{"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":129,"pdf_page":149,"physical_index":149,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"db2b2ba1503eefd40c637d4d0f02fde6986bc0b60ff4329e5d33a622faff0e9e"},"chapter":"第五章 大数据批判社会学","content":"大数据集的整洁有序引人注目，这是其文化力量和共鸣的一部分，但这却也是海市蜃楼。大数据集虽然规模很大，但不一定总是“干净”、有效或可靠的(Lazer et al.，2014)。当数据集特别庞大时，“脏数据”(dirtydata)或者不完整、不正确的数据问题就会变得更加严重。这些数据在被“清理”或调整至可用于分析的形式之前都是无用的(boyd and Crawford，2012；Waterman and Hendler，2013)。为了确保数据“干净”、可用，雇用数据处理专家可能是非常昂贵的。\n\n除了讨论数据的“生”“熟”隐喻(本章前面提到过)，波尔斯托夫（Boellstorff，2013）进一步借鉴了人类学家克洛德·列维-斯特劳斯（Claude Lévi-Strauss）引入的“腐烂”数据概念。这一隐喻强调了数字数据的转换方式，而这些方式可能超出了其创始人的预期或想象。它还承认数据的物质性，承认数据的存储方式可能会导致数据退化或数据丢失。“腐烂”数据概念使人们注意到数据的不洁性，这背离了数字数据的主流概念，即干净、客观和纯粹。数字数据的生产、传输和存储方式并不是万全的，网络链接之间的联系并不总是一向无缝和流动的。如果“网络”或“互联网”的隐喻倾向于暗示线或绳之间的相互连接，那么就会出现“断网”或“阻止站点”等提示语，表明它们之间可能无法相互连接，从而变得混乱、毫无用处。由于网站破坏、长期未更新、链接失效或政府管控等因素，网络可能会在不同点出现“断网”（Rogers，2013：127)。\n\n构建大数据收集和解释的基本假设，也需要强调将此现象放置于批判性分析中。正如贝姆（Baym，2013）所说：在大数据不证自明、掌握真理的时代，我们需要时刻提醒自己，哪些数据是看不见的，哪些数据是无法测量的，这点尤为重要。大数据的相关决策，比如将重要事物、现象最佳分类都转化为数据，有助于解决模糊、矛盾和冲突问题（Baym，2013；boyd and Crawford，2012；Gitelmanand Jackson, 2013; Uprichard, 2013; Verran, 2012; Vis, 2013)。\n\n第五章 大数据批判社会学\n\n129","previous_page":128,"next_page":130}