Wir leben heute im Zeitalter von Big Data – einem Zeitalter, in dem immer größere Mengen unterschiedlich strukturierter Daten mit enormer Geschwindigkeit generiert, gespeichert und analysiert werden können. Ermöglicht wird dies durch neu entwickelte Methoden und Technologien, die mit dem Begriff Big Data erfasst werden. Hierbei handelt es sich um eine relativ neue Entwicklung. Noch vor zehn Jahren war Big Data kaum ein Thema. Doch schon fünf Jahre später war der Begriff in aller Munde und einige Fachleute sprachen bereits von einer „Revolution, die unser Leben verändern wird“ (Mayer-Schönberger/Cukier 2013). Seitdem häufen sich die Stimmen, die sagen, dass Big Data unser Leben in vielen Bereichen verändert, sei es im Bereich der Wirtschaft, der Politik oder der Wissenschaft. Die Big-Data-Revolution wirft eine Reihe wichtiger Fragen auf, die weit über Themen wie Datenschutz oder Überwachung hinausgehen. So steht aktuell die These im Raum, dass Big Data die Produktion von Wissen in unserer Gesellschaft grundlegend verändert. Wie diese Veränderungen im Einzelnen aussehen, ist Gegenstand einer intensiven Debatte. Daher wird in der vorliegenden Arbeit folgende Frage untersucht: Wie wirkt sich Big Data auf die Produktion von Wissen in unserer Gesellschaft aus?
Inhaltsverzeichnis
1. Einleitung
2. Theoretische Grundlagen
2.1 Historizismus nach Thomas S. Kuhn
2.2 Positivismus
3. Was ist Big Data?
4. Der Einfluss von Big Data auf die Produktion von Wissen
4.1 Das Big-Data-Zeitalter als neues Paradigma der Wissenschaft
4.2 „Digitaler Positivismus“ und das „Ende der Theorie“
4.3 Datengetriebene Wissenschaft (data-driven science)
5. Fazit
Zielsetzung & Themen
Diese Arbeit untersucht die zentrale Forschungsfrage, wie sich Big Data auf die Produktion von Wissen in unserer Gesellschaft auswirkt, indem sie theoretische Ansätze aus der Wissenschaftstheorie mit den aktuellen Entwicklungen im Bereich datenintensiver Methoden kontrastiert.
- Historische und wissenschaftstheoretische Einordnung von Big Data
- Kritische Auseinandersetzung mit dem Paradigmenwechsel der Wissenschaft
- Analyse des „Digitalen Positivismus“ und der These vom „Ende der Theorie“
- Bewertung der datengetriebenen Wissenschaft (data-driven science) als Lösungsansatz
Auszug aus dem Buch
4.3 Datengetriebene Wissenschaft (data-driven science)
Während positivistisch-empiristische Ansätze das hypothetisch-deduktive Vorgehen der modernen Wissenschaft zugunsten eines empirisch-induktiven Ansatzes aufgeben möchten, will die datengetriebene Wissenschaft (data-driven science) an den Grundsätzen der wissenschaftlichen Methode festhalten (Kitchin 2014b, S. 137). Gleichzeitig versucht sie, zu einem umfassenderen Verständnis der Phänomene zu gelangen, indem sie deduktive, induktive und abduktive Ansätze miteinander verbindet. Das Forschungsdesign der datengetriebenen Wissenschaft „differs from the traditional, experimental deductive design in that it seeks to generate hypotheses and insights ‘born from the data’ rather than ‘born from the theory’” (Kitchin 2014b, S. 137). Hypothesen sollen nicht länger deduktiv aus der Theorie abgeleitet, sondern induktiv aus den Daten gewonnen werden. Im Gegensatz zu positivistisch-empiristischen Ansätzen ist eine Erklärung durch Induktion jedoch nicht der angestrebte Endpunkt. Induktion dient lediglich als neue Methode zur Generierung von Hypothesen, bevor ein deduktiver Ansatz verfolgt wird (Kitchin 2014b, S. 137). Auch von einem „Ende der Theorie“ kann hier keine Rede sein.
Statt auf die Identifizierung aller Beziehungen innerhalb eines Datensatzes zu hoffen und anzunehmen, dass alle Beziehungen bedeutungsvoll sind, will die datengetriebene Wissenschaft bestehende Theorie nutzen, um den Prozess der Wissensentdeckung zu lenken. So soll die Identifizierung näher untersuchenswerter Hypothesen durch Theorie geleitet werden (Kitchin 2014b, S. 138).
Zusammenfassung der Kapitel
1. Einleitung: Diese Einleitung führt in die Relevanz von Big Data für die Wissensproduktion ein und definiert die forschungsleitende Frage der Arbeit.
2. Theoretische Grundlagen: Hier werden die wissenschaftstheoretischen Konzepte des Historizismus nach Kuhn sowie der Positivismus als Basis für die weitere Analyse vorgestellt.
3. Was ist Big Data?: Dieses Kapitel bestimmt den Begriff Big Data durch seine charakteristischen Merkmale und technologischen Grundlagen.
4. Der Einfluss von Big Data auf die Produktion von Wissen: Dieser Hauptteil analysiert, ob Big Data ein neues Wissenschaftsparadigma darstellt, untersucht den Digitalen Positivismus und beleuchtet das Konzept der datengetriebenen Wissenschaft.
5. Fazit: Das Fazit fasst die Ergebnisse zusammen und bewertet die Auswirkungen von Big Data auf die Wissensproduktion in verschiedenen wissenschaftlichen Disziplinen.
Schlüsselwörter
Big Data, Wissenschaftstheorie, Paradigmenwechsel, Digitaler Positivismus, Ende der Theorie, Datengetriebene Wissenschaft, Wissensproduktion, Epistemologie, Abduktion, Data-driven science, Induktion, Deduktion, Wissenschaftliche Methode, Soziologie, Datenkritik
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der soziologischen und wissenschaftstheoretischen Untersuchung, inwieweit Big Data die Art und Weise, wie in unserer Gesellschaft Wissen produziert wird, nachhaltig verändert.
Welche zentralen Themenfelder werden behandelt?
Zentrale Themen sind die Entwicklung wissenschaftlicher Paradigmen, die Auswirkungen der Datenflut auf die Theoriebildung, der Digitalbegriff des Positivismus sowie die methodische Neuausrichtung hin zur datengetriebenen Wissenschaft.
Was ist das primäre Ziel der Arbeit?
Das primäre Ziel ist es, kritisch zu hinterfragen, ob Big Data das Potenzial hat, ein komplett neues Wissenschaftsparadigma zu etablieren oder ob es bestehende wissenschaftliche Methoden lediglich erweitert.
Welche wissenschaftliche Methode wird verwendet?
Es handelt sich um eine theoretisch-analytische Arbeit, die bestehende wissenschaftstheoretische Konzepte (insbesondere von Thomas S. Kuhn) auf den aktuellen Forschungsstand zu Big Data anwendet.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in drei Bereiche: die Einordnung als neues Paradigma der Wissenschaft, die Auseinandersetzung mit der These vom „Ende der Theorie“ im Digitalen Positivismus und die Untersuchung der Vision einer datengetriebenen Wissenschaft.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit ist durch Begriffe wie Big Data, Paradigmenwechsel, Epistemologie, Digitaler Positivismus und datengetriebene Wissenschaft geprägt.
Inwiefern beeinflusst Big Data die Produktion von Wissen in den Geistes- und Sozialwissenschaften?
Laut dem Autor ist eine Etablierung eines grundlegend neuen Paradigmas in diesen Disziplinen unwahrscheinlich, da Big Data zwar neue Werkzeuge bietet, aber keine vollständige Ablösung bewährter theoretischer Ansätze bewirkt.
Wie unterscheidet sich die datengetriebene Wissenschaft vom Digitalen Positivismus?
Während der Digitale Positivismus behauptet, Daten könnten völlig ohne Theorie für sich sprechen, hält die datengetriebene Wissenschaft an der theoretischen Einbettung fest und nutzt Methoden wie die Abduktion, um Hypothesen zielgerichtet aus Daten zu gewinnen.
- Arbeit zitieren
- B.A. Christoph Germann (Autor:in), 2018, Der Einfluss von Big Data auf die Produktion von Wissen, München, GRIN Verlag, https://www.grin.com/document/505840
