5.5.2 Μόχλευση ετερογένεια

Μόλις έχετε κίνητρο πολλούς ανθρώπους να εργαστούν για ένα πραγματικό επιστημονικό πρόβλημα, θα ανακαλύψετε ότι οι συμμετέχοντες σας θα είναι ετερογενής με δύο βασικούς τρόπους: θα διαφέρουν ως προς τις ικανότητές τους και θα ποικίλουν σε επίπεδο της προσπάθειας. Η πρώτη αντίδραση πολλών κοινωνικών ερευνητών είναι να αποκλείσει χαμηλή συμμετέχοντες ποιότητα και στη συνέχεια να προσπαθήσει να συγκεντρώσει ένα σταθερό ποσό των πληροφοριών από όλους τα αριστερά. Αυτός είναι ο λάθος τρόπος για να σχεδιάσει ένα πρόγραμμα μαζικής συνεργασία.

Κατ 'αρχάς, δεν υπάρχει κανένας λόγος να εξαιρεθούν χαμηλής ειδίκευσης συμμετέχοντες. Σε ανοικτές προσκλήσεις, με χαμηλή ειδίκευση συμμετέχοντες να προκαλέσει κανένα πρόβλημα? εισφορές τους δεν βλάπτει κανέναν και δεν απαιτούν οποιαδήποτε στιγμή να αξιολογηθεί. Στην ανθρώπινη υπολογισμού και διανέμονται σχέδια συλλογής δεδομένων, από την άλλη πλευρά, η καλύτερη μορφή ελέγχου ποιότητας έρχεται μέσω πλεονασμού, δεν είναι υψηλό πήχη για τη συμμετοχή. Στην πραγματικότητα, παρά με εξαίρεση χαμηλή συμμετέχοντες δεξιοτήτων, μια καλύτερη προσέγγιση είναι να τους βοηθήσει να κάνουν καλύτερες εισφορών, όσο και οι ερευνητές στο eBird έχουν κάνει.

Δεύτερον, δεν υπάρχει κανένας λόγος να συλλέξει ένα σταθερό ποσό των πληροφοριών από κάθε συμμετέχοντα. Συμμετοχή σε πολλά έργα μαζικής συνεργασία είναι εξαιρετικά άνιση (Sauermann and Franzoni 2015) με ένα μικρό αριθμό των ανθρώπων που συνεισφέρουν πολλά, μερικές φορές ονομάζεται το κεφάλι του λίπους -και πολλοί άνθρωποι που συμβάλλουν λίγο-μερικές φορές ονομάζεται η μακριά ουρά. Αν δεν συλλέγουν πληροφορίες από το κεφάλι του λίπους και τη μακριά ουρά, είστε αφήνοντας τους τόνους των πληροφοριών ανείσπρακτων. Για παράδειγμα, αν η Wikipedia δεκτές 10 και μόνο το 10 επεξεργασίες ανά επεξεργαστή, θα χάσουν περίπου το 95% των επεξεργασιών (Salganik and Levy 2015) . Έτσι, με έργα μαζικής συνεργασίας, το καλύτερο είναι να κινητοποιήσει ετερογένεια αντί να προσπαθήσει να την εξαλείψει.