2.4.1 Liczenie rzeczy
Proste liczenie może być interesujące, jeśli łączą dobre pytanie z dobrymi danymi.
Chociaż jest ona sformułowana w wyrafinowanym językiem brzmiącym, wiele badań społecznych jest tak naprawdę liczy rzeczy. W dobie dużych danych, naukowcy mogą liczyć bardziej niż kiedykolwiek, ale to nie oznacza automatycznie, że badania powinny koncentrować się na liczeniu coraz więcej rzeczy. Zamiast tego, jeśli mamy zamiar zrobić dobre badania z dużym danych, musimy zapytać: jakie rzeczy są warte liczenia? Może to wydawać się zupełnie subiektywne, ale istnieją pewne ogólne wzorce.
Często studenci zmotywować swoich badań liczenia mówiąc: Idę coś liczyć, że nikt nigdy nie policzył wcześniej. Na przykład student może powiedzieć, wielu ludzi zbadali migrantów i wielu ludzi badali bliźnięta, ale nikt nie badał bliźniaki migrujących. Motywacja poprzez nieobecność zazwyczaj nie prowadzą do dobrych badań. Oczywiście, mogą istnieć powody do studiowania bliźniaki migrujących, ale fakt, że nie została zbadana, zanim nie oznacza, że powinny one być badane teraz. Nikt nigdy nie liczono liczbę wątków na dywanie w moim biurze, ale to nie oznacza automatycznie, że będzie to dobry projekt badawczy. Motywacja poprzez nieobecność jest tak jakby mówiąc: Patrz, tam jest dziura tam i będę ciężko pracować, aby wypełnić go. Ale nie każdy otwór musi być wypełnione.
Zamiast motywowania przez nieobecność, myślę, że liczenie prowadzi do dobrych badań w dwóch sytuacjach, gdy badania są interesujące i ważne (a najlepiej oba). Na przykład, pomiar stopy bezrobocia jest ważny, ponieważ jest wskaźnikiem gospodarki, który napędza decyzji politycznych. Ogólnie rzecz biorąc, ludzie mają dość dobre poczucie tego, co jest ważne. Dlatego w dalszej części tego rozdziału, mam zamiar zapewnić trzy przykłady, gdzie liczenie jest interesująca. W każdym razie, naukowcy nie liczyli na chybił trafił, a Liczyli bardzo konkretnych ustawień, które ujawnił istotne spostrzeżenia na bardziej ogólnych poglądów na temat sposobu społecznej pracy systemów. Inaczej mówiąc, wiele, co sprawia, że te szczególne ćwiczenia liczenia interesujące nie jest w samych danych, to jest tych bardziej ogólne pomysły.
Poniżej przedstawiam trzy przykłady na: 1) zachowanie pracy taksówkarzy w Nowym Jorku (sekcja 2.4.1.1), 2) tworzenie przyjaźni przez studentów (sekcja 2.4.1.2) i 3) Social Media cenzura zachowanie chińskiego rządu (sekcja 2.4.1.3). Co przykłady te podzielić to, że wszystkie one wykazują, że duże zliczania danych mogą być stosowane do badania przewidywania teoretyczne. W niektórych przypadkach, duże źródła danych pozwalają zrobić to liczenie stosunkowo bezpośrednio (jak w przypadku nowojorskiej taksówki). W innych przypadkach, naukowcy będą musieli radzić sobie z niekompletności danych poprzez połączenie ze sobą i Operacjonalizacja konstrukty teoretyczne (jak w przypadku powstawania przyjaźni); aw niektórych przypadkach badacze będą musieli zebrać własnych danych obserwacyjnych (jak w przypadku social media cenzury). Jak już nadzieję, że te przykłady pokazują, dla naukowców, którzy są w stanie zadać interesujące pytania, duży danych jest bardzo obiecujący.
