2.5 निष्कर्ष
बिग डेटा हर जगह है, लेकिन यह और सामाजिक अनुसंधान के लिए अवलोकन डेटा के अन्य रूपों का उपयोग कर पाना मुश्किल है। मेरे अनुभव में वहाँ अनुसंधान के लिए एक कोई मुफ्त भोजन संपत्ति की तरह कुछ है: अगर आप काम डेटा इकट्ठा करने का एक बहुत में डाल नहीं है, तो आप शायद काम अपने डेटा का विश्लेषण करने का एक बहुत में या के बारे में सोच में डाल करने के लिए जा रहे हैं क्या एक दिलचस्प सवाल है डेटा के पूछने के लिए। इस अध्याय में विचारों के आधार पर, मुझे लगता है कि वहाँ तीन मुख्य तरीके कि बड़ा डेटा स्रोतों सामाजिक अनुसंधान के लिए सबसे अधिक मूल्यवान हो जाएगा रहे हैं कि:
- अनुभव से सैद्धांतिक भविष्यवाणियों के बीच प्रतिस्पर्धा निर्णय। काम के इस तरह के उदाहरणों में शामिल Farber (2015) (न्यूयॉर्क टैक्सी चालक) और King, Pan, and Roberts (2013) (चीन में सेंसरशिप)
- nowcasting के माध्यम से नीति में सुधार के लिए सामाजिक माप। काम के इस तरह का एक उदाहरण है Ginsberg et al. (2009) (Google फ़्लू रुझान)।
- प्राकृतिक प्रयोगों और मिलान के साथ कारण प्रभाव का आकलन। का काम करते हैं। इस तरह के उदाहरण Mas and Moretti (2009) (उत्पादकता पर प्रभाव सहकर्मी) और Einav et al. (2015) (ईबे पर नीलामी पर शुरुआती कीमत के प्रभाव)।
सामाजिक अनुसंधान के क्षेत्र में कई महत्वपूर्ण सवालों के इन तीन में से एक के रूप में व्यक्त किया जा सकता है। हालांकि, इन तरीकों आम तौर पर शोधकर्ताओं की आवश्यकता डेटा के लिए एक बहुत लाने के लिए। क्या करता है Farber (2015) दिलचस्प माप के लिए सैद्धांतिक प्रेरणा है। यह सैद्धांतिक प्रेरणा डेटा के बाहर से आता है। इस प्रकार, जो अनुसंधान के सवालों के कुछ प्रकार पूछ में अच्छा कर रहे हैं, बड़ा डेटा स्रोतों बहुत उपयोगी हो सकता है।
अंत में, बजाय सिद्धांत पर ही आधारित अनुभवजन्य अनुसंधान (जो इस अध्याय पर ध्यान केंद्रित किया गया है), हम स्क्रिप्ट फ्लिप और अनुभव से संचालित theorizing बना सकते हैं। यही कारण है, अनुभवजन्य तथ्यों, पैटर्न, और पहेली की सावधान संचय के माध्यम से, हम नए सिद्धांतों का निर्माण कर सकते है।
सिद्धांत के लिए इस विकल्प, डेटा पहले दृष्टिकोण नया नहीं है, और यह सबसे जबरदस्ती द्वारा व्यक्त की गई थी Glaser and Strauss (1967) पर आधारित सिद्धांत के लिए उनके फोन के साथ। इस डेटा-पहले दृष्टिकोण, तथापि, "सिद्धांत के अंत में," मतलब यह नहीं है के रूप में डिजिटल युग में अनुसंधान के आसपास पत्रकारिता के बहुत से दावा किया गया है (Anderson 2008) । बल्कि, डेटा पर्यावरण परिवर्तन के रूप में, हम सिद्धांत और डेटा के बीच संबंधों में एक फिर से संतुलन उम्मीद करनी चाहिए। एक ऐसी दुनिया है जहां डाटा संग्रह महंगा था, यह समझ में आता है केवल डेटा है कि सिद्धांतों का सुझाव सबसे अधिक उपयोगी हो जाएगा इकट्ठा करने के लिए। लेकिन, एक ऐसी दुनिया जहां डाटा की भारी मात्रा में पहले से मुक्त करने के लिए उपलब्ध हैं, यह समझ में आता है यह भी एक डेटा-पहला दृष्टिकोण की कोशिश करने के लिए (Goldberg 2015) ।
मैं इस अध्याय में पता चला है के रूप में, शोधकर्ताओं ने लोगों को देख कर बहुत कुछ सीख सकते हैं। अगले तीन अध्यायों में, मैं वर्णन करेंगे अगर हम (अध्याय 4) (अध्याय 3) उन्हें सवाल पूछ रही है, प्रयोगों चल रहे हैं, और यहां तक कि उन्हें शामिल करके और अधिक सीधे हमारे डेटा संग्रह दर्जी और लोगों के साथ बातचीत कैसे हम और अधिक और अलग अलग बातें सीख सकते हैं अनुसंधान की प्रक्रिया में सीधे (अध्याय 5)।
