2.3.2.4 vergin

Populatioun sech, opgedeelt a sech, an de System sech maachen et schwéier grouss Daten Quell ze benotzen langfristeg Trends ze studéieren.

Ee vun de grousse Virdeeler vun villen grouss Daten Quelle sinn, datt se Donnéeën iwwer Zäit sammelen. Social Wëssenschaftler Opruff dëser Zort vun iwwer-Zäit Donnéeën, longitudinal Daten. An, natierlech, si longitudinal Daten ganz wichteg fir Ännerung ënnersicht. Fir awer ze zouverlässeg änneren Moossnam, déi Mesure System selwer muss stabil ginn. An d'Wierder vun Sproochenexpert Otis Dudley Duncan, "wann Dir wëllt änneren ze moossen, net d'Moossnam änneren" (Fischer 2011) .

Leider vill grouss Daten Systemer-allem Affär System datt schafen a knipsen digital Spure-sinn Änneren all déi Zäit, e Prozess, deen ech sech Opruff wäert. Besonnesch, änneren dëse Systemer an dräi haapt Méiglechkeeten: Populatioun sech (änneren an déi hinnen ass benotzt), Verhale sech (Verännerung wéi Leit se benotzt), an System sech (Ännerung am System selwer). Déi dräi Quellen vu sech mengen datt all Muster an digital Spuer Date vun e wichtege Changement an der Welt verursaacht ginn hätt, oder et kéint duerch eng Form vu sech ëmmer ginn.

Déi éischt Quell vun sech-Bevëlkerung sech-gëtt déi de System benotzt, an dat Ännerungen op laanger-Zäit CDM a kuerzer-Zäit domat. Zum Beispill, vun 2008 bis präsent der Moyenne Alter vu Leit op sozialen Medien fräi huet. Zousätzlech zu dësen langfristeg Trends, gët de Leit e System zu all Moment mat. Während der US Presidentschaftswalen vun 2012 Zum Beispill, den Undeel vun Tweets iwwer Politik, datt déi Frae geschriwwe goufen hu vun Dag zu Dag (Diaz et al. 2016) . Sou, wat kéint vläicht e Changement an der Stëmmung vun de Twitter-Aufsatz eigentlech just kënnen ze ginn Ännerungen an déi zu all Moment ass schwätzen.

Zousätzlech zu Ännerungen an deen e System benotzt, do ginn Ännerungen och an wéi de System benotzt ginn ass. Zum Beispill, während de gelant Gezi Park Protester zu Istanbul, Tierkei zu 2013 Demonstranten hire Gebrauch vun hashtags als Protest Perséinlechkeeten geännert. Hei ass wéi Zeynep Tufekci (2014) den sech beschriwwen, wat si kënnen sech ze erkennen, well si Verhalen op Twitter an op de Buedem Observatioun war:

"Wat hat war geschitt, datt esou séier wéi de Protest gouf d'dominant Geschicht, grouss Zuelen vu Leit. . . Hëllef gestoppt der hashtags ausser Opmierksamkeet engem neie Phänomen ze zeechnen. . .. Iwwerdeems d'Protester weider, an esouguer, gestuerwen de hashtags verwandelt. Interview verroden zwee Grënn fir dës. Éischt, eemol jiddereen d'Thema wosst, war den hashtag op eemol iwwerflësseg a wasteful op de Charakter-limitéiert Twitter Plattform. Zweet, hashtags waren nëmmen als nëtzlech gesinn Opmierksamkeet engem bestëmmten Thema fir ze proposéieren, net fir doriwwer schwätzen. "

Sou, Fuerscher, déi de Protester goufen ënnersicht vun Tweets mat Protest-Zesummenhang hashtags analyséiert hätt e Wettbewerbsverzerrungen Sënn vun waat well vun dëser Verhale sech war geschitt. Zum Beispill, kéint si gleewen, datt d'Diskussioun vun de Protest laang erofgaangen ier et tatsächlech ofgeholl.

Déi drëtt Zort vun sech gëtt System sech. An dësem Fall ass et net de Leit änneren oder hiert Verhalen änneren, mä de System selwer änneren. Zum Beispill, mat der Zäit huet Facebook de Plafong op d'Längt vun Status Updates fräi. Sou, gëtt all longitudinal Etude vun Status Updates ginn Onglécklech zu artifacts duerch dës Ännerung verursaacht. System sech ass enk Famill mat Problem genannt algorithmic confounding fir déi mir elo Tour.