Archivo de la etiqueta: futuro cercano laboratorio

Necesidades Big Data grueso de Datos


Tricia Wang

Tricia Wang

Nota del Editor: Tricia proporciona una excelente segue entre meses del pasado “Ethnomining” Edición Especial y el de este mes “Hablando con las compañías sobre Etnografía.” Ella ofrece mayor creación pensamientos en nuestra discusión colectiva (quizá rayana en la obsesión?) con la gran tendencia de los datos. Con matices ella con fuerza y ​​reinventa algunos de los términos que circulan en las diversas industrias que deseen hacer uso de la investigación social. En la estela de los grandes datos, etnógrafos, ella sugiere, puede ofrecer datos de espesor. Ante la mención despectiva de “anécdotas” debemos hacer frente para defender el valor de las historias.

__________________________________________________

imagen de Mark Smiciklas en la intersección Consulting

imagen de Mark Smiciklas en la intersección Consulting

Big Data pueden tener un enorme atractivo. ¿Quién quiere ser pensado como un pequeño pensador cuando hay una oportunidad de ir BIG?

El sesgo positivista a favor del Big Data (un término comúnmente utilizado para describir los datos cuantitativos que se produce a través del análisis de enormes conjuntos de datos) como una forma objetiva de entender nuestro mundo presenta desafíos para los etnógrafos. ¿Cuáles son los etnógrafos que hacer cuando nuestra investigación es vista como algo insignificante o inapreciable? Podemos simplemente ignoramos Big Data como demasiado confusa en publicidad para ser útil?

No. Los etnógrafos deben comprometerse con los grandes datos. De lo contrario, nuestro trabajo puede ser muy fácilmente metió en otro departamento, minimizado como una partida pequeña en un presupuesto, y relegado a la esquina pequeña de datos. Pero, ¿cómo puede nuestra clase de investigación se ve como un igual importancia a los datos procesados ​​algorítmicamente? ¿Cuál es el etnógrafo de 10 segundo discurso del ascensor a una habitación de científicos de datos?

…y GO!

Big Data produce tanta información que se necesita algo más para superar y / o revelar las lagunas de conocimiento. Es por eso que el trabajo etnográfico tiene un valor tan enorme en la era del Big Data.

A falta de las palabras conceptuales para posicionar rápidamente el valor del trabajo etnográfico en el contexto del Big Data, He comenzado, en el último año, emplear el término Grueso datos (con un guiño a Clifford Geertz!) para abogar por enfoques integradores para la investigación. Grueso de datos revela el significado detrás de la visualización y el análisis de Big Data.

Datos Grueso: enfoques etnográficos que descubren el significado detrás de la visualización y el análisis de Big Data.

Análisis de los datos grueso se basa principalmente en el poder del cerebro humano para procesar una pequeña "N", mientras que el análisis de grandes datos requiere potencia de cálculo (por supuesto, con los seres humanos a escribir los algoritmos) para procesar un gran "N". Big Data revela una visión con un rango particular de puntos de datos, mientras Grueso datos revelan el contexto social de las conexiones entre los puntos de datos. Big Data ofrece números; datos de espesor ofrece historias. Big Data se basa en el aprendizaje automático; datos de espesor se basa en el aprendizaje humano.

Leer más… Necesidades Big Data grueso de Datos

Insights de análisis de datos de red que generan las observaciones de campo


Fabien Girardin

Nota del editor: Este mensaje de la edición de abril ‘Ethnomining‘ edición viene desde Fabien Girardin @ Fabiengirardin quien describe su trabajo con datos en red / sensor en el Museo del Louvre de París. Sobre la base de este estudio de caso inspirador, discute el proceso general, cómo los métodos mixtos son relevantes en su obra, y qué tipo lecciones que aprendió haciendo esto.

Fabien Girardin es socio de la Near Future Laboratory, una agencia de investigación. Él está activo en los dominios de la experiencia del usuario, ciencia de datos y la informática urbana.

____________________________________________________________________________

Congestión de visitantes en el Museo del Louvre

Congestión de visitantes en el Museo del Louvre, foto por Fabien Girardin

Al Near Future Laboratory nos gusta experimentar e ir en diferentes direcciones de la consultora de tecnología típica. Nos esforzamos en la participación de múltiples prácticas, y apostar por el unordinary cuando se trata de cuestionar la formulación, recopilación de datos y solución de creación de. Después de terminar mi doctorado en Ciencias de la Computación, Dejé las disciplinas delimitadas de la academia para abrazar el aprendizaje y la conexión con los otros "campos", las otras formas de conocer y ver el mundo. Junto con los socios Julian Bleecker, Nicolas Nova y una red de ojeadores tácticos, formamos una práctica basada en la tecnología que combina la visión y el análisis, diseño y la investigación, y prototipado rápido para transformar las ideas en forma material.

Durante la última 5 año, He llevado las investigaciones que tienen como objetivo extraer el conocimiento de los productos derivados de las actividades digitales de las personas (es decir. datos de la red, También a menudo llamado sombras digitales o huellas digitales). Ese material intangible puede tomar la forma de registros de actividad de la red celular, las transacciones con tarjetas de crédito agregada, información de tráfico en tiempo real, contenido generado por el usuario o la red social de actualizaciones. Con el tiempo mis contribuciones han evolucionado hasta convertirse en ayudar a transformar este tipo de grandes volúmenes de datos en conocimiento, productos y servicios. Ya sea aplicado para un cliente o como parte de nuestras iniciativas de auto-iniciado, esta práctica requiere de las habilidades básicas de un "científico de datos" (análisis de los datos, arquitectura de la información, ingeniería del software y creatividad) junto con una capacidad para participar en las intersecciones con una amplia variedad de profesionales, de físicos e ingenieros a los abogados, estrategas y diseñadores. La pendiente transversal de las investigaciones en los datos de la red requiere la comprensión de las diferentes lenguas que las tecnologías de la forma, presentación de informes sobre el contexto de su uso, y la descripción de las prácticas de la gente. El modelo de investigación combina observaciones de campo cualitativos con datos cuantitativos a menudo extraídos de los registros.

La investigación de la red de datos implica varios pasos a lo largo de múltiples prácticas y habilidades de ingeniería, las estadísticas, diseño, planificación de la estrategia, gestión de productos y la etnografía

La investigación con datos de la red implica múltiples prácticas y habilidades de ingeniería, las estadísticas, diseño, planificación de la estrategia, gestión de productos y la etnografía; foto por Fabien Girardin

Los proyectos anteriores nos han llevado a explotar las fuentes de datos sin explotar, descubrir oportunidades para transformar datos en conocimiento, y materializar nuevos servicios o productos. Nuestro método contempla primero los conjuntos de datos y técnicas para abordar nuestros objetivos. Entonces desarrollamos soluciones tangibles que se acoplan a los interesados ​​en el proyecto en la exploración de distintos escenarios y soluciones. Es a través de las experiencias de las personas con conocimiento del dominio del proyecto que somos capaces de extraer los posibles cambios y oportunidades del futuro próximo.

Leer más… Insights de análisis de datos de red que generan las observaciones de campo