5.3.4 Zaključak

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

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 sam također istaknuti dvije važne razlike između otvorenog poziva projekata i računskim projekata ljudskih. Prvo, u otvoreni poziv projekata istraživač određuje cilj (primjerice, predviđaju filmske ocjene) dok je u ljudskom računanje istraživanje navodi mikro-zadatak (npr razvrstavanje galaksiju). Drugo, u otvorenim pozivima istraživači htjeli najbolje doprinosa najbolji algoritam za predviđanje filmske ocjene, konfiguraciju najniže energije proteina, odnosno najrelevantnijih komad stanja tehnike a ne nekakvom jednostavnom kombinacijom svih doprinosa.

S obzirom na opći predložak za otvorene pozive i ova tri primjera, koje su sve vrste problema u društvenim istraživanjima mogla biti pogodna za ovaj pristup? U ovom trenutku, ja bi trebao priznati da nije bilo mnogo uspješnih primjera, ali (zbog razloga koje ću objasniti u ovom trenutku). Što se tiče izravnih analoga, moglo bi se zamisliti da je peer-to-Patent stil projekt koriste povijesni istraživač u potrazi za najranije dokumentu spomenuti određenu osobu ili ideju. Otvoreni poziv pristup ove vrste problema može biti posebno vrijedna kada su relevantni dokumenti nisu prikupljeni u jednu arhivu, ali su široko rasprostranjeni.

Općenitije, mnoge vlade imaju problema koji bi mogli biti podvrgnuti otvoriti pozive jer su o stvaranju predviđanja koja se mogu koristiti za vođenje akcije (Kleinberg et al. 2015) . Na primjer, baš kao što Netflix želio predvidjeti ocjene na filmovima, vlade možda želite predvidjeti ishode kao što su najvjerojatnije imaju povrede zdravlja kod kako bi se dala inspekcijske resurse učinkovitije restorana. Potaknuti ovom vrstom problema, Glaeser et al. (2016) koriste otvoreni poziv za pomoć je Grad Boston predvidjeti higijene restorana i sanitarnim povrede na temelju podataka iz Yelp mišljenja i povijesnim podacima inspekcije. Glaeser i kolege procijenili da prediktivni model koji je osvojio otvoreni poziv će poboljšati produktivnost ugostiteljskih inspektora za oko 50%. Tvrtke također imaju problema sa sličnom strukturom kao što je predviđanje za korisnike odljeva (Provost and Fawcett 2013) .

Na kraju, osim da otvori pozive koje uključuju rezultate koji su se već dogodile u setu posebno podataka (primjerice, predviđa zdravlje kod kršenja podataka o povredama posljednjih zdravlja kod), moglo bi se zamisliti predviđanju ishoda koji se još nisu dogodili za svakoga u setu podataka , Na primjer, krhke obitelji i djece dobrobit Istraživanje je prati oko 5.000 djece od rođenja u 20 različitih američkih gradova (Reichman et al. 2001) . Istraživači su prikupili podatke o ovim djece, njihovih obitelji i svoje šire okoline pri rođenju i po dobi 1, 3, 5, 9 i 15. S obzirom sve informacije o ovoj djeci, koliko bi mogao znanstvenici predviđaju ishode kao što su tko će diplomirati iz koledža? Ili, izražena na način koji bi bio više zanimljiv mnogim istraživačima, koje podatke i teorije će biti najučinkovitiji u predviđanju ove rezultate? Budući da nitko od te djece su trenutno dovoljno stari da ide na fakultet, to bi bilo istinito budućnost predviđanja i postoji mnogo različitih strategija koje su istraživači mogli zaposliti. Istraživač koji vjeruje da susjedstvu su kritična u oblikovanju životne ishode moglo potrajati jedno od mogućih rješenja, dok istraživač koji se fokusira na obitelj mogla napraviti nešto sasvim drugačije. Koji od ovih pristupa će raditi bolje? Mi ne znamo, te u procesu pronalaženja možemo naučiti nešto važno o obitelji, susjedstvu, obrazovanja i socijalne nejednakosti. Nadalje, ta predviđanja mogu se koristiti za usmjeravanje budućeg prikupljanje podataka. Zamislite da postoji mali broj diplomiranih studenata koji nisu bili predviđeni za diplomski na bilo koji od modela; ti ljudi će biti idealni kandidati za praćenje kvalitativnih intervjua i etnografskog promatranja. Dakle, u ovoj vrsti otvorenog razgovora, predviđanja nisu kraj; Umjesto toga, oni daju novi način usporedbe, obogatiti i kombinirati različite teorijske tradicije. Ova vrsta otvorenog poziva nije specifičan za korištenje podataka iz krhke obitelji predvidjeti tko će ići na koledž; to bi mogao biti korišten za predviđanje svaki ishod koji će na kraju biti prikupljeni u svakom uzdužnom skupu društvenih mreža.

Kao što sam napisao ranije u ovom poglavlju, nije bilo mnogo primjera društvenih znanstvenika koji koriste otvorene pozive. Mislim da je to zbog otvorene potpore nisu dobro prilagođen na način da se sociolozi obično uokviri njihova pitanja. Povrat na Netflix nagradu, društveni znanstvenici ne bi obično pitati o predviđanju ukus, oni će pitati o tome kako i zašto kulturne ukuse razlikuju za ljude iz različitih društvenih slojeva (Bourdieu 1987) . Takva "kako" i "zašto" pitanje ne dovode do lako provjeriti rješenja, te stoga čini loše stane otvoriti pozive. Dakle, čini se da su otvorene pozive su podložnija pitanju predviđanja od pitanja objašnjenje; za više o razlici između predviđanja i objašnjenje vidi Breiman (2001) . Nedavni teoretičari su, međutim, pozvao na društvenim znanstvenicima da preispita dihotomiju između objašnjenje i predviđanje (Watts 2014) . Kao liniji između predviđanja i objašnjenje zamagljuje, očekujem da će se otvoriti natjecanja postaju sve učestaliji u društvenim znanostima.