5.5.2 Предност хетерогеност

Откако ќе мотивирате многу луѓе да работат на вистински научен проблем, ќе откриете дека вашите учесници ќе бидат хетерогени на два главни начини: тие ќе се разликуваат и во нивната вештина и во нивното ниво на напор. Првата реакција на многуте социјални истражувачи е да се бори против оваа хетерогеност, обидувајќи се да исклучи учесници со низок квалитет и потоа да се обиде да собере фиксен износ на информации од сите останати. Ова е погрешен начин да се дизајнира проект за масовна соработка. Наместо да се бориш со хетерогеност, треба да го искористиш.

Прво, нема причина да се исклучат ниско-квалификувани учесници. Во отворени повици, учесниците со ниски квалификации не предизвикуваат проблеми; нивните придонеси не повредуваат никого и не бараат никакво време за оценување. Освен тоа, во човечките пресметки и дистрибуираните проекти за собирање на податоци, најдобрата форма на контрола на квалитетот доаѓа преку вишок, а не преку висок бар за учество. Всушност, наместо исклучување на учесниците со ниска вештина, подобар пристап е да им помогне да направат подобри придонеси, исто како што направија истражувачите во eBird.

Второ, нема причина да се соберат фиксен износ на информации од секој учесник. Учеството во многу проекти за масовна соработка е неверојатно нееднакво (Sauermann and Franzoni 2015) , со мал број на луѓе кои многу придонесуваат - понекогаш се нарекува масти глава - и многу луѓе придонесуваат малку - понекогаш се нарекува долга опашка . Ако не ги собирате информациите од главата на маснотиите и долгата опашка, оставате масовни информации ненасочени. На пример, ако Википедија прифати 10, а само 10 редакти по уредник, ќе изгуби околу 95% од редакциите (Salganik and Levy 2015) . Така, со проекти за масовна соработка најдобро е да се поттикне хетерогеноста наместо да се обиде да го елиминира.