5.3.4結論

通過公開呼叫，您可以找到可以清楚說明但無法自行解決的問題的解決方案。

在所有三個公開徵集項目，Netflix的獎，Foldit，點對點的專利，研究人員提出了具體形式的問題，徵求解決方案，然後選擇了最好的解決方案。研究人員甚至不需要知道要問最好的專家，有時好點子來自意想不到的地方來了。

現在我還要強調公開調用項目和人工計算項目之間的兩個重要區別。首先，在公開呼叫項目中，研究人員指定目標（例如，預測電影評級），而在人類計算中，研究人員指定微任務（例如，對星系進行分類）。其次，在公開電話中，研究人員希望得到最好的貢獻 - 例如用於預測電影評級的最佳算法，蛋白質的最低能量配置，或最相關的現有技術 - 而不是某種簡單的所有組合。貢獻。

鑑於公開呼叫的一般模板和這三個例子，社會研究中的哪些問題可能適合這種方法？在這一點上，我應該承認，還沒有很多成功的例子（由於我將在稍後解釋的原因）。就直接類比而言，人們可以想像一個歷史研究人員在尋找最早的文件來提及特定的人或想法時使用對等 - 專利樣式的公開呼叫。當潛在相關文檔不在單個存檔中但廣泛分佈時，對這種問題的開放式調用方法可能特別有價值。

更一般地說，許多政府和公司都有可能適合打開電話的問題，因為公開電話可以生成可用於預測的算法，這些預測可以成為行動的重要指南(Provost and Fawcett 2013; Kleinberg et al. 2015) 。例如，正如Netflix想要預測電影評級一樣，政府可能希望預測結果，例如哪些餐館最有可能違反健康規範，以便更有效地分配檢查資源。受此類問題的影響，Edward Glaeser及其同事(2016)使用公開電話幫助波士頓市根據Yelp評論和歷史檢查數據的數據預測餐館衛生和衛生違規行為。他們估計，贏得公開招募的預測模型將使餐館檢查員的生產率提高約50％。

開放式呼叫也可能用於比較和測試理論。例如，脆弱家庭和兒童福利研究已經跟踪了自美國20個不同城市出生以來的大約5,000名兒童(Reichman et al. 2001) 。研究人員收集了有關這些兒童，他們的家庭以及他們出生時以及1歲，3歲，5歲，9歲和15歲時更廣泛環境的數據。鑑於有關這些孩子的所有信息，研究人員如何預測結果，例如誰將從大學畢業？或者，以一種對某些研究人員更有趣的方式表達，哪些數據和理論在預測這些結果方面最有效？由於這些孩子目前都沒有足夠的年齡去上大學，這將是一個真正的前瞻性預測，研究人員可能會採用許多不同的策略。認為社區在塑造生活結果方面至關重要的研究人員可能採取一種方法，而專注於家庭的研究人員可能會做一些完全不同的事情。哪種方法更好？我們不知道，在發現過程中，我們可能會學到一些關於家庭，社區，教育和社會不平等的重要信息。此外，這些預測可能用於指導未來的數據收集。想像一下，有少數大學畢業生沒有預計會被任何一個模特畢業;這些人將成為後續定性訪談和民族志觀察的理想候選人。因此，在這種公開呼籲中，預測不是結束;相反，它們提供了一種比較，豐富和結合不同理論傳統的新方法。這種公開招募並非特定於使用脆弱家庭和兒童福利研究中的數據來預測誰將上大學;它可以用於預測最終將在任何縱向社交數據集中收集的任何結果。

正如我在本節前面所寫，沒有很多社會研究人員使用公開電話的例子。我認為這是因為公開電話不太適合社會科學家通常提出問題的方式。回到Netflix獎，社會科學家通常不會詢問預測口味;相反，他們會詢問不同社會階層的人們對文化品味的不同和原因（例如， Bourdieu (1987) ）。這種“如何”和“為什麼”的問題不會導致易於驗證的解決方案，因此看起來不適合打開電話。因此，看起來公開呼叫比解釋問題更適合於問題預測 。然而，最近的理論家呼籲社會科學家重新考慮解釋和預測之間的二分法(Watts 2014) 。由於預測和解釋之間的界限模糊不清，我預計公開呼叫將在社會研究中變得越來越普遍。