Bit by Bit
  • 译者手记
  • 作者序
  • 1 简介
    • 1.1 罗夏墨迹
    • 1.2 欢迎来到数字时代
    • 1.3 研究的设计
    • 1.4 本书的主题
    • 1.5 本书的大纲
    • 扩展阅读
  • 2 观察行为
    • 2.1 简介
    • 2.2 大数据
    • 2.3 大数据的十个常见特性
      • 2.3.1 Big
      • 2.3.2 Always-on
      • 2.3.3 Nonreactive
      • 2.3.4 Incomplete
      • 2.3.5 Inaccessible
      • 2.3.6 Nonrepresentative
      • 2.3.7 Drifting
      • 2.3.8 Algorithmically confounded
      • 2.3.9 Dirty
      • 2.3.10 Sensitive
    • 2.4 研究的策略
      • 2.4.1 统计
      • 2.4.2 预报与即时预报
      • 2.4.3 模拟实验
    • 2.5 总结
    • 数学原理简介
    • 扩展阅读
    • 延伸活动
  • 3 问问题
    • 3.1 简介
    • 3.2 提问与观察
    • 3.3 整体性调查误差框架
      • 3.3.1 代表性
      • 3.3.2 衡量标准
      • 3.3.3 成本
    • 3.4 该问谁
    • 3.5 问问题的新方法
      • 3.5.1 生态学的瞬间评估
      • 3.5.2 维基调查
      • 3.5.3 游戏化
    • 3.6 将调查与大数据连接
      • 3.6.1 互补式提问
      • 3.6.2 增广式提问
    • 3.7 总结
    • 数学原理简介
    • 扩展阅读
    • 延伸活动
Powered by GitBook
On this page
  1. 3 问问题

3.2 提问与观察

Previous3.1 简介Next3.3 整体性调查误差框架

Last updated 6 years ago

我们总是会需要向他人提问。

我们的行为越来越多的被收集在大数据源中,例如政府和企业的日志数据,有些人可能会说,问卷调查已经落伍了,用不到了。但事实并不是那么简单。我认为研究者会继续使用问问题的方式。主要原因有二。首先,如我在第二章所说,大数据源还存在很多关键性问题,例如准确性,完整性,以及可获取性。第二,除了那些具体原因,有一个更根本的原因:有一些事情,即使是完美的观测数据,也很难发现。比如说,一些非常重要的社会学预测指标是「internal states」(内部状态),像是情绪,知识,期望以及观点。内部状态存在于人们的思想里。观测的内部状态,最好的方式之一就是问问题。

大数据存在的具体的和根本的局限性,以及如何利用问卷调查来解决这些问题,Moira Burk 与 Robert Kraut () 在他的研究中进行了介绍。他们研究了Facebokk 是如何影响友情的亲密程度的。当时,Burke 在 Facebook 工作,所以她可以获取到完整的巨量以及详细的记录。但即便如此,Burke 与 Kraut 为了回答他们的研究课题也不得不使用问卷。他们关注的的输出是被试对他朋友们的亲密程度的主观感受。这是个内部状态,仅存在于被试的脑袋里。更进一步的,为了使用问卷调查的方式手机他们所关心的输出,Burke 和 Kraut 还得使用问卷弄清楚可能的潜在影响因子。具体的说,他们需要将通过 Facebook 进行沟通所产生的影响与其他途径的沟通区分开(例如,email,电话,以及面对面的交流)。即使电子邮件和电话是有记录的,但 Burke 和 Kraut 没法获取这些数据,所以他们不得不使用问卷。用问卷收集他们对友情的亲密成都的感受,以及通过非 Facebook 互动的程度。通过结合问卷数据与 Facebook 的日志数据,Burke 和 Kraut 得出推论:通过 Facebook 的沟通确实会增强人们对亲密度的主观感受。

就像 Burke 和 Kraut 的工作所展示的,大数据资源不会消除对问问题的需求。事实上,从这个研究中我想引出一个完全相反的结论:大数据增加了问问题的价值。这个观点会贯穿本章。因此,最好的角度是把提问与观察看作互补关系,而不是替代关系。他们就像太极的阴和阳。当一方增长时,另一方也相应的增长。当人们大数据源越来越多时,人们会越来越需要问卷调查。

2014