5.3.4 Konklusjon

Med åpne samtaler kan du finne løsninger på problemer du klart kan angi, men at du ikke kan løse deg selv.

I alle tre åpne samtale prosjekter-Netflix-prisen, Foldit, Peer-to-Patent-forskere stilt spørsmål om en bestemt form, ønsket løsninger, og deretter plukket de beste løsningene. Forskerne hadde ikke engang trenger å vite den beste ekspert for å spørre, og noen ganger de gode ideene kom fra uventede steder.

Nå kan jeg også markere to viktige forskjeller mellom åpne anropsprosjekter og menneskelige beregningsprosjekter. For det første angir forskeren i åpne anropsprosjekter et mål (for eksempel å forutsi filmverdier), mens i menneskelig beregning spesifiserer forskeren en mikrotask (for eksempel klassifisering av en galakse). For det andre, i åpne samtaler, vil forskerne ha det beste bidraget, som for eksempel den beste algoritmen for å forutsi filmkarakterer, den laveste energikonfigurasjonen av et protein eller det mest relevante kriteriet, ikke en form for enkel kombinasjon av alt bidragene.

Gitt den generelle mal for åpne samtaler og disse tre eksemplene, hvilke typer problemer i samfunnsforskning kan være egnet for denne tilnærmingen? På dette tidspunktet må jeg erkjenne at det ikke har vært mange gode eksempler ennå (av grunner til at jeg skal forklare om et øyeblikk). Når det gjelder direkte analoger, kan man forestille seg en åpen samtaleparentype som brukes av en historisk forsker som søker etter det tidligste dokumentet for å nevne en bestemt person eller ide. En åpen samtale tilnærming til denne typen problem kan være spesielt verdifull når de potensielt relevante dokumentene ikke finnes i et enkelt arkiv, men er bredt distribuert.

Mer generelt har mange regjeringer og selskaper problemer som kan være åpne for anrop, fordi åpne samtaler kan generere algoritmer som kan brukes til spådommer, og disse spådommene kan være en viktig veiledning for handling (Provost and Fawcett 2013; Kleinberg et al. 2015) . For eksempel, akkurat som Netflix ønsket å forutsi vurderinger på filmer, kan regjeringene forutsi utfall som for eksempel hvilke restauranter som mest sannsynlig vil ha brudd på helsekode for å tildele mer ressurser til inspeksjonsressurser. Motivert av denne typen problem, brukte Edward Glaeser og kollegaer (2016) et åpent samtal for å hjelpe byen Boston til å forutse restauranthygiene og sanitære brudd basert på data fra Yelp vurderinger og historiske inspeksjonsdata. De anslått at den prediktive modellen som vant det åpne samtalen, ville forbedre produktiviteten til restaurantinspektørene med om lag 50%.

Åpne samtaler kan også potensielt brukes til å sammenligne og teste teorier. For eksempel har Fragile Families and Child Wellbeing Study sporet omtrent 5000 barn siden fødselen i 20 forskjellige amerikanske byer (Reichman et al. 2001) . Forskere har samlet data om disse barna, deres familier, og deres bredere miljø ved fødselen og i alderen 1, 3, 5, 9 og 15 år. Gitt alle opplysninger om disse barna, hvor godt kan forskere forutsi utfall som hvem som skal oppgradere fra college? Eller, uttrykt på en måte som ville være mer interessant for noen forskere, hvilke data og teorier ville være mest effektive for å forutsi disse utfallene? Siden ingen av disse barna for tiden er gamle nok til å gå på college, ville dette være en sann fremtidsutsikter, og det er mange forskjellige strategier som forskere kan ansette. En forsker som mener at nabolag er avgjørende for å skape livsutfall, kan ta en tilnærming, mens en forsker som fokuserer på familier, kan gjøre noe helt annet. Hvilke av disse tilnærmingene ville fungere bedre? Vi vet ikke, og i ferd med å finne ut, kan vi lære noe viktig om familier, nabolag, utdanning og sosial ulikhet. Videre kan disse spådommene brukes til å veilede fremtidig datainnsamling. Tenk deg at det var et lite antall studenter som ikke var forventet å uteksaminere av noen av modellene; Disse menneskene ville være ideelle kandidater for oppfølging av kvalitative intervjuer og etnografisk observasjon. Således, i denne typen åpen samtale, er spådommene ikke slutten; heller, de gir en ny måte å sammenligne, berike og kombinere ulike teoretiske tradisjoner med. Denne typen åpen samtale er ikke spesifikk for bruk av data fra Fragile Families and Child Wellbeing Study for å forutsi hvem som skal gå på college; det kan brukes til å forutsi et utfall som til slutt vil bli samlet inn i et langsiktig samfunnsdatasett.

Som jeg skrev tidligere i denne delen, har det ikke vært mange eksempler på sosiale forskere som bruker åpne samtaler. Jeg tror at dette skyldes at åpne samtaler ikke passer godt til den måten sosialforskere vanligvis stiller spørsmål til. Tilbake til Netflix-prisen, ville ikke samfunnsvitenskapsmenn vanligvis spørre om å forutsi smaker; De vil heller spørre om hvordan og hvorfor kulturell smak er forskjellig for mennesker fra forskjellige sosiale klasser (se f.eks. Bourdieu (1987) ). Slike "hvordan" og "hvorfor" spørsmålet fører ikke til let verifiserbare løsninger, og synes derfor dårlig egnet til å åpne samtaler. Dermed ser det ut til at åpne samtaler er mer passende for spørsmål prediksjon enn spørsmål om forklaring. Nylige teoretikere har imidlertid oppfordret sosialforskere til å revurdere dikotomi mellom forklaring og prediksjon (Watts 2014) . Når linjen mellom prediksjon og forklaring uteblir, forventer jeg at åpne anrop blir stadig mer vanlig i sosial forskning.