Kuplista ja niiden ehk√§isemisest√§

Teksti perustuu minun, Salla-Maaria Laaksosen ja Bryan Semaanin artikkelik√§sikirjoitukseen. Koska akateeminen julkaisu on hidasta, p√§√§tin kirjoittaa¬† tiivistetyn version jo nyt blogimuodossa ‚Äď onhan tuloksia jo esitelty Rajapinta-meetupeissa. Huomautettakoon, ett√§ tekstin n√§k√∂kulma voi olla monelle yhteiskuntatieteit√§ edustavalle rajapintalaiselle hiukan outo, koska artikkelin p√§√§yleis√∂n√§ on k√§ytt√∂liittym√§tutkijat.

Kuplien ja polarisaation tutkimiselle on pitkät perinteet myös verkkotutkmuksessa. Vuoden 2004 Yhdysvaltojen vaaleja tutkineet Adamic & Glance (2005) havaitsivat, että demokraattiblogaajat linkkaavat enemmän demokraattilähteisiin ja vastaavasti republikaaniblogaajat republikaanilähteisiin. Vastaavia tuloksia on saatu myös esimerkiksi Gilbertin yms. (2009), Jacobsonin ym. (2016) sekä Merazin (2015) tutkimuksissa.

Myös käyttöliittymätutkijat ovat lukeneet samoja artikkeleita ja alkaneet pohtia, kuinka polarisaatiota voisi teknologiaa kehittämällä vähentää. Tutkimusta on tehty varsin runsaasti. Esimerkiksi Park et al. (2009) ja Munson et al. (2009, 2010, 2013) ovat pyrkineet vaihtamaan uutisten suosittelun tukemaan erilaisten näkökulmien esittelyä. Suosittelu voi myös tapahtua suosittelemalla ihmisille muita ihmisiä joiden näkökulmat ovat aiheeseen voisivat olla erilaisia (esimerkiksi Garimella, 2016, 2017). Artikkelissamme kutsumme tätä vallitsevaksi lähestymistavaksi jonka haluamme haastaa (englanniksi common design agenda).

Empiirinen esimerkki: toimisiko vallitseva lähestymistapa?

Tutkimme Suomessa melko tuoretta, selvästi polarisoitunutta ilmiötä: maahanmuuttokeskustelua. Käytämme aineistona viittä maahanmuuttoa kannattavaa ja viittä maahanmuuttoa vastustavaa Facebook-yhteisöä ja niissä tapahtuvaa linkkien jakoa. Ilmiön kuvaamiseksi teimme verkostoanalyysin, jossa sivuston ja ryhmän vällle syntyy yhteys aina, kun kyseisessä ryhmässä on jaettu jokin kyseisen sivuston alla oleva linkki. Kuten verkostokuvastä näkee, aiemman tutkimuksen havaitsema polarisaatioilmiö on havaittavissa tässäkin keskustelussa: ryhmille yhteisiä sivustoja on vain kourallinen eli ryhmien keskelle jäävät verkoston solmut. Valtaosa jaetuista sivustoista on kullekin ryhmälle erillisiä.

network2
Linkit maahanmuuttoa vastustavissa (A1-5) ja kannattavissa (P1-5) ryhmissä. Aineisto on analyysissa täysin anonymisoitu, eli yksittäisiä käyttäjiä ei voi tunnistaa.

Jos seuraisimme aiemman tutkimuksen johtopäätöksiä, kuvaaja voisi johtaa ajatukseen, että ryhmille voisi tehdä hyvää välillä lukea samoja lähteitä ja ehkä löytää yhteistä maaperää tätä kautta. Aineistossa havaittiin, että noin kaksi prosenttia linkeistä ovat täysin samoja sekä kannattavissa että vastustavissa ryhmissä, eli näiden linkkien sivustot ovat mahdollisia yhteisen maaperän löytymiselle.

P√§√§timme kuitenkin tarkastella hiukan syvemm√§lle ja analysoida, mit√§ n√§iden yhteisten linkkien alla tapahtuu. Linkken alla olevien Facebook-kommenttien analyysi osoittaa, ett√§ yhteist√§ maaper√§√§ ei l√∂ytynyt. Linkkien alla varsin usein dissattiin hyvinkin julmasti sit√§ “toista puolta” ‚Äď niin maahanmuuttoa vastustavissa kuin sit√§ kannattavissa ryhmiss√§. Keskustelu oli hyvin et√§√§ll√§ yrityksist√§ ymm√§rt√§√§ toisten n√§k√∂kulmia.

Tulos ei välttämättä ole yllättävä ja uusin poliittinen psykologia (esim. Washburn, painossa) kuvaa, kuinka jopa tilastojen lukeminen värittyy lukijan ennakkokäsityksien kautta. Tästä huolimatta  ajatus yhteisen maaperän luominen esimerkiksi jaettujen linkkien avulla on keskeinen oletus vallitsevassa lähestymistavasssa.

Mitä sitten?

Analyysimme perusteella on selvää, että esitetty yksinkertainen eri uutislähteiden suosittelu sellaisenaan ei riitä. Käyttöliittymätutkimuksessa on palattava työpöydän ääreen ja mietittävä, missä määrin teknologialla voidaan välttää yhteiskunnan polarisaatiota ja mitä vaikutuksia sillä lopulta voi olla. Tämä on selkeästi kutsu rajapintaiselle teknologian ja yhteiskuntatieteen välissä olevalle tutkimukselle jossa voitaisiin huomioida niin teknologian syvällinen ymmärtäminen ja jopa teknologiakonstruktiivinen tutkimusote kuin myös yhteiskuntatieteen kautta ymmärrys ihmisen monimutkaisuudesta.

Käyttöliittymäsuunnittelu voisi lähteä rohkeasti kokeilemaan erilaisia lähestymistapoja pelkän mediadieetin laajentamiseen asemesta. Alla on kolme esimerkkiä siitä mitä voitaisiin esimerkiksi tehdä. Ensimmäisessä koetetaan rakentaa suosittelua heikkojen yhteyksien kautta. Toisessa pyritään tuomaan uutisesta jo käytävää keskustelua ja sitä kautta eri näkemyksiä enemmän esille. Kolmannessa tarjotaan uutisten jakajille vihjettä, että samaan aiheeseen on esitetty monta näkökulmaa.

Nämäkään lähestymistavat eivät välttämättä toimi. Pahimmillaan ne voivat vain aiheuttaa enemmän antisosiaalista toimintaa ja pahaa mieltä. Siitä huolimatta olisi tärkeää, että design-vetoinen käyttöliittymätutkimus tutkisi myös vallitsevaa lähestymistapaa haastavia ratkaisuja pohtisi mitä kaikkea voitaisiin tehdä tämän yhteiskunnallisen ongelman ratkaisemiseksi.

 

Somekohun anatomia ‚Äď Mik√§ selitt√§√§ kohun kestoa?

Somekohun anatomia ‚Äď Mik√§ selitt√§√§ kohun kestoa?

Somekohu, someraivo, sometapaus ‚Äď Sosiaalisen median aikaansaamat puheenaiheet tuntuvat nousevan ja kuolevan yh√§ kiihtyv√§ll√§ tahdilla. Niin yritykset kuin yksil√∂t suhtautuvat kohuihin monesti kauhunsekaisin tuntein: miten toimia jos seuraavaksi se olenkin min√§ myrskyn silm√§ss√§? Toisaalta jonkinlainen kohu voi olla tavoitteena, jos halutaan mahdollisimman suuri huomio omalle tuotteelle tai br√§ndille.

Markkinoinnin puolella tavoitteellinen kohuilu kategorisoituu viraalimarkkinonnin piiriin. Tavoitteena on, että ilman merkittävää markkinointipanostusta keskustelu esimerkiksi omasta uutuustuotteesta leviäisi kuin virus, ja erityisesti sosiaalisen median myötä viraalimarkkinointi on noussut tärkeään rooliin. Tutkimuksessa on paljon pohdittu, mitkä asiat edistävät keskusteluaiheiden viraalista leviämistä. Kolme kilpailevaa strategiaa nousee usein esille:

  1. Aiheen kylväminen (seeding) mielipidevaikuttajille
  2. Aiheen kylväminen kriittiselle massalle
  3. Aiheen kylväminen eri verkostoja yhdistäville yksilöille (ns. siltastrategia)

Täysin yksimielistä näkemystä parhaasta strategiasta ei ole, mutta mielipidevaikuttajat vaikuttavat olevan tärkeässä roolissa aiheiden leviämisessä, koska he yksinkertaisesti postaavat someen paljon ja osallistuvat herkästi erilaisiin tempauksiin. Toisaalta median ollessa ns. hybridinen mielipidevaikuttajat ja julkkikset saattavat olla erityisen tärkeitä, koska perinteinen media kirjoittaa heistä todennäköisemmin kuin meistä taviksista.

Usein aiheiden viraalisuutta tutkittaessa keskitytään aiheesta käytävän keskusteluun määrään. Lasketaan siis esimerkiksi postausten, jakojen, latausten tai katselukertojen määriä. Harvemmin tutkitaan, mitkä tekijät selittävät aiheesta käytävän keskustelun kestoa. Esimerkiksi nyt ajankohtaisista aiheista voi todeta, että #metoo-keskustelu on kestänyt jo kuukausia, kun taas Pirkko Arstilan kolumnista kohistiin vain hetken.

Tutkimme aihetta SSMA-hankkeen puitteissa hyödyntämällä tutkimuskumppanimme Futusomen kehittämää Viraalivahti-palvelua. Viraalivahti on kehitetty tunnistamaan keskusteluaiheita, jotka alkavat saada poikkeuksellisen paljon mainintoja normaaliin verrattuna. Inspiraationa Viraalivahdille on toiminut ns. Mutti-gate, joka sai alkunsa, kun kokki Henri Alén tammikuussa 2014 tviittasi tomaattikastikereseptin tunnisteella #soosi ja ihmiset ostivat kauppojen hyllyt tyhjiksi Mutti-tomaattikastikkeesta.

Tutkimuksessa tarkasteltiin Viraalivahdin tunnistamia eri viraalitapauksia tammikuusta 2015 maaliskuuhun 2017. Osa tapauksista nousi Mutti-gaten sfääreihin, kun taas suurin osa päättyi nopeasti sen jälkeen, kun algoritmi tunnisti sen. Keskityimme ainoastaan hashtag- ja avainsanaperusteisiin tapauksiin, jotka saivat algoritmilta heti ensimmäisenä päivänä riittävän korkean luokituksen. Näiden rajoitteiden myötä tutkittavien viraalitapausten määrä oli 1335. Esimerkiksi #halpuuttaminen ja ABC:n lehtipihvikohu nousivat aineistossa Mutti-gatea vastaaviksi viraalitapauksiksi.

Määrittelimme tapauksen keston laskemalla yhtäjaksoisten päivien määrän, jolloin aihe sai vähintään yhden maininnan. Rajasimme pois yli 30 päivää kestävät keskustelut, koska ne tulkittiin koskevan jatkuvia keskusteluaiheita. Jäljelle jäi 960 viraalitapausta, joita koskevia mainintoja haettiin Futusomen rajapinnan avulla eri some-kanavista, kuten keskustelufoorumeista, avoimista Facebook-keskusteluista, Twitteristä, Instagramista, blogeista, uutiskommenteista, ja niin edelleen. Tällöin aineisto käsitti yhteensä lähes 14 miljoonaa some-postausta. Kuva näyttää, miten data jakautui eri alustoille.

Somekohu_saitit

Tapausten kesto oli keskimäärin noin kolme päivää hashtag-perusteisille ja noin yhdeksän päivää avainsanaperusteisille tapauksille. Lisäksi määrittelimme keskimääräisen päivittäisen postausten, keskustelijoiden ja keskustelukanavien määrän, sekä postausten, keskustelijoiden ja kanavien suhteellisen muutoksen ensimmäisen päivän jälkeen. Eri mallinnustavoilla esille nousi selkeä tekijä, joka selitti tapauksen kestoa: Mitä useammilla eri keskustelukanavilla aiheesta puhuttiin, sitä kauemmin se kesti. Postausten tai keskustelijoiden määrällä ei ollut vaikutusta aiheesta käytävän keskustelun kestoon.

Tuloksen perusteella voi väittää, että keskusteluaiheilla on lyhyempi elinkaari yksittäisten kanavien sisällä ja uudet kanavat ja yleisöt ovat edellytys keskustelun pidemmälle jatkumiselle. Tulos myös tukee eri verkostoja yhdistävien yksilöiden merkitystä viraalitapausten jatkumisen näkökulmasta. Todennäköisesti myös perinteisten medioiden mukaantulo edistää keskustelun jatkumista nimenomaan laajentamalla keskustelua uusiin kanaviin.

Lopuksi viel√§ vinkki niille, jotka haluavat v√§ltt√§√§ somekohuja: vaikka yhdess√§ kanavassa yhten√§ p√§iv√§n√§ ei-toivotusta aiheesta keskustellaan paljon, √§l√§ huolestu, sill√§ keskustelu ei v√§ltt√§m√§tt√§ jatku kauan ‚Äď ellei se levi√§ muihin kanaviin.

Tutkimus esitell√§√§n tammikuussa 2018 Hawaii International Conference on System Sciences -konferenssissa otsikolla “Anatomy of Viral Social Media Events” ja sen ovat laatineet Essi P√∂yry, Salla-Maaria Laaksonen, Arto Kekkonen sek√§ Juho P√§√§kk√∂nen.

Sl√§m√§rit ja superk√§ytt√§j√§t: ihmeellinen Internet tutkijan ty√∂p√∂yd√§ll√§

 

https://www.flickr.com/photos/meddygarnet/8346190491/
(cc) Morgan @Flickr

Smarter Social Media Analytics -tutkimushankkeessa sovellamme ja kehit√§mme erilaisia koneoppimiseen pohjautuvia menetelmi√§ sosiaalisen median tekstisis√§lt√∂jen analysointiin. Fiksumpi¬† analyysi kuitenkin vaatii algoritmien rinnalle ihmisilm√§√§ ‚Äď v√§hint√§√§nkin kehitysvaiheessa.

Olen lukenut eilen ja tänään  SSMA-hankkeemme aineistosta läpi parintuhannen viestin otoksen, jossa viestit koskevat kasvissyöntiä tavalla tai toisella. Otos liittyy koko aineistosta tehtyyn aihemallinnukseen, jossa noin puolen miljoonan viestin massasta on ohjaamattoman koneoppimisen avulla erotettu erilaisia topiikkeja tai teemoja. Mallinnuksen syötteenä skripti antaa kasan perusmuotoistettuja sanalistoja, jotka kuvaavat näitä erilaisia aiheita. Lopulta kuitenkin ainoa tapa varmistaa, että tehty analyysi toimii kuten pitää, on ihmisvoimin tarkistaa mistä topiikeissa oikeastaan on kysymys. Tämä tapahtuu esimerkkiviestejä tarkistamalla.

Tarkistuskeikka on pieni matka yhä vain ihmeelliseen Internetiin. Sosiaalisen median tutkimuksen parasta antia ovat usein juuri näkymät vuorovaikutuksen maailmoihin, joita ihmiset verkossa elävät ja tuottavat mikrotasolla. Tässä kaksi hienoa esimerkkiä kasvisruokakeskusteluista.

**

Viestejä läpikäydessä olen kohdannut kymmeniä erilaisia virtuaalislämäreitä. Omassa nuoruudessani slämäri oli vihko, jossa jokaisella sivulla oli eri kysymys ja vastaukset kirjattiin tietyllä symbolilla tai anonyymisti. Nykypäivän slämäri on keskustelupalstalla kiertävä lista numeroituja kysymyksiä, johon kukin kirjoittaja vastaa, tai lista [ ] väittämiä, joista [x] rastitaan kirjoittajaan sopivat kohdat. Arvioin kirjoittajien olevan enimmäkseen melko nuoria.

Tällaiset memeettiset sisällöt ovat toistuvia, mutta kuitenkin niin monipuolisia tekstimuotoja, ettei sanojen yhdessä esiintymisen perusteella aiheita luokitteleva algoritmi osaa niitä niputtaa. Virtuaalislämäreissä kuitenkin kiertää kasvisyöntiä koskevia kysymyksiä, joiden vuoksi kaikki nuo tuhannet viestit näkyvät jokaisessa kasvissyönti-sanalla tehdyssä haussa tai tietyllä sanalla piirretyissä trendikuvaajissa. Toki ne osaltaan trendistä kertovatkin; kasvissyönti puhututtaa.

Toinen ihmettelyn aihe oli aihemallinnuksessa erästä topiikkia kuvaava sana, joka ei ollut mikään suomen kielen tunnistettava sana. Pienen selvittelyn jälkeen paljastui, että kyseessä on yksi Suomi24-foorumin superaktiivinen käyttäjä, joka kirjoittaa palstalle joka päivä keskimäärin kolmetoista viestiä päivässä.

Viestimäärä on ilmeisen tarpeeksi, että saa aikaan oman aiheen aihemallinnuksessa, kun muut käyttäjät mainitsevat kyseisen nimimerkin tarpeeksi usein. Selvästi siis onnistunut keskustelunherättäjä ja oman mikroyleisönsä julkkis, jonka viesteillä voi olla suurikin vaikutus keskustelujen aihepiiriin.

**

Molemmat esimerkit ovat sellaisia, joita on hankala automaattisesti tekstin seasta erottaa ilman laadullista tarkastelua, tai vähintäänkin sen tekeminen vaatisi melkoisia tapauskohtaisia virityksiä koodiin. Viritykset taas ovat varsinkin tuotantokäytössä aika hankalia ja toisaalta tekevät analyysista prosessin, jonka toimintaperiaatteita on vaikea ymmärtää ja tuloksia tulkita.

Silti ne ovat aika oleellisia mikrotason havaintoja siitä dynamiikasta, jolla vuorovaikutus verkossa muodostuu.

Kohti fiksumpaa keskustelujen mallinnusta siis pyritään, mutta todellisuus on aina vaan analytiikkaa ihmeellisempää. Se on jotenkin lohdullista.

Algoritminen julkisuus on vinoutunutta kyborgijulkisuutta

2453788025_fd51aeb4d9_z
(cc) runran @Flickr

Teknologia nähdään helposti neutraalina tiedonvälittäjänä. Moni viestinnän ammattilainen ei tiedä, miten teknologia toimii tai miten sen kanssa pitäisi toimia. Meidän pitäisi kuitenkin olla yhä tietoisempia siitä, miten esimerkiksi algoritmit meitä  tulevaisuudessakin ohjaavat.

“Software is, in other words, a part of a ‚Äėtechnological unconscious‚Äô (Clough, 2000), a means of sustaining presence which we cannot access but which clearly has effects, a technical substrate of unconscious meaning and activity.‚Ä̬†(Thrift, 2005)

Maantieteilijä-sosiologi Sir Nigel Trift on käyttänyt teknologisen tiedostamattoman käsittettä kuvaamaan teknologian ja ohjelmistojen vaikutusta eräänlaisena sosiaalisen elämän kehikkona, joka tiedostomattomasti vaikuttaa toimintaamme.

Viestinnän ja julkisuuden näkökulmasta teknologisen tiedostamattoman käsite kuvaa kahta asiaa: Ensinnäkin niitä informaatioteknologian tuntemattomia ominaisuuksia ja tapoja, jotka muokkaavat arkea ja erityisesti media-arkeamme, mutta joista emme useinkaan ole kovin tietoisia. Toisaalta käsite muistuttaa siitä, että monella viestinnän ammattilaisella ei ole tarpeeksi tietoa siitä miten teknologia lopulta toimii tai miten sen kanssa pitäisi toimia.

Teknologinen tiedostamaton määrittelee monella tapaa sitä, miten julkisuus muotoutuu. Keskeisin tämän hetken julkisuuden rakennuspalikka on newsfeed, uutisvirta, joka eri palveluissa jäsentää verkon sisältöjä pyrkien maksimoimaan huomion ja palvelussa vietetyn ajan. Käytännössä tämä tapahtuu erilaisten algoritmien avulla: pienet tietokoneohjelmat tai laskukaavat ohjaavat sisällön esittämistä aiempaan käyttäytymiseemme perustuen.

Huolestuttavaa on, että teknologia nähdään neutraalina tiedonvälittäjänä. Vuoden 2017 Edelman Trust Barometerissä vastaajat arvioivat hakukoneet kaikkein luotettavimmaksi tiedonlähteeksi. Perinteisen median luottamus puolestaan on romahtanut. Teknologia vaikuttaa puolueettomalta ja virheettömältä toimijalta samalla kun perinteinen media nähdään eliitin käsikassarana.

Algoritmit ovat kuitenkin tasan yhtä hyviä kuin mekin. Ihmisten toimintatavat, vinoumat ja virhekäsitykset siirtyvät suoraan niihin joko ohjelmoinnin tai koneoppimisen kautta. Hakukone suoltaa sisältöä, josta se arvelee etsijän pitävän aiemman verkkokäyttäytymisen perusteella. Teknologia tuottaa kaikukammioita, koska ihmiset ovat sosiaalisessa toiminnassa tyypillisesti mieluten oman viiteryhmänsä kanssa. Työnhakualgoritmi syrjii tummaihoisia. Microsoftin tekoälybotti jouduttiin ottamaan pois linjoilta, kun se oppi päivässä suoltamaan rasistista vihapuhetta Twitterin elämänkoulussa.

Sisältöjen kohdentamisessa ja teknologiajättien bisnesmallina vinotkin algoritmit kuitenkin toimivat hyvin. Facebook tahkoaa rahaa 6,4 miljardin dollarin liikevaihdolla. Käyttäjämäärät suosituissa sosiaalisen median palveluissa jatkavat kasvuaan, ja alustat tuottavat uusia toimintamuotoja, joilla pyritään maksimoimaan niissä vietetty aika. Julkisuuden ja demokratian kannalta kuitenkin ongelmallista on, että algoritmi ei osaa tehdä eroa eri sisältöjen välillä. Se tarjoilee samalla logiikalla kenkiä, lääkkeitä ja politiikkaa. Syyskuussa 2017 Facebookissa pystyi esimerkiksi kohdentamaan mainoksia suoraan juutalaisvihaajille.

Rahalla siis saa. Bisneslogiikan nimissä samaan aikaan mediayhtiöt ovat huomanneet, että Facebookin algoritmi näyttää entistä vähemmän mediatalojen postauksia niiden seuraajille. Sen sijaan se painottaa sosiaalisuutta ja engagementtia: newsfeedissä näkyy todennäköisimmin sisältöjä, joita kaverisi ovat jakaneet, tykänneet tai kommentoineet. Faktoilla ei tässä pelissä ole arvoa. Sen sijaan tunteilla ja epärehellisyydellä on.

Tämä logiikka on voimalain logiikkaa (Matthew effect). Mikä tahansa tahmainen, ihastuttava tai vihastuttava sisältö päätyy todennäköisemmin näytetyksi, ja sisällön suosio kasvaa entisestään. Siksi julkisuudestamme muodostuu väistämättä tunnejulkisuus, joka etenee kohusta toiseen. Teknologinen tiedostamaton on siis lopulta hybridiä ihmisyyttä, julkisuuden muodostumista kyborgitoimijoiden kautta.

Viestinnän ammattilaisen näkökulmasta huolestuttavaa on se, että teknologian edistämä logiikka hiipii myös niihin tapoihin, joilla viestintää tehdään ja mittareihin, joilla sitä mitataan. Klikkien tuijottamisesta on kenties päästy piirun verran eteenpäin, mutta nyt uusi mittari, jota kaikki maanisesti tuijottavat on sisällön aikaansaama sitoutuminen, engagament.

Se on muuten Facebookin kaupallista menestymistä varten tehty mittari.

Mitäpä jos pakasta napatun mittarin sijasta viestinnän ammattilaiset itse rohkeasti määrittelisivät, mitä on hyvä viestintä, mitä on vaikuttavuus ja miten sitä halutaan mitata?

– –
Salla-Maaria Laaksonen (VTT) on viestinnän ja teknologian tutkija Viestinnän Tutkimuskeskus CRC:ssa ja Kuluttajatutkimuskeskuksella.

Blogikirjoitus on rinnakkaispostaus Viesti ry:n blogista. ja perustuu HY+:n ja Viesti ry:n Viestinnän tulevaisuus -tilaisuudessa 26.9.2017 pidettyyn puheenvuoroon.

Kestävämpiä digitalisia ratkaisuja verkostoitumiseen ja yhteistyökumppanien valintaan?

Rajapinta.co:n kuukausitapaaminen Tampereella 29.9. vahvisti heikkoja siteitä paikallisiin tutkijoihin. Poimintana tapaamisesta, seuraavassa tiivistelmä järjestäjien tutkimusagendasta, joka paitsi sijoittuu teknologian ja yhteiskunnan rajapintaan myös demonstroi usean tieteenalan mielenkiintoista yhteistyötä. Agenda liittyy Thomas Olssonin (ihminen-teknologia vuorovaikutus), Jukka Huhtamäen (verkostoanalytiikka ja datatiede) ja Hannu Kärkkäisen (tietotyö ja arvonluonti) COBWEB-akatemiahankkeeseen sekä Big Match Tekes-hankkeeseen.

Ihmisten v√§list√§ sosiaalista sovittamista (engl. social matching tai matchmaking) tapahtuu ty√∂el√§m√§ss√§ mm. rekrytointiprosesseissa, tiimien muodostamisessa ja verkostoitumisessa. Sopivan henkil√∂n, yhteisty√∂kumppanin tai tiimin tunnistaminen ja valinta viev√§t paljon aikaa ja intuitiiviset “m√§ts√§√§misen” k√§yt√§nn√∂t ovat alttiita inhimillisille vinoumille. Esim. verkostointitapahtumissa on yleist√§, ett√§ samankaltaiset ihmiset vet√§v√§t puoleensa toisiaan; t√§llainen homofilia on kuitenkin tietoty√∂n tuottavuudelle vahingollista. Uskomme, ett√§ rohkaisemalla ihmisi√§ kohtaamaan erilaisista taustoista tulevia, eri yhteis√∂jen j√§seni√§ voidaan edist√§√§ tietoty√∂ss√§ olennaista ideoiden ristiinp√∂lyttymist√§ ja monin√§k√∂kulmaista, verkottunutta arvonluontia.

Tavoitteenamme on suunnitella ja toteuttaa sosiaaliseen massadataan, verkostoanalytiikkaan ja koneoppimiseen perustuvaa tietoteknologiaa, joka mahdollistaa digitaalisia tapoja sovittaa, ryhm√§ytt√§√§ ja t√∂rm√§ytt√§√§ ihmisi√§ ty√∂el√§m√§ss√§. “Ty√∂el√§m√§n Tinder” on mainio vertauskuva, mutta parinvalinnan periaatteet ovat ty√∂el√§m√§ss√§ aivan erilaiset kuin yksityisel√§m√§ss√§. Tutkimuksemme perusl√§ht√∂kohta on, ett√§ datapohjaisilla tavoilla voidaan tunnistaa otollisia, toisiaan sopivasti t√§ydent√§vi√§ osaajakombinaatioita ja siten tuottaa positiivista sosiaalista serendipiteetti√§. Tavoite voisi konkretisoitua esim. diversiteetti√§ lis√§√§vin√§ henkil√∂suositteluj√§rjestelmin√§ (diversity-enhancing people recommender systems) tai uudenlaisina yhteisty√∂kumppaneiden haku- tai selausj√§rjestelmin√§.

Sosiaalinen massadata eli “Big Social Data” (esim. sosiaalisen median sis√§ll√∂t ja profiilit, portfoliot, verkostot) voivat rikastaa palvelujen kautta syntyv√§√§ kuvaa kustakin k√§ytt√§j√§st√§. Nykyiset profiilit esim. ty√∂nhaussa ovat yleens√§ k√§ytt√§j√§n itse laatimia ja siksi kovin staattisia ja sis√§ll√∂lt√§√§n rajoittuneita. Esim. twiitit voivat kertoa paljon henkil√∂n t√§m√§n hetken kiinnostuksen kohteista ja tulevaisuuden visioista, kun taas esim. verkossa olevat ammatilliset julkaisut ja esitykset voivat kertoa henkil√∂n yksityiskohtaisesta osaamisesta. Tunnistamalla relevantteja yhteisi√§ teemoja ja komplementaarisia osaamisia esim. tapahtuman osallistujien v√§lill√§ voidaan automaattisesti tunnistaa potentiaalisia pareja, joiden kannattaisi keskustella lis√§√§. Sosiaalisten verkostojen analyysill√§ voidaan paitsi arvioida henkil√∂iden keskin√§ist√§ suhdetta ja verkoston kokonaisrakennetta my√∂s tunnistaa yhteisi√§ kontakteja ja ns. heikkoja siteit√§ (weak ties).

Tarkoituksenamme on lisäksi tarjota positiivinen skenaario sosiaalisen median datan käytölle ja digitalisaatiolle yleensä. Ehkäpä tällaisten kaikkia hyödyttävien palvelujen kehittäminen hälventää ihmisten yksityisyydensuojan menettämisen pelkoa sekä motivoi yrityksiä avaamaan data-aineistojaan laajemmin hyödynnettäviksi?

Uusien palveluiden ideointi ja utopististen tulevaisuuskuvien maalailu on kuitenkin huomattavasti helpompaa kuin niiden toteuttaminen. Data-keskeisi√§ haasteita ovat mm. sopivan datan saatavuus eri palvelujen ja palveluntarjoajien siiloista, datan ker√§√§misen ja analysoinnin yksityisyyteen liittyv√§t ja muut eettiset haasteet sek√§ massadatan kehittym√§tt√∂m√§t analyysi- ja visualisointimenetelm√§t. Sovittamisen sosiaalipsykologiset haasteet ovat jopa viel√§ monimutkaisempia: “sopivan” henkil√∂n tai organisaation tunnistaminen vaatii ymm√§rryst√§ mm. sovitettavien tahojen mahdollisista yhteisty√∂tarpeista, ja jokaisella sovittamistilanteella on uniikki tavoite ja erityispiirteit√§, jotka pit√§isi ottaa huomioon j√§rjestelm√§n p√§√§t√∂ksenteossa. Digitaalisten sis√§lt√∂jen suositteluj√§rjestelmist√§ tuttuja menetelmi√§ (esim. social filtering) ei siis voida suoraan hy√∂dynt√§√§.

Kokonaisuuteen vaikuttavat myös käyttäjäkokemukselliset erityispiirteet: miten saada käyttäjä luottamaan teknologian tekemiin päätelmiin ja suosituksiin henkilöistä? Miten saada ihmiset delegoimaan osan päätäntävallastaan ja toimijuudestaan teknologialle, varsinkin näin perustavanlaatuisen inhimillisellä sovellusalueella? Miten sinä kokisit sen, että kännykkäsi yhtäkkiä piippaa kertoakseen, että joku tuntematon, mutta algoritmin mielestä todella relevantti tyyppi on tulossa samaan tapahtumaan ja että teidän kannattaisi tavata?

Keskustelukuplia ja kaikukammioita ‚Äď miss√§ on demokratian dialogi verkossa?

AmitBorade_17841847105_778599506a_z
(cc) Amit Borade @Flickr

Blogikirjoitus on rinnakkaispostaus Oikeusministeriön #suomi100-blogista.

Yhteiskunnallisen verkkokeskustelun kuplautuminen on ollut vahvasti huolenaiheena julkisessa keskustelussa. Onko teknologia, jonka piti mahdollistaa kaikkien kansalaisten osallistuminen yhteiskunnalliseen keskusteluun, sittenkin sulkenut meidät kaikukammioihin huutelemaan samanmielisten kanssa?

Kuplakeskustelun avasi Eli Pariser (2011) kirjallaan Filter Bubbles, jossa hän osoitti, kuinka eri puolueita kannattavat käyttäjät saavat hakukoneesta samalla hakusanalla aivan erilaisia tuloksia. Samaa ilmiötä on kauhisteltu muun muassa Facebookin kohdalla. Yleisradion toimittaja loi muukalaisvihamielisen feikkiprofiilin Facebookiin ja osoitti, miten muutamassa kuukaudessa käyttäjä sulkeutui vihakuplaan.

Kuplautumisen taustalla on teknologiaj√§ttien bisneslogiikka, jossa pyrkimyksen√§ on maksimoida k√§ytt√§j√§n palveluissa viett√§m√§ aika. Uutisvirta ei harjoita journalistista harkintaa, vaan oppii aiemmasta k√§ytt√§ytymisest√§. Facebookissa on tuhansia eri attribuutteja m√§√§ritt√§m√§ss√§ uutisvirtaamme sis√§lt√∂√§ ‚Äď mit√§ valtaosa k√§ytt√§jist√§ ei edes tiedosta. Sen sijaan he kehitt√§v√§t luovasti erilaisia sosiaalisia perusteluja sis√§lt√∂jen piiloutumiselle.

Kuplissa ei kuitenkaan ole kysymys ainoastaan teknologiasta. Sosiaalipsykologia on pitkään tarkastellut sosiaalisen identiteetin muodostumista ja ryhmien merkitystä. Ryhmässä mielipiteet yhtenäistyvät ja ryhmä alkaa suosia omaa ryhmäänsä toisten ryhmien kustannuksella. Lisäksi meillä on vahva taipumus tykästyä ärsykkeisiin, joille altistumme toistuvasti. Kun luemme samaa sisältöä uudelleen ja uudelleen, se alkaa tuntua normaalilta ja hyväksyttävältä.

Kuplautuminen on siis luonnollista, mutta on selvää, että viestintäteknologialla on sitä tukevia ominaisuuksia. Sosiaalinen media mahdollistaa sen, että samalla tavalla ajattelevat ihmiset voivat päätyä kaikukammioihinsa jakamaan virheellisiä väitteitä keskenään myös omaa lähituttavien piiriä laajemmalle.

Kuplasta ulos pääseminen vaatii työtä. Informaatiotulvan keskellä on mahdollista etsiä kattavasti eri mielipiteitä ja vertailla niitä. Käytännössä ihmiset eivät kuitenkaan tee niin, vaan tyytyvät ensimmäisiin tarjokkaisiin. Edelmanin luottamustutkimuksen mukaan hakukoneiden puolueettomuuteen luotetaan enemmän kuin uutismediaan.

Kuplilla pelotteluun liittyy kuitenkin riski siitä, että kaikki verkossa käytävä keskustelu latistetaan kuplissa tapahtuvaksi arvottomaksi huuteluksi, johon teknologia meidät ajaa. Verkkokeskusteluissa käydään myös asiallista poliittista keskustelua ja nostetaan esille kansalaisten huolia. Kuplat tai algoritmit eivät tee niistä vähemmän todellisia. Teknologia ei ole irrallinen yhteiskunnasta eikä mullista sitä kertaheitolla, vaikka vastuuta halutaan mielellään sälyttää teknologialle.

Algoritmeilla ja teknologialla pelottelun sijaan meidän tulisi paremmin ymmärtää niiden hybridi luonne: algoritmit ovat tasan yhtä hyviä kuin mekin. Ihmisten toimintatavat ja virhekäsitykset siirtyvät niihin ohjelmoinnin tai koneoppimisen kautta. Hakukone ja uutisvirrat suoltavat sisältöä, josta ne arvelevat etsijän pitävän aiemman verkkokäyttäytymisen perusteella. Teknologia tuottaa kaikukammioita, koska ihmiset ovat sosiaalisessa toiminnassa mieluiten oman viiteryhmänsä kanssa. Tekoälybotti oppii päivässä rasistiseksi vihapuhujaksi muita Twitter-käyttäjiä seuraamalla. Työnhakualgoritmi syrjii tummaihoisia, koska se oppii käyttäytymismallin aiemmasta aineistosta.

Kupla- ja algoritmikauhistelun sijasta tarvitsemme paitsi sosiaalipsykologista ymmärrystä omasta toiminnastamme, myös algoritmilukutaitoa: ymmärrystä siitä, miten julkisuus rakentuu sosiaalis-teknologisena järjestelmänä, ja miten voimme itse siihen vaikuttaa. Kriittisyys sisältöjä ja lähteitä kohtaan on tärkeää. Tieto kannattaa aina varmistaa monesta eri lähteestä, eikä hakukonekaan ole puolueeton. Omia ennakkoluulojaan voi haastaa etsiytymällä tarkoituksella toisen sosiaalisen ryhmän keskusteluihin. Siihen teknologia tarjoaa parempia mahdollisuuksia kuin paperimedia.

_________________________________________________

Salla-Maaria Laaksonen (VTT) on viestinnän ja teknologian tutkija Viestinnän Tutkimuskeskus CRC:ssa ja Kuluttajatutkimuskeskuksella. Laaksonen on tutkinut muun muassa yritysmainetta, digitaalista vaalijulkisuutta ja organisoitumista verkossa.

Lue lisää:
‚Äʬ†¬† ¬†Tristan Harris: How a handful of tech companies control billions of minds every day ¬†
‚Äʬ†¬† ¬†TechCrunch: Ultimate Guide to the News Feed
‚Äʬ†¬† ¬†Edelman 2017 Trust Barometer

Varovaisuutta aihemallinnuksen kanssa

Varovaisuutta aihemallinnuksen kanssa

Er√§s laskennallisten menetelmien¬†t√§ll√§ hetkell√§ suosituin sovellus on aihemallinnus eli topic modeling. Se mahdollistaa laajojen tekstiaineistojen jakamisen ryhmiin ja t√§ll√§ tavalla “kaukoluvun” aineistosta. Tietenk√§√§n sen ei koskaan ole tarkoitus korvata aineiston l√§hilukua (esim. Grimmer & Stewart, 2013), mihin voi k√§ytt√§√§ vaikka etnograafisia menetelmi√§.

Eräs valinta aihemallinnuksesta on aiheiden määrän, eli tutummin, k:n valinta. Kirjallisuudessa usein esiintynyt tapa tähän on katsoa muutama eri arvo ja valita näistä selkeiten tulkittavissa oleva. Kritisoin tapaa jo marraskuun Rajapinta-meetupissa. Yksinkertainen koeasetelma näytti kuinka ihmisten mielipide selkeydestä vaihtelee merkittävästi.

Aihemallinnus: tuloksia eri k:n arvoilla
Alustava luokitus aineiston sisällöstä eri aihemallinnuksilla. Katso vain kuva.

Kuvassa näemme kuinka niiden tulkinnat myös tuottavat hiukan erilaisia näkemyksiä aineistoista. (Varoitus: nämä ovat vielä alustavia nimiä, eli en ole vielä itse täysin tyytyväinen näihin.) Olen pyrkinyt ryhmittelemään aineiston niin, että samanteemaiset aiheet olisivat samalla rivillä.

Kuvasta nähdään esimerkiksi kuinka aiheiden määrän lisääntyminen kahteenkymmeneen aiheeseen selkeästi tuo jotain uusia ajatuksia aineistoon, erityisesti alueelisuuden ja globalisaation. Toisaalta aiheena esimerkiksi suomalaisuus on osassa malleissa mukana ja osassa ei, mikä luultavasti kuvaa aihemallinnusprosessissa olevaa satunnaisuutta. Toisaalta 26 ja 30 aiheen mallit tuovat esille taloudellisuuden, perusturvan sekä edustuksellisuuden aiheita.

Aihemallinnuksen soveltajille uutiset ovat valitettavia: en itse pitäisi sopivana ajaa aihemallinnusta teoreettisesti mielekkäällä lukumäärällä tai tutkimalla muutamaa eri aihemäärää. Riskit vääristä tulkinnoista ovat ilmeiset näissä tapauksissa. Sen sijaan pitäisin itse toivottavana aihemäärän valitsemista laskennallisin kriteerein, kuten log-likelihood arvoja käyttämällä. Vaikka näistäkin käydään ritstiriitaista keskustelua, tämä silti vähentäisi tiettyä epävarmutta mikä nykyiseen käytäntöön tulee.

Erityiskiitos Koneen Säätiölle tutkimuksen tukemisesta sekä Tieteen tietotekniikan keskus CSClle laskenta-ajasta.

Kuinka normatiivisia teorioita voisi hyödyntää käyttöliittymätutkimuksessa?

Slide27Tieteen ja teknologian tutkimuksessa on jo pitk√§√§n ymm√§rretty, ett√§ tekniset v√§lineet sis√§lt√§v√§t my√∂s arvoja (esim.¬†Nissenbaum, 2005)‚Ā†. Jokainen j√§rjestelm√§ on er√§s valinta useista eri vaihtoehdoista¬†ja mahdollisuuksista¬†j√§rjestelm√§n suunnittelussa¬†(esimerkiksi¬†Liste & S√łrensen, 2015)‚Ā†. K√§ytt√∂liittym√§tutkimuksessa onkin nostettu esille arvojen rooli osana suunnitteluprosessia. Esimerkiksi arvotietoiset suunnitteluprosessit (value sensitive design) perustuvat arvojen parempaan esilletuontiin¬†suunnitteluty√∂n aikana sek√§ ratkaisemaan mahdollisia arvoristiriitoja. Arvoja voisi kuitenkin k√§ytt√§√§ laajemminkin k√§ytt√∂liittym√§tutkimusessa – ne tarjoavat mahdollisuuden integroida teoriaa ja empiirist√§ tutkimusta. “Uuden” teknologian tutkimus kaipaakin tarkempaa teoriaotetta – jopa 70% yhteiskuntatieteellisest√§ tutkimuksesta oli teoriatonta (Borah, 2015)‚Ā†; samanlaista vertailua ei ole toistaiseksi tehty k√§ytt√∂liittym√§tutkimusyhteis√∂iss√§, mutta uskon, ettei tulos olisi merkitt√§v√§sti parempi. Jotta tutkimus siirtyisi pois kuvailevata ja uusimman teknologian per√§ss√§ juoksevasta tutkimuksesta keskeisempiin kysymyksiin, olisi mielest√§ni aika ryhdist√§yty√§ ja pohtia teorian roolia osana tutkimusty√∂t√§.

Mutta, mikä oikeastaan on teoria? Yhteiskuntatietelijänä huomasin aikaa sitten, että teoria voi olla monelaisessa muodossa. Ennustavat ja selittävät teoriat pyrkivät kuvaamaan yhteyksiä, kun taas kuvailevat teoriat auttavat käsitteellistäään (ja usein jargonisoimaan) ilmiötä. Normatiiviset teoriat taas keskittyvät pohtimaan, että miten asioiden pitäisi olla. Ennustaville, selittäville ja kuvaileville teorioille on paljon ohjeita, mutta normatiiviset teoriat ovat Рainakin minulle Рvielä piikki lihassa. Miten normatiivisia teorioita voisi esimerkiksi validoida? Kuitenkin, pidän normatiivisista teorioista koska niissä tuodaan selkeästi esille tutkijan subjektiivinen asema. Tutkija kun ei ole neutraali toimija vaan tutkijan asenne ja näkemykset vaikuttavat niin tutkimuskysymyksen valitaan kuin aina välillä myös tuloksiin. Normatiivissa teorioissa arvot on jo sisällytetty teoriaan itseensä.

Ratkaisuna normatiiviseen teoriaan pohjautuva tutkimus

Sovelsimme Harmasilaista maailmankuvaa julkisesta tilasta ymmärtääksemme tietokoneavusteista viestintää luokkahuoneessa. Havaitsimme, että tietokonevälitteinen viestintännässä on useampia osallistuja verrattuna kasvoikkain tapahtuvaan ryhmäkeskusteluun. Habermasilaista maailmankuvaa noudatellen, osallisuuden lisäksi myös toisten ihmisten arvostaminen sekä rationaalinen keskustelu ovat tärkeitä. Muiden osallistujien arvostamisessa emme havainneet merkittävää eroa muotojen välillä, mutta rationaalisen keskustelun osalta kasvokkain tapahtuva keskustelu oli parempaa. Työn mielenkiintoinen paino ei kuitenkaan ole täysin tässä teoriassa, vaan laajempi pohdinta kietoutuu normatiivisen teorian hyötyjen ympärille.

Normatiivisen teorian ensimmäinen hyöty tulee siitä, että se on teoria. Kuten muihinkin teorioihin, siihen liittyy monia menetelmällisiä ja empiirisiä havaintoja. Esimerkiksi deliberatiivisen teorian kautta käytössämme oli useita validoituja mittareita arvioidaksemme osallistumisen habermasilaisuutta. Lisäksi julkisen tilan käsitteestä on kirjoitettu jopa tietojenkäsittelytieteessä ja tätä kautta tutkimukselle syntyi ympäristö, johon se pystyi sitoutumaan. Tutkimus samassa tilassa olevien henkilöiden tietokonevälitteisestä viestinnästä on ollut varsin hajanaista ja aiheiltaan jopa poppivaa. Normatiivisen teorian kautta sille muodostui kuitenkin mielekäs ympäristö; hajanaisen tutkimuksen sai kursittua kasaan.

Käyttöliittymätutkimus ei ole vain empiiristä, vaan myös konstruktiivistä Рvaihtoehtoisia tietokonelaitteita ja ohjelmia luovia. Normatiivisen teorian toinen hyöty onkin nimenomaan konstruktiiviselle tutkimuselle. Konstruktiivisessa tutkimuksessa isoimpia haasteita on perustella tehtyjä valintoja Рmitä on aina useita. Miten tietynlainen käyttöliittymäongelma voitaisiin ratkaista mielekkäästi? Normatiivinen teoria auttaa rajaamaan kaikista mahdollisista suunnitteluvaihtoehdoista merkittävimmät teorian kannalta. Samaan aikaan se voi tukea löytämään uusia inspiraation lähteitä, kun muiden alan tutkijoiden työt voivat puhutella työtäsi selvästi Рjopa siinä tilanteessa, että heidän sovelluskohde teorialle saattoi olla etäinen.

Tosin, normatiivinen teoria pakottaa myös tuomaan esille arvot jotka on koodattu kaikkiin teknisiin järjestelmiin. Perinteisin esimerkki on Winnerin (1985) esilletuomat Mosesin sillat Рjotka olivat tehty niin mataliksi, ettei tiettyihin kaupungin osiin voinut julkisilla kulkea. Ongelma ei ole täysin tuntematon käyttöliittymätutkimuksessakaan. Arvojen mukaanottamiseksi kehittyi arvopohjaisen käyttöliittymätutkimuksen koulu ja siellä keskeinen kysymys on ollut miten eri käyttäjien arvojen välillä tasapainoillaan. Samalla tavoin normatiivisen teorian kohdalla voi hyvällä perusteella kysyä, millä perusteella tutkijat voivat vain ottaa tietyn normatiivisen aseman ja käyttää sitä tutkimuksessa. Tämä on erityisen huolestuttavaa jos tarkoituksena on muokata järjestelmää tarkemmin jotain arvoja noudatettavaksi Рonko se eettistä, että koehenkilöt joutuvat käyttämään järjestelmää, missä arvot ovat voimakkaasti läsnä. Minulla ei ole vielä oikeaa vastausta mahdollisiin arvoristiriitoihin, joten jätetään se tässä välissä oman pohdinnan varaan.

Tiivistelmä: mitä oikeastaan opimme?

Tiivistelmänä Рolen viettänyt nyt aika kauan pohdiskellen ja tutkien sanassa tilassa tapahtuvaa tietokonevälitteistä viestintää. Tämän tutkimuksen haaste mielestäni on sen teoreetiton luonne. Tutkimuksemme tavoite oli ehdoittaa mahdollisuuksia muodostaa teoriaa käyttäen normatiivisia teorioita ja näytämme, mitä mahdollisuuksia normatiivisilla teorioilla voisi olla käyttöliittymätutkimuksessa. Jäämmekin odottamaan mielenkiintoisia sovelluskohteita normatiivisille teorioille.

Blogipostaus pohjautuu CHI-konfferenssissa 2017 esitettyyn artikkeliin Nelimarkka, M., Salovaara, A., Semaan, B., & Jacucci, G. (2017). Theory-Driven Collocated CMC.¬†An English version is available in Rajapinta’s Medium.com and Matti’s personal blog.

Digitaalinen vaaliteltta: Twitter politiikan areenana eduskuntavaaleissa 2015

#vaalit2015-ehdokkaat_kuukausi-nonamesTänään 15.7. SuomiAreenassa Porissa julkaistaan Eduskuntavaalitutkimus 2015: Poliittisen osallistumisen eriytyminen -kirja, jossa suomalaiset politiikan tutkijat perkaavat edellisten eduskuntavaalien asetelmaa. Julkaisutilaisuuden jälkeen järjestetään myös poliittisen osalistumisen eriytymistä käsittelevä paneeli. Kirjan analyysit perustuvat pääosin vuoden 2015 vaalien jälkeen käyntihaastatteluilla kerättyyn eduskuntavaalitutkimusaineistoon, mutta mukana on myös Digivaalit-projektimme tutkijoiden kirjoittama luku Twitteristä digitaalisena vaalitelttana

Marttila, Mari; Laaksonen, Salla-Maaria; Kekkonen, Arto; Tuokko, Mari & Nelimarkka, Matti (2016). Digitaalinen vaaliteltta: Twitter politiikan areenana eduskuntavaaleissa 2015. Teoksessa Eduskuntavaalitutkimus 2015: Poliittisen osallistumisen eriytyminen. Oikeusministeriön Selvityksiä ja julkaisuja 28/2016. [linkki koko julkaisuun]

Luvussa keskitymme Twitteriin ja sen k√§ytt√∂√∂n eduskuntavaaleissa 2015. Tarkastelemme ensin eduskuntavaaliehdokkaiden Twitterin k√§ytt√∂√§ puolueittain ja vaalipiireitt√§in. Sen j√§lkeen luomme katsauksen Twitter-keskustelun aihepiireihin ja rakenteisiin k√§ytettyjen aihetunnisteiden eli hashtagien avulla. Lopuksi tarkastelemme yleisemm√§n poliittisen Twitter-keskustelun rakennetta verkostoanalyysin keinoin. Luvussa¬† esitetyt analyysit pohjautuvat kaikkiin eduskuntavaaliehdokkaiden l√§hett√§miin twiitteihin aikav√§lill√§ 19.3.‚ÄĒ19.4.2015 sek√§ samalta aikajaksolta #vaalit2015-aihetunnisteen sis√§lt√§viin viesteihin. Aineistossa on yhteens√§ 210 737 twiitti√§.

Ehdokkaan näkökulmasta Twitter on potentiaalisesti hyödyllinen vaalikampanjoinnin ja poliittisen keskustelun areena. Se tarjoaa poliitikoille mahdollisuuden viestiä kansalaisten kanssa ja näin paitsi vastaanottaa kysymyksiä ja palautetta, myös luoda itsestään kuvaa helposti lähestyttävänä ja ihmisystävällisenä: omalta osaltaan siis laskea raja-aitaa itsensä ja edustettavien kansalaisten välillä. Twitter on palvelu, jonka avulla yksittäisen ehdokkaan on jossakin määrin mahdollista ohittaa perinteisen median portinvartijat.

Ehdokkaat Twitterissä keväällä 2015

Vaalien alla vaikutti silt√§, ett√§ ainakin media oletti vuoden 2015 vaalien olevan ensimm√§iset todelliset Twitter-vaalit. 2015 eduskuntavaaliehdokkaat k√§yttiv√§t Suomessa Twitteri√§ aktiivisemmin kuin koskaan aikaisemmin. ¬†T√§p√§r√§sti yli puolet (50,8%) ehdokkaista oli l√§sn√§ Twitteriss√§, kun vuoden 2011 vaaleissa luku oli 19 prosenttia. L√§sn√§olo on kuitenkin vain yksi mittari ‚Äď eik√§ kovin hyv√§ sellainen, sill√§ ehdokkaiden twiittausaktiivisuus on hyvin jakautunutta niin vaalipiirien kuin puolueidenkin kesken. Twitterin k√§ytt√∂ olikin vaaleissa 2015 varsin keskittynytt√§: vain pieni osa ehdokkaista oli √§√§nekk√§it√§ suurimman osan tyytyess√§ julkaisemaan hyvin v√§h√§n. Ehdokkaiden julkaisemien twiittien jakauman perusteella Twitter n√§ytt√§ytyy l√§hinn√§ kokoomuksen ja vihreiden kilpakentt√§n√§, jolla kamppaillaan suurten vaalipiirien √§√§nist√§.

Viestinn√§n n√§k√∂kulmasta Twitter oli kansanedustajaehdokkaille kev√§√§ll√§ 2015 paitsi yksisuuntaisen kampanjoinnin v√§line my√∂s foorumi, jolla osallistuttiin poliittiseen keskusteluun. Ehdokkaiden tileilt√§ julkaistuista twiiteist√§ hieman alle 62 prosenttiin oli lis√§tty jokin aihetunniste, ja noin 60 prosentissa twiiteist√§√§n ehdokkaat mainitsivat toisen k√§ytt√§j√§n. Kuitenkin huomattava m√§√§r√§ edustajien tileilt√§ julkaistuista twiiteist√§ ei sis√§lt√§nyt kumpaakaan n√§ist√§ toiminnoista. Twitter olikin kev√§√§ll√§ 2015 ehdokkaille paitsi poliittisen keskustelun foorumi, ennen kaikkea kampanjoinnin, verkostoitumisen ja ‚Äúelektronisten esitteiden‚ÄĚ jakamisen areena: siis yksi vaaliteltta muiden joukossa.

Vaalien tuloksia tarkasteltaessa on selv√§√§, ett√§ ehdokkaiden Twitter-aktiivisuus ei suoraan n√§y vaalituloksessa ‚ÄĒ vaaleja ei siis ratkaista Twitteriss√§ (ks. my√∂s P√∂nk√§ 2015). Aineistomme kymmenest√§ aktiivisimmasta ehdokkaasta vain kaksi, Alexander Stubb ja Satu Hassi, tulivat valituiksi eduskuntaan. Aktiivisimpien twiittaajien joukossa oli ehdokkaita sek√§ pienpuolueista ett√§ eduskuntapuolueista, oppositiosta ja hallituspuolueista.

Ero Twitter-aktiivisuudessa eduskuntapuolueiden ja pienpuolueiden ehdokkaiden välillä on kuitenkin pohdinnan arvoinen asia. Yleisenä huomiona voidaan todeta, että Twitteriä kampanjassaan hyödynsivät lähinnä jo jonkinlaisen valta-aseman saaneiden puolueiden ehdokkaat. Vaikuttaakin siltä, että Twitter on ainakin tällä hetkellä osa suurten puolueiden ammattimaista vaalikampanjointia myös Suomessa. Sen sijaan pienpuolueet eivät ole eduskuntapuolueiden lailla onnistuneet innostamaan ehdokkaitaan kampanjoimaan Twitterissä.

Vaalikeskustelun #kuplat

Yleisen vaalikeskustelun tarkastelussa havaitsimme, kuinka vaalikeskustelussa muodostettiin keskusteluyhteisöjä aihetunnisteiden avulla. Esimerkiksi turvallisuuspolitiikkaan liittynyttä keskustelua käytiin #turpo-aihetunnisteen kautta. Aihetunnisteita käytettiin myös eri toimijoiden vaalitenttien (esimerkiksi #kuumatnimet, #olohuonetentti) sekä järjestöjen ja puolueiden kampanjoiden yhteydessä (esimerkiksi #koulutuslupaus, #korjausliike, #feministisetvaalit).Hashtagien määristä olemme bloganneet Rajapinnassa jo viime vuonna.

Aihetunnisteet ovat kätevä keino aihepiirien ja keskustelujen merkitsemiseen. Verkostoanalyyttinen tarkastelumme kuitenkin osoitti, että aihetunnisteet jäivät usein yhden yhteisön sisäiseksi viestinnäksi eivätkä onnistuneet luomaan sellaisia viestinnän areenoita, joilla eri toimijat aidosti kohtaisivat. Vahva eriytyminen keskusteluissa tarkoittaa pahimmillaan muiden näkökantojen puuttumista; keskustelu käymistä omassa kuplassa tai kaikukammiossa.

Twitter on rajattu ja erikoistunut keskusteluareena

Analysoitaessa Twitteriä poliittisen viestinnän areenana on kuitenkin syytä korostaa, että Twitter edustaa hyvin rajattua ja erikoistunutta yleisöä.  Yhteisö- ja mikroblogipalvelu Twitteriä seuraa erilaisten arvioiden mukaan vain noin kymmenen prosenttia suomalaisista (Yleisradio 2015; Nummela 2016). Suomessa Twitter on suosittu erityisesti poliitikkojen, asiantuntijoiden ja toimittajien keskuudessa, ja sitä onkin tituleerattu eliittimediaksi (Vainikka ja Huhtamäki 2015). Kattavaa kuvausta Suomen Twitter-käyttäjäkunnasta ei kuitenkaan ole tehty.

On siis selvää, että pelkästään Twitteriä tutkimalla ei voida tehdä lopullisia johtopäätöksiä poliittisen verkkoviestinnän koko kirjosta. Samoin on syytä huomata, että verkossa tapahtuva poliittinen viestintä ei yleisemminkään edusta koko kansaa, vaan sen on kansainvälisesti havaittu olevan painottunut nuoriin ja yhteiskunnallisesti aktiivisiin toimijoihin (Barbera ja Rivero 2014; Blank 2013; Strandberg 2013).

Sen sijaan luvussa esitetyt tulokset kuvaavat Twitterin haasteita poliittisen viestinnän kentällä. Olemme osoittaneet suurien kaupunkialueiden ja valtapuolueiden ehdokkaiden käyttävän Twitteriä muita ehdokkaita aktiivisemmin. Olemme myös havainneet poliittisen keskustelun tapahtuvan tietyissä sisäänpäin kääntyneissä yhteisöissä myös Suomessa. Näitä havaintoja vasten onkin syytä pohtia, minkä roolin niin poliittiset toimijat kuin politiikan tutkijat ja toimittajatkin antavat Twitterille omassa työssään.