5.5.2 ലിവറേജുചെയ്യുക heterogeneity

ഒരു യഥാർത്ഥ ശാസ്ത്ര പ്രശ്നത്തെക്കുറിച്ച് ധാരാളം ആളുകൾ നിങ്ങൾ പ്രചോദിതരായിട്ടുണ്ടെങ്കിൽ, നിങ്ങളുടെ പങ്കാളികൾ രണ്ട് പ്രധാന രീതികളിൽ വൈവിധ്യവത്ക്കരിക്കപ്പെടുമെന്ന് നിങ്ങൾ കണ്ടെത്തും: അവർ അവരുടെ വൈദഗ്ദ്ധ്യവും പ്രയത്നത്തിൻറെ രണ്ടും വ്യത്യസ്തമായിരിക്കും. കുറഞ്ഞ ഗുണനിലവാരമുള്ള പങ്കാളികളെ ഒഴിവാക്കിക്കൊണ്ട്, ശേഷിക്കുന്ന എല്ലാവർക്കുമായി ഒരു നിശ്ചിത എണ്ണം വിവരങ്ങൾ ശേഖരിക്കാൻ ശ്രമിച്ചുകൊണ്ട് ഈ വൈവിധ്യത്തെ ചെറുക്കുന്നതിന് നിരവധി സാമൂഹ്യശാസ്ത്രജ്ഞരുടെ ആദ്യ പ്രതികരണം പ്രതിപാദിക്കുന്നു. ഒരു ബഹുജന സഹകരണ പദ്ധതി രൂപകൽപ്പന ചെയ്യുന്നതാണ് തെറ്റായ മാർഗ്ഗം. വൈരുദ്ധ്യം പൊരുതുന്നതിനു പകരം നിങ്ങൾ അത് പ്രയോഗിക്കേണ്ടതാണ്.

ആദ്യം, താഴ്ന്ന വിദഗ്ദ്ധരായ പങ്കാളികളെ ഒഴിവാക്കുന്നതിന് യാതൊരു കാരണവുമില്ല. ഓപ്പൺ കോളുകളിൽ, കുറഞ്ഞ വിദഗ്ധരായ പങ്കാളികൾക്ക് പ്രശ്നങ്ങൾ ഉണ്ടാകുന്നില്ല; അവരുടെ സംഭാവനകൾ ആരെയും വേദനിപ്പിക്കുന്നില്ല, അവർ വിലയിരുത്താൻ സമയം ആവശ്യമില്ല. മാനുൽ കംപ്യൂട്ടിംഗ്, വിതരണം ചെയ്ത ഡാറ്റാ ശേഖരണ പ്രോജക്ടുകളിൽ, മികച്ച നിലവാരത്തിലുള്ള നിയന്ത്രണം ആവർത്തനത്തിലൂടെയാണ് വരുന്നത്, പങ്കാളിത്തത്തിനുള്ള ഉയർന്ന ബാറിലൂടെയാണ്. യഥാർത്ഥത്തിൽ, കുറഞ്ഞ സ്കിൽ പങ്കാളികളെ ഒഴിവാക്കുന്നതിനേക്കാൾ മെച്ചപ്പെട്ട സമീപനമാണ് ഇബിർഡിലുള്ള ഗവേഷകർ ചെയ്യുന്നത്.

രണ്ടാമതായി, ഓരോ പങ്കാളികളിൽ നിന്നും ഒരു നിശ്ചിത വിവരങ്ങൾ ശേഖരിക്കുന്നതിന് യാതൊരു കാരണവുമില്ല. ധാരാളം ബഹുജന സഹകരണ പദ്ധതികളിൽ പങ്കെടുത്തത് അവിശ്വസനീയമായ അസമത്വമാണ് (Sauermann and Franzoni 2015) , ഒരു ചെറിയ സംവിധാനത്തിൽ ധാരാളം ആളുകൾ- ഫാറ്റ് ഹെഡ് എന്നു വിളിക്കപ്പെടുന്നവരും-ഒരുപാട് ആളുകൾക്ക് നീളമുള്ള വാൽ എന്ന വാൽവവും . നിങ്ങൾ കൊഴുപ്പ് തലവും നീണ്ട വാലും നിന്ന് വിവരങ്ങൾ ശേഖരിക്കുന്നില്ലെങ്കിൽ, നിങ്ങൾ ശേഖരിച്ച വിവരങ്ങൾ പുറത്തുവിടുന്നില്ല. ഉദാഹരണത്തിന്, വിക്കിപീഡിയ 10 അംഗീകരിക്കുകയും എഡിറ്ററിന് 10 എഡിറ്റുകൾ മാത്രമാണെങ്കിൽ, 95% തിരുത്തലുകൾ നഷ്ടപ്പെടുകയും (Salganik and Levy 2015) . അങ്ങനെ, ബഹുജന സഹകരണ പദ്ധതികളിലൂടെ, അത് ഇല്ലാതാക്കാൻ ശ്രമിക്കുന്നതിനേക്കാൾ വൈവിധ്യപൂർണ്ണതയെ സ്വാധീനിക്കുന്നതാണ് ഏറ്റവും നല്ലത്.