2.3.2 Tansah-on
Tansah ing data amba mbisakake sinau acara sing ora dikarepke lan pangukuran nyata-wektu.
Akeh sistem data amba tansah ing; lagi saya ngempalaken data. Karakteristik iki tansah ing menehi peneliti karo data longitudinal (IE, data liwat wektu). Kang tansah ing wis loro mbek penting kanggo riset.
Kapisan, tansah-ing koléksi data mbisakake peneliti kanggo nyinaoni acara-acara sing ora dikarepake kanthi cara sing ora bisa dilakoni. Contone, panaliti sing kepengin sinau sing mbantah protes Gezi ing Turki ing mangsa panas 2013 mesthi fokus ing prilaku para demonstran sajrone acara kasebut. Ceren Budak lan Duncan Watts (2015) bisa nindakake kanthi nggunakake fitur Twitter sing tansah ono kanggo sinau para demonstran sing nggunakake Twitter sadurunge, sakwisé, lan sawise acara kasebut. Lan, padha bisa nggawe grup comparison nonparticipants sadurunge, sak suwene, lan sawise acara (tokoh 2.2). Total, panel ex-post kalebu tweets saka 30.000 wong liwat rong taun. Kanthi nambahi data sing umum digunakake saka protes karo informasi liyane, Budak lan Watts bisa sinau luwih akeh: padha bisa ngira apa jenis wong sing luwih seneng berpartisipasi ing protes Gezi lan kanggo ngira owah-owahan ing sikap peserta lan nonpartis, ing jangka pendek (mbandhingake pre-Gezi kanggo Gezi) lan ing jangka panjang (mbandhingake pre-Gezi kanthi post-Gezi).
Gambar 2.2: Desain sing digunakake dening Budak and Watts (2015) kanggo nyinaoni protes Gezi Occupy ing Turki ing musim panas 2013. Kanthi nggunakake fitur Twitter, peneliti nggawe apa sing disebut panel ex-post sing kalebu babagan 30.000 wong liwat rong taun. Benten kaliyan studi khas ingkang fokus ing para peserta nalika protes, panel ex-post nambah 1) data saking peserta saderengipun lan kalih acara lan 2) data saking nonparticipant saderengipun, saksampune, lan sasampunipun acara kasebut. Struktur data sing dikuatake iki mbiyantu Budak lan Watts kanggo ngira apa jenis wong sing luwih cenderung melu protes Gezi lan kanggo ngetungake owah-owahan sikap lan non partisipan, ing wektu sing cendhak (mbandingake pra-Gezi nalika Gezi ) lan ing jangka panjang (mbandhingake pre-Gezi kanthi post-Gezi).
A skeptik bisa nuduhaké yèn sawetara prakiran kasebut bisa digawe tanpa sumber-sumber pangumpulan data tansah (contone, perkiraan jangka panjang saka owah-owahan sikap), lan sing bener, senadyan koleksi data kuwi kanggo 30.000 wong mesthi wis cukup larang. Sanajan diwenehi anggaran tanpa wates, Nanging, aku ora bisa mikir apa cara liya sing tegese ngidini para peneliti mlayu bali ing wektu lan langsung mirsani perilaku para peserta ing jaman kepungkur. Alternatif sing paling cedhak yaiku nglumpukake laporan retrospektif saka prilaku, nanging laporan kasebut bakal diwatesi kanthi winates lan akurat. Tabel 2.1 nyedhiyakake conto studi liyane sing nggunakake sumber data tansah kanggo nyinaoni acara sing ora kaduga.
| Acara sing ora dikarepake | Sumber data tansah-on | Kutipan |
|---|---|---|
| Occupy Gezi movement in Turkey | Budak and Watts (2015) | |
| Protes payung di Hong Kong | Zhang (2016) | |
| Penangkapan polisi di New York City | Laporan stop-lan-frisk | Legewie (2016) |
| Wong sing gabung karo ISIS | Magdy, Darwish, and Weber (2016) | |
| Serangan tanggal 11 September 2001 | uripjournal.com | Cohn, Mehl, and Pennebaker (2004) |
| Serangan tanggal 11 September 2001 | pager pesen | Back, Küfner, and Egloff (2010) , Pury (2011) , Back, Küfner, and Egloff (2011) |
Saliyane sinau ing acara sing ora dikarepake, sistem data tansah-ing uga ngidini peneliti mrodhuksi estimasi wektu nyata, sing bisa dadi penting ing setelan manawa para pembuat kebijakan-ing pemerintah utawa industri-arep nanggapi adhedhasar kesadaran situasional. Contone, data media sosial bisa digunakake kanggo nuntun respon darurat marang bencana alam (Castillo 2016) lan macem-macem sumber data sing gedhe banget bisa digunakake ngasilake prakiraan ekonomi wektu nyata (Choi and Varian 2012) .
Ing kesimpulan, sistem data tansah-ing ngidini peneliti nyinaoni acara sing ora dikarepake lan nyedhiyakake informasi nyata wektu kanggo pembuat kebijakan. Nanging, aku ora ngira yen sistem data tansah cocok kanggo nelusuri owah-owahan ing wektu sing suwe banget. Iku amarga akeh sistem data amba sing terus saya ganti-proses sing bakal aku sebut drift ing bab kasebut (bagean 2.3.7).
