5.1 Johdanto
Wikipedia on hämmästyttävä. Vapaaehtoisten massiivinen yhteistyö loi loistavan tietosanakirjan, joka on kaikkien saatavilla. Wikipedian menestyksen avain ei ollut uusi tieto; pikemminkin se oli uusi yhteistyömuoto. Digitaalinen ikä, onneksi, mahdollistaa monia uusia yhteistyömuotoja. Siksi meidän pitäisi nyt kysyä: Mitkä suuret tieteelliset ongelmat - ongelmat, joita emme voineet ratkaista erikseen - voimmeko nyt puuttua yhteen?
Yhteistyötä tutkimuksessa ei ole mitään uutta, tietenkin. Uutta on kuitenkin se, että digitaaliaikaan mahdollistaa yhdessä paljon suurempi ja monimuotoisempi joukko ihmisiä: miljardeja ihmisiä ympäri maailmaa Internet-yhteys. Odotan, että nämä uudet massa yhteistyö tuottaa hämmästyttäviä tuloksia ei vain siksi, että henkilöiden lukumäärä, vaan myös niiden monenlaisia taitoja ja näkökulmia. Miten voimme sisällyttää kaikki internet-yhteyden meidän tutkimusprosessi? Mitä voisit tehdä 100 tutkimusapulaisineen? Entä 100000 ammattitaitoista yhteistyökumppaneita?
On olemassa monia massatyön muotoja, ja tietojenkäsittelytieteilijät tyypillisesti järjestävät ne lukuisiin luokkiin niiden teknisten ominaisuuksien perusteella (Quinn and Bederson 2011) . Tässä luvussa aion kuitenkin luokitella massatuotantoprojekteja sen perusteella, miten niitä voidaan käyttää sosiaaliseen tutkimukseen. Erityisesti on mielestäni hyödyllistä erottaa toisistaan kolme hanketyyppiä: ihmisen laskenta , avoin kutsu ja hajautettu tiedonkeruu (kuva 5.1).
Minä kuvailen jokaista näistä tyypeistä yksityiskohtaisemmin myöhemmin luvussa, mutta nyt haluan kertoa jokaisesta lyhyesti. Ihmisen laskentaprojektit sopivat erinomaisesti helppokäyttöisten suurien mittakaavojen ongelmiin, kuten miljoonan kuvan merkitsemiseen. Nämä ovat hankkeita, jotka aiemmin olivat saattaneet suorittaa perustutkinnon suorittaneita avustajia. Osuudet eivät vaadi tehtäviin liittyviä taitoja, ja lopullinen tuotos on tyypillisesti keskimääräinen kaikista maksuista. Klassinen esimerkki ihmisen laskentaprojektista on Galaxy Zoo, jossa sadat tuhannet vapaaehtoiset auttoivat tähtitieteilijöitä luokittelemaan miljoona galaksia. Avoimet puheluprojektit puolestaan sopivat erinomaisesti ongelmiin, joissa etsit uusia ja odottamattomia vastauksia selkeästi muotoiltuihin kysymyksiin. Nämä ovat hankkeita, jotka aiemmin olisivat olleet mukana pyytämässä kollegoja. Osallistumiset tulevat ihmisiltä, joilla on erityisiä tehtäviin liittyviä taitoja, ja lopullinen tuotos on yleensä kaikista kaikista. Klassinen esimerkki avoimesta puhelusta on Netflix-palkinto, jossa tuhannet tutkijat ja hakkerit työskentelivät uusien algoritmien kehittämiseksi ennakoimaan asiakkaiden elokuvien luokitusta. Lopuksi hajautetut tiedonkeruuhankkeet sopivat erinomaisesti laajojen tietojen keräämiseen. Nämä ovat hankkeita, jotka aiemmin olivat saattaneet suorittaa perustutkinnon suorittaneita avustajia tai tutkimustutkimusyrityksiä. Osallistumiset tulevat tyypillisesti ihmisiltä, joilla on pääsy tutkijoiden sijaintipaikkoihin, ja lopullinen tuote on yksinkertainen kokoelma. Klassinen esimerkki hajautetusta tiedonkeruusta on eBird, jossa satoja tuhansia vapaaehtoisia toimittaa raportteja linnuista, joita he näkevät.
Kuva 5.1: Mass yhteistyö kaavamainen. Tämä luku perustuu kolmeen päämuotoa massa yhteistyö: ihmisen laskenta, avoin haku, ja hajautetun tiedonkeruun. Yleisemmin massa yhteistyö yhdistää ideoita aloilla, kuten kansalaisena tiede, crowdsourcing, ja kollektiivista älykkyyttä.
Mass-yhteistyöllä on pitkä, rikas historia aloilla kuten tähtitiede (Marshall, Lintott, and Fletcher 2015) ja ekologia (Dickinson, Zuckerberg, and Bonter 2010) , mutta se ei ole vielä yhteinen yhteiskunnallisessa tutkimuksessa. Kuitenkin kuvaamalla onnistuneita hankkeita muilta aloilta ja tarjoamalla muutamia keskeisiä järjestelyjä, toivottavasti vakuutan teistä kahdesta asiasta. Ensinnäkin massa yhteistyö voidaan valjastaa yhteiskunnallisen tutkimuksen. Ja toisaalta, tutkijat, jotka käyttävät massayhteistyötä, pystyvät ratkaisemaan aiemmin tuntemattomia ongelmia. Vaikka massayhteistyötä edistetään usein rahan säästämiseksi, se on paljon enemmän. Kuten esitän, massayhteistyö ei vain anna meille mahdollisuutta tehdä tutkimusta halvemmalla , vaan se antaa meille mahdollisuuden tehdä tutkimusta paremmin .
Edellisissä luvuissa olette nähneet, mitä ihmisten kanssa voi oppia kolmella eri tavalla: tarkkailla heidän käyttäytymistään (luku 2), kyselemällä heiltä kysymyksiä (luku 3) ja kirjoittamalla ne kokeisiin (luku 4). Tässä luvussa näytän sinulle, mitä voidaan oppia tekemällä ihmisiä tutkimuskumppaneiksi. Jokaiselle massatuotannon kolmesta päämuodosta kuvaan prototyyppistä esimerkkiä, havainnollistetaan tärkeitä lisäpisteitä ja lisäselvityksiä, ja lopuksi kuvataan, kuinka tätä massatuotannon muotoa voitaisiin käyttää sosiaaliseen tutkimukseen. Luku päättyy viiteen periaatteeseen, joiden avulla voit suunnitella oman massayhteistyöprojektisi.
