5.5.2 Pákový efekt heterogenita

Potom, čo ste motivovaní veľa ľudí pracovať na skutočnom vedeckom problému, zistíte, že vaše účastníci budú heterogénne dvoma hlavnými spôsobmi: budú líšiť vo svojej zručnosti a budú sa líšiť v úrovni ich úsilie. Prvou reakciou mnohých sociálnych vedcov je vylúčiť účastníkov nízkej kvality a potom sa snažia zbierať fixné množstvo informácií od všetci odišli. To je zlý spôsob, ako vytvoriť projekt hmotnosť spolupráce.

Po prvé, neexistuje žiadny dôvod pre vylúčenie s nízkou kvalifikáciou účastníkov. V otvorených výziev, s nízkou kvalifikáciou účastníci spôsobiť žiadne problémy; ich príspevky nie sú nikomu ublížiť, a nevyžadujú žiadny čas na vyhodnotenie. V ľudskej počítanie a distribuované projekty zberu dát, na druhej strane, najlepšie formou kontroly kvality je prostredníctvom redundancie, a nie vysokú bar pre účasť. V skutočnosti ako výnimkou nízke účastníkom zručností, lepší prístup je, aby im pomohla lepšie príspevky, rovnako ako výskumníci v eBird urobil.

Po druhé, nie je dôvod, aby zbierať fixné množstvo informácií od každého účastníka. Účasť v mnohých masových projektov spolupráce je neuveriteľne nerovnomerné (Sauermann and Franzoni 2015) s malým počtom ľudí prispievajúcich veľa, niekedy nazývaný hlavou tuku -A veľa ľudí, ktoré prispievajú málo niekedy nazývaný dlhý chvost. Ak nechcete zhromažďovať informácie z hlavy tuku a dlhým chvostom, odchádzate tony informácií uncollected. Napríklad, ak Wikipédie prijal 10 a iba 10 úpravy na editor, bolo by to k strate asi 95% editáciou (Salganik and Levy 2015) . Tak, s mäsovými projektov spolupráce, to je najlepšie využiť heterogénnosť než sa snažiť na jej odstránenie.