Bit By Bit: Social Research in the Digital Age
  • ກ່ຽວກັບ
    • ເປີດການທົບທວນຄືນ
    • ການຂຽນກ່າວອ້າງ
    • ລະຫັດ
    • ກ່ຽວກັບຜູ້ຂຽນ
    • ຄວາມເປັນສ່ວນຕົວແລະການຍິນຍອມເຫັນດີ
  • ພາສາ
    • English
    • Afrikaans
    • Albanian
    • Amharic
    • Arabic
    • Armenian
    • Azerbaijani
    • Basque
    • Belarusian
    • Bengali
    • Bosnian
    • Bulgarian
    • Catalan
    • Cebuano
    • Chichewa
    • Chinese Simplified
    • Chinese Traditional
    • Corsican
    • Croatian
    • Czech
    • Danish
    • Dutch
    • Esperanto
    • Estonian
    • Filipino
    • Finnish
    • French
    • Frisian
    • Galician
    • Georgian
    • German
    • Greek
    • Gujarati
    • Haitian Creole
    • Hausa
    • Hawaiian
    • Hebrew
    • Hindi
    • Hmong
    • Hungarian
    • Icelandic
    • Igbo
    • Indonesian
    • Irish
    • Italian
    • Japanese
    • Javanese
    • Kannada
    • Kazakh
    • Khmer
    • Korean
    • Kurdish (Kurmanji)
    • Kyrgyz
    • Lao
    • Latin
    • Latvian
    • Lithuanian
    • Luxembourgish
    • Macedonian
    • Malagasy
    • Malay
    • Malayalam
    • Maltese
    • Maori
    • Marathi
    • Mongolian
    • Myanmar (Burmese)
    • Nepali
    • Norwegian
    • Pashto
    • Persian
    • Polish
    • Portuguese
    • Punjabi
    • Romanian
    • Russian
    • Samoan
    • Scots Gaelic
    • Serbian
    • Sesotho
    • Shona
    • Sindhi
    • Sinhala
    • Slovak
    • Slovenian
    • Somali
    • Spanish
    • Sudanese
    • Swahili
    • Swedish
    • Tajik
    • Tamil
    • Telugu
    • Thai
    • Turkish
    • Ukrainian
    • Urdu
    • Uzbek
    • Vietnamese
    • Welsh
    • Xhosa
    • Yiddish
    • Yoruba
    • Zulu
  • Teaching
  • Media
  • Read Online
  • ຊື້ຫນັງສື
    • Princeton University Press
    • Amazon
    • Barnes and Noble
    • IndieBound
  • ພາກສະເຫນີ
  • 1 ການນໍາສະເຫນີ
    • 1.1 ເປັນ blot ຫມຶກ
    • 1.2 ຍິນດີຕ້ອນຮັບອາຍຸສູງສຸດດິຈິຕອນ
    • 1.3 ການອອກແບບການວິໄຈ
    • 1.4 ຫົວຂໍ້ຂອງຫນັງສືເຫຼັ້ມນີ້
    • 1.5 ຂອງປຶ້ມນີ້
    • ສິ່ງທີ່ອ່ານຕໍ່ໄປ
  • 2 ພຶດຕິກໍາການສັງເກດ
    • 2.1 ການນໍາສະເຫນີ
    • 2.2 ຂໍ້ມູນທີ່ໃຫຍ່
    • 2.3 ລັກສະນະທົ່ວໄປຂອງສິບຂໍ້ມູນໃຫຍ່
      • 2.3.1 Big
      • 2.3.2 ສະເຫມີໄປ
      • 2.3.3 Nonreactive
      • 2.3.4 ບໍ່ຄົບຖ້ວນ
      • 2.3.5 ບໍ່ສາມາດເຂົ້າເຖິງໄດ້
      • 2.3.6 Nonrepresentative
      • 2.3.7 Drifting
      • 2.3.8 Algorithmically confounded
      • 2.3.9 ເປື້ອນ
      • 2.3.10 Sensitive
    • 2.4 ຍຸດທະສາດການຄົ້ນຄວ້າ
      • 2.4.1 ສິ່ງທີ່ນັບ
      • 2.4.2 ພະຢາກອນແລະ Nowcasting
      • 2.4.3 ປະສົບການປະມານ
    • 2.5 ສະຫຼຸບ
    • ບັນທຶກຄະນິດສາດ
    • ສິ່ງທີ່ອ່ານຕໍ່ໄປ
    • ກິດຈະກໍາ
  • 3 ຄໍາຖາມຖາມ
    • 3.1 ການນໍາສະເຫນີ
    • 3.2 ທຽບກັບການສັງເກດການ
    • 3.3 ຂອບຄວາມຜິດພາດການສໍາຫຼວດທັງຫມົດ
      • 3.3.1 ການເປັນຕົວແທນ
      • 3.3.2 ວັດ
      • 3.3.3 ຄ່າໃຊ້ຈ່າຍ
    • 3.4 ຜູ້ທີ່ຈະຮ້ອງຂໍໃຫ້
    • 3.5 ວິທີການໃຫມ່ຂອງການສະເຫນີຂໍຄໍາຖາມ
      • 3.5.1 ການປະເມີນຜົນ momentary ລະບົບນິເວດ
      • 3.5.2 ການສໍາຫຼວດວິກິພີເດຍ
      • 3.5.3 Gamification
    • 3.6 ການສໍາຫຼວດທີ່ກ່ຽວຂ້ອງກັບແຫຼ່ງຂໍ້ມູນໃຫຍ່
      • 3.6.1 Enriched asking
      • 3.6.2 ຮ້ອງຂໍຂະຫຍາຍ
    • 3.7 ສະຫຼຸບ
    • ບັນທຶກຄະນິດສາດ
    • ສິ່ງທີ່ອ່ານຕໍ່ໄປ
    • ກິດຈະກໍາ
  • 4 ປະສົບການເຮັດວຽກ
    • 4.1 ການນໍາສະເຫນີ
    • 4.2 ຈະເປັນແນວໃດການທົດລອງ?
    • 4.3 ທັງສອງຂະຫນາດຂອງປະສົບການ: ການທົດລອງພາກສະຫນາມແລະການປຽບທຽບ, ດິຈິຕອນ
    • 4.4 ການເຄື່ອນຍ້າຍຫຼັງຈາກປະສົບງ່າຍດາຍ
      • 4.4.1 ຕັ້ງແຕ່ວັນທີ່
      • 4.4.2 ທີ່ແຕກຕ່າງຂອງຜົນກະທົບການປິ່ນປົວ
      • 4.4.3 ກົນໄກ
    • 4.5 ການເຮັດໃຫ້ມັນເກີດຂຶ້ນ
      • 4.5.1 ໃຊ້ສະພາບແວດລ້ອມທີ່ມີຢູ່
      • 4.5.2 ສ້າງການທົດລອງຂອງທ່ານເອງ
      • 4.5.3 ສ້າງຜະລິດຕະພັນຂອງທ່ານເອງ
      • 4.5.4 ຄູ່ຮ່ວມງານທີ່ມີອໍານາດ
    • 4.6 ແນະນໍາ
      • 4.6.1 ສ້າງສູນຂໍ້ມູນຄ່າໃຊ້ຈ່າຍຂອງຕົວປ່ຽນແປງ
      • 4.6.2 ສ້າງຈັນຍາບັນໃນການອອກແບບຂອງທ່ານ: ແທນ, ປັບປຸງແລະຫຼຸດຜ່ອນ
    • 4.7 ສະຫຼຸບ
    • ບັນທຶກຄະນິດສາດ
    • ສິ່ງທີ່ອ່ານຕໍ່ໄປ
    • ກິດຈະກໍາ
  • 5 ການສ້າງການຮ່ວມມືຢ່າງຫຼວງຫຼາຍ
    • 5.1 ການນໍາສະເຫນີ
    • 5.2 ຄອມພິວເຕີຂອງມະນຸດ
      • 5.2.1 Zoo Galaxy
      • 5.2.2 ທີ່ແອອັດ, ການເຂົ້າລະຫັດຂອງ manifesto ທາງດ້ານການເມືອງ
      • 5.2.3 ສະຫຼຸບ
    • 5.3 ເປີດການໂທ
      • 5.3.1 ລາງວັນ Netflix
      • 5.3.2 Foldit
      • 5.3.3 Peer-to-ສິດທິບັດ
      • 5.3.4 ສະຫຼຸບ
    • 5.4 ເກັບກໍາຂໍ້ມູນການແຜ່ກະຈາຍ
      • 5.4.1 eBird
      • 5.4.2 PhotoCity
      • 5.4.3 ສະຫຼຸບ
    • 5.5 ການອອກແບບຂອງທ່ານເອງ
      • 5.5.1 ຜູ້ເຂົ້າຮ່ວມກະຕຸກຊຸກຍູ້
      • 5.5.2 heterogeneity Leverage
      • 5.5.3 ເອົາໃຈໃສ່ສຸມໃສ່ການ
      • 5.5.4 ເຮັດໃຫ້ແປກໃຈ
      • 5.5.5 ຈະລິຍະທໍາ
      • 5.5.6 ຄໍາແນະນໍາການອອກແບບສຸດທ້າຍ
    • 5.6 ສະຫຼຸບ
    • ສິ່ງທີ່ອ່ານຕໍ່ໄປ
    • ກິດຈະກໍາ
  • 6 ຈັນຍາບັນ
    • 6.1 ການນໍາສະເຫນີ
    • 6.2 ສາມຕົວຢ່າງ
      • 6.2.1 Contagion ອາລົມ
      • 6.2.2 ຄວາມສຸກ, ສາຍພົວ, ແລະເວລາ
      • 6.2.3 Encore
    • 6.3 ດິຈິຕອນທີ່ແຕກຕ່າງກັນ
    • 6.4 ສີ່ຫຼັກການພື້ນຖານ
      • 6.4.1 ເຄົາລົບສໍາລັບບຸກຄົນ
      • 6.4.2 Beneficence
      • 6.4.3 ຍຸຕິທໍາ
      • 6.4.4 ການເຄົາລົບກົດຫມາຍແລະການສາທາລະນະທີ່ຫນ້າສົນໃຈ
    • 6.5 ກອບດ້ານຈັນຍາບັນ
    • 6.6 ພື້ນທີ່ຂອງຄວາມຫຍຸ້ງຍາກ
      • 6.6.1 ຍິນຍອມເຫັນດີຂໍ້ມູນ
      • 6.6.2 ຄວາມເຂົ້າໃຈແລະການຄຸ້ມຄອງຄວາມສ່ຽງຕໍ່ການຂໍ້ມູນຂ່າວສານ
      • 6.6.3 ຄວາມເປັນສ່ວນຕົວ
      • 6.6.4 ການຕັດສິນໃຈເຮັດໃນໃບຫນ້າຂອງຄວາມບໍ່ແນ່ນອນ
    • 6.7 ເຄັດລັບພາກປະຕິບັດ
      • 6.7.1 ການ IRB ເປັນຊັ້ນ, ບໍ່ມີເພດານ
      • 6.7.2 ເອົາໃຈໃສ່ຕົວເອງໃນເກີບທຸກຄົນອື່ນ
      • 6.7.3 ຄິດຂອງຈະລິຍະທໍາການຄົ້ນຄວ້າຢ່າງຕໍ່ເນື່ອງ, ບໍ່ການຕັດສິນໃຈ
    • 6.8 ສະຫຼຸບ
    • ເອກະສານຊ້ອນປະຫວັດສາດ
    • ສິ່ງທີ່ອ່ານຕໍ່ໄປ
    • ກິດຈະກໍາ
  • 7 ໃນອະນາຄົດ
    • 7.1 Looking forward
    • 7.2 ທີມຂອງອະນາຄົດ
      • 7.2.1 ການຜະສົມຜະສານການ readymades ແລະ custommades
      • 7.2.2 ເກັບກໍາຂໍ້ມູນຂອງຜູ້ເຂົ້າຮ່ວມເປັນຈຸດສູນກາງ
      • 7.2.3 ຈັນຍາບັນໃນການອອກແບບການວິໄຈ
    • 7.3 ກັບຄືນໄປບ່ອນການເລີ່ມຕົ້ນ
  • ຂອບໃຈ
  • ເອກະສານ
ການແປພາສານີ້ໄດ້ສ້າງຕັ້ງຂື້ນໂດຍຄອມພິວເຕີ. ×

ສິ່ງທີ່ອ່ານຕໍ່ໄປ

  • ການແນະນໍາ (ພາກ 5.1)

ເຮັດວຽກຮ່ວມກັນມະຫາຊົນປະກອບຄວາມຄິດເຫັນຈາກວິທະຍາສາດພົນລະເມືອງ, crowdsourcing, ແລະທາງການລວບລວມ. ວິທະຍາສາດຂອງພົນລະເມືອງປົກກະຕິແລ້ວຫມາຍຄວາມວ່າ "ພົນລະເມືອງ" (ຕົວຢ່າງ, ນັກວິທະຍາສາດ) ໃນຂະບວນການວິທະຍາສາດ; ສໍາລັບຫຼາຍ, ເບິ່ງ Crain, Cooper, and Dickinson (2014) ແລະ Bonney et al. (2014) . Crowdsourcing ມັກຈະຫມາຍຄວາມວ່າບັນຫາທີ່ຖືກແກ້ໄຂໂດຍທົ່ວໄປພາຍໃນອົງການຈັດຕັ້ງແລະແທນທີ່ຈະເອົາມັນມາໃຫ້ແກ່ກຸ່ມ; ສໍາລັບຫຼາຍ, ເບິ່ງ Howe (2009) . ຂໍ້ມູນທົ່ວໄປມັກຈະຫມາຍເຖິງກຸ່ມບຸກຄົນທີ່ປະຕິບັດຮ່ວມກັນໂດຍວິທີທີ່ເບິ່ງຄືວ່າເປັນທາງ; ສໍາລັບການຫຼາຍ, ເບິ່ງ Malone and Bernstein (2015) . Nielsen (2012) ແມ່ນຄໍາແນະນໍາທີ່ມີຄວາມຍາວໃນປື້ມບັນທຶກຂອງພະລັງງານຂອງການເຮັດວຽກຮ່ວມກັນສໍາລັບການຄົ້ນຄວ້າວິທະຍາສາດ.

ມີຫຼາຍປະເພດຂອງການຮ່ວມມືຫຼາຍຢ່າງທີ່ບໍ່ເຫມາະສົມກັບສາມປະເພດທີ່ຂ້ອຍໄດ້ສະເຫນີແລະຂ້ອຍຄິດວ່າສາມອັນນີ້ຄວນມີຄວາມສົນໃຈພິເສດເພາະວ່າມັນອາດຈະເປັນປະໂຫຍດຕໍ່ການຄົ້ນຄວ້າທາງດ້ານສັງຄົມ. ຕົວຢ່າງຫນຶ່ງແມ່ນການຄາດຄະເນຕະຫຼາດ, ບ່ອນທີ່ຜູ້ເຂົ້າຮ່ວມຊື້ແລະສັນຍາການຄ້າທີ່ສາມາດໄຖ່ໄດ້ໂດຍອີງຕາມຜົນໄດ້ຮັບທີ່ເກີດຂຶ້ນໃນໂລກ. ການຄາດຄະເນຕະຫຼາດມັກຈະຖືກນໍາໃຊ້ໂດຍບໍລິສັດແລະລັດຖະບານສໍາລັບການຄາດຄະເນແລະພວກມັນໄດ້ຖືກນໍາໃຊ້ໂດຍນັກຄົ້ນຄວ້າສັງຄົມເພື່ອຄາດຄະເນການທົດລອງການເຜີຍແຜ່ໃນການສຶກສາທາງຈິດໃຈ (Dreber et al. 2015) . ສໍາລັບສະພາບລວມຂອງຕະຫຼາດການຄາດຄະເນ, ເບິ່ງ Wolfers and Zitzewitz (2004) ແລະ Arrow et al. (2008)

ຕົວຢ່າງທີສອງທີ່ບໍ່ເຫມາະສົມກັບໂຄງການປະເພດຂອງຂ້ອຍແມ່ນໂຄງການ PolyMath, ບ່ອນທີ່ນັກຄົ້ນຄວ້າຮ່ວມມືກັບບລັອກແລະ wiki ເພື່ອສະແດງທິດສະດີຄະນິດສາດໃຫມ່. ໂຄງການ PolyMath ແມ່ນຢູ່ໃນບາງວິທີທີ່ຄ້າຍຄືກັນກັບລາງວັນ Netflix, ແຕ່ໃນຜູ້ເຂົ້າຮ່ວມໂຄງການນີ້ຫຼາຍກວ່າກໍ່ສ້າງຂື້ນໃນທາງແກ້ໄຂສ່ວນຫນຶ່ງຂອງຄົນອື່ນ. ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບໂຄງການ PolyMath, ເບິ່ງ Gowers and Nielsen (2009) , Cranshaw and Kittur (2011) , Nielsen (2012) , ແລະ Kloumann et al. (2016)

ຕົວຢ່າງທີສາມທີ່ບໍ່ເຫມາະສົມກັບແຜນການຈັດປະເພດຂອງຂ້ອຍແມ່ນການເຄື່ອນໄຫວທີ່ໃຊ້ເວລາຕາມຄວາມຕ້ອງການເຊັ່ນ: ທ້າວທ້າວເຄືອຂ່າຍໂຄງການຄົ້ນຄວ້າຂັ້ນສູງ (DARPA). ສໍາລັບການເພີ່ມເຕີມກ່ຽວກັບການເຄື່ອນໄຫວທີ່ໃຊ້ເວລາທີ່ລະອຽດອ່ອນເຫຼົ່ານີ້ເບິ່ງ Pickard et al. (2011) , Tang et al. (2011) , ແລະ Rutherford et al. (2013)

  • ການຄິດໄລ່ມະນຸດ (ພາກ 52)

ຄໍາວ່າ "ການຄໍານວນຂອງມະນຸດ" ອອກມາຈາກການເຮັດວຽກໂດຍນັກວິທະຍາສາດຄອມພິວເຕີແລະຄວາມເຂົ້າໃຈໃນສະພາບການຂອງການຄົ້ນຄວ້ານີ້ຈະຊ່ວຍປັບປຸງຄວາມສາມາດຂອງທ່ານໃນການເລືອກເອົາບັນຫາທີ່ອາດເຫມາະສົມກັບມັນ. ສໍາລັບວຽກງານບາງຢ່າງ, ຄອມພິວເຕີແມ່ນມີປະສິດທິພາບ incredibly, ມີຄວາມສາມາດທີ່ສູງກວ່າຜູ້ທີ່ຂອງຜູ້ຊ່ຽວຊານແມ້ກະທັ້ງ. ຕົວຢ່າງ, ໃນ chess, ຄອມພິວເຕີສາມາດຕີໄດ້ເຖິງແມ່ນວ່ານາຍຈ້າງທີ່ດີທີ່ສຸດ. ແຕ່ - ແລະນີ້ແມ່ນການປະຕິບັດໂດຍນັກວິທະຍາສາດສັງຄົມຫນ້ອຍ - ສໍາລັບວຽກງານອື່ນໆ, ຄອມພິວເຕີແມ່ນຕົວຈິງແລ້ວຫຼາຍກ່ວາຄົນອື່ນ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ໃນປັດຈຸບັນທ່ານກໍ່ດີກ່ວາຄອມພິວເຕີທີ່ທັນສະໄຫມທີ່ສຸດໃນວຽກງານທີ່ກ່ຽວຂ້ອງກັບການປຸງແຕ່ງຮູບພາບ, ວິດີໂອ, ສຽງແລະຂໍ້ຄວາມ. ນັກວິທະຍາສາດຄອມພິວເຕີທີ່ເຮັດວຽກກ່ຽວກັບວຽກງານຕ່າງໆທີ່ຍາກສໍາລັບຄອມພິວເຕີ - ດັ່ງນັ້ນງ່າຍສໍາລັບມະນຸດຈຶ່ງໄດ້ຮັບຮູ້ວ່າພວກເຂົາສາມາດປະກອບມີມະນຸດໃນຂະບວນການຄອມພິວເຕີຂອງເຂົາເຈົ້າ. ນີ້ແມ່ນວິທີການ Luis von Ahn (2005) ອະທິບາຍການຄິດໄລ່ຂອງມະນຸດໃນເວລາທີ່ລາວສ້າງຄໍາທໍາອິດໃນຫຼັກສູດຂອງລາວ: "ຮູບແບບສໍາລັບການນໍາໃຊ້ພະລັງງານປະມວນຜົນຂອງມະນຸດເພື່ອແກ້ໄຂບັນຫາຕ່າງໆທີ່ຄອມພິວເຕີ້ບໍ່ສາມາດແກ້ໄຂໄດ້." ຄວາມຮູ້ສຶກທົ່ວໄປທີ່ສຸດໃນໄລຍະນີ້, ເບິ່ງ Law and Ahn (2011) .

ອີງຕາມຄໍານິຍາມທີ່ໄດ້ສະເຫນີໃນ Ahn (2005) Foldit - ເຊິ່ງຂ້າພະເຈົ້າໄດ້ອະທິບາຍຢູ່ໃນສ່ວນທີ່ເປີດສາຍ - ອາດຈະຖືກພິຈາລະນາເປັນໂຄງການຄອມພິວເຕີ້ຂອງມະນຸດ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ຂ້າພະເຈົ້າເລືອກທີ່ຈະຈັດປະເພດ Foldit ເປັນສາຍເປີດເນື່ອງຈາກມັນຮຽກຮ້ອງໃຫ້ມີຄວາມຊໍານານພິເສດ (ເຖິງແມ່ນວ່າມັນບໍ່ແມ່ນການຝຶກອົບຮົມຢ່າງເປັນທາງການ) ແລະມັນໃຊ້ວິທີແກ້ໄຂທີ່ດີທີ່ສຸດແທນທີ່ຈະໃຊ້ຍຸດທະສາດການແບ່ງປັນ -

ຄໍາສັບ "ແບ່ງປັນນໍາໃຊ້ - ສົມທົບ" ໄດ້ຖືກນໍາໃຊ້ໂດຍ Wickham (2011) ເພື່ອອະທິບາຍກົນລະຍຸດສໍາລັບຄອມພິວເຕີ້ສະຖິຕິ, ແຕ່ມັນສົມບູນໄດ້ຮັບການຈັດຕັ້ງປະຕິບັດໂຄງການຄອມພິວເຕີ້ມະນຸດຈໍານວນຫຼາຍ. ຍຸດທະສາດການແບ່ງປັນ - ການປະສົມປະສານແມ່ນຄ້າຍຄືກັບແຜນ MapReduce ທີ່ພັດທະນາຢູ່ກູໂກ; ສໍາລັບຫຼາຍກວ່າກ່ຽວກັບ MapReduce, ເບິ່ງ Dean and Ghemawat (2004) ແລະ Dean and Ghemawat (2008) . ສໍາລັບການເພີ່ມເຕີມກ່ຽວກັບສະຖາປັດຕະການຄອມພິວເຕີ້ແຈກຢາຍອື່ນໆ, ເບິ່ງ Vo and Silvia (2016) . ບົດທີ 3 ຂອງ Law and Ahn (2011) ມີການສົນທະນາກ່ຽວກັບບັນດາໂຄງການທີ່ມີຂັ້ນຕອນລວມກັນຫຼາຍກວ່າທີ່ຢູ່ໃນບົດນີ້.

ໃນໂຄງການຄອມພິວເຕີ້ຂອງມະນຸດທີ່ຂ້າພະເຈົ້າໄດ້ປຶກສາຫາລືໃນບົດນີ້, ຜູ້ເຂົ້າຮ່ວມຮູ້ກ່ຽວກັບສິ່ງທີ່ເກີດຂຶ້ນ. ບາງໂຄງການອື່ນໆ, ແຕ່, ຊອກຫາການຈັບ "ວຽກງານ" ທີ່ເກີດຂຶ້ນແລ້ວ (ຄ້າຍກັບ eBird) ແລະບໍ່ມີຄວາມເຂົ້າໃຈຂອງຜູ້ເຂົ້າຮ່ວມ. ເບິ່ງ, ສໍາລັບການຍົກຕົວຢ່າງ, ເກມ ESP (Ahn and Dabbish 2004) ແລະ reCAPTCHA (Ahn et al. 2008) . ເຖິງຢ່າງໃດກໍ່ຕາມ, ທັງໂຄງການເຫຼົ່ານີ້ຍັງມີຄໍາຖາມກ່ຽວກັບດ້ານຈັນຍາບັນເພາະຜູ້ເຂົ້າຮ່ວມບໍ່ຮູ້ວ່າຂໍ້ມູນຂອງເຂົາເຈົ້າຖືກນໍາໃຊ້ (Zittrain 2008; Lung 2012) .

ໂດຍໄດ້ຮັບການສະຫນັບສະຫນູນຈາກເກມ ESP, ນັກຄົ້ນຄວ້າຈໍານວນຫຼາຍໄດ້ພະຍາຍາມພັດທະນາ "ເກມທີ່ມີຈຸດປະສົງ" (Ahn and Dabbish 2008) (ເຊັ່ນ: "ເກມຄອມພິວເຕີ້ມະນຸດ" (Pe-Than, Goh, and Lee 2015) ). ນໍາໃຊ້ເພື່ອແກ້ໄຂບັນຫາຕ່າງໆ. ສິ່ງທີ່ "ເກມທີ່ມີຈຸດປະສົງ" ເຫຼົ່ານີ້ມີຢູ່ທົ່ວໄປຄືພວກເຂົາພະຍາຍາມເຮັດວຽກທີ່ກ່ຽວຂ້ອງກັບການຄິດໄລ່ຂອງມະນຸດທີ່ຫນ້າຕື່ນເຕັ້ນ. ດັ່ງນັ້ນ, ໃນຂະນະທີ່ເກມ ESP ແບ່ງປັນໂຄງສ້າງການແບ່ງປັນ - ສະຫມັກກັນແບບດຽວກັນກັບ Galaxy Zoo, ມັນແຕກຕ່າງຈາກວິທີທີ່ຜູ້ເຂົ້າຮ່ວມມີຄວາມກະຕືລືລົ້ນກັບຄວາມປາຖະຫນາທີ່ຈະຊ່ວຍໃຫ້ວິທະຍາສາດ. ສໍາລັບຫຼາຍເກມກ່ຽວກັບຈຸດປະສົງ, ເບິ່ງ Ahn and Dabbish (2008) .

ຄໍາອະທິບາຍຂອງຂ້ອຍກ່ຽວກັບການສະຫລອງ Galaxy Z draws ສຸດ Nielsen (2012) , Adams (2012) , Clery (2011) , ແລະ Hand (2010) , ແລະການນໍາສະເຫນີຂອງຂ້ອຍກ່ຽວກັບເປົ້າຫມາຍການຄົ້ນຄວ້າຂອງ Galaxy Zoo ໄດ້ງ່າຍດາຍ. ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບປະຫວັດສາດຂອງການແບ່ງປັນ galaxy ໃນວິທະຍາສາດແລະວິທີການ Galaxy Zoo ສືບຕໍ່ປະເພນີນີ້, ເບິ່ງ Masters (2012) ແລະ Marshall, Lintott, and Fletcher (2015) . ການກໍ່ສ້າງເທິງສວນສັດດາວທຽມ, ນັກຄົ້ນຄວ້າຈົບ Galaxy Zoo 2 ເຊິ່ງເກັບກໍາຂໍ້ມູນຫຼາຍກວ່າ 60 ລ້ານແບບປະສົມປະສານທີ່ສະລັບສັບຊ້ອນຫຼາຍຂຶ້ນຈາກອາສາສະຫມັກ (Masters et al. 2011) . ນອກຈາກນັ້ນ, ພວກເຂົາໄດ້ອອກໄປສູ່ບັນຫາພາຍນອກຂອງຮູບລັກສະນະທາງກາຍະພາບ, ລວມທັງການຄົ້ນຫາພື້ນທີ່ຂອງດວງຈັນ, ການຊອກຫາດາວແລະການຖ່າຍທອດເອກະສານເກົ່າ. ໃນປະຈຸບັນ, ໂຄງການທັງຫມົດຂອງພວກເຂົາແມ່ນເກັບກໍາຢູ່ໃນເວັບໄຊທ໌ Zooniverse (Cox et al. 2015) . ໂຄງການຫນຶ່ງຂອງໂຄງການ - Snapshot Serengeti - ສະຫນອງຫຼັກຖານທີ່ວ່າໂຄງການຈັດປະເພດຮູບພາບຂອງ Galaxy Zoo ສາມາດເຮັດໄດ້ສໍາລັບການຄົ້ນຄວ້າດ້ານສິ່ງແວດລ້ອມ (Swanson et al. 2016) .

ສໍາລັບນັກຄົ້ນຄວ້າວາງແຜນທີ່ຈະນໍາໃຊ້ຕະຫຼາດແຮງງານຂອງ microtask (Amazon Mechanical Turk) ສໍາລັບໂຄງການການຄິດໄລ່ຂອງມະນຸດ, Chandler, Paolacci, and Mueller (2013) ແລະ J. Wang, Ipeirotis, and Provost (2015) ສະເຫນີຄໍາແນະນໍາທີ່ດີກ່ຽວກັບການອອກແບບແລະ ບັນຫາທີ່ກ່ຽວຂ້ອງອື່ນໆ. Porter, Verdery, and Gaddis (2016) ສະເຫນີຕົວຢ່າງແລະຄໍາແນະນໍາທີ່ເນັ້ນຫນັກໃສ່ການນໍາໃຊ້ຕະຫຼາດແຮງງານ microtask ສໍາລັບສິ່ງທີ່ພວກເຂົາເອີ້ນວ່າ "ການເພີ່ມຂໍ້ມູນ." ສາຍລະຫວ່າງການເພີ່ມຂໍ້ມູນແລະການເກັບຂໍ້ມູນແມ່ນບາງຢ່າງທີ່ເຮັດໃຫ້ມີຄວາມຜິດພາດ. ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການເກັບກໍາແລະການນໍາໃຊ້ປ້າຍສໍາລັບການຮຽນການເບິ່ງແຍງສໍາລັບຂໍ້ຄວາມ, ເບິ່ງ Grimmer and Stewart (2013) .

ນັກຄົ້ນຄວ້າມີຄວາມສົນໃຈໃນການສ້າງສິ່ງທີ່ຂ້ອຍເອີ້ນວ່າລະບົບການຄິດໄລ່ຂອງມະນຸດໂດຍໃຊ້ຄອມພິວເຕີ (ເຊັ່ນລະບົບທີ່ໃຊ້ປ້າຍຂອງມະນຸດເພື່ອຝຶກອົບຮົມຮູບແບບການຮຽນເຄື່ອງ) ອາດຈະສົນໃຈ Shamir et al. (2014) (ສໍາລັບຕົວຢ່າງການນໍາໃຊ້ສຽງ) ແລະ Cheng and Bernstein (2015) . ນອກຈາກນີ້, ຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກໃນໂຄງການເຫຼົ່ານີ້ສາມາດໄດ້ຮັບການສະເຫນີໂດຍການໂທເປີດ, ຊຶ່ງນັກຄົ້ນຄວ້າຈະແຂ່ງຂັນສ້າງແບບຮຽນແບບເຄື່ອງຈັກທີ່ມີປະສິດຕິພາບສູງທີ່ສຸດ. ຕົວຢ່າງ, ທີມງານຂອງ Galaxy Zoo ໄດ້ເປີດການໂທເປີດແລະພົບເຫັນວິທີໃຫມ່ທີ່ເຮັດວຽກທີ່ດີກວ່າການພັດທະນາໃນ Banerji et al. (2010) ເບິ່ງ Dieleman, Willett, and Dambre (2015) ສໍາລັບລາຍລະອຽດ.

  • ເປີດການໂທ (ພາກ 5.3)

ເປີດການໂທບໍ່ແມ່ນໃຫມ່. ໃນຄວາມເປັນຈິງ, ຫນຶ່ງໃນການໂທທີ່ມີຊື່ສຽງທີ່ສຸດທີ່ຮູ້ຈັກກັນມາຕັ້ງແຕ່ປີ 1714 ເມື່ອລັດສະພາຂອງສະຫະລັດໄດ້ສ້າງລາງວັນລອງລອງສໍາລັບໃຜທີ່ສາມາດພັດທະນາວິທີການກໍານົດເສັ້ນຍາວຂອງເຮືອໃນທະເລ. ບັນຫາທີ່ເກີດຂື້ນກັບນັກວິທະຍາສາດຫຼາຍທີ່ສຸດຂອງມື້ນີ້, ລວມທັງ Isaac Newton, ແລະການແກ້ໄຂທີ່ຊະນະທີ່ສຸດໄດ້ຖືກສົ່ງໂດຍ John Harrison, ຜູ້ທີ່ clockmaker ຈາກເຂດຊົນນະບົດທີ່ເຂົ້າຫາບັນຫານີ້ແຕກຕ່າງຈາກນັກວິທະຍາສາດຜູ້ທີ່ໄດ້ສຸມໃສ່ການແກ້ໄຂທີ່ກ່ຽວຂ້ອງກັບດາລາສາດ 1 ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມ, ເບິ່ງ Sobel (1996) . ຕົວຢ່າງນີ້ສະແດງໃຫ້ເຫັນວ່າເຫດຜົນທີ່ເປີດສາຍເອີ້ນວ່າຄິດວ່າຈະເຮັດວຽກດີດັ່ງນັ້ນພວກເຂົາສາມາດເຂົ້າເຖິງຜູ້ທີ່ມີທັດສະນະແລະທັກສະທີ່ແຕກຕ່າງກັນ (Boudreau and Lakhani 2013) . ເບິ່ງຫນ້າຂອງ Hong and Page (2004) ແລະ Page (2008) ເພື່ອເພີ່ມເຕີມກ່ຽວກັບຄຸນຄ່າຂອງຄວາມຫຼາກຫຼາຍໃນການແກ້ໄຂບັນຫາ.

ແຕ່ລະກໍລະນີທີ່ເອີ້ນວ່າເປີດໃນບົດນີ້ຮຽກຮ້ອງໃຫ້ຄໍາອະທິບາຍຕື່ມອີກວ່າເປັນຫຍັງມັນຢູ່ໃນຫມວດນີ້. ຫນ້າທໍາອິດ, ວິທີຫນຶ່ງທີ່ຂ້ອຍແຍກແຍະລະຫວ່າງການຄິດໄລ່ຂອງມະນຸດແລະໂຄງການໂທເປີດແມ່ນວ່າຜົນຜະລິດແມ່ນສະເລ່ຍຂອງການແກ້ໄຂທັງຫມົດ (ການຄິດໄລ່ຂອງມະນຸດ) ຫຼືການແກ້ໄຂທີ່ດີທີ່ສຸດ (ການໂທເປີດ). ລາງວັນ Netflix ແມ່ນມີຄວາມຫຍຸ້ງຍາກໃນເລື່ອງນີ້ເພາະວ່າວິທີແກ້ໄຂທີ່ດີທີ່ສຸດກໍ່ຄືການແກ້ໄຂສ່ວນບຸກຄົນທີ່ມີຄວາມຊໍານິຊໍານານ, ວິທີການທີ່ເອີ້ນວ່າໂຊລູຊັ່ນຊຸດ (Bell, Koren, and Volinsky 2010; Feuerverger, He, and Khatri 2012) . ຈາກທັດສະນະຂອງ Netflix, ຢ່າງໃດກໍຕາມ, ທັງຫມົດທີ່ພວກເຂົາຕ້ອງເຮັດຄືເລືອກເອົາການແກ້ໄຂທີ່ດີທີ່ສຸດ. ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບລາງວັນ Netflix, ເບິ່ງ Bennett and Lanning (2007) , Thompson (2008) , Bell, Koren, and Volinsky (2010) , ແລະ Feuerverger, He, and Khatri (2012) .

ສອງ, ໂດຍຄໍານິຍາມຂອງການຄໍານວນຂອງມະນຸດ (ຕົວຢ່າງ, Ahn (2005) ), Foldit ຄວນຖືວ່າເປັນໂຄງການຄອມພິວເຕີຂອງມະນຸດ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ຂ້າພະເຈົ້າເລືອກທີ່ຈະຈັດຫມວດຫມູ່ມັນເປັນສາຍເປີດເພາະວ່າມັນຕ້ອງມີຄວາມຊໍານານພິເສດ (ເຖິງແມ່ນວ່າບໍ່ແມ່ນການຝຶກອົບຮົມພິເສດ) ແລະມັນໃຊ້ເວລາແກ້ໄຂທີ່ດີທີ່ສຸດ, ແທນທີ່ຈະໃຊ້ຍຸດທະສາດທີ່ແຕກຕ່າງກັນ. ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບ Foldit ເບິ່ງ, Cooper et al. (2010) , Khatib et al. (2011) , ແລະ Andersen et al. (2012) ຄໍາອະທິບາຍຂອງຂ້ອຍກ່ຽວກັບການແຕ້ມຮູບ Foldit ໃນຄໍາອະທິບາຍໃນ Bohannon (2009) , Hand (2010) ແລະ Nielsen (2012) .

ສຸດທ້າຍ, ຫນຶ່ງສາມາດໂຕ້ຖຽງວ່າ Peer-to-Patent ເປັນຕົວຢ່າງຂອງການເກັບກໍາຂໍ້ມູນທີ່ແຈກຢາຍ. ຂ້ອຍເລືອກທີ່ຈະປະກອບມັນເປັນສາຍເປີດເນື່ອງຈາກມັນມີໂຄງປະກອບການແຂ່ງຂັນແລະມີການປະກອບສ່ວນທີ່ດີທີ່ສຸດເທົ່າທີ່ໃຊ້ໃນຂະນະທີ່ມີການເກັບກໍາຂໍ້ມູນທີ່ແຈກຢາຍ, ຄວາມຄິດຂອງການປະກອບສ່ວນທີ່ດີແລະບໍ່ດີແມ່ນບໍ່ຊັດເຈນ. For more on Peer-to-Patent, see Noveck (2006) , Ledford (2007) , Noveck (2009) , and Bestor and Hamp (2010) .

ໃນແງ່ຂອງການນໍາໃຊ້ການໂທທີ່ເປີດໃນການຄົ້ນຄວ້າທາງສັງຄົມ, ຜົນໄດ້ຮັບຄືກັນກັບຂອງ Glaeser et al. (2016) ໄດ້ຖືກລາຍງານຢູ່ໃນບົດທີ 10 ຂອງ Mayer-Schönberger and Cukier (2013) ທີ່ເມືອງນິວຢອກສາມາດນໍາໃຊ້ແບບຈໍາລອງທີ່ຄາດເດົາເພື່ອຜະລິດຜົນຜະລິດທີ່ເພີ່ມຂຶ້ນໃນຜະລິດຕະພັນຂອງຜູ້ກວດສອບທີ່ຢູ່ອາໄສ. ໃນນະຄອນນິວຢອກ, ຮູບແບບການຄາດຄະເນເຫຼົ່ານີ້ໄດ້ຖືກສ້າງຂຶ້ນໂດຍພະນັກງານຂອງເມືອງ, ແຕ່ໃນກໍລະນີອື່ນໆ, ຫນຶ່ງກໍ່ສາມາດຄິດວ່າພວກເຂົາສາມາດສ້າງຫຼືປັບປຸງດ້ວຍການເປີດສາຍ (ເຊັ່ນ: Glaeser et al. (2016) ). ຢ່າງໃດກໍຕາມ, ຫນຶ່ງໃນຄວາມກັງວົນທີ່ສໍາຄັນກັບຮູບແບບການຄາດຄະເນທີ່ຖືກນໍາໃຊ້ເພື່ອຈັດສັນຊັບພະຍາກອນແມ່ນວ່າແບບເຫຼົ່ານີ້ມີທ່າແຮງທີ່ຈະເສີມຂະຫຍາຍຄວາມເປັນເບື້ອງຕົ້ນທີ່ມີຢູ່ແລ້ວ. ນັກຄົ້ນຄວ້າຈໍານວນຫຼາຍຮູ້ແລ້ວວ່າ "ຂີ້ເຫຍື້ອເຂົ້າໄປໃນຂີ້ເຫຍື້ອ," ແລະມີຮູບແບບທີ່ຄາດຄະເນມັນສາມາດ "ເບົາ, ເບົາອອກ". ເບິ່ງ Barocas and Selbst (2016) ແລະ O'Neil (2016) ເພີ່ມເຕີມກ່ຽວກັບອັນຕະລາຍຂອງຮູບແບບການຄາດຄະເນ ມີຂໍ້ມູນການຝຶກອົບຮົມທີ່ບໍ່ສະເຫມີພາບ.

ບັນຫາຫນຶ່ງທີ່ອາດຈະປ້ອງກັນບໍ່ໃຫ້ລັດຖະບານນໍາໃຊ້ການແຂ່ງຂັນທີ່ເປີດເຜີຍແມ່ນວ່ານີ້ຮຽກຮ້ອງໃຫ້ມີການເຜີຍແຜ່ຂໍ້ມູນ, ເຊິ່ງອາດຈະເຮັດໃຫ້ການລະເມີດດ້ານຄວາມເປັນສ່ວນຕົວ. ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບຄວາມເປັນສ່ວນຕົວແລະຂໍ້ມູນໃນການເປີດສາຍ, ເບິ່ງ Narayanan, Huey, and Felten (2016) ແລະການສົນທະນາໃນບົດທີ 6.

ສໍາລັບຄວາມແຕກຕ່າງແລະຄວາມຄ້າຍຄືກັນລະຫວ່າງການຄາດຄະເນແລະຄໍາອະທິບາຍ, ເບິ່ງ Breiman (2001) , Shmueli (2010) , Watts (2014) , ແລະ Kleinberg et al. (2015) . Athey (2017) , Cederman and Weidmann (2017) , Cederman and Weidmann (2017) , Hofman, Sharma, and Watts (2017) , ( ??? ) , ແລະ Yarkoni and Westfall (2017) .

ສໍາລັບການທົບທວນໂຄງການການໂທເປີດໃນຊີວະວິທະຍາ, ລວມທັງຄໍາແນະນໍາດ້ານການອອກແບບ, ເບິ່ງ Saez-Rodriguez et al. (2016)

  • ການເກັບກໍາຂໍ້ມູນທີ່ຖືກແຈກຢາຍ (ພາກ 5.4)

ຄໍາອະທິບາຍຂອງຂ້ອຍກ່ຽວກັບ eBird ກ່ຽວກັບຄໍາອະທິບາຍໃນ Bhattacharjee (2005) , Robbins (2013) , ແລະ Sullivan et al. (2014) . ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບວິທີທີ່ນັກຄົ້ນຄວ້າໃຊ້ຮູບແບບສະຖິຕິເພື່ອວິເຄາະຂໍ້ມູນ eBird ເບິ່ງ Fink et al. (2010) ແລະ Hurlbert and Liang (2012) . ສໍາລັບເພີ່ມເຕີມກ່ຽວກັບການຄາດຄະເນທັກສະຂອງຜູ້ເຂົ້າຮ່ວມ eBird, ເບິ່ງ Kelling, Johnston, et al. (2015) . ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບປະຫວັດສາດຂອງວິທະຍາສາດຂອງພົນລະເມືອງໃນການລ້ຽງສັດ, ເບິ່ງ Greenwood (2007) .

ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບໂຄງການວາລະສານ Malawi, ເບິ່ງ Watkins and Swidler (2009) ແລະ Kaler, Watkins, and Angotti (2015) . ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບໂຄງການທີ່ກ່ຽວຂ້ອງໃນອາຟຣິກາໃຕ້, ເບິ່ງ Angotti and Sennott (2015) . ສໍາລັບຕົວຢ່າງການຄົ້ນຄວ້າເພີ່ມເຕີມໂດຍນໍາໃຊ້ຂໍ້ມູນຈາກໂຄງການວາລະສານ Malawi ເບິ່ງ Kaler (2004) ແລະ Angotti et al. (2014) .

  • ການອອກແບບຂອງທ່ານເອງ (ພາກ 5.5)

ວິທີການຂອງຂ້າພະເຈົ້າໃນການສະເຫນີຄໍາແນະນໍາດ້ານການອອກແບບແມ່ນມີປະສິດທິພາບ, ໂດຍອີງໃສ່ຕົວຢ່າງຂອງໂຄງການຮ່ວມມືທີ່ປະສົບຜົນສໍາເລັດແລະສົບຜົນສໍາເລັດທີ່ຂ້າພະເຈົ້າໄດ້ຍິນກ່ຽວກັບ. ຍັງມີແນວໂນ້ມການຄົ້ນຄວ້າເພື່ອນໍາໃຊ້ທິດສະດີທາງຈິດວິທະຍາທາງສັງຄົມຫຼາຍກວ່າເກົ່າໃນການອອກແບບຊຸມຊົນອອນໄລນ໌ທີ່ມີຄວາມກ່ຽວຂ້ອງກັບການອອກແບບໂຄງການຮ່ວມມືຢ່າງຫຼວງຫຼາຍ, ເຊັ່ນ Kraut et al. (2012)

ກ່ຽວກັບແຮງຈູງໃຈຜູ້ເຂົ້າຮ່ວມ, ມັນເປັນເລື່ອງທີ່ຂ້ອນຂ້າງຂ້ອນຂ້າງງ່າຍທີ່ຈະຄິດວ່າປະຊາຊົນມີສ່ວນຮ່ວມໃນໂຄງການຮ່ວມມືຢ່າງຫຼວງຫຼາຍ (Cooper et al. 2010; Nov, Arazy, and Anderson 2011; Tuite et al. 2011; Raddick et al. 2013; Preist, Massung, and Coyle 2014) . ຖ້າທ່ານມີແຜນທີ່ຈະຊຸກຍູ້ໃຫ້ຜູ້ເຂົ້າຮ່ວມມີການຈ່າຍເງິນໃນຕະຫລາດແຮງງານຂອງ microtask (ເຊັ່ນ Amazon Mechanical Turk), Kittur et al. (2013) ມີຄໍາແນະນໍາບາງຢ່າງ.

ກ່ຽວກັບຄວາມແປກໃຈທີ່ເຮັດໃຫ້ຕົວຢ່າງຂອງການຄົ້ນພົບທີ່ບໍ່ຄາດຄິດອອກມາຈາກໂຄງການ Zooiverse, ເບິ່ງ Marshall, Lintott, and Fletcher (2015) .

ກ່ຽວກັບການເປັນຫລັກຈັນຍາບັນ, ບາງຄໍາແນະນໍາທົ່ວໄປທີ່ດີກ່ຽວກັບບັນຫາທີ່ກ່ຽວຂ້ອງແມ່ນ Gilbert (2015) , Salehi et al. (2015) , Schmidt (2013) , Williamson (2016) , Resnik, Elliott, and Miller (2015) , ແລະ Zittrain (2008) . ສໍາລັບບັນຫາທີ່ກ່ຽວຂ້ອງກັບບັນຫາທາງດ້ານກົດຫມາຍທີ່ມີພະນັກງານທີ່ແອອັດ, ເບິ່ງ Felstiner (2011) . O'Connor (2013) ຄໍາຖາມກ່ຽວກັບການເບິ່ງແຍງດ້ານຈັນຍາບັນຂອງການຄົ້ນຄ້ວາໃນເວລາທີ່ພາລະບົດບາດຂອງນັກຄົ້ນຄວ້າແລະຜູ້ເຂົ້າຮ່ວມປະກົດວ່າ. ສໍາລັບບັນຫາທີ່ກ່ຽວຂ້ອງກັບການແບ່ງປັນຂໍ້ມູນໃນຂະນະທີ່ການປົກປ້ອງຜູ້ເຂົ້າຮ່ວມໃນໂຄງການວິທະຍາສາດຂອງພົນລະເມືອງ, ເບິ່ງ Bowser et al. (2014) . Both Purdam (2014) ແລະ Windt and Humphreys (2016) ມີການສົນທະນາກ່ຽວກັບບັນຫາດ້ານຈັນຍາບັນໃນການເກັບກໍາຂໍ້ມູນທີ່ແຈກຢາຍ. ສຸດທ້າຍ, ໂຄງການສ່ວນໃຫຍ່ໄດ້ຮັບຮູ້ການປະກອບສ່ວນແຕ່ບໍ່ໃຫ້ການປ່ອຍສິນເຊື່ອຂອງນັກຂຽນແກ່ບັນດາຜູ້ເຂົ້າຮ່ວມ. ໃນ Foldit, ຜູ້ນມັກຈະເປັນຜູ້ຂຽນ (Cooper et al. 2010; Khatib et al. 2011) . ໃນບັນດາໂຄງການໂທເປີດອື່ນໆ, ຜູ້ປະກອບສ່ວນທີ່ຊະນະມັກຈະຂຽນເອກະສານທີ່ອະທິບາຍເຖິງວິທີແກ້ໄຂຂອງພວກເຂົາ (ເຊັ່ນ Bell, Koren, and Volinsky (2010) ແລະ Dieleman, Willett, and Dambre (2015) ).

Powered by Open Review Toolkit

Buy The Book

Image of Bit by Bit cover Princeton University Press Amazon Barnes and Noble IndieBound