메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국무역연구원 무역연구 무역연구 제14권 제5호
발행연도
2018.1
수록면
191 - 200 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
We argue that big data should be understood as an indispensable element in a wider context of big data science that also includes machine learning and results interpretations. By addressing this wider context, we examine the differences between big data science and modern sciences in general and management discipline in particular. While the former adopts data-driven approach to enhance predictive accuracy, the latter adopts theory-driven approach to produce causal explanation. Data-driven approach in conjunction with machine learning strives to enhance the predictive accuracy by allowing big data to choose a set of parameters on its own under rather loose assumptions and learning processes. In contrast, management discipline emphasizes the role of theories in deriving testable hypotheses and encourages scholars to present compelling arguments without explicitly referring to data to be used for estimation at a later stage. This implies that management discipline may not benefit much from big data science in doing academic research. But we believe that big data may prove helpful for the management discipline if we carefully identify small but meaningful patterns that are not easily detected in small data. We also argue that sampling is still an important issue in using big data for academic research.

목차

등록된 정보가 없습니다.

참고문헌 (19)

참고문헌 신청
Canali, S. / 2016 / Big Data, Epistemology and Causality : Knowledge in and Knowledge out in EXPOsOMICS / Big Data & Society 3(2):1~11 google schola Clark, W. R. / 2015 / Big Data, Causal Inference, and Formal Theory : Contradictory Trends in Political Science? : Introduction / PS : Political Science & Politics 48(1):65~70 google schola Holland, P. W. / 1986 / Statistics and Causal Inference / Journal of the American Statistical Association 81(396):945~960 google schola Kappler, K. / 2018 / Societal Implications of Big Data / KI-Künstliche Intelligenz 32(1):55~60 google schola Kitchin, R. / 2014 / Big Data, New Epistemologies and Paradigm Shifts / Big Data & Society 1(1):1~12 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0