2.4.1 계수 것들

당신이 좋은 데이터가있는 좋은 질문을 결합하면 단순 계산은 재미있을 수있다.

이 정교한 사운드 언어로 누이 있지만, 사회 연구의 많은 정말 일을 기대하고있다. 빅 데이터의 시대에, 연구자들은 그 어느 때보 다 셀 수 있지만, 자동으로 해당 연구가 더 많은 물건을 계산에 집중해야 의미하지 않는다. 계산 가치가 무엇 일 : 우리가 빅 데이터와 함께 좋은 연구를하려는 경우 대신, 우리는 질문해야합니까? 이것은 전적으로 주관적인 문제처럼 보일 수 있지만, 몇 가지 일반적인 패턴이있다.

나는 아무도 이전에 계산되지 무언가를 계산하는거야 : 종종 학생들은 말을하여 자신의 계산 연구 동기를 부여. 예를 들어, 말할 수있는 학생은, 많은 사람들이 이주 노동자를 공부하고 많은 사람들이 쌍둥이를 연구했지만, 아무도 이주 쌍둥이를 연구하지 않았다. 부재에 의해 동기 부여는 일반적으로 좋은 연구로 이어질하지 않습니다. 물론, 이주 쌍둥이를 연구하는 좋은 이유가 될 수 있지만, 이전에 연구되지 ​​않은 사실은 그들이 지금 공부해야한다는 것을 의미하지 않는다. 아무도 내 사무실에서 카펫에 스레드의 수를 계산하지 않았다,하지만 자동이 좋은 연구 프로젝트가 될 것이라는 점을 의미하지는 않습니다. 부재에 의해 동기 부여의 종류 말과 같다 : 봐, 구멍이 거기있다, 나는 그것을 채우기 위해 매우 열심히 일하겠습니다. 그러나, 아니 모든 구멍이 작성 될 필요가있다.

대신 부재에 의해 동기 부여, 나는 연구가 (또는 이상적으로 모두) 흥미 롭거나 중요한 경우, 두 가지 상황에서 좋은 연구지도를 계산한다고 생각합니다. 이 정책 결정을 구동 경제 지표이므로 예를 들어, 실업률을 측정하는 것이 중요하다. 일반적으로 사람들은 중요한 것이 무엇인지 꽤 좋은 감각을 가지고있다. 그래서,이 섹션의 나머지 부분에서, 나는 계산이 흥미 롭다 세 가지 예를 제공하겠습니다. 각각의 경우에, 연구자들은 오히려 그들이 어떻게 사회 시스템 작업에 대한 일반적인 아이디어에 중요한 통찰력을 보여 매우 특별한 설정에서 계산 된, 우연히 계산되지 않았다. 즉, 이들 특정 계수 운동 흥미 무엇이 많이없는 데이터 자체에는, 이러한 일반적인 개념에서 온다.

뉴욕의 택시 운전사의 1) 작업 동작 (제 2.4.1.1) 중국 정부의 학생 (제 2.4.1.2에 의한 2) 우정 형성), 3) 소셜 미디어 검열 동작 : 나는에 세 가지 예를 제시합니다 아래 (제 2.4.1.3). 어떤 이러한 실시 예는 공유하는 그들 모두가 큰 데이터를 계산하는 것은 이론적 예측을 테스트하는데 사용될 수 있다는 것을 표시한다는 것이다. 어떤 경우에는, 큰 데이터 소스 (뉴욕 택시의 경우에서와 같이) 상대적으로 직접 계산을 수행 할 수 있습니다. 다른 경우에서, 연구자들은 (친구 형성의 경우와 같이)와 함께 operationalizing 이론적 구조 데이터를 병합하여 불완전 처리해야한다; 어떤 경우에는 연구자 (소셜 미디어 검열의 경우처럼) 자신의 관측 데이터를 수집해야합니다. 나는 희망 이러한 예는 흥미로운 질문을 할 수있는 연구자, 빅 데이터가 큰 약속을 보유 보여줍니다.