5.5.2 Hävstång heterogenitet

När du har motiverat många människor att arbeta på ett verkligt vetenskapligt problem kommer du att upptäcka att dina deltagare kommer att vara heterogena på två huvud sätt: de kommer att variera både i sin skicklighet och i deras ansträngningar. Den första reaktionen hos många sociala forskare är att bekämpa denna heterogenitet genom att försöka utesluta lågkvalitativa deltagare och sedan försöka samla in en fast mängd information från alla vänster. Det här är fel sätt att utforma ett samarbetsprojekt. I stället för att bekämpa heterogenitet borde du utnyttja det.

För det första finns det ingen anledning att utesluta lågutbildade deltagare. I öppna samtal orsakar lågutbildade deltagare inga problem; deras bidrag skadar inte någon och de behöver inte någon tid att utvärdera. I mänsklig beräkning och distribuerade datainsamlingsprojekt kommer dessutom den bästa form av kvalitetskontroll genom redundans, inte genom en hög bar för deltagande. Faktum är att en bättre strategi är att hjälpa dem att göra bättre bidrag, snarare än att forskarna på eBird har gjort, snarare än att utesluta lågkvalificerade deltagare.

För det andra finns det ingen anledning att samla in en fast mängd information från varje deltagare. Deltagande i många masssamarbetsprojekt är oerhört ojämnt (Sauermann and Franzoni 2015) , med ett litet antal personer som bidrar mycket - ibland kallas det feta huvudet - och många bidrar lite - ibland kallad lång svans . Om du inte samlar in information från det feta huvudet och den långa svansen lämnar du massor av information som inte samlas in. Om exempelvis Wikipedia accepterade 10 och endast 10 redigeringar per redaktör, skulle det förlora cirka 95% av ändringarna (Salganik and Levy 2015) . Med masssamarbetsprojekt är det bäst att utnyttja heterogenitet istället för att försöka eliminera det.