2.3.1.2 Әрқашан қосулы
Әрқашан-үлкен деректер күтпеген оқиғалар мен нақты уақытта өлшеу зерттеу мүмкіндік береді.
Көптеген Big Data Systems әрдайым-бар; олар үнемі деректерді жинау. Бұл әрдайым қосулы сипаттамасы бойлық деректер (ұзақ уақыт бойы, яғни, деректер) бар зерттеушілерге ұсынады. әрқашан қосулы бола зерттеу үшін екі маңызды мәнге ие.
Біріншіден, деректер жинау әрқашан-бұрын мүмкін емес болды жолдармен күтпеген оқиғаларды оқуға зерттеушілер мүмкіндік береді. Мысалы, 2013 жылдың жазында Түркияда Оккупай Қыдыру наразылық әдетте шара барысында шерушілер мінез аударылмақ үйренуге мүдделі зерттеушілер. Ceren Budak және Дункан Уоттс (2015) , сондай-ақ іс-шараға кейін кезінде, бұрын Twitter-пайдаланып шерушілерді оқуға әрдайым бойынша Twitter сипаты пайдалану арқылы көп істеу мүмкіндігіне ие болды. Ал, олар кезінде, сондай-ақ іс-шараға (сурет 2.1) кейін, дейін, (наразылық туралы твит жоқ, немесе қатысушылардың) емес қатысушылардың салыстыру тобын құру мүмкіндігіне ие болды. Барлығы олардың бұрынғы кейінгі панелі екі жылда 30000 адам твиттер жазбалары енгізілген. Осы және басқа да ақпаратпен наразылық түскен әдетте пайдаланылатын деректерді толықтыру арқылы, Budak және Уоттс әлдеқайда көбірек білу мүмкіндігіне ие болды: олар Қыдыру наразылық қатысуға және қатынастарда өзгерістер бағалауға көбірек болғанын адамдардың қандай түрлері бағалауға мүмкіндік алды қатысушылар мен емес қатысушылар (Қыдыру кезінде алдын ала Қыдыру салыстыру) қысқа мерзімді және ұзақ мерзімді перспективада (-Қыдыру қалдыру үшін алдын-ала Қыдыру салыстыру) екі.
Сурет: 2.1 пайдаланылатын Дизайн Budak and Watts (2015) Twitter сипатына әрқашан бойынша, зерттеушілер, олар туралы енгізілген экс-пост панельді деп аталатын қандай құрылған пайдалана отырып, 2013 жылдың жазында Түркияда Қыдыру наразылық Оккупай оқуға екі жылда 30000 адам. Керісінше болған наразылық кезінде қатысушылардың бағытталған типтік оқу, экс-хабар панелі, және іс-шара аяқталғаннан кейін кезінде: 1) қатысушылардың деректерді дейін және іс-шараға кейін және бұрын емес қатысушылардың 2) деректерді қосады. Бұл байытылған деректер құрылымы кезінде алдын ала Қыдыру салыстыру (Қыдыру наразылық қатысуға және екі қысқа мерзімді перспективада, қатысушылардың және емес қатысушылардың қатынастарының өзгерістер бағалауға көбірек болғанын адамдардың қандай түрлері бағалауға Budak және Ватт қосылған Қыдыру) және ұзақ мерзімді перспективада ()-Қыдыру қалдыру үшін алдын-ала Қыдыру салыстыру.
Ол 30,000 адамдар үшін осындай деректер жинау өте қымбат еді, бірақ осы бағалаулардың кейбір, деректер жинау көздері (мысалы, көзқарасы өзгеруі ұзақ мерзімді бағалаулар) әрқашан бойынша жоқ жасалған еді рас. Ал, тіпті шексіз бюджет ескере отырып, мен шын мәнінде зерттеушілер уақыт бұрын саяхат және тікелей өткен қатысушылар мінез-байқауға мүмкіндік береді кез келген басқа әдiсi туралы ойлауға алмаймын. жақын балама мінез-ретроспективті есептілікті жинау болар еді, бірақ осы есептер шектеулі егжей және күмәнді дәлдік болар еді. 2.1-кесте күтпеген оқиғаны оқуға әрдайым бойынша деректер к зін пайдалану зерттеулер басқа мысалдарын қамтиды.
| күтпеген іс-шара | Әрқашан қосулы деректер көзі | дәйексөз |
|---|---|---|
| Түркияда Қыдыру қозғалысын алады | Budak and Watts (2015) | |
| Гонконгта Umbrella наразылықтар | Zhang (2016) | |
| Нью-Йорк қаласында полиция түсірілімін | Stop-мен-, тексеру есептер | Legewie (2016) |
| ISIS қосылу Тұлға | Magdy, Darwish, and Weber (2016) | |
| 11 қыркүйек, 2001 шабуыл | livejournal.com | Cohn, Mehl, and Pennebaker (2004) |
| 11 қыркүйек, 2001 шабуыл | пейджер хабарламалар | Back, Küfner, and Egloff (2010) , Pury (2011) , Back, Küfner, and Egloff (2011) |
Екіншіден, әрқашан бойынша деректер жинау саясаткерлер ғана қолданыстағы мінез-үйренуге, сонымен қатар оған жауап жоқ келеді параметрлерінде маңызды болуы мүмкін нақты уақыт өлшеу, өндіруге зерттеушілер береді. Мысалы, әлеуметтік медиа деректер табиғи апаттар жауап басшылық үшін пайдаланылуы мүмкін (Castillo 2016) .
Қорытындылай келе, Data Systems әрдайым бойынша күтпеген оқиғаларды зерттеу және саясаткерлер нақты уақыттағы ақпаратты қамтамасыз ету үшін зерттеушілерді мүмкіндік береді. Мен, алайда, бұл әрқашан бойынша деректер жүйелерді ұзақ уақыт астам өзгерістерді бақылау үшін зерттеушілер мүмкіндік береді ұсынамын жоқ. Көптеген Big Data Systems үнемі өзгеріп-бір себебі дрейф (Бөлім 2.3.2.4) деп аталатын процесс болып табылады.
