5.1 Innledning

Wikipedia er fantastisk. Et massesamarbeid fra frivillige skapte en fantastisk encyklopedi som er tilgjengelig for alle. Nøkkelen til Wikipedias suksess var ikke ny kunnskap; Det var snarere en ny form for samarbeid. Den digitale tidsalderen gir heldigvis mange nye former for samarbeid. Således bør vi nå spørre: Hvilke enorme vitenskapelige problemer - problemer som vi ikke kunne løse enkeltvis - kan vi nå takle sammen?

Samarbeid i forskning er ikke noe nytt, selvfølgelig. Hva er nytt, er imidlertid at den digitale tidsalder muliggjør et samarbeid med en mye større og mer variert sett av mennesker: de milliarder av mennesker rundt om i verden med Internett-tilgang. Jeg forventer at disse nye masse samarbeid vil gi fantastiske resultater ikke bare på grunn av antall personer involvert, men også på grunn av deres ulike ferdigheter og perspektiver. Hvordan kan vi innlemme alle med en Internett-tilkobling til vår forskningsprosessen? Hva kan du gjøre med 100 vitenskapelige assistenter? Hva om 100.000 dyktige medarbeidere?

Det er mange former for massesamarbeid, (Quinn and Bederson 2011) organiserer dem vanligvis i et stort antall kategorier basert på deres tekniske egenskaper (Quinn and Bederson 2011) . I dette kapittelet skal jeg imidlertid kategorisere masse samarbeidsprosjekter basert på hvordan de kan brukes til samfunnsforskning. Spesielt synes jeg det er nyttig å grove skille mellom tre typer prosjekter: menneskelig beregning , åpen samtale og distribuert datainnsamling (figur 5.1).

Jeg vil beskrive hver av disse typene mer detaljert senere i kapitlet, men for nå la meg beskrive hver enkelt kort. Menneskelige beregningsprosjekter er ideell for enkle oppgaver - storskala problemer som å merke en million bilder. Dette er prosjekter som tidligere kunne vært utført av forskerassistenter. Bidrag krever ikke oppgaverelaterte ferdigheter, og den endelige produksjonen er vanligvis et gjennomsnitt av alle bidragene. Et klassisk eksempel på et menneskelig beregningsprosjekt er Galaxy Zoo, hvor hundre tusen frivillige hjalp astronomer til å klassifisere en million galakser. Åpen samtaleprosjekter er derimot ideell for problemer der du leter etter nye og uventede svar på klart formulerte spørsmål. Dette er prosjekter som tidligere kunne ha involvert å spørre kolleger. Bidrag kommer fra folk som har spesielle oppgaver relaterte oppgaver, og den endelige produksjonen er vanligvis det beste av alle bidragene. Et klassisk eksempel på en åpen samtale er Netflix-prisen, hvor tusenvis av forskere og hackere jobbet for å utvikle nye algoritmer for å forutsi kunders vurdering av filmer. Til slutt er distribuerte datainnsamlingsprosjekter ideelt for stor datainnsamling. Dette er prosjekter som tidligere kunne ha blitt utført av bachelorforskere eller undersøkelsesforskningsfirmaer. Bidrag kommer vanligvis fra personer som har tilgang til steder som forskere ikke gjør, og sluttproduktet er en enkel samling av bidragene. Et klassisk eksempel på en distribuert datainnsamling er eBird, hvor hundretusenvis av frivillige bidrar med rapporter om fugler de ser.

Figur 5.1: Skjematisk massesamarbeid. Dette kapittelet er organisert rundt tre hovedformer for massesamarbeid: menneskelig beregning, åpen samtale og distribuert datainnsamling. Mer generelt kombinerer massesamarbeid ideer fra felt som borgervitenskap, crowdsourcing og kollektiv intelligens.

Figur 5.1: Mass samarbeid skjematisk. Dette kapitlet er organisert rundt tre hovedformer for masse samarbeid: menneskelig beregning, åpen samtale, og distribuert datainnsamling. Mer generelt kombinerer masse samarbeid ideer fra felt som borger vitenskap, crowdsourcing og kollektiv intelligens.

Masssamarbeid har en lang, rik historie på områder som astronomi (Marshall, Lintott, and Fletcher 2015) og økologi (Dickinson, Zuckerberg, and Bonter 2010) , men det er ikke vanlig i samfunnsforskning. Men ved å beskrive vellykkede prosjekter fra andre felt og gi noen viktige organiseringsprinsipper, håper jeg å overbevise dere om to ting. Først kan masse samarbeid bli brukt for samfunnsforskning. Og for det andre vil forskere som bruker massesamarbeid kunne løse problemer som tidligere hadde virket umulige. Selv om massesamarbeid ofte fremmes som en måte å spare penger på, er det mye mer enn det. Som jeg vil vise, lar massesamarbeid ikke bare oss å gjøre forskning billigere , det tillater oss å gjøre forskning bedre .

I de forrige kapitlene har du sett hva som kan læres ved å engasjere seg med mennesker på tre forskjellige måter: å observere deres oppførsel (kapittel 2), stille spørsmål til dem (kapittel 3) og registrere dem i eksperimenter (kapittel 4). I dette kapittelet skal jeg vise deg hva som kan læres ved å engasjere folk som forskningsmedlemmer. For hver av de tre hovedformene for massesamarbeid skal jeg beskrive et prototypisk eksempel, illustrere viktige tilleggspunkter med ytterligere eksempler, og endelig beskrive hvordan denne form for massesamarbeid kan brukes til samfunnsforskning. Kapittelet vil konkludere med fem prinsipper som kan hjelpe deg med å designe ditt eget massesamarbeidsprosjekt.