5.5.2 Leverage heterogenitet

Når du har motivert mange mennesker til å arbeide på en ekte vitenskapelig problem, vil du oppdage at deltakerne vil være heterogene på to hovedmåter: de vil variere i sine ferdigheter, og de vil variere i deres nivå av innsats. Den første reaksjonen til mange samfunnsforskere er å utelukke lav kvalitet deltakerne og forsøke deretter å samle inn et fast beløp på informasjon fra alle igjen. Dette er feil måte å utforme en masse samarbeidsprosjekt.

For det første er det ingen grunn til å utelukke lave dyktige deltakere. I åpne samtaler, lave dyktige deltakere forårsaker ingen problemer; deres bidrag ikke såre noen, og de krever ikke noen tid til å evaluere. I human beregning og distribuerte datainnsamlings-prosjekter, på den annen side, er den beste form for kvalitetskontroll kommer gjennom redundans, ikke en høy bar for deltakelse. Faktisk, snarere enn å ekskludere lave ferdighets deltakere, er en bedre tilnærming for å hjelpe dem å ta bedre bidrag, mye som forskerne ved eBird har gjort.

For det andre er det ingen grunn til å samle et fast beløp på informasjon fra hver deltager. Deltakelse i mange masse samarbeidsprosjekter er utrolig ulik (Sauermann and Franzoni 2015) med et lite antall personer som bidrar mye-noen ganger kalt feit hode -og mye folk bidrar en lite kalles den lange halen. Hvis du ikke samle inn informasjon fra fett hode og lang hale, drar du masse informasjon oljevernberedskap. For eksempel, hvis Wikipedia akseptert 10 og bare 10 redigeringer per redaktør, ville det mister ca 95% av edits (Salganik and Levy 2015) . Dermed, med masse samarbeidsprosjekter, er det best å utnytte heterogenitet fremfor å forsøke å eliminere den.