Что такое corpus и зачем он нужен

corpus — веб-платформа для ведения эмпирического социологического исследования. В ней собраны инструменты, которые обычно приходится искать в разных программах: реестр участников и согласий, интервью и транскрипты, полевые заметки, анкеты, сетевые данные, кодирование, цитаты, библиография и выгрузка данных для статистического анализа. Ниже — какую проблему решает платформа и как она устроена.

Проблема: одно исследование — много программ

Типичное исследование с интервью и анкетой выглядит так. Аудиозаписи лежат на диктофоне или в облаке. Расшифровки — в текстовом редакторе, часто в нескольких версиях. Кодирование — в программе для качественного анализа. Анкета собирается в онлайн-сервисе опросов, а ответы чистятся вручную в электронной таблице. Сетевые данные рисуются в отдельной программе для графов, литература хранится в менеджере библиографии, а подписанные согласия участников — в бумажной папке.

Каждая программа хорошо решает свою задачу, но между собой они не связаны. Связь держится на названиях файлов и на памяти исследователя. Из этого вытекают практические трудности:

участник появляется в разных файлах под разными обозначениями, и сопоставить его интервью, ответы на анкету и согласие можно только вручную;
неизвестно, какая версия транскрипта или таблицы окончательная и что в ней изменено;
через несколько месяцев трудно сказать, по каким анкетам посчитан процент в главе и откуда взята цитата;
имена и контакты участников оказываются в названиях файлов, в переписке и на личных устройствах.

Решение: одна платформа для всего исследования

В corpus исследование — это одно рабочее пространство. Внутри него:

путь исследования: тема, проблематика, исследовательский вопрос, гипотезы и методология; изменения методологии сохраняются версиями с причиной;
участники и согласия: каждый участник обозначен шифром (например, P-014), имя и контакты хранятся отдельно в зашифрованном виде;
интервью и транскрипты с версиями: сырая расшифровка, очищенная, анонимизированная, переведённая;
полевые заметки с разделами «наблюдение», «реплики», «интерпретация», «рефлексия» и полевой архив;
анкеты: конструктор, сбор ответов по ссылке, ввод бумажных анкет, правила очистки и выгрузка в R;
кодирование и цитаты: кодбук, разметка фрагментов, матрицы «коды × тексты», согласие кодировщиков;
сети: из таблицы «индивид — тип связи — индивид 2» строится граф и считаются показатели;
библиография: импорт RIS и CSL-JSON из менеджеров библиографии, оформление по ГОСТ, APA 7 или ISO 690.

Все материалы связаны через шифр участника. С карточки участника открываются его интервью, ответы на анкету, цитаты и согласие.

Как устроена работа с данными

Правила работы с данными в corpus взяты из клинических исследований, где они давно закреплены в стандарте ALCOA+ (подробнее — в отдельной статье). На практике это означает:

Исходные данные не перезаписываются. Загруженный файл, первая версия транскрипта и сырые ответы анкеты остаются неизменными.
Обработка оформляется как новая версия. Очистка текста или анкеты не правит данные поверх, а создаёт версию, в которой записано, из чего и как она получена.
Каждое действие записывается в журнал: кто, что, когда, значение до и после. Записи связаны хэш-цепочкой, поэтому незаметно изменить прошлую запись нельзя.
Решения записываются вместе с причиной. Например: «исключаем анкеты, заполненные быстрее минуты, — признак невнимательного заполнения».
Согласие действует во всех выгрузках. Если участник отозвал согласие, его материалы исключаются из выгрузок, цитат, статистики и API.

Где хранятся данные

Платформа и данные исследований размещаются у французского провайдера на серверах во Франции и не передаются за пределы Европейского союза. Университет или лаборатория остаётся ответственным за обработку персональных данных по RGPD, corpus выступает обработчиком; для пилота готовится соответствующий договор. Вход в платформу — по паролю и одноразовому коду, который приходит на почту.

Чем corpus не является

corpus не анализирует интервью за исследователя: интерпретация остаётся его работой. Платформа не заменяет статистические пакеты, языки программирования и текстовый редактор: данные выгружаются в открытых форматах — CSV, JSON, DOCX, GraphML, скрипт для R — и читаются без corpus.

Почему такое название

Corpus по-латыни — «тело». В социологии и лингвистике так называют собрание материалов, на которых строится анализ. Платформа хранит именно это собрание: всё, из чего сделаны выводы исследования.

Как попробовать

Сейчас corpus готовится к пилоту с исследовательскими группами. Доступ — по приглашению. Напишите на почту из раздела «Контакты»: мы откроем демо-исследование с вымышленными данными, а для пилота — отдельное пространство вашей лаборатории.