2.3.2.4 ਪਰਵਾਹ

ਆਬਾਦੀ ਰੁਖ਼, ਉਪਯੋਗ ਰੁਖ਼, ਅਤੇ ਸਿਸਟਮ ਰੁਖ਼ ਇਸ ਨੂੰ ਹਾਰਡ ਵੱਡੇ ਡਾਟਾ ਸਰੋਤ ਨੂੰ ਵਰਤਣ ਲਈ ਲੰਬੀ ਮਿਆਦ ​​ਦੀ ਰੁਝਾਨ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਕਰਦੇ ਹਨ.

ਬਹੁਤ ਸਾਰੇ ਵੱਡੇ ਡਾਟਾ ਸਰੋਤ ਦੇ ਮਹਾਨ ਫਾਇਦੇ ਦਾ ਇੱਕ ਹੈ, ਜੋ ਕਿ ਉਹ ਵਾਰ ਵੱਧ ਡਾਟਾ ਇਕੱਠਾ ਕਰਦੇ ਹਨ. ਸੋਸ਼ਲ ਵਿਗਿਆਨੀ ਵੱਧ-ਵਾਰ ਡਾਟਾ, ਲੰਮੀ ਡਾਟਾ ਦੇ ਇਸ ਕਿਸਮ ਦੀ ਨੂੰ ਕਾਲ ਕਰੋ. ਅਤੇ, ਕੁਦਰਤੀ, ਲੰਮੀ ਡਾਟਾ ਤਬਦੀਲੀ ਦਾ ਅਧਿਐਨ ਦੇ ਲਈ ਬਹੁਤ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹਨ. ਕ੍ਰਮ ਭਰੋਸੇਯੋਗ ਤਬਦੀਲੀ ਨੂੰ ਮਾਪਣ ਲਈ, ਪਰ, ਮਾਪ ਸਿਸਟਮ ਆਪਣੇ ਆਪ ਨੂੰ ਸਥਿਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ. ਸਮਾਜ ਵਿਗਿਆਨੀ Otis Dudley ਡੰਕਨ ਦੇ ਸ਼ਬਦ ਵਿਚ, "ਤੁਹਾਨੂੰ ਤਬਦੀਲੀ ਨੂੰ ਮਾਪਣ ਲਈ, ਮਾਪ ਨੂੰ ਤਬਦੀਲ ਨਾ ਕਰਨਾ ਚਾਹੁੰਦੇ, ਜੇ" (Fischer 2011) .

ਬਦਕਿਸਮਤੀ ਨਾਲ, ਬਹੁਤ ਸਾਰੇ ਵੱਡੇ ਡਾਟਾ ਸਿਸਟਮ-ਖਾਸ ਕਰਕੇ ਕਾਰੋਬਾਰ ਸਿਸਟਮ ਹੈ, ਜੋ ਕਿ ਬਣਾਉਣ ਅਤੇ ਨੂੰ ਹਾਸਲ ਡਿਜ਼ੀਟਲ ਟਰੇਸ-ਕਰ ਰਹੇ ਹਨ ਹਰ ਵੇਲੇ ਤਬਦੀਲ ਕਰਨ ਲਈ, ਇੱਕ ਕਾਰਜ ਨੂੰ ਹੈ, ਜੋ ਕਿ ਮੈਨੂੰ ਰੁਖ਼ ਨੂੰ ਕਾਲ ਕਰੋ ਲੱਗੇਗਾ. ਖਾਸ ਕਰਕੇ, ਇਹ ਸਿਸਟਮ ਤਿੰਨ ਮੁੱਖ ਤਰੀਕੇ ਵਿੱਚ ਤਬਦੀਲ ਕਰ: ਆਬਾਦੀ ਰੁਖ਼ ਵਤੀਰੇ ਰੁਖ਼ (ਨੂੰ ਲੋਕ ਵਰਤ ਰਹੇ ਹਨ ਵਿੱਚ ਤਬਦੀਲੀ) (ਜੋ ਵਰਤ ਰਿਹਾ ਹੈ ਵਿੱਚ ਤਬਦੀਲੀ), ਅਤੇ ਸਿਸਟਮ ਰੁਖ਼ (ਸਿਸਟਮ ਆਪਣੇ ਆਪ ਵਿੱਚ ਤਬਦੀਲੀ). ਰੁਖ਼ ਦੇ ਤਿੰਨ ਸਰੋਤ ਦਾ ਮਤਲਬ ਹੈ, ਜੋ ਕਿ ਡਿਜ਼ੀਟਲ ਟਰੇਸ ਡਾਟਾ ਵਿੱਚ ਕਿਸੇ ਪੈਟਰਨ ਸੰਸਾਰ ਵਿੱਚ ਇੱਕ ਅਹਿਮ ਤਬਦੀਲੀ ਦੇ ਕਾਰਨ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜ ਇਸ ਰੁਖ਼ ਦੇ ਕੁਝ ਫਾਰਮ ਦੇ ਕਾਰਨ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ.

ਰੁਖ਼-ਆਬਾਦੀ ਦੇ ਪਹਿਲੇ ਸਰੋਤ ਰੁਖ਼-ਹੈ ਸਿਸਟਮ ਨੂੰ ਵਰਤ ਕੌਣ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਲੰਬੇ-ਵਾਰ ਸਕੇਲ ਅਤੇ ਥੋੜ੍ਹੇ-ਵਾਰ ਸਕੇਲ 'ਤੇ ਬਦਲਦਾ ਹੈ. ਮਿਸਾਲ ਲਈ, 2008 ਤੱਕ ਪੇਸ਼ ਕਰਨ ਲਈ ਸੋਸ਼ਲ ਮੀਡੀਆ 'ਤੇ ਲੋਕ ਦੀ ਔਸਤ ਉਮਰ ਦਾ ਵਾਧਾ ਹੋਇਆ ਹੈ. ਇਹ ਲੰਬੇ ਮਿਆਦ ਦੇ ਰੁਝਾਨ ਨੂੰ ਇਸ ਦੇ ਨਾਲ, ਕਿਸੇ ਵੀ ਪਲ 'ਤੇ ਇੱਕ ਸਿਸਟਮ ਨੂੰ ਵਰਤ ਕੇ ਲੋਕ ਹੁੰਦੀ ਹੈ. ਮਿਸਾਲ ਲਈ, 2012 ਦੇ ਅਮਰੀਕੀ ਰਾਸ਼ਟਰਪਤੀ ਚੋਣ ਦੇ ਦੌਰਾਨ ਦੀ ਸਿਆਸਤ ਬਾਰੇ ਟਵੀਟ ਦਾ ਅਨੁਪਾਤ ਹੈ, ਜੋ ਕਿ ਮਹਿਲਾ ਨੇ ਲਿਖਿਆ ਗਿਆ ਸੀ ਦਿਨ ਵਿਚ ਉਤਰਾਅ (Diaz et al. 2016) . ਇਸ ਲਈ, ਕੀ ਹੈ ਟਵਿੱਟਰ-ਆਇਤ ਦੇ ਮੂਡ ਵਿਚ ਤਬਦੀਲੀ ਹੋਣ ਦੀ ਅਸਲ ਵਿੱਚ ਹੁਣੇ ਹੀ, ਜੋ ਕਿਸੇ ਵੀ ਪਲ 'ਤੇ ਗੱਲ ਕਰ ਰਿਹਾ ਹੈ ਵਿੱਚ ਬਦਲਾਅ ਹੋ ਸਕਦਾ ਹੈ ਵਿਖਾਈ ਹੋ ਸਕਦਾ ਹੈ.

ਜੋ ਇੱਕ ਸਿਸਟਮ ਨੂੰ ਵਰਤ ਰਿਹਾ ਹੈ ਵਿੱਚ ਬਦਲਾਅ ਕਰਨ ਲਈ ਇਸ ਦੇ ਨਾਲ, ਉੱਥੇ ਵੀ ਸਿਸਟਮ ਤੇ ਵਰਤਿਆ ਗਿਆ ਹੈ ਵਿੱਚ ਬਦਲਦਾ ਹੈ ਹਨ. ਮਿਸਾਲ ਲਈ, The ਦੌਰਾਨ Istanbul ਵਿਚ Gezi ਪਾਰਕ ਰੋਸ, ਟਰਕੀ ਕਬਜ਼ਾ ਤੌਰ ਰੋਸ ਵਿਕਸਿਤ ਵਿਚ 2013 ਪ੍ਰਦਰਸ਼ਨਕਾਰੀ hashtags ਦੇ ਆਪਣੇ ਵਰਤਣ ਬਦਲ ਗਿਆ. ਇੱਥੇ Zeynep Tufekci ਦੀ ਹੈ (2014) ਰੁਖ਼ ਹੈ, ਜੋ ਕਿ ਉਸ ਨੂੰ ਖੋਜ ਕਰਨ ਲਈ ਹੈ, ਕਿਉਕਿ ਉਸ ਨੇ ਟਵਿੱਟਰ 'ਤੇ ਹੈ ਅਤੇ ਜ਼ਮੀਨ' ਤੇ ਵਿਹਾਰ ਨੂੰ ਦੇਖ ਰਿਹਾ ਸੀ ਦੇ ਯੋਗ ਸੀ ਦੱਸਿਆ ਗਿਆ ਹੈ:

"ਕੀ ਹੋਇਆ ਸੀ, ਜੋ ਕਿ ਦੇ ਤੌਰ ਤੇ ਜਲਦੀ ਹੀ ਵਿਰੋਧ ਦੇ ਤੌਰ ਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਕਹਾਣੀ, ਲੋਕ ਦੀ ਵੱਡੀ ਗਿਣਤੀ ਨੂੰ ਬਣ ਗਿਆ ਸੀ. . . ਨੂੰ ਛੱਡ ਕੇ hashtags ਵਰਤ ਕੇ ਇੱਕ ਨਵ ਵਰਤਾਰੇ ਵੱਲ ਧਿਆਨ ਖਿੱਚਣ ਲਈ ਬੰਦ ਕਰ ਦਿੱਤਾ. . .., ਜਦਕਿ ਵਿਰੋਧ ਜਾਰੀ ਰਿਹਾ, ਅਤੇ ਇਹ ਵੀ ਵਧ, hashtags ਕੇ ਮੌਤ ਹੋ ਗਈ. ਇੰਟਰਵਿਊ ਇਸ ਦੇ ਦੋ ਕਾਰਨ ਹਨ. ਪਹਿਲੀ, ਇਕ ਵਾਰ ਹਰ ਕੋਈ ਵਿਸ਼ਾ ਜਾਣਦਾ ਸੀ, ਹੈਸ਼ਟੈਗ 'ਤੇ ਇਕ ਵਾਰ ਜ਼ਰੂਰਤ ਹੈ ਅਤੇ ਅੱਖਰ-ਸੀਮਿਤ ਟਵਿੱਟਰ ਪਲੇਟਫਾਰਮ' ਤੇ ਫਾਲਤੂ ਸੀ. ਦੂਜਾ, hashtags ਸਿਰਫ ਦੇ ਤੌਰ ਤੇ ਇੱਕ ਖਾਸ ਵਿਸ਼ੇ ਵੱਲ ਧਿਆਨ ਖਿੱਚਣ ਹੈ, ਨਾ ਕਿ ਇਸ ਬਾਰੇ ਗੱਲ ਕਰ ਰਹੇ ਹਨ ਲਈ ਲਾਭਦਾਇਕ ਨੂੰ ਵੇਖਿਆ ਸੀ. "

ਇਸ ਲਈ, ਖੋਜਕਾਰ, ਜੋ ਰੋਸ-ਸਬੰਧਤ hashtags ਨਾਲ ਟਵੀਟ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਕੇ ਰੋਸ ਦਾ ਅਧਿਐਨ ਕੀਤਾ ਗਿਆ ਸੀ ਕਿ ਕੀ ਇਸ ਵਤੀਰੇ ਰੁਖ਼ ਦੇ ਕਾਰਨ ਹੋ ਰਿਹਾ ਸੀ ਦੇ ਇੱਕ ਗ਼ਲਤ ਭਾਵਨਾ ਹੈ ਸੀ. ਮਿਸਾਲ ਲਈ, ਉਹ ਵਿਸ਼ਵਾਸ ਹੋ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਰੋਸ ਦੀ ਚਰਚਾ ਲੰਬੇ ਘੱਟ ਅੱਗੇ ਇਸ ਨੂੰ ਅਸਲ ਵਿੱਚ ਘੱਟ.

ਰੁਖ਼ ਦੇ ਤੀਜੇ ਕਿਸਮ ਦੀ ਸਿਸਟਮ ਰੁਖ਼ ਹੈ. ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਇਸ ਨੂੰ ਲੋਕ ਨੂੰ ਬਦਲਣ ਜ ਆਪਣੇ ਵਿਵਹਾਰ ਨੂੰ ਬਦਲਣ ਨਹੀ ਹੈ, ਪਰ ਸਿਸਟਮ ਆਪਣੇ ਆਪ ਨੂੰ ਤਬਦੀਲ ਕਰਨ. ਮਿਸਾਲ ਲਈ, ਵਾਰ ਵੱਧ ਫੇਸਬੁੱਕ ਹਾਲਤ ਨੂੰ ਅੱਪਡੇਟ ਦੀ ਲੰਬਾਈ 'ਤੇ ਸੀਮਾ ਦਾ ਵਾਧਾ ਕੀਤਾ ਗਿਆ ਹੈ. ਇਸ ਲਈ, ਹਾਲਤ ਅੱਪਡੇਟ ਦਾ ਦੇ ਕਿਸੇ ਵੀ ਲੰਮੀ ਦਾ ਅਧਿਐਨ ਇਸ ਤਬਦੀਲੀ ਦੇ ਕਾਰਨ artifacts ਕਰਨ ਲਈ ਕਮਜ਼ੋਰ ਹੋ ਜਾਵੇਗਾ. ਸਿਸਟਮ ਰੁਖ਼ ਧਿਆਨ ਨਾਲ ਏਲਗੋਰਿਦਮਿਕ ਘਬਰਾ ਕਹਿੰਦੇ ਸਮੱਸਿਆ ਨੂੰ, ਜਿਸ ਲਈ ਸਾਨੂੰ ਹੁਣ ਚਾਲੂ ਕਰਨ ਲਈ ਸਬੰਧਤ ਹੈ.