Käyttäjien suhtautuminen sosiaalisen median aineiston säilyttämiseen
Bibliographic record
Abstract
Tutkimuksen tarkoituksena oli selvittää ihmisten mielipiteitä sosiaalisen median aineiston säilyttämisestä arkistoissa. Tutkimuskysymykset koskivat suhtautumista aineiston säilyttämiseen yleisestä sekä sitä, millaisella aineistolla koetaan olevan arvoa. \n \nSäilytystä tehdään muun muassa kulttuurihistoriallisista ja tutkimuksellisista syistä. Ilman säilytystä osa aineistosta katoaa internetistä. Suomessa säilyttäminen on ollut vielä vähäistä. Tunnettu esimerkki maailmalta on Kongressin kirjaston vielä toistaiseksi julkaisematon Twitter-arkisto. \n \nAineisto kerättiin kyselytutkimuksen avulla helmi- ja maaliskuun vaihteessa 2020. Vastaajat tavoitettiin kolmen Facebook-ryhmän kautta. Vastauksia tuli yhteensä 70 kappaletta. Vastaajien joukossa oli sekä arkistoammattilaisia että henkilöitä, jotka eivät ole ammattinsa puolesta tekemisissä asiakirjahallinnan kanssa. \n \nTutkimuksessa huomattiin, että vastaajien mielestä sosiaalisessa mediassa on aineistoa, jota pitäisi säilyttää. Tärkeimpänä syynä säilytykseen pidettiin aineiston tutkimuskäytön mahdollistamista. Säilytystä rajoittavat kuitenkin monet seikat. Suuri osa vastaajista halusi, että julkaisun tekijältä olisi kysyttävä jollakin tavalla lupa hänen julkaisujensa säilyttämiseen. Arkiston avoimuutta tulisi rajoittaa, ja monen vastaajan mielestä arkistoidun aineiston tulisi päivittyä, jos julkaisun alkuperäiseen versioon tulee muutoksia. \n \nVastaajien määritellessä aineistoa, joka olisi säilyttämisen arvoista moni heistä koki arkiset ja henkilökohtaiset julkaisut turhiksi yleisen arkiston kannalta. Sen sijaan tiettyihin rajattuihin teemoihin, kuten ajankohtaisiin yhteiskunnallisiin aiheisiin ja urheilukilpailujen kaltaisiin tapahtumiin, liittyvät julkaisut olisi mielekkäämpää säilyttää. Tunnettujen henkilöiden tekemät julkaisut koettiin tärkeämmäksi, mutta toisaalta muidenkin käyttäjien julkaisut kertovat nykypäivän sosiaalisen median käytöstä. \n \nTutkimus tuo esille, että sosiaalisen median aineiston säilytys nähdään tärkeänä, mutta siihen liittyy hyvin monia rajoituksia. Ratkaisuna voidaan esittää esimerkiksi mahdollisuutta luovuttaa omia aineistoja keräävälle taholle, sekä rajoittaa arkiston avoimuutta. Jatkotutkimuksen aiheita ovat esimerkiksi arkistoammattilaisten näkemysten kartoittaminen liittyen sosiaalisen median aineiston arvoon ja säilytyksen käytännön toteutukseen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.002 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.221 | 0.104 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".