5.5.2 Efectul de levier eterogenitate
Odată ce ați motivat mulți oameni să lucrați la o problemă științifică reală, veți descoperi că participanții dvs. vor fi eterogeni în două moduri principale: vor varia atât în ceea ce privește abilitățile lor, cât și nivelul lor de efort. Prima reacție a multor cercetători sociali este de a lupta împotriva acestei eterogenități încercând să excludă participanții de calitate scăzută și apoi să încerce să colecteze o sumă fixă de informații de la toți cei rămași. Acesta este un mod greșit de a proiecta un proiect de colaborare în masă. În loc să combateți eterogenitatea, trebuie să o folosiți.
În primul rând, nu există niciun motiv pentru a exclude participanții cu nivel scăzut de calificare. În apelurile deschise, participanții cu înaltă calificare nu cauzează probleme; contribuțiile lor nu rănesc pe nimeni și nu necesită timp pentru a evalua. În cadrul proiectelor de calcul și de distribuire a datelor distribuite, cea mai bună formă de control al calității este prin redundanță, nu printr-un bar de participare ridicat. De fapt, mai degrabă decât excluderea participanților cu nivel scăzut de calificare, o abordare mai bună este să îi ajuți să-și aducă contribuții mai bune, așa cum au făcut cercetătorii de la eBird.
În al doilea rând, nu există niciun motiv pentru a colecta o sumă fixă de informații de la fiecare participant. Participarea la numeroase proiecte de colaborare în masă este incredibil de inegală (Sauermann and Franzoni 2015) , cu un număr mic de oameni care contribuie foarte mult - uneori numit capul de grăsime - și o mulțime de oameni contribuind puțin - uneori numit coada lungă . Dacă nu colectați informații din capul de grăsime și coada lungă, lăsați masele de informații neschimbate. De exemplu, dacă Wikipedia acceptă 10 și doar 10 editează pentru un editor, ar pierde aproximativ 95% din editări (Salganik and Levy 2015) . Astfel, cu proiectele de colaborare în masă, este mai bine să folosiți mai degrabă eterogenitatea decât să încercați să o eliminați.
