5.1 Inleiding

Wikipedia is verbazingwekkend. Een massale medewerking van vrijwilligers creëerde een fantastische encyclopedie die voor iedereen beschikbaar is. De sleutel tot het succes van Wikipedia's was geen nieuwe kennis; eerder, was het een nieuwe vorm van samenwerking. Het digitale tijdperk, gelukkig, stelt vele nieuwe vormen van samenwerking. Daarom moeten we nu vragen: welke enorme wetenschappelijke problemen-problemen die we niet konden oplossen individueel kunnen we nu samen aan te pakken?

Samenwerking in onderzoek is niets nieuws, natuurlijk. Wat nieuw is, is echter dat het digitale tijdperk maakt samenwerking met een veel grotere en meer gevarieerde set van mensen: de miljarden mensen over de hele wereld met Internet toegang. Ik verwacht dat deze nieuwe massa-samenwerkingen verbluffende resultaten niet alleen vanwege het aantal betrokken personen, maar ook omwille van hun uiteenlopende vaardigheden en perspectieven zal opleveren. Hoe kunnen we nemen iedereen met een internetverbinding in ons onderzoeksproces? Wat zou je doen met 100 assistenten? Hoe zit het met 100.000 geschoolde medewerkers?

Er zijn vele vormen van massale samenwerking en informatici meestal organiseren ze in een groot aantal categorieën op basis van hun technische kenmerken (Quinn and Bederson 2011) . In dit hoofdstuk, echter, ik ga massasamenwerking projecten op basis van hoe ze kunnen worden gebruikt voor het sociaal onderzoek te categoriseren. In het bijzonder, ik denk dat het nuttig is om onderscheid te maken tussen drie soorten projecten: de menselijke berekening, open oproep, en gedistribueerde het verzamelen van gegevens (Figuur 5.1).

Ik zal elk van deze typen later beschrijven in groot detail in het hoofdstuk, maar voor nu wil ik een ieder in het kort te beschrijven. Human berekening projecten zijn bij uitstek geschikt voor eenvoudige-task-big-schaal problemen zoals het labelen van een miljoen afbeeldingen. Dit zijn projecten die in het verleden zou kunnen zijn uitgevoerd door undergraduate onderzoek assistenten. Bijdragen vereisen geen taakgerelateerde vaardigheden, en de uiteindelijke output is typisch een gemiddelde van alle van de bijdragen. Een klassiek voorbeeld van een mens berekening project Galaxy Zoo, waarbij honderdduizend vrijwilligers hielpen astronomen classificeren een miljoen sterrenstelsels. Openbare oproep projecten zijn bij uitstek geschikt voor de problemen waar u op zoek bent naar nieuwe en onverwachte antwoorden op helder geformuleerde vragen. Dit zijn projecten die in het verleden zou hebben betrokken te vragen collega's. Bijdragen komen van mensen die speciale taakgerelateerde vaardigheden, en de uiteindelijke output is meestal de beste van alle bijdragen. Een klassiek voorbeeld van een open oproep is de Netflix Prize, waar duizenden wetenschappers en hackers gewerkt om nieuwe algoritmen om ratings van films klanten voorspellen. Tot slot worden verdeeld gegevensverzameling projecten bij uitstek geschikt voor grootschalige verzameling van gegevens. Dit zijn projecten die in het verleden zou kunnen zijn uitgevoerd door undergraduate onderzoek assistenten of survey-onderzoek bedrijven. Bijdragen komen meestal van mensen die toegang hebben tot locaties die de onderzoekers niet hebben, en het eindproduct is een eenvoudige verzameling van de bijdragen. Een klassiek voorbeeld van een gedistribueerde het verzamelen van gegevens is eBird, waarbij honderdduizenden vrijwilligers dragen bij meldingen over vogels die ze zien.

Figuur 5.1: Mass samenwerking schema. Dit hoofdstuk is georganiseerd rond drie hoofdvormen van massasamenwerking: menselijke berekening, open oproep, en gedistribueerde het verzamelen van gegevens. Meer in het algemeen, massasamenwerking combineert ideeën uit de gebieden als burger wetenschap, crowdsourcing en collectieve intelligentie.

Figuur 5.1: Mass samenwerking schema. Dit hoofdstuk is georganiseerd rond drie hoofdvormen van massasamenwerking: menselijke berekening, open oproep, en gedistribueerde het verzamelen van gegevens. Meer in het algemeen, massasamenwerking combineert ideeën uit de gebieden als burger wetenschap, crowdsourcing en collectieve intelligentie.

Mass samenwerking heeft een lange, rijke geschiedenis op gebieden zoals astronomie (Marshall, Lintott, and Fletcher 2015) en ecologie (Dickinson, Zuckerberg, and Bonter 2010) , maar het is nog niet gebruikelijk in sociaal-wetenschappelijk onderzoek. Echter, met een beschrijving van succesvolle projecten uit andere gebieden en het verstrekken van een paar belangrijke organiserende principes, ik hoop dat u te overtuigen van twee dingen. Ten eerste kan massasamenwerking worden ingezet voor sociaal-wetenschappelijk onderzoek. En anderzijds onderzoekers die massasamenwerking gebruik zal kunnen problemen die voorheen onmogelijk leek lossen. Hoewel massasamenwerking vaak wordt gepromoot als een manier om geld te besparen, is het veel meer dan dat. Zoals ik zal laten zien, is de massa samenwerking niet alleen ons in staat stellen om onderzoek te doen goedkoper, het stelt ons onderzoek beter te doen.

In het onderstaande hoofdstuk voor elk van de drie vormen van massasamenwerking, ik zal een prototypisch voorbeeld beschrijven; illustreren belangrijke extra punten met verdere voorbeelden; en tenslotte beschrijven hoe deze vorm van massa-samenwerking kan worden gebruikt voor sociaal-wetenschappelijk onderzoek. Het hoofdstuk wordt afgesloten met vijf principes die u kunnen helpen uw eigen massa samenwerkingsproject te ontwerpen.