在学校教育领域，人们越来越倾向于使用从许多数据集中提取的数字化数据，并将它们结合起来，以提供更为详实的学生数据资料。“学习分析”(learning analytics）用于为学生个体创建“学习档案”，以分析他们学习中的强项、弱项和方法；而预测分析(predictive analytics）在不同学生群体中（按性别、年龄、社会经济地位和民族/种族划分)，试图分析可用于提升学生学习成绩的手段(Grant，2013)。一些国家的高等教育也在这样做。例如，一些美国高校正在使用预测分析法，将学生的成绩、每学期的学时数、课外工作时间、家庭资金支持水平以及其他因素结合起来，来预防新生注册后最可能出现的问题（Ungerleider，2013）。
警务安全机构也在使用大数据，以鉴别具有安全威胁的行为模式、犯罪模式、潜在的嫌疑人或恐怖分子，并将其作为“预测警务”(predictive policing)的一部分，来预测犯罪嫌疑人和犯罪地点。美国联邦调查局将近期犯罪事件的日期、时间点、类型和地点的详细信息输人数据库，并将这些信息与历史犯罪数据相结合，构建由算法生成的“犯罪热点”，以加大监视及其他警务资源的力度。执法部门和安全机构也试图识别可疑团体或个体，并将其作为监视、进一步调查、搜查或拘留的目标(Crawford and Schultz，2014)。爱德华·斯诺登发布的文件显示，美国和其他英语国家政府通过访问由商业企业收集的数字数据，来对本国公民进行大规模的监视活动。鉴于这些监视数据收集活动的范围，美国国家安全局正在为自己的存储目的而建立一个大数据中心也就不足为奇了(Lesk，2013)。
数字社会学
100
116