2.4.1 Бројање ствари

Једноставно бројање може бити занимљиво да комбинују добро питање са добрим подацима.

Иако је формулисан у софистицирани језику звучи, много друштвена истраживања је заиста само броји ствари. У доба великих података, истраживачи могу да рачунају више него икад, али то не значи аутоматски да истраживање треба да се усредсреди на броји све више и више ствари. Уместо тога, ако ћемо направити добар истраживања са великим подацима, морамо питати: шта се ствари исплати броји? То може изгледати као потпуно субјективна ствар, али постоје неки општи обрасци.

Често студенти мотивишу своје истраживање бројања говорећи: Идем да бројим нешто што нико никада није рачунају раније. На пример, студент може рећи, многи људи су проучавали мигранте и многи људи су проучавали близанце, али нико није проучавао близанце имигрантске. Мотивација и одсуство обично не доведе до добрих истраживања. Наравно, можда постоји добар разлог да проучавају близанце мигранте, али је чињеница да они нису раније проучавали не значи да их треба сада студирао. Нико никада није бројао број нити на тепиху у мојој канцеларији, али то не значи аутоматски да ће то бити добар истраживачки пројекат. Мотивација и одсуство је некако као да кажете: гле, ту је рупа тамо, а ја ћу радити напорно да се напуни. Али, није сваки рупа треба да буде испуњен.

Уместо мотивацију од одсуства, мислим да бројим води ка добром истраживања у две ситуације, када је истраживање је интересантно или важно (или идеално оба). На пример, мерење стопе незапослености је важан јер је у показатељу привреде која покреће одлуке о политици. Генерално, људи имају прилично добар смисао за оно што је важно. Дакле, у остатку овог одељка, ја ћу да обезбеди три примера где бројање је занимљиво. У сваком случају, истраживачи су не рачунајући случајно, него су рачунали су у веома посебним поставкама које откривене значајне увиде у више општих идеја о томе како друштвени системи раде. Другим речима, много тога што чини ове конкретне вежбе бројање занимљиво није у самом подацима, долази из тих више општих идеја.

У наставку ћу представити три примера о: 1) радног понашања таксисте у Њујорку (члан 2.4.1.1), 2) формирање пријатељство студенти (Одељак 2.4.1.2) и 3) цензура медија понашање социјална кинеске владе (Одељак 2.4.1.3). Шта ови примери деле је да сви они показују да је бројање велике податке може да се користи за тестирање теоријска предвиђања. У неким случајевима, велики извори података омогућавају да радимо ово бројање релативно директно (као у случају Нев Иорк Такис). У другим случајевима, истраживачи ће морати да се бави непотпуност спајањем података заједно и Операционализација теоријске конструкције (као у случају формирања пријатељство); ау неким случајевима истраживачи ће морати да прикупе своје осматрачких података (као у случају медијске цензуре социјалне). Надам се ови примери показују, за истраживаче који су могли да постављају интересантна питања, велика подаци много обећава.