5.5.2 Pákový efekt heterogenita

Keď motivujete veľa ľudí, aby ste pracovali na skutočnom vedeckom probléme, zistíte, že vaši účastníci budú heterogénní na základe dvoch hlavných spôsobov: budú sa líšiť tak v ich zručnostiach, ako aj v úrovni ich úsilia. Prvou reakciou mnohých spoločenských výskumníkov je bojovať proti tejto heterogénnosti tým, že sa snažia vylúčiť nekvalitných účastníkov a potom sa pokúsiť zhromaždiť pevné množstvo informácií od všetkých zostávajúcich. Je to nesprávny spôsob, ako navrhnúť projekt masovej spolupráce. Namiesto toho, aby ste bojovali proti rôznorodosti, mali by ste to využiť.

Po prvé, nie je dôvod vylúčiť účastníkov s nízkou kvalifikáciou. Pri otvorených volaniach majú nízke kvalifikovaní účastníci žiadne problémy; ich príspevky nikomu neublížia a nepotrebujú čas na vyhodnotenie. V projektoch na výpočet ľudských zdrojov a distribuovaných údajov je navyše najlepší spôsob kontroly kvality prostredníctvom redundancie, a nie prostredníctvom vysokej loby na účasť. Skôr, než vylúčiť účastníkov s nízkou kvalifikáciou, lepším prístupom je pomôcť im lepšie prispieť, tak ako to robia výskumníci z eBird.

Po druhé, nie je dôvod zbierať pevnú sumu informácií od každého účastníka. Účasť na mnohých projektoch masovej spolupráce je neuveriteľne nerovnomerná (Sauermann and Franzoni 2015) , pričom malý počet ľudí prispieva veľa - niekedy sa nazýva tučná hlava - a veľa ľudí prispieva málo - niekedy sa nazýva dlhý chvost . Ak nezhromažďujete informácie z tukovej hlavy a dlhého chvosta, zanechávate masy informácií, ktoré nie sú zhromaždené. Napríklad, ak by Wikipedia akceptovala 10 a len 10 úprav na jeden editor, stratila by asi 95% úprav (Salganik and Levy 2015) . Pri masových projektoch spolupráce je preto najlepšie využiť rastu heterogénnosti, než sa ju pokúšať odstrániť.