{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8","title":"数字社会学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787208177284","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8","id":"dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8","uuid":"dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8","title":"数字社会学","normalized_title":"数字社会学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787208177284","isbns":["9787208177284"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":298,"navigation_url":"https://workshop.closeclaw.top/ai/book/dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8","title_url":"https://workshop.closeclaw.top/ai/title/%E6%95%B0%E5%AD%97%E7%A4%BE%E4%BC%9A%E5%AD%A6","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8","page_url":"https://workshop.closeclaw.top/api/ai/books/dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8/page","search_url":"https://workshop.closeclaw.top/api/ai/books/dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8/search"},"page":{"printed_page":"113 / 131","pdf_page":151,"physical_index":151,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"555a47e550f3845e27e41cde58e7f5541af15142a296b04b27b8a778399dd152"},"chapter":"第五章 大数据批判社会学","content":"大数据的肤浅性（superficiality）也引起了一些社会研究者的批判，他们认为，人们增加大数据的使用来试图理解社会行为和身份认同，却忽略了多重的复杂性、矛盾性和相互关联性，因此也忽略了这些现象的意义。尽管大数据是一种构成高级知识的形式，但它对于人们行动的原因并不能提供深入见解(boyd and Crawford，2012；Uprichard，2013)。大数据有时会与“小”“深”“厚”或“宽”数据相比较，后者是对“大”数字数据的回应，强调大规模的数据并不总是更好的。“小数据”(small data)是指个体为了个人目的而收集的关于自身或环境的个性化信息；“深度数据”(deep data)指的是那些详细的、深人的信息，通常来源于定性而非定量的数据；“宽数据”(wide data）被用来描述收集信息、然后将它们结合起来以提供更深刻见解的各种形式；“厚数据”(thick data)一词凸显了数据的语境性，或者说只有在其生成和使用的特定语境中才能理解的数据(Boellstorff, 2013)。\n\n大数据伦理\n\n大数据也有许多重要的伦理和政治含义。“好数据”(good data)和“坏数据”（bad data）这两个术语有时被用来描述企业和政府机构使用大数据的意义（Lesk，2013)。“好数据”为商业企业和政府机构提供利益，有助于推进重要的研究进展（如医学课题），并协助采取安全和防护措施，而不损害消费者和公民的利益，不侵犯他们的隐私或公民自由（否则就是“坏数据”)。关于数据“洪流”和“海啸”的讨论——或者用更平实的语言来说，数字数据的动态性、指数增长性和相互关联性——强化了人们对隐私和数据安全问题的忧虑。据估计，一个典型的美国人会被以20多种不同的方式收集数据。由于数字监视手段的介入，这个数量是15年前的两倍（Angwin andValentino-Devries，2012)。个体信息一直在被第三方数据经纪机构从数据库中出售，这些信息包括警官的家庭住址，某人是否为强奸的受害者，是否患有遗传病、癌症或艾滋病。尽管许多数字数据集删除了个人信息（如姓名和地址)，但是，包含同一个人的详细信息的多个数据集的组合，仍会抹去数据的匿名性（Crawford，2014)。\n\n第五章 大数据批判社会学\n\n113\n\n131","previous_page":150,"next_page":152}