Key points are not available for this paper at this time.
Dieser Aufsatz erörtert die Nutzung von Big Data-Analytik (BDA) als Untersuchungsstrategie zur Förderung der Forschung an Informationssystemen (IS). Im weitesten Sinne verstehen wir BDA als die statistische Modellierung großer, vielfältiger und dynamischer Datensätze von nutzergenerierten Inhalten und digitalen Spuren. BDA, als neues Paradigma zur Nutzung von Big Data-Quellen und fortschrittlicher Analytik, hat bereits Einzug in einige sozialwissenschaftliche Disziplinen gehalten. Soziologie und Volkswirtschaftslehre sind zwei Beispiele, die BDA erfolgreich für wissenschaftliche Untersuchungen genutzt haben. Oft stützt sich BDA auf Methoden und Werkzeuge, die für einige IS-Forscher ungewohnt sind (z. B. prädiktive Modellierung, Verarbeitung natürlicher Sprache). Entsprechend den Phasen eines typischen Forschungsprozesses beabsichtigt dieser Artikel, die Herausforderungen und Versprechen von BDA für die IS-Forschung zu analysieren und zu veranschaulichen, anhand einer beispielhaften Studie zur Vorhersage der Nützlichkeit von 1,3 Millionen Online-Kundenbewertungen. Um IS-Forscher bei der Planung, Durchführung und Interpretation ihrer eigenen Studien sowie bei der Bewertung der Studien anderer zu unterstützen, schlagen wir ein erstes Set von Richtlinien für die Durchführung rigoroser BDA-Studien in IS vor.
Müller et al. (Di,) haben diese Frage untersucht.