2.5 Secinājumi

Big dati ir visur, bet, izmantojot to un citus novērojumu datiem par sociālo pētījumu ir grūti. Manā pieredzē ir kaut kas līdzīgs nav bezmaksas pusdienas īpašuma pētniecībai: ja jums nav likts daudz darba datu savākšanu, tad jūs, iespējams, nāksies īstenot daudz darba, analizējot savus datus vai domājot par kas ir interesants jautājums lūgt datus. Pamatojoties uz idejas šajā nodaļā, es domāju, ka ir trīs galvenie veidi, lielie datu avoti būs visvērtīgākā sociālo pētījumu:

  • empīriski izskatot starp konkurējošiem teorētiskās prognozes. Piemēri šāda veida darbu ietver Farber (2015) (New York taksisti) un King, Pan, and Roberts (2013) (cenzūru Ķīnā)
  • uzlabota sociālās mērījumi politiku caur nowcasting. Piemērs šāda veida darbs ir Ginsberg et al. (2009) (Google gripas izplatība).
  • novērtējot cēloņsakarību ietekmi dabas eksperimentiem un iekārtošanu. Piemēri šāda veida darbu. Mas and Moretti (2009) (peer ietekmi uz produktivitāti) un Einav et al. (2015) (ietekme sākuma cenas izsolēs eBay).

Daudzi nozīmīgi jautājumi sociālo pētījumu varētu izteikt kā vienu no šiem trim. Tomēr šīs pieejas parasti prasa pētniekus, lai daudz datiem. Kas padara Farber (2015) interesanti ir teorētiskā motivācija mērījumiem. Šī teorētiskā motivācija nāk no ārpus datiem. Tātad, tiem, kas ir labi, lūdzot noteikta veida pētniecības jautājumiem, lieli datu avoti var būt ļoti auglīga.

Visbeidzot, nevis teorija orientētu empīriskie pētījumi (kas ir uzmanības centrā šajā nodaļā), mēs varam uzsist skriptu un radīt empīriski virzītu theorizing. Tas ir, izmantojot rūpīgu uzkrāšanos empīrisku faktu, modeļus, un puzles, mēs varam veidot jaunas teorijas.

Šī alternatīva, datu vispirms pieeja teorijā nav nekas jauns, un tas bija visvairāk stingri formulēja Glaser and Strauss (1967) ar savu uzaicinājumu iesniegt pamatota teorijā. Šī datu Pirmā pieeja, tomēr nenozīmē, ka "galu teorijas", kā tika apgalvots, ar daudz no žurnālistikas ap pētījumiem digitālajā laikmetā (Anderson 2008) . Drīzāk, kā datu vides izmaiņām, mums ir sagaidām sabalansēšanu attiecībās starp teoriju un datiem. Pasaulē, kur datu vākšana bija dārgi, tas ir jēga tikai vākt datus, teorijas domāt, būs ļoti noderīga. Bet, pasaulē, kur milzīgas summas dati jau ir pieejami par brīvu, tas ir jēga, lai arī izmēģināt datu pirmā pieeja (Goldberg 2015) .

Kā esmu redzams šajā nodaļā, pētnieki var uzzināt daudz, skatoties cilvēkus. Nākamajos trīs nodaļās, es aprakstīt, kā mēs varam mācīties vairāk un dažādas lietas, ja mēs pielāgot mūsu datu vākšanu un sadarboties ar cilvēkiem, tiešāk, uzdodot viņiem jautājumus (3. nodaļa), eksperimentējot (4. nodaļa), un pat iesaistot viņus pētniecības procesā tieši (5. nodaļa).