2.3.2 সর্বদা অন

সর্বদা অন বড় তথ্য অপ্রত্যাশিত ঘটনা এবং রিয়েল-টাইম পরিমাপের অধ্যয়ন সম্ভব.

অনেক বড় তথ্য ব্যবস্থা সর্বদা চলমান হয়; তারা ক্রমাগত তথ্য সংগ্রহ করছে. এই সবসময় অন চরিত্রগত অনুদৈর্ঘ্য তথ্য দিয়ে গবেষকরা উপলব্ধ (অর্থাৎ, সময়ের ডেটা). সবসময় অন হচ্ছে গবেষণার জন্য দুটি গুরুত্বপূর্ণ বিষয় রয়েছে.

প্রথমত, সর্বদা-এ তথ্য সংগ্রহকারীরা গবেষকদেরকে অপ্রত্যাশিত ঘটনাগুলি উপায়ে উপভোগ করতে সক্ষম করে যা অন্যথায় সম্ভব হবে না। উদাহরণস্বরূপ, ২013 সালের গ্রীষ্মে তুর্কিতে অকুপাই জিজি বিক্ষোভের অধ্যয়নরত গবেষকরা সাধারণত অনুষ্ঠানের সময় বিক্ষোভকারীদের আচরণের উপর মনোনিবেশ করতেন। ক্রেন বুদাক এবং ডানকান ওয়াটস (2015) টুইটারের সর্বদা প্রকৃতির ব্যবহার করে আরও কিছু করতে সক্ষম হয়েছেন যারা প্রতিবাদকারীরা এই ইভেন্টের আগে, সময় এবং পরে টুইটার ব্যবহার করে। এবং, তারা ইভেন্টের আগে, সময় এবং পরে (চিত্র 2.2) অ অংশগ্রহণকারীদের একটি তুলনা গ্রুপ তৈরি করতে সক্ষম। মোটে, তাদের প্রাক্তন প্যানেলে দুই বছরের বেশি সময় ধরে 30,000 টি টুইটের টুইট রয়েছে। এই অন্যান্য তথ্যের সাথে বিক্ষোভ থেকে সাধারণভাবে ব্যবহৃত তথ্য বৃদ্ধি করে, বুদাক এবং ওয়াটস আরও অনেক কিছু শিখতে সক্ষম হয়েছিলেন: তারা হিসাব করতে সক্ষম ছিলেন যে গাজী প্রতিবাদে অংশগ্রহণকারীরা কী ধরনের ধরণের অংশগ্রহণের সম্ভাবনা রাখে এবং তাদের মনোভাবের পরিবর্তনের অনুমান অংশগ্রহণকারীদের এবং অ অংশগ্রহণকারীরা, উভয় স্বল্পমেয়াদী (Gezi সময় প্রাক Gezi তুলনা) এবং দীর্ঘমেয়াদী (প্রাক Gezi সঙ্গে প্রাক Gezi তুলনা) উভয়।

চিত্র 2.2: Budak and Watts (2015) সালের গ্রীষ্মে তুর্কিতে অকুপাই জিজি বিক্ষোভের জন্য Budak and Watts (2015) ব্যবহৃত ডিজাইন। টুইটারের সর্বদা প্রকৃতির ব্যবহার করে, গবেষকরা এমন একটি তৈরি করেছেন যা প্রাক-পোস্ট প্যানেলে অন্তর্ভুক্ত ছিল দুই বছর ধরে 30,000 মানুষ বিক্ষোভের সময় অংশগ্রহণকারীদের উপর দৃষ্টি নিবদ্ধ করা একটি সাধারণ গবেষণার বিপরীতে, প্রাক্তন পোস্ট প্যানেলটি 1) ইভেন্টের আগে এবং পরে অংশগ্রহণকারীদের কাছ থেকে তথ্য যোগ করে এবং 2) ইভেন্টের আগে, সময় এবং পরে অ অংশগ্রহণকারীদের তথ্য। এই সমৃদ্ধ তথ্য কাঠামো বুদাক ও ওয়াটসকে বোঝায় যে গাজী প্রতিবাদে অংশগ্রহণকারীরা কী ধরনের অংশগ্রহণ করতে পারে এবং অংশগ্রহণকারীদের এবং অ-অংশগ্রহণকারীদের মনোভাব পরিবর্তন করতে পারে, উভয়ই স্বল্পমেয়াদী (Gezi সময় প্রাক-গিজির সাথে তুলনা) ) এবং দীর্ঘমেয়াদী (প্রাক Gezi পোস্ট Gezi সঙ্গে তুলনা)

একটি সন্দেহভাজন যে এই অনুমানের কিছু সবসময় তথ্য সংগ্রহ উত্স (যেমন, মনোভাব পরিবর্তন দীর্ঘমেয়াদী অনুমান) ছাড়া তৈরি করা হয়েছে, এবং যে সঠিক হতে পারে, যদিও 30,000 মানুষের জন্য যেমন একটি তথ্য সংগ্রহ যথেষ্ট হয়েছে ব্যয়বহুল। এমনকি একটি সীমাহীন বাজেটও দেওয়া হলেও, আমি অন্য কোনও পদ্ধতির কথা ভাবতে পারি না যা মূলত গবেষকরা সময়মত ফিরে আসার সুযোগ করে দেয় এবং অতীতের অংশগ্রহণকারীদের আচরণকে সরাসরি পর্যবেক্ষণ করে। নিকটতম বিকল্প আচরণের পূর্বাপর প্রতিবেদন সংগ্রহ করা হবে, কিন্তু এই রিপোর্ট সীমিত granularity এবং সন্দেহজনক সঠিকতা হবে। টেবিল 2.1 একটি অপ্রত্যাশিত ঘটনা অধ্যয়নের জন্য একটি সর্বদা উপর তথ্য উৎস ব্যবহার করে যে গবেষণা অন্যান্য উদাহরণ প্রদান করে।

অপ্রত্যাশিত ঘটনাগুলি অধ্যয়ন ছাড়াও, সর্বদা বড় তথ্য ব্যবস্থাগুলি গবেষকদের বাস্তব-সময়ের অনুমানের ক্ষেত্রে সক্ষম করে তোলে, যা নীতিনির্ধারকদের ক্ষেত্রে - যেখানে সরকার বা শিল্প-ব্যাবস্থাপনার সচেতনতার উপর ভিত্তি করে প্রতিক্রিয়া জানাতে গুরুত্বপূর্ণ। উদাহরণস্বরূপ, প্রাকৃতিক বিপর্যয়ের (Castillo 2016) জরুরী প্রতিক্রিয়া নির্দেশের জন্য সোশ্যাল মিডিয়া ডেটা ব্যবহার করা যেতে পারে এবং বিভিন্ন বড় তথ্য উত্সগুলি বিভিন্ন অর্থনৈতিক কার্যকলাপের বাস্তব-সময়ের অনুমান (Choi and Varian 2012) ব্যবহার করা যেতে পারে।

উপসংহারে, সর্বদা-সময়ে তথ্য ব্যবস্থা গবেষকরা অপ্রত্যাশিত ঘটনাগুলি অধ্যয়ন করে এবং নীতি প্রস্তুতকারকদের কাছে বাস্তব-সময় তথ্য সরবরাহ করে। তবে আমি মনে করি না যে সর্বদা ডেটা সিস্টেমগুলি খুব দীর্ঘ সময়ের মধ্যে পরিবর্তনের ট্র্যাকিংয়ের জন্য উপযুক্ত। এটি কারণ অনেক বড় তথ্য সিস্টেম ক্রমাগত পরিবর্তন হয়-একটি প্রক্রিয়া যা আমি অধ্যায় (অধ্যায় 2.3.7) পরে ড্রিফট কল করব।