5.3.4 Wnioski

Otwarte połączenia umożliwiają znalezienie rozwiązań problemów, które możesz jasno określić, ale których nie możesz rozwiązać samodzielnie.

We wszystkich trzech projektów open-Netflix połączeń nagrody Foldit peer-to-Patent-naukowców stawiał pytania o określonej formie, zamówione rozwiązania, a następnie wybrał najlepszych rozwiązań. Naukowcy nie trzeba nawet znać najlepszy ekspert zapytać, a czasem dobre pomysły pochodziły z nieoczekiwanych miejscach.

Teraz mogę również podkreślić dwie ważne różnice między projektami otwartego połączenia a projektami obliczeniowymi dla ludzi. Po pierwsze, w projektach otwartych połączeń badacz określa cel (np. Przewidywanie ocen filmów), podczas gdy w obliczeniach ludzkich naukowiec określa mikropask (np. Klasyfikując galaktykę). Po drugie, w otwartych rozmowach naukowcy chcą najlepszego wkładu - takiego jak najlepszy algorytm przewidywania ocen filmów, najmniejszej energii konfiguracji białka lub najbardziej odpowiedniego elementu wcześniejszego stanu wiedzy - a nie jakiegoś prostego połączenia wszystkich składki.

Biorąc pod uwagę ogólny szablon otwartych zaproszeń i te trzy przykłady, jakie problemy w badaniach społecznych mogą być odpowiednie dla tego podejścia? W tym momencie powinienem przyznać, że nie było jeszcze wielu udanych przykładów (z powodów, które wyjaśnię za chwilę). Jeśli chodzi o bezpośrednie analogi, można sobie wyobrazić, że otwarty styl połączenia Peer-to-Patent jest używany przez badacza historycznego, szukającego najwcześniejszego dokumentu, aby wspomnieć o konkretnej osobie lub idei. Metoda otwartego połączenia z tego rodzaju problemem może być szczególnie cenna, gdy potencjalnie istotne dokumenty nie znajdują się w jednym archiwum, ale są szeroko rozpowszechniane.

Mówiąc ogólniej, wiele rządów i firm ma problemy, które mogą być otwarte na apele otwarte, ponieważ otwarte zaproszenia mogą generować algorytmy, które można wykorzystać do przewidywania, a te prognozy mogą być ważnym wskazówkiem dla działań (Provost and Fawcett 2013; Kleinberg et al. 2015) . Na przykład, tak jak Netflix chciał przewidzieć oceny filmów, rządy mogą chcieć przewidzieć wyniki, takie jak restauracje, które najprawdopodobniej będą miały naruszenia kodeksu zdrowia w celu wydajniejszej alokacji zasobów inspekcji. Zmotywowani tym problemem, Edward Glaeser i jego współpracownicy (2016) wykorzystali otwarte zaproszenie, aby pomóc miastu Boston przewidzieć naruszenia higieny i higieny w restauracjach na podstawie danych z opinii Yelp i historycznych danych z inspekcji. Oszacowali, że model predykcyjny, który wygrał otwarte zaproszenie, zwiększyłby wydajność inspektorów restauracji o około 50%.

Połączenia otwarte mogą również potencjalnie służyć do porównywania i testowania teorii. Na przykład w badaniu Fragile Families and Child Wellbeing Study badano około 5000 dzieci od urodzenia w 20 różnych miastach USA (Reichman et al. 2001) . Naukowcy zebrali dane o tych dzieciach, ich rodzinach i szerszym otoczeniu w chwili urodzenia oraz w wieku 1, 3, 5, 9 i 15 lat. Biorąc pod uwagę wszystkie informacje na temat tych dzieci, jak dobrze naukowcy mogą przewidywać wyniki, na przykład, kto ukończy studia? Lub, wyrażone w sposób, który byłby bardziej interesujący dla niektórych badaczy, które dane i teorie byłyby najbardziej skuteczne w przewidywaniu tych wyników? Ponieważ żadne z tych dzieci nie jest na tyle duże, aby iść do college'u, byłoby to prawdziwe przewidywanie przyszłości i istnieje wiele różnych strategii, które mogą zostać zastosowane przez naukowców. Naukowiec, który uważa, że ​​dzielnice są krytyczne w kształtowaniu wyników życiowych, może przyjąć jedno podejście, podczas gdy badacz, który koncentruje się na rodzinach, może zrobić coś zupełnie innego. Które z tych podejść sprawdzi się lepiej? Nie wiemy, a podczas tego procesu możemy dowiedzieć się czegoś ważnego o rodzinach, dzielnicach, edukacji i nierównościach społecznych. Co więcej, te prognozy mogą być wykorzystane do ukierunkowania przyszłego gromadzenia danych. Wyobraźcie sobie, że była niewielka liczba absolwentów szkół wyższych, którzy nie byli przewidywani do ukończenia przez którykolwiek z modeli; ci ludzie byliby idealnymi kandydatami do dalszych wywiadów jakościowych i obserwacji etnograficznych. Tak więc w tego rodzaju otwartych telefonach prognozy nie są końcem; stanowią raczej nowy sposób porównywania, wzbogacania i łączenia różnych tradycji teoretycznych. Ten rodzaj otwartego zaproszenia nie jest specyficzny dla korzystania z danych z badania Fragile Families i Child Wellbeing Study, aby przewidzieć, kto pójdzie na studia; można go wykorzystać do przewidywania wszelkich wyników, które ostatecznie zostaną zebrane w dowolnym podłużnym zestawie danych społecznych.

Jak napisałem wcześniej w tej sekcji, nie było wielu przykładów społecznych badaczy używających otwartych połączeń. Myślę, że dzieje się tak dlatego, że otwarte zaproszenia nie są dobrze dostosowane do tego, w jaki sposób socjologowie zazwyczaj zadają pytania. Wracając do nagrody Netflix, socjologowie zwykle nie pytają o przewidywania smaków; raczej pytali o to, jak i dlaczego gusta kulturowe są różne dla osób z różnych klas społecznych (patrz np. Bourdieu (1987) ). Takie pytanie "jak" i "dlaczego" nie prowadzi do łatwych do zweryfikowania rozwiązań, a zatem wydają się mało odpowiednie do otwierania połączeń. W związku z tym wydaje się, że otwarte zaproszenia są bardziej odpowiednie do przewidywania pytań niż do pytań wyjaśniających . Niedawni teoretycy wezwali jednak naukowców społecznych do ponownego rozważenia dychotomii między wyjaśnieniem a prognozowaniem (Watts 2014) . Ponieważ granica pomiędzy prognozą a wyjaśnieniami zaciera się, oczekuję, że otwarte zaproszenia będą coraz powszechniejsze w badaniach społecznych.