Referat ma charakter metodologiczny, jego zasadniczym celem jest opis i dyskusja jakościowej analizy danych wizualnych jako procedury poznawczej w badaniach zachowań informacyjnych człowieka (ang. human information behavior). W interpretatywnych/rozumiejących dociekaniach informatologicznych, zwłaszcza związanych z refleksją nad człowiekiem w świecie informacji, wizualny materiał empiryczny (fotografie, nagrania wideo, rysunki i schematy wykonane przez respondentów) stanowić może – obok „klasycznych” danych werbalnych (pochodzących np. z dzienniczków albo wywiadów) – wartościowe źródło poznania. W szczególności zwraca na to uwagę Jenna Hartel, pionierka badań wizualnych w dziedzinie information behavior. Należy dodatkowo pokreślić, iż analiza danych wizualnych nie jest tożsama z wizualizacją danych, mimo podobieństwa nazw obydwu procedur.
Opracowanie niniejsze składa się z dwóch głównych części. Pierwsza z nich powstała na podstawie analizy i krytyki piśmiennictwa informatologicznego z lat 2001-2019 oraz wybranych publikacji z zakresu innych nauk społecznych. Odpowiada na następujące pytania badawcze: (1) czy wizualne dane empiryczne są w ogóle wykorzystywane w obszarze zachowań informacyjnych i – jeżeli tak – w jaki sposób i w kontekście jakich zagadnień szczegółowych, w tym – za pomocą jakich technik są gromadzone, (2) jak prowadzona jest analiza tych danych – intuicyjnie czy systematycznie, ze świadomością i eksplikacją przyjmowanych założeń teoretycznych oraz epistemologicznych i metodologicznych.
Część druga referatu ukazuje sposób wykonania, typ rezultatów oraz możliwe korzyści, wady i zalety jakościowej analizy danych wizualnych w badawczej praktyce. Stanowi studium przypadku przestrzeni informacyjnych w życiu codziennym studentów pierwszego roku zarządzania informacją w Uniwersytecie Jagiellońskim. Materiał empiryczny w postaci 63. rysunków przeanalizowano stosując kodowanie indukcyjne oraz analizę tematyczną. Perspektywę teoretyczno-metodologiczną opisywanych badań uformowały m.in. teoria horyzontów informacyjnych Diane H. Sonnewald, a także koncepcje małych światów Elfredy Chatman oraz tymczasowych miejsc informacyjnych Karen Fisher.
Analiza danych wizualnych może być bardzo owocna poznawczo, umożliwia m.in. uchwycenie „rzeczywistości informacyjnej” tak, jak ta faktycznie jest postrzegana przez użytkowników (współczynnik humanistyczny). Jest jednak czasochłonna, wymaga skrupulatności, solidnej autorefleksji badacza oraz – podobnie jak inne procedury jakościowe – pozostawienia tzw. „ścieżki sprawdzenia” w celu zapewnienia wiarygodności i intersubiektywnej sprawdzalności dociekań.
Analiza danych wizualnych w badaniach zachowań informacyjnych
1. Analiza danych wizualnych
w badaniach zachowań
informacyjnych
Sabina Cisek, Monika Krakowska
Wydział Zarządzania i Komunikacji Społecznej, Uniwersytet Jagielloński w Krakowie
V Międzynarodowa Konferencja Naukowa – Nauka o informacji w okresie zmian Rewolucja cyfrowa dziś i jutro –
infrastruktura, usługi, użytkownicy, Warszawa, 13-14.05.2019
1
2. Cel dociekań, pytania badawcze i struktura prezentacji [1]
• Część 1 – wizualne dane empiryczne w badaniach zachowań
informacyjnych w XXI wieku – charakterystyka ogólna
• Piśmiennictwo – stan badań
• Czym są dane wizualne?
• Terminologia – jak nazywa się procedury badawcze wykorzystujące dane
wizualne?
• Czy wizualne dane empiryczne są wykorzystywane w obszarze zachowań
informacyjnych? W kontekście jakich zagadnień szczegółowych?
• Skąd pochodzą dane wizualne – w badaniach zachowań informacyjnych? Jak
się je gromadzi?
• Jak prowadzona jest analiza takich danych? Jakimi technikami?
2
3. Cel dociekań, pytania badawcze i struktura prezentacji [2]
• Część 2 – jakościowa analiza danych wizualnych w badawczej praktyce –
studium przypadku przestrzeni informacyjnych w życiu codziennym
studentów pierwszego roku zarządzania informacją w Uniwersytecie
Jagiellońskim w roku 2018/19
• Cel empirycznych badań własnych (studium przypadku)
• Teoretyczne podstawy definiowania przestrzeni informacyjnej – przestrzeń
informacyjna w życiu codziennym
• Gromadzenie wizualnego materiału empirycznego
• Teoretyczne podstawy analizy materiału empirycznego (studium przypadku)
• Przykłady reprezentacji wizualnych (rysunków) indywidualnych środowisk
informacyjnych studentów w życiu codziennym
• Analiza zgromadzonych danych – wyniki badań własnych
3
4. Cel dociekań, pytania badawcze i struktura prezentacji [3]
• Część 3 – podsumowanie i wnioski – zalety i trudności jakościowej
analizy danych wizualnych jako procedury poznawczej w badaniach
zachowań informacyjnych
• Część 4 – bibliografia
4
5. Wykorzystane metody i techniki badawcze
• Analiza i krytyka piśmiennictwa (Cisek, 2010)
• Technika rysunków (ang. draw-and-write technique,
drawings) (Hartel, 2014a; 2014b)
• Analiza tematyczna (ang. thematic analysis) (Braun, Clarke,
Hayfield & Terry, 2019)
5
6. Część 1 – wizualne dane empiryczne w
badaniach zachowań informacyjnych w XXI
wieku – charakterystyka ogólna
6
7. Piśmiennictwo – stan badań [1]
• Wyszukiwanie w bazie LISTA, kwiecień 2019,
• wyrażenie wyszukiwawcze ("information behavior" OR "information behaviour" OR
"information needs" OR "information practice" OR "information practices" OR
"information seeking" OR "information sharing") AND ("visual approach" OR "visual
data" OR "visual method" OR "visual methods" OR "visual research"), we wszystkich
polach, daje 18 rezultatów, z lat 2005-2018, z czego relewantne jest 8.
• Wyszukiwanie w bazie SSCI – Web of Science, kwiecień 2019,
• wyrażenie wyszukiwawcze ("information behavio$r" OR "information need$" OR
"information practice$" OR "information seeking" OR "information sharing") AND
("visual approach" OR "visual data" OR "visual method$" OR "visual research"), w
TOPIC, daje 12 rezultatów, z czego relewantnych jest 8, z lat 2011-2019.
7
8. Piśmiennictwo – stan badań [2]
• Eliminacja duplikatów oraz uzupełnienie uzyskanych wyników
wyszukiwania techniką kuli śnieżnej daje w efekcie 13 rezultatów
(zaznaczone na niebiesko w bibliografii).
• Są to publikacje zawierające – oprócz wyników własnych badań
empirycznych – także (a czasem – przede wszystkim) refleksję
metodologiczną na temat wykorzystania danych wizualnych w
badaniach zachowań informacyjnych.
• Wiodąca badaczka Jenna Hartel
8
9. Czym są dane wizualne?
• Wizualne dane empiryczne diagramy, filmy, fotografie,
mapy mentalne (mapy myśli), multimedia, obrazy, rysunki,
schematy ….
• Nazwy w języku angielskim – imagery (Pollak, 2017), visual
data (wiele publikacji), visual representations (Hartel, 2017),
także – pictorial metaphors (Hartel and Savolainen, 2016)
9
Dane wizualne = wizualny materiał empiryczny
to NIE jest to samo co wizualizacja danych
10. Terminologia – jak nazywa się procedury badawcze
wykorzystujące dane wizualne?
• W ramach information behavior – arts-based
methods/research (Cox and Benson, 2017), arts-informed
studies (Hartel, 2014a), visual approach (Hartel and
Thomson, 2011), visual methodology (Hartel, 2017), visual
methods (Hicks and Lloyd, 2018)
• W naukach społecznych – także picturing research (Mitchell,
Theron, Stuart, Smith and Campbell, 2011)
• W polskiej informatologii?
10
11. Czy wizualne dane empiryczne są wykorzystywane
w obszarze zachowań informacyjnych?
W kontekście jakich zagadnień szczegółowych?
• Tak, są.
• Zagadnienia
• information literacy (Hicks, 2018)
• pojęcie informacji (Hartel and Savolainen, 2016)
• praktyki informacyjne (ang. information practices) (Hicks and Lloyd,
2018)
• przestrzenie informacyjne różnego typu (ang. conceptual geographies
of information behaviors) (np. Greyson, O’Brien and Shoveller, 2017)
• zachowania informacyjne – ogólnie (Hartel, 2014b)
11
12. Skąd pochodzą dane wizualne – w badaniach zachowań
informacyjnych? Jak się je gromadzi?
• Dane niewywołane i wywołane
• Diagramy, linie czasu, mapy myśli i inne rysunki badanych – stworzone na
prośbę badaczy (Hartel, 2014a; Hartel and Savolainen, 2016)
• Gry wizualne (Le Louvier, Innocenti, 2019)
• Fotografie (np. Hartel and Thomson, 2011)
• Visual elicitation methods, w tym photo-elicitation oraz photovoice (Hicks
and Lloyd, 2018), używane m.in. do ułatwienia dyskusji, wywiadu albo
„udzielania głosu” za pomocą zdjęć
12
13. Jak prowadzona jest analiza takich danych? Jakimi
technikami?
• Jakościowe techniki analityczne
• Analiza dyskursu wizualnego (ang. visual discourse analysis)
• Analiza metafor wizualnych (ang. pictorial metaphor analysis)
• Analiza pojęciowa (ang. conceptual analysis)
• Analiza tematyczna (ang. thematic analysis)
• Interpretacja kompozycyjna (ang. compositional interpretation)
(Greyson, O’Brien, Shankar, 2019), (Hartel and Savolainen, 2016), (Hartel, 2014b)
13
14. Część 2 – studium przypadku przestrzeni
informacyjnych w życiu codziennym studentów
pierwszego roku zarządzania informacją w
Uniwersytecie Jagiellońskim w roku 2018/19
14
15. Cel empirycznych badań własnych (studium przypadku)
• Badania o charakterze jakościowym, eksploracyjnym i
deskryptywnym; studium przypadku
• Cel – identyfikacja komponentów i struktury indywidualnych
przestrzeni informacyjnych studentów w życiu codziennym w
oparciu o ich reprezentacje wizualne (ang. pictorial
representations)
15
16. Teoretyczne podstawy definiowania przestrzeni informacyjnej
– przestrzeń informacyjna w życiu codziennym
Przestrzeń
informacyjna
człowieka
Conceptual geographies –
information environments,
information grounds,
information horizons,
information worlds,
lifeworlds, small worlds …
Ujęcie technologiczne
przestrzeń informacyjna jako
system, zbiór różnorodnych
źródeł, obiektów rzeczywistych i
wirtualnych, potrzeb i potencjału
jednostki, organizacji informacji
(Hagedorn; Krishman and Jones,
2005; Cole and Leide, 2003)
Ujęcie kognitywne
perspektywa nadająca znaczenie
procesom myślowym i
metaforyzacji, strukturom
kognitywnym, rola modeli
mentalnych, mastery and way of
life R. Savolainena oraz nadawania
sensu B. Dervin)
Ujęcie afektywne
rola czynników
emocjonalnych, nastroju,
istota cech genetycznych,
osobowości
Ujęcie społeczne
rola determinantów społecznych –
norm, wartości, relacji i ról
społecznych, interakcji ze
środowiskiem; koncepcje małych
światów E. Chatman, horyzontów
informacyjnych D. Sonnenwald,
środowisk informacyjnych K. Fisher 16
kontekst
Perspektywa społeczno-afektywna
17. Gromadzenie wizualnego materiału empirycznego
• Reprezentacje wizualne indywidualnego środowiska informacyjnego studentów
w życiu codziennym – rysunki, schematy itp. – stworzone na prośbę badaczki
(tzw. wywołane dane empiryczne)
• Badania zostały przeprowadzone w grupie 88 studentów zarządzania informacją
1. roku studiów 1. stopnia w Instytucie INiB UJ w październiku 2018 r. Podczas
początkowych zajęć, bez przygotowania teoretycznego, studenci zostali
poproszeni o wykonanie rysunków pokazujących, jak wyobrażają sobie i
rozumieją własne, spersonalizowane środowisko informacyjne. Zadanie było
całkowicie anonimowe i opcjonalne, nieobowiązkowe i spontaniczne.
• Zebrano ostatecznie 63 reprezentacje graficzne i tekstowe, które stanowiły
fundament materiału empirycznego do analizy ilościowej i jakościowej.
17
18. Teoretyczne podstawy analizy materiału empirycznego
(studium przypadku)
• Rozpoznanie komponentów budujących indywidualną przestrzeń informacyjną na
podstawie koncepcji information grounds (Fisher and Naumer, 2006), small worlds
(Chatman, 1991; Savolainen, 2009) oraz information horizons (Sonnenwald, 1999;
2005) identyfikacja trychotomicznego podejścia ludzie-miejsca-informacja,
określenie najistotniejszych źródeł informacji (dokumentacyjnych i osobowych) i
podejmowanych aktywności/procesów/zachowań informacyjnych, jak i
determinantów społeczno-afektywnych, norm, wartości oraz emocji
• Kategoryzacja rysunków oraz reprezentacji modeli mentalnych przestrzeni
informacyjnych na podstawie analiz i typologii Zhang (2010), Cole’a (Cole and
Leide, 2003; Cole, Lin, Leide, Large and Beheshti, 2007) oraz Hartel i Savolainen’a
(2016)
18
21. Analiza zgromadzonych danych analiza tematyczna =
jakościowa technika analizy materiału empirycznego
• Analiza tematyczna jest techniką „opartą na identyfikacji, analizie i opisie wątków tematycznych,
których podstawę stanowi zestaw danych, zgromadzonych w ramach badań jakościowych”.
• „Wątkiem tematycznym nazywa się jednostkę abstrakcyjną, określającą i identyfikującą
powtarzające się w danych zjawisko oraz jego przejawy.
• Wątki tematyczne są rozpoznawane poprzez łączenie różnorodnych fragmentów oraz
składowych określonych pojęć, wyobrażeń, które mogą być niejasne, niezrozumiałe, kiedy są
analizowane samodzielnie (....).
• Jednostki te charakteryzuje wyższy poziom ogólności w stosunku do kodów, będących
podstawowymi elementami składowymi poszczególnych wątków.
• Zbiór wątków jest swoistym podsumowaniem treści przekazanej przez respondenta podczas
badania – powinien w skondensowany sposób nakreślić jej najistotniejsze idee, myśli
przewodnie.” (Krzystek, 2018)
21
22. Analiza zgromadzonych danych – kategoryzacja
reprezentacji wizualnych [1]
• Kategoryzacja wg elementów tekstowych i graficznych
• Kategoryzacja wg Zhang (2010) – perspektywa techniczna, funkcjonalna, procesowa oraz zależności
• Kategoryzacja wg Cole’a et al. (2007) – modele mentalne – wertykalne, równoległe, horyzontalne,
jednakowe, gwiazdowy, zagnieżdżony, kasetowy, gronowy, rozgałęziony, zagnieżdżono-gwiazdowy,
zagnieżdżono-wertykalny, zagnieżdżono-horyzontalny, gwiazdowo-kasetowy oraz horyzontalno-
rozgałęziony
• Kategoryzacja wg Holman (2011) – ujęcie proceduralne, hierarchiczne, schematyczne (na podstawie
systemu powiązań)
• Kategoryzacja wg Engelhardt’a (2002) – diagramy i linki, grupy diagramów, tekstowe, mieszane
(tekstowo-graficzne), abstrakcje graficzne, obrazy niejednoznaczne (procesy, artefakty źródeł
informacji, technologie) oraz puste kartki bez żadnych elementów graficznych lub tekstowych
• Kategoryzacja wg Hartel i Savolainen’a (2016) – metafory kodowane według graficznych
reprezentacji (np. informacja jako Ziemia, drzewo, żarówka, słońce, ścieżka etc.)
22
23. Analiza zgromadzonych danych – kategoryzacja
reprezentacji wizualnych [2]
23
PODZIAŁ REPREZENTACJI GRAFICZNYCH (tekstowo-graficzne reprezentacje)
MIESZANE
REPREZENTACJE
TEKSTOWO-GRAFICZNE
REPREZENTACJE
TEKSTOWE
REPREZENTACJE
GRAFICZNE
SUMA ABSTRAKCJE (W TYM)
33 21 9 63 10
KATEGORYZACJA MODELI MENTALNYCH WG ZHANG (2010)
PERSPEKTYWA TECHNICZNA,
najważniejsze elementy to
system zasobów, narzędzia
komunikacji i informacji oraz
użytkownicy.
PERSPEKTYWA
FUNKCJONALNA,
reprezentuje różnego rodzaju
usługi, a także aktywności
informacyjne.
PERSPEKTYWA PROCESOWA,
przekształceń, gdzie system,
serwis traktowany jest jak
centrum wszelkich procesów,
interakcji, do którego
przynależą różnorodne
elementy.
PERSPEKTYWA ZALEŻNOŚCI,
powiązania pomiędzy
poszczególnymi elementami, z
których wynikają procesy,
interakcje, podejmowane przez
użytkownika działania.
23 17 12 11
24. Analiza zgromadzonych danych – kategoryzacja
reprezentacji wizualnych [3]
24
KATEGORYZACJA MODELI MENTALNYCH WEDŁUG COLE'A ET AL. (2007)
KASETOWY
(GRONOWY) -
CLUSTER
GWIAZDO
WY
GWIAZDOW
O-
KASETOWY
ZAGNIEŻDŻO
NO-
HORYZONTAL
NY
ZAGNIEŻDŻO
NY NESTED
HORYZONTAL
NO-
ROZGAŁĘZIO
NY
HORYZONTAL
NY -
POZIOMY
RÓWNY -
JEDNAKOWY
EQUAL
ROZGAŁĘZIO
NY (TREE
BRANCH)
ZAGNIEŻDŻO
NO-
GWIAZDOWY
ZAGNIEŻDŻO
NO-
WERTYKALN
Y
WERTYKALNY -
RÓWNOLEGŁY
16 15 11 5 4 4 3 2 1 1 1 0
KATEGORYZACJA MODELI MENTALNYCH WG ENGELHARDTA
ARTEFAKTY INFORMACJI,
ŹRÓDEŁ INFORMACJI,
PROCESÓW I
TECHNOLOGII
DIAGRAMY I
LINKI
GRUPY
DIAGRAMÓW
MIESZANE –
GRAFIKA I TEKST TEKST GRAFIKA
NIEJEDNOZNACZNE
AMBIWALENTNE
OBRAZY ABSTRAKCJE CZYSTE
38 36 36 24 22 17 3 2 0
25. Analiza zgromadzonych danych – kategoryzacja
reprezentacji wizualnych [4]
25
KATEGORYZACJA NA PODSTAWIE TYPOLOGII HARTEL I SAVOLAINENA (2016)
KAWIARNIA,
CUKIERNIA
DOM KAWA KRAJOBRAZ DRZEWO
ŚWIĘTY
SPOKÓJ
KOMPUTER
OŚMIORNICA
JAKO "JA"
MIASTO
ROZDROŻE –
ZNAK NA
SZCZYCIE GÓRY
TEMPERATURA,
CIEPŁO
CZŁOWIEK PARK
GŁOWA CZASZKA –
STATEK KOSMICZNY
(ABSTRAKCJA)
26. Analiza zgromadzonych danych – (indukcyjne) kodowanie
elementów reprezentacji wizualnych [1]
• Odniesienie do MIEJSCA pojawia się 222 razy, w tym 58 dotyczy domu (rodzinnego, pokoju,
architektury i jej elementów w domowym zaciszu), 60 kodów związanych jest z przyrodą i
krajobrazem (góry, parki, lasy)
• Odniesienie do LUDZI – 146 kodów, w tym 38 dotyczących rodziny (brat, siostra, mama), 64 –
przyjaciół i znajomych oraz 44 – różnych ludzi (nauczyciele, obcy, pracownicy, goście). 10 –
dotyczy „ja” indywidualnego, znajdującego się w centrum przestrzeni informacyjnej, zaś 9
kodów związanych jest ze zwierzętami, z którymi badani wykazywali silne relacje
emocjonalne.
• Odniesienie do INFORMACJI to 303 kody na temat zasobów informacyjnych i procesów
informacyjnych zachodzących w zindywidualizowanej przestrzeni informacyjnej, z czego 237
kodów dotyczy źródeł informacji, w tym – 39 określa social media, zaś 66 – aktywności
informacyjne (poszukiwanie, gromadzenie, przekazywanie informacji)
26
27. Analiza zgromadzonych danych – (indukcyjne) kodowanie
elementów reprezentacji wizualnych [2]
• W kontekście czynników społeczno-afektywnych sformułowano 160 kodów
charakteryzujących indywidualne środowisko informacyjne w życiu
codziennym.
• 60 kodów określa determinanty afektywne, dążenie do dobrostanu emocjonalnego,
gdzie liczą się pozytywne emocje (radość, szczęście, komfort, miłość, brak lęku,
unikanie agresji).
• 100 kodów odnosi się do kontekstu społecznego procesów informacyjnych i przestrzeni
informacyjnych, norm, wartości, na które uczestnicy zwracali szczególną uwagę, jak
wsparcie, zrozumienie, poczucie bezpieczeństwa, piękno, czy wolność.
• 83 kody – to grupa „inne”, których nie można było zakwalifikować do żadnej z
wymienionych kategorii.
27
28. Komentarz do empirycznych badań własnych
• Rysunki reprezentujące (w pewnym zakresie – jakim – to kwestia
do dyskusji) modele mentalne indywidualnych przestrzeni
informacyjnych stanowią bogaty materiał empiryczny, który
poddano szczegółowej analizie wyłącznie w wybranym aspekcie i w
jednej perspektywie (badania o celu deskryptywnym, realizm).
• Zastosowanie jakościowej analizy danych wizualnych może
stanowić przyczynek do rozbudowanych i wielokierunkowych
eksploracji różnorodnych problemów oceny i interpretacji
kontekstu zachowań informacyjnych oraz funkcjonowania
przestrzeni informacyjnych.
28
29. Część 3 – podsumowanie i wnioski – zalety i
trudności jakościowej analizy danych wizualnych
jako procedury poznawczej w badaniach
zachowań informacyjnych
29
30. Zalety
• Bogaty materiał empiryczny – możliwość zastosowania
różnych technik analitycznych – uchwycenie
odmiennych aspektów / „warstw rzeczywistości”
• Eliminacja barier językowych i/lub związanych z
umiejętnością pisania
• Poznawczy dostęp do trudno werbalizowalnych
aspektów zachowania informacyjnego
• Przydatność w kontekście różnorodnych problemów
badawczych
• Przyjemność dla respondentów (często)
• Triangulacja – możliwość łączenia z analizą danych
werbalnych (np. uzyskanych w wywiadzie)
• Współczynnik humanistyczny – uchwycenie
„rzeczywistości informacyjnej” tak, jak ta faktycznie
postrzegana jest przez użytkowników
Trudności i wymagania
• Czasochłonność
• Pracochłonność
• Skrupulatność, staranność
• Niejednoznaczność – wiele
możliwości analizy i
interpretacji
konieczność pozostawienia
precyzyjnie opisanej
„ścieżki sprawdzenia” – w
celu zapewnienia
intersubiektywnej
sprawdzalności
30
32. Bibliografia [1]
• Ayres, L. (2008). Thematic coding and analysis. In: L. M. Given (Ed.), The SAGE encyclopedia of qualitative research methods (pp. 867-868). Los Angeles, CA, London, New Delhi,
Singapore: Sage.
• Banks, M. (2009). Materiały wizualne w badaniach jakościowych. Warszawa: PWN.
• Bergen, B. (2015). Embodiment, simulation, and meaning. The Routledge handbook of semantics, 142-157. Retrieved from http://www.cogsci.ucsd.edu/~bkbergen/papers/ESM.pdf
• Braun, V. & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77-101.
• Braun, V., Clarke, V., Hayfield, N. & Terry, G. (2019). Thematic analysis. In P. Liamputtong (Ed.), Handbook of research methods in health social sciences (pp. 843-860). Singapore: Springer.
• Burnett, G. & Jaeger, P.R. (2008). Small worlds, lifeworlds, and information: the ramifications of the information behaviour of social groups in public policy and the public sphere.
Information Research, 13(2), paper 346. Retrieved from http://InformationR.net/ir/13-2/paper346.html
• Burnett, G. & Jaeger, P.R. (2011). The theory of information worlds and information behaviour. In A. Spink & J. Heinström (Eds.), New directions in information behaviour (pp. 161-180).
Bingley, UK: Emerald Group.
• Case, D.O. & Given, L.M. (2016). Looking for information: a survey of research on information seeking, needs, and behavior, 4th ed. Amsterdam: Emerald Group Publishing Limited.
• Chatman, E.A. (1991). Life in a small world: applicability of gratification theory to information-seeking behavior. Journal of the American Society for Information Science, 42(6), 438-449.
• Chen, Y.-N. & Ke, H.-R. (2014). A study on mental models of taggers and experts for article indexing based on analysis of keyword usage. Journal of the Association for Information
Science and Technology, 65(8), 1675-1694.
• Cisek, S. (2010). Metoda analizy i krytyki piśmiennictwa w nauce o informacji i bibliotekoznawstwie w XXI wieku. Przegląd Biblioteczny, 78 (3), 273-284.
• Cole, Ch. & Leide, J. (2003). Using the user’s mental model to guide the integration of information space into information need. Journal of the American Society for Information Science
and Technology, 54(1), 39-46.
• Cole, Ch., Lin, Y., Leide, J., Large, A. & Beheshti, J. (2007). A classification of mental models of undergraduates seeking information for a course essay in history and psychology:
preliminary investigations into aligning their mental models with online thesauri. Journal of the American Society for Information Science and Technology, 58(13), 2092-2104.
• Cox, A. & Benson, M. (2017). Visual methods and quality in information behaviour research: the cases of photovoice and mental mapping. Information Research, 22(2). Retrieved from
http://www.informationr.net/ir/22-2/paper749.html
• Engelhardt, Y. (2002). The language of graphics: a framework for the analysis of syntax and meaning in maps, charts and diagrams. Unpublished doctoral dissertation, University of
Amsterdam. Amsterdam: Institute for Logic, Language and Computation. Retrieved from https://dare.uva.nl/search?identifier=c136c6f0-b987-4264-aeef-db053ea56a61
• Fisher, K.E. & Naumer, C.M. (2006). Information grounds: theoretical basis and empirical findings on information flow in social settings. In A. Spink & C. Cole (Eds.), New directions in
human information behavior (pp. 93-111). Dordrecht, The Netherlands: Springer.
32
33. Bibliografia [2]
• Greyson, D., O’Brien, H. & Shankar, S. (2019). Visual analysis of information world maps: an exploration of four methods. Journal of Information Science, 1-17.
• Greyson, D., O’Brien, H. & Shoveller, J. (2017). Information world mapping: A participatory arts-based elicitation method for information behavior interviews. Library and Information
Science Research, 39(2), 149-157.
• Hartel, J. & Savolainen, R. (2016). Pictorial metaphors for information. Journal of Documentation 72(5), 794-812.
• Hartel, J. & Thomson, L. (2011). Visual approaches and photography for the study of immediate information space. Journal of the American Society for Information Science and
Technology, 62(11), 2214-2224.
• Hartel, J. (2014a). An arts-informed study of information using the draw-and-write technique. Journal of the Association for Information Science and Technology, 65(7), 1349-1367.
• Hartel, J. (2014b). Information behaviour illustrated. In Proceedings of ISIC, the Information Behaviour Conference, Leeds, 2-5 September 2014: Part 1, (paper isic11). Retrieved from
http://InformationR.net/ir/19-4/isic/isic11.html
• Hartel, J. (2017). Information behaviour, visual research, and the information horizon interview: three ways. Information Research, 22(1), CoLIS paper 1635. Retrieved from
http://www.informationr.net/ir/22-1/colis/colis1635.html
• Hartel, J., Oh, C. & Nguyen, A.T. (2018). Teaching information behavior with the information horizon interview. Journal of Education for Library and Information Science, 59(3), 67-79.
• Hicks, A. & Lloyd, A. (2018). Seeing information: visual methods as entry points to information practices. Journal of Librarianship and Information Science, 50(3), 229-238.
• Hicks, A. (2018). Developing the methodological toolbox for information literacy research: grounded theory and visual research methods. Library and Information Science Research,
40(3–4), 194-200.
• Holman, L. (2011). Millennial students' mental models of search: implications for academic librarians and database developers. The Journal of Academic Librarianship, 37(1), 19-27.
• Johnson, D.J. (2003). On contexts of information seeking. Information Processing and Management 39(5), 735-760.
• Johnson-Laird, P.N. (2010). Mental models and human reasoning. PNAS Proceedings of the National Academy of Sciences of the United States of America, 107(43), 18243-18250.
• Kerkhofs, R. & Haselager, W.F.G. (2006). The embodiment of meaning. Manuscrito, 29(2), 753-764.
• Kisilowska, M. (2011). Przestrzeń informacyjna jako termin informatologiczny. Zagadnienia Informacji Naukowej, 2(98), 35-52.
• Konecki, K. (2008). Wizualna teoria ugruntowana. Rodziny kodowania wykorzystywane w analizie wizualnej. Przegląd Socjologii Jakościowej, 4(3), 89-115.
• Krishman, A. & Jones, S. (2005). TimeSpace: activity-based temporal visualization of personal information spaces. Personal and Ubiquitous Computing, 9(1), 46-65.
• Krzystek, M. (2018). Analiza tematyczna w badaniach jakościowych. Kraków: Fundacja Rozwoju Badań Społecznych. Retrieved from http://furbs.org/index.php?id=96&type=article
33
34. Bibliografia [3]
• Le Louvier, K. & Innocenti, P. (2019). The information mapping board game: a collaborative investigation of asylum seekers and refugees’ information practices in England, UK.
Information Research, 24(1). Retrieved from http://www.informationr.net/ir/24-1/isic2018/isic1835.html
• Mitchell, C., Theron, L., Stuart, J., Smith, A. & Campbell, Z. (2011). Drawings as research method. In L. Theron, C. Mitchell, A. Smith & J. Stuart (Eds.). Picturing research: drawing as visual
methodology (pp. 19-36). Rotterdam, The Netherlands: Sense Publishers.
• Nowell, L.S., Norris, J.M., White, D.E., & Moules, N.J. (2017). Thematic analysis: striving to meet the trustworthiness criteria. International Journal of Qualitative Methods, 16, 1-13.
• Pollak, A. (2017). Visual research in LIS: complementary and alternative methods. Library and Information Science Research, 39(2), 98-106.
• Roth, S.P. (2010). Mental models for web objects: where do users expect to find the most frequent objects in online shops, news portals, and company web pages. Interacting with
Computers, 22 (2), 140-152.
• Rose, G. (2007). Visual methodologies: an introduction to interpreting visual materials (2nd ed.). London: Sage.
• Savolainen, R. (2007). Information behavior and information practice: reviewing the “umbrella concepts” of information‐seeking studies. The Library Quarterly, 77(2), 109-132.
• Savolainen, R. (2009). Small world and information grounds as contexts of information seeking and sharing. Library & Information Science Research, 31(1), 38-45.
• Savolainen, R. (2016). Elaborating the conceptual space of information-seeking phenomena. Information Research, 21(3), paper 720. Retrieved from http://InformationR.net/ir/21-
3/paper720.html (Archived by WebCite® at http://www.webcitation.org/6kRgDkBxs).
• Sinn, D., Kim, S. & Syn, S.Y. (2019). Information activities within information horizons: a case for college students’ personal information management. Library and Information Science
Research, 41(1), 19-30.
• Sonnenwald, D.H. (1999). Evolving perspectives of human information behavior: contexts, situations, social networks and information horizons. In: T.D. Wilson & D.K. Allen (Eds.),
Exploring the contexts of information behavior (pp.176-190). London: Taylor Graham.
• Sonnenwald, D.H. (2005). Information horizons. In K.E. Fisher, S. Erdelez & L. McKechnie (Eds.), Theories of information behavior (pp. 191-197). Medford, NJ: Information Today.
• Taylor, R.S. (1991). Information use environments. In B. Dervin (Ed.), Progress in Communication Sciences 10 (pp. 217-225). Norwood, NJ: Ablex.
• Tsai, T.-I. (2012). Social networks in the information horizons of undergraduate students. Journal of Library and Information Studies, 10(1), 19-45.
• Yu, L. (2011). Towards a reconceptualization of the ‘information worlds of individuals’. Journal of Librarianship and Information Science, 44(1), 3-18.
• Zhang, Y. (2010). Dimensions and elements of people’s mental models of an information-rich web space. Journal of the American Society for Information Science and Technology, 61(11),
2206-2218.
34