5.2.3 Päätelmät

Ihmisen laskenta mahdollistaa on tuhat tutkimusapulaista.

Ihmisen laskenta projekteja yhdistää työtä monia ei-asiantuntijat ratkaista helposti tehtävä-iso mittakaavan ongelmiin, joita ei ole helppo ratkaista tietokoneella. He käyttävät jaetun soveltaa-yhdistyvät strategia rikkoa suuri ongelma osiin yksinkertaisten mikro-tehtäviä, jotka voidaan ratkaista ihmisiä ilman erityisosaamista. Toisen sukupolven ihmisen laskennan järjestelmät myös käyttää koneoppimisen jotta monistamiseen ihmisen vaivaa.

Yhteiskuntatutkimuksen, ihmisen laskennan hankkeet ovat todennäköisimmin käytetään tilanteissa, joissa tutkijat haluavat luokitella, koodin tai etiketti kuvia, videota, tai tekstejä. Nämä luokitukset eivät ole päämäärä; ne ovat raaka-aineiden tutkimukseen. Esimerkiksi syrjäytä koodaus poliittisten manifesteja voitaisiin käyttää testaamaan teorioita dynamiikkaa huomiota kohti muuttoliikettä.

Jotta edelleen rakentaa intuitio, Taulukko 5.1 tarjoaa lisää esimerkkejä siitä, miten ihmisen laskenta on käytetty yhteiskuntatutkimuksen. Tämä taulukko osoittaa, että toisin kuin Galaxy Zoo, monet muut ihmisen laskennan projektit käyttävät mikro-tehtävän työmarkkinat (esim Amazon Mechanical Turk). Palaan tähän kysymykseen osallistujan motivaatio kun antaa neuvoja luoda oman massan yhteistyöprojekti.

Taulukko 5.1: Esimerkkejä ihmisen laskennan projekteja yhteiskuntatutkimuksen.
Yhteenveto data osallistujat lainaus
koodaus puolueohjelmista teksti mikro-tehtävä työmarkkinoiden Benoit et al. (2015)
poimia tapahtuma tietoja Uutisartikkeleita Occupy mielenosoitukset 200 Yhdysvaltain kaupungeissa teksti mikro-tehtävä työmarkkinoiden Adams (2014)
luokittelu lehtiartikkelit teksti mikro-tehtävä työmarkkinoiden Budak, Goel, and Rao (2016)
talteen tapahtuma tietoja päiväkirjoja sotilaat maailmansodan 1 teksti vapaaehtoiset Grayson (2016)
muutosten havaitsemiseksi kartat kuvien mikro-tehtävä työmarkkinoiden Soeller et al. (2016)

Lopuksi tämän osan esimerkit osoittavat, että ihmisen laskenta voi olla demokratisoida vaikutus tieteeseen. Recall, että Schawinski ja Lintott olivat opiskelijat, kun he alkoivat Galaxy Zoo. Ennen digitaaliaikaan, hanke luokitella miljoona Galaxy luokitus olisi vaatinut niin paljon aikaa ja rahaa, että se olisi ollut vain käytännöllinen hyvin rahoitettu ja potilaan professorit. Se ei ole enää totta. Ihmisen laskenta projekteja yhdistää työtä monia ei-asiantuntijat ratkaista helposti tehtävä-iso mittakaavan ongelmia. Seuraavaksi näytän, että massa yhteistyö voidaan soveltaa myös ongelmia, jotka vaativat osaamista, asiantuntemusta että vaikka tutkija itse ei ehkä ole.