Hvad er oversættelsen af " BIG DATA SOURCES " på dansk?

• store datakilder
• big datakilder

Eksempler på brug af Big data sources på Engelsk og deres oversættelser til Dansk

Surveys linked to big data sources.
Undersà ̧gelser knyttet til store datakilder.

Big data sources are both found and designed;
Store datakilder er både fundet og designet;

Linking surveys to big data sources.
Sammenkobling af undersà ̧gelser til store datakilder.

Big data sources can be loaded with junk and spam.
Big datakilder kan belastes med junk og spam.

Surveys linked to big data sources section 3.6.
Undersà ̧gelser knyttet til store datakilder afsnit 3.6.

Big data sources tend to have ten characteristics;
Big datakilder tendens til at have ti karakteristika;

Instead, it is going to teach you how to learn from big data sources chapter 2.
I stedet skal det lære dig at lære af store datakilder kapitel 2.

In particular, I will focus on big data sources created by companies and governments.
Jeg vil især fokusere på store datakilder skabt af virksomheder og regeringer.

Then, in section 2.3, I describe ten common characteristics of big data sources.
Så, i afsnit 2.3, jeg beskrive ti fælles karakteristika af store datakilder.

Figure 3.12: Two ways to combine big data sources and survey data..
Figur 3.12: To måder at kombinere store datakilder og undersà ̧gelsesdata med.

Big data sources are everywhere, but using them for social research can be tricky.
Store datakilder er overalt, men at bruge dem til social forskning kan være vanskelig.

In fact, people who have worked with big data sources know that they are frequently dirty.
Faktisk folk, der har arbejdet med store datakilder ved, at de ofte beskidt.

The big data sources of today, and likely tomorrow, tend to have 10 characteristics.
De store datakilder i dag, og sandsynligvis i morgen, har tendens til at have 10 karakteristika.

As I described in chapter 2, most big data sources are inaccessible to researchers.
Som jeg har beskrevet i kapitel 2, er de fleste store datakilder utilgængelige for forskere.

Table 2.4 provides some other examples of how matching can be used with big data sources.
Tabel 2.4 giver nogle andre eksempler på, hvordan matching kan bruges med store datakilder.

In conclusion, the big data sources of today(and tomorrow) generally have ten characteristics.
Afslutningsvis de store datakilder i dag(og i morgen) har generelt ti karakteristika.

Table 2.1: Studies of unexpected events using always-on big data sources.
Tabel 2.1: Undersà ̧gelser af uventede begivenheder ved hjælp af altid-på store datakilder.

The big data sources of today-and likely tomorrow-will tend to have 10 characteristics.
De store datakilder i dag- og sandsynligvis i morgen- vil have en tendens til at have 10 karakteristika.

Like natural experiments, matching is a design that also benefits from big data sources.
Ligesom naturlige eksperimenter, matchning er et design, der også nyder godt af store datakilder.

Two approaches that especially benefit from big data sources are natural experiments and matching.
To tilgange, der især nyder godt af store datakilder, er naturlige eksperimenter og matchning.

Finally, I will describe two strategies for combining survey data and big data sources.
Endelig beskriver jeg to strategier til at kombinere undersà ̧gelsesdata og store datakilder.

As these examples illustrate, corporate big data sources are about more than just online behavior.
Som disse eksempler illustrerer, handler store store datakilder om mere end blot onlineadfærd.

There are a couple of different ways in which survey data can be combined with big data sources.
Der er et par forskellige måder, hvorpå undersà ̧gelsesdata kan kombineres med store datakilder.

Even though, from the perspective of researchers, big data sources are"found," they don't just fall from the sky.
Selvom store datakilder er"fundet" fra forskernes synspunkt, falder de ikke bare fra himlen.

With big data sources most of the work happens after you have the data, but experiments are the opposite;
Med store datakilder meste af arbejdet sker efter at du har data, men eksperimenter er det modsatte;

One way to combine survey data and big data sources is a process that I will call enriched asking.
En måde at kombinere undersà ̧gelsesdata og store datakilder til er en proces, som jeg kalder beriget spà ̧rger.

Rosenbaum(2015) and Hernán and Robins(2016) offer other advice for discovering useful comparisons within big data sources.
Rosenbaum(2015) og Hernán and Robins(2016) tilbyder andre råd til at finde nyttige sammenligninger inden for store datakilder.

Many of these characteristics ultimately arise because big data sources were not created for the purpose of social research.
Mange af disse karakteristika opstår i sidste ende fordi store datakilder ikke er skabt med henblik på social forskning.

When thinking about big data sources, many researchers immediately focus on online data created and collected by companies, such as search engine logs and social media posts.
Når man tænker på store datakilder, fokuserer mange forskere à ̧jeblikkeligt på online data oprettet og indsamlet af virksomheder, såsom sà ̧gemaskine logfiler og sociale medier.

There is just too much to be gained by linking survey data to the big data sources discussed in chapter 2.
Der er kun for meget at vinde ved at forbinde undersà ̧gelsesdata til de store datakilder, der er omtalt i kapitel 2.