5.1 Въведение

Уикипедия е невероятно. Масовото сътрудничество на доброволци създаде фантастична енциклопедия, която е достъпна за всички. Ключът към успеха на Уикипедия не е ново познание; по-скоро това беше нова форма на сътрудничество. Цифровата ера, за щастие, дава възможност за много нови форми на сътрудничество. Следователно, сега трябва да попитаме: Какви масови научни проблеми - проблеми, които не бихме могли да разрешим индивидуално - можем ли да се справим заедно?

Сътрудничество в областта на изследванията не е нищо ново, разбира се. Какво е новото, обаче, е, че цифровата ера позволява сътрудничество с много по-голям и по-разнообразен набор от хора: милиардите хора по света с достъп до интернет. Аз очаквам, че тези нови масови сътрудничество ще даде удивителни резултати не само защото на броя на хората, които участват, но и поради различните си умения и перспективи. Как можем да се включи всеки с интернет връзка в нашия процес на изследвания? Какво може да се направи с 100 научни сътрудници? Ами 100,000 квалифицирани сътрудници?

Има много форми на масово сътрудничество и компютърните учени обикновено ги организират в голям брой категории въз основа на техните технически характеристики (Quinn and Bederson 2011) . В тази глава, обаче, ще категоризирам проектите за масова колаборация, основаващи се на това как те могат да бъдат използвани за социални изследвания. По-специално считам, че е полезно грубо да се разграничат три вида проекти: човешки изчисления , отворено повикване и разпределено събиране на данни (фигура 5.1).

Ще опиша всеки един от тези типове по-подробно по-късно в главата, но засега позволете ми да опиша всеки един накратко. Проектите за човешки изчисления са идеално пригодени за големи задачи, като например етикетиране на милион изображения. Това са проекти, които в миналото биха могли да бъдат изпълнявани от асистенти за научни изследвания. Вноските не изискват умения, свързани със задачите, а крайната продукция обикновено е средно от целия принос. Класически пример за човешки изчислителен проект е Galaxy Zoo, където стотици хиляди доброволци помогнаха на астрономите да класифицират милиони галактики. От друга страна, отворените проекти за обаждания са идеално подходящи за проблеми, при които търсите нови и неочаквани отговори на ясно формулирани въпроси. Това са проекти, които в миналото са могли да изискват от колеги. Вноските идват от хора, които имат специални умения, свързани със задачите, а крайната продукция обикновено е най-добрата от всички вноски. Класически пример за открито обаждане е наградата Netflix, където хиляди учени и хакери са работили за разработването на нови алгоритми за прогнозиране на оценките на клиентите за филми. Накрая, проектите за разпределено събиране на данни са в идеалния случай подходящи за събиране на големи количества данни. Това са проекти, които в миналото биха могли да бъдат изпълнявани от помощник-изследователи или изследователски компании. Вноските обикновено идват от хора, които имат достъп до местоположения, които изследователите не използват, а крайният продукт е просто събиране на приносите. Класически пример за разпределено събиране на данни е eBird, в който стотици хиляди доброволци дават отчет за птиците, които виждат.

Фигура 5.1: Mass сътрудничество схематични. Тази глава е организирана в три основни форми на масово сътрудничество: човешкото изчислителни, открита покана, и разпределени за събиране на данни. По-общо казано, масово сътрудничество съчетава идеи от области като гражданин науката, краудсорсинг, и колективна интелигентност.

Масовото сътрудничество има дълга, богата история в области като астрономията (Marshall, Lintott, and Fletcher 2015) и екологията (Dickinson, Zuckerberg, and Bonter 2010) , но все още не е разпространена в социалните изследвания. Обаче, като описах успешни проекти от други области и предоставих няколко ключови организационни принципи, се надявам да ви убедя в две неща. Първо, масовото сътрудничество може да се използва за социални изследвания. И второ, изследователите, които използват масовото сътрудничество, ще могат да решават проблеми, които преди изглеждаха невъзможни. Въпреки че масовото сътрудничество често се насърчава като начин да се спестят пари, това е много повече от това. Както ще покажа, масовото сътрудничество не само ни позволява да направим научните изследвания по-евтини , но ни позволява да правим изследвания по-добре .

В предишните глави сте видели какво може да се научи, като се ангажирате с хора по три различни начина: да наблюдавате тяхното поведение (глава 2), да им зададете въпроси (глава 3) и да ги записвате в експерименти (глава 4). В тази глава ще ви покажа какво можете да научите, като ангажирате хората като сътрудници в научните изследвания. За всяка от трите основни форми на масово сътрудничество ще опиша прототипен пример, ще илюстрирам важни допълнителни точки с допълнителни примери и накрая ще опиша как тази форма на масово сътрудничество може да се използва за социални изследвания. Главата ще приключи с пет принципа, които могат да ви помогнат да изработите свой собствен проект за масова съвместна работа.