2.5 Kesimpulan

data yang besar di mana-mana, tetapi menggunakannya dan lain-lain bentuk data pemerhatian kajian sosial adalah sukar. Dalam pengalaman saya ada sesuatu yang seperti tidak makan tengah hari Harta bebas untuk penyelidikan: jika anda tidak dimasukkan ke dalam banyak kerja mengumpul data, maka anda mungkin akan perlu dimasukkan ke dalam banyak kerja menganalisis data anda atau dalam memikirkan apa yang ada dalam satu persoalan yang menarik untuk meminta data. Berdasarkan idea-idea dalam bab ini, saya berfikir bahawa ada tiga cara utama yang sumber data yang besar akan menjadi paling berharga untuk penyelidikan sosial:

• empirik menghakimi antara bersaing ramalan teori. Contoh jenis ini kerja termasuk Farber (2015) (pemandu Teksi New York) dan King, Pan, and Roberts (2013) (Penapisan di China)
• pengukuran sosial yang lebih baik untuk dasar melalui nowcasting. Contoh jenis ini kerja adalah Ginsberg et al. (2009) (Google Trend Flu).
• menganggarkan kesan sebab dan akibat dengan eksperimen semula jadi dan yang sepadan. Contoh jenis ini kerja. Mas and Moretti (2009) (peer kesan ke atas produktiviti) dan Einav et al. (2015) (kesan harga permulaan pada lelongan di eBay).

Banyak persoalan penting dalam penyelidikan sosial boleh dinyatakan sebagai salah satu daripada tiga. Walau bagaimanapun, pendekatan ini secara amnya memerlukan penyelidik untuk membawa banyak kepada data. Apa yang membuatkan Farber (2015) menarik ialah motivasi teori pengukuran. Ini motivasi teori datang dari luar data. Oleh itu, bagi mereka yang pandai meminta beberapa jenis soalan penyelidikan, sumber data yang besar boleh menjadi sangat berhasil.

Akhir sekali, dan bukannya teori yang didorong penyelidikan empirikal (yang telah menjadi tumpuan dalam bab ini), kita boleh flip skrip dan mencipta kaedah teori empirikal yang dipacu. Iaitu, melalui pengumpulan berhati-hati dengan fakta empirikal, corak, dan teka-teki, kita boleh membina teori baru.

Ini alternatif, pendekatan data pertama teori bukanlah sesuatu yang baru, dan ia adalah yang paling tegas dinyatakan oleh Glaser and Strauss (1967) dengan seruan mereka untuk teori dibumikan. Pendekatan data-pertama ini, bagaimanapun, tidak bermakna "akhir teori," seperti yang didakwa oleh banyak kewartawanan sekitar penyelidikan dalam era digital (Anderson 2008) . Sebaliknya, kerana perubahan persekitaran data, kita perlu menjangkakan pengimbangan semula dalam hubungan antara teori dan data. Dalam dunia di mana pengumpulan data adalah mahal, ia masuk akal untuk hanya mengumpul data yang teori mencadangkan akan menjadi yang paling berguna. Tetapi, dalam dunia di mana sejumlah besar data sudah boleh didapati secara percuma, ia masuk akal untuk juga cuba pendekatan data pertama (Goldberg 2015) .

Seperti yang saya telah ditunjukkan dalam bab ini, penyelidik boleh belajar banyak dengan menonton orang. Dalam tiga bab yang akan datang, saya akan menerangkan bagaimana kita boleh mengetahui lebih lanjut dan berbeza perkara yang jika kita menyesuaikan pengumpulan data kami dan berinteraksi dengan orang yang lebih langsung dengan meminta mereka soalan (Bab 3), menjalankan eksperimen (Bab 4), dan juga melibatkan mereka dalam proses penyelidikan secara langsung (Bab 5).