1.3 Έρευνα σχεδιασμός

Έρευνα σχεδιασμός είναι για τη σύνδεση ερωτήσεις και απαντήσεις.

Αυτό το βιβλίο είναι γραμμένο για δύο ακροατήρια που έχουν πολλά να μάθουν ο ένας από τον άλλο. Από τη μία πλευρά, οι κοινωνικοί επιστήμονες που έχουν κατάρτιση και εμπειρία μελετούν την κοινωνική συμπεριφορά, αλλά είναι λιγότερο εξοικειωμένοι με τις ευκαιρίες που δημιουργεί η ψηφιακή εποχή. Από την άλλη πλευρά, είναι μια άλλη ομάδα ερευνητών που είναι πολύ άνετα χρησιμοποιώντας τα εργαλεία της ψηφιακής εποχής, αλλά είναι καινούργιοι για τη μελέτη της κοινωνικής συμπεριφοράς. Αυτή η δεύτερη ομάδα αντιστέκεται σε ένα εύκολο όνομα, αλλά θα τα αποκαλώ επιστήμονες δεδομένων. Αυτοί οι επιστήμονες δεδομένων - οι οποίοι συχνά έχουν κατάρτιση σε τομείς όπως η επιστήμη των υπολογιστών, οι στατιστικές, η επιστήμη των πληροφοριών, η μηχανική και η φυσική - είναι μερικοί από τους πρώτους που υιοθετούν την κοινωνική έρευνα ψηφιακής ηλικίας, εν μέρει επειδή έχουν πρόσβαση στα απαραίτητα δεδομένα και υπολογιστικές δεξιότητες. Αυτό το βιβλίο επιχειρεί να φέρει μαζί τις δύο αυτές κοινότητες για να παράγει κάτι πλουσιότερο και πιο ενδιαφέρον από ότι και οι δύο κοινότητες θα μπορούσαν να παράγουν μεμονωμένα.

Ο καλύτερος τρόπος για να δημιουργήσετε αυτό το ισχυρό υβρίδιο δεν είναι να επικεντρωθεί στην αφηρημένη κοινωνική θεωρία ή την φανταχτερή μηχανική μάθηση. Το καλύτερο μέρος για να ξεκινήσετε είναι ο σχεδιασμός της έρευνας . Εάν σκέφτεστε την κοινωνική έρευνα ως τη διαδικασία της ερώτησης και της απάντησης σε ερωτήσεις σχετικά με την ανθρώπινη συμπεριφορά, τότε ο σχεδιασμός της έρευνας είναι ο συνδετικός ιστός. το σχέδιο έρευνας συνδέει τις ερωτήσεις και τις απαντήσεις. Η σωστή σύνδεση είναι το κλειδί για την παραγωγή πειστικάς έρευνας. Αυτό το βιβλίο θα επικεντρωθεί σε τέσσερις προσεγγίσεις που έχετε δει - και ίσως χρησιμοποιήσετε - στο παρελθόν: παρατηρώντας τη συμπεριφορά, θέτοντας ερωτήσεις, τρέχοντας πειράματα και συνεργάζοντας με άλλους. Αυτό που είναι νέο, ωστόσο, είναι ότι η ψηφιακή εποχή μας προσφέρει διάφορες ευκαιρίες για τη συλλογή και ανάλυση δεδομένων. Αυτές οι νέες ευκαιρίες απαιτούν τον εκσυγχρονισμό - αλλά όχι την αντικατάσταση - αυτών των κλασσικών προσεγγίσεων.