5.5.2 लाभ heterogeneity

तपाईँले एउटा वास्तविक वैज्ञानिक समस्या मा काम गर्न मान्छे धेरै उत्प्रेरित गरेको छ, तपाईं आफ्नो सहभागीहरू दुई मुख्य तरिकामा heterogeneous हुनेछ भन्ने पत्ता लगाउन हुनेछ: तिनीहरू कौशल मा भिन्न हुनेछ र प्रयासको आफ्नो स्तर मा फरक हुनेछ। धेरै सामाजिक अनुसन्धानकर्ताहरूले पहिलो प्रतिक्रिया कम गुणस्तर सहभागीहरू निकाल्न र त्यसपछि जानकारी को एक निश्चित रकम जम्मा गर्न सबैलाई बायाँबाट प्रयास छ। यो एउटा ठूलो सहयोग परियोजना डिजाइन गलत तरिका हो।

पहिलो, कम कुशल सहभागीहरू निकाल्न कुनै कारण पनि छ। खुला कल मा, कम कुशल सहभागीहरू कुनै समस्या उत्पन्न; उनको योगदान कसैले चोट छैन र तिनीहरूले मूल्याङ्कन गर्न कुनै पनि समय आवश्यक छैन। मानव गणना र वितरण डाटा संग्रह परियोजनामा, अर्कोतर्फ, गुणस्तर नियन्त्रण को सबै भन्दा राम्रो फारम अतिरेक, सहभागिता को लागि एक उच्च पट्टी मार्फत आउँछ। वास्तवमा, बरु कम कौशल सहभागीहरू बाहेक भन्दा, एक राम्रो दृष्टिकोण तिनीहरूलाई राम्रो योगदान बनाउन मदत, eBird मा शोधकर्ताओं गरेका धेरै जस्तो छ।

दोस्रो, प्रत्येक सहभागी जानकारी को एक निश्चित रकम संकलन गर्न कुनै कारण पनि छ। धेरै ठूलो सहयोग परियोजनामा ​​सहभागिता अविश्वसनीय unequal छ (Sauermann and Franzoni 2015) मानिसहरूले योगदान को एक सानो संख्या संग धेरै-कहिलेकाहीं बोसो टाउको -and मान्छे एक योगदान धेरै भनिन्छ सानो-कहिलेकाहीं लामो पुच्छर भनिन्छ। तपाईं बोसो टाउको र लामो पुच्छर जानकारी सङ्कलन भने, तपाईं uncollected जानकारी को टन छोडेर छन्। उदाहरणका लागि, यदि विकिपीडिया 10 स्वीकार र प्रति सम्पादक मात्र 10 सम्पादन, यो सम्पादन बारेमा 95% खो (Salganik and Levy 2015) । तसर्थ, ठूलो सहयोग परियोजनाहरू संग, यो सबै भन्दा राम्रो heterogeneity लाभ गर्न भन्दा यसलाई हटाउन प्रयास छ।