Daljnji komentar

Ovaj dio je osmišljen kako bi se koristiti kao referenca, a ne da se čitati kao priče.

  • Uvod (odjeljak 5.1)

Misa suradnja uklapa ideje građana znanosti, masovnih i kolektivne inteligencije. Građanin znanost obično znači uključivanje "građane" (tj ne-znanstvenici) u znanstvenom procesu (Crain, Cooper, and Dickinson 2014) . Bing obično znači da problem obično riješen unutar organizacije i umjesto toga outsourcing u gužvi (Howe 2009) . Kolektivna inteligencija obično znači skupina pojedinaca koji djeluju zajedno na način koji se čini inteligentan (Malone and Bernstein 2015) . Nielsen (2012) je prekrasan uvod knjige dužine u moć masovne suradnje za znanstvena istraživanja.

Postoje mnoge vrste masovne suradnje koji se ne može jednostavno smjestiti u tri kategorije, predložio sam, a mislim da tri zaslužuju posebnu pozornost, jer oni mogu biti korisni u društvenim istraživanjima u nekom trenutku. Jedan od primjera je predviđanje tržišta, gdje su sudionici kupuju i trgovački ugovori koji se može iskoristiti na temelju rezultata koje se javljaju u svijetu (Wolfers and Zitzewitz 2004; Arrow et al. 2008) . Tržišta predviđaju se često koristi od strane tvrtki i vlada za predviđanje, a tržišta predviđanja također su korišteni od strane društvenih znanstvenika predvidjeti replikacije objavljenih studija iz psihologije (Dreber et al. 2015) .

Drugi primjer koji ne uklapaju u moj kategorizaciju sheme je Polymath projekt, gdje su istraživači surađivali korištenjem blogova i wikija dokazati nove matematičke teoreme (Gowers and Nielsen 2009; Cranshaw and Kittur 2011; Nielsen 2012; Kloumann et al. 2016) . Polymath projekt je na neki način sličan na Netflix nagradu, ali u sudionika Polymath projekta aktivnije izgrađen je na parcijalnim rješenjima drugih.

Treći primjer koji ne uklapaju u moj kategorizaciju sheme je ovisna o vremenu mobilizaciju, kao što su obrane Advanced Research Projects Agency (DARPA) Network Challenge (tj Crveni balon Challenge). Za više informacija o ovim vremenom osjetljive mobilizacije vidjeti Pickard et al. (2011) , Tang et al. (2011) , a Rutherford et al. (2013) .

  • Ljudski računanje (Odjeljak 5.2)

Izraz "ljudsko računanje" izlazi iz posla od strane računalnih znanstvenika i razumijevanja konteksta iza ovog istraživanja će poboljšati vašu sposobnost da izabere probleme koji bi mogli biti podvrgnuti njega. Za određene zadatke, računala su nevjerojatno moćna sa sposobnosti daleko iznad i stručne ljude. Na primjer, u šah, računala mogu pobijediti i najbolje velemajstora. No-a to je manje cijenjen od strane društvenih znanstvenika-za druge poslove, računala su zapravo mnogo gore nego ljudi. Drugim riječima, upravo sada su bolje nego čak i najsofisticiranije računalo na određene zadatke koji uključuju obradu slike, video, audio i tekst. Tako-kao što je ilustrirano prekrasnim Xkcd crtić-postoje zadaci koji su jednostavni za računala i teško za ljude, ali postoje i zadaci koje je teško za računala i lako za ljude (slika 5.13). Računalni znanstvenici koji rade na tim hard-for-računala jednostavan-za-ljudska zadaća, dakle, shvatio da oni mogu uključivati ​​ljude u svom računalnom procesu. Evo kako je Luis von Ahn (2005) opisali ljudsko računanje kada je prvi skovao termin u svojoj disertaciji ". Paradigmu za korištenje ljudskog procesorsku snagu za rješavanje problema da računala još ne mogu riješiti"

Slika 5.13: Za neke zadatke računala su zadivljujući, prelazi sposobnost ljudskih stručnjaka. No, za druge zadatke, obični ljudi mogu nadmašiti čak i sofisticirane računala sustava. Velikih razmjera problema koji uključuju zadatke koji su teško za računala i lako za ljude su dobro pogodna za ljudsku računanje. Koriste u skladu s uvjetima opisanim ovdje: http://xkcd.com/license.html

Slika 5.13: Za neke zadatke računala su zadivljujući, prelazi sposobnost ljudskih stručnjaka. No, za druge zadatke, obični ljudi mogu nadmašiti čak i sofisticirane računala sustava. Velikih razmjera problema koji uključuju zadatke koji su teško za računala i lako za ljude su dobro pogodna za ljudsku računanje. Koriste u skladu s uvjetima opisanim ovdje: http://xkcd.com/license.html

Po ovoj definiciji FoldIt-koje sam opisao u poglavlju o raspisanim-može se smatrati ljudsko računanje projekt. Međutim, sam se odlučio za kategorizaciju FoldIt kao otvoreni poziv, jer to zahtijeva specijalizirane vještine, a to traje najbolje rješenje pridonijelo radije nego da koristite podijeljeni primijeniti-kombinirati strategije.

Za izvrstan tretman duljinom knjiga ljudskog računanja, u najopćenitijem smislu riječi, vidi Law and Ahn (2011) . Poglavlje 3. Law and Ahn (2011) ima zanimljivu raspravu o složenijim kombiniraju koraka od onih u ovom poglavlju.

Pojam "split-vrijede-kombiniraju" je korišten od strane Wickham (2011) opisati strategiju za statističke računanje, ali je potpuno zahvaća proces mnogih računskim projekata ljudskih. Splitsko-vrijede-kombinirati strategije je sličan okviru MapReduce razvijena na Google (Dean and Ghemawat 2004; Dean and Ghemawat 2008) .

Dva pametan ljudska Računalne projekti koji nisam imao prostora kako bi raspravljali su ESP Game (Ahn and Dabbish 2004) i ReCAPTCHA (Ahn et al. 2008) . Obje od tih projekata pronađeno kreativne načine motivirati sudionike da daju oznake na slikama. Međutim, obje od ovih projekata također postavlja etička pitanja, jer, za razliku od Galaxy Zoo, sudionici u ESP igre i reCAPTCHA nisu znali kako njihovi podaci se koriste (Lung 2012; Zittrain 2008) .

Inspiriran ESP igre, mnogi istraživači su pokušali da razviju druge "igre s razlogom" (Ahn and Dabbish 2008) (tj "ljudski-based Računalne igre" (Pe-Than, Goh, and Lee 2015) ) koji mogu biti koristi za rješavanje raznih drugih problema. Ono što ove "igre s razlogom" imaju zajedničko je da oni pokušavaju napraviti zadatke koji su uključeni u ljudskoj računanje ugodnijim. Dakle, dok je ESP Igra dijeli istu podijeljeni primijeniti-kombinirati strukturu s Galaxy Zoo, to se razlikuje u tome kako su sudionici motivirani-zabava vs želje da se pomogne znanost.

Moj opis Galaxy Zoo crpi Nielsen (2012) , Adams (2012) , Clery (2011) i Hand (2010) , a moja prezentacija istraživačkih ciljeva Galaxy Zoo je pojednostavljen. Za više informacija o povijesti klasifikaciji galaksije u astronomiji i kako Galaxy Zoo nastavlja tu tradiciju, vidi Masters (2012) i Marshall, Lintott, and Fletcher (2015) . Zgrada na Galaxy Zoo, istraživači su završili Galaxy Zoo 2 koji prikupljaju više od 60 milijuna složenije morfoloških klasifikacije od dobrovoljaca (Masters et al. 2011) . Nadalje, oni razgranao na probleme izvan galaksije morfologije, uključujući istraživanje površine Mjeseca, u potrazi za planetima i prepisivanje starih dokumenata. Trenutno, svi njihovi projekti su prikupljeni na www.zooniverse.org (Cox et al. 2015) . Jedan od projekata koje Snimak Serengeti-pruža dokaze da je Galaxy Zoo tipa klasifikacije slika projekti također može biti učinjeno za istraživanje okoliša (Swanson et al. 2016) .

Za istraživače planiranje koristiti mikro-zadatak tržišta rada (npr, Amazon Mechanical Turk) za ljudsko računanje project, Chandler, Paolacci, and Mueller (2013) i Wang, Ipeirotis, and Provost (2015) pružiti dobar savjet na zadatak projektiranja i drugih srodnih pitanja.

Istraživači koji su zainteresirani za stvaranje onoga što sam nazvao druge generacije ljudski računanja sustava (primjerice, sustavi koji koriste ljudske oznake trenirati model strojnog učenja) mogli biti zainteresirani za Shamir et al. (2014) (na primjer pomoću zvuka) i Cheng and Bernstein (2015) . Isto tako, ovi projekti se može obaviti s otvorenim pozivima, pri čemu znanstvenici natječu za izradu modela strojnog učenja, s najvećim prediktivne performanse. Na primjer, Galaxy Zoo tim objavio je otvoren poziv i pronašli novi pristup koji je nadmašio onaj razvijen u Banerji et al. (2010) ; vidi Dieleman, Willett, and Dambre (2015) za detalje.

  • Otvoreni pozivi (odjeljak 5.3)

Otvoreni pozivi nisu nove. U stvari, jedna od najpoznatijih otvorenih poziva datira iz 1714., kada je britanski parlament stvorio Longitude nagradu za sve one koji bi mogao razviti način kako bi se utvrdilo dužinu broda na moru. Problem batrljak mnogi od najvećih znanstvenika dana, uključujući Isaaca Newtona, a pobjednički rješenje je konačno podnosi urara iz sela koji je pristupio problem za razliku od znanstvenika koji su usredotočeni na rješenje koje bi na neki način uključuju astronomiju (Sobel 1996) . Kao što je ovaj primjer pokazuje, jedan od razloga koji su otvoreni pozivi mislili da rade tako dobro je da oni omogućuju pristup osobama s različitim perspektivama i vještina (Boudreau and Lakhani 2013) . Pogledajte Hong and Page (2004) i Page (2008) za više o vrijednostima postojanja različitosti u rješavanju problema.

Svaki od predmeta otvorenog poziva u poglavlju zahtijeva malo daljnje objašnjenje zašto to spada u ovu kategoriju. Prvo, jedan od načina da ja razlikovati ljudske računanja i otvorenog poziva projekata je li izlaz je prosjek svih rješenja (ljudski računanja) ili najbolje rješenje (otvoren poziv). Netflix nagrada je nešto zeznuto u tom pogledu, jer je najbolje rješenje ispostavilo se sofisticirani prosjek pojedinačnih otopine, prilazi se zove ansambl rješenje (Bell, Koren, and Volinsky 2010; Feuerverger, He, and Khatri 2012) . Iz perspektive Netflix, međutim, sve što je za napraviti je odabrati najbolje rješenje.

Drugo, neke definicije ljudske računanja (npr Von Ahn (2005) ), FoldIt treba uzeti u obzir ljudsko računanje projekt. Međutim, sam se odlučio za kategorizaciju FoldIt kao otvoreni poziv, jer to zahtijeva specijalizirane vještine, a to traje najbolje rješenje pridonijeli, radije nego da koristite podijeljeni primijeniti-kombinirati strategije.

Konačno, moglo bi se tvrditi da je peer-to-Patent je primjer distribuirane prikupljanja podataka. Biram da ga uključiti kao otvoreni poziv, jer ima starni-kao strukturu i samo najbolje doprinosi se koriste (dok s distribuiranim prikupljanja podataka, ideja o dobrim i lošim doprinosa je manje jasno).

Za više informacija o Netflix nagradu, vidi Bennett and Lanning (2007) , Thompson (2008) , Bell, Koren, and Volinsky (2010) , i Feuerverger, He, and Khatri (2012) . Za više informacija o FoldIt vidi, Cooper et al. (2010) , Andersen et al. (2012) , te Khatib et al. (2011) ; moj opis FoldIt oslanja se na opisima u Nielsen (2012) , Bohannon (2009) , a Hand (2010) . Za više informacija o peer-to-Patent, vidi Noveck (2006) , Bestor and Hamp (2010) , Ledford (2007) , i Noveck (2009) .

Slično rezultatima Glaeser et al. (2016) , Mayer-Schönberger and Cukier (2013) , poglavlje 10 izvješća značajno poboljšanje produktivnosti stambenih inspektora u New Yorku, kada inspekcije su vođeni prediktivnih modela. U New Yorku, ove prediktivni modeli su građene od strane gradskih zaposlenika, ali u drugim slučajevima, moglo bi se zamisliti da bi mogli biti stvorena ili poboljšana s otvorenim pozivima (npr Glaeser et al. (2016) ). Međutim, jedan od glavnih briga s prediktivni modeli se koriste za dodjelu sredstava je da su modeli imaju potencijal da pojačaju postojeće predrasude. Mnogi istraživači već znaju "smeće u smeće out", a prediktivnih modela može biti "pristranosti u, pristranost van." Vidi Barocas and Selbst (2016) i O'Neil (2016) za više informacija o opasnostima od prediktivnih modela izgrađenih s pristranim podataka o vježbanju.

Jedan od problema koji bi mogli spriječiti vlade da koristi otvorene natječaje je da to zahtijeva oslobađanje podataka, što bi moglo dovesti do povrede privatnosti. Za više informacija o privatnosti i objavljivanja podataka u otvorenim pozivima vidi Narayanan, Huey, and Felten (2016) , a rasprava u poglavlju 6.

  • Distributed prikupljanje podataka (Poglavlje 5.4)

Moj opis eBird oslanja se na opisima u Bhattacharjee (2005) i Robbins (2013) . Više o tome kako istraživači koriste statističke modele za analizu eBird podatke vidi Hurlbert and Liang (2012) i Fink et al. (2010) . Za više informacija o povijesti građana znanosti u ornothology, vidi Greenwood (2007) .

Za više informacija o Malavi dnevnicima Projekta, vidi Watkins and Swidler (2009) i Kaler, Watkins, and Angotti (2015) . A za više informacija o povezanom projektu u Južnoj Africi, vidi Angotti and Sennott (2015) . Za više primjera istraživanja pomoću podataka iz Malavi dnevnicima projekt vidi Kaler (2004) i Angotti et al. (2014) .

  • Projektiranje svoj ​​(odjeljak 5.5)

Moj pristup nudi dizajn savjet je induktivni, na temelju primjera uspješne i nije masovne projekte suradnje koje sam čuo o tome. Tu je i tok istraživanja pokušava primijeniti više općih društvenih psihološke teorije projektiranje online zajednica koja je bitna za projektiranje projekata masovne suradnje, vidi, na primjer, Kraut et al. (2012) .

Što se tiče motivirajućih sudionika, to je zapravo prilično lukav shvatiti točno zašto ljudi sudjeluju u projektima masa suradnju (Nov, Arazy, and Anderson 2011; Cooper et al. 2010, Raddick et al. (2013) ; Tuite et al. 2011; Preist, Massung, and Coyle 2014) . Ako namjeravate motivirati sudionike s plaćanjem na mikro-zadataka tržište rada (primjerice, Amazon Mechanical Turk) Kittur et al. (2013) nudi neke savjete.

Što se tiče omogućavanja iznenađenje, za više primjera neočekivanih otkrića dolaze iz Zoouniverse projekata, vidi Marshall, Lintott, and Fletcher (2015) .

Što se tiče kao etički, neke dobre opće predgovori problema koji su uključeni su Gilbert (2015) , Salehi et al. (2015) , Schmidt (2013) , Williamson (2016) , Resnik, Elliott, and Miller (2015) , a Zittrain (2008) . Za pitanja posebno vezana uz pravna pitanja s gužve zaposlenih, vidi Felstiner (2011) . O'Connor (2013) bavi pitanja o etičkom nadzor istraživanja kada su uloge istraživača i sudionika zamagliti. Za pitanja u svezi s razmjenu podataka uz zaštitu participats u znanstvenim projektima građana, vidi Bowser et al. (2014) . Oba Purdam (2014) i Windt and Humphreys (2016) imaju neke rasprave o etičkim pitanjima u distribuiranom prikupljanja podataka. Konačno, većina projekata priznati doprinose, ali ne daju priznanje autorstva sudionicima. U Foldit, igrači Foldit često su navedene kao autor (Cooper et al. 2010; Khatib et al. 2011) . U drugim otvorenim poziva projekata, pobjednički suradnik često može napisati članak koji opisuje svoja rješenja (npr Bell, Koren, and Volinsky (2010) i Dieleman, Willett, and Dambre (2015) ). U obitelji Galaxy Zoo projekata, iznimno aktivni i značajni suradnici ponekad su pozvani da budu koautori na radovima. Na primjer, Ivan Terentev i Tim Matorny, dvije Radio Galaxy Zoo sudionika iz Rusije, bili su koautori na jednom od radova koji su nastali od tog projekta (Banfield et al. 2016; Galaxy Zoo 2016) .