2.3.2 ہمیشہ پر
ہمیشہ آن بڑے اعداد و شمار غیر متوقع واقعات اور اصل وقت کی پیمائش کے مطالعہ کے قابل بناتا ہے.
کئی بڑے اعداد و شمار کے نظام ہمیشہ پر ہیں؛ وہ مسلسل اعداد و شمار جمع کر رہے ہیں. یہ ہمیشہ پر خصوصیت تخدیربی ڈیٹا کے ساتھ محققین فراہم کرتا (یعنی، وقت کے ساتھ ساتھ ڈیٹا). ہمیشہ پر ہونے کی وجہ سے تحقیق کے لیے دو اہم اثر پڑتا ہے.
سب سے پہلے، ہمیشہ کے اعداد و شمار کے مجموعی طور پر محققین کو غیر متوقع واقعات کا مطالعہ کرنے کے قابل بناتا ہے جس سے دوسرے صورت میں ممکن نہیں ہوسکتا. مثال کے طور پر، 2013 کے موسم گرما میں ترکی میں قبضہ کرنے والے تحقیقی تحقیقی مطالعہ میں دلچسپی رکھنے والی محققین کو عام طور پر مظاہرین کے رویے پر توجہ مرکوز ہوگی. سیرن بڈوک اور ڈنکن واٹس (2015) ٹویٹر کے ہمیشہ کی نوعیت کا مظاہرہ کرتے ہوئے مظاہرین کا مطالعہ کرنے کے بعد پہلے سے ہی، ٹویٹر استعمال کرتے تھے اور اس کے بعد ٹویٹر استعمال کرتے تھے. اور، وہ واقعہ (اعداد و شمار 2.2) سے قبل، اور اس کے بعد، غیر شرکاء کا ایک مقابلہ گروپ بننے میں کامیاب تھے. مجموعی طور پر، ان کے سابق پوسٹ پینل نے دو سالوں میں 30،000 افراد کی ٹویٹس شامل کی ہیں. عام طور پر استعمال کردہ اعداد و شمار کے اس دیگر معلومات کے ساتھ مظاہرین کو بڑھانے سے، بڈک اور واٹ بہت زیادہ جاننے کے قابل تھے: وہ اندازہ لگا سکتے ہیں کہ کس طرح کے لوگ گیزی احتجاج میں حصہ لینے کے امکانات اور اندازے میں تبدیلیوں کا اندازہ لگاتے ہیں شرکاء اور عدم اطمینان دونوں، مختصر مدت میں (گیج کے دوران سے پہلے جی گیسی کی موازنہ) اور طویل عرصے میں (جی جیسی کے بعد سے پہلے جی گیسی کی موازنہ).
شکل 2.2: 2013 موسم گرما میں 2013 ء میں ترکی میں قبضہ کرنے والے قبضہ میں احتجاجی تحقیقی مطالعہ کرنے کے لئے Budak and Watts (2015) ڈیزائن استعمال کیا گیا. ٹویٹر کے ہمیشہ کی نوعیت کا استعمال کرتے ہوئے، محققین نے اس سے پیدا کیا کہ انہوں نے سابق پوزیشن پینل کو کیا کہا 30،000 افراد دو سال سے زائد افراد ہیں. ایک مخصوص مطالعہ کے برعکس جس میں مظاہروں کے دوران شرکاء پر توجہ مرکوز کی گئی ہے، سابق پوسٹ پینل نے 1) اعداد و شمار سے پہلے اور اس کے بعد شرکاء سے اعداد و شمار اور 2) اس سے قبل واقعات کے اعداد و شمار سے قبل، دوران اور بعد میں. یہ حساس اعداد و شمار کے ڈھانچے کو بروز اور واٹ کو اندازہ لگایا گیا کہ اندازہ لگایا جاسکتا ہے کہ کس قسم کے لوگ گیزی کے احتجاج میں حصہ لیں گے اور شرکاء اور غیر شرکاء کے راستے میں تبدیلیوں کا اندازہ لگائیں گے، دونوں کو مختصر مدت میں (Gezi سے قبل پہلے Gezi کی موازنہ ) اور طویل عرصے میں (گیس کے بعد سے پہلے جی گیسی کی موازنہ).
ایک شکایات یہ بتاتی ہیں کہ ان میں سے کچھ تخمینوں کے اعداد و شمار کے ذخائر کے وسائل (مثال کے طور پر، رویے کی تبدیلی کے طویل مدتی تخمینوں) کے بغیر بنایا جا سکتا ہے، اور یہ درست ہے، اگرچہ 30،000 لوگوں کے لئے اس طرح کے ڈیٹا کا مجموعہ کافی ہی ہوتا ہے مہنگا. تاہم، ایک لامحدود بجٹ بھی دی ہے، میں کسی دوسرے طریقہ کے بارے میں نہیں سوچ سکتا کہ لازمی طور پر محققین کو وقت میں سفر کرنے اور ماضی میں شرکاء کے رویے کا براہ راست مشاہدہ کرنے کی اجازت دیتا ہے. قریبی متبادل کا رویے کی ریٹرنویپی رپورٹوں کو جمع کرنا ہوگا، لیکن یہ رپورٹ محدود گرانڈرائٹی اور قابل اعتراض درستگی ہوگی. ٹیبل 2.1 مطالعہ کے دیگر مثالیں فراہم کرتا ہے جو غیر متوقع واقعہ کا مطالعہ کرنے کے لئے ہمیشہ سے ڈیٹا ڈیٹا کا ذریعہ استعمال کرتی ہے.
| غیر متوقع واقعہ | ہمیشہ ڈیٹا کا ذریعہ | حوالہ جات |
|---|---|---|
| ترکی میں گیضی تحریک پر قبضہ | ٹویٹر | Budak and Watts (2015) |
| ہانگ کانگ میں چھتوں کا احتجاج | ویوبو | Zhang (2016) |
| نیویارک شہر میں پولیس کی فائرنگ | سٹاپ اور فاسک رپورٹیں | Legewie (2016) |
| آئی ایس آئی میں شمولیت والے شخص | ٹویٹر | Magdy, Darwish, and Weber (2016) |
| 11 ستمبر، 2001 حملے | Livejournal.com | Cohn, Mehl, and Pennebaker (2004) |
| 11 ستمبر، 2001 حملے | پیجر پیغامات | Back, Küfner, and Egloff (2010) ، Pury (2011) ، Back, Küfner, and Egloff (2011) |
غیر متوقع واقعات کا مطالعہ کرنے کے علاوہ، ہمیشہ بڑے اعداد و شمار کے نظام کو محققین کو حقیقی وقت کا اندازہ پیدا کرنے میں بھی مدد ملتی ہے، جس میں ترتیبات میں اہم ہوسکتا ہے جہاں پالیسی سازوں میں حکومت یا صنعت میں - پوزیشن پر مبنی بیداری کی بنیاد پر جواب دینا چاہتا ہے. مثال کے طور پر، سماجی میڈیا کے اعداد و شمار قدرتی آفتوں (Castillo 2016) کو ہنگامی ردعمل کی رہنمائی کے لۓ استعمال کیا جا سکتا ہے اور مختلف قسم کے بڑے ڈیٹا وسائل کو اقتصادی سرگرمیوں (Choi and Varian 2012) حقیقی وقت کے تخمینے کا استعمال کیا جا سکتا ہے.
آخر میں، ڈیٹا بیس کے نظام پر محققین کو غیر متوقع واقعات کا مطالعہ کرنے اور پالیسی سازوں کو حقیقی وقت کی معلومات فراہم کرنے میں مدد ملتی ہے. تاہم، میں یہ سوچتا ہوں کہ ہمیشہ طویل عرصے سے ڈیٹا بیس کے نظام کو طویل عرصے سے طویل عرصے تک تبدیلیوں کو ٹریک کرنے کے لئے موزوں ہے. یہی وجہ ہے کہ بہت سارے بڑے ڈیٹا سسٹم مسلسل تبدیل ہوتے ہیں- ایک عمل جس میں بعد میں باب باب (سیکشن 2.3.7) میں بہاؤ کال کریں گے.
