2.3.1.3非反応

測定は、ビッグデータ・ソースでの動作を変更することがはるかに少ない可能性があります。

社会調査の1つの課題は、彼らが研究者によって観察されていることを知っているとき、人々は彼らの行動を変えることができるということです。社会科学者は、一般的に、研究者の測定反応性に応じて、この動作の変更を呼び出す(Webb et al. 1966)多くの研究者が有望見つけるビッグデータの一態様は、参加者は、一般に、それらのデータが取得されているか、彼らはそれがもはや彼らの行動を変化させるこのデータ収集に非常に慣れていることを認識していないということです。それらは非反応性であるので、従って、大きなデータの多くのソースが以前に正確な測定に修正可能ではなかった挙動を研究するために使用することができます。例えば、 Stephens-Davidowitz (2014) 、米国の異なる領域における人種敵意を測定するために、検索エンジンのクエリで人種差別的な用語の有病率を使用しました。検索データの(前のセクションを参照)は、非反応性の大きな性質は、調査等の他の方法を用いては困難である測定を可能にしました。

非反応性、しかし、これらのデータは何らかの形で直接人々の行動や態度の反映であることを保証するものではありません。例えば、ある回答者として語ったNewman et al. (2011) 、「それは私が問題を持っていないことはありませんが、私はFacebook上でそれらを入れていないよ。」言い換えれば、いくつかの大きなデータソースは非反応性であっても、彼らは常に社会的望ましバイアスの自由ではありません、人々のための傾向が最良の方法で自分自身を提示したいです。また、私は以下の多くを説明しますように、これらのデータソースは、時々 、プラットフォームの所有者の目標によって影響され、 アルゴリズム的交絡と呼ばれる問題が(下記より説明します)。

非反応性が研究のために有利であるが、それらの同意と意識することなく、人々の行動を追跡することは、第6章では、以下に説明倫理的な問題を提起し、詳細に、増加したデジタル監視に対する国民の反発は時間をかけてより反応性になるためにビッグデータシステムをリードし、強い可能性デジタル監視懸念も(もっと後述) 非代表性に関する懸念を増大させる、完全にビッグデータシステムのオプトアウトしようとするいくつかの人々を導くことができました。

常時オン、研究大きな社会、および非反応性、一般的に、これらのデータソースは、研究のための研究者によって作成されなかったために発生するためのビッグデータのこれらの3良好な特性。今、私は研究のための悪いビッグデータ・ソースの7特性に回します。これらの機能は、このデータは研究のための研究者によって作成されていなかったために発生する傾向があります。