Avatud kõned võimaldavad leida lahendusi probleemidele, mida saate selgelt välja selgitada, kuid mida te ise ise lahendada ei saa.
Kõigil kolmel avalikul konkursil projekte-Netflix auhinna Foldit, Peer-to-Patent-uurijad esitasid küsimusi konkreetse vormi, tellinud lahendusi, ja siis hakkasid parimaid lahendusi. Teadlased ei peagi teadma parim ekspert küsida, ja mõnikord häid ideid tuli ootamatutes kohtades.
Nüüd võin ka esile tõsta kahte olulist erinevust avatud kõneprojektide ja inimeste arvutusprojektide vahel. Esiteks, avatud konkursikutsete raames määratleb teadlane eesmärgi (nt filmi hinnangute prognoosimine), samas kui inimese arvutuses määratleb teadlane mikrotasakaalu (nt galaktika klassifitseerimine). Teiseks soovivad teadlased avatud kõnesid parimat panust - näiteks filmi reitingute ennustamiseks parimat algoritmi, valgu madalaima energia konfiguratsiooni või kõige olulisemat tuntud tuntust - mitte mingit lihtsat kombinatsiooni kõigist sissemaksed.
Arvestades avatud kõneluste üldist malli ja neid kolme näiteid, millised sotsiaalteaduslikud probleemid võivad selle lähenemise jaoks sobida? Siinkohal peaksin tunnistama, et veel ei ole olnud palju edukaid näiteid (põhjustel, mida ma hetkeks selgitan). Otseste analoogide osas võib ette kujutada, et ajalooline uurija kasutab võrdlemisi patenteeritud avatud kõnet, otsides kõige varem dokumente konkreetse isiku või idee mainimiseks. Avatud kõne lähenemine sellisele probleemile võib olla eriti väärtuslik, kui potentsiaalselt olulised dokumendid ei ole ühes arhiivis, kuid neid laialdaselt levitatakse.
Üldisemalt on paljudel valitsustel ja ettevõtetel probleeme, mis võivad olla avatud kõnedele, kuna avatud kõned võivad genereerida algoritme, mida saab ennustamiseks kasutada, ning need prognoosid võivad olla olulised tegutsemisjuhised (Provost and Fawcett 2013; Kleinberg et al. 2015) Näiteks, nagu Netflix soovis ennustada filmide reitinguid, võiksid valitsused prognoosida tulemusi, näiteks milliste restoranide puhul on kõige tõenäolisemalt tervisekoodi rikkumisi, et kontrolliressursse efektiivsemalt jaotada. Seda tüüpi probleemi motiveerinud Edward Glaeser ja tema kolleegid (2016) kasutasid Bostoni linna abistamiseks avatud kõnet, et prognoosida restoranihügieeni ja sanitaarkaitse rikkumisi, mis põhinevad Yelpi ülevaadete ja ajalooliste ülevaatusandmete andmetel. Nad hindasid, et avatud kõne võitnud ennustusmudel parandaks restoraniinspektorite tootlikkust ligikaudu 50% võrra.
Teooriate võrdlemiseks ja testimiseks võib potentsiaalselt kasutada ka avatud kõnesid. Näiteks Hämarad perekonnad ja lapse heaolu uuring on jälginud umbes 5000 last sündimust 20 erinevas USA linnas (Reichman et al. 2001) . Teadlased on kogunud andmeid nende laste, nende perekondade ja nende laiema keskkonna kohta sünnil ja vanuses 1, 3, 5, 9 ja 15 aastat. Arvestades kogu teavet nende laste kohta, kui hästi võiksid teadlased ennustada tulemusi, näiteks kes lõpetavad kolledži? Või, mis on väljendatud mõne teadlaste huvitavamaks, millised andmed ja teooriad oleksid nende tulemuste ennustamisel kõige tõhusamad? Kuna ükski neist lastest ei ole praegu piisavalt vanaks, et kolledžisse minna, oleks see tõeline tulevikku suunatud prognoos ja teadlaste jaoks on palju erinevaid strateegiaid. Uurija, kes arvab, et linnaosade elutulemuste kujundamisel on kriitiline roll, võib võtta ühe lähenemisviisi, samas kui perekond keskendunud teadur võib teha midagi täiesti erinevat. Milline neist lähenemisviisidest toimiks paremini? Me ei tea, ja õppimise käigus võime õppida midagi olulist perede, linnaosade, hariduse ja sotsiaalse ebavõrdsuse kohta. Lisaks võib neid prognoose tulevase andmete kogumise juhiseks kasutada. Kujutage ette, et seal oli väike hulk kolledži lõpetajaid, keda ei prognoosinud mingil mudelil lõpetada; need inimesed oleksid ideaalseks kvalifitseerivate intervjuude ja etnograafilise vaatlemise kandidaatideks. Seega sellises avatud kõnes ei ole prognoosid lõpp; pigem pakuvad nad uut võimalust erinevate teoreetiliste traditsioonide võrdlemiseks, rikastamiseks ja ühendamiseks. Selline avatud kõne ei ole spetsiifiline, kui kasutate andmeid puuduliku perekonna ja lapse heaolu uuringu kohta, et ennustada, kes läheb kolleegiumile; seda saab kasutada kõigi tulemuste ennustamiseks, mis lõpuks kogutakse mis tahes pikaealisse sotsiaalsete andmete komplekti.
Nagu ma juba varem selles osas kirjutasin, ei ole olnud palju näiteid sotsiaalteadlaste kohta, kes kasutavad avatud kõnesid. Ma arvan, et see on seepärast, et avatud kõned ei sobiks hästi sotsiaalteadlaste esitatud küsimustega. Netflixi auhinna tagasipöördumisel ei küsita sotsiaalteadlasi tavaliselt maitsete ennustamisel; Pigem küsiksid nad, kuidas ja kuidas erinevad kultuurielu erinevad inimesed erinevate sotsiaalsete klasside (vt nt Bourdieu (1987) ). Sellised küsimused "kuidas" ja "miks" ei vii kergesti kontrollitavate lahenduste poole ja tunduvad seega kõnede avamiseks halvasti sobivad. Seega tundub, et avatud kõned on küsimuste ennustamiseks sobivamad kui seletuskirjad . Viimased teoreetikud on siiski kutsunud sotsiaalteadlasi üles mõtlema selguse ja prognoosi dikotoomia ümber (Watts 2014) . Kuna prognoosi ja seletuse vaheline suund häbeneb, eeldan ma, et sotsiaalsetes uuringutes muutuvad avatud kõned üha tavalisemaks.