跟著信息技能和網絡及種種傳感設備、海量存儲技能的飛速成長，數據的界說和收集方法發生了革命性的變革，大數據應運而生。對比傳統闡明要領，大數據技能擁有無可相比的優勢，然而大數據技能所激發的一系列關于認知論的哲學困難——大數據的假設及倫理問題——同樣不容忽視。John Symon和Ramón Alvarado 2016年頒發在《大數據與社會》(Big Data & Society)的論文《我們可以信任大數據嗎?把科學哲學運用在計較機軟件上》(Can we trust big data? Applying philosophy of science to software)暗示：在許多環境下，道德與認識論問題密不行分。解鈴還需系鈴人，只有盡大概弄清大數據如何影響并改變了認識論，才氣從基礎上改進大數據技能潛在的問題。譬喻，通過大數據技能我們可以知道什么?這些技能的范圍性在那邊?以及大數據的“新”到底表此刻那邊?
有關大數據的主流文獻經常表示出對科學哲學和認知論的差異觀點，結論均基于一個假設：大量的數據及通過大數據闡明發明的模式是獨立于理論基本的。換句話說，許多大數據學者錯誤地認為數據量越大，闡明功效就越靠得住，而理論態度無關緊要。這種研究大數據而不思量今世科學哲學的做法既不明智也不行取。大數據的焦點在于如何利用大數據技能來捕獲和闡明數據，而大數據技能多涉及算法，我們只有充實領略各類算法的范圍性和風險，大白這些算法會如何引致以及引致什么樣的誤差，才氣抉擇到底多洪流平可以對這些算法施以信任、加以限制。
文章首先先容了大數據的界說并試圖表明大數據的范圍性，然后就以往研究對大數據的品評舉辦了概述，并接著論證為什么科學哲學和社會認識論與大數據技能息息相關。辦理認識論擔心的最好步伐是參加到計較建模與模仿的科學哲學辯說傍邊?；赑aul Humphreys提出的“認知恍惚”，作者暗示，大數據的“認知恍惚”要害在于大數據技能對錯誤打點和錯誤檢討的忽視，而錯誤問題同時也是大數據認識論的一個重要特征。要改進大數據認識論的缺陷，就必需正視誤差的影響。基于這一思量，文章就誤差檢討與更正的主要特性及軟件誤差和路徑巨大性之間的干系舉辦了敘述，并先容了誤差檢討的通例統計要領(如Mayo的嚴格檢討及模仿驗證)，以及當處理懲罰大數據的軟件系統受到高度制約時這些誤差檢討的缺陷。最后，以谷歌流感趨勢為例，文章進一步接頭了大數據技能的范圍性，尤其是范圍性的來源。
那么，我們可以信任大數據技能嗎?文章暗示，德國機房主機 波蘭服務器，這不只僅在于軟件的開拓與批改自己，而越發在于認知對軟件的開拓—修改—更新這個輪回進程的指引浸染。大數據技能是科學哲學與社會認識論爭辯的產品，在運用時不該離開科學哲學思想的指引。缺乏認知則會大大限制我們發明錯誤的本領。
總而言之，大數據技能作為一種東西不行制止地存在范圍性。從本質上講，這些范圍性反應了大數據技能背后理論的缺失。更重要的是，這些范圍性清晰地表達了大型軟件系統的通例誤差監測、批改與評估對內涵認識論的挑戰。
