5.1 Introduktion

Wikipedia er fantastisk. Et massesamarbejde af frivillige skabte en fantastisk encyklopædi, der er tilgængelig for alle. Nøglen til Wikipedia's succes var ikke ny viden; Det var snarere en ny form for samarbejde. Den digitale tidsalder giver heldigvis mange nye former for samarbejde. Således skal vi nu spørge: Hvilke massive videnskabelige problemer - problemer, som vi ikke kunne løse individuelt - kan vi nu tackle sammen?

Samarbejde i forskning er ikke noget nyt, selvfølgelig. Hvad er nyt, er imidlertid, at den digitale tidsalder giver samarbejde med en meget større og mere forskelligartet sæt af mennesker: de milliarder af mennesker over hele verden med internetadgang. Jeg forventer, at disse nye masse samarbejder vil give fantastiske resultater ikke kun på grund af antallet af mennesker, der er involveret, men også på grund af deres forskellige kompetencer og perspektiver. Hvordan kan vi integrere alle med en internetforbindelse i vores forskning proces? Hvad kunne du gøre med 100 forskningsassistenter? Hvad med 100.000 dygtige samarbejdspartnere?

Der er mange former for massesamarbejde, og computerforskere organiserer dem typisk i et stort antal kategorier baseret på deres tekniske egenskaber (Quinn and Bederson 2011) . I dette kapitel skal jeg imidlertid kategorisere masseprojekter for samarbejde baseret på, hvordan de kan bruges til social forskning. Jeg synes især, at det er nyttigt at groft skelne mellem tre typer projekter: menneskelig beregning , åben opkald og distribueret dataindsamling (figur 5.1).

Jeg beskriver hver af disse typer mere detaljeret senere i kapitlet, men for nu skal jeg beskrive hver enkelt kort. Menneskelige beregningsprojekter er ideelt til nem-task-storskala problemer, som f.eks. Mærkning af en million billeder. Dette er projekter, der tidligere kunne have været udført af bachelorforskere. Bidrag kræver ikke opgaverelaterede færdigheder, og den endelige produktion er typisk et gennemsnit af alle bidragene. Et klassisk eksempel på et menneskeligt beregningsprojekt er Galaxy Zoo, hvor hundredtusind frivillige hjalp astronomer til at klassificere en million galakser. Åben opkaldsprojekter er derimod ideel til problemer, hvor du søger nye og uventede svar på klart formulerede spørgsmål. Dette er projekter, der tidligere kunne have involveret spørger kolleger. Bidragene kommer fra personer, der har særlige opgaverelaterede færdigheder, og den endelige produktion er normalt det bedste af alle bidragene. Et klassisk eksempel på et åbent opkald er Netflix-prisen, hvor tusindvis af forskere og hackere arbejdede for at udvikle nye algoritmer til at forudse kundernes ratings af film. Endelig er distribuerede dataindsamlingsprojekter ideelt til stor dataindsamling. Dette er projekter, der tidligere kunne have været udført af bachelorforskere eller undersøgelsesforskningsvirksomheder. Bidrag kommer typisk fra personer, der har adgang til steder, som forskere ikke gør, og det endelige produkt er en simpel samling af bidragene. Et klassisk eksempel på en distribueret dataindsamling er eBird, hvor hundredtusinder af frivillige bidrager med rapporter om fugle, de ser.

Figur 5.1: Massesamarbejde skematisk. Dette kapitel er organiseret omkring tre hovedformer af massesamarbejde: menneskelig beregning, åbent opkald og distribueret dataindsamling. Mere generelt kombinerer massesamarbejde ideer fra områder som borgervidenskab, crowdsourcing og kollektiv intelligens.

Figur 5.1: Mass samarbejde skematisk. Dette kapitel er organiseret omkring tre vigtigste former for masse samarbejde: menneskelig beregning, åben opkald, og distribueret dataindsamling. Mere generelt, masse samarbejde kombinerer ideer fra områder som borger videnskab, crowdsourcing, og kollektiv intelligens.

Massesamarbejde har en lang, rig historie på områder som astronomi (Marshall, Lintott, and Fletcher 2015) og økologi (Dickinson, Zuckerberg, and Bonter 2010) , men det er endnu ikke almindeligt i social forskning. Men ved at beskrive vellykkede projekter fra andre områder og give nogle få vigtige organiseringsprincipper, håber jeg at overbevise dig om to ting. For det første kan massesamarbejde udnyttes til social forskning. Og for det andet vil forskere, der bruger massesamarbejde, kunne løse problemer, der tidligere syntes at være umulige. Selvom massesamarbejde ofte fremmes som en måde at spare penge på, er det meget mere end det. Som jeg vil vise, giver massesamarbejde ikke bare os mulighed for at gøre forskning billigere , det giver os mulighed for at gøre forskning bedre .

I de foregående kapitler har du set, hvad der kan læres ved at engagere sig med mennesker på tre forskellige måder: iagttage deres adfærd (kapitel 2), stille dem spørgsmål (kapitel 3) og indskrive dem i forsøg (kapitel 4). I dette kapitel vil jeg vise dig, hvad der kan læres ved at engagere folk som forskningssamarbejdspartnere. For hver af de tre hovedformer af massesamarbejde vil jeg beskrive et prototypisk eksempel, illustrere vigtige yderligere punkter med yderligere eksempler og endelig beskrive, hvordan denne form for massesamarbejde kan bruges til social forskning. Kapitlet afsluttes med fem principper, som kan hjælpe dig med at designe dit eget masseprojekt.