2.5 Zaključak
Big data je svuda, ali koristeći se i drugi oblici posmatranja podataka za društvena istraživanja je teško. U mom iskustvu postoji nešto kao ni besplatan ručak imovine za istraživanje: ako ne staviti u mnogo posla prikupljanja podataka, onda se vjerojatno morati staviti u puno posla analizu podataka ili u razmišljanju o ono što je u zanimljivo pitanje koje treba postaviti podataka. na ideje u ovom poglavlju na bazi, mislim da postoje tri glavna načina da će veliki izvori podataka biti najvredniji za društvena istraživanja:
- empirijski rješavanje između konkurentskih teorijskih predviđanja. Primjeri ove vrste rada uključuju Farber (2015) (New York Taksisti) i King, Pan, and Roberts (2013) (Cenzura u Kini)
- poboljšane socijalne mjerenja za politiku kroz nowcasting. Jedan primjer ove vrste posla je Ginsberg et al. (2009) (Google Flu Trends).
- procjeni uzročne efekti sa prirodnim eksperimentima i usklađivanje. Primjeri ove vrste posla. Mas and Moretti (2009) (peer efekte na produktivnost) i Einav et al. (2015) (efekat početnu cijenu na aukciji u eBay).
Mnoga važna pitanja u društvenim istraživanjima može se izraziti kao jedan od ova tri. Međutim, ovi pristupi obično zahtijevaju istraživači donijeti mnogo podataka. Ono što Farber (2015) zanimljiv je teorijski motivacija za mjerenje. Ovaj teorijski motivacija dolazi iz van podataka. Tako je, za one koji su dobri u traži određene vrste istraživanja pitanja, velika izvora podataka može biti vrlo plodan.
Na kraju, a ne teorija-prešao empirijskog istraživanja (koji je bio fokus na ovom poglavlju), možemo flip skriptu i stvoriti empirijski prešao teoretisanja. To je, kroz pažljivo akumulacije empirijskih činjenica, obrasce, i slagalice, možemo izgraditi nove teorije.
Ova alternativa, podaci-prvi pristup teorija nije nova, a to je većina nasilno zglobni po Glaser and Strauss (1967) sa njihov poziv za osnovanu teoriju. Ovi podaci-prvi pristup, međutim, ne znači "kraj teorije", kao što je tvrdi mnogo od novinarstva oko istraživanja u digitalnom dobu (Anderson 2008) . Umjesto toga, kao promjene podataka okruženju, moramo očekivati ponovno balansiranje u odnosima između teorije i podataka. U svijetu u kojem prikupljanja podataka je skup, ima smisla samo prikupiti podatke koji teorije ukazuju će biti najkorisniji. Ali, u svijetu u kojem su već na raspolaganju za besplatno ogromne količine podataka, ima smisla pokušati data-prvi pristup (Goldberg 2015) .
Kao što sam pokazao u ovom poglavlju, istraživači mogu puno naučiti gledajući ljudi. U naredne tri poglavlja, ja ću opisati kako možemo naučiti više i različite stvari, ako smo prilagoditi naše prikupljanje podataka i interakciju s ljudima više direktno ih postavljaju pitanja (Poglavlje 3), radnih eksperimenata (Poglavlje 4), pa čak i njihovo uključivanje u procesu istraživanja direktno (poglavlje 5).
