5.1 Bevezetés

A Wikipedia csodálatos. Az önkéntesek tömeges együttműködése fantasztikus enciklopédiát hozott létre, amely mindenki számára elérhető. A Wikipédia sikerének kulcsa nem új tudás volt; inkább az együttműködés új formája volt. A digitális korszak szerencsére számos új együttműködési formát tesz lehetővé. Ezért most meg kell kérdeznünk: Milyen hatalmas tudományos problémákat - azokat a problémákat, amelyeket egyedileg nem tudtunk megoldani - most együtt kezeljük?

Kutatási együttműködés nem új, természetesen. Ami új, az azonban az, hogy a digitális korban lehetővé együttműködve egy sokkal nagyobb és változatos az emberek: a több milliárd ember a világon, interneten keresztül. Azt várjuk, hogy ezek az új tömeges együttműködés hozzá fog járulni lenyűgöző eredményeket nem csak azért, mert a részt vevő személyek számát, hanem azért is, mert a különböző készségek és perspektívák. Hogyan tudjuk bele mindenki egy Internet kapcsolat a mi kutatási folyamat? Mit tehet a 100 kutatási asszisztens? Mi a helyzet a 100.000 szakképzett munkatársak?

A tömeges együttműködés sok formája létezik, és a számítógépes tudósok rendszerint számos kategóriába sorolják őket a technikai jellemzőik alapján (Quinn and Bederson 2011) . Ebben a fejezetben azonban olyan tömeges együttműködési projekteket csoportosítok, amelyek alapján felhasználhatók a társadalomkutatásra. Különösen hasznosnak tartom, hogy durván megkülönböztessem a projektek három fajtáját: az emberi számítást , a nyílt hívást és az elosztott adatgyűjtést (5.1. Ábra).

Mindegyik fajta részletesebb leírása később lesz a fejezetben, de most hagyjam röviden leírni mindegyiket. Az emberi számítástechnikai projektek ideálisak az egyszerű feladat-nagyméretű problémákhoz, például egy millió kép címkézéséhez. Ezek olyan projektek, amelyeket korábban az egyetemi kutatói asszisztensek végeztek. A hozzájárulások nem igényelnek feladattal kapcsolatos készségeket, és a végeredmény általában az összes hozzájárulás átlaga. Egy humán számítási projekt klasszikus példája a Galaxy Zoo, ahol százezer önkéntes segített a csillagászoknak egy millió galaxis osztályozásában. A nyitott hívásprojektek viszont ideálisak olyan problémákra, ahol új és váratlan válaszokat keresnek a világosan megfogalmazott kérdésekre. Ezek olyan projektek, amelyek a múltban talán bevontak kollégáikat. A hozzájárulások olyan emberekből érkeznek, akiknek különleges feladat-specifikus készsége van, és a végső eredmény általában a legjobb hozzájárulás. Nyitott hívás klasszikus példája a Netflix-díj, ahol több ezer tudós és hacker dolgozott új algoritmusok kidolgozására, hogy megjósolja az ügyfelek filmek értékelését. Végül az elosztott adatgyűjtési projektek ideálisak a nagyméretű adatgyűjtésre. Ezek olyan projektek, amelyeket a múltban az egyetemi kutatói asszisztensek vagy felméréskutató vállalatok végeztek. A befizetések jellemzően olyan emberekből érkeznek, akik hozzáférnek a kutatók helyéhez, és a végtermék a gyűjtemények egyszerű gyűjteménye. Az elosztott adatgyűjtés klasszikus példája az eBird, amelyben több százezer önkéntes jelentést tesz közzé a madarakról.

5.1 ábra: Mass együttműködés sematikus. Ez a fejezet köré szerveződik három fő formája a tömeges együttműködés: az emberi számítás, nyílt felhívás, és az elosztott adatgyűjtő. Általánosabban, tömeges együttműködést egyesíti ötletek területeken, mint a polgár a tudomány, a crowdsourcing, és a kollektív intelligencia.

A tömeges együttműködésnek hosszú, gazdag történelme van a csillagászat területén (Marshall, Lintott, and Fletcher 2015) és az ökológia (Dickinson, Zuckerberg, and Bonter 2010) , de ez még nem ismert a társadalmi kutatásokban. Azonban a más területeken sikeres projektek bemutatásával és néhány kulcsfontosságú szervezési alapelv bemutatásával remélem, hogy meggyőzni fog két dolgot. Először is, a tömegtársadalom felhasználható a társadalmi kutatáshoz. És másodszor, a tömeges együttműködést alkalmazó kutatók képesek lesznek megoldani azokat a problémákat, amelyek korábban nem tűntek lehetetlennek. Bár a tömeges együttműködést gyakran előmozdítják, hogy pénzt takarítanak meg, sokkal több annál. Amint azt meg fogom mutatni, a tömeges együttműködés nemcsak lehetővé teszi számunkra, hogy olcsóbbá tegyük a kutatást, lehetővé teszi számunkra, hogy jobb kutatást végezhessünk.

Az előző fejezetekben láttuk, hogy az emberekkel való kapcsolatfelvétel háromféle módon történhet: a viselkedésük megfigyelése (2. fejezet), feltett kérdések kérdése (3. fejezet), és beiktatásuk kísérletekre (4. fejezet). Ebben a fejezetben megmutatom, hogy mit tud tanulni azáltal, hogy az embereket kutatási munkatársaként bevonja. A tömeges együttműködés három fő formájának mindegyikére prototípusos példát mutatunk be, további példákkal illusztrálunk fontos kiegészítő pontokat, és végül leírjuk, hogy a tömeges együttműködés ilyen formája hogyan használható fel a társadalomkutatásban. A fejezet öt olyan alapelvvel zárul, amelyek segíthetnek a saját tömeges együttműködési projekt megtervezésében.