Қазақ аудармасындағы ИСТОЧНИК ДАННЫХ

• деректер көзі
• деректер көзін

Источник данных Орыс тілінде қолдану мысалдары және олардың Қазақ тіліне аудармалары

Источник данных.
Сұрайтын көзі.

Очистить источник данных.
Деректер көзін тазалау.

Источник данных Тип.
Деректер көзінің түрі.

Очистить источник данных.
Пішіннің деректер көзін тазалау.

Источник данных для формы:"% 1".
Пішіннің деректер көзі"% 1" деп қою.

Очистить источник данных.
Өрістері- үлгілі деректер көзінен.

Источник данных исполняемых объектовName.
Орындайтын деректер тетігін жегуName.

Невозможно связать виджет и источник данных.
Бұл бөлшекке деректер көзі тағайындалмайды.

Источник данных значков веб- сайтовName.
Веб сайттарының таңбашаларын алу тетігіName.

Таблица 2. 8. Исследования, в которых используется большой источник данных для прогнозирования некоторых событий.
Кесте 2.8: Кейбір оқиғаны болжау үшін үлкен деректер көзін қолданатын зерттеулер.

Firsts/ 2: 1s награжден( 100)- процент студентов, которые закончили университет с или новинок 2: 1 степени; несекретные градусов исключены( источник данных: hesam); а также.
Қалдырылу/ 2:1марапатталды с(100)- қалдырылу бар магистранттардың пайыздық үлесі немесе 2:1 градус; құпия емес градус тасталады(деректер көзі: hesam); және.

Исследование качества( 200)- на основе самых последних исследований по оценке упражнения( источник данных: Совет по финансированию высших образования в Англии( HEFCE));
Ғылыми-зерттеу сапасын(200)- ең соңғы зерттеу бағалау жүзеге асыру негізінде(деректер көзі: Англия үшін Жоғары білім қаржыландыру кеңесі(HEFCE));

A- уровня/ Высшие точки( 250)- на национальном уровне проверенные данные для последующего учебного года используются для расчета турнирной таблицы( источник данных: hesam);
A-Level/ Жоғары балл(250)- ұлттық кейіннен оқу жылына арналған аудиттелген деректер Турнир кестелері есептеу үшін пайдаланылады(деректер көзі: hesam);

Уровень отчисления(+ 57 в- 74 точки)- количество студентов, которые бросают до завершения их курсов по сравнению с числом, как ожидается, сделать это( контрольный показатель показаны в скобках)( источник данных: HEFCE, Показатели результативности в области высшего образования).
Електен(+57 қарай-74 балл)- олардың курстарды аяқтамастан шығып студенттер саны мұны деп күтілуде санымен салыстырады(жақшада көрсетілген бағдар көрсеткіш)(деректер көзі: HEFCE, Жоғары білім көрсеткіштері).

Удовлетворение Student(+ 50 в- 55 точки)- результаты национальных опросов студентов оцениваются принимая теоретический минимальный и максимальный балл 50% а также 90% соответственно( источник данных: Национальное обследование Студент);
Студенттік қанағаттандыру(+50 қарай-55 балл)- Ұлттық студенттік зерттеулердің нәтижелері теориялық минимум және максимум балл отырып гол 50% және 90% тиісінше(деректер көзі: Ұлттық студенттік Survey);

Рисунок 2. 1: Оценки шансов ребенка на достижение 20% распределения доходов, при условии, что родители в нижней части 20%( Chetty et al. 2014). Оценки регионального уровня, которые показывают неоднородность, естественно, приводят к интересным и важным вопросам, которые не связаны с единой оценкой на национальном уровне. Эти оценки на региональном уровне стали возможными отчасти потому, что исследователи использовали большой большой источник данных: налоговые отчеты 40 миллионов человек. Создано из данных, доступных по адресу http:// www. equality- of- opportunity. org/.
Сурет: Баланың ең төменгі 20%-дық табыстары бойынша табыстың 20%-ына дейін жету мүмкіндігін бағалау(Chetty et al. 2014). Біртұтастықты көрсететін аймақтық деңгейдегі бағалау, әрине, бірыңғай ұлттық деңгейдегі бағалаудан туындайтын қызықты және маңызды мәселелерге әкеледі. Бұл өңірлік деңгейдегі бағалаулар ішінара мүмкін болды, өйткені зерттеушілер ірі деректер көзін қолданды: 40 миллион адамның салықтық есептері. Http://www. equality-of-opportunity. org/ сайтында қол жетімді деректерден жасалды.

Ошибка системы IBM 126 при создании источника данных ODBC.
ODBC деректер көзін жасаған кезде IBM System қатесі 126.

Что желаемые характеристики источника данных зависят от цели исследования, я считаю, что полезно грубо группировать десять характеристик по двум широким категориям.
Деректер көзінің қалаған сипаттамалары зерттеу мақсатына байланысты болса да, он сипаттаманы екі кең топқа қатыстыруға көмектеседі.

Другой способ, с помощью которого исследователи могут использовать большие источники данных в исследовательских исследованиях,- это выборка для людей с определенными характеристиками. К сожалению, этот подход может вызвать вопросы, связанные с уединением( Beskow, Sandler, and Weinberger 2006).
Зерттеушілер зерттеушілік зерттеулерде үлкен деректер көздерін пайдалана алатын тағы бір тәсілі- нақты сипаттамалары бар адамдар үшін іріктеу шеңберлері. Өкінішке орай, бұл тәсіл құпиялылыққа қатысты мәселелерді көтеруі мүмкін(Beskow, Sandler, and Weinberger 2006).

Таблица 2. 3: Примеры природных экспериментов с использованием больших источников данных. Все эти исследования следуют той же основной рецепт: случайный( или как будто случайное событие)+ всегда на системе данных. См Dunning( 2012) для большего количества примеров.
Кесте 2.3: үлкен деректер көздерін пайдалана отырып, табиғи эксперимент мысалдары. кездейсоқ(немесе кездейсоқ болса сияқты) Іс-шара+ деректер жүйесінен әрдайым бойынша: Барлық осы зерттеулер бірдей негізгі рецептіні орындаңыз. Қараңыз Dunning(2012) көп мысалдар үшін.

Что касается обогащенную запрошенных, результаты в Ansolabehere и Херш( 2012) Петля на двух основных этапов: 1 способность Catalist объединить множество разрозненных источников данных, чтобы произвести точную мастер- файл данных и 2 способность Catalist связать данные обследования для его мастер- файл данных. Поэтому Ansolabehere и Херш проверить каждый из этих шагов внимательно.
Байытылған өтініштер болсақ, Ansolabehere және Герш нәтижелері(2012) екі негізгі қадамдар туралы шарнир: дәл мастер datafile өндіруге көптеген бытыраңқы деректер көздерін біріктіру Catalist 1 қабілеті және 2 Catalist қабілеті үшін зерттеу деректерін байланыстыру оның мастер datafile. Сондықтан, Ansolabehere және Герш мұқият осы қадамдардың әрбір тексеріңіз.

Наиболее широко обсуждаемая особенность больших источников данных заключается в том, что они БОЛЬШИЕ. Например, многие статьи начинают, обсуждая, а иногда и хвастаясь, о том, сколько данных они анализировали. Например, в публикации, опубликованной в Science, изучающей тенденции использования слов в корпусе Google Books, были включены следующие( Michel et al. 2011).
Үлкен деректер көздерінің ең көп талқыланған ерекшелігі- олар BIG. Көптеген қағаздар, мысалы, талқылап-кейде мақтана бастайды- қанша деректер талданды. Мәселен, Google кітаптар корпусындағы сөзді пайдалану үрдістерін ғылыми зерттеуде жарияланған мақала келесідей болды(Michel et al. 2011).

Таблица 2. 2: Примеры цифровых следов, которые используются в качестве меры более абстрактных теоретических концепций. Социальные ученые называют этот матч построить действия, и это является одной из основных проблем с использованием больших источников данных для социальных исследований( Lazer 2015).
Кесте 2.2: Қосымша реферат теориялық ұғымдарды шаралар ретінде пайдаланылады сандық іздері мысалдары. Әлеуметтік ғалымдар бұл матч конструкция жарамдылығын қоңырау және әлеуметтік зерттеу үшін үлкен дерек көздерін пайдалана отырып, негізгі проблема болып(Lazer 2015).

Многие важные вопросы в социальных исследованиях могут быть выражены в качестве одного из этих трех. Тем не менее, эти подходы обычно требуют исследователей, чтобы принести много к данным. Что делает Farber( 2015) интересным является теоретическая мотивация для измерения. Эта теоретическая мотивация исходит из-за пределов данных. Таким образом, для тех, кто хорошо задавать определенные типы вопросов исследования, большие источники данных могут быть очень плодотворными.
Әлеуметтік зерттеулер көптеген маңызды мәселелер осы үш бірі ретінде білдірді болуы мүмкін. Алайда, бұл тәсілдер, әдетте, деректер көп әкелуге зерттеушілер талап етеді. Қандай етеді Farber(2015) қызықты өлшеу үшін теориялық ынталандыру болып табылады. Бұл теориялық мотивация деректер тыс шыққан. Осылайша, ғылыми-зерттеу сұрақтардың жекелеген түрлерін сұрап жақсы, кім үшін, үлкен деректер көздері өте жемісті болуы мүмкін.

Иногда бывают настройки, где случайность в мире бывает, чтобы создать что-то вроде эксперимента для исследователей. Эти конструкции называются естественные эксперименты, и они будут подробно рассмотрены в разделе 2. 4. 3. 1. Две особенности больших источников данных- их всегда на природе и их размер, значительно увеличивает нашу способность учиться на естественных экспериментов, когда они происходят.
Кейде әлемдегі кездейсоқтық зерттеушілер үшін эксперимент тәрізді бірдеңе жасау жүреді параметрлері бар. Бұл конструкциялар табиғи эксперименттер деп аталады, және олар бөлімде 2.4.3.1 егжей-тегжейлі қарастырылады. олар пайда болған кезде, үлкен деректер көздері-олардың сипаты әрқашан-мен олардың мөлшері-қатты екі ерекшеліктері табиғи эксперимент үйренуге деген қабілетін арттырады.

Эти три хорошие свойства больших объемов данных для социальных исследований, большой, всегда на, и не реактивно- возникают, как правило, потому что эти источники данных не были созданы исследователями для исследования. Теперь, я превращу к семи свойств больших источников данных, которые плохо для исследований. Эти функции также, как правило, возникают из-за этих данных не была создана исследователями для исследования.
Бұл деректер көздері зерттеу үшін зерттеушілер жасамаған, өйткені осы үшеуі жақсы әлеуметтік зерттеулер-үлкен үлкен деректер қасиеттері, әрқашан бойынша, сондай-ақ ұзақ реактивті-, әдетте туындайды. Енді, мен зерттеулер үшін жаман болып үлкен дерек көздерінің жеті сипаттары үшін бұраңыз боласыз. Бұл мүмкіндіктер, сондай-ақ, осы деректер зерттеу үшін зерттеушілер емес құрылды, өйткені туындауы бейім.

Каковы общие уроки исследователи могут извлечь из этого исследования? Во-первых, существует огромное значение от обогащения цифровых следов с данными обследования. Во-вторых, даже если они агрегируются, коммерческие источники данных не следует рассматривать как" земля истина", а в некоторых случаях они могут быть полезны. На самом деле, лучше всего сравнить эти источники данных не абсолютной Истины( от которого они всегда будут падать короткий). Скорее, это лучше сравнить их с другими имеющимися источниками данных, которые неизменно содержат ошибки, а также.
Зерттеушілер осы зерттеу жасауға болады, жалпы сабақ қандай? Біріншіден, зерттеу деректерімен сандық іздері байыта түскен орасан зор мән бар. Екіншіден, бұл біріктірілген тіпті, коммерциялық деректер көздері кейбір жағдайларда олар пайдалы болуы мүмкін,«жер правда» қарастырылуы тиіс. Шын мәнінде, ол(олар әрқашан қысқа түседі, оның) емес абсолютті шындық осы деректер көздерін салыстыру үздік болып табылады. Керісінше, бұл үнемі сондай қателер бар басқа қол жетімді деректер көздеріне, оларды салыстыруға жақсы.

Рисунок 2. 12: Изображение- и утка, и кролик; то, что вы видите, зависит от вашей перспективы. Большие источники данных найдены и разработаны; опять же, то, что вы видите, зависит от вашей перспективы. Например, записи данных о вызовах, собранные компанией мобильной телефонной связи, считаются данными с точки зрения исследователя. Но эти точные записи представляют собой данные с точки зрения того, кто работает в отделе биллинга телефонной компании. Источник: Popular Science Monthly( 1899)/ Wikimedia Commons.
Сурет 2.12: Сурет үйрек пен қоян болып табылады; Сіз көрген нәрселер сіздің перспективаға байланысты. Үлкен деректер көздері табылған және жобаланған; қайтадан көрінетін нәрсе сіздің перспективаларыңызға байланысты. Мысалға, ұялы телефон компаниясы жинаған шақыру деректеріне зерттеушінің көзқарасы бойынша деректер табылған. Дегенмен, дәл осы жазбалар телекомпанияның төлем бөлімінде жұмыс істейтін адамның тұрғысынан деректерді жасайды. Дерек көзі: Ай сайынғы танымал ғылым(1899)/ Уикипедия.

В журнале« Политическая наука» был проведен симпозиум по крупным данным, каузальным выводам и формальной теории, а Clark and Golder( 2015) суммируют каждый вклад. В журнале« Труды Национальной академии наук Соединенных Штатов Америки» был проведен симпозиум по каузальным выводам и большим данным, а Shiffrin( 2016) суммирует каждый вклад. Для подходов машинного обучения, которые пытаются автоматически обнаружить естественные эксперименты внутри больших источников данных, см. Jensen et al.( 2008), Sharma, Hofman, and Watts( 2015), Sharma, Hofman, and Watts( 2016).
PS Political Science» журналы үлкен деректерге, себеп-салдарға және ресми теорияға қатысты симпозиумға ие болды, ал Clark and Golder(2015) әр үлесті жинақтады. Америка Құрама Штаттарының Ұлттық Ғылымдар Академиясының журналы себеп- Shiffrin(2016) және үлкен деректер туралы симпозиумға ие болды, және Shiffrin(2016) әр үлесті жинақтады. Үлкен деректер көздерінің ішіндегі табиғи эксперименттерді автоматты түрде табуға тырысатын машина оқыту тәсілдері туралы Jensen et al.(2008), Sharma, Hofman, and Watts(2015), Sharma, Hofman, and Watts(2016).

В дополнение к изучению непредвиденных событий, всегда в больших системах данных также позволяют исследователям производить оценки в реальном времени, что может иметь важное значение в условиях, когда разработчики политики- в правительстве или отрасли- хотят реагировать на основе ситуационной осведомленности. Например, данные социальных сетей могут использоваться для направления экстренного реагирования на стихийные бедствия( Castillo 2016) и можно использовать множество различных источников данных, которые производят оценки экономической активности в реальном времени( Choi and Varian 2012).
Күтпеген оқиғаларды зерттеуден басқа, әрқашан үлкен деректер жүйелері зерттеушілерге нақты жағдайларды бағалауға мүмкіндік береді, бұл саясатты жасаушылар үкіметте немесе салада жағдайлық хабардарлыққа негізделген жауап беруге тырысады. Мысалы, әлеуметтік медиа деректер табиғи апаттарға(Castillo 2016) төтенше жағдайды жою үшін пайдаланылуы мүмкін және әртүрлі үлкен деректер көздері экономикалық белсенділіктің нақты уақыттық бағаларын шығару үшін пайдаланылуы мүмкін(Choi and Varian 2012).