2.5まとめ

ビッグデータはどこにでもあるが、それと社会研究のための観測データの他の形態を使用することは困難です。私の経験では、研究のためノーフリーランチのプロパティのようなものがあります：あなたは、データを収集する多くの仕事を入れていない場合、あなたはおそらく、あなたのデータを分析する作業の多くで、またはを考えるに入れする必要があるとしていますデータのどのような興味深い問題であるを依頼します。この章のアイデアに基づいて、私は大きなデータソースが社会調査のための最も貴重になります主に次の3通りの方法があると思います。

• 経験的に競合する理論的予測との間で裁定。この種の作業の例としては、 Farber (2015)ニューヨークタクシーの運転手）とKing, Pan, and Roberts (2013)中国での検閲を）
• nowcastingを通じて政策のための社会的な測定を改善しました。この種の作業の例があるGinsberg et al. (2009) （Googleインフルトレンド）。
• 自然の実験と一致するとの因果効果を推定します。この種の作業の例。 Mas and Moretti (2009)生産性のピア効果）とEinav et al. (2015)イーベイでオークションに開始価格の影響）。

社会調査の多くの重要な問題は、これらの3つのいずれかのように表すことができました。しかし、これらのアプローチは、一般に、データに多くをもたらすために、研究者を必要とします。何がFarber (2015)面白いことは、測定のための理論的な動機です。この理論的な動機は、データ外から来ています。このように、研究課題の特定のタイプを尋ねる得意な人のために、ビッグデータ・ソースは、非常に実りすることができます。

最後に、むしろ（この章に焦点を当ててきました）理論主導の実証研究よりも、我々はスクリプトを反転し、 経験的に主導の理論化を作成することができます。それは、経験的事実、パターン、パズルを慎重に蓄積を通じて、我々は新しい理論を構築することができますされています。

この選択肢は、理論へのデータの最初のアプローチは新しいものではありません、それは最も強制的にすることにより、多関節たGlaser and Strauss (1967) 接地理論のための彼らの呼び出しで。デジタル時代における研究の周りのジャーナリズムの多くが主張されているように、このデータの最初のアプローチは、しかし、「理論の終わり」を意味するものではありません(Anderson 2008)むしろ、データ環境の変化に応じて、我々は理論とデータの関係で再バランシングを期待していなければなりません。データ収集が高価だった世界では、それが唯一の理論が最も有用であろう示唆しているデータを収集するために理にかなっています。しかし、膨大な量のデータが既に無料で利用できます世界では、それはまた、データの最初のアプローチしようとすることは理にかなって(Goldberg 2015)

私は、この章で示したように、研究者は人々を見て多くのことを学ぶことができます。次の3つの章では、私たちは（第4章）実験を実行する、（第3章）、彼らに質問をし、さらにそれらを巻き込んで、より直接的に人々と私たちのデータ収集を調整し、相互作用している場合、我々はより多くのと異なるものを学ぶことができる方法を説明します研究プロセスにおける直接（第5章）。