Metodološki pristopi in praktični vidiki podatkovnega rudarjenja v antropologijiPretnar Žagar, Ajda (Avtor) Podjed, Dan (Mentor) Zupan, Blaž (Komentor) računska antropologijakrožne mešane metodeznanost o podatkihpodatkovna etikanadzorpametne stavbemetodologijatehnologijaAnaliza velikih podatkov postaja v zadnjih letih vse bolj priljubljena. To se kaže tudi na področju antropologije, in sicer v pojavu novega področja, imenovanega računska antropologija. Čeprav se računalniki uporabljajo v antropologiji že vsaj od sredine 20. stoletja in četudi je računsko družboslovje danes uveljavljena veda, je antropoloških raziskav, ki uporabljajo računske pristope za analizo podatkov, relativno malo. Prva, ki sta opozorila na uporabnost računalnikov kot raziskovalnih pripomočkov v antropologiji, sta bila Lévi-Strauss, ki je želel učinkovito organizirati osnovne enote mitov, ter Edmund Leach, ki je iskal splošne vzorce družb. Tudi v Sloveniji je že leta 1970 Helena Ložar-Podlogar uporabljala sistem luknjanih kartic za zapisovanje gradiva o ženitovanjskih šegah, leta 1991 pa je Fikfak s sodelavci oblikoval digitalizirani informacijski sistem Göthove topografije. Kljub temu so študije ostajale večinoma kvalitativne, kvantitativni podatki pa so se obravnavali kot sekundarno gradivo. V drugem desetletju 21. stoletja smo priča tudi metodološkemu in epistemološkemu napredku pri vključevanju računskih analiz v antropološke raziskave. Povezovanje kvalitativnih in kvantitativnih pristopov izhaja iz tradicije mešanih metod, pri čemer pristopi zajemajo sodelovalne opise vizualizacij (t. i. etno-rudarjenje), kalibracijo analitskih parametrov in interpretacijo ugotovitev z etnografijo (t. i. zvezovanje), oblikovanje novega konceptualnega polja z obeh analitskih izhodišč(t. i. zlivanje) ter eksplicitno interdisciplinarno metodološko eksperimentiranje (t. i. hibridna metodologija). V disertaciji predlagam nov metodološki pristop, imenovan krožna mešana metoda, ki sočasno izhaja iz obeh izhodišč in vključuje večkratno reformulacijo hipotez in ugotovitev na podlagi analize podatkov ter etnografskih pripovedi. Na primeru analize senzorskih meritev kvalitete delovnih prostorov določim prednosti in slabosti posameznega pristopa, raziščem možnosti prepletanja etnografije s podatkovnim rudarjenjem ter oblikujem metodološke smernice za uporabo računskih metod v antropologiji. Krožne mešane metode sicer izhajajo iz tradicije interdisciplinarnih raziskav v antropologiji, natančneje iz splošnih mešanih metod. Če se pri splošnih mešanih metodah zaporedno ali vzporedno prepletata kvalitativni in kvantitativni pristop, je poudarek pri krožnih mešanih metodah ravno na krožnosti. Krožnost lahko opišemo kot kontinuirano prehajanje med obema načinoma, kjer spodbuda za menjavo tehnike izhaja iz problema v podatkih. Ko z eno metodo izčrpamo možnosti novih informacij, uporabimo drugo metodo, ki problem osvetli na povsem nov način. Raziskovanje s pomočjo krožnih mešanih metod prikažem na primeru stavbe Fakultete za računalništvo in informatiko (FRI) Univerze v Ljubljani. V kompleksu, kjer se nahaja stavba FRI, naprave redno beležijo več kot dvajset tisoč vhodno-izhodnih signalov. V raziskavi sem za analizo izbrala temperaturo in prisotnost v prostoru, porabo energije ter kvaliteto zraka. Skupno sem zbrala več kot tri milijone meritev, ki sem jih nato zaokrožila na 15-minutne intervale. V podatkih sem identificirala ponavljajoče se vzorce s pomočjo vizualizacij, frekvenc pojavitev posameznih kombinacij ter gručenja. Izkaže se, da so vzorci uporabe različni glede na tip sobe. Leta 2018 smo v določenih sobah namestili senzorje kvalitete zraka, katerih namen je bil izboljšanje parametrov delovnega okolja. Z namestitvijo senzorja, ki je kvaliteto zraka sporočal z barvo lučke, se je pogostost zračenja v prostorih dvignila. Intervencija se je izkazala za uspešno, pri čemer pa mora le-ta biti zasnovana ljudem prijazno. Odzivnost senzorja je bila namreč slaba, kar je izzvalo frustracije uporabnikov, ki so senzorju sčasoma preprosto nehali zaupati. Odzive posameznikov na senzor sem identificirala z etnografskim pristopom. V prvih nekaj tednih se je večina uporabnikov na opozorilo o slabi kvaliteti zraka odzvala resno in v hipu reagirala (npr. z odpiranjem okna). Ker senzor dolgo časa ni nagradil uporabnika s povratno informacijo o izboljšanju kvalitete zraka, je zaupanje do naprave padlo, naraščale pa so frustracije. V začetku se je večina odzivala šaljivo, nato jezno, nazadnje pa so senzor preprosto začeli ignorirati. Iz tega sem ugotovila, da morajo biti tehnološke rešitve zasnovane tako, da imajo preprosta navodila ter ustrezajo pričakovanjem uporabnikov, sicer jih ti hitreje prenehajo uporabljati. Izkazalo se je, da je tovrstne tehnološke izdelke, ki vplivajo na vedenje in navade, treba oblikovati v sodelovanju z uporabniki, torej po načelu sodelovalnega oblikovanja. Kot nadgradnjo analize podatkov sem zasnovala sistem za analizo transkriptov intervjujev. Struktura intervjuja je določena z vprašanji in odgovori, kar je treba upoštevati pri analizi. Zato sem preizkusila šest načinov segmentacije intervjujev, kjer segmentacija upošteva sklope vprašanje-odgovor, hkrati pa poskuša besedilo razdeliti na tematsko enotne dele. Segmentirane intervjuje sem nato gručila s hierarhičnim razvrščanjem v skupine, ki je uspešno združilo vprašanja po tematskih sklopih. Na ta način sem enostavneje primerjala odgovore sogovornikov. Rezultate analize intervjujev sem ponovno dopolnila z etnografijo. Glavno sporočilo uporabnikov t. i. pametne stavbe je, da so sicer tehnološke rešitve zadovoljiv pripomoček, je pa uporabnikom potrebno omogočiti, da sami upravljajo z okoljem, ko to želijo. Hkrati je take stavbe že izhodiščno smiselno zasnovati glede na specifične potrebe uporabnikov, saj so kasnejše prilagoditve dražje ali celo neizvedljive. In če uporabniki menijo, da rešitev zanje ni ustrezna, hkrati pa je pomembna za njihovo delo ali dobro počutje, jo bodo s kreativnimi rešitvami prilagodili. Z analizo senzorskih podatkov v disertaciji pokažem, kako lahko kvantitativni pristopi, specifično strojno učenje, podatkovno rudarjenje in rudarjenje besedil, uspešno dopolnijo kvalitativne pristope, denimo opazovanje z udeležbo in intervjuje. Preplet metodologij pa je možno uporabiti tudi v drugih raziskovalnih kontekstih. Modele strojnega učenja lahko uporabimo za avtomatsko označevanje arhivskih slik, kot pokažem na primeru kozolcev. Mešane metode pa uspešno delujejo tudi v gospodarstvu, kar je razvidno iz primera razvoja uporabniškega vmesnika za medijski portal, kjer smo v sodelovanju z uporabniki ter s kombinacijo strojnega učenja in fokusnih skupin oblikovali izdelek, ki upošteva potrebe uporabnikov in želje naročnikov. Kot pokažem v disertaciji, kvantitativni pristopi v antropologiji ne zavračajo klasičnih etnografskih pristopov, temveč jih obogatijo in opolnomočijo. Računske tehnike so zelo primerne za obdelavo velikih količin podatkov, preučevanje longitudinalnih vzorcev in sočasnih pojavov ter preliminarne raziskave terena oziroma oblikovanje raziskovalnih vprašanj. Z etnografijo razkrite vzorce razložimo, osmislimo, postavimo v družbeni kontekst in jih dopolnimo s podrobnimi in bogatimi opisi. Glavna prednost krožnih mešanih metod pa je, da z njimi ustvarimo povratno raziskovalno zanko, ki omogoči novo perspektivo za posamezen vir podatkov in s tem zagotovi celostnejši vpogled v problem, ki ga raziskujemo.A. Pretnar20212025-03-03 08:19:38Doktorska disertacija167599UDK: 39:004.8(043.3)COBISS_ID: 64481027sl