A Transformação da Informação em Conhecimento - Ferramentas para Investigação em Ciências Sociais
Hugo Filipe Ramos ISCTE-IUL
[email protected]
Sociologia? Comportamento social
Espaço
Tempo
Comportamento social Sujeitos (resistência)
Agente (Controlo)
Comportamento social
Sujeitos (resistência) Agente (controlo)
Comportamento social
Sujeitos (resistência)
Agente (controlo)
Presídio Modelo - Cuba
Panopticon vs Big Data
≠
Big Data Características: Recolha massiva Dados > dados digitais Armazenamento histórico Memória persistente Informação ≠ conhecimento
Consequências: Vigilância permanente Novos paradigmas de análise de dados Emergência de padrões Previsão comportamental Questões éticas
“There is a big data revolution, but it is not the quantity of data that is revolutionary. The big data revolution is that now we can do something with the data.” (King, 2014)
Why “Big Data” Is a Big Deal, Harvard Magazine Weatherhead University Professor and Director of the Institute for Quantitative Social Science Harvard University, USA
Comportamento social
(padrões (dinâmicas) identificáveis ao longo do tempo)
Comportamento social
(padrões (dinâmicas) identificáveis ao longo do tempo)
“Identifying and collecting historical data is one set of tasks, locating the patterns and processes linking historical evidence into narratives, dynamics, and analyses is quite another.” (Manning, 2013, p. 18,19)
Big Data in History, Palgrave Macmillan Mellon Professor of World History and Director of the World History Center University of Pittsburgh, USA
“More commonly, social scientists have been content to remain within their domains, explaining more and more about less and less. (…) Overall, I argue, the implementation of a global-historical data resource requires the unification of social science analysis. That is, the various social sciences (…) must become more explicitly linked to each other.” (Manning, 2013, p. 27) Big Data in History, Palgrave Macmillan Mellon Professor of World History and Director of the World History Center University of Pittsburgh, USA
Big Data Hardware: Multi/Parallel processing Cloud computing Massive digital storage Networking (linked datasets)
Software: Algoritmos inteligentes Análise selectiva dados Camadas de apresentação Memória persistente
Transformações sociais:
Pirâmide de Ackoff, 1989
Análise humana dados irrelevante Julgamento prévio (previsão) Minority Report (por algoritmos) Comportamento condicionado Sociedade padronizada Pegada (marcas) não desaparece
Exemplos no domínio social Estatística: (amostras) irrelevante -> Universo total Biologia: análise do genoma humano permitiu descobrir padrões de resistência à malária Social media: Existem 1B de posts “social media” /2 dias. King descobriu padrões nos posts em língua chinesa que revelaram práticas de censura (09/2013).
Alocar policia por áreas mais previsíveis de crime Encontrar associações entre registos de ar mais puro e níveis de saúde Identificar níveis de consumo energia -> políticas verdes Adsense (Google) “Sugestões de amizade” (Google) “Patrocinado” (Facebook) “Pessoas que talvez conheças” (Facebook)
A Transformação da Informação em Conhecimento - Ferramentas para Investigação em Ciências Sociais
Hugo Filipe Ramos ISCTE-IUL
[email protected]
