5.1 מבוא

ויקיפדיה היא מדהימה. שיתוף פעולה המוני של מתנדבים יצר אנציקלופדיה פנטסטית הזמינה לכולם. המפתח להצלחה של ויקיפדיה לא היה ידע חדש; אלא היא היתה צורה חדשה של שיתוף פעולה. העידן הדיגיטלי, למרבה המזל, מאפשר צורות רבות של שיתוף פעולה. לכן, עלינו לשאול כעת: אילו בעיות מדעיות מסיביות - בעיות שלא יכולנו לפתור בנפרד - האם אנו יכולים להתמודד עכשיו?

שיתוף פעולה במחקר אינו חדש, כמובן. מה חדש, לעומת זאת, הוא כי בעידן הדיגיטלי מאפשר שיתוף פעולה עם קבוצה הרבה יותר גדולה ומגוונת של אנשים: מיליארדי אנשים ברחבי העולם עם גישה לאינטרנט. אני מצפה כי שיתופי הפעולה ההמוניים החדשים האלה יניבו תוצאות מדהימות לא רק בגלל מספר האנשים המעורבים אלא גם בגלל הכישורים והפרספקטיבות המגוונים שלהם. איך אנחנו יכולים לשלב את כולם עם חיבור לאינטרנט לתוך תהליך המחקר שלנו? מה אתה יכול לעשות עם עוזרי מחקר 100? מה כ -100,000 משתפי פעולה מיומנים?

ישנן צורות רבות של שיתוף פעולה המוני, ומדעני מחשבים בדרך כלל מארגנים אותם למספר רב של קטגוריות על סמך המאפיינים הטכניים שלהם (Quinn and Bederson 2011) . בפרק זה, לעומת זאת, אני הולך לסווג פרויקטים לשיתוף פעולה המוני המבוססים על איך הם יכולים לשמש למחקר חברתי. בפרט, אני חושב שזה מועיל להבחין בגסות בין שלושה סוגים של פרויקטים: חישוב אנושי , שיחת פתוח , נתונים מבוזרים אוסף (איור 5.1).

אני אתאר כל אחד מהסוגים האלה בפירוט רב יותר בהמשך הפרק, אבל עכשיו תן לי לתאר כל אחד מהם בקצרה. פרויקטי חישוב אנושיים מתאימים באופן אידיאלי לבעיות קלות-משימה בקנה מידה גדול, כגון תיוג של מיליון תמונות. אלה פרויקטים שבעבר היו עשויים להיעשות על ידי עוזרי מחקר לתואר ראשון. תרומות אינן דורשות מיומנויות הקשורות למשימה, והתפוקה הסופית היא בדרך כלל ממוצעת של כל התרומות. דוגמה קלאסית לפרויקט חישוב אנושי הוא גן החיות של גלקסי, שבו מאות אלפי מתנדבים עזרו לאסטרונומים לסווג מיליון גלקסיות. פרויקטי שיחת פתיחה , לעומת זאת, מתאימים באופן אידיאלי לבעיות שבהן אתם מחפשים תשובות חדשות ובלתי צפויות לשאלות מגובשות. אלה הם פרויקטים שבעבר היו עשויים לשאול את עמיתיהם. תרומות מגיעות מאנשים שיש להם מיומנויות מיוחדות הקשורות למשימה, והתפוקה הסופית היא בדרך כלל הטובה מכל התרומות. דוגמה קלאסית לשיחה פתוחה היא פרס נטפליקס, שבו אלפי מדענים והאקרים עבדו על פיתוח אלגוריתמים חדשים כדי לחזות את דירוגיהם של סרטים. לבסוף, פרויקטים מבוזרים איסוף נתונים מתאימים באופן אידיאלי עבור איסוף נתונים בקנה מידה גדול. אלו הם פרויקטים שבעבר היו עשויים להיעשות על ידי עוזרי מחקר לתואר ראשון או חברות מחקר סקר. תרומות בדרך כלל מגיעות מאנשים שיש להם גישה למיקומים שהחוקרים לא עושים, והמוצר הסופי הוא אוסף פשוט של התרומות. דוגמה קלאסית לאוסף נתונים מבוזר היא eBird, שבה מאות אלפי מתנדבים תורמים דיווחים על ציפורים שהם רואים.

איור 5.1: סכמטי בשיתוף המוני. פרק זה מאורגן סביב שלוש צורות עיקריות של שיתוף פעולה המוני: חישוב אדם, קריאה פתוחה, ואיסוף נתונים מבוזרים. באופן כללי יותר, שיתוף פעולה המוני משלב רעיונות מתחומים כגון מדע אזרח, crowdsourcing, ואינטליגנציה קולקטיבית.

לשיתוף פעולה המוני יש היסטוריה ארוכה ועשירה בתחומים כמו אסטרונומיה (Marshall, Lintott, and Fletcher 2015) ואקולוגיה (Dickinson, Zuckerberg, and Bonter 2010) , אבל זה עדיין לא נפוץ במחקר החברתי. עם זאת, על ידי תיאור פרויקטים מוצלחים מתחומים אחרים ומספקים כמה עקרונות מרכזיים בארגון, אני מקווה לשכנע אותך בשני דברים. ראשית, שיתוף פעולה המוני יכול להיות רתום למחקר חברתי. ושנית, חוקרים המשתמשים בשיתוף פעולה המוני יוכלו לפתור בעיות שבעבר נראו בלתי אפשריות. למרות שיתוף פעולה המוני לעתים קרובות לקדם כדרך לחסוך כסף, זה הרבה יותר מזה. כפי שאראה, שיתוף פעולה המוני לא רק מאפשר לנו לעשות מחקר זול יותר , זה מאפשר לנו לעשות מחקר טוב יותר .

בפרקים הקודמים ראית מה ניתן ללמוד על ידי התמודדות עם אנשים בשלוש דרכים שונות: התבוננות בהתנהגותם (פרק 2), שאלתם שאלות (פרק 3) והרשמתם בניסויים (פרק 4). בפרק זה אראה לכם מה ניתן ללמוד על ידי עירוב אנשים כמשתפי פעולה במחקר. עבור כל אחת משלושת הצורות המרכזיות של שיתוף פעולה המוני, אתאר דוגמה אב-טיפוסית, אמחיש נקודות נוספות חשובות בדוגמאות נוספות, ואסביר לבסוף כיצד ניתן להשתמש בצורה זו של שיתוף פעולה המוני למחקר חברתי. הפרק יסתיים בחמישה עקרונות שיכולים לעזור לך לעצב פרויקט שיתוף פעולה המונית שלך.