2.3.1.3 Non-reaktibo

Pagsukat ay higit na mas mababa malamang na baguhin pag-uugali sa malaking pinagkukunan ng data.

Isang hamon ng panlipunang pananaliksik ay na ang mga tao ay maaaring baguhin ang kanilang pag-uugali kapag alam nila na sila ay na-obserbahan sa pamamagitan ng mga mananaliksik. Social siyentipiko sa pangkalahatan ay itawag sa pag-uugali pagbabago bilang tugon sa researcher pagsukat reaktibiti (Webb et al. 1966) . Isang aspeto ng malaking data na ang maraming mga researcher mahanap promising ay na ang mga kalahok sa pangkalahatan ay hindi magkaroon ng kamalayan na ang kanilang data ay ina-nakunan o sila ay naging kaya sanay na ito sa pagkolekta ng data na hindi na ito ang mga pagbabago sa kanilang pag-uugali. Dahil ang mga ito di-reaktibo, samakatuwid, maraming mga pinagkukunan ng malaking data ay maaaring gamitin upang mag-aral pag-uugali na ay hindi pa amendable sa tumpak na pagsukat dati. Halimbawa, Stephens-Davidowitz (2014) ginamit ang pagkalat ng racist mga tuntunin sa query sa paghahanap engine upang masukat panlahi animus sa iba't ibang mga rehiyon ng Estados Unidos. Ang mga di-reaktibo at malaki (tingnan ang nakaraang seksyon) likas na katangian ng data sa paghahanap pinagana measurements na maaaring mahirap paggamit ng iba pang mga pamamaraan, tulad ng mga survey.

Non-reaktibiti, gayunpaman, ay hindi matiyak na ang mga data ay sa paanuman isang direktang sumasalamin ng mga tao ang pag-uugali o attitudes. Halimbawa, bilang isa respondent sinabi Newman et al. (2011) , "Ito ay hindi na hindi ko magkaroon ng problema, ako lamang ay hindi paglagay ng mga ito sa Facebook." Sa ibang salita, kahit na ang ilang mga malaking pinagkukunan ng data ay di-reaktibo, sila ay hindi palaging libre ng panlipunang kakanais-naisan bias , ang ugali para sa mga tao na nais na ipakita ang kanilang sarili sa ang pinakamahusay na posibleng paraan. Dagdag dito, dahil kakailanganin kong ilarawan higit pa sa ibaba, ang mga pinagkukunan ng data ay minsan naapektuhan ng mga layunin ng mga may-ari platform, isang problema na tinatawag na algorithmic confounding (inilarawan higit pa sa ibaba).

Kahit non-reaktibiti ay makabubuti para sa pananaliksik, pagsubaybay pag-uugali ng mga tao nang walang kanilang pahintulot at kamalayan raises etikal alalahanin tinalakay sa ibaba at sa detalye sa Kabanata 6. Ang isang pampublikong sumasagot na hampas laban nadagdagan digital surveillance ay maaaring humantong malaking sistema ng data upang maging mas reaktibo sa paglipas ng panahon, at malakas pag-aalala tungkol sa mga digital surveillance maaaring kahit na humantong ilang mga tao na subukan na mag-opt-out ng malaking mga sistema ng data ganap, pagtaas alalahanin tungkol non-representativity (inilarawan higit pa sa ibaba).

Ang mga tatlong mahusay na mga katangian ng malaking data para sa mga social research-big, laging-on, at di-reaktibo-karaniwang lumabas dahil dahil ang mga pinagkukunan ng data ay hindi nilikha sa pamamagitan ng mga mananaliksik para sa pananaliksik. Ngayon, kailangan ko i-sa pitong katangian ng malaking pinagkukunan ng data na masama para sa pananaliksik. Ang mga tampok na rin ay madalas na lumabas dahil dahil ang data na ito ay hindi nilikha ng mga mananaliksik para sa pananaliksik.