5.3.4 Išvados

Atvirus kvietimus tegul daugelis ekspertų ir ne specialistai pasiūlys problemų sprendimus, kur sprendimai būtų lengviau patikrinti, nei kurti.

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 aš taip pat galite atkreipti dėmesį į du svarbius skirtumus tarp atvirų pokalbių projektų ir žmogaus skaičiavimo projektus. Pirma, atviras kvietimas projektams tyrėjas nurodo tikslą (pvz prognozuoti filmų įvertinimai) kadangi žmogaus skaičiavimo tyrimai nurodo, mikro-užduotį (pvz, klasifikuojant galaktika). Antra, atvirus kvietimus tyrėjai norėjo geriausią įnašas-geriausias algoritmas prognozuoja filmų reitingus, mažiausios energijos konfigūraciją baltymo arba aktualiausią gabalas išankstinio meno-ne koks nors paprastas derinys visų įnašų natūra.

Atsižvelgiant į bendrą šabloną atvirų pokalbių ir šių trijų pavyzdžių, kokių rūšių problemas socialinių tyrimų gali būti tinkamos šiam metodui? Šiuo metu, turėčiau pripažinti, kad nebuvo daug sėkmingų pavyzdžių dar (dėl priežasčių, aš paaiškinti per akimirką). Kalbant apie tiesioginių analogų, galima įsivaizduoti, kad Peer-to-Patent stiliaus projektas yra naudojama istorinė mokslininko ieško kuo dokumente paminėti konkretų asmenį ar idėją. Atviras kvietimas požiūris į tokios problemos gali būti ypač vertinga, kai atitinkami dokumentai yra ne renkami į vieną archyvą, bet yra plačiai paplitę.

Apskritai, daugelis vyriausybės problemas, kurios gali būti linkusios atidaryti skambučių, nes jie yra apie kurti prognozes, kad gali būti naudojami nukreipti veiksmus (Kleinberg et al. 2015) . Pavyzdžiui, kaip "Netflix" norėjo nuspėti reitingus filmus, vyriausybės gali norėti prognozuoti rezultatus, pavyzdžiui, kurie restoranai yra labiausiai tikėtina, kad turite sveikatos kodekso pažeidimus, siekiant efektyviau paskirstyti kontrolės išteklius. Motyvuotus šios problemos pobūdžio Glaeser et al. (2016) naudojamas atvirą kvietimą padėti Bostono Miestas prognozuoja restoranas higienos ir sanitarijos pažeidimus, remiantis duomenimis iš Yelp nuomones ir istorinių inspektavimo duomenimis. Glaeser ir kolegos apskaičiavo, kad prognozavimo modelis, kuris laimėjo atvirą kvietimą būtų pagerinti restoranų inspektoriai produktyvumą apie 50%. Įmonėms taip pat turi problemų su panašios struktūros, pavyzdžiui, prognozuoti klientų bidonas (Provost and Fawcett 2013) .

Galiausiai, be to, atvirus kvietimus, kuriuose dalyvauja rezultatus, kurie jau įvyko per pirma duomenų rinkinio (pvz prognozuoti sveikatos kodekso pažeidimus, naudojant duomenis apie pastaruosius sveikatos kodekso pažeidimų), galima įsivaizduoti prognozuoti rezultatus, kurie dar neįvyko visiems į rinkinį , Pavyzdžiui, trapi Šeimos ir vaiko gerovės tyrimas stebimi apie 5000 vaikų nuo gimimo 20 skirtingų JAV miestų (Reichman et al. 2001) . Mokslininkai surinko duomenis apie šiuos vaikus, jų šeimas ir jų platesnės aplinkos gimimo bei amžiaus 1, 3, 5, 9, ir 15 Atsižvelgiant į tai, visą informaciją, apie šiuos vaikus, kaip gerai galėtų mokslininkai prognozuoja rezultatus, pavyzdžiui, kas baigs koledžą? Arba, išreikštas tokiu būdu, kad būtų įdomiau su daugeliu mokslininkų, kurių duomenys ir teorijos būtų efektyviausia prognozuojant šiuos rezultatus? Kadangi nė vienas iš šių vaikų yra šiuo metu pakankamai suaugę, kad eiti į koledžą, kad tai būtų tiesa, perspektyvesnių prognozavimas ir yra daug skirtingų strategijų, kad mokslininkai galėtų įdarbinti. Mokslininkas, kuris tiki, kad seniūnijų yra labai svarbūs formuojant gyvenimo rezultatus gali užtrukti vieną požiūrį, o tyrėjas, kuris daugiausia dėmesio skiriama šeimoms gali padaryti kažką visiškai skirtingi. Kuris iš šių metodų galėtų dirbti geriau? Mes nežinome, ir į išsiaiškinti galime išmokti kažką svarbaus apie šeimos, seniūnijų, švietimo ir socialinės nelygybės procese. Be to, šios prognozės gali būti naudojamas vadovauti būsimam duomenų rinkimą. Įsivaizduokite, kad ten buvo keletas kolegijų absolventų, kurie nebuvo prognozuojama, kad pereiti iš bet kurios modeliais; šie žmonės būtų idealūs kandidatai tolesnių priemonių kokybinius interviu ir etnografinio stebėjimu. Taigi, šio atvirojo skambučio rūšies, prognozės yra ne pabaiga; o, jie suteikia naują būdą lyginti, praturtinti ir derinti įvairias teorines tradicijas. Šis atvirą kvietimą natūra nėra būdingas naudojant duomenis iš pažeidžiamose šeimoms nuspėti, kas eis į koledžą; jis gali būti naudojamas prognozuoti jokio rezultato, ilgainiui bus surinkta bet išilginės socialinių duomenų rinkinys.

Kaip rašė anksčiau šiame skyriuje, ten nebuvo daug pavyzdžių, socialinių mokslininkų, naudojant atvirus pokalbius. Manau, kad tai yra todėl, kad kvietimai nėra gerai tinka taip, kad sociologai paprastai parengti savo klausimus. Grįžtant prie "Netflix premija, sociologai nebūtų paprastai paklausti apie prognozuoja skonį, jie būtų paklausti apie tai, kaip ir kodėl kultūros skoniai skiriasi žmonių iš skirtingų socialinių klasių (Bourdieu 1987) . Toks "kaip" ir "kodėl" klausimas nesukeltų lengva patikrinti sprendimus, todėl, atrodo, prastai tinka atidaryti skambučių. Taigi, atrodo, kad kvietimai yra labiau linkusios į klausimą spėjimais nei klausimų paaiškinimas; daugiau apie tarp prognozavimo ir paaiškinimą skirtumo pamatyti Breiman (2001) . Naujausi teoretikai, tačiau paragino socialinių mokslų persvarstyti tarp paaiškinimą ir prognozavimas dichotomiją (Watts 2014) . Kaip tarp prognozavimo ir paaiškinimas užtemdo linija, tikiuosi, kad atviros varžybos taps vis dažniau į socialinius mokslus.