美國科學哲學家漢弗萊斯將大數據分為兩類，一類 是大寫的大 數 據（BIG DATA）， 另 一 類 是 小 寫 的 大 數 據（big data）。小寫的大 數 據指與數 據科學 相關的活動和方法，是擁有海量數據(603138,股吧)的組織機構所面臨的技術問題 ；而當這些活動、方法尤其關于處理海量數據的技術向社會各領域滲透并迅速發展時，便產生了大寫的大數據。這意味著我們平常所用的“大數據”所指的對象并不同一。大數據激進派的代表人物安德森、舍恩伯格等認為 ：數據可以客 觀 地 表征世界 ；只 要 數 據量 足夠大，就不需要模型、問題及相關的理論，只要在數據的驅動下，數據可以自己發聲 ；相關性是世界的本質 ；由于大數據可以完全避免人類的主觀因素進入科學研究，大數據知識發現的模式更客觀、更自由。大數據保守派的代表人物有弗洛里迪、克勞德、皮耶奇等，他們一方面承認大數據的獨特性，另一方面對大數據是否能客觀反映實在、大數據是否是理論自由的、大數據能否完全取代小數據、相關性能否代替因果性等都保持理性的懷疑態度，并且通 過案例，對 激 進派的各種論 調一一進行反駁。
案例一人類數感研究
人類對物體或事件的數量存在一種非言語的表征方式，區別于通過言語或數字符號對數量的精確表征，具有近似性和不精確性，心理學家稱之為近似數 量系統（ANS）。ANS是一種與生俱來的結構，無論人還是動物都有，它不僅體現在視覺任務中，也能體現在聽覺任務中，是人類數感和形成數學能力的基礎，在理論上服從韋伯定律。腦科學研究表明，腦區雙側的頂內溝處大致為ANS系統所處的位置。目前，腦科學和心理科學的相關研究成果被廣泛應用到教育教學實踐中。但長期以來，對ANS的研究缺乏對人的整個生命周期的研究，因為實踐中很難對每一個樣本進行終生的追蹤研究。大數據技術出現之后，約翰霍布斯大學的心理學 家 哈 爾伯 達（J. Halberda）通過已有的ANS理論，構造出測試模型，然后向全球征求志愿者，在線完成測試任務。在短短的幾個月時間里，便收集到了分布在全球不同地區的13000名年齡在11-85歲的測試者。通過對這些數據的分析，哈爾伯達不但完成了對人類數量感知力發展的整體描述、驗證了前期對于不同年齡階段ANS與數學水平之間的理論假設，填補了這一領域的研究空白，而且 還發現了之前沒有發現的一些“意外”規律。
案例二谷歌流感預測
季節性流感是人類社會長期面臨的一個世界性的威脅和問題，據統計，全球每年約有25萬-50萬人死于季節性流感。因此，對季節性流感進行預測并提前防控具有重要意義。美國疾 病控制和預防中心（CDC）、歐洲流 感監測計劃（EISS）所使用的流感預測系統，都是依據病毒學理論，使用臨床監測數據，對流感進行預測，并向公眾發布預測報告，但預測報告通常會滯后1-2周。隨著互聯網與大數據技術的發展，研究人員發現在某一地區，某些詞的互聯網搜索頻率與流感樣疾病（influenza-like illness，ILI）病例的就診比率高度相關。2008年，谷歌建立了一種通過分析谷歌搜索查詢來跟蹤、預測流感的系統。在谷歌的預測模型中，自變量為同一地區與流感樣疾病相關的檢索詞的檢索頻率。將模型的預測結果與CDC的結果相比較，發現對2008年各季度預測的結果與美國CDC的監測結果的相關系數達到0.97。而最為關鍵的是，由于可以快速處理搜索查詢，谷歌的預測報告比CDC的提前1-2周。
分析SSD與SDS
以上兩個大數據案例恰好代表了兩個大數據流派對大數據的看法。當研究者基于案例一來分析時，必然會得出大數據研究離不開模型、以問題驅動、相關性不能代替因果性等，而對于影響人類“數感”的機制是什么仍舊懸而未決 ；如果以案例二為依據則可以得出，大數據不需要具體問題，
雖然兩類大數據有區別，但隨著不斷融合，它們之間的界限越來越模糊。SDS的數據雖然依 賴于網絡技術的發展，但其所使用的方法、模型很多都是來自于SSD的研究成果。正如漢弗萊斯所指出的，當小寫的大數據向社會各領域滲透并迅速發展時，便產生了大寫的大數據。綜上所述，由于大數據所指陳的對象并不同一，即客觀上存在著兩類既有區別又有聯系的大數據，因此，在開展相關研究時，研究者首先要明確自己所研究的對象屬于哪一類，如此才不至于陷入激進派與保守派無休止的論爭漩渦。(數據雜志/文薛永紅)轉載請注明來源
最新評論