设为首页
收藏本站
社会观察
小数据研究学者对大数据提出六点质疑
新传研读社发表文章“大数据无所不能吗？来自小数据研究者的六点质疑”，华夏民意网节录文章核心内容与网友共同学习，以便于探讨借鉴。
大数据时代已经来临。计算机科学家、物理学家、经济学家、数学家、社会学家……都被冲入大数据的海洋之中。社交媒体中的互动、健康报告、电话记录、政府档案等数字痕迹，都成为了学者们热衷于追逐的研究素材。不过同时，一个重要的问题也浮现出来：大数据能否帮我们创造更大的公共价值？亦或者说，它只会成为窥探隐私和侵入式营销的工具而已？
大数据是一种技术现象，同时也是文化现象。它迎合了人们“数据越大、智识水平越高”的信念。人们相信，大数据携带着真理、客观和准确的光环，可以生产出我们从未企及的深度思考。另一方面，反乌托邦的观点则担心，大数据（big data）会成为一种新的老大哥（big brother），侵蚀人们的隐私空间、干扰公民行动的自由、增强国家权力。
如今，已经出现了不少对于大数据的研究。不过，我们仍旧有必要进行批判性的思考：何为大数据？谁有权力接近大数据？数据分析是怎样进行的？目的是什么？在这篇文章中，我们提供了有关大数据研究的六种反思，希望能在不同领域的研究者之间引发讨论。
反思01
大数据改变了知识的定义
大数据让我们以前所未有的广度和深度来收集数据，这也在认识论方面产生了深刻影响。也有研究者认为，大数据的问题恰恰在于，在洪流一般的信息背后，缺少哲学意义上的管控。
大数据有自己的局限性。研究者更可能去关注那些正在发生和刚刚发生的数据，因为历史数据几乎不可能挖掘到。真正有价值的问题似乎是：大数据如何改变了学习的意义，这种新的知识系统究竟提供了哪些可能性，又具有哪些局限呢？
思考02
大数据宣称的客观、准确是具有误导性的
大数据提供给人文学科一种新机遇，来实现量化科学和客观方法的梦想。它让更多的社会空间可被量化。不过事实上，在我们看来，大数据方法仍旧是主观的。
科学家们在决定研究设计时，他们也在解释。例如，对于社交媒体数据，存在着“数据清理”（data cleaning）这一道程序。哪些变量和属性要被保留？哪些要被删除？这个过程内在便具有主观性。
如果单纯拒绝解释，大数据还会让我们产生幻想性的错觉。例如，大数据研究经常会发现莫名其妙的相关性。
思考03
数据越大，不一定数据越好
社会科学家一直认为，数据收集和分析的系统性，保证了他们工作的缜密。不管是问卷调查还是实验法，都会提供给其他研究者评估研究效度的途径。
大数据并不意味着整体数据。如果不考虑到样本本身的特质，数据的规模就毫无意义。例如，如果一个学者试图理解Twitter广播的话题频率，但Twitter会自动隐藏那些有问题的内容（例如色情和垃圾信息），那么，无论我们收集多大的数据，结论都是不准确的。
在社会科学的计算转向过程中，我们更需要认识到“小数据”的价值。在任何数据层级上，都有可能产生研究洞见。某些时候，哪怕我们聚焦一个人，都有可能获得卓越的发现。
思考04：
剔除语境的大数据会失去意义
在大数据研究中，常见的两种社会网络是“节点网络”和“行为网络”，所谓节点网络，可以简单理解为好友列表。不过，我选择关注一个人，可能有不同的动机，比如TA是我的朋友、同事、熟人、明星、朋友的朋友、公众人物，或者有意思的陌生人。所谓行为网络，指的是通过技术抓取到的交流信息。这种交流的种类也很多，例如给一个人流言、在照片上tag一个人等等、给一个人发私信，等等。
节点网络和行为网络对研究者具有重要的价值，不过，它们并不能被等同于人际网络。忽略具体的交流语境，仅仅通过交流频率或朋友列表示来测量关系强度，本身是有很大问题的。
思考05
可获得的数据并不一定就是道德的
学者不得不面对一个问题：在社交媒体上，所谓的“公开”（public）数据，究竟该如何使用？如何处理其中的研究伦理问题？一部分人已经意识到问题的严重性，并呼吁平台对用户隐私进行更好的保护。
对于大数据而言，其中的伦理意涵仍旧十分模糊。一个人在社交媒体上的广播应该被纳入到研究数据之中吗？万一TA的广播以一种脱离语境的方式被解读呢？对此，TA有知情权吗？如果TA在研究中遭受到了伤害，谁来负责呢？大数据研究中的知情同意应该如何操作呢？
在大数据的研究中，我们还需要关注真相、控制与权力问题。研究者拥有工具和渠道，但社交媒体用户却没有。他们的广播是在高度情景化的背景下生产的，也很可能不愿意自己的信息被用在其他地方。
思考06：
大数据的使用限制创造了新的数字鸿沟
大数据的狂热者们有理由相信，大数据提供了一种获得大规模数据的简便方法。不过，我们要询问的问题是：谁可以拥有这些数据？在何种情境下拥有？有何限制？
一些公司完全不提供关于自己的任何数据，另一些公司则用这些数据卖钱。这就造成了一种不平等：那些有钱的、有合作关系的研究者，可以生产出完全不同的研究。而不拥有这些资源的研究者，既不能进行这些研究，也没有机会去评估这些研究的方法论主张。
建造起一种基于“谁能读懂数据”的研究阶级。相应的，传统的社会科学研究者的价值可能会被低估。我们需要面临的另一项挑战是，如何才能培养出这样的学生——既通晓社会理论，又熟练掌握算法和数据分析？
大数据时代已经来临。计算机科学家、物理学家、经济学家、数学家、社会学家……都被冲入大数据的海洋之中。社交媒体中的互动、健康报告、电话记录、政府档案等数字痕迹，都成为了学者们热衷于追逐的研究素材。不过同时，一个重要的问题也浮现出来：大数据能否帮我们创造更大的公共价值？亦或者说，它只会成为窥探隐私和侵入式营销的工具而已？
大数据是一种技术现象，同时也是文化现象。它迎合了人们“数据越大、智识水平越高”的信念。人们相信，大数据携带着真理、客观和准确的光环，可以生产出我们从未企及的深度思考。另一方面，反乌托邦的观点则担心，大数据（big data）会成为一种新的老大哥（big brother），侵蚀人们的隐私空间、干扰公民行动的自由、增强国家权力。
如今，已经出现了不少对于大数据的研究。不过，我们仍旧有必要进行批判性的思考：何为大数据？谁有权力接近大数据？数据分析是怎样进行的？目的是什么？在这篇文章中，我们提供了有关大数据研究的六种反思，希望能在不同领域的研究者之间引发讨论。
反思01
大数据改变了知识的定义
大数据让我们以前所未有的广度和深度来收集数据，这也在认识论方面产生了深刻影响。也有研究者认为，大数据的问题恰恰在于，在洪流一般的信息背后，缺少哲学意义上的管控。
大数据有自己的局限性。研究者更可能去关注那些正在发生和刚刚发生的数据，因为历史数据几乎不可能挖掘到。真正有价值的问题似乎是：大数据如何改变了学习的意义，这种新的知识系统究竟提供了哪些可能性，又具有哪些局限呢？
思考02
大数据宣称的客观、准确是具有误导性的
大数据提供给人文学科一种新机遇，来实现量化科学和客观方法的梦想。它让更多的社会空间可被量化。不过事实上，在我们看来，大数据方法仍旧是主观的。
科学家们在决定研究设计时，他们也在解释。例如，对于社交媒体数据，存在着“数据清理”（data cleaning）这一道程序。哪些变量和属性要被保留？哪些要被删除？这个过程内在便具有主观性。
如果单纯拒绝解释，大数据还会让我们产生幻想性的错觉。例如，大数据研究经常会发现莫名其妙的相关性。
思考03
数据越大，不一定数据越好
社会科学家一直认为，数据收集和分析的系统性，保证了他们工作的缜密。不管是问卷调查还是实验法，都会提供给其他研究者评估研究效度的途径。
大数据并不意味着整体数据。如果不考虑到样本本身的特质，数据的规模就毫无意义。例如，如果一个学者试图理解Twitter广播的话题频率，但Twitter会自动隐藏那些有问题的内容（例如色情和垃圾信息），那么，无论我们收集多大的数据，结论都是不准确的。
在社会科学的计算转向过程中，我们更需要认识到“小数据”的价值。在任何数据层级上，都有可能产生研究洞见。某些时候，哪怕我们聚焦一个人，都有可能获得卓越的发现。
思考04：
剔除语境的大数据会失去意义
在大数据研究中，常见的两种社会网络是“节点网络”和“行为网络”，所谓节点网络，可以简单理解为好友列表。不过，我选择关注一个人，可能有不同的动机，比如TA是我的朋友、同事、熟人、明星、朋友的朋友、公众人物，或者有意思的陌生人。所谓行为网络，指的是通过技术抓取到的交流信息。这种交流的种类也很多，例如给一个人流言、在照片上tag一个人等等、给一个人发私信，等等。
节点网络和行为网络对研究者具有重要的价值，不过，它们并不能被等同于人际网络。忽略具体的交流语境，仅仅通过交流频率或朋友列表示来测量关系强度，本身是有很大问题的。
思考05
可获得的数据并不一定就是道德的
学者不得不面对一个问题：在社交媒体上，所谓的“公开”（public）数据，究竟该如何使用？如何处理其中的研究伦理问题？一部分人已经意识到问题的严重性，并呼吁平台对用户隐私进行更好的保护。
对于大数据而言，其中的伦理意涵仍旧十分模糊。一个人在社交媒体上的广播应该被纳入到研究数据之中吗？万一TA的广播以一种脱离语境的方式被解读呢？对此，TA有知情权吗？如果TA在研究中遭受到了伤害，谁来负责呢？大数据研究中的知情同意应该如何操作呢？
在大数据的研究中，我们还需要关注真相、控制与权力问题。研究者拥有工具和渠道，但社交媒体用户却没有。他们的广播是在高度情景化的背景下生产的，也很可能不愿意自己的信息被用在其他地方。
思考06：
大数据的使用限制创造了新的数字鸿沟
大数据的狂热者们有理由相信，大数据提供了一种获得大规模数据的简便方法。不过，我们要询问的问题是：谁可以拥有这些数据？在何种情境下拥有？有何限制？
一些公司完全不提供关于自己的任何数据，另一些公司则用这些数据卖钱。这就造成了一种不平等：那些有钱的、有合作关系的研究者，可以生产出完全不同的研究。而不拥有这些资源的研究者，既不能进行这些研究，也没有机会去评估这些研究的方法论主张。
建造起一种基于“谁能读懂数据”的研究阶级。相应的，传统的社会科学研究者的价值可能会被低估。我们需要面临的另一项挑战是，如何才能培养出这样的学生——既通晓社会理论，又熟练掌握算法和数据分析？