Wikipedie je úžasné. Hmota spolupráce dobrovolníků vytvořil fantastický encyklopedii, která je k dispozici všem. Klíčem k úspěchu Wikipedie nebyla nová poznání; Spíše šlo o novou formu spolupráce. Digitální věk, naštěstí umožňuje mnoho nových forem spolupráce. Proto bychom se měli ptát se: jaké masivní vědeckých problémů s problémy, které jsme nemohli řešit individuálně nyní můžeme řešit společně?
Spolupráce v oblasti výzkumu není nic nového, samozřejmě. Co je nového, však je, že digitální věk umožňuje spolupráci s mnohem větší a rozmanitější skupiny lidí: miliard lidí na celém světě s přístupem na internet. Očekávám, že tyto nové masová spolupráce přinese úžasné výsledky a to nejen kvůli počtu zúčastněných osob, ale také proto, že jejich různých schopností a perspektiv. Jak můžeme začlenit každý s připojením k internetu do našeho výzkumného procesu? Co byste mohli udělat s 100 výzkumnými asistenty? Co 100.000 kvalifikovaní spolupracovníci?
Existuje mnoho forem masové spolupráce, a počítačoví odborníci obvykle uspořádat je do velkého počtu kategorií na základě jejich technických vlastností (Quinn and Bederson 2011) . V této kapitole se však budu kategorizovat masové projekty spolupráce založené na tom, jak mohou být použity pro sociální výzkum. Především si myslím, že je užitečné rozlišit tři typy projektů: lidský výpočetních, otevřené výzvy, a distribuovaný pro sběr dat (obr 5.1).
Popíšu každý z těchto typů velmi podrobně dále v této kapitole, ale teď mi dovolte každý z nich stručně popsat. Výpočtové projekty Lidské se ideálně hodí pro problémy snadno task-big-měřítku, jako je označování milion obrázků. Jedná se o projekty, které v minulosti může být proveden vysokoškolskými výzkumnými asistenty. Příspěvky nevyžadují znalosti týkající se úkolu, a konečný výstup je obvykle v průměru ze všech příspěvků. Klasickým příkladem výpočetního projektu lidského je Galaxy Zoo, kde sto tisíc dobrovolníků pomohlo astronomům klasifikovat milion galaxií. Projekty otevřené výzvy jsou ideální pro problémy, kde hledáte nové a nečekané odpovědi na jasně formulované otázky. Jedná se o projekty, které v minulosti mohla zapojeny ptát kolegy. Příspěvky pocházejí od lidí, kteří mají zvláštní dovednosti související s daným úkolem a konečný výstup je obvykle nejlepší ze všech příspěvků. Klasickým příkladem otevřené výzvy je Netflix Prize, kde se tisíce vědců a hackery snažil se vyvinout nové algoritmy předvídat hodnocení zákazníků filmů. A konečně, projekty sběru distribuovaných dat jsou ideální pro sběr dat ve velkém měřítku. Jedná se o projekty, které v minulosti může být proveden vysokoškolskými výzkumnými asistenty či průzkum výzkumných společností. Příspěvky obvykle pocházejí od lidí, kteří mají přístup k místům, že vědci nemají, a konečný produkt je jednoduchá sbírka příspěvků. Klasickým příkladem distribuovaného sběru dat je eBird, ve kterém stovky tisíc dobrovolníků přispívat zprávy o ptáky vidí.
Mass spolupráce má dlouhou, bohatou historii v oblastech, jako je astronomie (Marshall, Lintott, and Fletcher 2015) a ekologie (Dickinson, Zuckerberg, and Bonter 2010) , ale to ještě není běžné v sociálním výzkumu. Avšak tím, že popisuje úspěšné projekty z jiných oborů a poskytuje několik klíčových principů organizování, doufám, že se přesvědčit o dvou věcech. Za prvé, masová spolupráce může být využita pro sociální výzkum. A za druhé, výzkumní pracovníci, kteří používají hromadnou spolupráce bude schopen řešit problémy, které dříve zdálo nemožné. Přestože hmotnost spolupráce je často propagována jako způsob, jak ušetřit peníze, je to mnohem víc než to. Jak jsem se ukáže, masová spolupráce není jen nám umožňují dělat výzkum levnější, to nám umožňuje dělat výzkum lépe.
Dále v textu, pro každou ze tří hlavních forem masové spolupráce se popisuji prototyp příklad; ilustrují další důležité body s další příklady; a nakonec se popsat, jak tato forma masové spolupráce by mohly být použity pro sociální výzkum. Tato kapitola uzavře s pěti zásad, které vám mohou pomoci navrhnout vlastní hmotnost spolupracovat na projektech.