5.3.4 Conclusão

As chamadas abertas permitem encontrar soluções para problemas que você pode afirmar com clareza, mas que você não consegue resolver sozinho.

Em todos os três projectos-Netflix chamadas abertas Prize, Foldit, Peer-to-Patent-pesquisadores colocaram questões de uma forma específica, solicitou soluções, e então pegou as melhores soluções. Os investigadores não precisa nem saber o melhor especialista para perguntar, e às vezes as boas idéias vieram de lugares inesperados.

Agora também posso destacar duas diferenças importantes entre projetos de chamada aberta e projetos de computação humana. Primeiro, em projetos de chamadas abertas, o pesquisador especifica um objetivo (por exemplo, prever as classificações de filmes), enquanto na computação humana, o pesquisador especifica uma microtarefa (por exemplo, classificando uma galáxia). Segundo, em chamadas abertas, os pesquisadores querem a melhor contribuição - como o melhor algoritmo para prever as classificações de filmes, a configuração de energia mais baixa de uma proteína ou a parte mais relevante da arte anterior - não algum tipo de combinação simples de todos as contribuições.

Dado o modelo geral para chamadas abertas e esses três exemplos, que tipos de problemas na pesquisa social podem ser adequados para essa abordagem? Neste ponto, devo reconhecer que ainda não há muitos exemplos de sucesso (por razões que explicarei daqui a pouco). Em termos de análogos diretos, pode-se imaginar uma chamada aberta estilo Peer-to-Patent sendo usada por um pesquisador histórico em busca do documento mais antigo para mencionar uma pessoa ou ideia específica. Uma abordagem de chamada aberta para esse tipo de problema pode ser especialmente valiosa quando os documentos potencialmente relevantes não estão em um único arquivo, mas são amplamente distribuídos.

Em geral, muitos governos e empresas têm problemas que podem ser receptivos a chamadas abertas porque as chamadas abertas podem gerar algoritmos que podem ser usados ​​para previsões, e essas previsões podem ser um guia importante para a ação (Provost and Fawcett 2013; Kleinberg et al. 2015) . Por exemplo, assim como a Netflix queria prever os índices de audiência de filmes, os governos podem querer prever resultados como quais restaurantes têm maior probabilidade de ter violações do código de saúde para alocar recursos de inspeção de maneira mais eficiente. Motivados por esse tipo de problema, Edward Glaeser e seus colegas (2016) usaram uma chamada aberta para ajudar a cidade de Boston a prever violações de higiene e saneamento de restaurantes com base em dados de análises do Yelp e dados históricos de inspeção. Eles estimaram que o modelo preditivo que ganhou a chamada aberta melhoraria a produtividade dos inspetores de restaurantes em cerca de 50%.

Chamadas abertas também podem ser usadas para comparar e testar teorias. Por exemplo, o Estudo sobre Famílias Frágeis e Bem-Estar da Criança acompanhou cerca de 5.000 crianças desde o nascimento em 20 diferentes cidades dos EUA (Reichman et al. 2001) . Pesquisadores coletaram dados sobre essas crianças, suas famílias e seu ambiente mais amplo no nascimento e em idades de 1, 3, 5, 9 e 15 anos. Dadas todas as informações sobre essas crianças, como os pesquisadores poderiam prever resultados como quem se formará na faculdade? Ou, expresso de uma forma que seria mais interessante para alguns pesquisadores, quais dados e teorias seriam mais eficazes para prever esses resultados? Como nenhuma dessas crianças tem idade suficiente para cursar uma faculdade, essa seria uma previsão verdadeira, e há muitas estratégias diferentes que os pesquisadores podem empregar. Um pesquisador que acredita que os bairros são críticos na definição dos resultados da vida pode ter uma abordagem, enquanto um pesquisador que se concentra nas famílias pode fazer algo completamente diferente. Quais dessas abordagens funcionariam melhor? Não sabemos e, no processo de descoberta, podemos aprender algo importante sobre famílias, vizinhanças, educação e desigualdade social. Além disso, essas previsões podem ser usadas para orientar a coleta de dados futuros. Imagine que houvesse um pequeno número de graduados universitários que não estavam previstos para se formar por nenhum dos modelos; essas pessoas seriam candidatas ideais para entrevistas qualitativas de acompanhamento e observação etnográfica. Assim, nesse tipo de chamada aberta, as previsões não são o fim; em vez disso, eles fornecem uma nova maneira de comparar, enriquecer e combinar diferentes tradições teóricas. Esse tipo de chamada aberta não é específico para usar dados do Estudo de Famílias Frágeis e Bem-Estar Infantil para prever quem irá para a faculdade; poderia ser usado para prever qualquer resultado que eventualmente seria coletado em qualquer conjunto de dados sociais longitudinais.

Como escrevi anteriormente nesta seção, não houve muitos exemplos de pesquisadores sociais usando chamadas abertas. Acho que isso acontece porque as chamadas abertas não são adequadas à maneira como os cientistas sociais costumam fazer suas perguntas. Voltando ao Prêmio Netflix, os cientistas sociais geralmente não perguntavam sobre a previsão de gostos; em vez disso, eles perguntariam sobre como e por que os gostos culturais diferem para pessoas de diferentes classes sociais (ver, por exemplo, Bourdieu (1987) ). Tais perguntas do tipo “como” e “por que” não levam a soluções facilmente verificáveis ​​e, portanto, parecem inadequadas para abrir chamadas. Assim, parece que as chamadas abertas são mais apropriadas para a previsão de perguntas do que para perguntas de explicação . Teóricos recentes, no entanto, pediram aos cientistas sociais que reconsiderassem a dicotomia entre explicação e previsão (Watts 2014) . À medida que a linha entre previsão e explicação se desvanece, espero que as chamadas abertas se tornem cada vez mais comuns na pesquisa social.