2.4.1 Nagbibilang bagay

Simple pagbilang maaaring maging kawili-wiling kung pagsamahin mo ang isang mahusay na tanong na may mahusay na data.

Kahit na ito ay couched sa sopistikadong sounding wika, lots ng panlipunang pananaliksik ay talagang lamang pagbibilang bagay. Sa edad ng malaking data, ang mga mananaliksik ay maaaring bilangin higit pa kaysa dati, ngunit na ay hindi awtomatikong nangangahulugan na ang pananaliksik ay dapat na nakatutok sa pagbibilang ng higit pa at higit pang mga bagay-bagay. Sa halip, kung kami ay pagpunta sa gumawa ng mabuti pananaliksik na may malaking data, kailangan naming hilingin: kung anong mga bagay ay nagkakahalaga ng pagbibilang? Ito ay maaaring mukhang tulad ng isang ganap subjective bagay, ngunit may ilang mga pangkalahatang mga pattern.

Madalas mag-aaral mag-udyok sa kanilang pagbilang pananaliksik sa pamamagitan ng na nagsasabi: Ako pagpunta upang mabilang ang isang bagay na walang sinuman ay kailanman binibilang bago. Halimbawa, ang isang mag-aaral ay maaaring sabihin, maraming mga tao ay may-aral migrante at maraming mga tao ay may-aral twins, ngunit walang tao ay may-aral migrant twins. Motivation pamamagitan kawalan ay hindi karaniwang humantong sa mahusay na pananaliksik. Of course, diyan ay maaaring maging magandang dahilan upang mag-aral migrant twins, ngunit ang katotohanan na sila ay hindi na-aral bago ay hindi nangangahulugan na sila ay dapat na-aral ngayon. Kailanma'y walang sinumang binibilang ang bilang ng mga thread sa karpet sa aking opisina, ngunit na ay hindi awtomatikong magpahiwatig na ito ay magiging isang magandang proyekto ng pananaliksik. Motivation pamamagitan kawalan ay uri ng tulad ng sinasabi: look, may isang butas sa banda roon, at ako pagpunta upang gumana napakahirap upang punan up ito. Ngunit, hindi lahat ng butas kailangang bubusugin.

Sa halip na motivating pamamagitan kawalan, Sa tingin ko na ang pagbibilang ng mga leads sa mahusay na pananaliksik sa dalawang sitwasyon, kapag ang pananaliksik ay kawili-wili o mahalaga (o sa isip pareho). Halimbawa, sa pagsukat ng rate ng kawalan ng trabaho ay mahalaga dahil ito ay nasa indicator ng ekonomiya na nag-mamaneho desisyon ng patakaran. Sa pangkalahatan, ang mga tao ay may isang medyo magandang ideya ng kung ano ay mahalaga. Kaya, sa ibang bahagi ng seksyon na ito, ako pagpunta sa magbigay ng tatlong halimbawa kung saan pagbibilang ay kagiliw-giliw. Sa bawat kaso, ang mga mananaliksik ay hindi bilangin nang basta-basta, sa halip sila ay pagbibilang sa napaka-partikular na mga setting na nagsiwalat ng mahalagang pananaw sa mga mas pangkalahatang mga ideya tungkol sa kung paano social sistema ng trabaho. Sa ibang salita, ang isang pulutong ng kung ano ang gumagawa ng mga partikular na nadaragdagan pagsasanay kagiliw-giliw na ay wala sa data ng kanyang sarili, ito ay dumating mula sa mga mas pangkalahatang mga ideya.

Sa ibaba makikita ko ipakita tatlong mga halimbawa sa: 1) ang nagtatrabaho pag-uugali ng mga driver ng taxi sa New York (Section 2.4.1.1), 2) friendship formation sa pamamagitan ng mga mag-aaral (Section 2.4.1.2) at 3) social media censorship pag-uugali ng mga Intsik na pamahalaan (Seksyon 2.4.1.3). Ano ang mga halimbawang ito ibahagi ay na ang lahat sila ay nagpapakita na pagbibilang malaking data ay maaaring gamitin upang subukan ang panteorya paghuhula. Sa ilang mga kaso, malaki pinagkukunan ng data daan sa iyo upang gawin ito pagbilang relatibong direkta (tulad ng sa kaso ng New York taxi). Sa ibang mga kaso, ang mga mananaliksik ay kailangan upang harapin ang incompleteness sa pamamagitan ng pinagsasama data sama-sama at operationalizing theoretical constructs (tulad ng sa kaso ng pagkakaibigan formation); at sa ilang mga kaso mga mananaliksik ay kailangan upang mangolekta ng kanilang sariling pagmamatyag ng data (tulad ng sa kaso ng social media censorship). Bilang pag-asa ko ang mga halimbawang ito ipakita, para sa mga mananaliksik na magagawang upang hilingin kagiliw-giliw na mga katanungan, malaki data humahawak malaki pangako.