7.2.1 ರೆಡಿಮೇಡ್ಗಳು ಮತ್ತು ಕಸ್ಟಮೈಡ್ಗಳ ಮಿಶ್ರಣ

ಶುದ್ಧ ಸಿದ್ದಪಡಿಸಿದ ತಂತ್ರ ಅಥವಾ ಶುದ್ಧ ಕಸ್ಟಮೈಡ್ ತಂತ್ರವು ಸಂಪೂರ್ಣವಾಗಿ ಡಿಜಿಟಲ್ ವಯಸ್ಸಿನ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳುವುದಿಲ್ಲ. ಭವಿಷ್ಯದಲ್ಲಿ ನಾವು ಹೈಬ್ರಿಡ್ಗಳನ್ನು ರಚಿಸಲು ಹೋಗುತ್ತೇವೆ.

ಪರಿಚಯದಲ್ಲಿ, ನಾನು ಮೈಕೆಲ್ಯಾಂಜೆಲೋನ ಕಸ್ಟಮ್ ಶೈಲಿಯೊಂದಿಗೆ ಮಾರ್ಸೆಲ್ ಡಚಾಂಪ್ನ ಸಿದ್ದಪಡಿಸಿದ ಶೈಲಿಗೆ ತದ್ವಿರುದ್ಧವಾಗಿ. ಸಿದ್ಧತೆಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಒಲವು ತೋರುವ ಡಾಟಾ ವಿಜ್ಞಾನಿಗಳು ಮತ್ತು ಸಾಮಾಜಿಕ ವಿಜ್ಞಾನಿಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಈ ವಿರೋಧವು ಸೆರೆಹಿಡಿಯುತ್ತದೆ. ಭವಿಷ್ಯದಲ್ಲಿ, ಆದಾಗ್ಯೂ, ನಾವು ಹೆಚ್ಚು ಮಿಶ್ರತಳಿಗಳನ್ನು ನೋಡುತ್ತೇವೆ ಎಂದು ನಾನು ನಿರೀಕ್ಷಿಸುತ್ತೇನೆ ಏಕೆಂದರೆ ಈ ಪ್ರತಿಯೊಂದು ಶುದ್ಧ ವಿಧಾನಗಳು ಸೀಮಿತವಾಗಿವೆ. ಸಿದ್ಧ ಸಿದ್ಧತೆಗಳನ್ನು ಮಾತ್ರ ಉಪಯೋಗಿಸಬೇಕೆಂದು ಬಯಸುವ ಸಂಶೋಧಕರು ಹೋರಾಡುತ್ತಿದ್ದಾರೆ ಏಕೆಂದರೆ ಜಗತ್ತಿನಲ್ಲಿ ಅನೇಕ ಸುಂದರ ಸಿದ್ಧಮೆಡ್ಗಳು ಇರುವುದಿಲ್ಲ. ಮತ್ತೊಂದೆಡೆ ಮಾತ್ರ ಕಸ್ಟಮೈಸ್ಗಳನ್ನು ಬಳಸಲು ಬಯಸುವ ಸಂಶೋಧಕರು ಪ್ರಮಾಣವನ್ನು ತ್ಯಾಗ ಮಾಡಲಿದ್ದಾರೆ. ಹೇಗಾದರೂ, ಹೈಬ್ರಿಡ್ ವಿಧಾನಗಳು, ಕಸ್ಟಮ್ಮ್ಯಾಡ್ಗಳಿಂದ ಬರುವ ಪ್ರಶ್ನೆ ಮತ್ತು ಡೇಟಾ ನಡುವಿನ ಬಿಗಿಯಾದ ಫಿಟ್ ಜೊತೆ ರೆಡಿಮೇಡ್ಗಳೊಂದಿಗೆ ಬರುವ ಪ್ರಮಾಣವನ್ನು ಸಂಯೋಜಿಸಬಹುದು.

ನಾವು ನಾಲ್ಕು ಪ್ರಯೋಗಾತ್ಮಕ ಅಧ್ಯಾಯಗಳಲ್ಲಿ ಪ್ರತಿಯೊಂದರಲ್ಲೂ ಈ ಹೈಬ್ರಿಡ್ಗಳ ಉದಾಹರಣೆಗಳು ನೋಡಿದ್ದೇವೆ. ಅಧ್ಯಾಯ 2 ರಲ್ಲಿ, ಗೂಗಲ್ ಫ್ಲೂ ಟ್ರೆಂಡ್ಗಳು ವೇಗವಾಗಿ ಅಂದಾಜುಗಳನ್ನು (Ginsberg et al. 2009) ಉತ್ಪಾದಿಸುವ ಸಂಭವನೀಯತೆಯ-ಆಧಾರಿತ ಸಾಂಪ್ರದಾಯಿಕ ಮಾಪನದ ವ್ಯವಸ್ಥೆಯನ್ನು (ಸಿಡಿಸಿ ಇನ್ಫ್ಲುಯೆನ್ಸ ಕಣ್ಗಾವಲು ವ್ಯವಸ್ಥೆ) ಹೊಂದಿರುವ ಯಾವಾಗಲೂ ದೊಡ್ಡದಾದ ದತ್ತಾಂಶ ವ್ಯವಸ್ಥೆಯನ್ನು (ಶೋಧ ಪ್ರಶ್ನೆಗಳು) ಸಂಯೋಜಿಸಿದೆ ಎಂಬುದನ್ನು ನಾವು ನೋಡಿದೆವು. 3 ನೇ ಅಧ್ಯಾಯದಲ್ಲಿ, ಸ್ಟೀಫನ್ ಅನ್ಸೊಲಾಬೆರೈ ಮತ್ತು ಐಟನ್ ಹೆರ್ಷ್ (2012) ಅವರು ಸಿದ್ಧಪಡಿಸಿದ ಸರ್ಕಾರಿ ಆಡಳಿತಾತ್ಮಕ ಮಾಹಿತಿಯೊಂದಿಗೆ ಕಸ್ಟಮ್-ಮಾಡಿದ ಸಮೀಕ್ಷೆಯ ಡೇಟಾವನ್ನು ವಾಸ್ತವವಾಗಿ ಹೇಗೆ ಮತ ಚಲಾಯಿಸುವ ಜನರ ಗುಣಲಕ್ಷಣಗಳ ಬಗ್ಗೆ ಇನ್ನಷ್ಟು ತಿಳಿದುಕೊಳ್ಳಲು ಕಲಿತರು ಎಂದು ನಾವು ನೋಡಿದ್ದೇವೆ. 4 ನೇ ಅಧ್ಯಾಯದಲ್ಲಿ, ಓಪವರ್ ಪ್ರಯೋಗಗಳು ಲಕ್ಷಾಂತರ ಜನರ ನಡವಳಿಕೆಯ (Allcott 2015) ನ ವರ್ತನೆಯ ಮೇಲೆ ಸಾಮಾಜಿಕ ರೂಢಿಗಳ ಪರಿಣಾಮಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಕಸ್ಟಮ್ ತಯಾರಿಕೆಯ ವಿಧಾನದೊಂದಿಗೆ ತಯಾರಾದ ವಿದ್ಯುತ್ ಮಾಪನ ಮೂಲಸೌಕರ್ಯವನ್ನು ಹೇಗೆ ಸಂಯೋಜಿಸಿದೆ ಎಂಬುದನ್ನು ನಾವು ನೋಡಿದ್ದೇವೆ. ಅಂತಿಮವಾಗಿ, 5 ನೇ ಅಧ್ಯಾಯದಲ್ಲಿ ಕೆನ್ನೆತ್ ಬೆನೈಟ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು (2016) ರಾಜಕೀಯ ಪಕ್ಷಗಳು ರಚಿಸಿದ ಮ್ಯಾನಿಫೆಸ್ಟೋಸ್ ಸಿದ್ಧತೆಗೆ ಒಂದು ಗ್ರಾಹಕ ಗುಂಪು-ಕೋಡಿಂಗ್ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಅಳವಡಿಸಿದ್ದು, ನೀತಿ ಚರ್ಚೆಗಳ ಡೈನಾಮಿಕ್ಸ್ಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಸಂಶೋಧಕರು ಬಳಸಬಹುದಾದ ಡೇಟಾವನ್ನು ರಚಿಸುವಂತೆ ನಾವು ನೋಡಿದೆವು.

ಈ ನಾಲ್ಕು ಉದಾಹರಣೆಗಳೆಂದರೆ ಭವಿಷ್ಯದಲ್ಲಿ ಪ್ರಬಲವಾದ ಕಾರ್ಯನೀತಿ ಸಂಶೋಧನೆಗಾಗಿ ರಚಿಸಲ್ಪಟ್ಟಿಲ್ಲ, ಸಂಶೋಧನೆಗೆ ಹೆಚ್ಚು ಸೂಕ್ತವಾದ ಹೆಚ್ಚುವರಿ ಮಾಹಿತಿಯೊಂದಿಗೆ (Groves 2011) ದೊಡ್ಡ ಡೇಟಾ ಮೂಲಗಳನ್ನು ಉತ್ಕೃಷ್ಟಗೊಳಿಸುತ್ತದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ. ಇದು ಕಸ್ಟಮೈಡ್ ಅಥವಾ ರೆಡಿಮ್ಯಾಡ್ನಿಂದ ಆರಂಭವಾಗಲಿ, ಈ ಹೈಬ್ರಿಡ್ ಶೈಲಿಯು ಅನೇಕ ಸಂಶೋಧನಾ ಸಮಸ್ಯೆಗಳಿಗೆ ಉತ್ತಮ ಭರವಸೆಯನ್ನು ನೀಡುತ್ತದೆ.