{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"ae053936-f6b1-488b-8973-bb2332d1be14","title":"数字技术研究","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787308182003","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"ae053936-f6b1-488b-8973-bb2332d1be14","id":"ae053936-f6b1-488b-8973-bb2332d1be14","uuid":"ae053936-f6b1-488b-8973-bb2332d1be14","title":"数字技术研究","normalized_title":"数字技术研究","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787308182003","isbns":["9787308182003"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":790,"navigation_url":"https://workshop.closeclaw.top/ai/book/ae053936-f6b1-488b-8973-bb2332d1be14","title_url":"https://workshop.closeclaw.top/ai/title/%E6%95%B0%E5%AD%97%E6%8A%80%E6%9C%AF%E7%A0%94%E7%A9%B6","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/ae053936-f6b1-488b-8973-bb2332d1be14/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/ae053936-f6b1-488b-8973-bb2332d1be14/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/ae053936-f6b1-488b-8973-bb2332d1be14","page_url":"https://workshop.closeclaw.top/api/ai/books/ae053936-f6b1-488b-8973-bb2332d1be14/page","search_url":"https://workshop.closeclaw.top/api/ai/books/ae053936-f6b1-488b-8973-bb2332d1be14/search"},"page":{"printed_page":763,"pdf_page":787,"physical_index":787,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"308b575cf4639cb2a9639a90a03da4fdde494855faeafb630fa43ec5857728e4"},"chapter":"第30章 学界与业界的相互作用：人机交互与扎根创新","content":"本书中还讲到了数字技术研究的另一些关键性挑战，包括发展出有效使用自动生成数据—比如，游戏系统储存的电脑记录数据的方法与程序。正如几个章节中所强调的，从分析角度来看，数字技术的使用本身能产生更加迥然不同的记录存储方法，比如，数据收集可能包括视频数据、音频数据及与数字活动相关的数据(电脑记录数据)，其中包括GPS数据、身体感应数据及系统活动数据。这样的数据收集方法导致产生了不同的数据记录形式，比如，有音频加视频数据，有独立的音频与电脑记录数据。这给分析带来了一些问题，人们需要对事件在同一个时间点的不同状态相互参照，因而更加需要对所记录的数据进行同步，甚至精确到秒。鉴于数据捕捉方法涉及多个媒介，而且要用于支持事后检验，此类问题非常重要。数字技术还带来了大量自动生成的数据，包括数字视频数据与电脑记录数据。由此带来的机会令人兴奋，为我们进行社会科学研究提供了机会，开放了丰富的数据集，产生了大量可以管理与分析的数据，但也带来一个问题，即如何获得“高质量的”数据。比如，冗长的数字视频数据是实时记录下来的，从数量上来讲非常丰富，但提供给研究问题的优质内容却不见得足够丰富。因而，一个重要的难点在于如何发展更复杂而有效的方法来收集与分析“定性”数据尤其是自动获取相关数据、推动相关分析程序的方法。\n\n本书的多个章节都谈到了与这两个难点相关的方法论问题，涉及研究的规模与可延展性从微观分析到宏观关注，从特殊到一般。正如本书的部分章节所指出的，许多数字技术研究也是在短期内进行的，往往表现为一次性干预；由于技术环境的快速变化，再加上工作与教育环境不可能过分投入需要很长时间来研究的新技术，更加剧了对技术进行纵向研究的难度。因而，我们现在很少见到经过广泛部署与实施的研究项目。另一个难点在于在真实情境中研究技术，因为人们对技术的亲身体验往往发生在多个不同的地点，并且随时间而慢慢展开。这意味着，没有一个可靠的测试平台可供人们进行全面的或纵向的研究。因而，我们看到的是大量独立的案例研究，影响了研究结果的连贯性。\n\n后记：展望未来\n\n763","previous_page":762,"next_page":764}