5.5.2レバレッジ異質

あなたは本当の科学的な問題に取り組むために多くの人々を動機付けしたら、参加者は主に二つの方法で、不均一になることを発見します：彼らは彼らのスキルに変わり、彼らは努力のレベルに変化します。多くの社会的な研究者の最初の反応は、低品質の参加者を除外した後、誰もが左から一定量の情報を収集しようとすることです。これは、大量のコラボレーションプロジェクトを設計する間違った方法です。

まず、低熟練参加者を排除する理由はありません。オープン呼び出しでは、低熟練した参加者は、何の問題も生じません。彼らの貢献は誰を傷つけることはありませんし、彼らが評価する任意の時間を必要としません。人間の計算と分散データ収集プロジェクトでは、他の一方で、品質管理の最良の形態は、冗長性、参加のない高いハードルが伝わってきます。実際には、むしろ低技能者を除くよりも、より良いアプローチはeBirdの研究者が行っている限り、彼らがより良い貢献を支援することです。

第二に、各参加者からの情報の一定量を収集する理由はありません。多くのマス・コラボレーション・プロジェクトへの参加が非常に等しくない(Sauermann and Franzoni 2015)貢献し、人々の数が少ない多くは、時々 、 脂肪ヘッド -および貢献多くの人と呼ばれる少し、時にはロングテールと呼ばれます。あなたが脂肪ヘッドとロングテールから情報を収集しない場合は、未回収情報のトンを残しています。例えば、Wikipediaの場合は10を受け入れ、エディタごとに10の編集は、それは編集の約95％失うことになる(Salganik and Levy 2015)このように、マス・コラボレーション・プロジェクトで、それは異質性を活用するのではなく、それを排除しようとするのがベストです。