5.5.2 Poluga heterogenost

Nakon što ste motivirali puno ljudi da rade na stvarnom znanstvenom problemu, otkrit ćete da će vaši sudionici biti heterogeni na dva glavna načina: oni će se razlikovati kako u njihovoj vještini tako i po njihovoj nivou truda. Prva reakcija mnogih društvenih istraživača je borba protiv ove heterogenosti pokušavajući isključiti sudionike niske kvalitete, a zatim pokušavajući prikupiti fiksnu količinu informacija od svih koji su ostali. To je krivi način za dizajn projekta masovne suradnje. Umjesto borbe protiv heterogenosti, trebali biste ga iskoristiti.

Prvo, nema razloga za isključivanje sudionika s niskom stručnom spremom. U otvorenim pozivima, niskokvalificirani sudionici ne uzrokuju nikakve probleme; njihovi doprinosi ne povređuju nikoga i ne zahtijevaju nikakva vremena za vrednovanje. U ljudskim računalima i distribuiranim projektima prikupljanja podataka, štoviše, najbolji oblik kontrole kvalitete dolazi kroz redundantnost, a ne kroz visok stupanj za sudjelovanje. Zapravo, umjesto isključivanja sudionika s niskom stručnom spremom, bolji pristup je pomoći im da daju bolje doprinose, baš kao što su istraživači u eBirdu učinili.

Drugo, nema razloga prikupiti fiksnu količinu informacija od svakog sudionika. Sudjelovanje u mnogim projektima za masovnu suradnju nevjerojatno je neravnopravan (Sauermann and Franzoni 2015) , s malim brojem ljudi koji pridonose puno - ponekad se naziva glava masti - i puno ljudi koji malo pridonose - ponekad se naziva dugim repom . Ako ne prikupljate podatke s debelom glavom i dugim repom, ostavljate neiscrpnu masu informacija. Na primjer, ako je Wikipedija prihvatila 10 i samo 10 uređivanja po uredniku, izgubilo bi oko 95% izmjena (Salganik and Levy 2015) . Dakle, s projektima za masovnu suradnju, najbolje je iskoristiti heterogenost, a ne pokušati ga eliminirati.