5.5.2 Важелі гетерогенність

Після того, як ви спонукаєте багатьох людей працювати над справжньою науковою проблемою, ви дізнаєтеся, що ваші учасники будуть гетерогенними двома основними способами: вони будуть різняться як за своїми навичками, так і за своїми зусиллями. Перша реакція багатьох соціальних дослідників полягає у боротьбі з цією неоднорідністю, намагаючись виключити неякісних учасників, а потім намагатися зібрати фіксовану кількість інформації від усіх, хто залишився. Це неправильний шлях для розробки проекту масового співробітництва. Замість того, щоб боротися з неоднорідністю, ви повинні використовувати його.

По-перше, немає причин виключати низькокваліфікованих учасників. У відкритих дзвінках низькокваліфіковані учасники не викликають проблем; їхні внески нікому не завдають шкоди, і вони не потребують жодного часу для оцінки. Крім того, в людських розрахунках та розподілених проектах збору даних краща форма контролю якості набуває сили надмірності, а не через високий бар для участі. Фактично, замість того, щоб виключати учасників з низьким рівнем кваліфікації, найкращий підхід полягає в тому, щоб допомогти їм зробити кращий внесок, на думку дослідників eBird.

По-друге, немає підстав збирати фіксовану кількість інформації від кожного учасника. Участь у багатьох проектах масового співробітництва неймовірно нерівномірно (Sauermann and Franzoni 2015) , причому невелика кількість людей багато в чому допомагає, іноді називають " жирною головою", і багато людей допомагають трохи, іноді називають довгим хвостом . Якщо ви не збираєте інформацію з жирної голови та довгого хвоста, ви залишаєте маси інформації, не зібраної. Наприклад, якщо Вікіпедія прийняла 10 і лише 10 редакцій для кожного редактора, вона втратить б 95% змін (Salganik and Levy 2015) . Таким чином, за допомогою масових проектів співпраці найкраще скористатися неоднорідністю, а не намагатися її усунути.