5.3.4 Zaključak

Otvoreni pozivi neka mnogi stručnjaci i ne-stručnjaci predlažu rješenja za probleme u kojima su lakše provjeriti nego generiranje rješenja.

U sva tri projekta-Netflix otvorenog poziva nagradu, Foldit, Peer-to-Patent-istraživači postavljena pitanja specifičan oblik, traženo rješenja, a zatim izabrali najbolja rješenja. Istraživači nije ni potrebno da znaju najbolje stručnjak da pitate, a ponekad i dobre ideje dolazi iz neočekivanih mjesta.

Sada mogu također naglasiti dvije bitne razlike između projekata otvoren poziv i projekata ljudskih računanja. Prvo, u projektima otvorenog poziva istraživača navodi cilj (npr predviđanje ocjena filma), dok u ljudskom proračuna istraživanju navodi mikro-zadatak (npr klasifikacije galaksije). Drugo, u otvorenim pozivima istraživači želio najbolji doprinos-najbolji algoritam za predviđanje ocjena filma, konfiguraciju najniže energije proteina, ili najrelevantniji komad prethodne art-nije neka vrsta jednostavnih kombinacija svih doprinosa.

S obzirom na opšti obrazac za otvorenim pozivima i ova tri primjera, koje vrste problema u društvenim istraživanjima može biti pogodan za ovaj pristup? U ovom trenutku, ja bi trebao priznati da nije bilo mnogo uspješnih primjera još (iz razloga koje ću objasniti u ovom trenutku). Što se tiče direktnih analoga, može se pretpostaviti da je projekat stil Peer-to-Patent koristi istorijski istraživač u potrazi za najraniji dokument spomenuti određenu osobu ili ideju. Otvoreni poziv pristup ove vrste problema može biti posebno vrijedan kada su relevantni dokumenti nisu prikupljeni u jednom arhivu, ali se široko rasprostranjena.

Općenitije, mnoge vlade imaju probleme koji bi mogli biti podložna otvorenim pozivima jer su o stvaranju predviđanja koja se može koristiti za vođenje akcije (Kleinberg et al. 2015) . Na primjer, baš kao što je Netflix je želio da predvidi rejting filmove, vlada možda žele prognozirati rezultate, kao što su koji su restorani najčešće imaju povrede zdravlja kod kako bi se efikasnije izdvojiti inspekcije resursa. Motivisani ovu vrstu problema, Glaeser et al. (2016) koji se koriste otvoreni poziv za pomoć Grada Boston predviđaju restoran higijene i sanitarnih kršenja na osnovu podataka iz recenzija Yelp i istorijskim podacima inspekcije. Glaeser i kolege procjenjuju da je intuitivni model koji je osvojio otvoreni poziv će poboljšati produktivnost restoran inspektora za oko 50%. Preduzeća imaju problema sa sličnom strukturom kao što je predviđanje gubitak klijenata (Provost and Fawcett 2013) .

Na kraju, uz otvaranje pozive koje uključuju rezultate koje su već dogodilo u setu određene podatke (npr, predviđajući kršenja zdravlje kod koristeći podatke o kršenju prošlosti zdravlje kod), moglo bi se zamisliti predviđanje ishoda koje još nije dogodilo ni za koga u skup . Na primjer, krhke obitelji i studija djece dobrobit je pratio oko 5.000 djece od rođenja u 20 različitih američkih gradova (Reichman et al. 2001) . Istraživači su prikupili podatke o ovoj djeci, njihovim porodicama, i njihove šire okruženje po rođenju i po starosti 1, 3, 5, 9, i 15. Imajući u vidu sve informacije o ovoj djeci, koliko bi mogao istraživači predvidjeti ishode kao što su koji će diplomirati iz koledža? Ili, izrazio na način koji će biti zanimljiv mnogim istraživačima, koji podataka i teorije će biti najefikasniji u predviđanju ove rezultate? Pošto niko od ove djece su trenutno dovoljno stara da ide na koledž, to bi bilo predviđanje pravi budućnost i postoji mnogo različitih strategija koje istraživači mogli zaposliti. Istraživač koji smatra da naselja su kritični u oblikovanju ishoda život mogao uzeti jedan pristup, dok istraživač koji se fokusira na obitelji može učiniti nešto potpuno drugačije. Koji od ovih pristupa raditi bolje? Mi ne znamo, a u procesu pronalaženja da smo mogli naučiti nešto važno o obitelji, naselja, obrazovanja i socijalne nejednakosti. Nadalje, ova predviđanja se mogu koristiti za usmjeravanje budućih prikupljanje podataka. Zamislite da je bilo mali broj svršenih studenata koji nisu predviđeni da diplomira na bilo koji od modela; ti ljudi bi bili idealni kandidati za praćenje kvalitativnih intervjua i etnografske opservacije. Tako je, u ovoj vrsti otvorenog poziva, predviđanja nisu do kraja; Umjesto toga, oni pružaju novi način za usporedbu, obogati, i kombinirati različite teorijske tradicije. Ova vrsta otvorenog poziva nije specifičan za korišćenje podataka iz Fragile Porodice da predvidi koji će ići na koledž; može se koristiti za predviđanje bilo ishod koji će na kraju biti prikupljeni u bilo longitudinalnih skup socijalnih podataka.

Kao što sam ranije napisao u ovom dijelu, nije bilo mnogo primjera socijalnih istraživača koristeći otvorene pozive. Mislim da je to zbog toga što otvoreno poziva nisu dobro odgovara na način na koji sociolozi obično uokviriti na njihova pitanja. Vraćajući se na Netflix nagradu, sociolozi bi obično ne pitati o predviđanju ukusima, oni bi pitati o tome kako i zašto kulturnih Ukusi su različiti ljudi iz različitih društvenih slojeva (Bourdieu 1987) . Takva "kako" i "zašto" pitanje ne dovode do lako provjeriti rješenja, te stoga čini slabo sposoban za otvaranje pozive. Stoga, čini se da su otvoreni pozivi su više podložni pitanje predviđanja od pitanja objašnjenja; Za više informacija o razliku između predviđanja i objašnjenja vidjeti Breiman (2001) . Nedavni teoretičari, međutim, pozvali su sociolozi da preispita dihotomije između objašnjenje i predviđanje (Watts 2014) . Kao što je linija između predviđanja i objašnjenje zamućenja, očekujem da će se otvoriti takmičenja postati sve češći u društvenim naukama.