2.4.1 ગણવા વસ્તુઓ
જો તમે સારી માહિતી સાથે એક સારો પ્રશ્ન ભેગા સરળ ગણતરી રસપ્રદ હોઈ શકે છે.
જો કે તે આધુનિક ઊંડાણ ભાષામાં couched છે, સામાજિક સંશોધન ઘણાં ખરેખર ફક્ત વસ્તુઓ ગણાય છે. મોટા માહિતી ઉંમર માં, સંશોધકોએ ક્યારેય કરતાં વધુ ગણતરી કરી શકે છે, પરંતુ અર્થ આપોઆપ એમ થતો નથી કે સંશોધન વધુ અને વધુ સામગ્રી ગણાય પર ધ્યાન કેન્દ્રિત જોઈએ. શું વસ્તુઓ ગણાય વર્થ છે: તેના બદલે, જો આપણે મોટા માહિતી સાથે સારા સંશોધન કરવા જઇ રહ્યા છે, અમે પૂછો કરવાની જરૂર છે? આ એક સંપૂર્ણપણે વ્યક્તિલક્ષી બાબત જેવી લાગે શકે છે, પરંતુ ત્યાં અમુક સામાન્ય પેટર્ન હોય છે.
હું કંઈક કે જે કોઈ એક ક્યારેય પહેલાં ગણાશે ગણતરી કરવા જઇ રહ્યો છું: ઘણી વખત વિદ્યાર્થીઓ કહેતા તેમના ગણાય સંશોધન પ્રોત્સાહન. ઉદાહરણ તરીકે, એક વિદ્યાર્થી કહી શકે છે, ઘણા લોકો સ્થળાંતર અભ્યાસ કર્યો છે અને ઘણા લોકો જોડિયા અભ્યાસ કર્યો છે, પરંતુ કોઇ સ્થળાંતરીત જોડિયા અભ્યાસ કર્યો છે. ગેરહાજરી દ્વારા પ્રોત્સાહન સામાન્ય રીતે સારી સંશોધન તરફ દોરી નથી. અલબત્ત, ત્યાં સ્થળાંતરીત જોડિયા અભ્યાસ સારા કારણો હોઈ શકે છે, પરંતુ હકીકત એ છે કે તેઓ પહેલા અભ્યાસ કરવામાં આવી તેનો અર્થ એ નથી કે તેઓ હવે અભ્યાસ થવો જોઈએ. કોઈ એક ક્યારેય મારી ઓફિસમાં કાર્પેટ પર થ્રેડો સંખ્યા ગણવામાં આવી છે, પરંતુ તે આપોઆપ સૂચિત નથી કરતો કે આ એક સારો સંશોધન પ્રોજેક્ટ હશે. ગેરહાજરી દ્વારા પ્રોત્સાહન પ્રકારની કહીને જેવી છે: જુઓ, ત્યાં એક છિદ્ર છે ત્યાં, અને હું ખૂબ જ હાર્ડ કામ કરવા માટે તેને ભરવા અપ કરવા જઇ રહ્યો છું. પરંતુ, દરેક છિદ્ર ભરવાની જરૂર છે.
તેના બદલે ગેરહાજરી દ્વારા પ્રોત્સાહિત, હું બે પરિસ્થિતિઓમાં સારા સંશોધન તરફ દોરી જાય છે ગણાય છે કે, જ્યારે સંશોધન (અથવા આદર્શ બંને) રસપ્રદ અથવા મહત્વપૂર્ણ છે લાગે છે. ઉદાહરણ તરીકે, બેરોજગારી દર માપવા મહત્વપૂર્ણ છે કારણ કે તે અર્થતંત્ર કે નીતિ વિષયક નિર્ણયો ડ્રાઈવો સૂચક હોય છે. સામાન્ય રીતે, લોકો શું મહત્વનું છે એક ખૂબ સારી સૂઝ હોય છે. તેથી, આ વિભાગના બાકીના, હું ત્રણ ઉદાહરણો જ્યાં ગણતરી રસપ્રદ છે પૂરી પાડવા માટે જઇ રહ્યો છું. દરેક કેસ માં, સંશોધકોએ haphazardly ગણતરી કરવામાં આવી હતી, તેના બદલે તેઓ ખૂબ જ ચોક્કસ સેટિંગ્સ કે કેવી રીતે સામાજિક સિસ્ટમો કામ વિશે વધુ સામાન્ય વિચારો માં મહત્વપૂર્ણ લેખો જાહેર ગણતરી કરવામાં આવી હતી. બીજા શબ્દોમાં કહીએ તો, શું આ ખાસ ગણાય કસરત રસપ્રદ બનાવે છે ઘણો નથી માહિતી પોતે, તે આ વધુ સામાન્ય વિચારો આવે છે.
1) ટેક્સી ડ્રાઇવરો ન્યૂ યોર્ક માં કામ વર્તન (વિભાગ 2.4.1.1), 2) મિત્રતા ચિની સરકાર વિદ્યાર્થીઓ (વિભાગ 2.4.1.2 દ્વારા રચના) અને 3) સામાજિક મીડિયા સેન્સરશીપ વર્તન: નીચે હું ત્રણ ઉદાહરણો રજૂ પડશે (વિભાગ 2.4.1.3). શું આ ઉદાહરણો શેર તેઓ બધા જે દર્શાવે છે કે મોટા ડેટા ગણાય સૈદ્ધાંતિક માસિક ચકાસવા માટે વાપરી શકાય છે. કેટલાક કિસ્સાઓમાં, મોટા માહિતી સ્ત્રોત પ્રમાણમાં સીધી આ ગણતરી કરવા માટે (ન્યુ યોર્ક ટેક્સી કિસ્સામાં) તમે સક્રિય કરે છે. અન્ય કિસ્સાઓમાં, સંશોધકો માહિતી સાથે અને operationalizing સૈદ્ધાંતિક રચના મર્જ (મિત્રતા રચના કિસ્સામાં) દ્વારા અપૂર્ણતા સાથે કામ કરવાની જરૂર પડશે; અને કેટલાક કિસ્સાઓમાં સંશોધકો તેમના પોતાના નિરીક્ષણ માહિતી (સામાજિક મીડિયા સેન્સરશીપ કિસ્સામાં) એકત્રિત કરવાની જરૂર પડશે. હું આશા રાખું છું તરીકે આ ઉદાહરણો બતાવે છે, સંશોધકો રસપ્રદ પ્રશ્નો પૂછો કરવા માટે સક્ષમ છે જે, મોટા ડેટા મહાન વચન ધરાવે છે.
