Emma Uprichard hat am 01.10.2013 den wohl besten Text, den ich bislang zur Bedeutung von Big Data für die Soziologie lesen durfte, im Online-Magazin Discover Society veröffentlicht. Den mit Big Data, Little Questions? überschriebenen Artikel kann man sowohl Sozialwissenschafltern empfehlen, als auch Big Data Advokaten, die teils ein wenig betriebsblind davon ausgehen, die bloße Verfügbarkeit von Daten befördere in allen Fächern wissenschaftlichen Fortschritt.nnUprichard relativert die Vorstellungen wissenschaftlicher Fortschrittsuniversalien für die Soziologie, zentral ist Ihre Argumentation die Interpretation von Daten inkl. der Fabrikation von Erhebungsdesigns benötige theoretische und methodische Fundierung, gerade in einer Wissenschaft, für die speziell die Merkmalsausreißer in einigermaßen normalverteilten Auswertungen interessant sind: z.B. Eliten oder Benachteiligte. Zurecht merkt die Autorin auch an, empirische Sozialforschung kenne seit Anbeginn das Problem von Datenmengen, deren Volumina für eine Auswertung aller Variablen und erdenklichen Korrelationen zu umfangreich seien, z.B. bei den großen Zensus-Untersuchungen, allerdings auch in qualitaitven Studien. Dieser Umstand habe jedoch den Sinn der Soziologie für theoretische Fundierung geschärft, die Daten-Volumen der Big Data Ära seien in methodischer Hinsicht eine neue quantitative, aber keine neue qualitative Herausforderung. Zudem böte Big Data nicht zwangsläufig Antworten auf klassische Fragen der Soziologie: „Big data won’t be able to tell us how to design local, regional and global policies and it will certainly not be able to do what we need policies of all kinds to do: to be appropriate for some people sometimes and in some places. Social systems are not well modelled or known through universal laws.“nnZudem bezweifelt Uprichard für die Soziologie die Rückwirkung von Big Data auf theoretische Weiterentwicklungen im Sinne eines Paradigmenwechsels, wie er für andere Disziplinen angenommen wird. In pragmatischer Hinsicht betrachtet Uprichard Big Data durchaus als Gefahr und wittert das Aufziehen einer theorielosen Soziologie, die Korrelationen gegenüber Kausalitäten bevorzugt und sich auf das Feststellen statistischer Beziehungen verlässt, anstatt nach den Ursachen sozialer Phänomene und statistischer Korrelationen zu fragen – nebenbei bemerkt verleitet eine Fixierung auf Korrelationen zur Produktion statistischer Artefakte. Konsequenterweise fordert Uprichard: „We (…) need good philosophers of science and social science. We absolutely still need excellent social theory about what the data represent and we also need excellent qualitative methods to reinterpret and rethink the units of analysis we are observing. We need to be able to challenge what is being done with our data and that requires a basic understanding about how variables are created, how codes are made, and how these are being constantly used, modelled and reworked into everyday life. We need to think about what it means to measure the social world and how our models of causality are constructed. Importantly, we also need to know who is doing the counting. Who is making the decisions? Who is deciding what is counted and measured and how these counts and measurements are used and for whom? These answers are not trivial and social scientists need to be part of those conversations.“nnPassender kann man die Besonderheit von Big Data für die Soziologie kaum beschreiben, wer sich für den Inhalt des herausragenden Textes näher interessiert findet ihn unter:nnUprichard, E. (2013). Big Data, Little Questions? Discover Society, (01.10.2013). Retrieved from http://www.discoversociety.org/focus-big-data-little-questions/nnWohlgemerkt spricht sich die Autorin nicht gegen das Big Data Modell aus, sondern fordert von ihrer eigenen Disziplin eine ihren Untersuchungsobjekten angemessene Nutzung digitaler Datenvolumina.nnBeim Schreiben dieses Posting und schon beim Lesen des Uprichard-Artikel ärgerte ich mich ein wenig darüber, einen themtisch sehr ähnlichen Text, den ich vor ca. einem Jahr zur Informationswissenschaft und Big Data schrieb, unveröffentlicht gelassen zu haben.
- scidecode continues to be scidecode, but scinoptica lives again - 9. Dezember 2022
- Update on the scidecode study on Persistent Identifiers (PIDs) - 22. Mai 2022
- Open Journal Systems (OJS) Installationen in Deutschland - 19. Mai 2022