2.3.2 සැම විටම
සෑම විටම-මත මහා දත්ත අනපේක්ෂිත සිදුවීම් සහ තත්කාලීන මිනුම් අධ්යයනය හැකියාව ලැබෙනවා.
බොහෝ විශාල දත්ත පද්ධති සෑම විටම මත ය; ඔවුන් නිරන්තරයෙන් දත්ත එකතු කරමින් සිටින බව පැවසේ. මෙය සැමවිටම මත ලක්ෂණයක් කල්පවත්නා දත්ත (එනම්, කාලයක් පුරා දත්ත) සමග පර්යේෂකයන් සපයයි. සෑම විටම-මත වීම පර්යේෂණ සඳහා ද වැදගත්වනු දෙකක් ඇත.
පළමුවෙන්ම, දත්ත රැස් කිරීම පර්යේෂකයන්ට අනපේක්ෂිත සිදුවීම් අනපේක්ෂිත සිදුවීම් අධ්යයනය කිරීමට ඉඩ ලබා දෙයි. නිදසුනක් වශයෙන්, 2013 ගිම්හානයේ තුර්කියේ වාඩිලාගනු විරෝධතා ගසාකෑම අධ්යයනය කිරීමට උනන්දු වන පර්යේෂකයෝ සාමාන්යයෙන් විරෝධතාකරුවන්ගේ හැසිරීම කෙරෙහි අවධානය යොමු කරනු ඇත. චේර් බුඩක් සහ ඩන්කන් වොට්ට්ස් (2015) ටීවී සෑම විටම ට්විටර් ත්රිත්වයේ ස්වභාවය භාවිතා කිරීමට හැකි විය. තවද, සිදුවීමට පෙර, පසුව, සහ පසුව සිදු නොකරන නොගැලපෙන කන්ඩායම් සෑදීමට ඔවුන්ට හැකි විය (රූපය 2.2). සමස්තයක් වශයෙන් ඔවුන්ගේ පැරණි පුවරුව වසර දෙකකට අධික සංඛ්යාවක 30,000 කට අධික පිරිසකට ඇතුළත් විය. මෙම වෙනත් තොරතුරු සමග විරෝධතා වලින් පොදුවේ භාවිත කරන ලද දත්ත උද්ධමනය කිරීමෙන් බුදාක් සහ වොට්ට්ස් තවත් බොහෝ දේ ඉගෙන ගැනීමට හැකි විය: Gezi විරෝධතා වල යෙදී සිටීමට වඩා වැඩිවිය හැකි පුද්ගලයින් කෙබඳුදැයි ඇගැයීමට හා ඒවායේ ආකල්ප වෙනස්කම් ඇස්තමේන්තු කිරීම සහභාගීවන්නන් සහ නොපැවැත්වූවන්, කෙටිකාලීනව (Gezi සමයේ පෙර Gezi හා සසඳන විට) හා දීර්ඝ කාලීන (පෙර Gezi සමග post-Gezi සමග සසඳන්න).
රූපය 2.2: භාවිතා නිර්මාණ Budak and Watts (2015) මෙම 2013 ගිම්හානයේ දී තුර්කියේ Gezi විරෝධතා වාඩි ලා ගැනීමේ මෙම ට්විටර් ස්වභාවය සෑම විටම මත, පර්යේෂකයෝ ඔවුන් ගැන ඇතුළත් හිටපු පශ්චාත් මණ්ඩලය ඉල්ලා දේ නිර්මාණය භාවිතා කිරීමෙන් අධ්යයනය කිරීමට අවුරුදු දෙකකට වඩා 30,000 ක්. උද්ඝෝෂණ සමයේදී සහභාගී වූවන්ගේ අවධානයට ලක්වූ සාමාන්ය අධ්යයනයකට වෙනස්ව, හිටපු පශ්චාත් මණ්ඩලය විසින් සිද්ධිය පෙර සහ පසුව සහභාගී වූවන්ගෙන් 1 වන දත්ත එකතු කරයි. Gizi විරෝධතාවන්ට සහභාගී වන අයගේ සංඛ්යාව වැඩි වන ලෙස ඇස්තමේන්තු කර ඇති මෙම ව්යුහගත දත්ත ව්යුහය සඳහා බුදාක් සහ වොට්ස් කෙටි කාලීනව (සහභාගිවූ සහ සහභාගිවන්නන් නොවන අයගේ වෙනස්කම්) තක්සේරු කිරීම (Gezi during ) සහ දීර්ඝ කාලීන (පෙර Gezi පෙර-Gezi සමග සසඳන්න).
මෙම විශ්ලේෂණයන්ගෙන් සමහරක් මෙම දත්තයන් එක්රැස් කිරීමේ මූලාශ්ර (උදා. දිගුකාලීන ආකල්ප වෙනස්කම්) මත පදනම්ව නොතිබූ බව පෙන්වා දෙන අතර, එය 30,000 ක් සඳහා එවැනි දත්ත එක්රැස් කිරීම ප්රමාණවත් නොවීය මිල අධිකයි. කෙසේ වෙතත්, අසීමිත අයවැයක් පවා ලබා දුන්නද, පර්යේෂකයන් ආයතනික කාලසටහනට නැවත ගමන් කිරීමට ඉඩ සලසන වෙනත් ක්රමයක් ගැන මට සිතාගත නොහැකිය. ආසන්නතම විකල්පය වන්නේ හැසිරීම් පිළිබඳ වාර්තාගත වාර්තා එකතු කිරීමයි. නමුත් මෙම වාර්තා සීමිත ශුන්යතාවය හා සැක සහිත නිරවද්යතාවයක් වනු ඇත. අනපේක්ෂිත සිද්ධියක් අධ්යයනය කිරීම සඳහා සෑම විටම දත්ත මූලාශ්රයක් භාවිතා කරන අධ්යයන වෙනත් උදාහරණ වගුව 2.1 සපයයි.
| අනපේක්ෂිත සිදුවීමක් | සැමවිටම දත්ත මූලාශ්රය | උපුටනය |
|---|---|---|
| තුර්කියේ Gezi ව්යාපාරය වාඩිලාගැනීම | ට්විටර් | Budak and Watts (2015) |
| හොංකොංහි අත්තිකාරම් විරෝධතා | වේයිබෝ | Zhang (2016) |
| නිව් යෝර්ක් නගරයේ පොලිස් වෙඩි තැබීම් | Stop-and-frisk වාර්තා | Legewie (2016) |
| පුද්ගලයෙකු ISIS වෙත බැඳීම | ට්විටර් | Magdy, Darwish, and Weber (2016) |
| 2001 සැප්තැම්බර් 11 ප්රහාරය | සජීවී පුවත් | Cohn, Mehl, and Pennebaker (2004) |
| 2001 සැප්තැම්බර් 11 ප්රහාරය | පේජර් පණිවිඩ | Back, Küfner, and Egloff (2010) , Pury (2011) , Back, Küfner, and Egloff (2011) |
අනපේක්ෂිත සිදුවීම් අධ්යයනය කිරීමට අමතරව, විශාල දත්ත පද්ධති සෑම විටම පර්යේෂකයන්ට නියම වේලාවට ඇස්තමේන්තු සැකසීම සඳහා හැකියාව ලබා දෙයි. එමඟින් රජයේ හෝ කර්මාන්තයේ ප්රතිපත්ති සම්පාදකයන්ට තත්වය හොඳින් අවබෝධ කර ගත යුතු ය. නිදසුනක් ලෙස, ස්වාභාවික විපත් වලට හදිසි ප්රතිචාරයක් ලබා දීම සඳහා සමාජ මාධ්ය දත්ත යොදා ගත හැකිය (Castillo 2016) සහ ආර්ථික ක්රියාකාරිත්වයේ තථ්ය කාලීන ඇස්තමේන්තු නිෂ්පාදනය කිරීමට විවිධ ප්රභල දත්ත මූලාශ්ර භාවිතා කළ හැකිය (Choi and Varian 2012) .
අවසාන වශයෙන්, සෑම විටම දත්ත දත්ත පද්ධති පර්යේෂකයන්ට අනපේක්ෂිත සිදුවීම් අධ්යයනය කිරීමට සහ ප්රතිපත්ති සම්පාදකයන්ට නියම වේලාවට තොරතුරු සැපයීමට හැකියාව ලැබේ. කෙසේ වෙතත්, දිගු කාල පරිච්ඡේදයන් තුළ වෙනස්කම් සොයා යාම සඳහා සෑම විටම දත්ත පද්ධතීන් හොඳින් ගැලපෙන බව මා සිතන්නේ නැත. බොහෝ විශාල දත්ත පද්ධති නිරන්තරයෙන් වෙනස් එනම් නිසා මම පරිච්ඡේදය (පනතේ 2.3.7) හි පසුව ප්ලාවිතය කතා කරන්නම් එම ක්රියාවලිය බව ය.
