5.3.4 დასკვნა

Open ზარები ნება ბევრი ექსპერტები და არასამთავრობო ექსპერტები შესთავაზოს პრობლემების პრობლემები, უფრო ადვილია შემოწმება, ვიდრე გენერირება.

სამივე ღია მოწოდება პროექტების Netflix პრიზი, Foldit, Peer-to-Patent მკვლევარები დასმულ კითხვებზე კონკრეტული ფორმა, შუამდგომლობა გადაწყვეტილებები, და მაშინ აიყვანეს საუკეთესო გადაწყვეტილებები. მკვლევარებმა კი არ უნდა იცოდეს, საუკეთესო ექსპერტი ვთხოვო, ზოგჯერ კარგი იდეები მოვიდა მოულოდნელი ადგილები.

ახლა შემიძლია ასევე ხაზი გავუსვა ორი მნიშვნელოვანი განსხვავებები ღია მოწოდება პროექტები და ადამიანის გამოთვლითი პროექტები. პირველი, ღია მოწოდება პროექტების მკვლევარი განსაზღვრავს მიზანი (მაგალითად, პროგნოზირების ფილმის რეიტინგები), ხოლო ადამიანის გამოთვლები კვლევის განსაზღვრავს მიკრო ამოცანა (მაგალითად, გასაიდუმლოების გალაქტიკაში). მეორე, ღიად მოუწოდებდა მკვლევარები სურდა საუკეთესო წვლილი-საუკეთესო ალგორითმი წინასწარ ფილმის რეიტინგები, ყველაზე დაბალი ენერგეტიკული კონფიგურაცია ცილის, ან ყველაზე შესაბამისი ნაჭერი წინასწარი ხელოვნების არა რაიმე სახის მარტივი კომბინაცია ყველა წვლილი.

იმის გათვალისწინებით, რომ ზოგადი თარგი ღია ზარები და ეს სამი მაგალითები, თუ რა სახის პრობლემები სოციალური კვლევა შეიძლება იყოს შესაფერისი ეს მიდგომა? ამ ეტაპზე, უნდა ვაღიარო, რომ არ არსებობს მრავალი წარმატებული მაგალითები ამჟამად (მიზეზით, რომ მე ახსნას ამ მომენტში). თვალსაზრისით პირდაპირი ანალოგები, შეიძლება წარმოვიდგინოთ, რომ Peer-to-Patent style პროექტის გამოიყენება ისტორიული მკვლევარი ეძებს ადრეული დოკუმენტი, რომ აღარაფერი ვთქვათ კონკრეტული პირის ან იდეა. ღია კონკურსის მიდგომა ამ სახის პრობლემა შეიძლება იყოს განსაკუთრებით ღირებული, როდესაც შესაბამისი დოკუმენტები არ გროვდება ერთ არქივი არამედ ფართოდ ნაწილდება.

უფრო ზოგადად, ბევრი მთავრობები აქვს პრობლემა, რომელიც შეიძლება იყოს ემორჩილებიან გახსნა ზარები, რადგან ისინი შექმნის შესახებ პროგნოზები, რომ შეიძლება გამოყენებულ იქნას, რათა გამოიწვიოს ქმედება (Kleinberg et al. 2015) . მაგალითად, ისევე როგორც Netflix სურდა პროგნოზირება რეიტინგები ფილმები, მთავრობები დაგვჭირდება პროგნოზირება შედეგებს, როგორიცაა, რომელიც არის რესტორნები სავარაუდოდ ჯანმრთელობის კოდი დარღვევის, რათა გამოიყოს შემოწმების რესურსების უფრო ეფექტურად. მოტივირებული ამ სახის პრობლემა, Glaeser et al. (2016) გამოიყენება ღია კონკურსის დაეხმაროს City of Boston პროგნოზირება რესტორანი ჰიგიენური და სანიტარული დარღვევის მონაცემების საფუძველზე Yelp მიმოხილვები და ისტორიული შემოწმების მონაცემები. Glaeser და კოლეგების ვარაუდით, პროგნოზირების მოდელის, რომელიც მოიგო ღია ზარი გაუმჯობესდეს პროდუქტიულობა რესტორანი ინსპექტორების დაახლოებით 50% -ით. ბიზნესი პრობლემები აქვთ მსგავსი სტრუქტურა, როგორიცაა პროგნოზირების მომხმარებელს churn (Provost and Fawcett 2013) .

და ბოლოს, გარდა იმისა, რომ გახსნას მოუწოდებს, რომ ჩავრთოთ შედეგებზე, რომელიც უკვე მოხდა კონკრეტული მონაცემები კომპლექტი (მაგალითად, პროგნოზირების ჯანმრთელობის კოდი დარღვევების გამოყენებით მონაცემების წარსულში ჯანმრთელობის კოდი დარღვევა), ერთი ვერ წარმომიდგენია პროგნოზირების შედეგებზე, რომელიც არ მომხდარა ვინმეს ნაკრებს . მაგალითად, Fragile ოჯახები და ბავშვთა საკითხების კვლევა დააფიქსირა 5,000 ბავშვები დაბადებიდან 20 სხვადასხვა ამერიკის ქალაქებში (Reichman et al. 2001) . მკვლევარებმა შეგროვილი მონაცემები ამ ბავშვების, მათი ოჯახების და მათი ფართო გარემო დაბადებიდან და ასაკის 1, 3, 5, 9 და 15. ყოველივე ინფორმაცია ამ ბავშვებს, თუ რამდენად კარგად შეიძლება მკვლევარებმა პროგნოზით შედეგები, როგორიცაა, რომლებიც კურსდამთავრებული კოლეჯის? ან, გამოიხატება ისე, რომ უფრო საინტერესო უნდა ბევრი მკვლევარი, რომლის მონაცემები და თეორიები იქნება ყველაზე ეფექტური მოვლენების შედეგებს? მას შემდეგ, რაც არც ერთი ეს ბავშვები გაკეთებული ძველ საკმარისი წასვლა კოლეჯის, ეს იქნება ნამდვილი მომავალზე ორიენტირებული პროგნოზი და არსებობს ბევრი სხვადასხვა სტრატეგიას, რომელიც მკვლევართა შეიძლება დასაქმდება. მკვლევარი, ვინც მიიჩნევს, რომ უბნების კრიტიკული ჩამოყალიბებაში ცხოვრების შედეგების შესაძლოა, ერთ-ერთი მიდგომა მკვლევარი, რომლებიც აქცენტს ოჯახი შესაძლოა რაღაც სრულიად განსხვავებული. რომელიც ამ მიდგომების იმუშავებს უკეთესი? ჩვენ არ ვიცით, და ამ პროცესში მოძიებაში, ჩვენ შეიძლება ვისწავლოთ რაღაც მნიშვნელოვანი ოჯახებს, უბნების, განათლებისა და სოციალური უთანასწორობა. გარდა ამისა, ეს პროგნოზები შეიძლება იყოს გამოყენებული, რათა გამოიწვიოს მომავალში მონაცემების შეგროვება. წარმოიდგინეთ, რომ იყო მცირე რაოდენობის კოლეჯის კურსდამთავრებულებს, რომლებიც არ წინასწარმეტყველებს დამთავრება ნებისმიერი მოდელები; ეს ხალხი იქნება იდეალური კანდიდატები შემდგომი თვისობრივი ინტერვიუ და ეთნოგრაფიული დაკვირვება. აქედან გამომდინარე, ამ ტიპის ღია მოწოდება, პროგნოზები არ არის ბოლომდე; უფრო სწორად, ისინი უზრუნველყოფენ ახალი გზა შედარება, გამდიდრების, და აერთიანებს სხვადასხვა თეორიული ტრადიციებს. ამ სახის ღია მოწოდება არ არის სპეციფიკური გამოყენებით მონაცემების Fragile ოჯახები პროგნოზირება ვინც წავა კოლეჯი; ეს შეიძლება გამოყენებულ პროგნოზირება რაიმე გამოსავალი, რომელიც საბოლოოდ უნდა შეგროვებული ნებისმიერი გრძივი სოციალური მონაცემები კომპლექტი.

როგორც მე დავწერე ადრე ამ განყოფილებაში არ ყოფილა ბევრი მაგალითები სოციალური მკვლევარები გამოყენებით ღია მოუწოდებს. მე ვფიქრობ, რომ ეს იმიტომ, რომ ღია ზარები არ კარგად შეეფერება ისე, რომ სოციალური მეცნიერების, როგორც წესი, ვიზრუნოთ მათ შეკითხვებს. დავბრუნდეთ Netflix პრიზი, სოციალური მეცნიერები, როგორც წესი, არ გკითხოთ პროგნოზირების გემოვნების, ისინი გკითხოთ, თუ როგორ და რატომ კულტურული გემოვნების განსხვავდება ადამიანი სხვადასხვა სოციალურ კლასი (Bourdieu 1987) . ასეთი "როგორ" და "რატომ" კითხვა არ გამოიწვიოს ადვილია, გადაამოწმონ გადაწყვეტილებები, და ამიტომ, როგორც ჩანს, ცუდად მორგებული გახსნა მოუწოდებს. ამდენად, როგორც ჩანს, რომ ღია ზარი უფრო ემორჩილებიან კითხვაზე პროგნოზი მეტი შეკითხვები ახსნა; მეტი განსხვავება შორის პროგნოზი და ახსნა იხილეთ Breiman (2001) . ბოლო თეორეტიკოსები, თუმცა მოუწოდა სოციალური მეცნიერები გადახედოს დიქოტომია ახსნა და პროგნოზი (Watts 2014) . როგორც ხაზს პროგნოზი და ახსნა blurs, ვიმედოვნებ, რომ ღია კონკურსების გახდება უფრო გავრცელებული სოციალურ მეცნიერებებში.