5.2.3 Conclusioun

Mënsch Berechnung erlaabt Iech et eng dausend Fuerschung Assistenten ze hunn.

Human Rechenprozeduren kombinéieren d'Aarbecht vu villen net-Experten zesummen fir liicht-task-big-scale Problemer ze léisen, déi net einfach vu Computer geléist sinn. Si benotzen d'Split-Applikatioun-Kombinatiounstrategie fir e grousst Problem an e puer einfache Mikrofaser ze briechen, déi vu Leit ouni spezialiséiert Fäegkeeten geléist kënne ginn. Computer-assistéierte mënschlech Berechnungssysteme benotzen och Maschinn léieren fir de mënschlechen Effort ze verstäerken.

An sozialen Fuerschung sinn mënschlech Rechenprojeten am wahrscheinleche bei Situatiounen agesat ginn, wou Fuerscher d'Klassifizéierung, Code oder Label vun Biller, Videoen oder Texter klasséieren wëllen. Dës Klassifikatiounen sinn normalerweis net de Schlussprodukt vun der Fuerschung; Anescht sinn se d'Rohmaterial fir Analyse. Zum Beispill kann d'Mudermodéierung vu politesche Manifestatiounen als Deel vun der Analyse iwwert d'Dynamik vun der politescher Debatt benotzt ginn. Dës Zort vun Klassifikatiouns-Mikrotasken si wahrscheinlech fir déi beschten Aarbecht, wann se keng spezialiséiert Formatioun maachen an wann et eng grouss Eenegung iwwert d'korrekt Äntwert brauch. Wann d'Klassifikatiounstask méi subjektiv ass, wéi "Ass dës Nouvelleschung virgestallt?" - da gëtt et ëmmer méi wichteg fir ze verstoen, wien deen deelhëllt an wat vereenegen hinnen ze bréngen. Am Endeffekt läit d'Qualitéit vun der Ausgaab vu mënschlechen Rechenprojekten op d'Qualitéit vun den Inputs déi den mënschleche Matspiller ubidden: Müll, Müllverbrauch.

Fir Är Intuition weider ze bauen, gëtt Dësch 5,1 zousätzlech Beispiller wéi d'mënschlech Berechnung an der sozialer Fuerschung benotzt gouf. Dës Tabe weist datt am Géigesaz zu de Galaxie Zoo e puer aner mënschlech Rechentechniken Projeten um Mikrofaser Aarbechtsmaart benotzen (z. B. Amazon Mechanical Turk) a vertrauen op bezuelten Aarbechter anstatt fir Fräiwëlleger. Ech wäert dëst Thema vun der Motivatioun vum Participant nees zréckschécken, wann ech Rotschléi iwwer Äre Schaffowend virstellen.

Table 5.1: Beispiller vu Mënscherezéiungsprojeten an der Sozialforschung
Summary Daten Participanten Referenz
Code politesch Parteie manifestéiert Text Microtask Aarbechtsmaart Benoit et al. (2016)
Extrait Veranstaltungen aus News Artikel iwwer Occupy Protests an 200 US Städte Text Microtask Aarbechtsmaart Adams (2016)
Classify Zeitung Artikelen Text Microtask Aarbechtsmaart Budak, Goel, and Rao (2016)
Entdeckt event Informatioune vu Diareschstater vun den Zaldoten am Weltkrich 1 Text Bénévolat Grayson (2016)
Entdeckt Verännerungen op Kaarte Biller Microtask Aarbechtsmaart Soeller et al. (2016)
Kontrolléiert algorithmesch Kodéierung Text Microtask Aarbechtsmaart Porter, Verdery, and Gaddis (2016)

Endlech, kann d'Beispiller vun dëser Rubrik weisen dass mënschlech Berechnung engem democratizing Impakt op Wëssenschaft hunn. Réckruff, datt Schawinski an Lintott sech Studenten wann se Galaxy Zoo huet. Virum der digitaler Ära, engem Projet eng Millioun Galaxis Klassifikatioun sou vill Zäit a Suen néideg hätt fir klassifizéieren, datt et nëmmen praktesch schonn hätt fir gutt-finanzéiert a Patient Proffen. Dat ass net méi richteg. Mënsch Berechnung Projete verbanne d'Aarbecht vu villen Net-Expert ze léisen einfach-Task-grouss-Skala Problemer. Next, ëch dir weisen, datt Mass Zesummenaarbecht och zu Problemer déi Expertise verlaangen applizéiert ginn, Expertise, datt souguer d'Fuerscher sech net kéinten.