5.3.4 తీర్మానం

తెరుచుకునే కాల్లు మీకు స్పష్టంగా చెప్పగల సమస్యలకు పరిష్కారాలను కనుగొనేలా చేస్తాయి కానీ మీరు మీరే పరిష్కరించలేరు.

మూడు ఓపెన్ కాల్ ప్రాజెక్టులు నెట్ఫ్లిక్స్ బహుమతి, Foldit, పీర్-టు-పేటెంట్-పరిశోధకులు, ఒక నిర్దిష్ట రూపం ప్రశ్నలను సంధించింది పరిష్కారాలను అభ్యర్థించాయి, ఆపై ఉత్తమ పరిష్కారాలను చేసుకుంది. పరిశోధకులు కూడా అడగండి ఉత్తమ నిపుణుడు తెలుసుకోవాలి లేదు, మరియు కొన్నిసార్లు మంచి ఆలోచనలు ఊహించని ప్రదేశాల్లో నుండి వచ్చింది.

ఇప్పుడు నేను బహిరంగ కాల్ ప్రాజెక్టులు మరియు మానవ గణన ప్రాజెక్టుల మధ్య రెండు ప్రధాన తేడాలు కూడా హైలైట్ చేయవచ్చు. మొదట, బహిరంగ కాల్ ప్రాజెక్టులలో పరిశోధకుడు లక్ష్యాన్ని నిర్దేశిస్తాడు (ఉదా., సినిమా రేటింగ్స్ అంచనా), మానవ గణనలో, పరిశోధకుడు ఒక మైక్రోట్రాక్ (ఉదా., ఒక గెలాక్సీని వర్గీకరించడం) ను నిర్దేశిస్తాడు. రెండవది, బహిరంగ కాల్స్ లో, పరిశోధకులు ఉత్తమ రేటింగ్ ఇవ్వడం మంచిది - సినిమా రేటింగ్స్, ఉత్తమ ప్రోటీన్ యొక్క అత్యల్ప-శక్తి ఆకృతీకరణ లేదా ముందస్తు కళకు సంబంధించిన ఉత్తమమైనదిగా అంచనా వేయడం వంటి ఉత్తమమైన అల్గోరిథం - అన్ని రకాల సాధారణ కలయిక కాదు రచనలు.

బహిరంగ కాల్స్ మరియు ఈ మూడు ఉదాహరణల సాధారణ టెంప్లేట్ కారణంగా, సాంఘిక పరిశోధనలో ఏ రకమైన సమస్యలు ఈ పద్దతికి అనుకూలంగా ఉంటాయి? ఈ సమయంలో, ఇంకా చాలా విజయవంతమైన ఉదాహరణలు లేవు అని నేను గుర్తించాలి (నేను ఒక క్షణం లో వివరించే కారణాల కోసం). ప్రత్యక్ష అనలాగ్ల పరంగా, ఒక నిర్దిష్ట వ్యక్తి లేదా ఆలోచన గురించి ప్రస్తావించడానికి తొలి పత్రాన్ని శోధించే చారిత్రక పరిశోధకుడు ఉపయోగించే పీర్-టు-పేటెంట్ శైలి ఓపెన్ కాల్ని ఊహించవచ్చు. సంభావ్య సంబంధిత పత్రాలు ఒకే ఆర్కైవ్లో లేనప్పటికీ విస్తృతంగా పంపిణీ చేయబడినప్పుడు ఈ రకమైన సమస్యకి బహిరంగ కాల్ విధానం ప్రత్యేకంగా విలువైనది కావచ్చు.

మరింత సాధారణంగా, పలు ప్రభుత్వాలు మరియు కంపెనీలు కాల్స్ తెరుచుకునే సమస్యలను కలిగి ఉంటాయి, ఎందుకంటే బహిరంగ కాల్స్ అంచనాల కోసం ఉపయోగించే అల్గోరిథంలను రూపొందించవచ్చు మరియు ఈ అంచనాలు చర్య కోసం ఒక ముఖ్యమైన గైడ్గా ఉండవచ్చు (Provost and Fawcett 2013; Kleinberg et al. 2015) . ఉదాహరణకి, నెట్ఫ్లిక్స్ చలన చిత్రాల మీద రేటింగ్స్ అంచనా వేయాలని కోరినట్లుగా, తనిఖీలు వనరులను మరింత సమర్థవంతంగా కేటాయించటానికి రెస్టారెంట్లు ఎక్కువగా ఆరోగ్య-కోడ్ ఉల్లంఘనలను కలిగి ఉన్నటువంటి ఫలితాలను అంచనా వేయడానికి ప్రభుత్వాలు ఇష్టపడవచ్చు. ఈ రకమైన సమస్య ద్వారా ప్రేరణ పొందిన ఎడ్వర్డ్ గ్లేసెర్ మరియు సహచరులు (2016) బోస్టన్ నగరం యెల్ప్ సమీక్షలు మరియు చారిత్రక తనిఖీ డేటా నుండి డేటా ఆధారంగా రెస్టారెంట్ పరిశుభ్రత మరియు పారిశుద్ధ్య ఉల్లంఘనలను అంచనా వేయడానికి సహాయం చేయడానికి బహిరంగ పిలుపునిచ్చారు. బహిరంగ పిలుపుని గెలుచుకున్న ఊహాజనిత మోడల్ రెస్టారెంట్ ఇన్స్పెక్టర్ల ఉత్పాదకతను 50% పెంచింది అని వారు అంచనా వేశారు.

బహిరంగ కాల్స్ పోల్చడానికి మరియు సిద్ధాంతాలను పరీక్షించడానికి సమర్థవంతంగా ఉపయోగించవచ్చు. ఉదాహరణకి, 20 వేర్వేరు నగరాల్లో (Reichman et al. 2001) జన్మించినప్పటి నుండి ఫ్రాగ్లైల్ ఫామిలీస్ అండ్ చైల్డ్ వెల్బీనింగ్ స్టడీ 5,000 మంది పిల్లల గురించి గుర్తించింది. పరిశోధకులు ఈ పిల్లలు, వారి కుటుంబాలు మరియు వారి విస్తృత పర్యావరణం గురించి మరియు 1, 3, 5, 9, మరియు 15 సంవత్సరాల వయస్సులో ఉన్న సమాచారాన్ని సేకరించారు. ఈ పిల్లలను గురించిన అన్ని సమాచారంతో, కళాశాల నుండి ఎవరు గ్రాడ్యుయేట్ చేస్తారో పరిశోధకులు ఎంతవరకు అంచనా వేస్తారు? లేక, కొంతమంది పరిశోధకులకు మరింత ఆసక్తికరంగా ఉంటుందని, ఈ ఫలితాలు అంచనా వేయడంలో ఏ డేటా మరియు సిద్ధాంతాలు అత్యంత సమర్థవంతంగా ఉంటాయి? ప్రస్తుతం ఈ పిల్లలు ఎవరూ కాలేజీకి వెళ్ళడానికి తగినంత వయస్సులో ఉన్నారు కనుక ఇది నిజమైన ముందుకు చూసే సూచనగా చెప్పవచ్చు మరియు పరిశోధకులు పనిచేసే అనేక వ్యూహాలు ఉన్నాయి. కుటుంబాలపై దృష్టి కేంద్రీకరించే ఒక పరిశోధకుడు పూర్తిగా వేర్వేరు చేస్తాడని, అయితే పొరుగువారి జీవితాన్ని ఆకట్టుకోవడంలో విమర్శకు గురవుతున్న ఒక పరిశోధకుడు ఒక పద్ధతిని తీసుకోవచ్చు. ఈ విధానాల్లో ఏది ఉత్తమంగా పని చేస్తుంది? మాకు తెలియదు, మరియు కనుగొనటానికి ప్రక్రియలో, మేము కుటుంబాలు, పొరుగు ప్రాంతాలు, విద్య మరియు సాంఘిక అసమానత గురించి ముఖ్యమైనవి నేర్చుకోవచ్చు. అంతేకాక, భవిష్యత్ సమాచార సేకరణకు మార్గదర్శిగా ఈ అంచనాలు ఉపయోగించబడతాయి. నమూనాల్లో ఏవైనా గ్రాడ్యుయేట్ చేయరాదని ఊహించని కొందరు కళాశాల పట్టభద్రులని ఊహించుకోండి; ఈ వ్యక్తులు ఫాలో-అప్ క్వాలిటిటివ్ ఇంటర్వ్యూ మరియు ఎథ్నోగ్రఫిక్ పరిశీలన కోసం ఆదర్శ అభ్యర్థులుగా ఉంటారు. అందువలన, ఈ రకం బహిరంగ కాల్ లో, అంచనాలు ముగింపు కాదు; కాకుండా, వారు విభిన్న సైద్ధాంతిక సంప్రదాయాలు పోల్చడానికి, సంపన్నం మరియు మిళితం చేయడానికి ఒక కొత్త మార్గాన్ని అందిస్తారు. ఈ రకమైన బహిరంగ కాల్ కళాశాలకు ఎవరు వెళతారో అంచనా వేసేందుకు ఫ్రాజిల్ కుటుంబాలు మరియు చైల్డ్ వెల్బీనింగ్ స్టడీ నుండి డేటాను ఉపయోగించడం కోసం ప్రత్యేకమైనది కాదు; ఇది ఏదైనా పొడవాటి సామాజిక డేటా సమితిలో చివరికి సేకరించే ఫలితాన్ని అంచనా వేయడానికి ఉపయోగించబడుతుంది.

నేను ఈ విభాగంలో ముందుగా వ్రాసిన విధంగా, బహిరంగ కాల్స్ ఉపయోగించి సామాజిక పరిశోధకుల అనేక ఉదాహరణలు లేవు. సామాజిక శాస్త్రవేత్తలు సాధారణంగా తమ ప్రశ్నలను అడగడానికి మార్గం తెరవలేనందున ఇది కాదని నేను భావిస్తున్నాను. నెట్ఫ్లిక్స్ బహుమతికి తిరిగి రావడం, సాంఘిక శాస్త్రవేత్తలు సాధారణంగా అభిరుచులను అంచనా వేయడం గురించి అడగరు; కాకుండా, సాంస్కృతిక అభిరుచులు వేర్వేరు సాంఘిక వర్గాల ప్రజలకు ఎలా మరియు ఎందుకు విభిన్నంగా ఉంటుందో వారు ప్రశ్నిస్తారు (ఉదాహరణకు, Bourdieu (1987) ) చూడండి. అలాంటి "ఎలా" మరియు "ఎందుకు" ప్రశ్న సులభంగా పరిశీలించదగిన పరిష్కారాలకు దారితీయదు, అందువలన కాల్స్ తెరుచుకోవటానికి సరిగ్గా సరిపోదు. అందువలన, వివరణ యొక్క ప్రశ్నలకన్నా ప్రశ్నలను అంచనా వేయడానికి ఓపెన్ కాల్స్ మరింత సముచితమైనవని తెలుస్తుంది. ఇటీవలి సిద్ధాంతకర్తలు, వివరణ మరియు అంచనా (Watts 2014) మధ్య వైరుధ్యాన్ని పునఃపరిశీలించటానికి సామాజిక శాస్త్రవేత్తలను పిలుపునిచ్చారు. ప్రిడిక్షన్ మరియు వివరణ అస్పష్టత మధ్య లైన్, సామాజిక పరిశోధనలో బహిరంగ కాల్స్ మరింత ఎక్కువగా ఉంటుందని నేను భావిస్తున్నాను.