyä määritelmää tälle. Yksinkertaistamiseksi keskityn nyt miehiin ja naisiin, mutta sama periaate pätee kaikenlaisiin henkilöön liittyviin taustoihin.

  • P√§√§t√∂kset ovat mahdollisimman samoja ihmisille, jotka ovat samanlaisia lukuunotetummatta sit√§, ett√§ osa on miehi√§ ja osa on naisia
  • P√§√§t√∂ksen virheet ja todenn√§k√∂isyydet ovat samoja ihmisille, vaikka osa on miehi√§ ja osa on naisia
  • Sukupuolettoman p√§√§t√∂ksenteon mallit ovat samanlaisia kuin sukupuolittuneen p√§√§t√∂ksenteon mallit.

Kirjoittajat jatkavat osoittamaan, että jokaisella mallilla on omat heikkoutensa ja ongelmansa. Mutta kirjoittajilta jää mielestäni huomaamatta isoin ongelma: reiluus ei oikeastaan ole niin helppo käsite lopulta, vaan sitä voidaan ottaa käyttöön erilaisissa tilanteissa korostamaan omien vaateiden mielekkyyttä ja vedota oikeudenmukaisuuteen.

Käsitys siitä mitä tasa-arvo on varmasti esitettävissä hienoilla kaavoilla, mutta kenen kannalta se edustaa ajatusta tasa-arvosta? Tasa-arvon mittaaminen on vahvasti ideologinen kysymys; minkälaista yhteiskuntaa halutaan rakentaa. Suomessa kaksi poliitikkoa voivat mielestään edistävät tasa-arvoa mutta heidän suosituksensa sekä tulkinnat tasa-arvon tilasta ja ongelmista ovat täysin erilaisia: toinen saattaa painottaa mahdollisuuksien tasa-arvoa ja toinen lopputulosten tasa-arvoa. Pahimmillaan heidän on vaikea ymmärtää, kuinka toinen edes tekee tasa-arvoon perustuvia argumenttejaan, koska käsitys tasa-arvosta on täysin erilainen.

Tämän takia päätöksen siitä miten tasa-arvoa määritellään, pitäisi siirtää algoritmin kehittäjiltä kohti poliittisia päätöksentekijöitä. Ehkä Suomessa voitaisiin neljän vuoden välein äänestää näiden keskeisten käsitteiden matemaattisista formuloinneista ja hyväksyä käsitteiden sitoutuneisuus poliittisiin valtasuhteisiin. Mutta tämäkään ei ratkaisisi sitä, että lopulta tasa-arvo on kontekstisidonnainen: ainakin minä joustavasti mukautan käsitystäni tasa-arvosta riippuen siitä, mitä haluan saavuttaa. Kun olen etuoikeutetussa asemassa, helposti sitoudun mahdollisuuksien tasa-arvon ideoihin, ja kun olen sorrettu voin korostaa lopputulosten tasa-arvoa.

Kohti poliittista tietojärjestelmää?

Mitä tästä kaikesta sitten seuraa? Ainakin päänsärky: kaikesta tutkimusyhteisön työstä ja tuskasta huolimatta tuntuu siltä, että olemme vielä lasten kengissä päätöksenteon kehittämisen ja tekoälyn etiikan pohdinnoissa.

Kaiken taustalla mielestäni on iso haaste tekoälyn ja algoritmisten järjestelmien kanssa: niiden suunnittelussa usein keskitymme yhden ratkaisun toteuttamiseen ja uskomme, että se sopisi moniin tilanteisiin erilaisille ihmisryhmille. Ehkäpä seuraava askel on hyväksyä yhteiskunnan monimuotoisuus ja erilaiset arvorakenteet.

Voisimme personoida algoritmista päätöksentekoa. Ihan kuten ohjelmissa voi valita taustakuvia ja teemoja, voisimme tehdä valintoja eettisistä kysymyksistä. Tämä voisi olla erityisen kiinnostava mahdollisuus silloin kun oikeasti luovutat osaltaan omaa moraalisen päätöksenteon rooliasi tietokoneavusteiselle järjestelmälle, kuten jos päästät automaattisen ohjelman ajamaan puolestasi autolla.

Toisaalta algoritmista p√§√§t√∂ksentekoa tehd√§√§n monissa yhteiskunnallisissa asioissa, ja silloin sit√§ ei tietenk√§√§n voi personoida jokaiselle meille erilaiseksi. Mutta meill√§ on jo olemassa oleva rakenne t√§h√§nkin: demokratia. Poliittisen p√§√§t√∂ksenteon mielenkiintoisuus on kyky tasapainottaa erilaisia intressej√§ ja mielipiteit√§ ja luoda yksi yhteinen ja jaettu k√§sitys ‚Äď ainakin seuraaviin vaaleihin asti.

L√§hikurssi verkkoon ‚Äď case organisaatioiden viestint√§

https://www.flickr.com/photos/hinkelstone/2435823037/
(cc) Karl-Ludwig Poggemann @Flickr

Viime kev√§√§n√§ opetus siirrettiin pikavauhtia verkkoon. Nyt syksyll√§ homman on ollut hieman enemm√§n aikaa ja monet opettajat ovat p√§hk√§illeet teht√§vien, verkkoluentojen ja vuorovaikutuksen kanssa. Kerron t√§ss√§ pit√§m√§ni organisaatioiden viestint√§ ‚Äďkurssin toteutuksesta ja onnistumisesta. Toivon mukaan t√§st√§ joku saisi ev√§it√§ oman verkkokurssinsa toteutukseen.

Organisaatioiden viestint√§ ‚Äďkurssi on Politiikan ja viestinn√§n kandiohjelmassa organisaatioviestinn√§n ‚ÄĚperuskurssi‚ÄĚ. Kurssi on viestinn√§n opiskelijoille pakollinen ja muutenkin suosittu, kurssille ilmoittautui 114 opiskelijaa.  

Ajatukseni oli, ettei lähikurssia ja lähiopetuksen toimintamalleja tarvitse siirtää sellaisenaan verkkoon. Esimerkiksi 1,5 tunnin verkkoluento on jo melko pitkä. Kyökkipsykologiani sanoo, että zoomin tai vastaavan äärellä kognitiivinen kuormitus on helposti suurempaa, jolloin tarkkaavaisuus laskee nopeammin kuin lähiopetuksessa.

Minulla oli mahdollisuus tallentaa luentoja studio-olosuhteissa. Pyysin huippuasiantuntijoilta noin 45 minuutin luentoja, jotka tallennettiin Unigrafian studiossa. Osa luennoista oli hieman pidempiä, osa lyhyempiä. Omat zoom-luentoni olivat lähellä normaalia 1,5 tunnin pituutta.

Kurssin vuorovaikutuksellista osuutta mietin pitkään. Tapana on ollut laittaa opiskelijat pienryhmiin, zoomin breakoutroomeihin. Olen kuullut breakoutroom-kyllästymisestä ja myös ilmiöstä, kun ryhmiä muodostetaan, ihmisiä häipyy zoom-ympäristöstä. Pidän breakoutroomia kätevänä työkaluna, mutta em. syistä johtuen päätin laittaa tälle kurssille perinteiset tekstipohjaiset verkkokeskustelut.

Keskustelu kesti 2 viikkoa, laitoin valmiita keskustelunaloituksia ja jokaisen piti kirjoittaa v√§hint√§√§n kaksi kommenttia. Keskustelua kertyi luonnollisesti paljon. M√§√§r√§√§ t√§rke√§mpi on laatu ja ilahduttavaa oli, ett√§ keskustelu oli t√§ytt√§ asiaa. Opiskelijoille kokemus n√§ytti olevan harvinaisempi, palautteessa todettiin, ett√§ ‚ÄĚverkkokeskustelu oli itselleni uusi tapa, mutta hyv√§ tapa osallistaa opiskelijat!‚ÄĚ Itse opettajana olisin voinut olla keskustelussa aktiivisempi, toisaalta ajattelin, ett√§ t√§m√§ on nimenomaan opiskelijoiden keskin√§ist√§ vuorovaikutusta.  

Kurssin suoritus koostui siis seuraavasta asioista:

  • luentojen seuraaminen ja oppimisp√§iv√§kirjan tekeminen (1 liuska/luento, yht. 10 liuskaa)
  • osallistuminen verkkokeskusteluun (v√§hint√§√§n 2 kommenttia)
  • oppimisteht√§v√§ (kurssikirjan pohjalta noin 4 liuskan essee)

Kurssilla oli kerran viikossa zoom-luento, jotka pidin yhtä lukuun ottamatta itse. Nämä zoom-luennot myös tallennettiin, joten opiskelija saattoi nekin katsoa oman aikataulunsa mukaan. Zoomissa pidettiin seuraavat luennot:

  • Johdatus: mik√§ on organisaatio ja mit√§ on organisaatioviestint√§?
  • Organisaatiotutkimuksen koulukunnat I
  • Organisaatiotutkimuksen koulukunnat II
  • Vuorineuvoksia ja milleniaalip√§√§tt√§ji√§ ‚Äď millaista viestint√§√§ uusi yhteiskunta vaatii? (Ville Bl√•field, Miltton)
  • Organisaatioviestinn√§n haasteet: yhteiskuntavastuu, kriisit, globalisaatio ja dialogi

Lisäksi oli siis viisi tallennettua luentoa:

  • Miksi viestint√§ organisaatiossa on oikeasti t√§rke√§√§? Konstitutiivinen n√§k√∂kulma (Salla-Maaria Laaksonen, HY)
  • Maine, br√§ndi ja PR (Pekka Aula, Suomalainen tiedeakatemia)
  • Johtaminen ja valta (Outi Ihanainen-Rokio, HY)
  • Postmodernit organisaatiot ja viestint√§ (Outi Ihanainen-Rokio, HY)
  • Sosiaalisen median vaikuttajat, vaikuttajamarkkinointi ja vaikuttajaviestint√§ (Hanna Reinikainen, Jyv√§skyl√§n yliopisto)

Miten kurssi meni?

Kokonaisuutena kurssi onnistui hyvin, opiskelijoiden antaman kouluarvosanan keskiarvo oli 8,8. Kiitosta sai rakenne, jossa puolet luennoista oli vakioaikaan ja puolet tallenteina katsottavaksi oman aikataulun mukaan. Myös kurssin sisällöt ja vierailijoiden luennot saivat paljon kiitosta.

Suoritustapojen monipuolisuus ja mielekkyys saivat kiitosta. Suoritus- ja toteutustapojen suhteen oli luonnollisesti vaihtelua, yhden mielestä verkkokeskustelut olivat hyvää vaihtelua breakoutroomeille ja toinen taas kaipasi breakoutroomeja. Siitä olen opettajana samaa mieltä, että vuorovaikutusta olisi voinut olla enemmän, mutta etäopetus, siis kaikilla muillakin kursseilla, ja suuri opiskelijamäärä tuovat omat rajoitteensa.

Työmäärää pidettiin sopivana suhteessa opintopistemäärään (5 op). Muutamat pitivät oppimispäiväkirjaa pitkänä, mutta ei kuitenkaan liian vaativana. Pieniä asioita olisi myös voinut hoitaa paremmin: kaikki tallennetut luennot eivät ole saatavilla heti kurssin alussa ja niitä ei saatu heti helposti katsottavaan muotoon.

Opiskelijapalautteet eivät tietysti kerro kaikkea. Voihan olla, että viihdyttävä kurssi saa hyvät arviot, mutta oppiminen jää vähäiseksi. Oppimisen arviointi on vielä kesken, sillä jatkoin tehtävien palautusaikaa, kun opiskelijoilta on tullut viestiä ylikuormittumisesta. Katsoisin kuitenkin, etteivät opiskelijat mitenkään liian helpolla tällä kurssilla päässeet ja usein tehty työmäärä korreloi oppimisen kanssa. Opiskelijapalautteiden mukaan verkkokeskustelut ja oppimispäiväkirja edistivät oppimista.

Kurssi siis onnistui hyvin, mikä sitä selittää? Ainakin seuraavat asiat:

  • En yritt√§nyt siirt√§√§ l√§hikurssia sellaisenaan verkkoon. Vaikka irtiotot l√§hiopetuksesta eiv√§t olleet suuria, niin riitt√§vi√§ mielekk√§√§n et√§opiskelun toteutumiseen.
  • Kurssilla oli sopivasti aikataulua ja vapautta. Liian tiukka tai l√∂ys√§ aikataulu voi aiheuttaa hankaluuksia.
  • K√§yt√∂ss√§ni oli Helsingin yliopiston digiloikka-rahaa, jolla pystyin teett√§m√§√§n luentojen tallennuksen. Luulin t√§t√§ helpoksi keinoksi, mutta olikin hyvin aikaa viev√§√§ organisoida, kommentoida editointia, tehd√§ sopimukset jne. Aikaa siis k√§ytin kurssin paljon.
  • Kurssin opetusavustaja Lotta Ruotsalainen hoiti homman hyvin ja oma-aloitteisesti. H√§n huolehti zoom-luentojen tallennuksen. Ja t√§st√§ tietysti kiitos Valtsikalle, joka on palkannut opetusavustajia.
  • Kurssin aihe on tavallaan ‚ÄĚhelppo‚ÄĚ, siis siin√§ mieless√§, ett√§ kurssin teemat yleens√§ kiinnostavat opiskelijoita.
  • Hyv√§t vieraat: hyvi√§ puhujia hyvist√§ aiheista!   

Loppuun valikoin pari parasta palautetta, kukapa sitä hännän nostaisi, jos ei kissa itse!

‚ÄĚKokonaisuudessaan kurssi oli oikein hyv√§ ja mallikkaasti organisoitu!‚ÄĚ

‚ÄĚKokonaisuudessaan hyv√§ ja toimiva kurssi. Paras jolla olen t√§n√§ syksyn√§ ollut. Kiitos!‚ÄĚ

‚ÄĚPidin kokonaisuudessaan kurssista eritt√§in paljon!‚ÄĚ

‚ÄĚJ√§rjestelyt olivat todella hyv√§t korona-aikaan suhteutettuna!‚ÄĚ

Tämä blogikirjoitus on rinnakkaisjulkaistu myös kirjoittajan omassa blogissa.

Rajapinta ry:n vuosikokous ja pikkujoulut 17.12.2020 – Annual General Meeting 17.12.2020

Hyvä Rajapinta ry:n jäsen, olet lämpimästi tervetullut yhdistyksen vuosikokoukseen 17.12.2020 kello 15:00 Zoomissa. Linkki on toimitettu kaikille jäsenille suoraan sähköpostitse Рtarvittaessa voit tiedustella sitä hello at rajapinta.co.

Yhdistyksen kokouksessa käsitellään sääntömääräiset asiat, mm. toimintasuunnitelma 2021 sekä uusien jäsenten valitseminen hallitukseen. Hallituksen valinnan lisäksi kokouksessa perustetaan yhteisen keskustelun pohjalta toimikuntia tukemaan hallituksen työtä.

Materiaalit ovat nähtävillä kokouksessa sekä alla olevien linkkien kautta.

Kokouksen esityslista:
1. Kokouksen avaus
2. Valitaan kokouksen puheenjohtaja, sihteeri, kaksi pöytäkirjantarkastajaa sekä varapöytäkirjantarkastaja ja kaksi ääntenlaskijaa
3. Todetaan kokouksen laillisuus ja päätösvaltaisuus
4. Hyväksytään kokouksen työjärjestys
5. Esitetään tilinpäätös, vuosikertomus ja toiminnantarkastajien lausunto vuodelta 2019
6. Päätetään tilinpäätöksen vahvistamisesta ja vastuuvapauden myöntämisestä hallitukselle 2019 sekä muille vastuuvelvollisille
7. Vahvistetaan toimintasuunnitelma sekä tulo- ja menoarvio vuodelle 2021
8. Vahvistetaan varsinaisten jäsenten liittymis- ja jäsenmaksun suuruus sekä kannattajajäsenten liittymis- ja kannattajajäsenmaksun suuruus
9. Valitaan hallitus 5 §:n mukaan
10. Valitaan yksi toiminnantarkastaja ja varatoiminnantarkastaja vuodelle 2021
11. META

Mikäli olet kiinnostunut yhdistyksen hallituksen tai toimikuntien jäsenyyden hakemisesta, mutta et pääse paikalle kokoukseen, otathan yhteyttä ennen kokousta (chair at rajapinta.co). Vastaamme myös mielellämme kysymyksiin aiheesta!

Kokouksen jälkeen Pikkujoulut Rajapinnan GatherTownissa.



Dear Rajapinta member, we invite you to your annual general meeting on Dec 17, 2020 at 3pm sharp on Zoom. The link has been sent to all members directly via email.

In the meeting, we will discuss topics as stated in the association’s charter, e.g. as the annual plan for 2021 as well as election of new members to the executive committee. The materials (in Finnish) will be available later next week here on the association’s website.

If you consider applying for a position in the executive committee but cannot attend the meeting, please contact us at (chair at rajapinta.co). We are also happy to answer any questions regarding committee work.

After the meeting it’s Pikkujoulu time in Rajapinta GatherTown! Join the FB event for more details to come:

Rajapinnan opinn√§ytety√∂palkinnot 2020 my√∂nnettiin kuluttajaekonomian ja viestinn√§n tutkimuksen t√∂ille

Photo: organprinter Flickr

Rajapinnan opinn√§ytety√∂palkinnot 2020 my√∂nnettiin kuluttajaekonomian ja viestinn√§n tutkimuksen t√∂ille, joissa k√§sitell√§√§n ilmastonmuutoskeskusteluja ja teko√§lypuhetta. Digitaalisten yhteiskuntatieteiden yhdistys Rajapinta ry on my√∂nt√§nyt kaksi opinn√§ytety√∂palkintoa akateemisen vuoden 2019‚Äď2020 aikana valmistuneille t√∂ille. Rajapinta jakaa palkinnon vuosittain ja se jaettiin nyt nelj√§tt√§ kertaa. T√§n√§ vuonna palkintoa haki kaikkiaan yksitoista ty√∂t√§.

Palkinnon saivat:

  1. Ilona Kousa (Helsingin yliopisto, kuluttajaekonomia): ‚ÄúTolkun kuluttajat‚ÄĚ ja ‚ÄĚilmastovouhottajat‚ÄĚ ‚Äď kuluttajien stereotyypit ja identiteettipoliittiset symbolit ilmastonmuutosta koskevassa verkkokeskustelussa (600 euroa) https://helda.helsinki.fi/handle/10138/315834 
  2. Mimmi Piikkil√§ (Helsingin yliopisto, viestint√§): Teko√§ly√§ koskeva julkinen keskustelu Suomessa vuosina 1994‚Äď2019 (400 euroa) https://helda.helsinki.fi/handle/10138/314365 

Molemmat työt edustavat Rajapinta ry:n ytimessä olevaa digitaalista otetta yhteiskuntatieteellisten kysymysten ratkaisemisessa. Ne ovat laadukkaita, tieteidenvälisiä töitä, jotka ottavat uusia rohkeita hyppyjä teoreettisten tai metodologisten raja-aitojen yli. Arviointiraati arvosti erityisesti töiden menetelmällisiä valintoja sekä niiden yhdistämistä digitaalisen kulttuurin ja yhteiskunnan tutkimukseen. Molemmissa töissä yhdistyvät Rajapinta-yhdistyksen molemmat tavoitteet: informaatioteknologian yhteiskuntatieteellinen tutkimus sekä informaatioteknologian hyödyntäminen menetelmällisesti yhteiskuntatieteessä.

Kousan tutkielma tarkastelee kuluttamisen ja identiteettipolitiikan yhtym√§kohtia sosiaalisen median ilmastonmuutoskeskustelussa. Kousa kysyy, miten poliittinen kuluttajuus n√§kyy n√§iss√§ keskusteluissa ja miten Suomi24-palstan ilmastoskeptisen keskustelun kontekstissa m√§√§ritell√§√§n omaa ja toisten poliittista kuluttajaidentiteetti√§. Tutkimusmenetelm√§ss√§ yhdistyv√§t automatisoitu et√§luenta sek√§ laadullinen l√§hiluenta, Kousan itsens√§ korostama automaattisen ontologian opettaminen, sek√§ tulkinnallinen analyysi. Kousa osoittaa, ett√§ Suomi24-palstan ilmastonmuutoskeskustelua hallitsevat ilmastoskeptikot, joiden kommenteissa toistuu kaksi kuluttajan stereotyyppi√§: ilmastoskeptikoiden omaa viiteryhm√§√§ edustava ‚ÄĚtolkun kuluttaja‚ÄĚ ja vastapuolen viiteryhm√§√§ edustava ‚ÄĚilmastovouhottaja‚ÄĚ. Tutkimuksessa yhdistyv√§t hyvin perusteltu tutkimusaihe, kehitt√§v√§ menetelm√§llinen ote sek√§ monipuolinen keskustelu tuloksista suhteessa aiempaan tutkimukseen. Kousa pohtii kehittelem√§ns√§ l√§hestymistavan mahdollisuuksia ja rajoja suhteessa muihin menetelmiin ja osoittaa kyky√§ arvioida my√∂s kaupallisten v√§lineiden k√§ytt√∂√§ tutkimuksen osana. Huomionarvoista on, ett√§ tutkimuksen et√§luentaan perustuva osa on toteutettu valmiilla ty√∂kaluilla eik√§ siten ole vaatinut koodaustaitoja. Aineistona Suomi24 tarjoaa hedelm√§llisen n√§k√∂kulman sosiaalisen median empiiriselle tutkimukselle ja tuo esiin yhteiskunnallisesti merkitt√§vi√§ ilmi√∂it√§, jotka voisivat muuten j√§√§d√§ katveeseen. 

Piikkilän tutkielmassa tarkastellaan suomalaisessa mediassa käytyä tekoälyyn liittyvää julkista keskustelua 1990-luvulta 2020-luvulle. Työssä yhdistetään kahta menetelmää: laskennallista aihemallinnusta ja laadullista kehysanalyysiä, joiden yhdistelmää Piikkilä kutsuu kehysmallinnukseksi. Työssä avataan toimivasti laskennallisen menetelmän käyttöä ja siihen liittyviä ratkaisuja vaihe vaiheelta. Laadullisella tarkastelulla puolestaan todennetaan laskennallisen tutkimuksen oikeaan osuvuutta ja syvennetään tulkintaa. Piikkilä avaa selkeästi laskennallisten menetelmien käyttöä ja haasteita ja suhtautuu tuloksiinsa kriittisesti yhteiskuntatieteen näkökulmasta. Työn tärkein ansio on itse tutkimuksen aiheessa ja tuloksissa, joissa avataan yhteen digitalisaation keskeiseen elementtiin eli tekoälyyn liitettyjä odotuksia julkisessa keskustelussa. Tulokset korostavat hypesyklejä, tekoälymyyttiä ja talousnäkökulmia sekä peräänkuuluttavat tekoälykeskusteluun lisää moniäänisyyttä.

– –
Rajapinta palkitsee vuosittain erinomaisia pro gradu tai diplomitöitä, joiden aihepiiri kytkeytyy yhdistyksen tavoitteisiin: yhteiskuntatieteellisesti pohjautuneita töitä teknologiasta tai  teknologiaa hyödyntäviä yhteiskuntatieteellisiä tutkimuksia. Yhdistyksen toimintaa ja siten myös tätä palkintoa rahoittaa Koneen Säätiö.

Arviointiraatiin kuuluivat: Veikko Eranti (HY), Jukka Huhtam√§ki (Tuni), Merja Koskela (VY), Tuukka Lehtiniemi (HY), Janne Matikainen (HY), Matti Nelimarkka (HY/Aalto), Minna Saarikivi (Tukholman yliopisto), Marko Siitonen (JYU), ja Mikko Villi (JYU). Kunkin ty√∂n arvioi kaksi raatilaista, jotka valittiin niin, ett√§ mahdolliset eturistiriidat, ohjaussuhteet ja kollegasuhteet v√§ltettiin. P√§√§t√∂skokouksessa k√§rkiehdokkaiden ohjaajat ja arvioijat j√§√§v√§siv√§t itsens√§. T√∂iden arviointi perustui niiden akateemiseen laatuun sek√§ siihen, miten hyvin ne toteuttivat Rajapinta ry:n toiminnan painopisteit√§, jotka oli mainittu my√∂s palkintokutsussa. 

CFP: Teemanumero Informaatiotutkimus-lehteen: Yhteiskuntatieteiden ja informaatioteknologian rajapinnoilla (3/2021)

https://www.flickr.com/photos/nickharris1/8026290210
Photo: (cc) Nick Harris

T√§m√§ on artikkelikutsu teemanumeroon “Yhteiskuntatieteiden ja informaatioteknologian rajapinnoilla”. Yhteisty√∂ss√§ Rajapinta-yhdistyksen kanssa toimitettava Informaatiotutkimus-lehden erikoisnumero kartoittaa ja pohtii digitaalisen ihmis- ja yhteiskuntatieteen nykytilaa ja tulevaisuutta erityisesti muuttuvien aineistojen luomien haasteiden ja mahdollisuuksien n√§k√∂kulmasta.

Informaatioteknologian kehitys ja yhteiskunnan digitalisoituminen ovat kannustaneet tutkijoita eri tieteenaloilta tarkastelemaan erilaisten sosioteknisten j√§rjestelmien ja digitalisoituvien k√§yt√§nt√∂jen merkityst√§ yhteiskunnassa. Esimerkiksi informaatiotutkimuksen, sosiologian, politiikan tutkimuksen ja taloustieteiden aloilla on her√§nnyt kiinnostusta teknologian tuottamista vaikutuksista ja sen avaamista mahdollisuuksista liittyen oman tieteenalan keskeisiin ilmi√∂ihin: teknologiav√§litteisyys muun muassa m√§√§ritt√§√§ sosiaalista ja kaupallista kanssak√§ymist√§, poliittista keskustelua ja kansalaisuuden rakentumista, sek√§ muokkaa yhteiskunnan instituutioita kouluista mediaan. Samalla digitalisoituvan yhteiskunnan kehityskaari muokkaa yh√§ vahvemmin ihmis- ja yhteiskuntatieteiden tutkimuskohteita, aineistoja ja menetelmi√§. 

Sosiaalisen toiminnan j√§tt√§m√§t digitaaliset j√§ljet mahdollistavat uudenlaisten kysymysten esitt√§misen. Ensinn√§kin ne kannustavat tutkimaan teknologian roolia erilaisissa yhteiskunnallisissa prosesseissa. Toisekseen, ne tuottavat tutkijoille yhteiskunnallisen toiminnan aidossa kontekstissa syntyneit√§, laajoja aineistoja ihmisten, yhteis√∂jen ja yhteiskunnan toiminnasta. Samalla ne kuitenkin aiheuttavat uusia haasteita tutkimukselle: miten menetelm√§llisesti l√§hesty√§ n√§it√§ aineistoja niin, ett√§ yhteiskuntatieteellinen ote s√§ilyy? Miten tuottaa ymm√§rryst√§ teknologiav√§litteisist√§, digitaalisista yhteiskunnan ilmi√∂ist√§ ilman, ett√§ p√§√§tyy tutkimaan pelk√§st√§√§n teknologiaa tai pelk√§st√§√§n yhteiskuntaa? 

T√§llainen monitieteiseen tutkimukseen ja teknologian ja yhteiskunnan rajapinnalla toimimiseen liittyv√§ ongelmatiikka sek√§ tutkimuksen uudenlaiset k√§yt√§nn√∂nl√§heiset ja episteemiset kysymykset ovat t√§m√§n erikoisnumeron ydinsis√§lt√∂√§. Yhteisty√∂ss√§ Rajapinta-yhdistyksen kanssa toimitettava Informaatiotutkimus-lehden erikoisnumero kartoittaa ja pohtii digitaalisen ihmis- ja yhteiskuntatieteen nykytilaa ja tulevaisuutta erityisesti muuttuvien aineistojen luomien haasteiden ja mahdollisuuksien n√§k√∂kulmasta. 

Rajapinnoilla uraauurtavaa ty√∂t√§ tehneet tutkijat ovat esimerkiksi kehitt√§neet uudenlaisia, digitaalisen yhteiskunnan tutkimukseen sovellettuja menetelmi√§. N√§it√§ ovat esimerkiksi digitaaliset tai diginatiivit menetelm√§t (Rogers 2013; Marres & Gerlitz 2016; Gerlitz & Rieder 2018), laskennallisen yhteiskuntatieteen yleistyminen (Lazer ym. 2009; Bail 2014; Nelimarkka & Laaksonen 2018), tai verkkoetnografian erilaiset muodot (esim. Hine 2000; Isom√§ki ym. 2013; Knox & Nafus 2018). Tutkijoita kannustetaankin yhdist√§m√§√§n rohkeasti erilaisia menetelmi√§ (Laaksonen ym. 2017; Geiger & Ribes 2011) ja kehitt√§m√§√§n monitieteist√§ vuoropuhelua (Halford & Savage 2017; Moats & Seaver 2019). 

Yhteiskuntatieteen digitalisoituminen on herättänyt myös kriittistä keskustelua. Tutkijat ovat pyrkineet arvioimaan isojen digitaalisten aineistojen aikaansaamia muutoksia yhteiskuntatieteelliseen tutkimukseen (Kitchin 2014; boyd & Crawford 2012; Elish & boyd 2018; Frade 2016; Marres & Weltevrede 2013; Ruppert ym. 2013). Yksi merkittävä keskustelunaihe on digitaalisten aineistojen edustavuus ja suhde tutkittavaan ilmiöön: Millä tavoin teknologiset alustat muokkaavat dataa, jota ne ihmistoiminnasta keräävät ja tuottavat? Mitä datasta jää puuttumaan (esim. Hargittai 2020; Tromble 2019; Halford ym. 2018)? Myös digitaalisten aineistojen käytön etiikasta käydään vilkasta keskustelua (esim. Kosonen ym. 2018, Lazer ym. 2020; Zimmer & Kinder-Kurlanda 2017). Kehittyvä tutkimuskenttä kaipaakin paitsi menetelmäkehitystä, myös sen reflektointia, sekä pyrkimyksiä hyödyntää perinteisiä yhteiskuntatieteen menetelmien uuden kontekstin äärellä.

Ehdotettavat tekstit voivat olla teoreettisia tai empiirisiä artikkeleita, katsauksia, kirjallisuusesittelyitä ja -arviointeja, tai ne voivat pohjautua hyväksyttyihin opinnäytteisiin. Soveltuvia tieteenaloja ovat muun muassa yhteiskuntatieteet, humanistiset tieteet, ja kasvatustieteet sekä näiden alojen kysymyksiä tarkastelevat muiden tieteenalojen tutkimukset.

Ehdotukset voivat käsitellä esimerkiksi seuraavanlaisia aiheita:

  • Tieteiden ja konventioiden rajapinnoilla: monitieteinen ty√∂skentely yhteiskuntatieteellisten kysymysten √§√§rell√§
  • Reflektioita k√§ytettyjen ty√∂kalujen vaikutuksesta tutkimuksen suunnitteluun, rahoituksen hakuun ja k√§yt√§nn√∂n toteutukseen, tutkimuksen tuloksiin ja p√§√§telmiin sek√§ eri tieteenalojen kehityskulkuihin
  • Digitaalisiin aineistoihin ja laskennallisiin menetelmiin liittyv√§t k√§sitykset, toiveet ja ep√§luulot
  • Laskennallisten menetelmien ja digitaalisten aineistojen soveltaminen yhteiskuntatieteiss√§: tapaustutkimukset ja kirjallisuuskatsaukset eri tutkimusaloilta
  • Uudenlaiset menetelm√§t yhteiskuntatieteiss√§: esim. koneoppimiseen perustuva aihemallinnus, verkostoanalyysi, lingvistiikan menetelm√§t 
  • Uudenlaiset menetelmien ja tutkimusotteiden yhdistelm√§t: esim. makro- ja mikro-n√§k√∂kulmat, subjektiivinen vs. objektiivinen tarkastelu, laadullisten ja m√§√§r√§llisten menetelmien yhdist√§minen.

Tietoa Informaatiotutkimus-lehdestä: https://journal.fi/inf/about

Erikoisnumeron vierailevat toimittajat: Salla-Maaria Laaksonen, Thomas Olsson ja Jesse Haapoja. 

Abstraktit (noin 200-400 sanaa) pyydetään toimitettavaksi 12.1.2021 mennessä. Abstraktin ja myös lopullisen artikkelin kieli saa lehden ohjeiden mukaisesti olla suomi, ruotsi tai englanti. Toimittajat ilmoittavat hyväksymisestä viimeistään 31.1.2021 ja käsikirjoitusten eräpäivä on 30.4.2021. Hyväksyttyjen käsikirjoitusten työstämiseksi järjestetään maaliskuussa online-workshop. Abstraktit sekä kysymykset ja yhteydenotot teemanumeroon liittyen pyydetään lähettämään osoitteeseen teemanumero@rajapinta.co.

Viitteet:

Bail, C. A. (2014). The cultural environment: Measuring culture with big data. Theory and Society, 43(3), 465‚Äď524. https://doi.org/10.1007/s11186-014-9216-5
boyd, d & Crawford, K. (2012). Critical Questions for Big Data. Information, Communication & Society 15(5), 662‚Äď679.
Elish, M. C., & Boyd, D. (2018). Situating methods in the magic of Big Data and AI. Communication Monographs, 85(1), 57‚Äď80. https://doi.org/10.1080/03637751.2017.1375130
Frade, C. (2016). Social Theory and the Politics of Big Data and Method. Sociology, 50(5), 863‚Äď877. https://doi.org/10.1177/0038038515614186
Geiger, R. S., & Ribes, D. (2011). Trace ethnography: Following coordination through documentary practices. Proceedings of the Annual Hawaii International Conference on System Sciences. https://doi.org/10.1109/HICSS.2011.455
Gerlitz, C., & Rieder, B. (2018). Tweets Are Not Created Equal: Investigating Twitter‚Äôs Client Ecosystem. International Journal of Communication, 12, 528‚Äď547. Retrieved from http://ijoc.org/index.php/ijoc/article/viewFile/5974/2252
Halford, S., & Savage, M. (2017). Speaking Sociologically with Big Data: Symphonic Social Science and the Future for Big Data Research. Sociology, 003803851769863. https://doi.org/10.1177/0038038517698639
Halford, S., Weal, M., Tinati, R., Carr, L., & Pope, C. (2018). Understanding the production and circulation of social media data: Towards methodological principles and praxis. New Media and Society, 20(9), 3341‚Äď3358. https://doi.org/10.1177/1461444817748953
Hargittai, E. (2020). Potential Biases in Big Data: Omitted Voices on Social Media. Social Science Computer Review, 38(1), 10‚Äď24. https://doi.org/10.1177/0894439318788322
Hine, C. (2000). Virtual ethnography. London: Sage. https://doi.org/10.4135/9780857020277
Isomäki, H., Lappi, T.-R., & Silvennoinen, J. (2013). Verkon etnografinen tutkimus. In S.-M. Laaksonen, J. Matikainen, & M. Tikka (Eds.), Otteita verkosta. Verkon ja sosiaalisen median tutkimusmenetelmät. Tampere: Vastapaino.
Kitchin, R. (2014). Big Data, new epistemologies and paradigm shifts. Big Data & Society, 1(1), 2053951714528481. https://doi.org/10.1177/2053951714528481
Knox, H., & Nafus, D. (2018). Ethnography for a data-saturated world. Manchester, UK: Manchester University Press. https://doi.org/10.7765/9781526127600
Kosonen, M., Rydenfelt, H., Laaksonen, S.-M., & Terkamo-moisio, A. (2018). Sosiaalinen media ja tutkijan etiikka. Media & Viestintä, 41(1). https://journal.fi/mediaviestinta/article/view/69924
Laaksonen, S. M., Nelimarkka, M., Tuokko, M., Marttila, M., Kekkonen, A., & Villi, M. (2017). Working the fields of big data: Using big-data-augmented online ethnography to study candidate‚Äďcandidate interaction at election time. Journal of Information Technology and Politics, 14(2), 110‚Äď131. https://doi.org/10.1080/19331681.2016.1266981
Lazer, D., Pentland A., Adamic L, ym. (2009). Life in the network: the coming age of computational social science. Science 323:5915, 721‚Äď723.
Lazer, D. M. J., Pentland, A., Watts, D. J., Aral, S., Athey, S., Contractor, N., ‚Ķ Wagner, C. (2020). Computational social science: Obstacles and opportunities. Science, 369(6507), 1060‚Äď1062. https://doi.org/10.1126/science.aaz8170
Marres, N., & Weltevrede, E. (2013). SCRAPING THE SOCIAL? Issues in live social research. Journal of Cultural Economy, 6(3), 313‚Äď335. https://doi.org/10.1080/17530350.2013.772070
Moats, D., & Seaver, N. (2019). ‚ÄúYou Social Scientists Love Mind Games‚ÄĚ: Experimenting in the ‚Äúdivide‚ÄĚ between data science and critical algorithm studies. Big Data & Society, 6(1), 205395171983340. https://doi.org/10.1177/2053951719833404
Ruppert, E., Law, J., & Savage, M. (2013). Reassembling Social Science Methods: The Challenge of Digital Devices. Theory, Culture & Society, 30(4), 22‚Äď46. https://doi.org/10.1177/0263276413484941
Tromble, R. (2019). In Search of Meaning: Why We Still Don‚Äôt Know What Digital Data Represent. Journal of Digital Social Research, 1(1), 17‚Äď24. https://doi.org/10.33621/jdsr.v1i1.8
Zimmer, M. & Kinder-Kurlanda, K. (2017). Internet research ethics for the social age‚ÄĮ: new cases and challenges. Sage Publications.

Digitalisaatio arkkitehtuurisena innovaationa ‚Äď miten se vaikuttaa tutkimuksemme?

Nykyisin kukaan ei varmastikaan kyseenalaista digitalisaation merkitystä yhteiskunnassamme tai elämässämme. Rakkaalla lapsella on toki monta nimeä, tekoäly, algoritmi, tai ihan vain tietojärjestelmä. Yhteiskunnallinen muorros on haaste myös organisaatioille. Kuinka digitalisaatiota tulisi johdetaan ja onko vetovastuu tietotekniikkahallinnon, henkilöstöpuolen, liiketoiminnan vai markkinoinnin alueella? Asia on niin vaikea, että monessa organisaatiossa on päädytty luomaan uusi hieno tehtävä Chief Digital Officer. Tässä tehtävässä keskeisimpiä rooleja on yrittää napata kiinni tästä puuhasta.

Organisaatiot eivät ole ainoita, jotka kärsivät tästä ristiriitaisesta tilanteesta. Myös tieteen puolella on ollut jo pidempään kiivas keskustelu käynnissä aiheesta. Tutkimuksen ja opetuksen näkökulmasta tilanne on haastava: pitäisikö opetus keskittää johonkin laitokselle vai sirotella hajautetusti eri laitoksille? Mikä on tietojenkäsittelytieteen, yhteiskuntatieteen tai esimerkiksi kasvatustieteiden oppiaineiden rooli digitaalisuuden tutkimuskentällä? Ihan kuten organisaatioiden eri funktioiden, tieteenalojen väliin osuva touhu on usein hankalaa.

Miksi tämä on näin hankalaa?

Digitalisaation kotipesän löytäminen on hankalaa. Ilmiönä digitalisaatio muuttaa selvästi vaikuttaa moneen, mutta pohjimmiltaan ne ovat kuitenkin samanlaista. Esimerkiksi Kelan digitaalisen järjestelmä opintotuen hallintaan (joka oli olemassa jo silloin kun minä opiskelin!) on siihen klassiseen paperiseen opintotukilomakkeeseen verrattuna täysin uudenlainen tapa tuottaa palvelua. Samaan aikaan palvelun syvin olemus ei ole muuttunut: tuki myönnetään ehdot täyttävälle korkeakouluopiskelijalle ja sitten valvotaan opintopiste- sekä tulokertymien avulla sitä, kuka on oikeutettu niihin tukiin. Moni digitalisaation tuoma muutos on samanlaisia: keskeiset käsitteet eivät muutu, vaan se miten niiden kanssa toimitaan muuttuu.

Miten tätä digitalisaation tuomaa innovaatiota sitten voisi käsitteellistää? Henderson & Clark (1990) käsitteellistävät innovaatioista nelikenttää. On radikaaleja innovaatioita kun kaikki muuttuu ja inkrementaalisia innovaatioita kun asiat kehittyvät, mutta ne eivät käsitteellistesti muutu vaan vaihvistuvat. Lisäksi he huomioivat kaksi muuta innovaatiotyyppiä: modulaarisen innovaation, jossa käsitteistö kehittyy, mutta käsitteiden yhteys välineeseen pysyy samanlaisena. Esimerkkinä he käyttävät siirtymää analogisesta lankapuhelimesta digitaaliseen lankapuhelimeen: sykäyksien sijaan alettiin siirtämään nollia ja ykkösiä. Viimeinen ja mielestäni mielenkiintoisin innovaation esiintymisasu on arkkitehtuurillinen innovaatio, missä keskeiset käsitteet ja niiden takana olevat teoriat eivät muutu, mutta niistä muodostetaan jotain uutta ja mullistavaa. Esimerkiksi ensimmäinen iPhone oli esimerkki arkkitehtuurillisesta innovaatiosta: siinä ei varsinaisesti ollut insinöörityön osalta mitään radikaalisti uutta ja jopa sen käyttöliittymäideologia oli tutkijoiden tiedossa. Mutta järjestelmänä iPhone yhdisti selaimen, puhelimen, tekstiviestit, Internetin sekä kosketusnäytön uudeksi kokonaisuudeksi.

Hendersonin ja Clarkin (1990) artikkeliin on viitattu noin 10,000 kertaa. Selväsi tutkijoihin on vedonnut ajatus innovaatiosta ei vain teknologian ja käsitteiden murroksessa, vaan niiden kyvykkyytenä koota ja yhdistää asioita toisella tavalla. No miten tämä kaikki sitten liittyy siihen, miksi uskon niin tutkimusmaailman kun organisaatioiden tuskailevan digitalisaation kanssa? Digitalisaatio on malliesimerkki laajasta arkkitehtuurillisesta innovaatiosta: väitän, että harvoin muutoksessa on kysymys siitä, että kaikki laitetaan uusiksi ja useammin siitä, että pitäisi miettiä uudelleen, miten asiat liittyvät toisiinsa uuden lähestymistavan kautta Рmutta ne keskeiset austalla olevat tajatukset eivät välttämättä muutu. Tällainen jää usein huomaamatta organisaatioissa, jotka sitten tulevat yllätetyksi maailman muuttuessa ympärillä. Henderson & Clark (1990) argumentoivat, että eräs syy on organisaatioiden kyvyttömyys havaita ja käydä keskustelua tästä murroksesta, koska toimintaa ohjaavat käsitteet pysyvät muuttumattomina. Tämä legacy-käsitteistö sokeuttaa organisaatioita ja ei pakota välttämättömään muutokseen. Kuten kirjoittajat toteavat (pohdittuaan mikropiirien muutosta):

But it may also be that learning about new architectures requires a different kind of organization and people with different skills. An organization that is structured to learn quickly and effectively about new component technology may be ineffective in learning about changes in product architecture.

Yliopistolla olemme vieläkin jumissa perinteisissä organisaatiorakenteessa. Tietysti iso henkinen ja ainakin Helsingissä fyysinenkin etäisyys yhteiskunnallisten aiheiden ja tietojenkäsittelytieteen kannalta on ilmeistä. Toisaalta, yhteiskuntatieteiden sisälläkin pidämme hyvin yllä tieteenalojen välisiä eroja, kuten on historiallisesti aina ollut. Opetuksen organisaatiota Helsingissä yritettiin kovasti muokata Ison Pyörän aikana, mutta ainakin mitä olen nähnyt ja jutellut joidenkin opiskelijoiden kanssa, vanhat tieteenalat ovat vielä selkeästi esillä erilaisten linjojen, opintosuuntien ynnä muiden myötä. Helsingissä ainakin gradu- ja väitöskirjaseminaarit ovat ensisijaisesti määritelty oppiaineiden, linjojen tai opintosuuntien kautta. Jopa poikkitieteellisissä organisaatioissa, kuten esimerkiksi Helsinki Centre for Digital Humanitissa (HELDIG näin tuttujen kesken) tehtävät määritellään olemassa olevien rakenteiden, kuten tiedekuntien ja laitosten, kautta.

Estääkö nämä vanhat rakenteet meitä näkemästä miten vaikka asiat ovat samanlaisia kuin aina ennen, ne tavat miten ne yhdistyvät toisiinsa ovat muuttuneet? Olisiko tarpeen aidosti miettiä uudelleen sitä, kuinka järjestäydymme opetuksessa ja tutkimuksessa keskittyen tutkimaan muutoksia asioiden välisissä yhteyksissä silloinkin kun käsitteet eivät ole murroksessa? Olemmeko tarpeeksi rohkeita tähän?