PhotoCity വിതരണം ഡാറ്റ ശേഖരത്തില് ഡാറ്റ ഗുണമേന്മയും ഒരുപറ്റം പ്രശ്നങ്ങൾ പരിഹരിക്കുന്ന.
Flickr, Facebook എന്നിവ പോലുള്ള ചിത്രങ്ങൾ അവരുടെ സുഹൃത്തുക്കളുമായും കുടുംബാംഗങ്ങളുമായും ചിത്രങ്ങൾ പങ്കുവയ്ക്കുന്നതിന് ജനങ്ങളെ പ്രാപ്തരാക്കുന്നു, മറ്റ് ആവശ്യങ്ങൾക്ക് ഉപയോഗിക്കാവുന്ന ഫോട്ടോകളുടെ വലിയ റിപ്പൊറ്ററികൾ അവ സൃഷ്ടിക്കുന്നു. ഉദാഹരണത്തിന്, സമീർ അഗർവാളും സഹപ്രവർത്തകരും (2011) റോം പ്രദേശത്തെ ഒരു 3D പുനർനിർമ്മാണത്തിനായി റോം നിർമ്മിക്കുന്ന 150,000 ചിത്രങ്ങൾ പുനർ നിർമ്മിച്ചുകൊണ്ട് "ബിൽ റോം ഇൻ എ ഡേ" എന്ന പേരിൽ ഈ ഫോട്ടോകൾ ഉപയോഗിച്ചു. കൊളീസിയം (ചിത്രം 5.10) പോലുള്ള ചില വലിയ ഫോട്ടോഗ്രാഫുകൾക്കായി, ഗവേഷകർ ഭാഗികമായി വിജയിച്ചു, പക്ഷേ പുനർനിർമ്മാണങ്ങൾ പലപ്പോഴും ഒരേ കാഴ്ചപ്പാടിൽ നിന്ന് എടുത്തിട്ടുണ്ട്. അങ്ങനെ, ഫോട്ടോ റിപോസിറ്ററുകളിൽ നിന്നുള്ള ചിത്രങ്ങൾ മതിയാവില്ല. എന്നാൽ ഇപ്പോൾ ലഭ്യമായിട്ടുള്ളവരെ സമ്പന്നരാക്കുന്നതിന് മതിയായ ഫോട്ടോകൾ ശേഖരിക്കാൻ വോളന്റിയർമാരെ പ്രാപ്തരാക്കിയാലോ? അദ്ധ്യായം 1 ലെ ആർട്ട് സമാനമാണോയെന്ന് ചിന്തിക്കുമ്പോൾ, ഇഷ്ടാനുസൃത ഇമേജുകളിൽ readymade ഇമേജുകൾ സമ്പുഷ്ടമാക്കാൻ കഴിയുമോ?
ഒരു വലിയ കൂട്ടം ഫോട്ടോകൾ ശേഖരിക്കാനായി, കാതലീൻ ട്യൂട്ടും സഹപ്രവർത്തകരും ഫോട്ടോ-അപ്ലോഡിംഗ് ഗെയിം PhotoCity വികസിപ്പിച്ചെടുത്തു. ടീമുകൾ, കോട്ടകൾ, പതാകകൾ എന്നിവ ഉൾപ്പെടുന്ന ഗെയിം പോലെയുള്ള പ്രവർത്തനങ്ങളിലേക്ക് ഡാറ്റാ ശേഖരണം-അപ്ലോഡിംഗ് ഫോട്ടോകളുടെ പ്രവർത്തനം മികച്ചതാക്കാൻ ഫോട്ടോ സിറ്റി ശ്രമിച്ചു. ഇത് ആദ്യം സർവകലാശാലകളുടെ 3D പുനർനിർമ്മാണത്തിനായി വിന്യസിച്ചു: കോർണൽ യൂണിവേഴ്സിറ്റി, യൂണിവേഴ്സിറ്റി വാഷിംഗ്ടൺ. ചില കെട്ടിടങ്ങളിൽ നിന്ന് സീഡ് ഫോട്ടോ അപ്ലോഡ് ചെയ്താണ് ഗവേഷകർ ഈ പ്രക്രിയ ആരംഭിച്ചത്. ഓരോ ക്യാമ്പസിലെയും കളിക്കാരെ പുനർനിർമ്മിക്കുന്ന നിലവിലെ അവസ്ഥയും പുരോഗമിച്ച പോയിന്റുകളും പുനർനിർമ്മിച്ച ചിത്രങ്ങൾ അപ്ലോഡ് ചെയ്തുകൊണ്ട് പരിശോധിച്ചു. ഉദാഹരണത്തിന്, ഉറിസ് ലൈബ്രറിയുടെ (കോർണലിൽ) നിലവിലെ പുനർനിർമ്മാണത്തിന് വളരെ പരുക്കനായ ഒരു കളിക്കാരന് പുതിയ ചിത്രങ്ങൾ അപ്ലോഡ് ചെയ്തുകൊണ്ട് പോയിന്റ് നേടാൻ കഴിയും. ഈ അപ്ലോഡ് പ്രക്രിയയുടെ രണ്ട് സവിശേഷതകൾ വളരെ പ്രധാനമാണ്. ഒന്നാമതായി, ഒരു കളിക്കാരന് ലഭിച്ച പോയിന്റുകളുടെ എണ്ണം അവരുടെ ഫോട്ടോ പുനർനിർമിക്കേണ്ട തുകയുടെ അടിസ്ഥാനത്തിലാണ്. രണ്ടാമതായി, അപ്ലോഡുചെയ്ത ഫോട്ടോകൾ നിലവിലുള്ള പുനർനിർമ്മാണവുമായി പൊരുത്തപ്പെടുത്തേണ്ടതുണ്ട്, അങ്ങനെ അവ സാധൂകരിക്കപ്പെടും. ഒടുവിൽ, ഗവേഷകർക്ക് രണ്ട് കാമ്പസുകളിൽ കെട്ടിടങ്ങളുടെ ഉയർന്ന മിഴിവുള്ള 3D മാതൃകകൾ സൃഷ്ടിച്ചു (ചിത്രം 5.12).
ഡിസ്ട്രിബ്യൂട്ടഡ് ഡാറ്റാ ശേഖരത്തിൽ പലപ്പോഴും ഉണ്ടാകുന്ന രണ്ടു പ്രശ്നങ്ങൾ പരിഹരിക്കും: ഡാറ്റാ സാധൂകരണം, സാംപ്ലിംഗ്. ഒന്നാമതായി, മുൻ ഫോട്ടോകളുമായി താരതമ്യം ചെയ്തുകൊണ്ട് ഫോട്ടോകൾ ശരിയായി പരിശോധിക്കപ്പെട്ടു, മുമ്പത്തെ ഫോട്ടോകളോട് താരതമ്യപ്പെടുത്തി ഗവേഷകർ അപ്ലോഡുചെയ്ത സീഡ് ഫോട്ടോകളിലേക്ക് തിരികെ വന്നു. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഇത് ബിൽറ്റ്-ഇൻ-റെഡൻഡൻസി ആയതിനാൽ, തെറ്റായ കെട്ടിടത്തിന്റെ ഒരു ഫോട്ടോ അപ്ലോഡുചെയ്ത് അബദ്ധത്തിൽ അല്ലെങ്കിൽ മനഃപൂർവ്വം ആരെയെങ്കിലും അപ്ലോഡ് ചെയ്യാൻ വളരെ ബുദ്ധിമുട്ടായിരുന്നു. ഈ ഡിസൈൻ സവിശേഷതയാണ് മോശം ഡാറ്റയ്ക്കെതിരായി സ്വയം സംരക്ഷിക്കപ്പെടുന്നത്. രണ്ടാമതായി, സ്കോറിംഗ് സമ്പ്രദായം സ്വാഭാവികമായി പരിശീലനം ലഭിച്ചവയാണ് ഏറ്റവും മൂല്യവത്തായത് ശേഖരിക്കാൻ- അല്ലാതെ ഏറ്റവും സൗകര്യപ്രദമായ വിവരമല്ല. വാസ്തവത്തിൽ, കൂടുതൽ പോയിന്റുകൾ നേടാനായി കളിക്കാർ വിവരിച്ചിട്ടുള്ള ചില തന്ത്രങ്ങൾ ഇതാ, കൂടുതൽ മൂല്യവത്തായ ഡാറ്റ ശേഖരിക്കുന്നതിനു തുല്യമാണ് (Tuite et al. 2011) :
- "ദിവസം ചില ചിത്രങ്ങൾ എടുത്തതു എന്നു ലൈറ്റിംഗ് സമയം ഏകദേശം [ഞാൻ ശ്രമിച്ചു]; ഈ ഗെയിം വഴി തിരസ്കരണം തടയാൻ സഹായിക്കും. ഇതിനൊപ്പം, മേഘാവൃതമായ ദിവസം കുറവ് തീവ്രത എന്റെ ചിത്രങ്ങൾ ജ്യാമിതി കളിക്കാനുള്ള കണക്കുകൾ സഹായിച്ചു കാരണം കോണിലും ഇടപെടും ഇതുവരെ മികച്ച ആയിരുന്നു. "
- "അതു സണ്ണി വയസ്സായപ്പോൾ ഞാൻ ഒരു പ്രത്യേക മേഖല ചുറ്റും നടക്കുമ്പോൾ എന്നെത്തന്നെ ഫോട്ടോകൾ എടുത്തു അനുവദിക്കുന്നതിന് എന്റെ ക്യാമറയുടെ ഇളക്കുക വിരുദ്ധ സവിശേഷതകൾ മുതലെടുത്താണ്. ഇത് എന്റെ നടക്കുന്നതിന്റെ നിർത്താൻ ഇല്ലാതെ സമയത്ത് എന്നെ ചടുലം ഫോട്ടോകൾ അനുവദിച്ചു. എതിരെ ബോണസ്: കുറവ് ജനം ഞാന് ധൈര്യം "!
- "ഒരു കെട്ടിടത്തിന്റെ പല ചിത്രങ്ങൾ ചിലപ്പോൾ വാരാന്ത്യ ഷൂട്ട് ന് 5 അനുഭവത്തിൽ വരെ, സമർപ്പിക്കാൻ വീട്ടിലേക്ക് വരുന്നു തുടർന്ന്, 5 മെഗാപിക്സൽ ക്യാമറ എടുക്കൽ, പ്രാഥമിക ഫോട്ടോ ക്യാപ്ചർ തന്ത്രമായിരുന്നു. , തുടർന്ന് കെട്ടിടത്തിന്റെ മുഖം അപ്ലോഡുകൾ ഘടന നല്ല ചിട്ടപ്പെടുത്തിയ നൽകിയ ബാഹ്യ ഹാർഡ് ഡ്രൈവ് ഫോൾഡറുകളിൽ ഫോട്ടോകൾ കാമ്പസ് പ്രദേശവും സംഘാടക പണിതു. "
പങ്കെടുക്കുന്നവർ ഉചിതമായ ഫീഡ്ബാക്ക് നൽകുമ്പോൾ, ഗവേഷകർക്ക് താത്പര്യമുള്ള വിവരങ്ങൾ ശേഖരിക്കുന്നതിൽ അവർ കൂടുതൽ വിദഗ്ധരാകാൻ കഴിയും എന്ന് ഈ പ്രസ്താവനകൾ കാണിക്കുന്നു.
മൊത്തത്തിൽ, സാമ്പത്തികം, ഡാറ്റാ നിലവാരം വിതരണം ചെയ്യാത്ത ഡാറ്റ ശേഖരണത്തിൽ ശരിയല്ലെന്ന് PhotoCity പ്രൊജക്റ്റ് കാണിക്കുന്നു. കൂടാതെ, വിതരണം ചെയ്യുന്ന ഡാറ്റ ശേഖരണ പ്രോജക്ടുകൾ പക്ഷികൾ കാണുന്നതുപോലുള്ള ആളുകൾ ഇതിനകം തന്നെ ചെയ്യുന്ന പ്രവർത്തികൾക്കായി പരിമിതപ്പെടുത്തിയിട്ടില്ലെന്ന് ഇത് വ്യക്തമാക്കുന്നു. ശരിയായ രൂപകൽപ്പനയോടെ, വോളണ്ടിയർമാരും മറ്റ് കാര്യങ്ങളും ചെയ്യാൻ പ്രോത്സാഹിപ്പിക്കാം.