Eksempler på brug af Store datakilder på Dansk og deres oversættelser til Spansk
{-}
-
Colloquial
-
Official
-
Medicine
-
Financial
-
Ecclesiastic
-
Official/political
-
Computer
Mange af disse karakteristika opstår i sidste ende fordi store datakilder ikke er skabt med henblik på social forskning.
Som Burke og Krauts arbejde illustrerer, vil store datakilder ikke eliminere behovet for at stille spørgsmål til folk.
To tilgange, der især nyder godt af store datakilder, er naturlige eksperimenter og matchning.
Nogle forskere mener, at store datakilder, især onlinekilder, er uberørte,
Snarere end at tænke store datakilder som observere folk i naturlige omgivelser,
Store datakilder er overalt,
Store datakilder er overalt,
Nogle forskere mener, at store datakilder, især dem fra online-kilder, er uberørt
Så, i afsnit 2.3, jeg beskrive ti fælles karakteristika af store datakilder.
Til maskinindlæringsmetoder, der forsøger automatisk at opdage naturlige eksperimenter inde i store datakilder, se Jensen et al.
Derefter illustrerer jeg tre forskningsstrategier, der kan bruges til at lære fra store datakilder.
tilbyder andre råd til at finde nyttige sammenligninger inden for store datakilder.
I stedet skal det lære dig at lære af store datakilder( kapitel 2).
hvorpå undersøgelsesdata kan kombineres med store datakilder.
Nu vil jeg gå over til de syv egenskaber af store datakilder, der er dårligt for forskning.
det er en stor udfordring med at bruge store datakilder for social forskning( Lazer 2015).
At forstå disse 10 generelle karakteristika er et nyttigt første skridt mod at lære fra store datakilder.
tænke på naturlige eksperimenter i store datakilder.
Tabel 2.4 giver nogle andre eksempler på, hvordan matching kan bruges med store datakilder.
Tabel 2.1: Undersøgelser af uventede begivenheder ved hjælp af altid-på store datakilder.