5.1 Panimula

Wikipedia ay amazing. A mass pakikipagtulungan ng mga boluntaryo ay lumikha ng isang hindi kapani-paniwala encyclopedia na ay magagamit sa lahat ng tao. Ang susi sa Wikipedia tagumpay ay hindi bagong kaalaman; sa halip, ito ay isang bagong paraan ng pakikipagtulungan. Ang mga digital na edad, sa kabutihang-palad, nagbibigay-daan sa maraming mga bagong paraan ng pakikipagtulungan. Kaya, dapat namin ngayon magtanong: kung ano ang napakalaking pang-agham problema-problema na hindi namin maaaring malutas nang paisa-isa-maaari naming ngayon pagharap sa isang bagay nang sabay?

Pakikipagtulungan sa pananaliksik ay walang bagong, siyempre. Ano ang bago, gayunpaman, ay na ang mga digital na edad ay nagbibigay-daan pakikipagtulungan sa isang mas malaki at mas magkakaibang hanay ng mga tao: ang bilyon-bilyong mga tao sa buong mundo na may Internet access. Inaasahan ko na ang mga bagong mass collaborations ay nagbubunga ng amazing mga resulta ay hindi lamang dahil sa ang bilang ng mga tao na kasangkot ngunit din dahil sa kanilang mga magkakaibang mga kasanayan at mga pananaw. Paano natin isama sa lahat na may isang koneksyon sa Internet sa aming proseso ng pananaliksik? Ano ang maaari mong gawin na may 100 assistants pananaliksik? Paano ang tungkol sa 100,000 skilled collaborator?

Mayroong maraming mga paraan ng mass pakikipagtulungan, at computer siyentipiko ay karaniwang ayusin ang mga ito sa isang malaking kategorya number batay sa kanilang mga teknikal na mga katangian (Quinn and Bederson 2011) . Sa kabanatang ito, gayunpaman, ako pagpunta upang bigyan ng mass proyekto pakikipagtulungan batay sa kung paano sila ay ginagamit para sa mga social research. Sa partikular, sa tingin ko ito ay kapaki-pakinabang upang makilala sa pagitan ng tatlong mga uri ng mga proyekto: pantao computation, open tawag, at ipinamamahagi sa pagkolekta ng data (Figure 5.1).

Kukunin ko ilarawan ang bawat isa sa mga uri sa mahusay na detalye sa huling bahagi ng kabanata, ngunit sa ngayon hayaan mo akong ilarawan ang bawat isa sa madaling sabi. Human computation proyekto ay sa isip-ugma para sa madaling pag-task-big-scale problema tulad ng pag-label sa isang milyong mga imahe. Ang mga ito ay mga proyekto na sa nakalipas ay maaaring ay ginanap sa pamamagitan ng undergraduate pananaliksik assistants. Contributions hindi nangangailangan kasanayan gawain na may kinalaman sa, at ang pangwakas na output ay karaniwang isang average ng lahat ng mga kontribusyon. Ang isang klasikong halimbawa ng isang tao na pag-compute proyekto ay Galaxy Zoo, kung saan ang isang daang libong mga boluntaryo nakatulong astronomers uriin ng isang milyong mga kalawakan. Proyekto Open tawag ay sa isip-ugma para sa mga problema na kung saan ikaw ay naghahanap para sa nobela at hindi inaasahang mga sagot sa malinaw na formulated katanungan. Ang mga ito ay mga proyekto na sa nakalipas ay maaaring masangkot humihingi kasamahan. Contributions nanggaling mula sa mga taong may espesyal na mga kasanayan gawain na may kinalaman sa, at ang pangwakas na output ay karaniwang ang pinakamahusay na ng lahat ng mga kontribusyon. Ang isang klasikong halimbawa ng isang bukas na tawag ay ang Netflix Prize, kung saan libu-libong mga siyentipiko at hackers nagtrabaho upang bumuo ng mga bagong algorithm upang mahulaan customer 'mga rating ng mga pelikula. Sa wakas, ipinamamahagi ng data proyekto koleksyon ay sa isip-ugma para sa mga malalaking-scale pagkolekta ng data. Ang mga ito ay mga proyekto na sa nakalipas ay maaaring ay ginanap sa pamamagitan ng undergraduate pananaliksik assistants o survey pananaliksik kumpanya. Contributions karaniwang dumating mula sa mga tao na may access sa mga lokasyon na ang mga mananaliksik ay hindi, at ang pangwakas na produkto ay isang simpleng koleksyon ng mga kontribusyon. Ang isang klasikong halimbawa ng isang ipinamamahagi koleksyon ng data ay eBird, kung saan daan-daang libo ng mga boluntaryo mag-ambag ng mga ulat tungkol sa mga ibon na makikita nila.

Figure 5.1: Mass pakikipagtulungan eskematiko. Ang kabanatang ito ay isinaayos sa paligid ng tatlong pangunahing mga paraan ng mass pakikipagtulungan: pantao computation, open tawag, at ipinamamahagi pagkolekta ng data. Higit pang mga pangkalahatan, mass pakikipagtulungan pinagsasama ideya mula sa mga patlang tulad ng mga mamamayan science, crowdsourcing, at sama-katalinuhan.

Mass pakikipagtulungan ay may mahabang, rich kasaysayan sa mga patlang tulad ng astronomy (Marshall, Lintott, and Fletcher 2015) at ekolohiya (Dickinson, Zuckerberg, and Bonter 2010) , ngunit ito ay hindi pa karaniwan sa mga social research. Gayunman, sa pamamagitan ng naglalarawan matagumpay na proyekto mula sa iba pang mga patlang at pagbibigay ng ilang mga pangunahing mga prinsipyo organizing, Umaasa ako upang kumbinsihin sa iyo sa dalawang bagay. Una, mass pakikipagtulungan maaaring harnessed para sa mga social research. At, pangalawa, ang mga mananaliksik na gumagamit mass pakikipagtulungan ay maaaring malutas ang mga problema na ay dati ay tila imposible. Kahit mass pakikipagtulungan ay madalas na-promote bilang isang paraan upang i-save ang pera, ito ay higit pa sa na. Bilang ako ay magpapakita, mass pakikipagtulungan ay hindi lang basta daan sa amin upang gawin ang pananaliksik mas mura, ito ay nagpapahintulot sa amin na gawin ang pananaliksik ng mas mahusay.

Sa kabanata sa ibaba, para sa bawat isa sa mga tatlong pangunahing mga paraan ng mass pakikipagtulungan, ako ay naglalarawan ng isang prototypical halimbawa; ilarawan ang mahahalagang karagdagang mga puntos na may karagdagang mga halimbawa; at sa wakas ay naglalarawan kung paano ang form na ito ng mass pakikipagtulungan ay maaaring gamitin para sa mga social research. kabanata ay tapusin sa limang mga prinsipyo na maaaring makatulong sa iyo na disenyo ng iyong sariling mga mass pakikipagtulungan proyekto.