2.4.1 Counting stvari

Jednostavno brojanja može biti zanimljivo ako kombinujete dobro pitanje sa dobrim podacima.

Iako je formulisan u sofisticiranim zvuk jeziku, puno društvena istraživanja je zaista samo brojanje stvari. U doba velikih podataka, istraživači mogu računati više nego ikad, ali to ne znači automatski da istraživanja treba usmjeriti na brojanje više i više stvari. Umjesto toga, ako ćemo činiti dobro istraživanje sa velikim podacima, moramo pitati: Koje stvari vrede broji? To može izgledati kao potpuno subjektivna stvar, ali postoje neke opšte obrasce.

Često učenici motiviše svoje istraživačke brojanja govoreći: Ja ću brojati nešto što niko nije brojao ranije. Na primjer, student može reći, mnogi ljudi su studirali migranata i mnogi ljudi su studirali blizanaca, ali niko nije studirao blizanci migranata. Motivacija nepostojanjem obično ne dovodi do dobro istraživanje. Naravno, mogu postojati dobri razlozi za studiranje blizance migranata, ali je činjenica da oni nisu ranije proučavali ne znači da ih treba sada studirao. Niko nikada nije brojao niti na tepihu u mom uredu, ali to ne znači automatski da će to biti dobar istraživački projekt. Motivacija nepostojanjem je nekako kao da kažeš: vidi, tu je rupa tamo, a ja ću raditi vrlo teško popuniti ga. Ali, nije svaki otvor mora biti ispunjen.

Umjesto motiviranje po odsutnosti, mislim da brojanje dovodi do dobrih istraživanja u dvije situacije, kada je istraživanje zanimljivo ili važno (ili idealno oba). Na primjer, mjerenje stopa nezaposlenosti je važan jer je u pokazatelj ekonomije koja pokreće političke odluke. Općenito, ljudi imaju prilično dobar smisao za ono što je važno. Dakle, u ostatku ovog odjeljka, ja ću pružiti tri primjera gdje brojanje je zanimljivo. U svakom slučaju, istraživači su ne računajući nasumično, a oni su računali u vrlo posebno postavke koje je otkrio važan uvid u više opšte ideje o tome kako društveni sistem rada. Drugim riječima, mnogo toga što čini ove posebno brojanja vježbe zanimljivo nije u samom podacima, dolazi od ovih više opštih ideja.

U nastavku ću predstaviti tri primjera na: 1) radno ponašanje taksista u New Yorku (Odjeljak 2.4.1.1), 2) formiranje prijateljstvo studenti (Odjeljak 2.4.1.2) i 3) cenzure ponašanje društvenih medija kineske vlade (Odjeljak 2.4.1.3). Ono što ove primjere dijele je da svi oni pokazuju da brojanje veliki podaci mogu se koristiti za testiranje teorijskih predviđanja. U nekim slučajevima, velika izvora podataka omogućavaju vam da to brojanje relativno direktno (kao u slučaju New York Taksi). U drugim slučajevima, istraživači će morati da se bavi nepotpunost spajanjem podataka zajedno i operacionalizaciju teorijskih konstrukata (kao u slučaju formiranja prijateljstvo); au nekim slučajevima istraživači će morati prikupiti svoje opservacijskih podataka (kao u slučaju cenzure medija društvene). Kao Nadam se da ovi primjeri pokazuju, za istraživače koji su u mogućnosti da postavljaju zanimljiva pitanja, Big Data drži veliko obećanje.