1.2 ડિજિટલ વય માટે આપનું સ્વાગત છે
ડિજિટલ વય દરેક જગ્યાએ છે, તે વધતી જાય છે, અને તે સંશોધકો માટે શું શક્ય છે તે બદલવાનું છે.
આ પુસ્તકનું કેન્દ્રિય સ્થળ એવી છે કે ડિજિટલ વય સામાજિક સંશોધન માટે નવી તક ઊભી કરે છે. સંશોધકો હવે વર્તનનું નિરીક્ષણ કરી શકે છે, પ્રશ્નો પૂછી શકે છે, પ્રયોગો ચલાવી શકો છો અને તાજેતરના ભૂતકાળમાં જે રીતે અશક્ય છે તેમાં સહયોગ કરો. આ નવા તકો સાથે નવા જોખમો આવે છે: સંશોધકો હવે લોકોને ભૂતકાળમાં જે રીતે અશક્ય છે તે રીતે નુકસાન કરી શકે છે. આ તકો અને જોખમોનો સ્ત્રોત એ એનાલોગ યુગથી ડિજિટલ વય સુધી સંક્રમણ છે. આ સંક્રમણ એક જ સમયે થયું નથી- જેમ કે પ્રકાશ સ્વીચ ચાલુ થઈ રહ્યું છે-અને હકીકતમાં, તે હજુ સુધી પૂર્ણ નથી. જો કે, આપણે હવે એટલું જોયું છે કે કંઈક મોટું થઈ રહ્યું છે
આ સંક્રમણની નોંધ લેવાની એક રીત એ છે કે તમારા રોજિંદા જીવનમાં ફેરફારો જોવાનું છે. તમારા જીવનની ઘણી વસ્તુઓ જે એનાલોગ તરીકે વપરાય છે તે હવે ડિજિટલ છે. કદાચ તમે ફિલ્મ સાથે કેમેરાનો ઉપયોગ કરવા માટે ઉપયોગ કર્યો, પરંતુ હવે તમે ડિજિટલ કેમેરા (જે કદાચ તમારા સ્માર્ટ ફોનનો ભાગ છે) નો ઉપયોગ કરે છે. કદાચ તમે ભૌતિક અખબાર વાંચવા માટે ઉપયોગ કર્યો છે, પરંતુ હવે તમે ઓનલાઇન અખબાર વાંચો છો. કદાચ તમે રોકડ સાથે વસ્તુઓ માટે ચૂકવણી કરી, પરંતુ હવે તમે ક્રેડિટ કાર્ડ સાથે ચૂકવણી. દરેક કિસ્સામાં, એનાલોગથી ડિજિટલમાં ફેરફાર એનો અર્થ એ થાય છે કે તમારા વિશે વધુ ડેટાને ડિજિટલ કેપ્ચર અને સંગ્રહિત કરવામાં આવી રહ્યાં છે.
હકીકતમાં, એકંદરે જોવામાં આવે ત્યારે સંક્રમણની અસરો આશ્ચર્યકારક છે. વિશ્વમાં માહિતીની સંખ્યા ઝડપથી વધી રહી છે, અને તેમાંથી વધુ માહિતી ડિજીટલ સંગ્રહિત છે, જે વિશ્લેષણ, ટ્રાન્સમિશન અને મર્જ કરવાની સુવિધા આપે છે (આંકડા 1.1). આ તમામ ડિજિટલ માહિતીને "મોટા ડેટા" તરીકે ઓળખવામાં આવે છે. ડિજિટલ ડેટાના વિસ્ફોટની સાથે સાથે, કમ્પ્યુટિંગ પાવર (આકૃતિ 1.1) માં પ્રવેશમાં એક સમાંતર વૃદ્ધિ છે. ડિજીટલ ડેટા અને વધતી જતી કોમ્પ્યુટિંગની આ વલણો-વધતા જતા પ્રમાણમાં ભાવિ ભવિષ્ય માટે ચાલુ રહેવાની શક્યતા છે.
આકૃતિ 1.1: માહિતી સંગ્રહ ક્ષમતા અને કમ્પ્યુટિંગ શક્તિ નાટ્યાત્મક રીતે વધી રહી છે. વધુમાં, માહિતી સંગ્રહ હવે લગભગ ડિજિટલ છે. આ ફેરફારો સામાજિક સંશોધકો માટે અકલ્પનીય તકોનું સર્જન કરે છે. Hilbert and López (2011) માંથી રૂપાંતરિત, આંકડાઓ 2 અને 5.
સામાજિક સંશોધનનાં હેતુઓ માટે, મને લાગે છે કે ડિજિટલ વયનો સૌથી મહત્ત્વનો લક્ષણ બધે કમ્પ્યુટર્સ છે . રૂમ-માપવાળી મશીનોની શરૂઆતથી જ સરકારો અને મોટી કંપનીઓ માટે ઉપલબ્ધ હતા, કમ્પ્યુટર્સ કદમાં સંકોચાયા છે અને સર્વવ્યાપકતામાં વધારો કરે છે. 1980 ના દાયકા પછીના દરેક દાયકામાં એક નવી પ્રકારનો કમ્પ્યુટિંગ જોવા મળે છે: વ્યક્તિગત કમ્પ્યુટર્સ, લેપટોપ્સ, સ્માર્ટ ફોન્સ, અને હવે "વસ્તુઓના ઇન્ટરનેટ" (એટલે કે કાર, ઘડિયાળ અને થર્મોસ્ટેટ્સ જેવી ઉપકરણોની અંદરના કમ્પ્યુટર્સ) માં એમ્બેડેડ પ્રોસેસર્સ (Waldrop 2016) વધુ ને વધુ, આ સર્વવ્યાપક કમ્પ્યુટર્સ માત્ર ગણતરી કરતાં વધુ કરે છે; તેઓ માહિતીને સંવેદના, સ્ટોર અને ટ્રાંસમિટ પણ કરે છે.
સંશોધકો માટે, દરેક જગ્યાએ કમ્પ્યુટર્સની હાજરીની અસરો ઑનલાઇન જોવા માટે સૌથી સરળ છે, પર્યાવરણ જે સંપૂર્ણપણે માપી શકાય છે અને પ્રયોગો માટે જવાબદાર છે. ઉદાહરણ તરીકે, એક ઑનલાઇન સ્ટોર લાખો ગ્રાહકોના શોપિંગ પેટર્ન વિશે ઉત્સાહી ચોક્કસ માહિતી એકત્રિત કરી શકે છે. વધુમાં, તે સરળતાથી વિવિધ શોપિંગ અનુભવો મેળવવા માટે ગ્રાહકોના જૂથોને રેન્ડમ કરી શકે છે. ટ્રેકિંગના શીર્ષ પર રેન્ડમાઇઝ કરવા માટેની આ ક્ષમતા એટલે કે ઓનલાઇન સ્ટોર્સ સતત રેન્ડમ નિયંત્રિત પ્રયોગો ચલાવી શકે છે. વાસ્તવમાં, જો તમે ક્યારેય ઑનલાઇન સ્ટોરમાંથી કંઈપણ ખરીદી લીધું છે, તો તમારું વર્તન ટ્રેક કરવામાં આવ્યું છે અને તમે પ્રયોગમાં ભાગ્યે જ ભાગ લીધો છે, પછી ભલે તે તમને ખબર હોય કે નહીં.
આ સંપૂર્ણપણે માપવામાં, સંપૂર્ણપણે અવગણવાયોગ્ય વિશ્વ માત્ર ઑનલાઇન થઈ રહ્યું નથી; તે વધુને વધુ બધે થઈ રહ્યું છે ભૌતિક સ્ટોર્સ પહેલાથી જ અત્યંત વિગતવાર ખરીદી માહિતી એકત્રિત કરે છે, અને તેઓ ગ્રાહકોના શોપિંગ વર્તણૂક પર નજર રાખવા અને નિયમિત વ્યવસાય પ્રેક્ટિસમાં પ્રયોગોનું મિશ્રણ કરવા માટે ઇન્ફ્રાસ્ટ્રક્ચર વિકસાવતા હોય છે. "વસ્તુઓના ઈન્ટરનેટ" એટલે ભૌતિક વિશ્વમાં વર્તન વધુ ઝડપથી ડિજિટલ સેન્સર્સ દ્વારા કબજે કરવામાં આવશે. બીજા શબ્દોમાં કહીએ તો, જ્યારે તમે ડિજિટલ યુગમાં સામાજિક સંશોધન વિશે વિચારો છો ત્યારે તમારે ફક્ત ઑનલાઇન ન વિચારવું જોઈએ, તમારે દરેક જગ્યાએ વિચારવું જોઈએ.
વર્તણૂંક અને સારવારના રેન્ડમેડાઇઝેશનના માપને સક્રિય કરવા ઉપરાંત, ડિજિટલ વયએ લોકોના સંપર્કવ્યવહાર માટેના નવા રસ્તાઓ પણ બનાવી છે. સંચારના નવા સ્વરૂપો સંશોધકોને નવીન સર્વેક્ષણો ચલાવવા માટે પરવાનગી આપે છે અને તેમના સહકાર્યકરો અને સામાન્ય જનતા સાથે સામૂહિક સહયોગી બનાવવા માટે.
એક સંદિગ્ધતા કદાચ આમાંની કોઈ પણ ક્ષમતાઓ ખરેખર નવો નથી. એટલે કે, ભૂતકાળમાં, વાતચીત કરવા માટે લોકોની ક્ષમતાઓમાં અન્ય મહત્ત્વની પ્રગતિ થઈ છે (દા.ત., ટેલિગ્રાફ (Gleick 2011) ), અને 1960 ના દાયકા (Waldrop 2016) થી લગભગ સમાન દરે કમ્પ્યુટર્સ ઝડપી મેળવવામાં આવ્યા છે. પરંતુ આ નાસ્તિક વ્યક્તિ શું ખૂટે છે તે એ છે કે ચોક્કસ બિંદુએ વધુ કંઇક અલગ બની જાય છે. અહીં એક સમાનતા છે જે મને ગમે છે (Halevy, Norvig, and Pereira 2009; Mayer-Schönberger and Cukier 2013) . જો તમે ઘોડોની છબી મેળવી શકો છો, તો તમારી પાસે એક ફોટોગ્રાફ છે. અને, જો તમે દર સેકંડે ઘોડાની 24 છબીઓ મેળવી શકો છો, તો પછી તમારી પાસે મૂવી છે. અલબત્ત, મૂવી માત્ર ફોટાઓનો સમૂહ છે, પરંતુ અત્યંત શંકાસ્પદ વ્યક્તિ એવો દાવો કરશે કે ફોટા અને ફિલ્મો સમાન છે.
સંશોધકો ફોટોગ્રાફીથી સિનેમેટોગ્રાફીમાં સંક્રમણ સમાન ફેરફાર કરવાના પ્રક્રિયામાં છે. જોકે, આ ફેરફારનો અર્થ એ નથી કે ભૂતકાળમાં આપણે જે કંઈ શીખ્યા તે બધું અવગણવું જોઈએ. જેમ કે ફોટોગ્રાફીના સિદ્ધાંતો સિનેમેટોગ્રાફીની જાણ કરે છે, જેમ જેમ છેલ્લા 100 વર્ષથી વિકસિત કરવામાં આવેલા સામાજિક સંશોધનના સિદ્ધાંતો આગામી 100 વર્ષોમાં થતા સામાજિક સંશોધનને જાણ કરશે. પરંતુ, પરિવર્તનનો અર્થ એ પણ છે કે આપણે એ જ વસ્તુ કરવાનું ચાલુ રાખવું જોઈએ નહીં. તેના બદલે, આપણે વર્તમાન અને ભાવિની ક્ષમતાઓ સાથે ભૂતકાળની રીતોને જોડવી જોઈએ. ઉદાહરણ તરીકે, જોશુઆ બ્લુમેનેસ્ટૉક અને સહકાર્યકરોની સંશોધન પરંપરાગત મોજણી સંશોધનનું મિશ્રણ હતું, જેમાં કેટલાકને માહિતી વિજ્ઞાન કહેવાય છે. આ ઘટકો બંને જરૂરી હતા: ન તો મોજણીના પ્રતિસાદો કે કોલ રેકોર્ડ્સ પોતે જ ગરીબીનું ઉચ્ચ-ઠરાવ અંદાજ પેદા કરવા માટે પૂરતા હતા. વધુ સામાન્ય રીતે, સામાજિક સંશોધકોને ડિજિટલ વયની તકોનો લાભ લેવા માટે સામાજિક વિજ્ઞાન અને માહિતી વિજ્ઞાનના વિચારોને જોડવાની જરૂર પડશે; ન તો એકલા અભિગમ પૂરતી હશે.
