manipulate large data sets to fit t

manipulate large data sets to fit their research questions,
but should instead ensure they take a proactive
role in study design. Moreover, access and administration
costs for mega data sets can be cost prohibitive for
many colleges without deep pockets (Berman, 2012).
Interaction with other disciplines as David Dilts suggests
can also go a long way toward resolving these
big data “headaches” as well as issues of access or
insufficient resources. Innovation in our methods and
networking with others, as well as industry, may be
key. By pooling resources between faculties and
researchers, large data sets can be better managed and
the costs shared. The Spanish Flu Project, for example,
a big data project funded by the National Endowment
for the Humanities, combines the skills of historians,
computer scientists, librarians, political scientists, and
medical professionals to understand how public
health policies can influence the spread of disease.
And as Mark Pagell describes, the average size of a
research team in O/SCM has grown to five people or
more in recent years. This arises as the data sets we
work with get larger and complexity of the research
question increases. These changes naturally lead
researchers to do more work with colleagues that are
multicountry, multimethod, or cross-discipline.
Finally, in being constantly asked to be more
things for more stakeholders, we always run the risk
of doing nothing particularly well (Basken, 2011).
Yet a more creative application of the things we
already do well in conjunction with others may provide
newer, better ways of doing research and ensuring
relevance.

Results (Indonesian) 1:

memanipulasi kumpulan data besar agar sesuai dengan pertanyaan penelitian mereka,tetapi sebaliknya harus memastikan mereka mengambil secara proaktifperan dalam rancangan penelitian. Selain itu, akses dan administrasibiaya untuk mega data set dapat biaya mahal untukbanyak perguruan tinggi tanpa dalam saku (Berman, 2012).Interaksi dengan disiplin ilmu lain sebagai David Dilts menunjukkanjuga dapat pergi jauh ke arah menyelesaikan iniBig data "sakit kepala" serta isu-isu akses ataukurangnya sumber daya. Inovasi dalam metode kami danjaringan dengan orang lain, serta industri, mungkinkunci. Dengan menggabungkan sumber daya antar fakultas danpeneliti, kumpulan data besar dapat dikelola dengan baik danbiaya berbagi. Spanyol Flu proyek, misalnya,Proyek data besar yang didanai oleh National Endowmentuntuk dalam humaniora, yang menggabungkan keterampilan sejarawan,ilmuwan komputer, pustakawan, ilmuwan politik, danprofesional medis untuk memahami bagaimana Umumkebijakan kesehatan dapat mempengaruhi penyebaran penyakit.Dan sebagai Mark Pagell menjelaskan, ukuran rata-rataTim peneliti di O SCM telah berkembang untuk lima orang ataulebih dalam beberapa tahun terakhir. Ini muncul sebagai kumpulan data kamibekerja dengan mendapatkan lebih besar dan kompleksitas penelitianmeningkatkan pertanyaan. Perubahan ini secara alami memimpinPara peneliti untuk berbuat lebih banyak bekerja dengan rekan-rekan yangmulticountry, multimethod, atau lintas-disiplin.Akhirnya, pada terus-menerus diminta untuk menjadi lebihhal-hal untuk stakeholder lain, kami selalu menjalankan risikomelakukan tidak ada sangat baik (Basken, 2011).Namun sebuah aplikasi yang lebih kreatif hal kitasudah melakukan dengan baik dalam hubungannya dengan orang lain dapat memberikanBaru, cara yang lebih baik untuk melakukan penelitian dan memastikanrelevansi.

Results (Indonesian) 2:

memanipulasi data set besar untuk muat pertanyaan penelitian mereka,
tapi malah harus memastikan mereka mengambil proaktif
peran dalam desain penelitian. Selain itu, akses dan administrasi
biaya untuk set data mega dapat biaya mahal untuk
banyak perguruan tinggi tanpa kantong dalam (Berman, 2012).
Interaksi dengan disiplin lain seperti David Dilts menyarankan
juga dapat pergi jauh ke arah penyelesaian ini
data besar "sakit kepala" juga sebagai masalah akses atau
sumber daya tidak cukup. Inovasi dalam metode kami dan
jaringan dengan orang lain, serta industri, mungkin
kunci. Dengan sumber daya antara fakultas dan pooling
peneliti, set data yang besar dapat dikelola dengan lebih baik dan
biaya bersama. The Spanyol Flu Project, misalnya,
proyek data besar didanai oleh National Endowment
untuk Humaniora, menggabungkan keterampilan sejarawan,
ilmuwan komputer, pustakawan, ilmuwan politik, dan
profesional medis untuk memahami bagaimana masyarakat
kebijakan kesehatan dapat mempengaruhi penyebaran penyakit .
Dan seperti Mark Pagell menjelaskan, ukuran rata-rata dari
tim peneliti di O / SCM telah berkembang lima orang atau
lebih dalam beberapa tahun terakhir. Ini muncul sebagai set data yang kita
bekerja dengan lebih besar dan kompleksitas penelitian
pertanyaan meningkat. Perubahan ini secara alami mengarah
peneliti untuk melakukan pekerjaan lebih banyak dengan rekan-rekan yang
multinegara, multimethod, atau lintas disiplin.
Akhirnya, di terus-menerus diminta untuk lebih
hal-hal lebih pemangku kepentingan, kami selalu menjalankan risiko
melakukan apa-apa dengan baik (Basken 2011 ).
Namun aplikasi yang lebih kreatif dari hal yang kita
sudah melakukannya dengan baik dalam hubungannya dengan orang lain dapat memberikan
yang lebih baru, cara yang lebih baik untuk melakukan penelitian dan memastikan
relevansi.