5.2.3 Wnioski
Obliczenia Human pozwala mieć tysiąc asystentów badawczych.
Ludzkie projekty obliczeniowe łączą pracę wielu nie-ekspertów w rozwiązywaniu problemów łatwych do wykonania na wielką skalę, które nie są łatwe do rozwiązania przez komputery. Wykorzystują strategię split-apply-merger, aby przełamać duży problem na wiele prostych mikromaskaży, które mogą być rozwiązane przez ludzi bez specjalistycznych umiejętności. Wspomagane komputerowo ludzkie systemy obliczeniowe wykorzystują również uczenie maszynowe w celu wzmocnienia ludzkiego wysiłku.
W badaniach społecznych ludzkie projekty obliczeniowe są najczęściej używane w sytuacjach, w których naukowcy chcą klasyfikować, kodować lub oznaczać obrazy, wideo lub teksty. Te klasyfikacje zwykle nie są końcowym produktem badań; zamiast tego są surowcem do analizy. Na przykład kodowanie tłumów w manifestach politycznych można wykorzystać jako część analizy dotyczącej dynamiki debaty politycznej. Tego typu mikroukłady klasyfikacyjne najprawdopodobniej będą działały najlepiej, gdy nie wymagają specjalistycznego szkolenia i gdy istnieje szeroka zgoda co do prawidłowej odpowiedzi. Jeśli zadanie klasyfikacji jest bardziej subiektywne - np. "Czy ta wiadomość jest stronnicza?" - wtedy coraz ważniejsze staje się zrozumienie, kto uczestniczy i jakie uprzedzenia mogą one przynieść. Ostatecznie jakość wyników ludzkich projektów obliczeniowych zależy od jakości danych wejściowych, które zapewniają uczestnicy: od śmieci do śmieci, od śmieci.
W celu dalszego rozwijania intuicji, tabela 5.1 zawiera dodatkowe przykłady wykorzystania obliczeń ludzkich w badaniach społecznych. Ta tabela pokazuje, że w przeciwieństwie do Galaxy Zoo, wiele innych ludzkich projektów obliczeniowych wykorzystuje rynki pracy mikrotasku (np. Amazon Mechanical Turk) i opiera się na płatnych pracownikach, a nie na wolontariuszach. Powrócę do tego tematu motywacji uczestników, gdy udzielę rad dotyczących tworzenia własnego projektu współpracy masowej.
| Podsumowanie | Dane | Uczestnicy | Odniesienie |
|---|---|---|---|
| Koduj manifesty partii politycznych | Tekst | Microtask rynek pracy | Benoit et al. (2016) |
| Wyodrębnij informacje o wydarzeniach z artykułów prasowych o protestach Occupy w 200 miastach USA | Tekst | Microtask rynek pracy | Adams (2016) |
| Klasyfikuj artykuły prasowe | Tekst | Microtask rynek pracy | Budak, Goel, and Rao (2016) |
| Wydobywaj informacje o wydarzeniach z dzienników żołnierzy podczas pierwszej wojny światowej | Tekst | Wolontariusze | Grayson (2016) |
| Wykrywaj zmiany na mapach | Obrazy | Microtask rynek pracy | Soeller et al. (2016) |
| Sprawdź kodowanie algorytmiczne | Tekst | Microtask rynek pracy | Porter, Verdery, and Gaddis (2016) |
Wreszcie, przykłady w tym rozdziale pokazują, że ludzka obliczenia mogą mieć wpływ na demokratyzacji nauki. Przypomnijmy, że Schawinski i Lintott byli doktoranci kiedy zaczęli Galaxy Zoo. Przed ery cyfrowej, projekt sklasyfikować klasyfikacja mln Galaxy wymagałoby to dużo czasu i pieniędzy, że to były tylko praktyczne dla dobrze finansowane i profesorowie pacjenta. To nie jest prawda. projekty obliczeniowe człowieka łączą dziełem wielu laików, aby rozwiązać problemy łatwym zadaniem, duża skalę. Następnie pokażę, że współpraca masa może być również stosowana do problemów, które wymagają specjalistycznej wiedzy, wiedzy, że nawet sama badacz może nie mieć.
