Maskinene kommer
Det er lett å drukne i data. Da gjelder det å ha verktøy for å bistå. Automatisert innholdsanalyse er på fremmarsj i krisekommunikasjon.
Øyvind Ihlen
Øyvind er professor ved Universitetet i Oslo – Institutt for medier og kommunikasjon.
I en ny artikkel diskuterer den nederlandske forskeren Toni G.L.A. van der Meer hvordan automatisert innholdsanalyse kan bistå i krisekommunikasjon. Den teknologiske utviklingen byr nemlig på både utfordringer og muligheter. På den ene siden er det ofte langt flere aktører som vil gi sitt besyv med i laget når kriser oppstår. Fremveksten av sosiale medier gjør at kriser, og ikke minst ansvaret for dem, diskuteres på langt flere plattformer enn tidligere. Tempoet er også skrudd betraktelig opp. På den annen side gir digital publisering og lagring av nyhetskilder også lettere adgang til data. Via sosiale medier kan man få et bedre innblikk i hva som rører seg blant dem som er engasjert i kriser.
En utfordring som står igjen, er imidlertid hvordan man skal håndtere den store mengden med data som er tilgjengelig. Undersøkelsen European Communication Monitor (ECM) har da også vist hvordan de fleste kommunikatører tror stordata vil endre yrket, samtidig som de færreste faktisk har arbeidet med dette selv.
Et kjærkomment tidlig bidrag gis derfor i artikkelen «Automated content analysis and crisis communication research». Her presenterer van der Meer tre ulike metoder som er basert på tilgjengelig programvare, og som er anvendt i kriseforskning (se ramme).
Kan vi da lene oss tilbake og la maskinene gjøre jobben? Nja, sier van der Meer. Vi kan få mer systematikk inn i analysen, men man må først og fremst tenke på dette som et supplement når man skal analysere store mengder tekst. Det er altså foreløpig grunn til å puste ut. Mennesker trengs fortsatt litt til.
De tre modellene for automatisert innholdsanalyse til krisekommunikasjon:
LEKSIKONMETODEN: Dette er den enkleste fremgangsmåten der man måler forekomsten av spesielle ord for å kunne kartlegge tonen i tekstene. Konkrete ord defineres på forhånd som å tilhøre en spesiell tolkningsramme. En studie sammenliknet for eksempel 126 pressemeldinger fra BP i forbindelse med utslippene i Mexicogolfen med 3731 nyhetsoppslag i amerikanske og engelske aviser. Analysen fikk for eksempel frem hvilke aktører som ble nevnt, og i hvilken forbindelse.
MASKINLÆRINGSMETODER: Basert på at mennesker først analyserer en tekst, kan en algoritme lære å sortere tekster i forhåndsdefinerte kategorier. Algoritmen identifiserer karakteristikker, eller mangel av karakteristikker, som skiller visse kategorier fra andre. En analyse tok for eksempel utgangspunkt i fire typer tolkningsrammer og analyserte så 6030 artikler for å finne ut hvilken som dominerte.
«HELAUTOMATISKE» METODER: Her fores datamaskinen med all tekst og identifiserer ordsammensetninger og mønstre og danner kategorier basert på denne operasjonen. På tross av betegnelsen på denne fremgangsmåten må den som gjør analysen, bistå med for eksempel å bestemme hvor mange ordklynger man ønsker å få ut.