మీరు ఒక నిజమైన శాస్త్రీయ సమస్య పని ప్రజలు చాలా ప్రేరణ చేసిన తర్వాత, మీరు మీ పాల్గొనే రెండు ప్రధాన మార్గాల్లో వైవిధ్య అని అన్వేషించుకోవచ్చును: వారు వారి నైపుణ్యం మారుతుంటాయి మరియు వారు తమ ప్రయత్నాల స్థాయిని మారుతుంటాయి. అనేక సామాజిక పరిశోధకులు మొదటి ప్రతిస్పందన తక్కువ నాణ్యత పాల్గొనే మినహాయించాలని ఆపై ప్రతి ఒక్కరూ ఎడమ నుండి సమాచారాన్ని ఒక స్థిర పరిమితులలో సేకరించటానికి ప్రయత్నించవచ్చు ఉంది. ఈ సామూహిక సహకారంతో కార్యక్రమాన్ని రూపొందించడానికి తప్పు మార్గం.
మొదటి, తక్కువ నైపుణ్యం పాల్గొనే మినహాయించాలని ఎటువంటి కారణం ఉంది. ఓపెన్ కాల్స్ లో, తక్కువ నైపుణ్యం పాల్గొనే ఏ సమస్యలు కలిగిస్తాయి; వారి రచనలు ఎవరైనా హాని లేదు మరియు వారు విశ్లేషించడానికి ఏ సమయం అవసరం లేదు. మానవ కంప్యుటేషన్ మరియు పంపిణీ డేటా సేకరణ ప్రాజెక్టులు, మరోవైపు, నాణ్యత నియంత్రణ ఉత్తమ రూపం విస్తీర్ణతను, పాల్గొన్నందుకు ఒక అధిక బార్ ద్వారా వస్తుంది. నిజానికి, బదులుగా తక్కువ నైపుణ్యం పాల్గొనే మినహాయించి కంటే, ఒక మంచి విధానం వాటిని మంచి రచనలు చేయడానికి సహాయం, eBird పరిశోధకులు చేసిన ఎక్కువగా ఉంది.
రెండవది, ప్రతి పాల్గొనే నుండి సమాచారాన్ని ఒక స్థిర మొత్తం సేకరించడానికి ఎటువంటి కారణం ఉంది. అనేక సామూహిక సహకారంతో ప్రాజెక్టులలో భాగస్వామ్యంతో చాలా అసమాన ఉంది (Sauermann and Franzoni 2015) ఒక తోడ్పడింది ప్రజలు ఒక చిన్న సంఖ్య చాలా కొన్నిసార్లు కొవ్వు తలను -మరియు ఒక తోడ్పడింది ప్రజలు చాలా అని చిన్న-కొన్నిసార్లు పొడవైన టెయిల్ అంటారు. మీరు కొవ్వు తల మరియు పొడవైన తోక నుండి సమాచారాన్ని సేకరించడానికి లేకపోతే, మీరు వరుకు వసూలు చేయబడని సమాచారం టన్నుల వదిలేస్తున్నారు. ఉదాహరణకు, వికీపీడియా చేస్తే 10 అంగీకరించారు మరియు సరిచెయుటకు శాతం మాత్రమే 10 సవరణలు, అది సవరణల గురించి 95% కోల్పోతుంది (Salganik and Levy 2015) . అందువలన, మాస్ సహకారంతో ప్రాజెక్టులను, అది ఉత్తమ తొలగించడానికి ప్రయత్నించండి భిన్నత్వం పరపతి కాకుండా ఉంది.