Big Data and Its Empiricist Founda4ons Teresa - PowerPoint PPT Presentation

Big ¡Data ¡and ¡Its ¡Empiricist ¡ Founda4ons ¡ ¡ Teresa ¡Scantamburlo ¡

The ¡evolu4on ¡of ¡Data ¡Science ¡ • The ¡mechaniza4on ¡of ¡induc4on ¡ ¡ • The ¡business ¡of ¡data ¡ • The ¡Big ¡Data ¡paradigm ¡(data ¡+ ¡computa4on) ¡ • Cri4cal ¡analysis ¡ • Tenta4ve ¡solu4ons ¡(?) ¡ • Open ¡problems ¡

Sta4s4cal ¡Learning ¡Theory ¡ The ¡ques4on ¡is ¡how ¡a ¡machine, ¡a ¡computer, ¡can ¡“learn” ¡from ¡ examples ¡(= ¡ induc&ve ¡inference ¡and ¡generaliza&on ¡ability ) ¡ ¡ The ¡machine ¡is ¡shown ¡par4cular ¡examples ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡of ¡a ¡specific ¡ ( x 1 , y 1 ),...,( x n , y n ) task ¡ ¡where ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡(instances) ¡and ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡(labels). ¡ ¡ ¡ x i ! X y i ! Y Its ¡goal ¡is ¡to ¡infer ¡a ¡general ¡rule ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡(classifier) ¡which ¡can ¡both ¡ f : X ! Y explain ¡the ¡examples ¡it ¡has ¡seen ¡already ¡and ¡which ¡can ¡generalize ¡to ¡ new ¡examples. ¡ ¡ von ¡Luxburg ¡and ¡Schölkopf, ¡ Sta&s&cal ¡Learning ¡Theory: ¡Models, ¡Concepts ¡and ¡Results , ¡ 2011 ¡

Sta4s4cal ¡Learning ¡Theory ¡

The ¡Business ¡of ¡Data ¡ Big ¡Data ¡is ¡not ¡simply ¡denoted ¡by ¡volume. ¡ ¡ Some ¡characterizing ¡features: ¡ ¡ • velocity , ¡being ¡created ¡in ¡or ¡near ¡real-­‑4me; ¡ • variety , ¡being ¡structured ¡and ¡unstructured ¡in ¡nature; ¡ • exhaus&ve ¡in ¡scope , ¡striving ¡to ¡capture ¡en4re ¡popula4ons ¡or ¡ systems ¡(n = all); ¡ • rela&onal ¡in ¡nature, ¡containing ¡common ¡fields ¡that ¡enable ¡the ¡ conjoining ¡of ¡different ¡data ¡sets; ¡ • fine-­‑grained ¡ in ¡resolu4on ¡ • flexible , ¡holding ¡the ¡traits ¡of ¡ ¡ extensionality ¡(can ¡add ¡new ¡fields ¡ easily) ¡and ¡ ¡ scaleability ¡(can ¡expand ¡in ¡size ¡rapidly). ¡ R. ¡Kitchin, ¡ Big ¡data, ¡new ¡epistemologies ¡and ¡paradigm ¡shiFs , ¡2014 ¡

The ¡Big ¡Data ¡Paradigm ¡ Big ¡Data ¡is ¡less ¡about ¡data ¡that ¡is ¡big ¡than ¡it ¡is ¡ about ¡a ¡ capacity ¡to ¡search, ¡aggregate, ¡and ¡cross-­‑ reference ¡large ¡data ¡sets. ¡ Big ¡Data ¡as ¡a ¡socio-­‑technical ¡phenomenon ¡ ¡ It ¡rests ¡on ¡the ¡interplay ¡of: ¡ ¡ Technology : ¡maximizing ¡computa4on ¡power ¡and ¡algorithmic ¡accuracy ¡to ¡ • gather, ¡analyze, ¡link, ¡and ¡compare ¡large ¡data ¡sets. ¡ Analysis : ¡drawing ¡on ¡large ¡data ¡sets ¡to ¡iden4fy ¡pa]erns ¡in ¡order ¡to ¡make ¡ • economic, ¡social, ¡technical, ¡and ¡legal ¡claims. ¡ Mythology : ¡the ¡widespread ¡belief ¡that ¡large ¡data ¡sets ¡offer ¡a ¡higher ¡form ¡ • of ¡intelligence ¡and ¡knowledge ¡that ¡can ¡generate ¡insights ¡that ¡were ¡ previously ¡impossible, ¡with ¡the ¡aura ¡of ¡truth, ¡objec4vity, ¡and ¡accuracy ¡ d. ¡boyd ¡and ¡K. ¡Crawford, ¡ Cri&cal ¡ques&ons ¡for ¡Big ¡Data: ¡provoca&ons ¡for ¡a ¡cultural, ¡ technological, ¡and ¡scholarly ¡phenomenon , ¡2012 ¡

The ¡end ¡of ¡theory ¡ This ¡is ¡a ¡world ¡where ¡ massive ¡amounts ¡of ¡data ¡ and ¡applied ¡mathema&cs ¡replace ¡every ¡other ¡ tool ¡that ¡might ¡be ¡brought ¡to ¡bear. ¡Out ¡with ¡ every ¡theory ¡of ¡human ¡behavior, ¡from ¡linguis4cs ¡ to ¡sociology. ¡Forget ¡taxonomy, ¡ontology, ¡and ¡ psychology. ¡ Who ¡knows ¡why ¡people ¡do ¡what ¡ they ¡do? ¡ The ¡point ¡is ¡they ¡do ¡it, ¡and ¡we ¡can ¡ track ¡and ¡measure ¡it ¡with ¡unprecedented ¡ fidelity. ¡With ¡enough ¡data, ¡the ¡numbers ¡speak ¡ for ¡themselves. ¡ ¡ C. ¡Anderson, ¡ The ¡end ¡of ¡theory: ¡The ¡data ¡deluge ¡makes ¡the ¡scien&fic ¡method ¡obsolete , ¡ 2008 ¡

The ¡triumph ¡of ¡correla4ons ¡ Big ¡Data ¡encourages ¡a ¡growing ¡respect ¡for ¡ correla&on , ¡which ¡comes ¡to ¡be ¡appreciated ¡as ¡ not ¡only ¡a ¡more ¡informa4ve ¡and ¡plausible ¡form ¡ of ¡knowledge ¡than ¡the ¡more ¡definite ¡but ¡also ¡a ¡ more ¡elusive, ¡causal ¡explana4on. ¡In ¡the ¡words ¡ of ¡Mayer-­‑Schönberger ¡and ¡Cukier ¡(2013): ¡“the ¡ correla4ons ¡may ¡not ¡tell ¡us ¡precisely ¡why ¡ ¡ something ¡is ¡happening, ¡ but ¡they ¡alert ¡us ¡that ¡ ¡it ¡ is ¡happening. ¡And ¡in ¡many ¡situa&ons ¡this ¡is ¡good ¡ enough ”. ¡ S. ¡Leonelli, ¡ What ¡Difference ¡Does ¡Quan&ty ¡Make? ¡On ¡The ¡Epistemology ¡of ¡Big ¡Data ¡in ¡ Biology , ¡2014 ¡

Empiricism ¡Reborn ¡ There ¡is ¡a ¡powerful ¡and ¡a]rac4ve ¡set ¡of ¡ideas ¡at ¡work ¡in ¡the ¡ empiricist ¡epistemology ¡that ¡runs ¡counter ¡to ¡the ¡deduc4ve ¡ approach ¡that ¡is ¡hegemonic ¡within ¡modern ¡science: ¡ ¡ • Big ¡Data ¡can ¡capture ¡a ¡whole ¡domain ¡and ¡provide ¡full ¡ resolu4on; ¡ • there ¡is ¡no ¡need ¡for ¡a ¡priori ¡theory, ¡models ¡or ¡hypotheses; ¡ • through ¡the ¡applica4on ¡of ¡agnos4c ¡data ¡analy4cs ¡the ¡data ¡ can ¡speak ¡for ¡themselves ¡free ¡of ¡human ¡bias ¡or ¡framing, ¡ and ¡any ¡pa]erns ¡and ¡rela4onships ¡within ¡Big ¡Data ¡are ¡ inherently ¡meaningful ¡and ¡truthful; ¡ • meaning ¡transcends ¡context ¡or ¡domain-­‑specific ¡knowledge, ¡ thus ¡can ¡be ¡interpreted ¡by ¡ R. ¡Kitchin, ¡ Big ¡data, ¡new ¡epistemologies ¡and ¡paradigm ¡shiFs , ¡2014 ¡

Some ¡reac4ons ¡ • Claims ¡to ¡objec4vity ¡and ¡accuracy ¡are ¡misleading ¡ • Bigger ¡data ¡are ¡not ¡always ¡be]er ¡data ¡ • Taken ¡out ¡of ¡context, ¡Big ¡Data ¡loses ¡its ¡meaning ¡ • Just ¡because ¡it ¡is ¡accessible ¡does ¡not ¡make ¡it ¡ ethical ¡ • Limited ¡access ¡to ¡Big ¡Data ¡creates ¡new ¡digital ¡ • divides ¡ d. ¡boyd ¡and ¡K. ¡Crawford, ¡ Cri&cal ¡ques&ons ¡for ¡Big ¡Data: ¡provoca&ons ¡for ¡a ¡cultural, ¡ technological, ¡and ¡scholarly ¡phenomenon , ¡2012 ¡

An ¡interes4ng ¡analysis ¡ Both ¡data ¡analysis ¡models ¡and ¡theore4cal ¡ scien4fic ¡models ¡are ¡there ¡to ¡solve ¡a ¡problem, ¡ one ¡to ¡solve ¡a ¡problem ¡of ¡ data ¡analysis , ¡the ¡ other ¡to ¡solve ¡a ¡problem ¡of ¡describing ¡an ¡ empirical ¡phenomenon . ¡ D.M. ¡Bailer-­‑Jones ¡and ¡C.A.L. ¡Bailer-­‑Jones, ¡ Modelling ¡data: ¡Analogies ¡in ¡neural ¡networks, ¡ simulated ¡annealing ¡and ¡gene&c ¡algorithms , ¡2002 ¡

An ¡interes4ng ¡analysis ¡ Data ¡analysis ¡models ¡ Beyond ¡the ¡goal ¡of ¡accurate ¡predic4on , ¡the ¡scien&fic ¡insight ¡ that ¡ computa4onal ¡data ¡models ¡give ¡in ¡a ¡specific ¡case ¡ may ¡be ¡limited . ¡Data ¡ analysis ¡techniques ¡are ¡not ¡specific ¡to ¡the ¡type ¡of ¡data ¡that ¡are ¡ modelled. ¡The ¡techniques ¡are ¡designed ¡to ¡be ¡independent ¡of ¡specific ¡ applica4ons ¡– ¡ they ¡are ¡applica&on-­‑neutral . ¡ ¡ Theore4cal ¡scien4fic ¡models ¡ ¡ A ¡theore4cal ¡scien4fic ¡model ¡is, ¡in ¡contrast, ¡specific ¡to ¡a ¡type ¡of ¡ phenomenon. ¡The ¡theore4cal ¡concepts ¡and ¡laws ¡that ¡give ¡shape ¡to ¡ the ¡theore4cal ¡model ¡are ¡chosen ¡on ¡the ¡basis ¡of ¡the ¡physical ¡ proper4es ¡of ¡the ¡phenomenon ¡to ¡be ¡modelled. ¡ D.M. ¡Bailer-­‑Jones ¡and ¡C.A.L. ¡Bailer-­‑Jones, ¡ Modelling ¡data: ¡Analogies ¡in ¡neural ¡networks, ¡ simulated ¡annealing ¡and ¡gene&c ¡algorithms , ¡2002 ¡