FGV
Analista
IBGE
2016

READ TEXT AND ANSWER QUESTIONS:

 

The backlash against big data

 

[…]

Big data refers to the idea that society can do things with a large body of data that weren’t possible when working with smaller amounts. The term was originally applied a decade ago to massive datasets from astrophysics, genomics and internet search engines, and to machine-learning systems (for voice-recognition and translation, for example) that work well only when given lots of data to chew on. Now it refers to the application of data-analysis and statistics in new areas, from retailing to human resources. The backlash began in mid-March, prompted by an article in Science by David Lazer and others at Harvard and Northeastern University. It showed that a big-data poster-child—Google Flu Trends, a 2009 project which identified flu outbreaks from search queries alone—had overestimated the number of cases for four years running, compared with reported data from the Centres for Disease Control (CDC). This led to a wider attack on the idea of big data.

 

The criticisms fall into three areas that are not intrinsic to big data per se, but endemic to data analysis, and have some merit. First, there are biases inherent to data that must not be ignored. That is undeniably the case. Second, some proponents of big data have claimed that theory (ie, generalisable models about how the world works) is obsolete. In fact, subject-area knowledge remains necessary even when dealing with large data sets. Third, the risk of spurious correlations—associations that are statistically robust but happen only by chance—increases with more data. Although there are new statistical techniques to identify and banish spurious correlations, such as running many tests against subsets of the data, this will always be a problem.

 

There is some merit to the naysayers’ case, in other words. But these criticisms do not mean that big-data analysis has no merit whatsoever. Even the Harvard researchers who decried big data “hubris” admitted in Science that melding Google Flu Trends analysis with CDC’s data improved the overall forecast—showing that big data can in fact be a useful tool. And research published in PLOS Computational Biology on April 17th shows it is possible to estimate the prevalence of the flu based on visits to Wikipedia articles related to the illness. Behind the big data backlash is the classic hype cycle, in which a technology’s early proponents make overly grandiose claims, people sling arrows when those promises fall flat, but the technology eventually transforms the world, though not necessarily in ways the pundits expected. It happened with the web, and television, radio, motion pictures and the telegraph before it. Now it is simply big data’s turn to face the grumblers.

 

(From http://www.economist.com/blogs/economist explains/2014/04/economist-explains-10)

The phrase “lots of data to chew on” in Text makes use of figurative language and shares some common characteristics with:

Comentário longo

Como eu falei..

Nós estudamos, entendemos o que significa a expressão.. E o examinador quer que você saiba vocabulário..

Nesta questão ele só quer que você saiba que chewing (mastigar) tem relação com comer (eating).

Se eu pudesse dar uma só dica sobre o futuro.. seria use filtro solar. Não pera. Amplie seu vocabulário. Sério. Amplie. Seu. Vocabulário.

O filtro solar é com você.

Como desvendar figuras de linguagem?

É bem sabido que figuras de linguagem não significam a sua literalidade, afinal, são figuras de linguagem.. hahaha

Tá, mas como a gente consegue saber oque elas significam, se figuras de linguagem tem muito a ver com a cultura e vivência de um povo?

Bom, nós vamos traduzir literalmente. É, isso mesmo. Acontece que em provas de concurso, temos normalmente uma busca por um significado ou um sinônimo de algum termo.. E mesmo quando ele quer que você saiba o que significa a figura de linguagem, conseguimos deduzir com a tradução literal,

EX:

"lots of X to chew on"

Muito X para mastigar

Imagine que fosse " lots of information to chew on"

Muita informação para mastigar

onde o X pode ser qualquer coisa.. O que podemos inferir dessa expressão?

 

Se existe muita informação para mastigar, isso mostra que é preciso digerir, processar muita informação, certo?

Pois bem, é isso mesmo!

Vamos ver como cai em prova?

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.

Compartilhar esta questão:

Faça sua pré-matrícula:

plugins premium WordPress