دانلود مقاله و خرید ترجمه:روشهای تحلیل کلان داده در علوم اجتماعی

تخفیف ماه رمضان

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده داده های بزرگ ( big data )
  • Big data methods in the social sciences روشهای تحلیل کلان داده در علوم اجتماعی
    دانلود مقاله isi | دانلود مقاله انگلیسی رایگان | خرید ترجمه فارسی مقاله

    سال انتشار:

    2017


    ترجمه فارسی عنوان مقاله:

    روشهای تحلیل کلان داده در علوم اجتماعی


    عنوان انگلیسی مقاله:

    Big data methods in the social sciences


    منبع:

    Sciencedirect - Elsevier - Current Opinion in Behavioral Sciences 2017, 18:103–106


    نویسنده:

    Frederick L Oswald and Dan J Putka


    چکیده انگلیسی:

    Big data methods are attractive to the social sciences — and all the sciences — because they can address data sets where the number of variables can far exceed the number of cases being analyzed. Generally speaking, big data methods seek to detect stable and potentially complex clusters and/or predictions in the data, while also taking aggressive steps not to capitalize on chance in doing so. On this latter point, big data methods often perturb some combination of the sample, the variables, and the model to ensure that solutions are robust, where traditional statistical methods rarely do so, with some exceptions (e.g., cross-validation approaches, latent variable models). The boom in methodological advances and tools for big data affords the social scientist a vast and fast-evolving toolbox available for use. The goal of this annotated review is to provide some guidance to social science researchers who might feel overwhelmed by the panoply of big data methods available and/or feel that these methods are opaque. Despite feeling overwhelmed (or perhaps because of it), social scientists increasingly seek to understand big data methods and analyses that are sensible and appropriate to their research questions and data. This annotated review hopes to help this cause, relaying some key resources that
    (a) build a fundamental understanding of key modeling methods available for big data;
    (b) equip the researcher with a set of tools, based on these methods, that is available for conducting analyses of big data;
    (c) provide an instructive sampling of relevant substantive applications of big data methodology in the social sciences.
    The resources below were carefully selected, hoping to save readers valuable time as they engage in big data methodologies. Descriptions of each resource do not pretend to be comprehensive; instead, they serve as signals that encourage further exploration in a selective and strategic manner.


    چکیده فارسی:

    روشهای تحلیل کلان داده از موضوعات جذاب در حوزه علوم اجتماعی و تمام علوم محسوب میشود ، زیرا آنها میتوانند مجموعه داده ها را در جاهایی که تعداد متغیرها به مراتب بیشتر از تعداد موارد است را مورد تجزیه و تحلیل قرار دهند . بطور کلی ، روشهای تحلیل کلان داده بدنبال جستجوی خوشه بندیهای پایدار و بالقوه پیچیده / و یا پیش بینی داده ها هستند ، در حالیکه گامهای تهاجمی را نمیتوان بصورت تصادفی در اینموارد انجام داد . در مورد نکته سوم ، روشهای تحلیل داده های کلان اغلب در مورد ترکیب داده ها ، متغیرها اغراق میکنند ، و مدلی بمنظور اطمینان از راه حل ها ارایه میکنند ، بویژه در مواردی که روشهای آماری سنتی بندرت میتوانند اینکار را انجام دهند ، بجز در مواردی که موارد استثناء وجود دارد (مانند روشهای اعتبارسنجی متقابل ،مدلهای متغیر پنهان ) .
    رونق پیشرفتهای روش شناختی و ابزار موردنیاز ، موجب شد تا دانشمندان علوم اجتماعی جعبه ابزار وسیعی را برای استفاده در اختیار داشته باشند . هدف از این موضوع فراهم ساختن برخی راهکارها برای محققان علوم اجتماعی است که ممکن است از روشهای تحلیل کلان داده ها که در دسترس قرار دارند احساس گیجی کنند و یا این روشها را مبهم بخوانند . علیرغم احساس گیجی و مستغرق بودن دانشمندان در فکر ، (یا شاید بخاطر آن) ، دانشمندان اجتماعی بصورت فزاینده ایی در جستجوی درک روشهای تحلیل کلان داده ها هستند و به تجزیه و تحلیل منطقی در مورد سووالاتِ تحقیق و داده ها میپردازند . امیدواریم این بررسی بتواند به این مسئله کمک کند ، و برخی منابع مهم را تقویت کند که :
    a. ایجاد درک اساسی از روشهای مدلسازی کلیدی که برای کلان داده ها در دسترس قرار دارد .
    b. -تجهیز نمودن محققان با مجموعه ایی از ابزار ، بر مبنای این روشها که در دسترس قرار دارند تجزیه و تحلیل داده ها انجام میشوند .
    c. ارائه ی نمونه های اموزنده از برنامه های کاربردی مهم که برای روش شناختی کلان داده ها در علوم اجتماعی مورد استفاده قرار میگیرند .
    منابعی که در زیر ارایه شده اند بدقت انتخاب شده اند ، امیدواریم در وقت ارزشمندِ خوانندگان روش شناختی کلان داده ها صرفه جویی نموده باشیم . توصیف هر یک از منابع بمعنای جامع بودن آنها نیست ، در عوض ، انها سیگنالهایی برای کشف بیشتر راه های انتخابی و استراتژیکی ارایه میکنند .


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 5
    تعداد صفحات فایل doc فارسی: 12

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 50 کیلوبایت


    قیمت: 15000 تومان  12000 تومان(20% تخفیف)


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
داده-های-بزرگ
موضوعات
footer