2.4.1 choses de comptage

Comptage simple peut être intéressant si vous combinez une bonne question avec de bonnes données.

Bien qu'il soit rédigé dans un langage de sondage sophistiqué, beaucoup de recherche sociale est vraiment juste compter les choses. À l'ère de grandes données, les chercheurs peuvent compter plus que jamais, mais cela ne signifie pas automatiquement que la recherche devrait être axée sur le comptage de plus en plus de choses. Au lieu de cela, si nous allons faire une bonne recherche avec grand données, nous devons nous demander: quelles choses valent la peine de compter? Cela peut sembler une question entièrement subjective, mais il y a quelques tendances générales.

Souvent, les étudiants motivent leur recherche de comptage en disant: Je vais compter quelque chose que personne n'a jamais compté auparavant. Par exemple, un étudiant pourrait-on dire, beaucoup de gens ont étudié les migrants et beaucoup de gens ont étudié des jumeaux, mais personne n'a étudié les jumeaux migrants. Motivation par l'absence ne conduit généralement pas à une bonne recherche. Bien sûr, il pourrait y avoir de bonnes raisons d'étudier des jumeaux migrants, mais le fait qu'il n'a pas été étudié auparavant ne signifie pas qu'ils doivent être étudiés maintenant. Personne n'a jamais compté le nombre de threads sur le tapis dans mon bureau, mais cela ne signifie pas automatiquement que ce serait un bon projet de recherche. Motivation par l'absence est un peu comme dire: regardez, il y a un trou là-bas, et je vais travailler très dur pour le remplir. Mais, pas tous les trous doit être rempli.

Au lieu de motiver par l' absence, je pense que compte conduit à une bonne recherche dans deux situations, lorsque la recherche est intéressante ou importante (ou idéalement les deux). Par exemple, mesurer le taux de chômage est important car il est l'indicateur de l'économie qui entraîne des décisions politiques. En général, les gens ont une assez bonne idée de ce qui est important. Ainsi, dans le reste de cette section, je vais donner trois exemples où le comptage est intéressant. Dans chaque cas, les chercheurs ne comptaient pas au hasard, plutôt ils comptaient dans des contextes très particuliers qui ont révélé des informations importantes sur des idées plus générales sur la façon dont le travail social des systèmes. En d'autres termes, beaucoup de ce qui rend ces comptage des exercices particuliers intéressant est pas dans les données lui-même, il vient de ces idées plus générales.

Ci-dessous je vais vous présenter trois exemples: 1) le comportement de travail des chauffeurs de taxi à New York (section 2.4.1.1), 2) la formation de l'amitié par les étudiants (section 2.4.1.2) et 3) le comportement de la censure des médias sociaux du gouvernement chinois (section 2.4.1.3). Ce que ces exemples partagent est qu'ils montrent tous que le comptage de grandes données peuvent être utilisées pour tester les prédictions théoriques. Dans certains cas, les sources de données de grandes vous permettent de faire ce comptage relativement directement (comme dans le cas de New York Taxis). Dans d'autres cas, les chercheurs devront faire face à l'incomplétude en fusionnant les données ensemble et opérationnaliser constructions théoriques (comme dans le cas de la formation de l'amitié); et dans certains cas, les chercheurs devront recueillir leurs propres données d'observation (comme dans le cas de la censure des médias sociaux). Comme je l'espère que ces exemples montrent, pour les chercheurs qui sont en mesure de poser des questions intéressantes, grand données est très prometteur.