Consumer Analytics Using Big Data
Samenvatting Artikelen
Artikel 1. Carey, Steiner, Petri Jr. Ten simple rules for reading a scientific paper
Introduction
-> Voor beginnende wetenschappers is het lezen van scientific literature essentieel om nieuwe research
questions te formuleren en kennis op te bouwen. Het lezen van scientific articles verschilt sterk van nieuws,
romans of textbooks en kan in het begin moeilijk lijken. Succesvol leren lezen vraagt om good habits, vooral:
read actively en read often.
Active reading betekent lezen met de intentie om te begrijpen. Active reading is both a learned skill and a level
of effort. Er is geen perfecte methode, maar de auteurs presenteren 10 simple rules:
● Rules 1–5: algemene (big picture) aanbevelingen,
● Rules 6–8: de philosophy of reading,
● Rules 9–10: hoe opgedane kennis te gebruiken in je eigen science.
Het doel is om effectieve leesstrategieën te ontwikkelen die wetenschappelijke groei ondersteunen.
Rule 1: Pick your reading goal
Je reading goal bepaalt hoe je een scientific article leest. Afhankelijk van je doel, zoals het begrijpen van de
methods, results of het vinden van research ideas, geef je verschillende delen van het artikel prioriteit.
Rule 2: Understand the author’s goal
Om een scientific article goed te begrijpen, moet je niet alleen je eigen reading goal, maar ook de author’s goal
kennen. Denk na over waarom de auteur dit onderzoek publiceert en in welk scientific field hij werkt, want dit
beïnvloedt hoe de data wordt geïnterpreteerd. Probeer inzicht te krijgen in wie de auteur is, zijn research
interests, en hoe dit werk past binnen zijn eerdere onderzoeken.
Een praktische stap is te bepalen wat voor soort artikel het is: een methods paper, review, commentary,
resource, of research article. Elk type heeft een ander doel, bijvoorbeeld nieuwe technieken beschrijven, een
veld samenvatten of nieuwe data presenteren. Het kennen van dit article type helpt je de inhoud beter te
evalueren en de intentie van de auteur te begrijpen.
Rule 3: Ask six questions
Tijdens het lezen van een scientific article kun je jezelf zes vragen stellen om de inhoud beter te begrijpen:
1. Wat willen de author(s) weten (motivation)?
2. Wat hebben ze gedaan (methods/approach)?
3. Waarom is het zo uitgevoerd (context within the field)?
4. Wat laten de results zien (figures/data)?
5. Hoe interpreteren de auteurs deze resultaten (discussion)?
6. Wat moet er hierna worden gedaan (future research)?
Deze vragen kun je toepassen op het hele artikel én op afzonderlijke figures, tables of experiments. Door dit te
doen wordt het lezen van complexe papers overzichtelijker en beter te begrijpen.
Rule 4: Unpack each figure and table
Bij original research papers draait alles om het presenteren van de data, de figures en tables zijn dus het
1
,belangrijkste onderdeel. Sommige lezers beginnen met de data, anderen volgen de results section terwijl ze de
figuren erbij bekijken; beide manieren zijn goed zolang je begrijpt wat wordt gepresenteerd en hoe het is
verkregen.
Voor elke figure moet je letten op de x- en y-axes, color scheme, statistical approach, en de reden voor de
gekozen visualisatie. Bij tables kijk je naar de experimental groups en variables. Raadpleeg regelmatig de
methods section om te begrijpen hoe de data zijn verzameld. Gebruik de zes vragen van Rule 3 om elke figuur
te analyseren en formuleer de belangrijkste take-home message.
Rule 5: Understand the formatting intentions
Elke section van een research article heeft een eigen doel
dat helpt bij de interpretatie. De Results section beschrijft
bijvoorbeeld de data objectief, terwijl andere delen juist de
interpretation van de auteurs weergeven. Maar let op;
ogenschijnlijk objectieve stukken blijven beïnvloed door
de auteurs. Het is daarom nuttig om via de journal
website of het deel “For Authors” te kijken wat de
formatting intentions en verwachtingen zijn voor elke
sectie. Zo begrijp je beter wat het doel van elk onderdeel
van het artikel is.
Rule 6: Be critical
Wetenschappelijke artikelen, zelfs die in high impact
journals, zijn geen absolute waarheden. Science is
voortdurend in ontwikkeling, en lezers moeten kritisch
blijven en de interpretation van auteurs bevragen. Fouten
of beperkingen (zoals methodological limits, selection bias
of confounders) kunnen de resultaten beïnvloeden.
Kritisch denken betekent data beoordelen met zo min
mogelijk bias, zowel die van de auteur als van jezelf.
Vraag je af of je een studie overtuigend vindt, alleen omdat ze jouw overtuiging bevestigt. Het concept van de
self-fulfilling prophecy toont dat wetenschappers vaak vinden wat ze verwachten, wat het belang van blinded
studies en het overwegen van alternative hypotheses benadrukt.
Rule 7: Be kind
Auteurs zijn ook mensen, dus lees met kindness en geef hen het voordeel van de twijfel. Kleine fouten in tekst
of figuren betekenen niet dat het onderzoek van lage kwaliteit is. Laat zulke details je evaluation niet
beïnvloeden. Wanneer je critique deelt, wees extra vriendelijk, een paper kan jaren werk kosten, en een
constructive in plaats van mean-spirited critique helpt wetenschappers, zeker jonge onderzoekers, om te
groeien in hun vakgebied.
Rule 8: Be ready to go the extra mile
Om een wetenschappelijk artikel echt te begrijpen, moet je bereid zijn om the extra mile te gaan, termen
opzoeken, supplemental materials bekijken en references nalezen. Dit kost tijd, en daarom wordt vaak
aangeraden een artikel drie keer te lezen: eerst voor een globaal beeld, dan om te begrijpen, en tenslotte om
notes te maken. Veel lezers engage actief door te markeren, onderstrepen en aantekeningen te schrijven, of
dit nu op papier of digitaal gebeurt.
2
,Rule 9: Talk about it
Over een artikel praten, bijvoorbeeld in een journal club, tijdens lab meetings of via social media, stimuleert
active reading en verdiept je begrip. Onderzoek toont dat teaching een van de beste manieren is om te leren,
omdat uitleggen helpt om de stof echt te begrijpen. Door een paper te discussen op verschillende niveaus (van
gedetailleerd tot big picture summary) ontdek je knowledge gaps en versterk je je eigen understanding.
Rule 10: Build on it
Wetenschappelijke kennis bouwt voort op eerdere studies, zoals Lego bricks die samen een stevige muur
vormen. Elke paper is een bouwsteen waarop nieuw onderzoek verdergaat. Door literatuur te integraten,
connecten met andere ideeën en methodes toe te passen in je eigen werk, vergroot je je begrip en ontdek je
nieuwe research questions. Dit proces van active reading maakt je een effectievere en productievere scientist.
Artikel 2. Oswald, Putka. Big data methods in the social sciences
Introduction
De tekst bespreekt waarom big data methods aantrekkelijk zijn voor de sociale wetenschappen (en andere
wetenschappen). Deze methoden kunnen omgaan met datasets waarin het aantal variables veel groter is dan
het aantal cases. Over het algemeen proberen big data-methoden stabiele en vaak complexe clusters of
predictions in de data te ontdekken, terwijl ze maatregelen nemen om niet toevallig verkregen patronen te
interpreteren als betekenisvol (not to capitalize on chance).
In tegenstelling tot traditionele statistical methods, passen big data-methoden vaak technieken toe zoals het
variëren van de sample, de variables of het model om de robustness van resultaten te testen. Hoewel
sommige klassieke methoden, zoals cross-validation of latent variable models, dit ook doen, is dit bij big data
veel gebruikelijker.
Door de snelle ontwikkeling van methodological advances en tools, beschikken sociale wetenschappers over
een steeds grotere toolbox. Deze groei maakt het echter ook moeilijker om te weten welke methoden geschikt
en begrijpelijk zijn.
Het doel van deze annotated review is daarom om sociale wetenschappers te helpen bij:
1. Het opbouwen van een fundamental understanding van belangrijke big data-methoden.
2. Het bieden van praktische tools om big data te analyseren.
3. Het tonen van voorbeelden van substantive applications van big data methodologiein de sociale
wetenschappen.
De geselecteerde resources die hieronder worden besproken, dienen als signalen die onderzoekers richting
geven om verder te verkennen op een selectieve en strategische manier.
Conceptual introduction
In de conceptual introduction wordt onderscheid gemaakt tussen twee hoofdtypen analyses binnen big data:
supervised (predictive) models en unsupervised (clustering) models.
Bij supervised models is er een duidelijk criterion dat voorspeld moet worden. Voorbeelden zijn situaties waarin
een health psychologist het well-being van patiënten probeert te voorspellen op basis van medische data, of
een organizational psychologist die job performance probeert te voorspellen aan de hand van HR-data.
3
, Veelgebruikte methoden zijn random forests, gradient boosted trees, neural networks, deep learning en
support vector machines.
Bij unsupervised models is er geen vooraf bepaald outcome; het doel is om structure of clusters in de data te
ontdekken. Een developmental psychologist kan bijvoorbeeld zoeken naar patronen in persoonlijke
dagboeken, of een consumer psychologist kan films en kijkers clusteren op basis van psychologische
kenmerken. Voorbeelden van deze methoden zijn principal components analysis (PCA), k-means clustering en
hierarchical partitioning.
Twee kernbronnen worden uitgelicht. Het boek Computer Age Statistical Inference van Efron & Hastie (2016)
biedt een toegankelijke uitleg van de ontwikkeling van de statistiek, van frequentist en Bayesian inference tot
moderne predictive big data methods, met voorbeelden in R.Het artikel van Domingos (2012), A few useful
things to know about machine learning, wordt beschouwd als een klassieker en biedt een toegankelijke
inleiding voor onderzoekers en praktijkmensen die met big data werken. Het bespreekt een aantal
fundamentele overwegingen en valkuilen, waaronder:
(a) keuzes rond modeling, evaluation en optimization;
(b) het belang van knowledge (en niet enkel data) bij het ontwikkelen en toepassen van big data-modellen;
(c) de curse of dimensionality, waarbij meer dimensies leiden tot minder dichtbevolkte dataruimtes;
(d) het inzicht dat simpler algorithms met meer data vaak beter presteren dan cleverer algorithms met minder
data; en
(e) het kernprincipe dat correlation does not equal causation. Beide werken vormen een belangrijke basis voor
sociale wetenschappers die big data willen begrijpen en toepassen.
Technical resources
Sociale wetenschappers hebben toegang tot een breed scala aan gratis software voor het analyseren van big
data. Beginnende gebruikers maken vaak gebruik van de R programming language vanwege de sterke
gemeenschap binnen de sociale wetenschappen en de vele relevante statistical packages. De interface
RStudio wordt veel gebruikt om met R te werken. Onderzoekers met meer programmeerervaring gebruiken
vaak Python en zijn big data-bibliotheken, zoals Pandas en SciPy. Verwacht wordt dat het gebruik van Python
in de sociale wetenschappen verder zal toenemen, al ligt de nadruk hier op R vanwege de huidige praktijk.
Belangrijke bronnen:
● Kuhn & Johnson (2013) – Applied Predictive Modeling
Dit boek biedt een praktische, probleemgerichte benadering van het toepassen en vergelijken van big
data predictive models met het caret package in R. Het behandelt essentiële stappen zoals data
preparation (bijv. omgaan met missing data, centering, scaling) en bespreekt zowel supervised als
unsupervised methods, ondersteund door case studies die het besluitvormingsproces bij big data
modellering illustreren.
● James, Witten, Hastie & Tibshirani (2013) – An Introduction to Statistical Learning
Een gratis toegankelijke en veelgebruikte bron die een breed scala aan predictive models introduceert,
toepasbaar in disciplines zoals finance, marketing, sociology, medicine en genetics. Het boek motiveert
het gebruik van big data-methoden om complex relationships te verkennen en robustness te
waarborgen via cross-validation, met praktische voorbeelden in R.
● Wickham & Grolemund (2017) – R for Data Science
Dit werk behandelt het volledige proces van data analysis met R, van data import, management en
manipulation, tot visualization en communication van resultaten. Het boek maakt gebruik van pakketten
4
Samenvatting Artikelen
Artikel 1. Carey, Steiner, Petri Jr. Ten simple rules for reading a scientific paper
Introduction
-> Voor beginnende wetenschappers is het lezen van scientific literature essentieel om nieuwe research
questions te formuleren en kennis op te bouwen. Het lezen van scientific articles verschilt sterk van nieuws,
romans of textbooks en kan in het begin moeilijk lijken. Succesvol leren lezen vraagt om good habits, vooral:
read actively en read often.
Active reading betekent lezen met de intentie om te begrijpen. Active reading is both a learned skill and a level
of effort. Er is geen perfecte methode, maar de auteurs presenteren 10 simple rules:
● Rules 1–5: algemene (big picture) aanbevelingen,
● Rules 6–8: de philosophy of reading,
● Rules 9–10: hoe opgedane kennis te gebruiken in je eigen science.
Het doel is om effectieve leesstrategieën te ontwikkelen die wetenschappelijke groei ondersteunen.
Rule 1: Pick your reading goal
Je reading goal bepaalt hoe je een scientific article leest. Afhankelijk van je doel, zoals het begrijpen van de
methods, results of het vinden van research ideas, geef je verschillende delen van het artikel prioriteit.
Rule 2: Understand the author’s goal
Om een scientific article goed te begrijpen, moet je niet alleen je eigen reading goal, maar ook de author’s goal
kennen. Denk na over waarom de auteur dit onderzoek publiceert en in welk scientific field hij werkt, want dit
beïnvloedt hoe de data wordt geïnterpreteerd. Probeer inzicht te krijgen in wie de auteur is, zijn research
interests, en hoe dit werk past binnen zijn eerdere onderzoeken.
Een praktische stap is te bepalen wat voor soort artikel het is: een methods paper, review, commentary,
resource, of research article. Elk type heeft een ander doel, bijvoorbeeld nieuwe technieken beschrijven, een
veld samenvatten of nieuwe data presenteren. Het kennen van dit article type helpt je de inhoud beter te
evalueren en de intentie van de auteur te begrijpen.
Rule 3: Ask six questions
Tijdens het lezen van een scientific article kun je jezelf zes vragen stellen om de inhoud beter te begrijpen:
1. Wat willen de author(s) weten (motivation)?
2. Wat hebben ze gedaan (methods/approach)?
3. Waarom is het zo uitgevoerd (context within the field)?
4. Wat laten de results zien (figures/data)?
5. Hoe interpreteren de auteurs deze resultaten (discussion)?
6. Wat moet er hierna worden gedaan (future research)?
Deze vragen kun je toepassen op het hele artikel én op afzonderlijke figures, tables of experiments. Door dit te
doen wordt het lezen van complexe papers overzichtelijker en beter te begrijpen.
Rule 4: Unpack each figure and table
Bij original research papers draait alles om het presenteren van de data, de figures en tables zijn dus het
1
,belangrijkste onderdeel. Sommige lezers beginnen met de data, anderen volgen de results section terwijl ze de
figuren erbij bekijken; beide manieren zijn goed zolang je begrijpt wat wordt gepresenteerd en hoe het is
verkregen.
Voor elke figure moet je letten op de x- en y-axes, color scheme, statistical approach, en de reden voor de
gekozen visualisatie. Bij tables kijk je naar de experimental groups en variables. Raadpleeg regelmatig de
methods section om te begrijpen hoe de data zijn verzameld. Gebruik de zes vragen van Rule 3 om elke figuur
te analyseren en formuleer de belangrijkste take-home message.
Rule 5: Understand the formatting intentions
Elke section van een research article heeft een eigen doel
dat helpt bij de interpretatie. De Results section beschrijft
bijvoorbeeld de data objectief, terwijl andere delen juist de
interpretation van de auteurs weergeven. Maar let op;
ogenschijnlijk objectieve stukken blijven beïnvloed door
de auteurs. Het is daarom nuttig om via de journal
website of het deel “For Authors” te kijken wat de
formatting intentions en verwachtingen zijn voor elke
sectie. Zo begrijp je beter wat het doel van elk onderdeel
van het artikel is.
Rule 6: Be critical
Wetenschappelijke artikelen, zelfs die in high impact
journals, zijn geen absolute waarheden. Science is
voortdurend in ontwikkeling, en lezers moeten kritisch
blijven en de interpretation van auteurs bevragen. Fouten
of beperkingen (zoals methodological limits, selection bias
of confounders) kunnen de resultaten beïnvloeden.
Kritisch denken betekent data beoordelen met zo min
mogelijk bias, zowel die van de auteur als van jezelf.
Vraag je af of je een studie overtuigend vindt, alleen omdat ze jouw overtuiging bevestigt. Het concept van de
self-fulfilling prophecy toont dat wetenschappers vaak vinden wat ze verwachten, wat het belang van blinded
studies en het overwegen van alternative hypotheses benadrukt.
Rule 7: Be kind
Auteurs zijn ook mensen, dus lees met kindness en geef hen het voordeel van de twijfel. Kleine fouten in tekst
of figuren betekenen niet dat het onderzoek van lage kwaliteit is. Laat zulke details je evaluation niet
beïnvloeden. Wanneer je critique deelt, wees extra vriendelijk, een paper kan jaren werk kosten, en een
constructive in plaats van mean-spirited critique helpt wetenschappers, zeker jonge onderzoekers, om te
groeien in hun vakgebied.
Rule 8: Be ready to go the extra mile
Om een wetenschappelijk artikel echt te begrijpen, moet je bereid zijn om the extra mile te gaan, termen
opzoeken, supplemental materials bekijken en references nalezen. Dit kost tijd, en daarom wordt vaak
aangeraden een artikel drie keer te lezen: eerst voor een globaal beeld, dan om te begrijpen, en tenslotte om
notes te maken. Veel lezers engage actief door te markeren, onderstrepen en aantekeningen te schrijven, of
dit nu op papier of digitaal gebeurt.
2
,Rule 9: Talk about it
Over een artikel praten, bijvoorbeeld in een journal club, tijdens lab meetings of via social media, stimuleert
active reading en verdiept je begrip. Onderzoek toont dat teaching een van de beste manieren is om te leren,
omdat uitleggen helpt om de stof echt te begrijpen. Door een paper te discussen op verschillende niveaus (van
gedetailleerd tot big picture summary) ontdek je knowledge gaps en versterk je je eigen understanding.
Rule 10: Build on it
Wetenschappelijke kennis bouwt voort op eerdere studies, zoals Lego bricks die samen een stevige muur
vormen. Elke paper is een bouwsteen waarop nieuw onderzoek verdergaat. Door literatuur te integraten,
connecten met andere ideeën en methodes toe te passen in je eigen werk, vergroot je je begrip en ontdek je
nieuwe research questions. Dit proces van active reading maakt je een effectievere en productievere scientist.
Artikel 2. Oswald, Putka. Big data methods in the social sciences
Introduction
De tekst bespreekt waarom big data methods aantrekkelijk zijn voor de sociale wetenschappen (en andere
wetenschappen). Deze methoden kunnen omgaan met datasets waarin het aantal variables veel groter is dan
het aantal cases. Over het algemeen proberen big data-methoden stabiele en vaak complexe clusters of
predictions in de data te ontdekken, terwijl ze maatregelen nemen om niet toevallig verkregen patronen te
interpreteren als betekenisvol (not to capitalize on chance).
In tegenstelling tot traditionele statistical methods, passen big data-methoden vaak technieken toe zoals het
variëren van de sample, de variables of het model om de robustness van resultaten te testen. Hoewel
sommige klassieke methoden, zoals cross-validation of latent variable models, dit ook doen, is dit bij big data
veel gebruikelijker.
Door de snelle ontwikkeling van methodological advances en tools, beschikken sociale wetenschappers over
een steeds grotere toolbox. Deze groei maakt het echter ook moeilijker om te weten welke methoden geschikt
en begrijpelijk zijn.
Het doel van deze annotated review is daarom om sociale wetenschappers te helpen bij:
1. Het opbouwen van een fundamental understanding van belangrijke big data-methoden.
2. Het bieden van praktische tools om big data te analyseren.
3. Het tonen van voorbeelden van substantive applications van big data methodologiein de sociale
wetenschappen.
De geselecteerde resources die hieronder worden besproken, dienen als signalen die onderzoekers richting
geven om verder te verkennen op een selectieve en strategische manier.
Conceptual introduction
In de conceptual introduction wordt onderscheid gemaakt tussen twee hoofdtypen analyses binnen big data:
supervised (predictive) models en unsupervised (clustering) models.
Bij supervised models is er een duidelijk criterion dat voorspeld moet worden. Voorbeelden zijn situaties waarin
een health psychologist het well-being van patiënten probeert te voorspellen op basis van medische data, of
een organizational psychologist die job performance probeert te voorspellen aan de hand van HR-data.
3
, Veelgebruikte methoden zijn random forests, gradient boosted trees, neural networks, deep learning en
support vector machines.
Bij unsupervised models is er geen vooraf bepaald outcome; het doel is om structure of clusters in de data te
ontdekken. Een developmental psychologist kan bijvoorbeeld zoeken naar patronen in persoonlijke
dagboeken, of een consumer psychologist kan films en kijkers clusteren op basis van psychologische
kenmerken. Voorbeelden van deze methoden zijn principal components analysis (PCA), k-means clustering en
hierarchical partitioning.
Twee kernbronnen worden uitgelicht. Het boek Computer Age Statistical Inference van Efron & Hastie (2016)
biedt een toegankelijke uitleg van de ontwikkeling van de statistiek, van frequentist en Bayesian inference tot
moderne predictive big data methods, met voorbeelden in R.Het artikel van Domingos (2012), A few useful
things to know about machine learning, wordt beschouwd als een klassieker en biedt een toegankelijke
inleiding voor onderzoekers en praktijkmensen die met big data werken. Het bespreekt een aantal
fundamentele overwegingen en valkuilen, waaronder:
(a) keuzes rond modeling, evaluation en optimization;
(b) het belang van knowledge (en niet enkel data) bij het ontwikkelen en toepassen van big data-modellen;
(c) de curse of dimensionality, waarbij meer dimensies leiden tot minder dichtbevolkte dataruimtes;
(d) het inzicht dat simpler algorithms met meer data vaak beter presteren dan cleverer algorithms met minder
data; en
(e) het kernprincipe dat correlation does not equal causation. Beide werken vormen een belangrijke basis voor
sociale wetenschappers die big data willen begrijpen en toepassen.
Technical resources
Sociale wetenschappers hebben toegang tot een breed scala aan gratis software voor het analyseren van big
data. Beginnende gebruikers maken vaak gebruik van de R programming language vanwege de sterke
gemeenschap binnen de sociale wetenschappen en de vele relevante statistical packages. De interface
RStudio wordt veel gebruikt om met R te werken. Onderzoekers met meer programmeerervaring gebruiken
vaak Python en zijn big data-bibliotheken, zoals Pandas en SciPy. Verwacht wordt dat het gebruik van Python
in de sociale wetenschappen verder zal toenemen, al ligt de nadruk hier op R vanwege de huidige praktijk.
Belangrijke bronnen:
● Kuhn & Johnson (2013) – Applied Predictive Modeling
Dit boek biedt een praktische, probleemgerichte benadering van het toepassen en vergelijken van big
data predictive models met het caret package in R. Het behandelt essentiële stappen zoals data
preparation (bijv. omgaan met missing data, centering, scaling) en bespreekt zowel supervised als
unsupervised methods, ondersteund door case studies die het besluitvormingsproces bij big data
modellering illustreren.
● James, Witten, Hastie & Tibshirani (2013) – An Introduction to Statistical Learning
Een gratis toegankelijke en veelgebruikte bron die een breed scala aan predictive models introduceert,
toepasbaar in disciplines zoals finance, marketing, sociology, medicine en genetics. Het boek motiveert
het gebruik van big data-methoden om complex relationships te verkennen en robustness te
waarborgen via cross-validation, met praktische voorbeelden in R.
● Wickham & Grolemund (2017) – R for Data Science
Dit werk behandelt het volledige proces van data analysis met R, van data import, management en
manipulation, tot visualization en communication van resultaten. Het boek maakt gebruik van pakketten
4
