Kodigo politikaj manifestoj, io tipe farita de fakuloj, povas esti realigita per homa kalkulada projekto rezultanta en granda reproducibilidad kaj fleksebleco.
Simila al Galaxy Zoo, estas multaj situacioj kie sociaj esploristoj volas kodo, klasifiki, aŭ etikedi bildon aŭ peco de teksto. Ekzemplo de ĉi tiu tipo de esploro estas la kodigo de politikaj manifestoj. Dum elektoj, politikaj partioj produkti manifestojn priskribanta ilian politikon pozicioj kaj gvidante filozofioj. Ekzemple, jen peco de la Manifesto de la Labour Party en Britio de 2010:
"Milionoj de personoj laboras en niaj publikaj servoj personigi la bonaj valoroj de Britio, helpanta sinpovigas homojn fari la plimulton de siaj propraj vivoj gardante ilin de la riskoj ili ne devos porti sur ilia propra. Ĝuste kiel ni devas esti pli aŭdacaj pri la rolo de registaro en farante merkatoj labori sufiĉe, ni ankaŭ devas kuraĝi reformantoj de registaro. "
Tiuj manifestoj enhavas valorajn datumojn por politikaj sciencistoj, precipe tiuj studanta elektoj kaj la dinamiko de la privateco debatoj. Por sisteme ĉerpi informon de tiuj manifestoj, esploristoj kreis La Manifesto Projekto , kiu organizas politikajn sciencistojn kodigi 4.000 manifestoj de preskaŭ 1.000 partioj en 50 landoj. Ĉiu frazo en ĉiu manifesto estis koditaj per sperta uzante 56-kategorio skemo. La rezulto de tiu kunlabora peno estas masiva aro de datumoj resumanta la informo enigita en tiuj manifestoj, kaj tiu aro de datumoj estis uzita en pli ol 200 sciencaj artikoloj.
Kenneth Benoit kaj kolegoj (2015) decidis preni la manifeston kodigo tasko kiu antaŭe estis farita de fakuloj kaj igi ĝin homa kalkulada projekto. Kiel rezulto, ili kreis kodigo procezo kiu estas pli reproduktebla kaj pli fleksebla, ne mencii malmultekosta kaj rapida.
Laborante kun 18 manifestoj generita dum ses lastaj elektoj en Britio, Benoit kaj kolegoj uzis la disigo-aplikas-kombini strategion kun laboristoj de micro-tasko labormerkato (Amazon Mechanical Turk kaj CrowdFlower estas ekzemploj de mikro-tasko labormerkatoj, cxar pli sur mikro-tasko labormerkatoj, vidu Ĉapitro 4). La esploristoj prenis ĉiu manifesto kaj fendi ĝin en frazoj. Sekva, homaj rangigo estis aplikita al ĉiu frazo. Aparte, se la frazo implikita politiko deklaro, estis kodita laŭ du dimensioj: ekonomia (de tre lasita al tre dekstra) kaj sociaj (de liberala al konservativa) (Figuro 5.5). Ĉiu frazo estis kodita en ĉirkaŭ 5 malsamaj personoj. Fine, tiuj rangigoj estis kombinitaj uzante statistika modelo kiu konsistigis ambaŭ individua rater efikoj kaj malfacileco de frazo efektoj. Entute Benoit kaj kolegoj kolektis 200,000 rangigoj de proksimume 1,500 laboristojn.
Por taksi la kvaliton de la amaso kodigon, Benoit kaj kolegoj ankaŭ havis ĉirkaŭ 10 fakuloj-profesoroj kaj gradstudantoj en Politika Scienco-indico la sama manifestoj uzante similan proceduron. Kvankam la rangigoj de membroj de la homamaso estis pli varia ol la rangigoj de la fakuloj, la konsento amaso takso havis rimarkindan interkonsenton kun la konsento sperta rangigon (Figuro 5.6). Tiu komparo montras ke, kiel kun Galaxy Zoo, homaj kalkulado projektoj povas produkti altan kvaliton rezultoj.
Konstruante sur tiu rezulto, Benoit kaj kolegoj uzis siajn amaso-kodigo sistemo fari esploradon kiu estis neebla kun la Manifesto Projekto. Ekzemple, la Manifesto Projekto ne kodi la manifestoj pri la temo de enmigrado ĉar tio ne elstaraĵo temo kiam la kodigo skemo estis evoluigita en la mez-1980-aj jaroj. Kaj, ĉe tiu punkto, ĝi estas logísticamente nerealigebla pro la Manifesto Projekto reiri kaj re-kodon siaj manifestoj kapti ĉi tiun informon. Sekve, ĝi aperus ke esploristoj interesitaj en studi la politikon de enmigrado estas el sorton. Tamen, Benoit kaj kolegoj povis uzi siajn homajn kalkulado sistemo fari tiun kodigon-adaptitajn al sia esploro demando-rapide kaj facile.
Por studi enmigrado politiko, ili kodita la manifestoj de ok partioj en la 2010 elekto en Britio. Ĉiu frazo en ĉiu manifesto estis kodita kiel al ĉu ĝi rilatis al enmigrado, kaj se jes, ĉu ĝi estis por-enmigrado, neŭtrala, aŭ anti-enmigrado. Ene 5 horoj lanĉi sian projekton, la rezultoj estis. Ili kolektis pli ol 22,000 respondojn je totalkosto de $ 360. Plui, la taksoj de la homamaso montris rimarkindan interkonsenton kun pli frua enketo de fakuloj. Tiam, kiel fina testo, du monatojn poste, la esploristoj reproduktita ilia amaso-kodigo. Ene de kelkaj horoj, ili kreis novan amaso-coded dataset ke proksime egalis ilian originalan amaso-coded datumaro. Alivorte, homa kalkulado ebligis ilin produkti kodigo de politikaj tekstoj kiuj konsentis kun sperta evaluaciones kaj estis reproduktebla. Krom tio, ke la homa kalkulado estis rapida kaj malmultekosta, ĝi estis facila por ili por personecigi sian datenkolektado al ilia specifa esploro demandon pri enmigrado.