Una vegada que ha motivat una gran quantitat de persones per treballar en un problema científic real, descobrirà que els seus participants seran heterogènia de dues maneres principals: variaran en la seva habilitat i que va a variar en el seu nivell d'esforç. La primera reacció de molts investigadors socials és excloure els participants de baixa qualitat i després intentar cobrar una quantitat fixa d'informació de tot el món se'n va anar. Aquest és el camí equivocat per dissenyar un projecte de col·laboració en massa.
En primer lloc, no hi ha cap raó per excloure baixes participants qualificats. En les trucades obertes, de baixa participants qualificats no causen problemes; les seves contribucions no fan mal a ningú i que no requereixen cap temps per avaluar. A la computació humana i projectes de recollida de dades distribuïts, per contra, la millor forma de control de la qualitat arriba a través de la redundància, no una barra alta per a la participació. De fet, en lloc d'excloure als participants de baixa qualificació, un millor enfocament és ajudar a prendre millors contribucions, tant com als investigadors de eBird han fet.
En segon lloc, no hi ha cap raó per recollir una quantitat fixa d'informació de cada participant. La participació en nombrosos projectes de col·laboració en massa és molt desigual (Sauermann and Franzoni 2015) amb un petit nombre de persones que contribueixen molt a vegades anomenada la cap gros -i una gran quantitat de persones que contribueixen una mica, de vegades anomenada la cua llarga. Si no es recull informació del cap del greix i la llarga cua, que està deixant un munt d'informació sense recollir. Per exemple, si Wikipedia acceptat 10 i 10 edicions per editor, es perdrien al voltant del 95% d'edicions (Salganik and Levy 2015) . Per tant, amb els projectes de col·laboració en massa, el millor és aprofitar l'heterogeneïtat en lloc de tractar de eliminar-lo.