Hvordan skaber man en god fest? – Københavns Universitet

Institut for Antropologi > Om instituttet > Nyheder > Hvordan skaber man en ...

16. januar 2019

Hvordan skaber man en god fest?

Social data

Forskere er i gang med at udvikle en nyskabende metode til at kortlægge komponenter i en god social atmosfære med Big Data og antropologi.

Farvet lys flimrer hastigt over ansigterne. I mængden har et par stykker klædt sig ud som dyr og hopper i en sofa, og næsten alle i rummet danser til den høje musik. Antropolog Mette My Madsen beskriver i sine feltnoter blandt andet en fests højdepunkt set fra dansegulvet.

- Festens højdepunkt er en fælles puls af mennesker, musik og lys. Mine oplevelser giver sammen med det omfangsrige digitalt datamateriale en slags essens af en fest, forklarer antropolog Mette My Madsen, der har bidraget med antropologiske undersøgelser til et stort tværfagligt forskningsprojekt med titlen The Copenhagen Social Networks Study. 

Mette My Madsen har stået for den etnografiske del af undersøgelsen, som netop er offentliggjort i hendes ph.d. afhandling, mens resten af resultaterne om udvikling af en metode til at undersøge ’festens essens’ er publiceret i tidsskriftet Big Data & Society.

The Copenhagen Social Networks Study var et samarbejde mellem forskere fra det Samfundsvidenskabelige Fakultet, tre andre fakulteter ved Københavns Universitet samt dataloger og fysikere fra Danmarks Teknisk Universitet. Knap 1000 studerende fra Danmarks Tekniske Universitet indgik i forskningsprojektet. Heraf modtog størstedelen en smartphone og delte anonymiserede digitale metadata med forskere fra DTU og Københavns Universitet. Det har ført til en lang række forskellige videnskabelige publikationer om sociale netværk og dynamikker - heriblandt undersøgelserne af komponenterne i det gode sociale klima.

Metoderne styrker hinanden

Og perspektiverne ved forskningen kan blive store, forklarer Morten Axel Pedersen, der er professor ved Institut for Antropologi og Centre for Social Data Science, Københavns Universitet:

- Viden om, hvordan man undersøger den gode sociale atmosfære i tid og sted, og hvordan man skaber den, kunne på sigt anvendes til eksempelvis at skabe bedre socialt klima på arbejdspladser, siger han.

Antropologer og sociologer har siden slutningen af 1800-tallet forsket i, hvad der kendetegner en god social atmosfære.

- Vi kender alle sammen følelsen af, at en fest eller andre sociale sammenhænge kan have en god eller en ikke så god atmosfære. Inden for den antropologiske og sociologiske forskning har vi en række teorier om, hvilke principper og dynamikker der styrer sociale situationer. Disse teorier er blevet løbende afprøvet og forbedret igennem etnografisk og anden kvalitativ samfundsvidenskabelig forskning. Men fremkomsten af social data videnskab har åbnet for nye muligheder for at teste disse teorier via metoder, der kombiner store kvantitative data med etnografiske observationer, siger Morten Axel Pedersen.

Mette My Madsens etnografiske observationer gav sammen med de sociale data indsamlet via de studerendes mobiltelefoner indsigt i festens udvikling og højdepunkter. Hendes observationer kunne også kvalificere data fra mobilerne. Eksempelvis kunne de forklare, hvorfor festen pludselig så ud til være gået helt i stå: Mange af mobilerne, der sendte GPS-koordinaterne, var blevet lagt i en vindueskarm.

- Sammenspillet mellem de forskellige data-former giver et bedre samlet analyse-grundlag, som blandt andet tager højde for, at hverken mennesker eller maskiner er perfekte dataleverandører, siger antropolog Mette My Madsen.

Kontakt:
Morten Axel Pedersen tlf: 35 32 34 75.
Mette My Madsen tlf: 25 21 41 40.

Kilder:
Mette My Madsens afhandling ’FÆLLESSKABETS INGENIØRER. En antropologisk analyse af sociale studiestartsaktiviteter for ingeniørstuderende’.

Measuring Large-Scale Social Networks with High Resolution. Stopczynski, Arkadiusz; Sekara, Vedran; Sapiezynski, Piotr; Cuttone, Andrea; Madsen, Mette My; Larsen, Jakob Eg; Lehmann, Sune .PLOS ONE, Vol. 9, No. 4, 2014.

Copenhagen Center for Social Data Science (SODAS)