Por Marziyeh Ebrahimi
Bit by Bit: Social Research in the Digital Age (Bit por Bit: Pesquisa Social na Era Digital), escrito por Matthew J. Salganik, Professor da Universidade Princeton, fornece informação clara e detalhada sobre a realização de pesquisa social na era digital. O livro tem conteúdo atualizado que abrange uma ampla gama de conceitos relacionados ao conteúdo online e também oferece atividades e soluções, o que o torna um texto perfeito tanto para pesquisadores que trabalham com big data quanto para professores universitários que procuram um livro didático neste tema. O livro está acessível no seu site e Salganik também forneceu uma série de materiais de ensino, como ementas e slides, para cada capítulo.
Na introdução, Salganik salienta que este livro tem dois públicos-alvo que têm muito a aprender um com o outro. Por um lado, é para cientistas sociais que têm treinamento e experiência estudando o comportamento social; por outro lado, o livro é também para cientistas de dados que receberam treinamento em ciências ou engenharia da computação. Este livro procura reunir estas duas comunidades para produzir algo mais rico e mais interessante do que cada comunidade poderia produzir individualmente.
Bit by Bit tem sete capítulos e progride através de quatro amplos projetos de pesquisa: comportamento de observação; fazendo perguntas; executando experimentos; e criando colaboração em massa. Ao final de cada capítulo, oferece uma ampla gama de atividades, que são rotuladas por grau de dificuldade e pelas habilidades necessárias para resolvê-las, incluindo matemática, codificação ou coleta de dados.
Na era analógica, coletar dados sobre comportamento – dados relacionados a quem faz o que e quando – era caro e, portanto, relativamente raro. Agora, na era digital, o comportamento de bilhões de pessoas é registrado, armazenado e analisável. Como esses dados são um subproduto das ações cotidianas das pessoas, eles geralmente são chamados de “traços digitais”. A inundação cada vez maior do big data significa que fomos de um mundo onde os dados sobre comportamento são escassos para outro em que são abundantes.
Salganik considera que o primeiro passo para aprender sobre big data é perceber que é parte de uma categoria mais ampla de dados que tem sido usada em pesquisa social há muitos anos: dados observacionais. A grosso modo, isso diz respeito a quaisquer dados que resultem da observação de um sistema social sem intervir de alguma forma. No entanto, como ele escreve:
Fontes de big data estão em toda parte, mas usá-las para pesquisa social pode ser complicado. Na minha experiência, há algo como a regra de “não há almoço grátis” para dados: se você não investir muito trabalho coletando os dados, então você provavelmente terá que dedicar muito esforço pensando sobre eles e os analisando.
Em relação a fontes de big data, Salganik escreve que muitos pesquisadores se concentram imediatamente em dados online criados e coletados por empresas, como registros de mecanismos de pesquisa e postagens de mídia social. No entanto, isso deixa de fora outras duas fontes importantes de big data. Primeiro, fontes corporativas de big data que vêm de dispositivos digitais no mundo físico; e, segundo, registros administrativos do governo. É verdade que estas fontes de informação sempre foram usadas [(não) eticamente] por cientistas sociais, mas o que mudou foi a digitalização, que tornou dramaticamente mais fácil para os governos coletar, transmitir, armazenar e analisar dados.
Salganik introduz as dez características comuns do big data: grande; sempre ligado; não reativo; incompleto; inacessível; não representativo; derivativo; algorithmically confounded; sujo; e sensível. Por exemplo, a coleta de dados “sempre ligada” permite que os pesquisadores estudem eventos inesperados de maneiras que não seria possível de outra forma. Por exemplo, aqueles que estudam os protestos do Occupy Gezi que aconteceram na Turquia no verão de 2013 normalmente se concentram no comportamento dos manifestantes durante o evento, uma vez que os dados foram disponibilizados publicamente online através das redes sociais. Em relação à “não reatividade”, Salganik escreve que:
Um desafio da pesquisa social é que as pessoas podem mudar seu comportamento quando sabem que estão sendo observadas pelos pesquisadores. Os cientistas sociais geralmente chamam isso de reatividade. Um aspecto do big data que muitos pesquisadores acham promissor é que os participantes geralmente não estão cientes de que seus dados estão sendo capturados ou se tornaram tão acostumados a esta coleta de dados que não alteram mais seu comportamento. Como os participantes são não-reativos, portanto, muitas fontes de big data podem ser usadas para estudar comportamentos que não foram passíveis de medições precisas anteriormente.
Além disso, ele identificou três estratégias principais para aprender com fontes de big data: contando as coisas; prevendo coisas; e aproximando experimentos.
Entre os conceitos de pesquisa digital que Salganik desenvolveu ao longo deste livro, criando colaboração em massa, o título do Capítulo Cinco, oferece uma perspectiva única sobre as novas formas de pesquisa social e colaboração em nosso tempo. Ele explica que:
A era digital felizmente permite muitas formas inovadoras de colaboração. Por exemplo, a chave para o sucesso da Wikipédia não foi um novo conhecimento, mas uma nova forma de colaboração. A colaboração em massa combina ideias da ciência do cidadão, significando o envolvimento dos cidadãos no processo científico e o crowd-sourcing, que envolve tomar um problema normalmente resolvido dentro de uma organização e, em vez disso, terceirizá-lo para uma multidão e para a inteligência coletiva.
No entanto, a era digital não apenas criou novas oportunidades para coletar e analisar dados sociais, mas também produziu novos desafios éticos. Salganik argumenta que quatro princípios podem orientar os pesquisadores que enfrentam incertezas éticas: respeito pelas pessoas; beneficência; justiça; e respeito pela lei e interesses públicos. No entanto, a ética em pesquisa envolve discussões sobre o que fazer e o que não fazer. Como solução para estes dilemas, ele sugere que os pesquisadores se coloquem no lugar dos outros: “Muitas vezes, os pesquisadores estão tão focados nos objetivos científicos de seus trabalhos que veem o mundo apenas através desta lente. Esta miopia pode levar a um mau julgamento ético”. Portanto, quando estiver pensando em seu estudo, tente imaginar como seus participantes, outras partes interessadas relevantes e até mesmo um jornalista poderiam reagir à pesquisa. Esta visão em perspectiva é diferente de imaginar como você se sentiria em cada uma dessas posições. Em vez disso, está tentando imaginar como estas outras pessoas se sentirão.
Em última análise, Salganik acredita que os pesquisadores sociais estão em processo de fazer uma transição semelhante à mudança da fotografia para a cinematografia. O futuro da pesquisa social será uma combinação de ciência social e ciência de dados, onde haverá mais coleta de dados centrada nos participantes, e a ética passará de uma preocupação periférica para uma precaução central e um tópico de pesquisa por si só. Bit by Bit fornece uma visão abrangente sobre esta nova maneira de fazer pesquisa social em nosso tempo, além de ser um daqueles livros que todos os cientistas sociais devem ler ou considerar.
Links Externos
Bit by Bit: Social Research in the Digital Age <http://www.bitbybitbook.com/>
Matthew Salganik <http://www.princeton.edu/~mjs3/>
Sobre Marziyeh Ebrahimi
Marziyeh Ebrahimi começou a escrever profissionalmente como jornalista na agência de notícias ISNA, no Irã, quando tinha 17 anos. Ela defendeu sua tese de doutorado sobre análise de comportamento de usuários na Universidade de Navarra, na Espanha, em 2016. Atualmente, ela colabora como pesquisadora de pós-doutorado na Universidad Panamericana no Mexico, em Aguascalientes.
Artigo original em inglês
Traduzido do original em inglês por Lilian Nassi-Calò.
Como citar este post [ISO 690/2010]:
Últimos comentários