7.2.1 ба хольц бэлтгэх
Цэвэр уншлагын стратеги эсвэл цэвэр гаалийн стратеги нь дижитал эрин үеийн хүчин чадлыг бүрэн ашигладаггүй. Ирээдүйд бид эрлийз үүсгэх болно.
Танилцуулгад Маркелело Мелананжело загварыг Марсель Дучамын уншлагын хэв маягтай харьцуулсан. Энэ ялгаа нь мөн мэдээллийн сантай эрдэмтэд, уншигчидтай хамтран ажиллах хандлагатай байдаг. Гэсэн хэдий ч ирээдүйд бид илүү олон эрлийз харах болно гэж найдаж байна. Учир нь эдгээр цэвэр хандлагууд бүр нь хязгаарлагдмал байдаг. Зөвхөн уншигчид ашиглахыг хүсдэг судлаачид дэлхийн олон сайхан үзмэрүүд байхгүй учраас тулалдаж эхлэх болно. Өөрөөр хэлбэл, зөвхөн custom-ыг ашиглахыг хүсч байгаа судлаачид тахил өргөх гэж байна. Гидробиотик хандлагууд нь custommades-аас ирдэг асуулт, өгөгдлүүдийн хооронд нягт тохирох readymades бүхий масштабтай нэгтгэж болно.
Бид дөрвөн эмпирик бүлгүүдэд эдгээр хайбридын жишээг харсан. 2-р бүлэгт Google Flu Trends нь илүү хурдан тооцоолол хийх боломжтой магадлалд суурилсан уламжлалт хэмжилтийн систем (CDC томуугийн тандалтын систем) бүхий байнгын мэдээллийн том систем (хайлтын асуулга) -ыг хэрхэн нэгтгэсэнийг харсан (Ginsberg et al. 2009) . 3-р бүлэгт Стенан Анsolзайта, Eitan Hersh (2012) нар санал асуулгад оролцсон хүмүүсийн шинж чанаруудын талаар илүү ихийг мэдэхийн тулд урьдчилан бэлтгэсэн судалгааны мэдээллийг засгийн газрын бэлэн байдлын мэдээнд тулгуурлан хэрхэн үзсэнийг бид харсан. 4-р бүлэгт "Opower туршилтууд" хэмээх цахилгааны хэмжих дэд бүтцийг сая сая хүнтэй (Allcott 2015) нийгмийн нормативын үр нөлөөг судлахын тулд өөрчлөн боловсруулсан эмчилгээний (Allcott 2015) . Эцэст нь, 5-р бүлэгт Кеннет Беноит болон бусад хамтрагчид (2016) бодлогын хэлэлцүүлгүүдийн динамикийг судлахын тулд судлаачид ашиглаж болох өгөгдлийг бий болгохын тулд улс төрийн намуудын үүсгэсэн илэрхийлэлийн багцыг өөрчлөн бүтээсэн кодчиллын үйл явцыг хэрхэн ашиглаж байгааг бид харсан.
Эдгээр дөрвөн жишээнээс харахад ирээдүйд хүчирхэг стратеги нь судалгаа хийхэд зориулагдаагүй том мэдээллийн эх сурвалжийг баяжуулах, судалгаа хийхэд илүү тохиромжтой нэмэлт мэдээллийг агуулсан болно (Groves 2011) . Энэ нь өөрчлөн хийснээс эсвэл уншихад бэлэн байгаа эсэхээс үл хамааран энэхүү хайбрид загвар нь судалгааны олон асуудалд агуу амлалт өгдөг.
