5.5.2 Leverage хетерогенност

След като сте мотивирали много хора да работят по реален научен проблем, ще откриете, че участниците ви ще бъдат хетерогенни по два основни начина: ще се различават както в уменията си, така и в нивото на усилията си. Първата реакция на много социални изследователи е да се борят срещу тази хетерогенност, като се опитват да изключат участниците с ниско качество и след това да се опитат да съберат определена сума от информация от всички останали. Това е погрешен начин за създаване на проект за масово сътрудничество. Вместо да се борите с разнородността, трябва да го използвате.

Първо, няма причина да се изключват нискоквалифицираните участници. При откритите разговори нискоквалифицираните участници не създават проблеми; техният принос не навреди на никого и те не изискват време за оценка. При проектите за човешки изчисления и разпространение на данни, най-добрата форма на контрол на качеството идва чрез съкращения, а не чрез висок бар за участие. Всъщност, вместо да се изключват участниците с ниска квалификация, по-добрият подход е да им се помогне да допринесат по-добре, както направиха изследователите в eBird.

Второ, няма причина да се събира фиксирана сума от информация от всеки участник. Участието в много проекти за масово сътрудничество е невероятно неравномерно (Sauermann and Franzoni 2015) , като малък брой хора допринасят много - понякога се нарича мазнина - и много хора допринасят малко - понякога се наричат дълга опашка . Ако не събирате информация от дебелината на главата и от дългата опашка, вие оставяте масите на информация несъбрани. Например, ако Уикипедия прие 10 и само 10 редакции на редактор, тя ще загуби около 95% от редакциите (Salganik and Levy 2015) . По този начин, при мащабни проекти за сътрудничество, най-добре е да се стимулира хетерогенността, вместо да се опитваме да я премахнем.