5.2.3 Következtetések
Emberi számítás lehetővé teszi, hogy egy ezer kutatási asszisztens.
Emberi számítás projektek egyesítik a munka sok, nem szakértő, hogy megoldja könnyen feladat-nagy léptékű problémák, amelyek nem könnyen megoldható a számítógépek. Ezek használata az osztott alkalmazni egyesíteni stratégia törni egy nagy probléma a sok egyszerű mikro-feladatokat lehet megoldani az emberek nélkül a szakértelem. A második generációs emberi számítás rendszerek is használják a gépi tanulás érdekében, hogy megerősítsék az emberi erőfeszítés.
A társadalmi kutatások, az emberi számítás projektek nagy valószínűséggel használható olyan helyzetekben, amikor a kutatók szeretnék osztályozni, kód, vagy a címkét képeket, videókat vagy szövegeket. Ez az osztályozás nem cél; azok a nyersanyagok kutatás. Például, a tömeg-kódolását politikai kiáltványok lehetne használni, hogy teszteljék elméletek a dinamika figyelem felé migráció.
Annak érdekében, hogy tovább építeni az intuíció, 5.1 táblázat további példát arra, hogyan emberi számítás óta használják a társadalmi kutatások. Ez a táblázat azt mutatja, hogy ellentétben a Galaxy Zoo, számos más emberi számítás projektek használja a mikro-feladat munkaerőpiacok (pl Amazon Mechanical Turk). Majd visszatér erre a kérdésre a résztvevők motivációja, amikor tanácsot ad létre saját tömege együttműködési projektben.
| összefoglalás | Adat | A résztvevők | Idézet |
|---|---|---|---|
| kódolás fél manifesztumokban | szöveg | mikro-feladat a munkaerő-piaci | Benoit et al. (2015) |
| kivonat esemény információt hírcikkekre elfoglalva Tüntetések 200 amerikai városban | szöveg | mikro-feladat a munkaerő-piaci | Adams (2014) |
| besorolása újságcikkek | szöveg | mikro-feladat a munkaerő-piaci | Budak, Goel, and Rao (2016) |
| kitermelése esemény adatait a naplóban a katonák World War 1 | szöveg | önkéntesek | Grayson (2016) |
| változások kimutatására térképek | képek | mikro-feladat a munkaerő-piaci | Soeller et al. (2016) |
Végül a szakasz példái azt mutatják, hogy az emberi számítás lehet egy demokratizálásának hatása a tudomány. Emlékezzünk, hogy Schawinski és Lintott volt végzős hallgatók, mikor kezdtek Galaxy Zoo. Mielőtt a digitális korban, a projekt minősítheti millió galaxis osztályozás lett volna szükség, így sok időt és pénzt, hogy ez eddig csak praktikus, jól finanszírozott és a beteg professzorok. Ez már nem igaz. Emberi számítás projektek egyesítik a munka sok, nem szakértő, hogy megoldja könnyen feladat-nagy léptékű problémákat. Ezután megmutatom, hogy a tömeges együttműködés is alkalmazható problémák, amelyek szakértelmet igényelnek, a szakértelem, hogy még a kutató maga talán nem.
