2.3.4 ਅਧੂਰਾ
ਕੋਈ ਵੱਡਾ ਗੱਲ ਇਹ ਨਹੀਂ ਕਿ ਤੁਹਾਡੇ ਵੱਡੇ ਅੰਕੜੇ ਕਿੰਨੇ ਵੱਡੇ ਹਨ, ਸੰਭਵ ਤੌਰ ਤੇ ਉਹ ਜਾਣਕਾਰੀ ਨਹੀਂ ਹੈ ਜੋ ਤੁਸੀਂ ਚਾਹੁੰਦੇ ਹੋ
ਜ਼ਿਆਦਾਤਰ ਵੱਡੇ ਡੇਟਾ ਸ੍ਰੋਤਾਂ ਅਧੂਰੇ ਹਨ , ਇਸਦੇ ਅਰਥ ਵਿਚ ਉਨ੍ਹਾਂ ਕੋਲ ਉਹ ਜਾਣਕਾਰੀ ਨਹੀਂ ਹੈ ਜੋ ਤੁਸੀਂ ਆਪਣੀ ਖੋਜ ਲਈ ਚਾਹੋਗੇ. ਇਹ ਡਾਟਾ ਦੀ ਇੱਕ ਆਮ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜੋ ਖੋਜ ਦੇ ਇਲਾਵਾ ਹੋਰ ਉਦੇਸ਼ਾਂ ਲਈ ਬਣਾਏ ਗਏ ਸਨ. ਬਹੁਤ ਸਾਰੇ ਸਮਾਜਕ ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਪਹਿਲਾਂ ਹੀ ਅਧੂਰਾਤਾ ਨਾਲ ਨਜਿੱਠਣ ਦਾ ਅਨੁਭਵ ਹੋ ਗਿਆ ਹੈ, ਜਿਵੇਂ ਇੱਕ ਮੌਜੂਦਾ ਸਰਵੇਖਣ, ਜੋ ਕਿ ਲੋੜੀਂਦੇ ਸਵਾਲ ਨੂੰ ਨਹੀਂ ਪੁੱਛਦਾ ਸੀ. ਬਦਕਿਸਮਤੀ ਨਾਲ, ਵੱਡੇ ਅੰਕਾਂ ਵਿਚ ਅਧੂਰੀ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਵਧੇਰੇ ਗੰਭੀਰ ਹੁੰਦੀਆਂ ਹਨ. ਮੇਰੇ ਤਜਰਬੇ ਵਿਚ, ਵੱਡੇ ਅੰਕੜੇ ਤਿੰਨ ਤਰ੍ਹਾਂ ਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਸੋਸ਼ਲ ਖੋਜ ਲਈ ਉਪਯੋਗੀ ਬਣਾਉਂਦੇ ਹਨ: ਭਾਗ ਲੈਣ ਵਾਲਿਆਂ ਬਾਰੇ ਡੈਮੋਲੋਕਿਕ ਜਾਣਕਾਰੀ, ਦੂਜੇ ਪਲੇਟਫਾਰਮਾਂ ਦੇ ਵਿਹਾਰ ਅਤੇ ਸਿਧਾਂਤਕ ਢਾਂਚੇ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਡਾਟਾ.
ਤਿੰਨ ਤਰ੍ਹਾਂ ਦੇ ਅਧੂਰੇ ਹੋਣ ਦੇ ਕਾਰਨ, ਸਿਧਾਂਤਕ ਢਾਂਚਿਆਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਅਧੂਰਾ ਡਾਟਾ ਦੀ ਸਮੱਸਿਆ ਹੱਲ ਕਰਨਾ ਸਭ ਤੋਂ ਮੁਸ਼ਕਲ ਹੈ. ਅਤੇ ਮੇਰੇ ਤਜਰਬੇ ਵਿਚ, ਇਹ ਅਕਸਰ ਅਚਾਨਕ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ. ਤਕਰੀਬਨ, ਸਿਧਾਂਤਕ ਕਲੋਜ਼ਰ ਇਕਸਾਰ ਵਿਚਾਰ ਹਨ ਜੋ ਸਮਾਜਿਕ ਵਿਗਿਆਨੀ ਇਕ ਸਿਧਾਂਤਕ ਨਿਰਮਾਣ ਦਾ ਅਧਿਐਨ ਕਰਦੇ ਹਨ ਅਤੇ ਕਾਰਜਸ਼ੀਲ ਹੁੰਦੇ ਹਨ, ਇਹ ਦਰਸਾਉਣ ਦਾ ਕੋਈ ਤਰੀਕਾ ਹੈ ਕਿ ਇਹ ਵੇਖਣ ਯੋਗ ਡੇਟਾ ਦੇ ਨਾਲ ਤਿਆਰ ਹੋਵੇ. ਬਦਕਿਸਮਤੀ ਨਾਲ, ਇਹ ਸਾਧਾਰਣ-ਧੁਪਣ ਵਾਲੀ ਪ੍ਰਕ੍ਰੀਆ ਅਕਸਰ ਬਹੁਤ ਮੁਸ਼ਕਿਲ ਹੋ ਜਾਂਦੀ ਹੈ ਉਦਾਹਰਨ ਲਈ, ਆਉ ਅਸੀਂ ਕਲਪਨਾ ਕਰੀਏ ਕਿ ਇਹ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਸਧਾਰਨ ਦਾਅਵੇ ਨੂੰ ਸਿੱਖਣ ਲਈ ਯਤਨਸ਼ੀਲ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੀਏ ਕਿ ਜੋ ਲੋਕ ਵਧੇਰੇ ਬੁੱਧੀਮਾਨ ਹਨ, ਉਹ ਜ਼ਿਆਦਾ ਪੈਸਾ ਕਮਾਉਂਦੇ ਹਨ. ਇਸ ਦਾਅਵੇ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ "ਬੁੱਧੀ" ਨੂੰ ਮਾਪਣ ਦੀ ਜ਼ਰੂਰਤ ਹੈ. ਪਰ ਬੁੱਧ ਕੀ ਹੈ? Gardner (2011) ਨੇ ਦਲੀਲ ਦਿੱਤੀ ਕਿ ਅਸਲ ਵਿੱਚ ਖੁਫੀਆ ਦੇ ਅੱਠ ਵੱਖ-ਵੱਖ ਰੂਪ ਹਨ ਅਤੇ ਕੀ ਅਜਿਹੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਹਨ ਜੋ ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਵੀ ਕਿਸਮ ਦੀ ਅਕਲ ਨੂੰ ਮਾਪ ਸਕਦੀਆਂ ਹਨ? ਮਨੋਵਿਗਿਆਨੀਆਂ ਦੁਆਰਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਕੰਮ ਦੇ ਬਾਵਜੂਦ, ਇਹਨਾਂ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਅਜੇ ਵੀ ਸਪੱਸ਼ਟ ਜਵਾਬ ਨਹੀਂ ਹਨ.
ਇਸ ਤਰ੍ਹਾਂ, ਇੱਕ ਮੁਕਾਬਲਤਨ ਸਧਾਰਨ ਦਾਅਵੇ-ਉਹ ਲੋਕ ਜੋ ਵਧੇਰੇ ਅਕਲਮੰਦ ਹਨ, ਵਧੇਰੇ ਪੈਸਾ ਕਮਾਉਂਦੇ ਹਨ -ਮੁਲਾਂਕਣ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਔਖਾ ਹੋ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਡਾਟਾ ਵਿੱਚ ਸਿਧਾਂਤਕ ਢਾਂਚਿਆਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਔਖਾ ਹੋ ਸਕਦਾ ਹੈ. ਥਿਊਰੀਕਲ ਕੰਧਾਂ ਦੇ ਹੋਰ ਉਦਾਹਰਣ ਜੋ ਲਾਗੂ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਪਰ ਹਾਰਡ ਨੂੰ "ਨਿਯਮਾਂ," "ਸਮਾਜਿਕ ਪੂੰਜੀ" ਅਤੇ "ਜਮਹੂਰੀਅਤ" ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ. ਸਮਾਜਿਕ ਵਿਗਿਆਨੀ ਸਿਧਾਂਤਕ ਢਾਂਚੇ ਅਤੇ ਡੇਟਾ ਨਿਰਮਾਣ ਯੋਗਤਾ (Cronbach and Meehl 1955) ਵਿਚਕਾਰ ਮੈਚ ਨੂੰ ਕਹਿੰਦੇ ਹਨ. ਜਿਵੇਂ ਕਿ ਉਸਾਰੀਆਂ ਦੀ ਇਸ ਛੋਟੀ ਸੂਚੀ ਤੋਂ ਸੁਝਾਅ ਦਿੱਤਾ ਗਿਆ ਹੈ, ਉਸਾਰੀ ਦੀ ਵਿਧੀ ਇਕ ਸਮੱਸਿਆ ਹੈ, ਜਿਸ ਨੂੰ ਸਮਾਜਿਕ ਵਿਗਿਆਨੀ ਬਹੁਤ ਲੰਬੇ ਸਮੇਂ ਲਈ ਸੰਘਰਸ਼ ਕਰਦੇ ਆਏ ਹਨ. ਪਰ ਮੇਰੇ ਤਜਰਬੇ ਵਿਚ, ਖੋਜ ਦੇ ਉਦੇਸ਼ਾਂ ਲਈ ਤਿਆਰ ਨਹੀਂ ਕੀਤੇ ਗਏ ਡੇਟਾ ਦੇ ਨਾਲ ਕੰਮ ਕਰਦੇ ਸਮੇਂ ਵੈਧਤਾ ਦੀ ਉਸਾਰੀ ਦੀ ਸਮੱਸਿਆ ਉਦੋਂ ਵੀ ਵੱਧ ਹੈ, (Lazer 2015) .
ਜਦੋਂ ਤੁਸੀਂ ਖੋਜ ਨਤੀਜਿਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰ ਰਹੇ ਹੁੰਦੇ ਹੋ ਤਾਂ ਉਸਾਰੀ ਦੀ ਪ੍ਰਮਾਣਿਕਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦਾ ਇਕ ਤੇਜ਼ ਅਤੇ ਲਾਭਦਾਇਕ ਤਰੀਕਾ ਹੈ ਨਤੀਜੇ ਨੂੰ ਲੈਣਾ, ਜੋ ਆਮ ਤੌਰ ਤੇ ਉਸਾਰਾਂ ਦੇ ਰੂਪ ਵਿਚ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਵਰਤੀ ਗਈ ਡਾਟਾ ਦੇ ਰੂਪ ਵਿਚ ਦੁਬਾਰਾ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਦੋ ਹਾਈਪੋਥੈਟੀਕਲ ਅਧਿਐਨਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰੋ ਜੋ ਇਹ ਦਿਖਾਉਣ ਦਾ ਦਾਅਵਾ ਕਰਦੇ ਹਨ ਕਿ ਜੋ ਲੋਕ ਵਧੇਰੇ ਬੁੱਧੀਮਾਨ ਹਨ, ਉਹ ਜ਼ਿਆਦਾ ਪੈਸਾ ਕਮਾਉਂਦੇ ਹਨ. ਪਹਿਲੇ ਅਧਿਐਨ ਵਿੱਚ, ਖੋਜਕਰਤਾ ਨੇ ਪਾਇਆ ਕਿ ਜੋ ਲੋਕ ਰੇਵੇਨ ਪ੍ਰੋਗਰੈਸਿਵ ਮੈਟਰਿਸਿਸ ਟੈਸਟ ਵਿੱਚ ਚੰਗੀ ਤਰ੍ਹਾਂ ਤਰੱਕੀ ਕਰਦੇ ਹਨ - ਵਿਸ਼ਲੇਸ਼ਣ ਸੰਬੰਧੀ ਖੁਫੀਆ (Carpenter, Just, and Shell 1990) ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪੜ੍ਹਾਈ ਕੀਤੀ ਗਈ ਪ੍ਰੀਖਿਆ - ਉਹਨਾਂ ਦੇ ਟੈਕਸ ਰਿਟਰਨਾਂ 'ਤੇ ਉੱਚੀ ਰਿਪੋਰਟ ਦਿੱਤੀ ਗਈ ਹੈ ਦੂਜੇ ਅਧਿਐਨ ਵਿੱਚ, ਖੋਜਕਰਤਾ ਨੇ ਦੇਖਿਆ ਕਿ ਟਵਿੱਟਰ 'ਤੇ ਲੋਕ ਜੋ ਲੰਬੇ ਸ਼ਬਦਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਉਹ ਲਗਜ਼ਰੀ ਬ੍ਰਾਂਡਾਂ ਦਾ ਜ਼ਿਕਰ ਕਰਨ ਦੀ ਜ਼ਿਆਦਾ ਸੰਭਾਵਨਾ ਰੱਖਦੇ ਹਨ. ਦੋਵੇਂ ਕੇਸਾਂ ਵਿੱਚ, ਇਹ ਖੋਜਕਰਤਾਵਾਂ ਦਾਅਵਾ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਉਨ੍ਹਾਂ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਉਹ ਲੋਕ ਜੋ ਵਧੇਰੇ ਅਕਲਮੰਦ ਹਨ, ਵਧੇਰੇ ਪੈਸਾ ਕਮਾਉਂਦੇ ਹਨ. ਹਾਲਾਂਕਿ, ਪਹਿਲੇ ਅਧਿਐਨ ਵਿੱਚ ਡੈਟਾ ਦੁਆਰਾ ਸਿਧਾਂਤਕ ਢਾਂਚੇ ਦੀ ਸ਼ੁਰੂਆਤ ਕੀਤੀ ਗਈ ਹੈ, ਜਦਕਿ ਦੂਜੀ ਵਿੱਚ ਉਹ ਨਹੀਂ ਹਨ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਿਵੇਂ ਕਿ ਇਹ ਉਦਾਹਰਨ ਦਰਸਾਉਂਦਾ ਹੈ, ਉਸਾਰੀ ਦੀ ਵਿਧੀ ਨਾਲ ਹੋਰ ਡਾਟਾ ਆਪਣੇ ਆਪ ਹੀ ਸਮੱਸਿਆਵਾਂ ਹੱਲ ਨਹੀਂ ਕਰਦੇ. ਤੁਹਾਨੂੰ ਦੂਜੇ ਅਧਿਐਨ ਦੇ ਨਤੀਜਿਆਂ 'ਤੇ ਸ਼ੱਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਇਹ ਇਕ ਮਿਲੀਅਨ ਟਵੀਟਰ, ਇਕ ਅਰਬ ਟਵੀਟ ਜਾਂ ਟ੍ਰਿਲੀਅਨ ਟਵੀਟਰ ਸ਼ਾਮਲ ਹਨ. ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਨਿਰਮਾਣ ਦੀ ਵਿਧੀ ਦੇ ਵਿਚਾਰ ਤੋਂ ਜਾਣੂ ਨਹੀਂ ਹੈ, ਟੇਬਲ 2.2 ਉਹਨਾਂ ਅਧਿਐਨਾਂ ਦੀਆਂ ਕੁਝ ਉਦਾਹਰਣਾਂ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ ਡਿਜੀਟਲ ਟਰੇਸ ਡਾਟਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਿਧਾਂਤਕ ਨਿਰਮਾਣ ਕਾਰਜਾਂ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਹੈ.
| ਡਾਟਾ ਸ੍ਰੋਤ | ਸਿਧਾਂਤਕ ਨਿਰਮਾਣ | ਹਵਾਲੇ |
|---|---|---|
| ਕਿਸੇ ਯੂਨੀਵਰਸਿਟੀ ਤੋਂ ਈਮੇਲ ਲਾਗ (ਸਿਰਫ਼ ਮੈਟਾ-ਡਾਟਾ) | ਸਮਾਜਕ ਰਿਸ਼ਤੇ | Kossinets and Watts (2006) , Kossinets and Watts (2009) , De Choudhury et al. (2010) |
| ਵੇਬੀਬਾ ਤੇ ਸੋਸ਼ਲ ਮੀਡੀਆ ਪੋਸਟਾਂ | ਸ਼ਹਿਰੀ ਰੁਝਾਣ | Zhang (2016) |
| ਫਰਮ ਤੋਂ ਈਮੇਲ ਚਿੱਠੇ (ਮੈਟਾ-ਡੇਟਾ ਅਤੇ ਪੂਰਾ ਪਾਠ) | ਇੱਕ ਸੰਸਥਾ ਵਿੱਚ ਸੱਭਿਆਚਾਰਕ ਫਿਟ | Srivastava et al. (2017) |
ਹਾਲਾਂਕਿ ਸਿਧਾਂਤਕ ਢਾਂਚੇ ਨੂੰ ਹਾਸਲ ਕਰਨ ਲਈ ਅਧੂਰੇ ਡਾਟੇ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ, ਪਰ ਇਹ ਹੋਰ ਆਮ ਕਿਸਮ ਦੇ ਅਧੂਰਾ ਰਹਿਤ ਦੇ ਆਮ ਹੱਲ ਹਨ: ਅਧੂਰੀ ਜਨਸੰਖਿਆ ਜਾਣਕਾਰੀ ਅਤੇ ਹੋਰ ਪਲੇਟਫਾਰਮ ਤੇ ਵਿਹਾਰ ਬਾਰੇ ਅਧੂਰੀ ਜਾਣਕਾਰੀ. ਪਹਿਲਾਂ ਦਾ ਹੱਲ ਅਸਲ ਵਿੱਚ ਤੁਹਾਡੇ ਦੁਆਰਾ ਲੋੜੀਂਦੇ ਡੇਟਾ ਨੂੰ ਇਕੱਠਾ ਕਰਨਾ ਹੈ; ਮੈਂ ਇਸ ਬਾਰੇ ਤੁਹਾਨੂੰ ਅਧਿਆਇ 3 ਵਿਚ ਦੱਸਾਂਗਾ ਜਦੋਂ ਮੈਂ ਤੁਹਾਨੂੰ ਸਰਵੇਖਣਾਂ ਬਾਰੇ ਦੱਸਾਂਗਾ. ਦੂਸਰਾ ਮੁੱਖ ਹੱਲ ਅਜਿਹਾ ਕਰਨਾ ਹੈ ਜੋ ਡੇਟਾ ਵਿਗਿਆਨਿਕ ਉਪਭੋਗਤਾ-ਵਿਸ਼ੇਸ਼ਤਾ ਸੰਕਲਪ ਨੂੰ ਕਾਲ ਕਰਦੇ ਹਨ ਅਤੇ ਸਮਾਜਿਕ ਵਿਗਿਆਨੀ ਅਭਿਲਾਸ਼ੀ ਦਾ ਕਹਿਣਾ ਹੈ. ਇਸ ਪਹੁੰਚ ਵਿੱਚ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਉਹਨਾਂ ਲੋਕਾਂ ਦੀ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ ਜੋ ਕੁਝ ਲੋਕਾਂ 'ਤੇ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਹਨ. ਇੱਕ ਤੀਜਾ ਸੰਭਵ ਹੱਲ ਹੈ ਕਿ ਬਹੁਤੇ ਡਾਟਾ ਸਰੋਤ ਜੋੜਨੇ. ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਕਈ ਵਾਰੀ ਰਿਕਾਰਡ ਦੀ ਲਿੰਕੇਜ ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ . ਇਸ ਪ੍ਰਕਿਰਿਆ ਦੇ ਲਈ ਮੇਰਾ ਪਸੰਦੀਦਾ ਰੂਪਕ Dunn (1946) ਦੁਆਰਾ ਰਿਕਾਰਡ ਲਿਜਾਇਣ ਤੇ ਲਿਖਿਆ ਗਿਆ ਬਹੁਤ ਹੀ ਪਹਿਲਾ ਪੇਪਰ ਦੇ ਪਹਿਲੇ ਪੈਰੇ ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਸੀ:
"ਦੁਨੀਆਂ ਵਿਚ ਹਰ ਇਨਸਾਨ ਜੀਵਨ ਦੀ ਕਿਤਾਬ ਬਣਾਉਂਦਾ ਹੈ. ਇਹ ਪੁਸਤਕ ਜਨਮ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ ਅਤੇ ਮੌਤ ਨਾਲ ਖ਼ਤਮ ਹੁੰਦੀ ਹੈ. ਇਸਦੇ ਪੰਨੇ ਜ਼ਿੰਦਗੀ ਦੇ ਮੁਖੀ ਘਟਨਾਵਾਂ ਦੇ ਰਿਕਾਰਡਾਂ ਤੋਂ ਬਣੇ ਹਨ. ਰਿਕਾਰਡ ਦੀ ਲਿੰਕੇਜ ਇਕ ਕਿਤਾਬ ਹੈ ਜੋ ਇਸ ਪੁਸਤਕ ਦੇ ਪੰਨਿਆਂ ਨੂੰ ਇੱਕ ਵਾਲੀਅਮ ਵਿੱਚ ਜੋੜਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ. "
ਜਦੋਂ ਡੱਨ ਨੇ ਲਿਖਿਆ ਕਿ ਉਹ ਬੀਤਣ ਉਹ ਕਲਪਨਾ ਕਰ ਰਿਹਾ ਸੀ ਕਿ ਬੁੱਕ ਆਫ਼ ਲਾਈਫ ਵਿਚ ਜਨਮ, ਵਿਆਹ, ਤਲਾਕ, ਅਤੇ ਮੌਤ ਵਰਗੇ ਪ੍ਰਮੁੱਖ ਜੀਵਨ ਘਟਨਾਵਾਂ ਸ਼ਾਮਲ ਹੋ ਸਕਦੀਆਂ ਹਨ. ਹਾਲਾਂਕਿ, ਹੁਣ ਲੋਕਾਂ ਬਾਰੇ ਬਹੁਤ ਸਾਰੀ ਜਾਣਕਾਰੀ ਦਰਜ ਕੀਤੀ ਗਈ ਹੈ, ਬੁੱਕ ਆਫ਼ ਲਾਈਫ ਇੱਕ ਅਵਿਸ਼ਵਾਸ਼ ਨਾਲ ਵਿਸਤ੍ਰਿਤ ਪੋਰਟਰੇਟ ਹੋ ਸਕਦੀ ਹੈ, ਜੇਕਰ ਉਹ ਵੱਖਰੇ ਪੰਨਿਆਂ (ਅਰਥਾਤ, ਸਾਡੇ ਡਿਜੀਟਲ ਟਰੇਸਾਂ) ਨੂੰ ਇੱਕਠਿਆਂ ਬੰਨ੍ਹਿਆ ਜਾ ਸਕਦਾ ਹੈ ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਜੀਵਨ ਦੀ ਇਹ ਪੁਸਤਕ ਇੱਕ ਮਹਾਨ ਸਰੋਤ ਹੋ ਸਕਦੀ ਹੈ ਪਰ, ਇਸਨੂੰ ਤਬਾਹੀ ਦਾ ਇੱਕ ਡੈਟਾਬੇਸ (Ohm 2010) ਜਾ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਹਰ ਕਿਸਮ ਦੇ ਅਨੈਤਿਕ ਮੰਤਵਾਂ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਮੈਂ ਅਧਿਆਇ 6 (ਐਥਿਕਸ) ਵਿੱਚ ਵਰਣਨ ਕਰਾਂਗਾ.
