2.5 Заключение

Big данни е навсякъде, но и други форми на данни от наблюдения за социални изследвания с използване е трудно. В моя опит има нещо като безплатен обяд имот за научни изследвания: ако не се постави в много работа, събиране на данни, тогава вие вероятно ще трябва да се постави в много работа, анализ на данните си или в мисленето за това, което е по интересен въпрос, на който на данните. Въз основа на идеите в тази глава, мисля, че има три основни начина, по които големите източници на данни ще бъдат най-ценните за социални изследвания:

  • емпирично отсъжда между конкуриращи се теоретичните прогнози. Примери за този вид работа включват Farber (2015) (New York Таксиметровите шофьори) и King, Pan, and Roberts (2013) (цензурата в Китай)
  • подобрена социална измерване за политика чрез прогнозиране. Един пример за този вид работа е Ginsberg et al. (2009) (Google Flu Trends).
  • оценка на причинните ефекти с физически експерименти и съвпадение. Примери за този вид работа. Mas and Moretti (2009) (партньорска ефекти върху производителността) и Einav et al. (2015) (ефект на начална цена за наддаването на иБей).

Много важни въпроси в социални изследвания могат да бъдат изразени като един от тези три. Въпреки това, тези подходи обикновено изискват изследователи да донесе много на данните. Това, което прави Farber (2015) Интересно е теоретичната мотивацията за измерване. Тази теоретична мотивация идва от границата на данните. По този начин, за тези, които са добри в пита някои видове изследователски въпроси, големите източници на данни могат да бъдат много плодотворни.

На последно място, по-скоро, отколкото теория задвижване емпирични изследвания (което е във фокуса на тази глава), можем да флип сценария и да се създаде емпирично задвижване теоретизиране. Това е, чрез внимателен натрупването на емпирични факти, модели и пъзели, ние можем да изградим нови теории.

Тази алтернатива, данни и първия подход към теория не е нова, и то е най-силно съчленен от Glaser and Strauss (1967) с техния призив за заземен теория. Тези данни и първия подход, обаче, не означава, че "в края на теория", както се твърдеше по-голямата част от журналистиката около изследвания в цифровата епоха (Anderson 2008) . По-скоро, тъй като промените в околната среда данни, ние трябва да очакваме ребалансиране в отношенията между теория и данни. В един свят, където събирането на данни е скъпо, че има смисъл да се събират само данните, които теории предполагат, ще бъде най-полезен. Но, в един свят, където огромни количества данни, които вече са на разположение за свободен, че има смисъл да се опитате данни и първия подход (Goldberg 2015) .

Както вече е показано в тази глава, изследователите могат да научат много от гледане на хора. В следващите три глави, аз ще опиша как можем да научим повече и различни неща, ако ние адаптираме нашето събиране на данни и да си взаимодействат с хора, по-пряко с молба въпроси (Глава 3), провеждане на експерименти (глава 4), а дори и включването им в изследователския процес, пряко (глава 5).