5.3.4 Išvados

Atidaryti skambučiai leidžia rasti problemų, kurias galite aiškiai pasakyti, sprendimus, bet jūs negalite išspręsti savęs.

Visose trijose Atviras kvietimas projektai-Netflix "premija, Foldit, peer-to-patento mokslininkų kėlė klausimus konkrečios formos, užsakęs sprendimus, o tada pakėlė geriausius sprendimus. Mokslininkai net ne reikia žinoti, geriausias ekspertas užduoti, ir kartais gerų idėjų atėjo iš netikėčiausiose vietose.

Dabar taip pat galiu pabrėžti du svarbius atviro skambučio projektų ir žmonių skaičiavimo projektų skirtumus. Pirma, atviro konkurso projektuose tyrėjas nurodo tikslą (pvz., Prognozuojant filmų reitingus), o žmogaus skaičiavimuose tyrėjas nurodo mikroįmonę (pvz., Klasifikuojant galaktiką). Antra, atviruose kvietimuose mokslininkai nori geriausio indėlio, pavyzdžiui, geriausio filmo reitingų prognozavimo algoritmo, mažiausios energijos konfigūracijos baltymų ar svarbiausio ankstesnio meno kūrinio, o ne kokio nors paprasto visų įmokos.

Atsižvelgiant į bendrą atvirų konkursų šabloną ir šiuos tris pavyzdžius, kokios socialinių tyrimų problemos gali būti tinkamos šiam požiūriui? Šiuo metu turėčiau pripažinti, kad dar nebuvo daug sėkmingų pavyzdžių (dėl priežasčių, kurias aš paaiškinsiu). Kalbant apie tiesioginius analogus, galima būtų įsivaizduoti, kad atvirojo kvietimo "lygiavertė-patento" stilius yra naudojamas istorinio tyrėjo, kuris ieško anksčiausio dokumento, kuriame paminėtas konkretus asmuo ar idėja. Atviras pokalbis tokios rūšies problemai gali būti ypač vertingas, kai potencialiai svarbūs dokumentai nėra viename archyve, tačiau yra plačiai paplitę.

Apskritai, daugeliui vyriausybių ir įmonių kyla problemų, kurias gali pakakti atviriems pokalbiams, nes atviri pokalbiai gali sukurti algoritmus, kuriuos galima naudoti prognozėms, ir šios prognozės gali būti svarbus veiksmo vadovas (Provost and Fawcett 2013; Kleinberg et al. 2015) Pavyzdžiui, lygiai taip pat, kaip "Netflix" norėjo prognozuoti filmų reitingus, vyriausybės galbūt norės prognozuoti rezultatus, pavyzdžiui, kokie restoranai greičiausiai turi sveikatos kodekso pažeidimus, kad būtų galima veiksmingiau paskirstyti tikrinimo išteklius. Remdamasis tokia problema, Edward Glaeser ir jo kolegos (2016) naudojo atvirą raginimą padėti Bostono mieste numatyti restoranų higienos ir sanitarijos pažeidimus, remiantis Yelp apžvalgų duomenimis ir istoriniais patikrinimų duomenimis. Jie apskaičiavo, kad atviras pokalbis laimėjęs nuspėjamasis modelis pagerintų restoranų inspektorių našumą apie 50%.

Atvirieji pokalbiai taip pat gali būti naudojami teorijų palyginimui ir išbandymui. Pavyzdžiui, "Traukos šeimos" ir "Vaikų gerovės studija" stebėjo apie 5000 vaikų nuo gimimo 20 skirtinguose JAV miestuose (Reichman et al. 2001) . Tyrėjai surinko duomenis apie šiuos vaikus, jų šeimas ir jų platesnę aplinką gimdymo metu ir 1, 3, 5, 9 ir 15 metų amžiaus. Atsižvelgdami į visą informaciją apie šiuos vaikus, ar mokslininkai gali prognozuoti rezultatus, pvz., Kas baigs koledžą? Arba, išreikšta tam, kad kai kuriems mokslininkams būtų įdomiau, kokie duomenys ir teorijos būtų efektyviausios prognozuojant šiuos rezultatus? Kadangi nė vienas iš šių vaikų šiuo metu nėra pakankamas, kad galėtų eiti į koledžą, tai būtų tikra būsimoji prognozė, ir yra daugybė skirtingų strategijų, kurias gali naudoti mokslininkai. Mokslininkas, kuris mano, kad rajonai yra gyvybiškai svarbūs formuojant gyvenimo rezultatus, gali būti vienas požiūris, o mokslininkas, kuris daugiausia dėmesio skiria šeimoms, gali daryti kažką visiškai kitokio. Kuris iš šių metodų veiks geriau? Mes nežinome ir, nustatydami procesą, galėtume sužinoti kažką svarbaus apie šeimas, rajonus, švietimą ir socialinę nelygybę. Be to, šios prognozės gali būti naudojamos ateityje rinkti duomenis. Įsivaizduokite, kad buvo nedaug kolegijų absolventų, kurių nebuvo numatoma baigti pagal kokį nors modelį; šie žmonės būtų idealūs kandidatai į tolesnius kokybinius interviu ir etnografinius stebėjimus. Taigi tokio atvirojo pokalbio tipo prognozės nėra galas; o jie yra naujas būdas palyginti, praturtinti ir sujungti įvairias teorines tradicijas. Toks atviras pokalbis netinka konkretiems duomenims iš "Silpnų šeimų" ir vaikų gerovės tyrimo, siekiant numatyti, kas eis į koledžą; jis gali būti naudojamas prognozuojant bet kokius rezultatus, kurie galiausiai bus surinkti bet kokiame išilginiame socialinių duomenų rinkinyje.

Kaip parašiau anksčiau šiame skyriuje, nebuvo atrinktų socialinių mokslininkų atvirų pokalbių pavyzdžių. Manau, kad tai yra todėl, kad atviri skambučiai nėra tinkami būdams, kuriais socialiniai mokslininkai paprastai uždeda savo klausimus. Grįžęs prie "Netflix" premijos, socialiniai mokslininkai dažniausiai neklausdavo apie skonio prognozavimą; o jie klausia, kaip ir kodėl skirtingų socialinių klasių žmonėms skiriasi kultūrinė skonį (žr., pvz., Bourdieu (1987) ). Toks "kaip" ir "kodėl" klausimas nesudaro lengvai patikrinamų sprendimų, todėl atrodo prastai tinkami skambučiams atidaryti. Taigi atrodo, kad atvirieji pokalbiai labiau tinka klausimams prognozuoti nei paaiškinimo klausimai . Vis dėlto naujausi teoretikai paragino sociologus persvarstyti paaiškinimą ir prognozes (Watts 2014) dichotomiją. Kadangi linija tarp prognozavimo ir paaiškinimo neaiški, tikiuosi, kad atvirieji pokalbiai socialiniuose tyrimuose tampa vis populiaresni.