5.2.3 Konklusjon
Menneskelig beregning gjør det mulig å ha tusen forskningsassistenter.
Menneskeberegnings prosjekter kombinere arbeidet til mange ikke-eksperter til å løse enkle oppgave-big-scale problemer som ikke er lett løses ved hjelp av datamaskiner. De bruker split-søke-kombinere strategi for å bryte et stort problem i mange enkle mikro oppgaver som kan løses av mennesker uten spesielle ferdigheter. Andre generasjon menneskelige beregnings systemer bruker også maskinlæring for å forsterke den menneskelige innsatsen.
I samfunnsforskning, menneskelige beregnings prosjekter er mest sannsynlig å bli brukt i situasjoner der forskerne ønsker å klassifisere, kode eller label bilder, video eller tekster. Disse klassifiseringene er ikke et mål; de er råstoff for forskning. For eksempel kan mengden koding av politiske manifester brukes til å teste teorier om dynamikken i oppmerksomhet mot migrasjon.
For ytterligere å bygge din intuisjon, Tabell 5.1 gir flere eksempler på hvordan menneskelige beregning har vært brukt i samfunnsforskning. Denne tabellen viser at, i motsetning til Galaxy Zoo, mange andre menneskelige beregnings prosjekter bruker mikro-oppgave arbeidsmarkeder (f.eks Amazon Mechanical Turk). Jeg vil komme tilbake til dette spørsmålet om deltakeren motivasjon når jeg gir råd om å lage din egen masse samarbeidsprosjekt.
| Sammendrag | Data | deltakere | Sitering |
|---|---|---|---|
| koding parti | tekst | mikro-oppgave arbeidsmarked | Benoit et al. (2015) |
| trekke ut informasjon om hendelsen fra nyhetsartikler om Occupy protester i 200 byer i USA | tekst | mikro-oppgave arbeidsmarked | Adams (2014) |
| klassifisering av avisartikler | tekst | mikro-oppgave arbeidsmarked | Budak, Goel, and Rao (2016) |
| trekke ut informasjon om hendelsen fra dagbøker av soldater i første verdenskrig en | tekst | frivillige | Grayson (2016) |
| oppdage endringer i kart | bilder | mikro-oppgave arbeidsmarked | Soeller et al. (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.
