5.5.2 Leverage heterogenitás

Miután motivált sok ember dolgozni egy valódi tudományos probléma, akkor kiderül, hogy a résztvevők lesz heterogén két fő módja van: ők is különbözni fognak a készség, és akkor változik a saját szintű erőfeszítéseket. Az első reakció a sok társadalomkutatók kizárják a gyenge minőségű a résztvevők, majd próbálja összegyűjteni egy fix mennyiségű információ mindenki elhagyta. Ez a rossz irányba, hogy tervezzen egy tömeges együttműködési projektben.

Először is, nincs ok arra, hogy kizárják az alacsony képzettségű résztvevők. A nyílt felhívások, alacsony képzettségű résztvevők nem okoz problémát; a járulékok nem árt senkinek, és nem igényel semmilyen ideje, hogy értékeljék. Az emberi számítás és az elosztott adatgyűjtő projektek, másrészt, hogy a legjobb formáját minőségellenőrzési átjön redundancia, nem egy nagy bár a részvételre. Sőt, ahelyett, kivéve az alacsony képzettségi résztvevők, a jobb megközelítés, hogy segítsen nekik jobb hozzájárulás, mint a kutatók eBird volna.

Másodszor, nincs ok arra, hogy gyűjtsön egy fix mennyiségű információt minden résztvevőtől. Részvétel számos tömeges együttműködési projektek hihetetlenül egyenlőtlen (Sauermann and Franzoni 2015) egy kis számú ember hozzájáruló sok-néha a kövér fejét -és egy csomó ember hozzájárulva egy kevéssé néha a hosszú farok. Ha nem gyűjt adatokat a kövér fejét, és a hosszú farok, hogy elhagyja rengeteg információt szedett. Például, ha a Wikipédia elfogadott 10 és csak 10 szerkesztésnek szerkesztő, akkor elveszíti mintegy 95% -a szerkesztések (Salganik and Levy 2015) . Így tömeges együttműködési projektek, a legjobb, ha kihasználja a heterogenitás helyett próbálja megszüntetésére.