2.3.2.6 Dirty

Fonti di dati Big pò esse carricu di jewellery, è un puzzicheghju.

Certi circadori cridennu ca grande fonti di dati, in particulare quelli da fonti online, sò pulitu, pirchi eranu scritti in autumàticu. In fatti, pòpulu chì hanu travagliatu cù grande fonti di dati sacciu ca iddi sunnu friquintimenti fitenti. Pirtantu, li cunta friquintimenti dati chì ùn sò quelle dinò ch'omu azzione vera di ntiressa sulu ê circadori. Parechje scinziati suciali sunnu già pràticu cù u prucessu di Dutu large-scala di dati log suciali, ma Dutu fonti di dati grande hè più difficiuli di dui mutivi: 1) ch'elli ùn eranu creati da circadori di circadori è 2) circadori giniralmenti hannu menu intelligente di pasta fùbbenu creati.

U rinunziò di dati traccia digitale fitenti sò illustrati da Back e culleghi ' (2010) studiu di i risposta emutivu à l' attacchi di settembre 11, 2001. circadori tipicamenti di studià a risposta à tragichi usannu data, retrospective studiusu di più di mesi o ancu anni. Ma, Torna e culleghi trovu un missaghji sempre-in u surghjente di digitale vistichi-la timestamped, arregistrata in autumàticu da 85.000 americana cercapirsuni-di stu permessu u circadori à studià risposta emutivu nantu à un timescale tantu carattaristichi. Torna e culleghi criatu un tempu emutivu Renato-di-minutu di settembre 11 di scrittura E contenu emutivu di i missaghji pager par la pircintuali di palori riguardanti (1) tristezza (per esempiu, a chianciri, lu duluri), (2) angosce (per esempiu, incheta, spavintusa), e (3) zerga (per esempiu, oddiu, si critica). Iddi truvaru ca tristezza è angosce ANNULERAIS tuttu l 'jornu, senza lu schermu nu fasciu forti, ma chì ci era una crèscita di culpisce in zerga tutta a ghjurnata. Stu di ricerca fattu mi pari essa una bedda mmàggini di la putenza di sempre-in u fonti data: cù i metudi di standardi aia da essa impussibuli à avè un tali u tempu high-risuluzzioni di l 'Marinetti immediata à un evenimentu inaspettata.

Just un annu dopu, parò, Cynthia Pury (2011) taliau la data, più pinsosu. Idda vinni scupertu chì un grannìssimu nùmmuru di i missaghji si supponi infuriatu foru, caricate da una sola pager, è ch'elli eranu tutti listessi. Quì hè ciò chì li disse quelli missaghji supponi infuriatu:

"Machine à inoji NT [nome] a spina [nome] a [stage]: critica: [data e ura]"

Sti missaghji eranu chjamati arrabbiatu, pirchi facía la palora "critica", chi pò indicà specificà infiarati ma ùn faci in stu casu. Toglie i missaghji caricate di sta sola pager autumàticu eliminates cumplitamenti l 'apparenti crèscita di a zerga, duranti lu cursu di lu ghjornu (Figura 2.2). Nta àutri paroli, lu risurtatu main in Back, Küfner, and Egloff (2010) hè statu un manufattu di unu pager. Comu stu isempiu è, abbastanza sèmplice analisi di dati spinu, cumplessu è tantu aggalabbata havi lu putinziali d 'andà in seriu è sbagghiatu.

Accussìni 2.2: tinnenzi stimatu in zerga, duranti lu cursu di settembre 11, 2001 basata supra 85,000 cercapirsuni americana (Back, Küfner, and Egloff 2010; Pury 2011; Back, Küfner, and Egloff 2011) . Urighjinariu, Back, Küfner, and Egloff (2010) hà dettu chì un fasciu di sviluppà a so zerga è u ghjornu. A ogni modu, a maiò parti di sti missaghji infuriatu apparenti foru, caricate da una sola pager chì curputu mannò fora li qualchì parolla: "machine à inoji NT [nome] a spina [nome] a [stage]: critica: [data e ura]". Cu stu missaghju cavatu, u apparenti accrescimentu in zerga sparisci (Pury 2011; Back, Küfner, and Egloff 2011) . Sta figura è una ripruduzzione di Fig 1B in Pury (2011) .

Mentri dati fitenti chi cria unintentionally-com'è da unu vanniaturi pager-ponu radiufonichi da una certa primurosu di a so ricerca, ùn ci sò dinù certi sistemi nanu ca attìranu spammers, CP. Sti spammers facenu cun primura di dati finte, e-spessu mutivatu da u prufittu-travagliu assai difficiuli à tena u so spamming vilata. Per esempiu, attivitati pulìtichi on Twitter pari a nclùdiri almenu certi fila di na certa bocchifini, cù quale certi nascenu pulitichi sò intentionally fattu à circà i più pupulari ca si cuncertazione sò (Ratkiewicz et al. 2011) . Circadori travagghiannu cu dati chì pò cuntena fila di curruzzioni di risolve i sfida di cunvinciri a so presenza chì hanu radiufonichi è caccià u puzzicheghju apprupriati.

Finalmente, chì hè cunsideratu dati fitenti pò addipenni in modu suttili nantu à a vostra quistione di ricerca. Per indettu, tanti Ammuscia sulu a Wikipedia: sò creati da bots autumàtiche (Geiger 2014) . Sè vo site interessatu da a lu Sistema di Wikipedia, allura sti bots sunnu mpurtanti. Ma, sè vo vulete interessà a quantu la cumpagnia di cuntribuisce à a Wikipedia, avissi a èssiri cacciatu fora sti Ammuscia sulu fatta da sti bots.

Lu megghiu modu pi evitari di esse d'acqua di dati fitenti sò à capì u perchè cumu i vostri dati stati creati à fà simplici Analisi exploratory, comu facennu sèmplice lenzi spargi tutti.