2.3.1.3 비 반응성

측정은 큰 데이터 소스의 동작을 변경하는 것이 훨씬 가능성이 적습니다.

사회 연구의 하나의 문제는 그들이 연구에 의해 관찰되고 있다는 것을 알고있을 때 사람들이 자신의 동작을 변경할 수 있다는 것입니다. 사회 과학자들은 일반적으로 연구원 측정 반응성에 대한 응답에서이 동작 변경 전화 (Webb et al. 1966) . 많은 연구자가 약속 찾을 빅 데이터의 한 측면은 참가자들이 일반적으로 자신의 데이터를 캡처하고 있습니다 또는 그들이 더 이상 자신의 동작을 변경이 데이터 수집에 너무 익숙해 있음을 인식하지 못하는 것입니다. 그들은 비 반응성이기 때문에, 따라서, 큰 데이터의 많은 소스는 이전에 수정할 수있는 정확한 측정되지 않은 동작을 연구하기 위해 이용 될 수있다. 예를 들어, Stephens-Davidowitz (2014) 미국의 다른 지역에서 인종 적의를 측정하기 위해 검색 엔진 쿼리 인종 차별 용어의 보급을 사용했다. 검색 데이터 (이전 섹션 참조) 비 반응성 큰 성질은 조사와 같은 다른 방법을 사용하여 측정 어려울 수 있었다.

비 반응성 그러나, 이러한 데이터는 사람들의 행동이나 태도의 반영 어떻게 든 직접 있는지 확인하지 않습니다. 예를 들어, 하나의 응답자로 말했다 Newman et al. (2011) , 몇 가지 큰 데이터 소스들은 항상 사회적 바람직 함 바이어스 무료로하지 않습니다, 비 반응성에도 불구하고, 즉 "내가 문제, 난 그냥 페이스 북에 이르렀 아니에요을.이없는 것이 아니다" 사람들의 경향은 최상의 방법으로 자신을 제시 할 수 있습니다. 또한, 내가 아래에 자세히 설명 하겠지만,이 데이터 소스가 때로는 플랫폼 소유자의 목표에 의해 영향을받는, 알고리즘 혼란이라는 문제 (아래 자세한 설명).

비 반응성 있지만 윤리적 문제는 제 6 장 시간보다 반응성이 될 빅 데이터 시스템을 이어질 수 증가 디지털 감시에 대한 공개 반발, 강력한 아래 상세하게 설명 던질 수 동의 및 인식없이 사람들의 행동을 추적, 연구에 유리하다 디지털 감시에 대한 우려도 (자세한 설명) 비 대표성에 대한 우려가 증가하고, 완전히 빅 데이터 시스템의 옵트 아웃을 시도하는 사람들을 이끌 수 있습니다.

상시, 연구 큰 사회적, 비 반응성 - 일반적으로 이러한 데이터 소스가 연구를 위해 연구자에 의해 생성되지 않았기 때문에 발생에 대한 빅 데이터의이 세 가지 좋은 특성. 지금, 나는 연구를위한 나쁜 빅 데이터 소스의 칠 속성을 설정합니다. 이러한 기능은이 데이터 연구를위한 연구자들에 의해 생성되지 않았기 때문에 발생하는 경향이있다.