5.3.4 Konklusion

Åbne opkald giver dig mulighed for at finde løsninger på problemer, som du klart kan angive, men at du ikke kan løse dig selv.

I alle tre åbne opkald projekter-Netflix-prisen, Foldit, Peer-to-Patent-forskere stillede spørgsmål af særlig form, anmodet løsninger, og derefter plukkes de bedste løsninger. Forskerne har ikke engang brug for at kende den bedste ekspert til at spørge, og nogle gange de gode ideer kom fra uventede steder.

Nu kan jeg også fremhæve to vigtige forskelle mellem åbne opkaldsprojekter og menneskelige beregningsprojekter. For det første angiver forskeren i åbne opkaldsprojekter et mål (fx forudsigelse af filmkarakterer), mens forskere i menneskelig beregning specificerer en mikrotask (f.eks. Klassificering af en galakse). For det andet vil forskerne i åbne opkald gerne have det bedste bidrag - som den bedste algoritme til forudsigelse af filmkarakterer, den laveste energikonfiguration af et protein eller det mest relevante stykke kendte teknik - ikke en slags simpel kombination af alle bidragene.

I betragtning af den generelle skabelon for åbne opkald og disse tre eksempler, hvilke typer problemer i social forskning kan være egnet til denne tilgang? På dette tidspunkt skal jeg erkende, at der endnu ikke har været mange succesfulde eksempler (af grunde, som jeg forklarer om et øjeblik). Med hensyn til direkte analoger kan man forestille sig et åbent opkald fra Peer-to-Patent-stil, der bruges af en historisk forsker, der søger efter det tidligste dokument for at nævne en bestemt person eller idé. En åben opkaldstilgang til denne form for problem kan være særlig værdifuld, når de potentielt relevante dokumenter ikke findes i et enkelt arkiv, men er bredt fordelt.

Mere generelt har mange regeringer og virksomheder problemer, der kan være åbne for opkald, fordi åbne opkald kan generere algoritmer, der kan bruges til forudsigelser, og disse forudsigelser kan være en vigtig vejledning for handling (Provost and Fawcett 2013; Kleinberg et al. 2015) . For eksempel, ligesom Netflix ønskede at forudsige vurderinger på film, vil regeringer måske gerne forudsige resultater, som f.eks. Hvilke restauranter der sandsynligvis vil have krænkelser af sundhedsskik for at tildele ressourcerne mere effektivt. Motiveret af denne slags problem, brugte Edward Glaeser og kollegaer (2016) et åbent opkald til at hjælpe by Boston til at forudse restauranthygiejne og sanitetsbrud baseret på data fra Yelp anmeldelser og historiske inspektionsdata. De vurderede, at den prædiktive model, der vandt det åbne opkald, ville forbedre produktinspektionen hos restaurantinspektører med ca. 50%.

Åbne opkald kan også potentielt bruges til at sammenligne og teste teorier. Fragile Families and Child Wellbeing Study har fx sporet omkring 5.000 børn siden fødslen i 20 forskellige amerikanske byer (Reichman et al. 2001) . Forskere har indsamlet data om disse børn, deres familier og deres bredere miljø ved fødslen og i alderen 1, 3, 5, 9 og 15 år. I betragtning af al information om disse børn, hvor godt kunne forskere forudsige resultater som hvem der vil gå fra college? Eller udtrykt på en måde, der ville være mere interessant for nogle forskere, hvilke data og teorier ville være mest effektive til at forudsige disse resultater? Da ingen af ​​disse børn for øjeblikket er gamle nok til at gå på college, ville dette være en sand fremadrettet forudsigelse, og der er mange forskellige strategier, som forskere kan ansætte. En forsker, der mener, at kvarterer er afgørende for at forme livsresultaterne, kan tage en tilgang, mens en forsker, der fokuserer på familier, måske gør noget helt anderledes. Hvilke af disse tilgange ville fungere bedre? Vi ved ikke, og i færd med at finde ud af, kan vi lære noget vigtigt om familier, kvarterer, uddannelse og social ulighed. Desuden kan disse forudsigelser bruges til at styre fremtidig dataindsamling. Forestil dig, at der var et lille antal universitetsstuderende, der ikke var forudsagt at udføre nogen af ​​modellerne; Disse mennesker ville være ideelle kandidater til opfølgning af kvalitative interviews og etnografisk observation. Således er forudsigelserne ikke i denne form for åben opkald; De giver snarere en ny måde at sammenligne, berige og kombinere forskellige teoretiske traditioner med. Denne form for åben opkald er ikke specifikt at bruge data fra Fragile Families and Child Wellbeing Study for at forudsige, hvem der vil gå på college; det kunne bruges til at forudsige ethvert udfald, der i sidste ende vil blive indsamlet i ethvert langsigtet socialt datasæt.

Som jeg tidligere skrev i dette afsnit, har der ikke været mange eksempler på sociale forskere, der bruger åbne opkald. Jeg tror, ​​at det skyldes, at åbne opkald ikke er velegnede til, at socialforskere typisk stiller deres spørgsmål. Tilbagevendende til Netflix-prisen vil socialforskere normalt ikke spørge om at forudsige smag; De vil snarere spørge om, hvordan og hvorfor kulturelle smag afviger for mennesker fra forskellige sociale klasser (se f.eks. Bourdieu (1987) ). Sådan "hvordan" og "hvorfor" spørgsmålet fører ikke til let verificerbare løsninger, og synes derfor dårlig egnet til at åbne opkald. Således fremgår det, at åbne indkaldelser er mere passende for spørgsmål forudsigelse end spørgsmål om forklaring. Nylige teoretikere har imidlertid opfordret socialforskere til at genoverveje dikotomi mellem forklaring og forudsigelse (Watts 2014) . Da linjen mellem forudsigelse og forklaring falder, forventer jeg, at åbne opkald bliver mere og mere almindelige i social forskning.