2.3.2 Həmişə-on

Həmişə böyük data gözlənilməz hadisələr və real-vaxt ölçü iş imkan verir.

Bir çox böyük data sistemləri həmişə var; Onlar daim məlumatların toplanması olunur. Bu, həmişə-on xarakterik longitudinal data ilə tədqiqatçıları verir (yəni, zamanla data). həmişə-on olan tədqiqat üçün iki mühüm təsir göstərir.

Birincisi, həmişə məlumatların toplanması tədqiqatçılara gözlənilməz hadisələri başqa yollarla mümkün olmayan yollarla öyrənməyə imkan verir. Məsələn, 2013-cü ilin yayında Türkiyədə işğal altında olan Gezi etirazlarını öyrənmək istəyən tədqiqatçılar adətən tədbirdə nümayişçilərin davranışına odaklanacaqlar. Ceren Budak və Duncan Watts (2015) , Twitter-un həmişəlik, təbiətindən istifadə edərək Twitterdən istifadə edən nümayişçiləri öyrənmək üçün daha çox şey edə biliblər. Və onlar hadisədən əvvəl, ərzində və sonra iştirakçılardan bir müqayisəli qrup yarada bildilər (şəkil 2.2). Ümumilikdə, onların keçmiş panelində iki il ərzində 30 min nəfərin tweetsi var idi. Budak və Watts, digər məlumatlarla etirazlardan çox istifadə edilən məlumatları genişləndirərək, daha çox şey öyrənə bildi: onlar Gezi protestosunda iştirak edənlərin hansı növlərin daha çox olacağını qiymətləndirə bildilər və onların mövqelərindəki dəyişiklikləri qiymətləndirdilər. Qısa müddətdə (Gəzinti öncəsi Gezi ilə müqayisə) və uzun müddətli (Gezi sonrası Gezi ilə müqayisə) iştirakçıları və qeyri-iştirakçıları.

Şəkil 2.2: istifadə Design Budak and Watts (2015) öyrənmək üçün Twitter həmişə-on təbiəti istifadə edərək 2013-cü ilin yayında Türkiyədə Gezi etiraz işğal, tədqiqatçılar onlar haqqında daxil bir ex-post panel adlandırdığı yaradılmışdır İki il ərzində 30 min nəfər. Etirazlar zamanı iştirakçılara yönəlmiş tipik bir işdən fərqli olaraq, keçmiş panel paneldə 1) hadisədən əvvəl və sonra iştirakçılardan məlumatlar və 2) hadisədən əvvəl, müddətdə və sonra iştirakçılardan gələn məlumatlar daxildir. Bu zənginləşdirilmiş məlumat strukturu Budak və Watts-a, Gezi nümayişlərində iştirak edən insanların hansı növlərin daha çox olacağını və qısa müddətdə (Gəzinti öncəsi Gezi ilə müqayisədə) iştirakçıların və qeyri-iştirakçıların münasibətlərinin ) və uzun müddətdə (Gezi sonrası Gezi ilə müqayisədə).

Bir skeptik, bu təxminlərin bəziləri həmişə məlumat toplama mənbələri olmadan (məsələn, münasibət dəyişikliyinin uzunmüddətli təxminləri) olmadıqlarını qeyd edə bilər və bu düzgündür, baxmayaraq ki, bu cür 30 min insan üçün məlumat toplanması olduqca olardı bahalı. Ancaq sınırsız bir büdcə olsa da, mən tədqiqatçıların zaman keçməsinə və keçmişdə iştirakçıların davranışlarını birbaşa müşahidə etməyə imkan verən hər hansı bir metodu düşünmürəm. Ən yaxın alternativ davranışın retrospektiv hesabatlarını toplamaq olar, lakin bu hesabatlar məhdud genişlik və şübhə doğururdu. cədvəl 2.1 gözlənilməz bir hadisə öyrənmək üçün daim məlumat mənbəyindən istifadə edən digər nümunələr təqdim edir.

Gözlənilməz hadisələri öyrənməklə yanaşı, həmişə böyük məlumat sistemləri də tədqiqatçılara real vaxt hesablamalarını təmin etməyə imkan verir. Bu da siyasət edənlərin hökumətdə və ya sənayedə olduğu vəziyyətlərdə situasiya biliklərinə əsaslanaraq cavab verməkdə vacib ola bilər. Məsələn, sosial media məlumatları təbii fəlakətlərə (Castillo 2016) təcili cavab vermək üçün istifadə edilə bilər və bir sıra müxtəlif böyük məlumat mənbələri iqtisadi fəaliyyətin real vaxt hesablamalarını (Choi and Varian 2012) hazırlamaq üçün istifadə edilə bilər.

Nəticədə, həmişə olan məlumat sistemləri tədqiqatçılara gözlənilməz hadisələri öyrənməyə və siyasətçilərə real vaxt məlumat verməyə imkan verir. Bununla yanaşı, həmişə məlumat sistemlərinin çox uzun müddət ərzində dəyişikliklərin izlənməsi üçün uyğun olduğunu düşünmürəm. Budur, bir çox böyük məlumat sistemləri daim dəyişir - bu prosesin daha sonra bölmədə sürüşməyə çağıracağı bir prosesdir (bölmə 2.3.7).