2.3.2.3 നോൺ-പ്രതിനിധി

നോൺ-representativeness രണ്ടു സ്രോതസ്സുകൾ വിവിധ ജനസംഖ്യയുടെ വിവിധ ഉപയോഗ പാറ്റേണുകളും ആകുന്നു.

ബിഗ് ഡാറ്റ രണ്ട് പ്രധാന വഴികളിൽ വ്യവസ്ഥാപിതമായി പക്ഷപാതമോ സാദ്ധ്യത. ഈ വിശകലനം എല്ലാ തരത്തിലുള്ള ഒരു പ്രശ്നം ആവശ്യമില്ല, എന്നാൽ ചില വിശകലനത്തിനായി അതു ഒരു നിർണ്ണായക ദർപ്പണത്തിന്റെ ആകാം.

ചിട്ടയായ നിഷ്പക്ഷമായി ആദ്യം ഉറവിട പകർത്തിയ ആളുകളുടെ സാധാരണ ജനം ഒക്കെയും അല്ലാത്ത പൂർണ്ണമായ പ്രപഞ്ചം അല്ലെങ്കിൽ എന്തെങ്കിലും പ്രത്യേക ജനസംഖ്യ നിന്ന് ഒരു ക്രമരഹിതമായ സാമ്പിൾ എന്നതാണ്. ഉദാഹരണത്തിന്, ട്വിറ്ററിൽ അമേരിക്കക്കാർ അമേരിക്കക്കാർ ക്രമരഹിതമായ ഒരു സാമ്പിൾ അല്ല (Hargittai 2015) . ചിട്ടയായ ബയസ് രണ്ടാം സ്രോതസ്സ് പല വലിയ ഡേറ്റാ സിസ്റ്റംസ് പ്രവർത്തനങ്ങൾ പിടിച്ചടക്കാൻ എന്നതാണ്, ചിലര് മറ്റുള്ളവരെ അധികം പ്രവർത്തനങ്ങൾ സംഭാവന. ഉദാഹരണത്തിന്, ട്വിറ്ററിൽ ചില ആളുകൾ നൂറുകണക്കിനു തവണ അധികം ട്വീറ്റുകൾ സംഭാവന. അതിനാൽ, ഒരു പ്ളാറ്റ്ഫോം ഇവന്റുകൾ കൂടുതൽ പ്ലാറ്റ്ഫോം തന്നിലും ചില ഉപഗ്രൂപ്പുകൾ എന്ന രൂപീകൃതമാകുന്ന പ്രതിഫലിക്കുന്ന കഴിയും.

സാധാരണയായി ഗവേഷകർ ഡാറ്റ കുറിച്ച് ഒരുപാട് അറിയാൻ ആഗ്രഹിക്കുന്ന. എന്നാൽ, ബിഗ് ഡാറ്റ നോൺ പ്രതിനിധി സ്വഭാവം തന്നിരിക്കുന്നു അതും ചിന്താഗതി ഫ്ലിപ്പുചെയ്യുന്നതിനോ സഹായകമായിരിക്കും. നിങ്ങൾ ഇല്ല ഡാറ്റ കുറിച്ച് ഒരുപാട് അറിയണം. നിങ്ങൾ ഇല്ല എന്ന് ഡാറ്റ തന്നത് ഡാറ്റ നിന്ന് വ്യവസ്ഥാപിതമായി വ്യത്യസ്തമാണ് ഇത് പ്രത്യേകിച്ചും സത്യമാണ്. ഉദാഹരണത്തിന്, നിങ്ങൾ ഒരു വികസ്വര രാജ്യങ്ങളിൽ മൊബൈൽ ഫോൺ കമ്പനി കോൾ രേഖകള് ഉണ്ടെങ്കിൽ, നിങ്ങൾ കേവലം നിങ്ങളുടെ ഡാറ്റാഗണത്തിൽ ആളുകളെ കുറിച്ച് മാത്രമല്ല, മൊബൈൽ ഫോൺ സ്വന്തമാകും വളരെ പാവപ്പെട്ട ചെയ്തേക്കാം ചിന്തിക്കണം. എന്നുതന്നെയല്ല, അദ്ധ്യായം 3 ൽ നാം ഘനം നോൺ-പ്രതിനിധി ഡാറ്റ നിന്ന് മെച്ചപ്പെട്ട എസ്റ്റിമേറ്റുകൾ ഉണ്ടാക്കുവാൻ ഗവേഷകർ പ്രാപ്തമാക്കാൻ കഴിയും എങ്ങനെ മനസിലാക്കാം.