5.5.2 Pákový efekt heterogenita

Jakmile jste motivovali mnoho lidí, abyste pracovali na skutečném vědeckém problému, zjistíte, že vaši účastníci budou heterogenní dvěma hlavními způsoby: budou se lišit jak v jejich dovednostech, tak v úrovni jejich úsilí. První reakcí mnoha společenských vědců je bojovat proti této heterogenitě tím, že se snaží vyloučit nekvalitní účastníky a pak se pokoušet shromáždit pevné množství informací od všech, kteří zbyli. To je špatný způsob, jak navrhnout projekt masové spolupráce. Místo boje s heterogenitou byste ji měli využít.

Za prvé, není důvod vyloučit účastníky s nízkou kvalifikací. Při otevřených voláních neúčastní lidé s nízkou kvalifikací způsobují žádné problémy; jejich příspěvky nikomu neublíží a nepotřebují čas na vyhodnocení. V lidských výpočtech a distribuovaných projektech shromažďování dat navíc nejlepší způsob kontroly kvality přichází přes redundanci, ne přes vysoký bar pro účast. Ve skutečnosti spíše než vyloučit účastníky s nízkou kvalifikací je lepší přístup k tomu, aby jim pomohli lépe přispívat, stejně jako výzkumníci z eBird.

Zadruhé, není důvod shromažďovat pevné množství informací od každého účastníka. Účast na mnoha projektech masové spolupráce je neuvěřitelně nerovnoměrná (Sauermann and Franzoni 2015) , s malým počtem lidí, kteří se značně podílejí - někdy se nazývají tlustá hlava - a spousta lidí přispívá málo - někdy se nazývá dlouhý ocas . Pokud neshromažďujete informace z tlusté hlavy a dlouhého ocasu, necháváte nehromaždené množství informací. Pokud by například Wikipedia akceptovala 10 a pouze 10 úprav v jednom editoru, ztratila by asi 95% úprav (Salganik and Levy 2015) . Při projektech hromadné spolupráce je proto nejlepší využít heterogenitu spíše než pokusit se o její odstranění.