2.3.1.2 Always-on

Vedno-na velikih podatkov omogoča študij nepričakovanih dogodkov in meritev v realnem času.

Mnogi veliki podatkovni sistemi so vedno-na; so nenehno zbiranje podatkov. To vedno-na lastnost omogoča raziskovalcem longitudinalnih podatkov (tj podatkov skozi čas). Kot vedno-on ima dve pomembne posledice za raziskave.

Prvič, vedno-o zbiranju podatkov omogoča raziskovalcem, da preučujejo nepričakovanih dogodkov na načine, ki niso bile mogoče prej. Na primer, raziskovalci, ki se zanimajo za študij Zasedajo Gezi proteste v Turčiji v poletnih mesecih leta 2013 se navadno osredotočajo na vedenje protestnikov v času dogodka. Ceren Budak in Duncan Watts (2015) so bili sposobni narediti več z uporabo vedno-na naravo Twitter študirati Twitter-uporabo protestnike pred, med in po dogodku. In so bili sposobni ustvariti primerjalno skupino oseb, ki niso udeležencev (ali udeležencev, ki niso Tweet o protestu) pred, med in po prireditvi (Slika 2.1). V celoti je njihova ex-post plošča vključili tweets 30.000 ljudi, več kot dve leti. Z povečuje pogosto uporabljajo podatke iz protestov v te druge informacije, so bili Budak in Watts lahko izvedeli veliko več: so bili sposobni oceniti, kakšne vrste ljudi, ki so bili bolj verjetno, da sodelujejo v Gezi protestov in za oceno sprememb v odnosu udeleženci in niso vključene, tako kratkoročno (primerjamo predhodno Gezi da med Gezi) in na dolgi rok (primerjamo predhodno Gezi bi objavili-Gezi).

Slika 2.1: Oblikovanje uporablja Budak and Watts (2015) za študij Zasedajo Gezi proteste v Turčiji v poletnih mesecih leta 2013. Z uporabo vedno-na naravo Twitter, so raziskovalci ustvarili tisto, kar so imenovali naknadno panel, ki je vključevala okoli 30.000 ljudi, starejših od dveh let. V nasprotju s tem je tipična študija, da je usmerjena na udeležence med protesti, ex-post plošča dodaja 1) podatke od udeležencev pred in po dogodku in 2), podatki iz tujih udeležencev pred, med in po dogodku. Ta obogatena podatkovna struktura omogočila Budak in W oceniti, kakšne vrste ljudi, ki so bili bolj verjetno, da sodelujejo v Gezi protestih in oceniti spremembe v odnosu udeležencev in tujih udeležencev, tako v kratkoročnem obdobju (primerjava predhodno Gezi za med Gezi) in na dolgi rok (primerjava pred Gezi bi objavili-Gezi).

Res je, da bi lahko nekatere od teh ocen bil dosežen, ne da bi vedno o virih zbiranja podatkov (npr dolgoročne ocene spreminjanje odnosa), čeprav bi bila zbiranje takšnih podatkov za 30.000 ljudi, ki so precej drage. In tudi zaradi neomejen proračun, ne morem razmišljati o kateri koli drug način, ki v bistvu omogoča raziskovalcem, da potuje nazaj v čas in se neposredno opazovati udeleženci vedenje v preteklosti. Najbližja možnost bi bila zbiranje retrospektivnih poročil o obnašanju, vendar ta poročila bi bilo omejeno razdrobljenost in vprašljive točnosti. Tabela 2.1 zagotavlja druge primere študij, ki uporabljajo vedno-na vir podatkov za študij nepričakovan dogodek.

Drugič, vedno-o zbiranju podatkov raziskovalcem omogoča izdelavo meritve v realnem času, kar je lahko pomembno v okoljih, kjer oblikovalci politik želijo ne samo učijo od obstoječega vedenja, ampak tudi odgovor nanj. Na primer, lahko socialni mediji podatki se uporabljajo za vodenje odzivanje na naravne nesreče (Castillo 2016) .

Skratka, vedno-na podatkih sistemi omogočajo raziskovalcem, da preučujejo nepričakovanih dogodkov in zagotavljanje informacij v realnem času za oblikovalce politik. Nisem pa predlagam, da to vedno-na podatkih sistemi omogočajo raziskovalcem, da bi spremljali spremembe v daljšem časovnem obdobju. To je zato, ker so veliko velikih sistemov podatkov nenehno spreminja-proces se imenuje visečih (oddelek 2.3.2.4).