7.2.1 מיזוג של רדימיידס ומנהגים

לא אסטרטגיה טהורה readymade ולא אסטרטגיה מותאמת אישית טהורה לחלוטין מנצל את היכולות של העידן הדיגיטלי. בעתיד אנחנו הולכים ליצור כלאיים.

בהקדמה, אני בניגוד לסגנון המוכן של מרסל דושאן בסגנון מיכלאנג'לו. ניגוד זה גם לומד הבדל בין מדעני נתונים, אשר נוטים לעבוד עם readymades, ומדעני החברה, אשר נוטים לעבוד עם custommades. בעתיד, לעומת זאת, אני מצפה שנראה יותר כלאיים כי כל אלה גישות טהורות מוגבלות. חוקרים שרוצים להשתמש רק readymades הולכים להילחם כי אין הרבה readymades יפה בעולם. חוקרים שרוצים להשתמש רק custommades, לעומת זאת, הולכים להקריב את הסולם. גישות היברידיות, לעומת זאת, ניתן לשלב את קנה המידה שמגיע עם readymades עם התאמה הדוקה בין שאלה ונתונים שמגיע custommades.

ראינו דוגמאות של כלאיים אלה בכל אחד מארבעת הפרקים האמפיריים. בפרק 2, ראינו כיצד Google Flu Trends שילב מערכת נתונים גדולה תמידית (שאילתות חיפוש) עם מערכת מדידה מסורתית המבוססת על הסתברות (מערכת בקרת שפעת CDC) כדי להפיק הערכות מהירות יותר (Ginsberg et al. 2009) . בפרק 3 ראינו כיצד סטפן אנסולבהר ואייתן הרש (2012) שילבו נתוני סקר מותאמים אישית עם נתונים ממשלתיים מוכנים מראש על מנת ללמוד עוד על המאפיינים של האנשים המצביעים בפועל. בפרק 4 ראינו כיצד הניסויים של אופוור שילבו את תשתית המדידה של רדימייד חשמל עם טיפול מותאם אישית כדי ללמוד את ההשפעות של נורמות חברתיות על התנהגות של מיליוני אנשים (Allcott 2015) . לבסוף, בפרק 5, ראינו כיצד קנת בנואה ועמיתיו (2016) מיישמים תהליך קידוד קהל מותאם אישית על מנת ליצור סדרה של המניפסטים שנוצרו על ידי מפלגות פוליטיות כדי ליצור נתונים שהחוקרים יכולים להשתמש בהם כדי לחקור את הדינמיקה של ויכוחים במדיניות.

ארבע דוגמאות אלה מראות כי אסטרטגיה רבת עוצמה בעתיד תהיה להעשיר מקורות נתונים גדולים, אשר אינם נוצרים למחקר, עם מידע נוסף שהופך אותם יותר מתאים למחקר (Groves 2011) . בין אם זה מתחיל עם custommade או את readymade, זה סגנון היברידי מחזיקה מבטיח גדול עבור בעיות מחקר רבות.