2.5 დასკვნა

დიდი მონაცემები ყველგან არის, მაგრამ მისი გამოყენება და სხვა სახის ზედამხედველობითი მონაცემები სოციალური კვლევისა რთულია. ჩემი გამოცდილება არ არის რაღაც არსებობს უფასო სადილი ქონების კვლევა: თუ არ დააყენა ბევრი მუშაობა მონაცემების შეგროვება, მაშინ თქვენ ალბათ აპირებს უნდა დააყენოს ბევრი მუშაობა ანალიზის თქვენი მონაცემები ან ფიქრი რა არის საინტერესო კითხვა მონაცემები. ეფუძნება იდეების ამ თავში, მე ვფიქრობ, რომ არსებობს სამი ძირითადი გზები, რომ დიდი მონაცემთა წყაროები იქნება ყველაზე ფასეული სოციალური კვლევა:

ემპირიულად გადაწყვეტილების შორის კონკურენციას თეორიული წინასწარმეტყველება. მაგალითები ამ სახის სამუშაო მოიცავს Farber (2015) (New York ტაქსის მძღოლებს) და King, Pan, and Roberts (2013) (ცენზურა ჩინეთში)
გაუმჯობესებული სოციალური საზომი პოლიტიკას nowcasting. მაგალითად ამ სახის სამუშაო Ginsberg et al. (2009) (Google გრიპის ტენდენციები).
შეფასებისას მიზეზობრივი ეფექტი ბუნებრივი ექსპერიმენტი და შესატყვისი. მაგალითები ამ სახის სამუშაო. Mas and Moretti (2009) (თანხმობა ზეგავლენა პროდუქტიულობა) და Einav et al. (2015) (ეფექტი საწყისი ფასი აუქციონზე at eBay).

ბევრი მნიშვნელოვანი კითხვებს სოციალური კვლევა შეიძლება იყოს გამოხატული, როგორც ერთ-ერთი ამ სამი. თუმცა, ეს მიდგომები ზოგადად მოითხოვს მკვლევარები, რათა ბევრი მონაცემები. რა ხდის Farber (2015) საინტერესო თეორიული მოტივაცია გაზომვა. ეს თეორიული მოტივაცია გარედან მოდის მონაცემები. ამდენად, მათთვის, ვინც კარგად სვამს გარკვეული სახის კვლევის კითხვები, დიდი მონაცემები შეიძლება ძალიან ნაყოფიერი იყო.

და ბოლოს, ვიდრე თეორია ორიენტირებული ემპირიული კვლევის (რომელიც უკვე აქცენტი ამ თავში), ჩვენ შეგვიძლია Flip script და შექმნას ემპირიულად ორიენტირებული თეორიის. რომ არის, მეშვეობით ფრთხილად დაგროვების ემპირიულ ფაქტებს, თარგების და გამოცანები, ჩვენ შეგვიძლია ავაშენოთ ახალი თეორიები.

ეს ალტერნატივა, მონაცემთა პირველი მიდგომა თეორიის ახალი არ არის, და ეს იყო ყველაზე იძულებით არტიკულირება Glaser and Strauss (1967) ერთად მათი მოწოდება დასაბუთებული თეორია. ეს მონაცემები პირველი მიდგომა, თუმცა, არ ნიშნავს იმას, "ბოლოს თეორია", როგორც უკვე განაცხადა, გაცილებით ჟურნალისტიკის გარშემო კვლევითი ციფრული ასაკი (Anderson 2008) . უფრო მეტიც, როგორც მონაცემების გარემოს ცვლილებები, უნდა ველოდოთ ხელახლა დაბალანსება შორის ურთიერთობების თეორია და მონაცემები. მსოფლიოში, სადაც მონაცემების შეგროვება იყო ძვირი, ის აზრი, რომ მხოლოდ შეაგროვოს მონაცემები, რომ თეორიები ცხადყოფს, იქნება ყველაზე სასარგებლო. მაგრამ, იმ სამყაროში, სადაც უზარმაზარი რაოდენობით მონაცემები უკვე ხელმისაწვდომია უფასო, ის აზრი, რომ ასევე ვცდილობთ მონაცემთა პირველი მიდგომა (Goldberg 2015) .

როგორც მე აჩვენა ამ თავში, მკვლევარები შეიძლება ვისწავლოთ ბევრი რამ უყურებს ხალხი. მომდევნო სამი თავი, მე აღწერს, თუ როგორ შეგვიძლია უფრო მეტი და სხვადასხვა რამ, თუ ჩვენ მკერავი ჩვენი მონაცემების შეგროვება და ურთიერთქმედება ხალხი უფრო პირდაპირ ჰკითხვიდა მათ (თავი 3), გაშვებული ექსპერიმენტი (თავი 4), და კიდევ, რომელიც მოიცავს მათ კვლევის პროცესში უშუალოდ (თავი 5).