7.2.1 ਰੈਡੀਮੇਡ ਅਤੇ ਕਸਟਮ ਮੇਡਜ਼ ਦੇ ਸੰਚੋਧਨ

ਨਾ ਤਾਂ ਇਕ ਸ਼ੁੱਧ ਰੈਡੀਮੇਟ ਰਣਨੀਤੀ ਅਤੇ ਨਾ ਹੀ ਇਕ ਸ਼ੁੱਧ ਕਸਟਮ ਰੇਖਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਡਿਜੀਟਲ ਉਮਰ ਦੀਆਂ ਯੋਗਤਾਵਾਂ ਦਾ ਪੂਰਾ ਇਸਤੇਮਾਲ ਕਰਦਾ ਹੈ. ਭਵਿੱਖ ਵਿੱਚ ਅਸੀਂ ਹਾਈਬ੍ਰਿਡ ਬਣਾਉਣ ਜਾ ਰਹੇ ਹਾਂ.

ਸ਼ੁਰੂਆਤ ਵਿਚ, ਮੈਂ ਮੈਸੈਲ ਡਲੋਪ ਦੇ ਰਵਾਇਤੀ ਸਟਾਈਲ ਦੇ ਨਾਲ ਮਾਰਸੇਲ ਡੂਚੈਂਪ ਦੀ ਰੈਡੀਮੇਟ ਸਟਾਈਲ ਦੀ ਤੁਲਨਾ ਕੀਤੀ ਇਸ ਦੇ ਉਲਟ ਡਾਟਾ ਵਿਗਿਆਨਕਾਂ, ਜੋ ਕਿ ਰੀਡੀਮੇਡ ਅਤੇ ਸਮਾਜਿਕ ਵਿਗਿਆਨੀ ਨਾਲ ਕੰਮ ਕਰਨਾ ਪਸੰਦ ਕਰਦੇ ਹਨ, ਵਿਚ ਕੰਮ ਕਰਦੇ ਹਨ, ਜੋ ਕਸਟਮ ਮੇਡਜ਼ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹਨ. ਭਵਿੱਖ ਵਿੱਚ, ਹਾਲਾਂਕਿ, ਮੈਂ ਉਮੀਦ ਕਰਦਾ ਹਾਂ ਕਿ ਅਸੀਂ ਵਧੇਰੇ ਹਾਈਬ੍ਰਿਡ ਵੇਖਾਂਗੇ ਕਿਉਂਕਿ ਇਹਨਾਂ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਪਵਿਤ੍ਰ ਪਹੁੰਚ ਸੀਮਤ ਹੈ. ਖੋਜਕਰਤਾਵਾਂ ਜੋ ਸਿਰਫ ਰੇਡੀਮੇਡ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ, ਉਹ ਸੰਘਰਸ਼ ਕਰਨ ਜਾ ਰਹੇ ਹਨ ਕਿਉਂਕਿ ਦੁਨੀਆਂ ਵਿਚ ਬਹੁਤ ਸਾਰੇ ਸੁੰਦਰ ਰੈਡੀਮੇਡ ਨਹੀਂ ਹਨ. ਖੋਜਕਰਤਾਵਾਂ ਜੋ ਸਿਰਫ ਕਸਟਮ ਮਾਡਿਆਂ ਨੂੰ ਵਰਤਣਾ ਚਾਹੁੰਦੇ ਹਨ, ਦੂਜੇ ਪਾਸੇ, ਪੈਲੇ ਦੀ ਕੁਰਬਾਨੀ ਦੇਣ ਜਾ ਰਹੇ ਹਨ. ਪਰ ਹਾਈਬ੍ਰਿਡ ਪਹੁੰਚਣ ਨਾਲ, ਪੈਮਾਨੇ ਨੂੰ ਜੋੜਿਆ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਆਧੁਨਿਕ ਪ੍ਰਦਾਤਾਵਾਂ ਤੋਂ ਆਉਂਦੇ ਪ੍ਰਸ਼ਨ ਅਤੇ ਡਾਟੇ ਵਿਚਕਾਰ ਤੰਗ ਫੈਸਲੇ ਦੇ ਨਾਲ ਤਿਆਰ ਕੀਤੇ ਗਏ ਰੀਮੇਮੈੱਡਸ ਦੇ ਨਾਲ ਆਉਂਦਾ ਹੈ.

ਅਸੀਂ ਚਾਰ ਪ੍ਰਯੋਗਿਕ ਅਧਿਆਵਾਂ ਵਿਚੋਂ ਹਰ ਵਿਚ ਇਹਨਾਂ ਹਾਈਬ੍ਰਿਡ ਦੀਆਂ ਮਿਸਾਲਾਂ ਦੇਖੀਆਂ. ਅਧਿਆਇ 2 ਵਿਚ ਅਸੀਂ ਦੇਖਿਆ ਕਿ ਗੂਗਲ ਫਲੂ ਟ੍ਰਾਂਡੇਂਸ ਨੇ ਇਕ ਸੰਭਾਵੀ-ਅਧਾਰਿਤ ਪਰੰਪਰਾਗਤ ਮਾਪ ਸਿਸਟਮ (ਸੀਡੀਸੀ ਇਨਫਲੂਐਂਜ਼ਾ ਨਿਗਰਾਨੀ ਸਿਸਟਮ) ਦੇ ਨਾਲ ਤੇਜ਼ੀ ਨਾਲ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ (Ginsberg et al. 2009) ਇੱਕ ਹਮੇਸ਼ਾ-ਹਮੇਸ਼ਾ ਵੱਡਾ ਡਾਟਾ ਸਿਸਟਮ ਮਿਲਾਇਆ. ਅਧਿਆਇ 3 ਵਿਚ ਅਸੀਂ ਦੇਖਿਆ ਕਿ ਕਿਵੇਂ ਸਟੀਫਨ ਅਜ਼ੋਲਾਬੇਹਰੇ ਅਤੇ ਈਟਨ ਹਰਸ਼ (2012) ਤਿਆਰ ਕੀਤੇ ਗਏ ਸਰਕਾਰੀ ਪ੍ਰਸ਼ਾਸਕੀ ਡਾਟੇ ਨਾਲ ਬਣਾਏ ਹੋਏ ਸਰਵੇਖਣ ਦੇ ਅੰਕੜਿਆਂ ਨਾਲ ਉਹਨਾਂ ਲੋਕਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਬਾਰੇ ਹੋਰ ਜਾਣਨ ਲਈ ਜੋ ਅਸਲ ਵਿੱਚ ਵੋਟ ਕਰਦੇ ਹਨ. ਅਧਿਆਇ 4 ਵਿਚ ਅਸੀਂ ਦੇਖਿਆ ਕਿ ਕਿਵੇਂ ਓਪਰੇਂਟ ਦੇ ਪ੍ਰਯੋਗਾਂ ਨੇ ਲੱਖਾਂ ਲੋਕਾਂ ਦੇ ਵਤੀਰੇ 'ਤੇ ਸਮਾਜਿਕ ਨਿਯਮਾਂ ਦੇ ਅਸਰਾਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਕਸਟਮ ਕੀਤੇ ਗਏ ਸੁਝਾਅ ਦੇ ਨਾਲ ਰੈਡੀਮੇਏਡ ਬਿਜਲੀ ਮਾਪਣ ਦਾ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਜੋੜਿਆ (Allcott 2015) . ਅਖੀਰ, ਅਧਿਆਇ 5 ਵਿੱਚ, ਅਸੀਂ ਦੇਖਿਆ ਕਿ ਕਿਵੇਂ ਕੈਨੇਤ ਬੇਨੋਟ ਅਤੇ ਸਹਿਕਰਮੀਆਂ (2016) ਨੇ ਰਾਜਨੀਤਕ ਦਲ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਮੈਨੀਫੈਸਟੋ ਦੇ ਇੱਕ ਰੈਡੀਮੇਡ ਸੈਟ ਲਈ ਕਸਟਮਡੇਡ ਭੀੜ-ਕੋਡਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਨੀਤੀਗਤ ਬਹਿਸਾਂ ਦੀ ਗਤੀਸ਼ੀਲਤਾ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਇਸਤੇਮਾਲ ਕਰ ਸਕਦੇ ਹਨ.

ਇਹ ਚਾਰੇ ਉਦਾਹਰਣ ਇਹ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਭਵਿੱਖ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਰਣਨੀਤੀ, ਵੱਡੇ ਡਾਟੇ ਦੇ ਸਰੋਤ ਨੂੰ ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਹੋਵੇਗੀ, ਜੋ ਕਿ ਖੋਜ ਲਈ ਨਹੀਂ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਵਾਧੂ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ ਉਹ ਉਹਨਾਂ ਨੂੰ ਖੋਜ ਲਈ ਵਧੇਰੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ (Groves 2011) . ਭਾਵੇਂ ਇਹ ਕਸਟਮ-ਆਦੇਸ਼ ਜਾਂ ਰੈਡੀਮੇਡ ਦੇ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ, ਇਸ ਹਾਈਬ੍ਰਿਡ ਸਟਾਈਲ ਵਿਚ ਬਹੁਤ ਸਾਰੀਆਂ ਖੋਜ ਸਮੱਸਿਆਵਾਂ ਲਈ ਬਹੁਤ ਵਧੀਆ ਵਾਅਦਾ ਹੈ.