2.5 સમાપન

મોટા ડેટા દરેક જગ્યાએ છે, પરંતુ તે અને સામાજિક સંશોધન માટે નિરીક્ષણ માહિતી અન્ય સ્વરૂપો ઉપયોગ કરીને મુશ્કેલ છે. મારા અનુભવ ત્યાં સંશોધન માટે આ બોલ પર કોઈ મફત પાત્ર મિલકત કંઈક છે: જો તમે કામ માહિતી એકઠી ઘણો મૂકી નથી, તો પછી તમે કદાચ કામ તમારી માહિતી વિશ્લેષણ ઘણો અથવા વિશે વિચારવાનો મૂકવા હોય જતાં હોય છે શું એક રસપ્રદ પ્રશ્ન છે માહિતી પૂછો. આ પ્રકરણમાં વિચારો પર આધારિત છે, મને લાગે છે કે ત્યાં ત્રણ મુખ્ય માર્ગો કે જે મોટા માહિતી સ્ત્રોત સામાજિક સંશોધન માટે સૌથી મૂલ્યવાન હશે કે:

  • અનુભવ સૈદ્ધાંતિક માસિક સ્પર્ધા વચ્ચે adjudicating. કામ આ પ્રકારની ઉદાહરણોમાં નીચેનાનો સમાવેશ થાય Farber (2015) (ન્યૂ યોર્ક ટેક્સી ડ્રાઇવરો) અને King, Pan, and Roberts (2013) (ચાઇના માં સેન્સરશિપ)
  • nowcasting દ્વારા નીતિ માટે સુધારેલ સામાજિક માપ. કામ આ પ્રકારની એક ઉદાહરણ છે Ginsberg et al. (2009) (Google ફ્લૂ પ્રવાહો).
  • કુદરતી પ્રયોગો અને સાથે મેચિંગ સાધક અસરો અંદાજ. કામ. આ પ્રકારની ઉદાહરણો Mas and Moretti (2009) (ઉત્પાદકતા પર અસર પીઅર) અને Einav et al. (2015) (eBay પર હરાજી પર શરૂ ભાવ અસર).

સામાજિક સંશોધન ઘણા અગત્યના પ્રશ્નો આ ત્રણ પૈકી એક તરીકે વ્યક્ત કરી શકાય છે. જો કે, આ અભિગમ સામાન્ય રીતે સંશોધકો જરૂર માહિતી માટે ઘણો લાવે છે. શું બનાવે છે Farber (2015) રસપ્રદ માપન માટે સૈદ્ધાંતિક પ્રેરણા છે. આ સૈદ્ધાંતિક પ્રેરણા માહિતી બહાર આવે છે. આમ, જેઓ સંશોધન પ્રશ્નો ચોક્કસ પ્રકારની પૂછવા સારા છે માટે, મોટા માહિતી સ્ત્રોત ખૂબ જ ફળદાયી બની શકે છે.

છેલ્લે, બદલે સિદ્ધાંત આધારિત પ્રયોગમૂલક સંશોધન (કે જે આ પ્રકરણ પર ધ્યાન કેન્દ્રિત કરવામાં આવ્યું છે), અમે સ્ક્રિપ્ટ ફ્લિપ કરો અને અનુભવ આધારિત થિયોરાઇઝીંગ બનાવી શકો છો. એટલે કે, પ્રયોગમૂલક હકીકતો, પેટર્ન, અને કોયડાઓ સાવચેત સંચય દ્વારા, અમે નવા સિદ્ધાંતો બનાવી શકે છે.

સિદ્ધાંત આ વૈકલ્પિક, માહિતી પ્રથમ અભિગમ નવી નથી, અને તે સૌથી બળપૂર્વક દ્વારા કલાત્મક હતી Glaser and Strauss (1967) લેવાયો સિદ્ધાંત માટે તેમના કોલ સાથે. આ માહિતી પ્રથમ અભિગમ, જો કે, "સિદ્ધાંત ના અંત સુધીમાં," સૂચિત નથી કારણ કે ડિજિટલ વય માં સંશોધન આસપાસ પત્રકારત્વ ખૂબ દ્વારા દાવો કરવામાં આવ્યો છે (Anderson 2008) . તેના બદલે, માહિતી પર્યાવરણ ફેરફારો તરીકે, અમે સિદ્ધાંત અને માહિતી વચ્ચે સંબંધ ફરીથી સંતુલન અપેક્ષા જ જોઈએ. દુનિયા જ્યાં માહિતી સંગ્રહ ખર્ચાળ હતી, તે અર્થમાં બનાવે છે માત્ર છે કે માહિતી સિદ્ધાંતો સૂચવે છે સૌથી ઉપયોગી થશે એકત્રિત કરવા માટે. પરંતુ, દુનિયા જ્યાં માહિતી પ્રચંડ પ્રમાણમાં પહેલેથી મફત માટે ઉપલબ્ધ છે, તે અર્થમાં બનાવે છે પણ ડેટા પ્રથમ અભિગમ પ્રયાસ કરવા (Goldberg 2015) .

હું આ પ્રકરણ માં બતાવ્યા પ્રમાણે છે, સંશોધકો લોકો જોવાનું દ્વારા ઘણો જાણી શકો છો. આગામી ત્રણ પ્રકરણો, હું વર્ણન કરીશું તો આપણે (પ્રકરણ 4) (પ્રકરણ 3) તેમને પ્રશ્નો પૂછી, પ્રયોગો ચાલી રહ્યું છે, અને તે પણ તેમને સંડોવતા દ્વારા વધુ સીધા અમારી માહિતી સંગ્રહ દરજી અને લોકો સાથે વાતચીત કેવી રીતે અમે વધુ અને વિવિધ વસ્તુઓ જાણી શકો છો સંશોધન પ્રક્રિયામાં સીધી (પ્રકરણ 5).