2.5 نتیجه گیری

داده بزرگ در همه جا، اما با استفاده از آن و دیگر اشکال داده های مشاهده ای برای تحقیقات اجتماعی دشوار است. در تجربه من است چیزی شبیه به یک هیچ ملک ناهار رایگان برای تحقیق وجود دارد: اگر شما در یک مقدار زیادی از کار جمع آوری داده ها قرار داده است، پس شما احتمالا باید به در یک مقدار زیادی از کار تجزیه و تحلیل داده های خود و یا در فکر کردن در مورد قرار دادن آنچه که در یک سوال جالب به درخواست از داده ها. بر اساس ایده ها در این فصل، من فکر می کنم که سه روش اصلی که منابع داده های بزرگ با ارزشتر خواهد شد برای تحقیقات اجتماعی وجود دارد:

تجربی داوری بین رقابت پیش بینی های نظری. نمونه هایی از این نوع کار شامل Farber (2015) (از رانندگان تاکسی نیویورک) و King, Pan, and Roberts (2013) (سانسور در چین)
اندازه گیری های اجتماعی بهبود یافته برای سیاست از طریق nowcasting. یک مثال از این نوع کار است Ginsberg et al. (2009) (آنفولانزای روند گوگل).
برآورد اثرات سببی با آزمایش های طبیعی و تطبیق است. نمونه هایی از این نوع کار. Mas and Moretti (2009) (همکار اثرات آن بر بهره وری) و Einav et al. (2015) (اثر شروع قیمت در مزایده در eBay).

بسیاری از سوالات مهم در پژوهش های اجتماعی می تواند به عنوان یکی از این سه بیان شده است. با این حال، این روش ها به طور کلی نیاز محققان را به مقدار زیادی به داده ها. چه چیزی باعث Farber (2015) جالب انگیزه نظری برای اندازه گیری است. این محرک های نظری به خارج از داده ها. بنابراین، برای کسانی که به خوبی در درخواست انواع خاصی از سوالات تحقیق هستند، منابع داده های بزرگ می تواند بسیار مثمر ثمر است.

در نهایت، به جای نظریه رانده تحقیقات تجربی (که تمرکز بر روی این فصل بوده است)، ما می توانیم اسکریپت تلنگر و ایجاد نظریه پردازی تجربی هدایت می شود. است که، از طریق انباشت دقیق از حقایق تجربی، الگوها، و پازل، ما می توانیم نظریه های جدید ساخت.

این جایگزین، رویکرد داده برای اولین بار به نظریه جدید نیست، و آن را به طور موکد شده توسط بیان شد Glaser and Strauss (1967) با پاسخ خود را برای تئوری. این رویکرد داده برای اولین بار، با این حال، به این معنی نیست "پایان تئوری،" عنوان شده است توسط بسیاری از روزنامه نگاری در سراسر پژوهش در عصر دیجیتال ادعا (Anderson 2008) . در عوض، به عنوان تغییرات محیط داده ها، ما باید یک دوباره تعادل در ارتباط بین نظریه و داده انتظار می رود. در جهانی که مجموعه داده های گران قیمت بود، آن را حس می کند به تنها به جمع آوری داده ها است که تئوریها خواهد بود که بیشتر مفید است. اما، در یک جهان که در آن مقدار زیادی از داده ها در حال حاضر به صورت رایگان در دسترس است، آن را حس می کند به یک رویکرد داده اول سعی کنید (Goldberg 2015) .

همانطور که در این فصل نشان داده شده است، محققان می توانید تعداد زیادی با تماشای مردم یاد بگیرند. در سه فصل بعدی، من توضیح دهید که چگونه ما می توانیم چیزهای بیشتر و مختلف را یاد بگیرند اگر ما جمع آوری داده ها ما خیاط و تعامل با مردم به طور مستقیم بیشتر به پرسیدن سوال (فصل 3)، در حال اجرا آزمایش (فصل 4)، و حتی آنها را که شامل در فرایند پژوهش به طور مستقیم (فصل 5).