2.5 Kokkuvõte
Big andmed on kõikjal, kuid kasutab seda ja muid vaatlusandmeid sotsiaalse teadus on keeruline. Minu kogemus on midagi pole tasuta lõunat vara teadus: kui sa ei pandud palju tööd andmete kogumisel, siis on ilmselt läheb on panna palju tööd oma andmete analüüsimise või mõelda Mis on huvitav küsimus küsida andmeid. Tuginedes ideid selles peatükis, ma arvan, et on olemas kolm peamist võimalust, et suur andmeallikate on kõige väärtuslikum sotsiaalsed uuringud:
- empiiriliselt lahendamisel konkureerivate prognoose. Näiteid selle töö hulka Farber (2015) (New York Taksojuhid) ja King, Pan, and Roberts (2013) (tsensuur Hiinas)
- parema sotsiaalse mõõtmise korra läbi nowcasting. Üks näide selle kohta, millist tööd on Ginsberg et al. (2009) (Google Flu Trends).
- hinnata põhjuslikku mõju looduslike eksperimentide ja sobitamine. Näiteid sellist tööd. Mas and Moretti (2009) (peer mõju tootlikkusele) ja Einav et al. (2015) (mõju alghinnaga oksjonitel eBay).
Paljud olulised küsimused sotsiaalsed uuringud võib väljendada ühe neist kolmest. Kuid need lähenemised nõuab üldjuhul teadlaste tuua palju andmetele. Mis teeb Farber (2015) Huvitav on teoreetiline motivatsiooni mõõtmiseks. See teoreetiline motivatsioon pärineb väljastpoolt andmeid. Seega, need, kes on hea küsida teatud uurimisküsimusi, suur andmeallikate võib olla väga viljakas.
Lõpuks, mitte teooria juhitud empiiriliste uuringute (mis on keskendunud selle peatüki), saame klapp skripti ja luua empiiriliselt orienteeritud teoretiseerimist. See tähendab, et läbi ettevaatlik kogunemine empiirilisi fakte, mustreid ja mõistatusi, saame ehitada uusi teooriaid.
See alternatiiv, data-esimene lähenemine teooria pole uus, ja see oli kõige jõuliselt väljendanud Glaser and Strauss (1967) koos oma üleskutset põhistatud teooria. Need andmed esimese lähenemine aga ei tähenda "lõpuks teooria", nagu on väitnud palju ajakirjandust ümber teadus digitaalajastul (Anderson 2008) . Pigem, nagu andmed keskkond muutub, tuleb meil oodata uuesti tasakaalustamine suhetes teooria ja andmed. Maailmas, kus andmete kogumine oli kallis, on mõttekas ainult koguda andmeid, et teooriad viitavad sellele on kõige kasulikum. Aga maailmas, kus tohutul hulgal andmed on juba kättesaadavad tasuta, on mõttekas proovida ka andmete Esimene lähenemine (Goldberg 2015) .
Nagu ma olen näidanud selles peatükis, teadlastele palju õppida, vaadates inimesi. Järgmise kolme peatükki, ma kirjeldada, kuidas me saame õppida rohkem ja erinevaid asju, kui me kohandada oma andmete kogumine ja suhelda inimestega otsesemalt, küsides neilt küsimusi (3. peatükk), töötab eksperimente (peatükk 4), ja isegi nende kaasamisest teadusuuringute protsess otse (5. peatükk).
