એકવાર તમે વાસ્તવિક વૈજ્ઞાનિક સમસ્યા પર કામ કરવા માટે ઘણાં લોકોને પ્રોત્સાહિત કર્યા પછી, તમે જાણશો કે તમારા સહભાગીઓ બે મુખ્ય રીતોમાં વિજાતીય હશે: તેઓ તેમની કુશળતા અને પ્રયત્નના તેમના સ્તર બંનેમાં બદલાશે. ઘણા સામાજિક સંશોધકોની પ્રથમ પ્રતિક્રિયા આ જાતિયતા સામે ઓછી ગુણવત્તાના સહભાગીઓને બાકાત કરવાનો પ્રયાસ કરીને અને ત્યારબાદ બાકીની દરેકની માહિતી એકત્રિત કરવાનો પ્રયાસ કરી છે. આ સામૂહિક સહયોગ પ્રોજેક્ટને ડિઝાઇન કરવાનો ખોટો માર્ગ છે તેની વિપરીતતાને બદલે, તમારે તેનો લાભ લેવો જોઈએ.
પ્રથમ, ઓછા કુશળ પ્રતિભાગીઓને બાકાત રાખવાનો કોઈ કારણ નથી. ખુલ્લા કોલ્સમાં, ઓછા કુશળ સહભાગીઓને કોઈ સમસ્યા થતી નથી; તેમના યોગદાન કોઈને નુકસાન નથી અને તેઓ મૂલ્યાંકન કરવા માટે કોઈ પણ સમયની જરૂર નથી. માનવ ગણતરી અને વિતરણ ડેટા કલેક્શન પ્રોજેક્ટ્સમાં, ગુણવત્તા નિયંત્રણનો શ્રેષ્ઠ પ્રકાર નિરર્થકતા દ્વારા આવે છે, ભાગીદારી માટે ઉચ્ચ પટ્ટી દ્વારા નહીં. વાસ્તવમાં, ઓછા કૌશલ્ય સહભાગીઓને બાકાત રાખવાની જગ્યાએ, સારો અભિગમ બનાવવામાં મદદ કરવા માટે વધુ સારું અભિગમ છે, તેટલું જ eBird પર સંશોધકોએ કર્યું છે.
બીજું, દરેક સહભાગી પાસેથી ચોક્કસ રકમની માહિતી એકત્રિત કરવાની કોઈ કારણ નથી. ઘણા સામૂહિક સહયોગ પ્રોજેક્ટ્સમાં સહભાગી ઉત્સાહી અસમાન છે (Sauermann and Franzoni 2015) , જેમાં ઘણા બધા લોકો ફાળો આપે છે - ક્યારેક ચરબીના મથક તરીકે ઓળખાતું હોય છે અને ઘણા લોકો લાંબા સમય સુધી લાંબી પૂંછડી તરીકે ફાળો આપતા ઘણા યોગદાન આપે છે. જો તમે ચરબીના માથા અને લાંબી પૂંછડીમાંથી માહિતી એકઠી કરતા નથી, તો તમે માહિતી વિનાના લોકોની માહિતી છોડી રહ્યા છો. ઉદાહરણ તરીકે, જો વિકિપીડિયા એ સંપાદક દીઠ 10 અને ફક્ત 10 સંપાદનો સ્વીકાર્ય છે, તો તે લગભગ 95% સંપાદનો ગુમાવશે (Salganik and Levy 2015) . આમ, સામૂહિક સહકારના પ્રોજેક્ટ્સ સાથે, તેને નાબૂદ કરવાનો પ્રયત્ન કરતાં વિપરીતતાને લીવરેજ શ્રેષ્ઠ છે.