Kategoria: Some-analyysit

Sosiaalisen median data-analyysi kaupunkisuunnittelussa

Kirjoitettu: 18.7.2017

Laskennalliset sosiaalisen median data-analyysimenetelmät tuovat uusia mahdollisuuksia myös kaupunkisuunnittelun kentälle. Juuri julkaistussa artikkelissani Social Media Data Analysis in Urban e-Planning tutkin, minkälaisia somedatan analyysimenetelmiä kaupunkisuunnitteluun liittyvässä tutkimuksessa on kehitetty tai testattu. Suuri osa läpikäymistäni tapaustutkimuksista hyödynsi paikkatietoa sisältävää somedataa, kuten geotägättyjä twiittejä, valokuvia (esim. Instagram ja Flickr) tai check-in-dataa (esim. Foursquaresta, nykyisin  Swarm).

Kirjallisuuskatsaukseen perustuva artikkeli sisältää katsauksen menetelmiin ja johtopäätöksenä analyysimenetelmien luokittelun sen perusteella, minkälaista tietoa ne suunnittelulle antavat. Lyhyesti tiivistettynä data-analyysimenetelmiä on kaupunkisuunnittelun kontekstissa hyödynnetty seuraaviin kysymyksiin:

  • mielipiteiden louhinta julkisesta keskustelusta,
  • paikkakokemusten, kuten kaupunkiympäristöön liittyvien kokemusten ja tuntemusten ymmärtäminen, esimerkiksi ympäristön aiheuttama stressi tai äänet ja maut,
  • kaupunkirakenteen, sen toimintojen ja ominaispiirteiden ymmärtäminen,
  • ihmisten käyttäytymisen ja toiminnan ymmärtäminen, kuten liikkuminen ja muut aktiviteetit.

Lisäksi on kehitetty monikäyttöisiä, eri datalähteitä yhdisteleviä menetelmiä, joilla voidaa vastata samanaikaisesti useampiin yllä mainittuihin kysymyksiin.

Merkille pantavaa on myös se, että suuri osa tutkituista menetelmistä tuotti paikkaan liittyvää tietoa olemassa olevasta ympäristöstä tietyllä aikavälillä, yleensä lähihistoriassa. Kaupunkisuunnittelun näkökulmasta siis lähtö- tai tilannetietoa suunnittelulle. Suunnittelu on kuitenkin tulevaisuuteen suuntautuvaa toimintaa, joten herää kysymys, minkälaiset menetelmät tukisivat tulevaisuuden visiointia. Voidaanko tulevaisuudessa somedatasta louhia esimerkiksi ideoita tai tulevaisuuden visioita?

Sosiaalisen median analyysimenetelmien tutkimus on lisääntynyt aivan viime aikoina, enkä usko kiinnostuksen tästä lopahtavan. Menetelmät ja mahdollisuudet kehittyvät koko ajan kovaa vauhtia. Tämä artikkeli on kirjoitettu viime vuonna (2016) ja julkaistu International Journal of e-Planning Research -lehdessä heinäkuussa 2017.

Ota yhteyttä, jos haluat lisätietoa artikkelistani. =)

Sanapilvestä apua alueen some-kuvan analysointiin?

Kirjoitettu: 13.5.2017

Kuntien ja kaupunkien kehittämisessä imagotyön merkitys on kasvanut 2000-luvun alkupuolelta alkaen. Aluemarkkinoinnin toivotaan parantavan kunnan asemaa alueiden välisessä kilpailussa, kun tavoitteena on houkutella kuntiin uusia asukkaita ja investointeja sekä säilyttää nykyiset asukkaat ja yrittäjät. (Äikäs 2004)

Siinä missä somessa markkinoidaan tuotteita ja luodaan mielikuvia, siellä syntyy myös mielikuvia paikoista ja alueista. Sosiaalisen median kautta muodostuva kuva kunnasta tai asuinalueesta voi olla merkittävä tekijä esimerkiksi alueen houkuttelevuudessa uusien asukkaiden silmissä.

Miten alueen some-kuvaa voi sitten tutkia – saati kehittää?

Tarkastelin Sipoon Talman alueen some-kuvan luonnetta kevyellä tekstianalyysillä. Olin kerännyt Talmaan liittyviä some-julkaisuja ViidakkoMonitor-työkalun avulla viime vuoden syyskuusta lähtien. Aikavälillä 28.9.-13.5.2017 oli kertynyt 925 osumaa, jotka liittyivät Talmaan. Päätin kokeilla, miltä näyttäisi Talmaan liitetyistä hashtageista tehty sanapilvi. Sen avullahan voi havainnollistaa tekstiaineistosta sanojen esiintyvyystiheyttä eli frekvenssiä, mutta vakavasti otettavana tilastollisen tiedon visualisointimenetelmänä sitä ei voi pitää. Visuaalisuudessaan sanapilvi voi kuitenkin auttaa erottamaan tekstimassasta olennaiset aiheet. Halusin selvittää, saisiko parjatusta visualisointimenetelmästä kuitenkin jotain irti aluekuvan analysoinnissa?

Toteutin hashtag-analyysini seuraavasti:

  1. Latasin keräämäni Talma-aineiston ViidakkoMonitorista excel-tiedostona.
  2. Kirjoitin Python-skriptin, jonka avulla erottelin tekstimassasta hashtagit.
  3. Tässä välissä etsin ja testailin muutamia erilaisia verkosta löytyviä sanapilvityökaluja.
  4. Vein esikäsitellyn aineiston WordArt.comin sanapilvityökaluun, joka laski sanojen frekvenssit ja teki sanalistan ja visualisoinnin. Tässä vaiheessa poistin sanalistasta itsestään selviä tunnisteita, kuten esimerkiksi sanan Talma, joka olisi turhaan dominoinut sanapilveä. Lisäksi poistin harvinaiset tunnisteet, eli ne, jotka esiintyivät aineistossa vähemmän kuin kolme kertaa.
    Hashtagit ovat aineistona siinä mielessä ihanteellista, että verrattuna vapaaseen tekstiin, sanat ovat useammin perusmuotoisia, eikä aineistoa tarvitse siis yhtä paljon käsitellä ennen analyysia.
  5. Pienten säätöjen jälkeen alla oleva sanapilvi olikin valmis.

Talvinen Talma = TalmaSki?

Talman sanapilvi on hyvin linjassa some-julkaisujen kuvavirrasta saamani käsityksen kanssa: talvella Talmassa korostuu TalmaSki lumilautailijoiden harrastuspaikkana. Tarkemmin katsottuna sanapilvi antaa kyllä lisäinformaatiotakin. Vaikka TalmaSki on snoukkaajien paikka, myös laskettelu nousee hyvin esiin. Englanninkielinen sisältö dominoi suomenkielistä, ruotsinkielellä julkaistaan hyvin vähän, jonkin verran löytyy myös esimerkiksi venäjänkielisiä julkaisuja. Golf on pienesti mukana talvellakin, joten odottaa sopii, että kesällä Golf Talma nousee selkeämmin esiin.

Erikoisuutena sanapilvessä herättää huomiota lawnmowerracing eli ruohonleikkuriralli. Talmassa todellakin on järjestetty tämän lajin kilpailuja.

Sekin näkyy sanapilvessä, että Talma liitetään sipoolaisesta näkökulmasta harmillisen usein Keravaan. Tämä antaa selvän viestin aluemarkkinoinnin tarpeesta.

Testin perusteella näyttää siltä, että some-aineistosta tehty, paikkaan liittyvä sanapilvi tuo nopeasti esiin alueen suosituimmat toiminnot – erityisesti nuorten suosiossa olevat sosiaaliset aktiviteetit korostuvat. Sanapilvi ei yksin riitä avaamaan alueen some-kuvaa: tässäkin analyysissa hyödyksi oli, että olin kursorisesti käynyt läpi keräämäni some-julkaisut ennen sanapilven tekemistä.

Muistojen Nikkilä -projektista saamieni kokemusten perusteella olen vakuuttunut siitä, että alueen some-kuvan kehittäminen on mahdollista. Kannustamalla ihmisiä jakamaan alueeseen liittyvää sisältöä, esimerkiksi kokemuksia, havaintoja ja muistoja, voidaan vaikuttaa siihen, ettei alueen some-kuva ole liian yksipuolinen. Talmassa ei ole tehty mitään tämän tyyppisiä toimenpiteitä sometuksen edistämiseksi ja sanapilvestä näkyykin, että kuva on varsin yksipuolinen.

Jatkokehitysideoina mieleeni tulee esimerkiksi eri vuodenajoista tehdyt alueanalyysit. Kesän jälkeen katsotaan uudestaan, miltä Talman sanapilvi sitten näyttää!

Mihin sinä käyttäisit somen sanapilveä?

Lähde
Äikäs, T. A. (2004). Imagoa etsimässä. Kaupunki- ja aluemarkkinoinnin haasteista mielikuvien mahdollisuuksiin. Suomen Kuntaliitto. ISBN 952-213-067-2.