Examples of using Big data sources in English and their translations into Malayalam
{-}
-
Colloquial
-
Ecclesiastic
-
Ecclesiastic
-
Computer
Big data sources can be loaded with junk and spam.
ബിഗ് ഡാറ്റ ഉറവിടങ്ങളിൽ ജങ്ക് സ്പാം കയറ്റി കഴിയും.Table 2.3: Examples of natural experiments using big data sources.
പട്ടിക 2.3: ബിഗ് ഡാറ്റ ഉറവിടങ്ങൾ ഉപയോഗിച്ച് സ്വാഭാവിക പരീക്ഷണങ്ങളുടെ ഉദാഹരണങ്ങൾ.Big data sources tend to have ten characteristics;
ബിഗ് ഡാറ്റ ഉറവിടങ്ങളിൽ പത്തു വിശേഷലക്ഷണങളുണ്ട് പ്രവണത;Table 2.1: Studies of unexpected events using always-on big data sources.
പട്ടിക 2.1: എപ്പോഴും വലിയ ഡാറ്റ ഉറവിടങ്ങൾ ഉപയോഗിച്ച് അപ്രതീക്ഷിത സംഭവങ്ങളുടെ പഠനം.Big data sources are both found and designed;
വലിയ ഡാറ്റാ സ്രോതസ്സുകൾ കണ്ടെടുക്കുകയും രൂപകൽപ്പന ചെയ്യുകയും ചെയ്യുന്നു;Far from distinctive, many big data sources have information that is sensitive.
ഫാർ വ്യതിരിക്ത നിന്ന്, പല വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ സെൻസിറ്റീവ് ആണ് വിവരങ്ങൾ ഞങ്ങൾക്കുണ്ട്.Big data sources do not mean the end of survey research. In fact, it is the opposite.
ബിഗ് ഡാറ്റ ഉറവിടങ്ങളിൽ സർവേ റിസർച്ച് അവസാനം അർഥമില്ല. വാസ്തവത്തിൽ അത് വിപരീതമാണ്.In particular, I will focus on big data sources created by companies and governments.
പ്രത്യേകിച്ചും, കമ്പനികളും സർക്കാരുകളും സൃഷ്ടിച്ച വലിയ ഡാറ്റാ ഉറവിടങ്ങളിൽ ഞാൻ ശ്രദ്ധ കേന്ദ്രീകരിക്കും.In the next section,we will consider the linkages between surveys and big data sources in greater detail.
അടുത്ത വിഭാഗത്തിൽ സർവേകളും വലിയ ഡാറ്റ സ്രോതസ്സുകളും തമ്മിലുള്ള ബന്ധം കൂടുതൽ വിശദമായി പരിശോധിക്കും.In conclusion, the big data sources of today(and tomorrow) generally have ten characteristics.
സമാപന ഇന്നത്തെ ബിഗ് ഡാറ്റ ഉറവിടങ്ങളിൽ( നാളെയും) പൊതുവിൽ പത്തു വിശേഷലക്ഷണങളുണ്ട്.Finally, I will describe two strategies for combining survey data and big data sources.
അന്തിമമായി, സർവേ വിവരവും വലിയ ഡാറ്റാ ഉറവിടങ്ങളും സമന്വയിപ്പിക്കുന്നതിനുള്ള രണ്ട് തന്ത്രങ്ങൾ ഞാൻ വിശദീകരിക്കും.Many other big data sources also have information that is sensitive, which is part of the reason why they are often inaccessible.
മറ്റു വലിയ ഡാറ്റാ സ്രോതസ്സുകളിൽ സെൻസിറ്റീവ് ആയ വിവരവും ഉണ്ട്, അവ പലപ്പോഴും ആക്സസ് ചെയ്യാൻ കഴിയാത്തതിൻറെ കാരണം തന്നെയാണ്.Understanding these 10 general characteristicsis a helpful first step toward learning from big data sources.
ഈ 10 പൊതു സവിശേഷതകൾ മനസിലാക്കുന്നത് വലിയ ഡാറ്റാ ഉറവിടങ്ങളിൽ നിന്ന് പഠനത്തിന് സഹായകരമായ ഒരു ആദ്യപടിയാണ്.Some researchers believe that big data sources, especially online sources, are pristine because they are collected automatically.
വലിയ ഡാറ്റാ സ്രോതസ്സുകൾ, പ്രത്യേകിച്ച് ഓൺലൈൻ ഉറവിടങ്ങൾ, അവ സ്വയമേവ ശേഖരിക്കുന്നു എന്നതിനാൽ ചില ഗവേഷകർ വിശ്വസിക്കുന്നു.Thus, for those who are good atasking certain types of research questions, big data sources can be very fruitful.
ഇപ്രകാരം, ഗവേഷണ ചോദ്യങ്ങൾ ചില തരത്തിലുള്ള ആവശ്യപ്പെട്ട് നല്ല വേണ്ടി, വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ ഏറ്റവും ഫലവത്തായോരു കഴിയും.Most big data sources are incomplete, in the sense that they don't have the information that you will want for your research.
ഏറ്റവും വലിയ ഡാറ്റാ ഉറവിടങ്ങൾ അപൂർണ്ണമാണ്, അർത്ഥമാക്കുന്നത് നിങ്ങളുടെ ഗവേഷണത്തിനായി നിങ്ങൾ ആഗ്രഹിക്കുന്ന വിവരങ്ങൾ അവർക്കില്ല എന്നാണ്.For machine learning approaches thatattempt to automatically discover natural experiments inside of big data sources, see Jensen et al.
പ്രകൃതി പരീക്ഷണങ്ങൾ വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ അകം സ്വയം കണ്ടെത്താൻ ശ്രമിക്കുന്ന മെഷീൻ ലേണിംഗ് സമീപനങ്ങളിലും, കാണുക Jensen et al.In some cases, big data sources enable you to do this counting relatively directly(as in the case of New York Taxis).
ചില കേസുകളിൽ, ബിഗ് ഡാറ്റ സ്രോതസ്സുകൾ താരതമ്യേന നേരിട്ട് ഈ എണ്ണൽ ചെയ്യാൻ( ന്യൂയോർക്ക് ടാക്സികൾ കാര്യത്തിലെന്നപോലെ) നിങ്ങളെ പ്രാപ്തരാക്കുന്നു.The sensitive nature of this information is part of the reason that big data sources are often inaccessible(described above).
ഈ വിവരങ്ങളുടെ സെൻസിറ്റീവ് സ്വഭാവം വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ പലപ്പോഴും( മുകളിൽ വിശദീകരിച്ചിട്ടുണ്ട്) നല്കുമെന്നും ആകുന്നു എന്നു കാരണം ഭാഗമാണ്.Rather than thinking of big data sources as observing people in a natural setting, a more apt metaphor is observing people in a casino.
മറിച്ച് ഒരു സ്വാഭാവിക ക്രമീകരണം ആളുകളെ ആചരിക്കുക വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ ചിന്തിക്കുമ്പോൾ പകരം ഒരു വിശേഷണം ചടുലത ഒരു കാസിനോ ആളുകളെ നിരീക്ഷിക്കുന്നുവെന്ന.If true,this would seem to severely limit what can be learned from big data sources because many of them are nonrepresentative.
സത്യമെങ്കിൽ, വലിയ ഡാറ്റ സ്രോതസ്സുകളിൽ നിന്ന് എന്തൊക്കെ പഠിക്കണമെന്നത് കർശനമായി പരിഗണിക്കപ്പെടുന്നു, കാരണം അവയിൽ പലതും അവലംബമില്ലാത്തവയാണ്.Some researchers believe that big data sources, especially those from online sources, are pristine because they are collected automatically.
ചില ഗവേഷകർ വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ വിശ്വസിക്കുന്നു, പ്രത്യേകിച്ച് ഓൺലൈൻ Based on the ideas in this chapter,I think that there are three main ways that big data sources will be most valuable for social research.
ഈ അദ്ധ്യായത്തിൽ ആശയങ്ങൾ അടിസ്ഥാനമാക്കി, ഞാൻ വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ സോഷ്യൽ റിസർച്ച് ഏറ്റവും വിലപിടിച്ച ആയിരിക്കും മൂന്ന് പ്രധാന വഴികളുണ്ട് എന്നു തോന്നുന്നു.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.
ബിഗ് ഡാറ്റ ഉറവിടങ്ങളിൽ സർവേകൾ പൂരകമായി അല്ല Social scientists call this match construct validity andit is a major challenge with using big data sources for social research(Lazer 2015).
സാമൂഹിക ശാസ്ത്രജ്ഞന്മാർ ഈ മത്സരത്തിൽപരവലയങ്ങൾക്കു് സാധുത വിളിക്കുകയും അത് സോഷ്യൽ റിസർച്ച് വലിയ ഡാറ്റ ഉറവിടങ്ങൾ ഉപയോഗിച്ച് ഒരു പ്രധാന വെല്ലുവിളിയാണ്( 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.
ഗവേഷണ ഗവേഷണത്തിൽ ഗവേഷകർക്ക് വലിയ ഡാറ്റാ സ്രോതസ്സുകൾ ഉപയോഗപ്പെടുത്താനുള്ള മറ്റൊരു മാർഗ്ഗം പ്രത്യേക സവിശേഷതകളുള്ള ആളുകൾക്ക് ഒരു സാമ്പിൾ ഫ്രെയിം പോലെയാണ്.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.
ഭൂരിഭാഗം സാമൂഹിക ശാസ്ത്രജ്ഞന്മാരും വൻ തോതിലുള്ള സോഷ്യൽ സർവ്വെ ഡാറ്റ ക്ലീൻ ചെയ്യാനുള്ള പ്രക്രിയയെക്കുറിച്ച് മുൻകൂട്ടി അറിഞ്ഞിട്ടുണ്ട്,എന്നാൽ വലിയ ഡാറ്റാ സ്രോതസ്സുകൾ വൃത്തിയാക്കുന്നു എന്നത് കൂടുതൽ ബുദ്ധിമുട്ടുള്ളതായി തോന്നുന്നു.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).
ഒന്നാമതായി, വലിയ ഡാറ്റാ സ്രോതസ്സുകൾ സർവേകൾ മാറ്റി പകരം As I'm describing thesecharacteristics you will notice that they often arise because big data sources were not created for the purpose of research.
ഞാൻ ഈ സ്വഭാവവിശേഷങ്ങൾ വിവരിക്കുന്നതിനനുസരിച്ച് അവർ പലപ്പോഴും ഉണ്ടാകുമെന്ന് നിങ്ങൾ ഗവേഷണം നടക്കുന്നുണ്ട് കാരണം ഗവേഷണത്തിന്റെ ആവശ്യത്തിനായി വലിയ ഡാറ്റ ഉറവിടങ്ങൾ സൃഷ്ടിക്കപ്പെട്ടിട്ടില്ല.Nowcasting projects such as Google FluTrends also show what can happen if big data sources are combined with more traditional data that were created for the purposes of research.
ഗൂഗിൾ ഫ്ലൂ ട്രെൻഡ്സ് പോലുള്ള നവീകൃത പ്രോജക്ടുകൾഗവേഷണാവശ്യങ്ങൾക്ക് വേണ്ടി സൃഷ്ടിച്ച കൂടുതൽ പരമ്പരാഗത ഡാറ്റയുമായി വലിയ ഡാറ്റ സ്രോതസ്സുകളും കൂടിച്ചേർന്നാൽ എന്ത് സംഭവിക്കും എന്ന് കാണിക്കുന്നു.
