Aihemallinnus hybridin mediatapahtuman ja merkitysten kierron tutkimuksessa

Laskennallisten menetelmien kaytto viestintatieteissa on viime vuosina herattanyt kasvavaa kiinnostusta. Menetelmien soveltaminen vaatii kuitenkin seka osaamista etta materiaalisia resursseja, kuten palvelimia ohjelmien suorittamiseen. Tarkastelemme tassa artikkelissa Twitter-aineiston laskennallista keruuta seka erityisesti sen analyysia eraan ohjaamattoman koneoppimismenetelman, aihemallinnuksen avulla. Kerasimme artikkelin empiirisen aineiston maaliskuussa 2019 twiiteista, jotka liittyivat Uuden-Seelannin Christchurchissa moskeijoihin suunnattuihin terrori-iskuihin. Tarkastelemme tassa artikkelissa, mita ohjaamaton koneoppiminen voi antaa hybridin mediatapahtuman monimenetelmalliselle tutkimukselle, jossa mediaetnografinen tutkimusote on lahtokohta. Toteutimme empiiriselle aineistollemme aihemallinnuksen sen yleisten vaiheiden eli aineiston esikasittelyn, mallinnuksen seka tulosten tulkinnan mukaisesti. Aihemallinnuksen avulla tunnistimme 15 Christchurch -aineistosta nousevaa aihetta 148 816 twiitista. Aihemallinnus tarjosi tavan tiivistaa suurta aineistoa ja lahtokohtia tutkimuksen seuraavalle, laadulliselle vaiheelle. Kasittelemme artikkelissa aihemallinnuksen lisaksi myos laskennallisten menetelmien kayttoon seka aineistonkeruuseen liittyvia rajoitteita.