5.3.4 Kesimpulan

Telpon mbukak supaya akeh ahli lan non-ahli propose solusi kanggo masalah ngendi solusi sing luwih gampang kanggo mriksa saka generate.

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 bisa nyorot loro penting beda antarane proyèk telpon mbukak lan proyèk etungan manungsa. First, ing proyèk telpon mbukak peneliti ing nemtokaken goal (eg, ngiro ratings movie) déné ing salebetipun komputasi manungsa riset ing nemtokaken mikro-tugas (eg, kelas galaxy a). Kapindho, ing telpon mbukak peneliti wanted paling kontribusi-algoritma paling apik kanggo ngiro ratings movie, konfigurasi paling-energi protein, utawa Piece paling cocog sadurunge seni-ora sawetara jenis kombinasi prasaja kabeh saka panganggo.

Diwenehi cithakan umum kanggo telpon mbukak lan telung conto, apa jinis masalah ing panaliten sosial bisa uga cocok kanggo pendekatan? Ing jalur iki, aku kudu ngakoni sing ana durung akeh conto sukses durung (kanggo alasan sing aku bakal nerangake ing wayahe). Ing istilah analogues langsung, bisa mbayangno sing project gaya Peer-kanggo-Patent digunakake dening panliti sajarah nggoleki document wiwitan kanggo sebutno wong utawa idea tartamtu. Lan pendekatan telpon mbukak iki jenis masalah bisa dadi utamané terkenal nalika dokumen sing gegandhengan ora diklumpukake ing arsip siji nanging sing digunakake mbagekke.

More umum, akeh pemerintah duwe masalah sing bisa dadi amenable kanggo mbukak telpon amarga lagi babagan nggawe ramalan sing bisa digunakake kanggo nuntun tumindak (Kleinberg et al. 2015) . Contone, kaya Netflix wanted kanggo mrédhiksi ratings ing film, pemerintah bisa arep kanggo mrédhiksi kasil kayata kang restoran sing paling kamungkinan duwe Pelanggaran kode kesehatan supaya nyedhiakke sumber pengawasan liyane luwih irit. Kasurung déning jenis iki masalah, Glaeser et al. (2016) digunakake telpon mbukak kanggo City of Boston prédhiksi Pelanggaran restaurant kesehatan lan sanitasi adhedhasar data saka reviews Yelp lan data pengawasan sajarah. Glaeser lan kolega ngira yen model prediktif sing menang telpon mbukak bakal nambah produktivitas saka inspektur restaurant kira 50%. Bisnis uga duwe masalah karo struktur padha kayata ngiro customer churn (Provost and Fawcett 2013) .

Akhire, saliyane kanggo mbukak telpon sing ndherek kasil sing wis kedaden ing pesawat data tartamtu (contone, ngiro Pelanggaran kode kesehatan nggunakake data ing Pelanggaran kode kesehatan kepungkur), siji bisa mbayangno ngiro kasil sing wis ora kedaden durung kanggo wong ing perlengkapan data ing . Contone, ing Keluarga Pecah lan sinau Child Wellbeing wis dilacak babagan 5,000 anak wiwit lair ing 20 kutha US beda (Reichman et al. 2001) . Peneliti wis diklumpukake data bab anak, kulawargané, lan lingkungan sing luwih amba ing lair lan ing abad 1, 3, 5, 9, lan 15. Diwenehi kabeh informasi bab anak, carane uga peneliti bisa prédhiksi kasil kayata sing bakal lulus saka College? Utawa, ditulis ing cara sing bakal luwih menarik kanggo akeh peneliti, kang data lan teori bakal paling efektif ing ngiro-iro kasil iki? Wiwit ora ana anak iki saiki lawas cukup kanggo pindhah menyang College, iki bakal dadi bener maju-looking prediksi lan ana akeh beda Sastranegara sing peneliti bisa tugas. Sawijining panliti sing pracaya sing tetanggan sing kritis ing mbentuk kasil urip bisa njupuk siji pendekatan nalika panliti sing fokus ing kulawargané uga nindakake soko temen beda. Kang cedhak iki bakal bisa luwih apik? Aku ora ngerti, lan ing proses nemokake metu kita bisa sinau soko penting babagan kulawargané, tetanggan, pendidikan, lan ketimpangan sosial. Luwih, iki ramalan bisa kanggo mandhu koleksi data mangsa. Mbayangno sing ana nomer cilik lulusan College sing padha ora mbadek lulus dening samubarang model; wong-wong iki bakal calon becik kanggo tindakake-munggah pitakonan kwalitase lan pengamatan Britania. Mangkono, ing jenis telpon mbukak, ramalan sing ora mburi; rodo, padha nyedhiyani cara anyar kanggo mbandhingaké, enrich, lan gabungke tradhisi teori beda. Iki jenis telpon mbukak ora tartamtu kanggo nggunakake data saka Keluarga Pecah kanggo mrédhiksi sing bakal pindhah menyang College; bisa digunakake kanggo prédhiksi kasil sing wekasané bakal diklumpukake ing sembarang longitudinal set data sosial.

Nalika aku wrote sadurungé ing bagean iki, ana durung akeh conto peneliti sosial nggunakake telpon mbukak. Aku sing iki amarga telpon mbukak ora uga cocog kanggo cara sing ilmuwan sosial biasane pigura pitakonan sing. Bali menyang Bebungah Netflix, ilmuwan sosial ora biasane takon bab ngiro raos, wong bakal takon bab carane lan apa raos budaya beda-beda kanggo wong saka kelas sosial beda (Bourdieu 1987) . Kaya "carane" lan "kok" Pitakonan ora mimpin kanggo gampang kanggo verifikasi solusi, lan mulane koyone kurang pas kanggo mbukak telpon. Mangkono, katon yen telpon mbukak luwih amenable kanggo pitakonan saka prediksi saka pitakonan saka panjelasan; luwih ing bédané antara prediksi lan panjelasan ndeleng Breiman (2001) . Prancis anyar, Nanging, wis disebut ing ilmuwan sosial kanggo reconsider ing Mbok antarane panjelasan lan prediksi (Watts 2014) . Minangka line antarane prediksi lan panjelasan blurs, aku nyana sing Sayemboro mbukak bakal dadi saya biasa ing salebetipun èlmu sosial.