5.5.2 Sverto heterogeniškumas

Kai jūs turite motyvuoti žmonių dirbti nekilnojamojo mokslinės problemos daug, jūs atrasite, kad jūsų dalyviai bus nevienalytė dviem pagrindiniais būdais: jie skirsis savo įgūdžių ir jie skirsis savo pastangų lygį. Pirmoji reakcija daugelio socialinių mokslininkų yra pašalinti žemos kokybės dalyvius ir tada bandyti rinkti fiksuotą kiekį informacijos iš visi paliko. Tai yra neteisingas būdas sukurti masė bendradarbiavimo projektą.

Pirma, nėra jokio pagrindo netaikyti žemos kvalifikacijos dalyvius. Be atvirus kvietimus, žemos kvalifikacijos dalyviai sukelti jokių problemų; jų indėlis nepakenks niekam, ir jie nereikalauja laiko įvertinti. Žmogaus skaičiavimo ir paskirstytų duomenų rinkimo projektai, kita vertus, geriausia forma kokybės kontrolės ateina per atleidimo iš darbo, o ne aukšto bare dalyvavimo. Iš tiesų, o ne be žemos kvalifikacijos dalyvius, geresnis sprendimas yra padėti jiems priimti geresnius įmokas, kiek at eBird mokslininkai padarė.

Antra, nėra jokio pagrindo rinkti fiksuotą kiekį informacijos iš kiekvieno dalyvio. Dalyvavimas daug masinių bendradarbiavimo projektų yra neįtikėtinai nevienodas (Sauermann and Franzoni 2015) su nedideliu skaičiumi žmonių, prisidedančių daug-kartais vadinamas riebalų galvą -ir žmonių, prisidedančių daug mažai kartais vadinamas ilgą uodegą. Jei neturite rinkti informaciją iš riebalų galvos ir ilgą uodegą, jūs paliekate tonų informacijos nesurenkama. Pavyzdžiui, jei Wikipedia priimta 10 ir tik 10 keitimus per redaktorių, ji prarastų apie 95% Keitimų (Salganik and Levy 2015) . Taigi, masinės bendradarbiavimo projektų, tai geriausia sverto įvairiapusiškumą, o ne bandyti ją pašalinti.