5.2.3 Következtetések

Emberi számítás lehetővé teszi, hogy egy ezer kutatási asszisztens.

Emberi számítás projektek egyesítik a munka sok, nem szakértő, hogy megoldja könnyen feladat-nagy léptékű problémák, amelyek nem könnyen megoldható a számítógépek. Ezek használata az osztott alkalmazni egyesíteni stratégia törni egy nagy probléma a sok egyszerű mikro-feladatokat lehet megoldani az emberek nélkül a szakértelem. A második generációs emberi számítás rendszerek is használják a gépi tanulás érdekében, hogy megerősítsék az emberi erőfeszítés.

A társadalmi kutatások, az emberi számítás projektek nagy valószínűséggel használható olyan helyzetekben, amikor a kutatók szeretnék osztályozni, kód, vagy a címkét képeket, videókat vagy szövegeket. Ez az osztályozás nem cél; azok a nyersanyagok kutatás. Például, a tömeg-kódolását politikai kiáltványok lehetne használni, hogy teszteljék elméletek a dinamika figyelem felé migráció.

Annak érdekében, hogy tovább építeni az intuíció, 5.1 táblázat további példát arra, hogyan emberi számítás óta használják a társadalmi kutatások. Ez a táblázat azt mutatja, hogy ellentétben a Galaxy Zoo, számos más emberi számítás projektek használja a mikro-feladat munkaerőpiacok (pl Amazon Mechanical Turk). Majd visszatér erre a kérdésre a résztvevők motivációja, amikor tanácsot ad létre saját tömege együttműködési projektben.

5.1 táblázat: Példák az emberi számítás projektek társadalomkutatás.
összefoglalás Adat A résztvevők Idézet
kódolás fél manifesztumokban szöveg mikro-feladat a munkaerő-piaci Benoit et al. (2015)
kivonat esemény információt hírcikkekre elfoglalva Tüntetések 200 amerikai városban szöveg mikro-feladat a munkaerő-piaci Adams (2014)
besorolása újságcikkek szöveg mikro-feladat a munkaerő-piaci Budak, Goel, and Rao (2016)
kitermelése esemény adatait a naplóban a katonák World War 1 szöveg önkéntesek Grayson (2016)
változások kimutatására térképek képek mikro-feladat a munkaerő-piaci Soeller et al. (2016)

Végül a szakasz példái azt mutatják, hogy az emberi számítás lehet egy demokratizálásának hatása a tudomány. Emlékezzünk, hogy Schawinski és Lintott volt végzős hallgatók, mikor kezdtek Galaxy Zoo. Mielőtt a digitális korban, a projekt minősítheti millió galaxis osztályozás lett volna szükség, így sok időt és pénzt, hogy ez eddig csak praktikus, jól finanszírozott és a beteg professzorok. Ez már nem igaz. Emberi számítás projektek egyesítik a munka sok, nem szakértő, hogy megoldja könnyen feladat-nagy léptékű problémákat. Ezután megmutatom, hogy a tömeges együttműködés is alkalmazható problémák, amelyek szakértelmet igényelnek, a szakértelem, hogy még a kutató maga talán nem.