5.3.4 ഉപസംഹാരം

തുറന്ന കോളുകൾ നിങ്ങൾക്ക് വ്യക്തമായി പ്രസ്താവിക്കാൻ കഴിയുന്ന പ്രശ്നങ്ങൾക്ക് പരിഹാരം കണ്ടെത്താൻ നിങ്ങളെ സഹായിക്കുന്നു, പക്ഷേ നിങ്ങൾക്ക് സ്വയം പരിഹരിക്കാനാവില്ല.

മൂന്നു തുറക്കുക കോൾ പദ്ധതികൾ-നെറ്റ്ഫിക്സ് സമ്മാനം, Foldit ൽ പിയർ-പേറ്റന്റ്-ഗവേഷകരും, ഒരു പ്രത്യേക ഫോം ചോദ്യങ്ങൾ ഉയർത്തുന്ന പരിഹാരങ്ങൾ വശീകരിക്കാൻ, തുടർന്ന് മികച്ച പരിഹാരങ്ങൾ വീഴ്ത്തി. ഗവേഷകർ പോലും ചോദിക്കാൻ മികച്ച വിദഗ്ധ അറിയേണ്ടതില്ല ചെയ്തു, ചിലപ്പോൾ നല്ല ആശയങ്ങൾ അപ്രതീക്ഷിതമായ സ്ഥലങ്ങളിൽ നിന്ന് വന്നു.

ഇപ്പോൾ ഓപ്പൺ കോൾ പ്രോജക്ടും മാനുൽ കംപ്യൂട്ടിംഗ് പ്രോജക്ടുകളും തമ്മിൽ രണ്ട് പ്രധാന വ്യത്യാസങ്ങൾ ചൂണ്ടിക്കാട്ടുന്നു. ആദ്യത്തേത്, തുറന്ന കോൾ പദ്ധതികളിൽ, ഗവേഷകൻ ഒരു ലക്ഷ്യം വ്യക്തമാക്കുന്നു (ഉദാ: മൂവി റേറ്റിംഗുകൾ പ്രവചിക്കുന്നു), മനുഷ്യ കണക്കുകൂട്ടലുകളിൽ, ഗവേഷകൻ ഒരു മൈക്രറ്റാസ് (ഉദാ: ഒരു ഗാലക്സിയെ തരംതിരിക്കൽ) വ്യക്തമാക്കുന്നു. രണ്ടാമതായി, ഓപ്പൺ കോളുകളിൽ, സിനിമാ റേറ്റിംഗുകൾ പ്രവചിക്കാനുള്ള മികച്ച അൽഗോരിതം, പ്രോട്ടീനിലെ ഏറ്റവും കുറഞ്ഞ ഊർജ്ജ കോൺഫിഗറേഷൻ അല്ലെങ്കിൽ മുൻകൂർ കലയുടെ ഏറ്റവും പ്രസക്ത ഭാഗങ്ങൾ എന്നിവപോലുള്ള മികച്ച സംഭാവനയാണ് ഗവേഷകർ ആഗ്രഹിക്കുന്നത്. സംഭാവനകൾ.

ഓപ്പൺ കോളുകളുടെ പൊതുവായ മൂന്ന് ടെംപ്ലേറ്റുകളും ഈ മൂന്ന് ഉദാഹരണങ്ങളും അനുസരിച്ച്, സാമൂഹ്യ ഗവേഷണത്തിൽ എന്ത് തരത്തിലുള്ള പ്രശ്നങ്ങൾ ഈ സമീപനത്തിന് അനുയോജ്യമാണ്? ഈ ഘട്ടത്തിൽ, ഇതുവരെ ധാരാളം വിജയകരമായ ഉദാഹരണങ്ങൾ ഉണ്ടായിട്ടില്ലെന്ന് ഞാൻ അംഗീകരിക്കണം (കാരണം ഞാൻ ഒരു നിമിഷം വിശദീകരിക്കാമോ?). നേരിട്ടുള്ള അനലോഗുകളുടെ കാര്യത്തിൽ, ഒരു വ്യക്തിയെ അല്ലെങ്കിൽ ഒരു ആശയം സൂചിപ്പിക്കുന്നതിന് ആദ്യകാല പ്രമാണത്തിനായി തിരഞ്ഞുള്ള ഒരു ചരിത്ര ഗവേഷകൻ ഉപയോഗിച്ച പിയർ ടു പേറ്റൻറ് സ്റ്റൈൽ കോൾ എന്ന സങ്കല്പം ഒന്ന് ഭാവനയിൽ കാണാം. പ്രാധാന്യമുള്ള രേഖകൾ ഒറ്റ ആർക്കൈവിൽ ഇല്ലെങ്കിലും വ്യാപകമായി വിതരണം ചെയ്യപ്പെടുമ്പോൾ ഇത്തരത്തിലുള്ള പ്രശ്നത്തിന് ഒരു തുറന്ന കോൾ സമീപനം പ്രത്യേകിച്ചും മൂല്യമുള്ളതായിരിക്കും.

മിക്കപ്പോഴും, പല സർക്കാരുകളും കമ്പനികളും തുറന്ന കോളുകൾക്ക് പരിഹാരം കാണും, കാരണം പ്രവചനങ്ങൾക്കായി തുറന്ന കോളുകൾ അൽഗോരിതങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും, ഈ പ്രവചനങ്ങളെ പ്രവർത്തനത്തിന് ഒരു പ്രധാന മാർഗ്ഗനിർദ്ദേശം നൽകാം (Provost and Fawcett 2013; Kleinberg et al. 2015) . ഉദാഹരണത്തിന്, സിനിമകളിൽ റേറ്റിംഗുകൾ പ്രവചിക്കാൻ നെഫിക്കക്സ് ആഗ്രഹിച്ചതുപോലെ, പരിശോധനകൾ കൂടുതൽ ഫലപ്രദമായി വിതരണം ചെയ്യാനായി ആരോഗ്യ ഇൻഷുറൻസ് ലംഘനങ്ങളുള്ള കൂടുതൽ സാധ്യതയുള്ള ഹോട്ടലുകൾ പോലുള്ള സാധ്യതകൾ പ്രവചിക്കാൻ ഗവൺമെന്റുകൾ ആഗ്രഹിക്കും. എഡ്വേർഡ് ഗ്ലെസറും സഹപ്രവർത്തകരും (2016) ഈ പ്രശ്നത്തെ പ്രോത്സാഹിപ്പിച്ചതോടെ, ബോസ്റ്റണിലെ നഗരത്തെ സഹായിക്കാൻ തുറന്ന ഒരു കോൾ ഉപയോഗിച്ചു. യെൽപ് അവലോകനങ്ങൾ, ചരിത്ര പരിശോധനകളുടെ ഡാറ്റ എന്നിവയെ അടിസ്ഥാനമാക്കിയുള്ള റെസ്റ്റോറന്റ് ശുചിത്വം, ശുചിത്വ ലംഘനങ്ങൾ എന്നിവ മുൻകൂട്ടി കാണിച്ചു. തുറന്ന കോൾ നേടിയ പ്രവചനാത്മകമായ മാതൃക 50% വഴി റെസ്റ്റോറന്റ് ഇൻസ്പെക്ടർമാരുടെ ഉൽപാദന ക്ഷമത മെച്ചപ്പെടുത്തുമെന്ന് അവർ കണക്കാക്കി.

തുറന്ന കോൾസുകളും താരതമ്യപ്പെടുത്തുവാനും പരീക്ഷണങ്ങൾ നടത്താനും ഉപയോഗിക്കാം. ഉദാഹരണത്തിന്, ഫ്രായാൾഡ് ഫാമിലിയും ചൈൽഡ് വെൽബിംഗ് സ്റ്റഡിയും 20,000 യുഎസ് നഗരങ്ങളിൽ (Reichman et al. 2001) പ്രസവിച്ചതിനെ തുടർന്ന് ഏകദേശം 5,000 കുട്ടികൾ നിരീക്ഷിച്ചിട്ടുണ്ട്. ഈ കുട്ടികൾ, കുടുംബങ്ങൾ, അവരുടെ വിശാലമായ പരിതസ്ഥിതികൾ എന്നിവ ജനനസമയത്ത് 1, 3, 5, 9, 15 വയസ്സ് എന്നീ സമയങ്ങളിൽ ഗവേഷകർ ശേഖരിച്ചിട്ടുണ്ട്. ഈ കുട്ടികളെക്കുറിച്ചുള്ള എല്ലാ വിവരവും, കോളേജിൽ നിന്ന് ബിരുദധാരിയായ ആർക്കാണ് ഗവേഷകർ പ്രവചിക്കാൻ കഴിയുക? അല്ലെങ്കിൽ, ചില ഗവേഷകർക്ക് കൂടുതൽ രസകരമാകുമെന്ന രീതിയിൽ പ്രകടിപ്പിച്ച ഈ വിവരണങ്ങൾ, ഈ വിവരങ്ങളെക്കുറിച്ച് പ്രവചിക്കുന്നതിൽ ഏറ്റവും ഫലപ്രദമായിട്ടുള്ള ഡാറ്റയും സിദ്ധാന്തങ്ങളും ഏതാണ്? ഈ കുട്ടികളിൽ ആരും ഇപ്പോൾ കോളേജിൽ പോകാൻ മാത്രം പ്രായമാകാത്തതിനാൽ, ഇത് ഒരു നല്ല മുൻകൂട്ടി തോന്നിയ പ്രവചനമായിരിക്കും, പല ഗവേഷകർക്കും ജോലി ചെയ്യാൻ കഴിയുന്ന നിരവധി മാർഗ്ഗങ്ങൾ ഉണ്ട്. അയൽപക്കങ്ങൾ വിശ്വസിക്കുന്ന ഒരു ഗവേഷകൻ ജീവനെ സ്വാധീനിക്കുന്നതിൽ നിർണായകമാണ് ഒരു സമീപനം സ്വീകരിച്ചാൽ, കുടുംബങ്ങളിൽ ശ്രദ്ധകേന്ദ്രീകരിച്ചിരിക്കുന്ന ഒരു ഗവേഷകൻ തികച്ചും വ്യത്യസ്തമായ ഒരു കാര്യം ചെയ്തേക്കാം. ഈ സമീപനങ്ങളിൽ മികച്ചത് പ്രവർത്തിക്കുമോ? ഞങ്ങൾക്ക് അറിയാമായിരുന്നില്ല, കൂടാതെ കണ്ടുപിടിക്കുന്ന പ്രക്രിയയിൽ, കുടുംബത്തെക്കുറിച്ചും അയൽപക്കങ്ങൾ, വിദ്യാഭ്യാസം, സാമൂഹ്യ അസമത്വം എന്നിവയെക്കുറിച്ചും പ്രധാനപ്പെട്ട എന്തെങ്കിലും പഠിക്കാനിടയുണ്ട്. കൂടാതെ, ഭാവി ഡാറ്റ ശേഖരണത്തെ നയിക്കാൻ ഈ പ്രവചനങ്ങൾ ഉപയോഗിക്കാനിടയുണ്ട്. ഏതെങ്കിലുമൊരാൾ ബിരുദാനന്തര ബിരുദധാരികളായ ഒരു മോഡൽ ബിരുദധാരികളായി കണക്കാക്കപ്പെട്ടിട്ടില്ലാത്ത ചെറിയ കോളേജ് ബിരുദധാരികളുണ്ടെന്ന് സങ്കൽപിക്കുക. ഈ ആളുകൾ ഫോളോ അപ് അപ്പ് ക്വാളിറ്റീവ് ഇൻറർവ്യൂകൾക്കും ethnographic നിരീക്ഷണത്തിനും ഉത്തമ സ്ഥാനാർത്ഥികളായിരിക്കും. അതിനാൽ, ഇത്തരത്തിലുള്ള തുറന്ന കോളിൽ, പ്രവചനങ്ങൾ അവസാനമല്ല. വ്യത്യസ്ത സൈദ്ധാന്തിക പാരമ്പര്യങ്ങളെ താരതമ്യപ്പെടുത്തുന്നതിനും, സമ്പുഷ്ടമാക്കുന്നതിനും, കൂട്ടിച്ചേർക്കുന്നതിനും അവർ ഒരു പുതിയ മാർഗ്ഗം നൽകുന്നു. കോളേജിൽ പോകാൻ മുൻകൂട്ടി പറയാനുള്ള ഫ്രാഗിൾ ഫാമിയീസ്, ചൈൽഡ് വെൽബിംഗ് സ്റ്റഡി എന്നിവയിൽ നിന്ന് ഡാറ്റ ഉപയോഗിക്കുന്നതിന് ഇത്തരത്തിലുള്ള തുറന്ന കോൾ പ്രത്യേകമല്ല. ഏതെങ്കിലും ഒരു രേഖാചിത്ര സാമൂഹിക ഡാറ്റ സെറ്റിൽ അവസാനം സമാഹരിക്കാനിടയുള്ള ഏതെങ്കിലും ഫലം പ്രവചിക്കാൻ അത് ഉപയോഗിക്കാം.

ഞാൻ ഈ വിഭാഗത്തിൽ മുമ്പ് എഴുതിയിരുന്നതുപോലെ, ഓപ്പൺ കോളുകൾ ഉപയോഗിച്ച് സാമൂഹിക ഗവേഷകരുടെ നിരവധി ഉദാഹരണങ്ങൾ ഉണ്ടായിട്ടില്ല. സാമൂഹ്യശാസ്ത്രജ്ഞർ അവരുടെ ചോദ്യങ്ങൾ ചോദിക്കുന്ന രീതിയിൽ തുറന്ന കോളുകൾക്ക് അനുയോജ്യമല്ലാത്തതുകൊണ്ടല്ല ഇത് എന്ന് ഞാൻ കരുതുന്നു. നെറ്റ്ഫിക്സ് സമ്മാനം തിരിച്ചെത്തുന്നതിന്, സാമൂഹ്യ ശാസ്ത്രജ്ഞർ സാധാരണയായി അഭിരുചിക്കലുകൾ പ്രവചിക്കാൻ ചോദിക്കില്ല. സാംസ്കാരികമായ അഭിരുചികൾ വ്യത്യസ്ത സാമൂഹ്യവിഭാഗങ്ങളിൽ നിന്നുള്ളവർക്കു വേണ്ടി എങ്ങനെയാണ്, എങ്ങനെ, എന്തിന് വ്യത്യാസപ്പെട്ടിരിക്കുന്നു എന്ന് അവർ ചോദിക്കും. (ഉദാ: Bourdieu (1987) ). അത്തരം "എങ്ങനെയാണ്", "എന്തുകൊണ്ട്" ചോദ്യം എളുപ്പത്തിൽ പരിശോധിക്കാവുന്ന പരിഹാരങ്ങളിലേക്കു നയിക്കപ്പെടാത്തതിനാൽ കോളുകൾ തുറക്കാൻ മോശമായി തോന്നാം. അങ്ങനെ, അത് തുറന്ന കോളുകൾ വിശദീകരണം ചോദ്യങ്ങൾ അധികം ചോദ്യങ്ങൾ പ്രവചനം കൂടുതൽ ഉചിതമായ കാണുന്നു. എന്നാൽ സമീപകാല സിദ്ധാന്തക്കാർ, വിശദീകരണവും പ്രവചനവും തമ്മിലുള്ള വൈവിധ്യവത്കരണം പുന: പരിശോധിക്കാൻ സാമൂഹ്യ ശാസ്ത്രജ്ഞന്മാരെ വിളിച്ചിട്ടുണ്ട് (Watts 2014) . പ്രവചനവും വിശദീകരണവും പൊട്ടിത്തെറിയുന്നതുപോലെ, സാമൂഹ്യ ഗവേഷണങ്ങളിൽ ഓപ്പൺ കോളുകൾ കൂടുതൽ സാധാരണമായിത്തീരുമെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു.