7.2.1 ریڈیمڈس اور کسٹمریمڈ کے مرکب

نہ ہی خالص ریڈیمیڈ حکمت عملی اور نہ ہی خالص مرضی کے مطابق حکمت عملی مکمل طور پر ڈیجیٹل عمر کی صلاحیتوں کو استعمال کرتی ہے. مستقبل میں ہم ہائبرڈ بنانا چاہتے ہیں.

تعارف میں، میں نے مرسلالیلو کے اپنی مرضی کے مطابق سٹائل کے ساتھ مارسل ڈچپچ کے ریڈیمڈ سٹائل کے خلاف برعکس. اس کے برعکس بھی اعداد و شمار سائنسدانوں، جو readymades کے ساتھ کام کرنے کے لئے کام کرتا ہے، اور سماجی سائنسدانوں، جو اپنی مرضی کے مطابق کے ساتھ کام کرنے کے لئے کام کے درمیان ایک فرق پر قبضہ. مستقبل میں، تاہم، مجھے امید ہے کہ ہم مزید سنبھالیں دیکھیں گے کیونکہ ان میں سے ہر ایک خالص نقطہ نظر محدود ہیں. محققین جنہوں نے صرف ریڈیمڈ استعمال کرنا چاہتے ہیں وہ جدوجہد کی جا رہی ہیں کیونکہ دنیا میں بہت ساری خوبصورت ریڈی میڈڈ نہیں ہیں. محققین جو صرف اپنی مرضی کے مطابق استعمال کرنا چاہتے ہیں، دوسری طرف، پیمانے پر قربان کرنے جا رہے ہیں. تاہم، ہائبرڈ نقطہ نظر، اس پیمانے کو جو مل کر پڑھنے کے لۓ آتا ہے وہ اپنی مرضی کے مطابق سے متعلق سوال اور اعداد و شمار کے درمیان تنگ فٹ کے ساتھ آتا ہے.

ہم نے ان حفظان صحت کی مثالوں میں سے ہر ایک چار تجرباتی باب میں دیکھا. باب 2 میں، ہم نے دیکھا کہ گوگل فلو (Ginsberg et al. 2009) تیزی سے اندازے (Ginsberg et al. 2009) پیداوار کے امکانات پر مبنی روایتی پیمائش کے نظام (سی ڈی سی انفلوینزا نگرانی کے نظام) کے ساتھ ایک ہمیشہ سے بڑے بڑے ڈیٹا سسٹم (تلاش کے سوالات) کو (Ginsberg et al. 2009) . باب 3 میں، ہم نے دیکھا کہ سٹیفن انصولابیری اور اییتس ہسش (2012) تیار کردہ سرکاری انتظامی اعداد و شمار کے مطابق اپنی مرضی کے مطابق سروے کے اعداد و شمار کے ساتھ مل کر لوگوں کی خصوصیات کے بارے میں مزید معلومات حاصل کرنے کے لۓ. باب 4 میں، ہم نے دیکھا کہ لاکھوں لوگ (Allcott 2015) رویے پر سماجی معیاروں کے اثرات کا مطالعہ کرنے کے لئے اپنی مرضی کے مطابق علاج کے ساتھ ریڈیمڈ بجلی کی پیمائش کے بنیادی ڈھانچہ کو دوبارہ کس طرح استعمال کیا جاتا ہے. آخر میں، باب 5 میں، ہم نے دیکھا کہ کینیت بینوٹ اور ساتھیوں نے (2016) سیاسی جماعتوں کی طرف سے پیدا ہونے والے منشوروں کے ریڈیمڈ سیٹ کے لئے ایک مرضی کے مطابق بھیڑ کوڈنگ عمل کو لاگو کرنے کے لئے کہ وہ اعداد و شمار پیدا کرنے کے لئے جو محققین پالیسی کے مباحثے کے متحرک مطالعہ کے لئے استعمال کرسکتے ہیں.

یہ چار مثال سب سے ظاہر ہوتا ہے کہ مستقبل میں ایک طاقتور حکمت عملی بڑا اعداد و شمار کے وسائل کو فروغ دینے کے لئے ہو گا، جس میں تحقیق کے لئے تیار نہیں کیا جاسکتا ہے، اضافی معلومات کے ساتھ جو انہیں ریسرچ (Groves 2011) کے لئے زیادہ موزوں بنا دیتا ہے. چاہے یہ اپنی مرضی کے مطابق یا ریڈیمیڈ کے ساتھ شروع ہوتا ہے، یہ ہائبرڈ سٹائل بہت سے تحقیق کے مسائل کے لئے بہت اچھا وعدہ رکھتا ہے.