5.1 Einführung

Wikipedia ist erstaunlich. Eine Massenzusammenarbeit von Freiwilligen schuf eine fantastische Enzyklopädie, die für jeden verfügbar ist. Der Schlüssel zum Erfolg von Wikipedia war nicht neues Wissen; es war vielmehr eine neue Form der Zusammenarbeit. Das digitale Zeitalter ermöglicht glücklicherweise viele neue Formen der Zusammenarbeit. Daher sollten wir uns nun fragen: Welche massiven wissenschaftlichen Probleme - Probleme, die wir nicht einzeln lösen konnten - können wir jetzt gemeinsam angehen?

Die Zusammenarbeit in der Forschung ist nichts Neues, natürlich. Was neu ist, ist jedoch, dass das digitale Zeitalter Zusammenarbeit mit einem viel größeren und vielfältigeren Reihe von Menschen ermöglicht: die Milliarden von Menschen auf der ganzen Welt mit Internetzugang. Ich erwarte, dass diese neuen Massen Kooperationen erstaunliche Ergebnisse liefern nicht nur wegen der Anzahl der beteiligten Personen, sondern auch wegen ihrer vielfältigen Fähigkeiten und Perspektiven. Wie können wir alle mit einer Internetverbindung in unsere Forschungsprozess integrieren? Was könnten Sie mit 100 wissenschaftliche Mitarbeiter tun? Was etwa 100.000 qualifizierte Mitarbeiter?

Es gibt viele Formen der Massenzusammenarbeit, und Computerwissenschaftler organisieren sie typischerweise in einer großen Anzahl von Kategorien basierend auf ihren technischen Eigenschaften (Quinn and Bederson 2011) . In diesem Kapitel werde ich jedoch Projekte der Massenzusammenarbeit danach kategorisieren, wie sie für die Sozialforschung verwendet werden können. Insbesondere denke ich, dass es hilfreich ist, grob zwischen drei Arten von Projekten zu unterscheiden: menschliche Berechnungen , offene Aufrufe und verteilte Datensammlung (Abbildung 5.1).

Ich werde jeden dieser Typen später im Kapitel näher beschreiben, aber lassen Sie mich jetzt kurz jeden einzelnen beschreiben. Menschliche Berechnungsprojekte eignen sich ideal für problemlose Aufgaben wie die Beschriftung von Millionen Bildern. Dies sind Projekte, die in der Vergangenheit von wissenschaftlichen Assistenten durchgeführt wurden. Beiträge erfordern keine aufgabenbezogenen Fähigkeiten, und die endgültige Ausgabe ist in der Regel ein Durchschnitt aller Beiträge. Ein klassisches Beispiel für ein menschliches Berechnungsprojekt ist der Galaxy Zoo, wo hunderttausend Freiwillige Astronomen dabei halfen, eine Million Galaxien zu klassifizieren. Offene Call- Projekte dagegen sind ideal geeignet für Probleme, bei denen Sie nach neuartigen und unerwarteten Antworten auf klar formulierte Fragen suchen. Dies sind Projekte, bei denen in der Vergangenheit möglicherweise Kollegen gefragt wurden. Beiträge kommen von Menschen, die besondere aufgabenbezogene Fähigkeiten haben, und der endgültige Output ist normalerweise der beste aller Beiträge. Ein klassisches Beispiel für einen offenen Anruf ist der Netflix Prize, bei dem Tausende von Wissenschaftlern und Hackern daran gearbeitet haben, neue Algorithmen zu entwickeln, mit denen sich die Kundenbewertungen von Filmen vorhersagen lassen. Schließlich eignen sich verteilte Datenerfassungsprojekte ideal für die Datenerfassung im großen Maßstab. Dies sind Projekte, die in der Vergangenheit von Forschungsassistenten oder Forschungsunternehmen durchgeführt wurden. Beiträge kommen in der Regel von Menschen, die Zugang zu Orten haben, die Forscher nicht haben, und das Endprodukt ist eine einfache Sammlung der Beiträge. Ein klassisches Beispiel für eine verteilte Datensammlung ist eBird, in dem Hunderttausende von Freiwilligen Berichte über Vögel, die sie sehen, beisteuern.

Abbildung 5.1: Mass-Collaboration-Schema. Dieses Kapitel ist um drei Hauptformen der Massenzusammenarbeit organisiert: menschliche Berechnungen, offene Aufrufe und verteilte Datensammlung. Im Allgemeinen kombiniert Massenzusammenarbeit Ideen aus Bereichen wie Citizen Science, Crowdsourcing und kollektive Intelligenz.

Abbildung 5.1: Massen Zusammenarbeit schematisch. Dieses Kapitel gliedert sich in drei Hauptformen der Massen Zusammenarbeit organisiert: die menschliche Berechnung, offenen Aufruf und verteilte Datenerfassung. Allgemeiner gesagt, kombiniert Massen Zusammenarbeit Ideen aus Bereichen wie Citizen Science, Crowdsourcing und kollektive Intelligenz.

Mass Collaboration hat eine lange, reiche Geschichte in Bereichen wie Astronomie (Marshall, Lintott, and Fletcher 2015) und Ökologie (Dickinson, Zuckerberg, and Bonter 2010) , aber es ist noch nicht üblich in der Sozialforschung. Indem ich jedoch erfolgreiche Projekte aus anderen Bereichen beschreibe und einige wichtige Organisationsprinzipien bereitstelle, hoffe ich, Sie von zwei Dingen zu überzeugen. Erstens kann Massen Zusammenarbeit für Sozialforschung nutzbar gemacht werden. Und zweitens können Forscher, die Massenzusammenarbeit nutzen, Probleme lösen, die zuvor unmöglich schienen. Obwohl Massenzusammenarbeit oft als eine Möglichkeit zum Sparen von Geld gefördert wird, ist es viel mehr als das. Wie ich zeigen werde, ermöglicht uns die Massenzusammenarbeit nicht nur, die Forschung billiger zu machen , sondern wir können auch besser forschen.

In den vorangegangenen Kapiteln haben Sie gesehen, was Sie lernen können, wenn Sie sich auf drei verschiedene Arten mit Menschen beschäftigen: Beobachten Sie ihr Verhalten (Kapitel 2), stellen Sie ihnen Fragen (Kapitel 3) und registrieren Sie sie für Experimente (Kapitel 4). In diesem Kapitel werde ich Ihnen zeigen, was man lernen kann, wenn man Leute als Forschungskollaborateure engagiert. Für jede der drei Hauptformen der Massenzusammenarbeit werde ich ein prototypisches Beispiel beschreiben, wichtige zusätzliche Punkte mit weiteren Beispielen illustrieren und schließlich beschreiben, wie diese Form der Massenzusammenarbeit für die Sozialforschung verwendet werden kann. Das Kapitel wird mit fünf Prinzipien enden, die Ihnen helfen können, Ihr eigenes Massenkollaborationsprojekt zu entwerfen.