5.1 Pendahuluan

Wikipedia itu luar biasa. Kolaborasi massa relawan menciptakan ensiklopedia yang fantastis yang tersedia untuk semua orang. Kunci keberhasilan Wikipedia bukanlah pengetahuan baru; sebaliknya, ini adalah bentuk kolaborasi baru. Era digital, untungnya, memungkinkan banyak bentuk kolaborasi baru. Jadi, sekarang kita harus bertanya: Apa masalah ilmiah besar - masalah yang tidak dapat kita pecahkan secara individu - dapatkah kita sekarang bekerja bersama?

Kolaborasi dalam penelitian bukan hal yang baru, tentu saja. Apa yang baru, bagaimanapun, adalah bahwa era digital memungkinkan kolaborasi dengan set jauh lebih besar dan lebih beragam dari orang: miliaran orang di seluruh dunia dengan akses Internet. Saya berharap bahwa ini kolaborasi massal baru akan menghasilkan hasil yang luar biasa bukan hanya karena jumlah orang yang terlibat tetapi juga karena beragam keterampilan dan perspektif. Bagaimana kita dapat menggabungkan semua orang dengan koneksi internet ke dalam proses penelitian kami? Apa yang bisa Anda lakukan dengan 100 asisten penelitian? Bagaimana 100.000 kolaborator terampil?

Ada banyak bentuk kolaborasi massa, dan para ilmuwan komputer biasanya mengatur mereka ke dalam sejumlah besar kategori berdasarkan karakteristik teknis mereka (Quinn and Bederson 2011) . Dalam bab ini, saya akan mengkategorikan proyek kolaborasi massal berdasarkan bagaimana mereka dapat digunakan untuk penelitian sosial. Secara khusus, saya pikir akan sangat membantu untuk membedakan secara kasar antara tiga jenis proyek: perhitungan manusia , panggilan terbuka , dan pengumpulan data terdistribusi (gambar 5.1).

Saya akan menjelaskan masing-masing jenis ini secara lebih rinci nanti di bab ini, tetapi untuk sekarang mari saya jelaskan masing-masing secara singkat. Proyek komputasi manusia sangat sesuai untuk masalah-masalah berskala besar dengan tugas mudah seperti memberi label sejuta gambar. Ini adalah proyek yang di masa lalu mungkin telah dilakukan oleh asisten penelitian sarjana. Kontribusi tidak memerlukan keterampilan yang berhubungan dengan tugas, dan hasil akhir biasanya rata-rata dari semua kontribusi. Contoh klasik dari proyek komputasi manusia adalah Kebun Binatang Galaxy, di mana seratus ribu sukarelawan membantu para astronom mengklasifikasikan sejuta galaksi. Proyek panggilan terbuka , di sisi lain, sangat cocok untuk masalah di mana Anda mencari jawaban baru dan tak terduga untuk pertanyaan yang dirumuskan dengan jelas. Ini adalah proyek yang di masa lalu mungkin melibatkan bertanya pada rekan kerja. Kontribusi berasal dari orang-orang yang memiliki keterampilan khusus yang berhubungan dengan tugas, dan hasil akhir biasanya yang terbaik dari semua kontribusi. Contoh klasik dari panggilan terbuka adalah Hadiah Netflix, di mana ribuan ilmuwan dan peretas bekerja untuk mengembangkan algoritme baru untuk memprediksi peringkat film pelanggan. Akhirnya, proyek pengumpulan data terdistribusi secara ideal cocok untuk pengumpulan data skala besar. Ini adalah proyek yang di masa lalu mungkin telah dilakukan oleh asisten penelitian sarjana atau perusahaan penelitian survei. Kontribusi biasanya datang dari orang-orang yang memiliki akses ke lokasi yang tidak dilakukan oleh peneliti, dan produk akhir adalah kumpulan sumbangan sederhana. Contoh klasik dari pengumpulan data terdistribusi adalah eBird, di mana ratusan ribu relawan menyumbangkan laporan tentang burung yang mereka lihat.

Gambar 5.1: Skema kolaborasi massa. Bab ini disusun sekitar tiga bentuk utama kolaborasi massa: perhitungan manusia, panggilan terbuka, dan pengumpulan data terdistribusi. Secara umum, kolaborasi massa menggabungkan ide-ide dari bidang-bidang seperti sains warga, crowdsourcing, dan kecerdasan kolektif.

Gambar 5.1: Mass kolaborasi skema. Bab ini diselenggarakan sekitar tiga bentuk utama dari kolaborasi massa: perhitungan manusia, panggilan terbuka, dan pengumpulan data terdistribusi. Lebih umum, kolaborasi massa menggabungkan ide dari bidang-bidang seperti ilmu pengetahuan warga, crowdsourcing, dan kecerdasan kolektif.

Kolaborasi massa memiliki sejarah yang panjang dan kaya di bidang-bidang seperti astronomi (Marshall, Lintott, and Fletcher 2015) dan ekologi (Dickinson, Zuckerberg, and Bonter 2010) , tetapi belum umum dalam penelitian sosial. Namun, dengan menggambarkan proyek yang sukses dari bidang lain dan memberikan beberapa prinsip pengorganisasian utama, saya berharap dapat meyakinkan Anda tentang dua hal. Pertama, kolaborasi massa dapat dimanfaatkan untuk penelitian sosial. Dan, kedua, peneliti yang menggunakan kolaborasi massa akan dapat memecahkan masalah yang sebelumnya tampak mustahil. Meskipun kolaborasi massa sering dipromosikan sebagai cara untuk menghemat uang, itu jauh lebih dari itu. Seperti yang akan saya tunjukkan, kolaborasi massa tidak hanya memungkinkan kami untuk melakukan penelitian lebih murah , ini memungkinkan kami untuk melakukan penelitian lebih baik .

Dalam bab-bab sebelumnya, Anda telah melihat apa yang dapat dipelajari dengan melibatkan orang-orang dalam tiga cara berbeda: mengamati perilaku mereka (Bab 2), mengajukan pertanyaan kepada mereka (Bab 3), dan mendaftarkan mereka dalam eksperimen (Bab 4). Dalam bab ini, saya akan menunjukkan kepada Anda apa yang dapat dipelajari dengan melibatkan orang sebagai kolaborator riset. Untuk masing-masing dari tiga bentuk utama kolaborasi massa, saya akan menjelaskan contoh prototipikal, mengilustrasikan poin tambahan yang penting dengan contoh lebih lanjut, dan akhirnya menjelaskan bagaimana bentuk kolaborasi massa ini dapat digunakan untuk penelitian sosial. Bab ini akan diakhiri dengan lima prinsip yang dapat membantu Anda merancang proyek kolaborasi massa Anda sendiri.