5.3.4 Conclusione

Le chiamate aperte ti consentono di trovare soluzioni a problemi che puoi dichiarare chiaramente ma che non puoi risolvere da solo.

In tutti e tre i progetti-Netflix invito aperto Premio, Foldit, peer-to-Patent-ricercatori poste domande di una forma specifica, sollecitato soluzioni, e poi prese le soluzioni migliori. I ricercatori non hanno nemmeno bisogno di conoscere il miglior esperto di chiedere, e, talvolta, le buone idee provenienti da luoghi inaspettati.

Ora posso anche evidenziare due importanti differenze tra progetti di chiamata aperta e progetti di computazione umana. In primo luogo, nei progetti di open call il ricercatore specifica un obiettivo (ad esempio, predire le valutazioni dei film), mentre nel calcolo umano, il ricercatore specifica una microtask (ad esempio, classificando una galassia). In secondo luogo, nelle chiamate aperte, i ricercatori desiderano il miglior contributo, come il miglior algoritmo per la previsione delle valutazioni dei film, la configurazione a energia più bassa di una proteina o il pezzo più rilevante della tecnica anteriore, non una sorta di semplice combinazione di tutti i contributi.

Dato il modello generale per le chiamate aperte e questi tre esempi, quali tipi di problemi nella ricerca sociale potrebbero essere adatti a questo approccio? A questo punto, devo riconoscere che non ci sono stati ancora molti esempi di successo (per ragioni che spiegherò tra poco). In termini di analogie dirette, si potrebbe immaginare un open call in stile Peer-to-Patent utilizzato da un ricercatore storico alla ricerca del primo documento per menzionare una persona o un'idea specifica. Un approccio open call a questo tipo di problema potrebbe essere particolarmente utile quando i documenti potenzialmente rilevanti non sono in un singolo archivio ma sono ampiamente distribuiti.

Più in generale, molti governi e aziende hanno problemi che potrebbero essere suscettibili di aprire le chiamate perché le chiamate aperte possono generare algoritmi che possono essere utilizzati per le previsioni e queste previsioni possono essere una guida importante per l'azione (Provost and Fawcett 2013; Kleinberg et al. 2015) . Ad esempio, proprio come Netflix voleva predire le valutazioni sui film, i governi potrebbero voler prevedere i risultati, ad esempio quali ristoranti hanno più probabilità di avere violazioni del codice di integrità per allocare le risorse di ispezione in modo più efficiente. Motivati ​​da questo tipo di problema, Edward Glaeser e colleghi (2016) utilizzato una chiamata aperta per aiutare la città di Boston a prevedere le violazioni dell'igiene e della sanificazione dei ristoranti in base ai dati delle recensioni di Yelp e ai dati di ispezione storica. Hanno stimato che il modello predittivo che ha vinto la chiamata aperta avrebbe migliorato la produttività degli ispettori del ristorante di circa il 50%.

Le chiamate aperte possono anche essere potenzialmente utilizzate per confrontare e testare le teorie. Ad esempio, lo studio Famiglie Fragili e Benessere Bambino ha rintracciato circa 5000 bambini dalla nascita in 20 diverse città degli Stati Uniti (Reichman et al. 2001) . I ricercatori hanno raccolto dati su questi bambini, sulle loro famiglie e sul loro ambiente più ampio alla nascita e all'età di 1, 3, 5, 9 e 15 anni. Con tutte le informazioni su questi bambini, quanto potrebbero i ricercatori prevedere i risultati come quelli che si diplomeranno al college? Oppure, espresso in un modo che sarebbe più interessante per alcuni ricercatori, quali dati e teorie sarebbero più efficaci nel predire questi risultati? Dal momento che nessuno di questi bambini è abbastanza vecchio per andare al college, questa sarebbe una previsione lungimirante, e ci sono molte strategie diverse che i ricercatori potrebbero impiegare. Un ricercatore che crede che i quartieri siano fondamentali nel modellare i risultati della vita potrebbe adottare un approccio, mentre un ricercatore che si concentra sulle famiglie potrebbe fare qualcosa di completamente diverso. Quale di questi approcci funzionerebbe meglio? Non sappiamo, e nel processo di scoperta, potremmo imparare qualcosa di importante su famiglie, quartieri, istruzione e disuguaglianza sociale. Inoltre, queste previsioni potrebbero essere utilizzate per guidare la futura raccolta di dati. Immagina che ci fosse un piccolo numero di laureati che non si aspettavano di diplomarsi con nessuno dei modelli; queste persone sarebbero candidate ideali per interviste qualitative di follow-up e osservazione etnografica. Quindi, in questo tipo di chiamata aperta, le previsioni non sono la fine; piuttosto, forniscono un nuovo modo per confrontare, arricchire e combinare diverse tradizioni teoriche. Questo tipo di chiamata aperta non è specifico per utilizzare i dati dello studio Familiare Fragile e Child Wellbeing per prevedere chi andrà al college; potrebbe essere usato per prevedere qualsiasi risultato che alla fine verrà raccolto in qualsiasi serie di dati sociali longitudinali.

Come ho già scritto in questa sezione, non ci sono stati molti esempi di ricercatori sociali che usano le chiamate aperte. Penso che questo sia dovuto al fatto che le chiamate aperte non sono adatte al modo in cui gli scienziati sociali in genere fanno le loro domande. Ritornando al premio Netflix, gli scienziati sociali di solito non chiedono di prevedere i gusti; piuttosto, chiedono come e perché i gusti culturali differiscono per persone di diverse classi sociali (si veda ad esempio, Bourdieu (1987) ). Tali domande "come" e "perché" non portano a soluzioni facilmente verificabili e, pertanto, sembrano inadatte ad aprire le chiamate. Pertanto, sembra che le chiamate aperte siano più appropriate per la previsione delle domande rispetto alle domande di spiegazione . I teorici recenti, tuttavia, hanno invitato gli scienziati sociali a riconsiderare la dicotomia tra spiegazione e previsione (Watts 2014) . Mentre la linea di confine tra previsione e spiegazione sfoca, mi aspetto che le chiamate aperte diventeranno sempre più comuni nella ricerca sociale.