2.5 Závěr

Big Data jsou všude, ale používat i jiné formy pozorovacích dat pro sociální výzkum je obtížné. Z vlastní zkušenosti vím, že je něco jako oběd zdarma majetku pro výzkum: pokud nechcete dát do hodně práce shromažďuje data, pak jste pravděpodobně bude muset dát do hodně práce analyzující data nebo v úvahách o co je v zajímavá otázka se ptát dat. na základě myšlenek v této kapitole založené si myslím, že existují tři hlavní způsoby, že velké datové zdroje budou nejcennější pro sociální výzkum:

  • empiricky rozhodování mezi konkurenčními teoretické předpovědi. Příklady tohoto druhu práce zahrnují Farber (2015) (ovladače New York taxi) a King, Pan, and Roberts (2013) (Cenzura v Číně)
  • lepší sociální měření pro politiky prostřednictvím nowcastingu. Příkladem tohoto druhu práce je Ginsberg et al. (2009) (Google Flu Trends).
  • odhadu kauzální efekty s přírodními experimenty a párování. Příklady tohoto druhu práce. Mas and Moretti (2009) (peer vliv na produktivitu) a Einav et al. (2015) (vliv vyvolávací ceny na aukcích na eBay).

Mnoho důležitých otázek v oblasti sociální výzkumu může být vyjádřeno jako jedna z těchto tří. Tyto přístupy však obvykle vyžadují výzkumníky, aby hodně dat. Co dělá Farber (2015) Zajímavý je teoretická motivace pro měření. Tato teoretická motivace pochází z vnější strany dat. Tak, pro ty, kteří jsou dobří v ptát určité typy výzkumných otázek, velké datové zdroje mohou být velmi plodné.

A konečně, spíše než teorie-řízený empirický výzkum (která byla zaměřena na této kapitole), můžeme otočit scénář a vytvořit empiricky-řízený teoretizování. To znamená, že přes opatrném nahromadění empirických faktů, vzory a hádanky, můžeme stavět nové teorie.

Tato alternativa, data-první přístup k teorii není nový, a to bylo nejvíce silně členěná Glaser and Strauss (1967) se svou výzvou k zakotvené teorie. Tato data-první přístup však neznamená "konec teorie", jak se tvrdilo hodně z žurnalistiky kolem výzkumu v digitálním věku (Anderson 2008) . Spíše jako změny prostředí dat, musíme očekávat obnovení rovnováhy ve vztahu mezi teorií a údaji. Ve světě, kde sběr dat byl drahý, to dává smysl shromažďovat pouze data, která naznačují teorie bude nejužitečnější. Ale ve světě, kde jsou již k dispozici zdarma obrovské množství dat, to dává smysl, aby se také pokusit přístup datově první (Goldberg 2015) .

Jak jsem již uvedeno v této kapitole, mohou vědci hodně naučit tím, že sleduje lidi. V následujících třech kapitolách, budu popisovat, jak se můžeme dozvědět více a různé věci, kdybychom přizpůsobit naše data jsou shromažďována a komunikovat s lidmi příměji tím, že žádá jim otázky (kapitola 3), běh experimentů (kapitola 4), a dokonce i jejich zapojení do procesu výzkumu přímo (kapitola 5).