LAADULLISEN AINEISTON ANALYYSIOHJELMAT: ATLAS.TI Sanna Herkama, erikoistutkija, TY Anne Laajalahti, tutkijatohtori, JY Metodifestivaalit 19. 20.8.2015 Tampere Sanna Herkama erikoistutkija, FT KiVa Koulu ja Opintokamu -toimenpideohjelmat psykologia, käyttäytymistieteiden ja filosofian laitos, Turun yliopisto väitöskirja Koulukiusaaminen. Loukkaavat vuorovaikutusprosessit oppilaiden vertaissuhteissa (JY, 2012) sanna.herkama@utu.fi 1
Anne Laajalahti tutkijatohtori, FT viestintätieteiden laitos, Jyväskylän yliopisto väitöskirja Vuorovaikutusosaaminen ja sen kehittyminen tutkijoiden työssä (JY, 2014) Public Empowerment Policies for Crisis Management (PEP, FP7, 2012 2014) CBRN crisis management: Architecture, Technologies and Operational Procedures (CATO, FP7, 2012 2014) anne.laajalahti@jyu.fi ANALYYSIOHJELMAN PERUSTOIMINNOT Ja mistäs tässä olikaan kyse? 2
MITÄ APUVÄLINEITÄ KÄYTÄN ANALYYSISSA? Analysoinko aineistoni perinteisin menetelmin? paperiprintit ja värikynät, paperipinoille eri laatikot, Wordin leikkaa-ja-liimaa-tekniikka Käytänkö analyysissa apuna laadullisen aineiston analysointiin suunniteltuja tietokoneohjelmia? ATLAS.ti, NVivo, Nudist, Ethnograph, AnSWR, HyperRESEARCH, winmax, MAXQDA, Transana, RQDA, CAT (Coding Analysis Toolkit), TAMS Analyser LAADULLISEN AINEISTON ANALYYSI ATLAS.TI -OHJELMALLA Milloin analyysiohjelmasta on hyötyä? aineiston koko? aineiston rakenne? tutkimuksen tavoitteet? omalle tieteenalalle tyypilliset kysymyksenasettelut, tutkimusongelmat ja analyysitavat? tietokoneen käyttötaidot ja oppimisnopeus? ohjelmien saatavuus ja käyttötuki (tekninen ja menetelmällinen!) 3
MITÄ OHJELMILLA VOI TEHDÄ JA MITÄ NIILLÄ EI VOI TEHDÄ? erimuotoisten aineistojen tarkastelu (teksti, kuva, ääni, video) aineiston hallinta, rajaus, organisointi, taltiointi oman ajatusprosessin dokumentointi merkityssuhdeverkostojen rakentaminen erilaisten läpileikkausten tekeminen tutkimusprosessin selkeyttäminen ja sen läpinäkyvyyden lisääminen keskeisimmät työvälineet: aineiston tallennus, luokittelu (koodaus) ja luokkien välisten yhteyksien rakentaminen Tutkija tekee analyysin ja tulkinnan, ohjelma ei tee analyysia! (Ks. esim. Jolanki, O. & Karhunen, S. 2010.) ANALYYSIN SUUNNITTELEMINEN aineisto aineiston laatu (teksti, kuva, ääni, video...) aineiston kerääminen, käsittely ja ohjelmaan siirtäminen aineiston analyysin peruskysymyksiä Mitä aineisto edustaa? Mistä se kertoo? Millaista analyysia toteutetaan? analyysia aloittaessa on hyvä tietää, mitä aineistollaan ja analyysillään tavoittelee esim. onko tarvetta ryhmien väliseen vertailuun? jatketaanko analyysia esimerkiksi SPSS-ohjelmalla? 4
ANALYYSIN VAIHEITA AINEISTON VALMISTELU Tekstin litterointi Kuvien esikäsittely Ääniraitojen valinta ja leikkaaminen Videopätkien valinta ja leikkaaminen KOODAAMINEN Merkityksellisten kohtien merkitseminen aineistoon Toisiinsa liittyvien kohtien merkitseminen aineiston sisällä TULKINTA Merkitysten rakentaminen havaintojen välille (esim. merkityssuhdeverkostot) Hakutoimintojen käyttö TUTKIMUSRAPORTIN KIRJOITTAMINEN Sitaattien valinta Muistiinpanojen tekeminen matkan varrella oman ajatteluprosessin taltiointi (esim. memot ja kommentit) Tehdyn analyysin läpinäkyväksi tekeminen itselle ja muille TALLENTAMINEN JA AINEISTON VIEMINEN OHJELMAAN Mitä, eikö se teekään valmista analyysia? 5
TEKSTIAINEISTON ESIKÄSITTELY JA OHJELMAAN VIENTI dokumenttien valmistelu (Rich Text Format = rtf-muodon edut, myös pdf toimii) mahdollinen litterointi missä ja miten? yksi projekti vai useampia projekteja? yksi vai useampi aineistotiedosto? esim. kaikki haastattelut samaan tekstitiedostoon vai kaikki eri tiedostoihin? linkitys omaan tutkimusasetelmaan KOODAAMINEN JA HAVAINTOJEN LUOKITTELU Koodaaminen on jo osa analyysia! 6
KOODAAMINEN MITÄ SE ON? * 1 (3) luokittelu, kategorisointi, noodien merkitseminen, koodaus koodaus: tutkimustehtävän kannalta merkityksellisten kohtien valitseminen, merkitseminen ja nimeäminen koodaus on jo tulkintaa! etukäteisoletusten tunnistaminen vs. aineistolle avoimena pysyminen luodaanko koodit etukäteen vai aineistoa läpikäytäessä? induktiivinen, abduktiivinen vai deduktiivinen analyysi? isosta kokonaisuudesta pieneen vai pienestä isoon? (Ks. esim. Jolanki, O. & Karhunen, S. 2010.) KOODAAMINEN MITÄ SE ON? * 2 (3) Mihin koodi kiinnitetään? mieti sitaation alku- ja loppukohta! erilaista koodausta koodaa uudella koodilla koodaa vanhalla koodilla pikakoodaus (edellinen koodi) in-vivo-koodaus (teksti koodataan itsellään) automaattinen koodaus (merkkijonopohjaista etsintää) Tutkija hakee merkityksiä, kone merkkijonoja. Eläköön se pieni (?) ero! (Eskola & Suoranta 2008, 206.) koodien nimeämislogiikan tärkeys 7
KOODAAMINEN MITÄ SE ON? * 3 (3) koodeja voi yhdistää koodiperheiksi esim. kiusaaminen on haukkumista, lyömistä, ryhmän ulkopuolelle jättämistä jne. usein sitaatioita merkittäessä joutuu palaamaan taaksepäin, muokkaamaan koodien nimiä, yhdistelemään niitä ja luomaan uusia analyysiyksikön tarkka sisältö ja rajat löytyvät usein vasta käytännön tekemisen myötä! KUVA-, ÄÄNI- JA VIDEOAINEISTOJEN ANALYSOINTI erilaisten aineistojen ohjelmaan vienti, sopivia tiedostomuotoja on useita: kuva: esim. pdf, bmp, jpeg, tiff ääni: esim. wav, mp3, wma, snd video: esim. avi, mpg, wmv, mov koodaaminen: koodi merkitään kuvan osaan (suorakulmainen alue) tai tietylle aikavälille (alku loppu) ääniraita (min, sek, millisek), video (pienin yksikkö frame) mahdollisuudet sekä haasteet ja rajoitukset tiedostojen koko ja pituus? latausaika, track bar ei voi ylittää tietokoneen näytön rajoja (ratkaistu versiossa 7), näyttöresoluutio riittää usein pätkiminen useampaan tiedostoon? nykyisin mahdollista lukea litteraatiota samaan aikaan (multiview) 8
OHJELMAN KÄYTÖN EDUT JA MAHDOLLISUUDET Laadullisen aineiston hallitseminen ja organisointi helpottuu. Potentiaalisten virheiden määrä vähenee. tutkimuksen luotettavuus analyysiprosessin johdonmukaisuus ja läpinäkyvyys Huomiot, ajatukset ja kommentit voidaan tallentaa ja arkistoida. Sitaatit on helppo poimia ja siirtää lopulliseen tutkimusraporttiin. (Tiettyjen) osallistujien (joitakin) vastauksia voidaan tarkastella yhtä aikaa. tietyn koodin tulostaminen tekstieditorille mahdollistaa monenlaisten läpileikkausten tekemisen Ajattelu ja analyysi syvenee prosessin edetessä. Ajattelun apuväline. Voi lisätä tutkijan refleksiivisyyttä (Woods, Macklin & Lewis 2015) (Ks. lisäksi esim. Jolanki & Karhunen 2010.) OHJELMAN KÄYTÖN HAASTEET JA SUDENKUOPAT Laadullinen tutkimus on (usein) käsityötä ja on sitä vaikka käyttäisitkin analyysiohjelmaa. Ohjelma ei tee sinulle analyysia, sinä teet analyysin ohjelmalla! Ohjelman käyttö ei ole tae tutkimuksen laadukkuudesta tai lisääntyneestä luotettavuudesta. Saattaa urauttaa ajattelua! Ole tietoinen, minkälaiseen ajatteluun ohjelma sinua vie ja minkälaiset näkökulmat aineistoon se sulkee pois. Näenkö metsän puilta? Älä huku koodiviidakkoon tai saata itseäsi koodausähkyyn! ( koodausansa, koodausähky, koodiviidakko, hukkua koodeihin ) Ohjelmaan luodut koodit eivät vielä ole tutkimuksen tuloksia! Tarvitaan vielä tulosten tulkintaa! Älä lopeta liian aikaisin! Ohjelman käyttö saattaa tuntua alussa haasteelliselta. Älä luovuta! Kokeile rohkeasti! (Ks. esim. Jolanki & Karhunen 2010.) 9
ATLAS.TI:N VERSIOT JA SAATAVUUS ATLAS.ti 4 (monilta osin vanhentunut) ATLAS.ti 5 ja 6 (toimivat melko hyvin) ATLAS.ti 7 (uusin ja paras) ATLAS.ti 8 (tulossa vuonna 2015) Note: Support for the older Version 6 ends with the release of ATLAS.ti 8. Upgrade to ATLAS.ti 7 now and get v.8 free of charge later this year. ilmainen demoversio osoitteesta http://www.atlasti.com/demo.html aiemmin vain Windows-ympäristöön, nyt myös Mac-, ipad- sekä Mobile for Android -versio yliopistoilla erilaisia käytänteitä ohjelman saatavuuden ja lisenssin hinnan suhteen FREE TRIAL VERSION OF ATLAS.TI 7 The demo version is free and works without time limit. The trial version is fully functional except for the following limitations: It is not possible to save projects that exceed a certain size, although you can open and use projects of any size. Auto recovery backup is disabled. Maximum values: 10 primary documents of unlimited size 100 quotations (= data segments) 50 codes 30 memos 10 network views Note: It is NOT possible to install the ATLAS.ti trial version side-by-side with an existing full release! 10
KIRJALLISUUS Eskola, J. & Suoranta, J. 2008. Johdatus laadulliseen tutkimukseen. 8. painos. Tampere: Vastapaino. Jesson, J. K., Matheson, L. & Lacey, F. M. 2011. Doing your literature review: Traditional and systematic techniques. Lontoo: Sage. Jolanki, O. & Karhunen, S. 2010. Renki vai isäntä? Analyysiohjelmat laadullisessa tutkimuksessa. Teoksessa J. Ruusuvuori, P. Nikander & M. Hyvärinen (toim.) Haastattelun analyysi. Tampere: Vastapaino, 395 410. Woods, M., Macklin, R. & Lewis, G. K. 2015. Researcher reflexivity: Exploring the impacts of CAQDAS use. International Journal of Social Research Methodology. doi:10.1080/13645579.2015.1023964 LISÄLUKEMISTA, esim. Friese, S. 2012. Qualitative data analysis with ATLAS.ti. Lontoo: Sage. (Versiolle 6.) Friese, S. 2014. Qualitative data analysis with ATLAS.ti. 2. painos. Lontoo: Sage. (Versiolle 7.) Konopásek, Z. 2008. Making thinking visible with Atlas.ti: Computer assisted qualitative analysis as textual practices. Qualitative Social Research 9 (2), Art. 12. Rantala, I. 2010. Laadullisen aineiston analyysi tietokoneella. Teoksessa J. Aaltola & R. Valli (toim.) Ikkunoita tutkimusmetodeihin II. 3. painos. Jyväskylä: PS-kustannus, 106 126. Seale, C. 2010. Using computers to analyse qualitative data. Erilliskappale teoksessa D. Silverman, Doing qualitative research: A practical handbook. 3. painos. Lontoo: Sage, 251 267. Strauss, A. L. & Corbin, J. M. 1990. Basics of qualitative research: Grounded theory procedures and tehniques. Newbury Park: Sage. Strauss, A. L. & Corbin, J. M. 1994. Grounded theory methodology: An overview. Teoksessa N. K. Denzin & Y. S. Lincoln (toim.) Handbook of qualitative research. Thousand Oaks: Sage, 272 285. Tuomi, J. & Sarajärvi, A. 2009. Laadullinen tutkimus ja sisällönanalyysi. 5., uudistettu painos. Helsinki: Tammi. 11