5.2.2 натовпу кодування політичних маніфестів

Кодування політичних маніфестів, що - то , як правило , робиться експертами, можуть бути виконані з допомогою людського проекту обчислень , що призводить до більшої продуктивності і гнучкості.

Подібно Galaxy Zoo, є багато ситуацій, коли соціальні дослідники хочуть коду, класифікувати або етикетку зображення або фрагмент тексту. Прикладом такого роду досліджень є кодування політичних маніфестів. Під час виборів, політичні партії проводять маніфести, що описують свої позиції політики та керівних філософій. Наприклад, ось частина маніфесту Лейбористської партії у Великобританії з 2010 року:

"Мільйони людей, що працюють в наших громадських послуг, втілюють кращі значення Великобританії, допомагаючи дати людям можливість зробити більшу частину свого власного життя, захищаючи їх від ризиків, які вони не повинні нести на своїх власних. Подібно до того, як ми повинні бути сміливими про роль уряду в змусити ринки працювати чесно, ми також повинні бути сміливі реформатори уряду ".

Ці маніфести містять цінні дані для політологів, особливо ті, які вивчають вибори і динаміку політичних дискусій. Для того , щоб систематично отримувати інформацію з цих маніфестів, дослідники створили маніфесту проект , який організував політологи кодувати 4000 маніфестів з майже 1000 партій в 50 країнах світу. Кожна пропозиція в кожному маніфесту був закодований експертом по схемі 56-категорії. Результатом цієї спільної діяльності є масовий набір даних узагальнення інформації, вбудованою в цих маніфестів, і цей набір даних був використаний в більш ніж 200 наукових робіт.

Кеннет Бенуа і його колеги (2015) вирішив взяти завдання кодування маніфест , які раніше були виконані фахівцями і перетворити його в проект обчислення людини. В результаті, вони створили процес кодування, який є більш відтвореним і більш гнучким, не кажучи вже про дешевше і швидше.

Робота з 18 маніфестів, що генеруються протягом шести останніх виборів у Великобританії, Benoit і його колеги використовували розкол застосувати-поєднувати стратегію з робочими з ринку праці мікро-завдання (Amazon Mechanical Turk і CrowdFlower є прикладами ринків праці мікро-завдань, для більш на ринках праці мікро-завдань см главу 4). Дослідники взяли кожен маніфест і розділити його на пропозиції. Потім людський рейтинг був застосований до кожної пропозиції. Зокрема, якщо пропозиція брати участь заяву про політику, він був закодований за двома напрямками: економічні (від дуже зліва дуже праворуч) і соціальний (від ліберальних до консервативної) (рис 5.5). Кожна пропозиція було закодовано близько 5 різних людей. Нарешті, ці рейтинги були об'єднані з використанням статистичної моделі , яка враховується як індивідуальних ефектів рейтер і труднощі покарання ефектів. В цілому, Benoit і його колеги зібрали 200000 рейтинги від близько 1500 робітників.

Малюнок 5.5: Схема кодування від Benoit et al. (2015) і Benoit et al. (2015) (рис 1).

Для того щоб оцінити якість кодування натовпу, Benoit і його колеги також мали близько 10 фахівців-професорів і аспірантів в галузі політичних наук-курсу ті ж маніфести, використовуючи аналогічну процедуру. Хоча рейтинги від членів натовпу були більш мінливими, ніж рейтинги від експертів, консенсус рейтингу натовп чудове згоду з рейтингом консенсус експертів (рис 5.6). Це порівняння показує, що, як і Galaxy Zoo, проекти обчислень людини можуть виробляти високоякісні результати.

Малюнок 5.6: експертні оцінки (вісь х) і оцінки натовпу (вісь у) були в чудовому згоді при кодуванні 18 партій маніфестів з Великобританії (Benoit et al. 2015) і (Benoit et al. 2015) . Маніфести кодовані були від трьох політичних партій (Консервативна, трудових, ліберал-демократи) і шести виборах (1987, 1992, 1997, 2001, 2005, 2010).

Спираючись на цей результат, Benoit і його колеги використовували їх натовпу кодування системи для проведення досліджень, що було неможливо з проектом маніфесту. Наприклад, проект маніфесту не кодованою маніфестів на тему імміграції, тому що не було характерною темою, коли схема кодування була розроблена в середині 1980-х років. І в цей момент, це логістично нездійсненним для проекту маніфесту, щоб повернутися і перекодування їх маніфести, щоб захопити цю інформацію. Тому, здавалося б, що дослідники, зацікавлені у вивченні політики імміграції не пощастило. Проте, Бенуа і його колеги змогли використати свою людську систему обчислень, щоб зробити це кодування до індивідуальних вимог замовника для своїх досліджень питання-швидко і легко.

Для вивчення імміграційної політики, вони закодували маніфестів для восьми партій у виборах 2010 року у Великобританії. Кожна пропозиція в кожному маніфесту був закодований, щоб пов'язані чи він до імміграції, і якщо так, то чи було це проімміграціонно, нейтральне або антиімміграційного. В протягом 5 годин запуску свого проекту, результати були. Вони зібрали понад 22000 відповідей на загальну суму в $ 360. Крім того, оцінки з натовпу показали чудове згоду з раніше опитування експертів. Потім, як фінального тесту, два місяці по тому, дослідники відтворено їх натовпу кодування. Протягом декількох годин вони створили нову натовп кодуванням набору даних, які близько відповідали їх первісної натовпу кодуванням набору даних. Іншими словами, людина обчислення дозволило їм провести кодування політичних текстів, які погодилися з оцінками експертів і відтвореним. Крім того, оскільки людина обчислення було швидко і дешево, це було легко для них, щоб налаштувати їх збір даних для їх конкретного питання дослідження про імміграцію.