Продолжение, начало можно почитать тут
Какие бы большие данные ни были, кажется, что что-то важное изменилось. Мы находимся в момент, когда мы сталкиваемся как со все меньшим количеством препятствий для сбора, хранения, обработки и вывода данных, так и со все большим их количеством, создаваемым людьми, взаимодействующими с другими людьми, машинами, средой, нашими городами, а также виртуальным кодом и архитектурами.
Наводнение не только данных, но и методов их сбора, сопоставления и использования уже оказывает глубокое воздействие на целый ряд социальных процессов и практик. Однако в спешке начать использовать большие массивы данных многие не задумывались о том, можно ли интегрировать их в уже существующие структуры производства научных знаний или нет.
В своей статье 2008 года в журнале Wired Magazine Крис Андерсон предположил, что большие данные могут означать конец теории, поскольку для понимания того или иного явления нам может понадобиться большое количество легкодоступных данных (Anderson, 2008). Нам больше не придется спекулировать и мы можем просто наблюдать и измерять.
Хотя над произведением Андерсона широко посмеялись за его наивность, возникает важный вопрос: Что означают большие данные для того, как мы проводим исследования и создаем знания? Как большие данные меняют наше отношение к объекту исследования, методологии, эпистемологии, источникам финансирования и тому, как мы понимаем истину?
По мере того, как мы кодифицируем все больше того, что мы есть и что мы знаем в тени цифровых данных, большие данные стали не просто способом описания самих данных, но и средством измерения, картирования, анализа и визуализации. Растущая зависимость от относительно новых типов присутствия данных в качестве основы для методов измерения, моделей, алгоритмов и информационных систем может привести к обесцениванию знаний, которые не так легко инкапсулировать в большие массивы данных.
Хотя большие данные бросают вызов традиционным представлениям и практикам "твердой" науки, включая геоинформатику, нас беспокоит то, что распространение больших данных может привести к новому научному, позитивистскому и количественному повороту социальных наук за счет сокращения пространства для критических, качественных и постпозитивистских исследований.
Вопреки представлениям о количественной оценке как объективной цели, данные никогда не говорят сами за себя, поскольку способы сбора, анализа и производства знаний о мире неизбежно связаны с определенными допущениями, которые ограничивают типы моделей, процессов, опыта, ценностей и идей, которые могут быть отражены в базах данных.
В мире, где коммерческий анализ начинает опережать академические исследования, ученые и другие лица, задающие критические вопросы, могут иметь меньше влияния как на типы генерируемых данных, так и на способы доступа к ним, что в конечном итоге сужает потенциал производства знаний, а не значительно расширяет его.
Другими словами, несмотря на то, что подходы с использованием больших данных обязательно ограничены собственным ограничительным видением, меморандум с большими данными поощряет воспроизведение совсем другого повествования. В то время как большие данные могут ограничивать возможности для практики критической географии, история дисциплины указывает на другое будущее.
География уже давно характеризуется разнообразным набором конкурирующих, но сосуществующих методологических и эпистемологических парадигм и практик, и географы уже некоторое время сталкиваются с некоторыми центральными вопросами, поднимаемыми большими данными.
Географы долгое время боролись за то, какими должны быть соответствующие цели стипендии, как должно это делать и как учитывать конкурирующие требования к истине, особенно в контексте новых технологий, открывающих новые методологические возможности.
Однако эти дебаты оказались невероятно продуктивными и дали толчок работе, выходящей за рамки границ между различными подполями. Развитие критической ГИС, радикальные подходы к количественной географии и появление критической физической географии подтверждают, что географы имеют все возможности для объединения технической практики, количественных методов и критических исследований.
Именно эта история позволит дисциплине не только работать с большими данными, но и критиковать их. Однако следует также придавать значение деконструкции и критике любых самоутверждающихся утверждений о достоверности и правдивости, распространяемых больших данных.
Продолжение можно прочитать тут
