5.5.2 ความหลากหลาย Leverage

เมื่อคุณได้แรงบันดาลใจผู้คนจำนวนมากในการทำงานกับปัญหาทางวิทยาศาสตร์ที่แท้จริงคุณจะค้นพบว่าผู้เข้าร่วมของคุณจะแตกต่างกันในสองวิธีหลักที่พวกเขาจะแตกต่างกันในทักษะของพวกเขาและพวกเขาจะแตกต่างกันในระดับของความพยายาม ปฏิกิริยาแรกของนักวิจัยทางสังคมอีกหลายคนที่จะไม่รวมผู้เข้าร่วมที่มีคุณภาพต่ำและจากนั้นพยายามที่จะเก็บรวบรวมเป็นจำนวนคงที่ของข้อมูลจากทุกคนที่เหลือ วิธีนี้เป็นวิธีที่ไม่ถูกต้องในการออกแบบโครงการความร่วมมือมวล

ครั้งแรกที่มีเหตุผลที่จะไม่รวมผู้เข้าร่วมที่มีทักษะต่ำไม่มี ในการเรียกเปิดให้ผู้เข้าร่วมที่มีทักษะต่ำทำให้เกิดปัญหาไม่มี ผลงานของพวกเขาไม่ได้ทำร้ายใครและพวกเขาไม่จำเป็นต้องใช้เวลาเพื่อประเมินผลการศึกษา ในการคำนวณของมนุษย์และการกระจายโครงการเก็บรวบรวมข้อมูลบนมืออื่น ๆ ที่ฟอร์มที่ดีที่สุดของการควบคุมคุณภาพผ่านมาซ้ำซ้อนไม่บาร์สูงสำหรับการมีส่วนร่วม ในความเป็นจริงมากกว่าไม่รวมผู้เข้าร่วมทักษะต่ำเป็นวิธีการที่ดีคือการช่วยให้พวกเขาทำให้ผลงานที่ดีขึ้นมากที่สุดเท่าที่นักวิจัยที่ eBird ได้ทำ

ประการที่สองมีเหตุผลที่จะเก็บรวบรวมเป็นจำนวนคงที่ของข้อมูลจากผู้เข้าร่วมแต่ละไม่มี มีส่วนร่วมในการทำงานร่วมกันหลายโครงการมวลไม่เท่ากันอย่างไม่น่าเชื่อ (Sauermann and Franzoni 2015) มีจำนวนเล็ก ๆ ของคนจำนวนมากที่เอื้อ-บางครั้งเรียกว่าหัวไขมันและอื่นผู้คนจำนวนมากที่เอื้อให้เล็ก ๆ น้อย ๆ บางครั้งเรียกว่าหางยาว หากคุณไม่ได้เก็บรวบรวมข้อมูลจากหัวไขมันและหางยาวคุณกำลังจะออกตันของข้อมูลที่ไม่ได้รับ ตัวอย่างเช่นถ้าวิกิพีเดียได้รับการยอมรับ 10 และเพียง 10 แก้ไขต่อการแก้ไขก็จะสูญเสียประมาณ 95% ของการแก้ไข (Salganik and Levy 2015) จึงมีโครงการความร่วมมือมวลที่ดีที่สุดคือการใช้ประโยชน์จากความหลากหลายมากกว่าการพยายามที่จะกำจัดมัน