ufafanuzi zaidi

Sehemu hii ni iliyoundwa kutumiwa kama rejea, badala ya kusomwa kama hadithi.

• Kuanzishwa (Sehemu ya 5.1)

Misa ushirikiano blends mawazo kutoka kwa raia sayansi, crowdsourcing, na akili pamoja. Citizen sayansi kwa kawaida ina maana ya kuhusisha "raia" (yaani, mashirika yasiyo ya wanasayansi) katika mchakato wa kisayansi (Crain, Cooper, and Dickinson 2014) . Crowdsourcing kawaida ina maana ya kuchukua tatizo kawaida kutatuliwa ndani ya shirika na badala yake outsourcing kwa umati (Howe 2009) . Collective akili kawaida ina maana vikundi vya watu kaimu kwa pamoja kwa namna ambayo kuonekana akili (Malone and Bernstein 2015) . Nielsen (2012) ni ajabu kitabu-urefu kuanzishwa katika nguvu ya ushirikiano wa habari kwa ajili ya utafiti wa kisayansi.

Kuna aina nyingi za ushirikiano wingi kwamba si vizuri neatly katika makundi matatu ambayo mimi mapendekezo, na nadhani tatu stahili tahadhari maalumu kwa sababu wanaweza kuwa na manufaa katika utafiti wa kijamii wakati fulani. Mfano mmoja ni masoko utabiri, ambapo washiriki kununua na mikataba ya biashara ambayo kukombolewa kwa kuzingatia matokeo kutokea katika dunia (Wolfers and Zitzewitz 2004; Arrow et al. 2008) . Utabiri wa masoko mara nyingi hutumiwa na makampuni na serikali kwa utabiri, na utabiri wa masoko pia wamekuwa kutumiwa na watafiti kijamii kutabiri replicability ya masomo ya kuchapishwa katika saikolojia (Dreber et al. 2015) .

Mfano wa pili kwamba haiendani vizuri katika categorization mpango wangu ni mradi polymath, ambapo watafiti alishirikiana kwa kutumia blogs na wikis kuthibitisha theorems mpya math (Gowers and Nielsen 2009; Cranshaw and Kittur 2011; Nielsen 2012; Kloumann et al. 2016) . mradi polymath ni katika baadhi ya njia sawa na Netflix Tuzo, lakini katika washiriki polymath mradi kikamilifu zaidi kujengwa juu ya ufumbuzi ubaguzi wa watu wengine.

mfano wa tatu kwamba haiendani vizuri katika categorization mpango wangu ni mobilizations wakati-tegemezi kama vile ulinzi Advanced Utafiti wa Shirika la Miradi (DARPA) Network Challenge (yaani, Red Balloon Challenge). Kwa zaidi juu ya muda hizi mobilizations nyeti angalia Pickard et al. (2011) , Tang et al. (2011) , na Rutherford et al. (2013) .

• Human hesabu (Sehemu ya 5.2)

neno "binadamu hesabu" hutoka nje ya kazi iliyofanywa na wanasayansi wa kompyuta, na kuelewa mazingira nyuma ya utafiti huu itakuwa kuboresha uwezo wako ili kubaini nje matatizo ambayo inaweza kuwa amenable kwa hilo. Kwa kazi fulani, kompyuta ni incredibly nguvu na uwezo kwa mbali zaidi binadamu hata mtaalam. Kwa mfano, katika chess, kompyuta wanaweza kuwapiga hata bora mabwana grand. But-na hii ni chini vizuri kukubaliwa na jamii ya wanasayansi-kwa kazi nyingine, kompyuta ni kweli mbaya sana kuliko watu. Kwa maneno mengine, sasa hivi wewe ni bora kuliko hata kompyuta ya kisasa zaidi katika kazi fulani kuwashirikisha usindikaji wa picha, video, redio, na maandishi. Hivyo-kama alikuwa mfano kwa ajabu XKCD cartoon-kuna kazi kwamba ni rahisi kwa ajili ya kompyuta na vigumu kwa watu, lakini pia kuna kazi ambazo ni ngumu kwa kompyuta na rahisi kwa watu (Kielelezo 5.13). Kompyuta wanasayansi kufanya kazi katika hizi ngumu-kwa-kompyuta-rahisi-kwa-binadamu kazi, kwa hiyo, waligundua kuwa wangeweza ni pamoja na binadamu katika mchakato wao computational. Hapa ni jinsi gani Luis von Ahn (2005) alieleza hesabu binadamu wakati yeye kwanza aliunda neno katika dissertation yake: ". Dhana ya kutumia usindikaji binadamu uwezo wa kutatua matatizo ambayo kompyuta wanaweza bado kutatua"

Kielelezo 5.13: Kwa baadhi ya majukumu kompyuta ni ajabu, uwezo wa wataalam binadamu mno. Lakini, kwa kazi nyingine, binadamu wa kawaida wanaweza outperform kompyuta hata kisasa mifumo. matatizo makubwa kwamba kuhusisha kazi ambazo ni ngumu kwa kompyuta na rahisi kwa wanadamu ni vizuri inafaa kwa ajili ya hesabu ya kibinadamu. Kutumika mujibu wa masharti ilivyoelezwa hapa: http://xkcd.com/license.html

Kwa maana nyingine hii FoldIt-ambayo mimi ilivyoelezwa katika sehemu ya wazi wito-inaweza kuchukuliwa binadamu hesabu mradi. Hata hivyo, mimi kuchagua kuainisha FoldIt kama wito wazi kwa sababu inahitaji ujuzi maalumu na inachukua ufumbuzi bora imechangia badala ya kutumia kupasuliwa-kuomba-kuchanganya mkakati.

Kwa bora kitabu urefu matibabu ya hesabu binadamu, kwa maana zaidi ya jumla ya neno, angalia Law and Ahn (2011) . Sura ya 3 ya Law and Ahn (2011) ina majadiliano ya kuvutia ya hatua ngumu zaidi kuchanganya kuliko wale katika sura hii.

Neno "kupasuliwa-kuomba-kuchanganya" ilitumiwa na Wickham (2011) kuelezea mkakati kwa ajili ya kompyuta takwimu, lakini kikamilifu Ukamataji mchakato wa miradi mingi hesabu ya kibinadamu. Kupasuliwa-kuomba-kuchanganya mkakati ni sawa na MapReduce mfumo maendeleo katika Google (Dean and Ghemawat 2004; Dean and Ghemawat 2008) .

Mbili wajanja binadamu hesabu miradi ambayo sikuwa na nafasi ya kujadili ni ESP Mchezo (Ahn and Dabbish 2004) na reCAPTCHA (Ahn et al. 2008) . Wote wa miradi hii kupatikana njia za ubunifu kuwahamasisha washiriki kutoa maandiko juu ya picha. Hata hivyo, wote wa miradi hii pia amezungumzia maswali kimaadili kwa sababu, tofauti na Galaxy Zoo, washiriki katika ESP Mchezo na reCAPTCHA hakujua jinsi data zao zilikuwa zinatumiwa (Lung 2012; Zittrain 2008) .

Aliongoza kwa ESP Game, watafiti wengi wamejaribu kuendeleza wengine "michezo kwa lengo" (Ahn and Dabbish 2008) (yaani, "binadamu yenye makao hesabu michezo" (Pe-Than, Goh, and Lee 2015) ) ambayo inaweza kuwa kutumika kutatua aina ya matatizo mengine. Nini hawa "michezo kwa lengo" kwa pamoja ni kwamba wao kujaribu kufanya kazi kushiriki katika hesabu binadamu kufurahisha. Hivyo, wakati ESP Mchezo anashiriki huo kupasuliwa-kuomba-kuchanganya muundo na Galaxy Zoo, hutofautiana katika jinsi washiriki ni motisha-fun vs hamu kusaidia sayansi.

Maelezo yangu ya Galaxy Zoo inayotumia Nielsen (2012) , Adams (2012) , Clery (2011) , na Hand (2010) , na mada yangu ya mabao utafiti wa Galaxy Zoo ilikuwa rahisi. Kwa zaidi juu ya historia ya galaxy uainishaji katika elimu ya nyota na jinsi Galaxy Zoo inaendelea mila hii, angalia Masters (2012) na Marshall, Lintott, and Fletcher (2015) . Kujenga juu ya Galaxy Zoo, watafiti kukamilika Galaxy Zoo 2 ambayo zilizokusanywa zaidi ya milioni 60 zaidi tata uainishaji maumbile kutoka kujitolea (Masters et al. 2011) . Zaidi ya hayo, wao matawi nje katika matatizo nje ya galaxy morphology ikiwa ni pamoja na kuchunguza uso wa mwezi, kwa ajili ya kutafuta sayari, na transcribing nyaraka za zamani. Hivi sasa, miradi yao yote ni zilizokusanywa katika www.zooniverse.org (Cox et al. 2015) . Moja ya miradi-Snapshot Serengeti-hutoa ushahidi kwamba Galaxy Zoo-aina picha uainishaji miradi pia inaweza kufanyika kwa utafiti wa mazingira (Swanson et al. 2016) .

Kwa watafiti mipango ya matumizi micro-kazi soko la ajira (kwa mfano, Amazon Mitambo Turk) kwa ajili ya hesabu mradi binadamu, Chandler, Paolacci, and Mueller (2013) na Wang, Ipeirotis, and Provost (2015) kutoa ushauri mzuri juu ya kazi ya kubuni na masuala mengine kuhusiana.

Watafiti nia ya kujenga kile nimepata aitwaye kizazi cha pili hesabu binadamu mifumo (mfano, mifumo ya kwamba kutumia maandiko binadamu kutoa mafunzo kwa mashine kujifunza mfano) wanaweza kuwa na nia Shamir et al. (2014) (kwa mfano kutumia redio) na Cheng and Bernstein (2015) . Pia, miradi hii inaweza kufanyika kwa wito wazi, ambapo watafiti kushindana kujenga mifano mashine kujifunza na utendaji kubwa uingizaji. Kwa mfano, timu Galaxy Zoo mbio wito wa wazi na kupatikana mbinu mpya ambayo outperformed moja ya maendeleo katika Banerji et al. (2010) ; angalia Dieleman, Willett, and Dambre (2015) kwa maelezo.

• Wito Open (Sehemu ya 5.3)

wito Open si jambo geni. Kwa kweli, moja ya simu wengi anajulikana wazi ulianza 1714 wakati Bunge la Uingereza umba Longitude Tuzo kwa mtu yeyote kwamba inaweza kuendeleza njia ya kuamua latitude wa meli katika bahari. Tatizo stumped wengi wa wanasayansi kubwa ya siku, ikiwa ni pamoja Isaac Newton, na ufumbuzi kushinda hatimaye iliyowasilishwa na clockmaker kutoka kijijini ambaye ufanyike tatizo tofauti na wanasayansi ambao walikuwa ililenga ufumbuzi kwamba kwa namna nyingine kuhusisha elimu ya nyota (Sobel 1996) . Kama mfano huu unaeleza, sababu moja kwamba wito wazi ni mawazo ya kufanya kazi vizuri ni kwamba wao kutoa huduma kwa watu wenye mitazamo tofauti na ujuzi (Boudreau and Lakhani 2013) . Kuona Hong and Page (2004) na Page (2008) kwa zaidi juu ya thamani ya utofauti katika kutatua matatizo.

Kila moja ya matukio wito wazi katika sura inahitaji kidogo ya maelezo zaidi kwa nini ni mali katika jamii hii. Kwanza, njia moja ambayo mimi kutofautisha kati ya hesabu za binadamu na miradi wazi wito ni iwapo pato ni wastani wa ufumbuzi wote (hesabu za binadamu) au ufumbuzi bora (wazi wito). Netflix Tuzo fulani ni gumu katika suala hili kwa sababu ufumbuzi bora aligeuka kuwa wastani wa kisasa wa ufumbuzi wa mtu binafsi, akakaribia kuitwa ufumbuzi Ensemble (Bell, Koren, and Volinsky 2010; Feuerverger, He, and Khatri 2012) . Kutokana na mtazamo wa Netflix, hata hivyo, wote walikuwa na kufanya ni kuchukua ufumbuzi bora.

Pili, na baadhi ya ufafanuzi wa hesabu binadamu (kwa mfano, Von Ahn (2005) ), FoldIt yanahitajika binadamu hesabu mradi. Hata hivyo, mimi kuchagua kuainisha FoldIt kama wito wazi kwa sababu inahitaji ujuzi maalumu na inachukua ufumbuzi bora imechangia, badala ya kutumia kupasuliwa-kuomba-kuchanganya mkakati.

Hatimaye, mtu anaweza kusema kwamba Peer-to-Patent ni mfano wa mkusanyiko kusambazwa data. Mimi kuchagua ni pamoja na ni kama wito wazi kwa sababu ina muundo mashindano-kama na tu michango bora zinatumika (ambapo pamoja na mkusanyiko kusambazwa data, wazo la michango nzuri na mbaya ni chini ya wazi).

Kwa zaidi juu ya Netflix Tuzo, angalia Bennett and Lanning (2007) , Thompson (2008) , Bell, Koren, and Volinsky (2010) , na Feuerverger, He, and Khatri (2012) . Kwa zaidi juu ya FoldIt kuona, Cooper et al. (2010) , Andersen et al. (2012) , na Khatib et al. (2011) ; maelezo yangu ya FoldIt inayotumia maelezo katika Nielsen (2012) , Bohannon (2009) , na Hand (2010) . Kwa zaidi juu ya Peer-to-Patent, angalia Noveck (2006) , Bestor and Hamp (2010) , Ledford (2007) , na Noveck (2009) .

Sawa na matokeo ya Glaeser et al. (2016) , Mayer-Schönberger and Cukier (2013) , Sura ya 10 ripoti faida kubwa katika uzalishaji wa mazao ya wakaguzi makazi katika mji wa New York wakati wa ukaguzi ni kuongozwa na mifano ya uingizaji. Katika New York City, mifano ya haya uingizaji zilijengwa na wafanyakazi mji, lakini katika kesi nyingine, mtu anaweza kufikiria kuwa wangeweza kutengenezwa au kuboreshwa na wito wazi (kwa mfano, Glaeser et al. (2016) ). Hata hivyo, wasiwasi moja kubwa na mifano uingizaji inatumiwa kutenga rasilimali ni kwamba mifano ya kuwa na uwezo wa kuimarisha biases zilizopo. Watafiti wengi tayari kujua "takataka katika, takataka nje", na kwa mifano uingizaji inaweza kuwa "upendeleo katika, upendeleo nje." Angalia Barocas and Selbst (2016) na O'Neil (2016) kwa zaidi juu ya hatari ya mifano uingizaji kujengwa na data upendeleo mafunzo.

Tatizo moja ambayo inaweza kuzuia serikali kutoka kwa kutumia mashindano ya wazi ni kwamba inahitaji data kutolewa, ambayo inaweza kusababisha ukiukaji wa faragha. Kwa zaidi kuhusu faragha na data kutolewa katika wito wazi angalia Narayanan, Huey, and Felten (2016) na majadiliano katika Sura ya 6.

• Kusambazwa ukusanyaji wa takwimu (Sehemu ya 5.4)

Maelezo yangu ya eBird inayotumia maelezo katika Bhattacharjee (2005) na Robbins (2013) . Kwa zaidi juu ya jinsi watafiti kutumia mifano ya takwimu kuchambua data eBird angalia Hurlbert and Liang (2012) na Fink et al. (2010) . Kwa zaidi juu ya historia ya raia sayansi katika ornothology, angalia Greenwood (2007) .

Kwa zaidi juu ya Malawi Journals Project, angalia Watkins and Swidler (2009) na Kaler, Watkins, and Angotti (2015) . Na kwa zaidi juu ya mradi kuhusiana nchini Afrika Kusini, angalia Angotti and Sennott (2015) . Kwa mifano zaidi ya utafiti kwa kutumia data kutoka Malawi Journals Project angalia Kaler (2004) na Angotti et al. (2014) .

• Kubuni yako mwenyewe (Sehemu ya 5.5)

mtazamo wangu na sadaka kubuni ushauri ilikuwa kufata, kwa kuzingatia mifano ya mafanikio na kushindwa miradi wingi kushirikiana kwamba Nimesikia kuhusu. Pia kuna mkondo wa utafiti majaribio ya kuomba zaidi kwa ujumla kijamii nadharia ya kisaikolojia kwa kubuni jumuiya online kwamba ni muhimu kwa mpango wa miradi wingi kushirikiana, kuona, kwa mfano, Kraut et al. (2012) .

Kuhusu kuwahamasisha washiriki, ni kweli kabisa suala gumu kwa kufikiri hasa kwa nini watu kushiriki katika miradi wingi kushirikiana (Nov, Arazy, and Anderson 2011; Cooper et al. 2010, Raddick et al. (2013) ; Tuite et al. 2011; Preist, Massung, and Coyle 2014) . Kama mpango wa kuwahamasisha washiriki na malipo katika soko la ajira micro-kazi (kwa mfano, Amazon Mitambo Turk) Kittur et al. (2013) inatoa baadhi ya ushauri.

Kuhusu kuwezesha mshangao, kwa mifano zaidi ya uvumbuzi zisizotarajiwa kuja nje ya miradi Zoouniverse, angalia Marshall, Lintott, and Fletcher (2015) .

Kuhusu kuwa kimaadili, baadhi nzuri utambulisho kwa ujumla masuala ya kushiriki ni Gilbert (2015) , Salehi et al. (2015) , Schmidt (2013) , Williamson (2016) , Resnik, Elliott, and Miller (2015) , na Zittrain (2008) . Kwa masuala hasa kuhusiana na masuala ya kisheria na wafanyakazi umati wa watu, angalia Felstiner (2011) . O'Connor (2013) anazungumzia maswali kuhusu usimamizi maadili ya utafiti wakati majukumu ya watafiti na washiriki blur. Kwa masuala yanayohusiana na kugawana data wakati kulinda participats katika raia miradi ya sayansi, angalia Bowser et al. (2014) . Wote Purdam (2014) na Windt and Humphreys (2016) na baadhi ya mjadala kuhusu masuala ya kimaadili katika ukusanyaji kusambazwa data. Hatimaye, miradi mingi kutambua mchango lakini si kutoa uandishi mikopo kwa washiriki. Katika Foldit, wachezaji Foldit mara nyingi waliotajwa kama mwandishi (Cooper et al. 2010; Khatib et al. 2011) . Katika miradi mingine ya wazi wito, mchangiaji kushinda mara nyingi unaweza kuandika karatasi kuelezea ufumbuzi wao (kwa mfano, Bell, Koren, and Volinsky (2010) na Dieleman, Willett, and Dambre (2015) ). Katika Galaxy Zoo familia ya miradi, wachangiaji kazi sana na muhimu ni wakati mwingine walioalikwa kuwa mwenza waandishi kwenye magazeti. Kwa mfano, Ivan Terentev na Tim Matorny, wawili Radio Galaxy Zoo washiriki kutoka Russia, walikuwa mwenza waandishi kwenye moja ya magazeti yaliyotokea kutokana na mradi kwamba (Banfield et al. 2016; Galaxy Zoo 2016) .