2.3.1 Boholo

Datasets khōlō ke mokhoa oa ho felisa; ha ba se ileng sa felisa ka botsona.

Tšobotsi e buuoang haholo ka ho fetisisa ea mehloli e mengata ea litaba ke hore ke BIG. Ka mohlala, litokomane tse ngata, li qala ka ho buisana le ka linako tse ling-le ka linako tse ling ho ithorisa-mabapi le hore na ba fumane boitsebiso bo bokae. Ka mohlala, pampiri e hatisitsoeng ka saense ho ithuta mekhoa ea ho sebelisa mantsoe ho Google Books corpus e kenyeletsa tse latelang (Michel et al. 2011) :

"Senyesemane sa rōna se na le mantsoe a fetang limilione tse likete tse 500, ka Senyesemane (limilione tse 361), Sefora (limilione tse likete tse 45), Sepanishe (limilione tse likete tse 45), Sejeremane (limilione tse likete tse 37), Sechaena (limilione tse likete tse 13), Serussia (limilione tse likete tse 35) (Limilione tse likete tse 2). Mesebetsi ea khale ka ho fetisisa e ile ea hatisoa lilemong tsa bo-1500. Lilemo tse mashome a qalang li emeloa ke libuka tse 'maloa feela ka selemo, tse nang le mantsoe a likete tse makholo a likete. Ka 1800, corpus e hōla ho fihlela ho mantsoe a limilione tse 98 ka selemo; ka 1900, limilione tse likete tse 1,8; 'me ka 2000, limilione tse likete tse 11. The corpus e ke ke ea baloa ke motho. Haeba o ne o leka ho bala lingoliloeng feela tsa Senyesemane ho tloha ka selemo sa 2000 feela, ka lebelo le utloahalang la mantsoe a mabeli / metsotso, ntle le ho sithabela bakeng sa lijo kapa boroko, ho nka lilemo tse 80. Ho latellana ha mangolo ho feta nako e telele ho feta moloko oa motho oa lefutso: Haeba ue ngotse ka molomo, o ne o tla fihla ho Khoeli ebe o khutlela ka makhetlo a 10. "

Ha ho pelaelo hore tekanyo ea lintlha tsena e tsoteha, 'me kaofela re na lehlohonolo hore sehlopha sa Google Books se lokolletse lintlha tsena ho sechaba (ha e le hantle, mesebetsi e meng e qetellong ea khaolo ena e sebelisa data ena). Empa, neng le neng ha u bona ntho e kang ena o lokela ho botsa: na ke hore seo tsohle se etsa ntho leha e le efe? Na ba ka be ba entse lipatlisiso tse tšoanang haeba data e ka fihla ho Khoeli 'me e khutlela hang feela? Ho thoe'ng haeba data e ka fihla tlhōrōng ea Thaba Everest kapa ka holimo ho Eiffel Tower?

Tabeng ena, lipatlisiso tsa bona li hlile li na le liphuputso tse hlokang mantsoe a maholo ka nako e telele. Ka mohlala, ntho e le 'ngoe eo ba e hlahlobang ke ho fetoha ha sebōpeho-puo, haholo-holo liphetoho ka tekanyo ea mantsoe a sa tloaelehang. Kaha lipuo tse ling tse sa tloaelehang ha li fumanehe hangata, boitsebiso bo bongata bo hlokahalang ho bona liphetoho ho feta nako. Leha ho le joalo, khafetsa, bafuputsi ba bonahala ba tšoara boholo ba mohloli o moholo oa boitsebiso e le bofelo-"sheba hore na ke na le boitsebiso bo bokae boo ke bo khonang ho bo qhaqhoa" -a fapana le mokhoa oa sepheo se seng sa bohlokoa sa saense.

Boiphihlelo ba ka, ho ithuta liketsahalo tse sa tloaelehang ke e 'ngoe ea liphetoho tse tharo tsa saense tseo boholo ba datasetata bo atisang ho li etsa. Ea bobeli ke thuto ea heterogeneity, joalokaha ho ka bapisoa le thuto ea Raj Chetty le basebetsi-'moho le eona (2014) ho tsamaisana le sechaba United States. Nakong e fetileng, bafuputsi ba bangata ba ithutile ho tsamaea ha batho ka ho bapisa liphello tsa bophelo ba batsoali le bana. Tlhaloso e tsitsitseng ea lingoliloeng tsena ke hore batsoali ba nang le melemo ba atisa ho ba le bana ba nang le melemo, empa matla a kamano ena a fapana ho feta nako le linaheng tse ling (Hout and DiPrete 2006) . Leha ho le joalo, morao tjena, Chetty le basebetsi-'moho le eena ba ile ba khona ho sebelisa litlaleho tsa lekhetho ho tsoa ho batho ba limilione tse 40 ho lekanya hore ho na le mefuta e mengata ea ho tsamaela mekhatlo e mengata United States (setšoantšo sa 2.1). Ka mohlala, ba fumane hore monyetla oa hore ngoana a finyelle quintile e phahameng ea palo ea naha ea ho abeloa chelete ho tloha lelapeng le quintile ea tlase ke hoo e ka bang 13% San Jose, California, empa hoo e ka bang 4% ho Charlotte, North Carolina. Haeba o sheba setšoantšo 2.1 ka motsotsoana, u ka 'na ua qala ho ipotsa hore na ke hobane'ng ha mekhoa ea ho itšetlehile ka maemo a mangata ho feta libakeng tse ling. Chetty le basebetsi-'moho le bona ba ne ba e-na le potso e le 'ngoe,' me ba fumana hore libaka tse phahameng tsa mahae li na le khethollo e fokolang ea bolulo, ho se lekane ha chelete ka chelete, likolo tsa motheo tse ntlafetseng, kholo ea sechaba le botsitso ba malapa a mangata. Ha e le hantle, likamano tsena feela ha li bontše hore lisosa tsena li baka phahama e phahameng, empa li fana ka maikutlo a hore na mekhoa e ka etsoang mosebetsing o tsoelang pele, ke sona seo Chetty le basebetsi-'moho ba se entseng mosebetsing o latelang. Hlokomela kamoo boima ba data bo neng bo le bohlokoa kateng mosebetsing ona. Haeba Chetty le basebetsi-'moho le eena ba ne ba sebelisitse litlaleho tsa lekhetho tsa batho ba likete tse 40 ho e-na le limilione tse 40, ba ne ba ke ke ba khona ho lekanyetsa bothata ba sebaka seo ba neng ba ka se etsa 'me ba ne ba ke ke ba khona ho etsa patlisiso e latelang ho leka ho khetholla mekhoa e etsang hore ho be le phapang.

Setšoantšo sa 2.1: Tekanyetso ea menyetla ea ngoana ea ho fihlella holimo ho 20% ea phaello ea chelete e fuoe batsoali ka tlaase ho 20% (Chetty et al. 2014) . Litekanyo tsa maemong a libaka, tse bontšang heterogeneity, ka tlhaho li lebisa lipotsong tse thahasellisang le tsa bohlokoa tse sa tsoheng ho tloha tekanyong e le 'ngoe ea naha. Litekanyetso tsena tsa maemong a libaka li ile tsa khoneha ka karolo e itseng hobane bafuputsi ba ne ba sebelisa mohloli o moholo oa litaba: litlaleho tsa lekhetho tsa batho ba limilione tse 40. E entsoe ho tsoa ho boitsebiso bo fumanehang ho http://www.equality-of-opportunity.org/.

Qetellong, ho phaella ho ithuta liketsahalo tse sa tloaelehang le ho ithuta haterogeneity, li-dataset tse khōlō li boetse li thusa bafuputsi hore ba lemohe phapang e nyenyane. Ha e le hantle, boholo ba litaba tse kholo lefapheng la indasteri li mabapi le liphapang tsena tse fokolang: ho hlokomela ka botšepehi phapang e pakeng tsa 1% le 1.1% litekanyetso tsa ho penya-pota tselong e ka fetolela limilione tsa liranta ka chelete e eketsehileng. Leha ho le joalo, litabeng tse ling tsa saense, liphapang tse nyenyane joalo li ka 'na tsa se ke tsa e-ba tsa bohlokoa haholo, le haeba li le li-statistically tsa bohlokoa (Prentice and Miller 1992) . Empa, maemong a mang a lipolotiki, li ka ba tsa bohlokoa ha li talingoa ka kakaretso. Ka mohlala, haeba ho na le mehato e 'meli ea bophelo bo botle ba' mele 'me e mong o sebetsa hantle ho feta e' ngoe, joale ho nka mehato e atlehang ho ka qetella e pholosa bophelo ba likete tse eketsehileng.

Le hoja boholo bo le setša se setle ha se sebelisoa ka nepo, ke hlokometse hore ka linako tse ling se ka lebisa phoso ea maikutlo. Ka mabaka a mang, ho bonahala boholo bo etsa hore bafuputsi ba hlokomolohe hore na data ea bona e entsoe joang. Le hoja boholo bo fokotsa tlhokahalo ea ho tšoenyeha ka phoso e sa tloaelehang, ha e le hantle e eketsa tlhokahalo ea ho tšoenyeha ka liphoso tse hlophisitsoeng, mefuta ea liphoso tseo ke tla li hlalosa ka tlaase tse hlahang ho tsoa ho tsebo ea hore na data e bōpiloe joang. Ka mohlala, mosebetsing ke tla hlalosa hamorao khaolong ena, bafuputsi ba ile ba sebelisa melaetsa e hlahisitsoeng ka la 11 September, 2001 ho hlahisa nako e phahameng ea tharollo ea maikutlo ho latela tlhaselo ea likhukhuni (Back, Küfner, and Egloff 2010) . Hobane bafuputsi ba ne ba e-na le melaetsa e mengata, ba ne ba hlile ba sa lokela ho tšoenyeha ka hore na mekhoa eo ba e boneng-ho halefa ho feta nako ea letsatsi-e ka hlalosoa ka ho fetoha ho sa tloaelehang. Ho ne ho e-na le boitsebiso bo bongata 'me mohlala o ne o hlakile hoo litlhahlobo tsohle tsa lipalo-palo li bontšitse hore ena e ne e le mohlala oa sebele. Empa, litlhahlobo tsena tsa lipalo-palo li ne li sa tsebe hore na data e bōpiloe joang. Ha e le hantle, ho ile ha e-ba le mekhoa e mengata e neng e bakoa ke botlolo bo le bong bo hlahisitseng melaetsa e mengata e se nang morero ho pholletsa le letsatsi. Ho tlosa bot sena ho senya ka ho feletseng tse ling tsa bohlokoa tse fumanoeng pampiring (Pury 2011; Back, Küfner, and Egloff 2011) . Ho bonolo feela, bafuputsi ba sa nahaneng ka phoso e hlophisehileng ba tobana le kotsing ea ho sebelisa li-dataset tsa bona tse kholo ho fumana tekanyo e tobileng ea boholo bo sa hlokahaleng, joalo ka maikutlo a maikutlo a melaetsa e se nang morero e hlahisoang ke bot e iketsetsang.

Qetellong, li-dataset tse kholo ha li felle ka boeona, empa li ka lumella mefuta e meng ea lipatlisiso ho kenyelletsa le ho ithuta liketsahalo tse sa tloaelehang, tekanyo ea heterogeneity, le ho lemoha liphapang tse fokolang. Litsebelisoa tse kholo tsa datasemane li bonahala li lebisa bafuputsi ba bang ho hlokomoloha hore na data ea bona e bōpiloe joang, e leng se ka ba lebisang ho lekanya ka ho nepahetseng ha bongata bo sa hlokahaleng.