Blumenstock နှင့်လုပ်ဖော်ကိုင်ဖက်များ၏စီမံကိန်းများ၏အသေးစိတ်ဖော်ပြချက်အဘို့, ဤစာစောင်၏အခန်း 3 ကိုကြည့်ပါ။
Gleick (2011) , စုဆောင်းစတိုးဆိုင်, ထုတ်လွှင့်ဖို့လူသားမျိုးနွယ်အပေါ်ရဲ့စွမ်းရည်အတွက်အပြောင်းအလဲနှင့်လုပ်ငန်းစဉ်ကိုအချက်အလက်များ၏သမိုင်းခြုံငုံသုံးသပ်ချက်ပေးသည်။
ထိုကဲ့သို့သော privacy ကိုချိုးဖောက်မှုများအဖြစ်အလားအလာပျက်ဆီးပေါ်တွင်အလေးပေးသောဒီဂျစ်တယ်ခေတ်တစ်ခုမိတ်ဆက်များအတွက်တွေ့ Abelson, Ledeen, and Lewis (2008) နှင့် Mayer-Schönberger (2009) ။ အခွင့်အလမ်းများကိုအလေးပေးသောဒီဂျစ်တယ်ခေတ်တစ်ခုမိတ်ဆက်များအတွက်တွေ့ Mayer-Schönberger and Cukier (2013) ။
လုပ်ရိုးလုပ်စဉ်အလေ့အကျင့်သို့လက်တွေ့စမ်းသပ်ချက်ဖော်စပ်ကုမ္ပဏီများအကြောင်းပိုမိုအဘို့အတွေ့ Manzi (2012) , နှင့်ရုပ်ပိုင်းဆိုင်ရာကမ်ဘာပျေါတှငျအပြုအမူခြေရာခံကုမ္ပဏီများအကြောင်းပိုမိုအဘို့အတွေ့ Levy and Baracas (2017) ။
ဒစ်ဂျစ်တယ်အသက်အရွယ်စနစ်များကိုလေ့လာမှုနှစ်ခုလုံးကိုတူရိယာများနှင့်တ္ထုဖြစ်နိုင်ပါတယ်။ ဥပမာအားဖြင့်, သင်သည်အများပြည်သူထင်မြင်ချက်ကိုတိုင်းတာရန်သို့မဟုတ်သင်အများပြည်သူအမြင်အပေါ်ဆိုရှယ်မီဒီယာများ၏သက်ရောက်မှုကိုနားလည်သဘောပေါက်ရန်လိုလိမ့်မည်လူမှုမီဒီယာကိုအသုံးပြုချင်ပေလိမ့်မည်။ တဦးတည်းအမှု၌, ဒစ်ဂျစ်တယ်စနစ်အသငျသညျသစ်ကိုတိုင်းတာခြင်းစေရန်ကူညီပေးပါတယ်တစ်ခုတူရိယာအဖြစ်ဆောင်ရွက်ပါသည်။ အခြားအမှု၌, ဒစ်ဂျစ်တယ်စနစ်ကလေ့လာမှု၏အရာဝတ္ထုဖြစ်ပါတယ်။ ဒီဂုဏ်ထူးအပေါ်ပိုပြီးအဘို့အတွေ့ Sandvig and Hargittai (2015) ။
လူမှုရေးသိပ္ပံသုတေသနဒီဇိုင်းကိုအပေါ်ကိုပိုမိုအဘို့အတွေ့ King, Keohane, and Verba (1994) , Singleton and Straits (2009) နှင့် Khan and Fisher (2013) ။
Donoho (2015) ဒေတာကနေလေ့လာသင်ယူလူများ၏လှုပ်ရှားမှုများအဖြစ် data တွေကိုသိပ္ပံပညာကိုဖော်ပြထားတယ်, အဲဒါကထိုကဲ့သို့သော Tukey, Cleveland, ကုန်သည်များနှင့် Breiman အဖြစ်ပညာရှင်များမှလယ်၌ဖြစ်သောဉာဏမူလ tracing, ဒေတာသိပ္ပံ၏သမိုင်းပေးထားပါတယ်။
ဒီဂျစ်တယ်ခေတ်များတွင်လူမှုရေးသုတေသနပို့ချအကြောင်းကိုပထမဦးဆုံး-လူတစ်ဦးအစီရင်ခံစာများတစ်စီးရီးများအတွက်တွေ့ Hargittai and Sandvig (2015) ။
readymade နှင့် custommade data တွေကိုရောစပ်အကြောင်းပိုမိုအဘို့အတွေ့ Groves (2011) ။
၏ကျရှုံးအကြောင်းပိုမိုအတွက် "အမည်ဝှက်ပေးဖို့," ဤစာအုပ်၏အခန်း 6 တွင်ကြည့်ပါ။ Blumenstock နှင့်လုပ်ဖော်ကိုင်ဘက်များကလူရဲ့စည်းစိမ်ကိုအခြရန်အသုံးပြုသည့်တူညီသောယေဘုယျ technique ကိုလည်းလိင်အမျိုးအစား, လူမျိုးရေး, ဘာသာရေး, နိုင်ငံရေးအမြင်များနှင့်စွဲလမ်းတ္ထုများအသုံးပြုမှုအပါအဝင်အလားအလာအထိခိုက်မခံပုဂ္ဂိုလ်ရေး attribute တွေ, အခြဖို့အသုံးပြုနိုင်ပါတယ် (Kosinski, Stillwell, and Graepel 2013) ။