วิกิพีเดียเป็นที่น่าอัศจรรย์ การทำงานร่วมกันเป็นกลุ่มของอาสาสมัครสร้างสารานุกรมที่ยอดเยี่ยมที่พร้อมให้ทุกคน กุญแจสู่ความสำเร็จของ Wikipedia ไม่ใช่ความรู้ใหม่ ค่อนข้างเป็นรูปแบบใหม่ของการทำงานร่วมกัน ยุคดิจิตอลโชคดีที่ช่วยให้เกิดรูปแบบใหม่ ๆ ในการทำงานร่วมกัน ดังนั้นตอนนี้เราควรจะถามว่าปัญหาทางวิทยาศาสตร์ที่ใหญ่โตซึ่งปัญหาที่เราไม่สามารถแก้ไขได้คืออะไรตอนนี้เราสามารถจัดการร่วมกันได้หรือไม่?
ความร่วมมือในการวิจัยจะไม่มีอะไรใหม่แน่นอน อะไรคือสิ่งที่ใหม่ แต่เป็นที่ยุคดิจิตอลช่วยให้การทำงานร่วมกันกับชุดที่มีขนาดใหญ่และมีความหลากหลายมากขึ้นของผู้คนหลายพันล้านคนทั่วโลกที่มีการเข้าถึงอินเทอร์เน็ต ผมคาดหวังว่าสิ่งเหล่านี้ความร่วมมือมวลใหม่จะให้ผลลัพธ์ที่น่าตื่นตาตื่นใจไม่เพียงเพราะจำนวนคนที่เกี่ยวข้อง แต่ยังเพราะทักษะหลากหลายของพวกเขาและมุมมอง วิธีการที่เราสามารถรวมทุกคนที่มีการเชื่อมต่ออินเทอร์เน็ตในขั้นตอนการวิจัยของเรา? สิ่งที่คุณจะทำกับ 100 ผู้ช่วยนักวิจัย? สิ่งที่เกี่ยวกับการทำงานร่วมกันที่มีทักษะ 100,000?
มีหลายรูปแบบของการทำงานร่วมกันเป็นกลุ่มและนักวิทยาศาสตร์คอมพิวเตอร์มักจัดให้เป็นหมวดหมู่จำนวนมากตามลักษณะทางเทคนิค (Quinn and Bederson 2011) อย่างไรก็ตามในบทนี้ฉันจะจัดประเภทโครงการความร่วมมือร่วมกันโดยอิงตามวิธีการที่พวกเขาสามารถใช้เพื่อการวิจัยทางสังคมได้ โดยเฉพาะอย่างยิ่งฉันคิดว่ามันเป็นประโยชน์ที่จะประมาณความแตกต่างระหว่างสามประเภทของโครงการ: การคำนวณของมนุษย์ โทรเปิด และ การกระจายข้อมูล (รูปที่ 5.1)
ฉันจะอธิบายแต่ละประเภทในรายละเอียดในบทต่อไป แต่ตอนนี้ให้ฉันอธิบายสั้น ๆ แต่ละเรื่อง โครงการ คำนวณของมนุษย์ เหมาะอย่างยิ่งสำหรับปัญหาที่เกิดขึ้นกับงานขนาดใหญ่เช่นงานติดฉลากล้านภาพ เหล่านี้เป็นโครงการที่ในอดีตอาจได้รับการดำเนินการโดยผู้ช่วยวิจัยระดับปริญญาตรี การมีส่วนร่วมไม่จำเป็นต้องมีทักษะเกี่ยวกับงานและผลสุดท้ายเป็นค่าเฉลี่ยของผลงานทั้งหมด ตัวอย่างที่คลาสสิกของโครงการคำนวณของมนุษย์คือ Galaxy Zoo ซึ่งเป็นอาสาสมัครนับแสนคนช่วยนักดาราศาสตร์จัดกาแลคซีนับล้าน ๆ แห่ง โครงการ โทรศัพท์แบบเปิด ในมืออื่น ๆ เหมาะอย่างยิ่งสำหรับปัญหาที่คุณกำลังมองหาคำตอบแปลกใหม่และไม่คาดคิดสำหรับคำถามที่มีการกำหนดไว้อย่างชัดเจน เหล่านี้เป็นโครงการที่ในอดีตอาจเกี่ยวข้องกับการถามเพื่อนร่วมงาน การมีส่วนร่วมมาจากผู้ที่มีทักษะพิเศษเกี่ยวกับงานและผลสุดท้ายเป็นสิ่งที่ดีที่สุดในบรรดาผลงานทั้งหมด ตัวอย่างที่คลาสสิกของการเรียกแบบเปิดคือรางวัล Netflix Prize ซึ่งนักวิทยาศาสตร์และแฮ็กเกอร์หลายพันคนได้ทำงานเพื่อพัฒนาอัลกอริทึมใหม่ ๆ เพื่อทำนายการให้คะแนนของลูกค้า สุดท้ายโครงการ จัดเก็บข้อมูลแบบกระจาย มีความเหมาะสมสำหรับการรวบรวมข้อมูลขนาดใหญ่ เหล่านี้เป็นโครงการที่ในอดีตอาจได้รับการดำเนินการโดยผู้ช่วยวิจัยระดับปริญญาตรีหรือ บริษัท วิจัยการสำรวจ ผลงานมักมาจากคนที่เข้าถึงสถานที่ที่นักวิจัยทำไม่ได้และผลิตภัณฑ์ขั้นสุดท้ายคือชุดของผลงานที่เรียบง่าย ตัวอย่างที่คลาสสิกของการเก็บข้อมูลแบบกระจายคือ eBird ซึ่งในอาสาสมัครนับร้อยนับพันที่มีส่วนช่วยรายงานเกี่ยวกับนกที่พวกเขาเห็น
การทำงานร่วมกันของมวลมีประวัติยาวนานในด้านต่างๆเช่นดาราศาสตร์ (Marshall, Lintott, and Fletcher 2015) และระบบนิเวศน์ (Dickinson, Zuckerberg, and Bonter 2010) แต่ยังไม่ค่อยพบในงานวิจัยทางสังคม อย่างไรก็ตามด้วยการอธิบายโครงการที่ประสบความสำเร็จจากสาขาอื่น ๆ และให้หลักการจัดการที่สำคัญบางประการฉันหวังว่าจะโน้มน้าวให้คุณถึงสองเรื่อง ประการแรกการทำงานร่วมกันของมวลชน สามารถ ควบคุมเพื่อการวิจัยทางสังคมได้ และประการที่สองนักวิจัยที่ใช้ความร่วมมือกันเป็นกลุ่มจะสามารถแก้ปัญหาที่ดูเหมือนจะเป็นไปไม่ได้ก่อนหน้านี้ ถึงแม้ว่าการทำงานร่วมกันของมวลชนมักได้รับการส่งเสริมเป็นวิธีการประหยัดเงิน แต่ก็มีอะไรมากกว่านั้น ที่ผมจะแสดงให้เห็นว่าการทำงานร่วมกันเป็นกลุ่มไม่เพียง แต่ช่วยให้เราสามารถทำวิจัยได้ ราคาถูก เท่านั้น แต่ยังช่วยให้เราสามารถทำวิจัยได้ ดีขึ้น
ในบทก่อนหน้านี้คุณได้เห็นสิ่งที่สามารถเรียนรู้ได้โดยการมีส่วนร่วมกับคนในสามรูปแบบ: การสังเกตพฤติกรรม (บทที่ 2) ถามคำถาม (บทที่ 3) และลงทะเบียนเรียนในการทดลอง (บทที่ 4) ในบทนี้ผมจะแสดงให้คุณเห็นสิ่งที่สามารถเรียนรู้ได้โดยการมีส่วนร่วมในฐานะผู้ร่วมวิจัย สำหรับรูปแบบของการทำงานร่วมกันทั้งสามแบบหลัก ๆ ฉันจะอธิบายตัวอย่างต้นแบบแสดงจุดสำคัญที่มีตัวอย่างเพิ่มเติมและอธิบายว่ารูปแบบของการทำงานร่วมกันแบบกลุ่มนี้อาจใช้เพื่อการวิจัยทางสังคมได้อย่างไร บทนี้จะสรุปหลักการห้าข้อที่สามารถช่วยคุณในการออกแบบโครงการทำงานร่วมกันของมวลชนได้