5.5.2 Leverage heterogeenisyys

Kun olet motivoitunut paljon ihmisiä työskennellä todellisen tieteellisen ongelman, huomaat että osallistujat heterogeeninen pääasiassa kahdella tavalla: ne vaihtelevat niiden taitoa ja ne vaihtelevat niiden taso vaivaa. Ensimmäinen reaktio monia sosiaalisia tutkijoita on sulkea heikkolaatuinen osallistujat ja sitten yrittää kerätä kiinteän määrän tietoa kaikille jäljellä. Tämä on väärä tapa suunnitella massa yhteistyöprojekti.

Ensinnäkin, ei ole mitään syytä jättää vähän koulutettujen osallistujaa. Avoimissa puhelut, vähän koulutettuja osallistujat aiheuta mitään ongelmia; niiden maksut eivät vahingoita ketään ja ne eivät vaadi mitään aikaa arvioida. Ihmisen laskenta- ja jaetaan tiedonkeruuhankkeissa, toisaalta, paras keino laadunvalvonta tulee läpi irtisanomisten, eikä korkeaa bar osallistumista. Itse asiassa sen sijaan ilman alhainen taitoa osallistujia, parempi lähestymistapa on auttaa heitä tekemään parempia maksuja, paljon kuin tutkijat eBird ovat tehneet.

Toiseksi, ei ole mitään syytä kerätä kiinteän määrän tietoa kultakin osallistujalta. Osallistuminen monta massa yhteistyöhankkeisiin on uskomattoman epätasainen (Sauermann and Franzoni 2015) , jossa pieni joukko ihmisiä osallistuu paljon-joskus kutsutaan rasvaa pään -ja paljon ihmisiä osallistumalla vähän joskus kutsutaan pitkän hännän. Jos et kerää tietoja rasvaa pään ja pitkän hännän, jätät tonnia tietoa lunastettaisikaan. Jos esimerkiksi Wikipedia hyväksytään 10 ja vain 10 muokkauksia per editori, se menettäisi noin 95% muokkauksia (Salganik and Levy 2015) . Täten massa yhteistyöhankkeita, se on parasta hyödyntää heterogeenisuus kuin yrittää poistaa sitä.