2.3.1.3 Di-adweithiol

Mae mesur yn llawer llai tebygol o newid ymddygiad mewn ffynonellau data mawr.

Un her o ymchwil cymdeithasol yw y gall pobl newid eu hymddygiad pan fyddant yn gwybod eu bod yn cael eu harsylwi gan ymchwilwyr. Gwyddonwyr cymdeithasol yn gyffredinol yn galw newid ymddygiad hwn mewn ymateb i adweithedd mesur ymchwilydd (Webb et al. 1966) . Un agwedd o ddata mawr y mae llawer ymchwilydd ddod o hyd addawol yw nad yw cyfranogwyr yn gyffredinol ymwybodol bod eu data yn cael ei dal neu eu bod wedi dod mor gyfarwydd â chasglu data hwn nad yw bellach yn newid eu hymddygiad. Oherwydd eu bod yn ddi-adweithiol, felly, mae llawer o ffynonellau data mawr y gellir ei ddefnyddio i astudio ymddygiad nad sydd wedi bod gellir ei newid i fesur yn gywir yn flaenorol. Er enghraifft, mae Stephens-Davidowitz (2014) a ddefnyddiwyd nifer yr achosion o dermau hiliol mewn ymholiadau peiriant chwilio i fesur animus hiliol mewn gwahanol ardaloedd yn y Unol Daleithiau. Y di-adweithiol a mawr (gweler yr adran flaenorol) natur y data chwiliad galluogi mesuriadau fyddai'n anodd gan ddefnyddio dulliau eraill, megis arolygon.

Non-adweithedd, fodd bynnag, yn sicrhau bod y data hwn yn rywsut yn uniongyrchol yn adlewyrchu ymddygiad neu agweddau pobl. Er enghraifft, fel un ymatebydd dywedodd Newman et al. (2011) , "Nid yw'n nad wyf yn cael problemau, Im 'jyst ni eu rhoi ar Facebook." Mewn geiriau eraill, er bod rhai ffynonellau data mawr yn cael eu heb fod yn adweithiol, nid ydynt bob amser yn rhydd o ragfarn dymunoldeb cymdeithasol , y duedd i bobl fod eisiau cyflwyno eu hunain yn y ffordd orau bosibl. Ymhellach, fel y byddaf yn disgrifio mwy isod, y ffynonellau data yn cael eu heffeithio weithiau gan y nodau perchnogion llwyfan, problem a elwir dryslyd algorithmig (a ddisgrifir yn fwy isod).

Er nad ydynt yn adweithedd yn fanteisiol ar gyfer ymchwil, olrhain ymddygiad pobl heb eu caniatâd ac ymwybyddiaeth yn codi pryderon moesegol a drafodir isod ac yn fanwl ym Mhennod 6. adlach cyhoeddus yn erbyn cynnydd mewn gwyliadwriaeth digidol arwain systemau data mawr i ddod yn fwy ymatebol dros amser, ac yn gryf gallai pryder ynghylch gwyliadwriaeth digidol hyd yn oed arwain rhai pobl i geisio i optio allan o systemau data mawr yn gyfan gwbl, gan gynyddu pryderon am nad ydynt yn representativity (a ddisgrifir yn fwy isod).

Mae'r tri eiddo da o ddata mawr ar gyfer ymchwil-mawr gymdeithasol, bob amser yn-on, a di-adweithiol-gyffredinol yn codi oherwydd nad yw'r rhain ffynonellau data eu creu gan ymchwilwyr ar gyfer ymchwil. Yn awr, byddaf yn troi at y saith eiddo o ffynonellau data mawr sy'n ddrwg ar gyfer ymchwil. Mae'r nodweddion hyn hefyd yn tueddu i godi oherwydd nad yw'r data hwn ei greu gan ymchwilwyr ar gyfer ymchwil.