5.1はじめに

ウィキペディアは素晴らしいです。ボランティアの大規模な共同作業により、誰もが利用できる素晴らしい百科事典が作成されました。ウィキペディアの成功への鍵は新しい知識ではなかった。むしろ、新しい形のコラボレーションでした。デジタル時代は、幸いにも、多くの新しい形のコラボレーションを可能にします。したがって、私たちは今質問するべきです:私たちが個別に解決できなかった膨大な科学的問題は、今一緒に取り組むことができますか?

研究のコラボレーションはもちろん、新しいもの、ではありません。インターネットにアクセスできる、世界中の数十億人の人々:新しいは何ですか、しかし、デジタル時代は、人々のはるかに大きく、より多様なセットとのコラボレーションを可能にすることです。私は、これらの新しいマスコラボレーションが伴うため、人々の数のだけでなく、それらの多様なスキルや視点だけではなく、驚くべき結果が得られることを期待しています。どのように我々は我々の研究プロセスにインターネットに接続しているすべての人を組み込むことができますか?あなたは100の研究助手と何ができますか?何約100,000熟練した協力者?

大量の共同作業には多くの形式があり、コンピュータ科学者は通常、それらを技術的特性に基づいて多数のカテゴリに分類します(Quinn and Bederson 2011) 。しかし、この章では、社会的研究にどのように利用できるかに基づいて、大量の共同作業プロジェクトを分類します。具体的には、 人間の計算公開コール分散データ収集の 3つのタイプ(図5.1)を大まかに区別することが役立つと思います。

これらのタイプについては、後ほど詳しく説明しますが、ここでは簡単に説明します。 人間の計算プロジェクトは、簡単な作業、すなわち、万枚の画像のラベリングなどの大きな問題に理想的です。これらは、過去に学部の研究助手によって行われたかもしれないプロジェクトです。貢献はタスク関連のスキルを必要とせず、最終的なアウトプットは通常、すべての貢献の平均です。人間の計算プロジェクトの古典的な例は、Galaxy Zooです。そこでは、100,000人のボランティアが、天文学者が100万個の銀河を分類するのを手助けしました。一方、 オープン・コール・プロジェクトは、明確に定式化された質問に対する斬新で予期せぬ答えを求めている問題に理想的です。これらは過去に同僚に尋ねることに関わったかもしれないプロジェクトです。貢献は特別な仕事関連スキルを持つ人々から来ており、最終的な成果は通常、すべての貢献の中で最高です。オープンコールの古典的な例として、Netflix Prizeがあります。この賞では、何千人もの科学者とハッカーが顧客の映画評価を予測する新しいアルゴリズムの開発に携わっています。最後に、 分散型データ収集プロジェクトは、大規模なデータ収集に最適です。これらは過去に、学部の研究助手や調査研究会社が行っていたかもしれないプロジェクトです。貢献は、通常、研究者がアクセスできない場所にアクセスしている人から来ており、最終製品は単純な寄稿集です。分散データ収集の古典的な例はeBirdです。数十万人のボランティアが、彼らが見ている鳥類に関する報告を寄稿しています。

図5.1:一括コラボレーション図。この章では、ヒューマンコンピューティング、オープンコール、分散データ収集の3つの主要なコラボレーションの形態について説明します。より一般的には、マス・コラボレーションは、市民科学、クラウドソーシング、および集合知などの分野のアイデアを組み合わせています。

図5.1:マスコラボレーション概略図。人間の計算、オープンコール、および分散データ収集:この章では、マス・コラボレーションの三つの主要な形態を中心に構成されています。より一般的には、マスコラボレーションは、このような市民科学、クラウドソーシング、および集団的知性などの分野からアイデアを兼ね備えています。

マス・コラボレーションは、天文学(Marshall, Lintott, and Fletcher 2015)や生態学(Dickinson, Zuckerberg, and Bonter 2010)などの分野で長い歴史がありますが、社会調査ではまだ一般的ではありません。しかし、成功したプロジェクトを他の分野から説明し、いくつかの主要な組織理念を提供することによって、私はあなたに2つのことを納得させることを願っています。まず、ソーシャルリサーチのための大規模な共同作業が可能になります。そして、第二に、大量の共同作業を使用する研究者は、以前は不可能と思われていた問題を解決することができます。大量の共同作業は、しばしば費用を節約する方法として促進されますが、それ以上のものです。私が示すように、大規模な共同作業は単に研究費を安くするだけではなく、研究をより良くすることができます。

前の章では、行動を観察する(第2章)、質問をする(第3章)、実験に登録する(第4章)という3つの異なる方法で人々と関わり、何が学べるかを見てきました。この章では、人々を研究協力者として関与させることでどのようなことが学べるかを示します。 3つの主要なコラボレーションのそれぞれについて、プロトタイプの例を説明し、重要な追加点をさらに例を挙げて説明し、最後にこのような形式の共同作業をソーシャルリサーチに使用する方法について説明します。この章では、独自の大規模な共同作業プロジェクトの設計に役立つ5つの原則を締結します。