Bit By Bit: Social Research in the Digital Age
  • על אודות
    • סקירה להרחיב
    • צִיטָטָה
    • קוד
    • על הסופר
    • פרטיות הסכמה
  • שפות
    • English
    • Afrikaans
    • Albanian
    • Amharic
    • Arabic
    • Armenian
    • Azerbaijani
    • Basque
    • Belarusian
    • Bengali
    • Bosnian
    • Bulgarian
    • Catalan
    • Cebuano
    • Chichewa
    • Chinese Simplified
    • Chinese Traditional
    • Corsican
    • Croatian
    • Czech
    • Danish
    • Dutch
    • Esperanto
    • Estonian
    • Filipino
    • Finnish
    • French
    • Frisian
    • Galician
    • Georgian
    • German
    • Greek
    • Gujarati
    • Haitian Creole
    • Hausa
    • Hawaiian
    • Hebrew
    • Hindi
    • Hmong
    • Hungarian
    • Icelandic
    • Igbo
    • Indonesian
    • Irish
    • Italian
    • Japanese
    • Javanese
    • Kannada
    • Kazakh
    • Khmer
    • Korean
    • Kurdish (Kurmanji)
    • Kyrgyz
    • Lao
    • Latin
    • Latvian
    • Lithuanian
    • Luxembourgish
    • Macedonian
    • Malagasy
    • Malay
    • Malayalam
    • Maltese
    • Maori
    • Marathi
    • Mongolian
    • Myanmar (Burmese)
    • Nepali
    • Norwegian
    • Pashto
    • Persian
    • Polish
    • Portuguese
    • Punjabi
    • Romanian
    • Russian
    • Samoan
    • Scots Gaelic
    • Serbian
    • Sesotho
    • Shona
    • Sindhi
    • Sinhala
    • Slovak
    • Slovenian
    • Somali
    • Spanish
    • Sudanese
    • Swahili
    • Swedish
    • Tajik
    • Tamil
    • Telugu
    • Thai
    • Turkish
    • Ukrainian
    • Urdu
    • Uzbek
    • Vietnamese
    • Welsh
    • Xhosa
    • Yiddish
    • Yoruba
    • Zulu
  • Teaching
  • Media
  • Read Online
  • קנה את הספר
    • Princeton University Press
    • Amazon
    • Barnes and Noble
    • IndieBound
  • הַקדָמָה
  • 1 מבוא
    • 1.1 כתם דיו
    • 1.2 ברוכים הבאים לעידן הדיגיטלי
    • 1.3 עיצוב מחקר
    • 1.4 נושאים של הספר הזה
    • 1.5 מתווה לספר זה
    • מה לקרוא הבא
  • 2 התנהגות התבוננות
    • 2.1 מבוא
    • 2.2 נתונים גדולים
    • 2.3 10 מאפיינים משותפים של נתונים גדולים
      • 2.3.1 גדול
      • 2.3.2 תמיד
      • 2.3.3 Nonreactive
      • 2.3.4 לא הושלם
      • 2.3.5 נגיש
      • 2.3.6 מייצג
      • 2.3.7 סחף
      • 2.3.8 מבולבל מבחינה אלגוריתמית
      • 2.3.9 מלוכלך
      • 2.3.10 רגיש
    • 2.4 אסטרטגיות מחקר
      • 2.4.1 דברי ספירה
      • 2.4.2 חיזוי nowcasting
      • 2.4.3 ניסויים המתקרבים
    • 2.5 מסקנה
    • הערות מתמטיות
    • מה לקרוא הבא
    • פעילויות
  • 3 שאלות מבוקשות
    • 3.1 מבוא
    • 3.2 תשאול לעומת תצפית
    • 3.3 מסגרת שגיאת סקר הכוללת
      • 3.3.1 ייצוג
      • 3.3.2 מדידה
      • 3.3.3 עלות
    • 3.4 מי לשאול
    • 3.5 דרכים חדשות של לשאול שאלות
      • 3.5.1 הערכות רגעיות אקולוגיות
      • 3.5.2 סקרים Wiki
      • 3.5.3 משחוק
    • 3.6 סקרים המקושרים למקורות נתונים גדולים
      • 3.6.1 בקשה מועשרת
      • 3.6.2 בקשה 3.6.2
    • 3.7 מסקנה
    • הערות מתמטיות
    • מה לקרוא הבא
    • פעילויות
  • 4 ניסויים פעילים
    • 4.1 מבוא
    • 4.2 מהן הניסויים?
    • 4.3 שני ממדים של ניסויים: שדה-מעבדה-דיגיטלי אנלוגי
    • 4.4 הזזה מעבר ניסויים פשוטים
      • 4.4.1 תוקף
      • 4.4.2 הטרוגניות של שפעות טיפול
      • 4.4.3 מנגנונים
    • 4.5 עושה את זה קורה
      • 4.5.1 שימוש בסביבות קיימות
      • 4.5.2 בנה את הניסוי שלך
      • 4.5.3 בניית המוצר שלך
      • 4.5.4 שותף עם עוצמה
    • 4.6 ייעוץ
      • 4.6.1 יצירת אפס מידע משתנה עלות
      • 4.6.2 בניית אתיקה בעיצוב שלך: החלף, חידוד והקטן
    • 4.7 מסקנה
    • הערות מתמטיות
    • מה לקרוא הבא
    • פעילויות
  • 5 יצירת שיתוף פעולה המוני
    • 5.1 מבוא
    • 5.2 חישוב אנוש
      • 5.2.1 חיות גלקסי
      • 5.2.2 קידוד-קהל של מניפסטים פוליטיים
      • 5.2.3 סיכום
    • 5.3 שיחות פתוחות
      • 5.3.1 פרס נטפליקס
      • 5.3.2 Foldit
      • 5.3.3 Peer-to-פטנטים
      • 5.3.4 סיכום
    • 5.4 איסוף נתונים מבוזרים
      • 5.4.1 eBird
      • 5.4.2 PhotoCity
      • 5.4.3 סיכום
    • 5.5 עיצוב משלך
      • 5.5.1 המשתתפים מוטיבציה
      • 5.5.2 ההטרוגניות מינוף
      • 5.5.3 לב פוקוס
      • 5.5.4 אפשר הפתעה
      • 5.5.5 להיות מוסרי
      • 5.5.6 ייעוץ עיצוב סופי
    • 5.6 מסקנה
    • מה לקרוא הבא
    • פעילויות
  • 6 אתיקה
    • 6.1 מבוא
    • 6.2 שלוש דוגמאות
      • 6.2.1 הדבקה רגשית
      • 6.2.2 טעמים, קשרים וזמן
      • 6.2.3 הדרן
    • 6.3 דיגיטלי שונה
    • 6.4 ארבעה עקרונות
      • 6.4.1 מתן כבוד לאנשים
      • 6.4.2 חסד
      • 6.4.3 משפטים
      • 6.4.4 בגין לריבית חוק הרשות
    • 6.5 שתי מסגרות אתיות
    • 6.6 תחומי הקושי
      • 6.6.1 הסכמה מדעת
      • 6.6.2 הבין לתחום ניהול סיכוני מידע
      • 6.6.3 פרטיות
      • 6.6.4 קבלת החלטות לנוכח אי הוודאות
    • 6.7 טיפים מעשיים
      • 6.7.1 IRB הוא רצפה, לא תקרה
      • 6.7.2 שים את עצמך במקומו של כולם
      • 6.7.3 חשוב על אתיקה של מחקר כמו רציפה, לא דיסקרטי
    • 6.8 מסקנה
    • נספח היסטורי
    • מה לקרוא הבא
    • פעילויות
  • 7 העתיד
    • 7.1 מבט קדימה
    • 7.2 ערכות נושא של העתיד
      • 7.2.1 מיזוג של רדימיידס ומנהגים
      • 7.2.2 איסוף נתונים מרוכזים משתתף
      • 7.2.3 אתיקה בתכנון המחקר
    • 7.3 חזרה אל ההתחלה
  • תודות
  • הפניות
התרגום הזו נוצר על ידי מחשב. ×

מה לקרוא הבא

  • כתם דיו (סעיף 1.1)

לתיאור מפורט יותר של פרויקט בלומנשטוק ועמיתיו, ראה פרק 3 של ספר זה.

  • ברוכים הבאים לעידן הדיגיטלי (סעיף 1.2)

Gleick (2011) מספק סקירה היסטורית של שינויים ביכולת האנושות לאסוף, לאחסן, לשדר ולעבד מידע.

להקדמה לעידן הדיגיטלי המתמקדת בפגיעות אפשריות, כגון הפרות פרטיות, ראו Abelson, Ledeen, and Lewis (2008) ו- Mayer-Schönberger (2009) . להקדמה לעידן הדיגיטלי המתמקדת בהזדמנויות, ראה Mayer-Schönberger and Cukier (2013) .

למידע נוסף על חברות המערבבות ניסויים לפרקטיקה שגרתית, ראו Manzi (2012) , וכן לגבי חברות Levy and Baracas (2017) אחר ההתנהגות בעולם הפיזי, ראו Levy and Baracas (2017) .

מערכות גיל דיגיטליות יכולות להיות הן מכשירים והן אובייקטים של מחקר. לדוגמה, ייתכן שתרצה להשתמש במדיה חברתית כדי למדוד את דעת הקהל או אולי תרצה להבין את ההשפעה של המדיה החברתית על דעת הקהל. במקרה אחד, המערכת הדיגיטלית משמשת כמכשיר המסייע לך לבצע מדידה חדשה. במקרה השני, המערכת הדיגיטלית היא מושא המחקר. לפרטים נוספים על הבחנה זו, ראו Sandvig and Hargittai (2015) .

  • תכנון מחקר (סעיף 1.3)

למידע נוסף על עיצוב המחקר במדעי החברה, ראה King, Keohane, and Verba (1994) , Singleton and Straits (2009) Khan and Fisher (2013) .

Donoho (2015) מתאר מדע נתונים כפעילויות של אנשים הלומדים מתוך נתונים, והוא מציע היסטוריה של מדע נתונים, מעקב אחר המקורות האינטלקטואליים של השדה לחוקרים כגון טוקי, קליבלנד, צ'יימברס ובריימן.

עבור סדרה של דיווחים על אדם ראשון על ביצוע מחקר חברתי בעידן הדיגיטלי, ראה Hargittai and Sandvig (2015) .

  • נושאים של ספר זה (סעיף 1.4)

למידע נוסף על ערבוב של נתונים מוכנים ומסודרים, ראה Groves (2011) .

למידע נוסף על כישלון "אנונימיזציה", ראה פרק 6 בספר זה. אותה טכניקה כללית שבלומנסטוק ועמיתיה השתמשו בה כדי להסיק את עושרם של אנשים, יכולה לשמש גם כדי להסיק מאפיינים אישיים רגישים, כולל נטייה מינית, מוצא אתני, השקפות דתיות ופוליטיות ושימוש בחומרים ממכרים (Kosinski, Stillwell, and Graepel 2013) .

Powered by Open Review Toolkit

Buy The Book

Image of Bit by Bit cover Princeton University Press Amazon Barnes and Noble IndieBound