5.5.2 Leverage хетерогенност

След като сте мотивирани много хора да работят на истински научен проблем, вие ще откриете, че вашите участници ще бъдат разнородни по два основни начина: те ще се различават в своето умение и те ще се различават в тяхното ниво на усилие. Първата реакция на много социални изследователи е да се изключат ниски участници качество и след това се опита да събере фиксирана сума на информация от всички напуснали. Това е грешен начин да се изработи проект за масово сътрудничество.

Първо, няма причина да се изключи ниско квалифицираните участници. В отворени покани, ниско квалифицираните участници причиняват никакви проблеми; приноса им не нараня никого и те не се нуждаят от време, за да се оцени. В човешкото изчисляване и разпределени проекти за събиране на данни, от друга страна, най-добрата форма на контрол на качеството идва чрез съкращения, а не високо бар за участие. В действителност, а не изключение ниски участниците умения, по-добър подход е да им помогне да направите по-добър принос, колкото и изследователите в eBird са направили.

Второ, няма причина да се събират на определено количество информация от всеки участник. Участие в множество проекти за масово сътрудничество е изключително неравна (Sauermann and Franzoni 2015) с малък брой хора, които допринасят много-понякога се нарича мазнини главата; и много хора, които допринасят малко-понякога се нарича дълга опашка. Ако не събира информация от ръководителя на мазнини и дълга опашка, която напуска тонове информация несъбрани. Например, ако Wikipedia приети 10 и само на 10 редакции на редактор, че ще загубят около 95% от редакции (Salganik and Levy 2015) . По този начин, с проекти за масово сътрудничество, най-добре е да се наберат хетерогенност, а не се опитват да го отстранят.