5.2.3 Konklusion
Menneskelig beregning gør det muligt at have en tusind forskningsassistenter.
Menneskelige beregningsprojekter kombinerer mange ikke-eksperters arbejde for at løse nem opgave-storskala problemer, der ikke let løses af computere. De bruger split-apply-combinere strategi til at bryde et stort problem i masser af enkle mikrotasker, der kan løses af mennesker uden specialiserede færdigheder. Computerassisterede menneskelige beregningssystemer bruger også maskinindlæring for at forstærke den menneskelige indsats.
I social forskning er det mest sandsynligt, at menneskelige beregningsprojekter vil blive brugt i situationer, hvor forskere vil klassificere, kode eller mærke billeder, video eller tekster. Disse klassifikationer er normalt ikke det endelige produkt af forskningen; i stedet er de råmaterialet til analyse. For eksempel kunne publikumskodningen af politiske manifester bruges som led i analysen om dynamikken i den politiske debat. Disse typer af mikrotasker klassificerer sandsynligvis det bedste, når de ikke kræver specialuddannelse, og når der er bred enighed om det korrekte svar. Hvis klassificeringsopgaven er mere subjektiv, som f.eks .: "Er denne nyhedshistorie forspændt?" - så bliver det stadig vigtigere at forstå, hvem der deltager, og hvilke forstyrrelser de kan bringe. I sidste ende hviler kvaliteten af produktionen af menneskelige beregningsprojekter på kvaliteten af de input, som de menneskelige deltagere giver: affald i, skrald ud.
For at yderligere opbygge din intuition indeholder tabel 5.1 yderligere eksempler på, hvordan menneskelig beregning er blevet anvendt i social forskning. Tabellen viser, at mange andre menneskelige beregningsprojekter i modsætning til Galaxy Zoo bruger mikrotask arbejdsmarkeder (f.eks. Amazon Mechanical Turk) og stole på lønmodtagere snarere end frivillige. Jeg vender tilbage til dette spørgsmål om deltagernes motivation, når jeg giver råd om at lave dit eget massesamarbejde.
| Resumé | Data | Deltagere | Reference |
|---|---|---|---|
| Kode politiske partidokumenter | Tekst | Microtask arbejdsmarked | Benoit et al. (2016) |
| Uddrag begivenhedsinformation fra nyhedsartikler om de besatte protester i 200 amerikanske byer | Tekst | Microtask arbejdsmarked | Adams (2016) |
| Klassificere avisartikler | Tekst | Microtask arbejdsmarked | Budak, Goel, and Rao (2016) |
| Uddrag event information fra dagbøger af soldater i 1. verdenskrig | Tekst | Frivillige | Grayson (2016) |
| Opdag ændringer i kort | Billeder | Microtask arbejdsmarked | Soeller et al. (2016) |
| Tjek algoritmisk kodning | Tekst | Microtask arbejdsmarked | Porter, Verdery, and Gaddis (2016) |
Endelig eksemplerne i dette afsnit viser, at den menneskelige beregning kan have en demokratiserende effekt på videnskab. Husk, at Schawinski og Lintott var studerende, da de begyndte Galaxy Zoo. Forud for den digitale tidsalder, at et projekt klassificere en million galakse klassifikation ville have krævet så meget tid og penge at det ville have kun været praktisk for godt finansieret og patient professorer. Det er ikke længere tilfældet. Humane beregningsmetoder projekter kombinere arbejde mange ikke-eksperter til at løse let opgave-big-skala problemer. Dernæst vil jeg vise dig, at masse samarbejde også kan anvendes på problemer, der kræver ekspertise, ekspertise, som selv forskeren selv ikke måtte have.
