7.2.1 La mezcla de readymades y custommades

Ni una estrategia readymade pura ni una estrategia puramente personalizada utilizan completamente las capacidades de la era digital. En el futuro vamos a crear híbridos.

En la introducción, contrasté el estilo readymade de Marcel Duchamp con el estilo hecho a medida de Miguel Ángel. Este contraste también capta una diferencia entre los científicos de datos, que tienden a trabajar con readymades, y los científicos sociales, que tienden a trabajar con tareas personalizadas. En el futuro, sin embargo, espero que veamos más híbridos porque cada uno de estos enfoques puros es limitado. Los investigadores que quieran usar solo readymades van a tener dificultades porque no hay muchos readymades hermosos en el mundo. Los investigadores que quieran usar solo custommades, por otro lado, sacrificarán la escala. Los enfoques híbridos, sin embargo, pueden combinar la escala que viene con los readymades con el ajuste perfecto entre la pregunta y los datos que provienen de los CustomMades.

Vimos ejemplos de estos híbridos en cada uno de los cuatro capítulos empíricos. En el capítulo 2, vimos cómo Google Flu Trends combinó un sistema de big data siempre activo (consultas de búsqueda) con un sistema de medición tradicional basado en la probabilidad (el sistema de vigilancia de la influenza CDC) para producir estimaciones más rápidas (Ginsberg et al. 2009) . En el capítulo 3, vimos cómo Stephen Ansolabehere y Eitan Hersh (2012) combinaron datos de encuestas hechas a medida con datos administrativos del gobierno ya preparados para aprender más sobre las características de las personas que realmente votan. En el capítulo 4, vimos cómo los experimentos de Opower combinaron la infraestructura de medición de electricidad prefabricada con un tratamiento personalizado para estudiar los efectos de las normas sociales sobre el comportamiento de millones de personas (Allcott 2015) . Finalmente, en el capítulo 5, vimos cómo Kenneth Benoit y sus colegas (2016) aplicaron un proceso de codificación colectiva personalizado a un conjunto de manifiestos creados por los partidos políticos para crear datos que los investigadores pueden utilizar para estudiar la dinámica de los debates sobre políticas.

Estos cuatro ejemplos muestran que una estrategia poderosa en el futuro será enriquecer las fuentes de big data, que no se crean para la investigación, con información adicional que las hace más adecuadas para la investigación (Groves 2011) . Ya sea que comience con lo hecho a medida o confeccionado, este estilo híbrido es muy prometedor para muchos problemas de investigación.