Nini kusoma ijayo

tafsiri hii iliundwa na kompyuta. ×

Nini kusoma ijayo

Utangulizi (kifungu 5.1)

Ushirikiano wa Misa unachanganya mawazo kutoka kwa sayansi ya wananchi , umati wa watu , na akili ya pamoja . Sayansi ya wananchi kawaida inamaanisha kuwashirikisha "wananchi" (yaani, wanasayansi) katika mchakato wa kisayansi; kwa zaidi, angalia Crain, Cooper, and Dickinson (2014) na Bonney et al. (2014) . Kufanya fedha kwa kawaida kunamaanisha kuchukua shida kwa kawaida kutatuliwa ndani ya shirika na badala ya kuifukuza kwa umati; kwa zaidi, angalia Howe (2009) . Kwa kawaida akili ya pamoja ina maana ya makundi ya watu wanaofanya pamoja kwa njia ambazo zinaonekana kuwa wenye akili; kwa zaidi, angalia Malone and Bernstein (2015) . Nielsen (2012) ni utangulizi wa urefu wa kitabu kwa nguvu ya ushirikiano wa wingi kwa utafiti wa kisayansi.

Kuna aina nyingi za ushirikiano wa wingi ambazo hazifanani vizuri katika makundi matatu niliyopendekeza, na nadhani tatu kati yao zinastahili tahadhari maalum kwa sababu zinaweza kuwa na manufaa katika utafiti wa jamii. Mfano mmoja ni masoko ya utabiri, ambapo washiriki wanunua na mikataba ya biashara ambayo yanaweza kukombolewa kulingana na matokeo yanayotokea duniani. Masoko ya kutabiri mara nyingi hutumiwa na makampuni na serikali kwa utabiri, na pia wametumiwa na watafiti wa kijamii kutabiri uharibifu wa tafiti zilizochapishwa katika saikolojia (Dreber et al. 2015) . Kwa maelezo ya jumla ya masoko ya utabiri, ona Wolfers and Zitzewitz (2004) na Arrow et al. (2008) .

Mfano wa pili ambao haufanani vizuri katika mpango wangu wa makundi ni mradi wa PolyMath, ambapo watafiti walishirikiana kutumia blogu na wikis kuthibitisha nadharia mpya za math. Mradi wa PolyMath ni kwa namna fulani sawa na Tuzo ya Netflix, lakini katika washiriki wa mradi huu zaidi wanajenga kikamilifu juu ya ufumbuzi wa sehemu za wengine. Kwa zaidi juu ya mradi wa PolyMath, ona Gowers and Nielsen (2009) , Cranshaw and Kittur (2011) , Nielsen (2012) , na Kloumann et al. (2016) .

Mfano wa tatu ambao haufanani vizuri katika mpango wangu wa makundi ni wa kuhamasisha wakati unaojitegemea kama vile Shirika la Uhandisi wa Utafiti wa Advanced Advanced (DARPA) Challenge Network (yaani, Red Balloon Challenge). Kwa zaidi juu ya uhamasishaji wa wakati huu ona Pickard et al. (2011) , Tang et al. (2011) , na Rutherford et al. (2013) .

Hesabu ya mwanadamu (kifungu cha 5.2)

Neno "hesabu ya mwanadamu" linatoka kwenye kazi iliyofanywa na wanasayansi wa kompyuta, na kuelewa mazingira ya utafiti huu utaboresha uwezo wako wa kuchagua matatizo ambayo yanaweza kufaa. Kwa kazi fulani, kompyuta zina nguvu sana, zina uwezo zaidi kuliko wale wanaojulikana na wanadamu. Kwa mfano, katika chess, kompyuta zinaweza kumpiga hata wakuu bora. Lakini-na hii haijathamini sana na wanasayansi wa kijamii-kwa kazi nyingine, kompyuta ni kweli mbaya zaidi kuliko watu. Kwa maneno mengine, hivi sasa wewe ni bora kuliko hata kompyuta yenye kisasa zaidi katika kazi fulani zinazohusisha usindikaji wa picha, video, sauti, na maandishi. Wanasayansi wa kompyuta wanaofanya kazi kwa kazi ngumu-kwa-kompyuta-rahisi kwa ajili ya binadamu basi walitambua kwamba wanaweza kuwa na wanadamu katika mchakato wao wa kompyuta. Hivi ndivyo Luis von Ahn (2005) alivyoelezea uhesabuji wa mwanadamu wakati alipoanza kuanzisha neno katika sherehe yake: "mtazamo wa kutumia nguvu za usindikaji wa binadamu kutatua matatizo ambayo kompyuta hawezi kutatua." Kwa matibabu ya urefu wa kitabu cha uhesabuji wa binadamu, katika maana ya jumla ya muda huo, ona Law and Ahn (2011) .

Kwa mujibu wa ufafanuzi uliopendekezwa katika Ahn (2005) Foldit-ambayo nilielezea katika sehemu ya wito wazi-inaweza kuchukuliwa kuwa mradi wa kuhesabu wa binadamu. Hata hivyo, mimi huchagua Foldit kama wito wazi kwa sababu inahitaji ujuzi maalum (ingawa siyo rasmi mafunzo) na inachukua suluhisho bora kuchangia, badala ya kutumia mkakati-kuomba-kuchanganya-mkakati.

Neno "mgawanyiko-kuomba-kuchanganya" ilitumiwa na Wickham (2011) kuelezea mkakati wa kompyuta ya takwimu, lakini inachukua kikamilifu mchakato wa miradi mingi ya watu. Mkakati wa kugawanya-kuomba-kuchanganya ni sawa na Mpangilio wa Ramani unaotengenezwa kwenye Google; kwa zaidi kwenye MapReduce, angalia Dean and Ghemawat (2004) na Dean and Ghemawat (2008) . Kwa habari zaidi kwenye usanifu mwingine wa usanifu wa kompyuta, ona Vo and Silvia (2016) . Sura ya 3 ya Law and Ahn (2011) ina majadiliano ya miradi yenye ngumu zaidi ya kuchanganya kuliko ilivyo katika sura hii.

Katika miradi ya hesabu ya binadamu ambayo nimejadiliana katika sura, washiriki walikuwa wanajua nini kinachotokea. Miradi mingine, hata hivyo, inataka kukamata "kazi" ambayo tayari inatokea (sawa na eBird) na bila ufahamu wa washiriki. Angalia, kwa mfano, mchezo wa ESP (Ahn and Dabbish 2004) na reCAPTCHA (Ahn et al. 2008) . Hata hivyo, miradi miwili pia huzaa maswali ya kimaadili kwa sababu washiriki hawakujua jinsi data zao (Zittrain 2008; Lung 2012) .

Aliongoza kwa mchezo wa ESP, watafiti wengi wamejaribu kuendeleza "michezo mingine kwa lengo" (Ahn and Dabbish 2008) (yaani, "michezo ya hesabu ya binadamu" (Pe-Than, Goh, and Lee 2015) ) ambayo inaweza kuwa kutumika kutatua matatizo mengine mbalimbali. Je! "Michezo" yenye "kusudi" hii ni sawa ni kwamba wanajaribu kufanya kazi zinazohusika na hesabu ya kibinadamu kufurahisha. Kwa hiyo, wakati mchezo wa ESP unashirikisha muundo sawa wa kugawa-kuomba-kuhusisha na Zoo ya Galaxy, inatofautiana na jinsi washiriki wanavyohamasishwa-kujifurahisha na hamu ya kusaidia sayansi. Kwa zaidi juu ya michezo na kusudi, angalia Ahn and Dabbish (2008) .

Maelezo yangu ya Galaxy Zoo inakaribia Nielsen (2012) , Adams (2012) , Clery (2011) , na Hand (2010) , na maonyesho yangu ya malengo ya utafiti wa Galaxy Zoo yalikuwa rahisi. Kwa zaidi juu ya historia ya ugawaji wa galaxy katika astronomy na jinsi Galaxy Zoo inaendelea jadi hii, angalia Masters (2012) na Marshall, Lintott, and Fletcher (2015) . Kujenga Zoo ya Galaxy, watafiti walikamilisha Galaxy Zoo 2 ambazo zilikusanya zaidi ya milioni 60 zaidi ya maadili ya maadili kutoka kwa kujitolea (Masters et al. 2011) . Zaidi ya hayo, waliunganisha matatizo ya nje ya galaxy morphology, ikiwa ni pamoja na kuchunguza uso wa Mwezi, kutafuta sayari, na kuandika nyaraka za zamani. Hivi sasa, miradi yao yote hukusanywa kwenye tovuti ya Zooniverse (Cox et al. 2015) . Moja ya Snapshot ya Serengeti-hutoa ushahidi wa kwamba miradi ya uainishaji wa picha ya Galaxy pia inaweza kufanyika kwa ajili ya utafiti wa mazingira (Swanson et al. 2016) .

Kwa watafiti wanaopanga kutumia soko la kazi la microtask (kwa mfano, Amazon Mechanical Turk) kwa mradi wa kuhesabu binadamu, Chandler, Paolacci, and Mueller (2013) na J. Wang, Ipeirotis, and Provost (2015) hutoa ushauri mzuri juu ya kubuni kazi na masuala mengine yanayohusiana. Porter, Verdery, and Gaddis (2016) hutoa mifano na ushauri ulizingatia hasa juu ya matumizi ya masoko ya kazi ya microtask kwa kile wanachokiita "upunguzaji wa data." Mstari kati ya kuongeza data na ukusanyaji wa data ni kiasi kidogo. Kwa zaidi juu ya kukusanya na kutumia maandiko kwa ajili ya kujifunza mafunzo kwa maandishi, angalia Grimmer and Stewart (2013) .

Watafiti wana nia ya kuunda kile ambacho nimeita mifumo ya kompyuta ya usaidizi wa binadamu (kwa mfano, mifumo ambayo hutumia maandiko ya kibinadamu kufundisha mfano wa kujifunza mashine) inaweza kuwa na hamu kwa Shamir et al. (2014) (kwa mfano kutumia audio) na Cheng and Bernstein (2015) . Pia, mifano ya kujifunza mashine katika miradi hii inaweza kuombwa na wito wazi, ambapo watafiti wanashindana kujenga mitindo ya kujifunza mashine na utendaji mkubwa zaidi wa utabiri. Kwa mfano, timu ya Galaxy Zoo ilifanya wito wazi na kupatikana mbinu mpya ambayo imefanikisha iliyopangwa katika Banerji et al. (2010) ; angalia Dieleman, Willett, and Dambre (2015) kwa maelezo.

Fungua wito (kifungu cha 5.3)

Fungua wito sio mpya. Kwa kweli, mojawapo ya simu zinazojulikana zaidi zimeanza mwaka wa 1714 wakati Bunge la Uingereza limeunda Tuzo ya Mtu kwa mtu yeyote ambaye anaweza kuendeleza njia ya kuamua urefu wa meli baharini. Tatizo hilo limewashawishi wanasayansi wengi wa siku hizi, ikiwa ni pamoja na Isaac Newton, na suluhisho la kushinda hatimaye liliwasilishwa na John Harrison, mchezaji wa saa kutoka nchi ya kimbari ambaye aliwasiliana na tatizo tofauti na wanasayansi ambao walikuwa wakizingatia suluhisho ambalo linahusisha astronomy ; kwa habari zaidi, angalia Sobel (1996) . Kama mfano huu unaonyesha, sababu moja ambayo kufungua wito ni kufikiriwa kufanya kazi vizuri ni kwamba hutoa upatikanaji wa watu wenye mitazamo na ujuzi tofauti (Boudreau and Lakhani 2013) . Angalia Hong and Page (2004) na Page (2008) kwa zaidi juu ya thamani ya utofauti katika kutatua matatizo.

Kila moja ya matukio ya simu ya wazi katika sura inahitaji maelezo zaidi ya kwa nini ni katika jamii hii. Kwanza, njia moja ambayo mimi kutofautisha kati ya hesabu ya binadamu na kufungua miradi ya wito ni kama pato ni wastani wa ufumbuzi wote (uhesabuji wa binadamu) au suluhisho bora (kufungua simu). Tuzo ya Netflix ni ngumu sana katika suala hili kwa sababu ufumbuzi bora ulikuwa wastani wa ufumbuzi wa mtu binafsi, mbinu inayoitwa suluhisho la pamoja (Bell, Koren, and Volinsky 2010; Feuerverger, He, and Khatri 2012) . Kwa mtazamo wa Netflix, hata hivyo, wote walipaswa kufanya ni kuchukua ufumbuzi bora. Kwa zaidi juu ya Tuzo ya Netflix, angalia Bennett and Lanning (2007) , Thompson (2008) , Bell, Koren, and Volinsky (2010) , na Feuerverger, He, and Khatri (2012) .

Pili, na ufafanuzi fulani wa hesabu ya binadamu (kwa mfano, Ahn (2005) ), Foldit inapaswa kuchukuliwa kama mradi wa kuhesabu wa binadamu. Hata hivyo, mimi huchagua kuifanya kuwa simu ya wazi kwa sababu inahitaji ujuzi maalum (ingawa sio mafunzo maalumu) na inachukua ufumbuzi bora, badala ya kutumia mkakati wa kuchanganya-kuomba-kuchanganya. Kwa zaidi juu ya Foldit kuona, Cooper et al. (2010) , Khatib et al. (2011) , na Andersen et al. (2012) ; maelezo yangu ya Foldit yanatoa maelezo katika Bohannon (2009) , Hand (2010) , na Nielsen (2012) .

Hatimaye, mtu anaweza kusema kuwa Peer-to-Patent ni mfano wa kukusanya data. Ninachagua kuifanya kuwa simu ya wazi kwa sababu ina muundo wa mashindano na michango bora tu hutumiwa, wakati kwa ukusanyaji wa data uliosambazwa, wazo la mchango mzuri na mbaya hauna wazi. Kwa zaidi juu ya Peer-to-Patent, ona Noveck (2006) , Ledford (2007) , Noveck (2009) , na Bestor and Hamp (2010) .

Kwa upande wa kutumia wito wazi katika utafiti wa kijamii, matokeo yanafanana na yale ya Glaeser et al. (2016) , inaripotiwa katika sura ya 10 ya Mayer-Schönberger and Cukier (2013) ambako New York City iliweza kutumia mfano wa utabiri ili kuzalisha faida kubwa katika uzalishaji wa wakaguzi wa nyumba. Katika mji wa New York, mifano hii ya utabiri ilijengwa na wafanyakazi wa mji, lakini katika hali nyingine, mtu anaweza kufikiri kwamba inaweza kuundwa au kuboreshwa kwa wito wazi (kwa mfano, Glaeser et al. (2016) ). Hata hivyo, wasiwasi mkubwa juu ya mifano ya utabiri unaotumiwa kugawa rasilimali ni kuwa mifano hii ina uwezo wa kuimarisha mipaka iliyopo. Watafiti wengi tayari wanajua "takataka ndani, takataka nje," na kwa mifano ya utabiri inaweza kuwa "kupendeza ndani, kupendeza nje." Angalia Barocas and Selbst (2016) na O'Neil (2016) kwa zaidi juu ya hatari za mifano ya utabiri kujengwa na data ya mafunzo ya upendeleo.

Tatizo moja ambalo linaweza kuzuia serikali kutumia mashindano ya wazi ni kwamba hii inahitaji kutolewa kwa data, ambayo inaweza kusababisha ukiukwaji wa faragha. Kwa habari zaidi juu ya kutolewa kwa faragha na data katika simu za wazi, ona Narayanan, Huey, and Felten (2016) na mjadala katika sura ya 6.

Kwa zaidi juu ya tofauti na kufanana kati ya utabiri na ufafanuzi, angalia Breiman (2001) , Shmueli (2010) , Watts (2014) , na Kleinberg et al. (2015) . Kwa zaidi juu ya jukumu la utabiri katika utafiti wa kijamii, angalia Athey (2017) , Cederman and Weidmann (2017) , Hofman, Sharma, and Watts (2017) , ( ??? ) , na Yarkoni and Westfall (2017) .

Kwa ukaguzi wa miradi ya simu ya wazi katika biolojia, ikiwa ni pamoja na ushauri wa kubuni, angalia Saez-Rodriguez et al. (2016) .

Kusambazwa kwa ukusanyaji wa data (kifungu 5.4)

Maelezo yangu ya eBird huleta maelezo katika Bhattacharjee (2005) , Robbins (2013) , na Sullivan et al. (2014) . Kwa maelezo zaidi juu ya jinsi watafiti hutumia mifano ya takwimu kuchambua data ya eBir kuona Fink et al. (2010) na Hurlbert and Liang (2012) . Kwa zaidi juu ya kukadiria ujuzi wa washiriki wa eBird, ona Kelling, Johnston, et al. (2015) . Kwa zaidi juu ya historia ya sayansi ya raia katika ornithology, angalia Greenwood (2007) .

Kwa habari zaidi kwenye Mradi wa Maandishi ya Malawi, ona Watkins and Swidler (2009) na Kaler, Watkins, and Angotti (2015) . Kwa zaidi juu ya mradi unaohusiana nchini Afrika Kusini, angalia Angotti and Sennott (2015) . Kwa mifano zaidi ya utafiti kutumia data kutoka Mradi wa Maandishi ya Malawi kuona Kaler (2004) na Angotti et al. (2014) .

Kujenga yako mwenyewe (kifungu 5.5)

Njia yangu ya kutoa ushauri wa kubuni ilikuwa inductive, kwa kuzingatia mifano ya mafanikio na kushindwa miradi ya kushirikiana ya habari ambayo nimesikia. Pia kuna mkondo wa majaribio ya utafiti wa kuomba nadharia zaidi za kijamii za kisaikolojia kwa kubuni jamii za mtandaoni zinazohusiana na kubuni ya miradi ya ushirikiano wa wingi, ona, kwa mfano, Kraut et al. (2012) .

Kuhusu washiriki wenye kuchochea, kwa kweli ni vigumu sana kujua kwa nini watu kushiriki katika miradi ya ushirikiano wa wingi (Cooper et al. 2010; Nov, Arazy, and Anderson 2011; Tuite et al. 2011; Raddick et al. 2013; Preist, Massung, and Coyle 2014) . Ikiwa una mpango wa kuchochea washiriki kwa malipo kwenye soko la kazi la microtask (kwa mfano, Amazon Mechanical Turk), Kittur et al. (2013) inatoa ushauri.

Kuhusiana na kuwezesha mshangao, kwa mifano zaidi ya uvumbuzi zisizotarajiwa kutoka kwa miradi ya Zooiverse, ona Marshall, Lintott, and Fletcher (2015) .

Kuhusu kuwa na maadili, utangulizi mzuri wa jumla kwa masuala yanayohusika ni Gilbert (2015) , Salehi et al. (2015) , Schmidt (2013) , Williamson (2016) , Resnik, Elliott, and Miller (2015) , na Zittrain (2008) . Kwa maswala hususan kuhusiana na masuala ya kisheria na wafanyakazi wa umati, ona Felstiner (2011) . O'Connor (2013) huzungumzia maswali juu ya uangalizi wa kimaadili wa utafiti wakati wajibu wa watafiti na washiriki wanaofikia. Kwa masuala yanayohusiana na kubadilishana data wakati wa kulinda washiriki katika miradi ya sayansi ya raia, ona Bowser et al. (2014) . Wote Purdam (2014) na Windt and Humphreys (2016) wana majadiliano juu ya masuala ya kimaadili katika kukusanya data. Mwishowe, miradi mingi inakubali michango lakini haitoi mikopo kwa waandishi. Katika Foldit, wachezaji mara nyingi huorodheshwa kama mwandishi (Cooper et al. 2010; Khatib et al. 2011) . Katika miradi mingine ya simu ya wazi, mchangiaji anayeweza kushinda anaweza kuandika karatasi inayoelezea ufumbuzi wao (kwa mfano, Bell, Koren, and Volinsky (2010) na Dieleman, Willett, and Dambre (2015) ).