دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Hamid Reza Ekbia (editor), Cassidy R. Sugimoto (editor), Michael Mattioli (editor) سری: Information policy series ISBN (شابک) : 9780262335751, 026233576X ناشر: The MIT Press سال نشر: 2016 تعداد صفحات: 308 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Big data is not a monolith به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کلان داده ها یکپارچه نیستند نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
دیدگاههایی درباره چالشهای متنوع ناشی از دادههای بزرگ برای سلامت، علم، قانون، تجارت و سیاست. کلان داده در همه جا وجود دارد اما ناهمگن است. از داده های بزرگ می توان برای محاسبه کلیک ها و ترافیک در صفحات وب، یافتن الگوهای معاملات سهام، ردیابی ترجیحات مصرف کننده، شناسایی همبستگی های زبانی در مجموعه های بزرگ متون استفاده کرد. این کتاب دادههای بزرگ را نه بهعنوان یک کل تمایز نیافته، بلکه به صورت متنی بررسی میکند و چالشهای متنوع ناشی از دادههای بزرگ برای سلامت، علم، قانون، تجارت و سیاست را بررسی میکند. در مجموع، فصلها مجموعه پیچیدهای از مشکلات، شیوهها و سیاستها را نشان میدهند. ظهور روشهای کلان داده، رویکرد نظریهمحور به دانش علمی را به نفع روش دادهمحور به چالش کشیده است. پلتفرمهای رسانههای اجتماعی و ابزارهای خود ردیابی، دید ما از خود و دیگران را تغییر میدهند. جمع آوری داده ها توسط شرکت ها و دولت حریم خصوصی را تهدید می کند و در عین حال شفافیت را ارتقا می دهد. در همین حال، سیاستمداران، سیاست گذاران و اخلاق مداران آمادگی لازم برای مقابله با پیامدهای کلان داده ها را ندارند. مشارکت کنندگان به تأثیر کلان داده ها بر افراد نگاه می کنند، زیرا کنترل اجتماعی را از طریق نظارت، استخراج و دستکاری اعمال می کند. کلان داده ها و جامعه، هم تأثیرات توانمندساز و هم تأثیرات محدودکننده آن را بررسی می کند. کلان داده و علم، با در نظر گرفتن مسائل مربوط به حاکمیت داده، منشأ، استفاده مجدد و اعتماد؛ و کلان داده ها و سازمان ها، در مورد مسئولیت داده ها، "آسیب به داده ها" و تصمیم گیری بحث می کنند. مشارکت کنندگان رایان ابوت، کریستینا آلایمو، کنت آر. اندرسون، مارک آندریویچ، دایان ای. بیلی، مایک بیلی، مارک بوردون، فرد اچ. کیت، خورخه ال. کنترراس، سیمون دئو، حمید آر. اکبیا، آلیسون گودول، جانیس کالینیکو، اینا کوپر، ام. لین مارکوس، مایکل ماتیولی، پل اهم، اسکات پپت، بت پله، جیسون پورتنوی، جولی رنهکر، کیتی شیلتون، دن شولر، کسیدی آر. سوگیموتو، ایسورو سوریاراچی، جوین دی وست
Perspectives on the varied challenges posed by big data for health, science, law, commerce, and politics. Big data is ubiquitous but heterogeneous. Big data can be used to tally clicks and traffic on web pages, find patterns in stock trades, track consumer preferences, identify linguistic correlations in large corpuses of texts. This book examines big data not as an undifferentiated whole but contextually, investigating the varied challenges posed by big data for health, science, law, commerce, and politics. Taken together, the chapters reveal a complex set of problems, practices, and policies. The advent of big data methodologies has challenged the theory-driven approach to scientific knowledge in favor of a data-driven one. Social media platforms and self-tracking tools change the way we see ourselves and others. The collection of data by corporations and government threatens privacy while promoting transparency. Meanwhile, politicians, policy makers, and ethicists are ill-prepared to deal with big data's ramifications. The contributors look at big data's effect on individuals as it exerts social control through monitoring, mining, and manipulation; big data and society, examining both its empowering and its constraining effects; big data and science, considering issues of data governance, provenance, reuse, and trust; and big data and organizations, discussing data responsibility, “data harm,” and decision making. Contributors Ryan Abbott, Cristina Alaimo, Kent R. Anderson, Mark Andrejevic, Diane E. Bailey, Mike Bailey, Mark Burdon, Fred H. Cate, Jorge L. Contreras, Simon DeDeo, Hamid R. Ekbia, Allison Goodwell, Jannis Kallinikos, Inna Kouper, M. Lynne Markus, Michael Mattioli, Paul Ohm, Scott Peppet, Beth Plale, Jason Portenoy, Julie Rennecker, Katie Shilton, Dan Sholler, Cassidy R. Sugimoto, Isuru Suriarachchi, Jevin D. West