5.5.2 ความหลากหลาย Leverage

เมื่อคุณมีแรงจูงใจให้คนจำนวนมากทำงานเกี่ยวกับปัญหาทางวิทยาศาสตร์ที่แท้จริงแล้วคุณจะพบว่าผู้เข้าร่วมกิจกรรมของคุณจะแตกต่างกันในสองวิธีหลัก ๆ พวกเขาจะแตกต่างกันทั้งในทักษะและระดับความพยายามของพวกเขา ปฏิกิริยาแรกของนักวิจัยทางสังคมจำนวนมากคือการต่อสู้กับความไม่สม่ำเสมอนี้โดยพยายามยกเว้นผู้เข้าร่วมที่มีคุณภาพต่ำและพยายามรวบรวมข้อมูลที่กำหนดไว้จากทุกคน นี่เป็นวิธีที่ผิดในการออกแบบโครงการความร่วมมือร่วมกันของมวลชน แทนที่จะต่อสู้กับความไม่สม่ำเสมอคุณควรใช้ประโยชน์จากมัน

ประการแรกไม่มีเหตุผลที่จะยกเว้นผู้เข้าร่วมที่มีทักษะต่ำ ในการโทรแบบเปิดผู้เข้าร่วมที่มีทักษะต่ำจะไม่มีปัญหา ความช่วยเหลือของพวกเขาไม่ได้ทำร้ายใครและพวกเขาไม่จำเป็นต้องมีเวลาประเมิน ในการคำนวณของมนุษย์และกระจายโครงการรวบรวมข้อมูลนอกจากนี้รูปแบบที่ดีที่สุดของการควบคุมคุณภาพมาจากความซ้ำซ้อนไม่ผ่านแถบสูงสำหรับการมีส่วนร่วม ในความเป็นจริงมากกว่าที่จะยกเว้นผู้เข้าร่วมที่มีทักษะต่ำแนวทางที่ดีคือช่วยให้พวกเขามีส่วนร่วมได้มากเท่าที่นักวิจัยจาก eBird ทำ

ประการที่สองไม่มีเหตุผลที่จะรวบรวมข้อมูลที่กำหนดไว้จากผู้เข้าร่วมแต่ละราย มีส่วนร่วมในการทำงานร่วมกันหลายโครงการมวลไม่เท่ากันอย่างไม่น่าเชื่อ (Sauermann and Franzoni 2015) มีจำนวนเล็ก ๆ ของคนที่เอื้อมากบางครั้งเรียกว่าหัวไขมันและอื่นผู้คนจำนวนมากที่เอื้อให้เล็ก ๆ น้อย ๆ บางครั้งเรียกว่าหางยาว ถ้าคุณไม่ได้เก็บรวบรวมข้อมูลจากหัวไขมันและหางยาวคุณจะทิ้งข้อมูลจำนวนมากที่ยังไม่ได้เก็บ ตัวอย่างเช่นหากวิกิพีเดียได้รับการยอมรับ 10 และมีเพียง 10 การแก้ไขต่อตัวแก้ไขก็จะสูญเสียประมาณ 95% ของการแก้ไข (Salganik and Levy 2015) ดังนั้นด้วยโครงการการทำงานร่วมกันของมวลชนที่ดีที่สุดคือการใช้ประโยชน์จากความหลากหลายมากกว่าพยายามที่จะกำจัดมัน