2.5 ਸਿੱਟਾ

ਵੱਡੇ ਡਾਟਾ ਹਰ ਜਗ੍ਹਾ ਹੈ, ਪਰ ਇਸ ਨੂੰ ਅਤੇ ਸਮਾਜਿਕ ਖੋਜ ਲਈ observational ਡਾਟਾ ਦੇ ਹੋਰ ਫਾਰਮ ਵਰਤ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ. ਮੇਰੇ ਅਨੁਭਵ ਵਿੱਚ ਖੋਜ ਕਰਨ ਲਈ ਇੱਕ ਦਾ ਕੋਈ ਮੁਫ਼ਤ ਲੰਚ ਸੰਪਤੀ ਵਰਗੇ ਕੁਝ ਹੈ: ਜੇ ਤੁਹਾਨੂੰ ਕੰਮ ਦਾ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਦਾ ਇੱਕ ਬਹੁਤ ਸਾਰਾ ਵਿੱਚ ਪਾ ਨਾ ਕਰੋ, ਫਿਰ ਤੁਹਾਨੂੰ ਸੰਭਵ ਹੈ ਕਿ ਕੰਮ ਦੇ ਆਪਣੇ ਡਾਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਇੱਕ ਬਹੁਤ ਸਾਰਾ ਵਿੱਚ ਜ ਬਾਰੇ ਸੋਚ ਵਿੱਚ ਪਾ ਲਈ ਹੈ ਕਰਨ ਜਾ ਰਹੇ ਹਨ ਕੀ ਹੈ ਇਕ ਦਿਲਚਸਪ ਸਵਾਲ ਵਿੱਚ ਹੈ ਡਾਟਾ ਦੇ ਪੁੱਛਣ ਲਈ. ਇਸ ਅਧਿਆਇ ਵਿੱਚ ਵਿਚਾਰ ਦੇ ਆਧਾਰ ਤੇ, ਮੈਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਉੱਥੇ ਤਿੰਨ ਮੁੱਖ ਤਰੀਕੇ, ਜੋ ਕਿ ਵੱਡੇ ਡਾਟਾ ਸਰੋਤ ਸਮਾਜਿਕ ਖੋਜ ਲਈ ਸਭ ਕੀਮਤੀ ਹੋ ਜਾਵੇਗਾ ਹਨ, ਜੋ ਕਿ:

  • empirically ਲਿਖਤੀ ਸ਼ਬਦ ਮੁਕਾਬਲਾ ਵਿਚਕਾਰ ਗੁੰਢਲਦਾਰ. ਕੰਮ ਦੀ ਇਸ ਕਿਸਮ ਦੀ ਉਦਾਹਰਨ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ Farber (2015) (ਨ੍ਯੂ ਯਾਰ੍ਕ ਟੈਕਸੀ ਡਰਾਈਵਰ) ਅਤੇ King, Pan, and Roberts (2013) (ਚੀਨ ਵਿਚ ਸਸਰਿਸ਼ਪ)
  • nowcasting ਦੁਆਰਾ ਪਾਲਿਸੀ ਲਈ ਸੁਧਾਰ ਸਮਾਜਿਕ ਮਾਪ. ਕੰਮ ਦੀ ਇਸ ਕਿਸਮ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਹੈ Ginsberg et al. (2009) (ਗੂਗਲ ਫਲੂ ਰੁਝਾਨ).
  • ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਅਤੇ ਮੇਲ ਨਾਲ causal ਪ੍ਰਭਾਵ ਅੰਦਾਜ਼ਾ. ਦਾ ਕੰਮ. ਇਸ ਕਿਸਮ ਦੇ ਉਦਾਹਰਣ Mas and Moretti (2009) (ਉਤਪਾਦਕਤਾ 'ਤੇ ਅਸਰ ਪੀਅਰ) ਅਤੇ Einav et al. (2015) (ਈਬੇ 'ਤੇ ਨੀਲਾਮੀ' ਤੇ ਸ਼ੁਰੂ ਮਤ ਦੇ ਪ੍ਰਭਾਵ).

ਸਮਾਜਿਕ ਖੋਜ ਵਿਚ ਕਈ ਅਹਿਮ ਸਵਾਲ ਇਹ ਤਿੰਨ ਦੇ ਇੱਕ ਦੇ ਰੂਪ ਪ੍ਰਗਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. ਪਰ, ਇਹ ਤਰੀਕੇ ਆਮ ਤੌਰ 'ਤੇ ਖੋਜਕਾਰ ਦੀ ਲੋੜ ਹੈ ਡਾਟਾ ਨੂੰ ਕਰਨ ਲਈ ਇੱਕ ਬਹੁਤ ਲਿਆਉਣ ਲਈ. ਕੀ ਬਣਾ ਦਿੰਦਾ ਹੈ Farber (2015) ਦਿਲਚਸਪ ਮਾਪ ਲਈ ਲਿਖਤੀ ਪ੍ਰੇਰਣਾ ਹੈ. ਇਹ ਲਿਖਤੀ ਪ੍ਰੇਰਣਾ ਡਾਟਾ ਦੇ ਬਾਹਰ ਤੱਕ ਮਿਲਦੀ ਹੈ. ਇਸ ਲਈ, ਜਿਹੜੇ ਖੋਜ ਸਵਾਲ ਦੇ ਕੁਝ ਕਿਸਮ ਪੁੱਛ 'ਤੇ ਚੰਗੇ ਹਨ, ਲਈ, ਵੱਡੇ ਡਾਟਾ ਸਰੋਤ ਬਹੁਤ ਫਲਦਾਇਕ ਹੋ ਸਕਦਾ ਹੈ.

ਅੰਤ ਵਿੱਚ, ਨਾ ਕਿ ਥਿਊਰੀ-ਚਲਾਏ ਅਨੁਭਵੀ ਖੋਜ (ਜੋ ਇਸ ਅਧਿਆਇ 'ਤੇ ਫੋਕਸ ਕੀਤਾ ਗਿਆ ਹੈ), ਸਾਨੂੰ ਸਕਰਿਪਟ ਤਰਕੀਬ ਅਤੇ empirically-ਚਲਾਏ theorizing ਬਣਾ ਸਕਦੇ ਹੋ. ਜੋ ਕਿ, ਅਨੁਭਵੀ ਤੱਥ, ਪੈਟਰਨ, ਅਤੇ puzzles ਦੇ ਧਿਆਨ ਸੰਚਵ ਦੁਆਰਾ, ਸਾਨੂੰ ਨਵ ਮਨਮਤਿ ਬਣਾਉਣ ਸਕਦਾ ਹੈ.

ਥਿਊਰੀ ਨੂੰ ਇਹ ਬਦਲ, ਡਾਟਾ-ਪਹਿਲੀ ਪਹੁੰਚ ਨਵ ਨਹੀ ਹੈ, ਅਤੇ ਇਸ ਨੂੰ ਸਭ ਨੂੰ ਧੱਕੇ ਦੇ ਕੇ ਿੋੜਬੰਦੀ ਕੀਤਾ ਗਿਆ ਸੀ Glaser and Strauss (1967) ਜ਼ਮੀਨ ਥਿਊਰੀ ਲਈ ਆਪਣੇ ਕਾਲ ਦੇ ਨਾਲ. ਇਹ ਡਾਟਾ-ਪਹਿਲੀ ਪਹੁੰਚ, ਪਰ, "ਥਿਊਰੀ ਦੇ ਅੰਤ," ਦਾ ਮਤਲਬ ਹੈ, ਨਾ ਦੇ ਤੌਰ ਤੇ ਡਿਜ਼ੀਟਲ ਦੀ ਉਮਰ ਵਿਚ ਖੋਜ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਪੱਤਰਕਾਰੀ ਦਾ ਵੀ ਬਹੁਤ ਨੇ ਦਾਅਵਾ ਕੀਤਾ ਗਿਆ ਹੈ (Anderson 2008) . ਇਸ ਦੀ ਬਜਾਇ, ਡਾਟਾ ਵਾਤਾਵਰਣ ਨੂੰ ਤਬਦੀਲੀ ਦੇ ਤੌਰ ਤੇ, ਸਾਨੂੰ ਥਿਊਰੀ ਅਤੇ ਡਾਟਾ ਦੇ ਵਿਚਕਾਰ ਦੇ ਰਿਸ਼ਤੇ ਵਿਚ ਇਕ ਮੁੜ-ਬੈਲਸਿੰਗ ਦੀ ਆਸ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ. ਇੱਕ ਸੰਸਾਰ ਹੈ, ਜਿੱਥੇ ਡਾਟਾ ਇਕੱਠਾ ਮਹਿੰਗਾ ਸੀ, ਇਸ ਨੂੰ ਬਣਦੀ ਹੈ, ਸਿਰਫ ਡਾਟਾ ਹੈ, ਜੋ ਕਿ ਮਨਮਤਿ ਦਾ ਸੁਝਾਅ ਸਭ ਲਾਭਦਾਇਕ ਹੋ ਜਾਵੇਗਾ ਇਕੱਠਾ ਕਰਨ ਲਈ. ਪਰ, ਜਿੱਥੇ ਕਿ ਇੱਕ ਸੰਸਾਰ ਡਾਟਾ ਦੀ ਭਾਰੀ ਮਾਤਰਾ ਵਿੱਚ ਹੀ ਮੁਫ਼ਤ ਲਈ ਉਪਲੱਬਧ ਹਨ ਵਿੱਚ, ਇਸ ਨੂੰ ਬਣਦੀ ਹੈ ਇਹ ਵੀ ਇੱਕ ਡਾਟਾ-ਪਹਿਲੀ ਪਹੁੰਚ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਲਈ (Goldberg 2015) .

ਮੈਨੂੰ ਇਸ ਅਧਿਆਇ ਵਿਚ ਦਿਖਾਇਆ ਹੈ ਦੇ ਰੂਪ ਵਿੱਚ, ਖੋਜਕਾਰ ਲੋਕ ਦੇਖ ਰਿਹਾ ਕੇ ਬਹੁਤ ਕੁਝ ਸਿੱਖ ਸਕਦਾ ਹੈ. ਅਗਲੇ ਤਿੰਨ ਅਧਿਆਇ ਵਿਚ, ਮੈਨੂੰ ਦਾ ਵਰਣਨ ਲੱਗੇਗਾ ਜੇ ਸਾਨੂੰ (ਅਧਿਆਇ 4) (ਅਧਿਆਇ 3) ਨੂੰ ਸਵਾਲ ਪੁੱਛ, ਪ੍ਰਯੋਗ ਚੱਲ, ਅਤੇ ਵੀ ਸ਼ਾਮਲ ਦੁਆਰਾ ਹੋਰ ਨੂੰ ਸਿੱਧੇ ਸਾਡੇ ਡਾਟਾ ਇਕੱਠਾ ਚੁਣਨ ਅਤੇ ਲੋਕ ਦੇ ਨਾਲ ਤਾਲਮੇਲ ਨੂੰ ਸਾਨੂੰ ਹੋਰ ਅਤੇ ਹੋਰ ਵੱਖ-ਵੱਖ ਕੁਝ ਸਿੱਖ ਸਕਦੇ ਹਨ ਖੋਜ ਕਾਰਜ ਵਿੱਚ ਸਿੱਧੇ ਤੌਰ 'ਤੇ (ਅਧਿਆਇ 5).