5.1 Inleiding
Wikipedia is ongelooflik. 'N Massamewerking van vrywilligers het 'n fantastiese ensiklopedie geskep wat vir almal beskikbaar is. Die sleutel tot Wikipedia se sukses was nie nuwe kennis nie; eerder, dit was 'n nuwe vorm van samewerking. Die digitale era bied gelukkig baie nuwe vorme van samewerking. Dus moet ons nou vra: Watter massiewe wetenskaplike probleme - probleme wat ons nie individueel kan oplos nie - kan ons nou aanpak?
Samewerking in navorsing is niks nuuts nie, natuurlik. Wat is 'n nuwe, egter, is dat die digitale ouderdom in staat stel om saam met 'n veel groter en meer diverse groep mense: die miljarde mense regoor die wêreld met toegang tot die Internet. Ek verwag dat hierdie nuwe massa samewerking ongelooflike resultate nie net as gevolg van die aantal mense wat betrokke is nie, maar ook as gevolg van hul uiteenlopende vaardighede en perspektiewe sal oplewer. Hoe kan ons neem almal met 'n internet konneksie in ons navorsingsproses? Wat kan jy doen met 100 navorsingsassistente? Wat van 100,000 geskoolde medewerkers?
Daar is baie vorme van massamewerking, en rekenaarwetenskaplikes organiseer hulle tipies in 'n groot aantal kategorieë op grond van hul tegniese eienskappe (Quinn and Bederson 2011) . In hierdie hoofstuk gaan ek egter massasamewerkingsprojekte kategoriseer volgens hoe hulle gebruik kan word vir sosiale navorsing. In die besonder vind ek dit nuttig om tussen drie soorte projekte raadsaam te onderskei: menslike berekening , oproep en verspreiding van data (figuur 5.1).
Ek beskryf elkeen van hierdie tipes later in die hoofstuk, maar laat my nou kortliks beskryf. Menslike berekeningsprojekte is ideaal geskik vir maklike taak-grootskaalse probleme soos die etikettering van 'n miljoen beelde. Dit is projekte wat in die verlede deur voorgraadse navorsingsassistente uitgevoer kon word. Bydraes vereis nie taakverwante vaardighede nie, en die finale uitset is tipies 'n gemiddeld van al die bydraes. 'N Klassieke voorbeeld van 'n menslike berekeningsprojek is Galaxy Zoo, waar honderdduisend vrywilligers die sterrekundiges gehelp het om 'n miljoen sterrestelsels te klassifiseer. Oop oproep projekte, aan die ander kant, is ideaal geskik vir probleme waar jy op soek is na nuwe en onverwagte antwoorde op duidelik geformuleerde vrae. Dit is projekte wat in die verlede moontlik betrokke was om kollegas te vra. Bydraes kom van mense wat spesiale taakverwante vaardighede het, en die finale uitset is gewoonlik die beste van al die bydraes. 'N Klassieke voorbeeld van 'n oproep is die Netflix-prys, waar duisende wetenskaplikes en hackers gewerk het om nuwe algoritmes te ontwikkel om kliënte se graderings van films te voorspel. Ten slotte, verspreide data-insameling projekte is ideaal geskik vir grootskaalse data-insameling. Dit is projekte wat in die verlede deur voorgraadse navorsingsassistente of navorsingnavorsingsmaatskappye uitgevoer kon word. Bydraes kom gewoonlik van mense wat toegang het tot plekke wat navorsers nie doen nie, en die finale produk is 'n eenvoudige versameling van die bydraes. 'N Klassieke voorbeeld van 'n verspreide data-versameling is eBird, waarin honderde duisende vrywilligers verslae lewer oor voëls wat hulle sien.
Figuur 5.1: Mass samewerking skematiese. Hierdie hoofstuk is georganiseer rondom drie belangrikste vorme van massa samewerking: menslike berekening, oop gesprek, en versprei dataversameling. Meer in die algemeen, massa samewerking kombineer idees uit velde soos burger wetenskap, crowdsourcing, en kollektiewe intelligensie.
Massamewerking het 'n lang, ryk geskiedenis in gebiede soos sterrekunde (Marshall, Lintott, and Fletcher 2015) en ekologie (Dickinson, Zuckerberg, and Bonter 2010) , maar dit is nog nie algemeen in sosiale navorsing nie. Deur egter suksesvolle projekte uit ander velde te beskryf en enkele sleutelorganiserende beginsels te verskaf, hoop ek jou van twee dinge te oortuig. Eerstens kan massamewerking aangewend word vir sosiale navorsing. En tweedens kan navorsers wat massamewerking gebruik, probleme oplos wat voorheen onmoontlik gelyk het. Alhoewel massa-samewerking dikwels bevorder word as 'n manier om geld te spaar, is dit veel meer as dit. Soos ek sal laat sien, laat massa samewerking nie net ons toe om navorsing goedkoper te doen nie, dit laat ons toe om beter navorsing te doen.
In die vorige hoofstukke het jy gesien wat geleer kan word deur mense op drie verskillende maniere te betree: hulle gedrag te volg (Hoofstuk 2), hulle vrae te vra (Hoofstuk 3) en hulle in eksperimente in te skryf (Hoofstuk 4). In hierdie hoofstuk sal ek jou wys wat geleer kan word deur mense as navorsingsamewerkers te betrek. Vir elk van die drie hoofvorme van massamewerking sal ek 'n prototipiese voorbeeld beskryf, belangrike addisionele punte met verdere voorbeelde illustreer en uiteindelik beskryf hoe hierdie vorm van massamewerking vir sosiale navorsing gebruik kan word. Die hoofstuk sal afgesluit word met vyf beginsels wat u kan help om u eie massasamewerkingsprojek te ontwerp.
