Μεγάλα Δεδομένα, Κοινωνικές Επιστήμες και Πώς να Αλλάξετε Αρνητικά Αποτελέσματα σε Θετικά

Συγγραφέας: Eugene Taylor
Ημερομηνία Δημιουργίας: 14 Αύγουστος 2021
Ημερομηνία Ενημέρωσης: 22 Ιούνιος 2024
Anonim
Lotus-Born Master: The Shambhala Access Code || Guru Padmasambhava, Guru Rinpoche ||
Βίντεο: Lotus-Born Master: The Shambhala Access Code || Guru Padmasambhava, Guru Rinpoche ||

Περιεχόμενο



Πηγή: Pppbig / Dreamstime.com

Πάρε μακριά:

Μεγάλα δεδομένα μπορούν να εφαρμοστούν σχεδόν σε οποιοδήποτε πεδίο. Εδώ εξετάζουμε πόσο μεγάλα δεδομένα μπορούν να χρησιμοποιηθούν στην κοινωνική εργασία - και ποιες είναι οι συνέπειες που έχουν για άλλους τομείς σπουδών.

Ο όγκος δεδομένων αυξάνεται ραγδαία λόγω της χρήσης κινητών συσκευών, κοινωνικών μέσων και δεδομένων από άλλες αδόμητες πηγές. Μεγάλες τεχνολογίες δεδομένων, όπως ο Hadoop, οδηγούν στην έδρα των οδηγών στον επιχειρηματικό κόσμο, εισάγοντας νέες προσεγγίσεις για την ανάλυση μεγαλύτερων όγκων δεδομένων από διάφορες πηγές.

Τα μεγάλα δεδομένα ορίζονται ως ο όγκος, η ποικιλία και η ταχύτητα των δεδομένων που υπερβαίνουν την ικανότητα των οργανωτών να τα διαχειρίζονται και να τα αναλύουν εγκαίρως. Το πραγματικό πλεονέκτημα των μεγάλων δεδομένων πραγματοποιείται όταν μπορεί να συγκομιστεί για γρήγορες και βασισμένες σε πραγματικές αποφάσεις, οι οποίες μπορούν να οδηγήσουν σε μεγάλες επιχειρηματικές αποφάσεις. Έτσι, οι οργανώσεις που είναι σε θέση να διερευνήσουν και να επωφεληθούν από τα μεγάλα δεδομένα τείνουν να έχουν ένα ξεχωριστό πλεονέκτημα. Εδώ μπορείτε να δείτε τι μπορούν να κάνουν τα μεγάλα δεδομένα, πώς μπορούν να εφαρμοστούν σε έναν τομέα πλούσιο σε δεδομένα και ποιες ευρύτερες εφαρμογές έχουν για άλλους τομείς επιχειρήσεων και κυβέρνησης.

Η Έκρηξη Δεδομένων

Ο καλύτερος τρόπος για να ορίσετε τα μεγάλα δεδομένα είναι "η συνεχώς αυξανόμενη ποσότητα και η πολυπλοκότητα των πληροφοριών που όλοι μας δημιουργούμε και καταναλώνουμε καθημερινά", λέει ο Charlie Schick, διευθυντής μεγάλων λύσεων δεδομένων για την υγειονομική περίθαλψη και τις βιοεπιστήμες στην IBM. Στην πραγματικότητα, κάθε μέρα δημιουργούμε περίπου 2,5 quintillion bytes δεδομένων χρησιμοποιώντας μια ποικιλία πηγών, από διάφορα αρχεία συναλλαγών αγορών έως ιατρικές εικόνες ιατρικής περίθαλψης, από επιστημονικά ευρήματα έρευνας μέχρι κοινωνικά μέσα.

Οι μηχανές αναζήτησης μαζί με τα κοινωνικά μέσα, όπως, έχουν δημιουργήσει μια νέα εμφάνιση μικρών μπιτ δεδομένων που συλλέγονται σε μεγάλη κλίμακα. Και αυτό έχει αλλάξει τον τρόπο σκέψης μας για τη συλλογή και τη διαχείριση αυτών των δεδομένων. Ο σημερινός πολιτισμός είναι να καταναλώνουν μεγαλύτερες ποσότητες αυτών των μικρών τεμαχίων δεδομένων σε σύντομες χρονικές περιόδους. Αυτή η προσέγγιση παρουσιάζει τεράστιες προκλήσεις καθώς και συναρπαστικές ευκαιρίες διαχείρισης δεδομένων. Για να επιτύχει ένα επιχειρηματικό μοντέλο, θα πρέπει να είναι σε θέση να επεξεργάζεται μεγαλύτερους όγκους δεδομένων, που συλλαμβάνονται με μικρούς και ολοένα και πιο ποικίλους τρόπους.

Δεδομένου του όγκου των δεδομένων, γίνεται πρόκληση να βρεθεί ένας αποτελεσματικός μηχανισμός συλλογής. Ας εξετάσουμε την περίπτωση των δεδομένων της υγειονομικής περίθαλψης και των κοινωνικών μέσων. Και οι δύο περιοχές έχουν μεγάλα σύνολα δεδομένων. Η συλλογή δεδομένων για αυτά τα πεδία είναι ένα σημαντικό βήμα στην εξέλιξη μεγάλων δεδομένων. Χωρίς να έχουμε έναν κατάλληλο μηχανισμό συλλογής δεδομένων, δεν μπορούμε να έχουμε ακριβή αποτελέσματα.

Εξερεύνηση και επεξεργασία μεγάλων δεδομένων

Πηγαίνοντας προς τα εμπρός, πιστεύεται ότι οι οργανώσεις που μπορούν να διερευνήσουν και να επωφεληθούν από τα μεγάλα δεδομένα θα πρέπει να είναι σε θέση να κάνουν πιο γρήγορα αποφάσεις βασισμένες σε αποδεικτικά στοιχεία. Χρησιμοποιώντας μεγάλα δεδομένα, μπορούμε εύκολα να δώσουμε απαντήσεις σε μερικές σημαντικές ερωτήσεις σχεδόν σε κάθε περιοχή. Εδώ, όμως, ρίξτε μια ματιά στον τομέα των κοινωνικών υπηρεσιών, έναν τομέα όπου τα μεγάλα δεδομένα έχουν την εξουσία να έχουν τεράστιο αντίκτυπο.

Για παράδειγμα, τα μεγάλα δεδομένα θα πρέπει να είναι σε θέση να αναλύουν και να απαντούν στις ακόλουθες ερωτήσεις και τελικά να παρέχουν ένα καλύτερο αποτέλεσμα για τον ασθενή:
  • Ποια είναι η σχέση μεταξύ της επανεισδοχής και της πρόσβασης στις κοινωνικές υπηρεσίες;

  • Υπάρχει κάποια συσχέτιση μεταξύ της διάρκειας της παραμονής και της αποτελεσματικότητας της παρέμβασης;

  • Ποια είναι η σχέση μεταξύ της διεύθυνσης κατοικίας και της συχνότητας επίσκεψης;

  • Είναι δυνατόν να βρούμε έναν σύνδεσμο μεταξύ της οικογενειακής κατάστασης, των παρεμβάσεων και των αποτελεσμάτων που μπορούν να μας βοηθήσουν να εντοπίσουμε παρόμοιους υποψηφίους παρέμβασης καθώς εισέρχονται στο σύστημα φροντίδας;

  • Υπάρχει κάποια κατανόηση σε ένα τμήμα του πληθυσμού που μας καθοδηγεί να τροποποιήσουμε τα προγράμματά μας για να ανταποκριθούμε είτε να προχωρήσουμε μπροστά σε αρνητικές τάσεις όπως η εφηβική εγκυμοσύνη ή η ενδοοικογενειακή βία;
Είναι γεγονός ότι η χρήση μεγάλων δεδομένων στον τομέα των κοινωνικών υπηρεσιών θα μπορούσε να επιτρέψει στους κοινωνικούς λειτουργούς να παρακολουθούν τις αρνητικές τάσεις και να λαμβάνουν εγκαίρως τις απαραίτητες ενέργειες. Αν είμαστε σε θέση να προσδιορίσουμε τις ανάγκες ακόμη και πριν ο πελάτης γνωρίσει γι 'αυτούς, μπορούμε να χειριστούμε την κατάσταση με πολύ αποτελεσματικό τρόπο. Η απόρριψη του σχολείου, στον τομέα της νεολαίας, μπορεί να θεωρηθεί πιθανό παράδειγμα. Εάν ελέγξουμε τις τάσεις σχετικά με την αποχώρηση από τη σχολική ηλικία από το σχολείο ή την παρουσίαση δράσεων που τείνουν να οδηγήσουν σε μεγαλύτερη συμπεριφορά κινδύνου ή σε χαμηλή εκπαιδευτική απόδοση - όταν τα δεδομένα δείχνουν σαφώς υψηλότερα δυνατά - τότε γίνεται δυνατή η παρέμβαση με προληπτικά μέτρα που μπορεί να μην κοστίζουν περισσότερο είναι πιο αποτελεσματικά και μπορούν να οδηγηθούν στον πελάτη.

Μεγάλα δεδομένα καθιστούν δυνατή την αντιμετώπιση αυτών των καταστάσεων και την ανακάλυψη του λόγου των προβλημάτων. Αυτό μας βοηθά να εξαλείψουμε το πρόβλημα, αφού προσδιοριστεί. Μπορούμε να ανακαλύψουμε το πρόβλημα μόνο εξετάζοντας τις τάσεις και τα ιστορικά δεδομένα. Στα κοινωνικά μέσα ενημέρωσης, ενώ αναλύουμε τα δεδομένα, πρέπει να έχουμε έναν μηχανισμό ανάλυσης τάσεων. Το μεγαλύτερο σύνολο δεδομένων που αναλύουμε, τα καλύτερα και πιο ακριβή αποτελέσματα που μπορούμε να επιτύχουμε. Τα μεγάλα δεδομένα όχι μόνο παρέχουν τρόπους χειρισμού μεγάλου όγκου δεδομένων, αλλά παρέχουν επίσης καινοτόμες λύσεις για την επεξεργασία ευρύτερου φάσματος δεδομένων. Τα μεγάλα δεδομένα έχουν την ικανότητα να χειρίζονται δομημένα, αδόμητα και ημι-δομημένα σύνολα δεδομένων. (Μάθετε περισσότερα σε 5 προβλήματα του πραγματικού κόσμου Μεγάλα δεδομένα μπορούν να λύσουν.)

Μεγάλη Ανάλυση Δεδομένων στην Κοινωνική Επιστήμη

Η ανάλυση κοινωνικών δεδομένων δεν είναι παρά η ανάλυση των κοινωνικών δεδομένων. Αυτά τα δεδομένα μπορούν να προέρχονται από οποιοδήποτε πεδίο. Όπως αναφέρθηκε παραπάνω, πρέπει να βρούμε τον ακριβή λόγο αρνητικών αποτελεσμάτων - όπως τα εγκατάλειψη του σχολείου - σε ένα συγκεκριμένο τομέα. Μόλις αναγνωριστεί το πρόβλημα, γίνεται ευκολότερη η αντιμετώπιση της κατάστασης. Τα μεγάλα δεδομένα είναι ένα εργαλείο που επιτρέπει την εύρεση αυτών των πληροφοριών.