5.1 Wprowadzenie

Wikipedia jest niesamowita. Masowa współpraca wolontariuszy stworzyła fantastyczną encyklopedię, która jest dostępna dla wszystkich. Kluczem do sukcesu Wikipedii nie była nowa wiedza; była to raczej nowa forma współpracy. Era cyfrowa na szczęście umożliwia wiele nowych form współpracy. W związku z tym powinniśmy teraz zapytać: jakie ogromne problemy naukowe - problemy, których nie mogliśmy rozwiązać indywidualnie - czy możemy teraz razem walczyć?

Współpraca w dziedzinie badań nie jest niczym nowym, oczywiście. Nowością jest jednak to, że era cyfrowa umożliwia współpracę ze znacznie większym i bardziej zróżnicowanego zestawu ludzi: miliardy ludzi na całym świecie z dostępem do Internetu. Spodziewam się, że te nowe kolaboracje masowe przyniesie niesamowite rezultaty, nie tylko ze względu na liczbę osób biorących udział, ale również ze względu na ich zróżnicowane umiejętności i perspektyw. W jaki sposób możemy włączyć każdy z dostępem do Internetu w naszym procesie badawczym? Co można zrobić ze 100 asystentów badawczych? Co 100.000 wykwalifikowanych współpracowników?

Istnieje wiele form masowej współpracy, a informatycy zazwyczaj organizują je w dużej liczbie kategorii w oparciu o ich charakterystykę techniczną (Quinn and Bederson 2011) . W tym rozdziale zamierzam jednak kategoryzować projekty masowej współpracy w oparciu o to, jak można je wykorzystać w badaniach społecznych. W szczególności uważam, że pomocne jest zgrubne rozróżnienie pomiędzy trzema rodzajami projektów: obliczeniami ludzkimi , otwartymi połączeniami i rozproszonym gromadzeniem danych (rysunek 5.1).

Opiszę każdy z tych typów bardziej szczegółowo w dalszej części rozdziału, ale na razie opiszę je krótko. Ludzkie projekty obliczeniowe idealnie nadają się do łatwych zadań o dużej skali, takich jak oznaczanie milionów obrazów. Są to projekty, które w przeszłości mogły być wykonywane przez asystentów badawczych z licencjackich. Wkłady nie wymagają umiejętności związanych z zadaniami, a ostateczny wynik jest zazwyczaj średnią ze wszystkich składek. Klasycznym przykładem ludzkiego projektu obliczeniowego jest Galaxy Zoo, gdzie setki tysięcy ochotników pomogło astronomom sklasyfikować milion galaktyk. Z drugiej strony projekty otwartego zaproszenia idealnie nadają się do problemów, w których poszukujesz nowych i nieoczekiwanych odpowiedzi na jasno sformułowane pytania. Są to projekty, które w przeszłości mogły wiązać się z pytaniem kolegów. Składki pochodzą od osób, które mają specjalne umiejętności związane z zadaniem, a ostateczny wynik jest zazwyczaj najlepszy ze wszystkich wkładów. Klasycznym przykładem otwartego zaproszenia jest Nagroda Netflix, w której tysiące naukowców i hakerów pracowało nad opracowaniem nowych algorytmów do przewidywania ocen filmów przez klientów. Wreszcie rozproszone projekty zbierania danych idealnie nadają się do gromadzenia danych na dużą skalę. Są to projekty, które w przeszłości mogły być wykonywane przez licencjackich asystentów badawczych lub firmy badawcze. Składki zwykle pochodzą od osób, które mają dostęp do lokalizacji, których nie posiadają naukowcy, a ostatecznym produktem jest prosty zbiór wkładów. Klasycznym przykładem rozproszonego gromadzenia danych jest eBird, w którym setki tysięcy wolontariuszy przekazują raporty o ptakach, które widzą.

Rysunek 5.1: Mass współpraca schematyczne. Ten rozdział jest zorganizowany wokół trzech głównych form współpracy Masa: ludzka obliczeniowych, otwartego zaproszenia i rozpowszechniany zbierania danych. Bardziej ogólnie, współpraca masę łączy pomysły z takich dziedzinach jak nauka obywatel crowdsourcingu i zbiorowej inteligencji.

Masowa współpraca ma długą, bogatą historię w dziedzinach takich jak astronomia (Marshall, Lintott, and Fletcher 2015) oraz ekologia (Dickinson, Zuckerberg, and Bonter 2010) , ale nie jest jeszcze powszechna w badaniach społecznych. Jednakże, opisując udane projekty z innych dziedzin i zapewniając kilka kluczowych zasad organizacji, mam nadzieję przekonać cię o dwóch rzeczach. Po pierwsze, masową współpracę można wykorzystać do badań społecznych. Po drugie, naukowcy wykorzystujący masową współpracę będą w stanie rozwiązać problemy, które wcześniej wydawały się niemożliwe. Chociaż masowa współpraca jest często promowana jako sposób na zaoszczędzenie pieniędzy, to znacznie więcej. Jak pokażę, masowa współpraca nie pozwala nam tylko na tańsze badania, pozwala nam to lepiej prowadzić badania.

W poprzednich rozdziałach widziałeś, czego można się nauczyć, angażując ludzi na trzy różne sposoby: obserwując ich zachowanie (rozdział 2), zadając im pytania (rozdział 3) i zapisując je w eksperymentach (rozdział 4). W tym rozdziale pokażę, czego można się nauczyć, angażując ludzi jako współpracowników badawczych. W przypadku każdej z trzech głównych form współpracy zbiorowej opiszę prototypowy przykład, zilustruję ważne dodatkowe punkty w kolejnych przykładach, a na koniec opiszę, w jaki sposób tę formę masowej współpracy można wykorzystać do badań społecznych. Rozdział zakończy się pięcioma zasadami, które mogą pomóc w zaprojektowaniu własnego projektu współpracy masowej.