5.1 Εισαγωγή

Η Wikipedia είναι εκπληκτική. Μια μαζική συνεργασία εθελοντών δημιούργησε μια φανταστική εγκυκλοπαίδεια που είναι διαθέσιμη σε όλους. Το κλειδί για την επιτυχία της Wikipedia δεν ήταν νέα γνώση. μάλλον, ήταν μια νέα μορφή συνεργασίας. Η ψηφιακή εποχή, ευτυχώς, επιτρέπει πολλές νέες μορφές συνεργασίας. Επομένως, πρέπει τώρα να ρωτήσουμε: Ποια μαζικά επιστημονικά προβλήματα - προβλήματα που δεν μπορούσαμε να επιλύσουμε μεμονωμένα - μπορούμε τώρα να αντιμετωπίσουμε μαζί;

Συνεργασία στον τομέα της έρευνας δεν είναι κάτι καινούργιο, φυσικά. Τι είναι καινούργιο, ωστόσο, είναι ότι η ψηφιακή εποχή δίνει τη δυνατότητα συνεργασίας με ένα πολύ μεγαλύτερο και πιο ποικίλο σύνολο των ανθρώπων: τα δισεκατομμύρια των ανθρώπων σε όλο τον κόσμο με πρόσβαση στο Διαδίκτυο. Πιστεύω ότι αυτά τα νέα μαζική συνεργασίες θα αποφέρει εκπληκτικά αποτελέσματα όχι μόνο λόγω του αριθμού των ατόμων που εμπλέκονται, αλλά και λόγω των διαφορετικών δεξιοτήτων και τις προοπτικές τους. Πώς μπορούμε να ενσωματώσει τον καθένα με μια σύνδεση στο Internet στη διαδικασία της έρευνας μας; Τι θα μπορούσατε να κάνετε με 100 ερευνητικά βοηθούς; Τι περίπου 100.000 ειδικευμένους συνεργάτες;

Υπάρχουν πολλές μορφές μαζικής συνεργασίας και οι επιστήμονες υπολογιστών τα οργανώνουν σε μεγάλο αριθμό κατηγοριών με βάση τα τεχνικά χαρακτηριστικά τους (Quinn and Bederson 2011) . Σε αυτό το κεφάλαιο, ωστόσο, πρόκειται να ταξινομήσω μαζικά έργα συνεργασίας που βασίζονται στον τρόπο με τον οποίο μπορούν να χρησιμοποιηθούν για κοινωνική έρευνα. Συγκεκριμένα, πιστεύω ότι είναι χρήσιμο να διακρίνουμε περίπου τρεις τύπους έργων: τον υπολογισμό του ανθρώπου , την ανοιχτή κλήση και τη συλλογή κατανεμημένων δεδομένων (σχήμα 5.1).

Θα περιγράψω καθένα από αυτά τα είδη με μεγαλύτερη λεπτομέρεια αργότερα στο κεφάλαιο, αλλά προς το παρόν επιτρέψτε μου να περιγράψω το καθένα για λίγο. Τα έργα ανθρώπινου υπολογισμού είναι ιδανικά κατάλληλα για προβλήματα μεγάλης κλίμακας, όπως η επισήμανση εκατομμυρίων εικόνων. Πρόκειται για έργα τα οποία κατά το παρελθόν θα μπορούσαν να εκτελεστούν από βοηθούς ερευνητών. Οι συνεισφορές δεν απαιτούν δεξιότητες που σχετίζονται με την εργασία και η τελική παραγωγή είναι συνήθως ο μέσος όρος όλων των συνεισφορών. Ένα κλασικό παράδειγμα σχεδίου ανθρώπινου υπολογισμού είναι ο Galaxy Zoo, όπου εκατό χιλιάδες εθελοντές βοήθησαν τους αστρονόμους να ταξινομήσουν ένα εκατομμύριο γαλαξίες. Ανοιχτά προγράμματα κλήσεων , από την άλλη πλευρά, είναι ιδανικά κατάλληλα για προβλήματα όπου αναζητάτε νέες και απροσδόκητες απαντήσεις σε σαφώς διατυπωμένες ερωτήσεις. Πρόκειται για σχέδια που στο παρελθόν θα μπορούσαν να έχουν ζητήσει από τους συναδέλφους. Οι συνεισφορές προέρχονται από άτομα που έχουν ειδικές δεξιότητες που σχετίζονται με τις εργασίες και η τελική παραγωγή είναι συνήθως η καλύτερη από όλες τις συνεισφορές. Ένα κλασικό παράδειγμα μιας ανοιχτής κλήσης είναι το βραβείο Netflix, όπου χιλιάδες επιστήμονες και χάκερ εργάστηκαν για την ανάπτυξη νέων αλγορίθμων για την πρόβλεψη των βαθμολογήσεων των ταινιών των πελατών. Τέλος, τα κατανεμημένα έργα συλλογής δεδομένων είναι ιδανικά κατάλληλα για συλλογή δεδομένων μεγάλης κλίμακας. Πρόκειται για έργα τα οποία κατά το παρελθόν θα μπορούσαν να εκτελεστούν από βοηθούς ερευνητικών ερευνητών ή ερευνητικές εταιρείες έρευνας. Οι συνεισφορές προέρχονται συνήθως από ανθρώπους που έχουν πρόσβαση σε τοποθεσίες που οι ερευνητές δεν διαθέτουν και το τελικό προϊόν είναι μια απλή συλλογή των εισφορών. Ένα κλασικό παράδειγμα συλλογής κατανεμημένων δεδομένων είναι το eBird, στο οποίο εκατοντάδες χιλιάδες εθελοντές συνεισφέρουν αναφορές για τα πουλιά που βλέπουν.

Σχήμα 5.1: Σχηματική μαζική συνεργασία. Αυτό το κεφάλαιο είναι οργανωμένο γύρω από τρεις κύριες μορφές μαζικής συνεργασίας: ανθρώπινος υπολογισμός, ανοιχτή κλήση και κατανεμημένη συλλογή δεδομένων. Γενικότερα, η μαζική συνεργασία συνδυάζει ιδέες από πεδία όπως η επιστήμη των πολιτών, το crowdsourcing και η συλλογική νοημοσύνη.

Σχήμα 5.1: Μαζική συνεργασία σχηματική. Αυτό το κεφάλαιο οργανώνεται γύρω από τρεις κύριες μορφές της μαζικής συνεργασίας: την ανθρώπινη υπολογισμό, ανοιχτή πρόσκληση, και διανέμονται συλλογής δεδομένων. Γενικότερα, η μαζική συνεργασία συνδυάζει ιδέες από τομείς όπως η επιστήμη πολίτη, crowdsourcing και συλλογική νοημοσύνη.

Η μαζική συνεργασία έχει μακρά και πλούσια ιστορία σε πεδία όπως η αστρονομία (Marshall, Lintott, and Fletcher 2015) και η οικολογία (Dickinson, Zuckerberg, and Bonter 2010) , αλλά δεν είναι ακόμη συνηθισμένη στην κοινωνική έρευνα. Ωστόσο, περιγράφοντας επιτυχημένα έργα από άλλους τομείς και παρέχοντας μερικές βασικές αρχές οργάνωσης, ελπίζω να σας πείσω για δύο πράγματα. Κατ 'αρχάς, η μαζική συνεργασία μπορεί να αξιοποιηθεί για την κοινωνική έρευνα. Και, δεύτερον, οι ερευνητές που χρησιμοποιούν μαζική συνεργασία θα είναι σε θέση να λύσουν προβλήματα που προηγουμένως φαίνονταν αδύνατο. Παρόλο που η μαζική συνεργασία συχνά προωθείται ως τρόπος εξοικονόμησης χρημάτων, είναι πολύ περισσότερο από αυτό. Όπως θα δείξω, η μαζική συνεργασία δεν μας επιτρέπει μόνο να κάνουμε φτηνότερες τις έρευνες, μας επιτρέπει να κάνουμε καλύτερη έρευνα.

Στα προηγούμενα κεφάλαια, έχετε δει τι μπορεί να μάθει από την επαφή με τους ανθρώπους με τρεις διαφορετικούς τρόπους: παρατηρώντας τη συμπεριφορά τους (Κεφάλαιο 2), δίνοντάς τους ερωτήσεις (Κεφάλαιο 3) και καταγράφοντάς τους σε πειράματα (Κεφάλαιο 4). Σε αυτό το κεφάλαιο, θα σας δείξω τι μπορείτε να μάθετε συμμετέχοντας τους ανθρώπους ως ερευνητές συνεργάτες. Για καθεμία από τις τρεις κύριες μορφές μαζικής συνεργασίας, θα περιγράψω ένα πρωτότυπο παράδειγμα, θα επεξηγήσω σημαντικά πρόσθετα σημεία με περαιτέρω παραδείγματα και τέλος θα περιγράψω πώς αυτή η μορφή μαζικής συνεργασίας μπορεί να χρησιμοποιηθεί για κοινωνική έρευνα. Το κεφάλαιο θα ολοκληρωθεί με πέντε αρχές που θα σας βοηθήσουν να σχεδιάσετε το δικό σας έργο μαζικής συνεργασίας.