વિકિપીડિયા અમેઝિંગ છે. સ્વયંસેવકો એક માસ સહયોગ એક વિચિત્ર જ્ઞાનકોશ છે કે દરેકને માટે ઉપલબ્ધ છે બનાવનાર. માતાનો વિકિપીડિયા સફળતા માટે કી નવું જ્ઞાન ન હતું; તેના બદલે, તે મળીને એક નવું સ્વરૂપ હતું. ડિજિટલ ઉંમર, સદભાગ્યે, સહયોગ ઘણા નવા સ્વરૂપો સક્રિય કરે છે. આમ, આપણે હવે પૂછવું જોઈએ: શું મોટા વૈજ્ઞાનિક સમસ્યાઓ-સમસ્યાઓ કે અમે હલ કરી શકે છે વ્યક્તિગત રીતે કરી શકે છે અમે સાથે હવે હલ?
સંશોધન સહયોગ નવું કંઈ નથી કોર્સ છે. ઇન્ટરનેટ ઍક્સેસ સાથે લોકો અબજો વિશ્વભરમાં: નવું શું છે, જો કે, ડિજિટલ વય લોકો ખૂબ મોટી અને વધુ વૈવિધ્યસભર સમૂહ સાથે મળીને સક્રિય કરે છે. હું અપેક્ષા છે કે આ નવા સમૂહ જોડાણ માત્ર સામેલ લોકોની સંખ્યા કારણે પણ છે કારણ કે તેમના વિવિધ કુશળતા અને દ્રષ્ટિકોણનું અમેઝિંગ પરિણામો પ્રાપ્ત કરશે. કેવી રીતે અમે અમારા સંશોધન પ્રક્રિયા માં એક ઈન્ટરનેટ જોડાણ સાથે દરેક સમાવેશ કરી શકે છે? તમે 100 સંશોધન મદદનીશો સાથે શું કરી શકે? શું 100,000 કુશળ સહયોગીઓ?
ત્યાં સામૂહિક સહયોગ ઘણા સ્વરૂપો છે, અને કોમ્પ્યુટર વિજ્ઞાનીઓ ખાસ કરીને તેમના ટેકનિકલ લક્ષણો પર આધારિત મોટી સંખ્યામાં વર્ગોમાં આયોજન (Quinn and Bederson 2011) . આ પ્રકરણમાં, તેમ છતાં, હું માસ સહયોગ તેઓ કેવી રીતે સામાજિક સંશોધન માટે વાપરી શકાય છે પર આધારિત છે પ્રોજેક્ટ વર્ગીકૃત કરવા જઇ રહ્યો છું. ખાસ કરીને, મને લાગે છે કે તે પ્રોજેક્ટ ત્રણ પ્રકારો વચ્ચે તફાવત કરવામાં સહાયરૂપ થાય છે: (આકૃતિ 5.1) માનવ ગણતરી, ઓપન કોલ, અને વિતરણ માહિતી સંગ્રહ.
હું પ્રકરણમાં પછીથી મહાન વિગતવાર આ પ્રકારના દરેક વર્ણન કરીશું, પરંતુ હવે મને દરેક એક સંક્ષિપ્ત રીતે વર્ણવાય દો. માનવ ગણતરી પ્રોજેક્ટ આદર્શ આવા મિલિયન છબીઓ લેબલિંગ તરીકે સરળ કાર્ય મોટા પાયે સમસ્યાઓ માટે યોગ્ય હોય છે. આ પ્રોજેક્ટ છે કે ભૂતકાળમાં શકે અન્ડરગ્રેજ્યુએટ રીસર્ચ મદદનીશો દ્વારા કરવામાં આવ્યા છે. ફાળો કાર્ય સંબંધિત કુશળતા જરૂર નથી, અને અંતિમ આઉટપુટ સામાન્ય રીતે યોગદાન બધા ની સરેરાશ છે. માનવ ગણતરી પ્રોજેક્ટ એક ઉત્તમ ઉદાહરણ ગેલેક્સી ઝૂ, જ્યાં સો હજાર સ્વયંસેવકો મદદ કરી ખગોળશાસ્ત્રીઓએ એક મિલિયન તારાવિશ્વો વર્ગીકૃત છે. ઓપન કોલ પ્રોજેક્ટ આદર્શ સમસ્યાઓ માટે યોગ્ય હોય છે જ્યાં તમે શોધી રહ્યા છે નવલકથા અને અણધારી જવાબો માટે સ્પષ્ટ પ્રશ્નો રચના છે. આ પ્રોજેક્ટ ભૂતકાળમાં સાથીદારો પૂછવા સામેલ હોઈ શકે છે કે છે. ફાળો જે લોકો ખાસ કાર્ય સંબંધિત કુશળતા ધરાવે છે માંથી આવે છે, અને અંતિમ આઉટપુટ સામાન્ય રીતે યોગદાન તમામ શ્રેષ્ઠ છે. એક ઓપન કોલ એક ઉત્તમ ઉદાહરણ Netflix પુરસ્કાર, જ્યાં વૈજ્ઞાનિકો અને હેકરો હજારો ફિલ્મો 'ગ્રાહકો રેટિંગ્સ આગાહી નવા એલ્ગોરિધમ્સ વિકાસ માટે કામ કર્યું છે. છેલ્લે, વિતરણ માહિતી સંગ્રહ પ્રોજેક્ટ આદર્શ મોટા પાયે માહિતી સંગ્રહ માટે યોગ્ય હોય છે. આ પ્રોજેક્ટ છે કે ભૂતકાળમાં શકે અન્ડરગ્રેજ્યુએટ રીસર્ચ મદદનીશો અથવા મોજણી સંશોધન કંપનીઓ દ્વારા કરવામાં આવ્યા છે. ફાળો ખાસ કરીને જે લોકો સ્થળો છે કે સંશોધકો નથી વપરાશ હોય છે માંથી આવે છે, અને અંતિમ ઉત્પાદન યોગદાન સરળ સંગ્રહ છે. વિતરણ માહિતી સંગ્રહ એક ઉત્તમ ઉદાહરણ eBird, જેમાં સ્વયંસેવકો હજારો પક્ષીઓ તેઓ જોઈ વિશે અહેવાલો ફાળો છે.
માસ સહયોગ જેમ ખગોળશાસ્ત્ર ક્ષેત્રોમાં લાંબા, સમૃદ્ધ ઇતિહાસ ધરાવે છે (Marshall, Lintott, and Fletcher 2015) અને ઇકોલોજી (Dickinson, Zuckerberg, and Bonter 2010) છે, પરંતુ તે સામાજિક સંશોધન સામાન્ય હજુ સુધી નથી. જો કે, અન્ય ક્ષેત્રો ના સફળ પ્રોજેક્ટ વર્ણન અને થોડા કી આયોજન સિદ્ધાંતો આપીને, હું બે વસ્તુઓ તમે સહમત આશા રાખીએ છીએ. પ્રથમ, માસ સહયોગ સામાજિક સંશોધન માટે harnessed કરી શકાય છે. અને, બીજી સંશોધકો છે, જેઓ માસ સહયોગ ઉપયોગ સમસ્યાઓ કે જે પહેલાં અશક્ય લાગતું હતું ઉકેલવા માટે સમર્થ હશે. તેમ છતાં માસ સહયોગ ઘણીવાર રીતે પૈસા બચાવવા માટે તરીકે પ્રચાર કરવામાં આવે છે, તે કરતાં ઘણી વધુ છે. હું બતાવે છે કે, સામૂહિક સહયોગ અમને ફક્ત સંશોધન સસ્તી કરવા માટે પરવાનગી આપતું નથી, તે સંશોધન વધુ સારું કરવા માટે પરવાનગી આપે છે.
નીચે પ્રકરણમાં, માસ સહયોગ ત્રણ મુખ્ય સ્વરૂપો દરેક માટે, હું એક અજમાયશી ઉદાહરણ વર્ણન કરશે; વધુ ઉદાહરણો સાથે મહત્વપૂર્ણ વધારાના પોઈન્ટ સમજાવે; અને છેલ્લે વર્ણન કેવી રીતે સામૂહિક સહયોગ આ ફોર્મ સામાજિક સંશોધન માટે ઉપયોગ કરી શકે છે. પ્રકરણ પાંચ સિદ્ધાંતો તમને તમારા પોતાના માસ સહયોગ પ્રોજેક્ટ ડિઝાઇન મદદ કરી શકે છે કે જે તારણ કરશે.