5.5.2 heterogeneity Leverage
ເມື່ອທ່ານໄດ້ຊຸກຍູ້ຢ່າງຫຼາຍຂອງການປະຊາຊົນເພື່ອເຮັດວຽກກ່ຽວກັບບັນຫາວິທະຍາສາດທີ່ແທ້ຈິງ, ທ່ານຈະພົບເຫັນວ່າຜູ້ເຂົ້າຮ່ວມຂອງທ່ານຈະເປັນທີ່ແຕກຕ່າງໃນສອງວິທີຕົ້ນຕໍ: ພວກເຂົາເຈົ້າຈະແຕກຕ່າງກັນໃນສີມືແຮງງານຂອງເຂົາເຈົ້າແລະພວກເຂົາເຈົ້າຈະແຕກຕ່າງກັນໃນລະດັບຂອງເຂົາເຈົ້າຂອງຄວາມພະຍາຍາມ. ຕິກິຣິຍາທໍາອິດຂອງນັກຄົ້ນຄວ້າທາງສັງຄົມຈໍານວນຫຼາຍແມ່ນການຍົກເວັ້ນຜູ້ເຂົ້າຮ່ວມມີຄຸນະພາບຕ່ໍາແລະຫຼັງຈາກນັ້ນພະຍາຍາມເພື່ອເກັບກໍາຈໍານວນທີ່ກໍາຫນົດຂອງຂໍ້ມູນຈາກທຸກຄົນໄວ້. ນີ້ເປັນວິທີທີ່ຜິດພາດໃນການອອກແບບໂຄງການການຮ່ວມມືມະຫາຊົນ.
ຫນ້າທໍາອິດ, ບໍ່ມີເຫດຜົນທີ່ຈະຍົກເວັ້ນເຂົ້າຮ່ວມຊໍານິຊໍານານຕ່ໍາບໍ່ມີ. ໃນສາຍເປີດ, ຜູ້ເຂົ້າຮ່ວມຊໍານິຊໍານານຕ່ໍາເຮັດໃຫ້ເກີດບັນຫາທີ່ບໍ່ມີ; ການປະກອບສ່ວນຂອງເຂົາເຈົ້າບໍ່ໄດ້ທໍາຮ້າຍໃຜແລະພວກເຂົາເຈົ້າບໍ່ຈໍາເປັນຕ້ອງໃຊ້ເວລາທີ່ຈະປະເມີນຜົນ. ໃນຄອມພິວເຕີຂອງມະນຸດແລະການແຈກຢາຍບັນດາໂຄງການເກັບກໍາຂໍ້ມູນ, ໃນອີກດ້ານຫນຶ່ງ, ໃນແບບຟອມທີ່ດີທີ່ສຸດຂອງການຄວບຄຸມຄຸນນະພາບມາໂດຍຜ່ານຊ້ໍາຊ້ອນ, ບໍ່ມີທະນາຍຄວາມທີ່ສູງສໍາລັບການມີສ່ວນຮ່ວມ. ໃນຄວາມເປັນຈິງ, ແທນທີ່ຈະກ່ວາບໍ່ລວມຜູ້ເຂົ້າຮ່ວມສີມືແຮງງານຕ່ໍາ, ວິທີການທີ່ດີກວ່າແມ່ນເພື່ອຊ່ວຍໃຫ້ເຂົາເຈົ້າເຮັດໃຫ້ການປະກອບສ່ວນທີ່ດີກວ່າ, ຫຼາຍເທົ່າທີ່ເປັນນັກຄົ້ນຄວ້າທີ່ eBird ໄດ້ເຮັດ.
ຄັ້ງທີສອງ, ບໍ່ມີເຫດຜົນທີ່ຈະເກັບກໍາຈໍານວນທີ່ກໍາຫນົດຂອງຂໍ້ມູນຈາກຜູ້ເຂົ້າຮ່ວມແຕ່ລະຄົນບໍ່ມີ. ການມີສ່ວນຮ່ວມໃນຫລາຍໂຄງການຮ່ວມມືມະຫາຊົນເປັນກັນ incredibly (Sauermann and Franzoni 2015) ມີຈໍານວນຂະຫນາດນ້ອຍຂອງປະຊາຊົນປະກອບສ່ວນຫຼາຍ, ບາງຄັ້ງເອີ້ນວ່າຫົວຫນ້າໄຂມັນແລະແບູ່ງອອກຢ່າງຫຼາຍຂອງການປະຊາຊົນປະກອບສ່ວນພຽງເລັກນ້ອຍ, ບາງຄັ້ງເອີ້ນວ່າຫາງຍາວ. ຖ້າຫາກວ່າທ່ານບໍ່ໄດ້ເກັບກໍາຂໍ້ມູນຂ່າວສານຈາກຫົວຫນ້າໄຂມັນແລະຫາງຍາວ, ທີ່ທ່ານກໍາລັງເຮັດໃຫ້ຕັນຂອງຂໍ້ມູນເກັບບໍ່ທັນຫມົດ. ສໍາລັບການຍົກຕົວຢ່າງ, ຖ້າຫາກວ່າວິກິພີເດຍຮັບການຍອມຮັບ 10 ແລະມີພຽງແຕ່ 10 ການແກ້ໄຂຕໍ່ບັນນາທິການ, ມັນຈະສູນເສຍປະມານ 95% ຂອງການດັດແກ້ (Salganik and Levy 2015) . ດັ່ງນັ້ນ, ມີໂຄງການຮ່ວມມືມະຫາຊົນ, ມັນເປັນການທີ່ດີທີ່ສຸດທີ່ຈະຍົກລະ heterogeneity ແທນທີ່ຈະກ່ວາພະຍາຍາມທີ່ຈະລົບລ້າງມັນ.
