Aktivitäten

Schlüssel:

• Schwierigkeitsgrad: leicht , Mittel , hart , sehr schwer
• erfordert Mathematik ( )
• erfordert Codierung ( )
• Datensammlung ( )
• meine Favoriten ( )

1. [ . ] Algorithmic verwirrende gab ein Problem mit Google Grippe-Trends. Lesen Sie das Papier von Lazer et al. (2014) , und schreiben Sie eine kurze, klare E - Mail an einen Ingenieur bei Google erklärt das Problem und bietet eine Vorstellung davon , wie das Problem zu beheben.

2. [ ] Bollen, Mao, and Zeng (2011) behauptet , dass Daten von Twitter verwendet werden kann , den Aktienmarkt zu prognostizieren. Diese Erkenntnis führte zur Gründung eines Hedge - Fonds-Derwent Kapital in den Aktienmarkt Markets zu investieren basiert auf Daten von Twitter gesammelt (Jordan 2010) . Welche Beweise würden Sie sehen wollen, bevor Sie Ihr Geld in diesem Fonds setzen?

3. [ ] Während einige öffentliche Gesundheit befürwortet E-Zigaretten als eine wirksame Hilfe zur Raucherentwöhnung Hagel, warnen andere über die möglichen Risiken, wie zum Beispiel die Hochebenen von Nikotin. Stellen Sie sich vor, dass ein Forscher die öffentliche Meinung zu E-Zigaretten zu untersuchen entscheidet per E-Zigaretten-bezogene Twitter Beiträge zu sammeln und Sentiment-Analyse durchführen.

   1. Was sind die drei mögliche Verzerrungen, die Sie am meisten besorgt über die in dieser Studie?
   2. Clark et al. (2016) lief so eine Studie. Erstens, sie 850.000 Tweets gesammelt, die E-Zigarette bezogenen verwendeten Schlüsselwörter von Januar 2012 bis Dezember 2014. Bei näherem Hinsehen erkannten sie, dass viele dieser Tweets automatisiert wurden (dh nicht vom Menschen produziert) und viele dieser automatisierten Tweets waren im Wesentlichen Werbespots. Sie entwickelten eine menschliche Erkennungsalgorithmus automatisiert Tweets von organischen Tweets zu trennen. Mit diesem menschlichen Algorithmus erkennen sie herausgefunden, dass 80% der Tweets automatisiert wurden. Ist dieser Befund Ihre Antwort auf Teil ändern (a)?
   3. Wenn sie das Gefühl in der organischen und automatisiert Tweets verglichen, fanden sie, dass die automatisierte Tweets positiver sind als organische Tweets (6,17 gegenüber 5,84). Ist dieser Befund Ihre Antwort auf (b) ändern?

4. [ ] Im November 2009 änderte Twitter die Frage in dem Tweet-Box von "Was machst du da?" Zu "Was ist los?" (Https://blog.twitter.com/2009/whats-happening).

   1. Wie denken Sie, die Änderung der Aufforderungen beeinflussen die tweet und / oder was sie tweet?
   2. Nennen Sie ein Forschungsprojekt, für das Sie würde die Aufforderung lieber "Was machst du da?" Erklären Sie, warum.
   3. Nennen Sie ein Forschungsprojekt, für das Sie würde die Aufforderung bevorzugen "Was ist los?" Erklären Sie, warum.

5. [ ] Kwak et al. (2010) analysiert 41.700.000 Benutzerprofile, 1,47 Milliarden soziale Beziehungen, 4262 Trending Topics und 106 Millionen Tweets zwischen dem 6. Juni und 31. Juni 2009. Auf der Grundlage dieser Analyse sie zu dem Schluss , dass Twitter mehr als ein neues Informationsmedium dient als ein Austausch von Soziales Netzwerk.

   1. Unter Berücksichtigung Kwak et al Feststellung, welche Art von Forschung würden Sie mit Twitter-Daten? Welche Art von Forschung würden Sie mit Twitter-Daten nicht zu tun? Warum?
   2. Im Jahr 2010 hinzugefügt Twitter ein Who-Service machen maßgeschneiderte Vorschlag für die Nutzer zu folgen. Drei Empfehlungen zu einem Zeitpunkt auf der Hauptseite angezeigt. Die Empfehlungen werden oft von der eigenen gezogen "Freunde-of-Freunde" und der gegenseitigen Kontakte sind auch in der Empfehlung angezeigt. Benutzer können aktualisieren Sie eine neue Reihe von Empfehlungen oder besuchen Sie eine Seite mit einer längeren Liste von Empfehlungen, um zu sehen. Denken Sie, diese neue Funktion können Sie Ihre Antwort auf Teil ein ändern würde)? Warum oder warum nicht?
   3. Su, Sharma, and Goel (2016) untersuchten die Wirkung von Who - Service zu folgen und stellte fest , dass , während die Benutzer über die Popularität Spektrum von den Empfehlungen profitiert, die beliebtesten Benutzer als der Durchschnitt wesentlich profitiert. Ist dieser Befund Ihre Antwort auf Teil b) ändern? Warum oder warum nicht?

6. [ ] "Retweets" häufig zu messen, Einfluss und die Ausbreitung des Einflusses auf Twitter benutzt. Zunächst mussten die Benutzer den Tweet sie gern kopieren und einfügen, mit seinen / ihren Griff, um den ursprünglichen Autor markieren, und manuell "RT" vor dem Tweet geben, um anzuzeigen, dass es sich um ein retweet ist. Dann im Jahr 2009 hinzugefügt Twitter ein "Retweet" Taste. Im Juni 2016 machte Twitter können Benutzer ihre eigenen Tweets retweet (https://twitter.com/twitter/status/742749353689780224). Denken Sie, diese Änderungen sollten beeinflussen, wie Sie "Retweets" in Ihrer Forschung verwenden? Warum oder warum nicht?

7. [ . . ] Michel et al. (2011) konstruiert einen Korpus aus dem Google-Aufwand Schwellen Bücher zu digitalisieren. Mit der ersten Version des Korpus, die im Jahr 2009 und enthielt mehr als 5 Millionen digitalisierte Bücher veröffentlicht wurde, analysiert die Autoren Wort Nutzungshäufigkeit zu sprachlichen Veränderungen und kulturellen Trends untersuchen. Bald wurde das Google Books Corpus eine beliebte Datenquelle für Forscher, und eine zweite Version der Datenbank wurde im Jahr 2012 veröffentlicht.

   Allerdings Pechenick, Danforth, and Dodds (2015) davor gewarnt , dass die Forscher müssen vollständig den Bemusterungsprozess des Corpus charakterisieren , bevor es zum Zeichnen allgemeinen Schlussfolgerungen mit. Das Hauptproblem ist, dass der Korpus Bibliothek artig ist, ein jedes Buch enthält. Als Ergebnis wird ein Individuum, ist produktiver Autor in der Lage spürbar neue Sätze in die Google Bücher Lexikon einfügen. Überdies bilden wissenschaftliche Texte zunehmend inhaltliche Teil des Korpus in den 1900er Jahren. Zusätzlich wird durch den Vergleich von zwei Versionen der englischen Fiction Datensätze Pechenick et al. Beweise gefunden, dass eine unzureichende Filterung bei der Herstellung der ersten Version verwendet wurde. Alle die für die Aktivität benötigten Daten finden Sie hier: http://storage.googleapis.com/books/ngrams/books/datasetsv2.html

   1. In Michel et al. Original - Papier (2011) , verwendet sie die erste Version des Satzes englischen Daten, aufgetragen , um die Häufigkeit der Verwendung der Jahre "1880", "1912" und "1973", und folgerte , dass "wir sind zu vergessen unsere Vergangenheit schneller mit jedem Jahr "(Abb. 3A, Michel et al.). Replizieren Sie die gleiche Handlung mit 1) 1. Version des Korpus, Englisch-Datensatz (das gleiche wie Fig. 3A, Michel et al.)
   2. Jetzt replizieren die gleiche Handlung mit der ersten Version, Englisch-Fiction-Datensatz.
   3. Jetzt replizieren die gleiche Handlung mit der zweiten Version des Korpus, Englisch-Datensatz.
   4. Schließlich replizieren die gleiche Handlung mit der zweiten Version, Englisch-Fiction-Datensatz.
   5. Beschreiben Sie die Unterschiede und Ähnlichkeiten zwischen diesen vier Parzellen. Sind Sie einverstanden mit Michel et al. Ursprüngliche Interpretation der beobachteten Trends? (Hinweis: c) und d) sollte der gleiche wie 16 in Pechenick et al sein).
   6. Nun, da Sie diese ein Befund verschiedenen Google Books Korpora repliziert haben, wählen Sie eine andere Sprachwandel oder kulturelle Phänomene präsentiert in Michel et al. Original-Papier. Haben Sie mit ihrer Interpretation im Lichte der Einschränkungen in Pechenick et al zustimmen.? mit verschiedenen Versionen des Datensatzes, wie oben Um Ihr Argument stärker zu machen, versuchen, das gleiche Diagramm replizieren.

8. [ . . . ] Penney (2016) untersucht , ob die breite Öffentlichkeit über NSA / PRISM Überwachung (dh die Snowden Offenbarungen) im Juni 2013 zu Wikipedia - Artikeln zu Themen plötzlichen und starken Rückgang der Verkehr, der Privatsphäre im Zusammenhang mit Bedenken aufwerfen. Wenn ja, würde diese Änderung im Verhalten mit einer abschreckende Wirkung im Einklang von Massenüberwachung zur Folge hat. Der Ansatz von Penney (2016) wird manchmal als eine unterbrochene Serie Design - Zeit und wird zu den Ansätzen in das Kapitel beziehen über Experimente von Beobachtungsdaten (Abschnitt 2.4.3) annähert.

   Um das Thema Keywords wählen, bezeichnet Penney in die Liste von US-Ministerium für innere Sicherheit verwendet für die Verfolgung und Überwachung von Social Media. Die DHS Liste bestimmte Suchbegriffe in einer Reihe von Fragen, das heißt "Gesundheitsbewusstsein", "Infrastructure Security" und "Terrorismus stuft." Für die Studie Gruppe, verwendet Penney die achtundvierzig Schlüsselwörter im Zusammenhang mit "Terrorismus" (siehe Tabelle 8 Anhang). Er Wikipedia-Artikel Ansicht zählt dann für die entsprechenden achtundvierzig Wikipedia-Artikel über einen 32 Monate Zeitraum auf monatlicher Basis aggregiert, von Anfang Januar 2012 bis Ende August 2014 Um sein Argument zu stärken, schuf er auch mehrere Vergleich Gruppen, die durch Artikel Ansichten zu anderen Themen zu verfolgen.

   Nun werden Sie replizieren und erweitern Penney (2016) . Alle Rohdaten, die Sie für diese Tätigkeit benötigen ist von Wikipedia (https://dumps.wikimedia.org/other/pagecounts-raw/). Oder Sie können es aus dem R - Paket wikipediatrend erhalten (Meissner and Team 2016) - (Meissner and Team 2016) . Wenn Sie Ihre Antworten Zuschreibung, bitte beachten Sie, welche Datenquelle verwendet. (Anmerkung: Die gleiche Aktivität wird auch in Kapitel 6)

   1. Lesen Penney (2016) und replizieren Abbildung 2 , die vor der Seitenaufrufe für "Terrorismus" -bezogene Seiten zeigt und nach der Offenbarung Snowden. Interpretieren Sie die Ergebnisse.
   2. Verwendung von Schlüsselwörtern kategorisiert unter "DHS & Andere Agenturen" von der DHS-Liste (siehe Anhang Tabelle 10) Als nächstes 4A, die die Arbeitsgruppe ( "Terrorismus" -bezogene Artikel) mit einer Vergleichsgruppe vergleicht replizieren. Interpretieren Sie die Ergebnisse.
   3. In Teil b) Vergleichen Sie die Studiengruppe zu einer Vergleichsgruppe. Penney auch auf zwei andere Vergleichsgruppen verglichen: "Infrastructure Security" -bezogene Artikel (Anhang Tabelle 11) und beliebte Wikipedia-Seiten (Anhang Tabelle 12). Kommen Sie mit einer alternativen Vergleichsgruppe auf, und prüfen, ob die Erkenntnisse aus Teil b), die Wahl der Vergleichsgruppe empfindlich ist. Welche Wahl der Vergleichsgruppe ist am sinnvollsten? Warum?
   4. Der Autor erklärt, dass Schlüsselwörter "Terrorismus" im Zusammenhang verwendet wurden, um die Wikipedia-Artikel zu wählen, weil die US-Regierung den Terrorismus als zentrale Rechtfertigung für seine Online-Überwachungspraktiken zitiert. Zur Kontrolle dieser 48 "Terrorismus" -bezogene Schlüsselwörter, Penney (2016) führte auch eine Umfrage über MTurk fragen Befragten , die jedes Keywords in Bezug auf die Regierung Mühe, Privacy-Sensitive und Vermeidung (Anhang Tabelle 7 und 8) zu bewerten. Replizieren Sie die Umfrage auf MTurk und Ihre Ergebnisse zu vergleichen.
   5. Basierend auf den Ergebnissen in Teil d) und beim Lesen des Artikels, sind Sie einverstanden mit der Wahl des Autor Thema Schlüsselwörter in der Studiengruppe? Warum oder warum nicht? Wenn nicht, was würde vorschlagen, Sie stattdessen?

9. [ ] Efrati (2016) berichtet, basierend auf vertraulichen Informationen, dass "total - Sharing" auf Facebook um etwa 5,5% gegenüber dem Vorjahr zurückgegangen war , während "Live - Ausstrahlung sharing" ein Rückgang um 21% gegenüber dem Vorjahr war. Dieser Rückgang war besonders akut mit Facebook-Nutzer unter 30 Jahren. Der Bericht führte den Rückgang auf zwei Faktoren zurückzuführen. Eine davon ist die Zunahme der Zahl der "Freunde" Menschen haben auf Facebook. Die andere ist, dass einige Austausch-Aktivität wurde zu Messaging verschoben und zu Konkurrenten wie Snapchat. Der Bericht zeigte auch, die verschiedenen Taktiken Facebook versucht hatte Sharing zu steigern, einschließlich News Feed Algorithmus zwickt, die ursprünglichen Beiträge mehr im Vordergrund, sowie regelmäßige Erinnerungen an die ursprünglichen Beiträge Benutzer "An diesem Tag" vor einigen Jahren machen. Welche Auswirkungen, wenn überhaupt, hat diese Erkenntnisse für die Forscher, die Facebook als Datenquelle verwendet werden soll?

10. [ ] Tumasjan et al. (2010) berichtet , dass Anteil der Tweets eine politische Partei entsprach der Anteil der Stimmen zu erwähnen , die Partei im Jahr 2009 in der deutschen Bundestagswahl erhalten (Abbildung 2.9). Mit anderen Worten, schien es, dass Sie Twitter zur Vorhersage der Wahl nutzen könnten. Zum Zeitpunkt dieser Studie veröffentlicht wurde, wurde es extrem spannend betrachtet, weil es einen wertvollen Einsatz für eine gemeinsame Quelle von großen Daten deuten darauf hin, schien.

    aber die schlechten Eigenschaften der großen Daten gegeben, sollten Sie sofort skeptisch dieses Ergebnis. Deutsche auf Twitter im Jahr 2009 waren eine recht nicht repräsentative Gruppe und Anhänger einer Partei könnte über Politik häufiger twittern. So scheint es überraschend, dass alle möglichen Vorurteile, die man irgendwie würde kündigen sich vorstellen konnte. In der Tat sind die Ergebnisse in Tumasjan et al. (2010) stellte sich heraus , zu gut , um wahr zu sein. In ihrem Papier, Tumasjan et al. (2010) als sechs politischen Parteien: Christdemokraten (CDU), Christian Sozialdemokraten (CSU), SPD, Liberalen (FDP), Die Linke (Die Linke) und die Grüne Partei (Grüne). die genannten deutschen politischen Partei auf Twitter jedoch zu diesem Zeitpunkt war die Piratenpartei (Piraten), eine Partei, die staatliche Regulierung des Internets kämpft. Wenn die Piratenpartei in die Analyse einbezogen wurde, erwähnt Twitter eine schreckliche Prädiktor der Wahlergebnisse wird (Abbildung 2.9) (Jungherr, Jürgens, and Schoen 2012) .

    

    Abbildung 2.9: Twitter - Erwähnungen erscheinen die Ergebnisse der 2009 deutschen Wahl zu prognostizieren (Tumasjan et al. 2010) . , Aber dieses Ergebnis stellt sich heraus , auf einigen willkürlich und ungerechtfertigten Entscheidungen abhängen (Jungherr, Jürgens, and Schoen 2012) .

    Anschließend andere Forscher auf der ganzen Welt verwendet haben ausgefallenere Methoden-wie Sentiment - Analyse unter Verwendung von zwischen positiven und negativen zu unterscheiden erwähnt der Parteien-in , um die Fähigkeit von Twitter - Daten zu verbessern , um eine Vielzahl von verschiedenen Arten von Wahlen zur Vorhersage (Gayo-Avello 2013; Jungherr 2015, Ch. 7.) . Hier ist , wie Huberty (2015) fasst die Ergebnisse dieser Versuche Wahlen vorherzusagen:

    "Alle bekannten Prognoseverfahren auf Basis von Social Media versagt haben, wenn sie den Anforderungen einer echten vorausschauenden Wahlprognosen unterzogen. Diese Fehler erscheinen wegen der grundlegenden Eigenschaften von sozialen Medien zu sein, anstatt auf methodische oder algorithmische Schwierigkeiten. Kurz gesagt, Social Media nicht, und wahrscheinlich wird es nie, bieten eine stabile, unvoreingenommen, repräsentatives Bild der Wähler; und Convenience-Proben von Social Media ausreichend Daten fehlen diese Probleme zu beheben hoc schreiben. "

    Lesen Sie einige der Forschung , die führen Huberty (2015) zu diesem Schluss, und schreiben Sie eine eine Seite Memo an einen politischen Kandidaten zu beschreiben , ob und wie Twitter verwendet werden soll Wahlen zu prognostizieren.

11. [ Was] ist der Unterschied zwischen einem Soziologen und Historiker? Laut Goldthorpe (1991) , der größte Unterschied zwischen einem Soziologen und Historiker ist die Kontrolle über die Datenerfassung. Die Historiker sind gezwungen, Reliquien zu verwenden, während die Soziologen ihre Datensammlung zu bestimmten Zwecken anpassen können. Lesen Goldthorpe (1991) . Wie ist der Unterschied zwischen Soziologie und Geschichte an der Idee von Custommades bezogen und Readymades?

12. [ ] Auf die vorhergehende Frage Gebäude, Goldthorpe (1991) zog eine Reihe von kritischen Reaktionen, darunter eines von Nicky Hart (1994) , die Goldthorpe Hingabe gefordert, aus Daten anzupassen. Um die möglichen Einschränkungen von maßgeschneiderten Daten verdeutlichen, beschrieben Hart das Affluent Worker-Projekt, eine große Umfrage, die die Beziehung zwischen der sozialen Klasse und an der Abstimmung zu messen, die von Goldthorpe und Kollegen in der Mitte der 1960er Jahre durchgeführt wurde. Wie man es von einem Gelehrten erwarten könnte, die Daten über gefundenen Daten entworfen gewünschtes, sammelte die Affluent Worker Projektdaten, die eine vor kurzem vorgeschlagene Theorie zur Adresse über die Zukunft der sozialen Klasse in einer Zeit der steigenden Lebensstandards zugeschnitten wurde. Aber Goldthorpe und Kollegen irgendwie "vergessen", Informationen über das Wahlverhalten von Frauen zu sammeln. Hier ist , wie Nicky Hart (1994) Zusammenfassungen die ganze Episode:

    ". . . es [ist] schwierig, die Schlussfolgerung zu vermeiden, dass Frauen weggelassen wurden, weil diese "maßgeschneiderte" Daten-Set durch eine paradigmatische Logik beschränkt war, die weibliche Erfahrung ausgeschlossen. Angetrieben durch eine theoretische Vision von Klassenbewusstsein und Handeln als männliche Anliegen. . . , Goldthorpe und seine Kollegen eine Reihe von empirischen Beweise konstruiert, die ihre eigenen theoretischen Annahmen gefüttert und gepflegt, statt sie auf einen gültigen Test der Angemessenheit auszusetzen. "

    Hart fuhr fort:

    "Die empirischen Ergebnisse des Affluent Worker-Projekt erzählen Sie uns mehr über die maskulinistischen Werte der Mitte des Jahrhunderts Soziologie als sie die Prozesse der Schichtung, Politik und materielle Leben zu informieren."

    Können Sie weitere Beispiele denken, wo maßgeschneiderte Datenerfassung die Voreingenommenheit des Datensammlers in sie eingebaut hat? Wie wirkt sich das auf algorithmische verwirrende vergleichen? Welche Auswirkungen könnte dies für haben, wenn Forscher Readymades verwenden sollten, und wenn sie Custommades verwenden sollten?

13. [ In diesem Kapitel], gegen ich von den Forschern für Forscher mit administrativen Aufzeichnungen von Unternehmen und Regierungen erhobenen Daten. Manche Leute nennen diese Verwaltungsakten "Daten gefunden", die sie mit Kontrast "entwickelt, um Daten." Es ist wahr, dass die administrativen Aufzeichnungen von Forschern gefunden werden, aber sie sind auch sehr entwickelt. Zum Beispiel verbringen moderne Tech-Unternehmen enorm viel Zeit und Ressourcen zu sammeln und ihre Daten kuratieren. Somit werden diese Verwaltungsakten sowohl gefunden und entwickelt, es hängt nur von Ihrer Perspektive (Abbildung 2.10).

    

    Abbildung 2.10: Das Bild ist sowohl eine Ente und ein Kaninchen; was Sie sehen, hängt von Ihrer Perspektive. Regierung und Unternehmen Verwaltungsunterlagen sind beide gefunden und entwickelt; was Sie sehen, hängt von Ihrer Perspektive. Zum Beispiel werden die Anrufdatensätze von einer Handy-Firma gesammelten Daten aus der Sicht eines Forschers gefunden. Aber, diese exakt die gleichen Datensätze arbeiten Daten Perspektive von jemandem entwickelt, in der Rechnungsabteilung der Telefongesellschaft. Quelle: Wikimedia Commons

    ein Beispiel einer Datenquelle zur Verfügung stellen, wo es zu sehen, sowohl als gefunden und entwickelt hilfreich ist, wenn diese Datenquelle für die Forschung mit.

14. [ ] In einem nachdenklichen Essay, Christian Sandvig und Eszter Hargittai (2015) Ein Beispiel für die erste Art von Studie ist , wo Bengtsson und Kollegen zwei Arten von digitalen Forschung beschreiben, wo das digitale System "Instrument" oder "Gegenstand der Studie." (2011) verwendet Handy Datenmigration nach dem Erdbeben in Haiti im Jahr 2010. Ein Beispiel für die zweite Art zu verfolgen ist , wo Jensen (2007) untersucht , wie die Einführung von Mobiltelefonen in ganz Kerala, Indien , das Funktionieren des Marktes für Fisch beeinflusst. Das finde ich hilfreich, weil es verdeutlicht, dass Studien digitalen Datenquellen haben ganz andere Ziele, auch wenn sie die gleiche Art von Datenquelle verwenden. Um diese Unterscheidung weiter zu verdeutlichen, beschreiben vier Studien, die Sie gesehen haben: zwei, die ein digitales System als Instrument und zwei verwenden, die ein digitales System als Gegenstand der Studie verwenden. Sie können Beispiele aus diesem Kapitel verwenden, wenn Sie möchten.