Mængde af data eller antal data?

Ngram-diagrammet for “datamængde” (blå linje) versus “antal data” (rød linje) viser et ret sundt antal matches for begge sætninger:

Men udseendet i dette tilfælde bedrager. Et kig på Google Bøger matcher , der ligger bag linjediagrammet, afslører, at de fleste forekomster af “datamængde” bruger det som en sæt sætning, mens langt de fleste tilfælde af “antal data” involverer tilfælde, hvor søgningen har sluppet substantivet eller navneordssætningen i slutningen af et længere udtryk: “ antal datasager “; “ antal datasampler “; “ antal datapunkter “; “ antal dataobjekter “; “ antal data mining-programmer “; “ antal datareplikater “; “ antal dataværdier “; osv.

Faktisk er den overvældende præference på engelsk for “datamængde” (med data behandlet som et massenavn) frem for “antal data” (med data behandlet som et tællbart substantiv).

Kommentarer

• En ting, der forvirrer mig om dette spørgsmål og mange af kommentarerne og svar: hvorfor kan ‘ t ” mængden af ” efterfølges af et substantiv for flertælling ? Jeg kan finde på Google Ngram et antal hits til f.eks. ” skattebeløb ” og ” skatter “, selvom det har en slags masse-y betydning, er det stadig tydeligt et flertal substantiv (flertallet af optællingsnavnet ” skat “) på standard engelsk.
• Jeg fandt dette ” Grammatiker ” artikel, men jeg ved ikke ‘ ikke, hvor pålideligt dette websted er og jeg tror, det kan forenkle sagen med sin anbefaling (” det er altid sikrere at bruge nummer i situationer som denne “). Google Ngram Viewer viser ” antal skatter ” som faktisk mindre almindeligt end ” beløb af skatter “, og jeg tror kun sidstnævnte er muligt, når du mener noget som ” det beløb, der er betalt i skat “. Undskyld at genere dig om dette – Jeg ‘ Jeg vil undersøge mere og måske stille et spørgsmål om dette, hvis det ikke har været ‘ spurgte allerede på dette websted.
• @sumelic: Jeg er enig med din observation: data kan forstås massivt eller kornet i sætningen ” datamængde, ” ligesom guldfisk kan i ” mængden af guldfisk. ” Men som med guldfisk , inviterer data til en massiv fortolkning, når ” mængde ” går forud for det.’ er ikke det, at du kan ‘ t bruger ” mængden af guldfisk ” betyder ” antal guldfisk [es] “; det ‘ er, at vi (eller jeg) forventer, at ” guldfisk ” fungerer i en poundage sense, når der går ” mængden af ” – og grunden til, at jeg forventer, at det er, er at jeg ‘ forventer at se ” antallet af ” brugt på anden måde. Men dette lyder som cirkulær ræsonnement, gør det ikke ‘ t?

Både Oxford og Cambridge opregner data som et masse / utalligt substantiv, så det ville være fornuftigt at tale om en stor mængde af data. Jeg har set individuelle datums kaldet datapunkter , så du kunne tale om en stor antal datapunkter.

data – navneord [U, + sing / pl verb]

information, især fakta eller tal, indsamlet for at blive undersøgt og overvejet og brugt til at hjælpe beslutningstagning eller information i et elektronisk form, der kan gemmes og bruges af en computer:

• Dataene blev / blev indsamlet af forskellige forskere.
• Nu overføres / overføres dataene fra magnetbånd til harddisk.

Cambridge Dictionary

Kommentarer

• +1 for kortfattet at lægge dette i seng uden den sædvanlige skænderi. 🙂
• ” Individuelle datums ” kaldes også ” observationer “.

“Data “er normalt ikke medregnet

Det ser ud til, at” datamængde “og” mindre data “begge er mere almindeligt anvendte end” antal data “og” færre data “. Google Ngram Viewer :

Som Sven Yargs påpeger, er der mange tænkelige kilder til falske hits for “antal data”, så dens faktiske udbredelse er sandsynligvis endnu lavere end dette antyder . Jeg var dog i stand til at finde et eksempel på nogen, der bruger det:

• Dette spiller en vigtig rolle i beskrivelsen af usikkerheden ved målinger hvor antallet af data er stort. ( Statistisk dataanalyse for de fysiske videnskaber , af Adrian Bevan)

Så igen kan dette eksempel være mistænkt, da normalt vi faktisk ville forvente et ental verb efter “antallet af [plural_noun ] “. Med andre ord synes Bevan at have foretaget mindst en hyperkorrektion, så det er muligt, at hans brug af “antal” i sig selv er en fejl.

Måske betyder det, at det behandles som et ikke -tælling substantiv. Det ser ud til at være generel enighed om, at dette er kriteriet for at bruge mængde vs. antal eller mindre vs. mere (selvom det også er velkendt, at folk rent faktisk bruger mindre i flere situationer i tale end kunne forventes ud fra dette princip).

Dette er muligvis ikke direkte relateret til dets grammatiske nummer

Jeg ved, at du ikke spurgte om flerheden af data, men da det blev rejst i nogle kommentarer og svar, tænkte jeg, at jeg også gerne ville skrive om det. Jeg er faktisk usikker på, om den tilsyneladende præference for at behandle data som ikke-optælling kan tages som bevis for substantivets grammatiske nummer på en eller anden måde. Naturligvis entalmasse navneord som penge tager mængde og mindre. Men et andet navneord, der ser ud til at blive behandlet ens, men alligevel er tydeligt flertal i standard engelsk er skatter (det er flertallet af optællingsnavnet skat ):

I mange tilfælde er det faktisk ikke muligt at erstatte “skattebeløb” med “antal skatter” uden at ændre betydningen af en sætning eller gøre det meningsløst (for eksempel i “Mængden af skat, han betalte var latterlig” eller “størrelsen af de pålagte skatter må ikke overstige $ ___”). Så det forekommer mig, at råd fra ressourcer som Grammarist (som siger “det er altid sikrere at bruge nummer i situationer som denne [ med antal substantiver]) er ikke helt korrekt.

Jeg formoder, at en pedant, der fandt “skattebeløb” uacceptabelt, kunne bruge en anden konstruktion som “beløb betalt i skat” eller “beløb opkrævet i skat”. har svært ved at tænke på et lignende alternativ til “data”.Hvis du virkelig mener “et antal informationer”, ville “antal data” være korrekt, men jeg tror, det er ikke helt, hvad folk mener, når de siger “datamængde”. Men måske er det tæt nok til at nogle mennesker. Her er nogle eksempler på, at “færre data” bruges med denne betydning:

• De fleste websteder var i Mississippian-regionen (82 websteder), fordi der var færre data tilgængelige for andre regioner. ( Nordamerikanske ferskvandsmuslinger: Naturhistorie, økologi og bevarelse , af Wendell R. Haag, s. 242)

• Serveren klarer sig bedre, fordi det manipulerer færre data. ( C # Design og udvikling: Expert One on One , af John Paul Mueller, s. 183 )