2.3.1.2 Միշտ-ին

Միշտ-ին մեծ տվյալների թույլ է տալիս ուսումնասիրությունը անսպասելի իրադարձությունների եւ իրական ժամանակի չափման.

Շատ մեծ տվյալների համակարգերը միշտ-ին, նրանք անընդհատ հավաքում տվյալներ: Այս մշտապես բնորոշ հետազոտողներին հետ երկայնական տվյալները (այսինքն `տվյալների ժամանակի ընթացքում): Լինելով մշտապես ունի երկու կարեւոր հետեւանքներ հետազոտության.

Նախ, մշտապես տվյալների հավաքածուն հնարավորություն է տալիս հետազոտողներին ուսումնասիրել անսպասելի իրադարձությունները ձեւերով, որոնք հնարավոր չէ նախկինում: Օրինակ, հետազոտողները հետաքրքիր է ուսումնասիրել նաեւ Գրավիր Գեզի բողոքի ցույցերը Թուրքիայում 2013 թվականի ամռանը, որպես կանոն, կենտրոնանալ վարքագծի ցուցարարների Միջոցառման ընթացքում: Ceren budak եւ Duncan Watts (2015) Կարողացան անել ավելին, օգտագործելով մշտապես բնույթը Twitter է ուսումնասիրել Twitter օգտագործելով ցուցարարներին առաջ, ընթացքում եւ հետո: Եվ նրանք կարողացել են ստեղծել մի համեմատություն խումբ ոչ մասնակիցների (կամ մասնակիցների, ովքեր չեն ծլվլոց մասին բողոքի ակցիայի) առաջ, ընթացքում եւ հետո միջոցառման (Գծապատկեր 2.1). Ընդհանուր առմամբ, նրանց նախկին գրառումը վահանակ ընդգրկված Թվիթեր 30,000 մարդկանց ավելի քան երկու տարվա ընթացքում: Ըստ augmenting լայնորեն կիրառվող տվյալների բողոքի ակցիաների հետ կապված մեկ այլ տեղեկատվություն, budak եւ Watts կարողացան իմանալ, շատ ավելի. Նրանք կարողացել են գնահատել, թե ինչ տեսակի մարդիկ էին, ավելի հավանական է, որ մասնակցելու է Գեզի բողոքի ակցիաների եւ գնահատել փոփոխությունները վերաբերմունքի մասնակիցները եւ մասնակից չհամարվող, այնպես էլ կարճաժամկետ (համեմատելով նախընտրական Գեզի ընթացքում Գեզի) եւ երկարաժամկետ (համեմատելով նախընտրական Գեզի փակցնելու-Գեզի):

Նկար 2.1: Design օգտագործվում է budak եւ Watts (2015 թ.), Ինչպես նաեւ ուսումնասիրել Գրավիր Գեզի բողոքի ցույցերը Թուրքիայում ամռանը 2013 թ. Ըստ օգտագործելով մշտապես բնույթը Twitter, հետազոտողները ստեղծեց այն, ինչ որ կոչվում է նախկին գրություն վահանակը, որը ներառում է մոտ 30,000 մարդ, ավելի քան երկու տարվա ընթացքում: Ի տարբերություն բնորոշ ուսումնասիրությունը, որ կենտրոնացած է մասնակիցների ընթացքում բողոքի ցույցերին, նախկին Գրառման վահանակ ավելացնում է, 1) տվյալների մասնակիցների առաջ եւ հետո միջոցառման 2) տվյալների ոչ մասնակիցներից առաջ, ընթացքում եւ հետո: Այս հարստացած տվյալների կառուցվածք միացված budak եւ Watts է գնահատել, թե ինչ տեսակի մարդիկ էին, ավելի հավանական է, որ մասնակցելու է Գեզի բողոքի ակցիաների եւ գնահատել փոփոխությունները վերաբերմունքի մասնակիցների եւ մասնակից չհամարվող, այնպես էլ կարճաժամկետ (համեմատելով նախընտրական Գեզի ընթացքում Գեզի) եւ երկարաժամկետ (համեմատելով նախընտրական Gezi փակցնել-Գեզի).

Նկար 2.1: Design օգտագործվում է Budak and Watts (2015) Է ուսումնասիրել Գրավիր Գեզի բողոքի ցույցերը Թուրքիայում ամռանը 2013 թ. Ըստ օգտագործելով մշտապես բնույթը Twitter, հետազոտողները ստեղծեց այն, ինչ որ կոչվում է նախկին գրություն վահանակը, որը ներառում է մոտ 30,000 մարդ, ավելի քան երկու տարվա ընթացքում: Ի տարբերություն բնորոշ ուսումնասիրությունը, որ կենտրոնացած է մասնակիցների ընթացքում բողոքի ցույցերին, նախկին Գրառման վահանակ ավելացնում է, 1) տվյալների մասնակիցների առաջ եւ հետո միջոցառման 2) տվյալների ոչ մասնակիցներից առաջ, ընթացքում եւ հետո: Այս հարստացած տվյալների կառուցվածք միացված budak եւ Watts է գնահատել, թե ինչ տեսակի մարդիկ էին, ավելի հավանական է, որ մասնակցելու է Գեզի բողոքի ակցիաների եւ գնահատել փոփոխությունները վերաբերմունքի մասնակիցների եւ մասնակից չհամարվող, այնպես էլ կարճաժամկետ (համեմատելով նախընտրական Գեզի է ժամանակ Գեզի) եւ երկարաժամկետ (համեմատելով նախընտրական Gezi փակցնել-Գեզի).

Ճիշտ է, որ որոշ հաշվարկների կարող են կատարվել առանց մշտապես տվյալների հավաքագրման աղբյուրների (օրինակ, երկարաժամկետ գնահատականները վերաբերմունքի փոփոխություն), թեեւ նման տվյալների հավաքագրման համար 30.000 մարդ կլիներ միանգամայն թանկ է. Եվ, նույնիսկ հաշվի առնելով անսահմանափակ բյուջե, ես չեմ կարող մտածել որեւէ այլ եղանակով, որ, ըստ էության, թույլ է տալիս հետազոտողները ճանապարհորդել ետ ժամանակ եւ անմիջականորեն դիտարկել մասնակիցների վարքը անցյալում: Ամենամոտ այլընտրանքը կլինի հավաքել հետահայաց հաշվետվություններ վարքագծի, սակայն այդ հաշվետվությունները կլինի սահմանափակ հատավորումը եւ կասկածելի ճշգրտությամբ: Աղյուսակ 2.1 այլ օրինակներ ուսումնասիրությունների, որոնք օգտագործում է մշտապես տվյալների աղբյուր է ուսումնասիրել անսպասելի իրադարձություն.

Աղյուսակ 2.1: Ուսումնասիրությունները անսպասելի իրադարձությունների օգտագործելով մշտապես մեծ տվյալների աղբյուրների:
Անսպասելի իրադարձություն է Միշտ-ին տվյալների աղբյուրը հիշատակություն
Զբաղեցնում Գեզի շարժումը Թուրքիայում ծլվլոց Budak and Watts (2015)
Հովանոցը ցույցերը Հոնկոնգում Weibo Zhang (2016)
Նկարահանումները ոստիկանության Նյու Յորքում Stop-and-Frisk- հաշվետվություններ Legewie (2016)
Անձ միանալով Isis ծլվլոց Magdy, Darwish, and Weber (2016)
Սեպտեմբեր 11, 2001 թ. Հարձակման livejournal.com Cohn, Mehl, and Pennebaker (2004)
Սեպտեմբեր 11, 2001 թ. Հարձակման pager հաղորդագրություններ Back, Küfner, and Egloff (2010) , Pury (2011) , Back, Küfner, and Egloff (2011)

Երկրորդ, մշտապես տվյալների հավաքածուն հնարավորություն է տալիս հետազոտողներին արտադրել իրական ժամանակի, ինչը կարող է լինել կարեւոր է պարամետրերը, որտեղ քաղաքական գործիչները ցանկանում են ոչ միայն սովորել է առկա վարքի, այլեւ արձագանքել դրան: Օրինակ, սոցիալական ԶԼՄ - ների տվյալները կարող են օգտագործվել է առաջնորդել պատասխանները բնական աղետների (Castillo 2016) :

Եզրափակելով, միշտ տվյալների համակարգերը հնարավորություն են տալիս հետազոտողներին ուսումնասիրելու անսպասելի իրադարձությունները եւ ապահովել իրական ժամանակում տեղեկատվություն է քաղաքականություն մշակողների. Ես չէի, սակայն, առաջարկել, որ մշտապես տվյալների համակարգերը հնարավորություն են տալիս հետազոտողներին հետեւելու փոփոխությունների շուրջ երկար ժամանակ. Դա այն պատճառով, որ շատ մեծ տվյալներ համակարգեր անընդհատ փոխվում, մի գործընթաց, որը կոչվում ամպեր (Բաժին 2.3.2.4).