5.3.4 Висновок

Відкриті дзвінки дозволяють знайти рішення проблем, які ви можете чітко заявити, але ви не можете вирішити самостійно.

У всіх трьох відкритих проектів-Netflix викликів премії, Foldit, Рівний-Patent-дослідників поставлені питання специфічної форми, клопотав рішення, а потім вибрав кращі рішення. Дослідники навіть не потрібно знати кращого фахівця, щоб запитати, а іноді і хороші ідеї прийшли з найнесподіваніших місцях.

Тепер я також можу виділити дві важливі відмінності між проектами відкритих викликів та проектами людських обчислень. По-перше, у проектах відкритих викликів дослідник визначає мету (наприклад, прогнозування рейтингів фільмів), тоді як у розрахунках людини дослідник визначає мікрозаповнення (наприклад, класифікацію галактики). По-друге, у відкритих дзвінках дослідники хочуть отримати найкращий внесок, такий як найкращий алгоритм прогнозування рейтингів фільмів, конфігурація найнижчою енергією білка або найбільш релевантна частина попереднього рівня техніки, а не якась проста сукупність усіх внески.

З огляду на загальний шаблон для відкритих дзвінків і ці три приклади, які проблеми в соціальних дослідженнях можуть бути придатними для цього підходу? На цьому етапі я повинен визнати, що ще не було багатьох успішних прикладів (з причин, які я в короткий час поясню). З точки зору прямих аналогів, можна було б уявити, що відкритий виклик типу "Відкритий патент" використовується історичним дослідником, який шукає найраніший документ, щоб згадати конкретну особу чи ідею. Підхід відкритого дзвінка до такого роду проблеми може бути особливо цінним, коли потенційно відповідні документи не знаходяться в одному архіві, але вони широко поширені.

У цілому, у багатьох урядів та компаній є проблеми, які можуть бути піддані відкритим дзвінкам, оскільки відкриті дзвінки можуть генерувати алгоритми, які можуть використовуватися для прогнозування, і ці прогнози можуть бути важливим керівництвом для дій (Provost and Fawcett 2013; Kleinberg et al. 2015) Наприклад, подібно до того, як Netflix хотів спрогнозувати рейтинги фільмів, уряди можуть хотіти прогнозувати результати, наприклад, які ресторани, швидше за все, мають порушення правил щодо здоров'я, щоб ефективніше розподіляти ресурси інспекції. Отримавши таку проблему, Едвард Глайзер та його колеги (2016) використовували відкритий дзвінок, щоб допомогти Місті Бостон передбачити порушення гігієни та санітарії в ресторані на підставі даних Yelp та історичних даних. Вони підрахували, що модель прогнозування, яка виграла відкритий дзвінок, підвищить продуктивність інспекторів ресторану приблизно на 50%.

Відкриті дзвінки також можуть бути використані для порівняння та тестування теорій. Наприклад, дослідження "Хворих сімей та благополуччя дітей" відслідковувало близько 5000 дітей з моменту народження у 20 різних містах США (Reichman et al. 2001) . Дослідники зібрали дані про цих дітей, їх сімей та їх широке середовище при народженні та у віці 1, 3, 5, 9 та 15 років. З огляду на всю інформацію про цих дітей, наскільки добре дослідники могли б прогнозувати такі результати, як хто вийде з коледжу? Або, виражене таким чином, яке було б цікаво для деяких дослідників, які дані та теорії будуть найбільш ефективними для прогнозування цих результатів? Оскільки жоден з цих дітей на даний момент не є достатньо старий, щоб піти в коледж, це було б справжнім передбаченням для майбутнього, і існує багато різних стратегій, які можуть використовувати дослідники. Дослідник, який вважає, що райони мають критичні значення для формування життєвих результатів, може мати один підхід, тоді як дослідник, який зосереджується на сім'ях, може зробити щось зовсім інше. Які з цих підходів працюватимуть краще? Ми не знаємо, і в процесі з'ясування ми можемо дізнатися щось важливе щодо сімей, кварталів, освіти та соціальної нерівності. Далі ці прогнози можуть використовуватися для подальшого збору даних. Уявіть собі, що існує невелика кількість випускників коледжів, яких не передбачали випускники будь-якою з моделей; ці люди будуть ідеальними кандидатами для проведення якісних інтерв'ю та етнографічного спостереження. Таким чином, у цьому виді відкритого дзвінка прогнози не є кінцем; навпаки, вони дають новий спосіб порівняння, збагачення та поєднання різних теоретичних традицій. Цей вид відкритого виклику не є специфічним для використання даних з дослідження "Неприємна сім'я та благополуччя дітей", щоб передбачити, хто буде йти до коледжу; це може бути використано для прогнозування будь-якого результату, який в кінцевому підсумку буде зібраний у будь-якому поздовжньому наборі соціальних даних.

Як я писав раніше в цьому розділі, не було багато прикладів соціальних дослідників, які використовують відкриті дзвінки. Я думаю, що це тому, що відкриті дзвінки не підходять для того, щоб соціальні вчені зазвичай задавали свої питання. Повернувшись до премії Netflix, соціальні вчені зазвичай не запитують про прогнозування смаків; Навпаки, вони запитають, як і чому культурні вподобання відрізняються для людей з різних соціальних класів (див., наприклад, Bourdieu (1987) ). Такі питання "як" та "чому" не призводять до легко перевіряються рішень, і тому, здається, погано підходять для відкритих дзвінків. Таким чином, видається, що відкриті дзвінки більш доречні для прогнозування запитань, ніж питання пояснення . Однак останні теоретики закликали соціальних дослідників переглянути дихотомію між поясненнями та прогнозом (Watts 2014) . Оскільки лінія між передбаченням та поясненнями стирається, я очікую, що відкриті дзвінки стануть все більш поширеними в соціальних дослідженнях.