Etnografiska utmaningar på nätet - Nätverket - Uppsala universitet

När nätet växer. Om algoritmiska och irreguljära metoder#förvisso på att algoritmer tillämpas, vilket innebäratt utbredda praktiker som ord- och bildbehandlingegentligen är en sorts rudimentära algoritmiskahjälpmedel. Men med algoritmiska metoder menar jagmer avancerad användning av mjukvara för att analysera,systematisera och undersöka komplext material. Dealgoritmiska metoderna kan kopplas samman medframväxten av det som kallas för digital humanities.Vid användandet av algoritmiska metoder bör forskarenha en viss kunskap om digital teknik. Software studies ären bra utgångspunkt för att skaffa sig en kritisk förståelseför vad tekniken betyder. Forskare som MatthewFuller (2008) och Lev Manovich (2008) har i en radpublikationer skrivit om mjukvarans kulturella betydelser.Ett sätt att i praktiken tillämpa algoritmiska metoderär att använda sig av databaser som en bärande delför insamling av material. Det finns program somtill exempel Atlas.ti som är gjorda för att kunnasystematisera och hantera kvalitativt material. Medhjälp av dessa kan man systematisera intervjuer, bilder,inspelningar etc (se Voldum & Havelund 2008:31). Ävenövrigt digitalt genererat material kan systematiseras. Isamband med att alltmer data härmed kan bearbetasnumeriskt så blir gränsen mellan kvalitativt ochkvantitativt material suddig.Frågan är vad detta betyder för utvecklingen avetnografiska metoder? Förhoppningsvis kan nyaelektroniska verktyg fungera som ett välbehövligtkomplement, inte minst i studier av nätbaseradefenomen.Lev Manovich har introducerat termen culturalanalytics (ska inte förväxlas med cultural analysis) isyfte att argumentera för hur mjukvara kan användasi humanistisk forskning. Han betonar också hurmjukvarubaserade metoder ger helt nya möjligheteratt representera och visualisera forskningsresultat.The envisioned highly detailed interactive visualizationsof cultural flows, patterns, and relationships will bebased on the analysis of large sets of data comparablein size to data sets used in sciences (i.e. a few or evendozens of terabytes). The data sets will come fromtwo main sources. The first source is media content -games / visual design / music / videos / photos / art /blogs / webpages, etc. In visualizing this content, wewill use not only already existing metadata (such asimage tags created by the users) but also new metadatawhich we will generate by analysing the media content(for instance, image processing of Flickr images). Thesecond source is digital traces left when people discuss,create, publish, consume, share, edit, and remix thesemedia. (Manovich 2007)Användningen av databaser för analys samt datagenereradevisualiseringar är ännu i sin linda i vetenskapersom etnologi, men i samband med forskningkring fenomen kopplade till ett ständigt expanderadeInternet kan de utgöra en stor potential. Det kan varavärt att inspireras av det som sker inom fält som digital35humanities, liksom av nya sätt att visualisera informationeller nya sätt att organisera material. 1Verktygens villkorVad är för- och nackdelarna med användningen av nyadigitala forskningsverktyg?För att svara på denna fråga kan det vara värt attreflektera över vad de verktyg vi idag använder oss av görmed forskningen. En stor del av forskningsprocessenför de flesta etnologer tar plats vid datorns tangentbordoch skärm. Många tar, när detta skrivs, till exempel hjälpav Google’s sökmotor i sitt arbete. Men vi vet ganskalite om villkoren för urvalet i sökmotorer, och om hurindexeringen av träffarna sker. Vilka algoritmer ochvilken avsiktlig sortering sker? När vi använder oss avalgoritmiska metoder är det viktigt att ha ett kritisktförhållningssätt till vad algoritmerna egentligen gör. Ianvändandet av digital teknik kan det ofta vara svårt attförstå vad som egentligen händer under gränssnittensyta, något som gör att en diskussion om verktygensoch teknikens roll är viktig i forskningssammanhang(se Willim 2006).Program som Microsoft Word är andra verktyg somi stort sett alla använder sig av. Men vad har tillexempel ordbehandlarens olika funktioner betytt förforskningen? Kopiera-och-klistra in-funktioner, sökochformateringsverktyg, synonymordböcker och andraalgoritmbaserade tillämpningar påverkar på olika sättform och innehåll i den vetenskapliga produktionen.Redskapen vi använder oss av är aldrig neutrala, utanvi är tillsammans med tekniken integrerade i en sortskognitiv och epistemologisk återkopplings-loop sompåverkar vårt skapande(se Willim 2002, jfr Hayles 2006).Det kan förekomma en blindhet för verktygs, mediersoch teknikers sätt att påverka oss som forskare. Vidiskuterar gärna vetenskapliga metoder. Fokus hamnarofta på hur vi analyserar text och tal, fältobservationersmöjligheter och fallgropar, villkor för transkriberingav ljudinspelningar, källkritik i arkiven etc. Men demest vardagliga dimensionerna av vårt arbete, somtill exempel ordbehandling, förbises ofta. Att börjaexperimentera med nya algoritmiska metoder kan varaett utmärkt tillfälle att också lyfta fram en bredarediskussion om våra verktygs betydelse för forskningen. 21Referenshanteringssystemet Zotero är ett exempel på nytänkandenär det gäller sortering av information (se www.zotero.org/ ). HansRosling och företaget Gapminder har utvecklat nya sätt att visualiseraframförallt statistik (se www.gapminder.org/ ). Dessa exempel kanvara värt att hålla ögonen på även för etnologer. Utöver dessa exempelväxer det fram en diger flora av mjukvarubaserade verktyg att användasig av i såväl insamling, analys som representation av forskning.2Diskussionen om verktygens villkor bör också kunna leda till merexperimenterande med nya former för vetenskaplig produktion. Nyamedier möjliggör nya sätt att kommunicera forskning, något som kankräva att nya kriterier för meritering tas fram. kriterier som brytermed dagens strömlinjeformade publiceringsstrategier som betonartraditionella vetenskapliga artiklar, böcker och konferens-papers(Ippolito et.al. 2009, Kjellberg 2009).Nätverket 2010: 17: 34–38http://natverket.etnologi.uu.se