dalje komentar

Ovaj dio je dizajniran da se koristi kao referenca, a ne da se čita kao narativ.

• Uvod (odjeljak 5.1)

Mass suradnji spaja ideje od građana nauke, crowdsourcing, i kolektivne inteligencije. Građanin nauka obično znači uključivanje "građana" (tj, ne-naučnici) u naučni proces (Crain, Cooper, and Dickinson 2014) . Crowdsourcing obično znači uzimanje problem obično riješen unutar organizacije i umjesto drvenih ga je privuklo (Howe 2009) . Kolektivne inteligencije obično znači grupe pojedinaca koji djeluju kolektivno na načine koji su Vam inteligentan (Malone and Bernstein 2015) . Nielsen (2012) je prekrasan uvod knjige dužine u moć mase saradnju za naučno-istraživački rad.

Postoje mnoge vrste masovne suradnje koji se uredno ne uklapaju u tri kategorije koje sam predložio, i mislim da tri zaslužuju posebnu pažnju, jer oni mogu biti korisni u socijalna istraživanja u nekom trenutku. Jedan od primjera je predviđanje tržišta, gdje su učesnici kupiti i trgovinu ugovorima koji mogu otkupiti na osnovu rezultata koje se dešavaju u svijetu (Wolfers and Zitzewitz 2004; Arrow et al. 2008) . Predviđanje tržišta se često koristi od strane firmi i vlada za predviđanje, i predviđanje tržišta su također koriste društvenim istraživačima da predvidi ponovljivost objavljenih studija psihologije (Dreber et al. 2015) .

Drugi primjer da se i ne uklapa u moje kategorizacija shema je projekt Polymath, gdje istraživači sarađivali koristeći blogove i wiki dokazati nove matematičke teoreme (Gowers and Nielsen 2009; Cranshaw and Kittur 2011; Nielsen 2012; Kloumann et al. 2016) . Projekt polymath je na neki način slična Netflix nagradu, ali u učesnici Polymath projekta aktivnije izgrađen na parcijalna rješenja drugih.

Treći primjer da se i ne uklapa u moje kategorizacija shema je vremena zavisi od mobilizacije, kao što je Agencija za Defense Advanced Research Projects (DARPA) Network Challenge (tj Red Balloon Challenge). Za više informacija o ovim vremena osjetljive mobilizacije vidjeti Pickard et al. (2011) , Tang et al. (2011) , a Rutherford et al. (2013) .

• Human računanja (Sekcija 5.2)

Termin "ljudske proračuna" izlazi iz posla obavlja kompjuterski stručnjaci, i razumijevanje konteksta iza ovog istraživanja će poboljšati vašu sposobnost izdvojiti probleme koji bi mogli biti podložna je. Za određene zadatke, kompjuteri su nevjerojatno moćna sa mogućnostima daleko prelazi čak i stručni ljudi. Na primjer, u šah, kompjuteri mogu tući ni najbolji Grand majstora. Ali-a to je manje cijenjen od strane društvenih nauka-za druge poslove, kompjuteri su zapravo mnogo gore nego ljudi. Drugim riječima, sada si bolji nego čak najsofisticiraniji kompjuter na određene zadatke koji uključuju obradu slike, video, audio i tekst. Tako-kao što je ilustrovano divan XKCD crtani-postoje zadaci koji su jednostavni za računala i teško za ljude, ali postoje i zadaci koje je teško za računala i lako za ljude (Slika 5.13). Kompjuterski stručnjaci koji rade na ovim teško za računare-jednostavan-za-ljudska zadatke, dakle, shvatio da oni mogu uključivati ​​ljude u svoje računarske procesu. Evo kako Luis von Ahn (2005) opisao ljudski proračun kada je prvi skovao termin u njegovu disertaciju: ". Paradigmu za korišćenje moć ljudske obrade za rješavanje problema koji kompjuteri još ne može riješiti"

Slika 5.13: Za neke zadatke kompjuteri su neverovatno, prelazi sposobnost ljudskog stručnjaka. Ali, za druge zadatke, obični ljudi mogu nadmašiti čak i sofisticiranim kompjuterima sistema. problemi velikih razmjera koje uključuju zadatke koji su teško za računala i lako za ljude su dobro pogodna za ljudsku proračun. Koristi u skladu sa uslovima ovdje opisan: http://xkcd.com/license.html

Po ovoj definiciji FoldIt-koje sam opisao u poglavlju o otvorenim pozivima-može se smatrati projektom ljudskog proračun. Međutim, biram za kategorizaciju FoldIt kao otvoreni poziv, jer zahtijeva specijalizirane vještine i potrebno je najbolje rješenje doprinijeli, a ne pomoću split-aplicirati-kombinuju strategije.

Za odličan dužina knjiga tretman ljudskih računanja, u najširem smislu tog pojma, vidi Law and Ahn (2011) . Poglavlje 3 od Law and Ahn (2011) ima zanimljivu raspravu o složenije kombinuju koraka od onih u ovom poglavlju.

Termin "split-aplicirati-kombinata" je koristio Wickham (2011) opisuje strategiju za statističke računarstvo, ali savršeno snima proces mnogih projekata ljudskih računanja. Splitsko-aplicirati-kombinuju strategija je slična MapReduce okvir razvijen na Google (Dean and Ghemawat 2004; Dean and Ghemawat 2008) .

Dva pametno proračun projekta ljudski da nisam imao prostora da razgovaraju su ESP Game (Ahn and Dabbish 2004) i reCAPTCHA (Ahn et al. 2008) . Oba od ovih projekata naći kreativne načine da motiviše učesnike za pružanje oznake na slikama. Međutim, oba od ovih projekata pokrenuto etička pitanja, jer, za razliku od Galaxy Zoo, učesnici u ESP igre i reCAPTCHA nije znao kako su njihovi podaci koriste (Lung 2012; Zittrain 2008) .

Inspirisan ESP igre, mnogi istraživači su pokušali da razviju druge "igre sa svrhom" (Ahn and Dabbish 2008) (tj, "ljudski-based računanja igre" (Pe-Than, Goh, and Lee 2015) ) koji mogu biti koristi za rješavanje raznih drugih problema. Ono što ove "igre sa svrhom" imaju zajedničko je da oni pokušavaju da zadataka uključenih u ljudskoj proračuna ugodnijim. Tako, dok je ESP Igra dijeli isto split-aplicirati-kombinuju strukturu sa Galaxy Zoo, to se razlikuje u tome kako su učesnici motivisani-zabava vs. želju da pomogne nauci.

Moj opis Galaxy Zoo oslanja na Nielsen (2012) , Adams (2012) , Clery (2011) , i Hand (2010) , i bio je pojednostavljen mojoj prezentaciji istraživanja ciljeva Galaxy Zoo. Za više informacija o istoriji galaksije klasifikacije u astronomiji i kako Galaxy Zoo nastavlja ovu tradiciju, pogledajte Masters (2012) i Marshall, Lintott, and Fletcher (2015) . Nadovezujući se na Galaxy Zoo, istraživači su završili Galaxy Zoo 2 koja je prikupila više od 60 miliona složenije morfoloških klasifikacije od volontera (Masters et al. 2011) . Nadalje, oni razgranala u probleme izvan galaksije morfologije, uključujući istraživanje površine Mjeseca, u potrazi za planete, i prepisivanjem starih dokumenata. Trenutno, svi njihovi projekti se prikupljaju na www.zooniverse.org (Cox et al. 2015) . Jedan od projekata-Snapshot Serengeti-dokaz da Galaxy Zoo-tip klasifikacije slika projekata može biti učinjeno za istraživanje okoliša (Swanson et al. 2016) .

Za istraživače planirate koristiti mikro-zadatak na tržištu rada (npr, Amazon Mechanical Turk) za projekt ljudskog proračun, Chandler, Paolacci, and Mueller (2013) i Wang, Ipeirotis, and Provost (2015) pružaju dobre savjete o dizajnu zadatak i drugih srodnih pitanja.

Istraživači zainteresovani za stvaranje onoga što sam nazvao druga generacija ljudskih računanja sistema (npr, sistemi koji koriste ljudske etikete trenirati model učenja mašina) bi mogli biti zainteresirani za Shamir et al. (2014) (na primjer pomoću audio) i Cheng and Bernstein (2015) . Takođe, ovi projekti se može uraditi sa otvorenim pozivima, pri čemu istraživači natječu za stvaranje modela učenja mašina sa najvećim prediktivnog performanse. Na primjer, Galaxy Zoo tim objavio je otvoren poziv i pronašao novi pristup koji je nadmašio onaj razvijen u Banerji et al. (2010) ; vidi Dieleman, Willett, and Dambre (2015) za detalje.

• Otvoreni pozivi (Sekcija 5.3)

Otvoreni pozivi nisu nove. U stvari, jedna od najpoznatijih otvorene pozive datira iz 1714 kada je britanski parlament kreiran Dužina nagradu za svakoga koji bi mogli razviti na način da se utvrdi dužinu broda na moru. Problem zaglavila mnoge od najvećih naučnika dana, uključujući i Isak Njutn, a pobjednički rješenje je na kraju podnijeti Clockmaker sa sela koji drugačije prišao problem od naučnika koji su fokusirani na rješenje koje bi na neki način uključiti astronomije (Sobel 1996) . Kao što ovaj primjer pokazuje, jedan od razloga što se smatra otvorene pozive na posao tako dobro je da oni pružaju pristup osobama sa različitim perspektivama i vještine (Boudreau and Lakhani 2013) . Pogledajte Hong and Page (2004) i Page (2008) za više na vrijednosti različitosti u rješavanju problema.

Svaki od predmeta otvorenog poziva u poglavlju zahtijeva malo dalje objašnjenje zašto to spada u ovu kategoriju. Prvo, jedan od načina da se razliku između ljudskih proračuna i projekata otvoren poziv je da li je izlaz je u prosjeku od svih rješenja (ljudski proračun) ili najbolje rješenje (otvoreni poziv). Netflix Nagrada je nešto zeznuto u tom pogledu, jer je najbolje rješenje ispostavilo da sofisticirani prosjek pojedinačnih rješenja, što je prišao zove ansambl rješenje (Bell, Koren, and Volinsky 2010; Feuerverger, He, and Khatri 2012) . Iz perspektive Netflix, međutim, sve što je trebalo da izaberemo najbolje rješenje.

Drugo, neke definicije ljudskih računanja (npr Von Ahn (2005) ), FoldIt treba smatrati projekta ljudskog proračun. Međutim, biram za kategorizaciju FoldIt kao otvoreni poziv, jer zahtijeva specijalizirane vještine i potrebno je najbolje rješenje doprinijeli, a ne pomoću split-aplicirati-kombinuju strategije.

Konačno, moglo bi se reći da je Peer-to-Patent je primjer distribuiranih prikupljanja podataka. Biram da ga uključiti kao otvoreni poziv, jer ima strukturu takmičenje nalik i samo najbolje doprinosi se koriste (a sa distribuiranim prikupljanje podataka, ideja dobre i loše doprinosa je manje jasno).

Za više informacija o Netflix nagradu, pogledajte Bennett and Lanning (2007) , Thompson (2008) , Bell, Koren, and Volinsky (2010) , i Feuerverger, He, and Khatri (2012) . Za više informacija o FoldIt vidi, Cooper et al. (2010) , Andersen et al. (2012) , i Khatib et al. (2011) ; moj opis FoldIt oslanja se na natpisima u Nielsen (2012) , Bohannon (2009) , i Hand (2010) . Za više informacija o peer-to-Patent, pogledajte Noveck (2006) , Bestor and Hamp (2010) , Ledford (2007) , i Noveck (2009) .

Slično rezultatima Glaeser et al. (2016) , Mayer-Schönberger and Cukier (2013) , Poglavlje 10 izvještaja velike dobitke u produktivnosti stambenih inspektora u New Yorku kada je inspekcija vođeni prediktivni modeli. U New Yorku, te prediktivni modeli su izgrađena po gradu zaposlenih, ali u drugim slučajevima, moglo bi se zamisliti da bi mogli biti stvorena ili poboljšati s otvorenim pozivima (npr Glaeser et al. (2016) ). Međutim, jedan veliki problem sa prediktivnog modela koji se koristi za alokaciju resursa je da modeli imaju potencijal da ojača postojeće predrasude. Mnogi istraživači već znaju "smeće u, smeće van", i sa prediktivnog modela može biti "pristrasnost u, pristranost out." Vidi Barocas and Selbst (2016) i O'Neil (2016) za više o opasnostima od prediktivnog modela izgrađen sa pristrasna podataka trening.

Jedan od problema koji bi mogli spriječiti vlade koriste otvorene takmičenja je da zahtijeva oslobađanje podataka, što bi moglo dovesti do kršenja privatnosti. Za više informacija o privatnosti i puštanje podataka u otvorenim pozivima vidjeti Narayanan, Huey, and Felten (2016) i diskusije u poglavlju 6.

• Distributed prikupljanje podataka (Odjeljak 5.4)

Moj opis eBird oslanja se na natpisima u Bhattacharjee (2005) i Robbins (2013) . Za više informacija o tome kako istraživači koriste statističke modele za analizu eBird podataka vidi Hurlbert and Liang (2012) i Fink et al. (2010) . Za više informacija o istoriji građana nauke u ornothology, pogledajte Greenwood (2007) .

Za više informacija o Časopisi projekta Malavi, pogledajte Watkins and Swidler (2009) i Kaler, Watkins, and Angotti (2015) . A za više informacija o povezanom projektu u Južnoj Africi, pogledajte Angotti and Sennott (2015) . Za više primjera podataka istraživanja koristeći iz Malavija Časopisi Projekta vidjeti Kaler (2004) i Angotti et al. (2014) .

• Dizajniranje svoj ​​(Sekcija 5.5)

Moj pristup nudi dizajn savjet je induktivni, na osnovu primjera uspješnih i nije suradnju projekata mase koje sam čuo. Tu je i tok istraživanja pokušava da se prijave više opšte društvene psihološke teorije u dizajniranju online zajednice koje su relevantne za dizajn saradnje projekata mase, vidi, na primjer, Kraut et al. (2012) .

Što se tiče motiviranje polaznika, to je zapravo prilično nezgodno da shvatim Upravo zbog toga ljudi učestvuju u masovnim suradnji projektima (Nov, Arazy, and Anderson 2011; Cooper et al. 2010, Raddick et al. (2013) ; Tuite et al. 2011; Preist, Massung, and Coyle 2014) . Ako planirate da motiviše učesnike plaćanja na tržištu rada mikro-zadatak (npr, Amazon Mechanical Turk) Kittur et al. (2013) nudi neke savjete.

Što se tiče omogućava iznenađenje, za više primjera neočekivanih otkrića izlazi iz Zoouniverse projekata, vidi Marshall, Lintott, and Fletcher (2015) .

Što se tiče kao etički, neke dobre opšti uvod u probleme koji su uključeni Gilbert (2015) , Salehi et al. (2015) , Schmidt (2013) , Williamson (2016) , Resnik, Elliott, and Miller (2015) , i Zittrain (2008) . Za pitanja koja se posebno odnose na pravna pitanja sa zaposlenima publici, pogledajte Felstiner (2011) . O'Connor (2013) bavi pitanja o etičkim nadzor istraživanja kada su uloge istraživača i učesnika zamućenje. Za pitanja koja se odnose na razmjenu podataka uz zaštitu participats u projektima građana nauci, pogledajte Bowser et al. (2014) . Oba Purdam (2014) i Windt and Humphreys (2016) imaju neke rasprave o etičkim pitanjima u distribuiranim prikupljanja podataka. Na kraju, većina projekata priznati doprinosa, ali ne daju autorstvo kredita učesnicima. U Foldit, igrači Foldit često naveden kao autor (Cooper et al. 2010; Khatib et al. 2011) . U drugim projektima otvorenog poziva, pobjedničke doprinos često može pisati rad opisuje njihov rješenja (npr Bell, Koren, and Volinsky (2010) i Dieleman, Willett, and Dambre (2015) ). U porodici Galaxy Zoo projekata, izuzetno aktivan i važan doprinos ponekad pozvani da budu koautori na papirima. Na primjer, Ivan Terentev i Tim Matorny, dva učesnika Radio Galaxy Zoo iz Rusije, bili su koautori na jednom od radova koji su nastali od tog projekta (Banfield et al. 2016; Galaxy Zoo 2016) .