2.3.1.2 دائما على
دائما على بيانات كبيرة تمكن الدراسة من الأحداث غير المتوقعة وقياس الوقت الحقيقي.
العديد من أنظمة البيانات الكبيرة هي دائما على. انهم جمع البيانات باستمرار. توفر هذه الخاصية دائما على الباحثين مع البيانات الطولية (أي بيانات على مر الزمن). يجري دائما على اثنين من آثار هامة للبحث.
أولا، دائما على جمع البيانات تمكن الباحثون لدراسة أحداث غير متوقعة في الطرق التي لم تكن ممكنة في السابق. على سبيل المثال، فإن الباحثين المهتمين بدراسة تحتل الاحتجاجات Gezi في تركيا في صيف عام 2013 تركز عادة على سلوك المتظاهرين خلال الحدث. سيرين بوداك ودنكان واتس (2015) كانت قادرة على بذل المزيد من الجهد باستخدام الطبيعة دائما على التغريد لدراسة تويتر باستخدام المحتجين قبل وأثناء وبعد وقوع الحدث. و، أنهم كانوا قادرين على إنشاء مجموعة مقارنة من غير المشاركين (أو المشاركين الذين لم تغرد عن الاحتجاج) قبل وأثناء وبعد وقوع الحدث (الشكل 2.1). في المجموع شملت على لوحة اللاحقة تويت من 30،000 شخص على مدى عامين. من خلال زيادة البيانات المستخدمة عادة من الاحتجاجات مع هذه المعلومات الأخرى، كانت بوداك واتس قادرة على تعلم أكثر من ذلك بكثير: أنهم كانوا قادرين على تقدير ما هي أنواع من الناس كانوا أكثر عرضة للمشاركة في الاحتجاجات Gezi وتقدير التغييرات في مواقف المشاركين وغير المشاركين، سواء على المدى القصير (المقارنة بين ما قبل Gezi إلى خلال Gezi) وعلى المدى الطويل (المقارنة بين ما قبل Gezi لمرحلة ما بعد Gezi).
الشكل 2.1: تصميم يستخدمها Budak and Watts (2015) لدراسة تحتل الاحتجاجات Gezi في تركيا في صيف عام 2013. وباستخدام الطبيعة دائما على تويتر، أنشأ الباحثون ما يسمى لجنة اللاحقة التي شملت نحو 30،000 شخص على مدى عامين. في المقابل الدراسة النموذجية التي تركز على المشاركين خلال الاحتجاجات، وتضيف لوحة اللاحقة 1) البيانات من المشاركين قبل وبعد وقوع الحدث و2) البيانات من غير المشاركين قبل وأثناء وبعد وقوع الحدث. وقد مكن هذا بنية بيانات المخصب بوداك واتس لتقدير ما هي أنواع من الناس كانوا أكثر عرضة للمشاركة في الاحتجاجات Gezi وتقدير التغيرات في المواقف من المشاركين وغير المشاركين، سواء على المدى القصير (مقارنة ما قبل Gezi إلى خلال Gezi) وعلى المدى الطويل (مقارنة ما قبل Gezi لمرحلة ما بعد Gezi).
صحيح أن بعض هذه التقديرات قد بذلت دون دائما على مصادر جمع البيانات (على سبيل المثال، تشير التقديرات طويلة الأجل لتغير موقف)، على الرغم من أن جمع هذه البيانات عن 30،000 شخص كان يمكن أن يكون مكلفا للغاية. و، حتى تتاح له ميزانية مفتوحة، لا أستطيع التفكير في أي طريقة أخرى تسمح أساسا الباحثين للسفر العودة في الوقت المناسب ومراقبة مباشرة السلوك المشاركين في الماضي. إن أقرب بديل يتمثل في جمع التقارير بأثر رجعي من السلوك، ولكن هذه التقارير من التفاصيل محدود ودقة مشكوك فيها. ويقدم الجدول 2.1 أمثلة أخرى من الدراسات التي تستخدم دائما على مصدر البيانات لدراسة حدث غير متوقع.
| حدث غير متوقع | دائما على مصدر البيانات | تنويه |
|---|---|---|
| تحتل حركة Gezi في تركيا | تغريد | Budak and Watts (2015) |
| احتجاجات مظلة في هونغ كونغ | ويبو | Zhang (2016) |
| إطلاق النار على الشرطة في مدينة نيويورك | التوقف وتفتيشها تقارير | Legewie (2016) |
| شخص الانضمام ISIS | تغريد | Magdy, Darwish, and Weber (2016) |
| 11 سبتمبر 2001 هجوم | livejournal.com | Cohn, Mehl, and Pennebaker (2004) |
| 11 سبتمبر 2001 هجوم | رسائل الاستدعاء | Back, Küfner, and Egloff (2010) ، Pury (2011) ، Back, Küfner, and Egloff (2011) |
ثانيا، دائما على جمع البيانات تمكن الباحثون لإنتاج القياسات في الوقت الحقيقي، والتي يمكن أن تكون هامة في البيئات التي تريد صناع السياسة أن لا تعلم فقط من السلوك القائمة ولكن أيضا الرد عليه. على سبيل المثال، بيانات وسائل الاعلام الاجتماعية يمكن استخدامها لتوجيه الاستجابة للكوارث الطبيعية (Castillo 2016) .
في الختام، دائما على بيانات تمكن الباحثين في أنظمة لدراسة أحداث غير متوقعة وتوفير المعلومات في الوقت الحقيقي لصانعي السياسات. لم أكن، ومع ذلك، أقترح أن ذلك دائما على بيانات أنظمة تمكن الباحثين لتتبع التغيرات على مدى فترات طويلة من الزمن. وذلك لأن العديد من أنظمة البيانات الكبيرة تتغير واحد باستمرار عملية تسمى الانجراف (القسم 2.3.2.4).
