Class Notes (838,797)
United States (325,567)
Boston College (3,571)
Sociology (143)
SOCY 6670 (9)
Lee (9)
Lecture

Technology and Society: Theory

12 Pages
74 Views
Unlock Document

Department
Sociology
Course
SOCY 6670
Professor
Lee
Semester
Fall

Description
Technology & Society Lecture 10,11,12,13,14,15,16,17,18,19,20 Theory of Technology • Tech and the World of Today o Who are the digital natives?  People born since 1980 that are perceived to have an innate  confidence in using new technologies (Internet, videogames, etc.) o Digital immigrants  People born before 1980 who are not comfortable with new  technology and have not integrated technology into their lives o Types of capital:   we get ahead in life because we possess certain forms of capital  (monetary capital)  human capital (intelligence, skills)  social capital (it’s not what you know but who you know)  cultural capital (knowing how to succeed within a certain culture)  technical capital (ability to use the technology in our lives); our  generation is “born” with this • only really need one kind of capital • What’s Normal to Us? o 8 norms of digital natives (according to Tapscott):  freedom – people do not stay in one job for a long time; we like to  have the freedom to come and go; expect freedom in all parts of  our life, we should be able to do what we want when we want • workplace (when and where) • consuming media • choose our own classes  customize • phones (cases, etc.), computers, social media profiles,  technology, etc.  scrutinizers • our generation has a motto: “trust but verify”  integrity/openness • we’re not really “generation me” • should stay true to our commitments • we have been exposed to so many things so we are more  open to differences (homosexuals, race, etc.)  entertainment/play • expected all the time (in line, etc.)  collaboration • expect to collaborate; we are constantly interacting (in law,  politics, businesses, etc.)  speed • instant responses, feedback; patience has dwindled  innovation/innovators • we see innovation all around us (iPhones, iPads, video  games and consoles, etc.) • Criticisms o Critics of the Net Generation  “The Dumbest Generation”  “Generation Me”  Introverts who lack social skills  Lazy and entitled workers o We fear what we don’t understand  They fear changing institutions  They fear changing norms  They fear losing power • Power=the ability to control others even against their will • Video: o We are living in exponential times (speed and size when it comes to  information)  Language  Electronics  Population  Data  Language The Big Switch by Nicholas Carr • General Purpose Technologies (GPTs): used by many to do many things and  perform many functions; platforms on which many different tools or applications  can be constructed (i.e. electricity and information technology) o Can make huge economies of scale (what does this mean?!?!  ▯on exam)  It is cheaper and more efficient to produce electricity in one place  and simply send it out to other places than it is to have a bunch of  smaller plants. Fortunately, because of Tesla's ideas electricity (and  the Internet) have a powerful advantage in that distance is not a  problem for them. As long as the cable is there you can send  electricity or information through fiber­optic cables over hundreds  of miles. From page 8 of the .pdf (15 in the book):  But electricity and computing share a special trait that makes them  unique even among the relatively small set of general purpose  technologies: they can both be delivered efficiently from a great  distance over a network. Because they don't have to be produced  locally, they can achieve the scale economies of central supply.  Those economies, though, can take a long time to be fully  appreciated and even longer to be fully exploited. o Napster  ▯Web 2.0 (transferring information at speeds like never before);  college students have high speed internet  Demonstrated the utility of the technology • The Wisdom of the Crowd: using people to understand information and  understand that information; can use the crowd to try to understand the world  better o Real definition: the process of taking into account the collective opinion of  a group of individuals rather than a single expert to answer a question  Yahoo Answers and Wikipedia  ▯no longer relying on single  experts • Net Gen’s collaborative idea  Justice system  Very good as solving certain questions • Quantity estimation (how many jellybeans..?) o How much does the ox weigh…median was almost  correct • General knowledge (the capital of…) • Spatial reasoning (where is the best place to…?) o Not all crowds are wise  Mobs or riots o A wise crowd:  Diversity of opinion (heterogeneity)  Independence (don’t want people to guess out loud; anonymity)  Decentralization (people with local knowledge; specialized in  certain areas)  Aggregation (i.e. Internet; place to collect this information) o What can stop a wise crowd from forming?  Homogeneity  Centralization  (info can be filtered)  Division (i.e. post 9/11, the CIA, FBI, NSA all had snip­its of  information so couldn’t use it to find bin Laden)  Imitation (vote like someone that you like or idolize)  Emotionality (mass hysteria; riots, lynch mobs, etc.) o When wisdom of the crowd does not work well  Creativity  Innovation • Steve Jobs was creative and innovative and no one disputed  him; he has his own idea and followed through with it Big Data • What is big data? o Quantity of information in the world is rising o Term used to describe massive structured and unstructured data  sets (90% unstructured=not searchable, etc.)  Finding out how to structure unstructured data is the next  step o Bits and Bytes  Bits (b)=0 or 1; on or off switch; for interface speed; divide  bits by 10 to get approximate bytes  Bytes (B)=series of 8 bits; usually refer to character or  letter; storage; amount needed to store one character  Kilobyte (kB)=1,024 bytes  Megabyte (MB)=1,024 kB  Gigabyte (GB)=1,024 MB  Terbyte (TB)=1,024 GB  Petabyte (PB)=1,024 TB  ▯not really available yet • Big Data is the future and the present: it can be used to trace your ancestry, to  predict disasters, and analyze porn • The Library of Congress: o Largest library in the world o If digitized everything in the building, it would amount to an estimated  208 terabytes of data  Plus, they have a 254 terabyte Web archive (they were cataloguing  every public tweet)  ▯up to 462 terabytes of digital data  But, how do we organize all this data? What do we do with it? o Yet, Google processes 24 petabytes of data a day • Data can help in baseball, to get the President reelected, etc. • Structured data is basically catalogued, even minimally (i.e. date, time, etc.) • What’s pushing Big Data forward?: o Literacy o Tools – more access to more powerful tools (phones, computers, etc.) o Technology – adapting and changing (i.e. creation of the cloud, speed) • Big Data Market Forecast – people who collect and analyze Big Data; every  industry needs people to analyze this data o 2013 ­ $10.2 billion o 2015 ­ $32.1 billion o 2017 ­ $53.4 billion • 4 big industries for Big Data o Health industry o Governments o Retail (Target tracks what people buy; predicted someone was pregnant) o Personal location technology – biggest potential to make money  GPS  Track people via phones (send you coupons when you walk by a  certain store) • Current uses for Big Data: o Creating Recommendation Engines o Network Monitoring o Fraud Detection o Risk Modeling o Sentiment Analysis Risk Modeling (i.e. Jell­O sends coupons to people  when there are a large amount of sad tweets) o Customer Experience Analytics (i.e. customer service surveys) o Marketing Campaign Analysis o Social Graph Analysis (note who’s posts really penetrate social media, and  try to contact them) o Customer Churn Analysis (find out what’s the least I can give you to keep  you as a customer) • Data Science (Mining) o Mining data  Collecting and formatting the information o Statistics  Information analysis o Interpret  Representation or visualization in the form of presentations,  infographics, graphs, or charts o Leverage  Implications of the data, application of the data, interaction using  the data, and predictions formed from studying it • Data scientist o Hacking and computer science  Knowing how to take advantage of computers and the internet to  create data­mining formulas o Expertise in mathematics, statistics, and data mining  Pulling important statistics and coherently organizing them using  mathematic prowess and computer formulas o Creativity and insight  Knowing what statistics are important and how to leverage them • Can we capture the full potential of Big Data? o Data policies  Legal concerns (i.e. how much information can Facebook sell on  you?, issues of privacy, government employees are mostly digital  immigrants) o Data access  Shared access to data o Technology  Investment in new technologies to store and analyze data o Talent  Trained workers (digital natives) • Attention o The misconception: you see everything going on before your eyes, taking  in all the information like a camera o The truth: you are aware only of a small amount of the total information  your eyes see • The Ethics of Big Data o Four big elements of Big Data Ethics:  Identity • What is the relationship between our offline identity and  our online identity?  Privacy • Who should control access to data?  Ownership • Who owns data, can rights to it be transferred, and what are  the obligations of people who generate and use that data?  Reputation • How can we determine what data is trustworthy? • Everything is Miscellaneous by David Weinberger o Everything has its place  The problem is when you have so much stuff, do you have so  much time o The world started out miscellaneous and then we has to organize it  Time, date, like with like  These categories don’t really hold up today o Library of Congress  Biggest library in history  People’s lives are devoted to organizing this stuff o The key to organizing information is more information  Metadata=information about information • Ex. tags, dates o Atoms restraint = metadata has to be smaller than item itself o 3 orders of order  1 =organize things themselves  2 =metadata (i.e. card catalogue) rd  3  order=cataloguing without limits; physical limitations no longer  apply; bits o Classification can be and is political  we do these things with a purpose; there is a motive behind any  system of organization  important to understand why a certain piece of data is categorized  into a certain place o 4 new strategic principles serving the ties between the way we orga
More Less

Related notes for SOCY 6670

Log In


OR

Join OneClass

Access over 10 million pages of study
documents for 1.3 million courses.

Sign up

Join to view


OR

By registering, I agree to the Terms and Privacy Policies
Already have an account?
Just a few more details

So we can recommend you notes for your school.

Reset Password

Please enter below the email address you registered with and we will send you a link to reset your password.

Add your courses

Get notes from the top students in your class.


Submit