5.2.3 Konklusjon
Menneskelig beregning gjør det mulig å ha tusen forskningsassistenter.
Menneskelige beregningsprosjekter kombinerer arbeidet til mange ikke-eksperter for å løse enkle oppgaver - storskala problemer som ikke lett løses av datamaskiner. De bruker split-apply-combinere strategi for å bryte et stort problem i mange enkle mikrotasker som kan løses av mennesker uten spesialiserte ferdigheter. Datamaskinassistente menneskelige beregningssystemer bruker også maskinlæring for å forsterke menneskets innsats.
I sosial forskning er det mest sannsynlig at menneskelige beregningsprosjekter skal brukes i situasjoner hvor forskere vil klassifisere, kode eller merke bilder, video eller tekster. Disse klassifiseringene er vanligvis ikke det endelige produktet av forskningen; I stedet er de råmaterialet til analyse. For eksempel kan publikumskodingen av politiske manifester brukes som en del av analysen om dynamikken i den politiske debatten. Disse typer mikrotasker vil trolig fungere best når de ikke trenger spesialisert trening, og når det er bred enighet om riktig svar. Hvis klassifikasjonsoppgaven er mer subjektiv, for eksempel, "Er denne nyhetshistorien partisk?" - da blir det stadig viktigere å forstå hvem som deltar og hvilke forstyrrelser de kan få. Til slutt hviler kvaliteten på produksjonen av menneskelige beregningsprosjekter på kvaliteten på inngangene som de menneskelige deltakere gir: søppel inn, søppel ut.
For å videreutvikle din intuisjon, gir tabell 5.1 ytterligere eksempler på hvordan menneskelig beregning har blitt brukt i samfunnsforskning. Tabellen viser at, i motsetning til Galaxy Zoo, bruker mange andre menneskelige beregningsprosjekter mikrotask arbeidsmarkeder (f.eks. Amazon Mechanical Turk) og stole på lønnede arbeidere i stedet for frivillige. Jeg kommer tilbake til dette spørsmålet om deltaker motivasjon når jeg gir råd om å skape ditt eget samarbeidsprosjekt.
| Sammendrag | Data | deltakere | Henvisning |
|---|---|---|---|
| Kode politisk fest manifest | Tekst | Microtask arbeidsmarked | Benoit et al. (2016) |
| Utdrag hendelsesinformasjon fra nyhetsartikler om Occupy Protests i 200 amerikanske byer | Tekst | Microtask arbeidsmarked | Adams (2016) |
| Klassifiser avisartikler | Tekst | Microtask arbeidsmarked | Budak, Goel, and Rao (2016) |
| Utdrag hendelsesinformasjon fra dagbøker av soldater i første verdenskrig | Tekst | frivillige | Grayson (2016) |
| Oppdag endringer i kart | Bilder | Microtask arbeidsmarked | Soeller et al. (2016) |
| Kontroller algoritmisk koding | Tekst | Microtask arbeidsmarked | Porter, Verdery, and Gaddis (2016) |
Endelig eksemplene i dette avsnittet viser at menneskelig beregning kan ha en demokratiserende effekt på vitenskap. Husker at Schawinski og Lintott var hovedfagsstudenter da de begynte Galaxy Zoo. Før den digitale tidsalder, til et prosjekt klassifisere en million galakse klassifisering ville ha krevd så mye tid og penger som det ville bare ha vært praktisk for godt finansiert og pasient professorer. Det er ikke lenger sant. Menneskeberegnings prosjekter kombinere arbeidet til mange ikke-eksperter til å løse enkle oppgave-big-scale problemer. Deretter vil jeg vise deg at masse samarbeid kan også brukes til problemer som krever kompetanse, kompetanse at selv forskeren selv ikke kan ha.
