2.4.1 വോട്ടെണ്ണൽ കാര്യങ്ങൾ

നിങ്ങൾ നല്ല ഡാറ്റ ഒരു നല്ല ചോദ്യം സംയോജിപ്പിച്ച് എങ്കിൽ ലളിത വോട്ടെണ്ണൽ രസകരമായ കഴിയും.

അതു പരിഷ്കൃതമായ മുഴങ്ങുന്ന ഭാഷയിൽ കിടന്നു എങ്കിലും, സോഷ്യൽ റിസർച്ച് ഒത്തിരി ശരിക്കും കാര്യങ്ങൾ നോക്കുന്നു. ബിഗ് ഡാറ്റ വയസ്സിൽ ഗവേഷകർ മുമ്പത്തേക്കാൾ കൂടുതൽ എണ്ണാം, എന്നാൽ സ്വയം ഗവേഷണം കൂടുതൽ കൂടുതൽ സ്റ്റഫ് എണ്ണുന്നത് കേന്ദ്രീകരിച്ചായിരുന്നു വേണം ഇതിനർത്ഥമില്ല. കാര്യങ്ങൾ എണ്ണുന്നത് രൂപയുടെ എന്തൊക്കെയാണെന്ന്: മറിച്ച്, ബിഗ് ഡാറ്റ നല്ല ഗവേഷണം ചെയ്യാൻ പോകുകയാണെങ്കിൽ, ഞങ്ങൾ ചോദിക്കേണ്ട? ഈ തികച്ചും ആത്മനിഷ്ഠമായ കാര്യം പോലെ തോന്നിയേക്കാം, എന്നാൽ ചില പൊതുവായ പാറ്റേണുകൾ ഉണ്ട്.

ആരും ഒരിക്കലും മുമ്പ് എണ്ണികണക്കാക്കുകയും ചെയ്തിരിക്കുന്നു എന്തെങ്കിലും count പോകുന്നു ഞാൻ: പലപ്പോഴും വിദ്യാർത്ഥികൾ പറഞ്ഞുകൊണ്ട് അവരുടെ വോട്ടെണ്ണൽ ഗവേഷണ പ്രചോദിപ്പിക്കും. ഉദാഹരണത്തിന്, ഒരു വിദ്യാർത്ഥി പറഞ്ഞേക്കാം പലരും കുടിയേറ്റക്കാർ പഠിച്ചത് പലരും ഇരട്ടകൾ പഠിച്ചത്, ആരും കുടിയേറ്റ ഇരട്ടകളെ പഠിച്ചിട്ടുണ്ട്. അഭാവത്തിൽ വഴി പ്രചോദനം സാധാരണയായി നല്ല ഗവേഷണ നയിക്കുന്നില്ല. ഗതി, കുടിയേറ്റ ഇരട്ടകൾ പഠിക്കാൻ നല്ല കാരണങ്ങൾ ഉണ്ടാകും, എന്നാൽ മുമ്പ് അവർ പഠിച്ചു ചെയ്തിട്ടില്ല വസ്തുത അവർ ഇപ്പോൾ പഠിച്ച വേണം ഇതിനർത്ഥമില്ല. ആരും എന്റെ ഓഫീസിൽ പരവതാനി ന് ത്രെഡുകളുടെ എണ്ണം തിട്ടപ്പെടുത്തിയിരിക്കുന്നു, എന്നാൽ സ്വയം ഈ ഒരു നല്ല ഗവേഷണ പദ്ധതി ആയിരിക്കുമെന്ന് അർത്ഥമില്ല. അഭാവത്തിൽ വഴി പ്രചോദനം ഇത്തരത്തിലുള്ള എന്നു പോലെയാണ്: നോക്കൂ, അവിടെ ഒരു ദ്വാരം അവിടെ; ഞാൻ അതിനെ പൂരിപ്പിക്കുന്നു വളരെ കഠിനാധ്വാനം പോകുന്നു. എന്നാൽ, എല്ലാ ദ്വാരം നിറയും ആവശ്യമാണ്.

പകരം പേരുടെ അപൂര്നമായത് ഞാൻ വോട്ടെണ്ണൽ ഗവേഷണ രസകരമായ അല്ലെങ്കിൽ പ്രധാനപ്പെട്ട (അല്ലെങ്കിൽ എവേണ്ടപ്പിക്കാഴാണ് രണ്ടും) ആണ് രണ്ടു സാഹചര്യങ്ങളിൽ നല്ല ഗവേഷണ നയിക്കുന്ന കരുതുന്നു. അതു നയ തീരുമാനങ്ങൾ വെയ്ക്കുന്ന സമ്പദ്ഘടനയുടെ സൂചകം കാരണം ഉദാഹരണത്തിന്, തൊഴിലില്ലായ്മ നിരക്ക് അളന്നു പ്രധാനമാണ്. സാധാരണയായി, ജനം പ്രധാനമാണ് പറ്റി ഒരു നല്ല പ്രതീതി. അതുകൊണ്ട്, ഈ വിഭാഗം ബാക്കി ഞാൻ വോട്ടെണ്ണൽ രസകരമായ എവിടെ മൂന്ന് ഉദാഹരണങ്ങൾ നൽകാൻ പോകുന്നു. ഓരോ സാഹചര്യത്തിൽ, ഗവേഷകർ മറിച്ച് എത്ര സോഷ്യൽ സിസ്റ്റങ്ങൾ വേല കുറിച്ച് കൂടുതൽ പൊതു ആശയങ്ങൾ കടന്നു പ്രധാനപ്പെട്ട ഉൾക്കാഴ്ചകൾ വെളിപ്പെടുത്തി വളരെ പ്രത്യേക ക്രമീകരണങ്ങളിൽ എണ്ണുന്നത് ചെയ്തു ബാഹ്യാകാശത്തിൽ കൗണ്ടിംഗ് ചെയ്തു. മറ്റു വാക്കുകളിൽ, ഈ പ്രത്യേക വോട്ടെണ്ണൽ വ്യായാമങ്ങൾ രസകരമായ എന്തൊക്കെ, ഒരുപാട് ഡാറ്റ അതിൽത്തന്നെ അല്ല, ഈ കൂടുതൽ പൊതു ആശയങ്ങൾ നിന്ന് വരുന്നു.

താഴെ ഞാൻ മൂന്നു ഉദാഹരണങ്ങൾ അവതരിപ്പിക്കാൻ കാണാം: ന്യൂയോർക്കിലെ ടാക്സി ഡ്രൈവർമാർ 1) തൊഴിലാളി പെരുമാറ്റം (വിഭാഗം 2.4.1.1), 2) വിദ്യാർത്ഥികളും സൗഹൃദം രൂപീകരണം (സെക്ഷൻ 2.4.1.2), 3) ചൈനീസ് സർക്കാരിന്റെ സോഷ്യൽ മീഡിയ സെൻസർഷിപ്പ് പ്രവർത്തനരീതി (വിഭാഗം 2.4.1.3). എന്താണ് ഈ ഉദാഹരണങ്ങൾ പങ്കിടുന്ന എല്ലാവരും ബിഗ് ഡാറ്റ എണ്ണുന്നത് സൈദ്ധാന്തിക പ്രവചനങ്ങൾ പരിശോധിക്കുന്നതിനായി ഉപയോഗിക്കാവുന്ന കാണിക്കാൻ എന്നതാണ്. ചില കേസുകളിൽ, ബിഗ് ഡാറ്റ സ്രോതസ്സുകൾ താരതമ്യേന നേരിട്ട് ഈ എണ്ണൽ ചെയ്യാൻ (ന്യൂയോർക്ക് ടാക്സികൾ കാര്യത്തിലെന്നപോലെ) നിങ്ങളെ പ്രാപ്തരാക്കുന്നു. മറ്റ് സന്ദർഭങ്ങളിൽ, ഗവേഷകർ ഒരുമിച്ചു ഡാറ്റ സംയോജിപ്പിച്ചുകൊണ്ട് ആൻഡ് (സൗഹൃദം രൂപീകരണം കാര്യത്തിലെന്നപോലെ) operationalizing സൈദ്ധാന്തിക രീതികളായ വഴി incompleteness കൈകാര്യം ചെയ്യേണ്ടതുണ്ട്; ചില സാഹചര്യങ്ങളിൽ ഗവേഷകർ (സോഷ്യൽ മീഡിയ സെൻസർഷിപ്പ് കാര്യത്തിലെന്നപോലെ) സ്വന്തം നിരീക്ഷണ ഡാറ്റ ശേഖരിക്കാൻ ആവശ്യമാണ്. ഞാൻ ഈ ഉദാഹരണങ്ങൾ കാണിക്കാൻ പ്രതീക്ഷിക്കുന്നു പോലെ, രസകരമായ ചോദ്യങ്ങൾ ചോദിക്കാൻ പ്രാപ്തിയുള്ള ഗവേഷകർ വേണ്ടി, ബിഗ് ഡാറ്റ വലിയ വാഗ്ദാനം താങ്ങി.