#Tutkimusparvi

Ping @pe3 @lindstorm @TAir @erkka @apoikola @ubiq @juhana2 @troppone Tutkijakollegani Christian Aspegren esitti juuri kiinnostavan näkemyksen nopeasti muuttuvan sosiaalisen ilmiön tutkimisesta. Tyypilliset tieteen tutkimusmenetelmät ovat liian hitaita, jotta voisi tutkia tässä ja nyt tapahtuvaa ilmiötä. Ratkaisuna olisi exploratiivinen tutkimus. Meidän tutkimuksemme kohteena ovat kasvuyritykset kasvamisprosessin aikana.

Exploratiivinen tutkimus voisi toimia suurin piirtein samalla lailla kuin tutkiva testaus, joka on jo melko hyvin ymmärretty tapa toteuttaa ohjelmistojen testausta asiantuntijoiden toimesta. Kyse ei olisi kuitenkaan tavanomaisesta toimintatutkimuksesta. Tutkimus ikäänkuin kehkeytyisi ja ohjautuisi sitämukaa, kun uutta tulee eteen.

Missäs foorumissa tätä olisi fiksuinta keskustella ja kuka tästä tietää, jos joku jo jotain tästä tietää?

Ei oo kyllä mitään haisua tuosta aiheesta, mutta jos joku tietää jotain niin muakin kyllä kiinnostaa kovasti (:

@Mitro Tarkoitatko ekploratiivisella tutkimuksella samaa kuin tuolla: http://www2.uiah.fi/projects/metodi/0... – "[eksploratiivinen] Uutta kartoittava tutkimus tarkoittaa tässä sitä, että työn pohjaksi ei oteta asiaa koskevaa aiempaa teoriaa tai mallia."

@erkka Kiitos nopeasta vinkistä. Osittain tätä tarkoitamme, mutta ei niin voimakkaalla vastakkainasettelulla olemassa olevan teoiriaperustan kanssa. Pitääpi lukea uudelleen linkin takana olevat asiat täsmentää sitä, miten itse asian näemme, missä olemme samaa mieltä ja missä eri.

Onko tietoa, millä tieteenaloilla tällainen Uutta kartoittava tutkimustoiminta on yleistä / hyväksyttyä tai jopa suositeltavaa?

Kiinnostus ilmaistu aiheeseen myös Napapiirin tuntumasta. Ajatuksia aihetta sivuten kävi mielessä viimeksi tänään.
Kun ilmiöiden aikajänteet lyhenee, ainoa keino nykymenetelmin on dokumentoida (tai toivoa että joku muu dokumentoi) hetken riittävän hyvin (jonka pystyy arvioimaan usein ainoastaan jälkikäteen, ja silloinkin tulee todettua, että jotain jäi...) ja sitten jälkikäteen koittaa parsia kasaan vastaus siitä, että mitä #### oikein tapahtui.

@Mitro en tähän hätään osaa kommentoida muuta, kuin että tarvetta varmasti on ketterämmille tutkimusmenetelmille ja niitä kehitetään, mutta nykyisilläkin on pärjätty joitain tuhansia vuosia.

JY:n vanhan koulun klassikkososiologit ovat asiallisesti takoneet kaaliini aikalaistutkimuksen haasteista (väitöskirjaani liittyen): totta kai sitä voi tehdä ja pitää tehdä, mutta on hyvä itsereflektoida heti alkuun kohteen oletettu relevanssi vaikkapa 5v päästä ymps. Vauhtisokeus syntyy helposti hektisyyden myötä. Yksistään vilkkaassa qaikuilussa voi helposti tulla viilinki, että tässä ollaan tekemässä nisäkäskunnan historiaa.

Arto Noron tekstejä on suositeltu aikalaistutkimuksen rationaliaalisen suhtautumisen osalta. En ole vielä ehtinyt kaivaa niitä, mutta listalla on ja voin tuupata tännekin kommenttia kun ehdin koluta niitä.

Kiinnostava aihe, palaan tähän. Ja laadullinen tutkimushan on siitä metkaa, että esm Eskola & Suorannan (1998) mukaan jokainen voi halutessaan mashupata oman, uuden menetelmän.

Open industrial policy suuntaus sisältää eksploratiivisen elementin. Parin viikonpäästä tulee asiasta julkaisu suomeksi

Kannattaisi yrittää automatisoida datan keruu (vaikkapa spostin, puhelimen käytön seuraaminen automaattisten softien avulla)

Oman datan pienuuden (--> heikko yleistämisarvo) voisi kompensoida muiden tutkijoiden kanssa tehtävän reaaliaikaisen yhteistyön avulla, jossa dataa poolataan yhteen systemaattisesti.

Jos on mitään alkuhypoteeseja ja kilpailevia teorioita, niin sitten niiden tuottamia ennusteita on näppärä vertailla datan kertyessä.

The Fourth Paradigm: Data-Intensive Scientific Discovery
http://research.microsoft.com/en-us/c...
liittynee jossain määrin aiheeseen.

Koneoppimispuolella eksploratiivisten menetelmien tutkimus on aktiivista. Kyseessä on datan eksplorointiin, visualisointiin, yhdistelyyn yms. liittyviä asioita. En sitten tiedä miten käyttökelpoisia nämä ovat mainitussa 'kasvuyritykset kasvamisprosessin aikana'-sovelluksessa.

Nopeisiin testeissä käyttökelpoisia ensiaskeleita voi tarjota joku interaktiivinen veppijuttu, esim. "http://www.r-statistics.com/2010/04/j...

Avoimen lähdekoodin koneoppimismenetelmille eri kielillä ja systeemeillä on repository: "http://mloss.org/software/", mutta käyttö vaatii usein syvällisempää asiantuntemusta menetelmiin liittyen.