Andme%C3%BChiskond_Sissejuhatus_A.Masso_K.Tiidenberg_A.Siibak.pdf

Type: Document | Status: ready
← All sources

Kuidas mõista
andmestunud maailma? Gigantum Humeris sarja kolleegium Airi-Alina Allaste (Tallinna Ülikool) Karsten Brüggemann (Tallinna Ülikool) Tiina Elvisto (Tallinna Ülikool) Indrek Ibrus (Tallinna Ülikool) Marju Kõivupuu (Tallinna Ülikool) Mihhail Lotman (Tallinna Ülikool, Tartu Ülikool) Rain Mikser (Tallinna Ülikool) Katrin Niglas (Tallinna Ülikool) Hannes Palang (Tallinna Ülikool) Ülar Ploom (Tallinna Ülikool) Kristjan Port (Tallinna Ülikool) Jaan Puhvel (California Los Angelese Ülikool) Tõnis Põder (Tallinna Ülikool) Rein Raud (Tallinna Ülikool) Raivo Stern (Keemilise ja Bioloogilise Füüsika Instituut) Marek Tamm (Tallinna Ülikool) Peeter Torop (Tartu Ülikool) Jaan Valsiner (Aalborgi Ülikool) Anna Verschik (Tallinna Ülikool) Airi Värnik (Tallinna Ülikool)

TLÜ Kirjastus Tallinn 2020 Tallinna Ülikool GiGanTum Humeris Kuidas mõista
andmestunud maailma? meTodoloogili Ne TeejuHT Koostanud ja toimetanud
anu masso, Katrin Tiidenberg
ja andra siibak Gigantum Humeris Kuidas mõista andmestunud maailma? Metodoloogiline teejuht Keeletoimetaja Sirje Ratso Korrektor Kai Nurmik Küljendaja Sirje Ratso Sarja makett: Rakett Autoriõigus: peatükkide autorid, 2020 Autoriõigus (koostamine): Anu Masso, Katrin Tiidenberg ja Andra Siibak, 2020 Autoriõigus: Tallinna Ülikooli Kirjastus, 2020 ISSN 2228-1029 ISBN 978-9985-58-889-5 TLÜ Kirjastus Narva mnt 25 10120 Tallinn www.tlupress.com Trükk: Folger Art

Sisukord Eessõna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 Sissejuhatus (Anu Masso, Katrin Tiidenberg, Andra Siibak). . . . . . . . . . 11

  1. Maailma andmestumine 1.1. Andmepõhine muutuste juhtimine

(Anu Masso, Triin Vihalemm, Leno Saarniit). . . . . . . . . . . . . . . . . . . 41 1.2. Andmete õiguslik kaitse ja kasutamine teadustöös

(Aleksei Kelli, Irene Kull, Age Värv). . . . . . . . . . . . . . . . . . . . . . . . . . . 70 1.3. Avaandmete kasutusvõimalused ja piirangud

(Mai Beilmann, Ave Roots). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 1.4. Eetika ja privaatsus (Katrin Tiidenberg, Andra Siibak). . . . . . . . . . 119 2. (Suur)andmete mõtestamine 2.1. (Suur)andmete visuaalne esitamine (Anto Aasa). . . . . . . . . . . . . . . 149 2.2. Sotsiaalvõrgustike analüüs (Innar Liiv). . . . . . . . . . . . . . . . . . . . . . . 178 2.3. Agendipõhine modelleerimine (Kuldar Taveter). . . . . . . . . . . . . . . 210 2.4. Masinõppe meetodid ja rakendused suurandmete

töötlemisel (Toomas Kirt) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241 3. Teksti- ja tajuandmete analüüs 3.1. Tekstikaeve (Kristel Uiboaed). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283 3.2. Digitaalsed tekstiandmed ja korpuslingvistika

(Kadri Muischnek, Liina Lindström) . . . . . . . . . . . . . . . . . . . . . . . . . 306 3.3. Automatiseeritult hoiakute mõõtmine ja meelestatuse

analüüs (Mare Koit, Haldur Õim). . . . . . . . . . . . . . . . . . . . . . . . . . . 340 3.4. Pilgujälgimine (Kristian Pentus, Andres Kuusik). . . . . . . . . . . . . . . 368 4. Lugude jutustamine andmetest ja andmetega 4.1. Digiajaloo ja -arheoloogia uurimismeetodid

(Marek Tamm, Hembo Pagi). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 409

6 kuidas mõista andmestunud maailma? 4.2. Ajakirjandus (suur)andmete ajastul

(Ragne Kõuts-Klemm, Marju Himma-Kadakas) . . . . . . . . . . . . . . . 434 4.3. Diskursusanalüüs andmestunud ühiskonnas

(Katrin Tiidenberg, Anu Masso, Maili Pilt, Liisi Laineste) . . . . . . . 462 4.4. Narratiivid sotsiaalmeedias (Maili Pilt, Liisi Laineste). . . . . . . . . . 494 5. Platvormid ja andmetaristud uurimisvahendi ja -objektina 5.1. Audiovisuaalne kultuur, metaandmed ja lingianalüüs

(Indrek Ibrus, Maarja Ojamaa). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 531 5.2. Internetiandmete kasutamine tööturu-uuringuteks

(Anna Veremchuk, Jaan Masso) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 569 5.3. Sotsiaalmeedia andmete sotsiaal-ruumiline analüüs

(Olle Järv, Kerli Müürisepp). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 597 5.4. Mobiiltelefonid ühiskonna ajalis-ruumilises analüüsis

(Siiri Silm, Olle Järv). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 622 6. Iseteadlik ja teovõimeline inimene andmeühiskonnas 6.1. Küsitlusuuringud internetis

(Mare Ainsaar, Indrek Soidla, Ave Roots). . . . . . . . . . . . . . . . . . . . . 653 6.2. Etnograafia andmestunud ühiskonnas: osalusvaatlus

ja välitöömärkmed (Katrin Tiidenberg). . . . . . . . . . . . . . . . . . . . . . . 680 6.3. Veebiintervjuud, projektiivtehnikad ja loovuurimis-

meetodid (Maria Murumaa-Mengel). . . . . . . . . . . . . . . . . . . . . . . . . 707 6.4. Autoetnograafia andmestunud ühiskonnas

(Pille Pruulmann-Vengerfeldt). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 739 Terminisõnastik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 763 Aineloend . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 779 Autorid. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 787

eessõNa Mõte koostada raamat andmestunud maailma uurimisest ja mõistmisest sai alguse sihtasutuse Archimedes kõrgkooliõpikute kirjutamise kutsun - gist. Selle raamatu kolmel koostajal tekkis teineteisest sõltumatult mõte panna kokku raamat, mis tutvustaks uusimaid suundi ühiskonna- ja humanitaarteaduslikes, kuid ka teiste seotud distsipliinide uuringutes, ja seda ajal, mil digitehnoloogiad ja internet aina enam uurimishuvi suuna- vad ja uurimisobjekte vormivad. Jõudude ühendamisel sündis unikaalne meeskond, kelle koostöö tulemusena on nüüd võimalik tutvustada laie - male lugejaskonnale Eestis kasutatavaid originaalseid andmeid, meeto - deid ja vaatenurki. Raamatu kirjutamisel on olnud kolm eesmärki: esiteks, avada andmestunud maailma analüüsimise mitmekesiseid võimalusi ja põhimõtteid; teiseks, tutvustada uudseid Eesti uurimusi ja siin arenda - tud analüüsimeetodeid; kolmandaks, tekitada huvi uute meetodite kasu - tamise, katsetamise ja edasiarendamise vastu. Kõik need on eelduseks, et ühiskondlikke muutusi tõendus- ja teadmuspõhiselt juhitaks. Raamatu ambitsioon on käsitleda andmestumisega seotud metodoloogilisi muu - tusi ning alustada peamiste andmestunud maailma uurimise ja mõist - misega kaasnevate nihete ja suundade kaardistamisega Eestis. Raamatu kirjutamise käigus selgitasime välja Eestis praegu käibivad andmestunud maailma uurimisega seotud arusaamad ning pakume välja asjakohase eestikeelse terminoloogia. Tutvustame rohket rahvusvahelist tähelepanu pälvinud käsitlusi, ent toome lugejani ka innovaatilisi vaate - nurki – mitmed kogumikus kajastamist leidvad meetodid on uuendusli - kud ning oma valdkonnas teedrajavad nii Eestis kui ka maa ilmas. Raamat kajastab Eesti unikaalseid algatusi andmevaldkonnas ning arvestab Eesti kohalike õiguslike ja sotsiaalsete traditsioonide ja normidega. Raamatust leiab nii sammsammulisi juhendeid eri meetodite kasutamiseks kui ka diskussioone andmete õiglase ja eetilise loomise ja kasutamise kohta. Sellisena on raamat mitte klassikaline õpik, vaid tekstikogumik, mis avab andmeühiskonnas toimuvat ja selle uurimise telgitaguseid oma mitmekesisuses. Kogumikus on teadlikult välditud varasemaid 8 kuidas mõista andmestunud maailma? metodoloogilisi jaotusi ja klassifikatsioone (nt kvalitatiivne vs. kvanti - tatiivne, arvutuslik vs. interpretatiivne, deduktiivne vs. induktiivne). Rahvusvahelised metodoloogilistele uuendustele suunatud diskussioo - nid on valdavalt päri, et konventsionaalsed klassifikatsioonid piiravad ja risustavad andmestuva maailma mõistmist, millele on omane pigem ole- masolevate vahendite segunemine ja brikolaaž. Ehkki käesolev kogumik toetub osaliselt rahvusvahelises kirjanduses pakutud diskussioonidele, oli meie eesmärk pakkuda just Eesti konteksti sobituvat vaadet. Kogu - mikus pakutud jaotustega – ühiskonna andmestumine, suurandmete mõtestamine, teksti- ja tajuandmete analüüs, andmetega ja andmetest lugude jutustamine, platvormid ja andmetaristud ning andmeühis - konnas tegutsev inimene – soovime panna lugejaid mõtlema valikute ja võimaluste üle, mis seoses andmemaailmas toimuvate muutustega
avanevad. Andmestunud maailma üheks eripäraks on, et meie kõigi igapäe - vane elu on andmetest läbi põimunud. Sageli oleme enesele teadmata osa ühiskonna andmestumisprotsessist, seetõttu on raamat mõeldud laiale lugejaskonnale. Mahukast kogumikust leiavad kasulikku lugemist nii andmetega igapäevaselt töötavad või seda teha soovivad analüütikud, eksperdid ja otsustajad, andmetega tööd alustavad bakalaureuse- või magistritaseme üliõpilased kui ka juba kogenud eksperdid, kes soovi - vad oma analüütilist repertuaari laiendada või end andmestunud maa - ilmas toimuvate muutustega paremini kurssi viia. Loodame, et kogumik pakub mõtlemisainet ka kõigile neile, kes ise otseselt andmete analüüsi - misega kokku ei puutu, kuid kes loovad oma igapäevases elus ja rutiin - sete tegevuste käigus analüüsiks kasutatavaid andmeid ja tahaksid and - mestumisega kaasnevaid protsesse paremini mõista, samuti neile, kes sooviksid kodanikuaktiivsuse vormis ja avatud andmete abil panustada avalike väärtuste loomisesse. Kogumiku lai sihtrühm ja temaatiline jao - tus peegeldab jällegi andmestunud maailma mitmekesisust, ilmestades koostöövajadust eri valdkondades tegutsevate ekspertide ja aktiivsete kodanike vahel. Andmestuvat maailma uurivad raamatus eri distsipliinide esindajad: peatükkide autoriteks on 38 meedia- ja kommunikatsiooni, sotsioloogia, avaliku halduse, geoinformaatika, inimgeograafia, keeleteaduse, keele - tehnoloogia, digilingvistika, folklooriuuringute, arvutiteaduste, mate - 9Eessõna maatika, kultuuriajaloo, majandusteaduste, psühholoogia ja õigustea - duste eksperti, õppejõudu ja praktikut kolmest Eesti ülikoolist – Tartu Ülikoolist, Tallinna Ülikoolist ja Tallinna Tehnikaülikoolist – ning mitmest teadus- ja arendusasutustest (nt Eesti Kirjandusmuuseum), eraettevõtetest ja välisülikoolidest (Malmö Ülikool, Helsingi Ülikool). Selline multidistsiplinaarsus väljendub muu hulgas paralleelselt kasutusel olevates, aga oluliste tähenduslike nüansierinevustega ter - minite kasutamises. Ehkki terminoloogia ühtlustamine oli oluline osa kogumiku toimetajate ja autorite tööst, ei surunud me peale täielikku ühtlustamist, vaid proovisime erinevad käibel olevad mõtteviisid üks - teisele lähemale tuua ning lugejale arusaadavamaks muuta. Teisiõnu – eelistasime lausühtlusele täpsust. Nii on näiteks ingliskeelse termini dash board jaoks eesti keeles kasutusel kaks täpsemat terminit: andme - töötajatele ja analüütikutele mõeldud n-ö backend- lahenduse puhul „kiir analüütika paneel“ (ptk 1.1) ja sotsiaalmeediaplatvormide kasutaja - tele mõeldud n-ö frontend-lahendus, milleks on „kasutaja koondpaneel“ (ptk 4.3). See suguseid keelelisi ja distsiplinaarseid tõlkimise ja tõlgenda - mise valikuid on kogumikus veelgi. Kuidas seda raamatut lugeda? Raamat on loetav kaanest kaaneni, kuid ka üksikute peatükkide kaupa. Lisaks võib raamatu lõpus olevat märksõnastikku kasutada suunaandjana, et lugeda raamatut lõikude või alateemade kaupa. Lugemisel tekkivatele terminoloogilistele küsimus - tele leiab vastused raamatu lõpus olevast leksikonist. Iga peatüki algu - ses on esitatud kolm kõige olulisemat kirjandusviidet käsitletava teema või meetodi kohta. Peatükkides kasutatud tekstikastid annavad prakti - list infot ühe või teise meetodi kasutamisest või tarkvaralahendustest, samuti meetodi sammhaaval sooritamise kohta. Raamatu osade vahele lisatud „eksperdisäutsud“ (Twitteri säutsu mõõtmes kommentaarid) loo- vad konteksti ning ärgitavad mõtlema eri vaatenurkade ja põhimõtete, meetodite ja tehnikate päritolu, ajaloo ja rolli üle laiemas ühiskonna - uurimuslikus ökosüsteemis. Kuna andmed, ühiskond ja andmestunud ühiskond on pidevas muu- tumises, siis soovime raamatu koostajatena teatepulga lugejatele edasi anda – julgustame lugejaid uute meetoditega katsetama, neid testima ja edasi arendama ning pakkuma aina uusi metoodilisi viise andmeühis - konna mõistmiseks ja mõtestamiseks. 10 kuidas mõista andmestunud maailma? Tänusõnad Raamatu koostajad tänavad kõiki raamatu kirjutamises pühendumisega osalenud autoreid (tähestikulises järjekorras): Anto Aasa, Mare Ainsaar, Mai Beilmann, Marju Himma, Indrek Ibrus, Olle Järv, Aleksei Kelli, Toomas Kirt, Mare Koit, Ragne Kõuts, Irene Kull, Andres Kuusik, Liisi Laineste, Liina Lindström, Innar Liiv, Anu Masso, Jaan Masso, Kadri Muischnek, Maria Murumaa-Mengel, Kerli Müürisepp, Haldur Õim, Maarja Ojamaa, Hembo Pagi, Kristian Pentus, Maili Pilt, Pille Pruul - mann-Vengerfeldt, Ave Roots, Leno Saarniit, Andra Siibak, Siiri Silm, Indrek Soidla, Marek Tamm, Kuldar Taveter, Katrin Tiidenberg, Kristel Uiboaed, Age Värv, Anna Veremchuk ja Triin Vihalemm. Samuti täname raamatu osade vahele siduvad kommentaarid kir - jutanud oma ala eksperte Airi-Alina Allastet, Veronika Kalmust, Dag - mar Kutsarit, Ene-Margit Tiitu, Liina-Mai Toodingut, Leo Võhandut ja Mikko Lagerspetzi. Raamatu illustreerimise eest oleme tänulikud osade vahetiitlitele karikatuurid joonistanud Ave Taavetile ja kaanepildi teinud Janne Liasele. Raamat on saanud võimalikuks tänu sihtasutuse Archimedes, Eesti Keele Instituudi, Tartu Ülikooli digihumanitaaria ja infoühiskonna keskuse, Tallinna Ülikooli kirjastuse, Tallinna Tehnikaülikooli arengu - programmi Astra ning teiste grantide toetusele. Suur aitäh selle eest! Konstruktiivsete tähelepanekute ja soovituste eest täname raamatu - projekti anonüümseid retsensente. Meie eriline tänu kuulub lõpliku käsi- kirja retsensentidele Mikko Lagerspetzile ja Kadri Rootalule, kelle üli - malt detailsed ja sisukad retsensioonid on olnud suureks abiks raamatu viimistlemisel. Täname keeletoimetajat ja kujundajat Sirje Ratsot ning Tallinna Ülikooli kirjastust eesotsas peatoimetaja Rebekka Lotmaniga suurepärase koostöö eest raamatu väljaandmisel. Meie eriline tänu kuulub Liina Deutschlerile, kes lisaks suuremahu - lisele tööle terminoloogia ühtlustamisel aitas kaasa raamatu leksikoni ja indeksi koostamisele, peatükkide tehnilisele ühtlustamisele ja seeläbi raamatu selgusele ja loetavusele. Anu Masso, Katrin Tiidenberg, Andra Siibak sissejuHaTus 1 anu masso, katrin Tiidenberg,
andra siibak lugemissooViTused • Rob Kitchin, The Data Revolution: Big data, Open Data, Data Infrastructures and Their Consequences. Thousand Oaks CA, Sage 2014. • Richard Rogers, Doing Digital Methods. Los Angeles, London: Sage 2019. • Mirko Tobias Schäfer, Karin van Es (eds.), The Datafied Society: Studying Culture through Data. Amsterdam University Press 2017. Käesolev raamat keskendub andmestumise ( datafication)2 kui ühe vii - maste aastate olulisima, samas vastuolulise nähtuse uurimisele. Kui täp - sem olla, on raamat pühendatud andmestumise uurimise ja mõistmise viisidele – tegemist on kogumikuga, mille keskmes on meetodid ja meto- doloogilised võtted. Andmestumine tähendab lihtsustatult seda, et igapäevased, tava - päraselt valdavalt kaduvad, haihtuvad ja „nähtamatud“ tegevused ning ühiskondlikud protsessid teisendatakse enamasti arvulisteks, vähemalt osaliselt süstematiseeritud (nt andmebaasi koondatud), kvantitatiiv - seteks ja analüüsivalmis formaadis olevateks andmeteks, mille põhjal ühiskonnas olulisi otsuseid tehakse. Bussisõit, kinopiletite ost ja uudiste lugemine olid mõnikümmend aastat tagasi praktilised, sotsiaalsed ja kommunikatiivsed tegevused, kuid praegusel ajal on need suuresti tänu infotehnoloogia levikule, internetiühenduse valdavusele ja arvutusliku võimekuse kasvule lisaks ka andmeid loovad tegevused. Andmestumine on hoomatav pea kõigis elu- ja tegevusvaldkonda - des. Helistamine lähedastele, sammuloendamise rakenduse kasutamine, 1 Peatüki kirjutamist on toetanud Tallinna Tehnika ülikooli arenguprogramm Astra aasta - teks 2016–2022 (2014–2020.4.01.16-0032). 2 Kuna enamik teaduskirjandust ilmub inglise keeles, siis on üldjuhul siin ja edaspidi eesti - keelsete terminite juures esitatud ka ingliskeelne vaste. 12 kuidas mõista andmestunud maailma? sotsiaalmeedias suhtlemine, ostu tehingud panga kaardiga ja interneti - kauplusest – need on vaid mõned näited tegevustest, millest jäävad maha andmed. Sellised andmed võimaldavad mõista ühiskonnas toimuvaid protsesse, kuid andmetega läbi põimunud iga päeva elu muutub ka uueks mõistmist ja selgitamist vajavaks nähtuseks. Järgnevalt anname ülevaate peamistest nihetest, meetoditest, mõtte - viisidest ja muutustest seoses maailma andmestumisega. Tuginedes vara- sematele diskussioonidele ning siinses kogumikus käsitletud meetoditele pakume välja omapoolse lähenemise andmestunud maailma uurimisele. kuidas mõista andmestunud maailma? Esmased sotsiaalteaduslikud diskussioonid andmepöörde teemal (Kit - chin 2014a) olid üsna skeptilised selles osas, kuivõrd olemasolevad tra - ditsioonilised sotsiaalteaduslikud põhimõtted uute, suurandmeteks nimetatud andmete konteksti sobituvad. Ühelt poolt ennustati radikaal - seid epistemoloogilisi ja paradigmaatilisi nihkeid senises sotsiaaltea - duslikus mõtlemises, teisalt otsiti n-ö kolmandat teed traditsiooniliste statistiliste ja uuemate arvutuslike meetodite vahel. Samal ajal kerkisid esile andmeuuringud, mis kutsusid üles kriitiliselt mõtestama andmete teKstiKast 1. andmeTe ja meeTodiTe TeemaL iLmunud
eesTiKeeLne Kirjandus mai Beilmann, ave roots, Kadri rootalu (toim.), sotsiaalse analüüsi meetodite ja metodoloogia õpibaas. 2020. http://samm.ut.ee. meri-Liis Laherand, Kvalitatiivne uurimisviis. Tartu: sulesepp 2010. mikko Lagerspetz, Ühiskonna uurimise meetodid: s issejuhatus ja väljajuhatus. Tallinna Ülikooli Kirjastus 2017. https://www.tlu.ee/pood/home/239-uhis - konna-uurimise-meetodid-sissejuhatus-ja-valjajuhatus.html. Katrin niglas, statistiline andmeanalüüs paketi s Pss for Windows 14.0. Tallinna Ülikooli Kirjastus 2008. http://www.cs.tlu.ee/~katrin/wp/wp-content/ uploads/2013/1 1/sPss14_pealkirjaga.pdf. Kadri rootalu, Veronika Kalmus, a nu masso, Triin Vihalemm (toim.), sotsiaalse analüüsi meetodite ja metodoloogia õpibaas. 2014. http://samm.ut.ee. ene-margit Tiit, Liina-mai Tooding, statistikaleksikon. Tartu Ülikooli Kirjastus 2019. Liina-mai Tooding, andmete analüüs ja tõlgendamine sotsiaalteadustes.
2., täiend. vlj. Tartu Ülikooli Kirjastus 2015. 13Sissejuhatus ühiskondlikke ja kultuurilisi tagajärgi ning andmete loomise, kogumise ja kasutamisega loodud reaalsust (Dalton et al . 2016). Siinse sissejuhatuse eesmärk pole korrata varasemaid sotsiaaltea - dusliku metodoloogia diskussioone: tekstikast 1 pakub põgusa ülevaate suure pärastest eestikeelsetest teostest, mis keskenduvad just sellele. Käsitleme varasemaid seisukohti ja pikaajalisi dispuute peamiselt muu - tuste võtmes (vt alajaotus „Metodoloogilised nihked“), mis on vorminud andmestunud maailma uurimist puudutavate diskussioonide pinnase. Omalt poolt pakume välja uudse lähenemisviisi andmestunud maa - ilma uurimiseks, esitades selleks kümme postulaati (vt tekstikast 2), millest soovitame andmestunud maailma tõlgendamisel ja mõistmisel lähtuda. Postulaatide loomisel tuginesime nii rahvusvahelistele teadus - diskussioonidele, raamatu peatükkides esitletule kui ka meie enda uurimis tööst tõusetunud teadmistele. teKstiKast 2. andmesTunud maai Lma uurimise P osTuLaadid

  1. andmestumine on keeruline protsess, andmesuhted on hierarhilised. andmete loomine, kogumine ja kasutamine on vastastikku sõltuv, keeruline ja läbipõimunud sotsiaalne protsess. a ndmetöös on oluline mõista andmete sageli vastuolulistest ja hierarhilistest suhetest läbipõimitud eluteed.
  2. andmestunud maailmas valitsevad võrgustunud seosed. andmeühiskonna mõistmiseks ei piisa tavapärastest lineaarsetest põhjuslikest tõlgendustest. a ndmeühiskonna mõistmiseks on vaja keskenduda võrgustike seostele.
  3. andmetaristu on avalik hüve. andmete mitmekesisus ja võrdne juurdepääs andmetele on ülioluline. s elle eest peaks võitlema nii andmesubjektid, andme - kodanikud, andmeaktivistid, andmetöötajad kui ka andmeühiskonna uurijad.
  4. eetika ja andmeõiglus peaks olema andmestunud ühiskonna alustalad. andmete kogumine, analüüsimine ja tõlgendamine, aga ka selle tegemata jätmine peab olema andmesubjekti ning ühiskonna seisukohalt eetiline, õiglane ja õigustatud.
  5. Kontekst on kuningas. andmed vajavad alati tõlgendamist. Tõlgendused peavad lähtuma sotsiaal-kultuurilisest kontekstist. a nalüüsitulemused on enamasti üldistatavad vaid konkreetses ajas ja ruumis toimuvatele nähtustele.
  6. andmed ei teki iseenesest. a ndmetöötajal ja uurijal on aktiivne roll andmekogumise planeerimisel ja andmete kogumisega seotud valikute tegemisel. Kõiki andmeid, mida on võimalik luua või koguda, ei ole tingimata vaja luua või koguda. a ndmeid tuleks luua ja tõlgendada lähtuvalt praktilisest vajadusest ning andmeõigluse ja -eetika põhimõtetest. 14 kuidas mõista andmestunud maailma?
  7. teooria pole surnud. andmestunud maailma uurimine algab asjakohase ja haritud küsimuse püstitamisest. a ndmete tõlgendamine peab olema dialoogis huvitava nähtuse kohta juba teadaoleva infoga.
  8. Käes on metodoloogilise pluralismi aeg. m õistlik on meetodeid paindlikult ja uurimisküsimusele vastavalt kombineerida.
  9. Paradigmasõjad jäägu minevikku. a ndmeühiskonna mõistmisel tuleks lähtuda kasulikkuse põhimõttest, ühelgi distsipliinil ei ole andmeühiskonna mõtestamise monopoli. Traditsioonidest ja distsiplinaarsetest erisustest olulisem on uurimisprobleemi pragmaatiline käsitlus.
  10. andmetöötaja või uurija on kõige olulisem epistemoloogiline tööriist. andmetöötaja või uurija peaks olema iseteadlik ja teovõimeline ning hindama alati kriitiliselt oma tegevuse tagajärgi. Kui mõni sõnastatud soovitustest on sotsiaal- ja humanitaar teaduslikus uurimistöös ja ka andmestunud ühiskonna uurimisel juba juurdumas (nt andme-eetika), siis mõne põhimõtte konkreetsed rakendusviisid ja lahendused on alles välja kujunemas (nt juurdepääs andmetaristule, andmeõiglus). Nii pakume neile kümnele postulaadile toetudes välja kuus andmestunud maailma mõistmise viisi, mille järgi oleme peatükid koondanud raamatu osadeks: 1) maailma andmestumine, 2) suurand - mete mõtestamine, 3) teksti- ja tajuandmete analüüs, 4) andmetega ja andmetest lugude jutustamine, 5) platvormid ja andmetaristud ning 6) andmeühiskonnas tegutsev inimene (vt alajaotus „Raamatu ülesehi - tus: meetodid, mõtteviisid ja muutused“). Selline jaotus on kahtlemata üks paljudest võimalikest. Seetõttu loodame raamatu koostajate ja kaas - autoritena, et diskussioonid andmeühiskonna uurimise parimate lahen - duste leidmise nimel jätkuvad. Lisaks on pakutud postulaadid Eesti kontekstis esimene samm and - mestumisega seotud muutuste mõtestamise suunas. Loodame, et see suunab ja toetab andmestumist mõtestavaid tegevusi ja toob kaasa järg - nevad sammud nende edasiarendamiseks. Meie hinnangul loob nende kümne põhimõtte ning kuue käsitlusviisi läbikaalumine vundamendi heade andmepõhiste lahenduste loomiseks ning aitab loodetavasti ära hoida soovimatuid tagajärgi. Järgnevalt tutvustame andmestunud ühiskonna uurimise postulaate ja nendega kaasnevat pisut lähemalt. 15Sissejuhatus andmestumine ja andmepööre Käesolevas kogumikus mõistame andmeid ja andmestumist kui onto - loogilist (andmed kui loodud reaalsus või selle konstrueerimise vahend), epistemoloogilist (andmed kui teadmise viis) ja sageli ka ideoloogilist protsessi. Rahvusvahelistes uuringutes on eksperdid defineerinud ühis - konna andmestumist eelkõige kui kõigi ja kõige viimist struktureeritud andmeformaati, mis omakorda võimaldab ja soosib kvantifitseerimist (vt nt Dijck et al . 2018; Schäfer 2016; Lupton 2020). Sageli väidetakse, et andmestumine kaasneb paratamatult teiste maailmas toimuvate muutustega, nagu digitaliseerimine ja võrgustamine.

Lihtsustatult võib väita, et infotehnoloogia vahendusel sooritatud tegevusest jäävad maha „andmepurust rajad“. Ehkki nende teket on paljudes avalikes ja ka professionaalsetes keskusteludes kombeks para - tamatuks pidada, soovitavad kriitilised käsitlused (D’Ignazio, Klein 2020) alati küsida, kelle kätte koonduvad andmed, kas sellega kaasneb võimu koondumine, ning kas seesinane koondumine ja seda soosiv süs - teem peaks ikka eksisteerima. Eriti aktuaalseks on sellised küsimused muutunud näiteks USA ja Hiina näotuvastustehnoloogiate ja ennustava politseitöö teemalistes vestlustes. Lisaks võiks iga andmeagent (and - mete looja, kasutaja, nendega töötav või neid uuriv isik) endalt küsida, kas andmepuru kogumine, arhiveerimine, agregeerimine ja teatud ees - märkidel kasutamine on paratamatu ja vajalik. Kui midagi on võimalik andmeteks muuta, ei tähenda see tingimata, et see on hea idee. Andmes - tumise protsessilisusest tulenevalt olemegi sõnastanud andmestunud maailma mõistmise esimese postulaadi: andmete loomine, kogumine ja kasutamine on keeruline sotsiaalne protsess, kus andmeanalüütik (andmete põhjal otsustaja) peab arvestama andmete loodud sotsiaalse reaalsusega, sh sageli vastuoluliste ja hierarhiliste andmesuhetega. Andmete ja ühiskonna vahelised seosed on keerulised. Ühest kül - jest luuakse andmeid inimeste elus ja ühiskonnas toimuvate protses - side põhjal ning neid kasutatakse samade protsesside analüüsimiseks ja mõtestamiseks; nii vaadates on andmed ühiskonna osa. Teisalt tekivad andmestumise baasilt täiesti uued ühiskondlikud nähtused. Seega on oluline, millisest perspektiivist lähtuvalt tõlgendatakse muutuste selgi - tamisel andmete ja ühiskonna omavahelist suhet (vt nt Beraldo, Milan 16 kuidas mõista andmestunud maailma? 2019) – kas ühiskondlikud protsessid on andmete ja andmetehnoloo - giate poolt juhitud ( data-driven), andmetel põhinevad ( data-based) või andmetest informeeritud ( data-informed) (vt ka ptk 1.1). Esimesel juhul eeldatakse, et andmed ja andmetehnoloogiad tingivad teatud nähtusi (näiteks kui algoritmid filtreerivad ja vormivad inimeste juurdepääsu informatsioonile, millel võivad olla laiaulatuslikud sotsiaalsed, poliitili - sed ja võrdset kohtlemist puudutavad tagajärjed). Teisel juhul on andmed vaid formaalne infrastruktuur, mis loob aluse otsuste tegemiseks, näiteks teadlike valikute tegemisel algoritmide poolt filtreeritud informatsiooni kontekstis. Nii oleme sõnastanud andmestunud maailma uurimise teise postulaadi: võrgustunud ja omavahel tihedas seoses olevad protsessid ei pruugi olla selgitatavad lineaarsete tõlgenduste ja meetodite kaudu, vaid üha enam tuleb tähelepanu pöörata tegutsejate võrgustikule, mis võimaldab selgitada andmestumisega seotud keerukaid nähtusi ja võimalusi mitmetasandiliste ja üksteisega põimunud seoste kaudu.
Ühiskondlikult oluliste tegevuste kvantifitseerimises pole iseenesest midagi uut: valitsejad on maksukogumiseks andmeid kogunud tuhan - deid aastaid, kirikud kogusid ja avaldasid aastasadu surnute andme - baase. Ka nende näidete puhul võib väita, et andmesubjektide kohta tead- miste koondamisega kaasnes võimu koondumine nende kätte, kelle kätte koondusid andmed (D’Ignazio, Kelin 2020). Siiski võib tänase andmes - tumise üheks alguspunktiks märkida arvutustehnoloogiate kasutusele - võtu rahva loendusandmete töötlemisel. Herman Hollerithi 1890. aastal USA-s välja töötatud arvutusmasin (vt nt Whitby 2020) võimaldas rah- valoenduse tulemustest kokkuvõtte teha mõne kuuga varasema kaheksa aasta asemel. Seega võib andmestumist selgitada lainetena toimuva tehno-sotsiaalse muutusena (Schot, Kanger 2018), mis digitaliseerumise ( Archer 2015), meediastumise 3 (Hepp 2020) ja ühenduvusega ( connecti- vity) (Couldry, Meijas 2019) seoses on järjekordse transformatsiooni läbi teinud. Käimasolevat andmestumiselainet peetakse eripäraseks (Just, Latzer 2017) johtuvalt selle skaalast ja ulatusest, mistõttu on praeguse andmestumisega kaasnenud suurem killustumine, kaubastumine, eba - võrdsus ja riigipiiride hägustumine ning vähenenud andmetega seotud
3 Meediastumine on sotsiaalse maailma ja selle eri protsesside aina tihenev seotus
meediaga. 17Sissejuhatus protsesside läbipaistvus, kontrollitavus ja ennustatavus. Andmestumine ei ole passiivne ( datafied), vaid aktiivne protsess ( datafying), milles on oma võitjad ja kaotajad. Eestis on andmestumine nähtavamaks muutunud seoses Euroopa andmekaitseseadusega (EP 2016), mille jõustumise ning kaasnevate pii - rangute tõttu on era- ja avaliku sfääri institutsioonid, aga ka n-ö and - mesubjektideks peetavad indiviidid, kelle isikuandmeid kogutakse, hoitakse või töödeldakse (sageli mh nende enese teadmata), saanud tead- likumaks andmekasutamisega seotud võimalustest, ohtudest ja piiran - gutest. Selline areng on Eestis tõstatanud järgmised küsimused: Kas ja mis tingimustel on lubatud erafirmadel andmeid kasutada ja analüüsida? Kuidas teha andmed kättesaadavaks teadusuuringute jaoks? Kuidas tagada avatud andmete liikumine avaliku sektori institutsioonidele ja kodanikuaktivistidele? Kas ärilistel ja teaduslikel eesmärkidel andmete kogumisele peaks rakenduma erinevad piirangud? Ka siinses raamatus käsitletakse andmete kasutamise printsiipe, näiteks andmete õiguslikku kaitset ja kasutamist (ptk 1.3), andmete kasutamisega seotud eetilisi põhimõtteid (ptk 1.4) ning andmetega seotud sotsiaalse õigluse küsimusi (ptk 1.1). Sellest lähtuvalt oleme sõnastanud ka andmestunud maailma uurimise kolmanda postulaadi: andmestunud maailmas pole andme - taristu üksnes institutsionaalne omand, vaid võimalus avaliku hüve loomiseks, andmetes leiduva mitmekesisuse kaudu sotsiaalse mitme - kesisuse tagamiseks ning andmepõhiste muutuste strateegiliseks
juhtimiseks. Raamatu koostajatena väidame, et andmed ja andmetes esinda - tud isikud pole teineteise teisikud ( data doubles; vt Raley 2013; Goriu- nova 2019). Pigem peegelduvad andmekogudes uurijate väärtused ning (kohati aegunud) arusaamad sotsiaalsete kategooriate (sugu, rass, sis - setulek, vanusegrupp, haridustase) tõlgendusjõust. Kuigi andmestu - mine loob loendamatud andmekogud ja teoreetilise võimaluse haarata ühiskondlikku elu kogu selle mitmekesisuses, jääb andmete mitme - kesisuse küsimus sageli tähelepanuta. Andmestumine lähtub suuresti põhimõttest, et sotsiaalne reaalsus jaotatakse piiratud kategooria - tesse. Ka klassikaline arvutus teaduslik meetod baseerub dihhotoom - sele ehk 0–1 jaotusele ja arusaamale maailmast. Varasemalt kasutatud binaarsed kategooriad (nt 1 – õige, 2 – vale) on andmete puhastamisel, 18 kuidas mõista andmestunud maailma? korrastamisel ja tõlgendamisel endiselt kasutusel, selmet püüelda and - mete lõpmatus mitmekesisuses leiduva intersektsionaalsuse kajastamise poole (Hopkins 2019). Andmestunud ühiskonna teadmusloome (Shaw 2015; Wagner-Pacifici et al . 2015) eeldab andmete käsitlemist nii epis - temoloogilise kui ka ontoloogilise nähtusena, ent tekitab lisaks hulga andmeõigluslikke (data justice) küsimusi, mille eesmärk on kindlustada, et andmed tagaks senisest suurema, mitte väiksema sotsiaalse õigluse. Nende diskussioonide põhjal oleme sõnastanud andmestunud maailma mõistmise neljanda postulaadi: lisaks tavapärastele teaduseetika nõue - tele (uuritavate kahjustamise vältimine) peab andmete kogumine, analüüsimine ja tõlgendamine olema andme subjekti ja ühiskonna seisukohalt õigustatud ja õiglane.
Eesti ühiskond pakub suurepärase võimaluse andmestumisega seo - tud arengusuundade analüüsiks – ühest küljest ollakse Eestis andme- ja tehnoloogiausust kannustatuna altid katsetama uudseid andmetehno - loogiaid (Runnel et al . 2009; Shaw 2015), teisalt on Eesti maailma kon - tekstis olnud suhteliselt tagasihoidlik valitsuse avaandmete arendamisel (McBride et al. 2018). Probleemiks on olnud eelkõige era- ja avaliku sek- tori ebavõrdne juurdepääs andmeressurssidele, aga ka erinevad arusaa - mad avalikest väärtustest ja sotsiaalsetest normidest andmelahenduste väljatöötamisel (Männiste, Masso 2020). Meil on eeskujulik digitaalne riigihaldus ja e-valitsemise taristu, ent erasektori digiteeritus on eba - ühtlane ning kultuuripärandi lausdigiteerimise ja avaandmestamise algatused kipuvad venima (vt ptk 5.1). Siiski on Eesti olnud teerajaja mitut tüüpi andmete kasutuselevõtmi - sel ja nende analüüsiks vajalike meetodite arendamisel. Mobiiltelefonide kõnetoiminguandmed ja mobiilpositsioneerimine sotsiaal-ruumilise segregatsiooni analüüsimiseks (Ahas et al. 2007) on üks eredaim näide (vt ptk-d 5.4 ja 2.1). Eesti digitehnoloogiate edusamme ja uuenduslikke andmelahendusi on kasutatud isegi riigi rahvusvaheliseks brändimiseks (Tammpuu, Masso 2018; Männiste, Masso 2020). Selle hiljutiseks näiteks on Eesti tehisintellekti ehk krattide lahendused. Paljud Eesti teadlased ja selle kogumiku autorid on oma erialal uurimismeetodite edasiarendamises ja nendega eksperimenteerimi - ses esirinnas, luues lahendusi, mida kasutavad kolleegid ja tudengid rahvusvaheliselt. Käesolev raamat esitab ülevaate Eestis välja pakutud 19Sissejuhatus andmestunud  maailma uurimise viisidest, mis on kohandatavad rah - vusvaheliselt, kuid eelkõige loodud Eesti ühiskonda arvestades. Kuna andmelahendused on loodud konkreetses sotsiaalses kontekstis, on ka andmestunud maailma mõistmise viiside korral oluline lähtuda konk - reetse riigi kontekstist. Nende eelduste põhjal oleme sõnastanud viienda postulaadi: andmestunud maailma mõistmiseks – uuringu planee - rimisel, andmete kogumisel, analüüsimisel ja tõlgendamisel – on oluline arvestada uuritava nähtuse ja andmete sotsiaal-kultuurilise kontekstiga. andmete mitmetähenduslikkusest Kui ühiskonna andmestumisest rohkem rääkima hakati, peeti silmas eelkõige n-ö suurandmeid, 4 mida defineeriti algselt eelkõige kasvanud andmemahu (volume) kaudu (ülevaateks vt nt Schäfer 2016). Hilisemad käsitlused on iseloomustanud suurandmeid viie V-ga ehk mahule lisati sellised omadused nagu mitmekesisus ( variety), kiirus ( velocity), tõepä- rasus (veracity) ja väärtus ( value; Gupta et al . 2012). Viimastel aastatel on hakatud suurandmeid kirjeldama, mainides suuremat hulka omadusi (Lupton 2015), mida tuntakse ka suurandmete 13 P-na, väites et suur - andmed võivad olla kõikehõlmavad ( portentous), pahelised ( perverse), 5 isiklikud ( personal), loovad ( productive), osalised ( partial), praktikaga seotud ( practices),6 ennustavad ( predictive), poliitilised ( political), pro - vokatiivsed ( provocative), privaatsed ( privacy), mitmetähenduslikud (polyvalent), mitmekujulised ( polymorphous) ja mängulised ( playful). 4 Suurandmeid on eesti keeles nimetatud ka mahtandmeteks; mõlema nimetuse korral on tegemist metafoorse konstruktsiooniga, mis ei anna üheselt edasi nähtuse mitmetähendus - likkust. Sel põhjusel oleme siinses kogumikus eelistanud seotud sotsiaalsetele protsessidele viitavat terminit „andmestumine“. 5 Andmete pahelisus tähendab siin andmetega seotud representatsioonide ambivalent - sust – suurandmed ei tekita mitte ainult suurt elevust seoses tekkivate võimalustega, vaid ka hirmu ja ärevust, sest andmete loomine ja kasutamine ei pruugi suure mahu, lakkamatu loomise ja kasutamise tõttu olla kontrollitav. 6 Andmete seotus praktikaga tähendab, et suurte andmekogude loomine ja kasuta - mine hõlmab mitmesugust üksikisikute ja organisatsioonide andmepraktikat, sealhulgas enda kohta teadlikult teabe kogumist (nt nutikellaga), aga sageli ka enesele teadvustamata andmete loomist näiteks sotsiaalmeedia lehele sisu lisades. 20 kuidas mõista andmestunud maailma? Seetõttu käsitleme kogumiku teises osas lähemalt peamisi suurandmete mõtestamise viise – nii masinõppe ja visuaalsete meetodite kasutamise kasvu suurtes andmemassiivides tähenduslike mustrite leidmiseks kui
ka tunnustepõhiselt analüüsilt indiviidipõhistele meetoditele liikumist (sotsiaalsete võrgustike analüüs ja agendipõhine modelleerimine). Nagu paljusid uusi nähtusi, selgitati ka suurandmeid algselt arvu - kate metafooride kaudu (Puschmann, Burgess 2014) – suurandmeid kir - jeldati allutamist vajava loodusjõu ja tarbitava ressursina. Eriti levinud on (suur)andmete nimetamine naftaks, mis loob Luke Starki ja Anna Lauren Hoffmani (2019) sõnul spetsiifilise ettekujutuse sellest, mida andmetega peaks tegema, ja tekitab mitmeid andme-eetika ja andme - õigluse probleeme, kuna on suunitletud konkurentsile, olelusvõitlusele ja võimuahnusele. Maavarametafooride asemel soovitavad kriitikud lähtuda pigem „katkiste andmete“ metafoorist, mis rõhutab, et andmed pole kunagi täiuslikud (Pink et al . 2018). Kui siiski loodusvara metafoo - ride juurde jääda, peaks õppima ehk looduskaitse või metsamajanduse valdkonnast ja andmekaevandamise ning väärindamise asemel mõtlema näiteks andmehooldusest (data stewardship) või pakkuma välja sootuks alternatiivseid metafoore (Stark, Hoffman 2019). Teine grupp olulisi turumajanduslikke metafoore, mis andmesuh - teid vormivad, on andmeõigluse kontekstis kasutatavad ekspluateeri - mise (Mühlhoff 2019), isegi koloniseerimise (Chun 2018) metafoorid. Sotsiaalmeediaplatvormide kasutajaliidesed näiteks innustavad inimesi sisu jagama, laikima ja postitama, kuna see võimaldab maksimeerida turundus- ja reklaamiklientidele kasulike andmete teket. Kui tavakasu - taja jaoks on andmed kõrvalprodukt, siis platvormiomanike ärimudeli perspektiivist on suhtlus väärtuslik seetõttu, et selle tagajärjel tekivad müüdavad andmed. Samas ei ole tavakasutajatel võimalik nn andme - doonorlusest loobuda või sellest mingit kasu saada. Käesoleva kogumiku kolmandasse ossa oleme koondanud indiviidide kognitiivse eksplua - teerimise tagajärjel loodud tekstiandmete analüüsimise meetodite ja ka nende tajuprotsesside süstemaatilisele hindamisele keskenduvate mee - todite peatükid, kuna neis toetutakse peamiselt nn andmedoonorluse
käigus tekkinud andmete analüüsile. Andmetega seotud ühiskondlikke protsesse on tabavalt kirjeldatud kui sotsiaal-kultuurilist koodi (Chun 2018) või andmeteekonda (Bates 21Sissejuhatus et al. 2016), mille mõtestamiseks peame aduma andmete loomise, kasu - tamise ja mõtestamise terviklikku protsessi. Selliselt pole andmed mitte üksnes nähtuste konstrueerimise ja mõistmise vahend, vaid ka oluline sisend lugude jutustamisel maailmas toimuvast. Andmete kui koodi mõistmine ja selle põhjal lugude jutustamine on muutunud oluliseks uurimis vahendiks, aga ka -objektiks. Sel põhjusel oleme kogumiku nel - janda osa pühendanud lugude jutustamisele andmetest ja andmetega. Andmed ei ole kunagi neutraalsed ega teki „iseenesest“, neid loovad konkreetses ajalises ja ruumilises kontekstis inimesed. Tunnustatud informaatikaprofessor Geoffry Bowker (2005: 183–184) on nentinud, et „toorandmed on oksüümoron“, väites, et andmed on alati mingil moel „küpsetatud“. Kohe, kui määratleme mingite fenomenide vaatlemise, mõõtmise ja märkamise tulemused andmetena, tegeleme nende andme - teks „küpsetamisega“, see tähendab, et andmetesse on alati küpsetatud teatud tähendused, eeldused, küsimused ja muidugi võimusuhted. Iga andmetöötaja ja uurija peaks seega olema teadlik oma rollist and- mete „küpsetamisel“ – nii siis, kui ta andmeid „kogub“, kui ka siis, kui ta andmetest söödava ja kasuliku produkti loob (vt ka ptk 1.1). Bowkeri väi- det edasi arendades kirjutavad Lisa Gitelman ja Virginia Jackson (2013), et toorandmete mõiste mõjub analüütikutele peibutavalt, sest sellesse on peidetud pika ajalooga ja ideoloogiliselt võimas positivistlik eeldus (vt ka Markham 2016), et arvulised andmed on kuskil meist sõltumata olemas, et andmed eelnevad faktidele, et need on meie teadmiste alus, midagi objektiivset, ilmselget ja läbipaistvat, mis on vaja üksnes kokku korjata ja hoolikalt ära mõõta. Paljudes era- ja ka uurimissituatsioonides rää - gitakse lisaks „isetekkelistest“ (mõnikord ka „loomulikult esinevatest“) andmetest, mida kriitikute sõnul samuti tegelikult olemas ei ole. Nendele diskussioonidele tuginedes oleme sõnastanud andmestunud maailma mõistmise kuuenda postulaadi: andmed ei teki iseenesest, vaid luuakse uurija valikute tulemusel, mis tähendab, et uuringu ülesehitusest sõltub, milliseid järeldusi on uuringu põhjal võimalik teha. Andmestunud ühiskonna kontekstis pole muutunud niisiis mitte ainult andmed, nende loomine ja kasutamine, vaid andmetöö üldiselt (Fuchs 2018; Rossi 2019), hõlmates lisaks traditsioonilisele andmeana - lüütiku tööle aina enam ka internetikasutajate valdavalt teadvusta - mata tööd ja veebipõhiste andmelahenduste testijate (n-ö klikitööliste) 22 kuidas mõista andmestunud maailma? sageli halvasti tasustatud panust. Andmeid loovad platvormid on seega muutunud nii oluliseks andmeallikaks kui ka sotsiaalseks reaal - suseks. Selle kogumiku viiendas osas käsitlemegi lähemalt nihet plat - vormipõhisele uurimusele ning näitlikustame seda, millist rolli võivad
platvormid jt andmetaristud mängida uurimisvahendi ja -objektina. metodoloogilised nihked Andmestumise kontekstis on teadmusloome aruteludesse põimitud kaks keskset teemat (Veltri 2017; Thylstrup et al. 2019): 1) vaidlused mõõtmis- tehnikate üle, st loodetakse, et uued andmed võimaldavad objektiivse - malt mõõta inimeste loodud reaalsust, ning 2) vaidlused traditsiooniliste (nt statistiliste) ja arvutuslike (nt masinõppe) meetodite üle. Tuntu - mad näited on siin käsitlused „teooria lõpust“ (Anderson 2008) ning „ kirjeldavast empirismist“ (Kitchin 2014b), kus väidetakse, et hüpotee - side ja mudelite testimise ning teoreetiliste mudelite kinnitamise meetod on aegunud ja selle asemel tuginevad andmetest juhitud ( data-driven) analüüsid korrelatiivsetele seostele, selgitamata nende seoste aluseks ole - vaid sotsiaalseid mehhanisme (Anderson 2008). Selle arusaama kohaselt väheneb teooria roll uuringutes märkimisväärselt. Hiljutises empiirili - ses uuringus, kus analüüsiti teooria lõpu hüpoteesist inspireeritult tead - miste loomise praktikaid, need arengusuunad siiski kinnitust ei leidnud (Masso et al. 2020). Vastusena teooria lõpu hüpoteesile ja arvutuslike meetodite kaitseks on rõhutatud arvutuslike meetodite suurt varieeruvust (Hindman 2015), mis peaks võimaldama igale uurimisprobleemile vastamiseks sobivaima lahenduse leidmise. Arvutuslikud meetodid võivad olla nii deduktiivsed kui ka induktiivsed. Mõni autor väidab koguni, et teatud nähtuste esine - mise põhjusi selgitada võimaldavate arvutuslike meetodite populaarsu - sega kaasneb induktiivne hüpe sotsiaalteadustes (Bengio et al. 2019). Üks induktiivsel loogikal põhinevaid arvutuslikke meetodeid on masinõppe kasutamine analüüsis (vt ptk 2.4; aga ka mujal, nt ptk-d 2.1, 2.2, 2.3, 3.3). Masinõpet peetakse ideaalseks lahenduseks komplekssete nähtuste selgi - tamisel, sest see ei testi hüpoteesi, vaid genereerib küsimused varasemate kogemuste süstemaatilise hindamise tulemusena (Breiman 2001; Bengio et al. 2019). Hiljutised edusammud masinõppe meetodites (Bengio et al . 23Sissejuhatus 2019) püüavad lisaks mustrite tuvastamisele andmetes selgitada ka kau - saalseid seoseid. Teisisõnu, selle asemel et vastata küsimusele mis , püü- takse leida vastuseid küsimusele miks ehk siis selgitada sisust lähtuvaid, seni vastamata küsimusi. Nende diskussioonide ning varasema empiiri - lilise uurimistöö põhjal oleme sõnastanud andmestunud maa ilma uuri- mise seitsmenda postulaadi: teooria pole surnud, ehk vaatamata uutele andmetele, analüüsitehnikatele, tarkvarale ja meetoditele algab and - mestunud maailma uurimine endiselt küsimuse püstitusest. Pluralism meetodites Esimeseks vastuseks uute andmete tekkele ja andmemahu suurenemi - sele on olnud arvutuslik sotsiaalteadus ( computational social science ; vt nt Cioffi-Revilla 2014), kus (sageli suure võimsusega) arvutustehnoloo - giaid kasutatakse sotsiaalsete nähtuste analüüsimiseks, modelleerimi - seks ja simuleerimiseks. Arvutusliku sotsiaalteaduse rakendamisest on arvukalt näiteid (Cioffi-Revilla 2014; Park et al. 2015). Näiteks töötasid Emmanuel Lazega ja Tom Snijders (2016) välja võrgustikuanalüüsi mee - todi dünaamiliste ja suuremahuliste andmete analüüsimiseks; Daniel Dellaposta koos kolleegidega (2015) meetodid veebiandmete abil poliiti - lise orientatsiooni ruumilise ja ajalise dünaamika analüüsiks; Dirk Hel - bing (2013) simulatsioonimeetodid võrgustunud riskidega 7 toimetuleku analüüsimiseks. Neid algselt absoluutse tõena esitatud arvutuslikke meetodeid on sageli kritiseeritud, sest toimunud nihked konkreetsetes analüüsitehni - kates või -meetodites pole toonud kaasa loodetud metodoloogilisi uuen - dusi. Nn kolmanda tee otsingud on lisaks traditsioonilistele statistilistele ja uuematele arvutuslikele meetoditele pakkunud mitmeid alternatiive. Lisaks andmeteaduse universaalsete põhimõtete ühtlustamisvajadusele (Slota et al . 2020) või arvutuslike põhimõtete kohandamisele sotsiaal- (Cioffi-Revilla 2014) ja humanitaarteadustele (Schäfer, Es 2017) pakkus Lev Manovich (2017) alternatiivina välja kultuurianalüütika, mis raken - dab suuremahuliste kultuuriandmestike analüüsimisel arvutuslikke 7 Võrgustunud risk on olukord, kus omavahel ühendatud globaalsed võrgustikud loovad üksteisest sõltumatud süsteemid, mida on keeruline mõista ja kontrollida. 24 kuidas mõista andmestunud maailma? analüüsitehnikaid. Samas on ka Manovichi üldistusi ja järeldusi kor - duvalt kahtluse alla seatud, nentides, et Instagrami pildid võimaldavad siiski järelduste tegemist Instagrami-põhise eneseesitluse sotsiaalsete normide ja sellega seotud tõlgenduste, mitte aga kultuurigeograafiliste (nt millises linnas elavad kõige mornimad inimesed), arvuliselt eristata - vate fenomenide kohta. Suhteliselt pika traditsiooniga on Richard Rogersi meeskonna (Ams- terdami Ülikoolis) digimeetodid (Rogers 2013, 2019), mis kasutavad andmete loomiseks ja analüüsiks veebikeskkondade rakendusliideseid jm tehnilisi vahendeid ning kategoriseerivad andmed ja meetodid n-ö digitaalsena sündinuiks ja digiteerituteks. 8 Digimeetodid püüavad kasu- tada internetti ja sotsiaalmeediat uurimismeetodi ja uurimisvahendina, vastandudes selgelt n-ö virtuaalsetele meetoditele, mis kohandavad varasemalt kasutatud sotsiaalteaduslikud meetodid veebikeskkonnas kasutatavaks. Teemast lähemalt huvitatud lugejatel tasuks tutvuda Ric - hard Rogersi monograafiatega (2013, 2019). Niisiis valitseb uurimustes endiselt meetodite ja käsitlusviiside plura- lism – tekkinud arvutuslike meetodite kõrval kasutatakse paralleelselt ja kombineerituna klassikalisi kvalitatiivseid ja kvantitatiivseid meetodeid, mis võimaldavad lisaks põhjuslike seoste kirjeldamisele ja ennustami - sele ka komplekssete võrgustunud nähtuste põhjuste mõistmist. Vahe - pealsete vaidluste käigus pakuti näiteks „suurte“ ja „väikeste“ andmete kõrvale ka rikaste ja tihedate andmete kategooriat. Kvalitatiivse ja eriti etnograafilise uurimisega tegelevad ühiskonnateadlased leidsid, et nende tõlgendatavad materjalid ei kvalifitseeru mitte mingil juhul väikesteks andmeteks, ent on suured teisel moel kui suurandmed, keskendudes uuritava nähtuse kontekstile ja tihedale tõlgendusele 9 (vt ka ptk 6.2). Sellest lähtuvalt oleme sõnastanud andmestunud maailma uurimiseks olulise kaheksanda postulaadi: segameetodite paindlik kasutamine 8 Digitaalsena sündinud ( natively digial) meetodid on näiteks soovitusalgoritmide süs - teemid ja folksonoomiad ( folksonomy) ehk meetodid, mis põhinevad interneti toimimisel. Digiteeritud ( digitalized ) on n-ö traditsioonilised sotsiaalteaduslikud meetodid, mis on veebi viidud (ehk virtuaalsed meetodid, nt veebipõhine küsimustik). 9 Tihedus viitab siin etnograafia terminile „tihe kirjeldus“ ( thick description ), mis tähendab uuritava fenomeni detailirohket ja kontekstitundlikku kirjeldust. 25Sissejuhatus võimaldab tagada tervikliku pildi andmestunud maailmas toimuva - test komplekssetest nähtustest. Andmestunud maailma mõistmise hõlbustamiseks ning paradig - maatiliste metodoloogiliste diskussioonide ja meetodite paljususe kon - tekstis on pakutud ühe lahendusena kriitilist realismi (Bhaskar 2008; vt ka Kennedy, Moss 2015) ja pragmatismi (vt nt Eklund et al . 2019). Kui kriitiline realism lähtub metodoloogilise pluralismi ideest ja toob uurimis protsessis kesksele kohale inimese kui aktiivse toimija ( agency), siis pragmatism soovitab varasemate kvalitatiivsete vs. kvantitatiivsete või andmetest tuletatud ( data-driven) vs. interpretatiivsete käsitluste ning „lõpliku tõe“ otsimise asemel lähtuda „lõpliku kasulikkuse“ põhi - mõttest. Mõlemal juhul soovitatakse (uurimis)probleemide lahendami - seks kasutada segameetodeid, kus konkreetsete analüütiliste sammude asemel lähtutakse algsest uurimisküsimusest, probleemiseadest ja uuri - muse eesmärkidest. Nende diskussioonide ja käesolevas raamatus esita - tud praktiliste Eesti näidete varal oleme pakkunud andmestunud maa - ilma uurimise üheksanda postulaadi: uurimistööks sobivate meetodite valikul on paradigmasõdade asemel mõistlik lähtuda kasulikkuse põhimõttest. Andmestumise mõistmine eeldab nii andmesubjektiga arvestamist kui ka andmetöötaja või uurija refleksiivse võimekuse arendamist, hin - damaks andmete kogumise ja analüüsiprotsessi asjakohasust. Ka siinses kogumikus oleme pidanud oluliseks rõhutada uurija refleksiivsust, mis - tõttu on sellele pühendatud kogumiku kuues osa, mis keskendub meeto - ditele, mille keskmes on iseteadlik ja teovõimeline inimene. Rakendades kriitilise realismi põhimõtteid andmestumisele, muutuvad andmeprot - sessis oluliseks ka aktiivsed andmekodanikud – indiviidid, kellel on või - malik avatud andmete abil andmesubjektide huve kaitsta ja ka ise ana - lüütilisse tegevusse panustada. Selline tõusev andmeaktivism (Milan, Velden 2016) või uued andmekodakondsuse vormid (Hintz et al . 2019) annavad muu hulgas võimaluse kodanikuosaluse täiustamiseks. Eel - toodust ajendatult oleme sõnastanud andmestunud maailma uurimise kümnenda postulaadi: uurija refleksiivsus ehk kriitiline võime hinnata oma tegevuse tagajärgi on oluline valikute tegemisel andmete, meeto - dite ja tõlgendusviiside mitmekesisuse kontekstis, uuringu ühiskond - liku kasu tagamisel ning võimalike kahjude vältimisel.
26 kuidas mõista andmestunud maailma? Soovime rõhutada, et andmestunud ühiskonna uurimiseks kogu tema mitmekesisuses peab olema avatud kombineerimisele ning sõltu - valt uuringu eesmärgist võivad olla kasulikud nii digitaalsed, virtuaal - sed, arvutuslikud kui ka interpretatiivsed meetodid. Vaatamata nihetele andmetes, meetodites ja ühiskonnas on andmestunud ühiskond endiselt ühiskond, inimesed endiselt inimesed ja sedalaadi komplekssete süstee - mide mõtestamiseks on mõistlik kombineerida asjakohaseid meetodeid ning kasutada mitmekesiseid kättesaadavaid tööriistu ja luua uusi. Teoo- riat on andme ühiskonna mõistmiseks samuti vaja enam kui iial varem. raamatu ülesehitus Raamat koosneb 24 sisulisest üksteisega tihedalt seotud peatükist, mis on jaotatud kuude temaatilisse ossa:

  1. Maailma andmestumine
  2. (Suur)andmete mõtestamine
  3. Teksti- ja tajuandmete analüüs
  4. Lugude jutustamine andmetest ja andmetega
  5. Platvormid ja andmetaristud uurimisvahendi ja -objektina
  6. Iseteadlik ja teovõimeline inimene andmeühiskonnas Sellise temaatilise jaotusega sõnastame kuus peamist muudatust, mis meie hinnangul andmestumist ja selle uurimist iseloomustavad, ning soovime rõhutada, et ranged meetodite klassifikatsioonid, näiteks kvalita- tiivne vs. kvantitatiivne, positivistlik vs. interpretatiivne, ei pruugi andme- ühiskonna uurimisel kehtida ning andmestumisega seotud nähtuste mõistmiseks ja selgitamiseks võib olla vajalik rakendada kõiki neid mee - todeid. Jaotus koorus välja raamatu koostamise, toimetamise ning kaas - autoritega toimunud arutelude ja ühiste põhimõtete otsingute käigus. 10 Raamatu esimene osa „Maailma andmestumine“ keskendub andme ühiskonna uurimise eetilistele, sotsiaalsetele ja õiguslikele nüans - sidele. Kas see, et mingi informatsioon on andmeteks muudetav või 10 Nt Eesti sotsiaalteaduste aastakonverentsil 2019. aastal aprillis toimunud kahepäevasel ettekande- ja arutelude sessioonil „Andmestunud ühiskonna uurimise meetodid“ ning
  7. aasta jaanuaris toimunud andmestunud ühiskonna uurimise meetodite terminoloogia
    arendamise seminaril. 27Sissejuhatus tehniliselt andmetena kättesaadav, tähendab tingimata, et seda peaks sellisena kasutama? Millised on andmestumise ja andmeanalüütika võimalikud kasud ja kahjud ning kuidas neid kaaluda? Kas kõikide andmetoimingute taga peaks seisma õigluse ja kahju vältimise ideaal? Esimese osa avavad Anu Masso, Triin Vihalemm ja Leno Saarniit pea - tükiga „Andmepõhine muutuste juhtimine“. Andmepõhine muutuste juhtimine tagab teadlikud otsused, vähendab määramatust ja kiirendab otsuste langetamist. Ohuks on väärtuspõhised eriarvamused, mille väl - timiseks soovitavad peatüki autorid lähtuda andmeõigluse  – rakendada sotsiaalse õigluse põhimõtteid andmetöös. Üksikisikute huvide kaitsele keskendub ka järgmine peatükk „Andmete õiguslik kaitse ja kasuta - mine teadustöös“ (autorid Aleksei Kelli, Irene Kull, Age Värv), mis soo - vitab teadusuuringu korraldajal arvestada andmetöös peamiselt nelja kaasneva õigusliku aspektiga: 1) vajadus arvestada andmebaasi looja õigustega, 2)  vajadus kaitsta isikuandmeid, 3)  erandlik õigus kasutada andmeid teadustöö eesmärgil ja 4)  nõue andmete kasutamisel kaitsta andmesubjekti huve. Peatükk „Avaandmete kasutusvõimalused ja pii - rangud“ (autorid Mai Beilmann, Ave Roots) rõhutab, et tänu avaandme - tele on kvaliteetsetele andmetele juurdepääs varasemast märksa enama - tel inimestel. Teisalt ei sobi andmete avamine kõigile uuringu raames toodetud andmetele ja sellega kaasnevad ka ohud – avaandmete kasuta - mine eeldab lisaoskusi andmete kvaliteedi hindamiseks ja andmete eeti - liseks kasutamiseks. Raamatu esimese osa võtab kokku peatükk „Eetika ja privaatsus“ (autorid Katrin Tiidenberg, Andra Siibak), mille peamine eesmärk on innustada uurijaid ja andmetöötajaid küsima endalt teatud põhimõttelisi küsimusi ning sellest johtuvalt otsustama võimalikult eeti - lise andmete kogumise, puhastamise, talletamise, analüüsimise ja hävi - tamise viisi kasuks. Eetika ja privaatsus on ka raamatu kõiki peatükke läbiv ühine teema. Raamatu teine osa „(Suur)andmete mõtestamine“ keskendub arvutusliku sotsiaalteaduse nurgakiviks kujunenud andmetele ja mee - toditele. Juttu tuleb visualiseerimise abil andmetes leiduvate mustrite hindamisest, tunnusepõhiselt analüüsilt indiviidipõhisele analüüsile (võrgustiku- ja agendipõhise modelleerimise meetodid) liikumisest ning viimastel aastatel sotsiaal- ja humanitaarteaduslikes uuringutes valda - vaks muutunud masinõppe meetodite rakendustest. Anto Aasa peatükk 28 kuidas mõista andmestunud maailma? „(Suur)andmete visuaalne esitamine“ annab ülevaate visualiseerimis - tehnikatest, mis aitavad andmeid mõtestada ja neid väärtuslikuks res - sursiks muuta. Analüüsi kiiruse ja keerukuse kasvuga, ent ka interak - tiivsete visualiseerimisvahendite rohkusega kaasneb üks suurandmete visualiseerimise peamisi kitsaskohti – pakutavate vahendite ülekülluse kontekstis peab uurija suutma teha mõistlikke valikuid värvi- ja süm - bolilahenduste osas. Innar Liivi peatükk „Sotsiaalvõrgustike analüüs“ annab detailse ülevaate sotsiaalsete struktuuride tehnikatest, vahendi - test ja meetoditest mustrite avastamiseks. Sotsiaalsete võrgustike mee - todid aitavad mõista ja leida uudseid lahendusi näiteks sellele, kuidas institutsioonid ja riik inimestega suhtlevad. Sarnaselt sotsiaalvõrgus - tike meetodiga keskendub ka Kuldar Taveteri peatükk „Agendipõhine modelleerimine“ keerukatele sotsiaalsetele suhtevõrgustikele, milles osalejad ei pruugi käituda ratsionaalselt, mistõttu nende käitumine ei pruugi olla ennustatav. Agendipõhine modelleerimine selgitab keeru - liste nähtuste (nt Brexiti mõju majandusele, ingliskeelsete elanike arvu kasvu mõju eesti keele elujõulisusele või koroonaviiruse leviku kiirus) aktiivseid olemeid ehk agente ja nende vastastikust mõju. Raamatu teise osa lõpetab Toomas Kirdi peatükk „Masinõppe meetodid ja rakendu - sed suurandmete töötlemisel“. Peatükis tutvustatud masinõppe meeto - deid kasutatakse näiteks klientide ostukorvi analüüsimiseks äriettevõtte müügi suurendamise eesmärgil või inimeste linna kolimise põhjuste sel - gitamiseks individuaalsete profiilide analüüsi kaudu. Masinõppe leviku ja meetodite paljususe kontekstis on käsitluse peamisteks ülesanneteks kvaliteetsete andmete tagamine, tööprotsessi kiirendavate töövahendite paralleelne kasutamine ja treeningandmete kättesaadavus. Kolmas osa „Teksti- ja tajuandmete analüüs“ pakub sissejuhatuse meetoditesse, mis tegelevad struktureerimata (teksti)andmete viimisega struktureeritud kujule. See osa näitab ilmekalt, et andmed võivad tek - kida inimeste kognitiivsete ressursside n-ö ekspluateerimise tagajärjel sotsiaalmeedia keskkondades (inimestele meeldivaid emotsioone loovate nn klikitegevuste tulemusel) (Mühlhoff 2019). Teisalt on meil üha enam võimalusi kasutada erinevaid tööriistu samade tajuprotsesside uurimi - seks (nt kuidas inimesed tajuvad erinevaid tekste, andmetehnoloogiaid ja neis sisalduvat meelestatust). Selliselt kajastab see osa sotsiaal- ja humanitaarteaduste n-ö kognitiivset pööret – tekkinud on võimalused 29Sissejuhatus uurida tekstides leiduvaid hoiakuid ja meelestatust, aga ka meelestatuse kujunemise kognitiivseid mehhanisme. Raamatu kolmanda osa juhatab sisse Kristel Uiboaia peatükk „Tekstikaeve“, mis näitlikustab Eesti era - kondade valimisprogrammide põhjal, kuidas tekstikaeve meetodid või - maldavad otsida suurtest tekstikogudest uut informatsiooni, mustreid ja korra pära. Peatükk annab tänuväärse ülevaate eripäradest, mis on seotud eestikeelsete andmete töötlemisega, ning tutvustab tekstikaeve projekti eri etappe ja enim kasutatavaid meetodeid. Kadri Muischneki ja Liina Lindströmi peatükk „Digitaalsed tekstiandmed ja korpuslingvis - tika“ annab ülevaate sellest, kuidas rakendada suuri tekstikollektsioone ehk -korpusi, saamaks süstematiseeritud infot nii keele arengusuundade kui ka veebikorpustes kujutatud ühiskonna kohta. Tekstiandmete üheks levinumaks analüüsiviisiks on hoiakute automatiseeritult mõõtmine ja meelestatuse analüüs, mida käsitlevad järgmises peatükis põhjalikumalt Mare Koit ja Haldur Õim. Autorid näitavad, et vaatamata meelestatuse hindamise automatiseerimisele, näiteks masinõppe meetodeid rakenda - des, tuleb eri tüüpi tekstides positiivse või negatiivse meelestatuse väl - jendamiseks kasutatavaid keelelisi erinevusi enamasti hinnata ka lähi - lugemise abil. Kolmanda osa lõpetab Kristian Pentuse ja Andres Kuusiku peatükk „Pilgujälgimine“, mis kirjeldab, kuidas pilgujälgimise abil on võimalik selgitada seda, kuidas inimene maailma näeb ja kogeb, kuidas on fikseeritud inimese tähelepanu ning kuidas optimeerida andme - kuvamise lahendusi. Neljas osa „Lugude jutustamine andmetest ja andmetega“ näitab, kuidas kogutud ja töödeldud andmed võimaldavad jutustada veenvaid, haaravaid, mobiliseerivaid, reaalsust, ajalugu ja tulevikku ümberkujun - davaid lugusid nii tänapäeva- kui ka minevikuühiskondadest. Oskus andmete põhjal kas visuaalselt (ptk 2.1) või tekstiliselt lugusid jutustada ning andmete (varjatud) diskursiivseid tähendusi mõista on muutu - nud andmeühiskonna uurijate üheks keskseks kompetentsiks. Marek Tamme ja Hembo Pagi peatükk „Digiajaloo ja -arheoloogia uurimismee- todid“ tutvustab meetodeid, mis aitavad mitmekesistada meie teadmisi mineviku ühiskondadest. Näiteks antakse peatükis ülevaade käsikirja - liste tekstide tuvastamise, ajaloolise võrgustikuanalüüsi, aga ka laser - skaneerimise ja konstruktsioonianalüüsi võimalustest. Ragne Kõutsi ja Marju Himma peatükk „Ajakirjandus andmeajastul“ näitab, kuidas 30 kuidas mõista andmestunud maailma? andmeajakirjandus informatsiooni vahendades sotsiaalset tegelikkust konstrueerib. Andmetest küllastunud ühiskonnas lasub andmeajakirja - niku roll kõigil andmete kogumise, töötlemise ja esitamisega tegelevatel analüütikutel, kes peaks vältima moonutatud pildi loomist tegelikkusest. Nii andmeajakirjanikud kui ka teised andmetega tegelevad indiviidid ja institutsioonid vastutavad valeinfo leviku ja andmetega manipuleerimise piiramise eest. Järgmises peatükis „Diskursusanalüüs“ (autorid Katrin Tiidenberg, Anu Masso, Maili Pilt, Liisi Laineste) on lähemalt käsitletud kolme meetodit: multimodaalne kvalitatiivne, kriitiline tehnokultuuri - line diskursus analüüs ja Q-metodoloogia. Peatükk näitab, et kriitilised tähendusi, tegevusi-praktikaid, identiteete, suhteid, põhimõtteid, seoseid, märgisüsteeme ja teadmisi analüüsivad võtted on andmestunud ühis - konna mõistmisel ja selgitamisel hädavajalikud. Samas on uued analüüsi tööriistad, andmekogumise ja -analüüsi keskkonnad (nt Ken-Q Analy- sis), aga ka kvalitatiivse analüüsitarkvara kasutamine loonud võimaluse analüüsiprotsessi kiirendamiseks ja läbipaistvamaks muutmiseks. Sar - naselt käsitleb järgmine peatükk „Narratiivid sotsiaalmeedias“ (autorid Liisi Laineste, Maili Pilt) sotsiaalmeedia levikuga kaasnevate uute multi - modaalsete narratiivsete nähtuste analüüsimise võimalusi, loomaks
    inimeste argisuhtlusest ja kogemustest mitmekihilisi tõlgendusi. Viies osa võtab lähema vaatluse alla „Platvormid ja andmetaris - tud uurimisvahendi ja -objektina“ . Osa keskendub nii teiseste andme - baaside (nt filmiandmebaas) rollile ühiskonna ja kultuuri mõtestamisel kui ka kommertsteenuste tulemusena loodud andmete (nt sotsiaalmee - dia-, mobiili- ja internetiandmed) kasutamisele ajaliste ja ruumiliste ning sotsiaalsete protsesside mõistmisel. Indrek Ibrus ja Maarja Ojamaa näitavad peatükis „Audiovisuaalne kultuur, metaandmed ja lingiana - lüüs“ unikaalse kultuurianalüüsi võimalusi Eestis ja rahvusvaheliselt, tuginedes filmiandmebaasi metaandmetele. Filmide autorite seotuse ja filmide märksõnavõrgustike ajaperioodide kaupa võrdlemine loob uud - sed võimalused varem märkamata jäänud tendentside, aga ka ootama - tute anomaaliate avastamiseks. Olle Järve ja Kerli Müüriseppa peatükk „Sotsiaalmeedia andmete sotsiaal-ruumiline analüüs“ avab lisaks eelne - valt käsitlemist leidnud tekstiliste sotsiaalmeediaandmete analüüsile (nt ptk-des 3.1 ja 3.2) lugejale ka platvormiandmete potentsiaali ruumilisi ja sotsiaalseid struktuure käsitlevate uuringute jaoks. Platvormiandmete 31Sissejuhatus analüüsile keskenduvad ka Anna Veremchuk ja Jaan Masso peatükis „Internetiandmete kasutamine tööturu-uuringuteks“. Mõlema peatüki autorid näitavad sotsiaalmeedia ja CV Keskuse veebikeskkonna näitel platvormiandmete unikaalset potentsiaali näiteks tööturu-uuringu - teks või inimeste ruumilise käitumise selgitamiseks. Platvormide eelis uuringutandrina peitub selles, et uurijal on suhteliselt odavalt võimalik koguda uurimistööks vajalikke andmeid, muidugi juhul, kui andmete omanik seda lubab. Samuti annavad internetiandmed teiste andmesti - kega kombineerituna võimaluse saada täpsemaid ja usaldusväärsemaid tulemusi. Siiri Silma ja Olle Järve peatükk „Mobiiltelefonid ühiskonna ajalis-ruumilises analüüsis“ rõhutab, et mobiilpositsioneerimise mee - todite paljud tugevused (reaalajas suhteliselt täpne liikuvuse jälgimine) kaaluvad selgelt üle nõrkused (nt valimi kallutatus), mistõttu meetod leiab üha enam kasutust nii passiivse (anonüümsed suuremahulised kõnetoimingute asukohapõhised andmed) kui ka aktiivse positsionee - rimise (väikeses mahus nutitelefonide positsioneerimine) kaudu loodud andmete kujul. Meetod annab võimaluse reaalajas ühiskonda dünaami - liselt jälgida ning targalt juhtida, näiteks liikluse reguleerimise, kriiside juhtimise ja asukohapõhiste teenuste pakkumise kaudu. Raamatu viimane osa „Iseteadlik ja teovõimeline inimene andme- ühiskonnas“ 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 kasu - tada. Sellises kontekstis on uurija jaoks jätkuvalt oluline mõista enda ja uuritava vahelisi suhteid ning olla oma uurimisküsimuste, uurimis - tegevuste ja andmeprotsesside suhtes süstemaatiliselt refleksiivne. Mare Ainsaar, Indrek Soidla ja Ave Roots näitavad peatükis „Küsitlusuurin - gud inter netis“, et üha kasvav veebipõhiste uuringute osakaal võimaldab küll kvaliteetseid küsitlustulemusi, ent veebiuuringuil on ka omad puu - dused ning nendega kaasneb terve hulk müüte. Veebipõhiste küsimus - tike 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 32 kuidas mõista andmestunud maailma? rõhutab Maria Murumaa-Mengel peatükis „Veebiintervjuud, projek - tiivtehnikad ja loovuurimismeetodid“. Peatükk tutvustab veebipõhiste, voog- ja viivisintervjuudega seonduvaid võimalusi, riske ja eetilisi mõt - tekohti. Lisaks pakub peatükk täiendavaid mõtteid veebipõhise kvali - tatiivse andmekogumise rikastamiseks Eestis endiselt vähe kasutatud projektiiv- ja loovuurimismeetoditega. Katrin Tiidenbergi peatükk (6.2) ja Pille Pruulmann-Vengerfeldti peatükk (6.4) käsitlevad mõlemad and - mestunud ühiskonna etnograafilist uurimist. Andmeühiskonna etno - graaf 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 loo - vad ja tähendusi omistavad. Katrin Tiidenberg keskendub andmeühis - konna etnograafilise uurimise praktilistele detailidele, kirjeldades väli - töid, 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&ge nre=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. 33Sissejuhatus 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, Cul- ture and Society 36, 6, 125–145. https://doi.org/10.1177/0263276419840409. 34 kuidas mõista andmestunud maailma? Gupta, R.; Gupta, H.; Mohania, M. 2012. Cloud computing and big data analyt- ics: What is new from database perspective? – Big Data Analytics: Proceed - ings 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 Polit- ical and Social Science 659, 1, 48–62. https://doi.org/10.1177/0002716215570279. Hintz, A.; Dencik, L.; Wahl-Jorgensen, K. 2019. Digital citizenship in a datafied soci- ety. Polity. Hopkins, P. 2019. Social geography I: Intersectionality. – Progress in Human Geo- graphy 43, 5, 937–947. https://doi.org/10.1177/0309132517743677. Just, N.; Latzer, M. 2017. Governance by algorithms: Reality construction by algo- rithmic selection on the Internet. – Media, Culture and Society 39, 2, 238–258. https://doi.org/10.1177/0163443716643157. Kennedy, H.; Moss, G. 2015. Known or knowing publics? Social media data mining and the question of public agency. http://eprints.whiterose.ac.uk /91180/1/2053951715611145.full.pdf. Kitchin, R. 2014a. The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences. Sage. Kitchin, R. 2014b. Big Data, new epistemologies and paradigm shifts. – Big Data & Society 1, 1. https://doi.org/10.1177/2053951714528481. Lazega, E.; Snijders, T. A. B. 2016. Multilevel Network Analysis for the Social Sciences: Theory, Methods and Applications. Methodos Series Book 12. Springer. http://sfx.ethz.ch/sfx_locater?sid=ALEPH:EBI01&genre=book&i sbn=9783319245201. Lupton, D. 2015. The Thirteen Ps of Big Data. https://simplysociology.wordpress. com/2015/05/11/the-thirteen-ps-of-big-data/. Lupton, D. 2020. Data Selves: More-than-human Perspectives. Polity. Manovich, L. 2017. Cultural Analytics, Social Computing and Digital Humanities. – The datafied society: Studying culture through data. Eds. Mirko Tobias Schäfer, Karin van Es. Amsterdam University Press, 55–68. Markham, A. N. 2016. Troubling the Concept of Data in Qualitative Digital Research. – U. Flick (ed.), The Sage Handbook of Qualitative Data Collection. Sage, 511–524. 35Sissejuhatus Masso, A.; Männiste, M.; Siibak, A. 2020. ‘End of Theory’ in the Area of Big Data: Methodological Practices and Challenges in the Social Media Studies. – Acta Baltica Historiae et Philosophiae Scientiarum 8, 1, 33−61. McBride, K.; Toots, M.; Kalvet, T.; Krimmer, R. 2018. Leader in e-Government, Laggard in Open Data: Exploring the Case of Estonia. – Revue Française d’administration Publique 167, 3, 613–625. https://doi.org/10.3917/rfap.167.

Milan, S.; Velden, L. van der 2016. The Alternative Epistemologies of Data Activ- ism. – Digital Culture and Society 2, 2, 2364–2114. https://doi.org/10.14361/dcs- 2016-0205. Männiste, M.; Masso, A. 2020. ‘Three Drops of Blood for the Devil’: Data Pioneers as Intermediaries of Algorithmic Governance Ideals. – Mediální Studia | Media Studies 14, 1, 55−74. Mühlhoff, R. 2019. Human-aided artificial intelligence: Or, how to run large com - putations in human brains? Toward a media sociology of machine learning. – New Media and Society, 1461444819885334. https://doi.org/10.1177/146144 4819885334. Park, G.; Schwartz, H. A.; Eichstaedt, J. C.; Kern, M. L., Kosinski, M.; Stillwell, D. J.; Ungar, L. H.; Seligman, M. E. P. 2015. Automatic Personality Assessment Through Social Media Language. – Journal of Personality and Social Psychol- ogy 108, 6, 934–952. https://doi.org/10.1037/pspp0000020. Pink, S.; Ruckenstein, M.; Willim, R.; Duque, M. 2018. Broken data: Concep- tualising data in an emerging world. – Big Data and Society 5, 1. https://doi. org/10.1177/2053951717753228. Puschmann, C.; Burgess, J. 2014. Metaphors of big data. – International Journal of Communication 8, 1690–1709. Raley, R. 2013. Dataveillance and countervailance. – Lisa Gitelman (ed.), ‘Raw Data’ Is an Oxymoron. MIT Press. Rogers, R. 2013. Digital Methods. MIT. Rogers, R. 2019. Doing Digital Methods. Sage. Rossi, U. 2019. The common-seekers: Capturing and reclaiming value in the plat- form metropolis. – Environment and Planning C: Politics and Space 37, 8, 1418– 1433. https://doi.org/10.1177/2399654419830975. Runnel, P.; Pruulmann-Vengerfeldt, P.; Reinsalu, K. 2009. The Estonian Tiger Leap from Post-Communism to the Information Society: From Policy to Practice. – Journal of Baltic Studies 40, 1, 29–51. https://doi.org/10.1080/01629770902 722245. 36 kuidas mõista andmestunud maailma? Schot, J.; Kanger, L. 2018. Deep transitions: Emergence, acceleration, stabilization and directionality. – Research Policy 47, 6, 1045–1059. https://doi.org/10.1016/j. respol.2018.03.009. Schäfer, M. 2016. Challenging Citizenship: Social Media and Big Data. – Computer Supported Cooperative Work 25, 2, 111–113. https://doi.org/10.1007/s10606- 016-9255-8. Schäfer, M. T.; Es, K. van 2017. The Datafied Society: Studying Culture through Data. Amsterdam University Press. Shaw, R. 2015. Big Data and reality. – Big Data and Society 2, 2, 1–4. https://doi. org/10.1177/2053951715608877. Slota, S. C.; Hoffman, A. S.; Ribes, D.; Bowker, G. C. 2020. Prospecting (in) the data sciences. 0 Big Data and Society 7, 1, 1–12. https://doi.org/10.1177/205 3951720906849. Stark, L.; Hoffmann, A. L. 2019. Data Is the New What? Popular Metaphors & Pro - fessional Ethics in Emerging Data Culture. – Journal of Cultural Analytics, May 1, 1–22. https://doi.org/10.22148/16.036. Tammpuu, P.; Masso, A. 2018. ‘Welcome to the virtual state’: Estonian e-residency and the digitalised state as a commodity. – European Journal of Cultural Stud- ies 21, 5, 543–560. https://doi.org/10.1177/1367549417751148. Thylstrup, N. B.: Flyverbom, M.: Helles, R. 2019. Datafied knowledge production: Introduction to the special theme. – Big Data and Society 6, 2, 1–5. https://doi. org/10.1177/2053951719875985. Wagner-Pacifici, R.; Mohr, J. W.; Breiger, R. L. 2015. Ontologies, methodologies, and new uses of Big Data in the social and cultural sciences. – Big Data and Society 2, 2, 1–11. https://doi.org/10.1177/2053951715613810. Veltri, G. A. 2017. Big Data is not only about data: The two cultures of modelling. – Big Data and Society 4, 1, 1–6. https://doi.org/10.1177/2053951717703997. Viik, K. 2015. Sõnastik: intersektsionaalsus. Feministeerium. https://feministee - rium.ee/nadala-sona-intersektsionaalsus/. Whitby, A. 2020. The Sum of the People: How the Census Has Shaped Nations, from the Ancient World to the Modern Age. Hachette UK.