మరింత వ్యాఖ్యానం

ఈ విభాగం ఒక కధనం చదవబడుతుంది కాకుండా, ఒక సూచన వలె ఉపయోగించవచ్చు రూపొందించబడింది.

  • పరిచయం (విభాగం 5.1)

మాస్ సహకారంతో పౌరుడు సైన్స్, క్రౌడ్ సోర్సింగ్, మరియు సమిష్టి ప్రజ్ఞ నుండి ఆలోచనలను అనుసంధానం చేస్తుంది. పౌరుడు సైన్స్ సాధారణంగా "పౌరులు" శాస్త్రీయ ప్రక్రియలో (ie, నాన్-శాస్త్రవేత్తలు) పాల్గొన్న అర్థం (Crain, Cooper, and Dickinson 2014) . క్రౌడ్ సోర్సింగ్ సాధారణంగా ఒక సంస్థలో పరిష్కరించవచ్చు ఒక సమస్యను బదులుగా ఒక గుంపు కి అవుట్సోర్సింగ్ అంటే (Howe 2009) . సమిష్టి ప్రజ్ఞ సాధారణంగా కన్పించే తెలివితేటలు మార్గాలు సామూహికంగా నటన వ్యక్తుల సమూహాలు అంటే (Malone and Bernstein 2015) . Nielsen (2012) శాస్త్రీయ పరిశోధన కోసం మాస్ సహకారంతో శక్తిని ఒక అద్భుతమైన పుస్తకం నిడివి పరిచయం.

'ప్రతిపాదిత మూడు వర్గాల్లో ఉంచడానికి సరిపోని మాస్ సహకారంతో అనేక రకాలు ఉన్నాయి, మరియు నేను వారు ఏదో ఒక సమయంలో సామాజిక పరిశోధన ఉపయోగకరంగా కావచ్చు ఎందుకంటే మూడు ప్రత్యేక శ్రద్ధ అవసరం అనుకుంటున్నాను. ఒక ఉదాహరణ ప్రిడిక్షన్ మార్కెట్లు, పాల్గొనే కొనుగోలు ఎక్కడ మరియు ఉంటాయి ప్రపంచంలో సంభవించే ఫలితాలను మార్చుకోగలిగినవిగా ఆధారిత వాణిజ్య ఒప్పందాలు (Wolfers and Zitzewitz 2004; Arrow et al. 2008) . ప్రెడిక్టింగ్ మార్కెట్లు తరచూ అంచనా సంస్థలు మరియు ప్రభుత్వాలు ఉపయోగిస్తారు, మరియు అంచనా మార్కెట్లు కూడా మనస్తత్వశాస్త్రంలో ప్రచురితమైన అధ్యయనాలు replicability అంచనా సామాజిక పరిశోధకులు వాడుతున్నారు (Dreber et al. 2015) .

నా వర్గీకరణ పథకం లోకి బాగా సరిపోకపోతే రెండవ ఉదాహరణ పరిశోధకులు నూతన గణిత సిద్ధాంతాలు నిరూపించడానికి బ్లాగులు మరియు వికీలు ఉపయోగించి కలిసి పనిచేసారు పేరు బహుముఖ ప్రజ్ఞాశాలి ప్రాజెక్ట్ ఉంది (Gowers and Nielsen 2009; Cranshaw and Kittur 2011; Nielsen 2012; Kloumann et al. 2016) . బహుముఖ ప్రజ్ఞాశాలి ప్రాజెక్ట్ నెట్ఫ్లిక్స్ ప్రైజ్ పోలి కొన్ని మార్గాల్లో, కానీ మరింత చురుకుగా ఇతరుల పాక్షిక పరిష్కారాలపై నిర్మించిన బహుముఖ ప్రజ్ఞాశాలి ప్రాజెక్ట్ పాల్గొనే లో.

నా వర్గీకరణ పథకం లోకి బాగా సరిపోయే లేదు ఒక మూడవ ఉదాహరణకు ఇటువంటి డిఫెన్స్ అడ్వాన్స్డ్ రీసెర్చ్ ప్రాజెక్ట్స్ ఏజెన్సీ (DARPA) నెట్వర్క్ ఛాలెంజ్ (అంటే, Red బెలూన్ ఛాలెంజ్) వంటి సమయ ఆధారపడి బలగాలు ఉంది. ఈ సమయంలో మరింత కోసం సున్నితమైన బలగాలు చూడండి Pickard et al. (2011) , Tang et al. (2011) , మరియు Rutherford et al. (2013) .

  • మానవ గణన (విభాగం 5.2)

పదం "మానవ గణన" కంప్యూటర్ శాస్త్రవేత్తలు చేసిన పనికి బయటకు వస్తుంది మరియు ఈ పరిశోధన వెనుక సందర్భం ఇది అంగీకారం తెలపలేదు చెయ్యదగిన సమస్యలు ఎంచుకునే మీ సామర్థ్యాన్ని మెరుగుపర్చడానికి అర్థం చేసుకునే. కొన్ని లక్ష్యాలకు, కంప్యూటర్లు ఇప్పటివరకు కూడా నిపుణుల మానవులు మించి సామర్థ్యాలతో చాలా శక్తివంతమైనవి. ఉదాహరణకు, చదరంగంలో, కంప్యూటర్లు కూడా ఉత్తమ గ్రాండ్ మాస్టర్స్ కొట్టడానికి. కానీ-తక్కువగా అదే సామాజిక మెచ్చుకున్నారు శాస్త్రవేత్తలు కోసం ఇతర పనులు, కంప్యూటర్లు నిజానికి ప్రజలు కంటే చెత్తగా ఉన్నాయి. ఇతర మాటలలో, ప్రస్తుతం మీరు చిత్రాలు, వీడియో, ఆడియో మరియు టెక్స్ట్ ప్రాసెసింగ్ పాల్గొన్న కొన్ని పనులు కూడా అత్యంత అధునాతన కంప్యూటర్ కంటే మంచివి. విధంగా-వంటి ఒక అద్భుతమైన xkcd చిత్రాలతో కార్టూన్ ఉంది కంప్యూటర్లకు సులభమైన మరియు ప్రజలకు హార్డ్ విధులను, కానీ కంప్యూటర్లకు హార్డ్ మరియు ప్రజలకు సులువుగా ఆ పనులు (మూర్తి 5.13) కూడా ఉన్నాయి. కంప్యూటర్ శాస్త్రవేత్తలు ఈ హార్డ్-కంప్యూటర్లు సులభమైన కోసం మానవ కర్తవ్యాలను అందుచే వారి గణన ప్రక్రియలో మానవులు గ్రహించారు పని. ఇక్కడ ఎలా లూయిస్ వాన్ హన్ వార్తలు (2005) అతను తన సిద్ధాంత వ్యాసానికి పదాన్ని మానవ గణన వివరించాడు: ". కంప్యూటర్లు ఇంకా పరిష్కరించడానికి కాదని సమస్యల పరిష్కారానికి మానవ ప్రాసెసింగ్ బలాన్ని ఉపయోగించుకుని ఒక రూపావళి"

Figure 5.13: కంప్యూటర్లు అద్భుతమైన కొన్ని పనులు కోసం, మానవ నిపుణుల సామర్థ్యాన్ని మించి. కానీ, ఇతర పనులు కోసం, సాధారణ మానవులు అధునాతన కంప్యూటర్లు వ్యవస్థలు తలదన్నే. కంప్యూటర్లకు హార్డ్ మరియు మానవులకు సులువుగా ఆ పనులు సంబంధించి జరిగిన భారీ స్థాయి సమస్యలు మానవ గణన కోసం బాగా సరిపోతాయి. ఇక్కడ వివరించిన నిబంధనల ప్రకారం వాడిన http://xkcd.com/license.html

Figure 5.13: కంప్యూటర్లు అద్భుతమైన కొన్ని పనులు కోసం, మానవ నిపుణుల సామర్థ్యాన్ని మించి. కానీ, ఇతర పనులు కోసం, సాధారణ మానవులు అధునాతన కంప్యూటర్లు వ్యవస్థలు తలదన్నే. కంప్యూటర్లకు హార్డ్ మరియు మానవులకు సులువుగా ఆ పనులు సంబంధించి జరిగిన భారీ స్థాయి సమస్యలు మానవ గణన కోసం బాగా సరిపోతాయి. ఇక్కడ వివరించిన నిబంధనల ప్రకారం వాడిన http://xkcd.com/license.html

ఈ నిర్వచనం FoldIt-ఇది నేను ఓపెన్ విభాగంలో వివరించారు కాల్స్ కాలేదు ఒక మానవ గణన ప్రాజెక్ట్ పరిగణించవచ్చు. ఇది ప్రత్యేక నైపుణ్యాలు అవసరం ఎందుకంటే అయితే, నేను ఒక ఓపెన్ కాల్ FoldIt వర్గీకరణకు ఎంచుకోండి మరియు అది ఉత్తమ పరిష్కారం ఒక చీలిక apply-మిళితం వ్యూహం ఉపయోగించి కాకుండా దోహదపడింది పడుతుంది.

మానవ గణన యొక్క ఒక అద్భుతమైన పుస్తకం పొడవు చికిత్స కోసం, పదం యొక్క అత్యంత సాధారణ అర్థంలో, చూడండి Law and Ahn (2011) . అధ్యాయము 3 Law and Ahn (2011) ఈ అధ్యాయంలో వాటి కంటే మరింత క్లిష్టమైన దశలను కలిపి ఒక ఆసక్తికరమైన చర్చ ఉంది.

పదం "చీలిక apply-మిళితం" ద్వారా ఉపయోగించారు Wickham (2011) సంఖ్యాశాస్త్ర కంప్యూటింగ్ కోసం ఒక వ్యూహం వివరించడానికి, కానీ అది ఖచ్చితంగా అనేక మానవ గణన ప్రాజెక్టులు ప్రక్రియ సంగ్రహించే. చీలిక apply-మిళితం వ్యూహం గూగుల్లో అభివృద్ధి మ్యార్రెడ్యూస్చే ఫ్రేమ్ పోలి ఉంటుంది (Dean and Ghemawat 2004; Dean and Ghemawat 2008) .

నేను చర్చించడానికి స్థలం లేదు ఆ రెండు తెలివైన మానవ గణన ప్రాజెక్టులు ESP గేమ్ ఉన్నాయి (Ahn and Dabbish 2004) మరియు reCAPTCHA (Ahn et al. 2008) . ఈ రెండు ప్రాజెక్టులకి చిత్రాలు న లేబుల్స్ అందించడానికి పాల్గొనే చైతన్యపరచటంలో సృజనాత్మక మార్గాలను గుర్తించారు. అయితే, ఈ ప్రాజెక్టులు రెండు కూడా గెలాక్సీ జూ కాకుండా, ESP గేమ్ మరియు reCAPTCHA లో పాల్గొనే వారి డేటా వాడేవారు ఎలా తెలియదు, ఎందుకంటే నైతిక ప్రశ్నలను లేవనెత్తారు (Lung 2012; Zittrain 2008) .

ESP గేమ్ ప్రేరణ, అనేక మంది పరిశోధకులు ఇతరులు "ఒక ఉద్దేశ్యంతో గేమ్స్" అభివృద్ధి చేసేందుకు ప్రయత్నించాయి (Ahn and Dabbish 2008) (అంటే, "మానవ ఆధారిత గణన గేమ్స్" (Pe-Than, Goh, and Lee 2015) ) ఉండాలనే ఇతర సమస్యలు వివిధ పరిష్కరించడానికి ఉపయోగిస్తారు. ఏమి ఈ "ఒక ఉద్దేశ్యంతో గేమ్స్" సాధారణ వారు మానవ గణన ఆనందించే చేరి పనులు చేయడానికి ప్రయత్నించాను. అందువలన, ESP గేమ్ పంచుకుంటుంది, అయితే గెలాక్సీ జూ అదే చీలిక apply-మిళితం నిర్మాణం, అది పాల్గొన్న ఎలా ఉంటాయి ప్రేరణ ఫన్ వర్సెస్ సైన్స్ సహాయం కోరిక లో ఉంటుంది.

గెలాక్సీ జూ యొక్క నా వివరణ గ్రహించాయి Nielsen (2012) , Adams (2012) , Clery (2011) , మరియు Hand (2010) , మరియు గాలక్సీ జూ పరిశోధన లక్ష్యాలను నా ప్రదర్శన సులభతరం చేశాడు. ఖగోళశాస్త్రంలో గెలాక్సీ వర్గీకరణ చరిత్ర మరియు ఎలా గెలాక్సీ జూ ఈ సంప్రదాయం కొనసాగింది మరింత కోసం, చూడండి Masters (2012) మరియు Marshall, Lintott, and Fletcher (2015) . గెలాక్సీ జూ భవనం, పరిశోధకులు గెలాక్సీ జూ 2 స్వచ్చంద కర్తల కంటే ఎక్కువ 60 మిలియన్ మరింత క్లిష్టమైన పదనిర్మాణ వర్గీకరణలు సేకరించిన ఇది పూర్తి (Masters et al. 2011) . ఇంకా, వారు, చంద్రుడి ఉపరితలం అన్వేషించడం గ్రహాలు శోధించడం, మరియు పాత పత్రాలు లిప్యంతరీకరణ సహా గెలాక్సీ స్వరూపం యొక్క వెలుపల సమస్యలను సారించింది. ప్రస్తుతం, అన్ని వారి ప్రాజెక్టులు వసూలు చేస్తారు www.zooniverse.org (Cox et al. 2015) . ఒకటి ప్రాజెక్టులు స్నాప్షాట్ గెలాక్సీ జూ-రకం చిత్రం వర్గీకరణ ప్రాజెక్టులను పర్యావరణ పరిశోధన కోసం చేసిన ఆధారాలను సెరెంగెటి ఏళ్ల (Swanson et al. 2016) .

పరిశోధకులు మానవ గణన ప్రాజెక్ట్ కోసం ఒక సూక్ష్మ పని కార్మిక మార్కెట్ (ఉదా, అమెజాన్ మెకానికల్ టర్క్) ఉపయోగించడానికి ప్రణాళిక కోసం, Chandler, Paolacci, and Mueller (2013) మరియు Wang, Ipeirotis, and Provost (2015) పని రూపకల్పన మరియు మంచి సలహా అందించే ఇతర సంబంధిత సమస్యలు.

నేను రెండవ తరం మానవ గణన వ్యవస్థల అని వాటిని సృష్టించడంలో ఆసక్తి పరిశోధకులు (ఉదా, ఒక యంత్ర అభ్యాస మోడల్ శిక్షణ మానవ లేబుల్స్ ఉపయోగించే వ్యవస్థలు) ఆసక్తి ఉండవచ్చు Shamir et al. (2014) మరియు (ఆడియో ఉపయోగించి ఒక ఉదాహరణ కోసం) Cheng and Bernstein (2015) . అలాగే, ఈ ప్రాజెక్టుల పరిశోధకులు గొప్ప సూచనా ప్రదర్శనతో యంత్ర అభ్యాస నమూనాలను సృష్టించేందుకు పోటీ అనగా బహిరంగ కాల్స్, తో చేయవచ్చు. ఉదాహరణకు, గెలాక్సీ జూ జట్టు ఓపెన్ కాల్ కొనసాగి లో అభివృధ్ధి చేశాయని ఒక కొత్త విధానం కనుగొనబడింది Banerji et al. (2010) ; చూడండి Dieleman, Willett, and Dambre (2015) వివరాల కోసం.

  • ఓపెన్ కాల్స్ (విభాగం 5.3)

ఓపెన్ కాల్స్ కొత్త కాదు. నిజానికి, చాలా ప్రసిద్ధ ఓపెన్ కాల్స్ ఒకటి బ్రిటన్ పార్లమెంటులో సముద్రంలో ఓడ యొక్క రేఖాంశము గుర్తించడానికి ఒక మార్గం అభివృద్ధి అని ఎవరైనా లాంగిట్యూడ్ ప్రైజ్ సృష్టించినప్పుడు 1714 నాటిది. సమస్యను ఐజాక్ న్యూటన్ రోజుల్లో, గొప్ప శాస్త్రవేత్తలు అనేక స్టంప్డ్ మరియు గెలుచుకున్న పరిష్కారం చివరికి ఏదో ఖగోళశాస్త్రం కలిగి అని ఒక పరిష్కారం పై దృష్టి వీరు శాస్త్రవేత్తలు భిన్నంగా సమస్యను చేరుకుంటుంది చెందిన ఒక clockmaker సమర్పించారు (Sobel 1996) . ఈ ఉదాహరణ వివరిస్తుంది వంటి, ఓపెన్ కాల్స్ బాగా పని చేస్తున్నట్లుగా భావించబడుతున్నాయి ఒక కారణం వారు విభిన్న దృక్పధాలు మరియు నైపుణ్యాలు మంది యాక్సెస్ అందించే ఉంది (Boudreau and Lakhani 2013) . చూడండి Hong and Page (2004) మరియు Page (2008) సమస్య పరిష్కారంలో వైవిధ్యం విలువ మరింత కోసం.

అధ్యాయంలో ఓపెన్ కాల్ సంధర్భాలలో ఈ వర్గంలో చెందిన ఎందుకు మరింత వివరణ ఒక బిట్ అవసరం. మొదటి, నేను మానవ కంప్యుటేషన్ మరియు ఓపెన్ కాల్ ప్రాజెక్టుల మధ్య వేరు చేసే ఒక మార్గం అవుట్పుట్ అన్ని పరిష్కారాలను సగటున (మానవ గణన) లేదా ఉత్తమ పరిష్కారం (ఓపెన్ కాల్) అనే ఉంది. ఉత్తమ పరిష్కారం వ్యక్తిగత పరిష్కారాలు ఒక అధునాతన సగటు మారినది ఎందుకంటే నెట్ఫ్లిక్స్ ప్రైజ్ ఈ విషయంలో కొంతవరకు గమ్మత్తైన, ఒక సమిష్టి పరిష్కారం అని సంప్రదించింది (Bell, Koren, and Volinsky 2010; Feuerverger, He, and Khatri 2012) . నెట్ఫ్లిక్స్ కోణం నుండి, అయితే, వారు కలిగి అన్ని ఉత్తమ పరిష్కారం పిక్ ఉంది.

రెండవది, మానవ గణన కొన్ని నిర్వచనాలు ద్వారా (ఉదా Von Ahn (2005) ), FoldIt ఒక మానవ గణన ప్రాజెక్ట్ పరిగణించాలి. ఇది ప్రత్యేక నైపుణ్యాలు అవసరం ఎందుకంటే అయితే, నేను ఒక ఓపెన్ కాల్ FoldIt వర్గీకరణకు ఎంచుకోండి మరియు అది ఉత్తమ పరిష్కారం కాకుండా ఒక చీలిక apply-మిళితం వ్యూహం ఉపయోగించి కంటే, దోహదపడింది పడుతుంది.

చివరిగా, ఒక పీర్-టు-పేటెంట్ పంపిణీ డేటా సేకరణ యొక్క ఒక ఉదాహరణ అని వాదిస్తారు. నేను ఒక పోటీ లాంటి నిర్మాణాన్ని కలిగి ఉంది మరియు మాత్రమే ఉత్తమ రచనలు ఉపయోగిస్తారు (పంపిణీ డేటా సేకరణ తో, మంచి మరియు చెడు రచనలు ఆలోచన స్పష్టంగా అయితే) ఎందుకంటే బహిరంగ పిలుపుగా అది చేర్చడాన్ని.

నెట్ఫ్లిక్స్ ప్రైజ్ మరింత కోసం, చూడండి Bennett and Lanning (2007) , Thompson (2008) , Bell, Koren, and Volinsky (2010) , మరియు Feuerverger, He, and Khatri (2012) . FoldIt మరింత చూడండి, Cooper et al. (2010) , Andersen et al. (2012) , మరియు Khatib et al. (2011) ; FoldIt నా వివరణ లో వివరణలు గ్రహించాయి Nielsen (2012) , Bohannon (2009) , మరియు Hand (2010) . పీర్-టు-పేటెంట్ మరింత కోసం, చూడండి Noveck (2006) , Bestor and Hamp (2010) , Ledford (2007) , మరియు Noveck (2009) .

ఫలితాలు లాగానే Glaeser et al. (2016) , Mayer-Schönberger and Cukier (2013) , న్యూయార్క్ నగరంలో గృహ ఇన్స్పెక్టర్లలో ఉత్పాదకత అధ్యాయము 10 నివేదికలు పెద్ద లాభాలు పరీక్షలు సూచనా నమూనాలు మార్గనిర్దేశం చేసినప్పుడు. న్యూ యార్క్ సిటీ లో, ఈ సూచనా నమూనాలు నగరం ఉద్యోగులు చే నిర్మించబడ్డాయి, కాని ఇతర సందర్భాల్లో, వారు రూపొందించినవారు అని లేదా ఓపెన్ కాల్స్ తో మెరుగైన ఊహించే చేయవచ్చు (ఉదా, Glaeser et al. (2016) ). అయితే, సూచనా నమూనాలు వనరులు కేటాయించాలని వాడుతున్నారు ఒక ప్రధాన సమస్యగా నమూనాలు ఇప్పటికే పక్షపాతాలు బలోపేతం చేయడానికి సామర్థ్యాన్ని కలిగి ఉంది. పలు పరిశోధకులు ఇప్పటికే "అవుట్ లో చెత్త, చెత్త" తెలుసు, మరియు సూచనా నమూనాలు తో ఉంటుంది "పక్షపాతం, పక్షపాతం." చూడండి Barocas and Selbst (2016) మరియు O'Neil (2016) నిర్మించారు సూచనా నమూనాలు ప్రమాదాల మరింత కోసం కుహనా శిక్షణ డేటా.

ఓపెన్ పోటీలు ఉపయోగించి నుండి ప్రభుత్వాలు నిరోధించడానికి చేసే ఒక సమస్య గోప్యతా ఉల్లంఘనలను దారి తీయవచ్చు ఇది డేటా విడుదల అవసరం అని. ఓపెన్ పిలుపులు గోప్యత మరియు డేటా విడుదల గురించి మరింత చూడండి Narayanan, Huey, and Felten (2016) మరియు చాప్టర్ 6 లో చర్చ.

  • డిస్ట్రిబ్యూటెడ్ డేటా సేకరణ (విభాగం 5.4)

EBird నా వివరణ లో వివరణలు గ్రహించాయి Bhattacharjee (2005) మరియు Robbins (2013) . అనేక మంది పరిశోధకులు eBird డేటా విశ్లేషించడానికి గణాంక నమూనాలు ఉపయోగించడానికి ఎలా చూడండి Hurlbert and Liang (2012) మరియు Fink et al. (2010) . Ornothology లో పౌరుడు సైన్స్ చరిత్రపై మరింత కోసం, చూడండి Greenwood (2007) .

మాలావి జర్నల్స్ ప్రాజెక్ట్ గురించి మరింత తెలుసుకోవడానికి, చూడండి Watkins and Swidler (2009) మరియు Kaler, Watkins, and Angotti (2015) . మరియు దక్షిణ ఆఫ్రికా లో ఒక సంబంధిత ప్రాజెక్ట్ మరింత కోసం, చూడండి Angotti and Sennott (2015) . మాలావి జర్నల్స్ ప్రాజెక్ట్ నుండి డేటా ఉపయోగించి పరిశోధన కంటే ఉదాహరణల కోసం చూడండి Kaler (2004) మరియు Angotti et al. (2014) .

  • మీ స్వంత (విభాగం 5.5) రూపకల్పన

డిజైన్ సలహా అందించడం నా విధానం విజయవంతమైన ఉదాహరణల ఆధారంగా, ప్రేరక మరియు నేను గురించి విన్న చేసిన మాస్ సహకారం ప్రాజెక్టులు విఫలమైంది. పరిశోధన యొక్క ఒక స్ట్రీమ్ మరింత సాధారణ సామాజిక మానసిక సిద్దాంతాలు ఆన్లైన్ కమ్యూనిటీలు రూపకల్పన చేయడానికి ఉదాహరణకు, మాస్ సహకారం ప్రాజెక్టులు రూపకల్పన సంబంధిత అని దరఖాస్తు చూడండి ప్రయత్నిస్తాడు కూడా ఉంది Kraut et al. (2012) .

ప్రేరేపించడం పాల్గొనే గురించి, అది ప్రజల సామూహిక సహకారం ప్రాజెక్టులు పాల్గొనేందుకు సరిగ్గా ఎందుకు బయటకు దొరుకుతుందని నిజానికి చాలా కష్టమైన విషయం (Nov, Arazy, and Anderson 2011; Cooper et al. 2010, Raddick et al. (2013) ; Tuite et al. 2011; Preist, Massung, and Coyle 2014) . మీరు ఒక సూక్ష్మ పని కార్మిక మార్కెట్లో చెల్లింపు (ఉదా, అమెజాన్ మెకానికల్ టర్క్) తో పాల్గొనే చైతన్యపరచటంలో ప్లాన్ ఉంటే Kittur et al. (2013) కొన్ని సలహాలు అందిస్తుంది.

Zoouniverse ప్రాజెక్టులు రావడం ఊహించని ఆవిష్కరణలు ఉదాహరణల కొరకు, ఆశ్చర్యం ఎనేబుల్ సంబంధించి, చూడండి Marshall, Lintott, and Fletcher (2015) .

నైతిక ఉండటం గురించి, చేరి సమస్యలను కొన్ని మంచి సాధారణ పరిచయాలు కలిగిన Gilbert (2015) , Salehi et al. (2015) , Schmidt (2013) , Williamson (2016) , Resnik, Elliott, and Miller (2015) , మరియు Zittrain (2008) . ప్రత్యేకంగా ఉద్దేశించి ఉద్యోగులు చట్టపరమైన సమస్యలకు సంబంధించిన సమస్యలు కోసం, చూడండి Felstiner (2011) . O'Connor (2013) పరిశోధన నైతిక పర్యవేక్షణ గురించి ప్రశ్నలకు సమాధానాలను పరిశోధకులు పాల్గొనే పాత్రలు బ్లర్ ఉన్నప్పుడు. భాగస్వామ్య డేటా సంబంధించిన పౌరుడు సైన్స్ ప్రాజెక్టులు participats పరిరక్షిస్తూనే సమస్యలు కోసం, చూడండి Bowser et al. (2014) . రెండు Purdam (2014) మరియు Windt and Humphreys (2016) పంపిణీ డేటా సేకరణ నైతిక సమస్యల గురించి కొంత చర్చ ఉంటుంది. చివరగా, చాలా ప్రాజెక్టులు రచనలు గుర్తించి కానీ భాగస్వాములకు రచించి క్రెడిట్ ఇవ్వాలని లేదు. Foldit లో, Foldit క్రీడాకారులు తరచూ రచయిత గా జాబితా చేయబడ్డాయి (Cooper et al. 2010; Khatib et al. 2011) . ఇతర ఓపెన్ కాల్ ప్రాజెక్టులు, గెలిచిన కంట్రిబ్యూటర్ తరచూ వాటి పరిష్కారాలను వివరిస్తూ ఒక కాగితాన్ని వ్రాయగలరు (ఉదా, Bell, Koren, and Volinsky (2010) మరియు Dieleman, Willett, and Dambre (2015) ). ప్రాజెక్టుల గెలాక్సీ జూ కుటుంబంలో, చురుకైన మరియు ముఖ్యమైన కారణాలుగా కొన్నిసార్లు తోటి రచయితలు-పత్రాలపై గా ఆహ్వానించబడ్డారు. ఉదాహరణకు, ఇవాన్ Terentev మరియు టిమ్ Matorny, రష్యా నుండి రెండు రేడియో గెలాక్సీ జూ పాల్గొనే, సహ రచయితలు ఆ ప్రాజెక్ట్ నుండి పుట్టుకొచ్చిన పత్రాలను ఒక ఉన్నారు (Banfield et al. 2016; Galaxy Zoo 2016) .