5.2 Mänskligt beräkning

Mänskliga beräkningsprojekt tar ett stort problem, bryter det in i enkla bitar, skickar dem till många arbetare och sammanfattar sedan resultaten.

Mänskliga beräkningsprojekt kombinerar ansträngningarna hos många som arbetar med enkla mikrotackar för att lösa problem som är omöjligt stora för en person. Du kanske har ett forskningsproblem som är lämpligt för mänsklig beräkning om du någonsin har trott: "Jag kunde lösa detta problem om jag hade tusen forskningsassistenter."

Det prototypiska exemplet på ett mänskligt beräkningsprojekt är Galaxy Zoo. I detta projekt klassificerade mer än ett hundra tusen volontärer bilder av ungefär en miljon galaxer med liknande noggrannhet för tidigare och väsentligt mindre insatser av professionella astronomer. Denna ökade skala som ges av masssamarbete ledde till nya upptäckter om hur galaxer bildas, och det blev en helt ny klass av galaxer som kallades "gröna ärtor".

Även om Galaxy Zoo kan verka långt ifrån social forskning, finns det faktiskt många situationer där sociala forskare vill koda, klassificera eller mäta bilder eller texter. I vissa fall kan denna analys göras med datorer, men det finns fortfarande vissa analysformer som är svåra för datorer men lätt för människor. Det är dessa lättanvända men ändå hårt för datorer mikrotackar som vi kan övergå till mänskliga beräkningsprojekt.

Inte bara är mikrotasken i Galaxy Zoo ganska generell, men också projektets struktur är generell. Galaxy Zoo och andra mänskliga beräkningsprojekt, brukar använda en split-apply-combine- strategi (Wickham 2011) , och när du förstår denna strategi kan du använda den för att lösa många problem. Först delas ett stort problem upp i massor av små problembitar. Därefter tillämpas mänskligt arbete varje litet problembit, oberoende av de andra bitarna. Slutligen kombineras resultaten av detta arbete för att skapa en konsensuslösning. Med tanke på den bakgrunden, låt oss se hur split-apply-combining-strategin användes i Galaxy Zoo.