Kapag kayo ay motivated ng maraming mga tao na magtrabaho sa isang tunay na pang-agham problema, ikaw ay matuklasan na ang iyong mga kalahok ay magkakaiba sa dalawang pangunahing paraan: sila ay nag-iiba sa kanilang mga kasanayan at sila mag-iba sa kanilang mga antas ng pagsisikap. Ang unang reaksyon ng maraming mga social mananaliksik ay upang ibukod mababang Kalidad kalahok at pagkatapos ay pagtatangka upang mangolekta ng isang nakapirming halaga ng impormasyon mula sa lahat ng tao na natitira. Ito ang maling paraan upang disenyo ng isang mass pakikipagtulungan proyekto.
Una, walang dahilan upang ibukod mababang skilled kalahok. Sa bukas na tawag, mababang skilled kalahok maging sanhi ng walang problema; ang kanilang mga kontribusyon ay hindi saktan ang sinuman at hindi sila nangangailangan ng anumang oras upang suriin. Sa pantao computation at ipinamamahagi proyekto data collection, sa kabilang banda, ang pinakamahusay na paraan ng kalidad control ay dumating sa pamamagitan ng kalabisan, hindi isang mataas na bar para sa paglahok. Sa katunayan, sa halip na hindi kasama ang mababang kakayahan kalahok, isang mas mahusay na diskarte ay upang matulungan silang gumawa ng mas mahusay na mga kontribusyon, mas maraming bilang ng mga mananaliksik sa eBird nagawa.
Pangalawa, walang dahilan upang mangolekta ng isang nakapirming halaga ng impormasyon mula sa bawat kalahok. Ang paglahok sa maraming mass pakikipagtulungan proyekto ay hindi kapani-paniwalang hindi pantay (Sauermann and Franzoni 2015) na may isang maliit na bilang ng mga tao na nag-aambag ng maraming-minsan ay tinatawag na taba ulo -at ng maraming mga tao na nag-aambag ng isang maliit na-minsan ay tinatawag na mahabang buntot. Kung hindi mo mangolekta ng impormasyon mula sa taba ulo at ang mahabang buntot, ikaw ay nag-iwan tons ng impormasyon singilin. Halimbawa, kung Wikipedia tinanggap 10 at lamang ng 10 mga pag-edit sa bawat editor, magiging mawalan ng tungkol sa 95% ng mga pag-edit (Salganik and Levy 2015) . Kaya, na may mass pakikipagtulungan proyekto, ito ay pinakamahusay na pakikinabangan heterogeneity sa halip na subukan upang maalis ito.