બેમાંથી એક શુદ્ધ રેડીમેડ વ્યૂહરચના કે શુદ્ધ Custommade વ્યૂહરચના સંપૂર્ણપણે ડિજીટલ વય ક્ષમતાઓ ઉપયોગ કરે છે. ભવિષ્યમાં અમે સંકર બનાવવા માટે જતા હોય છે.
પરિચય, હું મિકેલેન્ગીલો Custommade શૈલી સાથે માર્સલ ડચમ્પ ના રેડીમેડ શૈલી વિપરિત છે. આ વિપરીત પણ માહિતી વૈજ્ઞાનિકો, જે Readymades સાથે કામ કરવા માટે હોય છે, અને સામાજિક વિજ્ઞાનીઓ, જે Custommades સાથે કામ કરવા માટે હોય છે વચ્ચે તફાવત મેળવે છે. ભવિષ્યમાં, તેમ છતાં, હું અપેક્ષા છે કે અમે વધુ સંકર કારણ કે આ શુદ્ધ અભિગમ દરેક મર્યાદિત છે જોશો. સંશોધકો છે, જેઓ માત્ર Readymades ઉપયોગ કરવા માંગો છો સંઘર્ષ વિશ્વમાં ઘણા સુંદર Readymades છે, કારણ કે જતા હોય છે. આમ, આ શુદ્ધ શૈલી ચોંટતા સંશોધકો ક્યાં નીચ Readymades ઉપયોગ કરીને જાત બલિદાન માટે જતા હોય છે, અથવા તેઓ સંપૂર્ણ મુતરડી શોધી સમય ખૂબ ખર્ચવા જતા હોય છે. સંશોધકો છે, જેઓ માત્ર Custommades વાપરવા માટે, બીજી બાજુ પર માંગો છો, સ્કેલ બલિદાન જતા હોય છે. હાઇબ્રિડ અભિગમ, જો કે, ધોરણ કે પ્રશ્ન અને માહિતી કે જે Custommades માંથી આવે છે વચ્ચે ચુસ્ત ફિટ સાથે Readymades સાથે આવે છે ભેગા કરી શકો છો.
અમે ચાર પ્રયોગમૂલક પ્રકરણો દરેક આ સંકર ઉદાહરણો જોવા મળી હતી. પ્રકરણ 2 માં, અમે જોયું કેવી રીતે Google ફ્લૂ પ્રવાહો એક હંમેશા મોટા માહિતી સિસ્ટમ (શોધ ક્વેરીઝ) સંભાવના આધારિત પરંપરાગત માપ સિસ્ટમ (સીડીસી ઈન્ફલ્યુએન્ઝા સર્વેલન્સ સિસ્ટમ) સાથે ઝડપી અંદાજ પેદા કરવા સાથે જોડાયેલું છે (Ginsberg et al. 2009) . પ્રકરણ 3, અમે કેવી રીતે જોયું સ્ટીફન Ansolabehere અને Eitan Hersh (2012) જે લોકો ખરેખર મત લક્ષણો વિશે વધુ જાણવા માટે તૈયાર સરકાર વહીવટી માહિતી સાથે કસ્ટમ મેઇડ મોજણી માહિતી જોડાઈ. પ્રકરણ 4 માં, અમે કેવી રીતે OPower પ્રયોગો કે કસ્ટમ મેઇડ સારવાર સાથે તૈયાર વીજળી માપ ઇન્ફ્રાસ્ટ્રક્ચર ભેગા એક મોટા પાયા પર વર્તન પર સામાજિક ધોરણો અસરોના અભ્યાસ માટે જોયું (Allcott 2015) . છેલ્લે, પ્રકરણ 5, હું તમને કેવી રીતે કેનેથ બેનોઈટ અને સહકર્મીઓ વિશે જણાવ્યું હતું (2015) ક્રમમાં માહિતી બનાવવા માટે કે સંશોધકો અભ્યાસ કરવા માટે ઉપયોગ કરી શકો છો રાજકીય પક્ષો દ્વારા બનાવવામાં ઢંઢેરાઓ એક તૈયાર સેટ કરવા માટે કસ્ટમ મેઇડ ભીડ-કોડિંગ પ્રક્રિયા લાગુ ચૂંટણી અને નીતિ ચર્ચા ગતિશીલતા.
આ ચાર ઉદાહરણો બધા દર્શાવે છે કે ભવિષ્યમાં એક શક્તિશાળી વ્યૂહરચના વધારાની જાણકારી તેમને સંશોધન માટે વધુ યોગ્ય બનાવે છે સાથે મોટા ડેટા સ્રોત છે, જે સંશોધન માટે ભેગા કરવામાં આવતા નથી, સમૃદ્ધ હશે (Groves 2011) . તે Custommade અથવા રેડીમેડ સાથે શરૂ થાય છે, આ સંકર શૈલી ઘણા સંશોધન સમસ્યાઓ માટે મહાન વચન ધરાવે છે.