5.3.4 Zaključak

Otvoreni pozivi omogućuju pronalaženje rješenja za probleme koje možete jasno odrediti, ali se ne možete riješiti.

U sva tri otvoreni poziv projekti-Netflix nagrada, Foldit, peer-to-Patent-istraživača postavlja pitanja specifičnog oblika, tražio rješenja, a zatim podigla najbolja rješenja. Istraživači nisu ni potrebno znati najbolji stručnjak pitati, a ponekad i dobre ideje je došao iz neočekivanim mjestima.

Sada mogu istaknuti dvije važne razlike između projekata otvorenih poziva i projekata ljudskih računanja. Prvo, u projektima otvorenih poziva istraživač navodi cilj (npr. Predviđanje ocjena filmova), dok u ljudskom računanju istraživač navodi mikrotitar (npr. Klasificiranje galaksije). Drugo, u otvorenim pozivima, istraživači žele najbolji doprinos - poput najboljeg algoritma za predviđanje ocjena filmova, najniže energetske konfiguracije proteina ili najvažnijeg komada prethodne tehnike - a ne nekakva jednostavna kombinacija svih doprinosi.

S obzirom na opći predložak za otvorene pozive i ova tri primjera, koje vrste problema u društvenom istraživanju mogu biti prikladne za ovaj pristup? U ovom trenutku, trebao bih priznati da još uvijek nisu bili mnogobrojni uspješni primjeri (iz razloga koji ću objasniti za trenutak). U smislu izravnih analoga, moglo bi se zamisliti otvoreni poziv od peer-to-patentnog stila koji koristi povijesni istraživač u potrazi za najstarijim dokumentom koji spominje određenu osobu ili ideju. Pristup otvorenom pozivu na ovu vrstu problema mogao bi biti osobito vrijedan ako potencijalno relevantni dokumenti nisu u jednoj arhivi, ali su široko raspodijeljeni.

Općenitije, mnoge vlade i tvrtke imaju probleme koji bi mogli biti prikladni za otvaranje poziva, jer otvoreni pozivi mogu generirati algoritme koji se mogu koristiti za predviđanja, a ta predviđanja mogu biti važan vodič za djelovanje (Provost and Fawcett 2013; Kleinberg et al. 2015) . Na primjer, baš kao što je Netflix htio predvidjeti ocjene filmova, vlade bi mogle predvidjeti rezultate poput restorana koji najvjerojatnije imaju kršenja pravila zdravlja kako bi učinkovitije dodijelili inspekcijske resurse. Edvard Glaeser i njegovi kolege (2016) potaknuli su ovu vrstu problema kako bi pomogli Grada Bostona predvidjeti kršenja higijene restorana i sanitarnih mjera temeljeni na podacima iz recenzija hotela i povijesnih pregleda. Procjenjuje se da prediktivni model koji je osvojio otvoreni poziv povećava produktivnost restauratorskih inspektora za oko 50%.

Otvoreni pozivi također se mogu koristiti za usporedbu i testiranje teorija. Na primjer, studija krhke obitelji i dječje dobrobiti pratila je oko 5.000 djece od rođenja u 20 različitih američkih gradova (Reichman et al. 2001) . Istraživači su prikupili podatke o ovoj djeci, njihovim obiteljima i njihovom širem okruženju pri rođenju, u dobi od 1, 3, 5, 9 i 15 godina. S obzirom na sve informacije o ovoj djeci, koliko bi istraživači mogli predvidjeti rezultate poput onih koji će diplomirati na koledžu? Ili, izražen na način koji bi bio zanimljiv nekim istraživačima, koji bi podaci i teorije bili najsposobniji za predviđanje tih ishoda? Budući da niti jedna od njih nije dovoljno stara da ide na koledž, to bi bio pravi predviđanje budućnosti i postoji mnogo različitih strategija koje bi istraživači mogli zaposliti. Istraživač koji vjeruje da su četvrti ključni u oblikovanju životnih ishoda mogu imati jedan pristup, a istraživač koji se usredotočuje na obitelji može učiniti nešto sasvim drugo. Koje biste od ovih pristupa bolje radili? Ne znamo, a u procesu otkrivanja mogli bismo saznati nešto važno o obiteljima, susjedstvu, obrazovanju i društvenoj nejednakosti. Nadalje, ta se predviđanja mogu koristiti za vođenje budućih prikupljanja podataka. Zamislite da postoji mali broj maturanata koji nisu predviđeni da diplomiraju bilo koji od modela; ti ljudi bi bili idealni kandidati za praćenje kvalitativnih intervjua i etnografskog promatranja. Dakle, u ovoj vrsti otvorenog poziva, predviđanja nisu kraj; već pružaju novi način usporedbe, obogaćivanja i kombiniranja različitih teorijskih tradicija. Ova vrsta otvorenog poziva nije specifična za korištenje podataka iz Fragile Families i Child Wellbeing Study kako bi predvidio tko će ići na koledž; može se koristiti za predviđanje bilo kojeg ishoda koji će se konačno prikupiti u bilo kojem longitudinalnom skupu društvenih podataka.

Kao što sam ranije napisao u ovom odjeljku, nije bilo mnogo primjera društvenih istraživača koji koriste otvorene pozive. Mislim da je to zato što otvoreni pozivi nisu prikladni za način na koji društveni znanstvenici obično postavljaju svoja pitanja. Vrativši se na nagradu Netflix, društveni znanstvenici obično ne bi tražili predviđanje ukusa; Umjesto toga, pitali bi kako i zašto se kulturni ukusi razlikuju za ljude iz različitih društvenih slojeva (vidi npr. Bourdieu (1987) ). Takvo "kako" i "zašto" pitanje ne dovode do lako provjerljivih rješenja, i stoga izgledaju slabo prikladno za otvorene pozive. Dakle, čini se da su otvoreni pozivi prikladniji za predviđanje pitanja nego pitanja objašnjenja . Nedavni teoretičari, međutim, pozvali su društvene znanstvenike na ponovno razmatranje dihotomije između objašnjenja i predviđanja (Watts 2014) . Budući da linija između predviđanja i objašnjenja smeće, očekujem da će otvoreni pozivi postati sve češći u društvenim istraživanjima.