2.5 ഉപസംഹാരം
ബിഗ് ഡാറ്റ എല്ലായിടത്തും ആണ്, പക്ഷേ സാമൂഹിക റിസർച്ച് അതും നിരീക്ഷണ ഡാറ്റ മറ്റ് രൂപങ്ങളിലുള്ള ഉപയോഗിച്ച് ബുദ്ധിമുട്ടാണ്. എന്റെ അനുഭവം റിസർച്ച് ഒരു സ്വതന്ത്രമായ ഉച്ചഭക്ഷണം പ്രോപ്പർട്ടി പോലെ ഒന്ന് ഇല്ല; നിങ്ങൾ ഡാറ്റ ശേഖരിച്ച് പണികളും ഇട്ടു എങ്കിൽ, പിന്നെ നിങ്ങൾ ഒരുപക്ഷേ നിങ്ങളുടെ ഡാറ്റ വിശകലനം പണികളും അല്ലെങ്കിൽ നൽകാൻപോകുന്നതെന്ന് ഇട്ടു പോകുന്നു ഡാറ്റയുടെ ചോദിക്കാൻ ഒരു രസകരമായ സംശയാസ്പദമായ എന്താണ്. ഈ അദ്ധ്യായത്തിൽ ആശയങ്ങൾ അടിസ്ഥാനമാക്കി, ഞാൻ വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ സോഷ്യൽ റിസർച്ച് ഏറ്റവും വിലപിടിച്ച ആയിരിക്കും മൂന്ന് പ്രധാന വഴികളുണ്ട് എന്നു തോന്നുന്നു
- ആശങ്കകളെ മത്സരിക്കുന്ന സൈദ്ധാന്തിക പ്രവചനങ്ങൾ തമ്മിലുള്ള adjudicating. ഇത്തരം പ്രവർത്തനങ്ങളിലേക്ക് ഉദാഹരണങ്ങളാണ് ഉൾപ്പെടുന്നു Farber (2015) (ന്യൂയോർക്ക് ടാക്സി ഡ്രൈവർമാർ) ഉം King, Pan, and Roberts (2013) (ചൈന കൊല)
- nowcasting വഴി നയം സോഷ്യൽ അളക്കൽ മെച്ചപ്പെട്ടു. ഇത്തരം പ്രവർത്തനങ്ങളിലേക്ക് ഒരു ഉദാഹരണം Ginsberg et al. (2009) (Google ഫ്ലൂ ട്രെൻഡ്).
- പ്രകൃതി പരീക്ഷണങ്ങൾ, മാച്ചിങ് കൂടെ കാര്യകാരണങ്ങളെ ഇഫക്റ്റുകൾ നിർണയിക്കാനും. ഇത്തരം പ്രവർത്തനങ്ങളിലേക്ക് ഉദാഹരണങ്ങളിൽ. Mas and Moretti (2009) (ഉൽപാദനക്ഷമത പീർ ഇഫക്റ്റുകൾ) ഉം Einav et al. (2015) (ബെ ന് ലേലത്തിൽ വില തുടങ്ങുന്ന പ്രഭാവം).
സോഷ്യൽ റിസർച്ച് വളരെ പ്രധാന ചോദ്യങ്ങൾ ഈ മൂന്നു ഒന്നായി പ്രകടിപ്പിച്ചു കഴിഞ്ഞില്ല. എന്നിരുന്നാലും, ഈ സമീപനങ്ങൾ പൊതുവെ ഡാറ്റ ഒരു പാട് കൊണ്ടുവരാൻ ഗവേഷകർ ആവശ്യമായ. എന്താണ് ചെയ്യുന്നു Farber (2015) രസകരമായ അളക്കാൻ സൈദ്ധാന്തിക പ്രചോദനം ആണ്. ഈ സൈദ്ധാന്തികമായ പ്രചോദനം ഡാറ്റ പുറത്തു വരുന്നു. ഇപ്രകാരം, ഗവേഷണ ചോദ്യങ്ങൾ ചില തരത്തിലുള്ള ആവശ്യപ്പെട്ട് നല്ല വേണ്ടി, വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ ഏറ്റവും ഫലവത്തായോരു കഴിയും.
ഒടുവിൽ പകരം സിദ്ധാന്തം സാധ്യമാക്കിയ വിവരണാത്മകവുമാണെന്നതിനാലും ഗവേഷണ (ഈ അധ്യായത്തിൽ ഫോക്കസ് സംഭവിച്ചതു ഏതു) പകരം, സ്ക്രിപ്റ്റ് കൃത്യമായി ഒപ്പം ആശങ്കകളെ പങ്കിലേക്ക് നരനുപായമീശ്വരന് സൃഷ്ടിക്കാൻ കഴിയും. ആ അനുഭവവേദ്യമായ വസ്തുതകൾ, പാറ്റേണുകൾ, ഒപ്പം പസിലുകൾ ശ്രദ്ധിക്കുക ശേഖരിക്കപ്പെടുകയും വഴി, പുതിയ സിദ്ധാന്തങ്ങൾ പണിയും കഴിയും.
ഈ ബദൽ തിയറി ഡാറ്റ-ആദ്യ സമീപനം പുതിയ അല്ല, അത് ഏറ്റവും കാറ്റടിച്ചു വഴി അവതരിപ്പിച്ചത് ചെയ്തു Glaser and Strauss (1967) വേരൂന്നിയ സിദ്ധാന്തം അവരുടെ കോളിൽ. ഡിജിറ്റൽ യുഗത്തിൽ ഗവേഷണ ചുറ്റും പത്രപ്രവർത്തനം ആളോ ആയി ക്ലെയിം ചെയ്തു ഈ ഡാറ്റ-ആദ്യത്തെ സമീപനം, അതേസമയം ", സിദ്ധാന്തത്തിന്റെ അന്ത്യം" അർത്ഥമില്ല ഇല്ല (Anderson 2008) . പകരം, ഡാറ്റ പരിസ്ഥിതി മാറ്റങ്ങൾ പോലെ, ഒരു റീ-ബാലൻസിങ് സിദ്ധാന്തവും ഡാറ്റ തമ്മിലുള്ള ബന്ധം പ്രതീക്ഷിക്കുന്നുണ്ട്. ഡാറ്റ ശേഖരണം ചെലവേറിയതും ഒരു ലോകത്തിൽ, അതു മാത്രം സിദ്ധാന്തങ്ങൾ ഏറ്റവും ഉപയോഗപ്രദമാകും നിർദ്ദേശിക്കുന്ന ഡാറ്റ ശേഖരിക്കാൻ അർത്ഥത്തിൽ. എന്നാൽ, ഡാറ്റ വമ്പിച്ച അളവിൽ ഇതിനകം സൗജന്യമായി ലഭ്യമാണ് എവിടെ ലോകത്തിൽ അർത്ഥത്തിൽ ഒരു ഡാറ്റാ-ആദ്യ സമീപനം പരീക്ഷിക്കാൻ ചെയ്യുന്നു (Goldberg 2015) .
ഞാൻ ഈ അധ്യായത്തിൽ കാണിയ്ക്കുന്നത് പോലെ, ഗവേഷകർ ആളുകളെ കാണുന്നതിലൂടെ ഒരുപാട് പഠിക്കാനുണ്ട്. അടുത്ത മൂന്ന് അധ്യായങ്ങൾ ൽ ഞങ്ങൾ ഞങ്ങളുടെ ഡാറ്റ ശേഖരം സ്റേറ്റ് എങ്കിൽ ഞങ്ങൾ കൂടുതൽ വ്യത്യസ്ത കാര്യങ്ങൾ പഠിക്കാൻ കൂടുതൽ നേരിട്ട് ഉൾപ്പെട്ട അവരെ ചോദ്യങ്ങൾ (അധ്യായം 3) ആവശ്യപ്പെട്ട് പരീക്ഷണങ്ങൾ (അധ്യായം 4) പ്രവർത്തിക്കുന്ന, പോലും വഴി ആളുകളെ ഇടപെടാൻ കഴിയും എങ്ങനെ വിവരിക്കുക കാണാം നേരിട്ട് ഗവേഷണ പ്രക്രിയ (അധ്യായം 5).
