ATLAS.ti-ohjelma - Tampereen yliopisto

Herkama & Laajalahti 2015
24.8.2015
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)
• [email protected]
ATLAS.ti laadullisen analyysin tukena
1
Herkama & Laajalahti 2015
24.8.2015
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)
• [email protected]
ANALYYSIOHJELMAN
PERUSTOIMINNOT
”Ja mistäs tässä olikaan kyse?”
ATLAS.ti laadullisen analyysin tukena
2
Herkama & Laajalahti 2015
24.8.2015
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!)
ATLAS.ti laadullisen analyysin tukena
3
Herkama & Laajalahti 2015
24.8.2015
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?
ATLAS.ti laadullisen analyysin tukena
4
Herkama & Laajalahti 2015
24.8.2015
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?”
ATLAS.ti laadullisen analyysin tukena
5
Herkama & Laajalahti 2015
24.8.2015
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!”
ATLAS.ti laadullisen analyysin tukena
6
Herkama & Laajalahti 2015
24.8.2015
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
ATLAS.ti laadullisen analyysin tukena
7
Herkama & Laajalahti 2015
24.8.2015
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 (suora-
kulmainen 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)
ATLAS.ti laadullisen analyysin tukena
8
Herkama & Laajalahti 2015
24.8.2015
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.)
ATLAS.ti laadullisen analyysin tukena
9
Herkama & Laajalahti 2015
24.8.2015
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!
ATLAS.ti laadullisen analyysin tukena
10
Herkama & Laajalahti 2015
24.8.2015
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.
ATLAS.ti laadullisen analyysin tukena
11