Kuidas mõista andmestunud maailma. Anto Aasa, Mare Ainsaar, Mai Beilmann, Marju Himma Muischnek,
Чтение книги онлайн.

Читать онлайн книгу Kuidas mõista andmestunud maailma - Anto Aasa, Mare Ainsaar, Mai Beilmann, Marju Himma Muischnek, страница 8

Название: Kuidas mõista andmestunud maailma

Автор: Anto Aasa, Mare Ainsaar, Mai Beilmann, Marju Himma Muischnek,

Издательство: Eesti digiraamatute keskus OU

Жанр: Руководства

Серия:

isbn: 9789985588949

isbn:

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

      VIIDATUD KIRJANDUS

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

      Hepp, A. 2020. Deep Mediatization. Routledge.

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

      Hintz, A.; Dencik, L.; Wahl-Jorgensen, K. 2019. Digital citizenship СКАЧАТЬ