2.5 Висновок
Великі дані всюди, але використовувати його і інші форми даних спостережень для соціальних досліджень важко. У моєму досвіді є що - то , як безкоштовний обід власності для дослідження: якщо ви не доклали багато роботи для збору даних, то ви, ймовірно , доведеться покласти у велику роботу по аналізу даних або думати про що знаходиться в цікавому питанні запитати даних. На основі ідей в цьому розділі, я думаю, що є три основні способи, що великі джерела даних будуть найбільш цінними для соціальних досліджень:
- емпірично винесенні рішень між конкуруючими теоретичних передбачень. Приклади такого роду роботи включають Farber (2015) (водіїв таксі Нью - Йорк) і King, Pan, and Roberts (2013) (Цензура в Китаї)
- поліпшення соціального виміру для політики через поточну погоди. Прикладом такого роду роботи є Ginsberg et al. (2009) та Ginsberg et al. (2009) (Google Flu Trends).
- оцінки причинно-наслідкових ефектів за допомогою природних експериментів і узгодження. Приклади такого роду роботи. Mas and Moretti (2009) (Peer вплив на продуктивність) і Einav et al. (2015) і Einav et al. (2015) (ефект стартової ціни на аукціонах на eBay).
Багато важливі питання в соціальних дослідженнях можуть бути виражені в якості одного з цих трьох. Проте, ці підходи зазвичай вимагають дослідників, щоб принести багато до даних. Що робить Farber (2015) цікавим є теоретична мотивація для вимірювання. Ця теоретична мотивація виходить з-за меж даних. Таким чином, для тих, хто добре ставити певні типи питань дослідження, великі джерела даних можуть бути дуже плідними.
І, нарешті, а не теорія керованих емпіричних досліджень (який був в центрі уваги на цьому розділі), ми можемо перевернути сценарій і створити емпірично приводиться теоретизування. Тобто, шляхом ретельного накопичення емпіричних фактів, моделей і головоломок, ми можемо будувати нові теорії.
Ця альтернатива, дані перший підхід до теорії не нова, і вона була найбільш сильно озвучені Glaser and Strauss (1967) з їх заклик до обґрунтованої теорії. Такий підхід даних по- перше, однак, не означає "кінець теорії" , як було затребуване велика частина журналістики навколо досліджень в цифрову епоху (Anderson 2008) . Швидше, як зміни навколишнього середовища даних, ми повинні очікувати повторної балансування у відносинах між теорією і даними. У світі, де збір даних був дорогим, то має сенс тільки зібрати дані, які теорії припускають, буде найбільш корисним. Але в світі , де величезні обсяги даних , які вже доступні безкоштовно, то має сенс спробувати підхід даних першої (Goldberg 2015) .
Як я показав у цьому розділі, дослідники можуть багато чому навчитися, спостерігаючи за людьми. У наступних трьох розділах я розповім про те, як ми можемо дізнатися більше і різні речі, якщо ми адаптувати нашу колекцію даних і взаємодіяти з людьми більш безпосередньо, задаючи їм питання (глава 3), проведення експериментів (глава 4), і навіть за участю їх в процесі дослідження безпосередньо (глава 5).
