2.4.1 ສິ່ງທີ່ນັບ

ການນັບງ່າຍດາຍສາມາດທີ່ຫນ້າສົນໃຈຖ້າຫາກວ່າທ່ານສົມທົບການເປັນຄໍາຖາມທີ່ດີມີຂໍ້ມູນທີ່ດີ.

ເຖິງແມ່ນວ່າມັນແມ່ນ couched ໃນພາສາສຽງທີ່ທັນສະໄຫມ, lots ຂອງການຄົ້ນຄວ້າທາງດ້ານສັງຄົມກໍ່ພຽງແຕ່ຄິດໄລ່ສິ່ງ. ໃນອາຍຸສູງສຸດຂອງຂໍ້ມູນຂະຫນາດໃຫຍ່ໄດ້, ນັກຄົ້ນຄວ້າສາມາດນັບໄດ້ຫຼາຍກ່ວາເຄີຍ, ແຕ່ວ່າບໍ່ໄດ້ອັດຕະໂນມັດຫມາຍຄວາມວ່າການຄົ້ນຄວ້າທີ່ຄວນຈະສຸມໃສ່ການຄິດໄລ່ສິ່ງທີ່ເພີ່ມເຕີມແລະຫຼາຍ. ແທນທີ່ຈະ, ຖ້າຫາກວ່າພວກເຮົາໄດ້ເຮັດການຄົ້ນຄວ້າທີ່ດີກັບຂໍ້ມູນຂະຫນາດໃຫຍ່, ພວກເຮົາຈໍາເປັນຕ້ອງຖາມ: ສິ່ງທີ່ສິ່ງທີ່ມີມູນຄ່ານັບ? ນີ້ອາດຈະເບິ່ງຄືວ່າຄ້າຍຄືເລື່ອງຊາການທັງຫມົດ, ແຕ່ວ່າມີບາງຮູບແບບທົ່ວໄປ.

ປົກກະຕິແລ້ວນັກສຶກສາຊຸກຍູ້ການຄົ້ນຄວ້ານັບຂອງເຂົາເຈົ້າໂດຍກ່າວວ່າ: ຂ້າພະເຈົ້າຈະນັບບາງສິ່ງບາງຢ່າງທີ່ບໍ່ມີໃຜໄດ້ເຄີຍນັບກ່ອນ. ສໍາລັບການຍົກຕົວຢ່າງ, ນັກສຶກສາອາດຈະເວົ້າວ່າ, ຄົນຈໍານວນຫລາຍໄດ້ສຶກສາແຮງງານແລະຈໍານວນຫຼາຍປະຊາຊົນໄດ້ສຶກສາແຝດ, ແຕ່ວ່າບໍ່ມີໃຜໄດ້ສຶກສາຄູ່ແຝດອົບພະຍົບ. ສິ່ງລະດົມໃຈໂດຍບໍ່ມີບໍ່ໄດ້ປົກກະຕິແລ້ວນໍາໄປສູ່ການຄົ້ນຄ້ວາທີ່ດີ. ແນ່ນອນ, ອາດຈະມີເຫດຜົນທີ່ດີເພື່ອສຶກສາຄູ່ແຝດອົບພະຍົບ, ແຕ່ຄວາມຈິງທີ່ວ່າພວກເຂົາເຈົ້າຍັງບໍ່ທັນໄດ້ຮັບການສຶກສາກ່ອນທີ່ຈະບໍ່ໄດ້ຫມາຍຄວາມວ່າພວກເຂົາເຈົ້າຄວນຈະໄດ້ຮັບການສຶກສາໃນປັດຈຸບັນ. ບໍ່ມີໃຜໄດ້ເຄີຍນັບຈໍານວນຂອງກະທູ້ສຸດ carpet ຢູ່ໃນຫ້ອງການຂອງຂ້າພະເຈົ້າ, ແຕ່ວ່າບໍ່ໄດ້ອັດຕະໂນມັດຫມາຍຄວາມວ່ານີ້ຈະເປັນໂຄງການຄົ້ນຄ້ວາທີ່ດີ. ສິ່ງລະດົມໃຈໂດຍບໍ່ແມ່ນປະເພດຂອງເຊັ່ນວ່າ: ເບິ່ງ, ມີຂຸມໃນໄລຍະບໍ່ມີ, ແລະຂ້າພະເຈົ້າຈະເຮັດວຽກຫນັກເພື່ອຕື່ມຂໍ້ມູນໃສ່ເຖິງ. ແຕ່, ບໍ່ຂຸມແຕ່ລະຄົນຈະໄດ້ຮັບການເຕີມລົງໄປ.

ແທນທີ່ຈະກະຕຸກຊຸກຍູ້ໂດຍການບໍ່ມີ, ຂ້າພະເຈົ້າຄິດວ່ານັບເຮັດໃຫ້ການຄົ້ນຄວ້າທີ່ດີຢູ່ໃນທັງສອງສະຖານະການ, ໃນເວລາທີ່ການຄົ້ນຄວ້າທີ່ຫນ້າສົນໃຈຫລືຄວາມສໍາຄັນ (ຫຼືໂດຍສະເພາະທັງສອງ). ສໍາລັບການຍົກຕົວຢ່າງ, ການວັດແທກອັດຕາການຫວ່າງງານເປັນສິ່ງສໍາຄັນເນື່ອງຈາກວ່າມັນແມ່ນຢູ່ໃນຕົວຊີ້ວັດຂອງເສດຖະກິດທີ່ເຮັດໃຫ້ການຕັດສິນໃຈນະໂຍບາຍ. ໂດຍທົ່ວໄປ, ປະຊາຊົນມີຄວາມຮູ້ສຶກທີ່ດີງາມຂອງສິ່ງທີ່ສໍາຄັນ. ດັ່ງນັ້ນ, ໃນສ່ວນທີ່ເຫຼືອຂອງພາກນີ້, ຂ້າພະເຈົ້າຈະໃຫ້ສາມຕົວຢ່າງທີ່ນັບເປັນຫນ້າສົນໃຈ. ໃນແຕ່ລະກໍລະນີ, ນັກຄົ້ນຄວ້າໄດ້ບໍ່ໄດ້ຄິດໄລ່ haphazardly, ແທນທີ່ຈະເຂົາເຈົ້າໄດ້ຖືກຄິດໄລ່ໃນການປັບຄ່າຫຼາຍໂດຍສະເພາະທີ່ເປີດເຜີຍຂໍ້ມູນສໍາຄັນເຂົ້າໄປໃນແນວຄວາມຄິດທົ່ວໄປເພີ່ມເຕີມກ່ຽວກັບວິທີການສັງຄົມການເຮັດວຽກລະບົບ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ຢ່າງຫຼາຍຂອງການສິ່ງທີ່ເຮັດໃຫ້ການເຫຼົ່ານີ້ອອກກໍາລັງກາຍນັບໂດຍສະເພາະທີ່ຫນ້າສົນໃຈແມ່ນບໍ່ໄດ້ຢູ່ໃນຂໍ້ມູນຂອງຕົນເອງ, ມັນມາຈາກການເຫຼົ່ານີ້ແນວຄວາມຄິດທົ່ວໄປ.

ຂ້າງລຸ່ມນີ້ຂ້າພະເຈົ້າຈະນໍາສະເຫນີສາມຕົວຢ່າງກ່ຽວກັບ: 1) ພຶດຕິກໍາການເຮັດວຽກຂອງຄົນຂັບ taxi ໃນນິວຢອກ (Section 2.4.1.1), 2) ການສ້າງມິດຕະພາບໂດຍນັກສຶກສາ (Section 2.4.1.2) ແລະ 3) ພຶດຕິກໍາການ censorship ສື່ທາງສັງຄົມຂອງລັດຖະບານຈີນ (ພາກ 2.4.1.3). ຈະເປັນແນວໃດຕົວຢ່າງເຫຼົ່ານີ້ສ່ວນແບ່ງແມ່ນວ່າພວກເຂົາເຈົ້າທັງຫມົດສະແດງໃຫ້ເຫັນວ່າການຄິດໄລ່ຂໍ້ມູນຂະຫນາດໃຫຍ່ສາມາດຖືກນໍາໃຊ້ເພື່ອທົດສອບການຄາດຄະເນທາງທິດສະດີ. ໃນບາງກໍລະນີ, ແຫຼ່ງຂໍ້ມູນຂໍ້ມູນຂະຫນາດໃຫຍ່ເຮັດໃຫ້ທ່ານເພື່ອເຮັດການນັບນີ້ຂ້ອນຂ້າງໂດຍກົງ (ໃນກໍລະນີຂອງ New York Taxis ໄດ້). ໃນກໍລະນີອື່ນໆ, ນັກຄົ້ນຄວ້າຈະຕ້ອງໄດ້ຈັດການກັບຄວາມບໍ່ສົມບູນໂດຍການລວມຂໍ້ມູນຮ່ວມກັນແລະການດໍາເນີນງານການກໍ່ສ້າງທິດສະດີ (ໃນກໍລະນີຂອງການສ້າງຕັ້ງມິດຕະພາບ) ແລະໃນບາງກໍລະນີນັກຄົ້ນຄວ້າຈະຕ້ອງໄດ້ເກັບກໍາຂໍ້ມູນຂອງຕົນເອງການສັງເກດການ (ໃນກໍລະນີຂອງການເຊັນເຊີສື່ມວນຊົນສັງຄົມ). ໃນຖານະເປັນຂ້າພະເຈົ້າຫວັງວ່າຕົວຢ່າງເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນ, ສໍາລັບນັກຄົ້ນຄວ້າທີ່ມີຄວາມສາມາດທີ່ຈະຮ້ອງຂໍໃຫ້ຄໍາຖາມທີ່ຫນ້າສົນໃຈ, ຂໍ້ມູນຂະຫນາດໃຫຍ່ຖືສັນຍາທີ່ຍິ່ງໃຫຍ່.