5.3.4 ഉപസംഹാരം

തുറക്കുക കോളുകൾ പല വിദഗ്ധർ ചെയ്യട്ടെ നോൺ-വിദഗ്ധർ പരിഹാരങ്ങൾ ജനറേറ്റ് അധികം പരിശോധിക്കാൻ എളുപ്പം എവിടെയാണെന്ന് പ്രശ്നങ്ങൾക്ക് പരിഹാരം ഉദ്ദേശിക്കുന്നു.

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 ഞാൻ ഓപ്പൺ കോൾ പദ്ധതികൾക്ക് മനുഷ്യ കണക്കാക്കലും പദ്ധതികൾ തമ്മിലുള്ള രണ്ട് പ്രധാന വ്യത്യാസങ്ങൾ ഹൈലൈറ്റ് ചെയ്യാവുന്നതാണ്. ആദ്യം, തുറന്ന കോൾ പദ്ധതികളിൽ ഗവേഷകൻ ഒരു ലക്ഷ്യം (ഉദാ, സിനിമ റേറ്റിംഗ് ഷിതമായത്) വ്യക്തമാക്കുന്നു മനുഷ്യ കണക്കുകൂട്ടലിൽ ഗവേഷണ മൈക്രോ-ടാസ്ക് (ഉദാ, ഒരു ഗാലക്സി വർഗീകരിക്കാൻ) വ്യക്തമാക്കുന്നു അതേസമയം. രണ്ടാമത്തേത്, തുറന്ന കോളുകൾ ഗവേഷകർ മികച്ച സംഭാവനയാണ്-സിനിമ റേറ്റിംഗ്, ഒരു പ്രോട്ടീൻ കുറവ്-ഊർജ്ജ കോൺഫിഗറേഷൻ, അല്ലെങ്കിൽ മുൻകൂർ ആർട്ട്-അല്ല സംഭാവനകൾ എല്ലാ ലളിതമായ കോമ്പിനേഷൻ ഏതെങ്കിലും തരത്തിലുള്ള ഏറ്റവും പ്രസക്തമായ കഷണം ഷിതമായത് മികച്ച അൽഗോരിതം ആഗ്രഹിച്ചു.

തുറന്ന കോളുകളും ഈ മൂന്ന് ഉദാഹരണങ്ങൾ ജനറൽ ടെംപ്ലേറ്റ് കിട്ടിയ സോഷ്യൽ റിസർച്ച് പ്രശ്നങ്ങൾ ഏത് തരത്തിലുള്ള ഈ സമീപനം അനുയോജ്യമായ എന്തുകൊണ്ട്? ഈ സമയത്ത്, ഞാൻ (ഞാൻ ഒരു നിമിഷത്തിനകം പറയാം എന്നു കാരണങ്ങളാൽ) അവിടെ ചെയ്ത നിരവധി വിജയകരമായ ഉദാഹരണങ്ങൾ ഇനിയും തി വേണം. നേരിട്ടുള്ള analogues കാര്യത്തിൽ ഒരുത്തൻ ഒരു പിയർ-പേറ്റന്റ് രീതിയിൽ പദ്ധതി ഒരു പ്രത്യേക വ്യക്തി അല്ലെങ്കിൽ ആശയം മറന്ന ആദ്യകാല പ്രമാണം അന്വേഷിക്കുന്ന ഒരു ചരിത്രപരമായ ഗവേഷകൻ ഉപയോഗിക്കുന്നത് സങ്കൽപ്പിക്കുക കഴിഞ്ഞില്ല. പ്രസക്തമായ പ്രമാണങ്ങൾ ഒരൊറ്റ ആർക്കൈവിൽ ശേഖരിച്ച എന്നാൽ വ്യാപകമായി വിതരണം എപ്പോൾ പ്രശ്നം ഇത്തരത്തിലുള്ള ഒരു തുറന്ന കോൾ സമീപനം പ്രത്യേകിച്ച് ഗുണകരമാകും കഴിഞ്ഞില്ല.

കൂടുതൽ സാധാരണയായി പല സർക്കാരുകൾ അവർ നടപടി മികവുറ്റ ഉപയോഗിക്കാവുന്ന പ്രവചനങ്ങൾ സൃഷ്ടിക്കുന്നതിനെ കുറിച്ച് കാരണം കോളുകൾ തുറക്കാൻ വശംവദരാകുകയായിരുന്നു ആകേണ്ടതിന്നു പ്രശ്നങ്ങളുണ്ടെങ്കിൽ (Kleinberg et al. 2015) . ഉദാഹരണത്തിന്, വെറും നെറ്റ്ഫിക്സ് സിനിമകൾ നിലവാരം പ്രവചിക്കാൻ ആഗ്രഹിച്ചു പോലെ സർക്കാരുകൾ പാടുന്നവർ റെസ്റ്റോറന്റുകൾ കൂടുതൽ കാര്യക്ഷമമായി പരിശോധനാ വിഭവങ്ങൾ അനുവദിക്കുക വേണ്ടി ആരോഗ്യ കോഡ് ലംഘനങ്ങൾ ഞങ്ങൾക്കുണ്ട് ഏറ്റവും സാധ്യത പോലുള്ള പ്രവചിക്കാൻ താൽപ്പര്യപ്പെട്ടേക്കാം. പ്രശ്നം, ഇത്തരത്തിലുള്ള പ്രേരിതമായ Glaeser et al. (2016) ബോസ്റ്റൺ സിറ്റി Yelp അവലോകനങ്ങളും ചരിത്രപരമായ പരിശോധന ഡാറ്റ നിന്ന് ഡാറ്റ അടിസ്ഥാനമാക്കിയുള്ള റെസ്റ്റോറന്റ് ശുചിത്വം ശുചിത്വ ലംഘനങ്ങൾ പ്രവചിക്കാൻ സഹായിക്കാൻ ഒരു തുറന്ന കോൾ ഉപയോഗിച്ചു. Glaeser സഹപ്രവർത്തകരും തുറന്ന കോൾ നേടിയ പ്രവചിക്കാനാകുന്നത് മോഡൽ 50% റെസ്റ്റോറന്റ് ഇൻസ്പെക്ടർമാർ ഉൽപ്പാദനശേഷി മെച്ചപ്പെടുമെന്നും കണക്കുകൂട്ടുന്നു. ബിസിനസ്സുകൾ പോലുള്ള ഉപഭോക്തൃ ഗുപ്തന് ഷിതമായത് സമാനമായ ഘടനയുള്ള പ്രശ്നങ്ങളുണ്ടെങ്കിൽ (Provost and Fawcett 2013) .

ഒടുവിൽ ഇതിനകം ഒരു പ്രത്യേക ഡാറ്റ ഗണത്തിൽ സംഭവിച്ച ആ പാടുന്നവർ (ഉദാ, ഷിതമായത് കഴിഞ്ഞ ആരോഗ്യ കോഡ് ലംഘനങ്ങൾക്കെതിരായുള്ള ഡാറ്റ ഉപയോഗിച്ച് ആരോഗ്യ കോഡ് ലംഘനങ്ങൾ) ഏർപ്പെടുന്ന കോളുകൾ തുറക്കാൻ പുറമേ, ഒറ്റ ഡാറ്റാഗണത്തിൽ ആർക്കും ഇതുവരെ സംഭവിക്കാത്ത പാടുന്നവർ ഷിതമായത് കണക്കാക്കാത്ത . ഉദാഹരണത്തിന്, ദുര്ബ്ബലമായ കുടുംബങ്ങൾക്കും ശിശു ഒബാമയ്ക്കെതിരെ പഠനം 20 വ്യത്യസ്ത യുഎസ് നഗരങ്ങളിലെ ശേഷം 5000 കുട്ടികൾ ട്രാക്കുചെയ്തിട്ടുള്ളതാണ് ചെയ്തു (Reichman et al. 2001) . ഗവേഷകർ കുട്ടികളും അവരുടെ കുടുംബങ്ങളെയും ജനനത്തിങ്കൽ എന്നെന്നേക്കും 1 തങ്ങളുടെ വിശാലമായ പരിസ്ഥിതിയെക്കുറിച്ച് ഡാറ്റ, 3, 5, 9, 15. ശേഖരിച്ച ഈ കുട്ടികളെ കുറിച്ച് എല്ലാ വിവരങ്ങളും നൽകിയ ഗവേഷകർ അത്തരം ആർ നേടിയവരെ പോലെ പാടുന്നവർ പ്രവചിക്കാൻ എത്ര നന്നായി കഴിഞ്ഞില്ല കോളേജിൽ നിന്നും? അതല്ല, പല ഗവേഷകരും, ഡാറ്റയും സിദ്ധാന്തങ്ങൾ ഈ പാടുന്നവർ ഷിതമായത് ഏറ്റവും ഫലപ്രദമായ ആയിരിക്കും കൂടുതൽ രസകരമായ എന്നു പറയാവുന്ന ഒരു വിധത്തിൽ പ്രകടിപ്പിച്ച? ഈ കുട്ടികളെ ആരും ഇപ്പോൾ കോളേജ് പോകാൻ മതിയായ പഴയ ശേഷം, ഇന്ന് ഒരു ഫോർവേഡ് തിരയുന്ന പ്രവചന തന്നെ ഗവേഷകരും ജോലിക്ക് ധാരാളം വ്യത്യസ്ത തന്ത്രങ്ങൾ ഉണ്ട്. കുടുംബങ്ങൾ ശ്രധിക്കുന്നു ഒരു ഗവേഷകൻ തികച്ചും വ്യത്യസ്തമായ എന്തെങ്കിലും ചെയ്യാൻ തക്കവണ്ണം സമയത്ത് അയൽപക്കങ്ങൾ ജീവൻ പാടുന്നവർ രൂപപ്പെടുത്തുന്നതിൽ ഗുരുതരമാണ് വിശ്വസിക്കുന്ന ഒരു ഗവേഷകൻ ഒറ്റ സമീപനം സ്വീകരിക്കണം. ഇതിലേതെങ്കിലും ഏത് ജോലിചെയ്യാനും തന്നെ? നമുക്ക് അറിയില്ല പുറത്തു കണ്ടെത്താനുള്ള പ്രക്രിയ ഞങ്ങൾ കുടുംബ-അയൽപക്ക, വിദ്യാഭ്യാസം, സാമൂഹ്യ അസമത്വം കുറിച്ച് പ്രധാനപ്പെട്ട പഠിച്ചെടുക്കാനായേക്കാം. കൂടുതൽ, ഈ പ്രവചനങ്ങൾ ഭാവി ഡാറ്റ ശേഖരം മികവുറ്റ ഉപയോഗിക്കാൻ കഴിയും. മോഡലുകൾ ഏതെങ്കിലും അംഗീകൃത പ്രവചിച്ച ചെയ്തിട്ടില്ലെങ്കിൽ കോളേജ് ബിരുദം ഒരു ചെറിയ എണ്ണം ഉണ്ടായിരുന്നു സങ്കൽപ്പിക്കുക; ഈ ജനം ഫോളോ അപ്പ് ഗുണപരമായ ഇന്റർവ്യൂ നരവംശശാസ്ത്രപരവുമായ നിരീക്ഷണം അനുയോജ്യമായ സ്ഥാനാർത്ഥികളെ തന്നെ. ഇപ്രകാരം, തുറന്ന കോൾ ഇത്തരത്തിലുള്ള ൽ, പ്രവചനങ്ങൾ അവസാനമല്ല ആകുന്നു; അല്ല, അവർ താരതമ്യം ഐശ്വര്യം, വ്യത്യസ്ത സൈദ്ധാന്തിക പാരമ്പര്യങ്ങളിൽ സംയോജിപ്പിച്ച് ഒരു പുതിയ മാർഗം നൽകുന്നു. തുറന്ന കോൾ ഇത്തരത്തിലുള്ള കോളേജ് പോകും ആർ പ്രവചിക്കാൻ ദുര്ബ്ബലമായ കുടുംബങ്ങളിലെ ഡാറ്റ ഉപയോഗിച്ച് നിർദിഷ്ട അല്ല; ഒടുവിൽ ഏതെങ്കിലും രേഖാംശ സോഷ്യൽ ഡാറ്റ സെറ്റ് ശേഖരിക്കും ഏതെങ്കിലും അനന്തരഫലം പ്രവചിക്കാൻ ഉപയോഗപ്പെടുത്താം.

ഞാൻ നേരത്തെ ഈ വിഭാഗത്തിൽ എഴുതി പോലെ, തുറന്ന കോളുകൾ ഉപയോഗിച്ച് സോഷ്യൽ ഗവേഷകർ നിരവധി ദൃഷ്ടാന്തങ്ങൾ അല്ല. ഞാൻ തുറന്ന കോളുകൾ സാമൂഹിക ശാസ്ത്രജ്ഞർ സാധാരണ അവരുടെ ചോദ്യങ്ങൾ രൂപപ്പെടുത്താൻ ആ വഴിക്കു അനുയോജ്യമല്ല ആയതിനാലാണ് എന്ന് തോന്നുന്നു. നെറ്റ്ഫിക്സ് സമ്മാനം മടങ്ങുന്നു, സാമൂഹിക ശാസ്ത്രജ്ഞർ സാധാരണയായി ഇംഗിതം ഷിതമായത് കുറിച്ച് അവർ വിവിധ സാമൂഹിക ക്ലാസുകൾ ജനങ്ങൾക്കുവേണ്ടി ഇംഗിതം ഭിന്നത എങ്ങനെ, എന്തുകൊണ്ട് സാംസ്കാരിക കുറിച്ച് ചോദിക്കുന്നത് ചോദിക്കുകയില്ല (Bourdieu 1987) . ഇത്തരം 'എങ്ങനെ "ഉം" എന്തുകൊണ്ട് "ചോദ്യം പരിഹാരങ്ങൾ സ്ഥിരീകരിക്കാൻ എളുപ്പത്തിൽ തരില്ല, അതിനാൽ കോളുകൾ തുറക്കാൻ മോശമായി ഫിറ്റ് തോന്നുന്നില്ല. അതുകൊണ്ട്, തുറന്ന കോളുകൾ വിശദീകരണവും ചോദ്യങ്ങൾ അധികം പ്രവചന എന്ന ചോദ്യത്തിന് കൂടുതൽ ആയാസരഹിതമാക്കാൻ കാണുന്നു; പ്രവചന വിശദീകരണവും കാണാൻ തമ്മിലുള്ള വ്യത്യാസം സംബന്ധിച്ച് കൂടുതലറിയാൻ Breiman (2001) . സമീപകാല സൈദ്ധാന്തികരുടേയും അതേസമയം, വിശദീകരണവും പ്രവചന തമ്മിലുള്ള വിഭജനം പരിഗണിക്കണമെങ്കിൽ സോഷ്യൽ ശാസ്ത്രജ്ഞർ ന് വിളിച്ചിരിക്കുന്നു (Watts 2014) . പ്രവചന വിശദീകരണവും മങ്ങിച്ചാൽ ഇടയിലുള്ള ലൈൻ, ഞാൻ തുറന്ന മത്സരങ്ങൾ സാമൂഹികശാസ്ത്ര ശാഖകളിൽ പതിവാണ് മാറും പ്രതീക്ഷിക്കാം.