2.3.7 Drifting

Əhalinin sürüşməsi, istifadə sürüşməsi və sistem sürüşməsi uzunmüddətli tendensiyaları öyrənmək üçün böyük məlumat mənbələrindən istifadə etməkdə çətinlik çəkir.

Bir çox böyük məlumat mənbəyinin böyük üstünlüklərindən biri vaxt keçdikcə məlumat toplamaqdır. Sosial elm üzərində vaxt data longitudinal data bu cür adlandırırlar. Və təbii ki, boyu məlumatlar dəyişməni öyrənmək üçün çox vacibdir. Bununla yanaşı dəyişməni etibarlı şəkildə ölçmək üçün ölçmə sisteminin özü sabit olmalıdır. Sosiolog Otis Dudley Duncan sözlərinə görə, "dəyişməni ölçmək istəyirsinizsə, tədbirin dəyişdirilməsini" (Fischer 2011) .

Təəssüf ki, çox böyük data sistemləri xüsusilə bütün vaxt, zaman dəyişir biznes olunur sistemi, mən drift zəng edəcəyik bir prosesdir. Xüsusilə, bu sistemlər üç əsas yolla dəyişir: populyasiya sürüşməsi (onları istifadə edən dəyişiklik), davranış sürüşməsi (insanların necə istifadə etdiyində dəyişiklik) və sistem sürüşməsi ( sistemin dəyişməsi). Driftin üç mənbəyi, böyük bir məlumat mənbəyində olan hər hansı bir nüvənin dünyadakı əhəmiyyətli bir dəyişiklikdən qaynaqlanmasına gətirib çıxara bilər və ya bir növ sürüşmə səbəb ola bilər.

Drift-əhali driftinin ilk qaynağı sistemdən istifadə edən dəyişikliklərdəndir və bu dəyişikliklər həm qısa, həm də uzun müddətlərdə baş verə bilər. Məsələn, ABŞ-ın 2012-ci il prezident seçkiləri zamanı qadınlar tərəfindən yazılmış siyasətlə bağlı tweetlərin nisbəti gündən-günə dalğalanıb (Diaz et al. 2016) . Beləliklə, Twitter-ayənin ruh halında dəyişiklik kimi görünən şey, həqiqətən, yalnız hər an danışan bir dəyişiklik ola bilər. Bu qısamüddətli dalğalanmalarla yanaşı, Twitter da qəbul edən və tərk edən müəyyən demoqrafik qrupların uzun müddətli tendensiyası da var.

Bir sistemdən istifadə edən dəyişikliklərə əlavə olaraq, davranış sürüşməsi adlandırdığınız sistemin necə istifadə edildiyində də dəyişikliklər var. Məsələn, 2013-cü ildə Türkiyədə işğal altında olan Gezi etirazlarında nümayişçilər etiraz aksiyası kimi həştaqlardan istifadə etdilər. Zeynep Tufekçi (2014) Twitter-da və şəxsən davranışlarını müşahidə etdiyinə görə təsvir edə biləcəyi davranış sürüşməsini necə təsvir etdi:

"Nə oldu ki, etiraz hökm sürdüyü zaman, çox sayda adam ... həştəqələri istifadə etməyi dayandırdı, istisna olmaqla yeni bir fenomenə diqqət çəkdi ... Etirazlar davam edərkən və hətta sıxlaşdıqca hashtaglər aşağı düşdü. Müsahibələr bunun iki səbəbini ortaya qoydu. Birincisi, mövzu hər kəs bilirdi bir dəfə, hashtag xarakteri məhdud Twitter platformasında birdən artıq və zərərsiz idi. İkincisi, hashtaglər yalnız bir mövzuya diqqət çəkmək üçün faydalıdır, bununla bağlı söhbət etmək deyil. "

Belə ki, etiraz bağlı hashtags ilə tweets analiz etiraz təhsil edilmişdir tədqiqatçılar, çünki bu davranış drift baş verən nə bir təhrif hissi olardı. Məsələn, bu, həqiqətən azalıb əvvəl etiraz müzakirə uzun azalıb ki, iman edə bilər.

Üçüncü növ sürüşmə sistem sürüşdürür. Bu vəziyyətdə insanların dəyişməsi və ya davranışları dəyişən deyil, sistemin özü dəyişir. Məsələn, Facebook zamanla status yeniləmələrinin uzunluğuna görə limitini artırdı. Beləliklə, status yeniləmələrinin hər hansı uzunlamasına öyrənilməsi bu dəyişikliyin yaratdığı artefaktlara qarşı həssas olacaqdır. Sistem sürüşməsi, alqoritmik qarışıqlıq adlı bir problemlə yaxından əlaqələndirir və mən bu bölməni 2.3.8-də əhatə edəcəyəm.

Xülasə etmək üçün, bir çox böyük məlumat mənbələri onları istifadə edənlərin, onların necə istifadə olunduğunun və sistemlərin necə işlədiyinin dəyişməsi nəticəsində süründürülür. Bu dəyişiklik mənbələri bəzən maraqlı tədqiqat suallarıdır, lakin bu dəyişikliklər böyük məlumat mənbələrinin zamanla uzunmüddətli dəyişikliklərin izlənməsinin qabiliyini çətinləşdirir.