2.3.2 ਹਮੇਸ਼ਾ-ਹਮੇਸ਼ਾ
ਹਮੇਸ਼ਾ-'ਤੇ ਵੱਡੇ ਡਾਟਾ ਅਚਾਨਕ ਘਟਨਾ ਹੈ ਅਤੇ ਅਸਲ-ਵਾਰ ਮਾਪ ਦਾ ਅਧਿਐਨ ਕਰਦਾ ਹੈ.
ਕਈ ਵੱਡੇ ਡਾਟਾ ਸਿਸਟਮ ਨੂੰ ਹਮੇਸ਼ਾ-'ਤੇ ਹਨ; ਉਹ ਲਗਾਤਾਰ ਡਾਟਾ ਇਕੱਠਾ ਕਰ ਰਹੇ ਹਨ. ਇਹ ਹਮੇਸ਼ਾ-'ਤੇ ਗੁਣ ਲੰਮੀ ਡਾਟੇ ਨਾਲ ਖੋਜਕਾਰ ਦਿੰਦਾ ਹੈ (ਭਾਵ, ਵਾਰ ਵੱਧ ਡਾਟਾ). ਹਮੇਸ਼ਾ-ਤੇ ਹੋਣ ਖੋਜ ਕਰਨ ਲਈ ਦੋ ਮਹੱਤਵਪੂਰਨ ਪਰ੍ਭਾਵ ਹੈ.
ਪਹਿਲਾਂ, ਹਮੇਸ਼ਾਂ-ਮੌਜੂਦ ਡਾਟਾ ਇਕੱਤਰ ਕਰਨ ਨਾਲ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਅਚਾਨਕ ਘਟਨਾਵਾਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਦੇ ਢੰਗਾਂ ਨਾਲ ਯੋਗ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜੋ ਹੋਰ ਸੰਭਵ ਨਹੀਂ ਹੁੰਦਾ. ਉਦਾਹਰਨ ਲਈ, 2013 ਦੀ ਗਰਮੀਆਂ ਵਿੱਚ ਟਰਕੀ ਵਿੱਚ ਗੈਜ਼ੀ ਦੇ ਫੈਲਾਓ ਦਾ ਅਧਿਐਨ ਕਰਨ ਵਿੱਚ ਦਿਲਚਸਪੀ ਲੈਣ ਵਾਲੇ ਖੋਜਕਰਤਾ ਆਮ ਤੌਰ ਤੇ ਘਟਨਾ ਦੌਰਾਨ ਪ੍ਰਦਰਸ਼ਨਕਾਰੀਆਂ ਦੇ ਵਿਹਾਰ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਨਗੇ. ਸਿਰੀ ਬੁਰਕਾਕ ਅਤੇ ਡੰਕਨ ਵਾਟਸ (2015) ਟਵਿੱਟਰ ਦੀ ਹਮੇਸ਼ਾ-ਹਮੇਸ਼ਾ ਪ੍ਰਕਿਰਤੀ ਦਾ ਇਸਤੇਮਾਲ ਕਰਕੇ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਵਾਲੇ ਸਮਰਥਰਾਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਦੇ ਯੋਗ ਸਨ ਜਿਹੜੇ ਪ੍ਰੋਗਰਾਮ ਤੋਂ ਪਹਿਲਾਂ, ਦੌਰਾਨ ਅਤੇ ਇਸ ਤੋਂ ਬਾਅਦ ਟਵਿੱਟਰ ਕਰਦੇ ਸਨ. ਅਤੇ, ਉਹ ਘਟਨਾ ਤੋਂ ਪਹਿਲਾਂ, ਦੌਰਾਨ ਅਤੇ ਬਾਅਦ (ਨੰਬਰ 2.2) ਗੈਰ-ਹਿੱਸੇਦਾਰਾਂ ਦੀ ਇੱਕ ਤੁਲਨਾ ਸਮੂਹ ਬਣਾਉਣ ਦੇ ਯੋਗ ਸਨ. ਕੁੱਲ ਮਿਲਾ ਕੇ, ਉਨ੍ਹਾਂ ਦੇ ਸਾਬਕਾ ਪੈਨਲ ਵਿਚ ਦੋ ਸਾਲਾਂ ਤੋਂ 30,000 ਲੋਕਾਂ ਦੇ ਟਵੀਟਰ ਸ਼ਾਮਲ ਸਨ. ਇਸ ਹੋਰ ਜਾਣਕਾਰੀ ਦੇ ਵਿਰੋਧ ਵਿਚ ਆਮ ਤੌਰ 'ਤੇ ਵਰਤੇ ਗਏ ਡੇਟਾ ਨੂੰ ਵਧਾ ਕੇ, ਬੁਰੱਕ ਅਤੇ ਵਾਟਸ ਬਹੁਤ ਕੁਝ ਸਿੱਖ ਸਕਦੇ ਸਨ: ਉਹ ਇਹ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੇ ਯੋਗ ਸਨ ਕਿ ਗਜ਼ੀ ਰੋਸ ਵਿਚ ਕਿਸ ਤਰ੍ਹਾਂ ਦੇ ਲੋਕ ਹਿੱਸਾ ਲੈਣ ਦੀ ਸੰਭਾਵਨਾ ਰੱਖਦੇ ਹਨ ਅਤੇ ਇਹਨਾਂ ਦੇ ਰਵੱਈਏ ਵਿਚ ਹੋਏ ਬਦਲਾਵਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਚਾਹੁੰਦੇ ਹਨ. ਭਾਗੀਦਾਰਾਂ ਅਤੇ ਗੈਰ-ਸਹਿਭਾਗੀ, ਦੋਨਾਂ ਹੀ ਥੋੜੇ ਸਮੇਂ (ਗੈਜ਼ੀ ਦੇ ਦੌਰਾਨ ਪ੍ਰੀ-ਗੇਜ਼ੀ ਦੀ ਤੁਲਨਾ) ਅਤੇ ਲੰਮੀ ਮਿਆਦ (ਪੂਰਵ-ਗੈਜ਼ੀ ਦੇ ਨਾਲ ਪੂਰਵ-ਗੈਜ਼ੀ ਦੀ ਤੁਲਨਾ) ਵਿੱਚ.
ਚਿੱਤਰ 2.2: 2013 ਦੀ ਗਰਮੀਆਂ ਵਿੱਚ ਤੁਰਕੀ ਵਿੱਚ ਗੈਜ਼ੀ ਪ੍ਰਦਰਸ਼ਨਾਂ ਦਾ ਕਬਜ਼ਾ ਲੈਣ ਲਈ Budak and Watts (2015) ਦੁਆਰਾ ਵਰਤੀ ਗਈ ਡਿਜ਼ਾਈਨ. ਟਵਿੱਟਰ ਦੀ ਹਮੇਸ਼ਾਂ ਪ੍ਰਕਿਰਤੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਨੂੰ ਤਿਆਰ ਕੀਤਾ ਜੋ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਪੂਰਵ-ਪੋਸਟ ਪੈਨਲ ਕਿਹਾ ਗਿਆ ਸੀ ਦੋ ਸਾਲਾਂ ਵਿੱਚ 30,000 ਲੋਕ. ਇੱਕ ਖਾਸ ਅਧਿਐਨ ਦੇ ਉਲਟ, ਜੋ ਕਿ ਰੋਸ ਪ੍ਰਦਰਸ਼ਨਾਂ ਦੌਰਾਨ ਭਾਗੀਦਾਰਾਂ 'ਤੇ ਕੇਂਦ੍ਰਤ ਹੈ, ਪੂਰਵ-ਪੋਸਟ ਪੈਨਲ ਨੇ 1) ਘਟਨਾ ਤੋਂ ਪਹਿਲਾਂ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਭਾਗ ਲੈਣ ਵਾਲਿਆਂ ਦੇ ਡੇਟਾ ਨੂੰ ਜੋੜਿਆ ਹੈ ਅਤੇ 2) ਘਟਨਾ ਤੋਂ ਪਹਿਲਾਂ, ਦੌਰਾਨ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਗੈਰ-ਹਿੱਸੇਦਾਰਾਂ ਦੇ ਡੇਟਾ. ਇਹ ਖੁਸ਼ਹਾਲ ਡਾਟਾ ਬਣਤਰ ਬੁੱਡਕ ਅਤੇ ਵੱਟਸ ਨੂੰ ਇਸ ਗੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਬਣਾਇਆ ਗਿਆ ਸੀ ਕਿ ਗਜ਼ੀ ਦੇ ਰੋਸ ਪ੍ਰਦਰਸ਼ਨਾਂ ਵਿੱਚ ਕਿਸ ਤਰ੍ਹਾਂ ਦੇ ਲੋਕ ਹਿੱਸਾ ਲੈਣ ਦੀ ਸੰਭਾਵਨਾ ਰੱਖਦੇ ਸਨ ਅਤੇ ਛੋਟੇ ਅਤੇ ਥੋੜ੍ਹੇ ਸਮੇਂ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਵਾਲੇ ਅਤੇ ਗੈਰ-ਪ੍ਰਤੀਭਾਗੀਆਂ ਦੇ ਰਵੱਈਏ ਵਿੱਚ ਬਦਲਾਅ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਚਾਹੁੰਦੇ ਸਨ. ) ਅਤੇ ਲੰਮੀ ਮਿਆਦ (ਪੂਰਵ- Gezi ਦੇ ਬਾਅਦ Gezi ਦੇ ਨਾਲ ਤੁਲਨਾ) ਵਿੱਚ
ਇੱਕ ਸੰਦੇਹਵਾਦੀ ਸ਼ਾਇਦ ਇਹ ਸੰਬੋਧਨ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਇਹਨਾਂ ਵਿੱਚੋਂ ਕੁਝ ਅੰਦਾਜ਼ ਹਮੇਸ਼ਾ-ਸਮੇਂ ਤੇ ਡਾਟਾ ਇਕੱਤਰ ਕਰਨ ਦੇ ਸਰੋਤ (ਜਿਵੇਂ ਰਵੱਈਆ ਤਬਦੀਲੀ ਦੇ ਲੰਮੇ ਸਮੇਂ ਦੇ ਅੰਦਾਜ਼ੇ) ਦੇ ਬਿਨਾਂ ਕੀਤੇ ਜਾ ਸਕਦੇ ਸਨ, ਅਤੇ ਇਹ ਸਹੀ ਹੈ, ਹਾਲਾਂਕਿ 30,000 ਲੋਕਾਂ ਲਈ ਅਜਿਹੀ ਡੈਟਾ ਇਕੱਠਾ ਕਰਨਾ ਕਾਫ਼ੀ ਸੀ ਮਹਿੰਗਾ ਇੱਥੋਂ ਤੱਕ ਕਿ ਬੇਅੰਤ ਬਜਟ ਵੀ ਦਿੱਤਾ ਗਿਆ, ਪਰ ਮੈਂ ਕਿਸੇ ਹੋਰ ਤਰੀਕੇ ਬਾਰੇ ਨਹੀਂ ਸੋਚ ਸਕਦਾ ਜੋ ਅਵਿਸ਼ਵਾਸ਼ ਨਾਲ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਸਮੇਂ ਸਿਰ ਵਾਪਸ ਜਾਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਅਤੇ ਪਿਛਲੇ ਸਮੇਂ ਵਿੱਚ ਭਾਗੀਦਾਰਾਂ ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਸਿੱਧੇ ਤੌਰ ਤੇ ਦੇਖਦਾ ਹੈ. ਸਭ ਤੋਂ ਨਜ਼ਦੀਕੀ ਵਿਕਲਪ ਵਰਤਾਓ ਦੇ ਪਿਛੋਕੜ ਵਾਲੀ ਰਿਪੋਰਟਾਂ ਨੂੰ ਇਕੱਤਰ ਕਰਨ ਲਈ ਹੋਣਗੇ, ਪਰ ਇਹ ਰਿਪੋਰਟਾਂ ਸੀਮਿਤ ਗ੍ਰੇਨਿਊਲੈਰਿਟੀ ਅਤੇ ਪ੍ਰਸ਼ਨਾਤਮਕ ਸ਼ੁੱਧਤਾ ਦੀ ਹੋਵੇਗੀ. ਸਾਰਣੀ 2.1 ਉਹਨਾਂ ਅਕਾਦਰਾਂ ਦੀਆਂ ਹੋਰ ਮਿਸਾਲਾਂ ਮੁਹੱਈਆ ਕਰਦਾ ਹੈ ਜੋ ਇੱਕ ਅਚਾਨਕ ਘਟਨਾ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਹਮੇਸ਼ਾਂ ਇੱਕ ਮੌਜੂਦ ਡਾਟਾ ਸ੍ਰੋਤ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ.
| ਅਚਾਨਕ ਘਟਨਾ | ਹਮੇਸ਼ਾ-ਮੌਜੂਦ ਡਾਟਾ ਸ੍ਰੋਤ | Citation |
|---|---|---|
| ਤੁਰਕੀ ਵਿਚ ਜਿਜ਼ੀ ਅੰਦੋਲਨ ਕਬਜ਼ਾ ਕਰੋ | ਟਵਿੱਟਰ | Budak and Watts (2015) |
| ਹਾਂਗ ਕਾਂਗ ਵਿਚ ਛੱਤਰੀ ਪ੍ਰਦਰਸ਼ਨ | ਵਾਈਬੋ | Zhang (2016) |
| ਨਿਊਯਾਰਕ ਸਿਟੀ ਵਿਚ ਪੁਲਿਸ ਦੀਆਂ ਸ਼ੂਟਿੰਗਾਂ | ਰੋਕੋ ਅਤੇ ਡਰਨ ਦੀਆਂ ਰਿਪੋਰਟਾਂ | Legewie (2016) |
| ISIS ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਵਾਲਾ ਵਿਅਕਤੀ | ਟਵਿੱਟਰ | Magdy, Darwish, and Weber (2016) |
| ਸਿਤੰਬਰ 11, 2001 ਹਮਲੇ | livejournal.com | Cohn, Mehl, and Pennebaker (2004) |
| ਸਿਤੰਬਰ 11, 2001 ਹਮਲੇ | ਪੇਜ਼ਰ ਸੁਨੇਹੇ | Back, Küfner, and Egloff (2010) , Pury (2011) , Back, Küfner, and Egloff (2011) |
ਅਚਾਨਕ ਘਟਨਾਵਾਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਦੇ ਨਾਲ-ਨਾਲ, ਹਮੇਸ਼ਾ-ਜਲਦੀ ਵੱਡੀ ਡਾਟਾ ਪ੍ਰਣਾਲੀ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਅਸਲ-ਸਮੇਂ ਦੇ ਅੰਦਾਜ਼ੇ ਤਿਆਰ ਕਰਨ ਵਿਚ ਵੀ ਸਮਰੱਥ ਬਣਾਉਂਦੇ ਹਨ, ਜੋ ਸਥਿਤੀਆਂ ਵਿਚ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦੇ ਹਨ, ਜਿੱਥੇ ਨੀਤੀ ਬਣਾਉਣ ਵਾਲੇ-ਸਰਕਾਰ ਜਾਂ ਉਦਯੋਗ ਵਿਚ-ਸਥਿਤੀ ਦੇ ਜਾਗਰੂਕਤਾ ਦੇ ਆਧਾਰ ਤੇ ਜਵਾਬ ਦੇਣਾ ਚਾਹੁੰਦੇ ਹਨ. ਉਦਾਹਰਨ ਲਈ, ਕੁਦਰਤੀ ਆਫ਼ਤਾਂ (Castillo 2016) ਤੇ ਐਮਰਜੈਂਸੀ ਦੇ ਪ੍ਰਤਿਕਿਰਿਆ ਦੀ ਅਗਵਾਈ ਕਰਨ ਲਈ ਸੋਸ਼ਲ ਮੀਡੀਆ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਵੱਖ ਵੱਖ ਵੱਡੀਆਂ ਡਾਟਾ ਸ੍ਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਆਰਥਿਕ ਗਤੀਵਿਧੀ (Choi and Varian 2012) ਰੀਅਲ-ਟਾਈਮ ਅੰਦਾਜ਼ਿਆਂ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ.
ਸਿੱਟਾ ਵਿੱਚ, ਹਮੇਸ਼ਾਂ-ਮੌਜੂਦ ਡਾਟਾ ਪ੍ਰਣਾਲੀ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਅਣਕਿਆਸੀ ਘਟਨਾਵਾਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਅਤੇ ਨੀਤੀ ਨਿਰਮਾਤਾਵਾਂ ਨੂੰ ਅਸਲ-ਸਮਾਂ ਜਾਣਕਾਰੀ ਮੁਹੱਈਆ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ. ਹਾਲਾਂਕਿ ਮੈਂ ਇਹ ਨਹੀਂ ਸੋਚਦਾ ਹਾਂ ਕਿ ਹਮੇਸ਼ਾ-ਸਮੇਂ ਤੇ ਡਾਟਾ ਪ੍ਰਣਾਲੀਆਂ ਲੰਮੇ ਸਮੇਂ ਦੇ ਸਮੇਂ ਵਿਚ ਤਬਦੀਲੀਆਂ ਨੂੰ ਟਰੈਕ ਕਰਨ ਲਈ ਢੁਕਵਾਂ ਹੁੰਦੀਆਂ ਹਨ. ਇਹ ਇਸ ਲਈ ਹੈ ਕਿਉਂਕਿ ਬਹੁਤ ਸਾਰੇ ਵੱਡੇ ਡਾਟਾ ਸਿਸਟਮ ਲਗਾਤਾਰ ਬਦਲ ਰਹੇ ਹਨ- ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਜਿਸ ਨੂੰ ਮੈਂ ਅਧਿਆਇ (ਭਾਗ 2.3.7) ਵਿੱਚ ਬਾਅਦ ਵਿੱਚ ਡ੍ਰਾਈਵ ਕਰ ਦਿਆਂਗਾ.
