આ વિભાગ બદલે કથા વાંચી શકાય એક સંદર્ભ તરીકે ઉપયોગ કરવા માટે રચાયેલ છે.
માસ સહયોગ નાગરિક વિજ્ઞાન, crowdsourcing, અને સામૂહિક બુદ્ધિ ના વિચારો સંયોજીત થાય છે. નાગરિક વિજ્ઞાન સામાન્ય રીતે "નાગરિકો" વૈજ્ઞાનિક પ્રક્રિયા (એટલે કે, બિન-વૈજ્ઞાનિકો) સંડોવતા અર્થ એ થાય (Crain, Cooper, and Dickinson 2014) . Crowdsourcing સામાન્ય રીતે સામાન્ય રીતે એક સંસ્થા અંદર હલ સમસ્યા લેવા અને તેના બદલે તે ભીડ આઉટસોર્સિંગ અર્થ એ થાય (Howe 2009) . સામૂહિક બુદ્ધિ સામાન્ય રીતે સામૂહિક કામ વ્યક્તિઓ જૂથો છે કે જે લાગે બુદ્ધિશાળી અર્થ એ થાય (Malone and Bernstein 2015) . Nielsen (2012) વૈજ્ઞાનિક સંશોધન માટે માસ સહયોગ શક્તિ એક અદ્ભુત પુસ્તક લંબાઈ પરિચય છે.
ત્યાં સામૂહિક સહયોગ ઘણા પ્રકારના કે ત્રણ વર્ગોમાં કે હું સૂચિત માં સરસ રીતે ફિટ નથી, અને મને લાગે છે કે ત્રણ ખાસ ધ્યાન આપે છે કારણ કે તેઓ અમુક બિંદુએ સામાજિક સંશોધન માટે ઉપયોગી હોઈ શકે છે. એક ઉદાહરણ આગાહી બજારો, જ્યાં સહભાગીઓ ખરીદી અને વેપાર કરાર કે પરિણામો કે વિશ્વમાં જોવા મળે છે પર આધારિત છે વેચી છે (Wolfers and Zitzewitz 2004; Arrow et al. 2008) . આગાહી બજારોમાં ઘણીવાર આગાહી માટે કંપનીઓ અને સરકાર દ્વારા ઉપયોગ કરવામાં આવે છે, અને આગાહી બજારોમાં પણ મનોવિજ્ઞાન માં પ્રકાશિત અભ્યાસ replicability આગાહી સામાજિક સંશોધકો દ્વારા ઉપયોગ કરવામાં આવે છે (Dreber et al. 2015) .
એક બીજા ઉદાહરણ છે કે મારી વર્ગીકરણ યોજના સારી રીતે ફિટ નથી મહાન પંડિત પ્રોજેક્ટ, જ્યાં સંશોધકો નવી ગણિત પ્રમેયો સાબિત કરવા બ્લોગ્સ અને વિકિઝ મદદથી સહયોગ છે (Gowers and Nielsen 2009; Cranshaw and Kittur 2011; Nielsen 2012; Kloumann et al. 2016) . મહાન પંડિત પ્રોજેક્ટ કેટલાક Netflix પ્રાઇઝ માટે સમાન રીતે છે, પરંતુ મહાન પંડિત પ્રોજેક્ટ સહભાગીઓ વધુ સક્રિય રીતે અન્ય આંશિક ઉકેલો પર બનાવી છે.
એક ત્રીજું ઉદાહરણ છે કે મારી વર્ગીકરણ યોજના સારી રીતે ફિટ નથી, જેમ કે ડિફેન્સ એડવાન્સ્ડ રિસર્ચ પ્રોજેક્ટ્સ એજન્સી (ડીએઆરપીએ) નેટવર્ક ચેલેન્જ (એટલે કે, લાલ બલૂનમાંથી ચેલેન્જ) તરીકે સમય-આધારિત Mobilizations છે. આ સમય પર વધુ માટે સંવેદનશીલ Mobilizations જોવા Pickard et al. (2011) , Tang et al. (2011) , અને Rutherford et al. (2013) .
આ શબ્દ "માનવ ગણતરી" કામ કમ્પ્યુટર વૈજ્ઞાનિકોનું દ્વારા કરવામાં બહાર આવે છે, અને આ સંશોધન પાછળ સંદર્ભ બહાર સમસ્યાઓ છે કે તે માટે જવાબદાર હોઈ શકે છે પસંદ કરવા માટે તમારી ક્ષમતા સુધારવા કરશે સમજવા. ચોક્કસ કાર્યો માટે, કમ્પ્યૂટર્સ ક્ષમતાઓ સુધી પણ નિષ્ણાત મનુષ્યો ઓળંગી સાથે ઉત્સાહી શક્તિશાળી છે. ઉદાહરણ તરીકે, ચેસ, કમ્પ્યુટર્સ પણ શ્રેષ્ઠ ગ્રાન્ડ માસ્ટર્સ હરાવ્યું કરી શકો છો. પરંતુ-અને આ ઓછું સામાજિક દ્વારા પ્રશંસા છે વૈજ્ઞાનિકો માટે અન્ય ક્રિયાઓ, કમ્પ્યુટર્સ ખરેખર લોકો કરતાં વધુ ખરાબ છે. બીજા શબ્દોમાં કહીએ તો, હમણાં તમે છબીઓ, વિડિઓ, ઓડિયો, અને લખાણ પ્રક્રિયા સંડોવતા ચોક્કસ ક્રિયાઓ પર પણ સૌથી આધુનિક કોમ્પ્યુટર કરતાં વધુ સારી છે. આમ-તરીકે એક અદ્ભુત xkcd દ્વારા સચિત્ર આવી હતી કાર્ટૂન ત્યાં ક્રિયાઓ કે કમ્પ્યુટર્સ માટે સરળ અને હાર્ડ લોકો માટે હોય છે, પરંતુ ત્યાં પણ છે કે ક્રિયાઓ કમ્પ્યુટર્સ માટે હાર્ડ અને લોકો માટે સરળ છે (આકૃતિ 5.13) છે. કમ્પ્યુટર વૈજ્ઞાનિકોનું આ હાર્ડ-એન્જીનિયરિંગ સરળ માટે માનવ માટે ક્રિયાઓ છે, તેથી સમજાયું કે તેઓ તેમના કોમ્પ્યુટેશનલ પ્રક્રિયા મનુષ્યો શામેલ હોઈ શકે છે કામ કરે છે. અહીં તે કેવી રીતે લુઈસ વોન Ahn છે (2005) માનવ ગણતરી વર્ણવેલ જ્યારે તેમણે પ્રથમ તેમનો મહાનિબંધ માં પરિભાષા: ". સમસ્યાઓ ઉકેલવા માટે કે જે કમ્પ્યુટર્સ હજુ સુધી હલ કરી શકો છો માનવ પ્રક્રિયા શક્તિ ઉપયોગ માટે એક નમૂનારૂપ"
આ વ્યાખ્યા FoldIt જે હું ઓપન પર વિભાગમાં વર્ણવ્યા દ્વારા માનવ ગણતરી પ્રોજેક્ટ કોલ્સ શકે માનવામાં આવે છે. જો કે, હું એક ઓપન કોલ તરીકે FoldIt વર્ગીકૃત કરવા માટે પસંદ છે કારણ કે તે વિશિષ્ટ કૌશલ્ય જરૂરી છે અને તે શ્રેષ્ઠ ઉકેલ સ્પ્લિટ લાગુ-ભેગા વ્યૂહરચના નો ઉપયોગ કરતાં ફાળો લે છે.
માનવ ગણતરી એક ઉત્તમ પુસ્તક લંબાઈ સારવાર માટે, શબ્દ સૌથી સામાન્ય અર્થમાં, જુઓ Law and Ahn (2011) . પ્રકરણ 3 Law and Ahn (2011) આ પ્રકરણમાં કરતા વધુ જટિલ ભેગા પગલાંઓ એક રસપ્રદ ચર્ચા છે.
આ શબ્દ "સ્પ્લિટ અરજી-ભેગું" દ્વારા ઉપયોગ કરવામાં આવ્યો હતો Wickham (2011) આંકડાકીય કમ્પ્યુટિંગ માટે એક વ્યૂહરચના વર્ણન કરવા માટે છે, પરંતુ તે સંપૂર્ણપણે ઘણા માનવ ગણતરી પ્રોજેક્ટ પ્રક્રિયા મેળવે છે. સ્પ્લિટ અરજી-ભેગા વ્યૂહરચના Google પર વિકસિત MapReduce માળખું સમાન છે (Dean and Ghemawat 2004; Dean and Ghemawat 2008) .
બે હોંશિયાર માનવ ગણતરી છે કે જે પ્રોજેક્ટ હું ચર્ચા કરવા માટે જગ્યા ન હતી ખાસ કરીને રમત છે (Ahn and Dabbish 2004) અને reCAPTCHA (Ahn et al. 2008) . આ પ્રોજેક્ટ બંને સહભાગીઓ માટે ઉત્સાહિત કરવા માટે છબીઓ પર લેબલો પૂરી પાડે છે સર્જનાત્મક રીતે જોવા મળે છે. જો કે, આ પ્રોજેક્ટ માટે બંને પણ નૈતિક પ્રશ્નો ઊભા, કારણ કે ગેલેક્સી ઝૂ જેમ નહિં પણ, ખાસ કરીને રમત અને reCAPTCHA સહભાગીઓ કેવી રીતે તેમની માહિતી ઉપયોગ કરવામાં આવ્યો છે ખબર ન હતી (Lung 2012; Zittrain 2008) .
ખાસ કરીને આ રમત દ્વારા પ્રેરિત છે, ઘણા સંશોધકો અન્ય "એક હેતુ સાથે રમતો" વિકસાવવાનો પ્રયત્ન કર્યો છે (Ahn and Dabbish 2008) (એટલે કે, "માનવ આધારિત ગણતરી રમતો" (Pe-Than, Goh, and Lee 2015) ) હોઈ શકે છે અન્ય સમસ્યાઓ વિવિધ ઉકેલવા માટે વપરાય છે. શું આ "એક હેતુ સાથે રમતો" સામાન્ય હોય છે કે તેઓ માનવ ગણતરી આનંદપ્રદ સામેલ કાર્યો બનાવવા પ્રયાસ છે. આમ, વહેંચે છે, જ્યારે ખાસ કરીને રમત એ જ વિભાજીત અરજી-ભેગા ગેલેક્સી ઝૂ સાથે માળખું, તે કેવી રીતે સહભાગીઓ પ્રોત્સાહિત મજા વિ વિજ્ઞાન મદદ કરવા માટે ઇચ્છા અલગ પડે છે.
ગેલેક્સી ઝૂ મારા વર્ણન પર ખેંચે છે Nielsen (2012) , Adams (2012) , Clery (2011) , અને Hand (2010) , અને ગેલેક્સી ઝૂ સંશોધન ગોલ મારા પ્રસ્તુતિ સરળ બનાવવામાં આવી હતી. ખગોળશાસ્ત્ર ગેલેક્સી વર્ગીકરણનો ઇતિહાસ અને કેવી રીતે ગેલેક્સી ઝૂ આ પરંપરા ચાલુ રહે છે તેના પર વધુ માટે, જુઓ Masters (2012) અને Marshall, Lintott, and Fletcher (2015) . ગેલેક્સી ઝૂ પર બિલ્ડિંગ, સંશોધકો ગેલેક્સી ઝૂ 2 જે સ્વયંસેવકો કરતાં વધુ 60 મિલિયન વધુ જટિલ મોર્ફોલોજિકલ વર્ગીકરણ એકત્રિત પૂર્ણ (Masters et al. 2011) . વધુમાં, તેઓ ચંદ્ર સપાટી અન્વેષણ ગ્રહો માટે શોધ છે, અને જૂના દસ્તાવેજો લખવાની સહિત ગેલેક્સી મોર્ફોલોજી બહાર સમસ્યાઓ માં આઉટ શાખા. હાલમાં, તેમના તમામ પ્રોજેક્ટ પર એકત્ર કરવામાં આવે છે www.zooniverse.org (Cox et al. 2015) . એક પ્રોજેક્ટ સ્નેપશોટ પુરાવા છે કે ગેલેક્સી ઝૂમાં પ્રકાર છબી વર્ગીકરણ પ્રોજેક્ટ પણ પર્યાવરણીય સંશોધન માટે કરી શકાય છે સેરેનગેતી-પૂરી પાડે છે (Swanson et al. 2016) .
સંશોધકો માનવ ગણતરી પ્રોજેક્ટ માટે માઇક્રો-કાર્ય શ્રમ બજારમાં (દા.ત., એમેઝોન યાંત્રિક ટર્ક) નો ઉપયોગ કરવા આયોજન માટે, Chandler, Paolacci, and Mueller (2013) અને Wang, Ipeirotis, and Provost (2015) કાર્ય ડિઝાઇન અને સારી સલાહ આપે છે અન્ય સંબંધિત મુદ્દાઓ.
બનાવવા હું બીજી પેઢીના માનવ ગણતરી પદ્ધતિઓ શું કહેવાય છે રસ સંશોધકો (દા.ત., કે જે સિસ્ટમો માનવ લેબલ્સ ઉપયોગ મશીન શિક્ષણ મોડલ ટ્રેન) માં રસ હોઈ શકે Shamir et al. (2014) અને (ઉદાહરણ ઓડિયો વાપરવા માટે) Cheng and Bernstein (2015) . પણ, આ પ્રોજેક્ટ ઓપન કોલ્સ, જેમાં સંશોધકો મહાન આગાહીયુક્ત પ્રભાવ સાથે મશીન શિક્ષણ મોડેલો બનાવવા માટે સ્પર્ધા સાથે કરી શકાય છે. ઉદાહરણ તરીકે, ગેલેક્સી ઝૂ ટીમ એક ઓપન કોલ ચાલી હતી અને એક નવો અભિગમ છે કે વિકસિત એક કરતાં ચડિયાતો દેખાવ મળી Banerji et al. (2010) ; જોવા Dieleman, Willett, and Dambre (2015) વિગતો માટે.
ઓપન કોલ નવા નથી. હકીકતમાં, સૌથી જાણીતા ઓપન કોલ્સ એક 1714 સુધી લંબાયેલો જ્યારે બ્રિટનની સંસદ કે કોઈને સમુદ્ર પર એક જહાજ રેખાંશ નક્કી કરવા માટે એક માર્ગ વિકાસ કરી શકે છે માટે રેખાંશ પ્રાઇઝ બનાવવામાં. સમસ્યા આઇઝેક ન્યૂટન સહિત દિવસ, મહાન વૈજ્ઞાનિકો ઘણા સ્ટમ્પ, અને વિજેતા ઉકેલ છેવટે દેશભરમાં જે વૈજ્ઞાનિકો જે ઉકેલ કે કોઈક ખગોળશાસ્ત્ર સમાવેશ કરશે પર ધ્યાન કેન્દ્રિત કર્યું હતું અલગ સમસ્યા સંપર્ક એક ઘડિયાળી દ્વારા રજૂ કરવામાં આવી હતી (Sobel 1996) . આ ઉદાહરણ સમજાવે છે કે, એક કારણ એ છે કે ઓપન કોલ એટલી સારી રીતે કામ કરવા માટે માનવામાં આવે છે કે તેઓ અલગ અલગ દ્રષ્ટિકોણથી અને કુશળતા સાથે લોકો માટે વપરાશ પૂરો પાડે છે (Boudreau and Lakhani 2013) . જુઓ Hong and Page (2004) અને Page (2008) સમસ્યા ઉકેલવા વિવિધતા ની કિંમત પર વધારે હોય છે.
પ્રકરણમાં ઓપન કોલ કિસ્સાઓમાં દરેક શા માટે તે આ શ્રેણી માં અનુસરે છે માટે વધુ સમજૂતી એક બીટ જરૂર છે. પ્રથમ, એક રસ્તો છે કે હું માનવ ગણતરી અને ઓપન કોલ પ્રોજેક્ટ વચ્ચે તફાવત છે કે શું આઉટપુટ તમામ ઉકેલો ની સરેરાશ (માનવ ગણતરી) અથવા શ્રેષ્ઠ ઉકેલ (ઓપન કોલ) છે. કારણ કે શ્રેષ્ઠ ઉકેલ બહાર આવ્યું વ્યક્તિગત ઉકેલો એક વ્યવહારદક્ષ સરેરાશ હોઈ Netflix પ્રાઇઝ આ સંદર્ભે કંઈક મુશ્કેલ છે, એક એક દાગીનો ઉકેલ કહેવાય સંપર્ક (Bell, Koren, and Volinsky 2010; Feuerverger, He, and Khatri 2012) . Netflix ના પરિપ્રેક્ષ્યમાં, તેમ છતાં, તેઓ શું હતી શ્રેષ્ઠ ઉકેલ પસંદ હતી.
બીજું, માનવ ગણતરી કેટલીક વ્યાખ્યાઓ દ્વારા (દા.ત., Von Ahn (2005) ), FoldIt માનવ ગણતરી પ્રોજેક્ટ વિચારણા કરવી જોઇએ. જો કે, હું એક ઓપન કોલ તરીકે FoldIt વર્ગીકૃત કરવા માટે પસંદ છે કારણ કે તે વિશિષ્ટ કૌશલ્ય જરૂરી છે અને તે શ્રેષ્ઠ ઉકેલ યોગદાન આપ્યું છે, તેના બદલે એક વિભાજીત અરજી-ભેગા વ્યૂહરચના મદદથી કરતાં લે છે.
છેલ્લે, એક એવી દલીલ કરી શકે છે કે જે પીઅર-ટુ-પેટન્ટ વિતરણ માહિતી સંગ્રહ એક ઉદાહરણ છે. હું એક ઓપન કોલ કારણ કે તે સમાવેશ થાય છે કારણ કે તે એક સ્પર્ધા જેવા માળખું ધરાવે છે અને માત્ર શ્રેષ્ઠ યોગદાન ઉપયોગ કરવામાં આવે છે (જ્યારે વિતરણ માહિતી સંગ્રહ સાથે, સારા અને ખરાબ યોગદાન વિચાર ઓછી સ્પષ્ટ છે) પસંદ કરો.
Netflix પ્રાઇઝ પર વધુ માટે, જુઓ Bennett and Lanning (2007) , Thompson (2008) , Bell, Koren, and Volinsky (2010) , અને Feuerverger, He, and Khatri (2012) . FoldIt પર વધુ જોવા માટે, Cooper et al. (2010) , Andersen et al. (2012) , અને Khatib et al. (2011) ; FoldIt મારા વર્ણન વર્ણનો પર ખેંચે છે Nielsen (2012) , Bohannon (2009) , અને Hand (2010) . પીઅર-ટુ-પેટન્ટ પર વધુ માટે, જુઓ Noveck (2006) , Bestor and Hamp (2010) , Ledford (2007) , અને Noveck (2009) .
પરિણામો સમાન Glaeser et al. (2016) , Mayer-Schönberger and Cukier (2013) , ન્યુ યોર્ક સિટી માં હાઉસિંગ ઇન્સ્પેક્ટર ઉત્પાદકતામાં પ્રકરણ 10 અહેવાલો મોટા લાભો જ્યારે તપાસ આગાહીયુક્ત મોડલ દ્વારા સંચાલિત કરવામાં આવે છે. ન્યુ યોર્ક સિટી માં, આ આગાહી મોડલ શહેર કર્મચારીઓ દ્વારા બનાવવામાં આવ્યા હતા, પરંતુ અન્ય કિસ્સાઓમાં, એક કલ્પના કરી શકે છે કે તેઓ અથવા બનાવી શકાય છે ઓપન કોલ્સ સાથે સુધારી (દા.ત., Glaeser et al. (2016) ). જો કે, આગાહીયુક્ત મોડલ સાધનો ફાળવવા માટે ઉપયોગ કરવામાં આવી રહ્યો સાથે એક મુખ્ય ચિંતા એ છે કે મોડેલો સંભવિત વર્તમાન પક્ષપાતને મજબૂત હોય છે. ઘણા સંશોધકો એ પહેલાથી જ "કચરો બહાર કચરો" ખબર છે, અને આગાહીયુક્ત મોડલ સાથે તે હોઈ શકે છે "માં પૂર્વગ્રહ, પૂર્વગ્રહ બહાર." જુઓ Barocas and Selbst (2016) અને O'Neil (2016) બાંધવામાં આગાહીયુક્ત મોડલ જોખમો પર વધુ માટે પક્ષપાતી તાલીમ માહિતી સાથે.
એક સમસ્યા એ છે કે ઓપન સ્પર્ધાઓ મદદથી સરકારો અટકાવી શકે છે કે તે માહિતી પ્રકાશન છે, જે ગોપનીયતા ઉલ્લંઘન તરફ દોરી શકે છે જરૂર છે. ઓપન કોલ ગોપનીયતા અને માહિતી પ્રકાશન વિશે વધુ જુઓ Narayanan, Huey, and Felten (2016) અને પ્રકરણ 6 માં ચર્ચા.
EBird મારા વર્ણન વર્ણનો પર ખેંચે છે Bhattacharjee (2005) અને Robbins (2013) . કેવી રીતે સંશોધકો આંકડાકીય મોડલ વાપરવા eBird માહિતી વિશ્લેષણ પર વધુ જોવા માટે Hurlbert and Liang (2012) અને Fink et al. (2010) . Ornothology માં નાગરિક વિજ્ઞાન ઇતિહાસ પર વધુ માટે, જુઓ Greenwood (2007) .
મલાવી જર્નલ પ્રોજેક્ટ પર વધુ માટે, જુઓ Watkins and Swidler (2009) અને Kaler, Watkins, and Angotti (2015) . અને દક્ષિણ આફ્રિકામાં એક સંબંધિત પ્રોજેક્ટ પર વધુ માટે, જુઓ Angotti and Sennott (2015) . મલાવી જર્નલ પ્રોજેક્ટ માંથી માહિતી સંશોધન ઉપયોગ વધુ ઉદાહરણો માટે જુઓ Kaler (2004) અને Angotti et al. (2014) .
ડિઝાઇન સલાહ ઓફર મારા અભિગમ પ્રત્યક્ષ પ્રમાણ પર નિર્ધારિત હતું, સફળ ઉદાહરણો પર આધારિત છે અને સામૂહિક સહયોગ પ્રોજેક્ટ કે હું વિશે સાંભળ્યું કર્યું નિષ્ફળ. ત્યાં પણ સંશોધન એક પ્રવાહ ઉદાહરણ તરીકે, માસ સહયોગ પ્રોજેક્ટ ડિઝાઇન સંબંધિત છે ઓનલાઇન સમુદાયો ડિઝાઇન વધુ સામાન્ય સામાજિક મનોવૈજ્ઞાનિક સિદ્ધાંતો લાગુ પાડવા માટે, જુઓ, પ્રયત્ન કરે છે Kraut et al. (2012) .
પ્રોત્સાહન સહભાગીઓ અંગે, તે બરાબર શા માટે લોકો માસ સહયોગ પ્રોજેક્ટ ભાગ બહાર આકૃતિ ખરેખર ખૂબ મુશ્કેલ છે (Nov, Arazy, and Anderson 2011; Cooper et al. 2010, Raddick et al. (2013) ; Tuite et al. 2011; Preist, Massung, and Coyle 2014) . તમે એક માઇક્રો-કાર્ય શ્રમ બજારમાં ચુકવણી (દા.ત., એમેઝોન યાંત્રિક ટર્ક) સાથે સહભાગીઓ માટે ઉત્સાહિત કરવા માટે યોજના ઘડી રહ્યા હોય Kittur et al. (2013) કેટલાક સલાહ આપે છે.
અણધારી Zoouniverse પ્રોજેક્ટ બહાર આવતા ડિસ્કવરીઝ વધુ ઉદાહરણો માટે, આશ્ચર્ય સક્રિય અંગે, જુઓ Marshall, Lintott, and Fletcher (2015) .
નૈતિક હોવા અંગે, સામેલ મુદ્દાઓ માટે કેટલાક સારા સામાન્ય પરિચય છે Gilbert (2015) , Salehi et al. (2015) , Schmidt (2013) , Williamson (2016) , Resnik, Elliott, and Miller (2015) , અને Zittrain (2008) . મુદ્દાઓ ખાસ ભીડ કર્મચારીઓ સાથે કાનૂની મુદ્દાઓ સાથે સંબંધિત માટે, જુઓ Felstiner (2011) . O'Connor (2013) સંશોધન નૈતિક દૃશ્ય વિશે પ્રશ્નો સંબોધે છે ત્યારે સંશોધકો અને સહભાગીઓ ની ભૂમિકા બ્લર. શેરિંગ માહિતી સંબંધિત છે, જ્યારે નાગરિક વિજ્ઞાન પ્રોજેક્ટ participats રક્ષણ મુદ્દાઓ માટે, જુઓ Bowser et al. (2014) . બંને Purdam (2014) અને Windt and Humphreys (2016) વિતરણ માહિતી સંગ્રહ નૈતિક મુદ્દાઓ વિશે કેટલીક ચર્ચા છે. છેલ્લે, સૌથી પ્રોજેક્ટ યોગદાન સ્વીકારો પરંતુ સહભાગીઓ માટે આંકીએ ક્રેડિટ આપી નથી. Foldit માં, Foldit ખેલાડીઓ ઘણી વખત એક લેખક તરીકે યાદી થયેલ છે (Cooper et al. 2010; Khatib et al. 2011) . અન્ય ઓપન કોલ પ્રોજેક્ટ માં, વિજેતા ફાળો આપનાર ઘણીવાર કાગળ ઉકેલો વર્ણન લખી શકો છો (દા.ત., Bell, Koren, and Volinsky (2010) અને Dieleman, Willett, and Dambre (2015) ). પ્રોજેક્ટ ગેલેક્સી ઝૂ કુટુંબ અત્યંત સક્રિય અને મહત્વપૂર્ણ ફાળો ક્યારેક કાગળો પર સહ-લેખકોએ બનવા માટે આમંત્રિત કરવામાં આવે છે. ઉદાહરણ તરીકે, ઇવાન Terentev અને ટિમ Matorny, રશિયા પાસેથી બે રેડિયો ગેલેક્સી ઝૂ સહભાગીઓ, કાગળો કે પ્રોજેક્ટ ઊભો થયો એક પર સહ-લેખકો હતા (Banfield et al. 2016; Galaxy Zoo 2016) .