Sawise sampeyan wis motivasi akèh wong bisa ing masalah ngelmu nyata, sampeyan bakal nemokake sing peserta bakal heterogen ing rong cara utama: padha beda-beda ing skill lan padha bakal beda-beda ing tingkat sing gaweyan. Reaksi pisanan akeh peneliti sosial kanggo ngilangi peserta mababang Kalidad lan banjur nyoba kanggo ngumpulake watesan informasi saka everyone ngiwa. Iki cara salah kanggo desain proyek collaboration massa.
First, ora ana alesan kanggo ngilangi peserta trampil kurang. Ing telpon mbukak, peserta trampil kurang nimbulaké masalah; panganggo ora babras sapa lan padha ora mbutuhake wektu kanggo ngira-ngira. Ing etungan manungsa lan proyèk koleksi data mbagekke, ing tangan liyane, ing wangun paling saka kontrol kualitas rawuh liwat redundansi, ora bar dhuwur kanggo partisipasi. Ing kasunyatan, tinimbang kalebu peserta skill kurang, pendekatan luwih kanggo wong nggawe panganggo luwih, akeh minangka peneliti ing eBird wis rampung.
Kapindho, ana alesan kanggo ngumpulake watesan informasi saka saben peserta. Partisipasi ing kathah proyèk collaboration massa iku luar biasa unequal (Sauermann and Franzoni 2015) karo nomer cilik wong nyumbang kathah-kadang disebut sirah lemak -Lan akèh wong nyumbang sethitik-kadang disebut buntut dawa. Yen sampeyan ora ngumpulake informasi saka sirah lemak lan buntut dawa, sing ninggalake ton informasi uncollected. Contone, yen Wikipedia Ditampa 10 lan mung 10 suntingan per editor, iku bakal ilang babagan 95% saka suntingan (Salganik and Levy 2015) . Mangkono, karo proyèk collaboration massa, iku paling apik kanggo pengaruh beda-beda tinimbang nyoba kanggo ngilangke iku.