[논문 리뷰] Big data challenges for the social sciences: from society and opinion to replications

Dominique Boullier|arXiv (Cornell University)|2016. 07. 18.

Computational and Text Analysis Methods참고 문헌 82인용 수 10

한 줄 요약

이 논문은 사회과학이 전통적인 '사회'와 '의견'의 프레임워크를 넘어서 디지털 네트워크에서 생성되는 반복적이고 계산 가능한 패턴인 '재현'을 이론화해야 한다고 주장한다. 트위터 및 기타 디지털 코퍼스를 분석함으로써 고주기적 재현이 새로운 구조적 통찰을 가능하게 하며, 기존 사회적 범주에 기반하지 않고 데이터 기반의 반복 가능한 현상에 기반한 제3세대 사회과학의 필요성을 주장한다.

ABSTRACT

Big Data dealing with the social produce predictive correlations for the benefit of brands and web platforms. Beyond "society" and "opinion" for which the text lays out a genealogy, appear the "traces" that must be theorized as "replications" by the social sciences in order to reap the benefits of the uncertain status of entities' widespread traceability. High frequency replications as a collective phenomenon did exist before the digital networks emergence but now they leave traces that can be computed. The third generation of Social Sciences currently emerging must assume the specific nature of the world of data created by digital networks, without reducing them to the categories of the sciences of "society" or "opinion". Examples from recent works on Twitter and other digital corpora show how the search for structural effects or market-style trade-offs are prevalent even though insights about propagation, virality and memetics could help build a new theoretical framework.

연구 동기 및 목표

• 빅데이터가 사회과학의 방법론에 미치는 전환적 영향을 다루기 위해.
• 디지털 트레이스 데이터를 이해하는 데 있어 '사회'와 '의견' 중심의 기존 사회과학 프레임워크가 부적절하다는 점을 도전하기 위해.
• 디지털 네트워크에서 발생하는 고주기적이고 계산 가능한 패턴을 분석하기 위한 새로운 이론적 범주로 '재현'을 제안하기 위해.
• 디지털 네트워크에서 생성되는 데이터의 특수성을 수용하는 제3세대 사회과학의 필요성을 주장하기 위해.
• 트위터와 같은 디지털 코퍼스에서 구조적 효과와 마켓 스타일의 트레이드오프가 어떻게 발생하는지 보여주며, 새로운 이론적 통찰을 가능하게 하기 위해.

제안 방법

• 사회과학에서 '사회'와 '의견'의 유래를 분석하여 디지털 시대의 개념적 한계를 규명하기 위해.
• 디지털 네트워크에서 생성되는 반복적이고 추적 가능한 행동을 묘사하기 위해 '재현'을 이론적 구성요소로 도입하기 위해.
• 트위터 및 기타 디지털 코퍼스의 실증적 분석을 통해 구조적 효과와 확산 패턴을 규명하기 위해.
• 이전에는 추적할 수 없었지만 이제는 계산 가능한 디지털 흔적을 남기는 고주기적 재현을 분석하기 위해.
• 기존 사회과학의 범주와 디지털 추적 가능성의 새로운 데이터 기반 현실을 비교하기 위해.
• 해석 기반 프레임워크에서 데이터 기반의 반복 가능한 방법론으로의 전환을 제안하기 위해.

실험 결과

연구 질문

• RQ1 디지털 트레이스는 '사회'와 '의견'과 같은 전통적 사회과학 개념과 어떻게 다를까?
• RQ2 디지털 네트워크에서 발생하는 고주기적이고 반복적인 행동을 설명할 수 있는 이론적 프레임워크는 무엇일까?
• RQ3 사회과학은 디지털 상호작용의 계산 가능한 추적 가능성에서 어떤 새로운 통찰을 도출할 수 있을까?
• RQ4 트위터와 같은 디지털 코퍼스에서 어떻게 구조적 효과와 마켓 스타일의 트레이드오프가 발생하는가?
• RQ5 디지털 네트워크의 빅데이터의 특수성을 다룰 수 있는 제3세대 사회과학은 무엇을 포함해야 할까?

주요 결과

• 트위터와 같은 플랫폼에서 유도되는 디지털 트레이스는 이전에는 관찰되지 않았지만 이제는 계산 가능한 고주기적 재현을 생성한다.
• '재현'의 개념은 기존 사회과학의 범주를 넘어서 집단적 행동을 이해하기 위한 새로운 이론적 렌즈를 제공한다.
• 구조적 효과와 마켓 스타일의 트레이드오프는 확산과 유행성 분석을 하더라도 디지털 코퍼스에서 흔히 발생한다.
• 디지털 트레이스 가능성의 등장은 사회과학의 방법론을 재고할 필요성을 불러일으키며, 데이터 기반의 반복 가능한 분석으로의 전환을 요구한다.
• 논문은 멤티크스와 유행성에서 유래한 통찰이 사회과학을 위한 새로운 이론적 프레임워크를 형성하는 데 기여할 수 있음을 보여준다.
• 제3세대 사회과학은 기존의 사회나 의료 기반 모델로 축소시키는 대신, 디지털 데이터의 특수한 특성에 기반해야 한다.