5.3.4 Konklúzje

Iepen petearen lit in protte saakkundigen en net-saakkundigen stelle oplossings foar problemen dêr't oplossings binne makliker te kontrolearjen as generearje.

Yn alle trije iepen oprop projekten-Netflix priis, Foldit, Peer-nei-Patent-ûndersikers posearre fragen fan in spesifike foarm, frege oplossings, en doe pakte de bêste oplossings. De ûndersikers net iens nedich te witten de bêste deskundige om freegje, en soms de goede ideeën kaam út ûnferwachte plakken.

No kin ik ek markearje twa wichtige ferskillen tusken iepen oprop projekten en minsklike computation projekten. Earst, yn iepen oprop projekten de ûndersiker spesifisearret in doel (bgl, it foarsizzen fan movie ratings) wylst yn minsklike computation it ûndersyk spesifisearret in mikro-opjefte (bygelyks, classifying in galaxy). Twadde, yn iepen petearen de ûndersikers woenen de bêste bydrage-de bêste algoritme foar it foarsizzen fan film wurdearrings, de leechste-enerzjy konfiguraasje fan in aaiwyt, of de meast relevante stik fan foarôfgeande keunst-net wat soarte fan ienfâldige kombinaasje fan al fan de bydragen.

Mei it each op de algemiene sjabloan foar iepen petearen en dizze trije foarbylden, wat soarten fan problemen yn sosjale ûndersyk soe wêze geskikt foar dizze oanpak? Op dit punt, ik moat erkenne dat der net west soad suksesfolle foarbylden noch (foar redenen dat ik útlizze yn in momint). Yn termen fan direkte analogen, men soe my yntinke kinne dat in peer-to-Patent styl projekt wurdt brûkt troch in histoarysk ûndersiker sykjen foar de ierste dokumint te hawwen oer in spesifike persoan of idee. In iepen oprop oanpak fan dit soarte fan probleem koe wêze benammen weardefol as de oanbelangjende stikken wurde net sammele yn ien argyf mar wurde rûnom ferspraat.

Mear algemien, in soad oerheden hawwe problemen dy't miskien wêze amenable te iepenjen petearen omdat se binne oer it meitsjen fan foarsizzings dat kin brûkt wurde om te begelieden aksje (Kleinberg et al. 2015) . Bygelyks, krekt as Netflix woe foarsizze wurdearrings op films, oerheden miskien wol te foarsizzen útkomsten lykas hokker restaurants binne nei alle gedachten te hawwen sûnens koade oertredings om te allocate ynspeksje middels effisjinter. Motivearre troch dit soarte fan probleem, Glaeser et al. (2016) brûkt in iepen oprop te helpen de City of Boston foarsizze restaurant hygiëne en sanitaasje oertredings basearre op gegevens fan Yelp beoordelingen en histoaryske ynspeksje gegevens. Glaeser en kollega rûze dat de foarsizzend model dat wûn it iepen oprop soe ferbetterje de produktiviteit fan restaurant ynspekteurs troch likernôch 50%. Bedriuwen ek hawwe problemen mei in lyksoartige struktuer lykas it foarsizzen klant churn (Provost and Fawcett 2013) .

Ta beslút, neist te iepenjen petearen dy't belûke útkomsten dy't al barde yn in bepaalde gegevens dea (bygelyks, it foarsizzen fan sûnens code oertredings mei help fan gegevens op ferline sûnens code oertredings), men koe yntinke it foarsizzen fan resultaten dy't net bard noch foar elkenien yn it dataset . Bygelyks, de Fragile Families en Child Wellbeing stúdzje hat byhâlden oer 5.000 bern sûnt berte yn 20 ferskillende Amerikaanske stêden (Reichman et al. 2001) . Ûndersikers hawwe sammele gegevens oer dizze bern, hjar slachten, en harren bredere omjouwing by berte en by tiden 1, 3, 5, 9, en 15. By al de ynformaasje oer dizze bern, hoe goed koe ûndersikers foarsizze útkomsten lykas wa sil stúdzje út kolleezje? Of, ferwurde yn in wei dy't soe wêze mear nijsgjirrich foar in protte ûndersikers, dy't gegevens en teoryen soe wêze meast effektyf yn it foarsizzen fan dy útkomsten? Sûnt net ien fan dizze bern binne op dit stuit âlde genôch te gean nei kolleezje, dit soe in wiere foarút-looking foarsizzing en der binne in protte ferskillende strategyen dy't ûndersikers soe yn tsjinst. In ûndersiker dy't fynt dat wiken binne kritysk yn it foarmjaan fan it libben útkomsten kinne nimme ien oanpak wylst in ûndersiker dy't rjochtet him op gesinnen kinne dwaan wat folslein oars. Hokker fan dizze oanpak soe wurkje better? Wy witte net, en yn it proses fan de finen út wy miskien leare wat wichtich oer famyljes, wiken, ûnderwiis, en sosjale ûngelikens. Fierder, dy foarsizzings kinne brûkt wurde om te begelieden takomst gegevens kolleksje. Imagine dat wienen der in lyts tal kolleezje ôfstudearden dat wienen net foarsein te stúdzje troch ien fan 'e modellen; dy minsken soe ideaal kandidaten foar follow-up kwalitative ynterviews en etnografyske observaasje. Sa, yn dit soarte fan iepen oprop, de foarsizzings binne net de ein; leaver, se biede in nije manier om te fergelykjen, ferrykjen, en kombinearje ferskillende teoretyske tradysjes. Dit soarte fan iepen oprop is net spesifyk foar mei help fan gegevens fan Fragile Families te foarsizzen wa sil gean nei kolleezje; It koe brûkt wurde om foarsizze in útkomst dat sil úteinlik wurde sammele yn in longitudinaal sosjale gegevens set.

As ik skreau earder yn dizze paragraaf, dêr hawwe net west in protte foarbylden fan sosjale ûndersikers mei help iepen petearen. Ik tink dat dit is omdat iepen petearen binne net goed geskikt foar it paad dat sosjale wittenskippers typysk frame harren fragen. Werom nei de Netflix Prize, sosjale wittenskippers soe net meastentiids freegje oer it foarsizzen fan smaak, se soe freegje oer hoe en wêrom kulturele smaken ferskille foar minsken út ferskillende maatskiplike klassen (Bourdieu 1987) . Sokke "hoe" en "wêrom" fraach net liede ta maklik te kontrolearjen oplossingen, en dêrom liket slecht fit te iepenjen petearen. Sa, docht bliken dat iepen petearen binne mear amenable oan fraach fan foarsizzing as fragen fan útlis; foar mear op it ûnderskied tusken foarsizzing en útlis sjen Breiman (2001) . Resinte teoretisy, lykwols, hawwe neamd op sosjale wittenskippers te heroverwegen de twadieling tusken útlis en foarsizzing (Watts 2014) . As de line tusken foarsizzing en útlis Ferfaget, ik ferwachtsje dat iepen wedstriden wurdt hieltyd mienskiplike yn de sosjale wittenskippen.