2.4.1 prebrojavanje stvari
Jednostavno brojanje može biti zanimljivo ako se kombiniraju dobro pitanje s dobrim podacima.
Iako je umotane u sofisticiranom zvuči jeziku, puno društvenih istraživanja zapravo je samo brojati stvari. U doba velikih podataka, istraživači mogu računati više nego ikad, ali to ne znači automatski da su istraživanja treba usmjeriti na brojanje sve više i više stvari. Umjesto toga, ako ćemo napraviti dobar istraživanja s velikim podataka, moramo se pitati: što stvari vrijedi brojanje? To se može činiti kao sasvim subjektivna stvar, ali postoje neke opće obrasce.
Često studenti motiviraju svoje brojanja istraživanja govoreći: idem brojati nešto što nitko nikada nije računati prije. Na primjer, student moglo bi se reći, mnogi ljudi su proučavali migrante i mnogi ljudi su proučavali blizance, ali nitko nije proučavao blizance migranata. Motivacija by odsutnosti obično ne dovode do dobrog istraživanja. Naravno, tu bi moglo biti dobri razlozi za studij blizance migranata, ali je činjenica da oni nisu prije studirao ne znači da ih treba sada proučavati. Nitko nikada nije broje broj niti na tepihu u svom uredu, ali to ne znači nužno da će to biti dobar istraživački projekt. Motivacija by odsutnosti je vrsta kao što je rekao: gledajte, tu je rupa tamo, a ja idem na posao vrlo teško popuniti. No, nije svaka rupa mora biti popunjena.
Umjesto motiviranju po odsutnosti, mislim da je brojanje dovodi do dobro istraživanja u dvije situacije, kada je istraživanje zanimljivo ili važno (ili idealno oba). Na primjer, mjerenje stope nezaposlenosti je važno jer je u pokazatelj gospodarstva koja pokreće političke odluke. Općenito, ljudi imaju prilično dobar osjećaj za ono što je važno. Dakle, u ostatku ovog poglavlja, idem dati tri primjera gdje brojanje je zanimljivo. U svakom slučaju, znanstvenici nisu bili računajući slučajno, nego su računali u vrlo određenim postavkama koje su pokazale značajne uvide u više opće ideje o tome kako društveni sustavi. Drugim riječima, puno toga što čini ove posebne vježbe brojanje zanimljivo nije u same podatke, ona dolazi iz ovih općih ideja.
U nastavku ću predstaviti tri primjera o: 1) radnog ponašanja taksista u New Yorku (Odjeljak 2.4.1.1), 2) formiranja prijateljstvo studenata (poglavlje 2.4.1.2) i 3) društveni mediji cenzura ponašanje kineske vlade (Odjeljak 2.4.1.3). Što ti primjeri podijeliti je da su svi oni pokazuju da računaju velike podatke, može se koristiti za testiranje teorijskih predviđanja. U nekim slučajevima, veliki izvori podataka omogućuju vam da to učinite brojanje relativno izravno (kao u slučaju New York Taxis). U drugim slučajevima, istraživači će morati nositi s nepotpunost spajanjem podatke zajedno i operacionaliziciji teorijske konstrukte (kao u slučaju formiranja prijateljstva); te u nekim slučajevima istraživači će morati prikupiti svoje podatke motrenja (kao u slučaju društvenih medija cenzure). Kao Nadam se da ovi primjeri pokazuju, za istraživače koji su u mogućnosti postavljati zanimljiva pitanja, velika podaci drži veliko obećanje.
