5.3.4结论

通过公开呼叫，您可以找到可以清楚说明但无法自行解决的问题的解决方案。

在所有三个公开征集项目，Netflix的奖，Foldit，点对点的专利，研究人员提出了具体形式的问题，征求解决方案，然后选择了最好的解决方案。研究人员甚至不需要知道要问最好的专家，有时好点子来自意想不到的地方来了。

现在我还要强调公开调用项目和人工计算项目之间的两个重要区别。首先，在公开呼叫项目中，研究人员指定目标（例如，预测电影评级），而在人类计算中，研究人员指定微任务（例如，对星系进行分类）。其次，在公开电话中，研究人员希望得到最好的贡献 - 例如用于预测电影评级的最佳算法，蛋白质的最低能量配置，或最相关的现有技术 - 而不是某种简单的所有组合。贡献。

鉴于公开呼叫的一般模板和这三个例子，社会研究中的哪些问题可能适合这种方法？在这一点上，我应该承认，还没有很多成功的例子（由于我将在稍后解释的原因）。就直接类比而言，人们可以想象一个历史研究人员在寻找最早的文件来提及特定的人或想法时使用对等 - 专利样式的公开呼叫。当潜在相关文档不在单个存档中但广泛分布时，对这种问题的开放式调用方法可能特别有价值。

更一般地说，许多政府和公司都有可能适合打开电话的问题，因为公开电话可以生成可用于预测的算法，这些预测可以成为行动的重要指南(Provost and Fawcett 2013; Kleinberg et al. 2015) 。例如，正如Netflix想要预测电影评级一样，政府可能希望预测结果，例如哪些餐馆最有可能违反健康规范，以便更有效地分配检查资源。受此类问题的影响，Edward Glaeser及其同事(2016)使用公开电话帮助波士顿市根据Yelp评论和历史检查数据的数据预测餐馆卫生和卫生违规行为。他们估计，赢得公开招募的预测模型将使餐馆检查员的生产率提高约50％。

开放式呼叫也可能用于比较和测试理论。例如，脆弱家庭和儿童福利研究已经跟踪了自美国20个不同城市出生以来的大约5,000名儿童(Reichman et al. 2001) 。研究人员收集了有关这些儿童，他们的家庭以及他们出生时以及1岁，3岁，5岁，9岁和15岁时更广泛环境的数据。鉴于有关这些孩子的所有信息，研究人员如何预测结果，例如谁将从大学毕业？或者，以一种对某些研究人员更有趣的方式表达，哪些数据和理论在预测这些结果方面最有效？由于这些孩子目前都没有足够的年龄去上大学，这将是一个真正的前瞻性预测，研究人员可能会采用许多不同的策略。认为社区在塑造生活结果方面至关重要的研究人员可能采取一种方法，而专注于家庭的研究人员可能会做一些完全不同的事情。哪种方法更好？我们不知道，在发现过程中，我们可能会学到一些关于家庭，社区，教育和社会不平等的重要信息。此外，这些预测可能用于指导未来的数据收集。想象一下，有少数大学毕业生没有预计会被任何一个模特毕业;这些人将成为后续定性访谈和民族志观察的理想候选人。因此，在这种公开呼吁中，预测不是结束;相反，它们提供了一种比较，丰富和结合不同理论传统的新方法。这种公开招募并非特定于使用脆弱家庭和儿童福利研究中的数据来预测谁将上大学;它可以用于预测最终将在任何纵向社交数据集中收集的任何结果。

正如我在本节前面所写，没有很多社会研究人员使用公开电话的例子。我认为这是因为公开电话不太适合社会科学家通常提出问题的方式。回到Netflix奖，社会科学家通常不会询问预测口味;相反，他们会询问不同社会阶层的人们对文化品味的不同和原因（例如， Bourdieu (1987) ）。这种“如何”和“为什么”的问题不会导致易于验证的解决方案，因此看起来不适合打开电话。因此，看起来公开呼叫比解释问题更适合于问题预测 。然而，最近的理论家呼吁社会科学家重新考虑解释和预测之间的二分法(Watts 2014) 。由于预测和解释之间的界限模糊不清，我预计公开呼叫将在社会研究中变得越来越普遍。