2.5 Conclusió
grans dades està a tot arreu, però usar-lo i altres formes de dades d'observació per a la investigació social és difícil. En la meva experiència hi ha alguna cosa així com una propietat de dinar gratis per a la investigació: si vostè no posa en un munt de treball la recopilació de dades, llavors vostè està probablement va a haver de posar en un munt de treball l'anàlisi de les seves dades o en el pensament sobre el que està en una pregunta interessant de les dades. Sobre la base de les idees d'aquest capítol, crec que hi ha tres formes principals que les grans fonts de dades seran més valuós per a la investigació social:
- empíricament l'adjudicació de la competència entre les prediccions teòriques. Exemples d'aquest tipus de treball inclouen Farber (2015) (conductors de taxi de Nova York) i King, Pan, and Roberts (2013) (La censura a la Xina)
- un mesurament més precisa de la política social, mitjançant la predicció immediata. Un exemple d'aquest tipus de treball és Ginsberg et al. (2009) (Google Flu Trends).
- l'estimació d'efectes causals amb experiments naturals i coincident. Exemples d'aquest tipus de treball. Mas and Moretti (2009) (peer efectes sobre la productivitat) i Einav et al. (2015) (efecte del preu de sortida en les subhastes a eBay).
Moltes preguntes importants en la investigació social podrien expressar-se com un d'aquests tres. No obstant això, aquests mètodes requereixen generalment als investigadors a aportar molt a les dades. El que fa Farber (2015) interessant és la motivació teòrica per al mesurament. Aquesta motivació teòrica prové de fora de les dades. Per tant, per a aquells que són bo per fer certs tipus de preguntes d'investigació, grans fonts de dades poden ser molt fructífera.
Finalment, en lloc de la teoria impulsada per la investigació empírica (que ha estat el focus en aquest capítol), podem donar-li la volta al guió i crear teories impulsat empíricament. És a dir, a través de l'acurada acumulació de fets empírics, patrons i trencaclosques, podem construir noves teories.
Aquesta alternativa, enfocament basat en dades primer en teoria no és nova, i s'articula amb més força per Glaser and Strauss (1967) amb la seva crida a la teoria fonamentada. Aquest enfocament basat en dades primer, però, no implica "la fi de la teoria", com ha estat reclamada per gran part del periodisme entorn de la recerca en l'era digital (Anderson 2008) . Més aviat, com els canvis en l'entorn de dades, hem d'esperar un re-equilibri en la relació entre la teoria i les dades. En un món on la recol·lecció de dades era car, té sentit només per recopilar les dades que teories suggereixen que serà la més útil. Però, en un món on enormes quantitats de dades ja estan disponibles de forma gratuïta, que té sentit per tractar també d'un enfocament basat en dades primer (Goldberg 2015) .
Com he mostrat en aquest capítol, els investigadors poden aprendre molt observant a la gent. En els tres capítols següents, descriuré com podem aprendre més i diferents coses si ajustem la nostra recopilació de dades i interactuar amb les persones més directament fent-los preguntes (Capítol 3), els experiments en funcionament (capítol 4), i fins i tot involucrant en el procés d'investigació directa (capítol 5).
