5.3.4 Závěr

Otevřené výzvy nechal mnozí odborníci i neodborníci navrhnout řešení problémů, kde řešení jsou snadněji kontrolovat než vytvářet.

Ve všech třech projekty, Netflix otevřené výzvy Prize, Foldit peer-to-patentově výzkumníků položil otázky specifickou formu, získával řešení, a pak vybral nejlepší řešení. Výzkumníci ani nepotřeboval znát nejlepší znalce se ptát, a někdy i dobré nápady pocházejí z nečekaných místech.

Nyní mohu také vyzdvihnout dva důležité rozdíly mezi otevřenou výzvu projektů a výpočetních projektů v oblasti lidských. Za prvé, v projektech otevřené výzvy výzkumník určuje cíle (např předpovídající hodnocení filmů), zatímco v lidském výpočtu výzkum specifikuje mikro-úkol (např klasifikaci galaxii). Za druhé, v otevřených výzev vědci chtěli nejlepším příspěvkem-nejlepší algoritmus pro předpovídání hodnocení filmů, konfigurace s nejnižší energií proteinu nebo nejrelevantnější kus dosavadního stavu techniky ne jakési jednoduchou kombinací všech příspěvků.

Vzhledem k obecnému šablona pro otevřených výzev a tyto tři příklady, co by mohlo být vhodné, aby tento přístup druhy problémů v sociální oblasti výzkumu? Na tomto místě bych měl uznat, že tam nebyly mnoho úspěšných příkladů dosud (z důvodů, které jsem ti to vysvětlím za chvíli). Z hlediska přímých analogů, je možné si představit, že projekt ve stylu Peer-to-patentu používán historický badatel hledá nejbližší dokumentu zmínit konkrétní osobu či nápad. Otevřená výzva přístup k tomuto druhu problému může být zvláště cenné, pokud jsou příslušné dokumenty nejsou shromažďovány v jediném archivu, ale jsou široce distribuovány.

Obecněji řečeno, mnoho vlád mají problémy, které by mohly být přístupné prostřednictvím otevřených výzev, protože jsou o vytvoření předpovědi, které mohou být použity jako vodítko akci (Kleinberg et al. 2015) . Například, stejně jako Netflix chtěl předpovědět ratingy filmů, vlády chtít předpovědět výsledky o tom, jaká restaurace jsou s největší pravděpodobností mít porušení Kodexu zdraví s cílem efektivněji alokovat inspekčních zdrojů. Motivován tímto druhem problému, Glaeser et al. (2016) používá otevřenou výzvu k pomoci City of Boston předvídat hygienické restaurace a sanitace porušení založené na údajích ze služby Yelp názory a historických kontrolních dat. Glaeser a jeho kolegové odhadují, že předpovědní model, který vyhrál otevřenou výzvu by se zlepšit produktivitu inspektorů restauračních asi o 50%. Podniky mají také problémy s podobnou strukturou, jako je předpovídání zákazník churn (Provost and Fawcett 2013) .

A konečně, kromě otevřených výzev, které se týkají výsledků, které se již staly v určitém souboru dat (např předpovídají porušení Kodexu zdraví s využitím údajů o porušování posledních zdraví zákoníku), je možné si představit předvídání výsledků, které se ještě nestaly pro každého, kdo v datovém souboru , Například Křehké rodiny a studium pro děti Wellbeing byl sledován asi 5000 dětí od narození do 20 různých amerických městech (Reichman et al. 2001) . Vědci shromažďují údaje o tyto děti, jejich rodiny a jejich širší životní prostředí při narození a ve věku 1, 3, 5, 9 a 15. Vzhledem k tomu, všechny informace o těchto dětí, jak dobře by mohla výzkumníci předpovědět výsledky, například, kteří budou absolvovat z vysoké školy? Nebo, vyjádřeno způsobem, který by byl zajímavější pro mnoho výzkumných pracovníků, která data a teorie by byl nejúčinnější při predikci těchto výsledků? Vzhledem k tomu, žádná z těchto dětí jsou v současné době dost starý na to jít na vysokou školu, by to být pravda výhledové předpovědi a existuje mnoho různých strategií, které by mohly výzkumníci zaměstnávají. Výzkumník, který věří, že sousedství jsou velmi důležité při utváření životních výsledků může trvat jeden přístup, zatímco výzkumník, který se zaměřuje na rodiny mohl udělat něco úplně jiného. Který z těchto přístupů bude fungovat lépe? Nevíme, a v procesu zjistit můžeme dozvědět něco důležitého o rodiny, čtvrtí, vzdělání a sociální nerovnosti. Dále, tyto předpovědi by mohly být použity jako vodítko pro budoucí sběr dat. Představte si, že tam byl malý počet vysokoškoláků, které nebyly predikovaných absolvovat některou z modelů; Tito lidé by bylo ideální kandidáty pro follow-up kvalitativních rozhovorů a etnografické pozorování. Tak, v tomto druhu otevřené výzvy, předpovědi nejsou konec; spíše poskytují nový způsob, jak porovnávat, obohacovat a kombinovat různé teoretické tradice. Tento druh otevřené výzvy není specifický pro využití údajů z nestabilních rodin předpovědět, kdo půjde do školy; to mohlo být použity ke stanovení žádný výsledek, který se nakonec shromažďovány v každém podélném sadě pro sociální sítě.

Jak jsem napsal dříve v této části, tam nebylo mnoho příkladů společenských vědců pomocí otevřených hovorů. Myslím, že je to proto, otevřené výzvy nejsou dobře hodí pro způsob, jakým sociální vědci obvykle zasazují své otázky. Vrátíme-li se Netflix ceny, sociologové by se obvykle ptát na předpovídání vkusu, budou ptát, jak a proč kulturní vkus se liší pro lidi z různých sociálních vrstev (Bourdieu 1987) . Takový "jak" a "proč" Otázkou nevedou ke snadno ověřit řešení, a proto se zdá málo vhodné otevřít volání. Tak se zdá, že otevřené hovory jsou přístupnější k otázce predikce než otázek vysvětlení; Pro více informací o rozdílu mezi predikcí a vysvětlení viz Breiman (2001) . Nedávné teoretiků, nicméně, vyzval sociology, aby přehodnotila dichotomii mezi vysvětlení a predikce (Watts 2014) . Jako trati mezi predikcí a vysvětlení rozostření, předpokládám, že otevřené soutěže bude stále běžnější ve společenských vědách.