5.3.4 Висновок

Відкриті дзвінки нехай багато експертів і неспеціалісти пропонують шляхи вирішення проблем , де рішення які легше перевірити , ніж генерувати.

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 можу також виділити два важливих відмінності між проектами відкритих викликів і проектів обчислень людини. По-перше, в відкритих проектах викликів дослідник визначає цілі (наприклад, прогнозуючи рейтинги фільмів), тоді як в людському обчислення дослідження визначає мікро-завдання (наприклад, класифікуючи галактика). По-друге, в відкритих викликів дослідники хотіли кращий внесок-кращий алгоритм для передбачення рейтинги фільмів, конфігурація з найменшою енергією білка, або найбільш відповідну частину відомого рівня техніки-а не якийсь простий комбінації всіх вкладів.

З огляду на загальний шаблон для відкритих дзвінків і цих трьох прикладів, які проблеми в соціальних дослідженнях можуть бути придатні для такого підходу? На даний момент, я повинен визнати, що у нас не було багато успішних прикладів поки (з причин, які я поясню через мить). З точки зору прямих аналогів, можна уявити собі, що стиль проекту Рівний-Патент використовується історичний дослідник пошуках самого раннього документа згадати конкретну людину або ідею. Підхід відкритий заклик до такого роду проблем може бути особливо цінним, коли відповідні документи не зібрані в одному архіві, але широко поширені.

У більш загальному плані , багато урядів є проблеми , які можуть бути придатні для відкриття дзвінки , тому що вони про створення передбачення , які можуть бути використані для керівництва діями (Kleinberg et al. 2015) і (Kleinberg et al. 2015) . Наприклад, так само, як Netflix хотів передбачити, рейтинги фільмів, уряду могли б хотіти, щоб передбачити результати, такі як ресторани, які, швидше за все, мають порушення Кодексу охорони здоров'я з метою забезпечення більш ефективного виділення ресурсів інспекції. Рухомий такого роду проблеми, Glaeser et al. (2016) і Glaeser et al. (2016) використовується відкритий виклик , щоб допомогти місту Бостону прогнозують гігієни ресторан і санітарні порушення на основі даних оглядів Yelp і історичних даних інспекції. Glaeser і його колеги вважають, що прогнозна модель, яка виграла відкритий конкурс дозволить підвищити продуктивність праці інспекторів ресторану приблизно на 50%. Компанії також мають проблеми з аналогічною структурою , таких як прогнозування відтоку клієнтів (Provost and Fawcett 2013) .

Нарешті, на додаток до відкритих виклики, які включають результати, які вже відбулися в наборі конкретних даних (наприклад, прогнозування порушень коду здоров'я з використанням даних про минулі порушення коду здоров'я), можна уявити собі прогнозування результатів, які ще не відбулося для тих, хто в наборі даних , Наприклад, тендітна сім'ї та дослідження благополуччя дітей відстежив близько 5000 дітей з народження в 20 різних містах США (Reichman et al. 2001) і (Reichman et al. 2001) . Дослідники зібрали дані про цих дітей, їх сімей, а також їх ширшого середовища при народженні і у віці 1, 3, 5, 9 і 15. Беручи до уваги всю інформацію про цих дітей, наскільки добре може передбачити результати дослідники, такі як, хто закінчать з коледжу? Або, виражається таким чином, що було б більш цікавий багатьом дослідникам, які дані і теорії були б найбільш ефективними в прогнозуванні цих результатів? Оскільки жоден з цих дітей не в даний час достатньо старий, щоб піти в коледж, це буде справжнім пророкування перспективних і існує багато різних стратегій, які дослідники могли б скористатися. Дослідник, який вважає, що райони мають вирішальне значення у формуванні життєвих результатів може зайняти один з підходів в той час як дослідник, який фокусується на сім'ї могли б зробити щось зовсім інше. Який з цих підходів буде працювати краще? Ми не знаємо, і в процесі з'ясування ми могли б дізнатися щось важливе про сім'ї, районах, освіти і соціальної нерівності. Крім того, ці прогнози можуть бути використані для керівництва збору даних в майбутньому. Уявіть собі, що існує невелика кількість випускників вузів, що не були передбачені, щоб закінчити будь-який з моделей; ці люди були б ідеальними кандидатами для прийняття подальших якісних інтерв'ю і етнографічних спостережень. Таким чином, в цьому виді відкритого виклику, передбачення не кінець; скоріше, вони забезпечують новий спосіб порівняння, збагачувати і комбінувати різні теоретичні традиції. Цей вид відкритого виклику не є специфічною для використання даних з неблагополучних сімей, щоб передбачити, хто буде йти в коледж; він може бути використаний для прогнозування будь-який результат, який буде в кінцевому рахунку бути зібраний в будь-якому поздовжньому наборі соціальних даних.

Як я вже писав раніше в цьому розділі, там не було багато прикладів соціальних дослідників, що використовують відкриті виклики. Я думаю, що це тому, що відкриті виклики не дуже добре підходить до того, що соціологи зазвичай обрамляють свої питання. Повертаючись до Netflix премії, соціальні вчені не зазвичай запитують про пророкування смаки, вони будуть просити про те , як і чому культурні смаки відрізняються для людей з різних соціальних класів (Bourdieu 1987) . Такі "як" і "чому" питання не призводять до легко перевірити рішення, і тому здається, погано підходять для відкриття викликів. Таким чином, виявляється , що відкриті заклики більш схильні до питання про передбачення , ніж питання пояснення; Більш детальну інформацію про різницю між прогнозом і пояснення см Breiman (2001) . Останні теоретики, однак, закликають соціологів переглянути дихотомію пояснення і передбачення (Watts 2014) . Оскільки лінія між передбачення і пояснення розмиває, я очікую, що відкриті конкурси стануть все більш поширеним в соціальних науках.