కొలత పెద్ద డేటా మూలాల ప్రవర్తన మార్చడానికి చాలా తక్కువ అవకాశం ఉంది.
సామాజిక పరిశోధన ఒక సవాలు వారు పరిశోధకులు గమనించారు చేస్తున్నారు తెలుసు ఉన్నప్పుడు వారి ప్రవర్తనను మార్చవచ్చు. సామాజిక శాస్త్రవేత్తలు సాధారణంగా పరిశోధకుడు కొలత క్రియాశీలత ప్రతిస్పందనగా ఈ ప్రవర్తన మార్పు కాల్ (Webb et al. 1966) . పలు పరిశోధకుడు హామీ కనిపించిన పెద్ద డేటా యొక్క ఒక విషయం పాల్గొనే సాధారణంగా వారి డేటా పట్టుకోవడం చేస్తున్నారు లేదా వారు తద్వారా ఇకపై వారి ప్రవర్తనను మార్చే ఈ డేటా సేకరణ అభిమానం పొందాయి తెలుసు అని. వారు కాని రియాక్టివ్ ఉన్నాయి గనుక, పెద్ద డేటా అనేక మూలాల గతంలో కచ్చితమైన కొలత amendable లేదని ప్రవర్తనను అధ్యయనం చేయటానికి ఉపయోగించవచ్చు. ఉదాహరణకు, Stephens-Davidowitz (2014) యునైటెడ్ స్టేట్స్ యొక్క విభిన్న ప్రాంతాలలో జాతిపరమైన వీలునామాను కొలిచేందుకు శోధన ఇంజిన్ ప్రశ్నలు జాత్యహంకార పరంగా ప్రాబల్యం ఉపయోగిస్తారు. శోధన డేటా కాని రియాక్టివ్ మరియు పెద్ద (ముందు భాగాన్ని చూడండి) ప్రకృతి ఎనేబుల్ సర్వేల వంటి ఇతర పద్ధతులు ఉపయోగించి కష్టం అని కొలతలు.
కాని క్రియాశీలత, అయితే, ఈ డేటా ఏదో ఒక ప్రత్యక్ష ప్రజల ప్రవర్తన లేదా ధోరణుల ప్రతిబింబిస్తాయి ఉండేలా లేదు. ఉదాహరణకు, ఒక ప్రతివాది చెప్పినట్టైతే Newman et al. (2011) , ఇతర మాటలలో కొన్ని పెద్ద డేటా మూలాల కాని రియాక్టివ్ అయినప్పటికీ వారు ఎల్లప్పుడూ సామాజిక కోరుకుంటూ పక్షపాతం ఉచిత కాదు, "ఇది నేను సమస్యలు, నేను కేవలం Facebook వాటిని పెట్టటం లేదు. లేదు అని కాదు" ప్రజలు ధోరణిని ఉత్తమమైన మార్గాన్ని తాము ప్రస్తుత కావలసిన. ఇంకా, నేను క్రింద మరింత వివరించడానికి వంటి, ఈ డేటా మూలాల కొన్నిసార్లు వేదిక యజమానుల గోల్స్ ప్రభావం, క్రమసూత్ర విచ్ఛిన్న అనే సమస్య (క్రింద మరింత వివరించబడింది).
కాని క్రియాశీలత ఉన్నప్పటికీ లేవనెత్తుతుంది నైతిక ఆందోళనలు అధ్యాయము 6. పెరిగింది డిజిటల్ నిఘా వ్యతిరేకంగా ఒక బహిరంగ ఎదురుదెబ్బ కాలక్రమేణా మరింత రియాక్టివ్ మారింది పెద్ద డేటా వ్యవస్థలు దారి తీయవచ్చు, మరియు బలమైన లో క్రింద మరియు వివరంగా చర్చించబడింది వారి సమ్మతి మరియు అవగాహన లేకుండా ప్రజల ప్రవర్తనను ట్రాక్, పరిశోధన లాభకరం డిజిటల్ నిఘా గురించి ఆందోళన కూడా కాని representativity (మరిన్ని కింద వివరించబడింది) గురించి ఆందోళనలు పెంచడం, పూర్తిగా వెయ్యడానికి పెద్ద డేటా వ్యవస్థల ప్రయత్నించిన కొంతమంది దారి తీయవచ్చు.
సామాజిక పరిశోధన-పెద్ద, ఎప్పుడూ, మరియు కాని ప్రతిక్రియా-సాధారణంగా ఈ డేటా మూలాల పరిశోధనకు పరిశోధకులు రూపొందించినవారు కాలేదు ఎందుకంటే ఎదురవుతాయి పెద్ద డేటా చెందిన ఈ ముగ్గురు మంచి లక్షణాలు. ఇప్పుడు, నేను పరిశోధన కోసం చెడు అని పెద్ద డేటా మూలాల ఏడు లక్షణాలు తిరుగులేని వస్తుంది. ఈ లక్షణాలను కూడా ఈ డేటాను పరిశోధనకు పరిశోధకులు రూపొందించినవారు లేదు ఎందుకంటే ఉత్పన్నమయ్యే ఉంటాయి.