Big Data, samfundsvidenskab og hvordan man ændrer negative resultater til positive

Forfatter: Eugene Taylor
Oprettelsesdato: 14 August 2021
Opdateringsdato: 22 Juni 2024
Anonim
Big Data, samfundsvidenskab og hvordan man ændrer negative resultater til positive - Teknologi
Big Data, samfundsvidenskab og hvordan man ændrer negative resultater til positive - Teknologi

Indhold



Kilde: Pppbig / Dreamstime.com

Tag væk:

Store data kan anvendes i næsten ethvert felt. Her undersøger vi, hvor store data der kan bruges i socialt arbejde - og hvilke konsekvenser det har for andre studieretninger.

Datavolumen vokser hurtigt på grund af brugen af ​​mobile enheder, sociale medier og data fra andre ustrukturerede kilder. Store datateknologier, såsom Hadoop, indtager førersædet i erhvervslivet ved at introducere nye tilgange til analyse af større datamængder på tværs af forskellige kilder.

Big data defineres som mængden, variationen og hastigheden af ​​data, der overskrider en organisations evne til at styre og analysere dem på en rettidig måde. Den sande fordel ved big data realiseres, når de kan høstes til hurtige, faktabaserede beslutninger, hvilket kan føre til store forretningsbeslutninger. Så organisationer, der er i stand til at udforske og drage fordel af big data, har en tendens til at have en klar fordel. Her skal du godt se på, hvad big data kan gøre, hvordan de kan anvendes i et datarigt felt, og hvilke bredere applikationer dette har for andre forretningsområder og myndigheder.

Dataeksplosionen

Den bedste måde at definere big data er "den stadigt voksende mængde og kompleksitet af information, som vi alle skaber og forbruger hver dag," siger Charlie Schick, direktør for big data-løsninger til sundhedspleje og biovidenskab hos IBM. Faktisk opretter vi hver dag cirka 2,5 quintillion byte af data ved hjælp af en række kilder, fra forskellige indkøbstransaktionsregistre til medicinske medicinske billeder, fra videnskabelige forskningsresultater til sociale medier.

Søgemaskiner sammen med sociale medier såsom har oprettet en ny forekomst af små bits af data, der indsamles i stor skala. Dette har også ændret vores måde at tænke på indsamling og styring af disse data på. Den nuværende kultur er at forbruge større mængder af disse små datamaterialer i korte perioder. Denne tilgang giver enorme udfordringer såvel som spændende muligheder for datastyring. For at en forretningsmodel skal lykkes, skal den kunne behandle større datamængder, fanget på små og stadig mere forskellige måder.

I betragtning af datamængden bliver det en udfordring at finde en effektiv mekanisme til at indsamle dem. Lad os overveje sagen om sundhedsvæsenet og sociale mediedata. Begge disse områder har store datasæt. Dataindsamling for disse felter er et vigtigt skridt i udviklingen af ​​big datas. Uden at have en passende mekanisme til indsamling af data, kan vi ikke have nøjagtige resultater.

Udforskning og behandling af Big Data

Fremover antages det, at organisationer, der kan udforske og drage fordel af big data, skal være i stand til hurtigt at tage mere evidensbaserede beslutninger. Ved hjælp af big data kan vi nemt give svar på nogle væsentlige spørgsmål i næsten ethvert område. Her skal du imidlertid godt se på sektoren for sociale tjenester, et område, hvor big data har magten til at gøre en enorm indflydelse.

For eksempel skal big data være i stand til at analysere og besvare følgende spørgsmål og i sidste ende give et bedre patientresultat:
  • Hvad er sammenhængen mellem genoptagelse og adgang til sociale tjenester?

  • Er der nogen sammenhæng mellem opholdets længde og effektiviteten af ​​interventionen?

  • Hvad er forbindelsen mellem hjemmeadresse og hyppighed af besøg?

  • Er det muligt at finde en forbindelse mellem familiestatus, interventioner og resultater, der kan hjælpe os med at identificere lignende interventionskandidater, når de kommer ind i plejesystemet?

  • Er der et indblik i et segment af befolkningen, der hjælper os med at finpusse vores programmer til enten at reagere på eller gå foran en negativ tendens som teenagers graviditet eller vold i hjemmet?
Det er en kendsgerning, at brug af big data i socialsektoren kunne give socialarbejdere mulighed for at holde øje med de negative tendenser og tage de nødvendige handlinger i tide. Hvis vi er i stand til at identificere behovene, allerede før klienten kender dem, kan vi håndtere situationen på en meget effektiv måde. At droppe ud af skolen inden for ungdomssektoren kan betragtes som et potentielt eksempel. Hvis vi tjekker tendenser, som ungdom frigør sig fra skolen eller demonstrerer handlinger, der har tendens til at føre til større risikoadfærd eller uddannelsesmæssig underprestation - når data tydeligt viser et større potentiale - bliver det muligt at gribe ind med forebyggende foranstaltninger, der måske ikke koster mere, men er mere effektive og kan køres til klienten.

Store data gør det muligt at håndtere disse situationer og opdage årsagen til problemerne. Dette hjælper os med at udrydde problemet, når det først er identificeret. Vi kan kun opdage problemet ved at se på tendenser og historiske data. I sociale medier skal vi have en trendanalysemekanisme, mens vi analyserer dataene. Jo større datasæt vi analyserer, jo bedre og mere præcise resultater kan vi opnå. Big data giver ikke kun måder at håndtere store datamængder på, men de leverer også innovative løsninger til behandling af en bredere vifte af data. Big data har evnen til at håndtere strukturerede, ustrukturerede og semistrukturerede datasæt. (Lær mere i 5 reelle verdensproblemer, som Big Data kan løse.)

Big Data-analyse i samfundsvidenskab

Analyse af sociale data er intet andet end at analysere de sociale data. Disse data kan komme fra ethvert felt. Som nævnt ovenfor er vi nødt til at finde ud af den nøjagtige årsag til negative resultater - såsom frafald i gymnasiet - i en bestemt sektor. Når problemet er identificeret, bliver det lettere at håndtere situationen. Big data er et værktøj, der gør det muligt at finde disse indsigter mulig.