5.3.4 Wnioski

Otwarte rozmowy pozwalają wielu ekspertów i nie-eksperci proponują rozwiązania problemów, w których rozwiązania są łatwiejsze do sprawdzenia, niż generować.

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 zwrócić uwagę na dwie istotne różnice między otwartymi projektami połączeń i projektów obliczeniowych człowieka. Po pierwsze, w projektach otwartych połączeń badacz określa cel (np przewidywanie oceny filmu), podczas gdy w ludzkiej obliczeń badania określa mikro-zadania (np klasyfikowania galaktykę). Po drugie, w otwartych zaproszeń naukowcy chcieli najlepiej wkładu najlepszy algorytm przewidywania ocen filmowe konfigurację o najniższej energii, białka, czyli najbardziej istotne kawałek uprzedniej sztuki nie jakąś prostą kombinacją wszystkich składek.

Biorąc pod uwagę ogólny szablon dla otwartych połączeń i tych trzech przykładów, jakie problemy w badaniach społecznych może być odpowiednia do tego podejścia? W tym momencie muszę przyznać, że nie było jeszcze wiele udanych przykładów (z powodów, które wytłumaczę za chwilę). Pod względem bezpośrednich analogów, można sobie wyobrazić, że projekt styl Peer-to-Patent jest używany przez badacza historycznego szukasz najwcześniejszym dokumentu wspominając konkretną osobę lub ideę. Otwarte podejście wezwanie do tego typu problemu może być szczególnie cenne, gdy odnośne dokumenty nie są zebrane w jednym archiwum, ale są szeroko rozpowszechnione.

Mówiąc bardziej ogólnie, wiele rządów ma problemy, które mogą być podatne na otwarciu połączenia, ponieważ są one o tworzeniu prognoz, które mogą być wykorzystywane do prowadzenia działań (Kleinberg et al. 2015) . Na przykład, tak jak Netflix chciał przewidzieć ocen na temat filmów, rządy mogą chcieć do przewidzenia efektów, takich jak restauracje, które są najbardziej prawdopodobne, że łamanie kodeksu zdrowia w celu bardziej efektywny podział środków kontroli. Motywowane tego rodzaju problemów, Glaeser et al. (2016) wykorzystał otwarte zaproszenie do pomocy miasta Boston przewidzieć restauracja higieny i warunków zdrowotnych naruszeń w oparciu o dane z Yelp i danych kontrolnych historycznych. Glaeser i współpracownicy szacują, że predykcyjny model, który wygrał otwarte zaproszenie poprawi produktywność inspektorów restauracyjnych o około 50%. Przedsiębiorstwa mają także problemy z podobnej konstrukcji, takich jak przewidywanie rezygnacji klienta (Provost and Fawcett 2013) .

Wreszcie, w uzupełnieniu do otwarcia połączenia, które dotyczą wyników, które już stało się w zestawie szczególności danych (np przewidywania naruszeń Kodeksu Zdrowia na podstawie danych na temat naruszeń Kodeksu Zdrowia przeszłości), można sobie wyobrazić przewidywaniu wyników, które jeszcze nie zdarzyło się nikomu w zbiorze danych , Na przykład, kruchej Rodziny i badania Child Wellbeing śledzi około 5000 dzieci od urodzenia w 20 różnych miastach USA (Reichman et al. 2001) . Naukowcy zebrali dane na temat tych dzieci, ich rodzin i ich szerszego środowiska po urodzeniu oraz w wieku 1, 3, 5, 9 i 15. Biorąc pod uwagę wszystkie informacje na temat tych dzieci, jak dobrze może naukowcy przewidują skutki, takie jak, którzy ukończą z uczelni? Albo, wyrażona w sposób, który byłby bardziej interesująca dla wielu naukowców, których dane i teorie byłyby najbardziej skuteczne w przewidywaniu tych wyników? Ponieważ żaden z tych dzieci są obecnie na tyle stary, aby iść na studia, to byłby prawdziwy przewidywania przyszłościowe i istnieje wiele różnych strategii, które naukowcy mogą zatrudnić. Badacz, który uważa, że ​​osiedla są krytyczne w kształtowaniu wyników życie może podjąć jedną metodę, badacz, który koncentruje się na rodzinach może zrobić coś zupełnie innego. Które z tych rozwiązań będzie działać lepiej? Nie wiemy, jak iw procesie dowiedzieć się możemy nauczyć się czegoś ważnego o rodzinach, dzielnicach, edukacji i nierówności społecznej. Ponadto, te prognozy mogą być wykorzystywane do prowadzenia przyszłej zbierania danych. Wyobraźmy sobie, że to była mała liczba absolwentów szkół wyższych, które nie były przewidywane do ukończenia przez któregokolwiek z modeli; osoby te byłyby idealnymi kandydatami do follow-up jakościowych wywiadów i obserwacji etnograficznej. Zatem w tym rodzaju otwartego zaproszenia, przewidywania nie są do końca; raczej stanowią one nową metodę porównania, wzbogacać i połączyć różne tradycje teoretyczne. Ten rodzaj otwartego zaproszenia nie jest specyficzne dla użyciu danych z niestabilnych rodzin przewidzieć, kto pójdzie na studia; może to być wykorzystane do przewidzenia, że ​​wynik będzie ostatecznie zbierane w każdej podłużnej zestawu danych społecznej.

Jak pisałem wcześniej w tym rozdziale, nie było wiele przykładów badaczy społecznych z wykorzystaniem otwartych połączeń. Myślę, że to dlatego, otwarte rozmowy nie są dobrze dostosowane do sposobu, w jaki socjologowie zwykle ukształtować ich pytania. Wracając do nagrody Netflix, socjologowie nie zazwyczaj pytają o przewidywania upodobań, pytali o tym, jak i dlaczego kulturowe gusta są różne dla ludzi z różnych klas społecznych (Bourdieu 1987) . Takie "jak" i "dlaczego" Pytanie nie prowadzą do rozwiązania łatwe do zweryfikowania, a zatem wydaje się słabo nadają się do otwierania połączenia. Tak więc wydaje się, że otwarte rozmowy są bardziej podatne na pytanie o przewidywania niż kwestie wyjaśnienia; Więcej informacji na temat różnicy między przewidywania i wyjaśniania patrz Breiman (2001) . Najnowsze teoretycy jednak wezwali socjologów do ponownego dychotomii między wyjaśnienia i przewidywania (Watts 2014) . W linii między przewidywania i wyjaśniania rozmywa, spodziewam się, że otwarte konkursy będą coraz bardziej powszechne w naukach społecznych.