5.2 Menneskelig beregningen
Menneskelige beregningsprosjekter tar et stort problem, bryter det inn i enkle brikker, sender dem til mange arbeidere, og samlet deretter resultatene.
Menneskelige beregningsprosjekter kombinerer arbeidet med mange som jobber med enkle mikrotasker for å løse problemer som er umulig store for en person. Du kan ha et forskningsproblem som er egnet for menneskelig beregning hvis du noen gang har tenkt: "Jeg kunne løse dette problemet hvis jeg hadde tusen forskningsassistenter."
Det prototypiske eksempelet på et menneskelig beregningsprosjekt er Galaxy Zoo. I dette prosjektet klassifiserte mer enn hundre tusen frivillige bilder av om lag en million galakser med tilsvarende nøyaktighet til tidligere og vesentlig mindre innsats av profesjonelle astronomer. Denne økte skalaen fra massesamarbeid førte til nye funn om hvordan galakser dannes, og det oppsto en helt ny klasse av galakser kalt "grønne erter".
Selv om Galaxy Zoo kan virke langt fra sosial forskning, er det faktisk mange situasjoner hvor sosiale forskere vil kode, klassifisere eller merke bilder eller tekster. I noen tilfeller kan denne analysen gjøres med datamaskiner, men det er fortsatt visse former for analyse som er vanskelig for datamaskiner, men enkle for folk. Det er disse enkle, men likevel hardt for datamaskiner mikrotasker som vi kan slå over til menneskelige beregningsprosjekter.
Ikke bare er mikrotasken i Galaxy Zoo ganske generell, men også prosjektets struktur er generell. Galaxy Zoo og andre menneskelige beregningsprosjekter, bruker vanligvis en split-apply-combining strategi (Wickham 2011) , og når du forstår denne strategien, kan du bruke den til å løse mange problemer. For det første er et stort problem delt inn i mange små problembiter. Deretter blir menneskelig arbeid anvendt på hvert lite problem del, uavhengig av de andre biter. Til slutt blir resultatene av dette arbeidet kombinert for å skape en konsensusløsning. Gitt den bakgrunnen, la oss se hvordan splitt-søk-kombinere strategien ble brukt i Galaxy Zoo.
