понатаму коментар

Овој дел е дизајниран да се користи како референца, а не да се чита како приказна.

  • Вовед (дел 5.1)

Маса соработка мешавини идеи од граѓаните наука, crowdsourcing и колективна интелигенција. Граѓаните наука обично значи вклучување на "граѓаните" (односно, не-научници) во научниот процес (Crain, Cooper, and Dickinson 2014) . Crowdsourcing обично значи земање на проблемот обично се реши во рамките на една организација и наместо тоа аутсорсинг на публиката (Howe 2009) . Колективната интелигенција обично значи групи на поединци кои работат заедно на начини кои се чини дека интелигентни (Malone and Bernstein 2015) . Nielsen (2012) е воведување прекрасна книга должина во моќта на маса соработка за научни истражувања.

Постојат многу видови на маса соработка кои не се вклопуваат уредно во трите категории кои ги предложив, и мислам дека три заслужуваат посебно внимание, бидејќи тие можат да бидат корисни во социјални истражувања во некоја точка. Еден пример е предвидување пазари, каде што учесниците се купи и трговски договори кои се на наплата врз основа на резултатите кои се случуваат во светот (Wolfers and Zitzewitz 2004; Arrow et al. 2008) . Предвидување пазари често се користат од страна на фирмите и владите за предвидување, и предвидување пазари исто така се користи од страна на социјални истражувачи да се предвиди повторливоста на објавени студии по психологија (Dreber et al. 2015) .

Вториот пример што не се вклопува добро во мојата шема категоризација е проект полимат, каде истражувачите соработувал со користење на блогови и викија да докаже нови математички теореми (Gowers and Nielsen 2009; Cranshaw and Kittur 2011; Nielsen 2012; Kloumann et al. 2016) . Проектот полимат е на некој начин слична на награда Netflix, но учесниците на полимат проектот поактивно да се гради врз основа на парцијални решенија на другите.

Трет пример што не се вклопува добро во мојата шема категоризација е временски зависна мобилизации, како што се напредни истражувачки проекти Агенцијата за одбрана (DARPA) Мрежа предизвик (на пример, Црвениот балон предизвик). За повеќе информации за овие временски чувствителни мобилизации види Pickard et al. (2011) , Tang et al. (2011) , и Rutherford et al. (2013) .

  • Човечки пресметка (Дел 5.2)

Терминот "човечки пресметка" доаѓа од работа од страна на компјутерски научници, и разбирање на контекстот на ова истражување ќе ја подобри вашата способност да одберам проблемите кои би можеле да бидат отворени кон него. За одредени задачи, компјутери се неверојатно моќен со способности далеку над дури и експерт луѓето. На пример, во шах, компјутери може да го победи дури и најдобрите велемајстори. Но, и ова е толку добро прифатена од страна на научници од општествените науки, и за други задачи, компјутерите се, всушност, многу полошо отколку луѓе. Со други зборови, во моментов се подобри од дури и најсофистицираните компјутер на одредени задачи кои вклучуваат обработка на слики, видео, аудио и текст. Така, како што е илустрирано со прекрасен XKCD стриповски постојат задачи кои се лесни за компјутери и тешко за луѓето, но исто така има и задачи кои се тешки за компјутери и лесно за луѓето (Слика 5.13). Компјутерски научници кои работат на овие хард-за-компјутер-лесен-за-човечки задачи, според тоа, сфати дека тие би можеле да вклучат луѓето во нивните пресметковни процес. Еве како Луис фон Ан (2005) е опишано човечки пресметка кога за прв пат го измисли терминот во неговата дисертација: ". Парадигма за искористување на човечките моќ на процесирање на решавање на проблеми кои компјутерите се уште не може да се реши"

Слика 5.13: За некои задачи компјутери се неверојатни, надминува способноста на човечкиот експерти. Но, за други задачи, обичните луѓе може да надминуваат дури и софистицирани компјутери системи. Големи проблеми размери кои вклучуваат задачи кои се тешки за компјутери и лесно за луѓето се добро прилагодени за човекови пресметка. Се користи според условите опишани тука: http://xkcd.com/license.html

Слика 5.13: За некои задачи компјутери се неверојатни, надминува способноста на човечкиот експерти. Но, за други задачи, обичните луѓе може да надминуваат дури и софистицирани компјутери системи. Големи проблеми размери кои вклучуваат задачи кои се тешки за компјутери и лесно за луѓето се добро прилагодени за човекови пресметка. Се користи според условите опишани тука: http://xkcd.com/license.html

Според оваа дефиниција FoldIt-кој што е опишано во делот за отворени повици, може да се смета за пресметување проектот луѓе. Сепак, јас да изберат да се категоризираат FoldIt како отворен повик, бидејќи тоа бара специјализирани вештини и го зема најдоброто решение придонесе наместо користење на Сплит аплицираат-комбинира стратегија.

За одличен третман должина книга на човековите пресметка, во најопшта смисла на поимот, видете Law and Ahn (2011) . Поглавје 3 од Law and Ahn (2011) има една интересна дискусија за посложени комбинираат чекори од оние во ова поглавје.

Терминот "сплит аплицираат-комбинираат" бил користен од страна Wickham (2011) за да се опише стратегијата за статистички компјутери, но совршено го доловува процесот на многу проекти за човекови пресметка. Сплит-аплицираат-комбинира стратегија е сличен на рамката на MapReduce развиена во Google (Dean and Ghemawat 2004; Dean and Ghemawat 2008) .

Две паметни пресметка проекти за човекови дека немав простор за разговори се ESP Игра (Ahn and Dabbish 2004) и reCAPTCHA (Ahn et al. 2008) . И двете од овие проекти се најде креативни начини да ги мотивира учесниците да им обезбеди на етикетите на слики. Сепак, и двете од овие проекти, исто така, го покрена етички прашања, бидејќи, за разлика од Galaxy Zoo, учесници во ESP игра и reCAPTCHA не знаат како нивните податоци е да се користат (Lung 2012; Zittrain 2008) .

Инспириран од ESP игра, многу истражувачи се обиделе да се развие други "игри со цел" (Ahn and Dabbish 2008) (на пример, "човек-базирани пресметка игри" (Pe-Than, Goh, and Lee 2015) ) кои можат да бидат користат за решавање на голем број на други проблеми. Она што овие "игри со цел" им е заедничко е дека тие се обидуваат да се направи на задачите кои се вклучени во човечки пресметка пријатно. Така, додека на ESP Игра дели истите Сплит аплицираат-комбинираат структура со Галакси Зоолошката градина, тој се разликува во тоа како се мотивирани учесници-забава наспроти желбата да им помогне на науката.

Мојот опис на Galaxy Zoo базира на Nielsen (2012) , Adams (2012) , Clery (2011) , а Hand (2010) , и мојата презентација на целите на истражувањето на Galaxy Zoo е поедноставен. За повеќе информации за историјата на класификација на галаксиите во астрономијата и како Galaxy Zoo продолжува оваа традиција, видете Masters (2012) и Marshall, Lintott, and Fletcher (2015) . Градење на Galaxy Zoo, истражувачите заврши Галакси зоолошката градина 2 кои собираат повеќе од 60 милиони посложени морфолошката класификација од волонтери (Masters et al. 2011) . Покрај тоа, тие се разгранува во проблеми надвор од нашата галаксија морфологија вклучувајќи истражување на површината на Месечината, во потрага по планети, и транскрипција на старите документи. Во моментов, сите нивните проекти се собираат во www.zooniverse.org (Cox et al. 2015) . Еден од проектите-Состојба Серенгети-доказ дека проектите класификација слика Galaxy Zoo-тип, исто така може да се направи за истражување на животната средина (Swanson et al. 2016) .

За истражувачите планира да се користи на пазарот на микро-задача на трудот (на пример, Амазон Механички Турчин) за пресметување на проектот човек, Chandler, Paolacci, and Mueller (2013) и Wang, Ipeirotis, and Provost (2015) нудат добри совети за дизајн задача и други поврзани прашања.

Истражувачите заинтересирани за создавање на она што сум го нарекува втората генерација на човечки пресметување системи (на пример, системи кои користат човечки етикети за обука модел на машина за учење) може да бидат заинтересирани во Shamir et al. (2014) (на пример со користење на аудио) и Cheng and Bernstein (2015) . Исто така, овие проекти може да се направи со отворени повици, при што научниците се натпреваруваат да се создаде машина за учење модели со најголема предвидливо перформанси. На пример, тимот на Galaxy Zoo истрча отворен повик и се најде нов пристап кој ги надмина оној развиен во Banerji et al. (2010) ; види Dieleman, Willett, and Dambre (2015) за детали.

  • Отворени повици (Дел 5.3)

Отворени повици не се нови. Всушност, една од најпознатите отворени повици датира од 1714 година кога Британија парламент година наградата Лонгитуда за секој што може да се развие начин да се утврди должина на брод во морето. Проблемот оптеретува многу од најголемите научници на денови, вклучувајќи Исак Њутн, и на крајот на Победничкото решение беше поднесен од страна часовничар од селата кои се приближувале проблемот поинаку од научници кои беа фокусирани на решение со кое на некој начин ќе се вклучат астрономијата (Sobel 1996) . Како овој пример ги илустрира една од причините што конкурсите се смета дека се работи толку добро е тоа што тие обезбедуваат пристап до луѓе со различни перспективи и вештини (Boudreau and Lakhani 2013) . Види Hong and Page (2004) и Page (2008) за повеќе од вредноста на разновидност во решавање на проблемот.

Секој од случаите на отворениот повик во поглавјето бара малку дополнително објаснување за тоа зошто тоа му припаѓа во оваа категорија. Прво, еден начин на кој јас се прави разлика помеѓу човековите пресметување и проекти со отворен повик е дали излезот е во просек од сите решенија (човечки пресметка) или најдобро решение (отворен повик). Наградата Netflix е малку незгодно во врска со ова, бидејќи најдобро решение испадна да биде софистициран просек поединечни решенија за пријде наречена ансамбл решение (Bell, Koren, and Volinsky 2010; Feuerverger, He, and Khatri 2012) . Од гледна точка на Netflix, сепак, сите тие требаше да направи беше да го изберат најдоброто решение.

Второ, со некои дефиниции на човековите пресметка (на пример, Von Ahn (2005) ), FoldIt треба да се смета за пресметување проектот луѓе. Сепак, јас да изберат да се категоризираат FoldIt како отворен повик, бидејќи тоа бара специјализирани вештини и го зема најдоброто решение придонесе, наместо користење на Сплит аплицираат-комбинира стратегија.

Конечно, може да се тврди дека Peer-to-патенти е пример за дистрибуирани собирање на податоци. Се одлучив да се вклучи како отворен повик, бидејќи има натпревар-како структура и да се користат само најдобрите придонеси (а со дистрибуирани собирање на податоци, идејата на добри и лоши придонеси е помалку јасно).

За повеќе информации за наградата Netflix, види Bennett and Lanning (2007) , Thompson (2008) , Bell, Koren, and Volinsky (2010) , и Feuerverger, He, and Khatri (2012) . За повеќе информации за FoldIt види, Cooper et al. (2010) , Andersen et al. (2012) , и Khatib et al. (2011) ; мојот опис на FoldIt базира на описите во Nielsen (2012) , Bohannon (2009) , а Hand (2010) . За повеќе информации за Peer-to-патенти, види Noveck (2006) , Bestor and Hamp (2010) , Ledford (2007) , и Noveck (2009) .

Слично како и резултатите од Glaeser et al. (2016) , Mayer-Schönberger and Cukier (2013) , Глава 10 извештаи големи добивки во продуктивноста на инспектори за домување во Њујорк кога инспекции се водени од предвидливо модели. Во Њујорк, овие предвидливо модели се изградени од страна на вработените на градот, но и во други случаи, може да се замисли дека тие може да се создаде или подобри со отворени повици (на пример, Glaeser et al. (2016) ). Сепак, една голема загриженост со предвидливо модели кои се користат да се доделат ресурси е дека моделите имаат потенцијал за зајакнување на постоечките предрасуди. Многу истражувачи веќе знаете "ѓубре во, ѓубре надвор", а со предвидливо модели може да се "пристрасност, пристрасност надвор." Види Barocas and Selbst (2016) и O'Neil (2016) за повеќе информации за опасностите од предвидливо модели изградена со пристрасни податоци за обука.

Еден проблем што може да се спречи владите од користење на отворен конкурс е тоа што тој бара ослободување на податоци, која може да доведе до нарушување на приватноста. За повеќе информации околу приватноста и податоците во порака отворени повици види Narayanan, Huey, and Felten (2016) и дискусијата во Поглавјето 6.

  • Дистрибуирани собирање на податоци (Дел 5.4)

Мојот опис на eBird базира на описите во Bhattacharjee (2005) и Robbins (2013) . За повеќе информации за тоа како научниците ги користат статистички модели за да се анализира податоци eBird види Hurlbert and Liang (2012) и Fink et al. (2010) . За повеќе информации за историјата на граѓаните наука во ornothology, видете Greenwood (2007) .

За повеќе информации за проектот и Списанија Малави, видете Watkins and Swidler (2009) и Kaler, Watkins, and Angotti (2015) . И за повеќе информации поврзани со проектот во Јужна Африка, види Angotti and Sennott (2015) . За повеќе примери од истражувања со користење на податоци од Проектот Малави Списанија види Kaler (2004) и Angotti et al. (2014) .

  • Дизајнирање свој (Дел 5.5)

Мојот пристап кон дизајнот нудат совет бил индуктивни, врз основа на примери на успешни и неуспешни проекти масовно соработка што јас сум слушнал за него. Исто така постои прилив на истражување се обидува да се применуваат повеќе општи социјални психолошки теории за дизајнирање на онлајн заедници кои се релевантни за дизајн на проекти масовно соработка, види, на пример, Kraut et al. (2012) .

Во врска мотивирање на учесници, тоа е всушност сосема незгодно да дознаам што точно зошто луѓето учествуваат во проекти масовно соработка (Nov, Arazy, and Anderson 2011; Cooper et al. 2010, Raddick et al. (2013) ; Tuite et al. 2011; Preist, Massung, and Coyle 2014) . Ако планирате да ги мотивира учесниците во платниот промет на пазарот на трудот микро-задача (на пример, Амазон Механички Турчин) Kittur et al. (2013) , нуди неколку совети.

Во врска со овозможување на изненадување, за повеќе примери на неочекувани откритија излегува на проекти Zoouniverse, видете Marshall, Lintott, and Fletcher (2015) .

Во врска се етички, некои добра општа вовед за прашањата за кои се Gilbert (2015) , Salehi et al. (2015) , Schmidt (2013) , Williamson (2016) , Resnik, Elliott, and Miller (2015) , и Zittrain (2008) . За прашањата посебно во врска со правни прашања со вработените толпата, види Felstiner (2011) . O'Connor (2013) се однесува на прашања во врска со етички надзор на истражување кога улогите на истражувачите и учесниците blur решение. За прашања поврзани со размена на податоци, додека за заштита participats во проекти граѓаните наука, видете Bowser et al. (2014) . Двете Purdam (2014) и Windt and Humphreys (2016) имаат некоја дискусија во врска со етичките прашања во дистрибуирани собирање на податоци. Конечно, повеќето проекти признаат придонесите но не се одрекувајте Заслугата за учесниците. Во Foldit, играчите на Foldit често се наведени како автор (Cooper et al. 2010; Khatib et al. 2011) . Со други проекти со отворен повик, победничкиот соработник често може да се напише на хартија опишува нивните решенија (на пример, Bell, Koren, and Volinsky (2010) и Dieleman, Willett, and Dambre (2015) ). Во семејството Galaxy Zoo на проекти, многу активни и важен придонес понекогаш се поканети да биде ко-автори на трудови. На пример, Иван Terentev и Тим Matorny, двајца учесници Радио Галакси Зоолошката градина од Русија, биле ко-автори на еден од весниците што се појавија од тој проект (Banfield et al. 2016; Galaxy Zoo 2016) .