5.2.3 Wnioski
Obliczenia Human pozwala mieć tysiąc asystentów badawczych.
projekty obliczeniowe człowieka łączą dziełem wielu laików, aby rozwiązać problemy łatwym zadaniem, duża skalę, które nie są łatwo rozwiązane przez komputery. Używają split-apply-łączą strategię przełamać duży problem w wielu prostych mikroorganizmów zadań, które mogą być rozwiązane przez ludzi bez specjalistycznych umiejętności. Druga generacja ludzkie systemy obliczeniowe również użyć uczenia maszynowego w celu amplifikacji ludzkiego wysiłku.
W badaniach społecznych, projekty obliczeniowe ludzkie są najbardziej prawdopodobne, aby być stosowany w sytuacjach, w których naukowcy chcą sklasyfikować, kodu lub obrazów etykiet, wideo lub tekstów. Te klasyfikacje nie są celem; są to surowce do badań. Na przykład, tłum-kodowanie manifestów politycznych mogą być wykorzystane do testowania teorii na temat dynamiki uwagi wobec migracji.
W celu dalszego budowy intuicji, tabela 5.1 zapewnia dodatkowe przykłady ludzkiego obliczeń stosowano w badaniach społecznych. Poniższa tabela pokazuje, że w przeciwieństwie do Galaxy Zoo, wiele innych projektów obliczeniowych człowieka użyciu mikro-zadaniowych rynków pracy (np Amazon Mechanical Turk). Wrócę do tej kwestii motywacji uczestnika kiedy udzielają porad na temat tworzenia własnego projektu współpracy masowej.
| Podsumowanie | Dane | Uczestnicy | Cytat |
|---|---|---|---|
| kodowania manifesty partii | tekst | mikro zadaniem rynku pracy | Benoit et al. (2015) |
| wyodrębnić informacje o zdarzeniach z artykułów o protestach przebywające w 200 miastach USA | tekst | mikro zadaniem rynku pracy | Adams (2014) |
| Klasyfikacja artykułów prasowych | tekst | mikro zadaniem rynku pracy | Budak, Goel, and Rao (2016) |
| wydobywania informacji o zdarzeniach z pamiętników żołnierzy podczas I wojny światowej 1 | tekst | wolontariuszy | Grayson (2016) |
| wykrywać zmiany w mapach | obrazy | mikro zadaniem rynku pracy | Soeller et al. (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.
