社会科学研究者使用非调查数据的影响因素研究--基于混合方法的实证

[目的/意义]明晰影响社会科学研究者使用非调查数据的因素,有助于更好地促进和规范此类新型数据在社会科学研究中的应用。[方法/过程]采用访谈与问卷相结合的探索性时序设计,首先访谈了12位社会科学研究者,通过三轮小组编码识别出影响研究者使用非调查数据的因素,然后基于200份问卷样本,使用结构方程模型对影响因素进行了验证与优化。[结果/结论]社群支持是现阶段影响非调查数据使用意向的主要因素,其后依次是感知价值和质量接受度,但后两个因素的影响远小于社群支持。使用意向是使用行为的主要影响因素,知识与技术、感知可行性在使用意向和使用行为之间起到较小的中介作用。

非调查数据在社会科学研究中的使用特征研究--以政治学、 经济学、 社会学为例

[目的/意义]以经济学、政治学、社会学为例,探索非调查数据在社会科学研究中的使用特征,为此类重要新型数据的管理与应用提供参考。[方法/过程]以2011—2020年118本国内核心期刊中使用非调查数据的论文为样本,对数据特征、评估与分析特征、研究者与文献特征进行内容分析。[结果/结论]我国社会科学研究者对非调查数据的使用呈上升趋势,多数研究者将使用非调查数据视为创新点,但也认识到其不足。在使用方法上,研究者多将非调查数据纳入调查数据研究范式。数据类型与非调查数据使用行为差异显著相关,研究者更偏好非结构化数据,但对其使用也更为谨慎。综合来看,使用标准和评估技术的缺乏制约了非调查数据价值的发挥。[局限]样本量较小,或无法覆盖使用非调查数据的所有论文。

非人工调查数据在精准扶贫中的应用设想

本文针对精准扶贫中的难点问题——人工调查数据失真、不准确导致的贫困户识别瞄准率不高,提出应充分利用非人工调查数据衡量家庭的贫困程度,并通过微观数据验证用电消费数据、通信邮电消费数据与贫困的主要衡量指标收入、支出之间的相关性,并分区域进行了讨论,由此给出在精准扶贫实践和贫困经济学理论中应用这两类数据的新思路。

智能地质调查大数据应用体系架构与关键技术

地质调查数据主要由结构化和非结构化多样性的数据构成。由非结构化多样性数据文件组成的报告,由于技术原因,长期以来一直以传统的目录文件方式进行存储。这种存储方式导致数据的查询、统计、更新等操作不但低效,而且非常不利于检索、查询、挖掘等应用,使得数据服务能力极低。通过把Hadoop生态体系融入中国地质调查云平台架构,基于Hadoop HDFS和HBase存储架构,建立非结构化地质数据基础内容库存储组织模式,采用Lucene全文搜索引擎架和地质领域本体词库构建快速随机访问的索引文件机制,改变了多样化、碎片化的复杂地质调查非结构化数据的存储、阅读、搜索和应用模式,为智能地质调查提供精确、快速服务奠定基础。

Redlining in Residential Mortgages in Johannesburg, South Africa

The aim of the research in the paper was to study redlining practice within the greater Johannesburg area. The aim can be summarised by the following objectives： firstly, to investigate the evidence of redlining in the Greater Johannesburg area and to test its existence; secondly, to investigate the reasons why the areas were redlined; thirdly, to understand what the South Africa government and society did to combat the redlining practice. The research methodology was based on a questionnaire and interviews. A pool of respondents from the Greater Johannesburg suburbs that had interest or were affected by the practice of redlining was sought and interviewed. Analysis of the responses was made and conclusions were drawn from the responses. Secondary data was also sought from publications on the redlining practice to support the primary interviews data. From the interview responses and the secondary data, it was established that redlining existed in Greater Johannesburg and that the areas where redlining was practised could be marked on a map.