2.3.2.4 دست خوش پیشامد میشه
رانش جمعیت، رانش استفاده، و رانش سیستم آن را سخت به استفاده از منبع داده های بزرگ به مطالعه روند بلند مدت.
یکی از مزیت های بزرگ از بسیاری از منابع داده های بزرگ که آنها را جمع آوری داده ها در طول زمان. دانشمندان علوم اجتماعی این نوع از بیش از داده های زمان، داده های طولی پاسخ. و، به طور طبیعی، داده های طولی برای مطالعه تغییر بسیار مهم است. به منظور قابل اعتماد اندازه گیری تغییر، با این حال، سیستم اندازه گیری خود را باید با ثبات است. به گفته جامعه شناس اوتیس دادلی دانکن، "اگر شما می خواهید برای اندازه گیری تغییر دهید، اندازه گیری را تغییر دهید" (Fischer 2011) .
متاسفانه، بسیاری از سیستم های به خصوص داده های بزرگ سیستم کسب و کار است که ایجاد و ضبط آثار-دیجیتال تغییر تمام وقت، یک فرایند است که من رانش پاسخ. به طور خاص، این سیستم ها به سه روش اصلی را تغییر دهید: رانش جمعیت (تغییر در است که با استفاده از آنها)، رانش رفتاری (تغییر در چگونه مردم در حال استفاده از آنها)، و رانش سیستم (تغییر در خود سیستم). سه منبع از رانش این معنی است که هر الگوی در اطلاعات ردیابی دیجیتال را می توان با یک تغییر مهم در جهان ایجاد می شود، و یا می توان با برخی از رانش ایجاد می شود.
اولین منبع رانش جمعیت رانش است که با استفاده از سیستم، و این تغییرات در مقیاس های طولانی مدت و مقیاس کوتاه مدت. به عنوان مثال، از سال 2008 تا حال حاضر متوسط سن افراد در رسانه های اجتماعی افزایش یافته است. علاوه بر این روند طولانی مدت، مردم با استفاده از یک سیستم در هر لحظه تغییر می کند. به عنوان مثال، در جریان انتخابات ریاست جمهوری آمریکا در سال 2012 نسبت توییت در مورد سیاست است که توسط زنان و روز به روز در نوسان (Diaz et al. 2016) . بنابراین، آنچه که ممکن است به نظر می رسد تغییر در خلق و خوی از شعر توییتر ممکن است در واقع فقط در است که صحبت کردن در هر لحظه ای است.
علاوه بر تغییرات در است که با استفاده از یک سیستم، نیز در این سیستم چگونه استفاده شده است تغییرات وجود دارد. به عنوان مثال، در طول اشغال تظاهرات پارک گزی در استانبول، ترکیه در سال 2013 معترضان استفاده از آنها از هشتگ تغییر به عنوان اعتراض تبدیل شده است. در اینجا چگونه زینب Tufekci (2014) رانش، که او قادر به تشخیص چرا که او مشاهده رفتار در توییتر و بر روی زمین بود شرح می دهد:
"بود چه اتفاقی افتاد که به زودی به عنوان اعتراض داستان غالب، تعداد زیادی از مردم شد. . . با استفاده از برچسب به جز برای جلب توجه به یک پدیده جدید متوقف شده است. . .. در حالی که تظاهرات ادامه داشت، و حتی تشدید از هشتگ فوت کردن. مصاحبه دو دلیل برای این نشان داد. اول، یک بار همه می دانستند موضوع، برچسب در یک بار اضافی و بی فایده در شخصیت محدود پلت فرم توییتر بود. دوم، هشتگ تنها به عنوان مفید برای جلب توجه به یک موضوع خاص، نه برای صحبت کردن در مورد آن دیده می شد. "
بنابراین، محققان که در حال مطالعه این تظاهرات با تجزیه و تحلیل توییت با هشتگ های مربوط به اعتراض شد که حس تحریف شده از آنچه به خاطر این رانش رفتاری اتفاق می افتد است. به عنوان مثال، آنها ممکن است بر این باورند که بحث در مورد اعتراض کاهش طولانی قبل از آن را در واقع کاهش یافته است.
در نوع سوم رانش رانش سیستم است. در این مورد، آن است که مردم در حال تغییر و یا تغییر رفتار خود نیست، اما خود سیستم در حال تغییر. به عنوان مثال، در طول زمان فیس بوک از حد در طول روز رسانی وضعیت افزایش یافته است. بنابراین، هر مطالعه طولی از به روز رسانی وضعیت آسیب پذیر به آثار ناشی از این تغییر خواهد بود. رانش سیستم است که نزدیک به مشکل به نام مخدوش الگوریتمی که ما در حال حاضر به نوبه خود در ارتباط است.
