判断数据效度的另一个困难是一些数据贡献者试图戏弄系统或作恶作剧，发布不准确的信息或篡改的图像来呈现事实(Procter etal.，2013)。作为数据来源，他们以个体的目的和手段来操纵数据，比如选择上传特定图像，在社交网络中分享或转发精心挑选的、能代表个体角色形象的素材给好友或粉丝。搜索引擎结果或推特主题趋势，也可以被那些寻求商业或政治利益的人所操纵(Lazer et al.2014)。同样，诸如“点赞”“分享”“粉丝”这样的数字数据，也可以很容易地进行操纵（例如通过购买或使用自动化程序，参见Baym, 2013)。
一些批评者指出，不论大数据的效度如何，即便大数据包含众多数字数据客体，大规模数据集的解释力仍是有限的。大数据基本上能够提供不同变量之间的相关性和联系性的统计和证据，但除此之外，它们并不具有洞察力。大数据几乎无法阐释其生产背景(Andrejevic，2013；Uprichard，2012，2013)。数据的意义也可能会丢失或被误解，因为数字化资料中可能不包含其他意义指标原始文本产生时的社会和文化背景，或者关键词或文本之间的相关性。例如，社交媒体数据中的“情感”解释，是由自然语言处理算法进行的。由于这些是根据计算机代码生成的，而不是由人类解释的，这种分析很容易忽略意义的细微差别和模糊性。文化文本中的词汇和其他元素，仅被简化为计算机数据(Beer and Taylor，2013;Gooding，2013)。如果没有详细地了解上下文，当用户在社交媒体上评论时，我们通常很难判断内容的主旨，比如他们是认真的还是讽刺的。
第三章 数字时代研究的再概念化
73