5.1 Inledning

Wikipedia är häpnadsväckande. En massa samarbete mellan frivilliga skapade en fantastisk uppslagsverk som är tillgänglig för alla. Nyckeln till Wikipedias framgång var inte ny kunskap; Snarare var det en ny form av samarbete. Den digitala tidsåldern, lyckligtvis, kan många nya samarbetsformer. Därför bör vi nu fråga: vilka massiva vetenskapliga problem-problem som vi inte kunde lösa individuellt kan vi nu ta itu med tillsammans?

Samarbete inom forskning är inget nytt, naturligtvis. Vad är nytt är dock att den digitala tidsåldern möjliggör samarbete med en mycket större och mer varierande uppsättning av människor: de miljarder människor runt om i världen med tillgång till Internet. Jag räknar med att dessa nya mass samarbeten kommer att ge fantastiska resultat inte bara på grund av antalet människor som är inblandade, men också på grund av sina olika kunskaper och perspektiv. Hur kan vi införliva alla med en Internet-anslutning i vår forskningsprocess? Vad kan du göra med 100 forskarassistenter? Vad sägs om 100.000 kompetenta medarbetare?

Det finns många former av mass samarbete och datavetare organisera dem vanligtvis i ett stort antal kategorier baserat på deras tekniska egenskaper (Quinn and Bederson 2011) . I detta kapitel, men jag ska kategorisera mass samarbetsprojekt baserade på hur de kan användas för social forskning. Framför allt tror jag att det är bra att skilja mellan tre olika typer av projekt: mänskliga beräknings, öppna samtal, och insamling distribuerad data (Figur 5.1).

Jag ska beskriva vart och ett av dessa typer i detalj senare i kapitlet, men nu vill jag beskriva var och en kortfattat. Mänskliga beräknings projekt är idealiska för lätt uppgift-big-skala problem som märkning en miljon bilder. Det är projekt som tidigare kan ha utförts av grundforskarassistenter. Bidrag inte kräver uppgiftsrelaterade färdigheter, och slutresultatet är typiskt ett medelvärde av alla bidrag. Ett klassiskt exempel på en mänsklig beräkning projekt är Galaxy Zoo, där hundra tusen frivilliga hjälpte astronomer klassificera en miljon galaxer. Öppna samtals projekt är idealiska för problem där du letar efter nya och oväntade svar på tydligt formulerade frågor. Det är projekt som tidigare kan ha inblandade frågar kollegor. Bidrag kommer från människor som har särskilda uppgiftsrelaterade färdigheter, och slutresultatet är oftast den bästa av alla bidrag. Ett klassiskt exempel på en öppen inbjudan är Netflix Priset, där tusentals forskare och hackare arbetat med att utveckla nya algoritmer för att förutsäga kundernas betyg filmer. Slutligen fördelas datainsamlingsprojekt idealisk för datainsamling i stor skala. Det är projekt som tidigare kan ha utförts av grundforskarassistenter eller undersökning forskningsföretag. Bidrag kommer vanligtvis från människor som har tillgång till platser som forskarna inte, och slutprodukten är en enkel samling av bidragen. Ett klassiskt exempel på en distribuerad datainsamlingen är eBird, där hundratusentals frivilliga bidrar rapporter om fåglar de ser.

Figur 5.1: Mass samarbete schema. Detta kapitel är uppbyggt kring tre huvudsakliga former av mass samarbete mänsklig beräknings, öppna samtal, och insamling distribuerade data. Mer allmänt kombinerar massa samarbete idéer från områden som medborgare vetenskap, crowdsourcing och kollektiv intelligens.

Figur 5.1: Mass samarbete schema. Detta kapitel är uppbyggt kring tre huvudsakliga former av mass samarbete mänsklig beräknings, öppna samtal, och insamling distribuerade data. Mer allmänt kombinerar massa samarbete idéer från områden som medborgare vetenskap, crowdsourcing och kollektiv intelligens.

Mass samarbete har en lång och rik historia inom områden såsom astronomi (Marshall, Lintott, and Fletcher 2015) och ekologi (Dickinson, Zuckerberg, and Bonter 2010) , men det är ännu inte vanligt i samhällsforskningen. Men genom att beskriva framgångsrika projekt från andra områden och ger några viktiga organiseringsprinciper, hoppas jag att övertyga er om två saker. För det första kan mass samarbete utnyttjas för social forskning. Och för det andra, kommer forskare som använder mass samarbete kunna lösa problem som tidigare verkade omöjligt. Även mass samarbete ofta marknadsförs som ett sätt att spara pengar, är det mycket mer än så. Som jag kommer att visa, inte massa samarbete inte bara tillåter oss att göra forskning billigare, gör det möjligt för oss att göra forskning bättre.

I kapitlet nedan för vart och ett av de tre huvudsakliga former av mass samarbetet kommer jag att beskriva en proto exempel; belysa viktiga extra poäng med ytterligare exempel; och slutligen beskriva hur denna form av mass samarbete kan användas för social forskning. Kapitlet avslutas med fem principer som kan hjälpa dig att designa din egen massa samarbetsprojekt.