7.2.1 Readymades ਅਤੇ Custommades ਦੇ ਬਲਿਡਿੰਗ

ਨਾ ਹੀ ਇੱਕ ਸ਼ੁੱਧ ਰੇਡੀਮੇਡ ਰਣਨੀਤੀ ਤੇ ਨਾ ਹੀ ਇੱਕ ਸ਼ੁੱਧ Custommade ਰਣਨੀਤੀ ਪੂਰੀ ਡਿਜ਼ੀਟਲ ਦੀ ਉਮਰ ਦੇ ਸਮਰੱਥਾ ਵਰਤ. ਭਵਿੱਖ ਵਿਚ ਸਾਨੂੰ ਹਾਈਬ੍ਰਿਡ ਬਣਾਉਣ ਲਈ ਜਾ ਰਹੇ ਹਨ.

ਜਾਣ ਪਛਾਣ ਵਿਚ, ਮੈਨੂੰ Michelangelo ਦੇ Custommade ਸ਼ੈਲੀ ਨਾਲ Marcel Duchamp ਦੇ ਰੇਡੀਮੇਡ ਸ਼ੈਲੀ ਦੀ ਤੁਲਨਾ. ਇਸ ਦੇ ਉਲਟ ਇਹ ਵੀ ਡਾਟਾ ਵਿਗਿਆਨੀ, ਜੋ Readymades ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਸਮਾਜਿਕ ਵਿਗਿਆਨੀ, ਜੋ Custommades ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਹੁੰਦੇ ਹਨ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਫਰਕ ਨੂੰ ਹਾਸਲ. ਭਵਿੱਖ ਵਿੱਚ, ਪਰ, ਮੈਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਸਾਨੂੰ ਹੋਰ ਵੀ ਹਾਈਬ੍ਰਿਡ ਕਰਕੇ ਇਹ ਸ਼ੁੱਧ ਤਰੀਕੇ ਦੇ ਹਰ ਸੀਮਤ ਹਨ ਦੇਖਣ ਨੂੰ ਮਿਲੇਗਾ. ਖੋਜਕਾਰ, ਜੋ ਸਿਰਫ Readymades ਨੂੰ ਵਰਤਣਾ ਚਾਹੁੰਦੇ ਸੰਘਰਸ਼ ਕਰਨ ਲਈ ਸੰਸਾਰ ਦੇ ਸਾਰੇ ਸੁੰਦਰ Readymades ਉਥੇ ਹਨ, ਕਿਉਕਿ ਜਾ ਰਹੇ ਹਨ. ਇਸ ਲਈ, ਇਸ ਨੂੰ ਸ਼ੁੱਧ ਸ਼ੈਲੀ ਸੰਗ ਖੋਜਕਾਰ ਕਿਸੇ ਬਦਸੂਰਤ Readymades ਵਰਤ ਕੇ ਗੁਣਵੱਤਾ ਦੀ ਬਲੀ ਲਈ ਜਾ ਰਹੇ ਹਨ, ਜ ਉਹ ਸੰਪੂਰਣ ਯੂਰੀਨਲ ਦੀ ਤਲਾਸ਼ ਵਾਰ ਦੀ ਲਾਟ ਖਰਚ ਕਰਨ ਜਾ ਰਹੇ ਹਨ. ਖੋਜਕਾਰ, ਜੋ ਸਿਰਫ Custommades ਵਰਤਣ ਲਈ, ਦੂਜੇ ਪਾਸੇ 'ਤੇ ਚਾਹੁੰਦੇ ਹੋ, ਸਕੇਲ ਕੁਰਬਾਨ ਕਰਨ ਲਈ ਜਾ ਰਹੇ ਹਨ. ਹਾਈਬ੍ਰਾਇਡ ਤਰੀਕੇ, ਪਰ, ਸਕੇਲ ਹੈ, ਜੋ ਕਿ ਸਵਾਲ ਅਤੇ ਡਾਟਾ ਹੈ, ਜੋ ਕਿ Custommades ਤੱਕ ਮਿਲਦੀ ਹੈ ਦੇ ਵਿਚਕਾਰ ਤੰਗ ਫਿੱਟ ਨਾਲ Readymades ਦੇ ਨਾਲ ਆਇਆ ਹੈ ਜੋੜ ਸਕਦਾ ਹੈ.

ਸਾਨੂੰ ਚਾਰ ਅਨੁਭਵੀ ਅਧਿਆਇ ਦੇ ਹਰ ਇੱਕ ਦੇ ਵਿੱਚ ਇਹ ਹਾਈਬ੍ਰਿਡ ਦੀ ਮਿਸਾਲ ਸੀ. ਅਧਿਆਇ 2 ਵਿੱਚ, ਸਾਨੂੰ ਦੇਖਿਆ ਗੂਗਲ ਫਲੂ ਰੁਝਾਨ ਇੱਕ ਨੂੰ ਹਮੇਸ਼ਾ-'ਤੇ ਵੱਡੇ ਡਾਟਾ ਸਿਸਟਮ (ਖੋਜ ਬੇਨਤੀ) ਇੱਕ ਸੰਭਾਵਨਾ-ਅਧਾਰਿਤ ਰਵਾਇਤੀ ਮਾਪ ਸਿਸਟਮ (CDC ਫਲੂ ਚੌਕਸੀ ਸਿਸਟਮ) ਦੇ ਨਾਲ ਤੇਜ਼ ਅਨੁਮਾਨ ਪੈਦਾ ਕਰਨ ਲਈ ਕਰਦਾ ਹੈ (Ginsberg et al. 2009) . ਅਧਿਆਇ 3 ਵਿਚ, ਸਾਨੂੰ ਦੇਖਿਆ ਸਟੀਫਨ Ansolabehere ਅਤੇ Eitan Hersh (2012) ਕ੍ਰਮ ਲੋਕ ਹਨ ਜੋ ਅਸਲ ਵਿੱਚ ਵੋਟ ਦੇ ਗੁਣ ਬਾਰੇ ਹੋਰ ਸਿੱਖਣ ਲਈ ਤਿਆਰ-ਕੀਤੀ ਸਰਕਾਰ ਦੀ ਪ੍ਰਸ਼ਾਸਨਿਕ ਡਾਟੇ ਨਾਲ ਕਸਟਮ-ਕੀਤੀ ਸਰਵੇਖਣ ਡਾਟਾ ਮਿਲਾ. ਅਧਿਆਇ 4 'ਚ, ਸਾਨੂੰ OPower ਪ੍ਰਯੋਗ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਕਸਟਮ-ਕੀਤੀ ਇਲਾਜ ਨਾਲ ਤਿਆਰ-ਕੀਤੀ ਬਿਜਲੀ ਮਾਪ ਬੁਨਿਆਦੀ ਜੋੜ ਇੱਕ ਵੱਡੇ ਪੈਮਾਨੇ' ਤੇ ਵਿਵਹਾਰ ਨੂੰ 'ਤੇ ਸਮਾਜਿਕ ਨਿਯਮ ਦੇ ਪ੍ਰਭਾਵ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਨੂੰ ਵੇਖਿਆ (Allcott 2015) . ਅੰਤ ਵਿੱਚ, ਅਧਿਆਇ 5 ਵਿਚ, ਮੈਨੂੰ ਤੁਹਾਡੇ ਨੂੰ Kenneth Benoit ਅਤੇ ਸਾਥੀ ਬਾਰੇ ਦੱਸਿਆ (2015) ਕ੍ਰਮ ਡਾਟਾ ਬਣਾਉਣ ਲਈ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਾਰ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਇਸਤੇਮਾਲ ਕਰ ਸਕਦੇ ਹੋ 'ਚ ਸਿਆਸੀ ਧਿਰ ਦੁਆਰਾ ਬਣਾਇਆ ਮਨੋਰਥ ਦੀ ਇੱਕ ਤਿਆਰ-ਕੀਤੀ ਸੈੱਟ ਕਰਨ ਲਈ ਇੱਕ ਕਸਟਮ-ਕੀਤੀ ਭੀੜ-ਕੋਡਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਚੋਣ ਅਤੇ ਨੀਤੀ ਬਹਿਸ ਦੀ ਗਤੀਸ਼ੀਲਤਾ.

ਇਹ ਚਾਰ ਉਦਾਹਰਣ ਸਭ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਭਵਿੱਖ ਵਿਚ ਇਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਰਣਨੀਤੀ ਵਾਧੂ ਜਾਣਕਾਰੀ ਨੂੰ ਖੋਜ ਲਈ ਹੋਰ ਹਨ, ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਨਾਲ ਵੱਡੇ ਡਾਟਾ ਸਰੋਤ ਹੈ, ਜੋ ਕਿ ਖੋਜ ਦੇ ਲਈ ਇਕੱਠੇ ਕੀਤੇ ਨਹੀ ਕਰ ਰਹੇ ਹਨ, ਨੂੰ ਮਾਲਾਮਾਲ ਕਰਨ ਲਈ ਹੋ ਜਾਵੇਗਾ (Groves 2011) . ਕੀ ਇਸ ਨੂੰ Custommade ਜ ਰੇਡੀਮੇਡ ਨਾਲ ਸ਼ੁਰੂ, ਇਸ ਹਾਈਬ੍ਰਿਡ ਸ਼ੈਲੀ ਬਹੁਤ ਸਾਰੇ ਖੋਜ ਸਮੱਸਿਆ ਲਈ ਬਹੁਤ ਵਾਅਦਾ ਕੀਤਾ ਹੈ.