5.3.4 Kesimpulan

Bukak telpon bisa ngatasi solusi kanggo masalah sing bisa dicakake kanthi jelas nanging sampeyan ora bisa ngatasi dhewe.

Ing kabeh telung proyèk-Netflix telpon mbukak Prize, Foldit, Peer-kanggo-Patent-peneliti nuduhke pitakonan saka wangun tartamtu, solicited solusi, lan banjur ngangkat solusi paling apik. Peneliti durung malah kudu ngerti pakar paling takon, lan kadhangkala gagasan apik teka saka panggonan sing ora dikarepke.

Saiki aku uga nyorot rong prasetel penting antarane proyèk-proyèk mbukak lan proyek komputasi manungsa. Kaping pisanan, ing proyèk-proyine kabuka, panaliti nemtokake sawijining goal (contone, ngira rating film), dene ing komputasi manungsa, peneliti nemtokake microtask (misale, ngelasake galaksi). Kapindho, ing panampa terbuka, para peneliti pengin kontribusi sing paling apik-kayata algoritma sing paling apik kanggo ngira rating film, konfigurasi energi paling rendah protein, utawa potongan paling cetha saka seni sadurunge - ora sawetara kombinasi sing prasaja saka kabeh sumbangan.

Given template umum kanggo panggilan mbukak lan telung conto, apa masalah ing riset sosial bisa uga cocok kanggo pendekatan iki? Ing wektu iki, aku kudu ngakoni yen durung akeh conto sukses (kanggo alasan sing bakal dak jelasake ing wayahe). Ing istilah analog langsung, siji bisa mbayangno gaya mbukak Peer-to-Patent sing digunakake dening peneliti historis nggoleki dokumen paling wiwitan kanggo nyebut wong utawa gagasan tartamtu. Pendekatan panggilan sing mbukak kanggo masalah iki bisa luwih penting nalika dokumen sing potènsial relevan ora ana ing arsip siji nanging didistribusikan sacara luas.

Umumé, akeh pemerintah lan perusahaan duweni masalah sing bisa digunakake kanggo mbukak telpon amarga telpon mbukak bisa ngasilake algoritma sing bisa digunakake kanggo ramalan, lan ramalan kasebut bisa dadi pedoman penting kanggo tumindak (Provost and Fawcett 2013; Kleinberg et al. 2015) . Contone, kayata Netflix pengin ngramalake peringkat ing film, pemerintah uga pengin prédhiksi asil kayata restoran sing paling mungkin duwe pelanggaran kodhe kesehatan kanggo ngatur sumber daya pengawasan luwih irit. Dipengaruhi dening masalah iki, Edward Glaeser lan kanca-kanca (2016) nggunakake telpon sing mbukak kanggo mbantu Kota Boston prédhiksi kebersihan restoran lan pelanggaran sanitasi adhedhasar data saka review Yelp lan data pengawasan sajarah. Wong-wong ngira yen model prediktif sing menangake panggilan mbukak bakal nambah produktivitas restoran inspektur nganti kira-kira 50%.

Bukak telpon bisa uga potensial digunakake kanggo mbandhingake lan nyoba teori. Contone, Family Fragile and Child Wellbeing Study wis nglacak babagan 5.000 anak wiwit lair ing 20 kutha-kutha US (Reichman et al. 2001) . Para panaliti wis ngumpulake data babagan bocah-bocah kasebut, kulawargane, lan lingkungan sing luwih wiyar nalika lair lan umur 1, 3, 5, 9, lan 15 taun. Given kabeh informasi bab anak-anak, carane bisa peneliti prediksi kasil kayata sing bakal lulus saka College? Utawa, ditulis kanthi cara sing luwih menarik kanggo sawetara peneliti, kang data lan teori bakal paling efektif kanggo ngiringke asil kasebut? Awit ora ana bocah sing saiki wis cukup umur kanggo lulus, iki bakal dadi prediksi sing apik, lan ana akeh strategi sing bisa digunakake dening peneliti. A peneliti sing pracaya tetanggan sing kritis nyedhiyakake asil gesang bisa njupuk siji pendekatan, nalika peneliti sing fokus ing kulawarga bisa nindakake bab sing beda-beda. Kang endi endi sing arep luwih apik? Kita ora ngerti, lan ing proses nemokake, kita bisa sinau bab-bab sing penting bab kulawargane, tetanggan, pendidikan, lan ketimpangan sosial. Luwih, ramalan iki bisa digunakake kanggo nuntun koleksi data mangsa ngarep. Mbayangno yen ana sawetara lulusan perguruan tinggi sing ora diprediksi lulus dening model apa wae; wong-wong iki bakal dadi calon becik kanggo wawancara kualitatif lan observasi etnografis. Mangkono, ing sajrone panggilan kasebut, ramalan ora pungkasan; Nanging, dheweke menehi cara anyar kanggo mbandhingake, nambah, lan nggabungake tradhisi téoretis sing beda. Panggilan mbukak iki ora khusus kanggo nggunakake data saka Family Fragile and Child Wellbeing Study kanggo prédhiksi sing bakal sekolah; bisa dipigunakaké kanggo prédhiksi kasil sing bakal pungkasané diklumpukake ing sembarang data sosial sosial longitudinal.

Nalika aku nulis ing ngisor iki, ora ana akeh conto peneliti sosial nggunakake panggilan mbukak. Aku mikir iki amarga telpon sing mbukak ora cocok karo cara para ilmuwan sosial biasane nyuwun pitakonan. Bali menyang Netflix Prize, para ilmuwan sosial ora biasane nyuwun prasaja ngenani rasa; Nanging, dheweke bakal takon babagan carane lan ngapa selera budaya beda-beda kanggo wong saka kelas sosial sing beda (umpamane, Bourdieu (1987) ). Pitakon "carane" lan "kok" kuwi ora nggawa solusi sing gampang di verifikasi, lan mulane katon kurang apik kanggo mbukak telpon. Mangkono, katon yen panggilan mbukak luwih cocog kanggo ramalan pitakonan tinimbang pitakon panjelasan . Nanging, para ahli teori anyar, nyuwun marang para ilmuwan sosial supaya nyinaoni dikotomi antarane panjelasan lan prediksi (Watts 2014) . Minangka baris ing antarane prediksi lan pembatalan panjelasan, aku ngarepake yen telpon sing mbukak bakal dadi umum ing riset sosial.