2.4.1 Есеп заттар

Егер сіз жақсы деректермен жақсы сұрақ біріктіру, егер қарапайым санау қызықты болуы мүмкін.

ол күрделі зондтау тілінде тұжырымдалған болса да, әлеуметтік зерттеулер көп, шын мәнінде ғана нәрсені үміт артып отыр. Big Data жасында, зерттеушілер көп көрдіңіз сене алады, бірақ бұл автоматты түрде ғылыми-зерттеу көбірек нәрселерді санау бағытталуы тиіс дегенді білдірмейді. заттар санау тұр: біз үлкен деректермен жақсы зерттеулер не істемекшісің егер орнына, біз сұрағым керек? Бұл мүлдем субъективті мәселе болып көрінуі мүмкін, бірақ кейбір жалпы заңдылықтары бар.

Мен бірде-бір бұрын-соңды санақ аяқталған нәрсе санау бара жатырмын: Жиі студенттер былай деп олардың санау зерттеулер ынталандырады. Мысалы, студент айта алар еді, көптеген адамдар мигранттарды оқыған және көптеген адамдар егіз оқыған, бірақ ешкім мигрант егіздерді зерделенді. болмауы Motivation әдетте жақсы зерттеулер әкеп соқпайды. Әрине, мигрант егіз оқуға жақсы себептер болуы мүмкін, бірақ олар бұрын зерттелген емес факт олар қазір оқыған жөн дегенді білдірмейді. Бірде-бір кездері менің кеңсесінде кілемде ағындар санын санап алды, бірақ бұл автоматты түрде осы жақсы зерттеу жобасы болады деп білдірмейді. болмауы Motivation түрі былай сияқты: көрінуі, онда астам саңылау ғой, мен оны толтыру үшін өте қиын жұмыс істеуге бара жатырмын. Бірақ, әрбір емес тесік толтырылған қажет.

Оның орнына болмауы ынталандыру, мен ғылыми-зерттеу, қызықты немесе маңызды (немесе дұрысы екі) кезде санау, екі жағдайда жақсы зерттеулер әкеледі деп ойлаймын. ол саяси шешімдерді дискілер экономиканың көрсеткіштің өйткені Мысалы, жұмыссыздық деңгейі өлшеу маңызды болып табылады. Жалпы, адам үшін маңызды қандай өте жақсы сезім бар. Сондықтан, осы бөлімде қалған, Мен санау қызықты үш мысалын қамтамасыз бара жатырмын. Әрбір жағдайда, зерттеушілер емес, олар қандай әлеуметтік жүйелер жұмысы туралы жалпы идеялар ішіне маңызды түсіну анықталған өте Атап параметрлерінде санау болды, жүйесіз санау жоқ. Басқаша айтқанда, бұл, атап айтқанда, санау жаттығулар қызықты неде көп деректер өзі емес, бұл одан да көп жалпы идеялар келеді.

Төменде Мен үш мысалдар туралы ұсынуы алатындарыңыз: Нью-Йорк қаласында такси жүргізушілердің 1) жұмыс мінез-құлық (Бөлім 2.4.1.1), студенттердің 2) достық қалыптастыру (бөлім 2.4.1.2) және Қытай үкіметі 3) әлеуметтік медиа цензура мінез- (бөлім 2.4.1.3). Бұл мысалдар бөлісуге олар барлық ірі деректерді санау теориялық болжамдарды тексеру үшін пайдалануға болады көрсеткендей, бұл. Кейбір жағдайларда, үлкен деректер көздері (Нью-Йорк такси жағдайда ретінде) салыстырмалы тікелей осы санау орындауға мүмкіндік береді. Басқа жағдайларда, зерттеушілер бірге деректерді біріктіру және (достық қалыптастыру жағдайында сияқты) қызметінің жеделдігін теориялық құратын арқылы толық шешу үшін қажет; және кейбір жағдайларда зерттеушілер (әлеуметтік медиа цензура жағдайда ретінде) өз байқау деректерді жинау қажет болады. Мен бұл мысалдарды көрсету үміттенеміз ретінде, қызықты сұрақтар қоюға қабілетті зерттеушілер, Big Data үлкен жол ашады.