5.2.2 Crowd-coding manifesto politik

Coding manifesto politik, sesuatu yang biasanya dilakukan oleh pakar-pakar, boleh dilakukan oleh projek pengiraan manusia menyebabkan kebolehulangan dan fleksibiliti yang lebih besar.

Sama seperti Zoo Galaxy, terdapat banyak situasi di mana penyelidik sosial mahu kod, mengelaskan, atau melabelkan imej atau sekeping teks. Contoh jenis ini penyelidikan adalah pengekodan manifesto politik. Semasa pilihan raya, parti politik menghasilkan manifesto yang menerangkan kedudukan dasar mereka dan membimbing falsafah. Sebagai contoh, di sini adalah sekeping manifesto Parti Buruh di Britain pada tahun 2010:

"Berjuta-juta orang yang bekerja dalam perkhidmatan awam kita mewujudkan nilai-nilai yang terbaik daripada Britain, membantu memberi kuasa kepada rakyat untuk membuat sebahagian besar kehidupan mereka sendiri di samping melindungi mereka daripada risiko yang mereka tidak perlu menanggung sendiri. Sama seperti kita perlu lebih berani tentang peranan kerajaan dalam membuat pasaran bekerja secara adil, kita juga perlu menjadi reformis berani kerajaan. "

Ini manifesto mengandungi data berharga untuk ahli-ahli sains politik, khususnya mereka yang belajar pilihan raya dan dinamik perbahasan dasar. Dalam usaha untuk mendapatkan maklumat secara sistematik dari manifesto ini, penyelidik dicipta Manifesto Project , yang menganjurkan ahli sains politik untuk kod 4000 manifesto daripada hampir 1000 pihak di 50 buah negara. Setiap ayat dalam setiap manifesto telah dikodkan oleh seorang pakar menggunakan skim 56 kategori. Hasil usaha kerjasama ini adalah satu set data besar-besaran merumuskan maklumat yang terkandung dalam manifesto ini, dan set data ini telah digunakan di lebih daripada 200 kertas kerja saintifik.

Kenneth Benoit dan rakan-rakan (2015) memutuskan untuk mengambil manifesto pengekodan tugas yang sebelum ini telah dilakukan oleh pakar-pakar dan mengubahnya menjadi satu projek pengiraan manusia. Akibatnya, mereka mencipta satu proses pengekodan yang lebih diulang dan lebih fleksibel, apatah lagi yang lebih murah dan lebih cepat.

Bekerja dengan 18 manifesto dihasilkan semasa enam pilihan raya baru-baru ini di UK, Benoit dan rakan-rakan menggunakan split-memohon-menggabungkan strategi dengan pekerja dari sebuah pasaran buruh mikro-tugas (Amazon Mekanikal Turk dan CrowdFlower adalah contoh pasaran buruh mikro tugas; lebih di pasaran buruh mikro-tugas, lihat Bab 4). Para penyelidik mengambil setiap manifesto lalu dibelahnya menjadi ayat. Seterusnya, Kedudukan manusia telah digunakan untuk setiap ayat. Khususnya, jika hukuman itu melibatkan kenyataan dasar, ia telah dikodkan di sepanjang dua dimensi: ekonomi (dari kiri ke sangat sangat kanan) dan sosial (dari liberal konservatif) (Rajah 5.5). Setiap ayat telah dikodkan oleh kira-kira 5 orang yang berbeza. Akhir sekali, penilaian ini telah digabungkan dengan menggunakan model statistik yang menyumbang kedua-dua kesan rater individu dan kesukaran kesan hukuman. Dalam semua, Benoit dan rakan-rakan yang dikumpul 200,000 penilaian daripada kira-kira 1,500 pekerja.

Rajah 5.5: Pengkodan skim dari Benoit et al. (2015) (Rajah 1).

Dalam usaha untuk menilai kualiti pengekodan orang ramai, Benoit dan rakan-rakan juga mempunyai kira-kira 10 pakar-profesor dan pelajar ijazah dalam Sains Politik-kadar manifesto sama menggunakan prosedur yang sama. Walaupun penilaian daripada orang ramai yang lebih berubah-ubah daripada penilaian dari pakar-pakar, penarafan ramai konsensus mempunyai perjanjian luar biasa dengan penarafan pakar sepakat (Rajah 5.6). Perbandingan ini menunjukkan bahawa, seperti Zoo Galaxy, projek pengiraan manusia boleh menghasilkan hasil yang berkualiti tinggi.

Rajah 5.6: Anggaran Pakar (x-paksi) dan anggaran orang ramai (y-axis) dalam perjanjian luar biasa apabila pengekodan 18 manifesto parti dari Great Britain (Benoit et al. 2015) . Manifesto dikodkan adalah dari tiga parti politik (Konservatif, Buruh, Liberal Demokrat) dan enam pilihan raya (1987, 1992, 1997, 2001, 2005, 2010).

Berlandaskan keputusan ini, Benoit dan rakan-rakan menggunakan sistem orang ramai-pengekodan mereka untuk melakukan penyelidikan yang mustahil dengan Projek Manifesto. Sebagai contoh, Projek Manifesto tidak memberi kod manifesto pada topik imigresen kerana itu bukan satu topik penting apabila skim pengekodan yang telah dibangunkan pada pertengahan 1980-an. Dan, pada masa ini, ia adalah logistik infeasible bagi Projek Manifesto untuk kembali dan semula kod manifesto mereka untuk menangkap maklumat ini. Oleh itu, ia akan muncul bahawa penyelidik berminat untuk mengkaji politik imigresen adalah daripada nasib. Walau bagaimanapun, Benoit dan rakan-rakan dapat menggunakan sistem pengiraan manusia mereka untuk melakukan coding-disesuaikan dengan penyelidikan mereka di soal dengan cepat dan mudah ini.

Dalam usaha untuk mengkaji dasar imigresen, mereka dikodkan manifesto selama lapan parti dalam pilihan raya 2010 di Great Britain. Setiap ayat dalam setiap manifesto telah dikodkan sama ada ia berkaitan dengan imigresen, dan jika ya, sama ada ia adalah pro-imigresen, neutral, atau anti-imigresen. Dalam masa 5 jam melancarkan projek mereka, keputusan itu. Mereka telah mengumpul lebih daripada 22,000 jawapan dengan kos $ 360 a. Di samping itu, anggaran dari orang ramai menunjukkan perjanjian luar biasa dengan kajian yang lebih awal daripada pakar-pakar. Kemudian, sebagai ujian akhir, dua bulan kemudian, penyelidik semula ramai-coding mereka. Dalam masa beberapa jam, mereka telah mencipta satu set data orang ramai berkod baru yang rapat dipadankan ramai berkod asal set data mereka. Dalam erti kata lain, pengiraan manusia membolehkan mereka menjana pengekodan teks politik yang bersetuju dengan penilaian pakar dan merupakan diulang. Selanjutnya, kerana pengiraan manusia cepat dan murah, ia adalah mudah bagi mereka untuk menyesuaikan pengumpulan data mereka kepada persoalan kajian khusus mereka mengenai imigresen.