2.3.1.3 നോൺ-ക്രിയാത്മകങ്ങളാണ്

അളക്കാനുള്ള വലിയ ഡാറ്റ സ്രോതസ്സുകളിൽ സ്വഭാവത്തിൽ മാറ്റം വളരെ സാധ്യത വളരെക്കുറവാണ്.

സോഷ്യൽ റിസർച്ച് ഒന്ന് വെല്ലുവിളി അവർ ഗവേഷകർ നിരീക്ഷിച്ചു കിട്ടിയതിന് അറിയുന്നു ജനം സ്വഭാവത്തിൽ മാറ്റം കഴിയും. സാമൂഹിക ശാസ്ത്രജ്ഞന്മാർ സാധാരണയായി ഗവേഷകൻ അളക്കാനുള്ള േഡാ പ്രതികരണമായി ഈ പെരുമാറ്റം മാറ്റം വിളിക്കും (Webb et al. 1966) . പല ഗവേഷകൻ വാഗ്ദാനം കണ്ടെത്തുന്ന വലിയ ഡാറ്റ ഒരു വശം പങ്കെടുക്കുന്നവർ സാധാരണയായി ഡാറ്റ വിശദീകരണമാണ് Capture അല്ലെങ്കിൽ അവർ അത് ഇനി അവരുടെ രീതികൾ മാറുന്നു ഈ ഡാറ്റ ശേഖരണം അങ്ങനെ അനുഭവമായിരുന്നു ആയിത്തീർന്നിരിക്കുന്നു എന്നു അറിവുണ്ടാകില്ല ആണ്. അവർ നോൺ-ക്രിയാത്മകങ്ങളാണ് അതുകൊണ്ടു, ബിഗ് ഡാറ്റ പല സ്രോതസ്സുകളിൽ മുമ്പ് കൃത്യതയുള്ള അളക്കൽ ലേക്ക് amendable ഇതുവരെ ഉണ്ടായിട്ടില്ല പെരുമാറ്റം പഠിക്കാൻ ഉപയോഗിക്കാൻ കഴിയും. ഉദാഹരണത്തിന്, Stephens-Davidowitz (2014) യുണൈറ്റഡ് സ്റ്റേറ്റ്സ് വിവിധ ഭാഗങ്ങളിലുള്ള വംശീയവും മാർസ്റ്റനേയും അളക്കാൻ സെർച്ച് എഞ്ചിൻ അന്വേഷണങ്ങളിൽ വംശീയ നിബന്ധനകൾ വിളയാട്ടമാണ് ഉപയോഗിച്ചു. നോൺ-ക്രിയാത്മകങ്ങളാണ് വലിയ (മുമ്പത്തെ വിഭാഗം കാണുക) പ്രവർത്തനക്ഷമമാണ് പോലുള്ള സർവേകൾ മറ്റ് രീതികൾ, ഉപയോഗിച്ച് ബുദ്ധിമുട്ടുള്ള ആയിരിക്കുമെന്ന് അളവുകൾ ഡാറ്റ തിരയൽ സ്വഭാവം.

നോൺ-േഡാ എന്നാല്, ഈ ഡാറ്റ എങ്ങനെയോ ആളുകളുടെ പെരുമാറ്റം അല്ലെങ്കിൽ മനോഭാവം ഒരു നേരിട്ട് ചിന്തിക്കുന്ന എന്ന് ഉറപ്പ് നൽകുന്നില്ല. ഉദാഹരണത്തിന്, ഒറ്റ പ്രതികളുടെ പറഞ്ഞു Newman et al. (2011) , "ഞാൻ പ്രശ്നങ്ങളൊന്നുമില്ല അല്ല, ഞാൻ വെറും ഫേസ്ബുക്കിൽ അവരെ ഇടുന്നതു അർത്ഥമില്ല." മറ്റു വാക്കുകളിൽ, ചില വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ നോൺ-ക്രിയാത്മകങ്ങളാണ് പോലും അവർ എപ്പോഴും സോഷ്യൽ .ചൈനയിൽ നിഷ്പക്ഷമായി സ്വാതന്ത്ര്യങ്ങൾ ജനം ഏറ്റവും നല്ല വിധത്തിൽ സ്വയം അവതരിപ്പിക്കുന്നത് ആഗ്രഹിക്കുന്ന വേണ്ടി പ്രവണത. എന്നുതന്നെയല്ല, ഞാൻ താഴെ കൂടുതൽ വിവരിക്കുക വരുമെന്നതിനാൽ ഈ ഡാറ്റ ഉറവിടങ്ങളിൽ ചിലപ്പോൾ പ്ലാറ്റ്ഫോം ഉടമസ്ഥരുടെ ഗോളുകൾക്ക് പ്രതിഫലിച്ചു അൽഗോരിത്മിക് മറിച്ച്നോക്കിക്കൊണ്ട് (കൂടുതൽ ചുവടെ വിവരിച്ചിരിക്കുന്നു) എന്ന ഒരു പ്രശ്നം ചെയ്യുന്നു.

നോൺ-േഡാ റിസർച്ച് പ്രയോജനപ്പെടുക ആണെങ്കിലും സമ്മതമില്ലാതെ അവരുടെ അവബോധം ഇല്ലാതെ ജനങ്ങളുടെ ശീലം പാഠം 6. താഴെ ചർച്ച നൈതിക ആശങ്കകൾ ഉയർത്തുന്നതും വിശദമായി വർദ്ധിച്ചു ഡിജിറ്റൽ നിരീക്ഷണ നേരെ ഒരു പൊതു ഏതിനും കാലക്രമേണ കൂടുതൽ ക്രിയാത്മകങ്ങളാണ് ആകുവാൻ വലിയ ഡേറ്റാ സിസ്റ്റംസ് നയിക്കാൻ കഴിഞ്ഞില്ല, ശക്തമായ ഡിജിറ്റൽ നിരീക്ഷണ കുറിച്ച് ആശങ്ക പോലും ചില ആളുകൾ വർദ്ധിക്കുന്നതിനുളള-representativity (കൂടുതൽ ചുവടെ വിവരിച്ചിരിക്കുന്നു) കുറിച്ച് ആശങ്കകൾ പൂർണമായും വലിയ ഡേറ്റാ സിസ്റ്റംസ് തിരഞ്ഞെടുക്കുന്നതിനും ശ്രമിക്കും നയിച്ചേക്കാം.

ഈ ഡാറ്റ ഉറവിടങ്ങളിൽ റിസർച്ച് ഗവേഷകർ സൃഷ്ടിച്ച ചെയ്തിട്ടില്ല സോഷ്യൽ ഗവേഷണ-ബിഗ് വലിയ ഡാറ്റ ഈ മൂന്ന് നല്ല ഉള്ള എപ്പോഴും, നോൺ-ക്രിയാത്മകങ്ങളാണ്-സാധാരണയായി എഴുന്നേൽക്ക. ഇപ്പോൾ ഞാൻ റിസർച്ച് മോശമാണ് വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ ഏഴു ഉള്ള തിരിയുന്നു കാണാം. ഈ സവിശേഷതകൾ കാരണം ഈ ഡാറ്റ റിസർച്ച് ഗവേഷകർ സൃഷ്ടിച്ചതല്ല എഴുന്നേൽക്കൂ പ്രവണത.