5.5.2 Hävstång heterogenitet

När du har motiverat en massa människor att arbeta på ett verkligt vetenskapligt problem, kommer du att upptäcka att dina deltagare kommer att vara heterogena i två huvudsakliga sätt: de kommer att variera i sin skicklighet och de varierar i deras nivå av ansträngning. Den första reaktionen från många samhällsforskare är att utesluta deltagare låg kvalitet och sedan försöka samla ett fast belopp på information från alla kvar. Detta är fel sätt att utforma en massa samarbetsprojekt.

För det första finns det ingen anledning att utesluta lågutbildade deltagare. I öppna samtal, lågutbildade deltagarna orsakar inga problem; deras bidrag inte skada någon och att de inte kräver någon tid att utvärdera. I human beräkning och distribuerade datainsamlingsprojekt, å andra sidan, kommer den bästa formen av kvalitetskontroll genom redundans, inte en hög bar för att delta. I själva verket, snarare än undantag låga deltagarna skicklighet, är en bättre metod för att hjälpa dem att göra bättre bidrag, mycket som forskare vid eBird har gjort.

För det andra, finns det ingen anledning att samla in en fast mängd information från varje deltagare. Deltagande i många mass projekt samarbete är oerhört ojämn (Sauermann and Franzoni 2015) med ett litet antal personer som bidrar en hel del-ibland kallas fettet huvud -och en massa människor som bidrar en föga ibland kallas den långa svansen. Om du inte samla in information från fett huvud och den långa svansen, åker du massor av information uncollected. Till exempel om Wikipedia accepterade 10 och endast 10 ändringar per redaktör, skulle det förlorar ungefär 95% av redigeringar (Salganik and Levy 2015) . Således, med mass projekt samarbete, är det bäst att utnyttja heterogenitet snarare än att försöka eliminera den.