5.3.4 Заключение

Открытые вызовы позволяют находить решения проблем, которые вы можете четко сформулировать, но которые вы не можете решить самостоятельно.

Во всех трех открытых проектов-Netflix вызовов премии, Foldit, Равный-Patent-исследователей поставленные вопросы специфической формы, ходатайствовал решения, а затем выбрал лучшие решения. Исследователи даже не нужно знать лучшего специалиста, чтобы спросить, а иногда и хорошие идеи пришли из самых неожиданных местах.

Теперь я также могу выделить два важных отличия между проектами открытых вызовов и проектами человеческих вычислений. Во-первых, в проектах с открытым вызовом исследователь определяет цель (например, прогнозирование рейтингов фильмов), тогда как при вычислении человека исследователь определяет микротаску (например, классифицирует галактику). Во-вторых, в открытых вызовах исследователи хотят получить лучший вклад - такой как лучший алгоритм прогнозирования рейтингов фильмов, конфигурация белка с наименьшей энергией или наиболее подходящий элемент предшествующего уровня техники - не какая-то простая комбинация всех взносы.

Учитывая общий шаблон для открытых звонков и эти три примера, какие проблемы в социальных исследованиях могут быть подходящими для такого подхода? На этом этапе я должен признать, что пока еще не было много успешных примеров (по причинам, которые я объясню в одно мгновение). С точки зрения прямых аналогов можно представить, что открытый вызов типа «равный-патенту» используется историческим исследователем в поисках самого раннего документа, в котором упоминается конкретный человек или идея. Подход с открытым вызовом к этой проблеме может быть особенно ценным, когда потенциально релевантные документы находятся не в одном архиве, а широко распространены.

В более общем плане многие правительства и компании сталкиваются с проблемами, которые могут быть вызваны открытыми вызовами, поскольку открытые вызовы могут генерировать алгоритмы, которые могут использоваться для предсказаний, и эти прогнозы могут быть важным руководством для действий (Provost and Fawcett 2013; Kleinberg et al. 2015) . Например, так же, как Netflix хочет прогнозировать рейтинги в фильмах, правительствам, возможно, захочется предсказать результаты, например, какие рестораны, скорее всего, будут иметь нарушения кода здоровья, чтобы более эффективно распределять ресурсы инспекции. Мотивированный подобной проблемой, Эдвард Глазер и его коллеги (2016) использовали открытый призыв помочь городу Бостон предсказать нарушения гигиены и санитарии ресторана на основе данных обзоров Yelp и исторических данных инспекции. Они подсчитали, что прогнозирующая модель, выигравшая открытый вызов, повысит производительность инспекторов ресторанов примерно на 50%.

Открытые вызовы также потенциально могут использоваться для сравнения и тестирования теорий. Например, исследование «Хрупкие семьи и детское благополучие» выявило около 5000 детей с рождения в 20 разных городах США (Reichman et al. 2001) . Исследователи собирали данные об этих детях, их семьях и их более широкой среде при рождении и в возрасте 1, 3, 5, 9 и 15 лет. Учитывая всю информацию об этих детях, насколько хорошо исследователи могут предсказать результаты, например, кто закончит колледж? Или, выраженный таким образом, что было бы более интересно некоторым исследователям, какие данные и теории были бы наиболее эффективными в прогнозировании этих результатов? Поскольку ни один из этих детей в настоящее время достаточно взрослый, чтобы идти в колледж, это будет настоящим прогнозным прогнозом, и существует множество различных стратегий, которые могут использовать исследователи. Исследователь, который считает, что районы имеют решающее значение для формирования результатов жизни, может принять один подход, в то время как исследователь, который фокусируется на семьях, может сделать что-то совершенно другое. Какой из этих подходов будет работать лучше? Мы не знаем, и в процессе выяснения мы можем узнать что-то важное в отношении семей, районов, образования и социального неравенства. Кроме того, эти прогнозы могут использоваться для руководства будущим сбором данных. Представьте себе, что было небольшое число выпускников колледжей, которые не были предсказаны для выпускников любой из моделей; эти люди были бы идеальными кандидатами на последующие качественные интервью и этнографические наблюдения. Таким образом, при таком открытом вызове предсказания не являются окончанием; скорее, они обеспечивают новый способ сравнения, обогащения и сочетания различных теоретических традиций. Такой открытый вызов не является специфическим для использования данных из Fragile Families и Child Wellbeing Study для прогнозирования того, кто будет учиться в колледже; он может быть использован для прогнозирования любых результатов, которые в конечном итоге будут собраны в любом продольном наборе социальных данных.

Как я уже писал ранее, в этом разделе не так много примеров социальных исследователей, использующих открытые вызовы. Я думаю, что это связано с тем, что открытые призывы не очень подходят для того, как социологи обычно задают свои вопросы. Возвращаясь к Премии Netflix, социологи обычно не спрашивали о прогнозирующих вкусах; скорее, они спрашивали о том, как и почему культурные вкусы отличаются для людей из разных социальных классов (см., например, Bourdieu (1987) ). Такие вопросы «как» и «почему» не приводят к легко проверяемым решениям и поэтому кажутся плохо подходящими для открытых вызовов. Таким образом, кажется, что открытые вызовы более подходят для прогнозирования вопросов, чем для объяснений . Недавние теоретики, однако, призвали социологов пересмотреть дихотомию между объяснением и предсказанием (Watts 2014) . Поскольку линия между предсказанием и объяснением размывается, я ожидаю, что открытые звонки станут все более распространенными в социальных исследованиях.