5.1 Įvadas

Vikipedija yra nuostabi. Masinis savanorių bendradarbiavimas sukūrė fantastinę visiems prieinamą enciklopediją. Raktinio žodžio "Wikipedia" sėkmė nebuvo naujos žinios; o tai buvo nauja bendradarbiavimo forma. Laimei, skaitmeninis amžius suteikia daugybę naujų bendradarbiavimo būdų. Taigi dabar turėtume paklausti: kokios didžiulės mokslinės problemos - problemos, kurių negalėjome išspręsti atskirai - ar dabar galime spręsti kartu?

Bendradarbiavimas mokslinių tyrimų nieko naujo, žinoma. Kas naujo, tačiau tai, kad skaitmeninis amžius leidžia bendradarbiauti su daug didesniu ir daugiau įvairių rinkinys žmonėms: milijardams žmonių visame pasaulyje su interneto prieiga. Tikiuosi, kad šie nauji masiniai bendradarbiavimas duos stulbinančių rezultatų ne tik dėl to, kad dalyvaujančių žmonių skaičiaus, bet ir dėl jų skirtingų įgūdžių ir perspektyvų. Kaip mes galime įtraukti visus su interneto ryšiu į mūsų mokslinių tyrimų procesą? Ką galima padaryti su 100 mokslinių tyrimų padėjėjų? Ką apie 100.000 kvalifikuotų bendradarbių?

Yra daugybė masinio bendradarbiavimo formų, o kompiuterių mokslininkai juos paprastai tvarko į daugelį kategorijų, priklausomai nuo jų techninių savybių (Quinn and Bederson 2011) . Tačiau šiame skyriuje ketinu suskirstyti masinio bendradarbiavimo projektus pagal tai, kaip jie gali būti naudojami socialiniams tyrimams. Visų pirma manau, kad yra naudinga grubiai atskirti tris projektų tipus: žmogiškąjį skaičiavimą , atvirą skambutį ir platintą duomenų rinkimą (5.1 pav.).

Aš apibūdinsiu kiekvieną iš šių tipų vėliau skyriuje, bet dabar leiskite trumpai apibūdinti kiekvieną iš jų. Žmogaus skaičiavimo projektai idealiai tinka lengvai užduodamų užduočių didelio masto problemoms, pvz., Milijonų vaizdų žymėjimui. Tai yra projektai, kuriuos praeityje galėjo atlikti mokslų srities specialistai. Įnašai nereikalauja užduočių įgūdžių, o galutinis rezultatas paprastai yra visų įnašų vidurkis. Klasikinis žmogaus skaičiavimo projekto pavyzdys yra "Galaxy" zoologijos sode, kur šimtai tūkstančių savanorių padėjo astronomams klasifikuoti milijoną galaktikų. Kita vertus, atvirų skambučių projektai idealiai tinka tiems atvejams, kai ieškote naujų ir netikėtų atsakymų į aiškiai suformuluotus klausimus. Tai yra projektai, kurie anksčiau galėjo būti susiję su kolegomis. Įnašai yra iš žmonių, kurie turi specialių užduočių įgūdžių, o galutinis rezultatas paprastai yra geriausias iš visų įmokų. Klasikinis atviro pokalbio pavyzdys - "Netflix" premija, kur tūkstančiai mokslininkų ir įsilaužėlių dirbo kuriant naujus algoritmus prognozuojant klientų filmų reitingus. Galiausiai, platinami duomenų rinkimo projektai idealiai tinka didelio masto duomenų rinkimui. Tai yra projektai, kuriuos praeityje galėjo atlikti mokslų srities mokslininkai arba tyrimų tyrimų bendrovės. Įnašai paprastai gaunami iš žmonių, kurie turi prieigą prie vietovių, kurių nėra mokslininkams, o galutinis produktas yra paprastas įnašų rinkinys. Klasikinis dalijamasis duomenų rinkimo pavyzdys yra "eBird", kuriame šimtai tūkstančių savanorių pateikia ataskaitas apie paukščius, kuriuos jie mato.

5.1 pav. Masinio bendradarbiavimo schema. Šis skyrius yra suskirstytas į tris pagrindines masinio bendradarbiavimo formas: žmogiškąjį skaičiavimą, atvirą kvietimą ir platintą duomenų rinkimą. Apskritai, masinis bendradarbiavimas sujungia idėjas iš tokių sričių, kaip piliečių mokslas, "crowdsourcing" ir kolektyvinis intelektas.

5.1 pav Mišios bendradarbiavimas schema. Šis skyrius organizavo tris pagrindines formas masinio bendradarbiavimo: Žmogaus skaičiavimo, atviras kvietimas, ir platino duomenų rinkimo. Apskritai, masė bendradarbiavimas sujungia idėjas iš sričių, pavyzdžiui, piliečių mokslas, crowdsourcing ir kolektyvinio intelekto.

Masinis bendradarbiavimas turi ilgą, turtingą istoriją tokiose srityse kaip astronomija (Marshall, Lintott, and Fletcher 2015) ir ekologija (Dickinson, Zuckerberg, and Bonter 2010) , tačiau socialiniai tyrimai dar nėra įprasti. Tačiau, aprašydami sėkmingus kitų sričių projektus ir pateikdami keletą pagrindinių organizavimo principų, tikiuosi įtikinti jus apie du dalykus. Pirma, masinis bendradarbiavimas gali būti panaudotas socialiniams tyrimams. Antra, mokslininkai, kurie naudoja masinį bendradarbiavimą, galės išspręsti anksčiau neišnagrinėtas problemas. Nors masinis bendradarbiavimas dažnai skatinamas kaip taupymo būdas, tai yra daug daugiau. Kaip aš jums parodysiu, masė bendradarbiavimas ne tik leidžia mums daryti tyrimai pigiau, tai leidžia mums daryti tyrimai geriau.

Ankstesniuose skyriuose jūs matėte, ką galima išmokti, užmegzti ryšius su žmonėmis trimis skirtingais būdais: stebėti jų elgesį (2 skyrius), užduoti jiems klausimus (3 skyrius) ir įtraukti juos į eksperimentus (4 skyrius). Šiame skyriuje parodysiu, ką galima išmokti, įtraukiant žmones kaip tyrėjų bendradarbius. Kiekvienoje iš trijų pagrindinių masinio bendradarbiavimo formų apibūdinsiu prototipinį pavyzdį, iliustruoja svarbius papildomus punktus ir kitus pavyzdžius, ir pagaliau apibūdina, kaip ši masinio bendradarbiavimo forma galėtų būti naudojama socialiniams tyrimams. Skyriuje bus pateikti penki principai, kurie padės jums sukurti savo masinio bendradarbiavimo projektą.