Mänskliga beräknings projekt tar ett stort problem; dela upp den i enkla bitar; skicka dem till många arbetare; och sedan aggregera resultat.
Mänskliga beräknings projekt kombinera de ansträngningar som många människor som arbetar på enkla mikro uppgifter för att lösa problem som är hopplöst stor för en person. Du kanske har ett forskningsproblem som lämpar sig för mänsklig beräkning om du någonsin tänkt: Jag kunde lösa detta problem om jag hade tusen forskarassistenter.
Den prototypiska exempel av en mänsklig beräkning projekt är Galaxy Zoo, som jag ska beskriva i detalj nedan. I detta projekt, mer än 100.000 volontärer klassificeras bilder av cirka en miljon galaxer med liknande noggrannhet tidigare-och väsentligt mindre insatser av professionella astronomer. Denna ökade skala från mass leda samarbete till nya upptäckter om hur galaxer bildas och det visade upp en helt ny klass av galaxer som kallas "gröna ärtor."
Även Galaxy Zoo kan tyckas långt från social forskning, det finns faktiskt många situationer där sociala forskare vill kod, klassificera, eller etikettbilder eller texter. I vissa fall kan denna analys utföras av datorer, men det finns fortfarande vissa analysformer som är svåra för datorer men lätt för människor. Det är dessa enkla-for-folk ännu svåra för-datorer mikro uppgifter som vi kan vända över till mänskliga beräkningsprojekt.
Inte bara är mikro uppgift i Galaxy Zoo ganska allmän, struktur projektet är allmänt liksom. Galaxy Zoo, och andra mänskliga beräkningsprojekt, använder en delad apply-kombinera strategi (Wickham 2011) , och när du förstår denna strategi kommer du att kunna använda den för att lösa många problem. Först är ett stort problem delas upp i massor av små problem bitar. Därefter mänskligt arbete tillämpas på varje litet problem bit, oberoende av de andra bitarna. Slutligen är de resultaten av detta arbete kombineras för att producera en konsensuslösning. Med tanke på att bakgrunden, låt oss se hur uppdelningen apply-kombinera strategi användes i Galaxy Zoo.