5.1 Présentation

Wikipédia est incroyable. Une collaboration de masse de bénévoles a créé une fantastique encyclopédie à la disposition de tous. La clé du succès de Wikipédia n'était pas de nouvelles connaissances; c'était plutôt une nouvelle forme de collaboration. L'ère numérique, heureusement, permet de nombreuses nouvelles formes de collaboration. Ainsi, nous devrions maintenant nous demander: quels problèmes scientifiques massifs-problèmes que nous ne pouvions pas résoudre individuellement-pouvons-nous maintenant aborder ensemble?

Collaboration dans la recherche n'a rien de nouveau, bien sûr. Ce qui est nouveau, cependant, est que l'ère numérique permet la collaboration avec un ensemble beaucoup plus vaste et plus diversifié de personnes: les milliards de personnes dans le monde avec accès à Internet. Je pense que ces nouvelles collaborations de masse donneront des résultats étonnants non seulement en raison du nombre de personnes impliquées, mais aussi en raison de leurs diverses compétences et perspectives. Comment pouvons-nous intégrer tout le monde avec une connexion Internet dans notre processus de recherche? Que pourriez-vous faire avec 100 assistants de recherche? Qu'en est-il de 100.000 collaborateurs qualifiés?

Il existe de nombreuses formes de collaboration de masse, et les informaticiens les classent généralement dans un grand nombre de catégories en fonction de leurs caractéristiques techniques (Quinn and Bederson 2011) . Dans ce chapitre, cependant, je vais catégoriser les projets de collaboration de masse en fonction de la façon dont ils peuvent être utilisés pour la recherche sociale. En particulier, je pense qu'il est utile de distinguer grossièrement trois types de projets: le calcul humain , l'appel ouvert et la collecte de données distribuée (figure 5.1).

Je vais décrire chacun de ces types plus en détail plus loin dans le chapitre, mais pour l'instant permettez-moi de décrire chacun brièvement. Les projets de calcul humain sont idéalement adaptés aux problèmes de grande envergure tels que l'étiquetage d'un million d'images. Ce sont des projets qui, dans le passé, auraient pu être réalisés par des assistants de recherche de premier cycle. Les contributions n'exigent pas de compétences liées aux tâches, et le résultat final est généralement une moyenne de toutes les contributions. Un exemple classique d'un projet de calcul humain est Galaxy Zoo, où une centaine de milliers de bénévoles ont aidé les astronomes à classer un million de galaxies. D'un autre côté, les projets Open Call sont parfaitement adaptés aux problèmes où vous recherchez des réponses nouvelles et inattendues à des questions clairement formulées. Ce sont des projets qui, dans le passé, auraient impliqué de demander à des collègues. Les contributions proviennent de personnes qui ont des compétences particulières liées aux tâches, et le résultat final est généralement la meilleure de toutes les contributions. Un exemple classique d'un appel ouvert est le prix Netflix, où des milliers de scientifiques et de hackers ont travaillé pour développer de nouveaux algorithmes pour prédire les évaluations des films des clients. Enfin, les projets de collecte de données distribués sont parfaitement adaptés à la collecte de données à grande échelle. Ce sont des projets qui, dans le passé, auraient pu être réalisés par des assistants de recherche de premier cycle ou des sociétés de recherche par sondage. Les contributions proviennent généralement de personnes qui ont accès à des emplacements que les chercheurs n'ont pas, et le produit final est une simple collection de contributions. Un exemple classique d'une collecte de données distribuée est eBird, dans lequel des centaines de milliers de volontaires fournissent des rapports sur les oiseaux qu'ils voient.

Figure 5.1: Mass collaboration schématique. Ce chapitre est organisé autour de trois principales formes de collaboration de masse: calcul humain, appel ouvert, et de collecte de données distribuées. Plus généralement, la collaboration de masse combine les idées de domaines tels que la science citoyenne, crowdsourcing, et l'intelligence collective.

La collaboration de masse a une longue et riche histoire dans des domaines tels que l'astronomie (Marshall, Lintott, and Fletcher 2015) et l'écologie (Dickinson, Zuckerberg, and Bonter 2010) , mais elle n'est pas encore commune dans la recherche sociale. Cependant, en décrivant des projets réussis dans d'autres domaines et en fournissant quelques principes d'organisation clés, j'espère vous convaincre de deux choses. Premièrement, la collaboration de masse peut être exploitée pour la recherche sociale. Et, deuxièmement, les chercheurs qui utilisent la collaboration de masse seront capables de résoudre des problèmes qui semblaient auparavant impossibles. Bien que la collaboration de masse soit souvent promue comme un moyen d'économiser de l'argent, c'est beaucoup plus que cela. Comme je le montrerai, la collaboration de masse ne nous permet pas seulement de faire des recherches moins chères , elle nous permet de mieux faire de la recherche.

Dans les chapitres précédents, vous avez vu ce que l'on peut apprendre en s'engageant avec les gens de trois manières différentes: observer leur comportement (chapitre 2), leur poser des questions (chapitre 3) et les inscrire dans des expériences (chapitre 4). Dans ce chapitre, je vais vous montrer ce que l'on peut apprendre en engageant les gens comme collaborateurs de recherche. Pour chacune des trois principales formes de collaboration de masse, je vais décrire un exemple prototype, illustrer d'autres points importants avec d'autres exemples, et enfin décrire comment cette forme de collaboration de masse pourrait être utilisée pour la recherche sociale. Le chapitre se terminera par cinq principes qui peuvent vous aider à concevoir votre propre projet de collaboration de masse.