5.5.2 Memanfaatkan heterogenitas

Setelah Anda memotivasi banyak orang untuk bekerja pada masalah ilmiah yang nyata, Anda akan menemukan bahwa peserta Anda akan heterogen dalam dua cara utama: mereka akan bervariasi baik dalam keterampilan mereka dan tingkat usaha mereka. Reaksi pertama dari banyak peneliti sosial adalah melawan heterogenitas ini dengan mencoba mengecualikan peserta berkualitas rendah dan kemudian berusaha mengumpulkan sejumlah informasi yang tetap dari semua orang yang tersisa. Ini adalah cara yang salah untuk merancang proyek kolaborasi massal. Daripada melawan heterogenitas, Anda harus memanfaatkannya.

Pertama, tidak ada alasan untuk mengecualikan peserta berketerampilan rendah. Dalam panggilan terbuka, peserta berketerampilan rendah tidak menimbulkan masalah; kontribusi mereka tidak menyakiti siapa pun dan mereka tidak memerlukan waktu untuk mengevaluasi. Dalam komputasi manusia dan proyek pengumpulan data terdistribusi, selain itu, bentuk kontrol kualitas terbaik datang melalui redundansi, bukan melalui bar yang tinggi untuk partisipasi. Bahkan, daripada tidak menyertakan peserta berketerampilan rendah, pendekatan yang lebih baik adalah membantu mereka memberikan kontribusi yang lebih baik, seperti yang telah dilakukan oleh para peneliti di eBird.

Kedua, tidak ada alasan untuk mengumpulkan jumlah informasi yang tetap dari masing-masing peserta. Partisipasi dalam banyak proyek kolaborasi massa sangat tidak setara (Sauermann and Franzoni 2015) , dengan sejumlah kecil orang berkontribusi banyak — terkadang disebut kepala gemuk — dan banyak orang berkontribusi sedikit — kadang disebut ekor panjang . Jika Anda tidak mengumpulkan informasi dari kepala gemuk dan ekor panjang, Anda meninggalkan banyak informasi yang tidak terkumpul. Misalnya, jika Wikipedia menerima 10 dan hanya 10 suntingan per editor, itu akan kehilangan sekitar 95% pengeditan (Salganik and Levy 2015) . Dengan demikian, dengan proyek kolaborasi massa, yang terbaik adalah memanfaatkan heterogenitas daripada mencoba menghilangkannya.