ಯಾವಾಗಲೂ ಆನ್ ದೊಡ್ಡ ದಶಮಾಂಶ ಅನಿರೀಕ್ಷಿತ ಘಟನೆಗಳು ಮತ್ತು ನೈಜ ಸಮಯ ಮಾಪನ ಅಧ್ಯಯನ ಶಕ್ತಗೊಳಿಸುತ್ತದೆ.
ಅನೇಕ ದೊಡ್ಡ ದಶಮಾಂಶ ವ್ಯವಸ್ಥೆಗಳು ಯಾವಾಗಲೂ ಆನ್ ಇವೆ; ಅವರು ನಿರಂತರವಾಗಿ ಡೇಟಾ ಸಂಗ್ರಹಿಸುತ್ತಿದ್ದೇವೆ. ಈ ಯಾವಾಗಲೂ ಆನ್ ವಿಶಿಷ್ಟ ಉದ್ದುದ್ದವಾದ ಡೇಟಾ ಸಂಶೋಧಕರು ಒದಗಿಸುತ್ತದೆ (ಅಂದರೆ, ಕಾಲಾನಂತರದಲ್ಲಿ ಡೇಟಾ). ಯಾವಾಗಲೂ ಆನ್ ಬೀಯಿಂಗ್ ಸಂಶೋಧನೆಗೆ ಎರಡು ಪ್ರಮುಖ ಪರಿಣಾಮಗಳನ್ನು ಹೊಂದಿದೆ.
ಮೊದಲ, ಯಾವಾಗಲೂ ಆನ್ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಸಂಶೋಧಕರು ಹಿಂದೆ ಸಾಧ್ಯವಿಲ್ಲ ಎಂದು ರೀತಿಯಲ್ಲಿ ಅನಿರೀಕ್ಷಿತ ಘಟನೆಗಳು ಅಧ್ಯಯನ ಶಕ್ತಗೊಳಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, 2013 ರ ಬೇಸಿಗೆಯಲ್ಲಿ ಟರ್ಕಿ Gezi ಪ್ರತಿಭಟನೆ ಆಕ್ರಮಿಸಕೊಳ್ಳಬಹುದು ಅಧ್ಯಯನ ಆಸಕ್ತಿ ಸಂಶೋಧಕರಿಗೆ ಸಾಂಕೇತಿಕವಾಗಿ ಘಟನೆಯಲ್ಲಿ ಪ್ರತಿಭಟನಾಕಾರರ ವರ್ತನೆಯ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಲು ಪ್ರಯತ್ನಿಸಬಹುದು. Ceren, Budak ಮತ್ತು ಡಂಕನ್ ವಾಟ್ಸ್ (2015) ಸಮಯದಲ್ಲಿ, ಮೊದಲು ಪ್ರತಿಭಟನಾಕಾರರು ಟ್ವಿಟರ್ ಬಳಸಿ ಅಧ್ಯಯನ ಟ್ವಿಟರ್ ಯಾವಾಗಲೂ ಆನ್ ಪ್ರಕೃತಿ ಬಳಸಿಕೊಂಡು ಹೆಚ್ಚು ಮಾಡಲು ಸಾಧ್ಯವಾಯಿತು, ಮತ್ತು ಘಟನೆಯ ನಂತರ. ಮತ್ತು, ಅವರು ಸಮಯದಲ್ಲಿ, ಮೊದಲು ಅಲ್ಲದ ಭಾಗವಹಿಸುವವರು (ಅಥವಾ ಭಾಗವಹಿಸುವವರು ಯಾರು ಪ್ರತಿಭಟನೆ ಬಗ್ಗೆ ಟ್ವೀಟ್ ಮಾಡಲಿಲ್ಲ) ಒಂದು ಹೋಲಿಕೆ ಗುಂಪು ರಚಿಸಲು ಸಾಧ್ಯವಾಯಿತು, ಮತ್ತು ಘಟನೆಯ ನಂತರ (ಚಿತ್ರ 2.1). ಒಟ್ಟು ತಮ್ಮ ಮಾಜಿ ಪೋಸ್ಟ್ ಫಲಕ 30,000 ಟ್ವೀಟ್ಗಳನ್ನು ಎರಡು ವರ್ಷಗಳಲ್ಲಿ ಒಳಗೊಂಡಿತ್ತು. ಅವರು Gezi ಪ್ರತಿಭಟನೆ ಭಾಗವಹಿಸಲು ಮತ್ತು ದೃಷ್ಟಿಕೋನವೂ ಬದಲಾಗಬೇಕು ಅಂದಾಜು ಸಾಧ್ಯತೆ ಹೆಚ್ಚು ಜನರು ಯಾವ ರೀತಿಯ ಅಂದಾಜು ಸಾಧ್ಯವಾಯಿತು: ಈ ಇತರ ಮಾಹಿತಿಯನ್ನು ಪ್ರತಿಭಟನೆಯಿಂದಾಗಿ ಸರ್ವೇಸಾಮಾನ್ಯ ಬಳಸುವ ಡಾಟಾ augmenting ಮೂಲಕ Budak ಮತ್ತು ವಾಟ್ಸ್ ಹೆಚ್ಚು ತಿಳಿಯಲು ಸಾಧ್ಯವಾಯಿತು ಭಾಗವಹಿಸುವವರು ಮತ್ತು ಅಲ್ಲದ ಭಾಗವಹಿಸುವವರು ಎರಡೂ ಅಲ್ಪಾವಧಿಗೆ (Gezi-ಪೂರ್ವ Gezi ಸಮಯದಲ್ಲಿ ಹೋಲಿಸಿ) ಮತ್ತು ದೀರ್ಘಕಾಲದ (ನಂತರದ Gezi ಗೆ Gezi ಪೂರ್ವ ಹೋಲಿಸಿ).
ಈ ಕೆಲವು ಅಂದಾಜುಗಳನ್ನು ಇಲ್ಲದೆ ಮಾಡಲಾಗಿದೆ ಎಂದು ಸತ್ಯ ಯಾವಾಗಲೂ ಆನ್ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಮೂಲಗಳು (ಉದಾಹರಣೆಗೆ, ವರ್ತನೆ ಬದಲಾವಣೆ ದೀರ್ಘಕಾಲದ ಅಂದಾಜು), 30,000 ಜನರಿಗೆ ಇಂತಹ ಮಾಹಿತಿ ಸಂಗ್ರಹ ತುಂಬಾ ದುಬಾರಿ ಎಂದು ಆದರೂ. ಮತ್ತು, ಸಹ ಅನಿಯಮಿತ ಬಜೆಟ್ ನೀಡಲಾಯಿತು, ನಾನು ಮೂಲಭೂತವಾಗಿ ಸಂಶೋಧಕರು ಸಮಯ ಮತ್ತೆ ಪ್ರಯಾಣ ಮತ್ತು ನೇರವಾಗಿ ಹಿಂದೆ ಭಾಗವಹಿಸುವವರು ವರ್ತನೆಯನ್ನು ವೀಕ್ಷಿಸಲು ಅನುಮತಿಸುವ ಯಾವುದೇ ವಿಧಾನವನ್ನು ಯೋಚಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಹತ್ತಿರದ ಪರ್ಯಾಯ ವರ್ತನೆಯನ್ನು ಪೂರ್ವನಿದರ್ಶನದ ವರದಿಗಳು ಸಂಗ್ರಹಿಸಲು ಎಂದು, ಆದರೆ ಈ ವರದಿಗಳು ಸೀಮಿತ ಸೂಕ್ಷ್ಮತೆಯನ್ನು ಮತ್ತು ಪ್ರಶ್ನಾರ್ಹ ನಿಖರತೆಯನ್ನು ಎಂದು. ಕೋಷ್ಟಕ 2.1 ಒಂದು ಯಾವಾಗಲೂ ಆನ್ ಡೇಟಾ ಮೂಲ ಅನಿರೀಕ್ಷಿತ ಘಟನೆ ಅಧ್ಯಯನ ಬಳಸುವ ಅಧ್ಯಯನಗಳು ಇತರ ಉದಾಹರಣೆಗಳು ಒದಗಿಸುತ್ತದೆ.
ಅನಿರೀಕ್ಷಿತ ಘಟನೆ | ಯಾವಾಗಲೂ ಆನ್ ಡೇಟಾ ಮೂಲ | ಉಲ್ಲೇಖದ |
---|---|---|
ಟರ್ಕಿಯಲ್ಲಿ Gezi ಚಳುವಳಿ ಆಕ್ರಮಿಸಕೊಳ್ಳಬಹುದು | ಟ್ವಿಟರ್ | Budak and Watts (2015) |
ಹಾಂಗ್ ಕಾಂಗ್ ಅಂಬ್ರೆಲಾ ಪ್ರತಿಭಟನೆ | Weibo, | Zhang (2016) |
ನ್ಯೂಯಾರ್ಕ್ ಸಿಟಿ ಪೊಲೀಸ್ ಗುಂಡಿನ | ನಿಲ್ಲಿಸಿ ಮತ್ತು FRISK ವರದಿಗಳು | Legewie (2016) |
ವ್ಯಕ್ತಿ ಐಸಿಸ್ ಸೇರುವ | ಟ್ವಿಟರ್ | Magdy, Darwish, and Weber (2016) |
ಸೆಪ್ಟೆಂಬರ್ 11, 2001 ದಾಳಿ | livejournal.com | Cohn, Mehl, and Pennebaker (2004) |
ಸೆಪ್ಟೆಂಬರ್ 11, 2001 ದಾಳಿ | ಪೇಜರ್ ಸಂದೇಶಗಳನ್ನು | Back, Küfner, and Egloff (2010) , Pury (2011) , Back, Küfner, and Egloff (2011) |
ಎರಡನೇ, ಯಾವಾಗಲೂ ಆನ್ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಸಂಶೋಧಕರು ನೀತಿ ತಯಾರಕರು ಕೇವಲ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವರ್ತನೆಯನ್ನು ಕಲಿಯಬಹುದು ಆದರೆ ಇದು ಪ್ರತಿಕ್ರಿಯಿಸಲು ಎಲ್ಲಿ ಸೆಟ್ಟಿಂಗ್ಗಳನ್ನು ಮುಖ್ಯವಾಗಿದೆ ಮಾಡಬಹುದು ನಿಜಾವಧಿಯ ಮಾಪನಗಳು, ಉತ್ಪಾದಿಸಲು ಶಕ್ತಗೊಳಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಡೇಟಾ ನೈಸರ್ಗಿಕ ವಿಪತ್ತುಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆ ಮಾರ್ಗದರ್ಶನ ಬಳಸಬಹುದು (Castillo 2016) .
ತೀರ್ಮಾನಕ್ಕೆ ರಲ್ಲಿ, ಯಾವಾಗಲೂ ಆನ್ ದಶಮಾಂಶ ವ್ಯವಸ್ಥೆಗಳು ಅನಿರೀಕ್ಷಿತ ಘಟನೆಗಳು ಅಧ್ಯಯನ ಮತ್ತು ಕಾರ್ಯನೀತಿ ರೂಪಿಸುವವರು ನಿಜಾವಧಿಯ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸಲು ಸಂಶೋಧಕರು ಶಕ್ತಗೊಳಿಸಿ. ನಾನು ಮಾಡಲಿಲ್ಲ, ಆದರೆ, ಯಾವಾಗಲೂ ಆನ್ ದಶಮಾಂಶ ವ್ಯವಸ್ಥೆಗಳು ಸಂಶೋಧಕರು ದೀರ್ಘಕಾಲದವರೆಗೆ ಮೇಲೆ ಬದಲಾವಣೆಗಳನ್ನು ಟ್ರ್ಯಾಕ್ ಶಕ್ತಗೊಳಿಸಲು ಸಲಹೆ. ಅನೇಕ ದೊಡ್ಡ ದಶಮಾಂಶ ವ್ಯವಸ್ಥೆಗಳು ನಿರಂತರವಾಗಿ ಬದಲಾಗುತ್ತಿದೆ ಒಂದು ಏಕೆಂದರೆ ಎಂದು ಕರೆಯಲ್ಪಡುವ ಪ್ರಕ್ರಿಯೆಯ ಡ್ರಿಫ್ಟ್ (ವಿಭಾಗ 2.3.2.4) ಎಂಬುದು.