《大数据、小数据、无数据:网络世界的数据学术》一 1.4 六项挑战

简介: 本节书摘来自华章出版社《大数据、小数据、无数据:网络世界的数据学术》一 书中的第1章,第1.4节,作者:[美] 克莉丝汀L. 伯格曼(Christine L. Borgman),更多章节内容可以访问云栖社区“华章计算机”公众号查看。

1.4 六项挑战

综上所述,数据显然远比大众媒体或政策声明中所讲的更加复杂。即使在特定研究或学术领域范围内,数据仍十分巨大且笨拙。虽然研究类数据的期刊论文、会议论文、白皮书、报告和声明等相关文献不断产生,但它们只是冰山一角。本书是第一部从社会、技术和政策等宏观视角评估数据问题,并借鉴跨学科实例的专著。本书采取已被数字时代遗忘的更具一般性的学术探究方法(Borgman 2007),进一步阐释上述实例提及的数据相关利益的根本性扩张。
虽然本书的目标非常宏伟,但其更多地阐释了数据的本质及其在学术中扮演的角色和使用问题。书中将理论、论据和实践相互交织在一起,尽可能明确交叉部分并阐释其含义。这里将基于学术研究事业在可预见未来的关键挑战,探索当代问题,并提出相应论点。本书将上述问题抽象为六项挑战,以推动学术事业利益相关者之间进行更具深度的对话。
1.数据的再现、共享和重用问题已经讨论了几十年,甚至在某些情况下已长达几个世纪之久。阐明研究类数据的拥有者、控制者、使用者和维护者等问题将有助于判断研究类数据的价值挖掘方式及其挖掘者。
2.跨情景、随时间的知识迁移依旧很难实现。数据的某些形式和表示很容易实现跨学科、跨情景和随时间共享,但大部分依旧不行。理解何为重要的数据特征可以为学术实践以及政策和知识基础设施建设投资指南的制定提供必要资料。
3.虽然学术出版物的形式和流派不断增加,但其功能依然保持稳定。数据在学术交流中扮演的角色与其在期刊论文、书籍或会议论文中不同。把数据看作出版物不仅增加了数据利益相关者面临的风险,还不利于探索新型学术交流模式。因此,必须从不同利益相关者的角度出发审视数据的学术功能。
4.学术成果正以开放获取出版物、开放数据和开源软件等方式进行更为广泛地传播。数据和出版物在学术中扮演的不同角色会直接影响传播动机、途径和实践。学者、图书馆、高校、资助机构、出版社和其他利益相关者都尚不理解提供开放获取数据服务的意义所在。
5.为适应开放获取数据、数据密集型研究、新技术、社交媒体以及实践和政策方面的变化,知识基础设施正在进一步发展。部分利益相关者的收益增加了,而其他人的收益却减少了。成本、效益、风险和责任正在重新分配。新型专业知识十分重要,但具体应用会因具体情境和研究领域而有所差异。
6.知识基础设施已发展并造福了几代学者。知识基础设施的设计与相关政策制定需要长远眼光,但其研究经费却是短周期的。知识基础设施的实质性投资对当下乃至今后更长远时期研究类数据的获取、维护和挖掘而言,都十分必要。这些投资具有连续性,因为今天的选择决定了明天甚至更长远时期数据以及其他信息资源的可用性。
这些挑战将在十章范围内分三部分进行探讨。第一部分即前四章,是数据和学术综述,为上述六项挑战的详细展开奠定基础。第二部分由三章组成,具体探讨自然科学、社会科学和人文学科领域的多个案例,并为每个挑战提供论据支撑。数据策略与实践组成了第三部分:第8章采用比较分析法论述跨学科、跨情景的数据可用性和有效性;第9章探讨了数据的信誉、归属和发现问题;第10章总结了保存何种数据及其原因。最后一部分总结了六项挑战对学术实践和研究政策的意义,并提出需要进一步解决的问题。

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
46 0
|
2月前
|
SQL 存储 分布式计算
MaxCompute问题之下载数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
2月前
|
分布式计算 关系型数据库 MySQL
MaxCompute问题之数据归属分区如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
35 0
|
3天前
|
数据采集 搜索推荐 大数据
大数据中的人为数据
【4月更文挑战第11天】人为数据,源于人类活动,如在线行为和社交互动,是大数据的关键部分,用于理解人类行为、预测趋势和策略制定。数据具多样性、实时性和动态性,广泛应用于市场营销和社交媒体分析。然而,数据真实性、用户隐私和处理复杂性构成挑战。解决策略包括数据质量控制、采用先进技术、强化数据安全和培养专业人才,以充分发挥其潜力。
10 3
|
6天前
|
运维 供应链 大数据
数据之势丨从“看数”到“用数”,百年制造企业用大数据实现“降本增效”
目前,松下中国旗下的64家法人公司已经有21家加入了新的IT架构中,为松下集团在中国及东北亚地区节约了超过30%的总成本,减少了近50%的交付时间,同时,大幅降低了系统的故障率。
|
1月前
|
分布式计算 DataWorks 关系型数据库
DataWorks报错问题之dataworks同步rds数据到maxcompute时报错如何解决
DataWorks是阿里云提供的一站式大数据开发与管理平台,支持数据集成、数据开发、数据治理等功能;在本汇总中,我们梳理了DataWorks产品在使用过程中经常遇到的问题及解答,以助用户在数据处理和分析工作中提高效率,降低难度。
|
1月前
|
存储 监控 大数据
数据仓库(11)什么是大数据治理,数据治理的范围是哪些
什么是数据治理,数据治理包含哪些方面?大数据时代的到来,给了我们很多的机遇,也有很多的挑战。最基础的调整也是大数据的计算和管理,数据治理是一个特别重要的大数据基础,他保证着数据能否被最好的应用,保证着数据的安全,治理等。那么数据治理到底能治什么,怎么治?
64 0
|
2月前
|
JSON 分布式计算 MaxCompute
MaxCompute问题之创建数据集失败如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
33 0
|
2月前
|
存储 分布式计算 DataWorks
MaxCompute数据问题之数据不一致如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
36 0
|
2月前
|
存储 分布式计算 DataWorks
MaxCompute数据之数据不一致如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
26 0