2.4.1 ගණනය දේවල්

ඔබ හොඳ දත්ත සමඟ හොඳ ප්රශ්නයක් ඒකාබද්ධ නම් සරල ඡන්ද ගණන් කිරීමේ රසවත් විය හැක.

එය නවීන සැකසංකා භාෂාව කවරයක වුවත්, සමාජ විද්යාත්මක පර්යේෂණ ගොඩක් පමණක් ඇත්තටම දේවල් ගණන් ඇත. විශාල දත්ත වයස අවුරුදු පර්යේෂකයන් කවරදාටත් වඩා විශ්වාසය තැබිය හැකි, නමුත් එම ස්වයංක්රීයව පර්යේෂණ වැඩි වැඩියෙන් දේවල් ගණන් කෙරෙහි අවධානය යොමු කළ යුතු බව ඉන් අදහස් කරන්නේ නැහැ. දේවල් ගණන් වටිනා දේ: ඒ වෙනුවට, අප විශාල දත්ත සමග හොඳ පර්යේෂණ කරන්න යන්නේ නම්, අපි අසාගත යුතුයි? මෙය සම්පූර්ණයෙන්ම ආත්මීය කාරණය වගේ පෙනුණත්, නමුත් සමහර මහ රටා ඇත.

මම කිසිවෙකු පෙර මෙතෙක් ගණන් ඇති බව දෙයක් ගණන් යනවා: බොහෝ විට සිසුන් කියමින් ඔවුන්ගේ ඡන්ද ගණන් කිරීමේ පර්යේෂණ උනන්දු. උදාහරණයක් ලෙස, ශිෂ්ය කියන්න පුළුවන්, බොහෝ මිනිසුන් සංක්රමණිකයින් සමීක්ෂණය කර ඇති අතර, බොහෝ මිනිසුන් නිවුන් සමීක්ෂණය කර ඇති නමුත්, කිසිවෙක් සංක්රමණික නිවුන් අධ්යයනය කර ඇත. නොමැති කමයි චේතනා සාමාන්යයෙන් හොඳ පර්යේෂණ කිරීමට හේතු නැත. ඇත්ත වශයෙන්ම, සංක්රමණික නිවුන් අධ්යයනය කිරීමට හොඳ හේතු ඇති විය හැකි, නමුත් ඔවුන් මීට පෙර අධ්යයනය කර නොමැති බව ඔවුන් දැන් අධ්යයනය කළ යුතු බව ඉන් අදහස් කරන්නේ නැහැ. කවුරුත් මගේ කාර්යාලයේ කාපට් මත නූල් සංඛ්යාව ගණන් කර ඇත, නමුත් එම ස්වයංක්රීයව මේ හොඳ පර්යේෂණ ව්යාපෘතියේ බව අදහස් නොකෙරේ. නොමැති කමයි චේතනා ආකාරයේ කියනවා වගේ: බලන්න, අතන සිදුරක් තියෙනවා, මම ඒ දක්වා පිරවීම සඳහා ඉතා වෙහෙස මහන්සි වී වැඩ කිරීමට යනවා. එහෙත් කළ සෑම කුහරය සම්පූර්ණ කරන්න.

නොමැති කමයි ධෛර්යමත් කරන, ඒ වෙනුවට, මම පර්යේෂණ රසවත් හෝ වැදගත් (හෝ ඉතා මැනවින් දෙකම) වන විට ඡන්ද ගණන් කිරීමේ හොඳ පර්යේෂණ කිරීමට, තත්ත්ව දෙකක් යොමු කරයි කියලා මම හිතනවා. එය ප්රතිපත්ති තීරණ දාමයක ආර්ථිකයේ දර්ශකයක් නිසා උදාහරණයක් ලෙස, විරැකියාව ෙව්ගය මැනීම වැදගත් වේ. සාමාන්යයෙන්, මිනිසුන් වැදගත් දේ ඉතා හොඳ හැඟීමක් ඇති. ඒ නිසා, මෙම කොටස ඉතිරි, මම ඡන්ද ගණන් කිරීමේ රසවත් කොහෙද උදාහරණ තුනක් ලබාදීමට යනවා. එක් එක් අවස්ථාවේ දී, පර්යේෂකයන් වෙනුවට ඔවුන් කොතරම් සමාජ පද්ධති වැඩ ගැන වඩා පොදු අදහස් බවට වැදගත් පණිවිඩ අනාවරණය බව ඉතා විශේෂිත සැකසුම් ගණන් කරන ලදී, ර ගණන් නැත. වෙනත් වචන වලින් කිවහොත්, මේ විශේෂයෙන් ඡන්ද ගණන් කිරීමේ අභ්යාස රසවත් දේ ගොඩක් දත්ත ම නොවේ, එය මෙම වඩා පොදු අදහස් පැමිණෙන්නේ.

පහත දැක්වෙන්නේ මා උදාහරණ තුනක් ඉදිරිපත් කරන්නම්: 1) නිව් යෝර්ක් හි කුලී රථ රියැදුරන් කම්කරු හැසිරීම (වගන්තිය 2.4.1.1), 2) සිසුන් විසින් මිත්රත්වය ගොඩනැගීමට (වගන්තිය 2.4.1.2) හා 3) සමාජ මාධ්ය වාරණයක් චීන රජයේ හැසිරීම (වගන්තිය 2.4.1.3). කුමක්ද මේ උදාහරණ බෙදා ඔවුන් සියලු ලොකු දත්ත ගණන් න්යායික පුරෝකථනයන් පරීක්ෂා කිරීමට යොදා ගත හැකි බව පෙන්වීමට බව ය. සමහර අවස්ථාවල දී, මහා දත්ත මූලාශ්රයන් (නිව් යෝක් ටැක්සියකට පිළිබඳ පැමිණිල්ලේ දී මෙන්) සාපේක්ෂ සෘජුව මෙම ඡන්ද ගණන් කිරීමේ කිරීමට ඔබට හැකියාව. වෙනත් අවස්ථාවලදී, පර්යේෂකයන් එකට දත්ත ඒකබද්ධ සහ (මිත්රත්වය ගොඩනැගීමට පිළිබඳ පැමිණිල්ලේ දී මෙන්) ක්රියාවේ යෙදවීම න්යායික නිර්මාණය කරන විසින් incompleteness සමග ගනුදෙනු කිරීමට අවශ්ය වනු ඇත; අතර සමහර අවස්ථාවල දී පර්යේෂකයන් (සමාජ මාධ්ය වාරණයක් පිළිබඳ පැමිණිල්ලේ දී මෙන්) තමන්ගේ නිරීක්ෂණ දත්ත එකතු කිරීම, අවශ්ය වනු ඇත. මම මේ උදාහරණ පෙන්වන්න බලාපොරොත්තු වෙනවා පරිදි, වැදගත් ප්රශ්න ඇසීමට හැකි අය පර්යේෂකයන් සඳහා, ලොකු දත්ත මහා පොරොන්දුව පවත්වයි.