2.3.1.2 Always-on

Həmişə böyük data gözlənilməz hadisələr və real-vaxt ölçü iş imkan verir.

Bir çox böyük data sistemləri həmişə var; Onlar daim məlumatların toplanması olunur. Bu, həmişə-on xarakterik longitudinal data ilə tədqiqatçıları verir (yəni, zamanla data). həmişə-on olan tədqiqat üçün iki mühüm təsir göstərir.

Birincisi, həmişə haqqında məlumatların toplanması əvvəllər mümkün deyil yollarla gözlənilməz hadisələr öyrənmək üçün tədqiqatçılar imkan verir. Məsələn, 2013-ci ilin yayında Türkiyədə Gezi etiraz işğal öyrənilməsində maraqlı tədqiqatçılar adətən hadisə zamanı etirazçılar davranış diqqət olardı. Ceren Budak və Duncan Watts (2015) zamanı, əvvəl Twitter istifadə etirazçılar öyrənmək Twitter həmişə təbiət istifadə edərək daha bunu bacardıq və hadisədən sonra. Və onlar zamanı, əvvəl (etiraz haqqında tweet etməyib və ya iştirakçıları) qeyri-iştirakçıları bir müqayisə qrup yaratmaq bilmişlər və hadisədən sonra (Şəkil 2.1). Cəmi onların keçmiş post panel iki il ərzində 30.000 insan tweets daxildir. onlar Gezi etirazlar iştirak etmək və münasibətləri dəyişikliklər qiymətləndirmək üçün daha çox idi insanların nə cür qiymətləndirmək mümkün idi: bu digər məlumat etiraz olan çox istifadə data gücləndirilməsi edərək, Budak və Watts daha çox öyrənmək bilmişlər iştirakçıları və qeyri-iştirakçıları, həm də qısa müddətdə (Gezi zamanı əvvəlcədən Gezi müqayisə) və uzun müddətli (-Gezi göndərmək üçün pre-Gezi müqayisə).

Şəkil 2.1: istifadə Design Budak and Watts (2015) öyrənmək üçün Twitter həmişə-on təbiəti istifadə edərək 2013-cü ilin yayında Türkiyədə Gezi etiraz işğal, tədqiqatçılar onlar daxil bir ex-post panel adlandırdığı saxla iki il ərzində 30,000 nəfər. Əksinə etirazlar zamanı iştirakçıların diqqət tipik iş, ex-post panel əvvəl və sonra ərzində əvvəl qeyri-iştirakçılar 2) data, və sonra iştirakçıların 1) data edir. Bu zənginləşdirilmiş data structure (zamanı pre-Gezi müqayisə qısa müddətli, həm də Gezi etirazlar iştirak etmək və iştirakçılar və qeyri-iştirakçılar münasibətlərində dəyişikliklər qiymətləndirmək üçün daha çox idi insanların nə cür qiymətləndirmək Budak və Watts effektiv Gezi) və uzun müddətli (müqayisə pre-Gezi post-Gezi).

Bu qiymətləndirmələrin bəzi olmadan bilərdi ki, doğrudur həmişə-on məlumatların toplanması mənbələri (məsələn, münasibət dəyişiklik uzunmüddətli hesablamalarına), 30.000 insanlar üçün belə məlumatların toplanması olduqca bahalı olardı baxmayaraq. Və hətta sınırsız büdcə verilmiş, mən mahiyyətcə tədqiqatçılar vaxtında geri səyahət və birbaşa keçmişdə iştirakçıları davranış müşahidə etməyə imkan verir, hər hansı digər üsulla hesab edə bilməz. yaxın alternativ davranış retrospektiv hesabat toplamaq olardı, lakin bu hesabat məhdud granularity və şübhəli dəqiqliyi olacaq. Cədvəl 2.1 həmişə-on məlumat mənbəyi gözlənilməz hadisə öyrənmək üçün istifadə edilən işlərin digər nümunələr verir.

İkincisi, həmişə haqqında məlumatların toplanması siyasətçilər yalnız mövcud davranış öyrənmək həm də cavab istəyirəm ayarları əhəmiyyətli ola bilər ki, real-time ölçmə istehsal tədqiqatçılar imkan verir. Məsələn, sosial media data təbii fəlakətlərə cavab doğru üçün istifadə edilə bilər (Castillo 2016) .

Sonda həmişə data sistemləri gözlənilməz hadisələr öyrənmək və siyasətçilər üçün real-time məlumat vermək üçün tədqiqatçılar imkan verir. Mən, lakin, ki, həmişə-on Data Systems uzun müddət üzərində dəyişikliklər izlemek üçün tədqiqatçılar imkan təklif etməyib. Çox böyük data sistemləri daim prosesi adlanır drift (Bölmə 2.3.2.4)-a dəyişir görədir.