(Hurricane Sandy) 袭击纽约市布鲁克林区时在 Instagram 上共享的照片，以及以色列特拉维夫的用户在阵亡将士纪念日拍摄的照片。他们认为，这种新兴范式能够通过关系、转换和序列来分析数字媒体的个人用户，而不是通过等级和类别。他们的网站Phototrails作为这个研究项目的一部分，提供了许多数据可视化的例子。
很少有社会学家在他们的研究实践中使用技术在网络中获取数据。大卫·比尔（Beer，2012c）是一个例外，他尝试使用社交媒体数据聚合器 Insightlytics 来比较“社会学”(sociology）和“名人”(celebrity)这两个术语在推特上的使用方式。他考察了这些关键词在限定时间段内出现的频率、推文的地理来源、关键词之间的组合、使用这些关键词的资深评论者、关键词所带的情感以及个体推文使用这些关键词的所涉方面。正如比尔所说，这种粗略的分析有很大的局限性。虽然它能够在识别大量数据中的基本模式发挥重要作用，但是这种技术只应被视为社会分析的起点。数字交易数据和用于将它们归类的算法，并不是为服务社会研究者而创建的。因此，对于研究人员来说，它们通常效率低下、不方便使用，并且不能回答他们特定的研究问题。这可能会产生利用数据来塑造研究问题的现象，而不是相反(Beer and Taylor，2013)。
另外两位社会学家努尔杰·马尔(Noortje Marres)和埃丝特·韦尔特弗雷德(Esther Weltevrede）也用网络抓取工具进行了实验，并反思了这些技术作为社会物质客体形塑社会研究实践以及定义“社会”范畴的方式。他们认为“网络抓取工具扰乱了社会研究的‘内部’和外部’之间的区别”(Marres and Weltevede，2013：315)。网络抓取工具及其实践，往往在不同于社会学术研究中的条件和假设下运行。作为一种原生数字数据客体，这种策略所获取的数据已经逐渐格式化。网络抓取工具充当了“分析机器”，它们根据嵌入在软件中的特定编程规范，对其所抓取的数据进行定义、排序，从而预格式化(Marres and Weltevrede，2013：326)。就像比尔、马尔和韦尔特弗雷德所指出的那样，学术研究者在使用网页抓取工具时是有局限的，因为他们必须接受数据生成平台的规范和结构。然而，他们扩展了这一观察结果，认为处理这种格式化的方式可以成为社会学研究的焦点。网络抓取既是一个所使用的软件生成的自动过程，也是一个社会过程，它取决于那些程序员的决策，取决于由此产生的数据共享，并取决于工具使用者讨论出的最佳抉择。社会研究者既可以使用该工具，也可以分析该工具如何作为网络认识论的一种形式运作(Rogers，2013)，这种认识论塑造了可获取的知识的内容、形式和类别。
第三章 数字时代研究的再概念化
69