Loading [Contrib]/a11y/accessibility-menu.js

2.1 પરિચય

એનાલોગ યુગમાં, વર્તન વિશેના આંકડાઓ એકત્ર કરે છે - તે શું કરે છે, અને ક્યારે-ખર્ચાળ હતું, અને તેથી પ્રમાણમાં દુર્લભ. હવે, ડિજિટલ વયમાં, અબજો લોકોનું વર્તન રેકોર્ડ, સંગ્રહિત અને વિશ્લેષણાત્મક છે. ઉદાહરણ તરીકે, દર વખતે જ્યારે તમે કોઈ વેબસાઇટ પર ક્લિક કરો છો, તમારા મોબાઇલ ફોન પર કૉલ કરો અથવા તમારા ક્રેડિટ કાર્ડ સાથે કંઈક ચૂકવણી કરો છો, તો તમારી વર્તણૂકનો ડિજિટલ રેકોર્ડ બિઝનેસ દ્વારા બનાવવામાં અને સંગ્રહિત થાય છે. કારણ કે આ પ્રકારની માહિતી લોકોની રોજિંદી ક્રિયાઓના આડપેદાશ છે, તેમને વારંવાર ડિજિટલ ટ્રેસ કહેવામાં આવે છે. વ્યવસાયો દ્વારા રાખવામાં આવેલા આ નિશાન ઉપરાંત, સરકારો પણ લોકો અને ઉદ્યોગો બંને વિશે અતિ સમૃદ્ધ માહિતી ધરાવે છે. આ વ્યવસાય અને સરકારી રેકોર્ડ્સ સાથે મળીને મોટું ડેટા કહેવામાં આવે છે.

મોટા પાયે માહિતીના સદાકાળનો પૂરનો અર્થ એવો થાય છે કે આપણે એવી દુનિયામાંથી ખસેડી લીધો છે જ્યાં વર્તણૂંક ડેટા દુર્લભ છે જ્યાં વર્તણૂંક ડેટા પુષ્કળ છે મોટી માહિતીથી શીખવા માટેનું પ્રથમ પગલું એ અનુભૂતિની છે કે તે એક વ્યાપક શ્રેણીના ડેટાનો એક ભાગ છે જેનો ઉપયોગ સામાજિક સંશોધન માટે ઘણા વર્ષો સુધી કરવામાં આવે છે: નિરીક્ષણ માહિતી . મોટેભાગે, નિરીક્ષક માહિતી એ કોઈ પણ માહિતી છે જે સામાજિક પદ્ધતિ નિરીક્ષણથી કોઈ રીતે હસ્તક્ષેપ વિના પરિણમે છે. તે વિશે વિચારવાનો એક ક્રુડ રીત એ છે કે નિરીક્ષણ માહિતી એ એવી વસ્તુ છે જે લોકો સાથે વાત કરવાનું (દા.ત., સર્વેક્ષણો, પ્રકરણ 3 નો વિષય) અથવા લોકોના વાતાવરણમાં બદલાતી રહે છે (દા.ત., પ્રયોગો, પ્રકરણનો વિષય). આ રીતે, વ્યવસાય અને સરકારી રેકોર્ડ્સ ઉપરાંત, નિરીક્ષણ ડેટામાં અખબારના લેખો અને ઉપગ્રહ ફોટાઓના લખાણનો પણ સમાવેશ થાય છે.

આ પ્રકરણમાં ત્રણ ભાગ છે. પ્રથમ, વિભાગ 2.2 માં, હું વધુ માહિતીમાં મોટા ડેટા સ્ત્રોતોનું વર્ણન કરું છું અને ભૂતકાળમાં સામાજીક સંશોધન માટે ઉપયોગમાં લેવાતા ડેટા અને તેમની વચ્ચેનો મૂળભૂત તફાવત સ્પષ્ટ કર્યો છે. તે પછી, વિભાગ 2.3 માં, હું મોટા ડેટા સ્ત્રોતોની દસ સામાન્ય લાક્ષણિકતાઓ વર્ણવે છે. આ લાક્ષણિકતાઓને સમજવાથી તમને હાલનાં સ્ત્રોતોની તાકાત અને નબળાઈઓ ઝડપથી ઓળખવામાં મદદ મળશે અને ભવિષ્યમાં ઉપલબ્ધ નવા સ્રોતોને ઉપયોગમાં લેવામાં તમને મદદ કરશે. છેલ્લે, વિભાગ 2.4 માં, હું ત્રણ મુખ્ય સંશોધન વ્યૂહરચનાઓને વર્ણવે છે કે જે તમે નિરીક્ષણની માહિતીમાંથી શીખવા માટે વાપરી શકો છો: વસ્તુઓની ગણતરી કરવી, વસ્તુઓની આગાહી કરવી અને એક પ્રયોગ અંદાજ કાઢવો.