2.5 결론

빅 데이터는 모든 곳이지만, 사회적 연구를위한 관측 자료의 다른 형태를 사용하는 것은 어렵다. 내 경험에 연구를위한없이 무료 점심 속성 같은 것이있다 : 데이터를 수집하는 작업을 많이 넣어하지 않는 경우, 당신은 아마 당신의 데이터를 분석하는 작업을 많이 나에 대해 생각을 넣어해야 할 것 데이터의 어떤 흥미로운 질문에 요청합니다. 이 장에서 아이디어를 바탕으로, 나는 빅 데이터 소스가 사회 연구를위한 가장 가치있는 것입니다 세 가지 방법이 있다고 생각합니다 :

• 경험적 이론적 예측을 경쟁하는 사이에 판결. 이런 일의 예는 Farber (2015) (뉴욕 택시 드라이버)와 King, Pan, and Roberts (2013) (중국에서 검열을)
• nowcasting을 통해 정책 개선 사회적 측정. 이런 일의 예는 Ginsberg et al. (2009) (Google 독감 트렌드).
• 자연 실험과 일치와 인과 효과를 추정. 작업. 이런 종류의 예 Mas and Moretti (2009) (생산성에 영향을 피어) 및 Einav et al. (2015) (이베이에서 경매에 시작 가격 효과).

사회 연구에 많은 중요한 질문은이 세 가지 중 하나로 표현 될 수있다. 그러나 이러한 접근 방법은 일반적으로 데이터를 많이 가지고 연구를 필요로한다. 무엇하게 Farber (2015) 흥미로운 것은 측정을위한 이론적 동기 부여이다. 이 이론 동기는 데이터를 외부에서 온다. 따라서, 연구 질문의 특정 유형을 묻는 잘하는 사람들을 위해, 빅 데이터 소스는 매우 유익한 수 있습니다.

마지막으로, 이론 중심 (이 장에 초점을하고있다) 경험적 연구, 우리는 스크립트를 뒤집어 경험적 기반의 이론화를 만들 수 있습니다보다는. 즉, 경험적 사실, 패턴, 퍼즐의주의 축적을 통해, 우리는 새로운 이론을 구축 할 수있다.

이론이 대안 데이터 첫 번째 방법은 새로운 것이 아니다, 그것은 대부분의 강제에 의해 굴절 된 Glaser and Strauss (1967) 접지 이론에 대한 자신의 호출. 디지털 시대의 연구 주위 저널리즘의 정도에 의해 주장 된 바와 같이이 데이터-첫 번째 방법은, 그러나, "이론의 끝"을 의미하는 것은 아니다 (Anderson 2008) . 오히려, 데이터 환경 변화에 따라, 우리는 이론과 데이터 사이의 관계의 재조정을 기대한다. 데이터 수집이 비쌌다 세계에서는 단지 이론 가장 유용 건의 데이터를 수집하는 것이 합리적이다. 그러나, 막대한 양의 데이터가 이미 무료로 제공되는 세계적으로는, 데이터 우선 접근 시도 말이 (Goldberg 2015) .

나는이 장에서 보여준 바와 같이, 연구자들은 사람들을 보면서 많은 것을 배울 수 있습니다. 다음 3 장에서, 우리가 (제 4 장) 실험을 실행 (제 3 장) 그들에게 질문을, 심지어 그들을 포함하여보다 직접적으로 사람들과 우리의 데이터 수집을 조정하고 상호 작용하는 경우에 우리는 더 많은 다른 것들을 배울 수있는 방법에 대해 설명합니다 연구 과정에서 직접 (5 장).