2.5 తీర్మానం

బిగ్ డేటా చోట్లా ఉన్నాడు, కాని ఇది సామాజిక పరిశోధనా పరిశీలన డేటా ఇతర రూపాలు ఉపయోగించి కష్టం. నా అనుభవం లో పరిశోధన కోసం ఒక ఉచిత అర్హత ప్రాపర్టీ ఏ లాగ ఉంది: మీరు పని డేటా సేకరించడం చాలా ఉంచవద్దు ఉంటే, అప్పుడు మీరు బహుశా పని మీ డేటాను విశ్లేషించడానికి చాలా లేదా గురించి ఆలోచిస్తూ లో ఉంచాలి పొందబోతున్నారు డేటా ఏమి ఒక ఆసక్తికరమైన ప్రశ్న ఉంది గోవా. ఈ అధ్యాయంలో ఆలోచనలు ఆధారంగా, నేను పెద్ద డేటా మూలాల సామాజిక పరిశోధనకు అత్యంత విలువైనవి అని మూడు ప్రధాన మార్గాలు ఉన్నాయి అనుకుంటున్నాను:

• ఆమోద సైద్ధాంతిక అంచనాలు పోటీ మధ్య న్యాయనిర్ణేతగా. పని ఈ రకమైన ఉదాహరణలుగా ఉన్నాయి Farber (2015) (న్యూయార్క్ టాక్సీ డ్రైవర్లు) మరియు King, Pan, and Roberts (2013) (చైనా లోని సెన్సార్షిప్)
• nowcasting ద్వారా విధానం కోసం మెరుగైన సామాజిక కొలత. పని ఈ రకమైన ఉదాహరణగా ఉంది Ginsberg et al. (2009) (Google ఫ్లూ ట్రెండ్లులో).
• సహజ ప్రయోగాలు మరియు సరిపోలే తో కారణ ప్రభావాలు అంచనా. పని. ఈ రకమైన ఉదాహరణలు Mas and Moretti (2009) (ఉత్పాదకతపై ప్రభావాలు తోటివారి) మరియు Einav et al. (2015) (eBay లో వేలం ప్రారంభ ధర ప్రభావం).

సామాజిక పరిశోధనలో అనేక ముఖ్యమైన ప్రశ్నలు ఈ ముగ్గురిలో ఒకరిగా వ్యక్తం చేయవచ్చు. అయితే, ఈ విధానాల్లో సాధారణంగా డేటా చాలా తీసుకుని పరిశోధకులు అవసరం. ఏం చేస్తుంది Farber (2015) ఆసక్తికరమైన కొలత సైద్ధాంతిక ప్రేరణ. ఈ సైద్ధాంతిక ప్రేరణ డేటా బయట నుంచి వస్తుంది. అందువలన, పరిశోధన ప్రశ్నలు కొన్ని రకాల అడుగుతున్నారు మంచి వారికి, పెద్ద డేటా మూలాల చాలా ఫలవంతమైన ఉంటుంది.

చివరగా, సిద్ధాంతం నడిచే అనుభావిక పరిశోధన (ఈ అధ్యాయం దృష్టి ఉంది) కాకుండా, మేము స్క్రిప్ట్ కుదుపు మరియు ఆమోద నడిచే సూత్రీకరించ సృష్టించవచ్చు. అంటే, అనుభావిక వాస్తవాలు, నమూనాలను, మరియు పజిల్స్ జాగ్రత్తగా చేరడం ద్వారా, మేము కొత్త సిద్ధాంతాలు నిర్మించవచ్చు.

సిద్ధాంతానికి ఈ ప్రత్యామ్నాయ డేటా మొదటి విధానం కొత్త కాదు, మరియు అది చాలా బలవంతంగా వ్యక్తీకరించిన జరిగినది Glaser and Strauss (1967) గ్రౌన్దేడ్ థియరీ వారి కాల్ తో. ఈ డేటా మొదటి విధానం, అయితే, "సిద్ధాంతం యొక్క ముగింపు," వంటి డిజిటల్ వయస్సు లో పరిశోధన చుట్టూ జర్నలిజం చాలా దావా వేయబడింది అర్థం కాదు (Anderson 2008) . అయితే, డేటా వాతావరణంలో మార్పులు, మేము సిద్ధాంతం మరియు సమాచారం మధ్య సంబంధం రీ-బాలెన్సింగ్ ఆశించడం ఉండాలి. డేటా సేకరణ ఖరీదైన అక్కడ ఒక ప్రపంచంలో, అది మాత్రమే సిద్ధాంతాలు సూచిస్తున్నాయి చాలా ఉపయోగకరంగా ఉంటుంది డేటా సేకరించడానికి అర్ధమే. కాని డేటా అపారమైన ఇప్పటికే ఉచితంగా అందుబాటులో ఉన్నాయి పేరు ఒక ప్రపంచంలో, అది భావాన్ని కూడా ఒక డేటా మొదటి విధానం ప్రయత్నించండి చేస్తుంది (Goldberg 2015) .

నేను ఈ అధ్యాయం చూపిన వంటి, పరిశోధకులు ప్రజలు చూడటం ద్వారా చాలా తెలుసుకోవచ్చు. తదుపరి మూడు అధ్యాయాల్లో, మనం వాటిని ప్రశ్నలు (చాప్టర్ 3) అడుగుతూ, నడుస్తున్న ప్రయోగాలు (చాప్టర్ 4), మరియు కూడా వాటిని పాల్గొన్న ద్వారా మరింత నేరుగా మా డేటా సేకరణ గానూ మరియు ప్రజలు సంకర్షణ ఉంటే మేము మరింత మరియు వివిధ విషయాలు తెలుసుకోవడానికి ఎలా వివరించడానికి చేస్తాము నేరుగా పరిశోధన విధానంలో (చాప్టర్ 5).