રાજકીય ઢંઢેરાઓ, ખાસ કરીને નિષ્ણાતો દ્વારા કરવામાં કંઈક કોડિંગ, વધારે પુન અને રાહત પરિણમે માનવ ગણતરી પ્રોજેક્ટ દ્વારા કરી શકાય છે.
ગેલેક્સી પ્રાણીસંગ્રહાલયની જેમ, એવી ઘણી એવી પરિસ્થિતિઓ છે કે જ્યાં સામાજિક સંશોધકો એક છબી અથવા ટેક્સ્ટનો કોડ કોડ, વર્ગીકરણ અથવા લેબલ કરવા માગે છે. આ પ્રકારના સંશોધનનું એક ઉદાહરણ રાજકીય જાહેરનામાંનું કોડિંગ છે. ચૂંટણી દરમિયાન, રાજકીય પક્ષો તેમની નીતિની સ્થિતિ અને માર્ગદર્શક ફિલસૂફીઓનું વર્ણન કરતી ઢંઢેરા આપે છે. ઉદાહરણ તરીકે, 2010 થી યુનાઈટેડ કિંગડમમાં લેબર પાર્ટીના ઢંઢેરોનો એક ભાગ છે:
"અમારા જાહેર સેવાઓ કામ કરતા લોકો લાખો બ્રિટનના શ્રેષ્ઠ કિંમતો એકમ બનાવવું, લોકો સશક્તિકરણ જ્યારે તેમને જોખમ તેઓ તેમના પોતાના પર સહન ન હોવી જોઇએ રક્ષણ પોતાના જીવનમાં સૌથી બનાવવા માટે મદદ કરે છે. જસ્ટ કારણ કે અમે બનાવવા બજારમાં એકદમ કામ સરકારની ભૂમિકા વિશે બોલ્ડર પ્રયત્ન કરવાની જરૂર છે, અમે પણ સરકાર બોલ્ડ સુધારકો પ્રયત્ન કરવાની જરૂર છે. "
આ ઢંઢેરામાં રાજકીય વૈજ્ઞાનિકો, ખાસ કરીને ચૂંટણીનો અભ્યાસ કરતા લોકો અને નીતિવિષયક ચર્ચાઓના ગતિશીલતા માટે મૂલ્યવાન માહિતી છે. આ ઢંઢેરામાંથી માહિતી કાઢવા માટે, સંશોધકોએ ધ મેનિફેસ્ટો પ્રોજેક્ટ તૈયાર કર્યો, જેમાં 50 દેશોમાં આશરે 1,000 પક્ષો તરફથી 4,000 ઢંઢેરો એકત્રિત કર્યા હતા અને ત્યારબાદ રાજકીય વૈજ્ઞાનિકોએ તેમને વ્યવસ્થિત રીતે કોડમાં ગોઠવવા માટે ગોઠવ્યા હતા. દરેક ઢંઢેરામાં દરેક વાક્ય 56-શ્રેણીની યોજનાનો ઉપયોગ કરીને નિષ્ણાત દ્વારા કોડેડ કરવામાં આવ્યો હતો. આ સહયોગી પ્રયત્નોનો પરિણામ એ આ ઢંઢેરોમાં જડિત માહિતીનો સારાંશ છે અને આ ડેટાસેટ 200 થી વધુ વૈજ્ઞાનિક કાગળોમાં ઉપયોગમાં લેવાય છે.
કેનેથ બેનોઈટ અને સહકર્મીઓ (2016) એ મેનિફેસ્ટો કોડિંગ કાર્યને લેવાનો નિર્ણય કર્યો છે જે અગાઉ નિષ્ણાતો દ્વારા કરવામાં આવ્યો હતો અને તેને માનવ ગણતરી પ્રોજેક્ટમાં ફેરવવામાં આવ્યો હતો. પરિણામ સ્વરૂપે, તેઓએ કોડિંગ પ્રક્રિયાનું સર્જન કર્યું છે જે વધુ પ્રજનનક્ષમ અને વધુ સાનુકૂળ છે, સસ્તો અને વધુ ઝડપી નથી.
યુનાઈટેડ કિંગડમમાં છ તાજેતરના ચુંટણી દરમિયાન પેદા થયેલા 18 જાહેરનામા સાથે કામ કરતા, બેનોઈટ અને સહકાર્યકરોએ માઇક્રોટૅક મજૂર બજાર (એમેઝોન યાંત્રિક ટર્ક અને ક્રાઉડફ્લોવર) ના કામદારો સાથે સ્પ્લિટ-એપ્લીકેશન-ગઠનની વ્યૂહરચનાનો ઉપયોગ કર્યો, જેમ કે બજારોમાં વધુ માટે; , પ્રકરણ જુઓ 4). સંશોધકોએ દરેક ઢંઢેરામાં લીધો અને તેને વાક્યોમાં વિભાજિત કર્યો . આગળ, વ્યક્તિએ દરેક સજા માટે કોડિંગ યોજના લાગુ કરી. ખાસ કરીને, વાચકોને આર્થિક નીતિ (ડાબે અથવા જમણે), સામાજિક નીતિ (ઉદાર અથવા રૂઢિચુસ્ત), અથવા ન તો (આકૃતિ 5.5) નો ઉલ્લેખ કરતી વખતે દરેક વાક્યનું વર્ગીકરણ કરવાનું કહેવામાં આવ્યું હતું. દરેક સજા પાંચ અલગ અલગ લોકો દ્વારા કોડેડ કરવામાં આવી હતી. છેલ્લે, આ રેટિંગ્સ આંકડાકીય મોડલનો ઉપયોગ કરીને જોડવામાં આવ્યા હતા જે વ્યક્તિગત-રેટર અસરો અને મુશ્કેલી-ની-સજા અસરો બંને માટે જવાબદાર હતા. બૉનોઇટ અને સહકર્મીઓ લગભગ 1,500 લોકો પાસેથી 200,000 રેટિંગ્સ એકત્રિત કરે છે.
ભીડ કોડિંગની ગુણવત્તાના મૂલ્યાંકન માટે, બેનોઇટ અને સહકાર્યકર્તાઓ પાસે લગભગ 10 નિષ્ણાતો-પ્રોફેસરો અને ગ્રેજ્યુએટ વિદ્યાર્થીઓ રાજકીય વિજ્ઞાન દરમાં સમાન પ્રણાલીનો ઉપયોગ કરીને સમાન સ્વરૂપ છે. ભીડના સભ્યોના રેટિંગ્સ નિષ્ણાતો પાસેથી રેટિંગ્સ કરતા વધુ ચલણ હોવા છતાં સર્વસંમતિ ભીડ રેટિંગ સર્વસંમતિ નિષ્ણાત રેટિંગ (આંકડા 5.6) સાથે નોંધપાત્ર કરાર હતો. આ સરખામણી દર્શાવે છે કે, ગેલેક્સી ઝૂ સાથે, માનવ ગણતરી પ્રોજેક્ટ્સ ઉચ્ચ ગુણવત્તાવાળા પરિણામો ઉત્પન્ન કરી શકે છે.
આ પરિણામ પર બિલ્ડિંગ, મેનિફેસ્ટો પ્રોજેક્ટ દ્વારા ઉપયોગમાં લેવાતા નિષ્ણાત-રન કોડિંગ સિસ્ટમ સાથે અશક્ય સંશોધન માટે બેનોઈટ અને સહકર્મીઓએ તેમના ભીડ-કોડિંગ સિસ્ટમનો ઉપયોગ કર્યો હતો. ઉદાહરણ તરીકે, મેનિફેસ્ટો પ્રોજેક્ટએ ઇમિગ્રેશનના વિષય પર જાહેરનામાનો કોડ નથી કર્યો, કારણ કે 1980 ના દાયકાના મધ્યમાં કોડિંગ યોજના વિકસાવવામાં આવી હતી તે કોઈ વિષય નથી. અને, આ તબક્કે, મેનિફેસ્ટો પ્રોજેકટ માટે પાછા જવા માટે અને આ માહિતી મેળવવા માટે તેમના ઢંઢેરામાં પુનરાવર્તન કરવા માટે તે લોજિસ્ટિક રીતે અયોગ્ય છે. તેથી, એવું લાગે છે કે સંશોધકોને ઇમિગ્રેશનના રાજકારણનો અભ્યાસ કરવામાં રસ છે નસીબ બહાર નથી જો કે, બેનોઈટ અને સહકાર્યકરો તેમના માનવ ગણતરી સિસ્ટમનો ઉપયોગ આ કોડિંગ-તેમના સંશોધન પ્રશ્ન-કસ્ટમાઇઝ્ડ-ઝડપથી અને સહેલાઇથી કરવા માટે સક્ષમ હતા.
ઇમિગ્રેશન નીતિના અભ્યાસ માટે, તેઓએ યુનાઇટેડ કિંગડમમાં 2010 ના સામાન્ય ચૂંટણીમાં આઠ પક્ષો માટેના ઢંઢેરોને કોડેડ કર્યા હતા. દરેક ઢંઢેરામાં દરેક સજાને ઇમિગ્રેશન સાથે સંબંધિત છે કે કેમ તે કોડેડ કરવામાં આવ્યું હતું, અને જો આમ હોય, તો તે પ્રો-ઈમિગ્રેશન, તટસ્થ અથવા વિરોધી ઇમીગ્રેશન છે. તેમના પ્રોજેક્ટને લોંચ કર્યાના 5 કલાકની અંદર, પરિણામો આવ્યા. તેઓએ કુલ $ 360 ની કુલ ખર્ચે 22,000 થી વધુ પ્રતિસાદ એકત્રિત કર્યા. વધુમાં, ભીડના અંદાજોમાં નિષ્ણાતોના અગાઉના સર્વેક્ષણ સાથે નોંધપાત્ર કરાર દર્શાવવામાં આવ્યા હતા. પછી, અંતિમ પરીક્ષા તરીકે, બે મહિના બાદ, સંશોધકોએ તેમના ભીડ-કોડિંગને પુનઃઉત્પાદન કર્યું. થોડા કલાકોમાં, તેઓએ એક નવું ટોળું-કોડેડ ડેટાસેટ બનાવ્યું હતું જે તેમની મૂળ ભીડ-કોડેડ ડેટા સેટ સાથે નજીકથી મેળ ખાતો હતો. બીજા શબ્દોમાં કહીએ તો, માનવ ગણતરી દ્વારા તેમને રાજકીય ગ્રંથોના કોડિંગ બનાવવા માટે સક્ષમ કરવામાં આવ્યા છે જે નિષ્ણાત મૂલ્યાંકનથી સંમત થયા હતા અને પ્રજનનક્ષમ હતા. વધુમાં, કારણ કે માનવ ગણતરી ઝડપી અને સસ્તી હતી, તેમના માટે તેમના ડેટા સંગ્રહને ઇમિગ્રેશન વિશેના ચોક્કસ સંશોધન પ્રશ્નને કસ્ટમાઇઝ કરવા માટે સરળ હતું.