5.2.3まとめ

人間の計算では、千リサーチアシスタントを持つことができます。

ヒューマンコンピューティングプロジェクトでは、多くの非専門家の作業を組み合わせて、コンピュータが容易には解決できない簡単なタスク - 大きなスケールの問題を解決します。彼らはスプリット・アプライ・コンバージョン戦略を使用して、大きな問題を特殊なスキルのない人々が解決できる単純なマイクロタスクに分割します。コンピュータ支援人間計算システムはまた、人間の努力を増幅するために機械学習を使用する。

ソーシャルリサーチでは、人間の計算プロジェクトは、研究者が画像、ビデオ、またはテキストを分類、コード化、またはラベル付けする状況で使用される可能性が最も高い。これらの分類は通常、研究の最終製品ではない。代わりに、それらは分析のための原材料です。例えば、政治的マニフェストの群集コーディングは、政治的議論のダイナミクスに関する分析の一部として使用することができます。この種の分類マイクロタスクは、特別な訓練を必要とせず、正解について幅広い合意があるときに最も効果的である可能性が高い。分類タスクがより主観的である場合（「このニュース記事は偏見ですか」など）、誰が参加しているのか、どのような偏見がもたらすのかを理解することがますます重要になります。最終的に、人間の計算プロジェクトの成果の質は、人間の参加者が提供する入力の質に依存しています。ごみの出し入れ、ごみの出し入れです。

あなたの直感をさらに深めるために、表5.1は、人間の計算が社会調査でどのように使用されたかの追加の例を示しています。この表は、Galaxy Zooとは異なり、他の多くの人間の計算プロジェクトがマイクロタスク労働市場（例えばAmazon Mechanical Turk）を使用し、ボランティアではなく有料労働者に頼っていることを示しています。私はあなた自身の大規模な共同プロジェクトを作成するための助言を提供するとき、参加者の動機のこの問題に戻ります。

最後に、このセクションのショーの例では、人間の計算は、科学上の民主化への影響を持つことができること。 SchawinskiとLintottが、彼らは銀河動物園を始めたとき大学院生であったことを、思い出してください。デジタル時代に先立ち、百万銀河の分類を分類するためのプロジェクトは、それだけで十分に資金を提供し、患者の教授のために実用的であったであろうことに多くの時間とお金を必要としました。それはもはや本当でありません。人間の計算のプロジェクトは、多くの非専門家の作業が容易なタスク大規模な問題を解決するために組み合わせます。次に、私はマスコラボレーションはまたしても、研究者自身が持っていないかもしれない専門知識を必要とする問題、専門知識にも適用できることを紹介します。