2.3.1.2 Ëmmer-iwwert

Ëmmer-iwwert grouss Daten erméiglecht der Etude vun onerwaart Événementer an real-Zäit Miessung.

Vill grouss Daten Systemer sinn ëmmer-iwwert; si sammelt konstant Daten. Dëst ëmmer-iwwert charakteristesche stellt Fuerscher mat longitudinal Donnéeën (dh, Donnéeën iwwer Zäit). ëmmer-iwwert ginn huet zwou wichteg Donnéeën fir Fuerschung.

Éischt, ëmmer-iwwert Daten Kollektioun erméiglecht Fuerscher onerwaart Evenementer zu Weeër ze studéieren, déi virdrun net méiglech waren. Zum Beispill, interesséiert Fuerscher am Gezi Protester an der Tierkei am Summer 2013 géif konzentréieren generell op d'Behuele vun Demonstranten während de Fall gelant ënnersicht. Cerén Budak an Duncan Watts (2015) konnte méi ze maachen, déi vun der ëmmer-iwwert Natur vun Twitter benotzt éier Twitter-Hëllef Demonstranten ze studéieren, während an no der Manifestatioun. An, se konnten e Verglach Grupp vun Net-Mataarbechter (oder Mataarbechter deen net iwwert de Protest Jeffrey hat) ze schafen virum, während an no der Manifestatioun (Dorënner 2.1). Am Ganzen hiren Ex-Post Rot abegraff d'Tweets vun 30.000 Leit iwwer zwee Joer. Vun augmenting vill méi ze léieren d'allgemeng benotzt Donnéeën aus de Protester mat deem aneren Informatiounen, Budak an Watts sech kënnen: si kënnen ze schätzen, wéi vill Leit an de Gezi Protester matmaachen méi wahrscheinlech sech an de Verännerungen am Attitudë Devis vun Participanten an Nët-Bedeelegten, souwuel an der kuerzfristeg an an der langfristeg (am viraus-Gezi ze Post-Gezi) (während Gezi Pre-Gezi ze vergläichen).

Figur 2.1: Design benotzt vun Budak an Watts (2015) d'gelant Gezi Protester an der Tierkei am Summer 2013 Andeems se mat der ëmmer-iwwert Natur vun Twitter ze studéieren, hunn d'Fuerscher wat se eng ex-post Rot genannt datt ronn abegraff 30.000 Leit iwwer zwee Joer. Am Géigesaz zu den typeschen Etude dass op Participanten während de Protester do, gëtt den Ex-Post Rot 1) Daten aus Participanten virun an no der Manifestatioun an 2) Daten vun Net-Mataarbechter virum, während an no der Manifestatioun. Dat beräichert Donnéeën Struktur aktivéiert Budak an Watts ze schätzen, wéi vill Leit méi wahrscheinlech sech an de Gezi Protester deelhuelen an d'Verännerunge vun Attitudë vun Participanten an Nët-Bedeelegten, souwuel an der kuerzfristeg (Am Viraus-Gezi Devis fir während Gezi) an an der langfristeg (am viraus-Gezi ze Post-Gezi).

Figur 2.1: Design benotzt vun Budak and Watts (2015) d'gelant Gezi Protester an der Tierkei am Summer 2013 Andeems se mat der ëmmer-iwwert Natur vun Twitter ze studéieren, hunn d'Fuerscher wat se eng ex-post Rot genannt datt ronn abegraff 30.000 Leit iwwer zwee Joer. Am Géigesaz zu den typeschen Etude dass op Participanten während de Protester do, gëtt den Ex-Post Rot 1) Daten aus Participanten virun an no der Manifestatioun an 2) Daten vun Net-Mataarbechter virum, während an no der Manifestatioun. Dat beräichert Donnéeën Struktur aktivéiert Budak an Watts ze schätzen, wéi vill Leit méi wahrscheinlech sech an de Gezi Protester deelhuelen an d'Verännerunge vun Attitudë vun Participanten an Nët-Bedeelegten, souwuel an der kuerzfristeg (Am Viraus-Gezi Devis fir während Gezi) an an der langfristeg (am viraus-Gezi ze Post-Gezi).

Et ass richteg, datt e puer vun dësen Devisen ouni ëmmer-iwwert Daten Kollektioun Quellen (zB, langfristeg Schätzunge vun Astellung änneren) gemaach goufen hätt, obwuel esou Donnéeën Kollektioun fir 30.000 Leit esou deier gewiescht wier. An, och eng onlimitéiert Budget kritt, kann ech mengen net vun all aner Method, datt am Fong Fuerscher zu Zäit erlaabt ze reesen zréck an direkt Participanten Verhalen an der Vergaangenheet fest. Déi meeschten Alternativ wier ze Retrospektiv Rapporte vun gelooss sammelen, mä dëse Rapporten vun limitéiert granularity an normalen Genauegkeet wier. Table 2.1 gëtt aner Beispiller vu Studien, datt en ëmmer-iwwert Daten Quell benotzt eng exzellent Geleeënheet fir ze studéieren.

Table 2.1: Ënnersich vun onerwaart Evenementer benotzt ëmmer-iwwert grouss Daten Quellen.
onerwaart Manifestatioun Ëmmer-iwwert Daten Quell Fro
Opfëllen Gezi Bewegung an der Tierkei Twitter Budak and Watts (2015)
Hut Protester zu Hong Kong Fans Zhang (2016)
Amendement vun der Police zu New York City Stop-and-Kinofans Rapporten Legewie (2016)
Persoun vereente Daech Twitter Magdy, Darwish, and Weber (2016)
11. September, 2001 versicht livejournal.com Cohn, Mehl, and Pennebaker (2004)
11. September, 2001 versicht pager Messagen Back, Küfner, and Egloff (2010) , Pury (2011) , Back, Küfner, and Egloff (2011)

Zweet, ëmmer-iwwert Daten Kollektioun erméiglecht Fuerscher real-Zäiten ze produzéieren, deen an Astellunge wichteg ka wou politesch Décideuren wëllen net just aus bestehend gelooss léieren, awer och fir et z'äntwerten. Zum Beispill, kann soziale Medien Daten benotzt ginn Äntwerte Naturkatastrophen ze Guide (Castillo 2016) .

Zu der Konklusioun, aktivéiert ëmmer-iwwert Daten Systemer Fuerscher onerwaart Evenementer ze studéieren an real-Zäit Informatiounen zu politësch Decideur'en bidden. Ech hu keng, oder awer, proposéieren, datt ëmmer-iwwert Daten Systemer Fuerscher aktivéiert Ännerungen iwwer laang Zäitraim vun Zäit zu Streck. Dat ass well vill grouss Daten Systemer si permanent-engem Prozess nennt sech (Section 2.3.2.4).