2.5 Закључак
Велики подаци су свуда, али га и друге облике посматрачким података за друштвена истраживања користећи тешко. У мом искуству постоји нешто као нема бесплатног руцка имовине за истраживање: ако не стави у много посла прикупљање података, онда се вероватно морати да стави у много рада анализира податке или у размишљању о Оно што је у занимљивом питање које се поставља података. На основу идеја у овом поглављу, мислим да постоје три главна начина да ће велики извори података бити највреднији за социјална истраживања:
- емпиријски решавање између конкурентских теоријска предвиђања. Примери ове врсте рада укључују Farber (2015) (Њујорк таксисти) и King, Pan, and Roberts (2013) (цензура у Кини)
- побољшана социјална мере за политику кроз новцастинг. Пример за ову врсту посла је Ginsberg et al. (2009) (Гоогле напредовање грипа).
- процени узрочно-последичне ефекте природних експеримената и упаривања. Примери ове врсте посла. Од Mas and Moretti (2009) (пеер ефекте на продуктивност) и Einav et al. (2015) (ефекат по почетној цени на аукцији у еБаи).
Многи важна питања у друштвена истраживања може се исказати као један од ова три. Међутим, ови приступи генерално захтевају истраживаче да донесе много подацима. Оно што Farber (2015) је теоријски мотивација за мерење. Овај теоријски мотивација долази споља података. Тако је, за оне који су добри у постављању одређених врста истраживачких питања, велики извори података могу бити веома плодна.
На крају, пре него теорија-дривен емпиријско истраживање (која је била фокус на овом поглављу), можемо флип сценарио и створити емпиријски-дривен теоријама. То се, кроз пажљиво акумулације емпиријских чињеница, образаца, и слагалица, можемо изградити нове теорије.
Ова алтернатива, подаци првог приступ теорији није нова, а то је највише енергично заговара Glaser and Strauss (1967) својим позивом за основане теорије. Овај приступ подацима првог, међутим, не значи "крај теорије", како је тврди највећи део новинарства око истраживања у дигиталном добу (Anderson 2008) . Уместо тога, као промена података окружења, морамо очекивати поновно уравнотежење у односима између теорије и података. У свету у коме прикупљање података је скуп, има смисла само прикупити податке који сугеришу теорије ће бити најкориснији. Али, у свету где огромне количине података су већ доступна за бесплатно, има смисла да се покуша приступ подацима првог (Goldberg 2015) .
Као што сам показао у овом поглављу, истраживачи могу да науче много гледајући људе. У наредне три поглавља, ја ћу описати како можемо научити више и различите ствари ако кроји нашу прикупљање података и интеракцију са људима више директно им постављати питања (Поглавље 3), ради експерименте (Поглавље 4), па чак и да их укључују у процесу истраживања директно (Поглавље 5).
