BIG DATA SOURCES Meaning in Malay - translations and usage examples

• sumber data besar

Examples of using Big data sources in English and their translations into Malay

Surveys linked to big data sources(section 3.6).
Survei dikaitkan dengan sumber data besar( seksyen 3. 6).

Big data sources tend to have a number of characteristics in common;
Sumber data yang besar cenderung mempunyai beberapa ciri yang sama;

Measurement is much less likely to change behavior in big data sources.
Pengukuran adalah lebih kurang berkemungkinan untuk mengubah tingkah laku dalam sumber data yang besar.

Far from distinctive, many big data sources have information that is sensitive.
Jauh daripada tersendiri, banyak sumber data yang besar mempunyai maklumat yang sensitif.

Big data sources are everywhere, but using them for social research can be tricky.
Sumber data yang besar ada di mana-mana, tetapi menggunakannya untuk penyelidikan sosial boleh menjadi rumit.

In particular, I will focus on big data sources created by companies and governments.
Khususnya, saya akan memberi tumpuan kepada sumber data besar yang dicipta oleh syarikat dan kerajaan.

The big data sources of today- and likely tomorrow- will tend to have 10 characteristics.
Sumber-sumber data yang besar hari ini-dan kemungkinan esok-akan cenderung mempunyai 10 ciri.

Third era Non-probability sampling Computer-administered Surveys linked to big data sources.
Era ketiga Persampelan bukan kebarangkalian Dikendalikan komputer Survei dikaitkan dengan sumber data besar.

In conclusion, the big data sources of today(and tomorrow) generally have ten characteristics.
Kesimpulannya, sumber data yang besar hari ini( dan esok) secara amnya mempunyai sepuluh ciri-ciri.

In fact, I think that many of the challenges and opportunities created by big data sources follow from just one“W”: Why.
Sebenarnya, saya rasa banyak cabaran dan peluang yang dicipta oleh sumber data yang besar mengikuti hanya satu" W": Mengapa.

To conclude, many big data sources are not representative samples from some well-defined population.
Untuk membuat kesimpulan, banyak sumber data yang besar tidak mewakili sampel dari beberapa populasi yang jelas.

There is just too much to be gained by linking survey data to the big data sources discussed in chapter 2.
Terdapat terlalu banyak yang dapat diperoleh dengan menghubungkan data tinjauan ke sumber data besar yang dibincangkan dalam bab 2.

In some cases, big data sources enable you to do this counting relatively directly(as in the case of New York Taxis).
Dalam beberapa kes, sumber-sumber data yang besar membolehkan anda untuk melakukan kiraan ini agak langsung( seperti dalam kes di New York Teksi).

If true, this would seem to severely limit what can be learned from big data sources because many of them are nonrepresentative.
Sekiranya benar, ini seolah-olah akan mengehadkan apa yang boleh dipelajari dari sumber data besar kerana ramai di antaranya bukan perwakilan.

Most big data sources are incomplete, in the sense that they don't have the information that you will want for your research.
Kebanyakan sumber data yang besar tidak lengkap, dalam erti kata bahawa mereka tidak mempunyai maklumat yang anda mahu untuk penyelidikan anda.

In fact, people who have worked with big data sources know that they are frequently dirty.
Malah, orang yang telah bekerja dengan sumber data yang besar tahu bahawa mereka adalah kerap kotor.

Finally, I will describe two research templates for linking survey data to big data sources(section 3.6).
Akhir sekali, saya akan menerangkan dua template penyelidikan untuk menghubungkan data kajian kepada sumber-sumber data yang besar( Seksyen 3. 6).

As I described in chapter 2, most big data sources are inaccessible to researchers.
Seperti yang saya nyatakan dalam bab 2, kebanyakan sumber data yang besar tidak boleh diakses oleh penyelidik.

Many other big data sources also have information that is sensitive, which is part of the reason why they are often inaccessible.
Banyak sumber data besar lain juga mempunyai maklumat yang sensitif, yang merupakan sebahagian daripada sebab mengapa mereka sering tidak dapat diakses.

As I'm describing these characteristics you will notice that they often arise because big data sources were not created for the purpose of research.
Seperti yang saya nyatakan ciri-ciri ini, anda akan melihat bahawa mereka sering muncul kerana sumber data besar tidak dicipta untuk tujuan penyelidikan.

In conclusion, big data sources, such as government and business administrative records, are generally not created for the purpose of social research.
Sebagai kesimpulan, sumber data besar, seperti rekod pentadbiran kerajaan dan perniagaan, secara amnya tidak dicipta untuk tujuan penyelidikan sosial.

For more on construct validity, see Westen and Rosenthal(2003), and for more on construct validity in big data sources, Lazer(2015) and Chapter 2 of this book.
Untuk lebih banyak membuktikan kesahan, lihat Westen and Rosenthal( 2003), dan untuk lebih membina kesahihan dalam sumber data besar, Lazer( 2015) dan bab 2 buku ini.

To conclude, many big data sources are drifting because of changes in who is using them, in how they are being used, and in how the systems work.
Untuk membuat kesimpulan, banyak sumber data besar hanyut kerana perubahan dalam siapa yang menggunakannya, bagaimana mereka digunakan, dan bagaimana sistem berfungsi.

Social scientists call this match construct validity and it is a major challenge with using big data sources for social research(Lazer 2015).
Ahli sains sosial memanggil ini sah Perlawanan membina dan ia adalah satu cabaran yang besar dengan menggunakan sumber data yang besar untuk penyelidikan sosial( Lazer 2015).

Another way in which researchers can use big data sources in survey research is as a sampling frame for people with specific characteristics.
Cara lain di mana penyelidik boleh menggunakan sumber data yang besar dalam penyelidikan tinjauan adalah sebagai bingkai persampelan bagi orang yang mempunyai ciri-ciri tertentu.

Most social scientists are already familiar with the process of cleaning large-scale social survey data, but cleaning big data sources seems to be more difficult.
Kebanyakan saintis sosial sudah biasa dengan proses pembersihan data tinjauan skala besar, tetapi pembersihan sumber data besar nampaknya lebih sukar.

Big data sources and surveys are complements not substitutes so as the amount of big data increases, I expect that the value of surveys will increases as well.
Sumber data yang besar dan tinjauan adalah pelengkap tidak pengganti supaya jumlah kenaikan data yang besar, saya menjangkakan bahawa nilai kaji selidik akan bertambah juga.

(Note that this same activity also appears in chapter 6.) This activity will give you practice in data wrangling and thinking about natural experiments in big data sources.
( Perhatikan bahawa aktiviti yang sama ini juga terdapat dalam bab 6.) Aktiviti ini akan memberi anda amalan dalam wrangling data dan memikirkan eksperimen semula jadi dalam sumber data besar.

First, I will argue that big data sources will not replace surveys and that the abundance of big data sources increases- not decreases- the value of surveys(section 3.2).
Pertama, saya akan berhujah bahawa sumber data yang besar tidak akan menggantikan tinjauan dan bahawa banyak sumber data besar meningkat-tidak berkurangan-nilai tinjauan( seksyen 3. 2).

Nowcasting projects such as Google Flu Trends also show what can happen if big data sources are combined with more traditional data that were created for the purposes of research.
Projek siaran seperti Google Flu Trends juga menunjukkan apa yang boleh terjadi jika sumber data besar digabungkan dengan data yang lebih tradisional yang diciptakan untuk tujuan penyelidikan.