2.3.2.4 കാറ്റ്

ജനസംഖ്യ ചായ്, ഉപയോഗം ചായ്, സിസ്റ്റം ചായ് പ്രയാസം ദീർഘകാല ട്രെൻഡുകൾ പഠിക്കാൻ വലിയ ഡാറ്റ ഉറവിടം ഉപയോഗിക്കാൻ ഉണ്ടാക്കേണം.

പല ബിഗ് ഡാറ്റ സ്രോതസ്സുകൾ വലിയ ഗുണമാണ് അവ കാലക്രമേണ ഡാറ്റ ശേഖരിക്കാൻ ആകുന്നു. സോഷ്യൽ ശാസ്ത്രജ്ഞർ മേൽ-സമയം ഡാറ്റ, രേഖാംശ ഈ തരം ഡാറ്റ വിളിക്കും. പിന്നെ സ്വാഭാവികമായും രേഖാംശ ഡാറ്റ വളരെ പ്രധാനപ്പെട്ട മാറ്റം പഠിക്കാൻ ഉണ്ട്. വിശ്വസനീയമായി മാറ്റം അളക്കാൻ ക്രമത്തിൽ എന്നാൽ, മെഷർമെന്റ് സിസ്റ്റം സ്വയം സ്ഥിരതയുള്ള ആയിരിക്കണം. സോഷ്യോളജിസ്റ്റ് ഓട്ടിസ് ഡഡ്ലി ഡങ്കൻ വാക്കുകളിൽ, "നിങ്ങൾ മാറ്റം അളക്കേണ്ട എങ്കിൽ അളവു മാറ്റാൻ കഴിയാത്ത" (Fischer 2011) .

നിർഭാഗ്യവശാൽ, പല വലിയ ഡേറ്റാ സിസ്റ്റംസ്-പ്രത്യേകിച്ചും ബിസിനസ്സ് സൃഷ്ടിക്കാനും ഡിജിറ്റൽ പ്രകടമാകുന്നത്-ഞാൻ ചായ് വിളിക്കാം ഒരു പ്രക്രിയ എല്ലാം, മാറ്റുന്നതിൽ പിടിച്ചടക്കാൻ സിസ്റ്റം. ജനസംഖ്യ ചായ് (അവരെ ഉപയോഗിച്ച് ആരാണ് മാറ്റം), ബിഹേവിയറൽ ചായ് (ജനത്തെ ഉപയോഗിക്കുന്നത് എങ്ങനെ മാറ്റം), സിസ്റ്റം ചായ് (സിസ്റ്റം അതിൽത്തന്നെ മാറ്റം): പ്രത്യേകിച്ചും, ഈ സിസ്റ്റങ്ങൾ മൂന്ന് പ്രധാന വഴികളിൽ മാറ്റം. ചായ് മൂന്നു സ്രോതസ്സുകൾ ഡിജിറ്റൽ ട്രെയ്സ് ഡാറ്റ ഏതെങ്കിലും പാറ്റേൺ ലോകത്തിലെ ഒരു പ്രധാന മാറ്റം മൂലമാണ് എന്ന് ഒരാൾ, അല്ലെങ്കിൽ ചായ് ചില കാരണമാകാമെന്ന് കഴിഞ്ഞില്ല അർത്ഥമാക്കുന്നത്.

സിസ്റ്റം ഉപയോഗിച്ച് ആരാണ് ചായ്-ജനസംഖ്യയുടെ ആദ്യം ഉറവിട ചായ്-, ഈ നീണ്ട-കാലദൈർഘ്യം ഷോർട്ട്-കാലദൈർഘ്യം മാറ്റങ്ങൾ. ഉദാഹരണത്തിന് 2008 ൽ സോഷ്യൽ മീഡിയയിലൂടെ ശരാശരി പ്രായം വർധിച്ചു അവതരിപ്പിക്കാൻ. ഈ ദീർഘകാല ട്രെൻഡുകൾ, ഏതു നിമിഷവും വ്യത്യാസപ്പെടുന്നു ഒരു സിസ്റ്റം ഉപയോഗിച്ച് ആളുകളെ പുറമേ. ഉദാഹരണത്തിന്, 2012 പ്രസിഡന്റ് തിരഞ്ഞെടുപ്പ് വേളയിൽ സ്ത്രീകൾ എഴുതിയതായിരുന്നു രാഷ്ട്രീയം ട്വീറ്റുകൾ അനുപാതം നാൾക്കുനാൾ മാറ്റങ്ങള് (Diaz et al. 2016) . ഇപ്രകാരം, എന്തു ട്വിറ്റർ-വാക്യത്തിൻറെ മൂഡ് മാറ്റം ആയിരിക്കും തോന്നിയേക്കാം യഥാർത്ഥത്തിൽ ഏതു നിമിഷവും സംസാരിക്കുന്നവൻ മാറ്റങ്ങൾ ആകേണ്ടതിന്നു.

ഒരു സിസ്റ്റം ഉപയോഗിച്ച് ആരാണ് മാറ്റങ്ങൾ പുറമേ, അവിടെ സിസ്റ്റം എങ്ങനെ ഉപയോഗിക്കും മാറ്റങ്ങൾ. ഉദാഹരണത്തിന്, ഇസ്ടന്ബ്യൂല് ലെ Gezi പാർക്ക് പ്രതിഷേധം വാൾസ്ട്രീറ്റ് സമയത്ത് 2013 ൽ പ്രക്ഷോഭകാരികൾ ഹാഷ്ടാഗുകൾ ഉപയോഗം പ്രതിഷേധം വികസിച്ചത് പോലെ മാറ്റി. ഇവിടെ Zeynep Tufekci എങ്ങനെ (2014) അവൾ ട്വിറ്ററിൽ നിലത്തു പെരുമാറ്റം ആചരിക്കുക ഇവൾക്കു നാരി കണ്ടെത്തുന്നതിനും കഴിഞ്ഞു ഏത് ചായ്, വിവരിച്ചു:

"ഉടൻ പ്രതിഷേധം മികവുറ്റവരായിത്തീരുകയും കഥ, ജനങ്ങളുടെ വലിയ നമ്പറുകൾ ആയി എന്തു സംഭവിച്ചത് ആയിരുന്നു. . . ഒരു പുതിയ പ്രതിഭാസം ശ്രദ്ധ അല്ലാതെ ഹാഷ്ടാഗുകൾ ഉപയോഗം അവസാനിച്ചു. . .. പ്രക്ഷോഭങ്ങൾ തുടർന്നെങ്കിലും, പോലും തീവ്രത അതേസമയം, ഹാഷ്ടാഗുകൾ ഇറങ്ങി മരിച്ചു. അഭിമുഖങ്ങൾ ഈ രണ്ടു കാരണങ്ങൾ വെളിപ്പെടുത്തി. ആദ്യം, എല്ലാവർക്കും വിഷയം അറിഞ്ഞു ഒരിക്കൽ, ഹാഷ്ടാഗ് ഒരിക്കൽ എഴുതുവാൻ ആൻഡ് ദുർവ്യയം ചെയ്തത് പ്രതീകം സമരപരിധി ട്വിറ്റർ പ്ലാറ്റ്ഫോമിൽ ആയിരുന്നു. രണ്ടാമത്തേത്, ഹാഷ്ടാഗുകളും അത് രണ്ടാവാനേ, ഒരു പ്രത്യേക വിഷയം ശ്രദ്ധ ആകർഷിക്കുന്നതിൽ മാത്രം ഉപയോഗപ്രദമായ കണ്ടു. "

ഇപ്രകാരം, പ്രതിഷേധം-അനുബന്ധ ഹാഷ്ടാഗുകളുള്ള ട്വീറ്റുകൾ വിശകലനം പ്രതിഷേധം പഠിക്കുന്നത് ആർ ഗവേഷകർ കാരണം ഈ പെരുമാറ്റ ഫലകചലനം എന്താണ് സംഭവിക്കുന്നതെന്ന് വളച്ചൊടിച്ച് അർത്ഥത്തിൽ ലഭിക്കുമായിരുന്നു. ഉദാഹരണത്തിന്, യഥാർത്ഥത്തിൽ കുറഞ്ഞു മുമ്പ് പ്രതിഷേധത്തിന്റെ ചർച്ച നീണ്ട കുറഞ്ഞു എന്ന് വിശ്വസിക്കാം.

ചായ് മൂന്നാം തരത്തിലുള്ള സിസ്റ്റം ചായ് ആണ്. ഈ സാഹചര്യത്തിൽ അത് മാറ്റുന്നത് ജനം അല്ലെങ്കിൽ അവരുടെ പെരുമാറ്റം മാറ്റുന്നതിൽ അല്ല സിസ്റ്റം സ്വയം മാറ്റുന്നതിൽ. ഉദാഹരണത്തിന്, കാലാന്തരത്തിൽ ഫേസ്ബുക്ക് സ്റ്റാറ്റസ് അപ്ഡേറ്റുകൾ ദൈർഘ്യം പരിധി വർധിച്ചു. ഇപ്രകാരം സ്റ്റാറ്റസ് അപ്ഡേറ്റുകളും ഏതെങ്കിലും രേഖാംശ പഠനം ഈ മാറ്റം പരത്തിയ ആർട്ടിഫാക്റ്റുകൾ കേടാകാനുമിടയുണ്ട് ചെയ്യും. സിസ്റ്റം ചായ് അടുത്തുനിന്ന് ഏത് ഞങ്ങൾ ഇപ്പോൾ തിരിയാൻ അൽഗോരിത്മിക് മറിച്ച്നോക്കിക്കൊണ്ട് വിളിച്ചു പ്രശ്നം ബന്ധപ്പെട്ടാണ്.