5.5.2 Accord heterogeneity

Wann Dir enorm vill Leit motivéiert hutt op e wichtegen wëssenschaftleche Problem ze schaffen, kritt Dir fest datt Är Participanten heterogenn op zwee Haaptreiwe sinn: Sie ginn souwuel hir Fäegkeeten an hirem Niveau. Déi éischt Reaktioun vu ville sozialen Fuerscher ass fir dës Heterogenitéit ze kämpfen, andeems probéiert fir qualitativ héichwäerteg Participanten auszeschléissen an dann versprécht eng feste Betrag vun Informatioun aus all lénks ze sammelen. Dëst ass de falsche Wee fir eng Massemaaktuéierung Projete ze gestalten. Anstatt sech fir Heterogenitéit ze bekämpfen, sollt Dir se leeschten.

Eischtens gëtt et kee Grond, qualifizéiert Participanten auszeschléissen. An oppen Appellen, low-skilled Participanten verursachen keng Problemer; D'Bäiträg schueden kee jonk an si brauchen keng Zäit fir ze evaluéieren. A mënschlech Berechtegung a verdeelt Datenerfollegprojeten déi iwwerdriwwen Form vun der Qualitéitskontrolle kënnt iwwer Redundanz, net duerch eng héich Bar fir Participatioun. An der Tatsaach, éischter wéi exklusiv Low-Skill-Mataarbechter, ass e bessere Wee fir ze besseren Beiträg ze maachen, sou wéi d'Fuerscher bei eBird gemaach hunn.

Zweetens, et gëtt kee Grond fir eng festgeluede Quantitéit vun Informatioune vun all Participanten ze sammelen. D'Participatioun vu villen zesumme mat massiven Zesummenaarbechtprojeten ass onheemlech onbestänneg (Sauermann and Franzoni 2015) , mat enger gerénger Zuel vu Leit, déi vill - déi heiansdo de Fett genannt hunn - e vill Leit hunn e bëssen - déi heiansdo de laang Schwanz genannt . Wann Dir Informatioune vum Fett an den langen Schwanz net sammelt, verléisst Dir Masses vun Informatioun net erfollegräich. Zum Beispill, wann Wikipedia Wikipedia 10 an 10 Editéierunge pro Editor akzeptéiert huet, da wäert et ongeféier 95% vun den Ännerunge verléieren (Salganik and Levy 2015) . Dofir ass et mat Massprozeduren, datt et heterogen gëtt an d'Heterogenitéit ze leeschten, wéi et probéiert ze eliminéieren.